一种基于M估计的成比例类仿射投影自适应回声消除方法与流程

本发明涉及一种自适应回声消除方法，属于通信的回声对消
技术领域：
。
背景技术：
在以语音为主的通信系统(比如免提电话、电视电话会议系统等)中，语音质量通常会受到以声学回声为主的回声影响，严重影响通话质量。回声，即声音或信号经过延时或形变被反射回信号源的一种现象，在语音通信、数据通信、卫星通信、免提电话、电话会议系统等通信系统中，都不同程度的存在回声现象。以电视电话会议为例，因为扬声器和麦克风被置于同一空间，本地扬声器发出的远端语音被本地近端麦克风接收并传回远端，导致远端说话者听到自己的声音。因此，必须采取有效的措施来消除回声信号，减轻其影响，提高语音通话质量。目前，在众多回声消除方法中，自适应回声消除技术具有逐步调节性能，应用成本低，收敛速度快，回声残差小，是目前国际上公认的最有前景的回声消除技术，也是回声消除目前采用的主流技术。自适应回声消除技术的本质是通过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消除回声。自适应回声消除技术的核心是自适应回声消除算法。因此，如何完善和研究新的性能卓越的自适应回声消除算法是回声消除领域的主要研究方向。目前效果较好、使用较多的自适应回声消除方法是基于m估计的成比例归一化最小均方(pnlmm)。也有学者提出了这种方法的改进方法——基于m估计的改进成比例归一化最小均方(ipnlmm)(文献1“基于成比例的自适应鲁棒回声消除算法”，黄章梁，中国硕士学位论文2012)。该方法使输入向量乘以跟输入向量正相关的成比例矩阵，使得输入信号分配到不同的自适应滤波器权值更新步长参数与输入向量正相关，从而加快了算法辨识稀疏系统时的收敛速度；通过m估计的思想，设置一个阀值参数，当误差小于阀值参数时，权值向量正常更新，当误差大于阀值参数时，阀值参数代替误差进行权值向量更新，使算法具有良好的抗冲激噪声能力；但其进行权值向量更新时，其输入的误差信号只是当前时刻的误差信号，并且也只是输入的当前时刻的输入向量，对严重自相关信号，没有充分利用相邻的前数个时刻信号中的相关信息，导致收敛速度会严重下降，而语音输入信号，经常会出现这种情况；因此，其收敛速度还有待提高。技术实现要素：本发明的发明目的就是提供一种基于m估计的成比例类仿射投影自适应回声消除方法，该方法对通信系统的声学回声的收敛速度快，稳态误差小，回声消除效果好。本发明实现其发明目的所采用的技术方案是，一种基于m估计的成比例类仿射投影自适应回声消除方法，其步骤如下：a、远端信号采样将当前时刻n到时刻n-l+1之间的远端采样信号离散值x(n),x(n-1),...,x(n-l+1),构成当前时刻n的自适应滤波器输入向量x(n)，x(n)＝[x(n),x(n-1)，…，x(n-l+1)]t，其中l＝512是滤波器抽头数，t代表转置运算；b、回声信号估计将当前时刻n的自适应滤波器输入向量x(n)，通过自适应滤波器得到当前时刻n的输出值y(n)，也即回声的估计值y(n)，y(n)＝wt(n)x(n)；其中，w(n)为当前时刻n的自适应滤波器的抽头权向量，w(n)＝[w0(n),w1(n),...wl(n)...,wl-1(n)]t，wl(n)为n时刻第l个抽头权系数，w(n)的初始值为零向量；c、回声信号消除将近端麦克风拾取的当前时刻n的回声的近端信号d(n)，与当前时刻n的输出值y(n)相减后得到当前时刻n的残差信号e(n)，e(n)＝d(n)-y(n)；再将残差信号e(n)回送给远端；d、滤波器抽头权系数更新d1、m估计函数计算将当前时刻n到时刻n-nw+1之间的残差信号平方值e2(n),e2(n-1),…,e2(n-nw+1)构成当前时刻n估计窗内的残差信号平方序列ae(n)，ae(n)＝[e2(n),e2(n-1),…,e2(n-nw+1)]其中，nw为估计窗的长度，其取值范围为5-15；再由下式计算出当前时刻n的残差信号的方差其中，λ为遗忘因子，其取值范围为0.800-0.999,c为常数，c＝1.483(1+5/(nw-1))，med(·)表示取中间值的运算；根据当前时刻n的残差信号的方差得出当前时刻n的m估计阀值参数ξ(n)，然后，由下式计算出滤波器当前时刻n的抽头权向量w(n)更新的m估计函数值其中，sgn为符号函数；的初始值即为0。d2、成比例控制因子计算当前时刻n第l个抽头的成比例控制因子gl(n)，由下式得出：其中，κ为成比例调整参数，其取值范围为：-1≤κ＜1；ε为成比例限制参数，取值为0.01-0.001，作用是防止公式分母为0；再计算出，当前时刻n的成比例矩阵g(n)＝diag[g0(n),g1(n),...,gl(n),...,gl-1(n)]，其中diag[·]表示构造对角矩阵；d3、滤波器抽头权向量更新将当前时刻n到时刻n-p+1之间的自适应滤波器输入向量x(n)，x(n-1),…x(n-p+1)构成当前时刻n的仿射投影输入矩阵将当前时刻n到时刻n-p+1之间的残差信号e(n)，e(n-1),…,e(n-p+1),构成当前时刻n的仿射投影残差向量e(n),e(n)＝[e(n)，e(n-1),…,e(n-p+1)]；其中，p为投影阶数，其取值为2、4、8；使用基于m估计的成比例类仿射投影的方法，得出下一时刻n+1的自适应滤波器的抽头权向量w(n+1)：其中，a为自适应滤波器的步长参数，其取值范围为0-2，δ为正则因子，是防止矩阵求逆计算困难的正常数，其取值为0.001-0.01；e、重复令n＝n+1，重复步骤a、b、c、d的操作，直至通话结束。与现有技术相比，本发明的有益效果是：本发明进行权值向量更新时，其输入的残差(误差)参数不是当前时刻的残差信号，而是包括相邻前时刻的多个残差信号组成的仿射投影残差向量e(n)＝[e(n)，e(n-1),…,e(n-p+1)]；并且考虑的输入参数，也不是当前时刻的输入向量，而是包括相邻前时刻的输入向量组成的仿射投影输入矩阵充分利用了语音输入信号这种严重自相关信号中相邻的前数个时刻信号中的相关信息，使得其收敛速度明显提高，回声消除效果好，稳态误差小。下面结合附图和具体实施方式对本发明进行详细的说明。附图说明图1是本发明仿真实验的声学回声信道图。图2是本发明仿真实验的网络回声信道图。图3是本发明仿真实验中的语音信号。图4是ipnlmm(基于m估计的改进成比例归一化最小均方)算法和pnlmm(基于m估计的成比例归一化最小均方)算法和本发明方法在声学回声信道中的仿真实验归一化稳态失调曲线。图5是ipnlmm(基于m估计的改进成比例归一化最小均方)算法和pnlmm(基于m估计的成比例归一化最小均方)算法和本发明方法在网络回声信道中的仿真实验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m估计的成比例类仿射投影自适应回声消除方法，其步骤如下：一种基于m估计的成比例类仿射投影自适应回声消除方法，其步骤如下：a、远端信号采样将当前时刻n到时刻n-l+1之间的远端采样信号离散值x(n),x(n-1),...,x(n-l+1),构成当前时刻n的自适应滤波器输入向量x(n)，x(n)＝[x(n),x(n-1)，…，x(n-l+1)]t，其中l＝512是滤波器抽头数，t代表转置运算；b、回声信号估计将当前时刻n的自适应滤波器输入向量x(n)，通过自适应滤波器得到当前时刻n的输出值y(n)，也即回声的估计值y(n)，y(n)＝wt(n)x(n)；其中，w(n)为当前时刻n的自适应滤波器的抽头权向量，w(n)＝[w0(n),w1(n),...wl(n)...,wl-1(n)]t，wl(n)为n时刻第l个抽头权系数，w(n)的初始值为零向量；c、回声信号消除将近端麦克风拾取的当前时刻n的回声的近端信号d(n)，与当前时刻n的输出值y(n)相减后得到当前时刻n的残差信号e(n)，e(n)＝d(n)-y(n)；再将残差信号e(n)回送给远端；d、滤波器抽头权系数更新d1、m估计函数计算将当前时刻n到时刻n-nw+1之间的残差信号平方值e2(n),e2(n-1),…,e2(n-nw+1)构成当前时刻n估计窗内的残差信号平方序列ae(n)，ae(n)＝[e2(n),e2(n-1),…,e2(n-nw+1)]其中，nw为估计窗的长度，其取值范围为5-15；再由下式计算出当前时刻n的残差信号的方差其中，λ为遗忘因子，其取值范围为0.800-0.999,c为常数，c＝1.483(1+5/(nw-1))，med(·)表示取中间值的运算；根据当前时刻n的残差信号的方差得出当前时刻n的m估计阀值参数ξ(n)，然后，由下式计算出滤波器当前时刻n的抽头权向量w(n)更新的m估计函数值其中，sgn为符号函数；的初始值即为0。d2、成比例控制因子计算当前时刻n第l个抽头的成比例控制因子gl(n)，由下式得出：其中，κ为成比例调整参数，其取值范围为：-1≤κ＜1；ε为成比例限制参数，取值为0.01-0.001，作用是防止公式分母为0；再计算出，当前时刻n的成比例矩阵g(n)＝diag[g0(n),g1(n),...,gl(n),...,gl-1(n)]，其中diag[·]表示构造对角矩阵；d3、滤波器抽头权向量更新将当前时刻n到时刻n-p+1之间的自适应滤波器输入向量x(n)，x(n-1),…x(n-p+1)构成当前时刻n的仿射投影输入矩阵将当前时刻n到时刻n-p+1之间的残差信号e(n)，e(n-1),…,e(n-p+1),构成当前时刻n的仿射投影残差向量e(n),e(n)＝[e(n)，e(n-1),…,e(n-p+1)]；其中，p为投影阶数，其取值为2、4、8；使用基于m估计的成比例类仿射投影的方法，得出下一时刻n+1的自适应滤波器的抽头权向量w(n+1)：其中，a为自适应滤波器的步长参数，其取值范围为0-2，δ为正则因子，是防止矩阵求逆计算困难的正常数，其取值为0.001-0.01；e、重复令n＝n+1，重复步骤a、b、c、d的操作，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，并与文献1的ipnlmm算法和基于m估计成比例归一化均方算法(pnlmm)进行对比。仿真实验的远端信号x(n)为图3的语音信号，其采样频率8000hz，采样点个数40000。脉冲响应长度即滤波器抽头数l＝512。实验的背景噪声为高斯白噪声，信噪比为20db。并且在麦克风接收到的近端信号中加入采集得到的冲击干扰。图1是实验用的安静密闭房间构成的通信系统的稀疏信道图。图2是网络回声信道的脉冲响应图。仿真实验时，三种方法的参数具体取值如表1。表1-各算法仿真实验的参数ipnlmmμ＝0.23,δ＝0.001,ρ＝0.01,κ＝0,ξ＝8pnlmmμ＝0.23,δ＝0.001,ρ＝0.01,ξ＝8本发明μ＝0.23,δ＝0.001,ρ＝0.01,ξ＝8仿真结果通过独立运行50次平均得到。图4是ipnlmm算法、pnlmm和本发明方法在图1的信道中的进行仿真实验的归一化稳态失调曲线。由图4可以看出，本发明对语音和冲击干扰具有很好的稳定性，与ipnlmm算法和pnlmm算法相比，当信道为声学回声信道时，本发明的收敛速度快于ipnlmm算法和pnlmm算法本发明稳态误差达到-20db时其迭代次数仅为1.3×104，而另两个算法稳态误差达到-20db时其迭代次数为4×104。本发明的稳态误差低至-27db，相比于ipnlmm算法降低8db，相比于pnlmm算法降低9db。图5是ipnlmm算法、pnlmm和本发明方法在图2的信道中的进行仿真实验的归一化稳态失调曲线。由图5可以看出，当信道为网络回声信道时，本发明的收敛速度快于ipnlmm算法和pnlmm算法本发明稳态误差达到-20db时其迭代次数仅为1.7×104，而另两个算法稳态误差达到-20db时其迭代次数高于4×104。本发明的稳态误差低至-27db，相比于ipnlmm算法降低8db，相比于pnlmm算法降低9.5db。可见，本发明方法具有更小的稳态误差，更快的收敛速度。当前第1页12