从麦克风输入中删除已知音频输出

Posted 2023-02-16

【中文标题】从麦克风输入中删除已知音频输出

【英文标题】：Remove known audio output from microphone input

【发布时间】：2014-03-14 19:02:02

【问题描述】：

我正在尝试学习如何以尽可能多的不同方式处理音频。

给定一个已知的音频流（我们称之为stream1）和一个未知的音频流（stream2），它们混合成一个单一的流（mix1）。

现在假设我们事先知道 stream1 但不知道 stream2，是否可以使用 stream1 将其自身从 mix1 中消除，从而为我们提供具有最小噪声/干扰的 stream2？

为了给它一个真实的世界环境，假设你的计算机有麦克风和扬声器（不是耳机），并且因为计算机提前知道（好吧，只有几毫秒，但仍然）输出到扬声器可以从来自麦克风的混音中消除该声音。在这个真实世界的情况下，已知的流并不是完全已知的，因为传输和接收之间可能存在一些失真。

假设这是可能的，有人可以建议一些有关所涉及算法的阅读吗？

【问题讨论】：

我也对此感兴趣。我找到了“声学回声消除”这个短语，但该技术（顾名思义）只是消除了麦克风输入流中的回声，而不考虑计算机产生的声音。

或许这是正确的短语？ svconline.com/proav/…

@Thomas，从您粘贴的链接来看，您似乎是对的，它的术语是“声学回声消除”。我将对其进行更多研究，如果没有其他人回答，我会找到更多信息，我将在此处添加。谢谢

只是粗略地环顾四周，我发现似乎是 matlab 代码的示例：mathworks.co.uk/help/dsp/examples/… 现在我对所涉及的思考有点厌倦了，所以我要看看明天通过它 - 只是想你可能会感兴趣。

【参考方案1】：

是的，这是可能的。两种方法：

时域

如果您可以保证混合音频与原始流 1 的时序是样本精确的，那么您可以简单地否定原始流 1 并将其添加到混合中。现在，您可能需要稍微缩放该波形，因为通常在混合音频时，它们的电平会降低。

如果对音频进行了其他处理（例如电平压缩），那么这会影响您干净地进行这种声音减法的能力。

频域

虽然正常的 PCM 编码音频只是每秒多次采样压力，但这并不是完全感知声音的方式。我们听到不同的频率。如果您使用傅立叶变换（通常使用 FFT 算法完成），您可以将音频样本从时域转换到频域，从而在此过程中为您提供各种频率段中的声音级别。

如果将流 1 和混音都转换到频域，从混音中减去流 1，然后再转换回时域进行输出，则可以有效地从混音中去除大部分流 1。您使用的频率桶越多，所需的 CPU 就越多，但这种删除将越准确。请注意，虽然这意味着您不必非常精确地采样，但它通常会损害混音的声音质量。

许多音频编辑程序使用这种方法来消除背景噪音。

【参考方案2】：

声音只是一条曲线 - 通常它会随着时间的推移在零上下波动（16 位音频有 2^16 个可能的整数可用，因此原始 PCM 音频只是 +- 32768 范围内的整数流） - 一次这种格式 - 只需切换 stream1 整数的符号 (+-)，然后将其添加到相应的混合整数中，因为您遍历两个 stream1 的数据并一次混合一个整数，然后重新归一化回 +- 32768 以重新获得您的音量 - 这有效地从您的混音中删除 stream1 - 音频工具 Audacity 为您提供此选项