音频信号内容比对实用算法

2012-09-23文丨何连成

中国传媒科技 2012年2期

关键词：插播信号源波包

文丨何连成

（厦门广播电视集团首席工程师，厦门 361004）

1 广播电视信号的传输环节及其被非法插播可能性分析

1.1 信号传输拓扑示意图广播电视信号制作好以后，通过各种媒介传输到覆盖设备的前端，进行编码调制后送达最终受众的终端。覆盖方式主要包含无线覆盖（发射机房）、有线覆盖（有线电视网络）、互联网覆盖（网络数字媒体）、卫星覆盖等，示意图如下：

图1 信号传输拓扑示意图

一般来说作为覆盖设备的机房，其信号源都需要有来自不同路由的主、备路，如图中所示。主、备路由有各种不同的组合，如双光纤（路由不同），或一路光纤、一路微波，也有些机房还会使用接收自卫星的信号作为备用信号源，如图中的“发射机房”。

1.2 非法信号入侵的途径如图1所示，以“发射机房”为例。由于传输路途可能很遥远，实际上每一种传输路径都有可能被插播。光纤可能被窃听，获取传输格式，然后切断插入非法信号；微波传输，在靠近的地点使用大功率非法信号波束照射接收天线，可能压制合法信号；卫星接收的信号源，当卫星被非法信号攻击时，也可能被非法插播。

虽然实现上述插播方式有一定难度，遭遇到的可能性不高，但安全播出的要求很高，还是需要对一切可能的安全播出隐患做出防范对策。

2 防非法插播的技术策略和关键算法

2.1 技术策略分析选择如果直接对信号源的内容意义进行分析，判断其内容是否符合政策和宣传要求，那么按现有的计算机软件软件技术而言，不仅难度非常高，而且准确率和实时性也很难满足要求。但是考虑到实际上信号源有多路的情况下，我们可以用更简单的办法来判断是否有哪路信号路径被插播。那就是把同一节目的来自不同路由的信号源拿来进行内容比对，如果所有路由的信号内容全部相同，那么说明信号是安全的；否则，说明其中必有一路信号被非法插播，这时就要马上输出报警信息，等待人工对信号内容进行识别判断。如果信号源路由超过2路，也可以先把内容与众不同的那一路排除出去，从内容相同的信号源中选一路输出去播出，然后再报警请求人工监听的最后裁决。

使用内容比对的方法，我们不需要对信号内容的意义做出判断，只需要对不同信号源的内容是否一致做出判断即可，这样对技术上的要求就降低到了可行的程度。

2.2 音频信号内容比对的依据可用的技术手段，无非是用于音频信号处理的电路硬件和对采样数据进行分析的软件。关键在于对信号源内容是否一致的特征提取。如果对某路音频信号源的信号波形用示波器进行观察，可以发现每当播音员讲话或播放音乐时，示波器上都会出现相应的波包，而当出现节目间隙、语言语句之间的间隙、音乐之间的间隙的时候，示波器上的波形就近乎一条直线（幅度近乎零）。如图2～图5所示：

图2 内容相同的两路语言信号波形对比

图3 内容不同的两路语言信号波形对比

图4 内容相同的含音乐背景的两路信号波形对比

图5 准白噪声（上）与音乐（下）信号波形对比

我们可以把语音节目的内容，看成是由各种不同时间长度和幅度变化规律的波包，以及各种不同时间长度的间隙组成的信息系列。这种系列与节目内容一一对应，相同的节目内容必有完全相同的系列，而不同的系列则意味着不同的节目内容。图2展示了两路内容相同、没有时延差的语言信号的信息系列，图3是内容不同的信息系列。

因此，我们就把对内容的判断转化成对音频信息系列的比对判断，如果信息系列完全相同则内容相同，否则内容不同。从图2～图5可以看出来，只要比对的信号中有一路是纯语言类，内容相同与否其特征非常明显；音乐（或带音乐背景）类信号之间，以及与准白噪声之间的波包特征差别较小甚至难于分辨。

2.3 具体电路和关键算法来自不同路由的音频信号可能存在时间延迟，即不同步的问题。因此在进行信号比对之前必须先把两路信号的时间点“拉”齐，一般是把先到达的信号延时然后与后到达的信号对齐在同一时间点。假设最大可能的信号时间延迟为5秒，用于信号比对的时长为3秒，下面讨论不同处理算法的资源开销。

2.3.1 直接对音频信号高速采样的比对方案直接的音频信号采样，为了不漏掉任何一个信号上升下降细节，采样率最好是最高信号频率分量的十倍以上。调频立体声的音频信号最高频率达15 KHz，采样率需要达到150 KB/S。因为比对前不知道两路信号哪一路的延时更多，所以实际需要截取的信号时长是比对时长与最大信号延时时长之和，即8秒。每一路信号8 s时长的采样数据个数为8*150K= 1200K。为了得到信号比对的结果，需要对每一路信号的采样数据逐个后移，取其后3 s的数据与另一路信号的前3 s数据进行逐个比对，因此最大的比对次数为2*5*150K*3*150K=6.75*1011次，而每次比对都需要取数、运算、比较判断、统计存储等操作，最少也需要10个指令周期，就算都是单时钟周期指令，总共也需要6.75*1012个时钟周期，这一切需要在3秒内完成，所以每秒需要最少2.25*1012个时钟，即时钟频率要达到2250GHz。这还只是进行两路信号的比对运算量，如果要求更多路信号的比对，运算量还要大得多。这样的运算速度对于单核的芯片是很难完成的，需要多核的高速芯片并行计算才可能实现。因此这种方案成本太高，现实可行性差。

图6 音频信号包络检波预处理

2.3.2 先对信号进行包络检波，再低速采样的比对方案如果先对音频信号进行幅度变化的包络检波——简单的预处理，那么虽然我们失去了波形的瞬间（毫秒级）幅度变化细节，但是还是可以保留语句、音乐等间隙和幅度变化的整体趋势等最重要的特征信息，而这些信息对内容比对来说就已经足够了，这样做的结果就是可以极大降低比对所需要的运算速度。下面以图6的预处理电路参数为例说明：

上图中的检波电路可以消除检波二极管死区电压的影响，即使只有几十毫伏的音频信号也能得到正常的包络输出。包络跟踪的R1C1 =47 ms，因此采样周期可以取5 ms，即采样速率200 B/S。对于时长3 s、最大可能延时量5 s的两路音频数据进行完整比对所需要的最大比对次数为2*5*200*3*200=1.2*106次，需要的总时钟周期数为1.2*107 ,如果运算时间最长为3 s，则时钟频率要求为最小4 MHz。这样的运算速度要求还不到上一方案的百万分之一，使用价格便宜的51系列单片机就可以实现了。当然，使用运算速度更快的芯片或DSP 可以获得更快的反应速度，实时性更令人满意。

2.3.3 采样数据的比对处理和判断基准在两路音频信号之间进行采样数据比对，还要考虑信号本身的幅度问题。内容相同的信号幅度不一定相同，但对采样数据进行比对时，其比例应该是相同的，这一比例值可以取一段时间长度（例如8 s）中两路信号最大采样值之比为“比例参考值”。

对于语言类信号，使用图6的信号预处理电路，如果对一段时间长度3秒的采样数据进行逐一比对，大量的实验表明：1）如果内容相同，则采样数据值之比与“比例参考值”误差10%以内的比对结果（简称“比例一致性”）个数，可以占总比对个数的80%以上。这个结论在反复的实验中至少有99%的准确性。2）如果内容不同，则“比例一致性”个数，占总比对个数的50%以下。这个结论在反复的实验中至少有95%的准确性。3）如果把“比例一致性”的个数是否占总比对个数65%以上，作为语言类节目内容是否相同的判断基准，则准确率可达99%以上。4）对报警实时性放宽要求，可以极大降低误报率。每增加一次（3秒）比对内容不一致的累积才报警，误报率可以降低100倍。

图7

以上算法的准确性主要受信号的信噪比影响。信噪比20 dB以下的时候，当信号幅度小的瞬间噪声电平的影响比率增大很多，影响了其判断的准确度。为了修正这种影响，可以适当调整“比例一致性”的标准，例如当采样值为最大值的十分之一以下时，改用与“比例参考值”误差30%以内作为“比例一致性”的参考标准。

2.3.4 音乐节目信号之间内容比对的优化方法从图4看到，音乐节目或含有音乐背景的节目，其波包的特征比较不明显，以上述算法去判断准确率是比较低的。因为音乐信号由各种不同的乐器组合而成，不同乐器其频谱是不同的，所以可以按频谱对总信号进行分频率段滤波筛选，分别进行检波采样，然后再用上述算法判断，这样做以后准确率依然可以很高。例如可以把300 Hz 以下的为一段（分出鼓类乐器），500 Hz～2000 Hz为一段（中音乐器），3000 Hz以上为一段（高音乐器）。分得越细准确度越高，但是计算量越大，要求的芯片处理速度越高。

2.3.5 准白噪声信号的识别某些情况下，当节目信号丢失时，信道完全由噪声占据，表现为幅度连续的宽频谱的“沙沙”声，这里称之为“准白噪声”。“准白噪声”与音乐信号在总波形的波包特征上差别不大，很难直接识别出来。但是，如果按频谱对总信号进行分段筛选，分段后的波包特征，音乐信号与准白噪声信号之间的差别还是很明显的。准白噪声信号无论是总信号波包还是分频段的信号波包，都显示出很“木”的特征，即起伏很小而且一直不变，信息含量很低；而音乐信号在分频段之后，其波包显得很活跃，并时刻在随着内容的不同而变化着。根据这些特征可以对某路信号是噪声还是音乐节目作出准确的判断。