数据表和网站建设的关系,在线生成签名免费,去年做哪个网站致富,网站建设4435文章目录前言一、导读二、高通滤波过程1.HighPassFilter的创建1#xff09;HighPassFilter的作用2#xff09;开启条件3#xff09;开启配置2.高通滤波整体过程1#xff09;触发时机2#xff09;滤波器创建3#xff09;高通滤波过程三、算法实现1.原理1#xff09;滤波器…
文章目录前言一、导读二、高通滤波过程1.HighPassFilter的创建1HighPassFilter的作用2开启条件3开启配置2.高通滤波整体过程1触发时机2滤波器创建3高通滤波过程三、算法实现1.原理1滤波器种类2给定系数创建滤波器3给定零极点创建滤波器零点位置极点位置2.matlab分析3.滤波过程1串联二级IIR滤波器2滤波计算总结前言
webrtc中的高通滤波器可以大幅抑制 100 Hz 以下的频率成分如 50 Hz 电源噪声、低频杂音等其核心使用一个二阶IIR高通滤波器过滤低频分量。
本篇文章中将先对于HighPassFilter的创建和使用配置以及整体的使用流程做一个梳理然后再深入介绍算法实现并且会使用matlab画出对应的通带、阻带、以及过渡带方便直观理解。
|版本声明山河君未经博主允许禁止转载 一、导读
在 WebRTC 的语音处理链路中高通滤波器High Pass FilterHPF几乎是必备的一环。它的作用很直接削弱 100Hz 以下的低频成分比如电源嗡声、桌面震动、风扇噪声等从而保证后续 AGC、NS、AEC 模块处理的信号更干净。
触发方式 可以手动配置开启也可能因为启用 AEC 等模块而被自动启用。算法原理 HPF 基于二阶 IIR 滤波器实现每个通道/子带独立滤波。核心公式 y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2]y[n]b_0x[n]b_1x[n-1]b_2x[n-2]-a_1y[n-1]-a_2y[n-2]y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2]滤波器系数 根据采样率16k/32k/48k选择不同的 Butterworth 滤波器参数保证截止频率在 ~100Hz。实现特点 使用 CascadedBiQuadFilter 串联二阶滤波器支持全频带或子带处理性能开销低适合实时语音处理
二、高通滤波过程
1.HighPassFilter的创建
1HighPassFilter的作用
HighPassFilter是用于去除音频输入中的低频噪声如风声、风扇、桌面震动等。例如在会议中麦克风经常会录到桌子震动的‘嗡嗡声’WebRTC 的高通滤波器就是专门干掉这种低频噪声的。
这个配置常用于语音增强处理链如 AGC、NS、AEC之前。
2开启条件
在 WebRTC 中主动使用配置项 config.high_pass_filter.enabled true 可以开启高通滤波器High Pass FilterHPF。但如果不主动配置同样有可能会默认打开高通滤波如下代码
void AudioProcessingImpl::InitializeHighPassFilter(bool forced_reset) {bool high_pass_filter_needed_by_aec config_.echo_canceller.enabled config_.echo_canceller.enforce_high_pass_filtering !config_.echo_canceller.mobile_mode;if (submodule_states_.HighPassFilteringRequired() ||high_pass_filter_needed_by_aec) {bool use_full_band config_.high_pass_filter.apply_in_full_band !constants_.enforce_split_band_hpf;int rate use_full_band ? proc_fullband_sample_rate_hz(): proc_split_sample_rate_hz();size_t num_channels use_full_band ? num_output_channels() : num_proc_channels();if (!submodules_.high_pass_filter ||rate ! submodules_.high_pass_filter-sample_rate_hz() ||forced_reset ||num_channels ! submodules_.high_pass_filter-num_channels()) {submodules_.high_pass_filter.reset(new HighPassFilter(rate, num_channels));}} else {submodules_.high_pass_filter.reset();}
}例如在开启AEC时会默认打开高通滤波这只会影响高通滤波在3A处理时的顺序。
3开启配置
HighPassFilter创建时受到采样率和通道数的影响具体代码如下
HighPassFilter::HighPassFilter(int sample_rate_hz, size_t num_channels): sample_rate_hz_(sample_rate_hz) {filters_.resize(num_channels);const auto coefficients ChooseCoefficients(sample_rate_hz_);for (size_t k 0; k filters_.size(); k) {filters_[k].reset(new CascadedBiQuadFilter(coefficients, kNumberOfHighPassBiQuads));}
}ChooseCoefficients(sample_rate_hz_)根据采样率确定滤波器系数 new CascadedBiQuadFilter根据通道数确定创建滤波器个数同时滤波器获得系数
在本文中将以采样率为16k单通道为例进行介绍
2.高通滤波整体过程
1触发时机
上文中已经说过在不同条件下创建的HighPassFilter将会在不同时机进行高通滤波以在处理近端采集信号做增益之前触发高通滤波举例
if (submodules_.high_pass_filter (!config_.high_pass_filter.apply_in_full_band ||constants_.enforce_split_band_hpf)) {submodules_.high_pass_filter-Process(capture_buffer,/*use_split_band_data*/true);}其中满足以下两个条件时会进行高通滤波器
submodules_.high_pass_filter 不为空即高通滤波器模块已经初始化满足以下任意一个 !config_.high_pass_filter.apply_in_full_band 表示不在 full-band 上应用 HPFconstants_.enforce_split_band_hpf 为真强制在 split-band 上应用 HPF。
对于条件二是判断是否进行了频带分割对于全频带或者各个子频道分别做高通滤波而默认是对于各个子带做高通滤波的
2滤波器创建
HPF滤波器真正创建构造函数有两种方式
CascadedBiQuadFilter::CascadedBiQuadFilter(const CascadedBiQuadFilter::BiQuadCoefficients coefficients,size_t num_biquads): biquads_(num_biquads, BiQuad(coefficients)) {}CascadedBiQuadFilter::CascadedBiQuadFilter(const std::vectorCascadedBiQuadFilter::BiQuadParam biquad_params) {for (const auto param : biquad_params) {biquads_.push_back(BiQuad(param));}
}前者是根据给定滤波器系数创建后者是根据给定零极点计算出滤波器系数具体的参数下文中会详细介绍。
3高通滤波过程
在webrtc之子带分割下——SplittingFilter源码分析文章中对于频带分割规则有过详细介绍
对于32k采样率应该划分为两个子带对于48k采样率应该分为三个自带对于16k采样率不划分子带
而在使用HPF过程中会默认对于每个通道的每个子带进行高通滤波如以下代码
void HighPassFilter::Process(AudioBuffer* audio, bool use_split_band_data) {RTC_DCHECK(audio);RTC_DCHECK_EQ(filters_.size(), audio-num_channels());if (use_split_band_data) {for (size_t k 0; k audio-num_channels(); k) {rtc::ArrayViewfloat channel_data rtc::ArrayViewfloat(audio-split_bands(k)[0], audio-num_frames_per_band());filters_[k]-Process(channel_data);}} else {for (size_t k 0; k audio-num_channels(); k) {rtc::ArrayViewfloat channel_data rtc::ArrayViewfloat(audio-channels()[k][0], audio-num_frames());filters_[k]-Process(channel_data);}}
}而对于16k单通道的音频信号只需要进行一次滤波即可具体的算法进行下文会详细介绍。
三、算法实现
1.原理
1滤波器种类
CascadedBiQuadFilter是一种二阶的IIR滤波器并且会根据创建时的参数来指定是否进行串联如下文参数中
根据给定滤波器系数创建num_biquads参数指定串联个数根据给定零极点计算创建std::vectorCascadedBiQuadFilter::BiQuadParam个数决定串联个数
在本文中创建时传入的是给定的滤波器系数并且指定滤波器个数为
constexpr size_t kNumberOfHighPassBiQuads 1;根据二阶IIR滤波器差分方程见文章语音信号处理六——递归/非递归离散时间系统与差分方程 y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2]y[n]b_0x[n]b_1x[n-1]b_2x[n-2]-a_1y[n-1]-a_2y[n-2]y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2] 而结构体BiQuadCoefficients 保存滤波器系数
struct BiQuadCoefficients {float b[3];float a[2];};2给定系数创建滤波器
根据采样率确定
const CascadedBiQuadFilter::BiQuadCoefficients ChooseCoefficients(int sample_rate_hz) {switch (sample_rate_hz) {case 16000:return kHighPassFilterCoefficients16kHz;case 32000:return kHighPassFilterCoefficients32kHz;case 48000:return kHighPassFilterCoefficients48kHz;default:RTC_NOTREACHED();}RTC_NOTREACHED();return kHighPassFilterCoefficients16kHz;
}其中根据奎纳斯采样定理
16k采样率过滤保留100Hz~8kHz频率分量32k采样率过滤保留100Hz~16kHz频率分量48k采样率过滤保留100Hz~24kHz频率分量
滤波器系数如下
// [B,A] butter(2,100/8000,high)
constexpr CascadedBiQuadFilter::BiQuadCoefficientskHighPassFilterCoefficients16kHz {{0.97261f, -1.94523f, 0.97261f},{-1.94448f, 0.94598f}};// [B,A] butter(2,100/16000,high)
constexpr CascadedBiQuadFilter::BiQuadCoefficientskHighPassFilterCoefficients32kHz {{0.98621f, -1.97242f, 0.98621f},{-1.97223f, 0.97261f}};// [B,A] butter(2,100/24000,high)
constexpr CascadedBiQuadFilter::BiQuadCoefficientskHighPassFilterCoefficients48kHz {{0.99079f, -1.98157f, 0.99079f},{-1.98149f, 0.98166f}};3给定零极点创建滤波器
值得注意的是创建高通滤波器时不会使用到这种方式。
根据二阶IIR滤波器传递函数见文章语音信号处理十三——Z变换二有理z变换、稳定性与反变换 H(z)b0b1z−1b2z−21a0z−1a1z−2H(z)\frac{b_0b_1z^{-1}b_2z^{-2}}{1a_0z^{-1}a_1z^{-2}}H(z)1a0z−1a1z−2b0b1z−1b2z−2 而对于代码中 CascadedBiQuadFilter::BiQuad::BiQuad(const CascadedBiQuadFilter::BiQuadParam param): x(), y() {float z_r std::real(param.zero);float z_i std::imag(param.zero);float p_r std::real(param.pole);float p_i std::imag(param.pole);float gain param.gain;if (param.mirror_zero_along_i_axis) {// Assuming zeroes at z_r and -z_r.RTC_DCHECK(z_i 0.f);coefficients.b[0] gain * 1.f;coefficients.b[1] 0.f;coefficients.b[2] gain * -(z_r * z_r);} else {// Assuming zeros at (z_r z_i*i) and (z_r - z_i*i).coefficients.b[0] gain * 1.f;coefficients.b[1] gain * -2.f * z_r;coefficients.b[2] gain * (z_r * z_r z_i * z_i);}// Assuming poles at (p_r p_i*i) and (p_r - p_i*i).coefficients.a[0] -2.f * p_r;coefficients.a[1] p_r * p_r p_i * p_i;
}其中
z_r ,z_i是零点位置p_r ,p_i 是极点位置gain ,p_i 是极点位置mirror_zero_along_i_axis是否沿虚轴镜像零点实数对称
零点位置
零点沿虚轴镜像zzz与−z-z−z其传递函数分子为 (1−zrz−1)(1zrz−1)1−zr2z−2(1-z_rz^{-1})(1z_rz^{-1})1-z_r^2z^{-2}(1−zrz−1)(1zrz−1)1−zr2z−2 那么对应系数为
b[0] gain * 1.f;
b[1] 0.f;
b[2] gain * -(z_r * z_r);常规复共轭零点zzr±ziizz_r\pm z_i izzr±zii其传递函数分母为 (1−(zrjzi)z−1)(1(zr−jzi)z−1)1−2zr2z−1(zr2zi2)z−1(1-(z_rjz_i)z^{-1})(1(z_r-jz_i)z^{-1})1-2z_r^2z^{-1}(z_r^2z_i^2)z^{-1}(1−(zrjzi)z−1)(1(zr−jzi)z−1)1−2zr2z−1(zr2zi2)z−1 那么对应的系数为
else {coefficients.b[0] gain * 1.f;coefficients.b[1] gain * -2.f * z_r;coefficients.b[2] gain * (z_r * z_r z_i * z_i);
}极点位置
极点部分(pr±pi∗i)(p_r \pm p_i*i)(pr±pi∗i)为复共轭直接用共轭复数对展开其传递函数分母为 1−2prz−1(pr2pi2)z−21-2p_rz^{-1}(p_r^2p_i^2)z^{-2}1−2prz−1(pr2pi2)z−2 coefficients.a[0] -2.f * p_r;coefficients.a[1] p_r * p_r p_i * p_i;2.matlab分析
对于给定滤波器系数使用matlab画出幅频响应如下图 对应代码如下
% 二阶滤波器系数
b [0.97261, -1.94523, 0.97261]; % 分子系数zeros
a [1.0, -1.94448, 0.94598]; % 分母系数poles% 使用 freqz 绘制频率响应默认 512 点
fs 16000; % 采样率
[H, f] freqz(b, a, 1024, fs);% 绘制幅频响应
figure;
plot(f, 20*log10(abs(H)), LineWidth, 1.5);
grid on;
xlabel(Frequency (Hz));
ylabel(Magnitude (dB));
title(High-Pass Filter Frequency Response (16 kHz sampling rate));
ylim([-60 5]);
3.滤波过程
1串联二级IIR滤波器
在进行滤波时会对于每个IIR滤波器进行串联计算
void CascadedBiQuadFilter::Process(rtc::ArrayViewfloat y) {for (auto biquad : biquads_) {ApplyBiQuad(y, y, biquad);}
}2滤波计算
滤波计算实际就是根据给定的滤波器系数进行反馈回路计算即 y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2]y[n]b_0x[n]b_1x[n-1]b_2x[n-2]-a_1y[n-1]-a_2y[n-2]y[n]b0x[n]b1x[n−1]b2x[n−2]−a1y[n−1]−a2y[n−2] 代码如下
void CascadedBiQuadFilter::ApplyBiQuad(rtc::ArrayViewconst float x,rtc::ArrayViewfloat y,CascadedBiQuadFilter::BiQuad* biquad) {RTC_DCHECK_EQ(x.size(), y.size());const auto* c_b biquad-coefficients.b;const auto* c_a biquad-coefficients.a;auto* m_x biquad-x;auto* m_y biquad-y;for (size_t k 0; k x.size(); k) {const float tmp x[k];y[k] c_b[0] * tmp c_b[1] * m_x[0] c_b[2] * m_x[1] - c_a[0] * m_y[0] -c_a[1] * m_y[1];m_x[1] m_x[0];m_x[0] tmp;m_y[1] m_y[0];m_y[0] y[k];}这段算法整体过程如下
每个样本x[n] ─┬─► b0 ──┬────┐├─► b1 ─┼────┼──► y[n] 输出├─► b2 ─┘ ▼└─ y[n-1] ─ a0 ──┐y[n-2] ─ a1 ─┘
而结构体BiQuad中会保存反馈回路中的输入输出反馈x[2]y[2]
struct BiQuad {explicit BiQuad(const BiQuadCoefficients coefficients): coefficients(coefficients), x(), y() {}explicit BiQuad(const CascadedBiQuadFilter::BiQuadParam param);void Reset();BiQuadCoefficients coefficients;float x[2];float y[2];};总结
webrtc中的高通滤波器是基于二阶IIR滤波器进行设计的但是对于二阶IIR滤波器不仅仅会在高通滤波器中应用在以后的webrtc算法介绍中CascadedBiQuadFilter将还会出现。
反正收藏也不会看不如点个赞吧
