动态范围控制-dynamic range control

本文对音频信号处理中一个比较重要的模块—动态范围控制（dynamic range control）的基本原理作以介绍，主要参考资料是书籍 DAFX: Digital Audio Effects Second Edition。如有表述不当之处欢迎批评指正。欢迎任何形式的转载，但请务必注明出处。

4.2. Dynamic Rang Control

动态范围控制包含几个不同的方面，主要介绍以下几个常见的动态范围控制器：limiters, compressors, expanders 以及 noise gates。

动态处理的流程通常为：首先检测输入信号的电平，接着使用一条静态曲线（static curve）从输入电平中推导出增益因子，最后对该增益因子做平滑，并将其作用到输入信号上。可选的，可以对输入信号做延迟以补偿侧链（图 4.7 中下面的路径）中的任何延迟。

图 4.8 给出了一个动态范围控制器作用于输入信号上的例子。该例子展示的动态范围控制器是 compressor: 在输入电平较小的时候，增益 $g(n)$ 被设置为 $1$，而当输入电平较大的时候，增益被衰减以降低信号的电平。因此，信号的电平差异随着时间减少，从而压缩了信号的动态范围。

信号处理
通常有两种方法来检测输入信号的电平：

• peak measurement：一个全波整流器联合一个 AR-averager（见图 4.9 ），并配上特点短的攻击时间（attack time）可以用来跟踪信号的峰值。
• RMS measurement：对单个时间常量进行平均的平方器（见图 4.10 ）给出了 RMS 值，其用于测量信号的功率。

典型的动态范围控制器通常包含其中一个甚至两个都包含。

静态曲线决定了动态控制器是哪种类型。引入 $X,G,Y$ 以在 dB 尺度上表示相应的信号。也就是 $X=20\cdot {\text{log}}_{10}(x_{\text{PEAK}}(n))$ 或 $X=10\cdot {\text{log}}_{10}(x_{\text{RMS}}(n))$。动态范围控制器得到输出信号的过程也变为了 $Y=X+G$。

在对数域中，增益通常是通过分段线性函数从输入信号的电平中推导出来的。图 4.11 给出了一个 compressor 的特性曲线，左图从输入信号的电平映射出输出信号的电平，右图从输入信号的电平映射出增益因子。在达到某个输入电平之前，也就是小于压缩器的阈值 $CT$（这个例子中是 $-30$ dB）时，增益因子是 $0$ dB。当超出该阈值时，特性曲线是通过比率 $R$ 定义的，它指定了输入电平的变换 $△X$ 到输出电平的变化 $△Y$ 之间的关系，即 $△Y=\frac{1}{R}\cdot △X$。或者也可以用斜率因子 $S=1-\frac{1}{R}$ 来代替比率 $R$。、

动态范围控制器的动态表现受电平检测方法（peak measurement 方法使用攻击和释放时间 $\text{AT}、\text{RT}$，RMS measurement 方法使用平均时间 $\text{TAV}$）的影响，并且进一步被平滑滤波器调整（它也用到了攻击时间和释放时间），如图 4.12 所示。攻击时间的参数可以用以下公式计算：
$$\begin{array}{r}\text{AT}=1-e^{-2.2T/t_{\text{AT}}},\end{array}$$

其中 $t_{\text{AT}}$ 是时间参数，单位为秒，$T$ 是采样周期，$-2.2$ 可以用 $lo{g}_e(9)$ 代替。释放时间参数 $\text{RT}$ 和平均时间参数 $\text{TAV}$ 可以通过将上式中的 $t_{\text{AT}}$ 分别替换为 $t_{\text{RT}}$ 或 $t_{\text{TAV}}$ 来计算。如图 4.12 所示，静态函数的输出信号 $f(n)$ 作为配置有攻击和释放时间的动态滤波器的输入信号，输出信号 $g(n)$ 是增益因子，作用到图 4.7 所示的延迟输入信号上 $x(n-D)$。接下来将详细讨论一些特定的动态范围控制器。

4.2.1 limiter

Limiter 的目的是对信号的最高峰值加以控制，尽可能不改变信号的动态范围。这是通过下面的公式来实现的：
$$G=\{\begin{array}{ll}0\text{dB}& \text{if}X<LT\\ LT-X& \text{else.}\end{array}\text{\hspace{1em}(4.8)}$$

其中 $LT$ 是 limiter 的阈值。这也就意味着 limiter 的特性曲线中的 $R=\infty$。因此，输出 $Y=X+G$ 永远不应该超过阈值 $LT$。

limiter 检测电平的方法是 peak measurement，而且要对输入信号超过其阈值的情况快速做出反应。limiter 中典型参数的取值为 $t_{AT}=0.02\cdots 10\text{ms}$，$t_{RT}=1\cdots 5000\text{ms}$，这对 peak measurement 和平滑滤波器都适用。

图 4.13 给出了 limiter 的一个实现，它在线性尺度上计算增益因子的方式为：
$$\begin{array}{r}g(n)=\text{min}(1,\frac{lt}{x_{\text{PEAK}}(n)})\end{array}\text{\hspace{1em}(4.9)}$$

其中 $lt=10^{\frac{LT}{20}}$ 是线性尺度上的阈值。M-file 4.1 给出了该方法的实现。图 4.14 给出了信号经过该 limiter 后的表现。

M-file 4.1（limiter.m）

function y = limiter(x, lt)
% function y = limiter(x, lt)
% Author: M. Holters

at = 0.3;
rt = 0.01;
delay = 5;

xpeak = 0;
g = 1;
buffer = zeros(1, delay);

for n = 1:length(x)
  a = abs(x(n));
  if a > xpeak
    coeff = at;
  else
    coeff = rt;
  end;
  xpeak = (1-coeff) * xpeak + coeff * a;
  f = min(1, lt/xpeak);
  if f < g
    coeff = at;
  else
    coeff = rt;
  end;
  g = (1-coeff) * g + coeff * f;
  y(n) = g * buffer(end);
  buffer = [x(n) buffer(1:end-1)];
end;

4.2.2 Compressor and expander

Compressor 用于压缩信号的动态范围，动态范围被压下来以后，可以在不超过幅度阈值的情况下，对信号做拉升，从而提高信号的整体响度。而 expander 所做的正好与 compressor 相反，它用来提升信号的动态范围。Compressor 所对应的特性曲线的比率和斜率分别为：$CR>1$，$0<CS<1$。Expander 所对应的特性曲线的比率和斜率分别为：$0<ER<1$，$ES<0$。

Compressors 和 Expanders 通常使用平均时间为 $t=5\cdots 130\text{ms}$ 的 RMS measurement 来检测输入信号的水平。使用 $t_{\text{AT}}=0.1\cdots 2600\text{ms}$ 以及 $t_{\text{RT}}=1\cdots 5000\text{ms}$ 的平滑滤波器来对增益因子进行平滑。

对高电平的信号使用 compressor 并且对低电平的信号使用 expander，可以得到以下增益因子：
$$G=\{\begin{array}{ll}CS\cdot (CT-X)& \text{if}X>CT\\ 0\text{dB}& \text{if}ET<=X<=CT\\ ES\cdot (ET-X)& \text{if}X<ET\end{array}\text{\hspace{1em}(4.10)}$$

$$\begin{array}{r}=\text{min}(0,CS\cdot (CT-X),ES\cdot (ET-X))\end{array}\text{\hspace{1em}(4.11)}$$

其中 $CT$ 和 $ET$ 分别表示 compressor 和 expander 的阈值。图 4.15 给出了两者的联合系统，它在线性尺度上计算增益因子的方式为：
$$\begin{array}{r}g(n)=\text{min}(1,(\frac{x_{\text{RMS}}(n)}{c{t}^2}{)}^{-CS/2},(\frac{x_{\text{RMS}}(n)}{e{t}^2}{)}^{-ES/2})\end{array}\text{\hspace{1em}(4.12)}$$

M-file 4.2 给出了上述实现。

M-file 4.2（compexp.m）

function y = compexp(x, CT, CS, ET, ES)
% function y = compexp(x, CT, CS, ET, ES)
% Author: M. Holters

tav = 0.01;
at = 0.03;
rt = 0.003;
delay = 150;

xrms = 0;
g = 1;
buffer = zeros(1, delay);

for n = 1:length(x)
  xrms = (1-tav) * xrms + tav * x(n)^2;
  X = 10*log10(xrms);
  G = min([0, CS*(CT-X), ES*(ET-X)]);
  f = 10^(G/20);
  if f < g
    coeff = at;
  else
    coeff = rt;
  end;
  g = (1-coeff) * g + coeff * f;
  y(n) = g * buffer(end);
  buffer = [x(n) buffer(1:end-1)];
end;

并行压缩 Parallel compression
Compressor 的常用应用为降低特定阈值以上的幅度。然而，在某些情况下，例如对于打击乐器或原声吉他来说，希望的是增强信号较弱部分的同时，保持高幅值瞬时信号不受影响。对于这类应用来说，建议使用 Parallel compression，它将高度压缩过的信号加到不受影响的信号上。使用低阈值、高比率以及短攻击时间对声音的较弱部分进行高度压缩。然后，将压缩过的信号进行放大并与原始信号进行混合。生成的声音保留了原始声音的通透性，因为高幅值瞬时信号没有受到影响。这种类型的压缩有时也称为 New-York compression or side-chain compression。

多带压缩 Multiband compression
也可以根据声音的频谱，仅在特定的频带上进行压缩。考虑大号和现场电子乐曲的音乐，无论乐器的低频音表现怎样，都必须对指法和呼吸噪声做处理。解决方案是借助高通滤波器，对信号的高频部分进行压缩，而不会影响信号低频部分。

对于更一般的情况，也就是需要对多个频带分别进行处理，这时就需要用到 multiband compression。使用滤波器组将输入信号划分为多个带（通常是 $3$ 或 $5$ 个），然后对这些带分别进行处理。多带动态处理器常用于母带制作。

Multiband compression 的优势之一是压缩的副作用，比如音调平衡的改变或失真，可以被限制在给定频段内。

4.2.3 Noise gate

Noise gate 可以被认为是斜率为 $-\infty$ 的 expander。这意味着将低于阈值 $NT$ 的信号完全静音。正如它的名字，noise gate 通常被用来对噪声进行静音，这是通过将阈值设置为正好高于背景噪声的级别来完成的。

图 4.16 展示了 noise gate 的框图。使用 peak measuremen 检测信号电平，配合上攻击和释放时间，可以实现增益因子 $g(n)$ 的 fade in/out。更进一步的改进包括，使用两个阈值来实现 a hysteresis and a hold time，以避免输入信号电平在阈值附近波动所造成的副作用。M-file 4.3 给出了上述实现。

M-file 4.2（noisegt.m）

function y = noisegt(x,holdtime,ltrhold,utrhold,release,attack,a,Fs)
% function y = noisegt(x,holdtime,ltrhold,utrhold,release,attack,a,Fs)
% Author: R. Bendiksen

% noise gate with hysteresis
% holdtime   - time in seconds the sound level has to be below
%                  the threshold value before the gate is activated
% ltrhold    - threshold value for activating the gate
% utrhold    - threshold value for deactivating the gate > ltrhold
% release    - time in seconds before the sound level reaches zero
% attack     - time in seconds before the output sound level is the
%                  same as the input level after deactivating the gate
% a          - pole placement of the envelope detecting filter < 1
% Fs         - sampling frequency
rel = round(release * Fs); % number of samples for fade
att = round(attack * Fs); % number of samples for fade
g = zeros(size(x));
lthcnt = 0;
uthcnt = 0;
ht = round(holdtime * Fs);
h = filter([(1 - a)^2], [1.0000 - 2 * a a^2], abs(x)); % envelop detection
h = h / max(h);
for i = 1:length(h)
  if (h(i) <= ltrhold) | ((h(i) < utrhold) & (lthcnt > 0))
% Value below the lower threshold?
    lthcnt = lthcnt + 1;
    uthcnt = 0;
    if lthcnt > ht
% Time below the lower threshold longer than the hold time?
      if lthcnt > (rel + ht)
        g(i) = 0;
      else
        g(i) = 1 - (lthcnt - ht) / rel; % fades the signal to zero
      end;
    elseif ((i < ht) & (lthcnt == i))
      g(i) = 0;
    else
      g(i) = 1;
    end;
  elseif (h(i) >= utrhold) | ((h(i) > ltrhold) &(uthcnt > 0))
% Value above e upper threshold or is the signal being faded in?
    uthcnt = uthcnt + 1;
    if(g(i-1) < 1)
% Has the gate been activated or isn't the signal faded in yet?
      g(i) = max(uthcnt / att, g(i-1));
    else
      g(i) = 1;
    end;
    lthcnt = 0;
  else
    g(i) = g(i-1);
    lthcnt = 0;
    uthcnt = 0;
  end;
end;
y = x .* g;
y = y * max(abs(x)) / max(abs(y));

4.2.4 De-esser

De-esser 包含一个频率范围为 $2$ 到 $6\text{kHz}$ 的带通滤波器，用于检测该频带信号的电平。如果超出某个阈值，峰值或陷波滤波器的增益将被调整，以对该频带进行压缩。如图 4.17 所示。De-essers 主要用来消除语音或人声的高频嘶嘶声（齿音）。

除了带通或陷波滤波器，高通和 shelving 滤波器也会得到较好的结果。为了让 de-esser 对输入电平的变化更鲁棒，阈值应该取决于信号的整体电平，也就是说阈值是一个相对的阈值。

4.2.5 Infinite limiters

为了捕获 compressor 和 limiter 的 overshoots，可能需要使用 clipper 或者说是 infinite limiter。与上述动态范围控制器相比，infinite limiter 是一个非线性操作，它直接作用在波形上，对那些超过阈值的信号进行拉平（flattening）。最简单的一个是 hard clipping，不过它会产生大量的高阶谐波。更温和的 infinite limiter 是 soft clipping，which rounds the signal shape before the absolute clipping threshold。