WebRTC提供一套音频处理引擎,

包含以下算法:

AGC自动增益控制(Automatic Gain Control)

ANS噪音抑制(Automatic Noise Suppression)

AEC是声学回声消除(Acoustic Echo Canceller for Mobile)

VAD是静音检测(Voice Activity Detection)

这是一套非常经典,以及值得细细品阅学习的音频算法资源。

在前面分享的博文,也有提及音频相关知识点。

一些算法优化的知识点,由于历史的原因,

WebRTC的实现已经不是当下最优的思路。

但也是非常经典的。

例如:

AGE算法中的WebRtcSpl_Sqrt  快速开平方的实现。

可以采用如下汇编函数替换之:

static float fast_sqrt(float x) {
float s;
#if defined(__x86_64__)
__asm__ __volatile__ ("sqrtss %1, %0" : "=x"(s) : "x"(x));
#elif defined(__i386__)
s = x;
__asm__ __volatile__ ("fsqrt" : "+t"(s));
#elif defined(__arm__) && defined(__VFP_FP__)
__asm__ __volatile__ ("vsqrt.f32 %0, %1" : "=w"(s) : "w"(x));
#else
s = sqrtf(x);
#endif
return s;
}

现代很多cpu 汇编指令已经支持开平方的快速实现,

经过测试比对确实会比WebRtcSpl_Sqrt 快不少的。

关于开平方的快速实现,详情可以看下:

https://www.codeproject.com/Articles/69941/Best-Square-Root-Method-Algorithm-Function-Precisi

做算法优化的同学,就放过开平方吧。

每个算法有两个基本指标,

性能,效果。

WebRTC 着力于音频通信,所以它对性能的要求是极高的。

而算法的性能的优化,绝大多数情况的思路,都是特例化。

以前在公司开技术分享会的时候,也分享过。

也就一句话,越靠近CPU,性能越快。

也就是除非要不得以,请不要写到硬盘上,然后再读上来。

因为硬盘离CPU太远了。

所以优化的思路也就非常明显了。

从快到慢的介质分别是

CPU的寄存器 -> CPU的缓存 -> 内存空间 -> 硬盘空间(磁盘)

所以 尽可能地要使用上层的资源,能用寄存器就用寄存器,

能往CPU的资源上靠,就要把算法数据结构和资源做得更加紧凑。

关于CPU的相关资源:

https://www.cpuid.com/softwares/cpu-z.html

可以下一个CPU-Z 查看一下。

抽丝剥茧,一定要了解CPU的结构性能信息。

然后对症下药,尽可能符合CPU的口味。

科普下算法优化的思路:

1.尽可能多用局部变量,编写最短,最有效的闭合函数。

为了编译处理的时候,能最终用上寄存器,去缓存。

2.尽可能少调用函数,参数最好是指针或引用传递,这样能减少拷贝,

当然,可以的话参数要尽可能地少。

3.处理的数据尽可能紧凑且少,数据对齐很大程度上,

就是为了符合CPU的喜好,用上它的缓存。

4.尽可能顺序读写,也是为了用上缓存资源

5.计算降级,一般情况下乘法比加法耗时,除法比乘法耗时。

浮点比整形耗时。

所以将乘法降为加法,将除法降为乘法,浮点降为整形(定点化)。

这一条大多数朋友若是不清楚为什么,可以移步资源:

https://github.com/ARM-software/CMSIS_5

阅读其中的一些实现,你会找到具体原因的。

这里就不展开了。

6.能用内存的,就不要用磁盘,我想这个没必要多解释了。

7.当然如果能用特定算法思路数据接口进行优化也是可以的,例如查表之类的。

好像有点跑题了,回到主题上。

抽空把以上提及的几个算法整理成

单文件实现的方式,并附加示例代码。

便于学习或者工程化之用。

相关项目地址:

https://github.com/cpuimage/WebRTC_AECM

https://github.com/cpuimage/WebRTC_NS

https://github.com/cpuimage/WebRTC_VAD

https://github.com/cpuimage/WebRTC_AGC

路漫漫其修远兮,一条道走到黑。

用cmake即可进行编译示例代码,详情见CMakeLists.txt。

若有其他相关问题或者需求也可以邮件联系俺探讨。

邮箱地址是: 
gaozhihan@vip.qq.com

WebRTC 音频算法 附完整C代码的更多相关文章

  1. 音频降噪算法 附完整C代码

    降噪是音频图像算法中的必不可少的. 目的肯定是让图片或语音 更加自然平滑,简而言之,美化. 图像算法和音频算法 都有其共通点. 图像是偏向 空间 处理,例如图片中的某个区域. 图像很多时候是以二维数据 ...

  2. mser 最大稳定极值区域(文字区域定位)算法 附完整C代码

    mser 的全称:Maximally Stable Extremal Regions 第一次听说这个算法时,是来自当时部门的一个同事, 提及到他的项目用它来做文字区域的定位,对这个算法做了一些优化. ...

  3. 音频自动增益 与 静音检测 算法 附完整C代码

    前面分享过一个算法<音频增益响度分析 ReplayGain 附完整C代码示例> 主要用于评估一定长度音频的音量强度, 而分析之后,很多类似的需求,肯定是做音频增益,提高音量诸如此类做法. ...

  4. 音频自动增益 与 静音检测 算法 附完整C代码【转】

    转自:https://www.cnblogs.com/cpuimage/p/8908551.html 前面分享过一个算法<音频增益响度分析 ReplayGain 附完整C代码示例> 主要用 ...

  5. 基于傅里叶变换的音频重采样算法 (附完整c代码)

    前面有提到音频采样算法: WebRTC 音频采样算法 附完整C++示例代码 简洁明了的插值音频重采样算法例子 (附完整C代码) 近段时间有不少朋友给我写过邮件,说了一些他们使用的情况和问题. 坦白讲, ...

  6. 基于RNN的音频降噪算法 (附完整C代码)

    前几天无意间看到一个项目rnnoise. 项目地址: https://github.com/xiph/rnnoise 基于RNN的音频降噪算法. 采用的是 GRU/LSTM 模型. 阅读下训练代码,可 ...

  7. 自动曝光修复算法 附完整C代码

    众所周知, 图像方面的3A算法有: AF自动对焦(Automatic Focus)自动对焦即调节摄像头焦距自动得到清晰的图像的过程 AE自动曝光(Automatic Exposure)自动曝光的是为了 ...

  8. 磨皮美颜算法 附完整C代码

    前言 2017年底时候写了这篇<集 降噪 美颜 虚化 增强 为一体的极速图像润色算法 附Demo程序> 这也算是学习过程中比较有成就感的一个算法. 自2015年做算法开始到今天,还有个把月 ...

  9. 图片文档倾斜矫正算法 附完整c代码

    2年前在学习图像算法的时候看到一个文档倾斜矫正的算法. 也就是说能将一些文档图像进行旋转矫正, 当然这个算法一般用于一些文档扫描软件做后处理 或者用于ocr 文字识别做前处理. 相关的关键词: 抗倾斜 ...

随机推荐

  1. property()函数

    class C: def __init__(self, size=10): self.size = size def getXSize(self): return self.size def setX ...

  2. hasattr(obj,attr) 判断前面是否有后面的属性

    hasattr(obj,attr) 判断前面是否有后面的属性

  3. line-height与图片底部间隙的学习整理转述

    前言:这是笔者学习之后自己的理解与整理.如果有错误或者疑问的地方,请大家指正,我会持续更新! 看大牛张鑫旭的视屏可能会理解的更深一些,点击这里: line-height,两行文字的基线之间的距离: 基 ...

  4. Spring Cloud学习笔记-001

    Spring Boot快速入门 1. Eclipse新建maven工程,骨架选择quickstart: 2. 加入springboot的父工程,和web依赖: 3. 编写一个简单的RESTful接口, ...

  5. jvm学习记录-对象的创建、对象的内存布局、对象的访问定位

    简述 今天继续写<深入理解java虚拟机>的对象创建的理解.这次和上次隔的时间有些长,是因为有些东西确实不好理解,就查阅各种资料,然后弄明白了才来做记录. (此文中所阐述的内容都是以Hot ...

  6. 典型分布式系统分析之MapReduce

    在 <分布式学习最佳实践:从分布式系统的特征开始(附思维导图)>一文中,提到学习分布式系统的一个好方法是思考分布式系统要解决的问题,有哪些衡量标准,为了解决这些问题:提出了哪些理论.协议. ...

  7. ubuntu12.04更新到14.04,win7误删BCD引导项,导致两个系统都无法进入

    解决办法: 制作老毛桃U盘启动盘,使用BCD编辑软件,对C/boot下的BCD文件进行编辑,添加win7引导向. 开机进入win7后,使用easyBCD添加ubuntu14.04启动项,选择grub2 ...

  8. [原创]手把手教你写网络爬虫(5):PhantomJS实战

    手把手教你写网络爬虫(5) 作者:拓海 摘要:从零开始写爬虫,初学者的速成指南! 封面: 大家好!从今天开始,我要与大家一起打造一个属于我们自己的分布式爬虫平台,同时也会对涉及到的技术进行详细介绍.大 ...

  9. 将python代码打印成pdf

    将python代码打印成pdf,打印出来很丑,完全不能看. mac下:pycharm 编辑器有print的功能,但是会提示: Error: No print service found. 所以需要一个 ...

  10. PHPCMS v9.5.6 通杀getshell(前台)

    漏洞url:http://wooyun.jozxing.cc/static/bugs/wooyun-2014-062881.html 很好的fuzz思路. 文章提到:文件名前面的数字是被"干 ...