一种基于熵吸引的最大熵子带回声消除方法

摘要

一种基于熵吸引的最大熵子带回声消除方法，其步骤是：A、信号的采样与处理，远端信号构成当前时刻n分析滤波器一的输入向量U(n)，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)，将远端信号滤波输入向量U(n)经分析滤波器分割成子带信号Ui(n)；B、信号的抽取，将Ui(n)经抽取器进行N抽取，得到抽取后的输入信号Ui(k)；C、滤波器的输出，D、回声抵消，将近端子带抽取信号di(k)与输出子带信号yi(k)相减得到误差信号ei(k)，E、权系数向量的更新：E1、计算抽取时刻k的熵吸引量P(k)；E2、更新得到下一个抽取时刻k+1的权系数向量W(k+1)；F、令n＝n+1，重复A、B、C、D的步骤,直至通话结束。该方法的收敛速度快、稳态误差低，回声消除效果明显。

说明书

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U_i(n)，U_i(n)＝[u_i(n),u_i(n-1),...,u_i(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的远端子带抽取向量U_i(k),U_i(k)＝[u_i(k),u_i(k-1),...,u_i(k-L+1)]^T；其中，K为抽取的序号；

对近端子带信号d_i(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d_i(n)抽出，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)；

C、滤波器的输出

将抽取时刻k的远端子带抽取向量U_i(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号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；

D、回声抵消

将抽取时刻k的近端子带抽取信号d_i(k)与抽取时刻k的输出子带信号y_i(k)相减得到抽取时刻k的子带误差信号e_i(k)，即抽取时刻k消除回声后的子带回送信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，并将抽取时刻k的子带误差信号e_i(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)，

其中表示熵吸引的核宽度，取值为0.2；exp(·)表示以自然常数为底的指数运算；表示向量或矩阵的对应元素相乘；

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当系统为稀疏时，系统中的冲激响应中接近零或为零的项占绝大多数。在自适应更新中权系数的值越接近于零，表明对应于该权系数的最优解为零的概率越大。由熵吸引因子表达式可知，权系数W(k)越接近于0，熵吸引因子越大，可以加快收敛速度。另一方面，当系统存在冲激噪声时，系统的近端子带信号变得很大，导致权系数向量更新公式中的接近于零，系统不更新，说明系统具有良好的抗冲激噪声的能力，可以获得较小的稳态误差。

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U_i(n)，U_i(n)＝[u_i(n),u_i(n-1),...,u_i(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的远端子带抽取向量U_i(k),U_i(k)＝[u_i(k),u_i(k-1),...,u_i(k-L+1)]^T；其中，K为抽取的序号；

对近端子带信号d_i(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d_i(n)抽出，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)；

C、滤波器的输出

将抽取时刻k的远端子带抽取向量U_i(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号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；

D、回声抵消

将抽取时刻k的近端子带抽取信号d_i(k)与抽取时刻k的输出子带信号y_i(k)相减得到抽取时刻k的子带误差信号e_i(k)，即抽取时刻k消除回声后的子带回送信号e_i(k)，e_i(k)＝d_i(k)-y_i(k)，并将抽取时刻k的子带误差信号e_i(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)，

其中表示熵吸引的核宽度，取值为0.2；exp(·)表示以自然常数为底的指数运算；表示向量或矩阵的对应元素相乘；

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

文献一(MCC-SAF)κ＝0；ε＝0.0001；δ＝0.01；N＝4本发明f_l(0)＝0.001；δ＝0.01；N＝4；γ＝0.000001

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。