CN102256200A - 全数字助听器的基于wola滤波器组的信号处理方法 - Google Patents

Abstract

本发明的全数字助听器的基于WOLA滤波器组的信号处理方法，先在时域采用预设的算法对麦克风接入的输入信号以预设的采样频率采样及分块后进行自适应滤波，接着再对经过自适应滤波的信号进行串并转换、加分析窗处理及离散傅立叶变换以分离出各个频率子带，然后根据预设的声压输入增益曲线计算目标增益，并将所计算出的目标增益通过一阶IIR滤波器以获得实时动态增益，并根据所述实时动态增益对各个频率子带信号进行压缩，最后对经过压缩的信号进行频域到时域的转换，再对获得的时域信号进行综合窗处理及并串转换，以形成串行信号作为输出，由此可有效克服现有数字助听器高放大时产生啸叫、高频信号失真严重，子带能量补偿范围过低的问题。

Description

全数字助听器的基于WOLA滤波器组的信号处理方法

技术领域

本发明涉及一种全数字助听器的信号处理方法，特别涉及一种全数字助听器的基于WOLA滤波器组的信号处理方法。

背景技术

随着中国社会的不断老龄化以及生活质量得到不断改善后人们对耳聋问题的日益关注，助听器的发展和使用逐渐受到人们的重视。调查表明，世界上每10个人就有1人有听力损失，他们均能够通过使用助听器获益。但听力障碍患者病因各异，听力损失情况存在较大差异，使得每位患者对于助听器有着不同的要求。传统助听器由于其线路功能的局限性，往往仅仅在时域或者频域对语音信号进行处理，无法满足患者的要求。而且，传统助听器存在信号高放大时容易产生啸叫、高频信号失真严重，子带能量补偿范围过低的问题，因此，如何改善现有助听器的语音处理能力，以便提高听力障碍人士的生活质量，实已成为本领域技术人员亟待解决的技术课题。

发明内容

本发明的目的在于提供一种低功耗，低延时和高精度的全数字助听器的基于WOLA滤波器组的信号处理方法，以克服现有数字助听器高放大时产生啸叫、高频信号失真严重，子带能量补偿范围过低的问题。

为了达到上述目的及其他目的，本发明的全数字助听器的基于WOLA滤波器组的信号处理方法，包括步骤：1)在时域采用预设的算法对麦克风接入的输入信号以预设的采样频率采样及分块后进行自适应滤波；2)对经过自适应滤波的信号进行串并转换、加分析窗处理及离散傅立叶变换以分离出各个频率子带；3)根据预设的声压输入增益曲线计算目标增益，并将所计算出的目标增益通过一阶IIR滤波器以获得实时动态增益，并根据所述实时动态增益对各个频率子带信号进行压缩；以及4)对经过压缩的信号进行频域到时域的转换，再对获得的时域信号进行综合窗处理及并串转换，以形成串行信号作为输出，其中，分析窗和综合窗的长度都预先设定。

其中，预设的算法可为LMS、NLMS、FXLMS、FXLMS算法中的一种，所述算法的过程可包括：x_c(n)＝w^T(n)y(n)、e(n)＝x(n)-x_c(n)、w(n+1)＝w(n)+2μe(n)y(n)，其中，x_c(n)是经过自适应滤波器估计出的反馈信号，w(n)是由FIR滤波器在时刻n的权系数构造出来的列矢量，y(n)是输出量经过延时构造出来的列矢量，x(n)是时刻n的混有反馈的输入信号，残差信号e(n)代表去除了估计出的反馈信号后的输入信号，μ是自适应参数，它决定了自适应滤波的收敛速度和算法的稳定性，对于LMS算法，采用预设的固定自适应参数；对于NLMS算法，采用可变自适应参数，即采用的自适应参数，其中，α为控制收敛速度的常数，

和分别为残差信号和估计反馈信号的功率；对于FXLMS或NFXLMS算法，则还包括在主路径和第二路径上引入滤波器(即FIR)。

较佳的，在进行加分析窗处理时，存于当前输入缓冲区的数据与存入历史缓存区的数据进行加窗处理后，直接将当前输入缓冲区标记为历史缓存区，而将历史缓存区标记为当前输入缓存区，以使当前输入缓冲区和历史缓存区构成一组乒乓缓冲区。

其中，进行加分析窗的处理过程可为：首先构造汉宁窗函数，即

接着再构造平方根汉宁窗函数，

$\mathrm{wa}\left(k\right)=\left\{\begin{array}{c}\sqrt{0.5[1+h\left(k\right)-h(k+\mathrm{La}/2)]},k=\mathrm{1,2},...,\mathrm{La}/2\\ \sqrt{0.5[1+h\left(k\right)-h\left(k-\mathrm{La}/2\right)]},k=\mathrm{La}/2+1,...,\mathrm{La}\end{array}\right..$

其中，综合窗可直接采用分析窗函数的抽取，若分析窗长度和综合窗长度相等，抽取率为1，则综合窗和分析窗相同。在进行综合窗处理时，可将存储在历史输出缓冲区的上一次尚未输出的数据和频域到时域转换且经过加综合窗处理的数据的一部分累加后存入当前输出缓冲区等待输出，再将经过加综合窗处理的数据的剩余部分存入历史输出缓冲区等待与下一次数据的累加。

其中，采用的一阶IIR滤波器的输入输出关系式和传输函数分别为，y(n)＝y(n-1)+a[x(n)-y(n-1)]＝ax(n)+(1-a)y(n-1)和

其中，x(n)为目标增益，y(n)为实时动态增益，a为滤波器系数，它由IIR滤波器的捕获和释放时间T决定，如果f_s代表采样频率，那么a由式来决定。

此外，步骤1)至4)可采用程序执行的方式实现，也可在具有实时动态自适应滤波器加速引擎和FFT或IFFT加速引擎的硬件平台上执行。

综上所述，本发明的全数字助听器的基于WOLA滤波器组的信号处理方法通过实时动态自适应滤波器加速引擎(即LMS核算法)，可有效消除助听器自身输出的反馈，克服传统高频陷波去反馈过程中，因去除有效信号本身的高频成分而产生高频失真严重和子带能量补偿范围过低的问题；同时，通过参数的配对选取及采用FFT/IFFT加速引擎可完成时频变换，具有低时延和高精度特性；能在各个子带上针对听力损失特性进行实时动态能量补偿，提高助听效果。

附图说明

图1为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的流程图。

图2为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的LMS或NLMS算法过程示意图。

图3为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的FXLMS或NFXLMS算法过程示意图。

图4为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的加分析窗的过程示意图。

图5为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的宽动态范围压缩输入增益曲线示意图。

图6为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的实时动态增益调整捕捉和释放的IIR滤波器信号流程示意图。

图7为本发明的全数字助听器的基于WOLA滤波器组的信号处理方法的加综合窗的过程示意图。

具体实施方式

请参阅图1，本发明的全数字助听器的基于WOLA滤波器组的信号处理方法主要包括以下步骤：

第一步，在时域采用预设的算法对麦克风接入的输入信号以预设的采样频率采样及分块后进行自适应滤波。在本实施例中，以32000Hz采样频率对输入信号x(t)(需要说明的是，为了改进语音信号的质量，通常，输入信号x(t)可为当前接入的信号x_i(t)和之前助听器输出信号y(t)经过外界等效反馈回路后的反馈信号x_f(t)的叠加信号)采样，形成16bit量化、信号带宽为16000Hz的混有反馈的采样数字信号x(n)，然后对其进行分块，每一采样块的长度R＝64，再把数字信号x(n)减去经过自适应滤波器估计出来的反馈信号x_c(n)，得到的残差信号e(n)，并把e(n)送入自适应反馈消除模块作为其中一路用于调整自适应滤波器系数的输入。采用的预设算法可为LMS、NLMS、FXLMS、或FXLMS算法等。如图2和3所示，各算法计算过程依次可为：x_c(n)＝w^T(n)y(n)、e(n)＝x(n)-x_c(n)、w(n+1)＝w(n)+2μe(n)y(n)，其中，x_c(n)是经过自适应反馈消除FIR滤波器(Wk)估计出的反馈信号，w(n)是由FIR滤波器在时刻n的权系数构造出来的列矢量，y(n)是输出量经过延时构造出来的列矢量，x(n)是时刻n的混有反馈的输入信号，残差信号e(n)代表去除了估计出的反馈信号后的输入信号，μ是自适应参数，它决定了自适应滤波的收敛速度和算法的稳定性，对于LMS算法，采用预设的固定自适应参数；对于NLMS算法则采用可变自适应参数，即采用

的自适应参数，其中，α为控制收敛速度的常数，

和

分别为残差信号和估计反馈信号的功率；对于FXLMS或NFXLMS算法，则将在主路径和第二路径上引入的滤波器(即FIR)即可，如图3所示。

第二步，对经过自适应滤波的信号进行串并转换、加分析窗处理及离散傅立叶变换(即FFT)以分离出各个频率子带，分析窗的长度都预先设定。在本实施例中，采样块的长度R＝64，也就是2ms的串并转换延时。对每一块含有R＝64个样本的输入信号样本块进行分析的过程如图4所示，即先构造两个输入缓冲区(即图中所示的存储数据长度为R的两区域)，一个用于存储上一次输入的样本块，称之为历史输入缓冲区，一个用于存储新输入的样本块，称之为当前输入缓冲区。对历史输入缓冲区的样本块和当前输入缓冲区的样本块进行加窗处理后得到的N＝128个数据(即图示中的加窗后的输入信号N个)直接输出给下一级作FFT变换，与此同时，把当前输入缓冲区标记为历史输入缓冲区，历史输入缓冲区标记为当前输入缓冲区，也就是说该两缓冲区构成一组乒乓缓冲区。所加分析窗长度La＝128，由于加分析窗后输出的样本块大小La＝N＝128，这样可以避免掉传统WOLA算法中的每N个时域加窗数据的重叠相加过程，简化了算法的实现结构；另一方面由于R＝La/2＝64，这样采用乒乓缓冲区来存储上一次的输入样本块和本次新进入的输入样本块，避免了传统算法中输入样本块的拷贝或者输入样本块索引号的计算，提高了算法的实现速度。

而分析过程中加窗函数的过程如下：

首先构造汉宁窗函数，

$h\left(k\right)=0.5(1-\cos \left(2\mathrm{\π}\frac{k-1}{\mathrm{La}-1}\right)),k=\mathrm{1,2},...,\mathrm{La}---\left(1\right)$

然后构造平方根汉宁窗函数，

$\mathrm{wa}\left(k\right)=\left\{\begin{array}{c}\sqrt{0.5[1+h\left(k\right)-h(k+\mathrm{La}/2)]},k=\mathrm{1,2},...,\mathrm{La}/2\\ \sqrt{0.5[1+h\left(k\right)-h(k-\mathrm{La}/2)]},k=\mathrm{La}/2+1,...,\mathrm{La}\end{array}\right.---\left(2\right)$

对经过加分析窗处理后的N＝128点数据可利用FFT或IFFT加速引擎进行由时域变换到频域的转换。其中，FFT或IFFT的长度N＝128，过采样率OS＝N/R＝2。

第三步，根据预设的声压输入增益曲线计算目标增益，并将所计算出的目标增益通过一阶IIR滤波器以获得实时动态增益，并根据所述实时动态增益对各个频率子带信号进行压缩。即应用宽动态范围压缩算法对于0，1，2，...N/2-1，N/2的有效子带数据进行增益调整。具体过程如下：

对于每一个子带，计算该子带上的输入能量，根据该输入能量在输入增益曲线(如图5)上查找计算出相应的目标增益，然后把目标增益送入一阶IIR平滑滤波器(如图6)得到实时动态增益，最后将该实时动态增益加入到该子带数据上输出。采用的一阶IIR平滑滤波器的输入输出关系式和传输函数分别为，

y(n)＝y(n-1)+a[x(n)-y(n-1)]＝ax(n)+(1-a)y(n-1) (3)

$h\left(n\right)=\frac{a}{1-(1-a)z^{-1}}---\left(4\right)$

式(3)和式(4)中，x(n)为目标增益，y(n)为实时动态增益，a为滤波器系数，它由IIR滤波器的捕获和释放时间T决定，如果f_s代表采样频率，那么a由下式(5)决定，

$a=1-{\left(\frac{1}{e}\right)}^{\frac{1}{T{f}_s}}---\left(5\right)$

第四步，对经过压缩的信号进行频域到时域的转换(即IFFT)，再对获得的时域信号进行综合窗处理及并串转换，以形成串行信号作为输出，其中，综合窗的长度预先设定。在本实施例中，综合窗的长度Ls＝128。

对IFFT输出的数据进行综合窗处理，恢复出R＝64个时域样本块进行输出。具体综合过程如图7所示，同样先构造两个输出缓冲区(即图中存储数据长度为R的两区域)，一个用于存储上一次尚未输出的数据块，称之为历史输出缓冲区，一个用于存储即将输出的样本块，称之为当前输出缓冲区。对IFFT输出的N＝128点数据加窗后的一部分数据(即前R＝64个数据)累加历史输出缓冲区的数据后，存储到当前输出缓冲区中作为输出样本块进行输出，对IFFT输出的N＝128点数据加窗后的剩余的部分数据(即后R＝64个数据)，直接存储到历史缓冲区中为下一次的样本块的输出做准备。

这样由于输入样本块大小Ls＝N＝128，可以避免掉传统WOLA算法中的N点到Ls点的数据扩展过程，简化了算法的实现结构。在综合过程中所加综合窗函数可不用再次构造，而直接采用分析窗函数的抽取，由于分析窗长度和综合窗长度相等，抽取率为1，那么综合窗和分析窗相同，即

ws(k)＝wa(k)，k＝1，2，...，La    (6)

然后再对R＝64的样本块进行并串转换，逐样本输出，并把输出的每个样本送入外界等效反馈回路处理后作为反馈信号(即x_f(t))反馈回输入端，然后再对每个输出样本进行模数转换，输出模拟信号。

需注意的是，本发明实施例既可以采用程序的方式执行，也可以在具有实时动态自适应滤波器加速引擎和FFT/IFFT加速引擎的硬件平台上执行。

综上所述，本发明的全数字助听器的基于WOLA滤波器组的信号处理方法对麦克风采集的输入信号通过实时动态自适应滤波器加速引擎(LMS核算法)，可消除助听器自身输出的反馈，克服传统高频陷波去反馈过程中，因去除有效信号本身的高频成分而产生高频失真严重和子带能量补偿范围过低的问题；通过参数的配对选取及采用FFT/IFFT加速引擎可完成时频变换，具有低时延和高精度特性；能在各个子带上针对听力损失特性进行实时动态能量补偿，提高助听效果。

上述实施例仅列示性说明本发明的原理及功效，而非用于限制本发明。任何熟悉此项技术的人员均可在不违背本发明的精神及范围下，对上述实施例进行修改。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (9)

1.一种全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于包括步骤：

1)在时域采用预设的算法对麦克风接入的输入信号以预设的采样频率采样及分块后进行自适应滤波；

2)对经过自适应滤波的信号进行串并转换、加分析窗处理及离散傅立叶变换以分离出各个频率子带；

3)根据预设的声压输入增益曲线计算目标增益，并将所计算出的目标增益通过一阶IIR滤波器以获得实时动态增益，并根据所述实时动态增益对各个频率子带信号进行压缩；

4)对经过压缩的信号进行频域到时域的转换，再对获得的时域信号进行综合窗处理及并串转换，以形成串行信号作为输出，其中，分析窗和综合窗的长度都预先设定。

2.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：预设的算法为LMS、NLMS、FXLMS、FXLMS算法中的一种。

3.如权利要求2所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：所述算法的过程包括：x_c(n)＝w^T(n)y(n)、e(n)＝x(n)-x_c(n)、w(n+1)＝w(n)+2μe(n)y(n)，其中，x_c(n)是经过自适应滤波器估计出的反馈信号，w(n)是由FIR滤波器在时刻n的权系数构造出来的列矢量，y(n)是输出量经过延时构造出来的列矢量，x(n)是时刻n的混有反馈的输入信号，残差信号e(n)代表去除了估计出的反馈信号后的输入信号，μ是自适应参数，它决定了自适应滤波的收敛速度和算法的稳定性，对于LMS算法，采用预设的固定自适应参数；对于NLMS算法，采用可变自适应参数，即采用

的自适应参数，其中，α为控制收敛速度的常数，

和

分别为残差信号和估计反馈信号的功率；对于FXLMS或NFXLMS算法，则还包括在主路径和第二路径上引入滤波器。

4.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：在进行加分析窗处理时，存于当前输入缓冲区的数据与存入历史缓存区的数据进行加窗处理后，直接将当前输入缓冲区标记为历史缓存区，而将历史缓存区标记为当前输入缓存区，以使当前输入缓冲区和历史缓存区构成一组乒乓缓冲区。

5.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：进行加分析窗的处理过程为：首先构造汉宁窗函数，即

接着再构造平方根汉宁窗函数，

$\mathrm{wa}\left(k\right)=\left\{\begin{array}{c}\sqrt{0.5[1+h\left(k\right)-h(k+\mathrm{La}/2)]},k=\mathrm{1,2},...,\mathrm{La}/2\\ \sqrt{0.5[1+h\left(k\right)-h(k-\mathrm{La}/2)]},k=\mathrm{La}/2+1,...,\mathrm{La}\end{array}\right..$

6.如权利要求5所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：综合窗直接采用分析窗函数的抽取，若分析窗长度和综合窗长度相等，抽取率为1，则综合窗和分析窗相同。

7.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：采用的一阶IIR滤波器的输入输出关系式和传输函数分别为，y(n)＝y(n-1)+a[x(n)-y(n-1)]＝ax(n)+(1-a)y(n-1)和

其中，x(n)为目标增益，y(n)为实时动态增益，a为滤波器系数，它由IIR滤波器的捕获和释放时间T决定，如果f_s代表采样频率，那么a由式

来决定。

8.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：在进行综合窗处理时，将存储在历史输出缓冲区的上一次尚未输出的数据和频域到时域转换且经过加综合窗处理的数据的一部分累加后存入当前输出缓冲区等待输出，再将经过加综合窗处理的数据的剩余部分存入历史输出缓冲区等待与下一次数据的累加。

9.如权利要求1所述的全数字助听器的基于WOLA滤波器组的信号处理方法，其特征在于：步骤1)至4)采用程序执行的方式实现，或者在具有实时动态自适应滤波器加速引擎和FFT或IFFT加速引擎的硬件平台上执行。

Images