webrtc 音频VAD 检测

摘要：本文主要讲述VAD算法的提取和一些原理
参考文章：
http://billhoo.blog.51cto.com/2337751/1213801
http://blog.csdn.net/ssdzdk/article/details/42876011

1.模块提取

a. 代码目录，具体工程可以到百度云下载

b.把所有vad目录下的代码提出来，再把signal_processing下的代码提取出来编成静态库作为引用。

c. 工程在这里下载

2.代码解析

vad算法原理：该VAD的算法主要用了2 个 models 来对语音建模，并且分成噪声类和语音类。通过比较似然比的方法来确定是否是语音。其中有三个模式可以选择，每个模式算法是一样的，只是相关阈值不同。GMM的更新方法是梯度法，并没有使用常见的EM算法。这是因为其数据量不够大，难以准确估计种类，另外也节省部分运算量。

1、 将信号通过分频降到8kHz。在这个频带计算噪声和语音的特征做VAD判决。

//检验音频帧长度，只支持10/20/30ms
  if (WebRtcVad_ValidRateAndFrameLength(fs, frame_length) != 0) {
    return -1;
  }
  if (fs == 48000) {
      vad = WebRtcVad_CalcVad48khz(self, audio_frame, frame_length);
   }else if (fs == 32000) {//重采样
    vad = WebRtcVad_CalcVad32khz(self, audio_frame, frame_length);
  } else if (fs == 16000) {
    vad = WebRtcVad_CalcVad16khz(self, audio_frame, frame_length);
  } else if (fs == 8000) {
    vad = WebRtcVad_CalcVad8khz(self, audio_frame, frame_length);
  }

2、WebRtcVad_CalculateFeatures函数计算特征，其特征包括6个频带的log能量，分别是80-250、250-500、500-1kHZ、1kHz-2kHz、2kHz -3kHz、3kHz -4kHz。使用分频方法计算这些特征。这六个特征放在向量feature_vector中，使用2维度的GMM模型来建模。
3、GmmProbability 通过高斯混合模型分别计算语音和非语音的概率，使用假设检验的方法确定信号的类型
GMM的噪声和语音模型如下：

   p(xk|z,rk)={1/sqrt(2*pi*sita^2)} * exp{ - (xk-uz) ^2/(2 * sita ^2 )} 

1. 首先通过高斯模型计算假设检验中的H0和H1（C代码是用h0_test和h1_test表示），通过门限判决vadflag；
2. 然后更新概率计算所需要的语音均值(speech_means)、噪声的均值(noise_means)、语音方差(speech_stds) 和噪声方差(noise_stds)。

---

DTX/CNG

该功能主要依靠：vad、DTX/非连续传输 、SID 静音描述silence insertion description 、CNG（舒适噪音生产）

编码器调用DTX判断 当背景噪声发生改变，编码器发送SID，否则不发送，SID结构如图所示，第一个字节必须是能量信息，后面的字节可选，写入量化的发射系数，WebRtcCng_Encode函数就是生成SID的。

图片：http://www.docin.com/p-906243283.html

做一些记录，向过世的雷神致敬！！愿天堂没有代码！！