Документация Engee
Notebook

Модель AGC с использованием Engee Function

Открыть пример в Engee

AGC (Automatic Gain Control, автоматическая регулировка усиления) – это метод управления уровнем сигнала в системах связи, основная цель которого заключается в поддержании стабильного уровня выходного сигнала при изменении амплитуды входного сигнала.

Примеры использования AGC

  1. В радиоприемниках помогает стабилизировать громкость звука независимо от силы принимаемого сигнала.
  2. В аудиосистемах поддерживает постоянный уровень записи даже при резких изменениях громкости источника звука.

Таким образом, AGC обеспечивает комфортный и качественный прием/воспроизведение сигналов в различных условиях. Ниже представлена реализованная нами модель.

image.png

В модели имеется блок Engee Function, который и реализует алгорим расчёта коэффициента усиления в этой функции. Переменная envelope представляет собой аналог постоянной переменной MATLAB(persistent). Она являются локальной для функции, в которой она создаётся, но при этом не сбрасывается на каждом шаге расчётов, а хранит в себе предыдущее значение, то есть сохраняются в памяти между вызовами функции.

Давайте более подробно рассмотрим реализацию этой функции.

  1. Структура Block

Block — это структура, которая наследует от AbstractCausalComponent. Она содержит поле envelope типа Float64, которая используется для хранения значения огибающей сигнала. Сам конструктор Block() инициализирует новый объект Block с начальным значением envelope, равным 0.

image.png

  1. Функция вызова

Это основная функция нашего алгоритма. Она принимает три аргумента: t (время), level (уровень) и loudness (громкость).

Если значение envelope меньше 0.08, то envelope_gain устанавливается равным 0.08. В противном случае используется текущее значение envelope.

Функция возвращает значение loudness, деленное на envelope_gain, что является итоговым значением коэффициента усиления на конкретном шаге расчёта. image.png

  1. Функция update!

Эта функция обновляет значение envelope в объекте Block. Она вычисляет разницу между level и текущим значением envelope. Если разница положительная, envelope увеличивается на 80% от этой разницы. В противном случае уменьшается на 1% от этой разницы. По итогу функция возвращает обновленный объект Block, что и позволяет нам хранить и переопределять это значение на каждом из шагов расчёта. image_2.png

Теперь, когда мы определились с организацией модели, давайте перейдём к её запуску и анализу результатов.

Вспомогательные функции

In [ ]: 
using WAV;
using .EngeeDSP;

function audioplayer(patch, Samples_per_audio_channel);
    s, fs = wavread(patch); 
    buf = IOBuffer();
    wavwrite(s, buf; Fs=fs);
    data = base64encode(unsafe_string(pointer(buf.data), buf.size));
    display("text/html", """<audio controls="controls" {autoplay}>
    <source src="data:audio/wav;base64,$data" type="audio/wav" />
    Your browser does not support the audio element.
    </audio>""");
    return s
end

# Подключение вспомогательной функции запуска модели.
function run_model( name_model)
    
    Path = (@__DIR__) * "/" * name_model * ".engee"
    
    if name_model in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
        model = engee.open( name_model ) # Открыть модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
    else
        model = engee.load( Path, force=true ) # Загрузить модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
        engee.close( name_model, force=true ); # Закрыть модель
    end
    sleep(5)
    return model_output
end
Out[0]:
run_model (generic function with 1 method)

Запуск и анализ модели

In [ ]: 
run_model("agc_code") # Запуск модели.

Building...
Progress 0%
Progress 0%
Progress 6%
Progress 6%
Progress 13%
Progress 13%
Progress 18%
Progress 18%
Progress 23%
Progress 23%
Progress 29%
Progress 29%
Progress 34%
Progress 34%
Progress 40%
Progress 40%
Progress 45%
Progress 45%
Progress 50%
Progress 50%
Progress 56%
Progress 56%
Progress 61%
Progress 61%
Progress 66%
Progress 66%
Progress 72%
Progress 72%
Progress 77%
Progress 77%
Progress 83%
Progress 83%
Progress 88%
Progress 88%
Progress 94%
Progress 94%
Progress 99%
Progress 99%
Progress 100%
Progress 100%
Progress 100%
Progress 100%
Out[0]:
SimulationResult(
    "Out" => WorkspaceArray("agc_code/Out"),
    "inp" => WorkspaceArray("agc_code/inp")
)

Сравним один из кадров первого канала на входе и выходе модели.

In [ ]: 
inp = collect(simout["agc_code/inp"])
inp = inp.value[10,1]
out = collect(simout["agc_code/Out"])
out = out.value[10,1]

plot([inp[:,1],out[:,1]], label=["input data" "output data"])
Out[0]:

Как мы можем видеть, амплитуда выходного сигнала на данном кадре значительно ниже, чем апмлитуда входного сигнала, что показывает нам коректную работу нашей функции.

Теперь давайте прослушаем обе аудиодорожки.

In [ ]: 
audioplayer("$(@__DIR__)/speech_fade_48kHz.wav", 256);
In [ ]: 
audioplayer("$(@__DIR__)/out_48kHz.wav", 256);

Вывод

Как мы могли убедиться на этом примере, наш алгоритм автоматической регулировки усиления сигнала работает корректно.

Блоки, использованные в примере