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
为了能够更加准确地评价语音包丢失对基于IP的语音传输(voice over internet protocol,Vo IP)的语音质量的损伤,对ITU-T G.107建议书提出的语音质量预测模型E-Model中计算丢包与编码造成的损伤Ie-eff的方法作出改进,在综合考虑语音包的...为了能够更加准确地评价语音包丢失对基于IP的语音传输(voice over internet protocol,Vo IP)的语音质量的损伤,对ITU-T G.107建议书提出的语音质量预测模型E-Model中计算丢包与编码造成的损伤Ie-eff的方法作出改进,在综合考虑语音包的内部特性和存在突发连续丢包情况后,提出利用在固定语音长度下,语音实际损失时间Tloss来衡量语音包丢失造成的语音损伤。仿真结果表明,相比原有模型,改进后的模型得到的语音质量评分同主观语音质量评估方法(perceptual evaluation of speech quality,PESQ)评分相比,皮尔森相关系数平均提高了0.045 8,均方根误差平均降低了0.053 4,改进后的E-Model模型在评价语音质量时与PESQ更具有一致性,可以更为准确地预测Vo IP通信的语音质量。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。
文摘为了能够更加准确地评价语音包丢失对基于IP的语音传输(voice over internet protocol,Vo IP)的语音质量的损伤,对ITU-T G.107建议书提出的语音质量预测模型E-Model中计算丢包与编码造成的损伤Ie-eff的方法作出改进,在综合考虑语音包的内部特性和存在突发连续丢包情况后,提出利用在固定语音长度下,语音实际损失时间Tloss来衡量语音包丢失造成的语音损伤。仿真结果表明,相比原有模型,改进后的模型得到的语音质量评分同主观语音质量评估方法(perceptual evaluation of speech quality,PESQ)评分相比,皮尔森相关系数平均提高了0.045 8,均方根误差平均降低了0.053 4,改进后的E-Model模型在评价语音质量时与PESQ更具有一致性,可以更为准确地预测Vo IP通信的语音质量。