【技术实现步骤摘要】
基于变步长LMS算法的声音处理方法及系统
本专利技术涉及声音信号处理技术,尤其是一种基于自适应算法的语音信号处理方法以及系统。
技术介绍
声音信号从获取到输出的过程中,通常需要进行信号处理。其中一种最为常见的处理手段就是进行声音信号的增益控制处理,以实现声音信号的均衡输出。目前使用较多的AGC算法均是基于能量比较的一种算法,首先搜索最近时间片内信号的最大幅值,如果搜索到的当前帧功率值比现有的最大功率值大,则更新最大功率值;根据搜索到的最大功率值,与预先设定的期望值相比开方得到期望增益;再根据当前帧的期望增益与前一帧的实际增益利用一阶递归平滑滤波器计算当前帧的实际增益;最后将当前帧的所有采样点与增益值相乘,得到当前帧输出信号。目前所使用的AGC算法虽可以防止语音信号过载现象的发生,但在语音突变时会产生线性失真,这是因为算法没有考虑到每一帧语音信号功率变化范围可能较宽的情况,对上、下溢信号和线性区信号处理方式一样,就会增加处理误差。此外,基于自适应的LMS、NMLS、RLS等算法也在声音信号处理中得到逐步的应用,然而,也都存在语音突变时线性失真产生的误差较大,语音信号调节速度较慢,甚至是延迟,使得听众的听觉舒适度不理想等问题。
技术实现思路
本专利技术的目的在于,解决上述问题,提供改进的基于变步长LMS算法的声音处理方法及系统,可有效避免在语音突变时线性失真产生的较大误差,使得语音信号调节速度快,使语音能够保持在一定幅值范围,提高听众的听觉舒适度。本专利技术的目的之一是提供一种基于变步 ...
【技术保护点】
1.基于变步长LMS算法的声音处理方法,其特征在于,包括步骤:/nS1、迭代计算当前时刻的增益值g(n),所述增益值g(n)的计算式为:/ng(n)=g(n-1)+u(n-1)*e(n-1)*P
【技术特征摘要】
1.基于变步长LMS算法的声音处理方法,其特征在于,包括步骤:
S1、迭代计算当前时刻的增益值g(n),所述增益值g(n)的计算式为:
g(n)=g(n-1)+u(n-1)*e(n-1)*Px(n-1);
其中,Px(n-1)为前一时刻声音输入信号的功率值,u(n-1)为前一时刻的步长因子,e(n-1)为前一时刻的误差值,g(n-1)为前一时刻增益值,n为当前时刻声音输入信号的序号,n为正整数,且n≥2。
S2、依据计算得到的增益值对当前时刻的声音输入信号x(n)进行增益处理,得到输出信号y(n):
y(n)=g(n)*x(n)。
2.根据权利要求1所述的基于变步长LMS算法的声音处理方法,其特征在于,还包括步骤:
S3、计算当前时刻声音输入信号的功率值Px(n)、当前时刻的步长因子u(n)以及当前时刻的误差值e(n);
S4、迭代计算下一时刻的增益值g(n+1),计算式为g(n+1)=g(n)+u(n)*e(n)*Px(n);
S5、根据增益值g(n+1)对下一时刻的声音输入信号x(n+1)进行增益处理,得到下一时刻的声音输出信号y(n+1),计算式为y(n+1)=g(n+1)*x(n+1)。
3.根据权利要求2所述的基于变步长LMS算法的声音处理方法,其特征在于,当前时刻声音输入信号的功率值Px(n)的计算式为:
Px(n)=λPx(n-1)+(1-λ)x2(n),
其中,λ为平滑因子,λ取值范围为0<λ<1,x2(n)为当前时刻声音输入信号x(n)的平方。
4.根据权利要求2所述的基于变步长LMS算法的声音处理方法,其特征在于:当前时刻的步长因子u(n)计算式为:
其中,或者,
以上式中,a(n-1)为前一时刻的梯度平方值,β的取值范围为0<β<1,θ的取值范围为0<θ<1,Py(n-1)为前一时刻声音输出信号的功率值,P2x(n)为当前时刻声音输入信号的功率值Px(n)的平方。
5.根据权利要求4所述的基于变步长LMS算法的声音处理方法,其特征在于:所述声音输出信号功率Py(n)的计算式为:
Py(n)=g(n)*g(n)*Px(n)。
6.根据权利要求4所述的基于变步长LMS算法的声音处理方法,其特征在于:当前时刻的误差值e(n)=Pexp-Py(n),Pexp为期望值,Pexp取值范围...
【专利技术属性】
技术研发人员:潘帆,许芳芳,何培宇,夏秀渝,
申请(专利权)人:四川大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。