zoukankan      html  css  js  c++  java
  • 【单独编译使用WebRTC的音频处理模块

    更新

    【2015年2月15日】

        Bill 这段时间没有再关注 WebRTC 以及音频处理的相关信息,且我个人早已不再推荐单独编译 WebRTC 中的各个模块出来使用。实际上本文的参考价值已经很小了,甚至可能会产生误导。不删这篇文章的原因在于文后有很多读者的讨论,其中的一些仍具备一定的价值,请大家务必以批判和审慎的态度阅读文章。

    【2014年5月14日】

       昨天有幸在 Google 论坛里询问到 AECM 模块的延迟计算一事,Project member 说捣腾这个延迟实际上对 AECM 的效果没有帮助,这个延迟值仅在 AECM 启动时加快内置延迟估算器的收敛,如果更新的延迟有误,甚至会使 AECM 内置的延迟估算器出现错误的偏移,他建议我使用一个理论上的定值,Chrome 中他们用了 100ms。我之前也在 AECM 里看到了它对内置的 delay_estimator 二进制延迟估算器有很大的依赖,近端与远端数据匹配与否,几乎全部仰仗这个延迟估算器的结果。因此,对于 AECM 的使用,是否还需要花时间去计算这个系统延迟,bill 不再置评,个中效果大家自己实践和把握。

       其次,AECM 产生的唧唧声 Project member 澄清这不是 bug,而是 AECM 算法本来就有此表现,属正常现象。

       在这里仅希望大家知道此事,以免被我一家之言误导。

       【2014年5月8日】

       本文已有一年之久,随着自己在学习过程中认识的加深,以及期间和各位在文后的讨论,担心后来者照着这一年前的文章走弯路,bill 觉得有必要对文章做一个更新,点出自己走的弯路,以免误导后来者。

       1. 自己最开始是把 AECM、NS、VAD、AGC 各个模块单独提取出来使用,现在看来实属麻烦,且效果也不甚理想。如果大家的项目没有特殊的要求,大可将整个语音引擎 VoiceEngine 编译出来使用。就我个人而言,目前的解决方案是独立编译使用音频处理单元 AudioProcessingModule,因为 APM 是一个纯净的音频处理单元,其接口仅与音频处理有关,APM编译请见此文。APM的使用加上上层代码的优化,可以保证基本的通话效果(离完美还很远),回声基本是没有的。主要会存在两个问题,一是AECM出来的效果会有唧唧声,这个声音可以通过对延迟计算的不断优化而得到改善,最终可以做到说几句话之后有1~2次唧唧声。二是通话过程中声音会忽大忽小,目前我是怀疑由AECM的double talk处理引起的,具体的还要自己去倒腾。

       2. 关于回声消除滤波器延迟的计算,之前自己一直认为只要这个延迟计算准确,就能得到理想的回声消除效果,现在发现这个想法太幼稚,一是AECM算法本身有一定局限性,二是Android上的采集延迟没有系统API支持,很难计算准确,而播放端的API又不能保证其准确性。目前我的能力只能做到尽量优化上层的延迟计算,尽量减少由Android音频API对延迟造成的影响。

       3. 在 Android 上层优化计算系统音频延迟的代码达到一定瓶颈后,可以将优化目标转向 1)AECM 算法。 2)优化AEC(PC)(使其能在手机上正常运行,目前AECPC默认滤波器长度为12块,每块64个点,即AECPC仅能处理48ms的单声道16kHz延迟的数据,而Android的音频系统延迟大多在100ms以上,因此既要增加AECPC滤波器长度又要保证其运行效率是优化的重点) 3)其他模块的优化(比如抖动缓冲区等)。

       4. 文后的源码列表已经过时,由于我目前不再支持单独编译这些模块,恕我不再更新该列表,如确有独立编译需求的,可自行在WebRTC项目对应目录中找到需要的文件。

    附言

       WebRTC是时下比较热门的新技术,由于bill接触时间尚短,对该项目的理解和认知定存在不足甚或偏差,文中有描述不当之处还望各位悉心指出,感激不尽。

    前言

       最近一直在捣腾如何在android和iOS上使用Google的WebRTC——一个无疑大力推动了互联网即时通信以及VoIP发展的开源项目。

       虽然WebRTC主要目标是为互联网提供高质量的富媒体即时通信,但其源码为C/C++所写,且其开发版中也包含对 android 和 iOS 等移动设备的支持,因此对于如今飞速发展的移动互联网,WebRTC也能推波助澜大显神通。

       WebRTC提供一套音频处理引擎VOE(本文不涉及视频处理引擎VIE),但VOE在 android 和 iOS 上的整体编译一直是一个比较繁琐且恼火的问题,于是单独提取了VOE中的NS(Noise Suppression 噪声抑制)、VAD(Voice Activity Detection 静音检测)、AECM(Acoustic Echo Canceller for Mobile 声学回声消除)以及 AGC(Auto Gain Control 自动增益控制)等模块进行编译并捣鼓其使用方法。

       经过自己两月有余的捣腾和测试,终于在 android 和 iOS 上成功编译出各模块并在项目中使用了NS/VAD/AECM三大模块,效果比较不错。

       回过头来看看,这几大模块的编译其实非常简单,不过两月前的自己也着实为这个花了一番力气。

       由于几大模块的编译方式相同,故本文仅以 NS 模块为例,其余模块请读者自行摸索和实验。

     

    Step 1 - 下载 google WebRTC 源码

       WebRTC目前的开发版主线版本已经到了 r4152 - 3.32,但这几大模块并未有大的修改,故本文依旧按bill当时的版本 3.31 进行讲解,请自行使用SVN同步以下目录(至于同步的方法,请自行google):

    http://webrtc.googlecode.com/svn/branches/3.31/

    Step 2 - 提取WebRTC - NS模块代码

       同步源码后,进入目录 webrtcmodulesaudio_processing s ,将NS模块的源码拷贝出来,下面是单独编译NS时的参考源码列表(部分头文件在WebRTC项目其他目录下,请自行搜索提取):

                                           defines.h

                                           signal_procession_library.h

                                           spl_inl.h

                                           typdefs.h

                                           windows_private.h

                                           fft4g.h / fft4g.c

                                           noise_suppression.h / noise_suppression/c

                                           ns_core.h / ns_core.c

       除了上述WebRTC源码外,如果要在android的Java代码中使用,还需自行编写JNI包装文件:

    ns_jni_wrapper.c(此为自定义的 jni 包装文件,详情请见 此文

    ADDED(billhoo - 2013-6-14) 鉴于有朋友询问JNI Wrapper的编写,下面提供NS模块create以及initialize函数(这两个函数足以说明问题)的wrapper源码及注释,希望对大家有所帮助。更详细的编写步骤请参考 Oracle官方文档 或 此文 或 此文

    WebRtcNs_Create 包装函数及注释

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    /***
     * Summary
     * types:
     *   NSinst_t : the type of noise suppression instance structure.
     *   NsHandle : actually the same type of NSinst_t, defined in
     *              "noise_suppression.h" as a empty struct type named
     *              "NsHandleT".
     *
     *   Note:
     *    1.You have no need to pass env and jclazz to these functions,
     *      cus' JVM will does it for you.
     *    2.We only support 10ms frames, that means you can only input 320
     *      Bytes a time.
     **/
    /**
     * This function wraps the "WebRtcNs_Create" function in "noise_suppression.c".
     * Input:
     *        none.
     * Output:
     *        the handler of created noise suppression instance.
     * Return value:
     *        -1 : error occurs.
     *        other value : available handler of created NS instance.
     *
     * @author billhoo
     * @version 1.0 2013-1-29
     */
    JNIEXPORT jint JNICALL
    Java_你的类限定名_createNSInstance(JNIEnv *env,
            jclass jclazz) {
        NsHandle *hNS = NULL; //create a pointer to NsHandle on native stack.
        if (WebRtcNs_Create(&hNS) == -1) { //allocate dynamic memory on native heap for NS instance pointed by hNS.
            return -1;  //error occurs
        else {
            return ((int) (NSinst_t *) hNS); //returns the address of NS instance on native heap.
        }
    }

    WebRtcNs_Initiate 包装函数及注释

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    /**
     * This function wraps the "WebRtcNs_Init" function in
     * "noise_suppression.c".
     * Initializes a NS instance and has to be called before any other
     * processing is made.
     *
     * Input:
     *        - nsHandler   - Handler of NS instance that should be
     *                        initialized.
     *        - sf          - sampling frequency, only 8000, 16000, 32000
     *                        are available.
     * Output:
     *         nsHandler  - the handler of initialized instance.
     * Return value:
     *         0                - OK
     *         -1               - Error
     *
     * @author billhoo
     * @version 1.0 2013-1-29
     */
    JNIEXPORT jint JNICALL
    Java_你的类限定名_initiateNSInstance(JNIEnv *env,
            jclass jclazz, jint nsHandler, jlong sf) {
        NsHandle *hNS = (NsHandle*) nsHandler;
        return WebRtcNs_Init(hNS, sf);
    }

    [END OF ADDED]

    Step 3 - 编译WebRTC - NS模块

       此步请参照 bill之前的文章将刚才提取的NS代码添加进eclipse工程进行编译即可。以下为NS模块的Android.mk文件:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    LOCAL_PATH := $(call my-dir)
    include $(CLEAR_VARS)
    LOCAL_MODULE    := webrtc_ns
    LOCAL_SRC_FILES := 
            noise_suppression.c 
            ns_core.c 
            fft4g.c 
            ns_jni_wrapper.c
    include $(BUILD_SHARED_LIBRARY)

       编译完成后,将项目中的 webrtc_ns.so 动态库拷贝出来以备后续使用。

    Step 4 - 加载编译好的NS模块动态库

       接下来只需要按照 此文 的描述在 android 的JAVA代码中使用刚才编译好的 webrtc_ns.so 动态库便大功告成。

    Step 5 - 几大模块的使用及注意事项

       前四步已经完成了几大音频处理模块在android上的单独编译过程,并分别生成了 webrtc_ns.so、webrtc_vad.so、webrtc_aecm.so 以及 webrtc_agc.so 四个动态库,下面bill简要介绍对NS、VAD以及AECM三个库的函数使用方法及注意事项:

    5.1 - NS库函数的使用及注意事项

       这个很简单,参照 noise_suppression.h 头文件中对各API的描述即可,首先使用 WebRtcNs_Create 创建NS实体,然后 WebRtcNs_Init 初始化该实体,WebRtcNs_set_policy 设置噪声抑制的级别(bill使用的是最高级别 2,效果比较理想),设置完成后便可调用 WebRtcNs_Process 循环对10ms(8000Hz、16000Hz)音频帧进行NS处理,注意最后别忘了调用 WebRtcNs_Free 将NS实体销毁。

    5.2 - VAD库函数的使用及注意事项

    VAD的使用和NS区别不大,唯一需要注意的是VAD仅仅只是检测,返回结果1表示VAD检测此帧为活动帧,0表示此帧为静音帧,至于判断为静音后该进行何种处理,就和你自己的项目相关了。

    5.3 - AECM库函数的使用及注意事项

    AECM实体的创建、初始化和销毁工作与上述相同,之后需要在远端和近端分别调用 WebRtcAecm_BufferFarend 以及 WebRtcAecm_Process,对于AECM的使用,需要注意的重点在于Process函数的参数msInSndCardBuf,该参数在audio_procession.h头文件中以名为delay的变量呈现,该延迟的计算确为一难点(对于单独使用AECM模块来说),不过只要严格按照delay的描述进行操作即可。

    附:

       其他几大模块单独编译时需要的源文件列表(所有依赖头文件略,请自行根据报错添加):

    WebRTC - VAD 模块源文件列表

           注意:VAD的编译需要宏 WEBRTC_POSIX 的支持,而该宏是否有实现,由 WEBRTC_ANDROID 等宏是否被定义决定,若你在编译时提示 once 函数未定义等错误, 请自行添加对 WEBRTC_ANDROID宏的定义。

           webrtc_vad.c

           vad_core.c

           vad_filterbank.c

           vad_gmm.c

           vad_sp.c

           real_fft.c

           division_operations.c

           complex_bit_reverse.c

           cross_correlation.c

           complex_fft.c

           downsample_fast.c

           vector_scaling_operations.c

           get_scaling_square.c

           energy.c

           min_max_operations.c

           spl_init.c

    WebRTC - AECM 模块源文件列表

           randomization_functions.c

           spl_sqrt_floor.c

           division_operations.c

           min_max_operations.c

           ring_buffer.c

           delay_estimator.c

           delay_estimator_wrapper.c

           complex_bit_reverse.c

           complex_fft.c

           aecm_core.c

           echo_control_mobile.c

    WebRTC - AGC 模块源文件列表

           spl_sqrt.c

           copy_set_operations.c

           division_operations.c

           dot_product_with_scale.c

           resample_by_2.c

           analog_agc.c

           digital_agc.c

    from:http://billhoo.blog.51cto.com/2337751/1213801

  • 相关阅读:
    表单生成器(Form Builder)之伪造表单数据番外篇——随机车辆牌照
    javascript随机数发现的一个parseInt函数的问题
    在Docker中体验数据库之Microsoft SQL Server
    fab 菜单实现—圆形、半圆、扇形、直线、射线
    fab 菜单实现之前传-钟表表盘
    MySQL安装配置(解压版)
    Django创建App并简单实现登录模块
    Django简单应用的实现
    Django环境搭建
    手写Python中列表和字符串的反转
  • 原文地址:https://www.cnblogs.com/lidabo/p/7324098.html
Copyright © 2011-2022 走看看