论文部分内容阅读
随着科技的进步，消费类电子产品的发展趋向于便携化、扁平化。而受限于扬声器单体尺寸和声腔空间的不足，低频重放能力越来越成为制约这些产品重放声音品质提升的瓶颈。在传统的解决方法难以达到期望效果的情况下，基于心理声学虚拟音调原理的虚拟低音增强技术得到越来越广泛的应用。为了克服诸如相位声码器的瞬态模糊、非线性器件的互调失真等经典虚拟低音增强算法的固有缺陷，研究者们提出了基于音频特征提取的虚拟低音非盲增强解决方案。其中基于自适应陷波器(Adaptive Notch Filter, ANF)频谱特征提取的虚拟低音非盲增强算法因其频率估计准确、快速且复杂度低、实时性强而逐渐成为研究热点。本文主要针对该方法的核心部分——ANF频率估计算法进行了深入研究。如何在保证计算复杂度可接受的前提下，提高估计结果的准确性和收敛速度，获得更接近真实低音的听觉感知成为本文的研究重点，本文的主要创新点有: (1)提出了一种改进的变参数实数域ANF(Real ANF, RANF)算法。新算法将单边带调制技术以及音频起振检测技术引入传统RANF算法，改善了传统RANF算法在低频处估计不准确的问题，协调了收敛速度和稳态估计误差之间的矛盾。通过结合新的谐波生成方法，提出了基于变参数RANF的虚拟低音非盲增强算法，Rnonlin非线性失真模型仿真和主观听音实验结果表明新方法可以在较低的非线性失真的前提下，获得更强的低音听感知。 (2)将RANF算法扩展至复数域，提出了一种梯度自适应格型(Gradient Adaptive Lattice，GAL)复数域自适应陷波(Complex ANF, CANF)算法。新算法利用GAL算法取代传统梯度下降算法来提高收敛速度。理论分析了新算法估计结果的无偏性，推导了新算法收敛步长的取值范围和稳态均方误差的解析表达式。仿真结果验证了理论推导的准确性，并且表明该算法在收敛速度和追踪性能方面相较于传统CANF算法有明显的提高，特别是在低信噪比环境下。另外，提出了一种基于三角级联CANF的实值信号频率估计方法，提高了RANF在低频和低信噪比输入情况下的估计精度。 (3)提出了一种基于递归最小二乘格型CANF(Recursive Least Square Lattice CANF,RLSL-CANF)的多频估计算法。新的滤波器结构由一个直接型全极点预滤波器和自适应格型滤波器级联而成，并借助复数域指数加权RLS算法提高收敛速度。该算法在不借助稳定性检验的前提下，保证了估计结果的稳定性，降低了传统RLS算法的复杂度。理论证明了该算法在一阶时的渐进无偏收敛特性，给出了均值收敛的表达式。数值仿真验证了理论分析的有效性，并证明相比于其他算法，RLSL-CANF算法可以取得更快的收敛速度和更好的追踪性能，只是在估计实值信号频率时，估计精确度低于三角级联的GAL-CANF算法。 (4)提出了一种最优阶次CANF和声成分估计与分离算法。新算法作为RLSL-CANF多频估计算法的扩展，通过阶次的自适应更新，适应音乐信号中和声成分数目动态变化的情况。经过与经典多频估计算法的比较，验证了算法在保证估计准确性的前提下，取得更快的追踪速度和更低的计算复杂度。在此基础上，提出一种基于最优阶次CANF的虚拟低音非盲增强方案，低音感知相似度主观实验结果表明，新方案性能受和声成分估计结果准确程度影响，对于和声成分估计较准确的流行音乐，低频重放性能有较明显的提升。