CN1492657A - 电话会议混音方法 - Google Patents

Abstract

本发明涉及一种电话会议混音方法，包括以下步骤：对每一通道的每一个样点数据进行高通滤波，计算出样点的滤波输出值S(i)；根据连续第一预定数值C1个小于固定噪音门限N的样点值S(i)，计算自适应噪音门限NV，同时根据连续第二预定数值C2个样点值S(i)计算时域能量Eny(i)；然后用Eny(i)减去当前的自适应噪音门限NV，得到该通道的一个中间能量差值D；从各个通道的中间能量差值D中至少选出两个能量最大的通道，同时将每个通道的时域能量Eny(i)清零；如果所选出的通道与之前参与混音的通道不相同，则由之前参与混音的通道平滑切换到所选出的通道，最终将所选出的通道的混音结果发送到其它通道。

Description

电话会议混音方法

技术领域

本发明涉及电信业务中的电话会议技术，更具体地说，涉及一种用于对参加电话会议的多个说话方的声音进行适当的混合处理的电话会议混音方法。

背景技术

随着电信技术的不断发展，许多电信业务运营商开通了电话会议业务。在电话会议中，对语音质量的要求比较高，需要判断出会议中的多个说话方，并将其声音混合，使与会者感到更加自然。通常，该功能都是通过DSP(Digital Signal Processor，即数字信号处理器)芯片来实现的。

连接在电话会议系统中的每一部电话占用一个通道，使用一部电话参加会议的用户则作为一个参与方。在现有的电话会议混音技术中，最常用的方法是找出当前输入的声音中绝对值最大的两个声音。然后将次大方的声音播放给最大方，将最大方的声音播给其它与会者。这种电话会议实现方案没有混音操作，一个时刻只能听见一方说话，现场感较差。

稍复杂的方法是找出输入绝对值最大的两个，将最大方的声音播放给次大方，将次大方的声音播放给最大方，并将这两个通道的输入值相加后除以二，播放给其它通道。该方法实现了最简单的混音操作，如果电话会议的参与者只有两方时其效果良好，如果有三方参与时则噪音明显加大，随与会者增加噪音也不断增加。

其改良方案是设置一个噪音门限，输入值只有高于该门限时才认为有语音，并进行输入值的大小判断；若小于该门限则不进行判决和通道切换。在这种方案中，当背景噪音较大时，基于简单的幅度判断会将噪音最大方的声音送出，导致整个电话会议系统的噪音较大。由于实际证明单门限方法的效果不太理想，因而也有采用双噪音门限的方法，选取高低两个门限，如果输入大于高门限则认为有语音存在，立即进行比较；如果输入小于高门限，则计算在一段时间(如20ms)内高于低门限的样点数，如果样点数大于某一值，则认为有语音信号，需要进行判决操作，否则不进行判决操作。其中，判决门限的选择非常困难，而且采用双门限之后语音质量并没有显著改善，混音效果不太理想。

由语音知识可知，根据激励源和声道模型的不同，语音主要可分为浊音和清音。发浊音时声带在气流的作用下准周期地闭合或开启，从而在声带中激励起准周期的声波，周期称为基音周期，浊音信号的能量集中在各基音的谐波频率附近。发清音时气流在声道内引起湍流，此时声带不振动，声道相当于被噪音状随机波激励，产生较小幅度的声波，其波形与噪音相似。所以使用固定的噪音门限存在固有的缺陷，而且门限的选择不可能适合所有的环境。

发明内容

本发明要解决的技术问题在于，针对现有电话会议在混音方面存在的上述缺陷，提供一种电话会议混音方法，用于对参加电话会议的多个说话方的声音进行适当的混合处理，以降低背景噪音对混音效果的影响，并对通道切换过程进行平滑处理。

本发明解决其技术问题所采用的技术方案是：一种电话会议混音方法，其特征在于，包括以下步骤：

(1)对每一通道接收到的每一个样点数据进行高通滤波，得出样点的滤波输出值S(i)，其中i表示样点的序号；

(2)对每一通道，根据连续第一预定数值C1个小于固定噪音门限N的样点的滤波输出值S(i)，得出每一通道的自适应噪音门限NV；同时，用连续第二预定数值C2个样点的滤波输出值S(i)进行能量迭代，得出每一通道的时域能量Eny(i)；

(3)对每一通道，用当前时域能量Eny(i)减去当前的自适应噪音门限NV，得到一个中间能量差值D，即D＝Eny(i)-NV；

(4)从各个通道的中间能量差值D中至少选出两个能量差值最大的通道，同时将每个通道的时域能量Eny(i)清零；

(5)如果所选出的通道与之前参与混音的通道不相同，则由之前参与混音的通道切换到所选出的通道，最终将所选出的通道的混音结果发送到其它通道。

在所述第(2)步中，根据连续第一预定数值C1个小于固定噪音门限N的样点的滤波输出值S(i)，按公式NE(i)＝NE(i-1)+S(i)²进行能量迭代以计算噪音能量，然后用所述噪音能量NE(i)除以第一预定数值C1，再乘以用于计算时域能量的第二预定数值C2，得到所述自适应噪音门限NV，即NV＝NE(i)*C2/C1。

在所述第(2)步中，按公式Eny(i)＝Eny(i-1)+S(i)²进行能量迭代以计算时域能量，当计算出连续第二预定数值C2个样点的时域能量后，进入所述第(3)步。

根据本发明所述的方法，在所述第(5)步中，按以下步骤进行平滑切换，由之前参与混音的通道切换到所选出的通道：

第一次，以平滑切换时长中所含的总样点数C3为基数，以之前通道的混音结果乘以(C3-1)再除以C3，同时以所选通道的混音结果乘以1再除以C3，然后将两者结果之和发送给最大方与次大方之外的其它通道；

第二次，以之前通道的混音结果乘以(C3-2)再除以C3，同时以所选通道的混音结果乘以2再除以C3，然后将两者结果之和发送给最大方与次大方之外的其它通道；

依此类推，直至第C3次时，可由之前的通道完全切换到所选出的通道，将所选通道的混音结果发送给最大方与次大方之外的其它通道。

与现有技术相比，本发明具有以下优点：

a、由于可设定每10-30ms(即80-240个样点数)才进行一次判断操作，使通道的切换不太频繁，同时保持了一定的检测敏感性；

b、利用自适应噪音门限法，降低了背景噪音对混音判决的影响；

c、通道切换时，进行了平滑处理，减小通道切换引起的语音质量下降；

d、效果良好、运算简单。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明一个优选实施例中的流程框图。

具体实施方式

实验证明，在同一时间如果混音方大于三个，就很难听清楚所有说话方的声音。因此，在进行混音操作时，只需要找出与会者中的两到三方进行混音即可。若进行了四方、五方甚至更多方的混音操作，一方面会增加运算量，另一方面也会降低信噪比，反而使语音质量下降。下面都以两方混音为例进行说明描述，三方混音的方法与之类似。

本发明采用自适应噪音门限法减小噪音对判决操作的影响；采用每10-30ms判决一次的方法，减小通道切换的频率；同时在通道切换时采用了平滑切换，进一步减小通道切换引入的噪音。

整个混音操作分为自适应噪音门限更新和判决混音切换两个流程。从图1中可以看出，两个流程有一个共同的滤波操作步骤1：

步骤1、当电话会议系统中的某一电话处于挂机状态时，其通道接收的数据是较大的直流分量，如果其参与后面的能量迭代，会对能量的判决造成影响；另外，由于线路的影响，话音中含有的50Hz交流声也会对通话多方造成“不适”，所以，需要对每一通道接收到的每一个样点数据进行滤波，用滤波结果进行能量迭代与输出。由于电话每秒采样8000次，所以在1秒钟之内会有8000个样点，本发明中使用下面的公式(1)进行滤波操作：

S(i)＝7/8*S(i-1)+7/8*[Sdc(i)-Sdc(i-1)]      公式(1)

其中，i表示样点的序号，从1开始依次递增，Sdc(i)是当前样点的输入值，Sdc(i-1)是前一个样点的输入值；S(i)是当前样点的滤波输出值，S(i-1)是前一个样点的滤波输出值，并且S(0)和Sdc(0)的取值都为0。可见，通过上述滤波操作，可滤除通道中的直流分量，对160Hz的分量有-3db的衰减。

从图中可以看出，完成了步骤1的滤波操作之后，整个流程被分成了两个分支分别进行，下面分别对这两个分支进行介绍，其中，两个分支的步骤号的首位以1和2加以区分。

一、自适应噪音门限更新

步骤102、判断上述样点的滤波输出值S(i)是否大于固定噪音门限N，如果是则进入步骤107，否则进入步骤103。

步骤103、根据所述噪音能量NE(i)计算自适应噪音门限NV，即按公式NE(i)＝NE(i-1)+S(i)²进行能量迭代以计算噪音能量，其中，S(i)为当前样点的滤波输出值，NE(i-1)为前一样点的噪音能量值，NE(i)为当前样点的噪音能量值，并且NE(0)的取值为0。

步骤104、由一个噪音时长计数器进行计数，如果样点的滤波输出值S(i)小于固定噪音门限N，则噪音时长计数器加1。

步骤105、判断噪音时长计数器是否计满到第一预定数值C1，未计满则回到步骤1重复上述步骤，如果已计满则进入步骤106，本实施例中取C1＝1000，表示用连续1000个低于固定噪音门限N的样点滤波输出值来计算步骤103中的噪音能量。

步骤106，当噪音时长计数器计满到1000时，根据噪音能量NE(i)计算自适应噪音门限NV，然后回到步骤1，重复上述步骤；具体计算的方法是用上述噪音能量NE(i)除以噪音时长计数器计满后的数值C1，再乘以计算时域能量的预定样点数C2(本实施例中取C2＝80，将在后面描述)，即可得到自适应噪音门限NV，即：

NV＝(NE(i)/C1)*C2＝(NE(i)/1000)*80＝NE(i)*80/1000。

步骤107、当执行完步骤106时，或者当样点的滤波输出值S(i)大于固定噪音门限N被认为有语音存在时，将上述噪音能量NE(i)和噪音时长计数器清零，然后回到步骤1，重新开始新一轮计算。

上述由步骤1、步骤102到步骤107的流程对每一个通道分别进行，最终得出每一通道的自适应噪音门限NV，也就是说，如果有5个通道，则分别计算出这5个通道的自适应噪音门限NV。

二、判决及混音切换

步骤202、按公式Eny(i)＝Eny(i-1)+S(i)²进行能量迭代以计算时域能量，其中，S(i)为当前样点的滤波输出值，Eny(i-1)为前一时刻的能量值，Eny(i)为当前的能量值，并且Eny(0)的取值为0。

步骤203、由一个样点计数器进行计数，每接收一个样点则该样点计数器加1。

步骤204、判断样点计数器是否计满到第二预定数值C2，是则进入步骤205，否则回到步骤1重复上述步骤，本实施例中，取时域能量的计算时间段为10ms，因为电话在1秒钟之内会有8000个样点，则10ms内有80个样点，相应地，样点计数器计满之后的数值为C2＝80，表示用连续80个样点的滤波输出值来计算步骤202中的时域能量Eny(i)；如果取取时域能量的计算时间段为20ms，则表示用连续160个样点的滤波输出值来计算步骤202中的时域能量Eny(i)。

步骤205、去除背景噪音的影响，用当前时域能量Eny(i)减去当前的自适应噪音门限NV，即在步骤202中计算出的Eny(i)减去步骤106中计算出的自适应噪音门限NV，得到一个中间能量差值D，即D＝Eny(i)-NV；可见，自适应噪音门限NV的计算过程与判决及混音切换过程无关，但在判决及混音切换过程却需要引用到自适应噪音门限NV的计算结果。

上述由步骤1、步骤202到步骤205的流程对每一个通道分别进行，最终得出每一通道的中间能量差值D，也就是说，如果有5个通道，则分别计算出这5个通道的中间能量差值D。

步骤206、从5个通道的中间能量差值D中选出两个能量差值最大的通道，也就是选出声音最大方和声音次大方。

步骤207、将每个通道的时域能量Eny(i)清零，这样可保证本实施例中每一次用来计算中间差值变量D的时域能量的计算时间段都是10ms，也就是用80个样点所求得。

步骤208、判断所选出的两个通道与之前参与混音的通道是否相同且大小次序也未改变，如果是则可保持现有混音模式，不需要进行切换，此时直接回到步骤1，重新开始新一轮流程；如判断结果为否，则进入步骤209。

步骤209、此时有两种情况，

a、如果所选出的通道与之前参与混音的通道相同但大小次序改变，则按新的大小次序进行混音；

b、如果所选出的通道与之前参与混音的通道不相同，则由之前参与混音的通道切换到所选出的通道。

具体的混音过程完全按照混音列表进行混音操作，前面已经判断出每个会议中能量最大的两方，所以只要根据通道的会议号，并保证每个通道都不会听到自己声音，就能方便地生成混音列表。本实施例中，是将最大方的声音发送给次大方所在的通道；将次大方的声音发送给最大方所在的通道；将最大方和次大方的声音进行混音后发送给其它通道，混音时将最大方的声音与次大方的声音各乘以一个比例因子P和Q，两个比例因子之和P+G等于1，例如可取P＝2/5，Q＝3/5。

在上述情况b的切换过程中，平滑切换的时长应该小于两次判决的时问间隔，即小于时域能量的计算时间段，本实施例中时域能量的时间段为10ms，则平滑切换的时间可取9ms，由于电话每秒采样8000次，所以9ms就有72个输入样点，即C3＝72。假设通道1前一次判决听取2、3通道的混音，当前判决听取4、5通道的混音，则可按以下方法由之前参与混音的通道平滑切换到所选出的通道：

b1、以平滑切换时长中所含的总样点数72为基数，以之前通道2、3的混音结果乘以69/72，同时以所选通道4、5的混音结果乘以1/72，然后将两者结果之和发送给最大方与次大方之外的其它通道；

b2，以之前通道2、3的混音结果乘以68/72，同时以所选通道4、5的混音结果乘以2/72，然后将两者结果之和发送给最大方与次大方之外的其它通道；

依此类推，直至第72次时，可由之前的通道2、3完全切换到所选出的通道4、5，将所选通道4、5的混音结果发送给最大方与次大方之外的其它通道。

可见，由于本发明中的自适应噪音门限是自适应的，当背景噪音较大时自适应噪音门限也相应较大，克服了固定门限中门限值难以选取和不能适应各种情况的困难，同时该方法的运算量比较小，效果良好。

Claims (10)

1、一种电话会议混音方法，其特征在于，包括以下步骤：

(1)对每一通道接收到的每一个样点数据进行高通滤波，得出样点的滤波输出值S(i)，其中i表示样点的序号；

(2)对每一通道，根据连续第一预定数值C1个小于固定噪音门限N的样点的滤波输出值S(i)，得出每一通道的自适应噪音门限NV；同时，用连续第二预定数值C2个样点的滤波输出值S(i)进行能量迭代，得出每一通道的时域能量Eny(i)；

(3)对每一通道，用当前时域能量Eny(i)减去当前的自适应噪音门限NV，得到一个中间能量差值D，即D＝Eny(i)-NV；

(4)从各个通道的中间能量差值D中至少选出两个能量差值最大的通道，同时将每个通道的时域能量Eny(i)清零；

(5)如果所选出的通道与之前参与混音的通道不相同，则由之前参与混音的通道切换到所选出的通道，最终将所选出的通道的混音结果发送到其它通道。

2、根据权利要求1所述方法，其特征在于，在所述第(1)步中，按公式S(i)＝7/8*S(i-1)+7/8*[Sdc(i)-Sdc(i-1)]进行滤波，其中Sdc(i)是当前样点的输入值，Sdc(i-1)是前一个样点的输入值，S(i)是当前样点的滤波输出值，S(i-1)是前一个样点的滤波输出值。

3、根据权利要求1所述方法，其特征在于，在所述第(2)步中，根据连续第一预定数值C1个小于固定噪音门限N的样点的滤波输出值S(i)，按公式NE(i)＝NE(i-1)+S(i)²进行能量迭代以计算噪音能量，然后根据所述噪音能量NE(i)计算自适应噪音门限NV，其中，S(i)为当前样点的滤波输出值，NE(i-1)为前一样点的噪音能量值，NE(i)为当前样点的噪音能量值。

4、根据权利要求3所述方法，其特征在于，在所述第(2)步中，由一个噪音时长计数器进行计数，如果样点的滤波输出值S(i)小于固定噪音门限N，则噪音时长计数器加1，同时计算噪音能量NE(i)，当噪音时长计数器计满到第一预定数值C1时，根据所述噪音能量NE(i)计算自适应噪音门限NV，然后将所述噪音能量NE(i)和所述噪音时长计数器清零；如果样点的滤波输出值S(i)大于固定噪音门限N，则直接将所述噪音能量NE(i)和所述噪音时长计数器清零。

5、根据权利要求4所述方法，其特征在于，在所述第(2)步中，用所述噪音能量NE(i)除以噪音时长计数器计满后的第一预定数值C1，再乘以用于计算时域能量的第二预定数值C2，得到所述自适应噪音门限NV，即NV＝NE(i)*C2/C1。

6、根据权利要求1-5中任一项所述方法，其特征在于，在所述第(2)步中，按公式Eny(i)＝Eny(i-1)+S(i)²进行能量迭代以计算连续第二预定数值C2个样点的时域能量，其中，S(i)为当前样点的滤波输出值，Eny(i-1)为前一时刻的能量值，Eny(i)为当前的能量值。

7、根据权利要求6所述方法，其特征在于，在所述第(2)步中，由一个样点计数器进行计数，每接收一个样点则该样点计数器加1，同时计算时域能量Eny(i)，当样点计数器计满到第二预定数值C2时，进入所述第(3)步。

8、根据权利要求1所述方法，其特征在于，在所述第(5)步中，

如果所选出的通道与之前参与混音的通道相同且大小次序未变，则保持现有混音模式；

如果所选出的通道与之前参与混音的通道相同但大小次序改变，则按新的大小次序进行混音；

如果所选出的通道与之前参与混音的通道不相同，则由之前参与混音的通道切换到所选出的通道。

9、根据权利要求1所述方法，其特征在于，当选取声音最大方和声音次大方所在的通道进行混音时，在所述第(5)步中；

将最大方的声音发送给次大方所在的通道；

将次大方的声音发送给最大方所在的通道；

将最大方和次大方的声音进行混音后发送给其它通道，混音时将最大方的声音与次大方的声音各乘以一个比例因子P和Q，两个比例因子之和P+G等于1。

10、根据权利要求9所述方法，其特征在于，在所述第(5)步中，按以下步骤进行平滑切换，由之前参与混音的通道切换到所选出的通道：

第一次，以平滑切换时长中所含的总样点数C3为基数，以之前通道的混音结果乘以(C3-1)再除以C3，同时以所选通道的混音结果乘以1再除以C3，然后将两者结果之和发送给最大方与次大方之外的其它通道；

第二次，以之前通道的混音结果乘以(C3-2)再除以C3，同时以所选通道的混音结果乘以2再除以C3，然后将两者结果之和发送给最大方与次大方之外的其它通道；

依此类推，直至第C3次时，可由之前的通道完全切换到所选出的通道，将所选通道的混音结果发送给最大方与次大方之外的其它通道。