摘 要 對播出前后的音頻信號進行比對，及時發(fā)現(xiàn)播出過程中的異常，是安全播出中的重要工作內容。基于AES67-2013的網絡音頻傳輸標準和聲音特征抽樣算法，使音頻比對技術進入智能化時代。通過對算法的不斷改進，音頻比對技術已進入高效實用階段。

關鍵詞 音頻比對聲音特征；AoIP；特征提取

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2016）21-0041-02

播出后的信號是否正常，如果不正常，是在哪個環(huán)節(jié)開始出現(xiàn)問題，如何縮短發(fā)現(xiàn)問題的時間，在第一時間發(fā)現(xiàn)播出過程中出現(xiàn)的異常，是播出安全工作中的重要課題。下面就音頻比對技術在廣播安全播出工作中的發(fā)展與應用情況做簡單介紹。

1 音頻比對技術的發(fā)展情況

在模擬信號時代，播出前后的音頻是否一致完全靠人耳判斷，這也是目前為止準確率最高的方式，但缺點也顯而易見。隨著需要監(jiān)聽的信號源和點不斷增多，會出現(xiàn)因監(jiān)聽主體疲勞或責任心不強，造成誤判、發(fā)現(xiàn)不及時等現(xiàn)象，從而引發(fā)播出安全

事故。

進入數(shù)字音頻時代后，音頻比對技術發(fā)展經歷了三個階段。

第一階段，自動判斷信號有無。主要是對音頻信號進行數(shù)字化處理，然后進行抽樣，當信號電平值低于設定值一定時長后，系統(tǒng)判斷為信號缺失。顯而易見，這種方式的局限性很大，不具備真正意義上的比對功能。

第二階段，自動比對兩個音頻信號的電平值。隨著數(shù)字技術的發(fā)展，利用DSP強大的處理能力，可以做到同時對兩路或多路信號進行處理。與第一階段的原理一樣，主要是通過對采樣信號的電平值進行比對，做到信號一致性判斷。這一階段雖然可以做到對多點信號間進行比對，但準確率低，缺少準確的評判機制。

第三階段，基于聲音特性算法的智能比對。前兩個階段的音頻比對技術是基于信號純凈，沒有任何其他干擾成分為基礎的。實際上，音頻信號通過傳輸通路過程中會引入各種干擾成分，同時系統(tǒng)中還存在人為的和非可控的因素，造成音頻信號的相位、幅度和頻譜等特性指標發(fā)生改變。因此，想要準確的對比出兩個音頻是否一致，就要對聲音的物理特征進行比對。新一代的音頻比對技術正是以此建立算法模型，從而使音頻比對技術上升到自動化、智能化層面。

2 廣播音頻比對技術的特點

要想有效地實現(xiàn)廣播音頻信號的對比，首先要了解廣播音頻信號的特點。廣播音頻信號具有動態(tài)范圍大、頻譜范圍廣、存在時延等特點，并且在不同的通路上存在形態(tài)不一的隨機串擾。那么信源、各傳輸節(jié)點和接收端的信號會存在內容和時延上的差異性，這些差異性部分是合理的，這就對音頻的比對提出了更高的要求。

在日常播出中，最常見的信號異?，F(xiàn)象有：

1）信號中斷，主要由設備和線路故障造成。

2）內容不一致，主要由非法插播和節(jié)目路由失誤造成。

3）雜音，一般由傳輸設備故障和外來干擾

造成。

4）反相，節(jié)目在制作時，音頻的左右聲道相位不一致或傳輸通路信號線極性錯誤，都會造成聲音的反相。

針對廣播音頻信號在傳輸過程上的獨特性，廣播領域的音頻比對技術應具有如下特點。

1）具有即時性，能對實時播出中的信號進行比對。

2）能解決時延的影響，做到延時后的信號能和源信號進行比對。

3）能準確判斷出內容的不一致，包括噪音、串播、插播等原因造成的內容不一致。

4）能判斷出聲音失真，包括聲調、峰值等失真現(xiàn)象。

5）能同時進行多路多組信號間的對比。

由以上介紹可知廣播播出上的音頻比對技術難題在于兩點。一是建立一套符合聲音特征的數(shù)據(jù)分析算法，即從音頻信號中提取聲音特征參數(shù)，通過對這些參數(shù)進行分析，比對出兩個音頻內容的一致程度。二是將延時后信號恢復到原始的時間點，只有確定兩個音頻信號在時序上一致，為同一信號，才有比對的價值。

3 基于AoIP的音頻比對技術

在采用AES/EUB規(guī)范的數(shù)字音頻時代和模擬音頻時代，由于音頻數(shù)據(jù)缺少時鐘同步系統(tǒng)，不同時延后的同一信號缺少時間標識，致使音頻傳輸通路上的不同點信號沒有時序上的參考，音頻的比對在這種情況下就顯得毫無意義，而基于TCP/IP協(xié)議的AoIP數(shù)字音頻格式的出現(xiàn)徹底改變了這一困局。

2013年9月，可互通性質的高保真AoIP音頻流應用標準（AES67-2013）頒布，其主要包括10個組成部分，涉及到的內容有媒體時鐘同步規(guī)范、編碼、連接管理、數(shù)據(jù)傳輸以及數(shù)據(jù)發(fā)現(xiàn)等。標準采用了IEEE1588作為媒體時鐘的同步源，使用現(xiàn)有的IP協(xié)議，如傳輸層使用UDP/RTP，QoS使用DiffServ等。AoIP數(shù)據(jù)流完全繼承了IP數(shù)據(jù)流的特性，使得音頻內容的時間管理成為可能。當音頻通路全都采用符合AoIP規(guī)范的設備（尤其是延時器），那么我們就可以對源信號在不同傳輸位置的新的時間碼得以掌握，使得我們可以對任意時延長度的音頻信號進行精確的配對，從而廣播信號的音頻比對具有現(xiàn)實意義。那么，要想實現(xiàn)廣播音頻信號的比對，音頻信號的傳輸必須建立在AES67-2013標準框架之上。

轉換成AoIP格式的源信號進入傳輸通路后，要想提取通路中某一環(huán)節(jié)的信號與源信號進行比對，首先要確認兩者在時序一致，或者說為延時后的信號找到“前世”。當確認兩者為同一信號后再進行聲音特征參數(shù)抽取采集。因所采集到的音頻在具體數(shù)據(jù)信息量上相對較大，直接獲取音頻特征的相關參數(shù)往往會造成參數(shù)量較大，最終影響其實時性。所以，在實際工作中，可以采用專業(yè)化的Haar小波變換非重構算法對音頻信息進行有效壓縮。

音頻數(shù)據(jù)經壓縮后，需要分析的數(shù)據(jù)量大大減少，這時再進行音頻特征參數(shù)提取。提取音頻特征參數(shù)，通常采用“音頻幀”法。針對音頻幀，需提取其12個Mel倒譜系數(shù)、質心以及均方根，總共14個參數(shù)。針對音頻序列，以20 ms采集到的音頻數(shù)據(jù)量歸納為一個音頻幀，而且還必須要在音頻幀當中等分32子帶，以此準確計算幀質心以及均方根。12個Mel倒譜系數(shù)、1個質心以及1個均方根，能夠共同構成1個音頻幀的14維特征參數(shù)，之后再由特征參數(shù)構成了參數(shù)矩陣。

在音頻幀維特征參數(shù)當中，需要分別對質心、均方根以及Mel倒譜系數(shù)實施科學化歐氏距離計算，這個距離越小，則通常情況下表示其相似度就越高，如果距離越大，則相似度會越低。

通過大量對比對實驗可以發(fā)現(xiàn)，當兩個音頻信號相似度達到90%以上時，基本可以斷定為內容一致；相似度低于80%時，兩個音頻內容就會存在明顯的差異性，這時需要引起足夠的重視。

4 結束語

AoIP技術的出現(xiàn)，使得音頻比對技術取得長足的發(fā)展，對噪聲、串擾、信號中斷、反相、失真、插播等常見劣播現(xiàn)象的發(fā)現(xiàn)成功率能達到95%以上，從此廣播音頻比對實現(xiàn)了全自動化和智能化，對提高安全播出具有重大意義。

參考文獻

[1]郭興吉.基于特征的音頻比對技術[J].河南師范大學學報，2006，34（2）：35-38.

[2]張萬里，劉橋.Mel頻率倒譜系數(shù)提取及其在聲紋識別中的作用[J].貴州大學學報，2005，22（2）：207-210.

[3]姚天認.數(shù)字語音處理[M].武漢：華中科技大學出版社，2002.

[4]R.Venkatesha Prasad. Comparison of Voice Activity Detection Algorithms for VoIP[M].Proceedings of the Seventh International Symposium on Computers and Communications （ISCC02）1530-1346/02，2002.

作者簡介：李曉輝，工程師，研究方向為廣播安全播出。