一种时频记忆子带比例自适应回声消除方法及回馈方法与流程

本发明具体涉及一种时频记忆子带比例自适应回声消除方法，属于电声自适应回声消除技术领域。

背景技术：

在免提电话会议或手机通话中，由于通话环境的原因，经常能从扬声器中听到自己延迟的声音，该延迟的声音称为回声。了消除此种回声，提高通话质量，通常在声学系统内部安装回声消除装置(acoustic echo canceller,AEC)，产生与回声幅值相同而相位相反的声学信号，并在声音接收端将接收信号与此同幅反相位的信号相加，从而消除回声干扰。

回声消除的核心问题是回声信道的跟踪和回声的估计，理想情况下当AEC产生的回声估计值与回声幅值相同，相位相反时，系统中的回声可以完全被抑制。目前，回声信道跟踪和回声估计通常采用自适应滤波技术，设计各种滤波器(FIR滤波器、IIR滤波器和子带滤波器等)对外部回声信道进行模拟，并采用自适应算法对滤波器的抽头进行实时的更新。因此，滤波器的自适应更新收敛速率和准确性是影响回声消除性能的两个主要因素。滤波器收敛速率过低，回声估计值跟踪能力下降，造成抑制性能降低；滤波器估计准确度过低，导致稳态时残留回声较大，影响正常的通话。

语音信号是一种非平稳信号，它的时频域特性会随着时间变化，因此传统的自适应算法，如最小均方(least mean square,LMS)算法，归一化最小均方(Normalized least mean square,NLMS)算法在语音信号背景下，其收敛速率和稳态精确性能都受到巨大的限制；另外，回声消除的另一个特点是其回声信道的稀疏特性，即回声信道的能量主要集中在少数有意义的抽头权系数上，大量的抽头权系数幅值都接近零，这种稀疏性严重的制约了传统自适应算法的收敛动态性能，针对以上两种回波消除特点，通过对现有技术文献的检索，目前采用的方法有一下几种：

参考文献1:在中国发明专利申请号201510028006.4，名称为“一种改进的凸组合解相关成比例自适应回声消除方法”中，其针对回声信道的稀疏性，采用滤波器的凸组合结构，结合解相关自适应算法和比例自适应算法，有效的缓解了信道稀疏性对算法收敛速率的影响，获得了较快的收敛速率，低稳态误差以及较好的抗干扰性能，但是由于需要两套滤波器的构成凸组合结构，其耗费资源和计算复杂度都较大，算法的特性对于凸组合混合参数等较为敏感，增加了硬件实现的难度。

参考文献2:“An improved multiband-structured subband adaptive filter algorithm”(中文名：一种改进的多自带结构子带自适应滤波算法Yang,F.,Wu,M.,Ji,P.,Yang,J.,IEEE Signal Process.Lett.,2012,19,(10),pp.647-650)针对回声信号的非平稳特性，采用子带分割的方法，将信号的频谱划分为多个子带，使得每个子带信号具有白噪声的特性，降低了其非平稳度，另外，采用仿射投影算法(Affine projection,AP)对每个子带进行滤波器抽头权系数更新，使得整个更新结构具有时频二维特性，有效的提高了回声抑制的性能，但是其并没有考虑是回声信道的稀疏特性，而且子带个数较多的情况会带来巨大的计算复杂度。

参考文献3:“An efficient proportionate affine projection algorithm for echo cancellation”(中文名：一有效的回波消除仿射投影算法Paleologu,C.,Ciochina,S.,Benesty,J.IEEE Signal Process.Lett.,2010,17,(2),pp.165–168)针对回声信号的稀疏特性和回声的非平稳性，采用滤波器抽头加权系数比例更新以及在AP算法在时域的白化作用，提高了算法的收敛速率以及回声的消除性能，但该方法由于未考虑非平稳信号的频域特性，仍存在收敛速率缓慢的问题。

技术实现要素：

本发明针对上述回声消除问题，提供了一种时频记忆子带比例自适应回声消除方法。方法具体包括以下步骤：

步骤一

将远端信号x(n)和近端接收到的包含回声的信号d(n)输入至分析滤波器组F₀(z),F₁(z),…F_N-1(z)中，其中n表示时间刻度，F_i(z)i＝1,2,…N-1表示分析滤波器组的Z域传递函数，分析滤波器组包含N个分析滤波器，分析滤波器的长度为M，将信号在频域上均匀分割为N个等带宽的子带远端信号x₀(n),x₁(n),…x_N-1(n)和N个等带宽的子带近端信号d₀(n),d₁(n),…d_N-1(n)；

步骤二

远端子带信号x₀(n),x₁(n),…x_N-1(n)和近端信号子带d₀(n),d₁(n),…d_N-1(n)进行降低速率的N倍抽取，得到降速后的子带信号x₀(p),x₁(p),…x_N-1(p)、d₀(p),d₁(p),…d_N-1(p)，其中p表示时间刻度，且p＝n/N；

步骤三

按公式一计算p时刻N个子带回波估值向量，

其中X_i(p)＝[x_i(p),x_i(p-1),…x_i(p-D+1)]为第i个输入子带矩阵，其维数为L×D，D是投影阶数，x_i(p)＝[x_i(pN),x_i(pN-1),…,x_i(pN-L+1)]^T为滤波器第i个子带输入向量，w(p)＝[w₀(p),w₁(p),…w_L-1(p)]^T为p时刻滤波器抽头权值向量，其具体数值由p-1时刻回波消除过程中已知，且在起始0时刻，w(0)＝[0,0,…0]^T，L为抽头个数，L＝256～1024，T表示共轭转置运算；

步骤四

按公式二计算第i个子带的误差估计向量，

其中e_i,D(p)＝[e_i,0(pN),e_i,1(pN-1),…e_i,L-1(pN-L+1)]^T是维数为L×1的误差子带向量，d_i,D(p)＝[d_i,0(pN),d_i,1(pN-1),…d_i,L-1(pN-L+1)]^T表示近端子带信号向量；

步骤五

按公式三计算第i个子带比例因子向量，

c_i(p)＝[c_i,0(p),c_i,1(p),…c_i,L-1(p)]^T 公式三

c_i,l(p)为c_i(p)的第i个元素，

其中ζ取0.5为比例尺度因子，其取值范围-1＜ζ＜1，σ＝0.001为格式化因子，θ_i-1,l(p)表示第i-1个子带信号对第l个权系数的增量贡献因子，为比例因子的频域记忆因子，当i＝0时，θ_i-1,l(p)＝0，同时按照上述方法，计算p-1时刻，p-2时刻,……,p-D+1时刻的子带比例因子向量c_i(p-1)，c_i(p-2)，……,c_i(p-D+1)，D为比例因子的时域记忆刻度；

步骤六

通过子带输入信号矩阵和比例因子向量按公式四计算比例输入矩阵

其中表示向量的hadmard积；

步骤七

按公式五计算第i个子带权向量增量θ_i(p)

其中λ＝0.001为格式化因子，I为D×D维单位矩阵，λI为对角元素为λ的对角矩阵，其目的是保证计算的稳定性，μ＝0.1为步长因子，其取值范围0＜μ＜2；

步骤八

回到步骤四，根据步骤四至步骤七计算出所有子带权向量增量，即θ_i(p)i＝1,2,…N-1；

步骤九

抽头权值向量按照公式六进行更新，

最终得到p+1时刻的权值向量w(p+1)，其维数为L×1；

步骤十

回到步骤三,计算p+1时刻N个子带回波估向量，其中Xi(p+1)为p+1时刻滤波器第i个子带输入矩阵，其维数为L×D，w(p+1)为步骤九中计算出的p+1时刻滤波器抽头权值向量，其维数为L×1；

步骤十一

按公式七从包含有回波信号的p+1时刻近端输入d_i,D(p+1)(i＝1,2,…N-1)中减去回波干扰估计值，

其中e_i,D(p+1)是干扰消除后的误差信号，包含近端有用信号和残留回波，其维数为L×1，d_i,D(p+1)＝[d_i,0(pN+1),d_i,1(pN),…d_i,L-1(pN-L)]^T表示p+1时刻近端子带信号，其维数为L×1，

最终完成回波干扰消除。

进一步的，所述步骤一中分析滤波器组中的N个分析滤波器为离散余弦滤波器。

进一步的，所述步骤三中D取值范围为4-8。

本发明的有益效果在于：本发明的时频记忆子带比例自适应回声消除方法及回馈方法，针对回声信号的非平稳特性，在频域上采用子带结构，将近端输入和远端回声信号分割为多个子带，有效的降低了信号的相关性；另一方面，在时域上采取多维投影输入组成输入矩阵，参与滤波器抽头权向量更新运算，起到了时频二维同时预白化的作用。

针对回声信道稀疏性的特点，本发明提出了时频二维记忆比例自适应方法，在计算比例因子时，考虑了时间记忆性，即时间延迟D和频域记忆性，即不同子带的权系数增量贡献因子θ_i,l(p)，提高了自适应算法的收敛速率和稳态性能。

本发明为所有比例自适应回声消除方法提供了一个统一的构架，即设置不同的参数，就可得到不同的比例自适应方法，如当N＝1，说明回声消除系统中只存在唯一一个个子带，此方法蜕化为改进的记忆性比例仿射投影(Memory improved Proportionate affine projection algorithm,MIPAPA)自适应方法，从而可根据实际情况设置不同的参数，选取不同的回声消除构架和方法。

附图说明

图1为实施例中的本发明方法的子带结构图。

图2为实施例中的本发明方法的分析滤波器组结构图。

图3为实施例中的本发明方法的稀疏信道示意图。

图4为5dB低信噪比环境下文献2方法、文献3方法与本发明的权系数归一化失调曲线比较示意图。

图5为20dB高信噪比环境下文献2方法、文献3方法与本发明的权系数归一化失调曲线比较示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行说明：

本发明针对回声消除问题，提供了一种时频记忆子带比例自适应回声消除方法。该发明一方面针对输入回声信号的非平稳特性，采用子带结构，在频域上对输入回声信号进行解相关，采用AP算法从时域上进行预白化，获得较好的回声消除性能；另一方面利用带有时频记忆的比例因子，抵抗回声信道的稀疏性，获得较快的收敛速率。

采用一个仿真实例来验证本发明的有益性，并与背景技术中现有文献2和文献3的方法作比较。

采用本发明的技术方案，其子带结构如图1所示，使用的分析滤波器组结构如图2所示。分析滤波器组中的N个分析滤波器为离散余弦滤波器。

回声信道采用国际电信标准ITU-TG168定义的标准稀疏信道，如图3所示，信道截取长度L＝512。远端输入信号x(n)为10阶自回归AR(10)信号，其自回归系数为(5.3217,-9.2948,7.0933,-2.8125,2.5805,-2.4230,0.3747,2.2628,-0.3028,1.7444,1.1053)，其具有高强度相关特性。信噪比(SNR)设置为5dB或20dB，分别比较各种方法在低信噪比和高信噪比条件下的性能。

在近端按照采样频率8k拾取近端的回声信号d(n)，共采样8000个样本，其中d(n)同时包含回声信号，远端信号x(n)以及噪声。

仿真实验中选取的所有参数如表1所示。

表1

图4所示为5dB低信噪比环境下文献2方法、文献3方法与本发明的权系数归一化失调曲线比较示意图，其中，曲线1代表本发明，曲线2代表文献2，曲线3代表文献3，可看出在收敛步长因子一致的情况下，本发明收敛速率更快，稳态性能更优。

图5所示为20dB高信噪比环境下文献2方法、文献3方法与本发明的权系数归一化失调曲线比较，其中，曲线4代表本发明，曲线5代表文献2，曲线6代表文献3，可看出在高信噪比下，本发明仍获得了较快的收敛速率和较好的稳态性能。

可优选的改进的技术方案如下：

本发明不局限于采用上述记忆比例因子，还可以选取以下比例因子改善信道稀疏性

μμ-law比例因子

其中β_i,l(p)的计算方式为

β_i,l(p)

＝max{ρmax[δ，T(|w₀(p)|)，…，T(|w_l-1(p)|)，T(|w_l(p)|)]}

T(·)函数定义为

T(|w_l(p)|)＝ln(1+η|w_l(p)|),η＝1/ε

其中ρ，δ和ε都为很小的正数，其典型选值为ρ＝5/L，δ＝0.01，ε根据环境噪声，选取为噪声的数量级。

改进型比例因子

其中尺度因子ζ可变，其计算方式为

Γ×max(R(p))为选值门限，Γ的典型值为0.1。κ₁的典型取值范围为-1～-0.98，κ₂的典型取值范围为0.98～1。向量R(p)计算方式为

R(p)＝[r₀(p),r₁(p),…r_L-1(p)]

r_l(p)＝max{ρmax[|w₀(p)|,…,|w_L-1(p)|],|w_l(p)|}

本发明根据子带个数N、仿射投影维数D以及记忆比例因子δ_i,l(k)的设置，不局限于子带自适应滤波；当N＝1，说明回声消除系统中只存在唯一一个个子带，此方法蜕化为改进的记忆性比例仿射投影(Memory improved Proportionate affine projection algorithm,MIPAPA)自适应方法；当D＝1，δ_i,l(k)＝0时,说明回声消除系统中输入的维数为1维，此方法可看做改进的子带比例自适应方法；当D＝1，N＝1和δ_i,l(k)＝0时,此方法蜕化为改进子带归一化最小均方(Improved Proportionate Normalized least mean square,IPNLMS)自适应方法。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。