基于M估计的鲁棒自适应滤波算法在同声消除中的应用

摘要

自适应回声消除是现代通信领域一个热门的研究方向。归一化最小均方(NLMS)算法因其简单易于实现，广泛应用于回声消除领域。仿射投影算法(APA)和归一化子带自适应滤波(NSAF)算法作为NLMS算法的两种扩展形式，对相关信号具有更好的收敛性能。然而，冲击噪声会严重干扰这些传统算法的收敛性能，为此本文对APA和NSAF算法进行了改进，并利用凸组合滤波器的思想进一步提高了新算法的收敛性能。
　　首先，本文将M估计算法思想引入成比例仿射投影算法，推导出了一种新的成比例仿射投影M估计算法，该算法在各种输入情况下，都能具有良好的收敛性能，并对冲击干扰具有鲁棒性。另外该算法具有较低的计算复杂度。仿真实验验证了新算法的可行性和优越性。
　　其次，新的成比例仿射投影M估计算法对其参数存在矛盾的要求，本文利用凸组合滤波器的思想克服了该矛盾，进一步提高了新算法的收敛性能，提出了三种凸组合的方案，进一步提高了该算法的收敛性能。仿真实验验证了凸组合成比例仿射投影M估计算法在回声消除应用中的有效性。
　　最后，为了提高NSAF算法对冲击干扰的鲁棒性，本文将M估计算法与NSAF结合，推导出一种MSAF算法，为了适用于回声消除应用，引入成比例算法的思想，推导出一种新的成比例MSAF算法。仿真实验验证了新算法在各种输入信号下都能获得良好的收敛性能，且能够抵抗冲击噪声的干扰。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 自适应回声消除算法的研究现状

1．3 论文研究目标和内容

1．4 论文的结构安排

第二章 自适应回声消除器和回声消除算法

2．1 引言

2．2 回声的产生

2．2．1 网络回声

2．2．2 声学回声

2．3 自适应声学回声消除系统的基本原理

2．3．1 声学回声消除器的基本模型

2．3．2 性能度量

2．4 自适应滤波器概述

2．4．1 自适应滤波器的基本原理

2．4．2 维纳滤波

2．5 基本的自适应回声消除算法

2．5．1 归一化最小均值(NLMS)算法

2．5．2 成比例类NLMS算法

2．6 本章小结

第三章 记忆成比例仿射投影M估计算法

3．1 引言

3．2 成比例仿射投影类算法

3．2．1 成比例仿射投影算法

3．2．2 成比例仿射投影符号算法

3．3 一种新的记忆成比例仿射投影M估计算法

3．3．1 算法推导

3．3．2 计算复杂度比较

3．4 仿真实验与分析

3．5 本章小结

第四章 凸组合成比例仿射投影M估计算法

4．1 引言

4．2 凸组合滤波器

4．3 凸组合成比例仿射投影M估计算法

4．4 仿真实验

4．4．1 有色信号输入

4．4．2 语音信号输入

4．5 本章小结

第五章 基于M估计的成比例子带回声消除算法

5．1 引言

5．2 子带自适应滤波器

5．2．1 余弦调制滤波器组

5．2．2 多带结构

5．2．3 归一化子带自适应滤波算法

5．3 M估子带自适应滤波算法

5．4 成比例M估计子带自适应回声消除算法

5．5 仿真实验

5．5．1 有色信号输入

5．5．2 语音信号输入

5．6 本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间的研究成果