CN102820036B - 一种自适应消除噪声的方法和装置 - Google Patents

Abstract

本发明公开一种自适应消除噪声方法和装置，所述方法包括：使用第一滤波器对第一麦克风接收的信号进行滤波，使用第二滤波器对第二麦克风接收的信号进行滤波，将滤波后的信号相减得出降噪后信号；其中，在噪声段，使用降噪后信号分别对第一滤波器和第二滤波器的系数进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同；并且，在带噪语音段，分别保持第一滤波器和第二滤波器的系数不变，第一滤波器和第二滤波器分别使用上次噪声段更新后的系数对第一麦克风和第二麦克风接收的信号进行滤波。本发明能够解决现有技术由于使用一个FIR滤波器无法逼近消除噪声的最优解而导致消除噪声效果较差的问题。

Description

一种自适应消除噪声的方法和装置

技术领域

本发明涉及信号处理领域，特别涉及一种自适应消除噪声的方法和装置。

背景技术

现有技术的LMS（Least Mean Square，最小均方）算法采用单滤波器结构，如图1所示。其原理如图2所示，对其中一路麦克风接收到的信号进行滤波，滤波后的信号与另一路麦克风接收到的信号进行相减得到降噪后的语音。该单滤波器结构的滤波器仅在噪声段进行更新，在带噪语音段，滤波器保持不变。

标准的时域LMS算法，对于卷积的非加性干扰噪声，其计算复杂度比较大，为了减小计算复杂度，Ferrara提出了FBLMS（Fast Block LMS，快速块最小均方）算法，该算法采用的是时频域结合的方法，即将原来在时域进行的卷积运算变换成频域的乘积运算，从而大大减小了计算的复杂度。

以下对现有技术中的单滤波器结构LMS算法存在的缺陷进行说明。

通过分析单滤波器结构中滤波器的理论最优解来阐述单滤波器结构存在的缺陷。由于在频域可以清晰地分析出滤波器的最优解，因此对滤波器理论最优解的分析计算在频域进行。

如图3所示，为单滤波器结构中滤波器频域最优解的分析示意图。图3中S1代表信号源，S2代表噪声源。由于FIR（Finite Impulse Response，有限脉冲响应）滤波器可以较为准确的表征信源到麦克风的传递函数，因此在分析中，采用FIR滤波器分别模拟信号源与第一麦克风间的信道传递函数H11，噪声源与第一麦克风间的信道传递函数H12，信号源与第二麦克风间的信道传递函数H21，噪声源与第二麦克风间的信道传递函数H22。第一麦克风接收到的信号是X1，第二麦克风接收到的信号是X2，W为滤波器，Y1是降噪后的信号。

可以获得如下公式：

X1＝S1×H11+S2×H12                                公式1

X2＝S1×H21+S2×H22                                公式2

Y1＝X1-X2×W＝(S1×H11+S2×H12)-(S1×H21+S2×H22)×W

                                                         公式3

＝S1×(H11-H21×W)+S2×(H12-H22×W)

由于当W取最优解时，噪声源S2将被完全消除，从而可以推出W的最优解如公式4所示。

$H12-H22\×W=0\⇒W=H12/H22$ 公式4

Y1＝S1×(H11-H21×W)＝S1×(H11-H21×H12/H22)            公式5

由公式5可知Y1是S1经过某种滤波后的形式，并不含S2的任何分量。

从上面得到的W＝H12/H22最优解的形式可以得知，W的最优解并不是FIR滤波器，但在实际应用中为了保证滤波器的稳定且易实现性，通常采用FIR滤波器，这就会引入较大的误差，其原因是使用一个FIR滤波器不能很好的去逼近一个非FIR滤波器。

标准单滤波器结构LMS算法中滤波器的最优解是非FIR滤波器，而该结构中的滤波器在实际应用中通常采用FIR滤波器去逼近这个最优解，从而会引入较大的误差，造成噪声消除效果较差。

发明内容

本发明提供了一种自适应消除噪声的方法和装置，以解决现有技术由于使用一个FIR滤波器无法逼近消除噪声的最优解而导致消除噪声效果较差的问题。

本发明公开了一种自适应消除噪声方法，所述方法包括：

使用第一滤波器对第一麦克风接收的信号进行滤波，使用第二滤波器对第二麦克风接收的信号进行滤波，将滤波后的信号相减得出降噪后信号；

其中，在噪声段，使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同；并且，

在带噪语音段，分别保持第一滤波器的系数和第二滤波器的系数不变，第一滤波器使用上次噪声段更新后的系数对第一麦克风接收的信号进行滤波，第二滤波器使用上次噪声段更新后的系数对第二麦克风接收的信号进行滤波。

其中，所述在噪声段，使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同具体包括：

在噪声段，按如下方式更新第一滤波器的系数和第二滤波器的系数，第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值。

其中，所述第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值具体包括：

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数。

其中，所述第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值具体包括：

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数与常量的乘积，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数与所述常量的乘积。

其中，所述使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新具体包括：

通过最小均方算法或快速块最小均方算法，使用降噪后信号分别更新第一滤波器的系数和第二滤波器的系数。

本发明还公开了一种自适应消除噪声装置，所述装置包括：第一麦克风、第二麦克风、第一滤波器、第二滤波器、和减法器，

第一麦克风将接收信号输入第一滤波器，第一滤波器将滤波后信号输入减法器；

第二麦克风将接收信号输入第二滤波器，第二滤波器将滤波后信号输入减法器；

减法器将第一滤波器和第二滤波器滤波后的信号相减得出降噪后信号；

其中，在噪声段，第一滤波器的系数和第二滤波器系数分别根据降噪后信号进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同；并且，

在带噪语音段，第一滤波器的系数和第二滤波器的系数分别保持不变，第一滤波器对第一麦克风接收的信号进行滤波时使用的系数为上次噪声段更新后的系数，第二滤波器对第二麦克风接收的信号进行滤波时使用的系数为上次噪声段更新后的系数。

其中，第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值。

其中，第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数。

其中，第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数与常量的乘积，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数与所述常量的乘积。

其中，第一滤波器的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新；

第二滤波器的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新。

本发明的有益效果是：在噪声段，使用降噪后信号分别对第一滤波器和第二滤波器的系数进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同；并且，在带噪语音段，分别保持第一滤波器的系数和第二滤波器的系数不变，第一滤波器和第二滤波器分别使用上次噪声段更新后的系数对第一麦克风和第二麦克风接收的信号进行滤波；进而在将两个滤波器滤波后的信号相减时，使信号中的噪音分量基本被相互抵消掉，从而消除噪声效果被增强。

附图说明

图1为现有技术的LMS采用单滤波器消除噪声方法的示意图。

图2为现有技术的LMS采用单滤波器消除噪声方法的原理图。

图3为现有技术的LMS采用单滤波器消除噪声的频域最优解的原理分析示意图。

图4为本发明实施例的自适应消除噪声方法的流程图。

图5为本发明实施例的自适应消除噪声方法的原理图。

图6为本发明实施例的自适应消除噪声方法的原理分析示意图。

图7为本发明实施例的自适应消除噪声方法的时域处理流程图。

图8为本发明实施例的自适应消除噪声方法的示意图。

图9为本发明实施例的自适应消除噪声方法的频域处理流程图。

图10为本发明实施例的自适应消除噪声装置的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一

参见图4，为本发明实施例的自适应消除噪声方法的流程图。所述方法包括如下步骤。

步骤S100，第一麦克风接收信号，第二麦克风接收信号。

步骤S200，在噪声段，使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同，并使用第一滤波器对第一麦克风接收的信号进行滤波，使用第二滤波器对第二麦克风接收的信号进行滤波，将滤波后的信号相减得出降噪后信号。

步骤S300，在带噪语音段，分别保持第一滤波器的系数和第二滤波器的系数不变，第一滤波器使用上次噪声段更新后的系数对第一麦克风接收的信号进行滤波，第二滤波器使用上次噪声段更新后的系数对第二麦克风接收的信号进行滤波。

实施例二

在实施例二中，滤波器的更新过程如下所述。

所述在噪声段，对第一滤波器的系数和第二滤波器的系数进行更新具体包括：在噪声段，按如下方式更新第一滤波器的系数和第二滤波器的系数，

第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值。

下面对本实施例中，自适应消除噪声的方法的原理进行说明。图5为本发明实施例的自适应消除噪声方法的原理图。图6为本发明实施例的自适应消除噪声方法的原理分析示意图。

参照图6，S1代表信号源，S2代表噪声源，由X1是第一麦克风上接收到的信号的频域值，X2第二麦克风上接收到的信号的频域值，W1，W2分别为第一滤波器和第二滤波器的传递函数，Y1是降噪后的信号的频域值。

可以获得如下公式。

X1＝S1×H11+S2×H12                                    公式6

X2＝S1×H21+S2×H22                                    公式7

Y1＝X1×W1-X2×W2＝(S1×H11+S2×H12)×W1-(S1×H21+S2×H22)×W2

＝S1×(H11×W1-H21×W2)+S2×(H12×W1-H22×W2)          公式8

由于当W取最优解时，噪声源S2将被完全消除，因此存在公式9所示的两个滤波器W1和W2间关系。

$\frac{W1}{W2}=\frac{H22}{H12}$ 公式9

当两个滤波器的传递函数关系满足公式9时，降噪后的信号为

$Y1=S1\×(H11\×W1-H21\×W2)=S1\×(H11\×H22-H21\×H12)\×\frac{W1}{H22}$ 公式10

Y1是S1经过某种滤波后的形式，由上述分析可知Y1不含S2的任何分量。

在本实施例中，可以通过多种方式使得第一滤波器与第二滤波器的传递函数比值逼近噪声源与第二麦克风和噪声源与第一麦克风间的信道传递函数的比值。

例如，第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数。

如图6所示，为该举例中自适应消除噪声的方法的原理分析示意图。

第一滤波器的传递函数为W1，W1＝H22，第二滤波器的传递函数为W2，W2＝H12。此时，两个滤波器滤波后信号中的噪声分量相同。因此，在本举例中，使W1逼近H22，使W2逼近H12，能够保证第一滤波器和第二滤波器滤波后的信号中包含的噪声分量尽可能相同，从而有效消除噪声。

又例如，第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数与常量的乘积，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数与所述常量的乘积。该常量可以为常数或某个传递函数。即W1＝H22·H，W2＝H12·H，H为某一传递函数或常数。

在该举例中，同样保证第一滤波器和第二滤波器滤波后的信号中包含的噪声分量尽可能相同，从而有效消除噪声。

其中，使用最小均方算法或快速块最小均方算法更新滤波器（第一滤波器或第二滤波器）系数，使得滤波器逼近对应的传递函数。

由于当两个滤波器的传递函数关系满足公式9时，能够将信号中噪声进行消除，因此使用两个FIR滤波器使其相互关系逼近公式9，这样引入的误差就明显减少，从而大大提升了降噪效果。

在该方式中，每次使用上次噪声段最新更新的滤波器系数进行滤波，两个滤波器滤波后的信号中噪声分量趋于相同，两者相互抵消，使得降噪后信号中噪声分量不断减少，输出语音质量不断被提高。

实施例三

本实施例中采用时域LMS算法对滤波器中系数进行更新，本实施例的自适应消除噪声方法的时域处理流程如图7所示，本实施例自适应消除噪声方法的示意图如图8所示，其中采用双滤波器消除噪声。

步骤S701，第一麦克风和第二麦克风接收信号。

步骤S702，判断信号是否为噪声段，如果是，执行步骤S703，否则，执行步骤S704。

如果信号为带噪语音段的信号，则不进行滤波器系数更新，滤波器使用上一次在噪声段更新过的系数。

步骤S703，更新第一和第二滤波器系数。

步骤S704，使用滤波器将信号在时域进行滤波。

步骤S705，将两个滤波器滤波后信号相减，输出消除噪声后的信号。

下面根据图8所示的示意图具体说明步骤S703中更新第一和第二滤波器系数的过程。

采用时域LMS算法更新双滤波器结构中滤波器系数。第一滤波器滤波后信号为y(n)，如公式11所示，其为输入信号经第一滤波器后的带噪信号。第二滤波器滤波后信号为d(n)，如公式12所示，其为输入信号经第二滤波器后的带噪信号。两个滤波器信号相减后输出信号为e(n)，如公式13所示。

$y\left(n\right)=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{w}_{1i}\left(n\right)x_1(n-i)$ 公式11

$d\left(n\right)=\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{w}_{2j}\left(n\right)x_2(n-j)$ 公式12

e(n)＝d(n)-y(n)                                              公式13

采用LMS算法对滤波器的传递函数进行更新，第一滤波器的传递函数按公式14进行更新，第二滤波器的传递函数按公式15进行更新。

$W_1(n+1)=W_1\left(n\right)-\mathrm{\μ}{\left[\begin{array}{cccc}\frac{\∂e^2\left(n\right)}{\∂w_{10}}& \frac{\∂e^2\left(n\right)}{\∂w_{11}}& \·\·\·\·\·\·& \frac{\∂e^2\left(n\right)}{\∂w_{1(N-1)}}\end{array}\right]}^T=W_1\left(n\right)+2\mathrm{\μe}\left(n\right)X_1\left(n\right)$ 公式14

$W_2(n+1)=W_2\left(n\right)-\mathrm{\μ}{\left[\begin{array}{cccc}\frac{\∂e^2\left(n\right)}{\∂w_{20}}& \frac{\∂e^2\left(n\right)}{\∂w_{21}}& \·\·\·\·\·\·& \frac{\∂e^2\left(n\right)}{\∂w_{2(N-1)}}\end{array}\right]}^T=W_2\left(n\right)-2\mathrm{\μe}\left(n\right)X_2\left(n\right)$ 公式15

其中W₁(n)，W₂(n)，X₁(n)，X₂(n)均表示列向量，上标T表示转置，且

X₁(n)＝[x₁(n)x₁(n-1)……x₁(n-N+1)]^T

X₂(n)＝[x₂(n)x₂(n-1)……x₂(n-N+1)]^T

其中e(n)表示降噪后的信号，d(n)表示第一滤波器滤波后信号，y(n)表示第二滤波器滤波后信号，W₁(n)表示第一滤波器的传递函数，W₂(n)表示第二滤波器的传递函数，μ表示步长因子，X₁(n)表示第一麦克风接收到的信号向量，X₂(n)表示第二麦克风接收到的信号向量，N表示滤波器的阶数。

实施例四

本实施例中采用时频域结合的FBLMS算法对滤波器中系数进行更新，本实施例中自适应消除噪声方法的频域处理流程如图9所示。

步骤S901，第一麦克风和第二麦克风接收信号。

步骤S902，将第一麦克风和第二麦克风接收信号分块，并变换到频域。

步骤S903，判断信号是否为噪声段，如果是，执行步骤S904，否则，执行步骤S905。

如果信号为带噪语音段的信号，则不进行滤波器参数更新，滤波器使用上一次在噪声段更新过的系数。

步骤S904，在频域更新第一和第二滤波器系数。

步骤S905，在频域滤波，将滤波后信号变换到时域。

步骤S906，将两个滤波器滤波后信号相减，输出消除噪声后的信号。

参考图5所示的原理图，具体说明步骤S904中更新第一和第二滤波器系数的过程。

下面给出采用双滤波器结构的FBLMS算法的滤波器更新公式，其中“*”表示卷积。

其中，第一滤波器滤波后信号为y(n)，如公式16所示，其为输入信号经第一滤波器后的带噪信号。第二滤波器滤波后信号为d(n)，如公式17所示，其为输入信号经第二滤波器后的带噪信号。两个滤波器信号相减后输出信号为e(n)，如公式18所示。

y(n)＝w₁(n)*x₁(n)                                公式16

d(n)＝w₂(n)*x₂(n)                                公式17

e(n)＝d(n)-y(n)                                  公式18

将公式18做FFT（Fast Fourier Transform，快速傅里叶变换）变换到频域如公式19所示

E(k)＝D(k)-Y(k)＝W₂(k)·X₂(k)-W₁(k)·X₁(k)       公式19

采用FBLMS算法的原理的如下公式。

${\▿W}_1\left(k\right)\∝\frac{\∂{\left[E\left(k\right)\right]}^2}{{\∂W}_1\left(k\right)}=2\·E\left(k\right)\·\frac{\∂\left[E\left(k\right)\right]}{{\∂W}_1\left(k\right)}=-2E\left(k\right)\·\stackrel{\‾}{X_1\left(k\right)}$ 公式20

$\▿W_2\left(k\right)\∝\frac{\∂{\left[E\left(k\right)\right]}^2}{\∂W_2\left(k\right)}=2\·E\left(k\right)\·\frac{\∂\left[E\left(k\right)\right]}{\∂W_2\left(k\right)}=2E\left(k\right)\·\stackrel{\‾}{X_2\left(k\right)}$ 公式21

$W_1(k+1)=W_1\left(k\right)-\mathrm{\μ}\·\▿W_1\left(k\right)=W_1\left(k\right)+2\·\mathrm{\μ}\·E\left(k\right)\·\stackrel{\‾}{X_1\left(k\right)}$ 公式22

$W_2(k+1)=W_2\left(k\right)-\mathrm{\μ}\·\▿W_2\left(k\right)=W_2\left(k\right)-2\·\mathrm{\μ}\·E\left(k\right)\·\stackrel{\‾}{X_2\left(k\right)}$ 公式23

其中e(n)表示降噪后的信号，E(k)为e(n)的频域表示，d(n)表示第一滤波器滤波后信号，D(k)是d(n)的频域表示，y(n)表示第二滤波器滤波后信号，Y(k)是y(n)的频域表示，X₁(k)为第一麦克风接收到的信号的频域表示，X₂(k)为第二麦克风接收的信号的频域表示，W₁、W₂表示自适应滤波器的传递函数的频域表示，μ表示步长因子，

表示X₁(k)的共轭，表示X₂(k)的共轭。

基于公式22和公式23，采用FBLMS算法进行滤波器系数更新。

1、滤波

设长度为N的两个频域滤波器为w_F1(k)、w_F2(k)，将第一麦克风和第二麦克风接收到的信号前后均填充N个零，而后进行分块得到长度为L+N-1的块信号

块间重叠N个数据。

$x_{F1}\left(k\right)=\mathrm{FFT}\left({\tilde{x}}_1\left(k\right)\right)$ 公式24

$x_{F2}\left(k\right)=\mathrm{FFT}\left({\tilde{x}}_2\left(k\right)\right)$ 公式25

$y\left(k\right)=\mathrm{IFFT}(x_{F1}\left(k\right)\⊗w_{F1}\left(k\right))$ 公式26

$d\left(k\right)=\mathrm{IFFT}(x_{F2}\left(k\right)\⊗w_{F2}\left(k\right))$ 公式27

其中k＝1:L+N-1，表示1至L+N-1，

表示点乘，IFFT表示快速傅里叶逆变换（Inverse Fast Fourier Transform），下标“F”的信号表示频域信号。

2、误差估计

e(m)＝d(N:L+N-1)-y(N:L+N-1)                        公式28

其中，m＝1:L（表示1至L）；d(N:L+N-1)是公式27中d(k)的最后L个元素，与图5中的d(n)对应；y(N:L+N-1)是公式26中y(k)的最后L个元素，与图5中的y(n)对应。e(m)是降噪后的信号。

3、滤波器更新

公式29

$w_{F1}(k+1)=w_{F1}\left(k\right)+2\mathrm{\μ}\⊗\stackrel{\‾}{x_{F1}\left(k\right)}\⊗e_F\left(k\right)$ 公式30

$w_{F2}(k+1)=w_{F2}\left(k\right)-2\mathrm{\μ}\⊗\stackrel{\‾}{x_{F2}\left(k\right)}\⊗e_F\left(k\right)$ 公式31

4、滤波器约束

公式32

公式33

公式30与公式31中的滤波器传递函数中包含多余错误数据，通过公式32与公式33，在传递函数中抛去多余错误数据后填充零。

参见图10，为本发明实施例的自适应消除噪声的装置的结构图。

所述装置包括：第一麦克风110、第二麦克风120、第一滤波器210、第二滤波器220、和减法器300。

第一麦克风110将接收信号输入第一滤波器210，第一滤波器210将滤波后信号输入减法器300；

第二麦克风120将接收信号输入第二滤波器220，第二滤波器220将滤波后信号输入减法器300；

减法器300将第一滤波器210和第二滤波器220滤波后的信号相减得出降噪后信号。

其中，在噪声段，第一滤波器210的系数和第二滤波器220的系数分别根据降噪后信号进行更新，使得第一滤波器210滤波后的信号中包含的噪声分量和第二滤波器220滤波后的信号中包含的噪声分量趋于相同；

并且，在带噪语音段，第一滤波器210的系数和第二滤波器220的系数分别保持不变，第一滤波器210对第一麦克风110接收的信号进行滤波时使用的系数为上次噪声段更新后的系数，第二滤波器220对第二麦克风120接收的信号进行滤波时使用的系数为上次噪声段更新后的系数。

进一步地，第一滤波器210的传递函数与第二滤波器220的传递函数的比值，逼近噪声源和第二麦克风120间的信道传递函数与噪声源和第一麦克风110间的信道传递函数的比值。

进一步地，第一滤波器210的传递函数逼近噪声源与第二麦克风120间的信道传递函数，第二滤波器220的传递函数逼近噪声源与第一麦克风110间的信道传递函数。

进一步地，第一滤波器210的传递函数逼近噪声源与第二麦克风120间的信道传递函数与常量的乘积，第二滤波器220的传递函数逼近噪声源与第一麦克风110间的信道传递函数与所述常量的乘积。

进一步地，第一滤波器210的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新；

第二滤波器220的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种自适应消除噪声方法，其特征在于，所述方法包括：

使用第一滤波器对第一麦克风接收的信号进行滤波，使用第二滤波器对第二麦克风接收的信号进行滤波，将滤波后的信号相减得出降噪后信号；

其中，在噪声段，按如下方式使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新：第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值；并且，

在带噪语音段，分别保持第一滤波器的系数和第二滤波器的系数不变，第一滤波器使用上次噪声段更新后的系数对第一麦克风接收的信号进行滤波，第二滤波器使用上次噪声段更新后的系数对第二麦克风接收的信号进行滤波。

2.根据权利要求1所述的方法，其特征在于，

所述第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值具体包括：

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数。

3.根据权利要求1所述的方法，其特征在于，

所述第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值具体包括：

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数与常量的乘积，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数与所述常量的乘积。

4.根据权利要求1所述的方法，其特征在于，

所述使用降噪后信号分别对第一滤波器的系数和第二滤波器的系数进行更新具体包括：

通过最小均方算法或快速块最小均方算法，使用降噪后信号分别更新第一滤波器的系数和第二滤波器的系数。

5.一种自适应消除噪声装置，其特征在于，所述装置包括：第一麦克风、第二麦克风、第一滤波器、第二滤波器、和减法器，

第一麦克风将接收信号输入第一滤波器，第一滤波器将滤波后信号输入减法器；

第二麦克风将接收信号输入第二滤波器，第二滤波器将滤波后信号输入减法器；

减法器将第一滤波器和第二滤波器滤波后的信号相减得出降噪后信号；

其中，在噪声段，按如下方式第一滤波器的系数和第二滤波器系数分别根据降噪后信号进行更新：第一滤波器的传递函数与第二滤波器的传递函数的比值，逼近噪声源和第二麦克风间的信道传递函数与噪声源和第一麦克风间的信道传递函数的比值；并且，

在带噪语音段，第一滤波器的系数和第二滤波器的系数分别保持不变，第一滤波器对第一麦克风接收的信号进行滤波时使用的系数为上次噪声段更新后的系数，第二滤波器对第二麦克风接收的信号进行滤波时使用的系数为上次噪声段更新后的系数。

6.根据权利要求5所述的装置，其特征在于，

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数。

7.根据权利要求5所述的装置，其特征在于，

第一滤波器的传递函数逼近噪声源与第二麦克风间的信道传递函数与常量的乘积，第二滤波器的传递函数逼近噪声源与第一麦克风间的信道传递函数与所述常量的乘积。

8.根据权利要求5所述的装置，其特征在于，

第一滤波器的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新；

第二滤波器的系数具体通过最小均方算法或快速块最小均方算法，根据降噪后信号进行更新。

Images