在上一篇 “Gating自動混音器（一）“，我們已經了解了Gating自動混音器是干什么用的，它主要解決的問題是什么。在有多個麥克風的場景下，傳統的做法是將多個麥克風混音輸出到音箱。這樣的做法不可取，它可能導致的問題是，一、及其容易產生嘯叫，因為2路信號混音，總輸出增加3dB，更何況多支呢。二、即使可以通過增益比例去控制每只麥克風在總輸出中占的比例，以達到總輸出不增加的目的，也非常容易導致說話人說話的聲音太小，聽不清楚。基于以上原因，才會有自動混音的出現，自動混音徹徹底底地解決了根本問題。自動混音分為Gain-Sharing(增益共享)和Gating（門限）兩種類型，現在所講的是Gating類型自動混音。

上一期已經講了Gating自動混音所應具備的一些基本參數及含義，留下了一個關鍵點，自適應噪聲閾值如何獲取？在開始之前，先來看看為什么門限自動混音可以解決上邊提到的問題。

從圖中可以看出，每只麥克風都有個Gate（門），當麥克風信號超過這個門限以后，才會導通信號。通過的信號和普通混音無異，混音之后通過一個由NOM（打開的麥克風數量）控制的衰減因子，達到總輸出不變的目的。 在多只麥克風的情況下，不會存在每個人都會在同時說話，正在同時說話的麥克風只有那么1-3只而已。其他未說話的麥克風將被關閉，不會被導通。這樣既可以保證總輸出不產生反饋，每只麥克風說話的聲音又可以聽得清楚。

NOM：Number Of Open Mics. 算法實時計算打開的麥克風數量，如果大于NOM Limits 設定的數量，新打開的麥克風將從已經打開的麥克風中搶占優先級最低的一個， 如果沒有找到，該麥克風不會被導通， NOM Limits起到一個限制作用。

在這里面，Gate是關鍵，如何保證麥克風有信號的時候被打開，沒有人說話就不會被打開。簡單一點，可以采用對每一只麥克風設置一個開關閾值，信號超過閾值的時候就導通，小于閾值就關閉。 在很久以前，就是這么做的，并且使用了很長的一段時間。此方法不是特別的方便，環境噪音提高了，必須得手動去調整閾值。

在嘗試中，我考慮了2種方法：

1. 人聲檢測 ， 只有說話的時候才被打開，不說話關閉 。

2. RMS電平檢測。

在DSP系統中，除了能實現模塊功能，另一個最重要的就是資源了。這個算法占用的CPU資源類不應超過5%， 人聲檢測不能采用太過復雜的基于統計模型的算法，一個麥克風需要檢測一次，共有32個麥克風，這將勢必不可取。后來嘗試了短時過零率和短時能量等方法。結果不太理想，應該來說檢測結果不太理想，有時說話了確不出聲，一句話的前面幾個字像被吃掉了一樣。 總結來說，短時過零率等方法并不能準確判斷語音，第二個這類檢測方法都需要延時緩沖，大概10ms檢測數據，吃字也是正常的。 被拋棄的想法就不細說了，有興趣的可以看看相關資料。

采用RMS檢測方法， RMS我們都知道，就是均方根嘛。相對來說算法簡單易實現， 根據過去一段時間的RMS值作為該麥克風的參考噪聲閾值。這里面最重要的就是時間的選取，要反應的是過去的噪聲水平，而不是有信號的狀態。語音信號屬于非平穩信號，利用這一特點應取最小值。記為瞬態RMS, N取值30ms對應的采樣值。 T為噪聲閾值，等于過去的K幀RMS最小值， K值根據實際情況調節。

K 取值依據，應大于說話尾音所能持續的時間，正常說話一個字也就100多ms，字與字之間會出現停頓，噪聲閾值的依據也就是停頓期間的噪聲水平。說一個情況，同事在測試期間，一個字不停的拖尾音，喂……….，持續10幾秒。這種情況導致算法提高了噪聲閾值，剛開始可以導通，之后的喂出不了聲。 那么這個K值應取得更大，K*30ms 需要大于最大能持續的時間才能檢測到空隙。

根據測試情況，RMS方法可以作為自適應噪聲閾值判斷的方法。在測試中，會存在另外一種情況，一只麥克風說話時，另一只麥克風采集到了音箱擴聲的信號被打開。如果NOM Limit設置成1，只允許一個麥克風打開。采集信號的麥克風就會搶占說話的麥克風，引起兩個麥克風互相切換。此時，應調節2個參數，一是保持時間，第二個靈敏度。

保持時間，停止說話后，該麥克風保持多久才關閉，改時間要設置得比混響傳遞時間大一點。

靈敏度，實際上信號超過自適應噪聲閾值+靈敏度才能判定為可以打開麥克風。靈敏度需要設置高一點，即使有反饋也不會輕易打開話筒。

以上就是Gating自動混音的全部內容，代碼就不貼了，也沒什么意義，關鍵還是思路吧。