AGC para Linux ALSA: implementación y configuración

Control Automático de Ganancia para Sistemas Empotrados: Implementación en Linux ALSA

El algoritmo AGC (Control Automático de Ganancia) normaliza los niveles de señal de audio en tiempo real, eliminando la necesidad de ajustes manuales. En sistemas de comunicación Linux con ALSA, resuelve problemas de volumen desigual proveniente de diversas fuentes. Esta implementación se enfoca en el formato S16_LE, 8000 Hz, mono, con latencia máxima de 500 ms y uso de CPU inferior al 3%.

El objetivo es procesar transmisiones de voz cortas sin promediar archivos completos. Las pruebas cubren criterios subjetivos (inteligibilidad del habla) y objetivos (reducción del rango dinámico).

Análisis de Soluciones Listas: IA y Plugins

El modelo studiovoice de Nvidia normaliza el volumen y suprime ruido, pero requiere remuestreo de 48 kHz a 8 kHz, lo que añade latencia. Su uso local es imposible por dependencias.

El plugin speex de ALSA (basado en speexdsp) se activa con agc on y agc_level (1–32768). Configuración en /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
}

Prueba: arecord -D dev_in | aplay -D test_agc. Problemas: fundido inicial, "chasquidos" por subejecuciones, parámetros frames y filter_length sin documentar. Veredicto: aprobado.

FFmpeg dynaudnorm: Desglose del Algoritmo

El filtro dynaudnorm es ideal: ffmpeg -f alsa -i dev_in -filter:a "dynaudnorm=f=20:g=33:m=100:c=1" output.wav.

Parámetros:

• f=20 — marco de 20 ms para transmisiones cortas;
• g=33 — suavizado gaussiano (equilibra latencia y fluidez);
• m=100 — ganancia máxima (vinculada al nivel de volumen);
• c=1 — corrección DC (elimina offset por interferencias).

Algoritmo:

• Marco de entrada de tamaño F;
• Corrección DC;
• Detección de pico;
• Cálculo del coeficiente de ganancia;
• Filtro gaussiano para suavizado;
• Aplicar ganancia y salida.

El filtro no suprime ruido. Alternativas: afftdn, anlmdn, arnndn de FFmpeg, o rnnoise de ALSA con RNN.

Implementación Personalizada en C++20

Prototipo en Python/Jupyter simula procesamiento en tiempo real: buffers de 20 ms sin cargar el archivo completo. Visualizaciones en osciloscopio confirman compresión del rango dinámico.

Versión final: C++20 con clases AutomaticGainControl y GaussianFilter. Estructura del proyecto:

• libagc — biblioteca estática;
• agc_pipe — utilidad de tubería;
• Plugin ALSA libasound_module_pcm_agc.so.

Opciones de agc_pipe:

Opciones permitidas:

-h [ --help ] Mostrar ayuda

-m [ --msec ] arg (=20) Duración del marco en ms

-c [ --channel ] arg (=1) Canales a filtrar

-r [ --rate ] arg (=8000) Frecuencia de muestreo

-f [ --filter ] arg (=13) Tamaño del filtro gaussiano

-p [ --peak ] arg (=0.950000) Pico máximo

-g [ --gain ] arg (=100) Ganancia máxima

-v [ --verbose ] Activar logs detallados

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

Rendimiento: +3% CPU para una fuente, ~400 ms de latencia (FrameLenMs=20, FilterSize=13). Usa std::span para seguridad.

Lecciones Clave

• El AGC reduce el rango dinámico sin afectar la claridad del habla;
• La corrección DC es esencial para eliminar artefactos de hardware;
• El filtrado gaussiano garantiza transiciones suaves, minimizando recortes;
• La implementación OOP en C++20 supera a FFmpeg en mantenibilidad y extensibilidad;
• Ideal para VoIP empotrado: baja carga de CPU, latencia mínima.

— Editorial Team