CN104144269A - 一种基于解相关的成比例自适应电话回声消除方法 - Google Patents

Abstract

一种基于解相关的成比例自适应电话回声消除方法，其步骤主要是：A、远端信号滤波，得到自适应滤波器的输出值y(n)；B、输入向量X(n)的解相关运算，得到自适应滤波器的抽头权向量w(n)的更新向量Z(n)，即Z(n)＝X(n)-a(n)X(n-1)；C、回声抵消，将近端麦克风拾取到带回声的近端信号d(n)与自适应滤波器的输出值y(n)相减后再回送给远端，回送信号为d(n)与y(n)相减得到消除辨识回声的有用信号e(n)，即e(n)＝d(n)-y(n)；D、滤波器抽头权向量的更新；E、令n＝n+1，重复A、B、C、D的步骤，直至通话结束。该方法对电话通信这种稀疏系统的辨识能力强，收敛速度快且稳态误差低；回声消除效果好。

Description

一种基于解相关的成比例自适应电话回声消除方法

技术领域

本发明属于电话通信的自适应回声消除技术领域。

背景技术

随着通信技术日益发展，各种新业务层出不穷，但是语音业务仍是最主要的通信方式。声学回声是影响语音通话质量的最主要因素，因此回声抵消是提高通话质量的关键技术之一。通信过程中，远端说话者的声音通过近端扬声器播放出来，直接(未经任何反射)或间接地(经过房屋或房屋内的物体一次或多次反射)被近端麦克风接收，传回远端，使远端说话者听到自己的声音，这就是声学回声。声音从扬声器到麦克风的传播路径，也叫做回声信道，用房间回声信道脉冲响应向量表示。

近些年来，自适应回声消除技术因其成本低、效果好，得到一致认可，是目前国际上公认的最有前景的回声消除技术，它的每一步进展都将促进新回声消除器的出现，为用户提供更好的通信环境，具有现实意义和商业价值。声学回声消除最经常采用的方法是声学回声消除(AEC)，原理是以扬声器发出的信号与由它产生的声学回声的相关性为基础，用自适应滤波器来估计声学回声信道脉冲响应，并利用它对回声进行评估，使回声信号的估计值更加逼近真实值。然后从麦克风接受到的信号中减去回声的估计值，从而达到消除回声的目的。自适应回声消除器原理的本质就是用自适应滤波器来辨识回声信道的脉冲响应，即系统辨识的问题。

由于回声消除应用具有自身的特点和难点，例如：回声信道的脉冲响应是阶数高、稀疏以及时变的。所谓稀疏性是指冲激响应大部分系数为0的系统，长度可达数百个符号，可是只有很少的有效因子(非零系数)。在这种情况下，传统的自适应算法，如最小均方算法(LMS)，归一化最小均方算法(NLMS)的收敛速度会出现明显下降。针对此种情况，引入系数比例自适应算法有效地提高了算法的收敛速度。在目前的稀疏系统辨识的应用中，较成熟的方法有以下三种：

(1)基于去相关归一化最小均方算法(DNLMS)的自适应回声抵消

参考文献1“基于去相关NLMS算法的自适应回波抵消”(王振力，张雄伟，杨吉斌，韩彦明，应用科学学报[J].2006，24(1)：21-24)该方法是在NLMS算法的基础上，从语音信号相关性的角度出发而提出的，通过把解相关加入NLMS算法中，即克服了LMS算法及其各种改进算法运算精度不高的缺点，又保证了收敛的速度，而其计算量与NLMS算法相当，易于实现。但其在处理稀疏冲激响应时则表现出收敛速度慢，效果仍不理想。

(2)基于成比例的归一化最小均方(PNLMS)算法的稀疏系统辨识方法

参考文献2“Proportionate Normalized Least-Mean-Squares adaptation inecho cancellers”(D.L.Duttweiler，lEEE Transactions on Speech and AudioProcessing，vol.8，no.5，pp.508-518，Sep.2000.)该方法核心思想是自适应滤波器的每一个抽头参数按照不同的步长进行更新，根据参数的数值大小比例，大的抽头权值获得大的步长，加快了全局收敛速度，小的抽头权值获得小的步长，减低了稳态误差，但是该算法在更新步长矩阵是采用当前估计值和一个固定常数之间最大的一个值，显得过于武断。PNLMS算法获得了很快的初始收敛速度，但是其后期收敛速度变得很慢。还有，PNLMS算法对目标冲激响应的稀疏性要求比较高，当不够稀疏时，算法的收敛速度甚至比NLMS算法还慢。

(3)改进的成比例的归一化最小均方(IPNLMS)

参考文献3“An improved PNLMS Algorithm”(J.Benesty，IEEE IntemationalConference on Acoustics，Speech，and Signal Processing(ICASSP)，vol.2，pp.1881-1884，May.2002)该算法利用1-范数来计算权值的成比例因子，对于稀疏的情况普遍优于PNLMS算法，初始收敛速度较也有一定提高。但是该算法在处理相关信号(比如，语音信号)时仍然表现出收敛速度缓慢的缺陷。

发明内容

本发明的目的就是提供一种基于解相关的成比例自适应电话回声消除方法，该方法一方面能获得快的收敛速度和低的稳态误差；另一方面能获得较好的抗干扰能力，其回声消除效果好。

本发明实现其发明目的所采用的技术方案是，一种基于解相关的成比例自适应电话回声消除方法，其步骤如下：

A、远端信号滤波

A1、将远端传来的远端信号采样得到远端信号离散值x(n)，其中n为当前时刻，远端信号离散值x(n)在当前时刻n与之前的L-1时刻的值构成当前时刻的自适应滤波器输入向量X(n)，X(n)＝[x(n)，x(n-1)，...，x(n-L+1)]^T，其中L＝512是滤波器抽头数，T代表转置运算；

A2、将滤波器输入向量X(n)通过自适应滤波器得到输出值y(n)、也即回声的估计值y(n)，y(n)＝w^T(n)X(n)；其中，w(n)为当前时刻自适应滤波器的抽头权向量，w(n)＝[w₀(n)，w₁(n)，...，w_L-1(n)]^T，其长度为L，初始值为零向量；

B、输入向量X(n)的解相关运算

计算当前时刻的自适应滤波器输入向量X(n)与前一时刻的自适应滤波器输入向量X(n-1)的相关系数a(n)：

$a\left(n\right)=\frac{X^T\left(n\right)X(n-1)}{X^T(n-1)X(n-1)}$

解相关运算得到自适应滤波器的抽头权向量w(n)的更新向量Z(n)，Z(n)＝X(n)-a(n)X(n-1)；

C、回声抵消

将近端麦克风拾取的带回声的近端信号d(n)与自适应滤波器的输出值y(n)相减得到消除辨识回声的有用信号e(n)，e(n)＝d(n)-y(n)，并送回给远端；

D、滤波器抽头权向量更新

D1、计算成比例矩阵

由下式计算出滤波器抽头权向量w(n)更新的步长矩阵G(n)：

G(n)＝diag{g₁(n)，g₂(n)...g_l(n)...，g_L(n)}

$g_l\left(n\right)=\frac{1-\mathrm{\β}}{2L}+(1+\mathrm{\β})\frac{\left|w_l\left(n\right)\right|}{2{\left|\right|w\left(n\right)\left|\right|}_1+\mathrm{\ϵ}},l=\mathrm{1,2},...,L$

其中，diag表示对角阵，||·||₁表示1-范数，β是成比例性控制参数，β∈[-1，1]，ε是步长矩阵的正则化参数，其取值为0.001～0.01；

D2、更新

用解相关的改进成比例归一化均方滤波的方法，计算出下一时刻n+1的自适应滤波器的抽头权向量w(n+1)：

$w(n+1)=w\left(n\right)+\mathrm{\μ}\frac{G\left(n\right)Z\left(n\right)e\left(n\right)}{Z^T\left(n\right)G\left(n\right)Z\left(n\right)+\mathrm{\δ}}$

其中：μ为自适应滤波器的步长，其取值为0.20～0.85；δ为抽头权向量的正则化参数，其取值为0.001～0.01；

E、令n＝n+1，重复A、B、C、D的步骤，直至通话结束。

与现有技术相比，本发明的有益效果是：

(1)收敛速度快且稳态误差小

本发明通过类似于投影系数的相关系数a(n)，a(n)是滤波器当前时刻的输入向量X(n)和前一时刻的输入向量的相关系数，将当前时刻的输入向量X(n)减去与其相关的a(n)X(n-1)，相当于解相关运算，用解相关的结果作为自适应滤波器的权向量的更新向量Z(n)；其收敛速度更快，同时具有低的稳态误差，其回声消除的速度更快，效果更好。

(2)跟踪能力强

在实际中，麦克风与扬声器的相对位置、角度和环境都可能随时发生变化，声学回声信道的脉冲响应也会发生相应地改变，因此跟踪能力是回声消除器一项很重要的技术指标。本发明通过将解相关与系数成比例算法相结合，显著提高了自适应滤波器的跟踪能力，能够满足回声消除器跟踪能力强的要求。

下面结合附图和具体实施方式对本发明进行详细说明

附图说明

图1是本发明实验输入的近端信号d(n)图。

图2是本发明实验的自适应滤波器输出y(n)，即近端信号估计值的图形。

图3是NLMS、PNLMS和本发明的归一化稳态失调曲线。

图4是DNLMS、IPNLMS和本发明的归一化稳态失调曲线。

具体实施方式

实施例

一种基于解相关的成比例自适应电话回声消除方法，其步骤如下：

A、远端信号滤波

A1、将远端传来的远端信号采样得到远端信号离散值x(n)，其中n为当前时刻，远端信号离散值x(n)在当前时刻n与之前的L-1时刻的值构成当前时刻的自适应滤波器输入向量X(n)，X(n)＝[x(n)，x(n-1)，...，x(n-L+1)]^T，其中L＝512是滤波器抽头数，T代表转置运算；

A2、将滤波器输入向量X(n)通过自适应滤波器得到输出值y(n)、也即回声的估计值y(n)，y(n)＝w^T(n)X(n)；其中，w(n)为当前时刻自适应滤波器的抽头权向量，w(n)＝[w₀(n)，w₁(n)，...，w_L-1(n)]^T，其长度为L，初始值为零向量；

B、输入向量X(n)的解相关运算

计算当前时刻的自适应滤波器输入向量X(n)与前一时刻的自适应滤波器输入向量X(n-1)的相关系数a(n)：

$a\left(n\right)=\frac{X^T\left(n\right)X(n-1)}{X^T(n-1)X(n-1)}$

解相关运算得到自适应滤波器的抽头权向量w(n)的更新向量Z(n)，Z(n)＝X(n)-a(n)X(n-1)；

C、回声抵消

将近端麦克风拾取的带回声的近端信号d(n)与自适应滤波器的输出值y(n)相减得到消除辨识回声的有用信号e(n)，e(n)＝d(n)-y(n)，并送回给远端；

D、滤波器抽头权向量更新

D1、计算成比例矩阵

由下式计算出滤波器抽头权向量w(n)更新的步长矩阵G(n)：

G(n)＝diag{g₁(n)，g₂(n)...g_l(n)...，g_L(n)}

$g_l\left(n\right)=\frac{1-\mathrm{\β}}{2L}+(1+\mathrm{\β})\frac{\left|w_l\left(n\right)\right|}{2{\left|\right|w\left(n\right)\left|\right|}_1+\mathrm{\ϵ}},l=\mathrm{1,2},...,L$

其中，diag表示对角阵，||·||₁表示1-范数，β是成比例性控制参数，β∈[-1，1]，ε是步长矩阵的正则化参数，其取值为0.001～0.01；

D2、更新

用解相关的改进成比例归一化均方滤波的方法，计算出下一时刻n+1的自适应滤波器的抽头权向量w(n+1)：

$w(n+1)=w\left(n\right)+\mathrm{\μ}\frac{G\left(n\right)Z\left(n\right)e\left(n\right)}{Z^T\left(n\right)G\left(n\right)Z\left(n\right)+\mathrm{\δ}}$

其中：μ为自适应滤波器的步长，其取值为0.20～0.85；δ为抽头权向量的正则化参数，其取值为0.001～0.01；

E、令n＝n+1，重复A、B、C、D的步骤，直至通话结束。

仿真实验

为了验证本发明的有效性，进行了仿真实验，并与现有的文献1、文献2和文献3算法进行了对比。

仿真实验的远端信号x(n)为极点为0.9的一阶自回归(AR(1))有色信号。近端信号d(n)：在房间为长6.25m，宽3.75m，高2.5m，温度20℃，湿度50％的安静密闭房间内，近端将接收到的远端信号经扬声器播放后，在房间中用麦克风按采样频率为8000Hz，采样阶数L为512共拾取出80000时刻点的近端信号d(n)。

将上述的远端信号x(n)和相应的近端信号d(n)用本发明方法与现有的四种算法进行回声消除。各种算法的最优参数取值如表1。

表1各算法的实验最优参数近似取信

NLMS	δ＝0.001；μ＝0.85
		PNLMS	δρ＝0.01；ρ＝0.01；δ＝0.001；μ＝0.85
DNLMS	δ＝0.001；μ＝0.20
		IPNLMS	β＝0；ε＝0.01；δ＝0.001；μ＝0.85
本发明	β＝0；ε＝0.001；δ＝0.001；μ＝0.20

图1是近端信号d(n)图，图2是本发明实验的自适应滤波器输出值y(n)。结合图1、图2可以看出，本发明实验的自适应滤波输出值y(n)与近端信号d(n)几乎相同，也即本发明对回声信号的估计值与回声信号几乎相同，其消声效果好。

图3是NLMS、PNLMS和本发明的归一化稳态失调曲线。从图3可以看出：在稳态误差相同的情况下，本发明比NLMS和PNLMS收敛速度快。

图4是DNLMS、IPNLMS和本发明的归一化稳态失调曲线。从图4可以看出：在稳态误差相同的情况下，本发明比DNLMS和IPNLMS的收敛速度快，跟踪能力强。

Claims (1)

1.一种基于解相关的成比例自适应电话回声消除方法，其步骤如下：

A、远端信号滤波

A1、将远端传来的远端信号采样得到远端信号离散值x(n)，其中n为当前时刻，远端信号离散值x(n)在当前时刻n与之前的L-1时刻的值构成当前时刻的自适应滤波器输入向量X(n)，X(n)＝[x(n)，x(n-1)，...，x(n-L+1)]^T，其中L＝512是滤波器抽头数，T代表转置运算；

A2、将滤波器输入向量X(n)通过自适应滤波器得到输出值y(n)、也即回声的估计值y(n)，y(n)＝w^T(n)X(n)；其中，w(n)为当前时刻自适应滤波器的抽头权向量，w(n)＝[w₀(n)，w₁(n)，...，w_L-1(n)]^T，其长度为L，初始值为零向量；

B、输入向量X(n)的解相关运算

计算当前时刻的自适应滤波器输入向量X(n)与前一时刻的自适应滤波器输入向量X(n-1)的相关系数a(n)：

$a\left(n\right)=\frac{X^T\left(n\right)X(n-1)}{X^T(n-1)X(n-1)}$

解相关运算得到自适应滤波器的抽头权向量w(n)的更新向量Z(n)，Z(n)＝X(n)-a(n)X(n-1)；

C、回声抵消

将近端麦克风拾取的带回声的近端信号d(n)与自适应滤波器的输出值y(n)相减得到消除辨识回声的有用信号e(n)，e(n)＝d(n)-y(n)，并送回给远端；

D、滤波器抽头权向量更新

D1、计算成比例矩阵

由下式计算出滤波器抽头权向量w(n)更新的步长矩阵G(n)：

G(n)＝diag{g₁(n)，g₂(n)...g_l(n)...，g_L(n)}

$g_l\left(n\right)=\frac{1-\mathrm{\β}}{2L}+(1+\mathrm{\β})\frac{\left|w_l\left(n\right)\right|}{2{\left|\right|w\left(n\right)\left|\right|}_1+\mathrm{\ϵ}},l=\mathrm{1,2},...,L$

其中，diag表示对角阵，||·||₁表示1-范数，β是成比例性控制参数，β∈[-1，1]，ε是步长矩阵的正则化参数，其取值为0.001～0.01；

D2、更新

用解相关的改进成比例归一化均方滤波的方法，计算出下一时刻n+1的自适应滤波器的抽头权向量w(n+1)：

$w(n+1)=w\left(n\right)+\mathrm{\μ}\frac{G\left(n\right)Z\left(n\right)e\left(n\right)}{Z^T\left(n\right)G\left(n\right)Z\left(n\right)+\mathrm{\δ}}$

其中：μ为自适应滤波器的步长，其取值为0.20～0.85；δ为抽头权向量的正则化参数，其取值为0.001～0.01；

E、令n＝n+1，重复A、B、C、D的步骤，直至通话结束。