一种基于系数差成比例子带凸组合自适应回声消除法

摘要

一种基于系数差成比例子带凸组合自适应回声消除法，其步骤是：A、信号的分割，将输入向量U(n)经分析滤波器一分割成I个远端子带向量Ui(n)；B、信号的抽取，将远端输入子带向量Ui(n)经抽取器进行I抽取，得到滤波输入子带抽取向量；C、滤波器的输出，将滤波输入子带抽取向量Ui(k)通过凸组合自适应回声消除滤波器滤波后,分别得到大步长子带滤波值y1,i(k)和小步长子带滤波值y2,i(k)；并进行凸组合得到组合子带滤波值yi(k)；D、回声抵消，E、系数差成比例计算，F、凸组合的计算，G、滤波器抽头权向量的更新，H、迭代，令k＝k+1,重复A、B、C、D、E、F、G的步骤,直至通话结束。该方法对通信系统的声学回声消除具有明显的效果，同时能够获得较快的收敛速度和较低的稳态误差。

说明书

技术领域

本发明属于通信的自适应回声对消技术领域。

背景技术

在通信系统中，噪声和回声的干扰一直不能被忽略掉。其中，最主要影响语音通话质量的是声学回声。声学回声是指用户在通信过程中能够反复听到自己的声音。回声时延短是察觉不到的，可理解为频谱失真的一种形式。反之，时延超过几十毫秒，回声就可单独觉察到。由于人耳对回声极其敏感，因此对消除声学回声方法的研究仍是一个热门的课题。

在自适应回声消除方法中，被广泛用到的方法主要有传统最小均方(LMS)算法和仿射投影(APA)算法等。但是在回声信道中，大多数都是稀疏信道，这种稀疏系统的脉冲响值只有极少数不为零其余均为零或接近零。而在这种系统中LMS和APA算法的稳态误差就会变大、收敛速度变慢。所以这种情况下引入子带滤波器算法，就能很大的提高相关信号的处理能力，从而提高收敛速度，而且还能进一步缓解滤波器在收敛速度和稳态误差上的固有矛盾。

目前，在系统辨识中较成熟的收敛性较好的回声消除方法有如下所示：

文献1“Adaptive combination of subband adaptive filters for acoustic echo cancellation”(Ni,J.,&Li,F.,IEEE Trans.Consumer Electronics,vol.56,no.3,pp.1549–1555,Nov.2010)该方法能够很好的解决带边效应限制，同时可以获得较快的快速收敛和较小的稳态误差。但在稀疏系统中，该算法没有利用稀疏系统的特性，即大步长的步长就会变小从而导致收敛速度就会变慢而且小步长的步长变小导致稳态误差变差。

发明内容

本发明的目的是提供一种基于系数差成比例子带凸组合自适应回声消除法，该方法对通信系统的声学回声消除具有明显的效果，同时能够获得较快的收敛速度和较低的稳态误差。

本发明实现其发明目的所采用的技术方案是：一种基于系数差成比例子带凸组合自适应回声消除法，其步骤如下：

A、信号的分割

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；

B、信号的抽取

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，得到抽取时刻k的滤波输入子带抽取向量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抽取得到抽取时刻k的近端子带抽取信号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；

C、滤波器的输出

将抽取时刻k的滤波输入子带抽取向量U_i(k)通过凸组合自适应回声消除滤波器滤波后,分别得到抽取时刻k的大步长子带滤波值y_1,i(k)，y_1,i(k)＝w₁(k)^TU_i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)，y_2,i(k)＝w₂(k)^TU_i(k)；其中，w₁(k)和w₂(k)分别为抽取时刻k的凸组合滤波器中的大步长滤波器的抽头权向量和小步长滤波器的抽头权向量，其初始均值为零；

将抽取时刻k的大步长子带滤波值y_1,i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)进行凸组合得到抽取时刻k的组合子带滤波值y_i(k)，

y_i(k)＝λ(k)y_1,i(k)+(1-λ(k))y_2,i(k)

其中，λ(k)是抽取时刻k的大步长滤波器的权重，其表达式为e为自然常数，a(k)为抽取时刻k的混合参数，其初始值为0；.

D、回声抵消

把抽取时刻k的近端子带抽取信号d_i(k)与抽取时刻k的组合滤波输出值y_i(k)相减后得到抽取时刻k的总残差信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，，并将抽取时刻k的总残差信号e_i(k)送回给远端；

E、系数差成比例计算

计算出抽取时刻k的大步长滤波器的第i个抽头权向量w_1,i(k)的步长g_1,i(k)，g_1,i(k)＝max{ρ,|w_1,i(k)-w_1,i(θM)|}，

同时，计算出抽取时刻k的小步长滤波器的第i个抽头权向量w_2,i(k)的步长g_2,i(k)，

其中，max{}表示取最大值，M是时间窗的宽度，取值范围为100～300；|·|表示取绝对值，ρ为一个大于零的常数、取值范围为0.001～0.1；表示向下取整数；

将抽取时刻k的大步长滤波器的所有抽头权向量w_1,i(k)的步长g_1,i(k)构成抽取时刻k的对角化的大步长矩阵G₁(k)，G₁(k)＝diag{g_1,1(k),g_1,2(k),...,g_1,i(k)...,g_1,L(k)}；

将抽取时刻k的小步长滤波器的所有抽头权向量w_2,i(k)的步长g_2,i(k)构成抽取时刻k的对角化的小步长矩阵G₂(k)，G₂(k)＝diag{g_2,1(k),g_2,2(k),...,g_2,i(k)...,g_2,L(k)}；

其中，diag{}表示形成对角化矩阵；

F、凸组合的计算

将抽取时刻k的大步长滤波器的抽头权向量w_1,i(k)、抽取时刻k的小步长滤波器的抽头权向量w_2,i(k)，进行凸组合得到抽取时刻k的凸组合滤波器的抽头权向量w_i(k)

w_i(k)＝λ(k)w_1,i(k)+(1-λ(k))w_2,i(k)

G、滤波器抽头权向量的更新

G1、抽头权向量的更新

将抽取时刻k的近端子带抽取信号d_i(k)分别与抽取时刻k的大步长子带滤波值y_1,i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)相减，得到抽取时刻k的大步长子带残差信号e_1,i(k)、抽取时刻k的小步长子带残差信号e_2,i(k)，即：

e_1,i(k)＝d_i(k)-y_1,i(k)，e_2,i(k)＝d_i(k)-y_2,i(k)；

计算下一个抽取时刻k+1的大步长滤波器的抽头权向量w_1,i(k+1)和小步长滤波器的抽头权向量w_2,i(k+1)：

当抽取时刻k的混合参数a(k)≥4时：

$w_{1,i}(k+1)=w_{1,i}\left(k\right)+{\mu }_1\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_1\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_1\left(k\right)u_i\left(k\right)+\delta }{e}_{1,i}\left(k\right)$

$w_{2,i}(k+1)=w_{2,i}\left(k\right)+{\mu }_2\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_2\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_2\left(k\right)u_i\left(k\right)+\delta }{e}_{2,i}\left(k\right)$

当抽取时刻k的混合参数a(k)＜4时，

$w_{1,i}(k+1)=w_{1,i}\left(k\right)+{\mu }_1\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_1\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_1\left(k\right)u_i\left(k\right)+\delta }{e}_{1,i}\left(k\right)$

$w_{2,i}(k+1)=w_{2,i}\left(k\right)+{\mu }_2\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_2\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_2\left(k\right)u_i\left(k\right)+\delta }{e}_{2,i}\left(k\right)$

其中：m₁为大步长回声消除滤波器的步长，其取值为0.05～0.1；m₂为小步长回声消除滤波器的步长，其取值为0.005～0.01；δ为正则化参数，其取值为0.001～0.01；

G2、滤波器权重系数限定

计算下一抽取时刻k+1的混合参数a(k+1)：

$a(k+1)=a\left(k\right)-{\mu }_a\lambda \left(k\right)[1-\lambda \left(k\right)]\underset{i=0}{\overset{I-1}{\Sigma }}{e}_i\left(k\right)\left(y_{2,i}\right(k)-y_{1,i}(k\left)\right)$

其中μ_a是常数，取值为0.1；

H、迭代

令k＝k+1,重复A、B、C、D、E、F、G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：

通过系数差成比例滤波器将麦克风拾取到带回声的近端子带信号d_i(n)与凸组合自适应滤波器的子带输出值y_i(k)相减而得到总残差信号e_i(k)的收敛速度越快，其回声消除效果越好。本发明的滤波器抽头权向量的步长由时刻k的抽头权向量和前一时间窗的抽头权向量之间的差值的绝对值确定，也即对抽头权向量变化大的分配大的步长，使其快速收敛；对抽头权向量变化小的，分配小的步长，使其低稳态误差低，从而保证了系数差凸组合后的整个凸组合自适应回声消除滤波器性能的优越性，既具有良好的收敛快速，又具有较低的稳态误差。

下面结合附图和具体实施方式对本发明进行进一步的详细说明。

附图说明

图1是信道系统的稀疏信道图。

图2是文献1和本发明的归一化稳态失调曲线。

具体实施方式

实施例

1、一种基于系数差成比例子带凸组合自适应回声消除法，其步骤如下：

A、信号的分割

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；

B、信号的抽取

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，得到抽取时刻k的滤波输入子带抽取向量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抽取得到抽取时刻k的近端子带抽取信号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；

C、滤波器的输出

将抽取时刻k的滤波输入子带抽取向量U_i(k)通过凸组合自适应回声消除滤波器滤波后,分别得到抽取时刻k的大步长子带滤波值y_1,i(k)，y_1,i(k)＝w₁(k)^TU_i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)，y_2,i(k)＝w₂(k)^TU_i(k)；其中，w₁(k)和w₂(k)分别为抽取时刻k的凸组合滤波器中的大步长滤波器的抽头权向量和小步长滤波器的抽头权向量，其初始均值为零；

将抽取时刻k的大步长子带滤波值y_1,i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)进行凸组合得到抽取时刻k的组合子带滤波值y_i(k)，

y_i(k)＝λ(k)y_1,i(k)+(1-λ(k))y_2,i(k)

其中，λ(k)是抽取时刻k的大步长滤波器的权重，其表达式为e为自然常数，a(k)为抽取时刻k的混合参数，其初始值为0；.

D、回声抵消

把抽取时刻k的近端子带抽取信号d_i(k)与抽取时刻k的组合滤波输出值y_i(k)相减后得到抽取时刻k的总残差信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，，并将抽取时刻k的总残差信号e_i(k)送回给远端；

E、系数差成比例计算

计算出抽取时刻k的大步长滤波器的第i个抽头权向量w_1,i(k)的步长g_1,i(k)，g_1,i(k)＝max{ρ,|w_1,i(k)-w_1,i(θM)|}，

同时，计算出抽取时刻k的小步长滤波器的第i个抽头权向量w_2,i(k)的步长g_2,i(k)，

其中，max{}表示取最大值，M是时间窗的宽度，取值范围为100～300；|·|表示取绝对值，ρ为一个大于零的常数、取值范围为0.001～0.1；表示向下取整数；

将抽取时刻k的大步长滤波器的所有抽头权向量w_1,i(k)的步长g_1,i(k)构成抽取时刻k的对角化的大步长矩阵G₁(k)，G₁(k)＝diag{g_1,1(k),g_1,2(k),...,g_1,i(k)...,g_1,L(k)}；

将抽取时刻k的小步长滤波器的所有抽头权向量w_2,i(k)的步长g_2,i(k)构成抽取时刻k的对角化的小步长矩阵G₂(k)，G₂(k)＝diag{g_2,1(k),g_2,2(k),...,g_2,i(k)...,g_2,L(k)}；

其中，diag{}表示形成对角化矩阵；

F、凸组合的计算

将抽取时刻k的大步长滤波器的抽头权向量w_1,i(k)、抽取时刻k的小步长滤波器的抽头权向量w_2,i(k)，进行凸组合得到抽取时刻k的凸组合滤波器的抽头权向量w_i(k)

w_i(k)＝λ(k)w_1,i(k)+(1-λ(k))w_2,i(k)

G、滤波器抽头权向量的更新

G1、抽头权向量的更新

将抽取时刻k的近端子带抽取信号d_i(k)分别与抽取时刻k的大步长子带滤波值y_1,i(k)和抽取时刻k的小步长子带滤波值y_2,i(k)相减，得到抽取时刻k的大步长子带残差信号e_1,i(k)、抽取时刻k的小步长子带残差信号e_2,i(k)，即：

e_1,i(k)＝d_i(k)-y_1,i(k)，e_2,i(k)＝d_i(k)-y_2,i(k)；

计算下一个抽取时刻k+1的大步长滤波器的抽头权向量w_1,i(k+1)和小步长滤波器的抽头权向量w_2,i(k+1)：

当抽取时刻k的混合参数a(k)≥4时：

$w_{1,i}(k+1)=w_{1,i}\left(k\right)+{\mu }_1\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_1\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_1\left(k\right)u_i\left(k\right)+\delta }{e}_{1,i}\left(k\right)$

$w_{2,i}(k+1)=w_{2,i}\left(k\right)+{\mu }_2\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_2\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_2\left(k\right)u_i\left(k\right)+\delta }{e}_{2,i}\left(k\right)$

当抽取时刻k的混合参数a(k)＜4时，

$w_{1,i}(k+1)=w_{1,i}\left(k\right)+{\mu }_1\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_1\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_1\left(k\right)u_i\left(k\right)+\delta }{e}_{1,i}\left(k\right)$

$w_{2,i}(k+1)=w_{2,i}\left(k\right)+{\mu }_2\underset{i=0}{\overset{N-1}{\Sigma }}\frac{G_2\left(k\right)u_i\left(k\right)}{u_i^T\left(k\right)G_2\left(k\right)u_i\left(k\right)+\delta }{e}_{2,i}\left(k\right)$

其中：μ₁为大步长回声消除滤波器的步长，其取值为0.05～0.1；m₂为小步长回声消除滤波器的步长，其取值为0.005～0.01；δ为正则化参数，其取值为0.001～0.01；

G2、滤波器权重系数限定

计算下一抽取时刻k+1的混合参数a(k+1)：

$a(k+1)=a\left(k\right)-{\mu }_a\lambda \left(k\right)[1-\lambda \left(k\right)]\underset{i=0}{\overset{I-1}{\Sigma }}{e}_i\left(k\right)\left(y_{2,i}\right(k)-y_{1,i}(k\left)\right)$

其中μ_a是常数，取值为0.1；

H、迭代

令k＝k+1,重复A、B、C、D、E、F、G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算法进行对比。

仿真实验设在一个回声信道脉冲响应在高2.5m，宽3.75m，长6.25m，温度20℃，湿度50％的安静密闭房间内获得，脉冲响应长度为512；即图1的通信系统的稀疏信道图。实验的远端信号为语音信号u_i(k)，远端信号经近端扬声器播放后，在房间中，用麦克风按采样频率为8KHz，采样点为180000得到近端信号d_i(k)。实验的背景噪声为高斯白噪声，信噪比为30dB。用本发明方法与文献1方法进行回声消除实验。两种方法参数具体取值如表1。

表1实验各算法的最优参数近似取值

仿真结果通过独立运行30次平均得到。

图2是文献1和本发明的归一化稳态失调曲线。从图2中可以看出子带数目相同的情况下。相比较文献1的方法，本发明在约7000个采样时刻(0.8s)收敛，稳态误差约在-26dB；而文献1则约20000个采样时刻(2.5s)收敛，稳态误差约在-22dB；可见，本发明快速收敛快且稳态误差低。