自動混音技術(shù)并不是一項新技術(shù)，從上個世紀(jì)70年代開始涌現(xiàn)各種類型的自動混音器，以及其中的各種專利到現(xiàn)在轉(zhuǎn)變?yōu)镈SP設(shè)備內(nèi)的一個功能。自動混音器的形態(tài)也正逐漸從一臺獨立的設(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)的自動混音功能。這也是本文寫作的目的。

為什么要用自動混音技術(shù)？

要探討這個問題我們將以自動混音技術(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：

1.話筒數(shù)量多。一個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)試時都會遇到一個現(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就莫名其妙的嘯叫起來。這也是音響人經(jīng)常提的一個定律：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，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。會議室是一個面對面交流的地方，聽者和說話者都在一個空間內(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。

通過以上三個問題我們可以看到一個矛盾點：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。如何化解這個矛盾成為關(guān)鍵。第一個問題，不注重聲學(xué)裝修，反射嚴(yán)重，人們的習(xí)慣很難改正，也正是因為這點，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；第二個問題，話筒正對音箱可以通過MIX-MINUS的系統(tǒng)設(shè)計，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，而且會議持續(xù)幾個小時之久時，事情就沒有那么簡單了。如何來判斷某個參會人員要發(fā)言也是個問題，有時調(diào)音師也無法清楚地看到每一個參會者，很容易犯錯?？v使我們能找來一個很厲害的調(diào)音師能解決以上問題，但是如果我們有很多的會議室時，給每一個會議室配備一個如此高水準(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，均衡話筒時將對所有話筒進(jìn)行調(diào)整，然而實際每個話筒的均衡點都是不一樣的，而且還經(jīng)常會遇到，調(diào)完某個話筒，其他某個某幾個話筒嘯叫起來等現(xiàn)象。最終導(dǎo)致音質(zhì)更差，且浪費很多調(diào)音師寶貴的時間。

3.自動混音技術(shù)。自動根據(jù)電平開啟或關(guān)閉話筒，能夠自動平衡因開啟話筒數(shù)量成倍而增加的系統(tǒng)增益。其實與第一種方式很相似，只不過此時人變成了設(shè)備。那此時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。但實際上單臺的自動混音器其實與會議系統(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，同時某些具備自動混音器直接輸出功能，可輕松做到MIX-MINUS，而這一點也是普通自動混音器或會議系統(tǒng)幾乎無法實現(xiàn)的。且由于可以結(jié)合DSP自身豐富的功能，實現(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)備的自動混音功能。了解完為什么需要使用自動混音技術(shù)后下面就自動混音技術(shù)的分類和技術(shù)進(jìn)行闡述。

自動混音技術(shù)分類

從前文我們可以得到自動混音器需具2個基本要素：1. 何時及如何開啟和關(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自動混音器。

Gating

Gating自動混音器顧名思義會有一個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語音觸發(fā)開關(guān)或噪聲門，設(shè)定一個固定的值，超過這個值則話筒開啟，低于則關(guān)閉。通常這個值是可以調(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。可參見下圖：

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問題就是當(dāng)全體鼓掌的情況出現(xiàn)時，所有話筒都被打開，系統(tǒng)極其容易產(chǎn)生嘯叫。由于固定閾值實現(xiàn)簡單，成本低，很多自動混音器和軟件化的自動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)境噪音實時得到新的閾值，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)。如給每個話筒都加一個噪聲感應(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混音器一個感應(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閾值的電路或算法。而這正是體現(xiàn)廠家自動混音技術(shù)優(yōu)劣的技術(shù)關(guān)鍵點。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很短的時間，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)試時間。

門控技術(shù)：在解決完閾值的設(shè)定問題后，實際在早期設(shè)計自動混音技術(shù)還遇到一個問題就是開關(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的方式來實現(xiàn)話筒的開關(guān)。off-attenuation實際就是將開關(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。我們還有最后一個問題，多個話筒開啟后增加的增益如何解決？一般而言Gating自動混音器都會采用如下的電路來實現(xiàn)總體增益的平衡。采用一個計數(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)一個講話者同時對著距離相等的兩個話筒，則在話筒端將接收到兩個完全一樣的信號，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或多個話筒出產(chǎn)生類似大小的信號。關(guān)于兩個信號疊加加入相位的考慮實際我們開啟話筒數(shù)量的系統(tǒng)增益是：

Et：總聲壓、電流、或電壓

E1：第一個信號

E2：第一個信號

α：信號的相位角

由上我們可以得出實際兩個信號的疊加是0～6dB的增益增加?；诖瞬糠謴S商在做NOMA電路時將此值開放作為可調(diào)，但是當(dāng)作為可調(diào)時就增加了工程師調(diào)試時的調(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自動混音器時還需要注意在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)）