需求：
客户反馈产品的录音里面很多杂音（因为我们把Codec的录音增益调至最大，且电路上没有专用的音频处理芯片、CPU直接接MIC（有包地））。在外壳、硬件不能修改的情况下，软件得想想办法尝试解决问题。
首先想到的是双麦降噪，原理大概是：一个主麦克风用来做通话，另一个收集环境噪音，对音频波形分析和相位操作，叠加到主麦克风的采样波形上，形成相位抵消，就降噪了。缺点是，两个麦克风不能距离太近，并且两个麦克风距离说话人的距离不能太远，太远了角度就很小了，根本无法分辨出来，另外，根据产品使用情况，上下麦克风各自都有几率称为主麦克风。所以实验测试出来的结果并没有很好。
考虑到录音噪音在有“人声”的时候是分辨不出来的、或者说影响很小，而在静音时有明显的环境噪声，因此想使用静音降噪的方法来规避问题。
本文只是简单的静音降噪，原理如下：考虑到启动录音时，要等待一段时间（比如0.5s）才会有人声，可根据这0.5s时间来预测噪声的大小（阈值），然后以此为基础来检测“人声”的起始点。在人声到来前，把所有音频数据设置为0，也就是做静音处理，所以这里叫静音降噪。而人声到来时，返回实际的音频数据（包括里面的噪声数据）。计算阈值的方法只是简单的求和平均。
下面代码在RK平台上hardware/alsa_sound/AudioStreamInALSA.cpp实现。
#define MUTE_NOISE_REDUCTION
#ifdef MUTE_NOISE_REDUCTION
bool enable_reduction_noise = false; //由属性sys.is.audiorecord.only控制
int threshold_def = 0x400; //默认阈值
int threshold = 0; //自适应噪声阈值
int threshold_count = 0; //计数，超过THRESHOLD_COUNT则使用threshold来检测“人声”
#define THRESHOLD_COUNT 10
#define MUTE_DELAY_COUNT 15 //播放人声后保留的音频帧数、不静音
#define AUDIO_BUFFER_NUM 4 //缓存音频数据的帧数
#define AUDIO_BUFFER_SIZE 1024 //一帧的音频数据大小
char *audio_buffer[AUDIO_BUFFER_NUM]; //audio_buffer用于缓存音频数据
char *audio_buffer_temp; //用于交互音频数据
int audio_buffer_pos=0;
#endif
#ifdef MUTE_NOISE_REDUCTION
{
unsigned int value = 0;
int is_voice = 0;
static int is_mute_delay_count;
//ALOGE("in_begin_swip_num:%d in_begin_narrow_num=%d",in_begin_swip_num,in_begin_narrow_num);
if(enable_reduction_noise && bytes > AUDIO_BUFFER_SIZE){
bytes = AUDIO_BUFFER_SIZE;
}
if(enable_reduction_noise){
unsigned char * buffer_temp=(unsigned char *)buffer;
unsigned int total = 0;
unsigned int total_count=0;
unsigned int total_temp = 0;
short data16;
int j = 0;
for(j=0; j<bytes; j=j+2){
value = buffer_temp[j+1]; //第二个字节为高位数据
value = (value<<8)+buffer_temp[j]; //获得一个16bit的音频数据
data16 = value&0xFFFF;
if( (data16 & 0x8000) == 0){
//正数
total +=data16; //思考：会不会溢出
total_count++; //计数
}
}
total_temp = total/total_count;
if(total_temp > threshold_def){
is_voice++; //检测到人声
}else {
//is noise
if(threshold_count == 0){
threshold = total_temp;
}else{
threshold = (threshold+total_temp)/2;
}
threshold_count++;
if(threshold_count >= THRESHOLD_COUNT){
threshold_def = threshold*2; //更新阈值，这里的2要对产品实验来确定。
threshold_count = THRESHOLD_COUNT; //此后一直用新阈值，直到停止录音
}
}
//is_mute_delay_count的意义是，如果前面播放了人声，那再停止说话之后继续保留MUTE_DELAY_COUNT的音频数据，这样不会“戛然而止”。
if( is_voice != 0 ){
is_mute_delay_count=MUTE_DELAY_COUNT;
}else{
if(is_mute_delay_count != 0)
is_mute_delay_count--;
}
//audio_buffer的意义：检测到人声，要返回说话前的一小段音频数据，否则声音从静音到人声有个POP声的跳跃。
//这里用audio_buffer来缓存AUDIO_BUFFER_NUM帧数据。
if(is_mute_delay_count == 0){
//Mute in order to remove noise
memcpy(audio_buffer[audio_buffer_pos], (char *)buffer, bytes); //缓存音频
memset(buffer, 0, bytes); //返回静音数据
}else {
memcpy(audio_buffer_temp, (char *)buffer, bytes);
memcpy((char *)buffer, audio_buffer[audio_buffer_pos], bytes); //返回旧的音频数据
memcpy(audio_buffer[audio_buffer_pos], (char *)audio_buffer_temp, bytes); //保存新的音频数据
}
audio_buffer_pos++;
if(audio_buffer_pos>=AUDIO_BUFFER_NUM)
audio_buffer_pos=0;
}
}
#endif