自動混音技術(shù)并不是一項新技術(shù),從上個世紀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)和原理來更好的理解和使用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。

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)，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)的根本不考慮擴聲的需求。等到真正使用擴聲時，才發(fā)現(xiàn)房間反射嚴重，根本沒法獲得足夠的語音清晰度和傳聲增益。。

3.話筒正對這音箱。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聲揚聲器覆蓋的區(qū)域同時又需要話筒進行拾音，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，不注重聲學裝修，反射嚴重，人們的習慣很難改正，也正是因為這點，現(xiàn)在會議室越來越流行采用可調(diào)指向的音柱進行擴聲，從一定意義上減少了部分反射，當然這一部分內(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)音師也無法清楚的看到每一個參會者，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備，均衡話筒時將對所有話筒進行調(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備進行處理。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設備每只話筒都可以得到相應精準的調(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。在很多情況下如果設置的太小，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。設置的太高則又很容易出現(xiàn)吃字或聲音卡殼等現(xiàn)象。當使用噪聲門等裝置還有另外一個問題就是當全體鼓掌的情況出現(xiàn)時，所有話筒都被打開，系統(tǒng)及其容易產(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。自適應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。如給每個話筒都加一個噪聲感應的話筒，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)出過需要匹配相應麥克風的自動混音器。

2.掃描閾值。由于噪聲感應的額外投入，涌現(xiàn)出了各種通過掃描當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。做的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)：在解決完閾值的設定問題后，實際在早期設計自動混音技術(shù)還遇到一個問題就是開關(guān)所帶來的電子脈沖聲音。那這也是早期限制自動混音器推廣的原因之一。那目前而言主流的廠商都是采用off-attenuation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)器來記錄當前開啟話筒的數(shù)量，然后根據(jù)數(shù)量進行相應的總增益衰減。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),這是一個標稱上的增益增加。但是我們沒有將信號的相干性考慮進去。在一個標準的會議室，不同的講話者使用不同的話筒，信號進入各自的麥克風通道，則兩者我們普遍意義上理解為“不相干信號”。當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的基礎上再增加至少3dB的系統(tǒng)余量來保證系統(tǒng)的穩(wěn)定運行。

Gainsharing

前文所說Gating+Noma的自動混音技術(shù)是一種正向思維的解決辦法，歸結(jié)起來三步走：1.話筒什么情況下開和關(guān)2.話筒如何開和關(guān)3.話筒開了如何平衡增益。而Gainsharing的技術(shù)則是一種逆向思維的解決辦法。

Gainsharing其實本質(zhì)上是一套算法，可以簡單的用下面這句話來描述，“每一路輸入進行一定量的衰減，衰減量等于該路電平與所有通路電平總和之差，以dB加減?！边@一套簡單有效的算法由美國音頻技術(shù)大拿于上世紀70年代提出，并在1976年取得專利。在專利保護的20年內(nèi)只有幾家授權(quán)廠商在生產(chǎn)基于Gainsharing的自動混音器。直到專利保護期過后才在市場上逐漸出現(xiàn)相關(guān)的自動混音器，也才更多的被大家所知道Gainsharing的技術(shù)。專利這把雙刃劍，此處就不多談了。我們來看看具體的實現(xiàn)方法。

通過上圖我們可以知道，通過預先混合得到總電平，然后在通過一個比較器得出每一路電平與總電平的差值，最后調(diào)整相應通道的VCA來實現(xiàn)增益的共享。具體公式如下：

：通道衰減前的電平即原電平

：通道衰減后的實際電平

每個通道（衰減前）的總和電平

所有加減基于dB

可能從上面的公式來看還較難理解Gainsharing。換一種較為容易理解：當所有話筒都沒有人說話時，此時所有話筒拾取的都是幾乎等量的環(huán)境噪音，則每個話筒都分得幾乎相同的增益；當其中一個話筒說話時，此時該話筒將得到幾乎100%的增益，而其他未說話的話筒分享剩下的增益；當有2個話筒說話時，電平越大的拿的的增益越多，電平越小的拿的的增益越少，另一種情況就是假設兩者的電平一致，則兩者均分幾乎100%的增益，其他情況以此類推。從中我們可以看出Gainsharing永遠不會有多余的增益溢出，而是不斷在分配可用增益的過程。所以從理論上可以看出，Gainsharing自動混音可以很好的辨別出相干與非相干信號，對余量的需求將會比Gating的小。那帶給音頻工程師的益處就是減少一定的調(diào)試工作。

Gainsharing自動混音技術(shù)面臨一個問題是當話筒數(shù)量多的時候，沒有說話的話筒總和起來的電平將足夠大，這樣有可能導致實際需要擴聲的話筒被減去過多的增益。所以對于一般的增益共享自動混音器建議通道數(shù)少于16只。當然也有廠商意識到了這些問題提供相關(guān)的參數(shù)設置給到工程師配置，主要通過更改分配比例來實現(xiàn)。

自動混音器的選擇與設計注意事項

通過上面的介紹我們了解兩種自動混音器的基本原理及各自的技術(shù)特點。那在實際的項目中我們該如何選擇自動混音器？這里我給出的建議是：

1.首先盡可能測試即將使用的自動混音器或技術(shù)是否能完成我們的工作，如Gating是否吃字，Gainsharing是否有更多話筒處理的能力等等。

2.根據(jù)自身技術(shù)能力選擇。如Gating涉及門限，門限里面包含如何設置，啟動時間，釋放時間等等諸多的參數(shù)設置，則對此時需要充分了解每個設置的具體作用，那對技術(shù)人員的要求相對較高；而Gainsharing是一套自成體系的算法，則幾乎沒有需要你自己設置的參數(shù)，相對來說對自動混音內(nèi)的技術(shù)本身了解的要求則大大降低。

3.現(xiàn)場系統(tǒng)余量的許可。當現(xiàn)場余量足夠時則建議使用Gating自動混音技術(shù)；當現(xiàn)場余量不足時則可使用Gainsharing確保任何時候的系統(tǒng)安全。

4.積極參加各廠家的相關(guān)的培訓，充分了解各參數(shù)對應到的相關(guān)技術(shù)及解決的問題。

在自動混音器系統(tǒng)內(nèi)實際要注意的除了對自動混音技術(shù)的了解以外，同時需要確保系統(tǒng)在正確的增益結(jié)構(gòu)鏈路下。由于自動混音技術(shù)是根據(jù)實時電平大小來決定話筒開關(guān)或增益量的，所以如果增益結(jié)構(gòu)不對很可能導致最終工作結(jié)果并不是你想要的結(jié)果。

自動混音技術(shù)的應用和發(fā)展展望

自動混音的應用在誕生之初是為了解決演播廳等的多話筒的管理問題，由于AV工程商的介入才發(fā)展到會議室內(nèi)使用。從而構(gòu)建一個自由無拘束的會議環(huán)境，并且大大減少會議的管理工作。但是由于中國技術(shù)的引進以及早期的自動混音器工作效果并不良好，所以幾乎在廣播市場很少使用，很少有人知道會議室需要用自動混音器。但隨著越來越多國外高端廠商性能及效果良好的自動混音器引進，現(xiàn)在越來越多的會議室正在使用自動混音器或帶自動混音的DSP處理器。

實際我對自動混音技術(shù)的理解是：多話筒的自動化或智能化管理。所以任何需要用到多話筒的場合都可以使用自動混音技術(shù)。這里舉兩個例子供大家參考：

近幾年很流行的大型多人社交語言類節(jié)目，現(xiàn)場幾十只的話筒的管理讓調(diào)音師絞盡腦汁。所以這種場合就需要使用自動混音技術(shù)來減少調(diào)音師的負擔。如上圖的愛情學院最終就選擇了基于DSP的自動混音技術(shù)結(jié)合相關(guān)DSP內(nèi)的功能很好的解決了節(jié)目話筒管理的問題。


多功能劇場劇院也是需要自動混音技術(shù)的場合。這種類型的劇場劇院主要為開會服務，一年演出機會實際很少。然而現(xiàn)在的項目一般會按照標準劇院的模式去設計。往往造成開會時管理復雜，或總是需要專人管理。實際我們可以將此類場所看做一個大型的會議室。那會議室我們現(xiàn)在往往會使用DSP和DSP內(nèi)部的自動混音來完成話筒管理，多功能的禮堂劇院同樣可以采用這樣的模式，通過合理的系統(tǒng)搭建實現(xiàn)無人值守的會議。

其他更多的應用這里不做一一列舉，記住自動混音幫助我們管理話筒，在任何的多話筒項目中你都可以考慮考慮。

目前自動混音技術(shù)基本都市融合到各家的DSP內(nèi)作為一個功能，所以在談發(fā)展時我們應當站在DSP的角度去考慮技術(shù)的發(fā)展。所以幾個小點是我認為可能的方向：

1.基于語音識別的自動混音技術(shù)。就目前所能見到的自動混音技術(shù)都是純粹基于電平來進行管理的，這樣或多或少會出現(xiàn)誤判。而當有語音識別的自動混音技術(shù)出現(xiàn)時，則可以很精準的啟動和關(guān)閉話筒。當然我這里說的語音識別并不是大家所熟悉的SIRI或科大訊飛這些，這一類是非實時的處理且允許較長的響應時間，而在DSP內(nèi)所談的語音識別技術(shù)是在毫秒級的快速判斷，且準確度必須很高，否則帶來的就是糟糕的會議體驗。目前已有頂尖的DSP廠商能實現(xiàn)這種類型的語音識別，未來可期。

2.加入會議管理的自動混音技術(shù)。目前而言自動混音技術(shù)主要場合是自由發(fā)言會議的場合。根據(jù)國內(nèi)的實際情況，對會議管理要求更多的功能，則此時能通過開放式DSP內(nèi)部編程來實現(xiàn)部分如優(yōu)先等功能，但更為復雜的實現(xiàn)仍需要借助第三方來實現(xiàn)。所以加入會議管理的自動混音也可能是一個課題。

總結(jié)

正如自動混音技術(shù)是為廣播事業(yè)而誕生最終被AV集成商青睞，當技術(shù)發(fā)展到足夠成熟能夠很好的完成它本應解決的問題，技術(shù)的應用則又會有新的發(fā)展。我們通過很好的理解技術(shù)的本源來更好的理解我們的產(chǎn)品以及為客戶提供更優(yōu)質(zhì)的溝通環(huán)境。