一种融合自适应动态门限与双包络跟踪的自动增益控制方法及系统与流程

本发明属于数字音频信号处理，涉及一种融合自适应动态门限与双包络跟踪的自动增益控制方法及系统。

背景技术：

1、自动增益控制（agc）是音频信号处理中的核心技术，旨在使输出信号电平保持稳定。针对强噪声、高动态环境下的语音通信场景，已有的技术方案可分为以下几类。

2、方向一：基于固定目标电平的经典数字agc

3、采用固定目标电平和预设压缩增益构建增益曲线。其核心流程为：vad判断当前帧是否为语音帧，若是，则根据当前能量与目标电平的差异计算增益，经一阶iir平滑后输出。其vad采用非对称噪声功率估计（快降慢升），agc的包络跟踪使用单一慢速包络配合固定衰减系数。

4、该方案的局限性在于：固定目标电平和衰减系数在强噪声、高动态环境下适应性不足。当环境噪声大幅波动时，易导致噪声段被误放大或弱语音段增益不足；且单一包络跟踪器无法兼顾瞬态语音保护与稳态噪声抑制。

5、方向二：双包络跟踪agc

6、使用慢速与快速两个包络跟踪器，通过比较两者差异检测语音的起始与结束。其门控逻辑在非语音段冻结增益以防止噪声放大。

7、然而，其包络衰减系数为固定值，未根据语音活动强度动态调节；门控机制仅基于包络差异的简单比较，缺乏基于统计模型的语音存在概率度量；同时，其目标电平仍为固定值，未引入自适应门限。

8、方向三：基于语音概率模型的数字agc

9、申请号为201910860075.x，公开日为2020.01.07的中国发明专利公开了一种方法，通过语音概率模型计算每段信号的语音概率，结合包络估计和噪声分类计算双重增益，实现自适应控制。

10、该方法的局限在于：语音概率模型依赖预训练统计模型，对非平稳、快变化的机载噪声场景适应性有限；未针对嵌入式定点dsp平台进行运算优化；也未涉及与噪声抑制（ns）、回声消除（aec）等模块的协同控制。

11、方向四：机载音频处理中的agc

12、申请号为202210948786.4，公开日为2022.11.22的中国发明专利公开了基于fpga+cpu架构的机载音频处理单元，集成了agc与降噪增强功能。cn 202310157237公开了一种机载话音处理平台，采用频谱相减结合自适应增强实现agc。

13、上述方案的agc模块多采用固定门限或简单自适应lms算法，未针对强噪声下增益误抬升问题提出噪声能量自适应的动态门限策略，也未将vad驱动的衰减控制融入双包络跟踪框架。

14、方向五：基于查找表的数字agc

15、申请号为200610138564.7，公开日为2008.5.14的中国发明专利公开了一种基于幅度检测和查找表的agc方案，将检测结果与参考电平比较得到误差信号，以此为索引获取增益。us 5,623,521则使用多项式逼近计算增益值。

16、这些方案的增益表索引基于误差信号或多项式逼近，未利用前导零计数实现对信号能量自然对数的快速映射，导致计算复杂度较高；且未将查表机制与vad驱动的包络跟踪进行联动。

17、综上所述，现有agc技术方案普遍存在以下不足：

18、门限固定，环境适应差：固定目标电平无法区分“高噪声低语音”与“低噪声高语音”场景，在动态噪声环境下易产生增益过冲或不足。

19、包络跟踪缺乏vad协同：现有双包络方案的衰减系数固定，无法根据语音活动强度实现“语音段快衰减、噪声段冻结”的动态调节。

20、门控逻辑统计基础薄弱：多依赖简单包络比较或固定阈值，缺乏对噪声短期统计量（如均值、标准差）的利用，在非平稳噪声下误判率高。

21、增益索引效率低：未充分利用定点dsp的前导零指令进行对数映射，查表或逼近的计算开销较大。

22、模块独立，缺乏链路协同：agc常独立运行，未与ns、aec等模块共享控制信息，导致计算冗余和误触发问题。

23、综上，亟需提供一种融合自适应动态门限与双包络跟踪的自动增益控制方法及系统以解决上述问题。

技术实现思路

1、本发明的目的在于克服上述现有技术的缺点，提出一种融合自适应动态门限与双包络跟踪的自动增益控制方法及系统。

2、第一方面，本发明公开了一种融合自适应动态门限与双包络跟踪的自动增益控制方法，包括以下步骤：

3、步骤一：输入音频数据，经降采样后送入vad模块进行去干扰处理并计算当前信号能量与估计背景噪声能量之比的对数值；

4、步骤二：将音频数据分帧后，计算每子帧的最大幅度包络，先判定每子帧的最大幅度包络是否大于快速包络，若是，则令快速包络更新为最大幅度包络；否则，即令快速包络按固定速率衰减；再判定每子帧的最大幅度包络是否大于慢速包络，若是，则令慢速包络按照上升系数进行上升跟踪，否则，则令慢速包络进行衰减，所述慢速包络的衰减速率由对数值作为控制信号；

5、步骤三：取快速包络和慢速包络中的最大值作为当前电平值，统计前导零计数，查询增益表并获取线性插值，随后依次进行vad模块门控修正和spp加权修正；

6、步骤四：进行过载保护循环，直至输出不超过固定值；再在前一帧增益与当前增益之间，采用差值线性过渡；随后输出样本及音频帧。

7、进一步地，步骤一中，每帧音频数据为160个采样点，采样率为16khz，对应10ms时长；通过降采样处理将16khz降至4khz。

8、进一步地，步骤二中，最大幅度包络的计算具体是将10ms帧划分为10个1ms子帧，计算每子帧最大幅度包络：

9、   公式1

10、其中：为输入数字音频信号，为采样点索引。

11、进一步地，步骤二中，快速包络按固定速率衰减公式具体为：

12、公式2

13、其中：为快速包络。

14、进一步地，步骤二中，慢速包络的衰减速率由对数值作为控制信号，具体分为以下情形：

15、情形一：当时，=-65；

16、情形二：当时，=0；

17、情形三：当时，； 其中：为对数值；为衰减系数。

18、进一步地，步骤三中，前导零计数公式为：

19、

公式3

20、  公式4

21、其中：

frac为提取的小数部分；为32位无符号整数。

22、进一步地，步骤三中，线性插值具体为：

23、公式5

24、其中：代表在增益查找表中，以信号能量的“前导零计数zeros”为索引位置所对应的增益值；代表在增益查找表中，比当前索引zeros小1的那个索引位置所对应的增益值；frac为提取的小数部分；

25、进一步地，步骤三中，vdd门控修正具体为：先用vdd门控计算gate值：

26、  公式6

27、其中：为快速包络前导零，为当前电平前导零，为短期噪声标准差；为判断是否启动门控衰减的决策值；时启用门控衰减，越大衰减越强；

28、再计算gate衰减量：公式7。

29、进一步地，步骤三中，spp 加权修正具体为：

30、公式8

31、其中：65536 为 0db 在 q16 格式下的表示；为插值后原始增益；为经门控和 spp 修正后的最终增益；为语音存在概率。

32、此外，本发明还公开了一种融合自适应动态门限与双包络跟踪的自动增益控制系统，包括以下模块：

33、预处理模块：输入音频数据，经降采样后送入vad模块进行去干扰处理并计算当前信号能量与估计背景噪声能量之比的对数值；

34、包络跟踪模块：包含快速包络跟踪器和慢速包络跟踪器；所述快速包络用于捕捉语音突发和瞬态噪声；慢速包络跟踪信号长期能量基线；所述快速包络和慢速包络的协同工作的核心在于：衰减速率均由 vad 模块输出的 logratio 动态控制；

35、动态门限与增益计算和后处理模块：取快速包络和慢速包络中的最大值作为当前电平值，统计前导零计数，查询增益表并获取线性插值；

36、输出模块：进行过载保护循环，直至输出不超过固定值；再在前一帧增益与当前增益之间，采用差值线性过渡；随后输出样本及音频帧。

37、与现有技术相比，本发明具有以下有益效果：

38、（1）噪声自适应的动态门限：将传统固定目标电平改写为实时噪声功率的函数，使agc 在噪声升高时自动降低增益目标、噪声降低时恢复，有效抑制噪声段的误放大和语音段的欠放大，与固定门限方案相比，在信噪比动态变化超过 20db 的场景下，输出信噪比提升可达 6db 以上。

39、（2）vad 驱动的三区衰减双包络跟踪：首次将 vad logratio 与包络跟踪的衰减系数进行分段联动——强语音区快速衰减（decay = -65）、过渡区线性插值、静音/噪声区冻结衰减（decay = 0），使包络跟踪在三种典型声学场景中均表现出最优行为。与固定衰减系数的双包络方案相比，对突发语音的响应更及时（攻击时间 ~0.7ms），对稳态噪声的抑制更彻底（噪声段冻结衰减防止误抬）。

40、（3）前导零索引增益表的低复杂度实现：利用定点 dsp 的前导零计数指令（clz）将信号能量的自然对数特性直接映射为增益表索引，无需对数/指数函数的浮点或多项式近似计算。每个子帧的增益计算仅需 1 次 clz + 1 次查表 + 1 次乘法 + 1 次移位，相比chebyshev 多项式逼近方案大幅降低运算复杂度，适合资源受限的嵌入式平台。

41、（4）语音存在概率加权与门控联合修正：不同于基于预训练模型的语音概率计算，本发明直接从 vad 的在线统计量实时计算语音存在概率，并对增益进行逐帧概率加权修正。配合基于快慢包络差异和噪声标准差的 vad 门控机制，即使在 -5db snr 条件下误提升概率也由传统方案的 8% 降至 4% 以下。

42、（5）与链路前后端模块的协同：agc 直接共享 aec 的双端检测标志和 ns 的残留噪声功率，避免对回声的误放大和噪声功率的重复估计，整体链路延迟仅增加不到1ms。