音频信号内容比对实用算法

摘　要：在广播电视播出系统中，防止非法信号的入侵插播是极其重要的。在广播电视信号送去调制之前，把来自不同路由的主备信号进行内容比对，可以发现任何一个路由信号被插播的情形，并及时报警或同时进行自动切换。笔者在大量实验分析的基础上，介绍一种针对音频信号内容比对的实用算法。

关键词：信号入侵； 非法插播； 音频信号； 内容比对； 模糊算法

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：

　　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
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：
　　

　　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。
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。
     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~2 000 Hz为一段（中音乐器），3 000 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。
3 实用系统的组成与应用
    现代化覆盖设备的信号源，已经有很多是数字音频信号，这种情况可以从其音频分配器的分配口取出后进行数/模转换，然后再进行内容比对处理，判断结果作为报警触发信号或自动切换的依据。如图7所示：

    图中，语言类节目只需要用到“总包络检波”的采样数据。“频率段n”是用带通滤波器实现的，用于音乐类节目的比对和噪声信号的识别。
    该比对系统不仅可以应用于中波和调频广播，也可以对电视节目的伴音进行比对，通过对伴音内容一致性的识别来判断电视节目是否被插播，因为节目的语言被插播其后果远超图像被插播。
    笔者叙述的算法属于“模糊算法”范畴，这种智能性算法的准确度取决于对象特征提取的准确度和精细度。文中的模糊规则基准如“比例一致性”误差范围，“比例一致性”个数的占比等等，是在大量实际试验中得出来的，该算法在实际测试中完全达到了预期的准确度，是可以进行产品化的实用算法。
                                          

3