Android 平台语音通话及回音消除、噪音消除研究(转)
一 Android操作系统由来
Android是一种基于Linux的自由及开放源代码的操作系统，主要使用于移动设备，如智能手机和平
板电脑，由Google公司和开放手机联盟领导及开发。尚未有统一中文名称，中国大陆地区较多人使用“安
卓”或“安致”。Android操作系统最初由Andy Rubin开发，主要支持手机。2005年8月由Google收购注资。
2007年11月，Google与84家硬件制造商、软件开发商及电信营运商组建开放手机联盟共同研发改良Androi
d系统。随后Google以Apache开源许可证的授权方式，发布了Android的源代码。第一部Android智能手机发
布于2008年10月。Android逐渐扩展到平板电脑及其他领域上，如电视、数码相机、游戏机等。2011年第
一季度，Android在全球的市场份额首次超过塞班系统，跃居全球第一。 2012年11月数据显示，Android
占据全球智能手机操作系统市场76%的份额，中国市场占有率为90%。2013年09月24日谷歌开发的操作系
统Android在迎来了5岁生日，全世界采用这款系统的设备数量已经达到10亿台。
二 Android平台语音通讯
正因为Android平台优越的性能、美观的界面，越来越多人使用Android手机，从而在Android平台上的
语音通话越来越多。语音通话大概流程如下：我认为一个语音通话系统至少有四个模块。分别是PCM(Pulse
Code Modulation，即 脉码编码调制）语音采集，编解码，网络传输以及语音播放。如果算上UI交互的话，
就是五个模块了。整体流程大概是：A打电话给B，A声音通过MIC被采集成PCM原始数据，然后经过编码压缩，
再通过网络（建立P2P连接）将编码后的数据传输出去；B端通过网络收到数据后进行解码处理，然后调用播
放模块，进行播放数据。如果想通话音质提供些，可以在编码前加入 噪音消除，回音消除。
三 录音、放音、编码、解码、网络发送、接收
1、语音采集模块
Android平台上的实现是通过AudioRecord接口来实现PCM数据的采集，这一步比较容易的。但需要注意的是
AudioRecord接口的使用方法。构造AudioRecord 实例需要参数 public AudioRecord (int audioSource, int
sampleRateInHz, int channelConfig, int audioFormat, int bufferSizeInBytes)
比如录音代码如下：
static final int frequency = 8000;
static final int channelConfiguration = AudioFormat.CHANNEL_CONFIGURATION_MONO;
static final int audioEncoding = AudioFormat.ENCODING_PCM_16BIT;
int recBufSize,playBufSize;
AudioRecord audioRecord;
recBufSize = AudioRecord.getMinBufferSize(frequency,
channelConfiguration, audioEncoding);
audioRecord = new AudioRecord(MediaRecorder.AudioSource.MIC, frequency,
AudioFormat.CHANNEL_CONFIGURATION_MONO, AudioFormat.ENCODING_PCM_16BIT, recBufSize);
2、语音播放
当语音数据采集好了之后，接着可以实现语音播放模块。Android上实现PCM数据的播放也很简单，直接
使用AudioTrack这个接口就行了。同样需要注意该接口
的使用方法。AudioTrack的构造方式跟AudioRecord是对应的
static final int frequency = 8000;
static final int channelConfiguration = AudioFormat.CHANNEL_CONFIGURATION_MONO;
static final int audioEncoding = AudioFormat.ENCODING_PCM_16BIT;
int recBufSize,playBufSize;
AudioTrack audioPlayer ;
playBufSize = AudioTrack.getMinBufferSize(frequency,
channelConfiguration, audioEncoding);
audioPlayer = new AudioTrack(AudioManager.STREAM_MUSIC,frequency,AudioFormat.CHANNEL_OUT_MONO,
AudioFormat.ENCODING_PCM_16BIT,playBufSize,
AudioTrack.MODE_STREAM) ;
3、语音编解码
采集到的PCM数据是原始的语音数据，如果我们直接进行网络传输，那是不可取的。因此，要进行打包编码。
编码我们需要第三方的库，目前我使用的库是speex（http://www.speex.org）。我看到许多SIP语音电话都
使用到了这个库进行编解码。当然也有对这个库评 价不好的说法，但我觉得作为学习还是可取的，因为speex
使用起来很方便。把speex源码下载下来，写好JNI接口，在NDK环境编译一下，即可在java环境调用。
例如下面一个接口函数
jint
Java_com_audiocodec_talkdemo_AudioCodec_InitAudioEncodec( JNIEnv* env,
jobject thiz,jint sampling_rate,jint audioLevel)
{
if(nInitAudioCodecEncodeFlag == 1 || audioLevel < 3 || audioLevel > 8 )
return 0 ;
int frame_size ;
if(sampling_rate == 8000)
{
audio_Leval = 0 ;
capAudioLength = 160 ;
capAudioBitrate = 8000 ;
}else if(sampling_rate == 16000)
{
audio_Leval = 1 ;
capAudioLength = 320 ;
capAudioBitrate = 16000 ;
}else if(sampling_rate == 32000)
{
audio_Leval = 2 ;
capAudioLength = 640 ;
capAudioBitrate = 32000 ;
}else
return 0 ;
tmp_Level = audioLevel ; //设置等级 15kbit/s
speex_mode = speex_lib_get_mode(audio_Leval) ;
enc_state = speex_encoder_init(speex_mode);
speex_encoder_ctl(enc_state,SPEEX_SET_QUALITY,&tmp_Level);
int tmp = 30 ;//丢包补偿
int nRet = speex_encoder_ctl(enc_state, SPEEX_SET_PLC_TUNING, &tmp);
nRet = speex_encoder_ctl(enc_state, SPEEX_GET_PLC_TUNING, &tmp);
speex_bits_init(&bits);
nInitAudioCodecEncodeFlag = 1 ;
return 1 ;
}
//编码音频数据
/*
参数
jbyteArray szAudio 等待编码的音频数据
jbyteArray szOut 编码后的音频数据
返回值
成功返回 编码后长度
失败返回 0
*/
jint Java_com_audiocodec_talkdemo_AudioCodec_AudioEncode( JNIEnv* env,
jobject thiz,jbyteArray szAudio,jbyteArray szOut)
{
if(nInitAudioCodecEncodeFlag == 0)
return 0 ;
jbyte* szAudioBuffer = (jbyte *)(*env)->GetByteArrayElements(env,szAudio, 0);
jbyte* szOutBuffer = (jbyte *)(*env)->GetByteArrayElements(env,szOut, 0);
//清空bits ,以便编码
speex_bits_reset(&bits);
//进行编码
int nRet = speex_encode_int(enc_state,(spx_int16_t*)szAudioBuffer, &bits);
//把编码后的bits 结构，拷贝到cbits_enc的数据可以从网络发送出去，长度为nByte_enc
int nByte_enc = speex_bits_write(&bits, szOutBuffer, 200);
(*env)->ReleaseByteArrayElements(env,szAudio,szAudioBuffer,0) ;
(*env)->ReleaseByteArrayElements(env,szOut,szOutBuffer,0) ;
return nByte_enc ;
}
/*
函数功能 初始化编码器
参数
无参数
返回值
成功返回 1
失败返回 0
*/
jint
Java_com_audiocodec_talkdemo_AudioCodec_ExitAudioEncodec( JNIEnv* env,
jobject thiz)
{
if(nInitAudioCodecEncodeFlag == 1)
{
nInitAudioCodecEncodeFlag = 0 ;
//销毁资源
speex_bits_destroy(&bits);
speex_encoder_destroy(enc_state);
enc_state = NULL ;
}else
return 0 ;
}
4 网络发送、接收
//定义
DatagramSocket udpSocket ;
//生成
try {
udpSocket = new DatagramSocket(6789);
} catch (SocketException e1) {
e1.printStackTrace();
}
//发送
try {
udpSocket.send(sendPacket) ;
} catch (IOException e) {
e.printStackTrace();
}
//接收
udpSocket.receive(udpPackage);
//关闭
udpSocket.close() ;
四、 回音消除
从Speex 的介绍可以看出它提供了噪音消除，回音消除，测试比较过噪音消除这功能效果是非
常棒的，回音消除这功能也很不错这一功能，现在开源的，比较完善的回音消除模块就是Speex了
，有许多中小公司也拿它作为回音消除功能 。经过测试，Speex的消除效果还是不错的。
编写个jni文件，NDK 环境编译一下即可得到so 文件，在Android环境中调用即可。
//初始化回音消除参数
/*
* jint frame_size 帧长 一般都是 80,160,320
* jint filter_length 尾长 一般都是 80*25 ,160*25 ,320*25
* jint sampling_rate 采样频率 一般都是 8000，16000，32000
* 比如初始化
* InitAudioAEC(80, 80*25,8000) //8K，10毫秒采样一次
* InitAudioAEC(160,160*25,16000) //16K，10毫秒采样一次
* InitAudioAEC(320,320*25,32000) //32K，10毫秒采样一次
*/
jint Java_com_audioaec_talkdemo_AudioAEC_InitAudioAEC( JNIEnv* env,jobject thiz,
jint frame_size,jint filter_length,jint sampling_rate)
{
if(nInitSuccessFlag == 1)
return 1 ;
m_nFrameSize = frame_size;
m_nFilterLen = filter_length;
m_nSampleRate = sampling_rate;
//计算采样时长，即是10毫秒，还是20毫秒，还是30毫秒
nSampleTimeLong = (frame_size / (sampling_rate / 100)) * 10 ;
m_pState = speex_echo_state_init(m_nFrameSize, m_nFilterLen);
if(m_pState == NULL)
return -1 ;
m_pPreprocessorState = speex_preprocess_state_init(m_nFrameSize, m_nSampleRate);
if(m_pPreprocessorState == NULL)
return -2 ;
iArg = m_nSampleRate;
speex_echo_ctl(m_pState, SPEEX_SET_SAMPLING_RATE, &iArg);
speex_preprocess_ctl(m_pPreprocessorState, SPEEX_PREPROCESS_SET_ECHO_STATE, m_pState);
nInitSuccessFlag = 1 ;
return 1 ;
}
/*
参数：
jbyteArray recordArray 录音数据
jbyteArray playArray 放音数据
jbyteArray szOutArray
*/
jint Java_com_audioaec_talkdemo_AudioAEC_AudioAECProc(JNIEnv* env,jobject thiz,
jbyteArray recordArray,jbyteArray playArray,jbyteArray szOutArray )
{
if(nInitSuccessFlag == 0)
return 0 ;
jbyte* recordBuffer = (jbyte *)(*env)->GetByteArrayElements(env,recordArray, 0);
jbyte* playBuffer = (jbyte *)(*env)->GetByteArrayElements(env,playArray, 0);
jbyte* szOutBuffer = (jbyte *)(*env)->GetByteArrayElements(env,szOutArray, 0);
speex_echo_cancellation(m_pState,(spx_int16_t *)recordBuffer,
(spx_int16_t *)playBuffer,(spx_int16_t *)szOutBuffer);
int flag=speex_preprocess_run(m_pPreprocessorState,(spx_int16_t *)szOutBuffer);
(*env)->ReleaseByteArrayElements(env,recordArray,recordBuffer,0) ;
(*env)->ReleaseByteArrayElements(env,playArray,playBuffer,0) ;
(*env)->ReleaseByteArrayElements(env,szOutArray,szOutBuffer,0) ;
return 1 ;
}
//退出
jint Java_com_sosea_xmeeting_SpeexAEC_ExitSpeexDsp( JNIEnv* env,jobject thiz)
{
if(nInitSuccessFlag == 0)
return 0 ;
if (m_pState != NULL)
{
speex_echo_state_destroy(m_pState);
m_pState = NULL;
}
if (m_pPreprocessorState != NULL)
{
speex_preprocess_state_destroy(m_pPreprocessorState);
m_pPreprocessorState = NULL;
}
nInitSuccessFlag = 0 ;
return 1 ;
}
五 、 噪音消除处理
// 初始化 降噪
Java_com_audioaec_talkdemo_AudioAEC_InitAudioDeNose( JNIEnv* env,
jobject thiz)
{
int denoise_enabled = 1 ;
if(nInitDeNoseFlag == 1)
return 0 ;
nInitDeNoseFlag = 1 ;
//8K降噪
audioProcNose8K = speex_preprocess_state_init(80 * (nSampleTimeLong / 10),8000);
speex_preprocess_ctl(audioProcNose8K, SPEEX_PREPROCESS_SET_DENOISE, &denoise_enabled);
//16K降噪
audioProcNose16K = speex_preprocess_state_init(160 * (nSampleTimeLong / 10),16000);
speex_preprocess_ctl(audioProcNose16K, SPEEX_PREPROCESS_SET_DENOISE, &denoise_enabled);
return 1 ;
}
//8K降噪
jint Java_com_audioaec_talkdemo_AudioAEC_AudioDeNose8K(JNIEnv* env,jobject thiz,jbyteArray recordArray)
{
if(nInitDeNoseFlag == 0)
return 0 ;
jbyte* recordBuffer = (jbyte *)(*env)->GetByteArrayElements(env,recordArray, 0);
speex_preprocess(audioProcNose8K,(spx_int16_t*)recordBuffer, NULL);
(*env)->ReleaseByteArrayElements(env,recordArray,recordBuffer,0) ;
return 1 ;
}
//16K降噪
jint Java_com_audioaec_talkdemo_AudioAEC_AudioDeNose16K(JNIEnv* env,jobject thiz,jbyteArray recordArray)
{
if(nInitDeNoseFlag == 0)
return 0 ;
jbyte* recordBuffer = (jbyte *)(*env)->GetByteArrayElements(env,recordArray, 0);
speex_preprocess(audioProcNose16K,(spx_int16_t*)recordBuffer, NULL);
(*env)->ReleaseByteArrayElements(env,recordArray,recordBuffer,0) ;
return 1 ;
}
// 释放降噪
jint
Java_com_audioaec_talkdemo_AudioAEC_ExitAudioDeNose( JNIEnv* env,
jobject thiz)
{
if(nInitDeNoseFlag == 0)
return 0 ;
nInitDeNoseFlag = 0 ;
speex_preprocess_state_destroy(audioProcNose8K);
speex_preprocess_state_destroy(audioProcNose16K);
return 1 ;
}
