CN102739286A - 一种用于通信系统中的回声抵消方法 - Google Patents

Abstract

本发明涉及一种用于通信系统中的回声抵消方法，该方法中主滤波器系统采用可变的平滑因子计算麦克风和远端信号的互功率谱以及远端信号的功率谱，利用麦克风和远端信号的互功率谱除以远端信号的功率谱得到回声路径传递函数频谱，通过逆傅里叶变换得到主滤波器系数，在时域估计回声信号从而抵消掉回声。同时增加了一个辅助滤波器，采用一个固定的平滑因子计算相应的互功率谱和功率谱，来获得辅助滤波器系数及误差。通过比较主滤波器和辅助滤波器的输出误差自适应的更新主滤波器系统的平滑因子。该方法在时域进行回声抵消，减小了系统时延，且不需要双端对讲检测装置，可变平滑因子的使用加快了系统收敛及跟踪速度且减小了稳态失调。

Description

一种用于通信系统中的回声抵消方法

技术领域

本发明涉及回声抵消技术，特别涉及一种用于通信系统中的回声抵消方法。

背景技术

在电话会议、车载系统和IP电话等通信系统中，人们普遍使用免提电话。由于扬声器和麦克风之间存在反馈路径，从扬声器发出的声音被麦克风拾取并且传回到远端，远端的一方就会听到自己被系统延迟了的声音。如果延迟足够长听起来就会非常不舒服，极端情况下还会引起系统啸叫导致严重的后果，因而有效的消除回声就变得非常必要。随着通信技术的不断发展，回声消除技术一直是通信领域的一个研究热点。

传统的回声抵消技术是基于自适应滤波而发展起来的，如图1所示，图1为传统的回声抵消系统框图，该系统使用一个自适应滤波器单元104来辨识真实的回声路径，用辨识得到的回声路径脉冲响应与扬声器输出信号卷积获得回声的一个复制品，从麦克风收到的信号中减去这个回声的复制品就得到期望的输出。进一步的系统还需要一个双端对讲检测单元102来检测近端和远端同时讲话的状态，检测到该状态就冻结自适应滤波器系数的更新以防止自适应滤波器发散。进一步的系统还需要一个后滤波模块108来消除残留的回声。

基于自适应滤波算法的回声抵消技术遇到的第一个难题是双端对讲状态的检测。近端语音是叠加在回声信号上的强干扰项，它的存在很容易导致自适应滤波器系数发散。因而传统的回声抵消器一般需要一个双端对讲检测器，当检测到双端对讲状态时，冻结自适应滤波器系数的更新。然而众所周知双端对讲检测器的设计一个复杂的任务，目前已经提出了很多的方法，但是如何快速而准确的检测到双端对讲状态仍然是一个难题。几个样点的漏检就可能导致自适应滤波器系数的发散。

回声抵消要处理的另一个问题是系统回声路径的时变性。现实中，由于环境的温度和湿度等物理特性会随时间变化，扬声器和麦克风的位置也可能变化，这些都会引起回声路径的改变，因而自适应算法必须快速的跟踪回声路径的改变。由于回声路径的改变也会引起系统误差的变大，如何有效地区分回声路径的改变和双端对讲也是重要的一个问题，如果把回声路径的改变错误的检测为双端对讲将会停止自适应算法更新从而引起严重的后果。

发明内容

本发明的目的在于，提出一种用于通信系统中的回声抵消方法，通过增加了一个辅助滤波器自适应的判决系统当前状态来实现抗干扰能力强，且不需要双端对讲检测和引入额外的系统延时，更不需要设置复杂的参数。

为实现上述发明目的，本发明提出一种用于通信系统中的回声抵消方法，该方法的具体步骤包括：

步骤1)：将远端信号x(n)和麦克风采集到的信号d(n)分别进行分帧、加窗和傅里叶变换得到相应的频域信号X(k，ω_i)和D(k，ω_i)；

步骤2)：根据所述的步骤1)获得的每一帧麦克风频域信号D(k，ω_i)和远端频域信号X(k，ω_i)，依次利用辅助滤波器平滑因子α_r计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱

并用麦克风信号和远端信号的互功率谱

除以远端信号的功率谱

得到回声路径传递函数频谱H_r(k，ω_i)；回声路径传递函数频谱H_r(k，ω_i)经逆傅里叶变换来获得辅助滤波器系数h_r(n)；其中，0≤α_r＜1；

步骤3)：根据所述的步骤2)获得的辅助滤波器系数h_r(n)估计回声，并计算误差信号e_r(n)；

步骤4)：根据所述的步骤1)获得的麦克风频域信号D(k，ω_i)和远端频域信号X(k，ω_i)，利用主滤波器平滑因子α_m计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱并用麦克风信号和远端信号的互功率谱

除以远端信号的功率谱得到回声路径传递函数频谱H_m(k，ω_i)，回声路径传递函数频谱H_m(k，ω_i)经逆傅里叶变换来获得主滤波器系数h_m(n)；

步骤5)：根据所述的步骤4)获得的主滤波器系数h_m(n)估计回声，并计算误差信号e_m(n)来实现对麦克风信号的回声抵消；

步骤6)：比较当前帧的主滤波器输出误差e_m(n)和辅助滤波器输出误差e_r(n)的大小来选择下一帧信号在所述的步骤4)中计算互功率谱

和功率谱所采用的主滤波器平滑因子α_m的值；

依次重复所述的步骤1)、所述的步骤2)、所述的步骤3)、所述的步骤4)、所述的步骤5)和所述的步骤6)来实现对每一帧麦克风信号回声抵消。

所述的步骤2)计算辅助滤波器系数h_r(n)的具体步骤包括：

21)按照式(1)计算获得麦克风信号和远端信号的互功率谱

按照式(2)计算获得远端信号的功率谱

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(1\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(2\right)$

22)根据所述的步骤21)获得的麦克风信号和远端信号的互功率谱

和远端信号的功率谱

按照式(3)计算获得回声路径传递函数频谱H_r(k，ω_i)；

$H_r(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}---\left(3\right)$

23)根据所述的步骤22)获得的回声路径传递函数频谱H_r(k，ω_i)，按照式(4)利用逆傅里叶变换获得辅助滤波器系数h_r(n)；

$h_r\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_r(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(4\right).$

其中，N是FFT的点数。

所述的步骤3)计算误差信号e_r(n)的具体步骤包括：

31)：利用辅助滤波器系数h_r(n)按照式(5)估计回声y_r(n)；

$y_r\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_r\left(c\right)x(n-c)---\left(5\right)$

其中，C是辅助滤波器的阶数；

32)：根据所述的步骤31)获得的回声y_r(n)，按照式(6)计算误差信号e_r(n)；

             e_r(n)＝d(n)-y_r(n)                              (6)。

所述的步骤4)计算主滤波器系数h_m(n)的具体步骤包括：

41)：按照式(7)计算获得麦克风信号和远端信号的互功率谱

按照式(8)计算获得远端信号的功率谱

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(7\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(8\right)$

42)：根据所述的步骤41)获得的麦克风信号和远端信号的互功率谱

和远端信号的功率谱

按照式(9)计算获得回声路径传递函数频谱H_m(k，ω_i)；

$H_m(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}---\left(9\right)$

43)：根据所述的步骤42)获得的回声路径传递函数频谱H_m(k，ω_i)，按照式(10)利用逆傅里叶变换获得主滤波器系数h_m(n)；

$h_m\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_m(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(10\right).$

所述的步骤5)计算误差信号e_m(n)的具体步骤包括：

51)：利用主滤波器系数h_m(n)按照式(11)估计回声y_m(n)；

$y_m\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_m\left(c\right)x(n-c)---\left(11\right)$

其中C是辅助滤波器的阶数；

52)：根据所述的步骤51)获得的回声y_m(n)，按照式(12)计算误差信号e_m(n)；

           e_m(n)＝d(n)-y_m(n)                                 (12)。

所述的步骤6)自适应的选取平滑因子α_m值的具体步骤包括：

61)：按照式(13)计算辅助滤波器误差能量Pe_ref(m)，按照式(14)计算主滤波器误差能量Pe_main(m)；

${\mathrm{Pe}}_{\mathrm{ref}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{ref}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e_r}^2(\mathrm{mL}+l)---\left(13\right)$

${\mathrm{Pe}}_{\mathrm{main}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{main}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e}_m^2(\mathrm{mL}+l)---\left(14\right)$

其中，β为平滑因子，0.9≤β＜1.0。

62)：按照式(15)来选择下一帧信号在所述的步骤4)中计算互功率谱

和功率谱

所采用的平滑因子α_m的值；

${\mathrm{\α}}_m=\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{big}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}\≤T\\ {\mathrm{\α}}_{\mathrm{small}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}>T\end{array}\right.---\left(15\right)$

其中，T是一个常数，T＞1；α_big＞α_r，α_r≈α_small；Pe_main(m)表示主滤波器误差能量，利用e_m(n)计算获得；Pe_ref(m)表示辅助滤波器误差能量，利用e_r(n)计算获得。

本发明的优点在于，与现有技术相比，本发明在频域估计回声路径的频谱后通过逆傅里叶变换获得回声脉冲响应，在时域对远端信号进行滤波获得回声的估计，从而不会引入额外的延迟；该发明具有很强的抗干扰能力，不需要双端对讲状态检测；该发明引入一个辅助滤波器来快速的跟踪系统回声路径的变化，通过比较主滤波器和辅助滤波器输出的误差来区分当前系统状态，从而使主滤波器获得快速的收敛和跟踪速度以及很小的稳态失调。

附图说明

图1为传统的回声抵消系统框图；

图2为本发明提出的一种用于通信系统中的回声抵消方法的系统框图；

图3为远端语音和近端语音波形图；

图4为Pe_main/Pe_ref在系统各种状态下的幅度图；

图5为主滤波器和辅助滤波器归一化失调图。

具体实施方式

下面结合附图和实施例对本发明提进行进一步说明。

一种回声抵消方法，具体步骤包括：

步骤1)：将麦克风采集的信号d(n)和远端信号x(n)分别进行分帧、加窗和傅里叶变换得到相应的频域信号D(k，ω_i)和X(k，ω_i)，k是帧标示；

步骤2)：分别计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱用麦克风信号和远端信号的互功率谱除以远端信号的功率谱得到回声传递函数的频谱再经过逆傅里叶变换来获得辅助滤波器系数h_r(n)；

步骤3)：用辅助滤波器系数h_r(n)估计回声，并计算误差信号e_r(n)；

步骤4)：分别计算麦克风信号和远端信号的互功率谱和远端信号的功率谱

用麦克风信号和远端信号的互功率谱除以远端信号的功率谱得到回声传递函数的频谱经过逆傅里叶变换来获得主滤波器系数h_m(n)；

步骤5)：用主滤波器系数h_m(n)估计回声，并计算误差信号e_m(n)，该误差信号作为系统的输出；

步骤6)：通过比较当前帧主滤波器输出误差和辅助滤波器输出误差来判断系统的当前状态，自适应的决定步骤(4)计算互功率谱和功率谱所采用的平滑因子。

在上述技术方案中，进一步地，步骤1)中需要对接收到的一帧麦克风和远端信号进行加窗，然后使用FFT变换到频域。

在上述技术方案中，进一步地，步骤2)中所述互功率谱和功率谱的计算采用自回归平滑的方法，所用的平滑因子是固定的，使得辅助滤波器估计出的功率谱和互功率谱能够迅速跟踪系统回声路径的变化。

在上述技术方案中，进一步地，步骤4)中所述互功率谱和功率谱的计算采用自回归平滑的方法，所用的平滑因子是可变的，当系统处于未收敛阶段或者回声路径改变时采用较小的平滑因子来加快收敛和跟踪速度，当系统处于稳态或受到近端语音干扰时使用较大的平滑因子来增强系统的抗干扰性能。

在上述技术方案中，进一步地，步骤6)是通过比较主滤波器和辅助滤波器的输出误差自适应的判决系统当前状态。

在上述技术方案中，进一步地，步骤3)和5)是在时域进行的

如图2所示，图2为本发明提出的一种用于通信系统中的回声抵消方法的系统框图。其中，s(n)表示近端信号，y(n)表示回声信号，d(n)表示麦克风采集到的信号，x(n)表示远端信号。用h(n)表示回声路径的传递函数，那么：

$y\left(n\right)=\underset{m=0}{\overset{\∞}{\mathrm{\Σ}}}h\left(m\right)x(n-m)---\left(1\right)$

d(n)＝y(n)+s(n)                                             (2)

步骤1)将麦克风采集的信号d(n)和远端信号x(n)分别进行分帧、加窗和傅里叶变换得到相应的频域信号D(k，ω_i)和X(k，ω_i)；

傅里叶变换模块202表示对麦克风采集的信号进行傅里叶变换，第k帧麦克风信号的傅里叶变换记为D(k，ω_i)。

傅里叶变换模块202表示对远端信号进行傅里叶变换，第k帧远端信号的傅里叶变换记为X(k，ω_i)。

在进行傅里叶变换之前一般要加分析窗，进行逆傅里叶变换之后加合成窗。

步骤2)分别计算麦克风信号和远端信号的互功率谱和远端信号的功率谱

用麦克风信号和远端信号的互功率谱除以远端信号的功率谱得到回声路径传递函数的频谱再经过逆傅里叶变换来获得辅助滤波器系数h_r(n)；

辅助滤波器系数估计模块204完成第一个功能是采用周期图平滑技术来计算麦克风信号和远端信号的互功率谱和远端信号的功率谱

并计算回声路径传递函数频谱H_r(k，ω_i)；如式(3)、(4)和(5)所示；

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(3\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(4\right)$

$H_r(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}---\left(5\right)$

其中，α_r是一个遗忘因子，0≤α_r＜1。平滑因子α_r的选择是一个重要的问题，如果选择α_r太小，则计算出的互功率谱及功率谱方差较大，导致系统的稳态失调比较大，但系统具有很好的跟踪性能；如果选择α_r太大，则计算出的互功率谱密度方差较小，系统的稳态失调比较小，但系统的跟踪性能将下降。为了解决这一矛盾，本发明引入辅助滤波器，辅助滤波器和主滤波器配合工作从而使得系统整体性能最优。

辅助滤波器系数估计模块204完成第二个功能是利用(6)式通过逆傅里叶变换计算辅助滤波器系数h_r(n)；

$h_r\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_r(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(6\right)$

其中，N是FFT的点数。

步骤3)用辅助滤波器系数h_r(n)估计回声，并计算误差信号e_r(n)；

回声估计模块208用辅助滤波器的系数来估计回声；

$y_r\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_r\left(c\right)x(n-c)---\left(7\right)$

上式中C是滤波器的阶数，C≤N。

误差计算模块212用来计算辅助滤波器的输出误差；

e_r(n)＝d(n)-y_r(n)                                              (8)。

步骤4)分别计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱

用麦克风信号和远端信号的互功率谱除以远端信号的功率谱得到回声路径传递函数的频谱经过逆傅里叶变换来获得主滤波器系数h_m(n)；

主滤波器系数估计模块206完成第一个功能采用周期图平滑技术来计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱

并计算回声路径传递函数频谱H_m(k，ω_i)；如(9)、(10)和(11)所示；

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(9\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(10\right)$

$H_m(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}---\left(11\right)$

其中，α_m是一个遗忘因子，α_m是可变的，其取值由步骤6)决定。目标是在系统收敛过程及回声路径变化时α_m取比较小的值，系统处于双端对讲状态或受到强噪声干扰时时α_m取比较大的值。

主滤波器系数估计模块206完成第二个功能是利用(12)式通过逆傅里叶变换计算主滤波器系数h_m(n)；

$h_m\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_m(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(12\right).$

步骤5)用主滤波器系数h_m(n)估计回声，并计算误差信号e_m(n)，该误差信号作为系统的输出；

回声估计模块208用主滤波器的系数来估计回声；

$y_m\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_m\left(c\right)x(n-c)---\left(13\right).$

误差计算模块212用来计算主滤波器的输出误差；

e_m(n)＝d(n)-y_m(n)                                             (14)。

步骤6)通过比较主滤波器输出误差和辅助滤波器输出误差来判断系统的当前状态，自适应的决定步骤(4)计算互功率谱和功率谱所采用的平滑因子。如果主滤波器输出误差比较大则应该赋予α_m相对小的值，如果主滤波器输出误差比较小则应该赋予α_m相对大的值。另外，α_m如何取值，根据实际情况而定。

系统每帧检测主滤波器和辅助滤波器误差信号的能量，来判断当前系统所处的阶段，为了减小瞬态效应，采用自回归平滑来计算主滤波器和辅助滤波器误差的能量，如(15)和(16)所示，

${\mathrm{Pe}}_{\mathrm{ref}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{ref}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e_r}^2(\mathrm{mL}+l)---\left(15\right)$

${\mathrm{Pe}}_{\mathrm{main}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{main}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e}_m^2(\mathrm{mL}+l)---\left(16\right)$

其中，β是遗忘因子，建议取0.9≤β＜1.0。

当主滤波器系统未收敛时，由于辅助滤波器系统采用了比较小的平滑因子，因而收敛速度快，故得到Pe_main(m)＞Pe_ref(m)，这时赋予主滤波器系统较小的平滑因子α_small以加快收敛速度。

当回声路径改变时，由于辅助滤波器系统采用了比较小的平滑因子，因而其跟踪速度很快，故得到Pe_main(m)＞Pe_ref(m)，这时赋予主滤波器系统较小的平滑因子α_small以加快跟踪速度。

当主滤波器系统处于稳态时，由于辅助滤波器系统采用了比较小的平滑因子，其稳态误差比较大，而主系统采用了比较大的平滑因子，其稳态失调很小，故得到Pe_main(m)＜Pe_ref(m)，这时赋予主滤波器系统较大的平滑因子α_big。

当主滤波器系统处于双端对讲状态或干扰噪声比较大时，由于辅助滤波器系统采用了比较小的平滑因子，其抗干扰能力要比主滤波器系统差，故得到Pe_main(m)＜Pe_ref(m)，这时赋予主滤波器系统较大的平滑因子α_big。

综上所述，逻辑判决模块210选择主滤波器系统的平滑因子依据为：

${\mathrm{\α}}_m=\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{big}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}\≤T\\ {\mathrm{\α}}_{\mathrm{small}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}>T\end{array}\right.---\left(17\right)$

其中，T约大于0dB，用来提供一定的检测余量，平滑因子取值必须满足α_big＞α_r，α_r和α_small取值接近。

一般的假设近端语音(包括近端背景噪声)和远端语音是不相关的，因而得到E[X^*(k，ω_i)S(k，ω_i)]＝0，从而E[X^*(k，ω_i)D(k，ω_i)]＝E[X^*(k，ω_i)Y(k，ω_i)]。进一步的本发明采用周期图平滑技术来减小近端和噪声的干扰，这样本发明的方法可以有效地抵抗近端及噪声的干扰，免除了双端对讲检测，增强了系统的鲁棒性。

如图3所示，图3为远端语音和近端语音波形图。近端语音持续时间从21.1秒至35.6秒，这段时间系统处于双端对讲状态，在第45秒时回声路径发生了变化。

如图4所示，图4为Pe_main/Pe_ref在系统各种状态下的幅度图。可以看出第0秒附近系统未收敛，Pe_main/Pe_ref的比值比较大，第45秒时系统回声路径发生了变化，Pe_main/Pe_ref的比值突然增大，这两种状态下逻辑判决模块210会自动的赋予α_m较小的值，加快收敛和跟踪速度；在第21.1秒至39秒，Pe_main/Pe_ref比阈值T小但比稳态大，逻辑判决模块210会自动的赋予α_m较大的值以增强系统的抗干扰能力。

使用归一化失调来衡量自适应滤波器的收敛性能，定义为：

其中，h_est表示估计出的回声路径脉冲响应，对主滤波器h_est＝h_m，对于辅助滤波器h_est＝h_ref。

如图5所示，图5为主滤波器和辅助滤波器归一化失调图。辅助滤波器由于采用了比较小的平滑因子计算互功率谱和功率谱因而系统的跟踪性能很好但稳态失调很大，辅助滤波器在第45秒时及时的检测到了回声路径的变化；主滤波器由于采用了可变的平滑因子计算互功率谱和功率谱使得它具有快速的收敛和跟踪速度，并且有很强的抗干扰能力，且稳态失调很小。

通过分析图3、图4和图5可以得出以下结论：

首先，采用本发明技术后，系统的抗干扰能力增强，不需要双端对讲检测；

其次，采用本发明技术后，系统有很快的收敛和跟踪速度；

最后，采用本发明技术后，系统更加鲁棒。

应该指出的是，本发明所描述的回声抵消方案可以用多种方式实现，例如硬件、软件或者是硬件和软件的组合。硬件平台可以是FPGA、PLD或其他专用集成电路ASIC。软件平台包括DSP、ARM或其他微处理器。软件和硬件的组合例如部分模块用DSP软件来实现，部分模块如FFT用硬件加速器来实现。

还应该指出的是为了便于说明问题本专利用声学回声为例来描述，然而本发明所公开的方法并不只限于声学回声抵消领域，其他如线路回声抵消也可以采用本发明的方法。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种用于通信系统中的回声抵消方法，该方法的具体步骤包括：

步骤1)：将远端信号x(n)和麦克风采集到的信号d(n)分别进行分帧、加窗和傅里叶变换得到相应的频域信号X(k，ω_i)和D(k，ω_i)；

步骤2)：根据所述的步骤1)获得的每一帧麦克风频域信号D(k，ω_i)和远端频域信号X(k，ω_i)，依次利用辅助滤波器平滑因子α_r计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱

并用麦克风信号和远端信号的互功率谱

除以远端信号的功率谱

得到回声路径传递函数频谱H_r(k，ω_i)；回声路径传递函数频谱H_r(k，ω_i)经逆傅里叶变换来获得辅助滤波器系数h_r(n)；其中，0≤α_r＜1；

步骤3)：根据所述的步骤2)获得的辅助滤波器系数h_r(n)估计回声，并计算误差信号e_r(n)；

步骤4)：根据所述的步骤1)获得的麦克风频域信号D(k，ω_i)和远端频域信号X(k，ω_i)，利用主滤波器平滑因子α_m计算麦克风信号和远端信号的互功率谱

和远端信号的功率谱

并用麦克风信号和远端信号的互功率谱

除以远端信号的功率谱

得到回声路径传递函数频谱H_m(k，ω_i)，回声路径传递函数频谱H_m(k，ω_i)经逆傅里叶变换来获得主滤波器系数h_m(n)；

步骤5)：根据所述的步骤4)获得的主滤波器系数h_m(n)估计回声，并计算误差信号e_m(n)来实现对麦克风信号的回声抵消；

步骤6)：比较当前帧的主滤波器输出误差e_m(n)和辅助滤波器输出误差e_r(n)的大小来选择下一帧信号在所述的步骤4)中计算互功率谱

和功率谱

所采用的主滤波器平滑因子α_m的值；

依次重复所述的步骤1)、所述的步骤2)、所述的步骤3)、所述的步骤4)、所述的步骤5)和所述的步骤6)来实现对每一帧麦克风信号回声抵消。

2.根据权利要求1所述的自适应更新主滤波器平滑因子的回声抵消方法，其特征在于，所述的步骤2)计算辅助滤波器系数h_r(n)的具体步骤包括：

21)按照式(1)计算获得麦克风信号和远端信号的互功率谱

按照式(2)计算获得远端信号的功率谱

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(1\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_r{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_r)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(2\right)$

22)根据所述的步骤21)获得的麦克风信号和远端信号的互功率谱

和远端信号的功率谱

按照式(3)计算获得回声路径传递函数频谱H_r(k，ω_i)；

$H_r(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{ref}}(k,{\mathrm{\ω}}_i)}---\left(3\right)$

23)根据所述的步骤22)获得的回声路径传递函数频谱H_r(k，ω_i)，按照式(4)利用逆傅里叶变换获得辅助滤波器系数h_r(n)；

$h_r\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_r(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(4\right).$

其中，N是FFT的点数。

3.根据权利要求1所述的自适应更新主滤波器平滑因子的回声抵消方法，其特征在于，所述的步骤3)计算误差信号e_r(n)的具体步骤包括：

31)：利用辅助滤波器系数h_r(n)按照式(5)估计回声y_r(n)；

$y_r\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_r\left(c\right)x(n-c)---\left(5\right)$

其中，C是辅助滤波器的阶数；

32)：根据所述的步骤31)获得的回声y_r(n)，按照式(6)计算误差信号e_r(n)；

             e_r(n)＝d(n)-y_r(n)                              (6)。

4.根据权利要求1所述的自适应更新主滤波器平滑因子的回声抵消方法，其特征在于，所述的步骤4)计算主滤波器系数h_m(n)的具体步骤包括：

41)：按照式(7)计算获得麦克风信号和远端信号的互功率谱

按照式(8)计算获得远端信号的功率谱

${\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)D(k,{\mathrm{\ω}}_i)---\left(7\right)$

${\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)={\mathrm{\α}}_m{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k-1,{\mathrm{\ω}}_i)+(1-{\mathrm{\α}}_m)X^{*}(k,{\mathrm{\ω}}_i)X(k,{\mathrm{\ω}}_i)---\left(8\right)$

42)：根据所述的步骤41)获得的麦克风信号和远端信号的互功率谱

和远端信号的功率谱

按照式(9)计算获得回声路径传递函数频谱H_m(k，ω_i)；

$H_m(k,{\mathrm{\ω}}_i)=\frac{{\mathrm{\Φ}}_{\mathrm{xd}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}{{\mathrm{\Φ}}_{\mathrm{xx}}^{\mathrm{main}}(k,{\mathrm{\ω}}_i)}---\left(9\right)$

43)：根据所述的步骤42)获得的回声路径传递函数频谱H_m(k，ω_i)，按照式(10)利用逆傅里叶变换获得主滤波器系数h_m(n)；

$h_m\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{H}_m(k,{\mathrm{\ω}}_i)e^{\frac{j2\mathrm{\πin}}{N}}---\left(10\right).$

5.根据权利要求1所述的自适应更新主滤波器平滑因子的回声抵消方法，其特征在于，所述的步骤5)计算误差信号e_m(n)的具体步骤包括：

51)：利用主滤波器系数h_m(n)按照式(11)估计回声y_m(n)；

$y_m\left(n\right)=\underset{c=0}{\overset{C}{\mathrm{\Σ}}}{h}_m\left(c\right)x(n-c)---\left(11\right)$

其中，C是辅助滤波器的阶数；

52)：根据所述的步骤51)获得的回声y_m(n)，按照式(12)计算误差信号e_m(n)；

           e_m(n)＝d(n)-y_m(n)                                 (12)。

6.根据权利要求1所述的自适应更新主滤波器平滑因子的回声抵消方法，其特征在于，所述的步骤6)自适应的选取平滑因子α_m值的具体步骤包括：

61)：按照式(13)计算辅助滤波器误差能量Pe_ref(m)，按照式(14)计算主滤波器误差能量Pe_main(m)；

${\mathrm{Pe}}_{\mathrm{ref}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{ref}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e_r}^2(\mathrm{mL}+l)---\left(13\right)$

${\mathrm{Pe}}_{\mathrm{main}}\left(m\right)=\mathrm{\β}{\mathrm{Pe}}_{\mathrm{main}}(m-1)+(1-\mathrm{\β})\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{e}_m^2(\mathrm{mL}+l)---\left(14\right)$

其中，β为平滑因子，0.9≤β＜1.0。

62)：按照式(15)来选择下一帧信号在所述的步骤4)中计算互功率谱

和功率谱

所采用的平滑因子α_m的值；

${\mathrm{\α}}_m=\left\{\begin{array}{cc}{\mathrm{\α}}_{\mathrm{big}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}\≤T\\ {\mathrm{\α}}_{\mathrm{small}}& \frac{{\mathrm{Pe}}_{\mathrm{main}}\left(k\right)}{{\mathrm{Pe}}_{\mathrm{ref}}\left(k\right)}>T\end{array}\right.---\left(15\right)$

其中，T是一个常数，T＞1；α_big＞α_r，α_r≈α_small；Pe_main(m)表示主滤波器误差能量，利用e_m(n)计算获得；Pe_ref(m)表示辅助滤波器误差能量，利用e_r(n)计算获得。

Images