Java工程师就业前景

Java工程师就业前景

Webrtc AGC 算法原理介绍（六）

>

Webrtc AGC 算法原理介绍（六）

零、前言

本系列介绍Webrtc的agc算法。webrtc的agc算法对各种情况作了较为详尽的考虑，而且使用了的定点数的方法来实现，因此内容比较多。尽量在这几篇文章中描述清楚。

一、WebRtcAgc_PRocessDigital

ProcessDigital是AGC的核心函数，无论什么模式都要调用到。现在来解释一下。 该函数8khz的时候处理80个点的数据，16k处理160个点的数据，32k处理低频160个点的数据。每个处理都是10ms。 1、首先计算了近端信号的VAD参数。并且当远端信号超过10帧（100ms）后，使用远端的VAD参数修正近端VAD，具体方法是： L=34Lnear?14Lfar $L=\frac{3}{4}L_{near}-\frac{1}{4}L_{far} 2、接着使用似然比<nobr>L</nobr> <script type="math/tex" id="MathJax-Element-2">L计算出衰减decay。 <nobr>Ddecay=??????65,ifL&gt;10,ifL&lt;0?65L,else</nobr> <script type="math/tex" id="MathJax-Element-3">D_{decay}=\left\{\begin{matrix}-65,if L>1\\ 0, if L<0\\ -65L,else\end{matrix}\right. 如果是adaptive（无论，Analog或者Digital）中，对声音小的情况，对decay修正。这个参数在计算慢包络的时候使用。?? 3、计算每1ms的**大能量作为包络env。 4、**快、慢包络和增益表计算出增益数组gain 这个部分，首先计算了快慢包络。 <nobr>Cfast={?1000Cfast Cfast,evn[k]&lt;Cfastevn[k],evn[k]≥Cfast</nobr> <script type="math/tex" id="MathJax-Element-4">C_{fast}=\left\{\begin{matrix}-1000C_{fast} C_{fast},evn[k]<C_{fast}\\ evn[k],evn[k]\geq C_{fast}\end{matrix}\right. </p> <p> <nobr>Cslow={C2slow decay,evn[k]&lt;Cslow500(evn[k]?Cslow) Cslow,evn[k]≥Cslow</nobr> <script type="math/tex" id="MathJax-Element-5">C_{slow}=\left\{\begin{matrix}C_{slow}^2 decay,evn[k]<C_{slow}\\ 500(evn[k]-C_{slow}) C_{slow},evn[k]\geq C_{slow}\end{matrix}\right. 然后，两个包络的**大值作为<nobr>level=max(Cslow,Cslow)</nobr> <script type="math/tex" id="MathJax-Element-6">level=\max(C_{slow},C_{slow}) **后，使用LOG2的分段线性函数把cur_level转换成gain。LOG2的整数部分是cur_level前面0的个数，如果0越少，说明数值越大，**多是31个0，**少1个0（有符号数）。小数部分用线性差值的方法，找到gain[zeros],gain[zeros-1]中间的量。 <nobr>g[k 1]=Gtable[zeros] f{Gtable[zeros?1]?Gtable[zeros]}</nobr> <script type="math/tex" id="MathJax-Element-7">g[k 1] = G_{table}[zeros] f\{G_{table}[zeros-1] - G_{table}[zeros]\} 5、计算门限gate gate意味着衰减原来的增益。gate的计算可以看成两部分，**部分是基于快慢包络计算出的似然比，相当于快包络与慢包络能量的倍数。第二部分是近端信号的短时方差。表达式如下： <nobr>g≈?log(CslowCfast) (3.91?STDST&nbsp;near)</nobr> <script type="math/tex" id="MathJax-Element-8">g\approx-log(\frac{C_{slow}}{C_{fast}}) (3.91-STD_{ST\ near}) 先看**部分，这里说<nobr>?log(Cfast)</nobr> <script type="math/tex" id="MathJax-Element-9">-log(C_{fast})对应于zeros_fast，这个东西是快包络大的时候它值小，<nobr>?log(Cslow)</nobr> <script type="math/tex" id="MathJax-Element-10">-log(C_{slow})对应于zeros，这个东西是慢包络大的时候它值小。**部分说明，fast与slow包络的距离越大，也即是出现语音的可能性越大，gain越小。 第二部分是定值减去vadNearend.stdShortTerm。无疑，语音出现可能性越大，vadNearend.stdShortTerm越大，第二部分越小，gain越小。 计算完gain后，使用上次计算值对它平滑处理。 <nobr>g=0.125g 0.875gold</nobr> <script type="math/tex" id="MathJax-Element-11">g=0.125g 0.875g_{old} 平滑后，把门限转换成gain_adj。 <nobr>g[k 1]=(1?(0.6953 gadj))GT[0] (0.6953 gadj)g[k 1]</nobr> <script type="math/tex" id="MathJax-Element-12">g[k 1] = (1-(0.6953 g_{adj}))GT[0] (0.6953 g_{adj})g[k 1] <nobr>g[k 1]=(1?αadj)GT[0] αadjg[k 1]</nobr> <script type="math/tex" id="MathJax-Element-13">g[k 1] = (1-\alpha_{adj})GT[0] \alpha_{adj}g[k 1] gain_adj的值在0, 0.304之间，因此上公式中的<nobr>αadj</nobr> <script type="math/tex" id="MathJax-Element-14">\alpha_{adj}在[0.304,1]。 当gate**小的时候为0（语音），gain_adj取到**大，此时不使用gainTable[0]的值作为参考； 当gate**大的时候为2500（噪声），gain_adj取到**小，此时g[k 1]要取到相对于gainTable[0]的值的70%； 当gate处于**大**小值之间，g[k 1]在gainTable[0]和g[k 1]确定的这条直线上移动。 接着再根据信号的大小对gain做一些限制，保证信号不要发生剪切。 6、使用gain 这部分比较简单，对每一块使用不同的gain，其中每个点的gain都在两个gain[k]和gain[k 1]中差值获得。 **后对处理后的信号进行幅度限制。 </p> </p> <p> <b>相关推荐：</b> </p> <hr /> <p> <a href="//www.auscyc.com/px/px189_jssz/" target="_blank">苏州JAVA培训</a>&nbsp; &nbsp;<a href="//www.auscyc.com/px/px189_jssz/" target="_blank">苏州JAVA培训班</a>&nbsp; &nbsp;<a href="//www.auscyc.com/px/px189_jssz/" target="_blank">苏州JAVA培训机构</a> </p>$