CN103444094A - 自适应均衡器、声学回波消除器装置以及有源噪声控制装置 - Google Patents

Abstract

与如下信号的大小之比或者大小之差成比例地确定可变更新步长：第1残差信号，使用通过自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列得到；以及第2残差信号，使用先行更新自适应滤波器系数序列得到，其中所述先行更新自适应滤波器系数序列是使用任意的先行更新步长对通过自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列进行系数更新而得到。

Description

自适应均衡器、声学回波消除器装置以及有源噪声控制装置

技术领域

本发明涉及一种用于未知系统的学习识别(identification)的自适应均衡器以及利用了该自适应均衡器的声学回波消除器装置以及有源噪声控制装置。

背景技术

自适应均衡器或者自适应滤波器具有根据向作为对象的未知系统输入的输入信号以及其响应信号通过自适应算法来识别未知系统的传递函数的功能，广泛用于各种信号处理系统中。

例如在回波消除器中，用于通过识别回波路径的传递函数而根据成为回波源的信号来预测回波信号并消除回波信号。另外在有源噪声控制装置中，用于通过识别噪声路径的传递函数而根据噪声源的声学信号预测来到的噪声并通过生成成为其反相的声学信号来抵消噪声。

作为妨碍利用这种自适应均衡器的未知系统的识别的主要原因，有混入被观测的未知系统的响应信号中的干扰的存在。例如，在回波消除器的情况下，重叠在回波上的背景噪声、近端说话人的声音对于自适应均衡器而言成为进行回波路径的识别时的干扰，使回波消除器的性能降低(特别是将近端说话人的声音与回波重叠在信号上的现象称为双向通话)。

另外在将这种自适应均衡器提供到有源噪声控制装置的情况下，目标噪声以外的声音成为干扰。例如在送风管道中抵消送风风扇的噪声的情况下，被设置在管道内的误差检测麦克风拾取的送风风扇以外的声音(其它机械装置的动作声音、位于近处的人的声音等)对于自适应均衡器而言成为在进行噪声路径的识别时的干扰，成为使噪声降低效果下降的主要原因。

一般，作为对这种干扰的对策，采取设置规定的更新步长来识别自适应均衡器的滤波器系数的更新速度的方法。在这种情况下，自适应滤波器的滤波器系数的更新式能够用如下面的式(1)那样表示。

$\hat{h}(n+1)=\hat{h}\left(n\right)+\mathrm{\μ\ϵ}\left(n\right)...\left(1\right)$

这里，

是自适应均衡器的滤波器系数，用下面的式(2)表示。

$\hat{h}\left(n\right)={[h_0\left(n\right),h_1\left(n\right),...,h_{N-1}\left(n\right)]}^T...\left(2\right)$

式(2)中的N是滤波器阶数。另外n是表示时间序列的下标，在初始时刻的n=0时，对式(2)的系数序列提供任意的初始值。而且μ表示更新步长，ε(n)表示由规定的自适应算法所提供的滤波器系数的更新量。作为ε(n)的例子，当使用了通常熟知的NLMS(学习识别法)算法的情况下，用下面的式(3)表示。

$\mathrm{\ϵ}\left(n\right)=\frac{d\left(n\right)x\left(n\right)}{N{\mathrm{\σ}}_x^2}...\left(3\right)$

此外x(n)是输入信号，用下面的式(4)表示。

$x\left(n\right)={[x\left(n\right),x(n-1),...,x(n-N+1)]}^T...\left(4\right)$

另外，

表示向未知系统输入的输入信号X(n)的方差。此外，在实际的运算中，经常近似地设置为下面的式(5)。

$N{\mathrm{\σ}}_x^2\≈x^T\left(n\right)x\left(n\right)...\left(5\right)$

式(5)的右边表示输入信号x(n)的信号功率，d(n)表示通过更新前的滤波器系数所得到的残差信号。

在式(1)中，通过将更新步长μ设为小的值，能够减慢系数更新的速度，能够不易受到干扰的影响。其结果，能够使识别误差(滤波器系数的误差)的收敛值更小，但是相反，由于系数更新变得缓慢，从而在从初始状态开始的情况下、或者未知系统的传递函数刚刚变化之后等时，直到识别误差收敛为止需要更多的更新次数。因此，需要将更新步长μ设定为能得到与目标相应的收敛特性。

将更新步长μ设为常数的情况多，但是还能够根据状况来改变。例如在专利文献1中，提出了以下回波消除器：以不论干扰条件如何都必须收敛到所需的识别误差的方式改变更新步长μ。

但是在专利文献1中记载的回波消除器中，更新步长μ是根据识别误差的所需值来确定的，因此具有根据所需值的大小而对更新步长也进行增减这样的性质。其结果，越希望小的识别误差，更新步长μ的值也变得越小，由此系数更新变得缓慢，识别误差的收敛需要更多的更新次数，产生费时这样的问题。

另外，在非专利文献1中，启示了使识别误差最减少的更新步长值μ_opt用下面的式(6)近似地表示。

${\mathrm{\μ}}_{\mathrm{opt}}\≈\frac{{\mathrm{\σ}}_e^2}{{\mathrm{\σ}}_d^2}...\left(6\right)$

其中，

表示包含干扰的自适应均衡器的残差信号的方差，

表示从残差信号除去了干扰的误差信号的方差。如果将干扰的方差设为则

成为下面的式(7)。

${\mathrm{\σ}}_d^2={\mathrm{\σ}}_e^2+{\mathrm{\σ}}_v^2...\left(7\right)$

但是，

能够进行观测，但是

是未知的，不能直接观测，因此不能从上述的式(6)直接求出μ_opt。因此在非专利文献1中提出了如下方法：针对每个频率分量求出利用自适应均衡器的未知系统的估计响应信号与残差信号的各自的功率的时间变化的互相关值，通过将其相乘到估计响应信号与残差信号功率之比来求出μ_opt的估计值。

但是，一般为了正确地观测相关值，需要充分长的信号，特别是难以对声音等不稳定的信号正确地观测瞬间的互相关值。因而在非专利文献1所公开的方法中，不能根据观测到的互相关值的误差求得正确的μ_opt，导致计算出比它略高或低的更新步长，产生不能快速地减少识别误差或者不能使识别误差减少至充分小的水平为止这样的问题。

专利文献1：日本特开2008-312199号公报

非专利文献1：J.M.Valin，“On Adjusting the Learning Rate inFrequency Domain Echo Cancellation With Double-Talk”，IEEETrans.on Audio，Speech，And Language Processing，Vol.15，NO.3，pp.1030-1034，Mar.2007

发明内容

如上所述，在以往的技术中，根据识别误差的所需值来确定更新步长值，因此所需的识别误差越小，使识别误差收敛所需的滤波器系数的更新次数越增加，存在收敛费时这样的课题。另外，根据估计响应信号与残差信号的互相关值来确定更新步长值，因此存在如下课题：不能根据互相关值的观测误差来设定最优的更新步长值，不能将识别误差快速地减少、或者不能将识别误差减少到充分的水平为止。

这种课题产生如下问题：例如在回波消除器中，不能快速地或者精度充分良好地识别回波路径的传递函数，无法得到充分的回波消除效果。同样地，在有源噪声控制装置中，也产生如下问题：不能快速地或者精度良好地识别噪声的传递路径，不能得到充分的噪声的抑制效果。

本发明是为了解决如上所述的课题而作出的，其目的在于，在不能事先预测干扰、未知系统的传递函数的状态、其变化的条件下，不另外使用用于观测或者检测它们的单元，而根据这些条件来确定可变更新步长。

本发明的自适应均衡器利用使用可变更新步长进行了系数更新处理的自适应滤波器系数序列对输入信号进行滤波处理而生成输出信号，其中所述可变更新步长是与如下信号的大小之比或者大小之差成比例地确定的：第1残差信号，使用通过前次为止的动作所得到的自适应滤波器系数序列得到；以及第2残差信号，使用先行更新自适应滤波器系数序列得到，其中，所述先行更新自适应滤波器系数序列是使用任意的先行更新步长对通过前次为止的动作所得到的自适应滤波器系数序列进行了系数更新而得到。

根据本发明，能够使识别误差快速地减少到充分小的水平为止。

附图说明

图1是表示实施方式1的自适应均衡器的结构的框图。

图2是表示实施方式1的自适应均衡器的滤波器系数序列的读入／写入处理的说明图。

图3是表示实施方式1的自适应均衡器的其它结构的框图。

图4是表示实施方式1的自适应均衡器的识别误差收敛特性的一个例子的曲线。

图5是表示实施方式2的自适应均衡器的结构的框图。

图6是表示实施方式2的自适应均衡器的滤波器系数序列的读入／写入处理的说明图。

图7是表示实施方式3的自适应均衡器的结构的框图。

图8是表示实施方式3的自适应均衡器的滤波器系数序列的读入／写入处理的说明图。

图9是表示实施方式4的自适应均衡器的结构的框图。

图10是表示实施方式4的自适应均衡器的滤波器系数序列的读入／写入处理的说明图。

图11是表示实施方式5的自适应均衡器的结构的框图。

图12是表示实施方式6的声学回波消除器装置的结构的框图。

图13是表示实施方式7的有源噪声控制装置的结构的框图。

附图标记说明

100、110、200、300、400、500、600、700：自适应均衡器；101、401：减法滤波器；101a、401a：估计响应信号生成部；401b：减法器；102、201、404：第1更新滤波器；102a、404a：滤波器处理部；102b、104b、106b、201b、305b、307b、404b、409、601：乘法器；101b、102c、106c、201c、301b、302b、307c、401b、406：减法器；103、303、408：步长控制部；104、410：第2更新滤波器；104a、201a、410a：系数更新处理部；105、308、411：存储器部；106：第3更新滤波器；106a：滤波器处理部；202、306：延迟处理部；301：第1减法滤波器；302：第2减法滤波器；301a、302a：估计响应信号生成部；304：系数更新量计算部；305：先行系数更新部；305a：系数计算部；305b：乘法器；307：更新滤波器；307a：滤波器处理部；307b：乘法器；307c：减法器；402：第1时间频率变换部；403：第2时间频率变换部；405：第3时间频率变换部；406：减法器；407：第4时间频率变换部；501：第1子带分解部；502：第2子带分解部；503：自适应均衡部列；504：第1子带合成部；505：第2子带合成部；701：参照麦克风；702：扬声器；703：误差麦克风；704：控制音滤波器；705：系数转送部；706：二次路径特性滤波器；707：相位反转器；900：未知系统；901：扬声器；902：麦克风；903：噪声源；904：一次路径；905：二次路径；910：声学回波消除器装置；920：有源噪声控制装置。

具体实施方式

下面，为了更详细地说明本发明，按照附图说明用于实施本发明的方式。

实施方式1.

图1是表示实施方式1的自适应均衡器的结构的框图。在图1中，自适应均衡器100包括：生成第1估计响应信号以及第1残差信号的减法滤波器101；进行滤波器系数序列的系数更新并使用所更新的滤波器系数序列来生成第2估计响应信号的第1更新滤波器102；确定可变更新步长的步长控制部103；进行滤波器系数序列的系数更新的第2更新滤波器104、以及存储滤波器系数序列的存储器部105。进而，减法滤波器101具备估计响应信号生成部101a以及减法器101b，第1更新滤波器102具备滤波器处理部102a、乘法器102b以及减法器102c，第2更新滤波器104具备系数更新处理部104a以及乘法器104b。

另外，如图1所示，自适应均衡器100连接于未知系统900。未知系统900是成为自适应均衡器100的学习识别对象的系统。

接着，说明自适应均衡器100的概要。

未知系统900在被提供输入信号x(n)时，输出对该输入信号x(n)的响应信号y(n)。在响应信号y(n)中混入未知的干扰v(n)，成为观测响应信号y’(n)。即，观测响应信号y’(n)用下面的式(8)表示。

y′(n)=y(n)+v(n)···(8)

自适应均衡器100被提供输入信号x(n)和观测响应信号y’(n)。自适应均衡器100根据这两个信号x(n)、y’(n)识别未知系统900的传递函数，输出估计了未知系统的响应信号的输出估计响应信号

和从观测响应信号y’(n)减去输出估计响应信号而得到的输出残差信号d(n)。

接着，说明实施方式1的自适应均衡器的动作。图2是示意性地表示实施方式1的自适应均衡器的滤波器系数序列的读入或者写入处理的说明图。

首先，减法滤波器101从存储器部105读入前次为止的动作的结果所得到的滤波器系数序列

利用所读入的滤波器系数序列

对输入信号x(n)进行滤波处理而生成第1估计响应信号

进而，通过从观测响应信号y’(n)减去所生成的第1估计响应信号

而得到第1残差信号d₁(n)。其中，在初始时刻n=0的情况下，设为对滤波器系数序列

确定有任意的初始值并保存在存储器部105中。由该减法滤波器101所得到的第1估计响应信号

和第1残差信号d₁(n)作为自适应均衡器101的输出而分别输出为输出估计响应信号

输出残差信号d(n)。

接着，第1更新滤波器102根据输入信号x(n)、第1残差信号d₁、以及任意地确定的先行步长μ_prio(n)，通过规定的自适应算法来执行系数更新，如下面的式(9)那样得到先行更新滤波器系数序列

${\hat{h}}_{\mathrm{prio}}\left(n\right)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)\mathrm{\ϵ}\left(n\right)...\left(9\right)$

此外，用于系数更新的滤波器系数序列

是从存储器部105读入，计算出的先行更新滤波器系数序列

写入到存储器部105。先行更新步长μ_prio(n)既可以是固定值，也可以是每次用规定的手段进行变更的值。

进而，第1更新滤波器102使用通过上述式(9)的系数更新所得到的先行更新滤波器系数序列

对输入信号x(n)进行滤波处理，生成第2估计响应信号进而，通过从观测响应信号y’(n)减去所生成的第2估计响应信号

而得到第2残差信号d₂(n)。

步长控制部103根据第1残差信号d₁(n)、第2残差信号d₂(n)、先行更新步长μ_prio(n)，确定可变更新步长μ_opt(n)。该可变更新步长μ_opt(n)的确定方法在后面详细说明。

第2更新滤波器104根据可变更新步长μ_opt(n)、输入信号x(n)、第1残差信号d₁(n)，通过规定的自适应算法来进行系数更新，得到被更新的滤波器系数序列

(参照下面的式(10))。

$\hat{h}(n+1)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)\mathrm{\ϵ}\left(n\right)...\left(10\right)$

此外，用于系数更新的滤波器系数序列

是从存储器部105读入，计算出的滤波器系数序列写入到存储器部105。以上是实施方式1的自适应均衡器100的动作的说明。

接着，详细描述步长控制部103中的可变更新步长μ_opt(n)的计算方法。本发明的特征在于，具有如下结构：将可变更新步长μ_opt(n)定义为各时刻的“在干扰条件和收敛状态中使识别误差最减少的更新步长”，在每次的系数更新中可靠地求出该可变更新步长μ_opt(n)。为了说明该结构，下面首先说明可变更新步长μ_opt(n)的导出。

现在将未知系统的传递函数设为h，将识别误差δ(n)如下面的式(11)那样进行定义。

$\mathrm{\δ}\left(n\right)=\hat{h}\left(n\right)-h...\left(11\right)$

假设如果根据上述式(1)实施一次滤波器系数的更新，则识别误差δ(n+1)成为下面的式(12)。

$\begin{array}{c}\mathrm{\δ}(n+1)=\hat{h}(n+1)-h\\ =\mathrm{\δ}\left(n\right)+\mathrm{\μ\ϵ}\left(n\right)\end{array}...\left(12\right)$

在将识别误差的大小用各滤波器系数的各抽头的误差的平方和表示的情况下，一次系数更新中的识别误差的差分成为下面的式(13)。

Δ(n+1)=δ^T(n+1)δ(n+1)-δ^T(n)δ(n)

                                        ···(13)

=μ²ε^T(n)ε(n)+2μδ^T(n)ε(n)

以后以使用NLMS算法的情况为例展开说明。但是，这不意味着本发明被限定于NLMS。本发明中还能够使用其它的自适应算法，这种情况也包含在本发明的自适应均衡器中。

在使用NLMS算法的情况下，上述式(13)改写为下面的式(14)。

$\begin{array}{c}\mathrm{\Δ}(n+1)={\mathrm{\μ}}^2\frac{d^2\left(n\right)}{{\left({\mathrm{N\σ}}_x^2\right)}^2}{x}^T\left(n\right)x\left(n\right)+2\mathrm{\μ}\frac{d\left(n\right)}{{\mathrm{N\σ}}_x^2}{\mathrm{\δ}}^T\left(n\right)x\left(n\right)\\ ={\mathrm{\μ}}^2\frac{d^2\left(n\right)}{{\left({\mathrm{N\σ}}_x^2\right)}^2}{x}^T\left(n\right)x\left(n\right)-2\mathrm{\μ}\frac{(e\left(n\right)+v\left(n\right))e\left(n\right)}{{\mathrm{N\σ}}_x^2}\end{array}...\left(14\right)$

其中，e(n)是从残差信号d(n)除去干扰v(n)的误差信号，这根据识别误差δ(n)和输入信号序列x(n)如下面的式(15)那样表示。

e(n)=-δ^T(n)x(n)...(15)

当考虑输入信号x(n)和干扰v(n)一般是无相关而独立时，式(14)的期待值能够如下面的式(16)那样进行近似。

$E\left[\mathrm{\Δ}(n+1)\right]\≈{\mathrm{\μ}}^2\frac{{\mathrm{\σ}}_d^2}{{\mathrm{N\σ}}_x^2}-2\mathrm{\μ}\frac{{\mathrm{\σ}}_e^2}{{\mathrm{N\σ}}_x^2}...\left(16\right)$

式(16)表示系数更新前后中的识别误差的大小的差分成为更新步长μ的二次函数，如果右边成为负值则意味着识别误差减少。因而，提供式(16)的右边的最小值的更新步长μ成为“在干扰条件和收敛状态中使识别误差最减少的更新步长”μ_opt(n)，这由下面的式(17)来提供。

$\begin{array}{c}{\mathrm{\μ}}_{\mathrm{opt}}=\arg \underset{\mathrm{\μ}}{\min }E\left[\mathrm{\Δ}(n+1)\right]\\ =\frac{{\mathrm{\σ}}_e^2}{{\mathrm{\σ}}_d^2}\end{array}...\left(17\right)$

式(17)与非专利文献1中启示的更新步长的最优值一致。但是如已经叙述那样不能观测式(17)的

因此不能根据式(17)直接求出最优值μ_opt，非专利文献1中也没有公开这种方法。但是，根据本发明的自适应均衡器100能够可靠地求出式(17)的μ_opt的值。下面对其进行说明。

现在假设使用任意的更新步长μ进行了一次系数更新。基于该系数更新前后的滤波器系数得到的残差信号的方差的差分能够用识别误差的平方和的差分Δ(n+1)与输入信号序列x(n)的幂

来进行近似，成为下面的式(18)。

$\begin{array}{c}{\mathrm{\σ}}_{d^{\′}}^2\left(\mathrm{\μ}\right)-{\mathrm{\σ}}_d^2\≈E\left[\mathrm{\Δ}(n+1)\right]\·{\mathrm{N\σ}}_x^2\\ ={\mathrm{\μ}}^2{\mathrm{\σ}}_d^2-{2\mathrm{\μ\σ}}_e^2\end{array}...\left(18\right)$

其中，

是根据基于更新步长μ更新系数后的滤波器系数得到的残差信号的方差。假设用不同的任意的更新步长μ₁、μ₂分别进行系数更新而取各自的残差信号的方差的差分，则成为下面的式(19)。

${\mathrm{\σ}}_{d^{\′}}^2\left({\mathrm{\μ}}_1\right)-{\mathrm{\σ}}_{d^{\′}}^2\left({\mathrm{\μ}}_2\right)=({\mathrm{\μ}}_1^2-{\mathrm{\μ}}_2^2){\mathrm{\σ}}_d^2-2({\mathrm{\μ}}_1-{\mathrm{\μ}}_2){\mathrm{\σ}}_e^2...\left(19\right)$

当将该式(19)进行变形时，导出下面的式(20)。

$\begin{array}{c}{\mathrm{\μ}}_{\mathrm{opt}}=\frac{{\mathrm{\σ}}_e^2}{{\mathrm{\σ}}_d^2}\\ =\frac{1}{2}({\mathrm{\μ}}_1+{\mathrm{\μ}}_2)-\frac{1}{2({\mathrm{\μ}}_1-{\mathrm{\μ}}_2)}\frac{{\mathrm{\σ}}_{d^{\′}}^2\left({\mathrm{\μ}}_1\right)-{\mathrm{\σ}}_{d^{\′}}^2\left({\mathrm{\μ}}_2\right)}{{\mathrm{\σ}}_d^2}\end{array}...\left(20\right)$

式(20)能够通过将μ₁或者μ₂的某一个设为0来进一步简化，成为下面的式(21)。

${\mathrm{\μ}}_{\mathrm{opt}}=\frac{1}{2}\mathrm{\μ}+\frac{1}{2\mathrm{\μ}}(1-\frac{{\mathrm{\σ}}_{d^{\′}}^2\left(\mathrm{\μ}\right)}{{\mathrm{\σ}}_d^2})...\left(21\right)$

式(21)表示如下：如果分别观测基于执行系数更新之前的阶段的滤波器系数序列得到的残差信号的方差

和基于通过基于任意的更新步长μ的系数更新而得到的滤波器系数得到的残差信号的方差

则得到“在干扰条件和收敛状态中使识别误差最减少的更新步长”μ_opt。

由此，该实施方式1的步长控制部103根据第1残差信号d₁(n)、第2残差信号d₂(n)、以及先行更新步长μ_prio(n)，在每个时刻n计算用下面的式(22)所示的可变更新步长μ_opt(n)。

${\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=\frac{1}{2}{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)+\frac{1}{2{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)}(1-\frac{{\mathrm{\σ}}_{d2}^2\left(n\right)}{{\mathrm{\σ}}_{d1}^2\left(n\right)})...\left(22\right)$

其中，

是第1残差信号d₁(n)的方差，

是第2残差信号d₂(n)的方差，是表示各自信号的大小的统计值。但是，本发明的自适应均衡器100并非限定在可变更新步长μ_opt(n)的计算中必须使用严格的方差值，也可以使用以其为标准的统计量。如果将上述的式(22)进一步一般化，则成为下面的式(23)。

${\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=\frac{1}{2}{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)+\frac{1}{{2\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)}(1-\frac{P\left(d_2\left(n\right)\right)}{P\left(d_1\left(n\right)\right)})...\left(23\right)$

这里，p₁是表示第1残差信号d₁(n)的大小的函数，p₂是表示第2残差信号d₂(n)的大小的函数，能够应用如下的平均信号功率、泄漏积分(1eak integral)等。在利用这些方法的方差的测量中，即使信号长度受限，与相关的测量等相比也能够期待比较正确的正确度。

(平均信号功率)

$P_e\left(d\left(n\right)\right)=\frac{1}{L}\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}{\left|d(n-i)\right|}^2...\left(24\right)$

(泄漏积分)

I(n)=α·I(d(n-1))+(1-α)|d(n)|²...(25)

其中，设为0＜α＜1。

进而，关于式(23)，也可以通过将先行更新步长μ_prio(n)设为1来如下面的式(26)那样简化而计算。

${\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=1-\frac{1}{2}\frac{P\left(d_2\left(n\right)\right)}{P\left(d_1\left(n\right)\right)}...\left(26\right)$

通过将这样得到的可变更新步长μ_opt(n)用于第2更新滤波器104，在第2更新滤波器104中能够每次可靠地计算出“在干扰条件和收敛状态中使识别误差最减少的更新步长”来进行系数更新。其结果，能够得到识别误差的减少快、且识别误差的收敛值也充分小的自适应均衡器100。

此外，根据式(16)可知，识别误差减少的更新步长μ是式(16)的右边成为负值的范围，因此如果使用满足它的更新步长μ′_opt(n)，则至少能够期待识别误差减少。该范围如下面的式(27)那样表示。

0＜μ′_opt(n)＜2μ_opt(n)   ...(27)

由此，如果只是仅期待识别误差减少，则也可以将以第1残差信号d₁(n)、第2残差信号d₂(n)、以及先行更新步长μ_prio(n)为基础通过规定的手续确定为式(26)所示的范围中的某一值的准可变更新步长μ′_opt(n)用于第2更新滤波器104。本发明的自适应均衡器还包含这种情况。

接着，示出自适应均衡器100的其它结构例。图3是表示实施方式1的自适应均衡器的其它结构例的框图。图3的自适应均衡器100在图1中所示的自适应均衡器100中追加设置了第3更新滤波器106。此外，对与图1所示的自适应均衡器100相同的结构要素附加相同的标记并省略说明。

第3更新滤波器106具备滤波器处理部106a、乘法器106b以及减法器106c，动作与第1更新滤波器102相同。第1更新滤波器102使用第1先行更新步长μ_prio1(n)，第3更新滤波器106使用第2先行更新步长μ_prio2(n)。另外，通过追加设置第3更新滤波器106，对步长控制部103输入三个残差信号、即来自减法滤波器101的第1残差信号d₁(n)、来自第1更新滤波器102的第2残差信号的d₂(n)、以及来自第3更新滤波器106的第3残差信号d₃(n)。

步长控制部103根据第1残差信号d₁(n)、第2残差信号d₂(n)、以及第3残差信号d₃(n)这三个残差信号中的任意两个残差信号d_A(n)、d_B(n)、和第1先行更新步长μ_prio1(n)或者第2先行更新步长μ_prio2(n)或者“0”这三个不同参数中的任意两个参数μ_A，μ_B，根据下面的式(28)来确定可变更新步长μ_opt(n)。

${\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=\frac{1}{2}({\mathrm{\μ}}_A+{\mathrm{\μ}}_B)-\frac{1}{2({\mathrm{\μ}}_A-{\mathrm{\μ}}_B)}\frac{P\left(d_A\left(n\right)\right)-P\left(d_B\left(n\right)\right)}{P\left(d_1\left(n\right)\right)}...\left(28\right)$

式(28)中的两个残差信号d_A(n)、d_B(n)以及两个参数μ_A，μ_B的具体组合表示在下面。

样式1：

d_A(n)=d₂(n)、d_B(n)=d₁(n)、μ_A=μ_prio1(n)、μ_B=0

样式2：

d_A(n)=d₃(n)、d_B(n)=d₂(n)、μ_A=μ_prio2(n)、μ_B=μ_prio1(n)

样式3：

d_A(n)=d₃(n)、d_B(n)=d₁(n)、μ_A=μ_prio2(n)、μ_B=0

步长控制部103既可以将根据样式1计算出的可变更新步长μ_opt1(n)、根据样式2计算出的可变更新步长μ_opt2(n)、以及根据样式3计算出的可变更新步长μ_opt3(n)的某一个设为最终的可变更新步长μ_opt(n)，也可以计算所计算出的三个可变更新步长的平均值来设为最终的可变更新步长μ_opt(n)。

这样，通过具备使用三个以上的多个残差信号将多个可变更新步长的平均值计算为作为最终结果的可变更新步长μ_opt(n)的步长控制部103，能够得到高精度的可变更新步长μ_opt(n)。

此外，在图3中示出了追加具备第3更新滤波器106、并将第1残差信号d₁(n)、第2残差信号d₂(n)、以及第3残差信号d₃(n)输入到步长控制部103的结构，但是追加的更新滤波器的数量、输入到步长控制部103的残差信号d的数量能够适当变更。

到此为止以NLMS算法为例进行了说明，但是在本发明的自适应均衡器100、110中，在自适应算法中使用了LMS算法、仿射投影算法的情况下的可变更新步长μ_opt(n)的例子也记在下面。

LMS算法：

(可变更新步长)

${\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=\frac{1}{2}{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)+\frac{1}{{2\mathrm{\μ}}_{\mathrm{prio}}\left(n\right){\left({\mathrm{N\σ}}_x^2\left(n\right)\right)}^2}(1-\frac{P\left(d_2\left(n\right)\right)}{P\left(d_1\left(n\right)\right)})...\left(29\right)$

(滤波器系数的更新式)

$\hat{h}(n+1)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)d\left(n\right)x\left(n\right)...\left(30\right)$

仿射投影算法：

(可变更新步长)

$\begin{array}{c}{\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)=\frac{1}{2}{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)\\ -\frac{1}{2{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right){\mathrm{N\σ}}_x^2\left(n\right)}\frac{P\left(d_2\left(n\right)\right)-P\left(d_1\left(n\right)\right)}{d_p^T\left(n\right){\left[X_p^T\left(n\right)X_p\left(n\right)\right]}^{-1}{d}_p\left(n\right)}\end{array}...\left(31\right)$

(滤波器系数的更新式)

$\hat{h}(n+1)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)X_p\left(n\right){\left[X_p^T\left(n\right)X_p\left(n\right)\right]}^{-1}{d}_p\left(n\right)...\left(32\right)$

其中，p是投影次数，另外

X_p(n)=[x(n)，x(n-1)，…，x(n-p+1)]

d_p(n)=[d₁(n)，d₁(n-1)，…，d₁(n-p+1)]^T

这些式(29)以及式(31)能够通过与上述的NLMS的例子同样的导出过程导出。如这些式所示，在使用LMS算法、仿射投影算法的情况下，步长控制部103还需要输入信号x(n)作为用于计算可变更新步长μ_opt(n)的信息。

另外，也可以使用将LMS算法、仿射投影算法以规定的信号块单位执行的BLMS(Block LMS)、BOP(Block Orthogonal ProjectionAlgorithm，块正交投影算法)等块自适应滤波器算法来构成自适应均衡器100、110。在使用这些块自适应滤波器算法的情况下，步长控制部103能够对第1残差信号d₁(n)、第2残差信号d₂(n)分析一定的块长度的信号，因此能够期待提高它们的方差的测量精度。由此能够期待得到更正确的可变更新步长。本发明的自适应均衡器还包含上述的任意例子中构成的情况。

图4是表示实施方式1的自适应均衡器的识别误差收敛特性的一个例子的曲线。

图4(a)中，将系数的平方误差之和用未知系统的传递函数的滤波器系数的平方值之和进行标准化而得到的值来表示识别误差。

图4中的收敛特性曲线(1)表示在实施方式1的自适应均衡器100、110使用了基于上述式(22)所确定的可变更新步长μ_opt(n)的情况下的收敛特性。与此相对，收敛特性曲线(2)表示将更新步长设定为固定值0.05的情况下的收敛特性，收敛特性曲线(3)表示将更新步长设定为固定值0.1的情况下的收敛特性，收敛特性曲线(4)表示将更新步长设定为固定值0.2的情况下的收敛特性。此外，将干扰条件设为固定，将一定电平的白噪声施加到观测响应信号。

如从图4(a)所示的曲线可知，该实施方式1的自适应均衡器100、110具有如下效果：与在更新步长中使用某个固定值的情况相比，能够快速地减少识别误差、且将识别误差收敛于小的值。

另外，图4(b)表示干扰变动以及未知系统的变动产生时的识别误差收敛特性的一个例子。图4(b)中所示的曲线上的各收敛特性曲线中添加的编号与图4(a)相同。

在图4(b)的例子中，将与图4(a)相同的一定的白噪声作为干扰而施加，并且在区间A中作为突发的干扰变动还施加与其它的区间相比略大的白噪声。另外在地点B中设想未知系统的变动，使未知系统的传递函数瞬间地变化为完全不同的传递函数。

如从图4(b)所示的曲线可知，在区间A中，在对更新步长使用从0.05至0.2为止的固定值的情况下，由于突发的干扰变动而识别误差增大，与此相对，自适应均衡器100、110的收敛特性曲线(1)中，误差不增大而保持收敛状态。另外可知，在未知系统900的传递函数突然变化的地点B以后，实施方式1的自适应均衡器100、110的收敛特性曲线(1)具有与其他的任意曲线相比误差最快地减少这样的效果。此外，说明在上述的任意的例子中都没有设置如下结构：根据干扰条件而切换系数更新的执行和停止、或检测未知系统变化来促进自适应均衡器的再次的自适应化。

图4中所示的实施方式1的自适应均衡器100、110的特性意味着：例如在回波消除器中不被背景噪声、说话者声音等干扰所左右，能够快速地识别回波路径的传递函数，能够有效地消除回波。另外，还意味着在回波路径变化的情况下也能够快速地跟踪变化。

如以上那样，根据该实施方式1，构成为具备每当更新滤波器系数序列时计算出在各时刻下的干扰条件和收敛状态中使识别误差最减少的可变更新步长μ_opt(n)的步长控制部103、以及使用步长控制部103计算出的可变更新步长μ_opt(n)来进行系数更新并进行滤波器系数序列的更新的第2更新滤波器104，因此能够快速地将识别误差减少为充分小。进而具有如下效果：不另外设置检测干扰信号的结构、估计所检测出的干扰信号的结构，在产生了检测困难的干扰变化的情况下也不使收敛状态劣化。进而，不另外设置检测未知系统900的传递函数的变化的结构，在未知系统900变化而收敛状态被复位的情况下，也能够通过滤波器系数序列的更新来快速地使识别误差收敛。

另外，根据该实施方式1，构成为更新步长控制部103使用第1残差信号d₁(n)、第2残差信号d₂(n)、以及先行更新步长μ_prio(n)来计算可变更新步长μ_opt(n)，因此与先行更新步长固定为“1”的情况相比，能够抑制可变更新步长计算的误差发散而学习系统破坏的现象。

另外，根据该实施方式1，构成为还能够应用以BLMS、BOP等以规定的块长度单位执行系数更新的块自适应滤波器算法，因此在第1残差信号d₁(n)以及第2残差信号d₂(n)的方差的观测中得到充分的信号长度，能够计算出精度高的可变更新步长μ_opt(n)，能够更高效地实施滤波器系数序列的更新。

另外，根据该实施方式1，构成为确定具有规定范围的准可变更新步长μ′_opt(n)，因此能够提高滤波器系数序列的更新的安全性。另外，能够进行如下符合用户意图的设定：在有想要抑制干扰的要求的情况下将可变更新步长μ_opt(n)设定为规定的范围内的小的值、或者有想要提高收敛效果的要求的情况下将可变更新步长μ_opt(n)在规定的范围内设定为大的值等。

实施方式2.

在上述的实施方式1中，示出了如下结构：在计算出可变更新步长μ_opt(n)之后，将计算出的可变更新步长μ_opt(n)应用于第2更新滤波器104来进行滤波器系数序列的系数更新。但是，在干扰条件、未知系统900的传递函数的变动比较小的情况下，也存在如下情况：前次计算出的可变更新步长μ_opt(n-1)和最新的可变更新步长μ_opt(n)的值中不产生大的差异。例如，在干扰是具有一定统计性质的白噪声、粉红噪声、或者与其类似的随机性信号的情况下，能够设想干扰的变化相对于系数的更新频度充分小，因此预想计算出的可变更新步长的值在前次与最新几乎没有变化。在这种情况下，前次计算出的可变更新步长μ_opt(n-1)在下一时刻(n)下也能够期待有效性。因此，在该实施方式2中，示出将先行更新步长μ_prio(n)设为在前次的动作中得到的可变更新步长μ_opt(n-1)的结构。

通过具备实施方式2的结构，还能够使实施方式1中所示的第1更新滤波器102代理第2更新滤波器104的功能，由此能够使自适应均衡器的结构更简单。

图5是表示实施方式2的自适应均衡器的结构的框图。在图5中，自适应均衡器200具有：生成第1估计响应信号以及第1残差信号的减法滤波器101；进行滤波器系数序列的系数更新，并使用更新的滤波器系数序列生成第2估计响应信号的第1更新滤波器201；确定可变更新步长的步长控制部103；将在前次的动作中求出的可变更新步长提供给第1更新滤波器201的延迟处理部202；以及存储滤波器系数序列的存储器部105。而且，减法滤波器101具备估计响应信号生成部101a以及减法器101b，第1更新滤波器201具备系数更新处理部201a、乘法器201b以及减法器201c。另外，自适应均衡器200连接于未知系统900。此外，对与实施方式1的图1所示的自适应均衡器100相同的结构要素附加相同的标记并省略说明。

第1更新滤波器201的系数更新处理部201a以及乘法器201b使用第1残差信号d₁(n)和前次的动作的结果所得到的可变更新步长μ_opt(n-1)，根据下面的式(33)执行滤波器系数序列的系数更新，得到滤波器系数序列

$\hat{h}(n+1)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{opt}}(n-1)\mathrm{\ϵ}\left(n\right)...\left(33\right)$

进而，第1更新滤波器201使用通过上述式(33)的系数更新得到的更新的滤波器系数序列对输入信号x(n)进行滤波处理，生成第2估计响应信号

进而，通过由减法部从观测响应信号y’(n)减去第2估计响应信号

来得到第2残差信号d₂(n)。

另外，延迟处理部202将由步长控制部103输出的可变更新步长μ_opt(n)在下一次的系数更新的时刻提供给第1更新滤波器201。但是，设为在初始时刻的n=0的时刻提供任意初始值。自适应均衡器200将由减法滤波器101生成的第1估计响应信号

作为输出估计响应信号

而输出，将第1残差信号d₁(n)作为输出残差信号d(n)而输出。

图6是示意性地表示实施方式2的自适应均衡器的滤波器系数序列的写入或者读入处理的说明图。

在该实施方式2中，构成为延迟处理部202将在前次的动作中求出的可变更新步长提供给第1更新滤波器201，因此不计算先行更新滤波器系数序列

保存在存储器部105中的滤波器系数序列只是减法滤波器101以及第1更新滤波器201从存储器部105读入滤波器系数序列进而第1滤波器更新部201将更新的滤波器系数序列

写入到存储器部105。

如以上那样，根据实施方式2的自适应均衡器200，构成为具备：步长控制部103，求出可变更新步长μ_opt(n)；延迟处理部202，将步长控制部103求出的可变更新步长μ_opt(n)临时保存，并在下一次的系数更新的时刻提供给第1更新滤波器201；以及第1更新滤波器201，使用由该延迟处理部202提供的前次的可变更新步长μ_opt(n-1)进行滤波器系数序列的系数更新，并且生成第2估计响应信号，因此能够由更少的结构要素来构成自适应均衡器，能够抑制所需的计算资源，实现设备的低成本化。

实施方式3.

在上述的实施方式1中，示出了如下结构：在第1更新滤波器102中，根据输入信号x(n)以及观测响应信号y’(n)进行先行更新滤波器系数序列的系数更新之后，立即使用同一输入信号x(n)和观测响应信号y’(n)来求出第2残差信号d₂(n)，将其用于可变更新步长μ_opt(n)的计算中。

但是，在受限的长度的输入信号x(n)和干扰信号v(n)之间有时看上去暂时较强地表现出相关性，由此先行更新滤波器系数序列

有时输出如消除所提供的观测响应信号y’(n)中的干扰信号v(n)的一部分那样的第2估计响应信号

在这种情况下，第2残差信号d₂(n)的方差

有时看上去暂时变小，由此有时不能精度良好地计算可变更新步长。因此，在该实施方式3中示出如下结构：对于在进行系数更新之后输入的输入信号x(n)、以及观测响应信号y’(n)求出残差信号，确保计算出的可变更新步长μ_opt(n)的精度。

图7是表示实施方式3的自适应均衡器的结构的框图。在图7中，自适应均衡器300具有：生成第1估计响应信号以及第1残差信号的第1减法滤波器301；生成第2估计响应信号以及第2残差信号的第2减法滤波器302；确定可变更新步长的步长控制部303；计算系数更新量的系数更新量计算部304；计算先行更新滤波器系数序列的先行系数更新部305；将在前次的动作中求出的系数更新量提供给更新滤波器307的延迟处理部306；进行滤波器系数序列的系数更新的更新滤波器307；以及存储滤波器系数序列的存储器部308。

而且，第1减法滤波器301具备估计响应信号生成部301a以及减法器301b，第2减法滤波器302具备估计响应信号生成部302a以及减法器302b，先行系数更新部305具备系数计算部305a以及乘法器305b，更新滤波器307具备滤波器处理部307a、乘法器307b以及减法器307c。另外，自适应均衡器300连接于未知系统900。

接着，说明实施方式3的自适应均衡器300的动作。图8是示意性地表示实施方式3的自适应均衡器的滤波器系数序列的读入或者写入处理的说明图。

第1减法滤波器301参照存储器部308读入前次为止的动作的结果所得到的滤波器系数序列

对输入信号x(n)进行滤波处理来生成第1估计响应信号

通过从观测响应信号y’(n)减去第1估计响应信号

而得到第1残差信号d₁(n)。第2减法滤波器302参照存储器部308读入前次的动作中得到的先行更新滤波器系数序列

对输入信号x(n)进行滤波处理而生成第2估计响应信号

通过从观测响应信号y’(n)减去第2估计响应信号

而得到第2残差信号d₂(n)。

步长控制部303基于第1残差信号d₁(n)、第2残差信号d₂(n)、以及前次使用的先行更新步长μ_prio(n-1)，计算可变更新步长μ_opt(n)。计算方法与实施方式1相同。另外，如实施方式1中叙述那样，在将LMS算法、仿射投影算法等用于自适应算法的情况下，还使用输入信号x(n)。

更新滤波器307基于从延迟处理部306提供的、在前次的动作中得到的系数更新量ε(n-1)和可变更新步长μ_opt(n)，更新滤波器系数序列

得到下面的式(34)所示的被更新的滤波器系数序列

$\hat{h}(n+1)=\hat{h}\left(n\right)+{\mathrm{\μ}}_{\mathrm{opt}}\left(n\right)\mathrm{\ϵ}(n-1)...\left(34\right)$

此外，用于系数更新的滤波器系数序列

从存储器部308读入，计算出的滤波器系数序列写入到存储器部308。但是，在初始时刻的n=0时未得到系数更新量，因此不进行更新，滤波器系数序列

维持初始值

另外，更新滤波器307利用被更新的滤波器系数序列

对输入信号x(n)进行滤波处理来生成输出估计响应信号

通过从观测响应信号y’(n)减去输出估计响应信号

而得到输出残差信号d(n)。

系数更新量计算部304根据输入信号x(n)和输出残差信号d(n)，根据规定的自适应算法计算系数更新量ε(n)。先行系数更新部305参照存储器部308，读入滤波器系数序列根据系数更新量ε(n)和任意确定的先行更新步长μ_prio(n)根据下面的式(35)计算先行更新滤波器系数序列

${\hat{h}}_{\mathrm{prio}}(n+1)=\hat{h}(n+1)+{\mathrm{\μ}}_{\mathrm{prio}}\left(n\right)\mathrm{\ϵ}\left(n\right)...\left(35\right)$

计算出的滤波器先行更新滤波器系数序列写入到存储器部308。延迟处理部306将系数更新量计算部304计算出的系数更新量ε(n)暂时保存，在下一次的系数更新的时刻提供给更新滤波器307。

如以上那样，根据该实施方式3，构成为具备根据在进行了先行更新滤波器系数序列的系数更新之后输入的输入信号x(n)和观测响应信号y’(n)求出第2残差信号d₂(n)的第2减法滤波器302、以及使用该第2残差信号d₂(n)求出可变更新步长μ_opt(n)的步长控制部303，因此避免第2残差信号d₂(n)的方差

看上去变小的现象，由此能够精度良好地计算可变更新步长μ_opt(n)。

此外，在上述的实施方式3中，示出了使用在前次的动作中得到的系数更新量ε(n-1)的结构，但是这不限于在前次的动作中得到的系数更新量，能够适当变更。例如，也可以使用在再前次的动作中得到的系数更新量ε(n-2)来构成。

实施方式4.

在干扰条件、自适应均衡器的收敛状态在每个频带中不同的情况下，在使用高速LMS等时间频率变换的自适应滤波器算法中应用本发明的自适应均衡器，通过在每个频带中计算与干扰条件和收敛状态相应的可变更新步长，能够期待进行更有效的系数更新。因此在该实施方式4中，叙述应用了使用时间频率变换的自适应滤波器算法的情况下的结构例。

图9是表示实施方式4的自适应均衡器的结构的框图。

在图9中，自适应均衡器400包括：生成第1估计响应信号以及第1残差信号的减法滤波器401；第1以及第2时间频率变换部402、403；进行滤波器系数序列的系数更新的第1更新滤波器404；第3以及第4时间频率变换部405、407；确定可变更新步长的步长控制部408；更新滤波器系数的第2更新滤波器410；减法器406；乘法器409；以及存储滤波器系数序列的存储器部411。而且，减法滤波器401具备估计响应信号生成部401a以及减法器401b，第1更新滤波器404具备滤波器处理部404a以及乘法器404b，第2更新滤波器410具备系数更新处理部410a。另外，自适应均衡器400连接于未知系统900。

接着，说明实施方式4的自适应均衡器400的动作。图10是表示实施方式4的自适应均衡器的滤波器系数序列的读入或者写入处理的说明图。

该实施方式4的自适应均衡器400具备进行时间频率变换的第1～第4时间频率变换部402、403、405、407，因此将信号按规定的块长度L进行分割来进行处理。在下面的说明中，设为用k表示从处理开始时刻起的块编号来进行说明。

减法滤波器401参照存储器部411，读入前次为止的动作的结果所得到的滤波器系数序列对输入信号x(n)进行滤波处理来生成第1估计响应信号

通过从观测响应信号y’(n)减去第1估计响应信号

而得到第1残差信号d₁(n)。此外，这些第1估计响应信号

和第1残差信号d₁(n)作为自适应均衡器400的输出估计响应信号y(n)以及输出残差信号d(n)而输出。

第1时间频率变换部402按块长度L对输入信号x(n)进行时间频率变换，得到输入信号的频率分量X(ω，k)。这里ω是表示频率的下标。另外，在这里的时间频率变换中，例如能够使用DFT(离散傅里叶变换)。同样地第2时间频率变换部403对第1残差信号d₁(n)进行时间频率变换，得到第1残差信号的频率分量D₁(ω，k)。

第1更新滤波器404根据输入信号的频率分量X(ω，k)、第1残差信号的频率分量X(ω，k)、针对每个频率分量所确定的任意的先行更新步长μ_prio(ω，k)，从存储器部411读入前次为止的动作结果所得到的滤波器系数序列的频率分量

并根据规定的自适应算法进行更新，求出先行更新滤波器系数序列的频率分量

写入到存储器部411。此外，作为这种频率区域下的自适应均衡器的例子，例如有下面的参考文献1中记载的高速LMS算法。除此之外，还能够使用以高速LMS算法为基础的MDF(Multi DelayFilter，多延时滤波器)等。

参考文献1

S.Haykin著，铃木博等译，“適応フィルタ理論”科学技术出版，2001年1月10日发行，p.500～514

进而，第1更新滤波器404根据先行更新滤波器系数序列的频率分量

对输入信号的频率分量X(ω，k)进行滤波处理，得到第2估计响应信号的频率分量

第三时间频率变换部405将第2估计响应信号的频率分量

从频率分量向时间信号进行逆变换，得到第2估计响应信号第1减法器406从观测响应信号Y’(n)减去第2估计响应信号

而求出第2残差信号d₂(n)，并提供给第4时间频率变换部407。第4时间频率变换部407对第2残差信号d₂(n)进行时间频率变换而得到第2残差信号的频率分量D₂(ω，k)。

步长控制部408根据第1残差信号的频率分量D₁(ω，k)和第2残差信号的频率分量D₂(ω，k)、先行更新步长μ_opt(ω，k)，针对每个频率分量计算可变更新步长μ_opt(ω，k)。此外，根据所使用的自适应算法，输入信号的频率分量X(ω，k)也用于计算。在前述的高速LMS算法的情况下，可变更新步长μ_opt(ω，k)例如能够如下面的式(36)那样确定。

${\mathrm{\μ}}_{\mathrm{opt}}(\mathrm{\ω},k)=\frac{1}{2}{\mathrm{\μ}}_{\mathrm{prio}}(\mathrm{\ω},k)+\frac{1}{2}\frac{1}{{\mathrm{\μ}}_{\mathrm{prio}}(\mathrm{\ω},k)}\frac{1}{{\left|X(\mathrm{\ω},k)\right|}^2}(1-\frac{{\left|D_2(\mathrm{\ω},k)\right|}^2}{{\left|D_1(\mathrm{\ω},k)\right|}^2})...\left(36\right)$

此外，在上述式(36)中，|D₁(ω，k)|²表示第1残差信号的频率分量D₁(ω，k)的大小，|D₂(ω，k)|²表示第2残差信号的频率分量D₂(ω，k)的大小。这样，能够针对每个频率分量提供与干扰条件和收敛状态相应的更新步长。

第2更新滤波器410根据输入信号的频率分量X(ω，k)、第1残差信号的频率分量D₁(ω，k)、针对每个频率分量所确定的可变更新步长μ_opt(ω，k)，从存储器部411读入前次为止的动作的结果所得到的滤波器系数序列的频率分量

根据规定的自适应算法进行更新，得到被更新的滤波器系数序列的频率分量

另外根据所更新的滤波器系数序列的频率分量

计算时域的滤波器系数序列

滤波器系数序列的频率分量

和时域的滤波器系数序列

一起写入到存储器部411中。在前次的动作中，滤波器系数序列被用于减法滤波器401，滤波器系数序列的频率分量

被用于第1更新滤波器404以及第2更新滤波器410。

如以上那样，根据该实施方式4，构成为具备进行时间频率变换的第1～第4时间频率变换部402、403、405、407、针对输入信号的每个频率分量计算与干扰条件和收敛状态相应的可变更新步长μ_opt(ω，k)的更新步长控制部408、以及使用计算出的可变更新步长μ_opt(ω，k)来进行系数更新的第2更新滤波器410，因此在根据频带而干扰条件不同的情况，例如存在干扰大的频带和干扰小的频带的情况下，通过在干扰大的频带中被计算出小的值的更新步长从而抑制收敛状态的劣化，通过在干扰小的频带中被计算出大的值的更新步长从而能够更快地减少识别误差。

另外，根据该实施方式4，构成为具备上述的频率变换部402、403、405、407、更新步长控制部408、以及第2更新滤波器410，因此在存在误差充分收敛的频带和误差没有充分收敛的频带的情况下，对各自的频带提供恰当的更新步长，因此抑制在误差收敛的频带中所不需要的系数更新，且能够快速地进行在误差的收敛不充分的频带中的系数更新。

实施方式5.

在上述的实施方式4中，示出了使用时间频率变换来针对每个频带计算可变更新步长的结构，但是在该实施方式5中，示出如下结构：在不需要高的频率分辨率的情况下，使用子带滤波器，针对每个子带计算与干扰条件以及收敛状态相应的可变更新步长。

图11是表示实施方式5的自适应均衡器的结构的框图。在图11中，自适应均衡器500包括：第1子带分解部501、第2子带分解部502、配置了多个具有上述的实施方式1～实施方式3中的任一实施方式中示出的功能的自适应均衡部的自适应均衡部列503、第1子带合成部504、以及第2子带合成部505。另外，自适应均衡器500连接于未知系统900。

接着，说明实施方式5的自适应均衡器500的动作。

第1子带分解部501将向未知系统900输入的输入信号x(n)分割为规定的分割数M个的频带，得到被子带分割的输入信号x₍₁₎(n)，x₍₂₎(n)，···，x_(M)(n)。同样地，第2子带分解部502将观测响应信号y’(n)分割为M个频带，得到被子带分割的观测响应信号y’₍₁₎(n)，y’₍₂₎(n)，···，y’_(M)(n)。

自适应均衡部列503由与M个子带相对应的、一群自适应均衡部503₍₁₎，503₍₂₎，···，503_(M)(下面统称为自适应均衡部列503)构成。在这些与各子带相对应的自适应均衡部列503中，能够应用实施方式1～3中的任一实施方式中所说明的自适应均衡器。因而，在自适应均衡部列503中，对于被子带分割的输入信号x(n)和观测响应信号y’(n)的M个组，由构成自适应均衡部列503的自适应均衡部的每一个来进行处理，得到被子带分解的M个输出估计响应信号

和输出残差信号d₍₁₎(n)，d₍₂₎(n)，...d_(M)(n)。

第1子带合成部504将被子带分解的输出估计响应信号

进行子带合成，得到输出估计响应信号

同样地，第2子带合成部505将被子带分解的输出残差信号d₍₁₎(n)，d₍₂₎(n)，...d_(M)(n)进行子带合成，得到输出残差信号d(n)。

如以上那样，根据该实施方式5，构成为具备将输入信号x(n)以及观测响应信号y’(n)分割为规定的分割数的第1以及第2子带分解部501、502、以及对被带宽分割的各个信号计算可变更新步长并使用计算出的可变更新步长来进行系数更新的由多个自适应均衡部构成的自适应均衡部列503，因此在每个频带中干扰条件以及识别误差的收敛状态不同的情况下，也能够更快速地充分小地减少识别误差。

实施方式6.

在该实施方式6中，示出本发明的自适应均衡器的声学回波消除器装置中的优选应用例。图12是表示实施方式6的声学回波消除器装置的结构的框图。

该声学回波消除器装置910具备自适应均衡器600，在该自适应均衡器600中能够应用上述的实施方式1～实施方式5中说明的任一自适应均衡器。而且，声学回波消除器装置910具备输出接收信号x(n)的扬声器901、将使用者的对话声音进行收音而变换为收音信号y’(n)的麦克风902、以及后述的减法器601。

扬声器901以及麦克风902构成未知系统900，接收信号x(n)成为向该未知系统900输入的输入信号，收音信号y’(n)成为来自该未知系统900的输出信号。在未知系统900的内部中，从扬声器901输出的受话声音作为回波而被麦克风902收音。除此之外在收音信号y’(n)中除了回波之外还包含使用者的对话声音、背景噪声。

自适应均衡器600根据作为向未知系统900输入的输入信号的接收信号x(n)、作为未知系统900的观测响应信号的收音信号y’(n)识别未知系统900的传递函数，输出其输出估计响应信号

减法器601从收音信号y’(n)减去输出估计响应信号而输出发送信号s(n)。输出估计响应信号

成为估计了回波的信号，因此通过减法器601的减法处理而得到消除了回波的发送信号s(n)，起到声音回波消除的功能。

这里，包含在收音信号y’(n)中的对话声音、背景噪声对自适应均衡器600而言成为妨碍识别的干扰。另外，作为回波路径的未知系统900有时由于扬声器901、麦克风902周边空间中的人、物体的移动等而在其传递函数中突然产生变化。但是，自适应均衡器600如在上述的实施方式1～实施方式5中所示，即使在有干扰、未知系统的传递函数的变化的情况下也执行系数更新处理使得有效地减少识别误差，因此能够提高声音回波消除器装置的回波消除效果。

如以上那样，根据该实施方式6，构成为在声学回波消除器装置中应用了执行有效地减少识别误差的系数更新处理的自适应均衡器600，因此能够提高声学回波消除器装置的回波消除效果。

实施方式7.

在该实施方式7中，示出本发明的自适应均衡器的有源噪声控制装置中的优选应用例。图13是表示实施方式7的有源噪声控制装置的结构的框图。

该有源噪声控制装置920具备自适应均衡器700，在该自适应均衡器700中能够应用上述的实施方式1～实施方式5中说明的任一自适应均衡器。而且，有源噪声控制装置920具备设置在后述的噪声源903附近的参照麦克风701、输出用于控制噪声的控制音的扬声器702、设置在目标位置并在该位置观测噪声的误差麦克风703、用于生成控制音的控制音滤波器704、将自适应均衡器700的滤波器系数序列

转送给控制音滤波器704的系数转送部705、二次路径特性滤波器706、以及反转信号的相位的相位反转器707。

噪声源903表示噪声的发生源，一次路径904表示从噪声源903到目标位置(在图13中为误差麦克风703的设置位置)为止的声波的路径，二次路径905表示从扬声器702到目标位置(在图13中为误差麦克风703的设置位置)为止的声波的路径。

接着，说明实施方式7的有源噪声控制装置920的动作。

由噪声源903产生的噪声通过参照麦克风701收音而成为参照信号。参照信号由模拟了二次路径905的传递函数的二次路径特性滤波器706进行滤波，进而由相位反转器707进行相位反转而成为输入信号x(n)并输入到自适应均衡器700。另外，由噪声源903产生的噪声通过一次路径904由误差马克风703收音并作为观测响应信号y’(n)输入到自适应均衡器700。其中，在误差麦克风703中还对从噪声源903发出的噪声以外的到来音进行收音。

自适应均衡器700将输入信号x(n)、观测响应信号y’(n)分别视为未知系统的输入信号和观测响应信号来识别该未知系统的传递函数。该未知系统的传递函数在将一次路径的传递函数设为G、将二次路径的传递函数设为C时，用下面的式(37)表示。

已知该未知系统的传递函数在有源噪声控制装置920中成为控制音滤波器704的最优的传递函数。另外，这样求出控制音滤波器704的传递函数的方法被称为filtered-x法。系数转送部705将由自适应均衡器700识别的表示传递函数的滤波器系数序列

提供给控制音滤波器704。控制音滤波器704接受所述的参照信号，使用从系数转送部705提供的滤波器系数序列

来进行滤波，输出控制音信号。控制音信号从扬声器702输出，通过二次路径905传播到目标位置，在目标位置中噪声和控制音成为完全相反相位而相互被抵消，从而降低噪声。

在自适应均衡器700识别前述的未知系统时，在被误差麦克风703收音的信号中混入了设为目标的噪声以外的声音的情况下，它成为干扰而妨碍识别，成为降低有源噪声控制装置的噪声降低效果的主要原因。另外，在一次路径904的传递函数发生了变化的情况下，自适应均衡器700需要重新识别直到识别误差变得充分小为止。进而，如果一次路径904的传递函数的变化是稳定的，则自适应均衡器必须始终跟踪它。

但是，通过在自适应均衡器700中应用上述的发明的实施方式1～实施方式5中的任一自适应均衡器，能够抗干扰而精度良好地识别传递函数，另外在其中发生了变化时也能够快速地进行跟踪，能够提高有源噪声控制装置920的噪声降低效果。

如以上那样，根据该实施方式7，构成为具备计算滤波器系数序列的自适应均衡器700、以及使用滤波器系数序列对通过参照麦克风701收集的参照信号进行滤波并将控制音信号从扬声器702输出的控制音滤波器704，并抵消控制音和噪声，因此在误差麦克风中进入目标的噪声以外的干扰的情况下，也能够提高噪声降低效果。

另外，根据该实施方式7，构成为具备快速地跟踪一次路径的传递函数的变化而识别传递函数的自适应均衡器700，因此在一次路径的传递函数发生变化的情况下，也能够提高噪声降低效果。

此外，本申请发明能够在该发明的范围内进行各实施方式的自由组合、或者各实施方式的任意的结构要素的变形、或在各实施方式中省略任意的结构要素。

产业上的可利用性

如以上那样，本发明的自适应均衡器、声学回波消除器装置以及有源噪声控制装置能够使识别误差快速地减少到足够小的水平为止，因此能够用于在未知系统的学习识别中使用的自适应均衡器以及利用了该自适应均衡器的声学回波消除器装置以及有源噪声控制装置。

Claims (19)

1.一种自适应均衡器，利用使用可变更新步长进行了系数更新处理的自适应滤波器系数序列，对输入信号进行滤波处理而生成输出信号，该自适应均衡器的特征在于，

与如下信号的大小之比或者大小之差成比例地确定所述可变更新步长：

第1残差信号，使用通过所述自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列得到；以及

第2残差信号，使用先行更新自适应滤波器系数序列得到，其中，所述先行更新自适应滤波器系数序列是使用任意的先行更新步长对通过所述自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列进行了系数更新而得到。

2.根据权利要求1所述的自适应均衡器，其特征在于，

所述第2残差信号是使用多个先行更新自适应滤波器系数序列得到的多个残差信号，其中所述多个先行更新自适应滤波器系数序列是使用各自不同的多个任意的先行更新步长对通过前次为止的动作所得到的自适应滤波器系数序列进行了系数更新而得到，

与从所述第1残差信号以及多个所述第2残差信号中选择的至少两个残差信号的大小之比或者大小之差成比例地确定所述可变更新步长。

3.根据权利要求1所述的自适应均衡器，其特征在于，

在所述可变更新步长的确定中，将所述先行更新步长用作附加信息。

4.根据权利要求1所述的自适应均衡器，其特征在于，

所述输入信号是输入到作为学习识别对象的未知系统的信号，

在所述可变更新步长的确定中，将该输入信号用作附加信息。

5.根据权利要求1所述的自适应均衡器，其特征在于，

所述可变更新步长被确定为根据所述第1残差信号以及／或者所述第2残差信号以及所述先行更新步长所确定的规定范围内的某一值。

6.根据权利要求1所述的自适应均衡器，其特征在于，

使用以规定的信号块长度单位执行所述系数更新的块自适应算法，以所述规定的信号块长度单位求出所述第1残差信号以及／或者所述第2残差信号各自的方差或者平均功率，

在所述可变更新步长的确定中，将所述方差或者平均功率用作附加信息。

7.根据权利要求1所述的自适应均衡器，其特征在于，

所述先行更新步长是通过前次为止的动作所得到的可变更新步长。

8.根据权利要求3所述的自适应均衡器，其特征在于，

针对被频率变换的所述第1残差信号以及／或者所述第2残差信号以及所述先行更新步长的每个频率分量，确定所述可变更新步长。

9.根据权利要求1所述的自适应均衡器，其特征在于，具备：

减法滤波器，使用通过前次为止的动作所得到的自适应滤波器系数序列对所述输入信号进行滤波处理而生成第1估计响应信号，从在所述未知系统针对所述输入信号的响应信号中加了干扰的观测响应信号中减去所生成的所述第1估计响应信号而生成所述第1残差信号；

更新滤波器，使用由所述减法滤波器生成的第1残差信号以及所述任意的先行更新步长，进行通过所述自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列的系数更新，计算先行更新滤波器系数序列，使用计算出的先行更新滤波器系数序列对所述输入信号进行滤波处理而生成第2估计响应信号，从所述观测响应信号中减去所述第2估计响应信号而生成所述第2残差信号；以及

步长控制部，至少根据所述减法滤波器所生成的第1残差信号、所述更新滤波器所生成的第2残差信号以及所述先行更新步长，确定所述可变更新步长。

10.根据权利要求9所述的自适应均衡器，其特征在于，

所述更新滤波器利用使用多个所述任意的先行更新步长计算出的多个先行更新滤波器系数序列，对所述输入信号进行滤波处理而生成多个所述第2估计响应信号，从所述观测响应信号减去多个所述第2估计响应信号而生成多个第2残差信号，

所述步长控制部至少根据从所述第1残差信号以及多个所述第2残差信号选择的至少两个残差信号、和所述先行更新步长，确定所述可变更新步长。

11.根据权利要求9所述的自适应均衡器，其特征在于，

具备系数更新滤波器，该系数更新滤波器使用所述可变更新步长进行所述自适应滤波器系数序列的系数更新。

12.根据权利要求1所述的自适应均衡器，其特征在于，具备：

第1减法滤波器，使用通过前次为止的动作所得到的自适应滤波器系数序列对所述输入信号进行滤波处理而生成第1估计响应信号，从在所述未知系统针对所述输入信号的响应信号中加了干扰的观测响应信号减去所生成的所述第1估计响应信号而生成所述第1残差信号；

第2减法滤波器，使用通过前次为止的动作所得到的先行更新滤波器系数序列对所述输入信号进行滤波处理而生成第2估计响应信号，从所述观测响应信号减去所生成的所述第2估计响应信号而生成所述第2残差信号；

步长控制部，至少根据所述第1残差信号、所述第2残差信号以及所述先行更新步长，确定所述可变更新步长；

系数更新滤波器，基于通过前次为止的动作所得到的系数更新量和所述步长控制部所确定的可变更新步长，更新所述自适应滤波器系数序列，通过更新了的自适应滤波器系数序列对所述输入信号进行滤波处理而生成输出估计响应信号，从所述观测响应信号减去所生成的输出估计响应信号而求出输出残差信号；

系数更新量计算部，根据所述输入信号以及所述系数更新滤波器所求出的输出残差信号计算所述系数更新量；以及

先行系数更新部，基于所述系数更新滤波器所更新的自适应滤波器系数序列，根据所述系数更新量计算部所计算出的系数更新量、以及所述先行更新步长得到所述先行更新滤波器系数序列。

13.根据权利要求9所述的自适应均衡器，其特征在于，

具备时间频率变换部，该时间频率变换部对时间变化的所述输入信号、所述第1残差信号以及所述第2残差信号进行频率变换而得到频率分量，

所述步长控制部基于在所述时间频率变换部中被频率变换的至少所述第1残差信号以及／或者所述第2残差信号以及所述先行更新步长的频率分量，针对每个频率分量确定可变更新步长。

14.根据权利要求12所述的自适应均衡器，其特征在于，

具备时间频率变换部，该时间频率变换部对时间变化的所述输入信号、所述第1残差信号以及所述第2残差信号进行频率变换而得到频率分量，

所述步长控制部基于在所述时间频率变换部中被频率变换的至少所述第1残差信号以及／或者所述第2残差信号以及所述先行更新步长的频率分量，针对每个频率分量确定可变更新步长。

15.一种自适应均衡器，利用使用可变更新步长进行了系数更新处理的自适应滤波器系数序列，对输入信号进行滤波处理而生成输出信号，该自适应均衡器的特征在于，具备：

子带分解部，将输入信号和在未知系统针对该输入信号的响应信号中加了干扰的观测响应信号分解为子带，其中，所述输入信号是输入到作为学习识别对象的所述未知系统的信号；

自适应均衡部，与如下信号的大小之比或者大小之差成比例地确定所述可变更新步长：第1残差信号，使用通过所述自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列得到；以及第2残差信号，使用先行更新自适应滤波器系数序列得到，其中所述先行更新自适应滤波器系数序列是使用任意的先行更新步长对通过所述自适应均衡器的前次为止的动作所得到的自适应滤波器系数序列进行了系数更新而得到，所述自适应均衡部基于所确定的可变更新步长更新所述自适应滤波器系数序列，使用被更新的自适应滤波器系数序列对通过所述子带分解部分解出的输入信号进行滤波处理而生成输出估计信号，从所述观测响应信号减去所生成的输出估计信号而求出输出残差信号；以及

子带合成部，将所述自适应均衡部针对每个子带所求出的所述输出残差信号进行子带合成。

16.一种声学回波消除器装置，其特征在于，具备：

权利要求1所述的自适应均衡器，基于所述输入信号以及所述观测响应信号，识别被输入所述输入信号的作为学习识别对象的未知系统的传递函数，输出估计了所述未知系统的响应信号的输出估计响应信号；以及

减法器，从所述观测响应信号减去所述自适应均衡器所输出的输出估计响应信号，输出发送信号。

17.一种声学回波消除器装置，其特征在于，具备：

权利要求15所述的自适应均衡器，基于所述输入信号以及所述观测响应信号，识别被输入所述输入信号的作为学习识别对象的未知系统的传递函数，输出估计了所述未知系统的响应信号的输出估计响应信号；以及

减法器，从所述观测响应信号减去所述自适应均衡器所输出的输出估计响应信号，输出发送信号。

18.一种有源噪声控制装置，其特征在于，具备：

权利要求1所述的自适应均衡器，基于对收集噪声而得到的参照信号进行了滤波处理以及相位反转处理而得到的所述输入信号以及所述观测响应信号，识别被输入所述输入信号的作为学习识别对象的未知系统的传递函数；

控制音滤波器，使用所述自适应均衡器所识别的表示所述未知系统的传递函数的滤波器系数序列，对所述参照信号进行滤波处理，生成控制音信号；以及

扬声器，输出所述控制音滤波器所生成的控制音信号，

用从所述扬声器输出的所述控制音信号抵消所述噪声。

19.一种有源噪声控制装置，其特征在于，具备：

权利要求15所述的自适应均衡器，基于对收集噪声而得到的参照信号进行了滤波处理以及相位反转处理而得到的所述输入信号以及所述观测响应信号，识别被输入所述输入信号的作为学习识别对象的未知系统的传递函数；

控制音滤波器，使用所述自适应均衡器所识别的表示所述未知系统的传递函数的滤波器系数序列，对所述参照信号进行滤波处理，生成控制音信号；以及

扬声器，输出所述控制音滤波器所生成的控制音信号，

用从所述扬声器输出的所述控制音信号抵消所述噪声。

Images