请教静音检测算法，思想或者源码皆可。

[hillfree]

通话过程中侦测静音。

一般来说，和设置的threshold参数关系很大，但是这里仅是要一个算法。
或者说，从这侦测到的第一个认为是静音的分组开始，就丢弃还是要等等。如何平滑，从说话到静音，和从静音到说话的过程。

多谢

[hillfree]

敬请关注！

[ExitWindows]

我也想知道，帮你UP。

[a813]

好像是g.168

[explorer007]

首先，这不是一个简单的问题。

静音检测，不只是检测通话人是否Talking，更重要的是如何在通话环境中参杂着其他噪声

时如何能够排除这些噪声干扰，并正确的得到检验结果。

平滑静声与说话之间的过程也是一个重要的问题。

呵呵，期待大家能将已实现的技术和经验拿出来共享 ：）

[hillfree]

是呀，这是一个应该很有用的题目。
所以所谓的静音检测，一般正式的叫法是：静噪抑制技术，甚至还包含有一部分的回音消除，如果是在时延较大ip网，也是必须的。当然，首先需要的是一块比较好的声卡和一个抑噪耳机，（比如viaVoice带的）

我这里只有一个比较原始的思路：设置一个threshold值，一个比率。检测语音的分组，如果其中大部分数据都在门阈值以下，就认为是背景噪音或者说静默时间的语音包，予以丢弃。但是这里涉及一个参数设置问题，一个平滑问题。所以还是要请教大家，希望大家关注。

[hillfree]

a813(周)　回复于2001-10-14 22:27:58
好像是g.168

您的意思是？

[hillfree]

敬请关注，希望大家指教，讨论。网上的流媒体应用应该很有前景。

[explorer007]

Up一下

[wmouse]

学习

[hillfree]

up

[hillfree]

在实际中还有一个更为普遍的问题：就是白噪音的问题，对于参数的设定就更为重要了。
目前是这样做的，但是效果不是非常好。
///________________________________________________________________________
/// Method: DetectSilence
/// Params:
/// lpData: the data for detect
/// inLen: data length
/// Function:
/// detect the data. discard the background noise and other
/// noise. the parameter is sensible.
///________________________________________________________________________

DWORD CAudioMgr::DetectSilence(LPBYTE lpData, DWORD inLen)
{
static bool bSpeakingState = TRUE; // 指明目前的状态是通话还是静默
static unsigned int nConsecutive = 0; // 用来计算连续出现的某种类型的包

bool bNoisePacket; // 当前检测的语音包类型（判断）
long hit = 0; // 要来计算语音包中符合条件的位数。long足够了

unsigned int i; // 循环变量

// 推测当前语音包类型

for(i = 0; i < inLen; i++) {
if((lpData[i] <= 0 + constThreshold )
|| (lpData[i] >= 255 - constThreshold))
hit++;
}

float ratio = (float)hit/ inLen;

if (ratio > constHitratio)
{
bNoisePacket = TRUE;
}
else
{
bNoisePacket = FALSE;
}


if( TRUE == bSpeakingState) // 如果目前是通话状态
{
if(FALSE == bNoisePacket) // 如果目前的包断定为语音包
{
nConsecutive = 0; // 计数清零
return inLen;
}
else // 如果目前是静音包
{
nConsecutive++;

if( constNoiseCons < nConsecutive ) // 如果已经连续出现了足够的静音包
{
nConsecutive = 0 ; // 计数清零
TRACE("从通话状态转化到静音状态！**********\n");
bSpeakingState = FALSE; // 转换到静音状态

return 0;
}
else
{
return inLen; // 仍然提交
}
}
}
else // 如果当前是静音状态
{
if(TRUE == bNoisePacket) // 如果目前的包断定为静音包
{
nConsecutive = 0; // 计数清零
return 0;
}
else // 如果目前是语音包
{
nConsecutive++;

if( constVoiceCons < nConsecutive ) // 如果已经连续出现了足够的语音包
{
nConsecutive = 0 ; // 计数清零
TRACE("*********从静音状态转化到通话状态！\n");
bSpeakingState = TRUE; // 转换到静音状态

return inLen;
}
else
{
return 0; // 否则仍然丢弃
}
}
}
}

[hillfree]

up

[ray2_ls]

up

[hillfree]

但是在实际使用中：上面我写的算法在经过调整参数之后，可以较为满意的侦测到静默的状态，但是在网络传输中收到的语音包会出现较明显的滞后。不知道为什么？我每次都是及时发送出数据包的。

还有，按理说应该是在应用程序运行前，出现类似于MSN Message Service的语音设备音量调整的。那位可不可以指教如何很方便的做？

多谢了。

[hillfree]

up

[hillfree]

希望大家关注一下。

[explorer007]

编码格式……

[hillfree]

音频编码格式使用ACM转换到GSM格式，应该可以吧。
本来也想在必要时也可以采用g.729A。不过感觉没必要。能不能有人给出一点经验。

[hillfree]

请。