针对现有最小均方误差(Least Mean Square,LMS)语音自动增益控制(Automatic Gain Control,AGC)算法其功率参量不能准确表示语音振幅、增益控制效率较低以及增益处理后语音失真较大等问题,提出使用语音包络作为参量的变步长LMS-AGC算法...针对现有最小均方误差(Least Mean Square,LMS)语音自动增益控制(Automatic Gain Control,AGC)算法其功率参量不能准确表示语音振幅、增益控制效率较低以及增益处理后语音失真较大等问题,提出使用语音包络作为参量的变步长LMS-AGC算法。首先按帧计算语音包络作为参量,提升参量表示语音振幅的准确度;然后利用递归平滑的语音包络误差平方,调节LMS算法的步长,提升算法的增益响应速度;最后将算法与低失真的限幅处理机制结合,解决现有LMS-AGC算法增益处理后存在过门限尖峰的问题。实验结果表明,相比现有基于功率的变步长LMS-AGC算法,基于语音包络的变步长LMS-AGC算法的增益响应速度更快,增益处理后客观语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)平均提升0.4分,并且迭代运算量可以下降一个数量级。展开更多
文摘针对现有最小均方误差(Least Mean Square,LMS)语音自动增益控制(Automatic Gain Control,AGC)算法其功率参量不能准确表示语音振幅、增益控制效率较低以及增益处理后语音失真较大等问题,提出使用语音包络作为参量的变步长LMS-AGC算法。首先按帧计算语音包络作为参量,提升参量表示语音振幅的准确度;然后利用递归平滑的语音包络误差平方,调节LMS算法的步长,提升算法的增益响应速度;最后将算法与低失真的限幅处理机制结合,解决现有LMS-AGC算法增益处理后存在过门限尖峰的问题。实验结果表明,相比现有基于功率的变步长LMS-AGC算法,基于语音包络的变步长LMS-AGC算法的增益响应速度更快,增益处理后客观语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)平均提升0.4分,并且迭代运算量可以下降一个数量级。
