自動(dòng)混音技術(shù)探索（上）

自動(dòng)混音技術(shù)并不是一項(xiàng)新技術(shù)，從上個(gè)世紀(jì)70年代開始涌現(xiàn)各種類型的自動(dòng)混音器，以及其中的各種專利到現(xiàn)在轉(zhuǎn)變?yōu)镈SP設(shè)備內(nèi)的一個(gè)功能。自動(dòng)混音器的形態(tài)也正逐漸從一臺獨(dú)立的設(shè)備到虛擬的編程算法。雖然現(xiàn)在各家的軟件算法，并不會公布，但我們可以通過了解自動(dòng)混音器內(nèi)的核心技術(shù)和原理來更好地理解和使用DSP內(nèi)的自動(dòng)混音功能。這也是本文寫作的目的。

為什么要用自動(dòng)混音技術(shù)？

要探討這個(gè)問題我們將以自動(dòng)混音技術(shù)最常用的場合——會議室來談。首先我們看下圖一個(gè)標(biāo)準(zhǔn)的會議室的照片。

圖中我們可以清晰的得到以下三點(diǎn)：

1.話筒數(shù)量多。一個(gè)幾十平米的會議室往往需要塞下十幾只甚至更多的話筒。音響工程師調(diào)試時(shí)都會遇到一個(gè)現(xiàn)象：一只一只話筒調(diào)試到不嘯叫，但是開啟兩只或更多話筒時(shí)就莫名其妙的嘯叫起來。這也是音響人經(jīng)常提的一個(gè)定律：打開話筒數(shù)量增加一倍，系統(tǒng)增益增加3dB，即NOMG（Number of Open Microphone Gain）=10lg（NOM），如右圖 ：

為了能夠同時(shí)打開足夠多的話筒和確保系統(tǒng)的穩(wěn)定，越多的話筒我們得調(diào)越多的系統(tǒng)余量。同時(shí)由于打開話筒越多拾取的環(huán)境噪音也越多，導(dǎo)致系統(tǒng)的信噪比下降，無法獲得足夠的語言清晰度。

2.不注重聲學(xué)裝修。不論是哪種廳堂更注重肯定是視覺，裝修一定要好看，大氣，莊重等。會議室也不例外，且很多會議室甚至是全玻璃結(jié)構(gòu)的根本不考慮擴(kuò)聲的需求。等到真正使用擴(kuò)聲時(shí)，才發(fā)現(xiàn)房間反射嚴(yán)重，根本沒法獲得足夠的語音清晰度和傳聲增益。。

3.話筒正對著音箱。會議室是一個(gè)面對面交流的地方，聽者和說話者都在一個(gè)空間內(nèi)，那這樣也就意味著擴(kuò)聲揚(yáng)聲器覆蓋的區(qū)域同時(shí)又需要話筒進(jìn)行拾音，所以在會議室內(nèi)幾乎都會遇到話筒正對音箱的情況。這樣直接導(dǎo)致我們無法獲得足夠的傳聲增益。

通過以上三個(gè)問題我們可以看到一個(gè)矛盾點(diǎn)：話筒多需要為系統(tǒng)留足夠的余量，但建聲環(huán)境和音箱話筒擺位又無法為系統(tǒng)提供足夠的余量。如何化解這個(gè)矛盾成為關(guān)鍵。第一個(gè)問題，不注重聲學(xué)裝修，反射嚴(yán)重，人們的習(xí)慣很難改正，也正是因?yàn)檫@點(diǎn)，現(xiàn)在會議室越來越流行采用可調(diào)指向的音柱進(jìn)行擴(kuò)聲，從一定意義上減少了部分反射，當(dāng)然這一部分內(nèi)容并不是本文探討的范疇，總之第一個(gè)問題我們幾乎沒什么可商量的余地，但這卻是最好的解決方法；第二個(gè)問題，話筒正對音箱可以通過MIX-MINUS的系統(tǒng)設(shè)計(jì)，在一定程度上得到提高，但效果有限。擺在我們面前的只有從第三個(gè)問題出發(fā)了，既然打開話筒越多會增加更多的系統(tǒng)增益，那我們就想辦法控制打開的話筒數(shù)量和減少因開啟話筒增加而增加的增益。那我們來看一下一般的現(xiàn)在有哪幾種解決方法：

1.調(diào)音師現(xiàn)場調(diào)控。調(diào)音師是最佳的人選來控制會場的話筒和音量。但是問題是當(dāng)話筒超過6只，甚至幾十只話筒時(shí)，而且會議持續(xù)幾個(gè)小時(shí)之久時(shí)，事情就沒有那么簡單了。如何來判斷某個(gè)參會人員要發(fā)言也是個(gè)問題，有時(shí)調(diào)音師也無法清楚地看到每一個(gè)參會者，很容易犯錯(cuò)?？v使我們能找來一個(gè)很厲害的調(diào)音師能解決以上問題，但是如果我們有很多的會議室時(shí)，給每一個(gè)會議室配備一個(gè)如此高水準(zhǔn)的調(diào)音師也是不合理，且其成本是無法承受的。

2.會議系統(tǒng)。很多會議室會選擇會議系統(tǒng)進(jìn)行話筒的管理和限制。通過限制話筒開啟數(shù)量確實(shí)能一定意義上減少對余量的需求。但某些會議中為了限制的數(shù)量可能會影響會議的流暢度。會議系統(tǒng)的音質(zhì)，是讓很多使用者和音響工程師所詬病的。同時(shí)會議系統(tǒng)往往混音一路的輸出到處理設(shè)備，均衡話筒時(shí)將對所有話筒進(jìn)行調(diào)整，然而實(shí)際每個(gè)話筒的均衡點(diǎn)都是不一樣的，而且還經(jīng)常會遇到，調(diào)完某個(gè)話筒，其他某個(gè)某幾個(gè)話筒嘯叫起來等現(xiàn)象。最終導(dǎo)致音質(zhì)更差，且浪費(fèi)很多調(diào)音師寶貴的時(shí)間。

3.自動(dòng)混音技術(shù)。自動(dòng)根據(jù)電平開啟或關(guān)閉話筒，能夠自動(dòng)平衡因開啟話筒數(shù)量成倍而增加的系統(tǒng)增益。其實(shí)與第一種方式很相似，只不過此時(shí)人變成了設(shè)備。那此時(shí)由于能減少對余量的需求，且話筒采用的是鵝頸話筒的形式，最終出來的聲音會比會議系統(tǒng)好很多。但實(shí)際上單臺的自動(dòng)混音器其實(shí)與會議系統(tǒng)類似，最終也是混音一路到處理設(shè)備進(jìn)行處理。這樣的處理形式其實(shí)與會議系統(tǒng)一樣存在問題。所以我們一般會推薦給客戶使用的是帶自動(dòng)混音器功能的DSP設(shè)備每只話筒都可以得到相應(yīng)精準(zhǔn)的調(diào)試，這樣音質(zhì)最優(yōu)化，同時(shí)某些具備自動(dòng)混音器直接輸出功能，可輕松做到MIX-MINUS，而這一點(diǎn)也是普通自動(dòng)混音器或會議系統(tǒng)幾乎無法實(shí)現(xiàn)的。且由于可以結(jié)合DSP自身豐富的功能，實(shí)現(xiàn)諸多會議系統(tǒng)的功能如主席優(yōu)先，請求發(fā)言，攝像跟蹤等等。

綜上3種解決方案，會議中多話筒處理既能達(dá)到較好的音質(zhì)，保證系統(tǒng)穩(wěn)定，又能實(shí)現(xiàn)較多會議管理功能的最好方案是采用DSP設(shè)備的自動(dòng)混音功能。了解完為什么需要使用自動(dòng)混音技術(shù)后下面就自動(dòng)混音技術(shù)的分類和技術(shù)進(jìn)行闡述。

自動(dòng)混音技術(shù)分類

從前文我們可以得到自動(dòng)混音器需具2個(gè)基本要素：1. 何時(shí)及如何開啟和關(guān)閉話筒；2. 如何平衡NOM增益。從技術(shù)上可以分為兩類：Gating和Gainsharing自動(dòng)混音器。

Gating

Gating自動(dòng)混音器顧名思義會有一個(gè)門限來控制話筒的開關(guān)，聲音超過門限則打開話筒，聲音低于門限則關(guān)閉話筒。那如何來獲得最佳的門限（Threshold）？

固定閾值：最簡單也是最常見的就是采用一個(gè)語音觸發(fā)開關(guān)或噪聲門，設(shè)定一個(gè)固定的值，超過這個(gè)值則話筒開啟，低于則關(guān)閉。通常這個(gè)值是可以調(diào)整的，但無法根據(jù)環(huán)境噪音自行調(diào)整，所以得到的效果往往不盡意?？蓞⒁娤聢D：

在很多情況下如果設(shè)置得太小，則環(huán)境噪音、鼓掌和某些音樂等聲音很容易就可以開啟話筒。設(shè)置得太高則又很容易出現(xiàn)吃字或聲音卡殼等現(xiàn)象。當(dāng)使用噪聲門等裝置還有另外一個(gè)問題就是當(dāng)全體鼓掌的情況出現(xiàn)時(shí)，所有話筒都被打開，系統(tǒng)極其容易產(chǎn)生嘯叫。由于固定閾值實(shí)現(xiàn)簡單，成本低，很多自動(dòng)混音器和軟件化的自動(dòng)混音器仍舊采用類似的方法來做決策，其最終的效果往往很差。

自適應(yīng)閾值：由于固定閾值很難得到較好的效果，各家廠商相繼推出了自己的自適應(yīng)閾值電路或算法，可根據(jù)環(huán)境噪音實(shí)時(shí)得到新的閾值，最終效果的好壞也各有差異?；臼疽饪蓞⒁娤聢D：

自適應(yīng)閾值的工作原理各有差異，但歸結(jié)起來有一下幾種類型：

1. 噪聲感應(yīng)。如給每個(gè)話筒都加一個(gè)噪聲感應(yīng)的話筒，作為其環(huán)境噪聲的判斷水平。有些采用一組話筒或一個(gè)混音器一個(gè)感應(yīng)話筒的輸入作為參考環(huán)境噪音水平。這種方法是最直接的思考方式，但對感應(yīng)話筒的位置擺放要求較高。早期舒爾曾經(jīng)出過需要匹配相應(yīng)麥克風(fēng)的自動(dòng)混音器。

2. 掃描閾值。由于噪聲感應(yīng)的額外投入，涌現(xiàn)出了各種通過掃描當(dāng)前每只話筒的電平然后確定一個(gè)閾值的電路或算法。而這正是體現(xiàn)廠家自動(dòng)混音技術(shù)優(yōu)劣的技術(shù)關(guān)鍵點(diǎn)。簡單的直接求平均作為閾值，也有不斷向下掃描，當(dāng)遇到最大的電平的通道則在該通道保持一個(gè)很短的時(shí)間，以此往復(fù)。做得不好的閾值電路和算法可能就會出現(xiàn)常見的“吃字”現(xiàn)象。當(dāng)使用這種方式時(shí)的好處是顯而易見的，調(diào)試人員將不需要去設(shè)置閾值，將節(jié)省大量的調(diào)試時(shí)間。

門控技術(shù)：在解決完閾值的設(shè)定問題后，實(shí)際在早期設(shè)計(jì)自動(dòng)混音技術(shù)還遇到一個(gè)問題就是開關(guān)所帶來的電子脈沖聲音。這也是早期限制自動(dòng)混音器推廣的原因之一。目前而言主流的廠商都是采用offattenuation的方式來實(shí)現(xiàn)話筒的開關(guān)。off-attenuation實(shí)際就是將開關(guān)變成了通道的衰減。我們知道0dBu的信號輸出當(dāng)我們衰減-40dBu以后將幾乎聽不到任何的聲音。所以通過這種方式就很好的解決了話筒開關(guān)而帶來的噪音。

NOMA（Number of Open Microphone Attenuation）：前面我們討論的主要是閾值如何確定，以及確定了閾值后話筒如何開關(guān)的技術(shù)手段。我們還有最后一個(gè)問題，多個(gè)話筒開啟后增加的增益如何解決？一般而言Gating自動(dòng)混音器都會采用如下的電路來實(shí)現(xiàn)總體增益的平衡。采用一個(gè)計(jì)數(shù)器來記錄當(dāng)前開啟話筒的數(shù)量，然后根據(jù)數(shù)量進(jìn)行相應(yīng)的總增益衰減。如開啟兩只衰減3dB，開啟四只衰減6dB。

那前面我們談的NOMG=10lg（NOM），這是一個(gè)標(biāo)稱上的增益增加。但是我們沒有將信號的相干性考慮進(jìn)去。在一個(gè)標(biāo)準(zhǔn)的會議室，不同的講話者使用不同的話筒，信號進(jìn)入各自的麥克風(fēng)通道，這兩者我們普遍意義上理解為“不相干信號”。當(dāng)一個(gè)講話者同時(shí)對著距離相等的兩個(gè)話筒，則在話筒端將接收到兩個(gè)完全一樣的信號，我們稱此為“相干信號”。相干信號在電平上不一定要相等，但大小相差一定是很小的。另一個(gè)相干的例子就是當(dāng)會議室的門被用力的開關(guān)，書本掉在地上，或大家的鼓掌聲等很有可能在兩個(gè)或多個(gè)話筒出產(chǎn)生類似大小的信號。關(guān)于兩個(gè)信號疊加加入相位的考慮實(shí)際我們開啟話筒數(shù)量的系統(tǒng)增益是：

Et：總聲壓、電流、或電壓

E1：第一個(gè)信號

E2：第一個(gè)信號

α：信號的相位角

由上我們可以得出實(shí)際兩個(gè)信號的疊加是0～6dB的增益增加?；诖瞬糠謴S商在做NOMA電路時(shí)將此值開放作為可調(diào)，但是當(dāng)作為可調(diào)時(shí)就增加了工程師調(diào)試時(shí)的調(diào)試參數(shù)和對技術(shù)的理解，且由于3～6dB的增加往往是較少情況出現(xiàn)，如果為了部分極少出現(xiàn)的情況而大大降低我們的系統(tǒng)增益是得不償失的。所以很多廠商會采用中間默認(rèn)為3dB的衰減。這種方式帶來的另外一個(gè)問題是開啟多只話筒可能多的增益，可能的嘯叫。則為了避免此問題我們在調(diào)試Gating自動(dòng)混音器時(shí)還需要注意在FSM（反饋穩(wěn)定余量）6dB的基礎(chǔ)上再增加至少3dB的系統(tǒng)余量來保證系統(tǒng)的穩(wěn)定運(yùn)行。（未完待續(xù)）