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(automaticgaincontrol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。
技术实现要素：
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(normalizedleastmeansquare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(voiceactivitydetection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xenv(n)；
3)将步骤2)中近似包络xenv(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gf(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gf(n)即为系统的快速增益，快速增益的迭代公式为：
gf(n)＝gf(n-1){1+μxenv(n)[ref-yf(n-1)]}，
yf(n)＝gf(n)xenv(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+xenv(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gf(n)，过程为：
4-1)系统设置一个静默的限制时间tl，根据步骤1)中接收的vad结果v(n)，若连续非语音时间超过tl，则系统将切换为静默模式，tl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gf(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gf(n)大于最大增益阀值gmax，则将快速增益gf(n)设置为gmax；
5)将步骤4)中调整后的快速增益gf(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)＝αsg(n-1)+(1-αs)gf(n)，
自适应平滑滤波器的平滑时间ts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，ts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xenv初值设为0、步骤3)的快速增益gf(n)初值设为1、步骤5)的平滑增益gf(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xenv(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xabs(n)，然后采用attack/release滤波器求得近似包络xenv(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αea和αer，滤波因子由平滑时间获得：
上升平滑时间tea和下降平滑时间ter分别取0.001秒和1秒，fs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fs；若输入为帧，则取值为：fs＝fs/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(voiceactivitydetection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xenv(n)；
3)将步骤2)中近似包络xenv(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gf(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gf(n)即为系统的快速增益，快速增益的迭代公式为：
gf(n)＝gf(n-1){1+μxenv(n)[ref-yf(n-1)]}，
yf(n)＝gf(n)xenv(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+xenv(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gf(n)，过程为：
4-1)系统设置一个静默的限制时间tl，根据步骤1)中接收的vad结果v(n)，若连续非语音时间超过tl，则系统将切换为静默模式，tl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gf(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gf(n)大于最大增益阀值gmax，则将快速增益gf(n)设置为gmax；
5)将步骤4)中调整后的快速增益gf(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)＝αsg(n-1)+(1-αs)gf(n)，
自适应平滑滤波器的平滑时间ts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，ts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xenv初值设为0、步骤3)的快速增益gf(n)初值设为1、步骤5)的平滑增益gf(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xenv(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xabs(n)，然后采用attack/release滤波器求得近似包络xenv(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αea和αer，滤波因子由平滑时间获得：
上升平滑时间tea和下降平滑时间ter分别取0.001秒和1秒，fs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fs；若输入为帧，则取值为：fs＝fs/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。