数字助听器的自适应回波抵消算法的研究

摘要

数字助听器能帮助听力障碍患者改善听力，但是随着助听器体积的逐渐变小，加之助听器“开放耳”验配方式越来越流行，导致回波现象越来越明显。回波严重影响了语音的可懂度、清晰度。为了解决助听器中回波造成干扰的问题，本文针对自适应回波抵消算法展开研究。
　　在深入了解传统自适应算法的基础上，实现了变步长LMS（VSS_LMS）算法，目的是解决归一化 LMS（NLMS）算法收敛速度慢、自适应不好等问题，更好的实现回波抵消。
　　本文设计了回路检测器，用来检测回波是否存在并控制回波抵消模块是否开启，目的是节省不必要的系统开销。由于环境噪声的存在、A/D等元器件的非线性，导致对回波处理之后语音信号仍有一定的回波残留，为了进一步减小回波残留，本文增加了非线性处理模块。本文对VSS_LMS与NLMS算法进行了仿真对比，从客观判断，变步长算法具有较快的收敛速度和较小的回波残留；从主观判断，变步长算法具有了较好清晰度和舒适度。
　　NBLMS（归一化块处理LMS）算法有效改变了NLMS、RLS等算法的逐点更新滤波器系数的方式，解决了由于逐点更新造成的系统资源浪费的问题，但是NBLMS算法存在着收敛效果不好、残留大、音质不好等问题，本文对NBLMS算法进行了改进，提出了NBLMS_M-K算法。
　　在实现了NBLMS_M-K算法之后，在PC机上进行仿真。通过对仿真结果进行主观判断和客观判断，相比于NBLMS算法，NBLMS_M-K算法有较高的回波处理能力，性能较优。

目录

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究意义

1.2 课题研究的历史及国内外发展现状

1.3 回波抵消的研究的热点问题

1.4 本论文主要研究内容

第2章 数字助听器的原理及组成

2.1 波束成形

2.2 预处理滤波器

2.3 噪声消除

2.4 宽动态压缩

2.5 高频重塑

2.6 回波抵消

2.7 本章小结

第3章 回波消除的自适应算法

3.1 最小均方误差（LMS）算法

3.2 递归最小二乘（RLS）算法

3.3 最小均方误差算法仿真

3.4 归一化最小均方误差算法

3.5 VSS_NLMS回波抵消算法

3.6 VSS_LMS算法仿真

3.7 本章小结

第4章 基于NBLMS的改进算法

4.1 NBLMS算法

4.2 NBLMS_M-K算法

4.3 选取合适的M和K

4.4 NBLMS与NBLMS_M-K仿真对比

4.5 本章小结

结论

参考文献

声明

致谢