Linux ALSA 的 AGC：实现与设置

嵌入式系统自动增益控制：Linux ALSA 实现

AGC（自动增益控制）算法实时标准化音频信号电平，无需手动调节。在使用 ALSA 的 Linux 通信系统中，它能有效解决不同来源音量不均的问题。本实现针对 S16_LE 格式、8000 Hz、单声道，延迟最高 500 ms，CPU 占用低于 3%。

目标是处理短语音传输，而非整文件平均。测试涵盖主观标准（语音清晰度）和客观标准（动态范围压缩）。

现成解决方案分析：AI 模型与插件

Nvidia 的 studiovoice 模型能标准化音量并抑制噪声，但需从 48 kHz 重采样到 8 kHz，增加延迟。因依赖问题，无法本地部署。

ALSA speex 插件（基于 speexdsp）通过 agc on 和 agc_level（1–32768）激活。在 /etc/asound.conf 中配置：

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

pcm.test_agc {
  type plug
  slave.pcm agc_pcm
}

测试命令：arecord -D dev_in | aplay -D test_agc。问题：初始淡出、欠载引起的“爆音”，frames 和 filter_length 未文档化。结论：可用。

FFmpeg dynaudnorm：算法详解

dynaudnorm 滤镜完美契合：ffmpeg -f alsa -i dev_in -filter:a "dynaudnorm=f=20:g=33:m=100:c=1" output.wav。

参数说明：

• f=20 — 20 ms 帧长，适合短传输；
• g=33 — 高斯平滑（平衡延迟与平滑度）；
• m=100 — 最大增益（与音量上限相关）；
• c=1 — DC 校正（去除干扰偏移）。

算法流程：

• 输入帧大小 F；
• DC 校正；
• 峰值检测；
• 增益系数计算；
• 高斯滤波平滑；
• 应用增益并输出。

该滤镜不抑制噪声。替代方案：FFmpeg 的 afftdn、anlmdn、arnndn，或 ALSA 的 rnnoise（RNN 模型）。

自定义 C++20 实现

Python/Jupyter 原型模拟实时处理：20 ms 缓冲区，无需加载整文件。示波器视图确认动态范围压缩效果。

最终版：C++20，使用 AutomaticGainControl 和 GaussianFilter 类。项目结构：

• libagc — 静态库；
• agc_pipe — 管道工具；
• ALSA 插件 libasound_module_pcm_agc.so。

agc_pipe 选项：

允许选项：

-h [ --help ] 显示帮助

-m [ --msec ] arg (=20) 帧长（毫秒）

-c [ --channel ] arg (=1) 声道数

-r [ --rate ] arg (=8000) 采样率

-f [ --filter ] arg (=13) 高斯滤波器尺寸

-p [ --peak ] arg (=0.950000) 最大峰值

-g [ --gain ] arg (=100) 最大增益

-v [ --verbose ] 启用详细日志

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

性能：单源 +3% CPU，约 400 ms 延迟（FrameLenMs=20，FilterSize=13）。使用 std::span 确保安全。

关键要点

• AGC 压缩动态范围，同时保持语音清晰；
• DC 校正是消除硬件伪影的关键；
• 高斯滤波确保平滑过渡，减少削波；
• C++20 面向对象实现优于 FFmpeg 的可维护性和扩展性；
• 完美适用于嵌入式 VoIP：低 CPU 负载、最小延迟。

— Editorial Team