AGC für Linux ALSA: Implementierung und Einrichtung

Automatische Pegelanpassung für Embedded-Systeme: Linux-ALSA-Implementierung

Der AGC-Algorithmus (Automatic Gain Control) gleicht Audiosignale in Echtzeit aus und macht manuelle Nachjustierungen überflüssig. In Linux-Kommunikationssystemen mit ALSA löst er das Problem ungleichmäßiger Lautstärken aus verschiedenen Quellen. Diese Implementierung zielt auf das S16_LE-Format, 8000 Hz, Mono ab, mit einer Latenz von bis zu 500 ms und einer CPU-Auslastung unter 3 %.

Ziel ist die Verarbeitung kurzer Sprachübertragungen ohne Averaging der gesamten Datei. Tests umfassen subjektive Kriterien (Sprachverständlichkeit) und objektive (Reduktion des Dynamikbereichs).

Analyse von fertigen Lösungen: KI und Plugins

Das Nvidia-Studiovoice-Modell normalisiert die Lautstärke und unterdrückt Rauschen, erfordert aber ein Resampling von 48 kHz auf 8 kHz, was Latenz hinzufügt. Lokaler Einsatz scheitert an Abhängigkeiten.

Das ALSA-Speex-Plugin (basierend auf speexdsp) aktiviert sich mit agc on und agc_level (1–32768). Konfiguration in /etc/asound.conf:

pcm.agc_pcm {
  type speex
  agc on
  agc_level 23400
  slave.pcm "dev_out"
}

pcm.test_agc {
  type plug
  slave.pcm agc_pcm
}

Test: arecord -D dev_in | aplay -D test_agc. Probleme: anfängliches Ausblenden, "Knacken" durch Underruns, undokumentierte frames und filter_length. Fazit: bedingt brauchbar.

FFmpeg dynaudnorm: Der Algorithmus im Detail

Der dynaudnorm-Filter passt perfekt: ffmpeg -f alsa -i dev_in -filter:a "dynaudnorm=f=20:g=33:m=100:c=1" output.wav.

Parameter:

• f=20 — 20 ms Frame für kurze Übertragungen;
• g=33 — Gauß-Glättung (balanciert Latenz und Glätte);
• m=100 — max. Verstärkung (abhängig von Lautstärkepegel);
• c=1 — DC-Korrektur (entfernt Offset durch Störungen).

Algorithmus:

• Eingangsframe der Größe F;
• DC-Korrektur;
• Peak-Erkennung;
• Berechnung des Verstärkungsfaktors;
• Gauß-Filter zur Glättung;
• Anwenden der Verstärkung und Ausgabe.

Der Filter unterdrückt kein Rauschen. Alternativen: FFmpeg's afftdn, anlmdn, arnndn oder ALSA-Rnnoise mit RNN.

Eigene C++20-Implementierung

Python/Jupyter-Prototyp simuliert Echtzeitverarbeitung: 20-ms-Buffer ohne Laden der gesamten Datei. Oszilloskop-Ansichten bestätigen Dynamikbereichskompression.

Final: C++20 mit Klassen AutomaticGainControl und GaussianFilter. Projektstruktur:

• libagc — statische Bibliothek;
• agc_pipe — Pipe-Utility;
• ALSA-Plugin libasound_module_pcm_agc.so.

agc_pipe-Optionen:

Erlaubte Optionen:

-h [ --help ] Hilfe anzeigen

-m [ --msec ] arg (=20) Framelänge in ms

-c [ --channel ] arg (=1) Zu filternde Kanäle

-r [ --rate ] arg (=8000) Abtastrate

-f [ --filter ] arg (=13) Gauß-Filtergröße

-p [ --peak ] arg (=0.950000) Max. Peak-Wert

-g [ --gain ] arg (=100) Max. Verstärkung

-v [ --verbose ] Detaillierte Logs aktivieren

Test: arecord -D <input> -f S16_LE -t raw | ./agc_pipe -f 7 -g 99 | aplay -D <output> -f S16_LE -t raw.

Leistung: +3 % CPU für eine Quelle, ~400 ms Latenz (FrameLenMs=20, FilterSize=13). Nutzt std::span für Sicherheit.

Wichtige Erkenntnisse

• AGC reduziert den Dynamikbereich, ohne die Sprachverständlichkeit zu beeinträchtigen;
• DC-Korrektur ist essenziell, um Hardware-Artefakte zu beseitigen;
• Gauß-Filterung sorgt für sanfte Übergänge und minimiert Clipping;
• C++20-OOP-Implementierung übertrifft FFmpeg in Wartbarkeit und Erweiterbarkeit;
• Ideal für Embedded-VoIP: geringe CPU-Last, minimale Latenz.

— Editorial Team