法律状态公告日
法律状态信息
法律状态
2019-09-24
授权
授权
2017-12-15
实质审查的生效 IPC(主分类):G10L21/0208 申请日:20170707
实质审查的生效
2017-11-21
公开
公开
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,较成熟的子带回声消除方法为归一化子带类的自适应滤波算法,如有文献1“TwoImproved Normalized Subband Adaptive Filter Algorithms with Good RobustnessAgainst Impulsive Interferences”(Yu,Y.,&Zhao,H.,Circuits Syst Signal Process(2016)35:4607–4619)的(MCC‐SAF)方法,该方法是将最大熵思想加入子带(SAF)算法,以减少冲激噪声对算法的影响,该方法因没有考虑到系统的稀疏性,而没有区分系统冲激响应的幅值大小;因此,在系统为稀疏系统时该算法的性能降低。
发明内容
本发明的目的就是提出一种基于熵吸引的最大熵子带回声消除方法,该方法进行回声消除,具有较好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:
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u(n),u(n-1),...,u(n-L+1),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;
分析滤波器一将输入向量U(n)按频带分割成I个远端子带向量Ui(n),Ui(n)=[ui(n),ui(n-1),...,ui(n-L+1)]T;
同时,分析滤波器二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)按频带分割分割成I个近端子带信号di(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为远端子带向量和近端子带信号的总个数,其取值为2、4、6、8;
B、信号抽取
将远端子带向量Ui(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Ui(n)抽出,得到抽取时刻k的远端子带抽取向量Ui(k),Ui(k)=[ui(k),ui(k-1),...,ui(k-L+1)]T;其中,K为抽取的序号;
对近端子带信号di(n)也经抽取器进行I抽取,即将n=k=KI时刻的近端子带信号di(n)抽出,得到抽取时刻k的近端子带抽取信号di(k),di(k)=di(KI);
C、滤波器的输出
将抽取时刻k的远端子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号yi(k),
D、回声抵消
将抽取时刻k的近端子带抽取信号di(k)与抽取时刻k的输出子带信号yi(k)相减得到抽取时刻k的子带误差信号ei(k),即抽取时刻k消除回声后的子带回送信号ei(k),ei(k)=di(k)-yi(k),并将抽取时刻k的子带误差信号ei(k)送回给远端;
E、权系数向量的更新
E1、根据抽取时刻k的权向量W(k),计算抽取时刻k的熵吸引量P(k),
其中
E2、更新得到下一个抽取时刻k+1的权系数向量W(k+1),
其中μ为步长参数,取值为0.1;γ为零吸引因子,取值为0.000001;
F、重复
令n=n+1,重复A、B、C、D、E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:
本发明在最大熵的基础上引入了熵吸引因子
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是文献1的MCC-SAF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,一种基于熵吸引的最大熵子带回声消除方法,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u(n),u(n-1),...,u(n-L+1),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;
分析滤波器一将输入向量U(n)按频带分割成I个远端子带向量Ui(n),Ui(n)=[ui(n),ui(n-1),...,ui(n-L+1)]T;
同时,分析滤波器二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)按频带分割分割成I个近端子带信号di(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为远端子带向量和近端子带信号的总个数,其取值为2、4、6、8;
B、信号抽取
将远端子带向量Ui(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Ui(n)抽出,得到抽取时刻k的远端子带抽取向量Ui(k),Ui(k)=[ui(k),ui(k-1),...,ui(k-L+1)]T;其中,K为抽取的序号;
对近端子带信号di(n)也经抽取器进行I抽取,即将n=k=KI时刻的近端子带信号di(n)抽出,得到抽取时刻k的近端子带抽取信号di(k),di(k)=di(KI);
C、滤波器的输出
将抽取时刻k的远端子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号yi(k),
D、回声抵消
将抽取时刻k的近端子带抽取信号di(k)与抽取时刻k的输出子带信号yi(k)相减得到抽取时刻k的子带误差信号ei(k),即抽取时刻k消除回声后的子带回送信号ei(k),ei(k)=di(k)-yi(k),并将抽取时刻k的子带误差信号ei(k)送回给远端;
E、权系数向量的更新
E1、根据抽取时刻k的权向量W(k),计算抽取时刻k的熵吸引量P(k),
其中
E2、更新得到下一个抽取时刻k+1的权系数向量W(k+1),
其中μ为步长参数,取值为0.1;γ为零吸引因子,取值为0.000001;
F、重复
令n=n+1,重复A、B、C、D、E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=64。
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(MCC-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20000个采样时刻(2.5s)收敛,稳态误差约在-35dB;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稳态误差减小了近两倍。
机译: 基于最大熵规则的向后兼容多通道音频编码与解码的方法和系统
机译: 一种基于熵信息和贝叶斯SOM的基于排序文档的聚类调整方法
机译: 一种基于目的地网络分布熵的网络流量异常检测方法