一种收缩变步长子带回声消除方法

技术领域

本发明属于语音通信的自适应回声消除技术领域。

背景技术

目前，回声消除器就是通过核心部件—自适应滤波器来估计回声，并在近端信号中减去回声的估计值以达到回声消除的效果。自适应回声消除技术因其成本低、效果好，得到一致认可，也是目前国际上公认的最有前景的回声消除技术之一。

从回声消除的基本原理看，利用声学回声消除器来实现回声消除，其中最核心的部分就是自适应滤波器。自适应系统中最常用的最小均方(LMS)算法往往在回声消除应用中不能获得较好的效果。为此，为了解决这一难点归一化子带自适应滤波器方法被提出，该种方法将输入信号经过分析滤波器按频率分割为多个子带信号，由于输入信号的频率与回声的相关度高，对不同的子带信号自适应的进行不同的回声消除，再进行归一化处理，能从整体上降低回声消除的难度，从而可以获得较好的收敛速度。在目前的自适应回声消除应用中，较成熟的子带方法为归一化子带类的自适应滤波算法，如有文献1“Variable regularisation parameter sign subband adaptive filter”(J.Ni和F.Li，Electron.Lett.,vol.46,no.24,pp.1605–1607,Nov.2010.)的(SSAF)方法，该方法是将符号子带(SSAF)算法加入变正则化参数策略，减少固定步长对收敛速度和稳态误差的影响，该种方法为箕舌线变步长，其步长变化仅与时间相关，时间越长、步长越小；因此，在应用条件发生变化或应用条件发生不稳定的情况下，算法的性能会降低。

发明内容

本发明的目的就是提出一种收缩变步长符号子带回声消除方法，该方法进行回声消除，能获得更快的收敛速度和更低的稳态误差。

本发明实现其发明目的所采用的技术方案是，一种收缩变步长子带回声消除方法，其步骤如下：

一种收缩变步长子带回声消除方法，其步骤如下：

A、信号的采样与处理

将当前时刻n到时刻n-L+1之间的采样远端信号,构成当前时刻n分析滤波器一的输入向量U(n)，U(n)＝[u(n),u(n-1),...,u(n-L+1)]^T；L＝512是滤波器抽头数，上标T表示转置运算；

输入向量U(n)经分析滤波器一分割成I个远端子带向量U_i(n)，U_i(n)＝[u_i(n),u_i(n-1),...,u_i(n-L+1)]^T；

同时，将近端麦克风拾取到的当前时刻n的带回声的近端信号d(n)经分析滤波器二分割成I个近端子带信号d_i(n)；

其中，i为远端子带向量或近端子带信号的序号，i＝1,2,...,I，I为远端子带向量或近端子带信号的总个数；

将远端输入子带向量U_i(n)经抽取器进行I抽取；即将n＝k＝KI时刻的远端输入子带向量U_i(n)抽出，得到远端输入子带抽取向量U_i(k),U_i(k)＝[u_i(kI),u_i(kI-1),...,u_i(kI-L+1)]^T；同样，也对近端子带信号d_i(n)经抽取器进行I抽取得到近端子带抽取信号d_i(k)，d_i(k)＝d_i(KI)；其中，K为抽取的序号，k为第K次抽取的抽取时刻；

B、滤波器的输出

将远端输入子带抽取向量U_i(k)通过自适应回声消除滤波器中的子带滤波器得到输出子带信号y_i(k)，其中W(k)为子带滤波器在抽取时刻k的权系数向量，W(k)＝[w₁(k),w₂(k),..w_l(k).,w_L(k)]^T；w_l(k)为权系数向量W(k)中的第l个权系数，l＝1,2,...,L为权系数w_l(k)的序号；W(k)的初始值为零，即W(1)＝0；

C、回声抵消

将近端子带抽取信号d_i(k)与输出子带信号y_i(k)相减得到误差信号e_i(k)，即消除回声后的近端信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，并将该近端信号e_i(k)送回给远端；

D、权系数向量的更新

D1、根据近端信号e_i(k)算出抽取时刻k的近端信号平方估计量

${\sigma }_{e_i}^2\left(k\right)={\tau }_1{\sigma }_{e_i}^2(k-1)+(1-{\tau }_1)median\left(\right[e_i^2\left(k\right),e_i^2\left(k-1\right),...,e_i^2\left(k-M+1\right)\left]\right)$

其中τ₁表示近端信号平方估计量的平滑参数，取值为0.2；median(·)表示取中位数运算；的初始值为零，即M为近端信号平方平滑估计的平滑窗口的大小，取值为10～20；

D2、计算近端信号平方估计量的限定参数

如果则其中为防止分母为零的正则化参数，取值为0.001。

如果则

D3、根据限定参数计算出抽取时刻k的去噪近端信号

如果则

如果则其中sign(·)表示符号计算；

D4、根据去噪近端信号算出抽取时刻k的去噪近端信号平方估计量

${\hat{\sigma }}_{e_i}^2\left(k\right)={\tau }_2{\hat{\sigma }}_{e_i}^2(k-1)+(1-{\tau }_2){{\hat{e}}_i}^2\left(k\right)$

其中的初始值为零，即τ₂表示去噪近端估计量平滑参数，取值为0.2；

D5、计算抽取时刻k的权系数向量的更新步长μ_i(k)，进而更新得到下一个抽取时刻k+1的权系数向量W(k+1)，

$W(k+1)=W\left(k\right)+\underset{i=0}{\overset{I-1}{\Sigma }}\frac{{\mu }_i\left(k\right)U_i\left(k\right)sign\left(e_i\right(k))}{U_i^T\left(k\right)U_i\left(k\right)}$

E、令k＝k+1，重复A、B、C、D的步骤,直至通话结束。

与现有技术相比，本发明的有益效果是：

本发明的更新步长μ_i(k)的计算式为即，本发明通过平滑参数估计方法得出一个平滑时间段内的近端信号平方的中位数，作为近端信号平方估计量，再通过参数限定方法得出去噪近端信号平方估计量，最后去噪近端信号平方估计量除以近端信号平方估计量的二次方根并乘以一个常数得到子带滤波器的权系数向量的更新步长μ_i(k)。当去噪近端信号(去噪误差信号)大，也即算法未达到稳态时，本发明的步长也大，从而可以得到很快的收敛速度；在达到稳态时，去噪近端信号平方估计量小，计算得到的步长也小，因此，算法可以得到很小的稳态误差。

总之，本发明的方法，只要算法偏离稳态，就能得到大步长，从而很快收敛；同时只要算法达到稳态，就能得到小步长，实现很小的稳态误差，从而能在在应用条件发生变化或应用条件不稳定的情况下，保证系统具有良好的回声消除性能。

下面结合附图和具体实施方式对本发明进行详细说明

附图说明

图1是本发明仿真实验的信道图。

图2是SSAF方法和本发明在真实语音信号为输入信号时，仿真实验的归一化稳态失调曲线。

具体实施方式

实施例

本发明的一种具体实施方式是：

一种收缩变步长子带回声消除方法，其步骤如下：

一种收缩变步长子带回声消除方法，其步骤如下：

A、信号的采样与处理

将当前时刻n到时刻n-L+1之间的采样远端信号,构成当前时刻n分析滤波器一的输入向量U(n)，U(n)＝[u(n),u(n-1),...,u(n-L+1)]^T；L＝512是滤波器抽头数，上标T表示转置运算；

输入向量U(n)经分析滤波器一分割成I个远端子带向量U_i(n)，U_i(n)＝[u_i(n),u_i(n-1),...,u_i(n-L+1)]^T；

同时，将近端麦克风拾取到的当前时刻n的带回声的近端信号d(n)经分析滤波器二分割成I个近端子带信号d_i(n)；

其中，i为远端子带向量或近端子带信号的序号，i＝1,2,...,I，I为远端子带向量或近端子带信号的总个数；

将远端输入子带向量U_i(n)经抽取器进行I抽取；即将n＝k＝KI时刻的远端输入子带向量U_i(n)抽出，得到远端输入子带抽取向量U_i(k),U_i(k)＝[u_i(kI),u_i(kI-1),...,u_i(kI-L+1)]^T；同样，也对近端子带信号d_i(n)经抽取器进行I抽取得到近端子带抽取信号d_i(k)，d_i(k)＝d_i(KI)；其中，K为抽取的序号，k为第K次抽取的抽取时刻；

B、滤波器的输出

将远端输入子带抽取向量U_i(k)通过自适应回声消除滤波器中的子带滤波器得到输出子带信号y_i(k)，其中W(k)为子带滤波器在抽取时刻k的权系数向量，W(k)＝[w₁(k),w₂(k),..w_l(k).,w_L(k)]^T；w_l(k)为权系数向量W(k)中的第l个权系数，l＝1,2,...,L为权系数w_l(k)的序号；W(k)的初始值为零，即W(1)＝0；

C、回声抵消

将近端子带抽取信号d_i(k)与输出子带信号y_i(k)相减得到误差信号e_i(k)，即消除回声后的近端信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，并将该近端信号e_i(k)送回给远端；

D、权系数向量的更新

D1、根据近端信号e_i(k)算出抽取时刻k的近端信号平方估计量

${\sigma }_{e_i}^2\left(k\right)={\tau }_1{\sigma }_{e_i}^2(k-1)+(1-{\tau }_1)median\left(\right[e_i^2\left(k\right),e_i^2\left(k-1\right),...,e_i^2\left(k-M+1\right)\left]\right)$

其中τ₁表示近端信号平方估计量的平滑参数，取值为0.2；median(·)表示取中位数运算；的初始值为零，即M为近端信号平方平滑估计的平滑窗口的大小，取值为10～20；

D2、计算近端信号平方估计量的限定参数

如果则其中为防止分母为零的正则化参数，取值为0.001。

如果则

D3、根据限定参数计算出抽取时刻k的去噪近端信号

如果则

如果则其中sign(·)表示符号计算；

D4、根据去噪近端信号算出抽取时刻k的去噪近端信号平方估计量

${\hat{\sigma }}_{e_i}^2\left(k\right)={\tau }_2{\hat{\sigma }}_{e_i}^2(k-1)+(1-{\tau }_2){{\hat{e}}_i}^2\left(k\right)$

其中的初始值为零，即τ₂表示去噪近端估计量平滑参数，取值为0.2；

D5、计算抽取时刻k的权系数向量的更新步长μ_i(k)，

进而更新得到下一个抽取时刻k+1的权系数向量W(k+1)，

$W(k+1)=W\left(k\right)+\underset{i=0}{\overset{I-1}{\Sigma }}\frac{{\mu }_i\left(k\right)U_i\left(k\right)sign\left(e_i\right(k))}{U_i^T\left(k\right)U_i\left(k\right)}$

E、令k＝k+1，重复A、B、C、D的步骤,直至通话结束。

仿真实验

为了验证本发明的有效性，进行了仿真实验，并与现有的文献1的方法进行了对比。

仿真实验的采样频率为8KHz。背景噪声是30dB信噪比的零均值高斯白噪声。回声信道脉冲响应在长6.25m，宽3.75m，高2.5m，温度20℃，湿度50％的安静密闭房间内获得，脉冲响应长度即滤波器的抽头数L＝512。

按照以上实验条件，用本发明方法与现有的文献一方法进行回声消除实验。各种方法的实验最优参数取值如表1。

表1各方法的实验最优参数取值

图1是实验用的安静密闭房间构成的通信系统的信道图。

图2是文献一(SSAF)的方法和本发明方法，在真实语音信号为输入信号时，仿真实验得到的归一化稳态失调曲线。

从图2可以看出：本发明在约7000个采样时刻(0.8s)收敛，稳态误差约在-40dB；而文献1则在约20000个采样时刻(2.5s)收敛，稳态误差约在-25dB；本发明比文献1收敛速度快两倍以上，稳态误差减小了近两倍。