CN112151047B - 一种应用于语音数字信号的实时自动增益控制方法 - Google Patents

Abstract

本发明公开了一种应用于语音数字信号的实时自动增益控制方法，该方法包括：使用平滑滤波器求语音数字信号的近似上包络；将包络作为NLMS自适应滤波器的输入，NLMS的目标参考值根据输入信号为语音或非语音分别设置，将NLMS的自适应权重作为快速增益输出；若输入信号长时间非语音且时间超过预设的阀值，系统将切换为静默模式，快速增益设为1；若快速增益超过预设的最大增益值，则将快速增益设置为最大增益值；通过平滑滤波器将快速增益处理成平滑增益；使用平滑增益乘以输出语音信号得到输出语音信号。该方法具有快速、有效、实时的特点，可应用在实时语音通话，网络视频会议等场景，能有效解决语音忽大忽小的问题，改善用户的使用体验。

Description

一种应用于语音数字信号的实时自动增益控制方法

技术领域

本发明涉及语音信号处理领域，具体是一种应用于语音数字信号的实时自动增益控制方法。

背景技术

随着计算机和互联网技术的发展，实时语音通话和视频通话的应用越来越广泛，音视频技术也越来越得到重视。语音自动增益控制(Automatic Gain Control简称AGC)是音视频技术中音频处理的重要环节，语音自动增益控制主要目标是解决语音通话时声音忽大忽小的情况，语音自动增益控制处理效果将直接影响着用户的体验。近些年来，出现了许多实用的语音实时自动增益控制方法，他们大多都是基于语音的峰值比较和门限比较的方法，这类方法的增益响应速度往往不够快，对音量极小的语音信号往往增益不够明显。

发明内容

本发明的目的是针对现有技术的不足，而提供一种应用于语音数字信号的实时自动增益控制方法。这种方法能自适应调整语音的增益、增益小音量的语音、减小语音音量的动态范围，使得语音的音量变得相对统一，从而提高用户的听感体验。

实现本发明目的的技术方案是：

一种应用于语音数字信号的实时自动增益控制方法，与现有技术不同处在于，所述方法是采用归一化最小均方(Normalized Least Mean Square简称NLMS)自适应滤波器为核心控制单元，通过增益控制信息、包络提取和增益平滑滤波器控制整个增益过程，包括如下步骤：

1)在语音流的处理过程中，接收到经过降噪、消回声和去混响处理过后的数字语音信号x(n)和语音活动检测VAD(Voice Activity Detection简称VAD)的结果v(n)，每次处理的语音流以采样点为单位或以帧为单位，若语音流处理单位为样点，则系统的输入语音为x(n)＝x(t)、VAD信息为v(n)＝v(t)，n代表当前时刻，t代表当前采样点；若语音流处理单位为帧，则输入语音和VAD信息分别为：

x(n)＝max[X(l)]，

v(n)＝v(l)，

其中，l代表当前帧，X(l)表示当前帧的采样点向量，max表示取向量的最大值；

2)对步骤1)接受到的语音信号x(n)做绝对值处理，并求得语音信号x(n)近似包络x_env(n)；

3)将步骤2)中近似包络x_env(n)作为NLMS自适应滤波器的输入，根据步骤1)得到的VAD结果v(n)选择NLMS的目标参考值，将NLMS的自适应权重作为系统的快速增益g_f(n)，包括如下过程：

3-1)将步骤2)中得到的近似包络作为NLMS自适应滤波器的输入，根据步骤1)中接收到的VAD结果v(n)选取NLMS的参考值Ref，假设语音采样点的值为-1到1之间，当语音活动时，参考值Ref取0.001；当非语音时，参考值Ref取0.5；

3-2)所述NLMS自适应滤波器为一阶自适应滤波器，滤波器权重g_f(n)即为系统的快速增益，快速增益的迭代公式为：

g_f(n)＝g_f(n-1){1+μx_env(n)[Ref-y_f(n-1)]}，

y_f(n)＝g_f(n)x_env(n)，

步长根据自适应滤波器的输入的大小自适应调节，表达式为：

μ＝μ₀/(r+x_env(n))，

其中，初始步长μ₀根据输入单位的采样点数设置，当以采样点输入时，μ₀取0.1，r为避免分子过小而设置的，取0.0001；

4)根据步骤1)中的VAD信息和预设的最大增益阀值，调整步骤3)中系统的快速增益g_f(n)，过程为：

4-1)系统设置一个静默的限制时间T_l，根据步骤1)中接收的VAD结果v(n)，若连续非语音时间超过T_l，则系统将切换为静默模式，T_l设置为1秒；

4-2)若系统处于静默模式，则将步骤3)中的快速增益g_f(n)将直接设为1；

4-3)若系统不处于静默模式，且步骤3)得到的快速增益g_f(n)大于最大增益阀值g_max，则将快速增益g_f(n)设置为g_max；

5)将步骤4)中调整后的快速增益g_f(n)输入自适应平滑滤波器得到系统的平滑增益g(n)，自适应平滑滤波器的递归表达式为：

g(n)＝α_sg(n-1)+(1-α_s)g_f(n)，

自适应平滑滤波器的平滑时间t_s设置的越小，增益的变化就越快，底噪变化也会变快，使得听感变得突兀，t_s根据底噪的大小，设置在0.01秒到0.5秒之间；

6)将步骤5)中得到的系统平滑增益g(n)和步骤1)中的输入语音信号x(n)相乘，得到输出语音信号y(n)，表达式如下：

y(n)＝x(n)*g(n)，

若输入单位不是采样点而是帧，则整帧乘以g(n)并输出；

7)重复上述步骤1)至步骤6)，将新的语音连续输入，最终实现实时的自动增益控制，在第一次运行时，需要初始值，将步骤2)中的近似包络x_env初值设为0、步骤3)的快速增益g_f(n)初值设为1、步骤5)的平滑增益g_f(n)初值设为1。

步骤2)中所述的求得语音信号x(n)近似包络x_env(n)的过程为：先对步骤1)接收到的语音信号x(n)先求绝对值x_abs(n)，然后采用Attack/Release滤波器求得近似包络x_env(n)，公式如下：

其中，n-1代表上一时刻，上升沿即Attack和下降沿即Release分别采用不同的滤波因子α_EA和α_ER，滤波因子由平滑时间获得：

上升平滑时间t_EA和下降平滑时间t_ER分别取0.001秒和1秒，f_s为输入语音单位的采样率，若输入为采样点，则取值为语音采样率F_s；若输入为帧，则取值为：f_s＝F_s/L。

本技术方案能有效地解决语音通话中声音忽大忽小的问题，处理过后的语音听感提升明显，相较于其他现有的技术，本技术方案对极小音量的语音信号的增益效果更加明显，增益的自适应速度更快，此外，增益能根据预设的平滑时间平滑，使得系统当输入信号底噪较高时也能保持良好的听感。

这种方法能自适应调整语音的增益、增益小音量的语音、减小语音音量的动态范围，使得语音的音量变得相对统一，从而提高用户的听感体验。

附图说明

图1为实施例的原理流程框图；

图2为实施例中输入语音及输入语音的近似包络示意图；

图3为实施例中快速增益和输入VAD信息示意图；

图4为实施例中平滑增益示意图；

图5为实施例中处理过后的输出语音示意图。

具体实施方式

下面结合附图和实施例对本发明的内容做进一步阐述，但不是对本发明的限定。

实施例：

参照图1，一种应用于语音数字信号的实时自动增益控制方法，所述方法是采用NLMS自适应滤波器为核心控制单元，通过增益控制信息、包络提取和增益平滑滤波器控制整个增益过程，包括如下步骤：

1)在语音流的处理过程中，接收到经过降噪、消回声和去混响处理过后的数字语音信号x(n)和语音活动检测(Voice Activity Detection简称VAD)的结果v(n)，每次处理的语音流以采样点为单位或以帧为单位，若语音流处理单位为样点，则系统的输入语音为x(n)＝x(t)、VAD信息为v(n)＝v(t)，n代表当前时刻，t代表当前采样点；若语音流处理单位为帧，则输入语音和VAD信息分别为：

x(n)＝max[X(l)]，

v(n)＝v(l)，

其中，l代表当前帧，X(l)表示当前帧的采样点向量，max表示取向量的最大值；

2)对步骤1)接受到的语音信号x(n)做绝对值处理，并求得语音信号x(n)近似包络x_env(n)；

3)将步骤2)中近似包络x_env(n)作为NLMS自适应滤波器的输入，根据步骤1)得到的VAD结果v(n)选择NLMS的目标参考值，将NLMS的自适应权重作为系统的快速增益g_f(n)，包括如下过程：

3-1)将步骤2)中得到的近似包络作为NLMS自适应滤波器的输入，根据步骤1)中接收到的VAD结果v(n)选取NLMS的参考值Ref，假设语音采样点的值为-1到1之间，当语音活动时，参考值Ref取0.001；当非语音时，参考值Ref取0.5；

3-2)所述NLMS自适应滤波器为一阶自适应滤波器，滤波器权重g_f(n)即为系统的快速增益，快速增益的迭代公式为：

g_f(n)＝g_f(n-1){1+μx_env(n)[Ref-y_f(n-1)]}，

y_f(n)＝g_f(n)x_env(n)，

步长根据自适应滤波器的输入的大小自适应调节，表达式为：

μ＝μ₀/(r+x_env(n))，

其中，初始步长μ₀根据输入单位的采样点数设置，当以采样点输入时，μ₀取0.1，r为避免分子过小而设置的，取0.0001；

4)根据步骤1)中的VAD信息和预设的最大增益阀值，调整步骤3)中系统的快速增益g_f(n)，过程为：

4-1)系统设置一个静默的限制时间T_l，根据步骤1)中接收的VAD结果v(n)，若连续非语音时间超过T_l，则系统将切换为静默模式，T_l设置为1秒；

4-2)若系统处于静默模式，则将步骤3)中的快速增益g_f(n)将直接设为1；

4-3)若系统不处于静默模式，且步骤3)得到的快速增益g_f(n)大于最大增益阀值g_max，则将快速增益g_f(n)设置为g_max；

5)将步骤4)中调整后的快速增益g_f(n)输入自适应平滑滤波器得到系统的平滑增益g(n)，自适应平滑滤波器的递归表达式为：

g(n)＝α_sg(n-1)+(1-α_s)g_f(n)，

自适应平滑滤波器的平滑时间t_s设置的越小，增益的变化就越快，底噪变化也会变快，使得听感变得突兀，t_s根据底噪的大小，设置在0.01秒到0.5秒之间；

6)将步骤5)中得到的系统平滑增益g(n)和步骤1)中的输入语音信号x(n)相乘，得到输出语音信号y(n)，表达式如下：

y(n)＝x(n)*g(n)，

若输入单位不是采样点而是帧，则整帧乘以g(n)并输出；

7)重复上述步骤1)至步骤6)，将新的语音连续输入，最终实现实时的自动增益控制，在第一次运行时，需要初始值，将步骤2)中的近似包络x_env初值设为0、步骤3)的快速增益g_f(n)初值设为1、步骤5)的平滑增益g_f(n)初值设为1。

步骤2)中所述的求得语音信号x(n)近似包络x_env(n)的过程为：先对步骤1)接收到的语音信号x(n)先求绝对值x_abs(n)，然后采用Attack/Release滤波器求得近似包络x_env(n)，公式如下：

其中，n-1代表上一时刻，上升沿即Attack和下降沿即Release分别采用不同的滤波因子α_EA和α_ER，滤波因子由平滑时间获得：

上升平滑时间t_EA和下降平滑时间t_ER分别取0.001秒和1秒，f_s为输入语音单位的采样率，若输入为采样点，则取值为语音采样率F_s；若输入为帧，则取值为：f_s＝F_s/L。

如图2-图5所示，由图2和图5的实验变化结果可以明显看出，本例方法能够对忽大忽小的语音自适应的调整增益，使输入语音能够增益为一段音量相对统一的语音并输出，另外，由图3可以看出，滤波过后的增益曲线相对平滑，这使得本例方法即使是在有少量底噪的情况下，最终输出的语音也能保证良好的听感。

Claims (2)

1.一种应用于语音数字信号的实时自动增益控制方法，其特征在于，所述方法是采用NLMS自适应滤波器为核心控制单元，通过增益控制信息、包络提取和增益平滑滤波器控制整个增益过程，包括如下步骤：

1)在语音流的处理过程中，接收到经过降噪、消回声和去混响处理过后的数字语音信号x(n)和语音活动检测VAD的结果v(n)，每次处理的语音流以采样点为单位或以帧为单位，若语音流处理单位为样点，则系统的输入语音为x(n)＝x(t)、VAD信息为v(n)＝v(t)，n代表当前时刻，t代表当前采样点；若语音流处理单位为帧，则输入语音和VAD信息分别为：

x(n)＝max[X(l)]，

v(n)＝v(l)，

其中，l代表当前帧，X(l)表示当前帧的采样点向量，max表示取向量的最大值；

2)对步骤1)接受到的语音信号x(n)做绝对值处理，并求得语音信号x(n)近似包络x_env(n)；

3)将步骤2)中近似包络x_env(n)作为NLMS自适应滤波器的输入，根据步骤1)得到的VAD结果v(n)选择NLMS的目标参考值，将NLMS的自适应权重作为系统的快速增益g_f(n)，包括如下过程：

3-1)将步骤2)中得到的近似包络作为NLMS自适应滤波器的输入，根据步骤1)中接收到的VAD结果v(n)选取NLMS的参考值Ref，假设语音采样点的值为-1到1之间，当语音活动时，参考值Ref取0.001；当非语音时，参考值Ref取0.5；

3-2)所述NLMS自适应滤波器为一阶自适应滤波器，滤波器权重g_f(n)即为系统的快速增益，快速增益的迭代公式为：

g_f(n)＝g_f(n-1){1+μx_env(n)[Ref-y_f(n-1)]}，

y_f(n)＝g_f(n)x_env(n)，

步长根据自适应滤波器的输入的大小自适应调节，表达式为：

μ＝μ₀/(r+x_env(n))，

其中，初始步长μ₀根据输入单位的采样点数设置，当以采样点输入时，μ₀取0.1，r为避免分子过小而设置的，取0.0001；

4)根据步骤1)中的VAD信息和预设的最大增益阀值，调整步骤3)中系统的快速增益g_f(n)，过程为：

4-1)系统设置一个静默的限制时间T_l，根据步骤1)中接收的VAD结果v(n)，若连续非语音时间超过T_l，则系统将切换为静默模式，T_l设置为1秒；

4-2)若系统处于静默模式，则将步骤3)中的快速增益g_f(n)将直接设为1；

4-3)若系统不处于静默模式，且步骤3)得到的快速增益g_f(n)大于最大增益阀值g_max，则将快速增益g_f(n)设置为g_max；

5)将步骤4)中调整后的快速增益g_f(n)输入自适应平滑滤波器得到系统的平滑增益g(n)，自适应平滑滤波器的递归表达式为：

g(n)＝α_sg(n-1)+(1-α_s)g_f(n)，

其中，f_s为输入语音单位的采样率，自适应平滑滤波器的平滑时间t_s设置的越小，增益的变化就越快，底噪变化也会变快，使得听感变得突兀，t_s根据底噪的大小，设置在0.01秒到0.5秒之间；

6)将步骤5)中得到的系统平滑增益g(n)和步骤1)中的输入语音信号x(n)相乘，得到输出语音信号y(n)，表达式如下：

y(n)＝x(n)*g(n)，

若语音流处理单位不是采样点而是帧，则整帧的采样点乘以g(n)并输出；

7)重复上述步骤1)至步骤6)，将新的语音连续输入，最终实现实时的自动增益控制，在第一次运行时，需要初始值，将步骤2)中的近似包络x_env初值设为0、步骤3)的快速增益g_f(n)初值设为1、步骤5)的平滑增益g_f(n)初值设为1。

2.根据权利要求1所述的应用于语音数字信号的实时自动增益控制方法，其特征在于，步骤2)中所述的求得语音信号x(n)近似包络x_env(n)的过程为：先对步骤1)接收到的语音信号x(n)先求绝对值x_abs(n)，然后采用Attack/Release滤波器求得近似包络x_env(n)，公式如下：

其中，n-1代表上一时刻，上升沿即Attack和下降沿即Release分别采用不同的滤波因子α_EA和α_ER，滤波因子由平滑时间获得：

上升平滑时间t_EA和下降平滑时间t_ER分别取0.001秒和1秒，f_s为输入语音单位的采样率，若输入为采样点，则取值为语音采样率F_s；若输入为帧，则取值为：f_s＝F_s/L。

Images