1. 嘯叫的產(chǎn)生

1.1 嘯叫產(chǎn)生的原理

嘯叫常見于擴音系統(tǒng)，比如多媒體會議廳、多媒體教室。 當(dāng)麥克風(fēng)和揚聲器在同一個會場時，聲音從揚聲器擴音后又從被麥克風(fēng)拾取，形成了聲音反饋回路。當(dāng)擴音的增益足夠大，在某些頻率就會產(chǎn)生自激振蕩，形成刺耳的嘯叫， 那就無法正常講話了。

在擴音系統(tǒng)中使用硬件或者軟件方法去除這種嘯叫，就是聲反饋控制(Acoustic Feedback Control)，或者叫嘯叫抑制(Howling Suppression)。

聲反饋系統(tǒng)框圖

揚聲器輸出信號與麥克風(fēng)輸入信號之間的頻率響應(yīng)為：

根據(jù)奈奎斯特穩(wěn)定判據(jù)，在某些頻點，增益和相位滿足以下條件，將產(chǎn)生自激振蕩：

自激振蕩導(dǎo)致了系統(tǒng)的不穩(wěn)定，信號幅度不斷增大，最終形成刺耳的嘯叫。在頻譜上看到一條連續(xù)的譜峰。

除了擴音系統(tǒng)，平常使用手機/電腦進行音視頻通話，如果兩個終端在同一個房間的話，也是可能產(chǎn)生嘯叫的。 一般的商用軟件和開源算法認為，通常通話的參與者不在一個房間的，所以很少遇到嘯叫的問題，只需要解決噪聲抑制和回聲消除問題就可以了， 比如SpeexDsp和WebRTC。 但是從我個人經(jīng)驗而言，有兩種情況是需要嘯叫抑制的：

-在實驗室做多終端通話測試

因資源限制，幾臺終端可能放在一個房間里面測試通話情況，這樣一旦有人開始講話，一臺終端拾音后從另外一臺終端上外放出來。 這樣就形成了反饋回路，常常產(chǎn)生嘯叫，測試就無法進行了。

-視頻會議時多終端在同一個房間

開視頻會議時，有部分參與者是同一個單位的，可能會在一個房間里面參加會議，如果房間里面一個人講話，從同一個房間里面其他終端外放出來，就會產(chǎn)生嘯叫。 這個情況如果讓房間里面其他終端靜音，是可以解決嘯叫問題的。但是根據(jù)往常參加視頻會議的經(jīng)驗，一般用戶并不一定知道怎么操作。

Skype、微信、WebRTC之類應(yīng)用，應(yīng)該都沒有對上面兩種情況作優(yōu)化。如果可以增加嘯叫抑制的算法，語音通話或者視頻會議遇到異常的機會就可以減少。

1.2 嘯叫仿真

#simulate acoustic feekback, point-by-point

# _______________

# clean speech: x --> mic: x1 --> | Internal Gain | --> x2 -- > speaker : y

# ^ |______G________| |

# | |

# | _______________ |

#

# |____Response___|

#

N = min(2000, len(rir)) #limit room impulse response length

x2 = np.zeros(N) #buffer N samples of speaker output to generate acoustic feedback

y = np.zeros(len(x)) #save speaker output to y

y1 = 0.0 #init as 0

for i in range(len(x)):

x1 = x[i] + y1

y[i] = G*x1

y[i] = min(2, y[i]) #amplitude clipping

y[i] = max(-2, y[i])

x2[1:] = x2[:N-1]

x2[0] = y[i]

y1 = np.dot(x2, rir[:N])

下面將一段干凈語音經(jīng)過反饋路徑仿真，產(chǎn)生嘯叫。反饋路徑RIR直接使用參考資料[2]的path數(shù)據(jù)。簡書非會員無法插入音頻，音頻可以上GibHub下載。下面分別是干凈語音和嘯叫語音的語譜圖。

干凈語音波形圖和語譜圖

加嘯叫后的音頻，幅度已飽和，無法分辨原本語音，語譜圖可以看見多個嘯叫峰值。

嘯叫語音波形圖和語譜圖。

2. 嘯叫抑制的方法

嘯叫抑制的方法，主要有三種：頻移/相移法、陷波法、和自適應(yīng)方法。本文只實現(xiàn)第二種，陷波濾波器法。

顧名思義，陷波法就是要在聲反饋系統(tǒng)的極點頻率插入一個陷波濾波器，抑制極點的增益，使之無法達到嘯叫的增益條件。因此陷波法需要分成兩步：第一步，嘯叫檢測，將產(chǎn)生嘯叫的頻率找出來； 第二步，嘯叫抑制，在找出來的嘯叫頻率設(shè)計陷波濾波器，并對麥克風(fēng)信號進行濾波。

陷波法嘯叫抑制框圖

從前面嘯叫語音的語譜圖手動選擇兩個最大峰值，分別是603Hz和1745Hz (大概值，不是特別精確)。并且使用Python生成IIR Notch Filter 的系數(shù)b和a。

#notch filter

fs = Srate # Sample frequency (Hz)

f0 = 603 # Frequency to be removed from signal (Hz)

Q = 1 # Quality factor

# Design notch filter

b1, a1 = signal.iirnotch(f0, Q, fs)

sos1 = np.append(b1,a1)

#plot_notch_filter(b1, a1, fs)

f0 = 1745 # Frequency to be removed from signal (Hz)

Q = 5 # Quality factor

# Design notch filter

b2, a2 = signal.iirnotch(f0, Q, fs)

sos2 = np.append(b2,a2)

#plot_notch_filter(b2, a2, fs)

sos = np.vstack((sos1,sos2))

b, a = signal.sos2tf(sos)

plot_notch_filter(b, a, fs)

選兩個嘯叫頻點的陷器頻率響應(yīng)

使用固定系數(shù)的陷波濾波器，插入到前面的聲反饋系統(tǒng)中進行仿真。

#==============================Notch Filtering ==================================

# _______________ ______________

#clean speech: x --> mic: x1 --> | Internal Gain |-x2--> | Notch Filter |--> speaker: y

# ^ |______G________| |_____IIR______| |

# | |

# | _______________ |

#

# |____Response___|

#

N = min(2000, len(rir)) #limit room impulse response length

x2 = np.zeros(len(b)) #

x3 = np.zeros(N) #buffer N samples of speaker output to generate acoustic feedback

y = np.zeros(len(x)) #save speaker output to y

y1 = 0.0 #init as 0

for i in range(len(x)):

x1 = x[i] + y1

x2[1:] = x2[:len(x2)-1]

x2[0] = G*x1

x2[0] = min(1, x2[0]) #amplitude clipping

x2[0] = max(-1, x2[0])

y[i] = np.dot(x2, b) - np.dot(x3[:len(a)-1], a[1:]) #IIR filter

x3[1:] = x3[:N-1]

x3[0] = y[i]

y1 = np.dot(x3, rir[:N])

插入陷波濾波器后的揚聲器輸出信號頻譜明顯看見在603Hz和1745Hz 被抑制了，整體語音的譜圖重現(xiàn)，可以聽到清楚的語音信號 (除了陷波頻率附近頻率有損)。

固定系數(shù)陷波濾波器進行嘯叫抑制

2.1 嘯叫檢測

實際系統(tǒng)中，無法實現(xiàn)確定嘯叫頻率，所以需要出入嘯叫檢測。嘯叫頻點的檢測，必須結(jié)合嘯叫的時域和頻域特征來進行分析。

頻域上，嘯叫頻點功率很高，是一個峰值，遠超其他語音或噪聲頻率的功率。

時域上，嘯叫頻點的功率有一個迅速增大的過程，達到飽和幅度后一直保持。

根據(jù)嘯叫的時頻特征，參考資料[1]總結(jié)了以下檢測特征。

2.1.1 峰值閾值功率比(Peak-to-Threshold Power Raio, PTPR)

嘯叫的功率遠大于正常播放的音頻。故設(shè)定一個閾值，只有功率超過閾值的頻點，才會進行嘯叫檢測，減少無意義的檢測判決。

2.1.2 峰值均值功率比(Peak-to-Average Power Raio, PAPR)

產(chǎn)生嘯叫的頻點功率遠大于其他頻點的功率，故可以先計算出整個頻譜的平均功率，然后計算每個頻點功率與平均功率之比。比值大于預(yù)設(shè)閾值的頻點，記為候選嘯叫頻率。

2.1.3 峰值鄰近功率比(Peak-to-Neighboring Power Raio, PNPR)

PNPR尋找功率譜的峰值點，加入候選嘯叫頻率。可以選取左右各M個相鄰頻點進行比較，當(dāng)前頻點功率比鄰值都高時，記為候選嘯叫頻率。M選取5點左右

2.1.4 峰值諧波功率比(Peak-to-Harmonics Power Raio, PHPR)

語音譜有諧波峰，而嘯叫頻率是不含諧波峰的，故可以根據(jù)一個峰值點的諧波頻率功率是不是也很大，來判斷該峰值是否嘯叫點。

2.1.5 幀間峰值保持度(Interframe Peak Magnitude Persistence, IPMP)

IPMP是時域特征，如果一個頻點，連續(xù)幾幀都是檢測出來的候選嘯叫峰值，那就認為這個點確實發(fā)生了嘯叫。實現(xiàn)時可以選定5幀，超過3幀是候選嘯叫頻點的位置，判定為嘯叫點。

2.1.6 幀間幅度斜率偏差度(Interframe Magnitude Slope Deviation, IMSD)

IMSD也是時域特征，是從嘯叫開始發(fā)生時判斷，這是嘯叫頻點幅度線性增長，那么幀間斜率就會保持不變。取

幀進行區(qū)間觀察，計算

幀平均斜率，與區(qū)間內(nèi)更短區(qū)間的斜率之間的差值，如果差值在設(shè)定閾值以下，就認為該區(qū)間斜率保持不變，可能是發(fā)生了嘯叫。

image.png

頻域特征PTPR PAPR PNPR PHPR都是對一幀內(nèi)頻點進行分析，而時域特征是對多幀間的特征進行分析。所以在進行判決時，一般先對每幀頻譜進行頻域特征分析，然后對累計的時域特許證進行分析。

為了不影響原音頻的頻譜、以及限制濾波器計算量考慮，最后還需要限制嘯叫頻點的數(shù)量。一般系統(tǒng)可以選擇五六個頻點，簡單的系統(tǒng)也可以嘗試只選擇嘯叫程度最嚴重的一個或者兩個頻點。

參考資料[1]中的嘯叫檢測流程圖

下面進行仿真，暫時只把PTPR, PAPR, PNPR IPMP考慮進去。并且做一個Screening, 把離得太近的候選頻點去除。

def howling_detect(frame, win, nFFT, Slen, candidates, frame_id):

insign = win * frame

spec = np.fft.fft(insign, nFFT, axis=0)

#========== Howling Detection Stage =====================#

ptpr_idx = pyHowling.ptpr(spec[:Slen], 10)

papr_idx, papr = pyHowling.papr(spec[:Slen], 10)

pnpr_idx = pyHowling.pnpr(spec[:Slen], 15)

intersec_idx = np.intersect1d(ptpr_idx, np.intersect1d(papr_idx,pnpr_idx))

for idx in intersec_idx:

candidates[idx][frame_id] = 1

ipmp = pyHowling.ipmp(candidates, frame_id)

result = pyHowling.screening(spec, ipmp)

return result

2.2 陷波法抑制嘯叫

將嘯叫檢測和陷波濾波器都插入到聲反饋系統(tǒng)中，動態(tài)監(jiān)測嘯叫頻率，進行仿真。

#=============================Notch Filtering =======================================================

# ___________________

# -------> | Howling Detection | ______

# | |___________________| |

# | |

# | _______________ _______V______

#clean speech: x --> mic: x1 --> | Internal Gain |-x2--> | Notch Filter | -->speaker:y

# ^ |______G________| |_____IIR______| |

# | |

# | _______________ |

#

# |____Response___|

#

b = [1.0, 0 ,0]

a = [0, 0, 0]

N = min(2000, len(rir)) #limit room impulse response length

x2 = np.zeros(100) #

x3 = np.zeros(N) #buffer N samples of speaker output to generate acoustic feedback

y = np.zeros(len(x)) #save speaker output to y

y1 = 0.0 #init as 0

current_frame = np.zeros(Slen)

pos = 0

candidates = np.zeros([Slen, Nframes+1], dtype='int')

frame_id = 0

notch_freqs = []

for i in range(len(x)):

x1 = x[i] + y1

current_frame[pos] = x1

pos = pos + 1

if pos==Slen:

#update notch filter frame by frame

freq_ids = howling_detect(current_frame, win, nFFT, Slen, candidates, frame_id)

#freq_ids = [46]

if(len(freq_ids)>0 and (len(freq_ids)!=len(notch_freqs) or not np.all(np.equal(notch_freqs, freqs[freq_ids])))):

notch_freqs = freqs[freq_ids]

sos = np.zeros([len(notch_freqs), 6])

for i in range(len(notch_freqs)):

b0, a0 = signal.iirnotch(notch_freqs[i], 1, Srate)

sos[i,:] = np.append(b0,a0)

b, a = signal.sos2tf(sos)

print("frame id: ", frame_id, "/", Nframes, "notch freqs:", notch_freqs)

current_frame[:Slen-len2] = current_frame[len2:] #shift by len2

pos = len2

frame_id = frame_id + 1

x2[1:] = x2[:len(x2)-1]

x2[0] = G*x1

x2[0] = min(2, x2[0]) #amplitude clipping

x2[0] = max(-2, x2[0])

y[i] = np.dot(x2[:len(b)], b) - np.dot(x3[:len(a)-1], a[1:]) #IIR filter

y[i] = min(2, y[i]) #amplitude clipping

y[i] = max(-2, y[i])

x3[1:] = x3[:N-1]

x3[0] = y[i]

y1 = np.dot(x3, rir[:N])

從結(jié)果上看，除了初始階段產(chǎn)生了嘯叫，后面基本抑制住了，可以聽到語音信號。但是有斷斷續(xù)續(xù)的低幅度嘯叫產(chǎn)生。IPMP等需要嘯叫達到一定程度才能檢測出來，如果換用IMSD，可能可以更快地動態(tài)抑制嘯叫。

加入嘯叫檢測和陷波濾波器的聲反饋系統(tǒng)輸出

參考資料

[1] T. van Waterschoot and M. Moonen, "Fifty Years of Acoustic Feedback Control: State of the Art and Future Challenges," in Proceedings of the IEEE, vol. 99, no. 2, pp. 288-327, Feb. 2011, doi: 10.1109/JPROC.2010.2090998.

總結(jié)

以上是生活随笔為你收集整理的苹果ios啸叫频点测试软件_啸叫抑制之陷波法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。