張躍軍 胡玉清 胡守國(guó) 雷靜

摘要：隨著計(jì)算機(jī)科學(xué)的發(fā)展，聲音基于數(shù)字形式傳遞，使得用計(jì)算機(jī)處理聲音成為可能，而PC用戶在連續(xù)播放不同MP3音頻的時(shí)候，經(jīng)常會(huì)出現(xiàn)不同音頻文件播放時(shí)聲音忽大忽小，影響了人耳的感受。用戶在播放不同文件時(shí)，可以提取MP3音頻文件中存在的增益信息，用當(dāng)前文件的增益信息再結(jié)合上次文件的增益信息和播放音量，可智能調(diào)整當(dāng)前文件播放的音量，無(wú)需人工再調(diào)節(jié)，這樣提高了用戶在使用MP3音頻文件時(shí)的方便性和舒適性。

關(guān)鍵詞：智能；PC；MP3；音頻；音量

中圖分類號(hào)：TP393文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2021）21-69-4

0引言

聲音是傳播信息的重要途徑，尤其是現(xiàn)代計(jì)算機(jī)科學(xué)的發(fā)展，目前大量的聲音都是基于數(shù)字形式傳遞的。但是聲音數(shù)字傳播的過程中，承載聲音的音頻文件中的音量沒有統(tǒng)一的標(biāo)準(zhǔn)，這樣就導(dǎo)致人們?cè)谕ㄟ^音頻文件接收信息的時(shí)候，音量忽大忽小，對(duì)聲音接收者會(huì)造成不適，音量過大可能會(huì)影響聽力，音量過小就影響接收效果，目前正常處理方式都是通過播放音頻工具的音量調(diào)節(jié)按鈕來(lái)人工調(diào)節(jié)，使用起來(lái)比較繁瑣，在調(diào)節(jié)過程中也會(huì)影響接收效果，耽誤時(shí)間。

通過智能識(shí)別PC用戶音頻音量播放，能夠自動(dòng)設(shè)定音量大小，在使用不同音頻文件過程中，無(wú)需再手動(dòng)調(diào)節(jié)音量，保證用戶使用效果。尤其在特定環(huán)境下，能實(shí)現(xiàn)無(wú)接觸正常聽音頻，不會(huì)由于某些音頻文件音量過大或者過小影響聽音頻的效果。

1國(guó)內(nèi)外研究情況

楊鑫芳提出從網(wǎng)絡(luò)上下載的各種風(fēng)格的歌曲時(shí)，經(jīng)常會(huì)遇到歌曲的音量高低差別問題。同時(shí)提出了可以借助美國(guó)Adobe公司的音頻處理軟件Audition來(lái)將歌曲音量進(jìn)行最高標(biāo)準(zhǔn)的規(guī)范，用戶可以非常方便地對(duì)包括歌曲在內(nèi)的各種音頻進(jìn)行響度的標(biāo)準(zhǔn)化處理[1]。此方法可以統(tǒng)一歌曲的音量，但是需要提前對(duì)音樂文件進(jìn)行處理，操作起來(lái)比較麻煩。國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作四川中心的馮晨露提出了在移動(dòng)終端通過環(huán)境噪聲來(lái)自動(dòng)調(diào)節(jié)音量大小或者根據(jù)用戶的作息習(xí)慣來(lái)調(diào)節(jié)音量[2]。華南理工大學(xué)廣州學(xué)院電氣工程學(xué)院的陳崇輝設(shè)計(jì)了系統(tǒng)識(shí)別向左或右、向上或向下一揮的手勢(shì)動(dòng)作控制無(wú)線話筒的音量大小[3]，可以實(shí)時(shí)緩解話筒叫嘯引起的干擾。上海工程技術(shù)大學(xué)城市軌道交通學(xué)院的雷星蒙提出了在地鐵車廂中適合人耳收聽的音量區(qū)間內(nèi)進(jìn)行廣播音量的自動(dòng)控制[4]。

這些研究表明，人們對(duì)聲音大小自動(dòng)化調(diào)節(jié)的要求越來(lái)越強(qiáng)烈。同時(shí)曹強(qiáng)分析了MP3文件Side Information Granule結(jié)構(gòu)，其中Glaobal Gain表示全局量化增益，用于MP3解碼器的重新量化[5]，使得可以提取MP3文件中的增益成為可能。密歇根州立大學(xué)學(xué)者哈姆澤赫·加塞姆扎德使用了全局增益和MP3比特流的其他字段之間的聯(lián)合分布。通過測(cè)量這些聯(lián)合分布的信息來(lái)檢測(cè)變化。比傳統(tǒng)的單層方法有更好的性能，準(zhǔn)確率提高了20.4%[6]，說(shuō)明國(guó)外對(duì)MP3增益使用也一樣在進(jìn)行。

2基本原理

MP3其實(shí)就是MPEG-1音頻的Layer 3[7]。MPEG音頻壓縮是一種基于感知的策略，在確保輸出的信號(hào)對(duì)于人類的聽力系統(tǒng)感覺不到差別，而不是要保持編碼和解碼后的信號(hào)完全一樣。陜西學(xué)者董寧采用對(duì)MP3編碼器算法進(jìn)行心理聲學(xué)模型改進(jìn)，提高了編碼質(zhì)量，降低了運(yùn)算復(fù)雜度[8]。

MP3編碼器將原始聲道通過快速傅里葉變換到頻域，然后通過算法加入更多的信息。根據(jù)資料顯示，人類的聽力系統(tǒng)頻率在20 Hz～20 kHz，但其實(shí)高于15 kHz頻率的聲音一般通過聽力系統(tǒng)聽不到，只能通過身體其他部位感受到它的存在，所以MP3在編碼的時(shí)候會(huì)省掉16 kHz以上的聲音。同時(shí)使用了混合立體聲的編碼，進(jìn)一步壓縮了音頻文件，還用了哈夫曼編碼。

MP3文件是由幀（frame）構(gòu)成，幀是MP3文件的最小組成單位。每一幀都包含幀頭，并可以計(jì)算幀的長(zhǎng)度。根據(jù)幀的性質(zhì)不同，文件主要分為3個(gè)部分：Tag_v2（ID3v2）標(biāo)簽幀、數(shù)據(jù)幀和Tag_v1（ID3v1）標(biāo)簽幀。并非每個(gè)MP3文件都有ID3v2，但是數(shù)據(jù)幀和ID3v1幀是必須的。ID3v2在文件頭以字符串“ID3”為標(biāo)志，包含了演唱者、作曲及專輯等信息，長(zhǎng)度不固定，擴(kuò)展了ID3V1的信息量。ID3v1在文件結(jié)尾以字符串“TAG”為標(biāo)記，其長(zhǎng)度是固定的128 byte，包含了演唱者、歌名、專輯及年份等信息。數(shù)據(jù)幀由文件大小和幀大小來(lái)決定，每個(gè)幀頭長(zhǎng)度是4 byte（32 bit），幀頭后面可能有2byte的CRC校驗(yàn)。音頻數(shù)據(jù)的組成結(jié)構(gòu)為：SideInformation+MAIN_DATA+AncillaryData（Option），即音頻數(shù)據(jù)由邊信息、主數(shù)據(jù)和附加數(shù)據(jù)組成。以雙聲道邊信息格式為例，音頻數(shù)據(jù)如表1所示。而Side Information Granule結(jié)構(gòu)包含Part2_3 Length，Big Value，Global Gain，Scale Factor Compress，Window Switch Flag，Pre Flag，Scale Factor和Count1 Table Select。從這個(gè)結(jié)構(gòu)中，可以看到增益信息。

提取MP3音頻文件中的增益，可以先設(shè)定一個(gè)函數(shù)讀取二進(jìn)制文件的內(nèi)容，函數(shù)為GetBits （LPBYTE pByData， DWORD& dwBitStart， int nLen）；pByData為音頻文件，dwBitStart為二進(jìn)制讀取的開始位置，nLen為讀取內(nèi)容的長(zhǎng)度。通過MP3文件格式讀取對(duì)應(yīng)的增益信息，把獲得的增益值統(tǒng)一放到一個(gè)列表中。對(duì)所有增益信息求和，并求出其平均值，所求的值保存到這個(gè)MP3文件相關(guān)信息中。當(dāng)智能識(shí)別第一次啟動(dòng)時(shí)，如果讀取配置文件，讀取之前的增益和音量值成功，智能識(shí)別系統(tǒng)會(huì)自動(dòng)識(shí)別之前MP3音頻文件的音量和增益，再根據(jù)當(dāng)前文件的增益，算出當(dāng)前文件需要播放的音量。根據(jù)測(cè)試當(dāng)前音量計(jì)算公式如下：當(dāng)前音量=之前音量×（之前增益/當(dāng)前增益）。其中，系數(shù)=9比較適合。否則默認(rèn)一個(gè)音量，用戶根據(jù)自己的喜好可以調(diào)整音量。程序退出的時(shí)候，就會(huì)自動(dòng)把當(dāng)時(shí)播放的音量和增益值保存起來(lái)。

3設(shè)計(jì)流程

智能識(shí)別PC用戶的音頻音量的研究對(duì)象為MP3格式的音頻文件，MP3文件的格式中包含增益數(shù)據(jù)，用戶在播放MP3時(shí)，通過音頻播放器調(diào)用文件中的增益數(shù)據(jù)，結(jié)合播放器的音量參數(shù)進(jìn)行播放。自動(dòng)設(shè)定一個(gè)缺省的音量播放，把當(dāng)前MP3文件的增益提取出來(lái)，然后把當(dāng)前的音量和增益保存到本地文件“savevol.info”中。當(dāng)用戶調(diào)節(jié)音量后，調(diào)節(jié)后的音量會(huì)更新到本地文件“savevol.info”中。當(dāng)用戶播放第2個(gè)音頻文件時(shí)，系統(tǒng)首先會(huì)把之前的音量和增益文件“savevol.info”讀取出來(lái)，與當(dāng)前的音頻文件的增益結(jié)合換算出目前播放音頻的音量，然后把當(dāng)前播放的音量和文件的增益重新保存到本地文件“savevol.info”中。依次這樣循環(huán)，可以實(shí)現(xiàn)智能識(shí)別音頻音量，用戶無(wú)需根據(jù)每個(gè)音頻文件音量的大小來(lái)調(diào)節(jié)。

用二進(jìn)制形式打開需要播放的文件，然后找到當(dāng)前音頻文件的增益因子，獲取“savevol.info”文件中的增益和音量與之對(duì)比，核算出當(dāng)前音頻播放的音量。然后播放當(dāng)前的音頻文件，把當(dāng)前音頻文件的增益因子和音量數(shù)據(jù)保存到“savevol. info”文件中，依次循環(huán)，直到結(jié)束程序。智能識(shí)別音量算法流程如圖1所示。

4系統(tǒng)測(cè)試

根據(jù)設(shè)計(jì)的方法，先開發(fā)一個(gè)正常的MP3音頻播放系統(tǒng)，然后在讀取MP3音頻文件之前加入本文研究的智能識(shí)別方法，即可達(dá)到自動(dòng)識(shí)別用戶音頻音量。本文使用VS2008開發(fā)環(huán)境，用VC語(yǔ)言開發(fā)完成。完成界面如圖2所示。在剛剛開始的時(shí)候，第一首曲子《綠軍裝的夢(mèng)》的音量為10個(gè)小格，在用戶不干預(yù)音量的情況下，播放器在自動(dòng)播放第2首曲子《愛情的秋天》的時(shí)候，如圖3所示，音量自動(dòng)跳到了7個(gè)小格，在播放器自動(dòng)播放第3首曲子《大碗茶》的時(shí)候，如圖4所示，音量自動(dòng)跳到了4個(gè)小格。這是因?yàn)槊總€(gè)曲子的增益不一樣，要達(dá)到最后用戶聽到的音量保持一致，系統(tǒng)自動(dòng)調(diào)節(jié)播放器播放當(dāng)前MP3文件音量的大小來(lái)控制最后用戶聽到的音量與之前的MP3文件音量一致，用這樣的系統(tǒng)播放MP3自然提高了用戶聽覺的舒適性。

5結(jié)束語(yǔ)

通過研究MP3音頻文件的格式，用二進(jìn)制形式打開文件，提取MP3文件中的增益信息，結(jié)合上次播放的音量和增益信息，與當(dāng)前文件的增益信息得出當(dāng)前文件播放時(shí)需要的音量，達(dá)到了用戶在用此系統(tǒng)播放MP3文件時(shí)，音量自動(dòng)與用戶設(shè)定的大小一致，提高了用戶在使用MP3音頻文件時(shí)的舒適性。當(dāng)然直接用人耳來(lái)判斷聲音大小，不同的人是有一定的差異，如何解決這個(gè)問題，需要參照其他技術(shù)手段進(jìn)行測(cè)試，進(jìn)一步改進(jìn)算法，這是以后改進(jìn)的方向。

參考文獻(xiàn)

[1]楊鑫芳.將多首歌曲音量一步標(biāo)準(zhǔn)化[N].電子報(bào)， 2018-12-30.

[2]馮晨露，任建宇.移動(dòng)終端音量調(diào)節(jié)專利技術(shù)分析[J].中國(guó)科技信息，2019（17）：23-24.

[3]陳崇輝，鄧筠.基于慣性傳感器的體感手環(huán)教學(xué)系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2020，28（8）：182-186.

[4]雷星蒙，孫婧楠，肖曼琳.地鐵車廂中廣播自適應(yīng)音量控制系統(tǒng)的設(shè)計(jì)[J].科技傳播，2018，10（7）：66-67.

[5]曹強(qiáng).數(shù)字音頻規(guī)范與程序設(shè)計(jì)：基于Visual C++開發(fā)[M].北京：中國(guó)水利水電出版社， 2012 .

[6] GHASEMZADEH H. Multi-Layer Architecture for Efficient Steganalysis of UnderMp3Cover in Multi-Encoder Scenario[J].IEEE Transactions on Information Forensics and Security， 2019，14（1）：186-195.

[7]阮燁.基于壓縮音頻主碼本可替代位的信息隱藏算法研究[D].北京：北京林業(yè)大學(xué)，2019.

[8]董寧.MP3編碼算法的改進(jìn)與優(yōu)化[J].電子設(shè)計(jì)工程， 2015，23（14）：48-50.