CN102625213B - 一种处理音频系统啸叫的方法及音频系统 - Google Patents
一种处理音频系统啸叫的方法及音频系统 Download PDFInfo
- Publication number
- CN102625213B CN102625213B CN201210097645.2A CN201210097645A CN102625213B CN 102625213 B CN102625213 B CN 102625213B CN 201210097645 A CN201210097645 A CN 201210097645A CN 102625213 B CN102625213 B CN 102625213B
- Authority
- CN
- China
- Prior art keywords
- audio system
- adaptive algorithm
- pitched sounds
- signal
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
Abstract
本发明公开了一种处理音频系统啸叫的方法及音频系统,所述方法包括以下步骤:检测音频系统输入信号是否可能存在啸叫;当检测到所述输入信号可能存在啸叫时,使用第一自适应算法跟踪估计音频系统输出信号的的反馈信号,否则使用第二自适应算法跟踪估计音频系统输出信号的反馈信号。所述音频系统包括啸叫检测单元、第一自适应算法单元和第二自适应算法单元。本发明能够快速跟踪估计音频系统输出信号的反馈信号,在检测到音频系统可能出现啸叫之后,不需要降低增益、不需要滤去可能出现啸叫的频段,降低了重要信息丢失的可能性。
Description
技术领域
本发明涉及音频系统处理技术,尤其涉及一种处理音频系统啸叫的方法及音频系统。
背景技术
音频系统往往包括输入变换器,放大器和接收器单元。在音频系统(如助听器)中,可能出现这样的情况,从音频系统的接收器单元发出的声音的一部分可能泄露回麦克风。随后,泄露回麦克风的声音会被添加至麦克风信号,并被再次放大。因此,当音频系统的增益G到与实际反馈路径的增益H的积大于1时,即G*H>1(如图1所示),这样会形成一个正反馈,泄露的声音会不断的放大,就可能导致啸叫。啸叫的出现很大程度上取决于增益,它限制了音频系统中能达到的最大增益。啸叫会给用户带来很大的烦恼,要尽量消除。
音频系统如助听器,使用自适应算法,例如归一化最小均方算法(Normalized Least-Mean Squares,简称NLMS)来消除反馈,它能解决平稳反馈路径的估计问题。但是当反馈路径急剧变化时(如打电话,进入嘈杂的环境等),归一化最小均方算法无法快速的跟踪估计反馈路径,使得残留的误差信号较大,而此时的增益不变,容易满足G*H>1,引起啸叫。
在现有技术中,用于解决啸叫的方法有很多,例如使用自适应滤波器。自适应滤波器可以在啸叫开始之前取得多达10分贝的额外增益。然而即使在很好的用于音频系统的自适应数字反馈消除系统中,通常也会有剩余误差。那么在这种情况下一般的做法是设置啸叫检测装置,啸叫检测的方法有以下几种:一、如专利号为US6650124的专利中公开的一种啸叫检测的方法,其步骤是,通过计算信号成分的变化并将其与阈值进行比较,来评价输入信号的频率成分是否存在啸叫,然后通过开关激活陷波滤波器来滤掉特定频率;二、如专利号为US2011188685的专利中提到的一种新的检测方法:判断信号的中心频率是否是在容易发生啸叫的频率范围内,再判断信号的能量值是否达到阈值,再判断频率中心的变化是否大于阈值,最后得出是否可能存在啸叫。
音频系统在检测到可能产生啸叫之后,常用的做法是在增益上做改进。比如早期的手动减小增益,但是效果不会太理想,会给患者带来不便。再到后来的自动减小增益,通过模型增益估计器来估计放大器能达到的最大增益。另外一种做法是如专利号为US6650124中提到的直接用陷波滤波器滤掉特定频率。
在现有技术用于解决啸叫的方法中,主要分两个方面来解决问题。第一,降低增益值,当检测到某一频率可能产生啸叫时,降低该频率的增益值,使系统稳定,不产生啸叫,但是这种方法限制了音频系统的增益,这就可能使用户无法听到该频率的声音,从而丢失重要的信息;第二,通过陷波滤波器直接滤掉可能产生啸叫的频率,而啸叫一般在高频部分产生,并且语音中的高频分量对语音辨识起着及其重要的作用,这使得用户丢失重要信息的概率增大了很多。
发明内容
本发明的目的是提供一种开销小,且收敛速度快的啸叫抑制方法。
为实现上述目的,一方面,本发明提供了一种处理音频系统啸叫的方法,该方法包括以下步骤:检测音频系统输入信号是否可能存在啸叫;当检测到所述输入信号可能存在啸叫时,使用第一自适应算法跟踪估计音频系统输出信号的反馈信号,否则使用第二自适应算法跟踪估计音频系统输出信号的反馈信号。另一方面,本发明提供了一种音频系统,该系统包括:啸叫检测单元、第一自适应算法单元、第二自适应算法单元和切换开关单元,其中啸叫检测单元用于检测音频系统输入信号是否存在啸叫,第一自适应算法单元用于在音频系统可能产生啸叫时跟踪估计音频系统输出信号的反馈信号,第二自适应算法单元用于在音频系统没有产生啸叫时跟踪估计音频系统输出信号的反馈信号,切换开关单元用于在第一自适应算法单元和第二自适应算法单元间进行切换。
本发明不需要降低音频系统产生的增益、不需要滤去可能发生啸叫的频段、可快速跟踪到音频系统输出信号的实际反馈信号,从而有效的抑制了啸叫的发生。
附图说明
本发明的示例性实施例将从下文中给出的详细说明和本发明不同实施例的附图中被更完全地理解,然而这不应该被视为将本发明限制于具体的实施例,而应该只是为了解释和理解。
图1为现有技术音频系统结构示意图;
图2为本发明实施例一种音频系统结构图;
图3为本发明实施例一种处理音频系统啸叫的方法流程图;
图4为本发明实施例归一化最小均方NLMS算法的流程图;
图5为本发明实施例指数加权递推最小二乘ERLS算法的流程图;
图6为本发明实施例二分坐标下降DCD算法的流程图;
图7为本发明ERLS-DCD算法收敛性能效果图。
具体实施方式
本领域的普通技术人员将意识到,所述示例性实施例的下述详细说明仅仅是说明性的,并且不是意在以任何方式加以限制。
图2为本发明实施例一种音频系统。该音频系统包括麦克风20、加法器21、啸叫检测单元22、接收器单元23、第一自适应算法单元24、第二自适应算法单元25、、滤波器26以及切换开关单元27。
如图2所示,其中H(W)表示实际反馈路径,F(W)表示估计的反馈路径,x(i)为输入信号,u(i)为输出信号,d(i)为期望信号,y(i)为估计信号,e(i)为误差信号,是通过加法器21将期望信号d(i)减去估计信号y(i)获得。音频系统通过麦克风20输入信号x(i),并通过接收器单元23输出声音信号u(i),这里的接收器单元23可以是扬声器。接收器单元23输出的声音的一部分通过实际反馈路径H(W)产生期望信号d(i),泄露回麦克风20。被泄露回麦克风20的反馈信号d(i)将被添加至新的输入信号。
音频系统的啸叫检测单元22用于检测输入信号x(i)的频率成分是否可能产生啸叫。当啸叫检测单元22检测到可能有啸叫发生时,则通过切换开关单元27切换到第一自适应算法单元24来跟踪估计音频系统输出信号的反馈信号,从而抑制啸叫的发生,同时停止第二自适应算法单元的使用,直到啸叫检测单元22检测音频系统没有可能出现啸叫之后通过切换开关切换到第二自适应算法单元。
第一自适应算法可以采用指数加权递推最小二乘(Exponentia11yweighted Recursive Least Squares,简称ERLS)算法和二分坐标下降(dichotomous coordinate descent,简称DCD)算法的结合,来解决音频系统发生啸叫时的反馈抑制问题。
第二自适应算法单元所使用的自适应算法可以是助听器领域使用的常规算法,例如执行归一化最小均方NLMS算法来解决音频系统在未发生啸叫时的反馈抑制问题。
本发明实施例中第一自适应算法的收敛速度大于第二自适应算法,且第一自适应算法的计算复杂度高于第二自适应算法的计算复杂度。
图3为本发明实施例一种处理音频系统啸叫的方法流程图。以下结合图2来描述如图3所示的方法流程,该方法包括步骤301-302:
在步骤301,检测音频系统输入信号是否可能会发生啸叫。
音频系统通过啸叫检测单元22检测输入信号是否可能会发生啸叫。在啸叫检测单元22中,可以使用任何检测输入信号是否可能存在啸叫的常规方法,例如检测输入信号的平均频率是否在预定的频率范围内,如果平均频率在预定频率范围内波动,则检测为可能存在啸叫。
在步骤302,当检测到所述输入信号可能存在啸叫时,使用第一自适应算法跟踪估计音频系统输出信号的反馈信号,否则使用第二自适应算法跟踪估计音频系统输出信号的反馈信号。
音频系统的啸叫检测单元22在检测到音频系统可能有啸叫发生时,则通过第一自适应算法单元来跟踪估计音频系统输出信号的反馈信号,从而抑制啸叫的发生。音频系统在使用第一自适应算法时,同时停止第二自适应算法单元的使用,直到啸叫检测单元22检测到没有可能发生啸叫时才恢复使用第二自适应算法单元。
第一自适应算法可以采用指数加权递推最小二乘ERLS算法和二分坐标下降DCD算法的结合,来解决音频系统发生啸叫时的反馈抑制问题。第一自适应算法能快速跟踪到音频系统输出信号的反馈信号。
第二自适应算法单元所使用的自适应算法可以是助听器领域使用的常规算法,例如使用归一化最小均方NLMS算法来解决音频系统在未发生啸叫时的反馈抑制问题。
本发明实施例中第一自适应算法的收敛速度大于第二自适应算法的收收敛速度,且第一自适应算法的计算复杂度高于第二自适应算法的计算复杂度。
以下通过对归一化最小均方算法NLMS算法和ERLS-DCD算法(指数加权递推最小二乘ERLS算法和二分坐标下降DCD算法的结合)流程的介绍,来阐述音频系统输出信号的反馈信号跟踪估计过程。音频系统在一般情况下(即未发生啸叫)使用归一化最小均方NLMS算法,当检测到可能出现啸叫后使用ERLS-DCD算法,同时停止使用归一化最小均方NLMS算法。
归一化最小均方NLMS算法流程如下:
(1)y(i)=WT*U
(2)e(i)=d(i)-y(i)
(3)p(i)=ρ·p(i-1)+e2(i)+y2(i)
(5)W=W+k(i)*e(i)*U
归一化最小均方NLMS的算法流程图如图4所示。其中,WT为自适应滤波器系数W的矩阵转置,输出信号u(i)采样N点得到输出向量U,d(i)为期望得到的信号,e(i)为期望信号d(i)减去估计信号y(i)得到的误差信号,p(i)为当前的信号能量,是为了计算步长因子k(i)而设计的一个变量,ρ,C,δ都是常数参数,可以依次设置为1000,1,0.99。
上述归一化最小均方NLMS算法(1)式中,通过输出信号u(i)产生输出向量U,通过输出向量U和滤波器系数W的矩阵转置WT计算估计信号y(i);在(2)式中,通过期望信号d(i)减去估计信号y(i)得到的误差信号e(i);在(3)式中,通过误差信号e(i)和估计信号y(i)计算当前的信号能量p(i),p(i)主要为了计算(4)式中的步长因子k(i);在(5)式中,通过步长因子k(i)、误差信号e(i)和输出向量U来改变滤波器W的系数。
以下通过图5和图6针对ERLS-DCD算法过程进行详细阐述:
首先,ERLS-DCD算法建立在指数加权递归最小二次算法(Exponentially weighted Recursive least squares,简称ERLS)的基础上,利用二分坐标下降DCD算法来解决指数加权递推最小二乘ERLS算法中最关键的步骤,从而简化算法。
图5为指数加权递推最小二乘ERLS算法的方法流程图,如图所示,该方法步骤包括501-507。
ERLS算法如下:
R(1)(i)=λR(1)(i-1)+u(i)U (1)
y(i)=UTh(i-1) (2)
e(i)=d(i)-y(i) (3)
β0(i)=r(i-1)+e(i)U (4)
R(i)Δh(i)=β0(i) (*)
r(i)=β0(i)-R(i)Δh(i) (6)
h(i)=h(i-1)+Δh(i) (7)
在步骤501,该步骤对应上述公式(1),通过输出信号u(i)采样N点产生输出向量U,再通过输出信号u(i)和输出向量U产生输出信号的自相关矩阵R,其中λ为常数。R矩阵的构成方法:R(i)为i时刻的R矩阵,R(i)的右下N-1阶矩阵来源于R(i-1)的左上N-1阶矩阵。R(i)的第一列采用(1)式求得,再通过对称得到第一行,则得到R矩阵,其中λ为常数,0<λ<1,R(1)(i)表示R(i)的第1列。这样构建R矩阵的目的是为了简化计算,降低算法的计算复杂度。R矩阵用来构成计算解向量改变量的方程。
在步骤502,该步骤对应上述公式(2),在公式(2)中,UT为输出向量U的转置,h(i)为自适应滤波器估计的反馈路径向量,h(i-1)表示延迟一个单位。输出向量U与自适应滤波器h(i-1)相乘得到估计信号y(i)。
在步骤503,该步骤对应上述公式(3),在公式(3)中,d(i)表示期望信号,e(i)为误差信号,通过期望信号d(i)减去估计信号y(i)得到误差信号e(i)。
在步骤504,该步骤对应上述公式(4),在公式(4)中,β0(i)表示当前还剩下的需要计算的(*)式的误差向量,r(i)表示当前计算完(*)式后的剩余误差向量,通过误差信号e(i)与输出向量U相乘,再加上i-1时刻的剩余误差向量r(i-1)得到i时刻的误差向量,其中剩余误差向量r的初始值设为0向量。
在步骤505,该步骤对应上述公式(*),公式(*)通过前面构成的矩阵R和向量β0(i)用于计算滤波器的改变量Δh(i)。
在步骤506,该步骤对应上述公式(6),公式(6)用于计算此次循环时的剩余误差向量r(i)。
在步骤507,该步骤对应上述公式(7),公式(7)用于修改滤波器系数h的值,即加上滤波器的改变量Δh(i),这是整个算法的目的。
在整个指数加权递推最小二乘ERLS算法中,第(*)步是最关键的一步,它的算法复杂度是最高的,一般需要o(n2)级乘法和o(n2)级加法。为了解决这一步,引入了二分坐标下降DCD算法。
二分坐标下降DCD算法要解决的问题是:求解方程Ah=b的h。这里的A=ZTZ,Z为一个M*N维矩阵,则A为N*N维矩阵;b=ZTd,d为M*1的列向量,则b为N*1维列向量。上面的指数加权递推最小二乘ERLS算法中的第(*)式,正好满足这里的条件。
图6为二分坐标下降DCD算法的方法流程图,如图所示,该方法步骤包括601-612。
二分坐标下降DCD算法流程如下:
Δh=0,r=β0,α=H,q=0 (11)
for m=1,…,Mb (12)
α=α/2 (13)
flag=0 (14)
for n=1,…,N (15)
If|rn|>(α/2)Rn,n then (16)
Δhn=Δhn+sign(rn)α (17)
r=r-sign(rn)αR(n) (18)
q=q+1,flag=1 (19)
if q>Nu,退出算法 (20)
If flag=1,返回到(14) (21)
在步骤601,该步骤对应上述公式(11),公式(11)对数值和向量进行初始化,Δh=0,r=β0,α=H,q=0,其中Δh是滤波器的改变量,β0为N×1维列向量,就是指数加权递推最小二乘ERLS算法中的右边向量β0(i),r为残留向量,它的初始值为β0;H为幅度范围,α是步长,q为计算滤波器的改变量的变化次数,它用来控制算法的复杂度。
在步骤602,该步骤对应上述公式(12),在公式(12)中,Mb表示α的更新次数,Mb的数值可自定义,例如4,8或16。公式(12)用于判断第一循环次数m是否小于第一设定值Mb,若是,则执行步骤603,否则,则执行步骤612。Mb的设置是为了控制算法的复杂度,最多执行Mb次循环后算法结束。
在步骤603,该步骤对应上述公式(13),用于计算步长。在公式(13)中,α表示步长,用以控制Δhn的改变量。
在步骤604,该步骤对应上述公式(14),用于标记。在公式(14)中flag用于标记,控制算法的走向。
在步骤605,该步骤对应上述公式(15),用于判断第二循环次数n是否小于第二设定值N,若是,则执行步骤606,否则,则执行步骤609。
在步骤606,该步骤对应上述公式(16),用于判断残留向量r的第n个值是否大于步长的二分之一与输出信号的自相关矩阵R的第n行n列的值的乘积,若是,则执行步骤607;否则,则执行步骤611。值得指出的是,残留向量r中的第n个值表示为rn,输出信号的自相关矩阵R的第n行n列的值表示为Rn,n。
在步骤607,该步骤对应上述公式(17)-公式(19),用于计算滤波器的改变量Δh的第n个值的改变量Δhn和滤波器的改变量Δh改变次数q,以及计算这次的残留向量r,设置标记位flag为1。其中,R(n)为R矩阵的第n列,sign(rn)表示rn的符号函数,rn为残留向量r的第n个元素值。flag是标记位,控制循环的走向。
在步骤608,该步骤应对上述公式(20),用于判断滤波器的改变量Δh的改变次数q是否大于迭代次数设定值Nu。判断滤波器的改变量Δh的改变次数q是否大于迭代次数设定值Nu时,若是,则执行步骤612;否则,执行步骤611。
在步骤609,该步骤应对上述公式(21),判断标记位flag是否等于1,若是,则说明在这个步长α下,滤波器的改变量Δh发生了变化,还需要修改滤波器的值,接着执行步骤604;否则,说明在这个步长α下,滤波器的改变量Δh未发生变化,不需要修改滤波器的值,则接着执行步骤610。
步骤610,第一循环次数m加1,接着执行步骤602。
步骤611,第二循环次数n加1,接着执行步骤605。
在步骤612,获得滤波器系数h的改变量Δh,二分坐标下降DCD算法结束。
二分坐标下降DCD算法解决了指数加权递推最小二乘ERLS算法里最复杂的一步,即通过不断的迭代,不断的缩小误差,从而得到滤波器的改变量Δh(i)近似解。二分坐标下降DCD算法在迭代过程中只使用加法,不需要乘法,使得该算法易于实现。图7为在人工语音情况下输出信号的迭代误差,示出了ERLS-DCD算法良好的收敛性能。
本发明实施例在检测到音频系统有可能啸叫发生时,通过ERLS-DCD算法快速跟踪到音频系统的反馈路径,从而有效的抑制了啸叫的发生。
尽管已经示出并描述了本发明的特殊实施例,然而在不背离本发明的示例性实施例及其更宽广方面的前提下,本领域技术人员显然可以基于此处的教学做出变化和修改。因此,所附的权利要求意在将所有这类不背离本发明的示例性实施例的真实精神和范围的变化和更改包含在其范围之内。
Claims (3)
1.一种处理音频系统啸叫的方法,其特征在于,包括以下步骤:
检测音频系统输入信号是否可能存在啸叫;
当检测到所述输入信号可能存在啸叫时,使用第一自适应算法跟踪估计音频系统输出信号的反馈信号,否则使用第二自适应算法跟踪估计音频系统输出信号的反馈信号;
所述第一自适应算法为指数加权递推最小二乘算法和二分坐标下降算法的结合,所述第二自适应算法为归一化最小均方算法;
所述第一自适应算法的收敛速度大于所述第二自适应算法的收敛速度,所述第一自适应算法的计算复杂度高于所述第二自适应算法的计算复杂度。
2.根据权利要求1所述的方法,其特征在于,所述检测音频系统输入信号是否可能存在啸叫的步骤包括:
检测所述音频输入信号的平均频率是否在预定的频率范围内;
如果所述音频输入信号的平均频率在预定频率范围内,则检测为可能存在啸叫。
3.一种音频系统,其特征在于,包括:
啸叫检测单元,用于检测音频系统输入信号是否可能存在啸叫;
第一自适应算法单元,用于在音频系统可能产生啸叫时跟踪估计音频系统输出信号的反馈信号,所述第一自适应算法单元具体执行指数加权递推最小二乘算法和二分坐标下降算法,并输出反馈信号;
第二自适应算法单元,用于在音频系统没有可能产生啸叫时跟踪估计音频系统输出信号的反馈信号,所述第二自适应算法单元具体执行归一化最小均方算法,并输出反馈信号;
切换开关单元,用于在所述第一自适应算法单元和所述第二自适应算法单元间进行切换;
所述第一自适应算法单元的收敛速度大于所述第二自适应算法单元的收敛速度,所述第一自适应算法单元的计算复杂度高于所述第二自适应算法单元的计算复杂度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210097645.2A CN102625213B (zh) | 2012-04-05 | 2012-04-05 | 一种处理音频系统啸叫的方法及音频系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210097645.2A CN102625213B (zh) | 2012-04-05 | 2012-04-05 | 一种处理音频系统啸叫的方法及音频系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102625213A CN102625213A (zh) | 2012-08-01 |
CN102625213B true CN102625213B (zh) | 2014-04-30 |
Family
ID=46564864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210097645.2A Expired - Fee Related CN102625213B (zh) | 2012-04-05 | 2012-04-05 | 一种处理音频系统啸叫的方法及音频系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102625213B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812993B (zh) * | 2014-12-29 | 2019-02-15 | 联芯科技有限公司 | 啸叫检测和抑制方法及其装置 |
CN107180643A (zh) * | 2016-03-11 | 2017-09-19 | 深圳市有信网络技术有限公司 | 一种啸叫声检测和消除系统 |
CN108806710B (zh) * | 2018-06-15 | 2020-07-24 | 会听声学科技(北京)有限公司 | 一种语音增强增益调整方法、系统及耳机 |
CN110677796B (zh) * | 2019-03-14 | 2021-12-17 | 深圳攀高医疗电子有限公司 | 一种音频信号处理方法及助听器 |
CN110087159B (zh) * | 2019-04-03 | 2020-11-17 | 歌尔科技有限公司 | 一种反馈降噪方法、系统、耳机及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1511430A (zh) * | 2002-03-12 | 2004-07-07 | 松下电器产业株式会社 | 啸声控制设备和啸声控制方法 |
JP2009188442A (ja) * | 2008-02-01 | 2009-08-20 | Iwate Univ | ハウリング抑制装置、ハウリング抑制方法及びハウリング抑制プログラム |
CN101516051A (zh) * | 2008-02-01 | 2009-08-26 | 奥迪康有限公司 | 具有改进的反馈抵消系统的听音系统、方法和应用 |
CN102111707A (zh) * | 2009-12-29 | 2011-06-29 | Gn瑞声达公司 | 用于检测音频系统中的啸声的方法及助听器 |
JP2011135485A (ja) * | 2009-12-25 | 2011-07-07 | Audio Technica Corp | ハウリング抑制装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004165888A (ja) * | 2002-11-12 | 2004-06-10 | Oki Electric Ind Co Ltd | ハウリング処理装置 |
-
2012
- 2012-04-05 CN CN201210097645.2A patent/CN102625213B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1511430A (zh) * | 2002-03-12 | 2004-07-07 | 松下电器产业株式会社 | 啸声控制设备和啸声控制方法 |
JP2009188442A (ja) * | 2008-02-01 | 2009-08-20 | Iwate Univ | ハウリング抑制装置、ハウリング抑制方法及びハウリング抑制プログラム |
CN101516051A (zh) * | 2008-02-01 | 2009-08-26 | 奥迪康有限公司 | 具有改进的反馈抵消系统的听音系统、方法和应用 |
JP2011135485A (ja) * | 2009-12-25 | 2011-07-07 | Audio Technica Corp | ハウリング抑制装置 |
CN102111707A (zh) * | 2009-12-29 | 2011-06-29 | Gn瑞声达公司 | 用于检测音频系统中的啸声的方法及助听器 |
Also Published As
Publication number | Publication date |
---|---|
CN102625213A (zh) | 2012-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10446171B2 (en) | Online dereverberation algorithm based on weighted prediction error for noisy time-varying environments | |
Zhang et al. | Deep learning for acoustic echo cancellation in noisy and double-talk scenarios | |
KR101331388B1 (ko) | 음향 에코를 제거하기 위한 컴퓨터 구현 프로세스 및 시스템 | |
US9438992B2 (en) | Multi-microphone robust noise suppression | |
CN102625213B (zh) | 一种处理音频系统啸叫的方法及音频系统 | |
CN103456310B (zh) | 一种基于谱估计的瞬态噪声抑制方法 | |
US8958572B1 (en) | Adaptive noise cancellation for multi-microphone systems | |
US9754608B2 (en) | Noise estimation apparatus, noise estimation method, noise estimation program, and recording medium | |
WO2009117084A2 (en) | System and method for envelope-based acoustic echo cancellation | |
CN101719969A (zh) | 判断双端对话的方法、系统以及消除回声的方法和系统 | |
CN104050971A (zh) | 声学回声减轻装置和方法、音频处理装置和语音通信终端 | |
US10755728B1 (en) | Multichannel noise cancellation using frequency domain spectrum masking | |
JP2002501337A (ja) | 通信システムのコンフォートノイズ提供方法及び装置 | |
US11638094B2 (en) | Techniques for howling detection | |
US20220109929A1 (en) | Cascaded adaptive interference cancellation algorithms | |
Fazel et al. | CAD-AEC: Context-aware deep acoustic echo cancellation | |
EP2987314B1 (en) | Echo suppression | |
Hamidia et al. | Improved variable step-size NLMS adaptive filtering algorithm for acoustic echo cancellation | |
Gil-Cacho et al. | Wiener variable step size and gradient spectral variance smoothing for double-talk-robust acoustic echo cancellation and acoustic feedback cancellation | |
US11189297B1 (en) | Tunable residual echo suppressor | |
CN105432062A (zh) | 回波去除 | |
Zhang et al. | A Robust and Cascaded Acoustic Echo Cancellation Based on Deep Learning. | |
JP2006323230A (ja) | ノイズレベル推定方法及びその装置 | |
JP2005318518A (ja) | ダブルトーク状態判定方法、エコーキャンセル方法、ダブルトーク状態判定装置、エコーキャンセル装置およびプログラム | |
Cho et al. | Stereo acoustic echo cancellation based on maximum likelihood estimation with inter-channel-correlated echo compensation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140430 Termination date: 20200405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |