IP电话静音抑制需要注意的两个主要问题

时间：2019-09-30 11:20 作者：admin 分享到：

静音抑制，又称语音活动侦测，是IP电话系统中使用的一个重要技术。静音抑制的基本思想是根据人们日常谈话的语音/静默特性，检测到静音时不产生语音信号分组；检测到突发的活动声音时才生成语音信号分组，并加以传输。静音抑制不仅可以减少对下层网络传输服务的带宽需求，也有利于减少语音端到端的时延。
人们在电话通信中说话时会有一些间隙，通常有以下几个方面的原因：
一是正在听对方说话；
二是由于思考、稍事休息等原因引起的一段话之间的停顿；
三是说话中间的停顿，如犹豫、呼吸、口吃和叹息等。
第一种情况的停顿间隙长而出现频率低；第三种情况与第一种正相反，停顿间隙短而出现频率高；第二种情况在一、三两种情况之间。静音抑制的目的主要是从声音信号流里识别和消除长时间的静音期。
语音活动侦测的基本思想是根据人们日常谈话的语音/静默特性，检测到静音时加以删除，不产生信号；检测到突发的活动声音时才生成语音信号，并加以传输。对静音的判断通常是通过计算一段时间的语音包的平均能量得到的。
设计实现静音抑制算法时，需要注意两个主要问题：第一，静音抑制不包含音节内或单词间的静音。研究表明99.56%的音节或单词之间的静音周期长度小于150ms，消除音节或单词之间的静音片段所获得的性能改善，与不影响声音质量的消除50%〜60%的静音抑制相比，所获得的性能改善很小。同时，消除这些静音会因为短暂的非线性变化而降低音质。第二，在语音/静音的连接处的发音可能会丢失，静音抑制的切入和切出的时机需要准确，尽量克服“悬空”问题，保证单词的头部/尾部(像较低能量音“s”不会被截掉。
在实际使用中如果出现长时间的静默，会使用户感到很不自然。因此实际上发送端常常会在静音期间发送反映背景噪声特点的分组，使接收端能生成使用户感觉舒服一些的背景噪声，即所谓的舒适噪声。