Audio Basic

Audio 声音是什么 

声音是气压形成的波
- 形状
- 频率
- 振幅
声音的主观属性
- 响度
- 音色
- 音调

Glossaries 

AGC 

自动增益补偿功能（Automatic Gain Control）

AGC可以自动调麦克风的收音量，使与会者收到一定的音量水平，不会因发言者与麦克风的距离改变时，声音有忽大忽小声的缺点。

AEC的工作原理是通过对讲话者的输出建模，并且将其从麦克风捕捉的信号里除去。AEC有助于确保对方听不到回声。AEC是对扬声器信号与由它产生的多路径回声的相关性为基础，建立远端信号的语音模型，利用它对回声进行估计，并不断地修改滤波器的系数，使得估计值更加逼近真实的回声。然后，将回声估计值从话筒的输入信号中减去，从而达到消除回声的目的，AEC还将话筒的输入与扬声器过去的值相比较，从而消除延长延迟的多次反射的声学回声。根椐存储器存放的过去的扬声器的输出值的多少，AEC可以消除各种延迟的回声。

ANS 

背景噪音抑制功能（Automatic Noise Suppression）

ANS可探测出背景固定频率的杂音并消除背景噪音，例如：风扇、空调声自动滤除。呈现出与会者清晰的声音。

Decibel 分贝 

人们以分贝为单位来表示声音的强弱，符号为dB。0分贝刚刚引起听觉。人们把频率高于人耳所能听到的声叫做超声波，把频率低于人耳所能听到的声叫做次声波。

分贝其实是一个比值，它也可用于如下计量

表示功率量之比的一种单位，等于功率强度之比的常用对数的10倍。
表示场量之比的一种单位，等于场强幅值之比的常用对数的20倍。
声压级的单位，大约等于人耳通常可觉察响度差别的最小分度值。

信噪比 SNR 

正确信号的能量与噪声能量的比例称为信噪比 SNR - Signal Noise Ratio

(1)\[SNR = 10 log_{10} \frac{V_{signal}^2}{V_{noise}^2} = 20 log_{10} \frac{V_{signal}}{V_{noise}}\]

Audio 频宽 

音频质量	频率范围	采样率	采样位数
电话语音-窄带	200 Hz ~ 3400 Hz	8k Hz	13
宽带语音-宽带	50 Hz ~ 7k Hz	16k Hz	16
调频广播-超宽带	20 Hz ~ 15k Hz	32k Hz	16
高质量音频-全带	20 Hz ~20k Hz	44.1k Hz	16

Audio 语音质量 

清晰度
- 准确性 fidelity
- 回声 Echo
  - 振幅: 回声的音量
  - 延迟: 说话声音与回声的时间差
- 抖动 Jitter
  - 语音数据包抵达目的端的时间变化
    
    buffer
    
    play out delay buffer
    
    dejitter buffer
- 延迟 Delay
  - 从源端到目的端的所花费时间
  - 影响因素
    
    距离-传播延迟
    
    编码
    
    压缩
    
    序列化
    
    缓存
  - 固定延迟
    
    编码 coding
    
    封包 packetization
    
    序列化 serialization
    
    处理 propagating
    
    网络传输的延迟
  - 可变延迟
    
    也就是抖动
- 丢包 Packet Loss
  - 网络不稳定
  - 网络拥塞
  - 可变延迟过大
- 侧音 side tone
  - 使说话人以够从听筒听到自己的声音
- 背景噪声 background noise
  - 从远端听到的低音量声音
    
    VAD 语音活动检测
    
    CNG 舒适噪声生成
可接受延迟
- below 150 ms
  - 多数用户可接受
- 150 to 400 ms
  - 有影响
- above 400 ms
  - 不可接受

语音质量测量 

MOS 平均意见得分
PSQM 感知通话质量测量
PESQ 感知语音质量评估: ITU-T P.862
POLQA 感性客观听力质量分析

信令协议 

H.323
MGCP: RFC3661
SIP
SCCP
REST
ROAP

媒体传输协议 

RTP
RTCP
SRTP
CRTP

Codec 

PCM: 将采样过后的振幅进行量化所得到的编码
G.711 - A-Law - μ-Law
G.722 SB-ADPCM (Sub-band ADPCM)
- not including G.722.1, G.722.2, these codecs are not variants of G.722
G.729a
- G.729 Annex A is a compatible extension of G.729, but requires less computational power
- G.729 Annex B is not supported
Opus

语音应用程序 Application 

IVR 语音交互应答
- DTMF 双音多频 - 电话按键的发送和读取
Dial Plan
- 端点寻址 Endpoint addressing(Numbering Plan)
- 呼叫路由和路径选择 Call routing and path selection
- 号码处理 Digit manipulation
- 呼叫权限 Calling privilege
- 呼叫覆盖 Call coverage
  - top down
  - circular hunt
  - longest idle
Components
- IP Phone
- PSTN Phone
- PSTN MG
- SBC
- GateKeeper
- MCU
- Call Agent
- Application server
- TP endpoint
Examples
- CUCM - Cisco Unify Call Manager
- CUSP - Cisco Unify SIP Proxy
- Asterisk
- FreeSwitch

Functions 

Signaling by SIP, XMPP or others
RTP Rx/Tx (receiving/transmitting)
Jitter buffering controller (adaptive policy)
Decoding (G.711/G.722/G.729/PLC)
Audio enhancement processing (AGC, AEC, ANS)
Audio mixing
Active speaker notification
Encoding (G.711/G.722/G.729)
Audio playback
Audio recording
Mute/unmute
DTMF collecting/reporting (RFC2833/In-band/KPML)
TLS/Secure RTP
IPv6 RTP media transport

主要指标 

编码速率/比特率

8 ~ 16 kbit/s 称为中码率，高于它为高码率，小于它即为低码率，2.4 ~ 8 kbit/s，小于2.4 kbit/s 称为超低码率
编码的顽键性
编码延迟
误码容错
算法复杂性 MIPS（Million Instructions Per Second)
语音质量 - 广播级 - 网络或电话级 - 通信级 - 合成级