[發明專利]一種視頻會議系統的多麥克風混音方法

有效

• 申請號: 201410441776.7
• 申請日: 2014-09-01
• 公開（公告）號: CN104219013B
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 畢永建
• 申請（專利權）人: 廈門億聯網絡技術股份有限公司
• 主分類號: H04H60/04
• 分類號: H04H60/04
• 代理公司: 廈門市新華專利商標代理有限公司35203
• 代理人: 朱凌

技術領域

本發明涉及一種混音處理方法，更具體地說，涉及一種用于視頻會議的多麥克風混音處理方法。

背景技術

早期的視頻會議系統一般都使用定向或者全向麥克風來進行聲音采集，全向麥克風的聲音采集范圍大，但混響嚴重，音質不佳，定向麥克風音質好，但聲音采集范圍窄，為解決音質和聲音采集范圍的矛盾，目前視頻會議系統已經開始采用多麥克風的方案，通過多個定向麥克風的組合，來保證聲音的采集范圍和音質。而如何組合多麥克風采集的數據，形成最佳的混音(多路語音數據混合形成一路輸出語音)效果，成為多麥克風方案需要解決的核心問題。

自適應是指處理和分析過程中，根據處理數據的數據特征自動調整處理方法、處理順序、處理參數、邊界條件或約束條件，使其與所處理數據的統計分布特征、結構特征相適應，以取得最佳的處理效果。

發明內容

本發明要解決的技術問題，在于提供一種視頻會議系統的多麥克風混音方法，先判定最大回聲通道并將其排除，再選擇出最佳通道采集的聲音作為混音源，最后確定動態變化的混音權值輸出混音。選擇最佳通道采集的聲音作為最優混音源，保證了聲音的采集范圍和音質效果。

本發明是這樣實現的：一種視頻會議系統的多麥克風混音方法，所述方法包括聲音采集過程、延時估計過程、回聲通道判定過程、混音源選擇過程和混音輸出過程：

所述聲音采集過程是：揚聲器播放聲音，復數個麥克風通道采集聲音；將所述揚聲器播放的聲音和各麥克風通道采集的聲音按幀分塊存儲，得到揚聲器的播放幀能量和各麥克風通道的采集幀能量，每幀長度為一固定值，每幀包含復數個點；

所述延時估計過程：得到各麥克風通道每次采集的聲音與揚聲器每次播放的聲音之間的延時時間；

所述最大回聲通道判定過程：根據得到的各麥克風通道的延時時間，將各麥克風通道采集的聲音與揚聲器播放的聲音按幀一一對齊，再根據對齊后的麥克風通道的各子帶能量與揚聲器的各子帶能量之比的均值判定最大回聲通道，即該通道所含的回聲成分最高，選擇混音源時將最大回聲通道排除，以保證消除會議系統的回聲；

所述混音源選擇過程：將所述最大回聲通道排除后，選擇其余麥克風通道中采集幀能量最大的兩個麥克風通道所采集的聲音作為混音源進行混音，計算所述兩個混音源每幀的混音權值；

所述混音輸出過程是：由所述兩個混音源每幀的混音權值得到混音每幀各個點的輸出值，最終再由各麥克風通道輸出混音。

進一步的，所述延時時間的計算過程如下：

步驟21、把各麥克風通道的采集幀能量與對應揚聲器的播放幀能量進行一一對比，得到各麥克風通道的延時時間，計算公式如下公式1所示：

公式(1)中，N表示聲音最大延時對應的樣點數，n為1到N的正整數，i表示聲音每幀包含的點數，cap(i+n)表示麥克風通道的采集幀第i+n個點的值，play(i)表示揚聲器的播放幀第i個點的值，cor(n)表示麥克風通道和揚聲器播放通道的線性相關值；

步驟22、公式(1)中每一個n對應一個所述線性相關值，將最大的線性相關值對應的n換算成t，得到麥克風通道的延時時間，換算過程如下公式(2)所示：

t＝n/采樣頻率(2)。

進一步的，所述子帶能量是指聲音每幀上的各個點經過FFT后對應得到的每個點的能量幅值，所述最大回聲通道判定過程，具體如下公式(3)和公式(4)所示：

公式(3)和公式(4)中，i表示通道索引，j表示子帶索引，M表示子帶總數，P_cap(i,j)表示第i麥克風通道第j子帶能量，P_play(j)為揚聲器第j子帶能量，η(i,j)表示第i麥克風通道第j子帶能量的衰減比，η_mean(i)表示第i麥克風通道平均子帶能量的衰減比；

將公式(3)得到的值代入公式(4)中能得到各麥克風通道對應的平均子帶能量的衰減比，再對每個麥克風通道的平均子帶能量的衰減比進行排序，其中最大平均子帶能量的衰減比對應的麥克風通道就是最大回聲通道。

進一步的，所述混音源包括，任意選擇采集幀能量最大的兩個麥克風通道中的一個麥克風通道采集的聲音記為混音源mix0，則另一個麥克風通道采集的聲音記為混音源mix1，所述兩個混音源mix0和mix1每幀的混音權值計算過程，如公式(5)和公式(6)所示：