CN104410762B - 免提通话系统中的稳健回声抵消方法 - Google Patents

Abstract

一种免提通话系统中的稳健回声抵消方法,其特征在于：该方法包括以下步骤：步骤一、获得一个采样序列，步骤二、获得误差信号：步骤三、权系数的更新：步骤四、对上述步骤一至步骤三重复执行50~100次，然后计算所有滤波器输出信号的平均值，将该平均值作为最终消除掉回声的纯净信号。其能够准确估计出回声路径，得到纯净的语音信号，且计算复杂度低。

Description

免提通话系统中的稳健回声抵消方法

技术领域：本发明涉及一种针对免提通话系统的回声消除技术，基于稳健估计理论对具有脉冲特征的噪声进行非线性抑制，采用自适应滤波方法实现对通话系统路径的辨识，属于信号处理技术领域。

背景技术：回声抵消算法是会议电视、车载电话等免提通话系统中实现全双工通话的关键技术。通常由扬声器、封闭环境和麦克风所构成的回声路径冲击响应是未知、复杂且随时间变化的，所以无法设计和使用固定的回声抵消器得到对所有环境都适合的回声抵消器。根据回声路径冲击响应的特点，有效地阻止和控制回声的方法是自适应回声抵消，其基本思想是：用一个估计的回声路径冲击响应去代替实际的回声路径冲击响应，以产生与回声具有相同特性的信号，然后从实际信号中将它减去，实现抵消。目前，己经提出了多种自适应回声抵消方法，并有基于高速数字信号处理芯片的实现方案。

近年来，随着无线接入网、卫星网等的广泛使用，通话的距离越来越长，信号传输延迟也大大增加，从而使得现代免提通话系统具有一种特殊的特性——稀疏性，即系统的大部分能量只集中在脉冲响应的一小部分，多数权系数为0或很小的数值，只有少数权系数较大。系统的这种稀疏特性增加了基于一般自适应滤波算法的回声抵消器的有效处理时间。

但目前绝大多数方法不断努力追求的目标主要是如何提高收敛速度，增强其对环境稀疏性的适应性，减少计算复杂度和失调量。而对影响语言质量的另一重要因素——随机噪声只作了简单的高斯假设，即只考虑了噪声概率密度函数轻薄拖尾的情况，从而其代价函数或是基于NLMS的均方误差准则，或是基于最小二乘准则，或是基于距离定义。当然，根据中心极限定理，这个假设是合理的。实际上，正是这个假设给信号处理分析带来了极大的方便。比如：信号处理模型存在简易的封闭表达式，而且这些表达式通常都是线性的；只需要均值和方差两个统计量就足以表达等等。

实际上，在很多免提通话系统中，与回声同时存在且影响语音质量的背景噪声并不呈现高斯特性。例如，在车内使用免提电话时，存在着汽车发动机点火引起的电磁噪声、车外气流噪声、轮胎摩擦噪声等。而在电视会议系统中，室内回声可能混杂来自空调运行噪声等。这些噪声都表现出比高斯噪声显著得多的脉冲性，因此对环境噪声仅仅做出高斯分布的假设并不完全符合真实情况。

由稳健统计理论可知，前面所述算法中对代价函数的运算都可以归结为二范数的范畴，它们对不符合高斯分布的脉冲噪声和信号具有放大作用，因而使得自适应回声抵消算法中的梯度估计偏差很大，继而影响权向量的搜索方向和相关矩阵的估计。因此，存在于免提通话系统中的非高斯脉冲性干扰和噪声必然对现有基于高斯分布假设的算法造成不良影响，从而限制其实用性。

发明内容：

发明目的：本发明提供一种免提通话系统中的稳健回声抵消方法，其目的是解决以往的方式所存在的不能准确估计出回声路径和语音信号，且计算复杂度高的问题。

技术方案：本发明是通过以下技术方案来实现的：

一种免提通话系统中的稳健回声抵消方法,其特征在于：该方法包括以下步骤：

步骤一、获得一个采样序列x(n)，其中n＝1,2,…,N，N为采样序列x(n)的采样点数量；所述的采样序列x(n)是一维信号，且其中包含N个采样点；

步骤二、获得误差信号：采用所得到的采样序列x(n)，获得理想的输出信号，并计算实际接收信号和理想接收信号的误差信号e(n)；

步骤三、权系数的更新：应用零吸引-最小平均l_p范数算法，在每一离散时间点上进行迭代，对未知的回声路径h进行估计和更新调整，计算出自适应滤波器的输出当自适应滤波器收敛后，该输出信号即为回声信号的一个复制，将其从期望信号d(n)中减去便可消除回声；

步骤四、对上述步骤一至步骤三重复执行50～100次，然后计算所有滤波器输出信号的平均值，将该平均值作为最终消除掉回声的纯净信号。

步骤三中应用零吸引-最小平均l_p范数算法是在每一离散时间点上进行迭代，其更新过程为：

h(n)＝h(n-1)-κsgn{h(n)}+μ|e(n)|^p-1sgn[e(n)]x(n) (2)

其中，是对未知的回声路径h进行估计和更新调整，其中κ是一个比较小的正数，0＜μ＜1是每个独立自适应滤波器的步长，e(n)是误差信号，d(n)是期望信号，L是滤波器长度，x(n)＝[x(n),x(n-1),…,x(n-L+1)]^T。

优点及效果：

本发明提供一种免提通话系统中的稳健回声抵消方法，其能够准确估计出回声路径，得到纯净的语音信号，且计算复杂度低。

本发明与现有技术相比，具有如下优点：

(1)、本发明采用l_p范数作为代价函数，可以大大降低脉冲噪声的冲击幅度，减少其对回声消除效果的影响。

(2)、本发明充分应用了系统的稀疏特性，利用零吸引算子对系统权系数进行约束，使得本发明在收敛速度和估计精度方面达到了更好的折中，并大大减少了计算复杂度。

(3)、本发明能够准确有效地估计出免提通话系统参数，消除各种回声，并通过合理的参数选择有效抑制各类脉冲噪声，能够有效提高免提通话系统的稳健性和适应性

附图说明：

图1是本发明的免提通话系统的自适应回声消除器的原理框图；

图2是本发明的应用流程图；

图3是本发明实施例中用到的回声路径，(a)稀疏度为0.69的实测室内信道(b)稀疏度为0.49的仿真信道；

图4是在非高斯噪声条件下，本发明的性能图；

图5是在高斯噪声条件下，本发明的性能图。

具体实施方式：下面结合附图对本发明做进一步的描述：

如图1所示，本发明提供一种免提通话系统中的稳健回声抵消方法，其利用稳健估计思想，将原代价函数中的l₂范数用l_p，通过对参数p的选择，实现了对各种脉冲程度不同的噪声的抑制。同时，在迭代过程中，采用零吸引算子实现对稀疏系统中非零值的有效利用，达到了减少计算量的效果。具体地，本发明包括如下步骤：

步骤一、获得一个采样序列x(n)，其中n＝1,2,…,N，N为采样序列x(n)的采样点数量；所述的采样序列x(n)是一维信号，且其中包含N个采样点；

步骤二、获得误差信号：采用所得到的采样序列x(n)，获得理想的输出信号，并计算实际接收信号和理想接收信号的误差信号e(n)；

步骤三、权系数的更新：应用零吸引-最小平均l_p范数算法，在每一离散时间点上进行迭代，对未知的回声路径h进行估计和更新调整，计算出自适应滤波器的输出当自适应滤波器收敛后，该输出信号即为回声信号的一个复制，将其从期望信号d(n)中减去便可消除回声；

应用零吸引-最小平均l_p范数算法是在每一离散时间点上进行迭代，其更新过程为：

h(n)＝h(n-1)-κsgn{h(n)}+μ|e(n)|^p-1sgn[e(n)]x(n) (2)

按照公式：对未知的回声路径h进行估计和更新调整，其中κ是一个比较小的正数，0＜μ＜1是每个独立自适应滤波器的步长，这样分别计算出两个自适应滤波器的输出e(n)是误差信号，e(n)＝d(n)-x^T(n)h(n-1)，d(n)是期望信号，x(n)＝[x(n),x(n-1),…,x(n-L+1)]^T，L是滤波器长度；

步骤四、对上述步骤一至步骤三重复执行50～100次，然后计算所有滤波器输出信号的平均值，将该平均值作为最终消除掉回声的纯净信号。。

下面通过附图对本发明加以具体说明：

参照图1本发明实施例中，自适应滤波器用于建模未知的网络回声路径h，其中L是滤波器长度，n是时间系数，e(n)是误差信号，是对h的估计。当远端语音信号x(n)通过h时，会产生回声信号y(n)，其叠加到与近端信号s(n)(一般受到加性噪声v(n)的污染)一起作为自适应滤波器的期望信号d(n)。当自适应滤波器的收敛后，该输出信号即为回声信号的一个复制，将其从期望信号d(n)中减去便可消除回声。

参照图2，本实施例的具体实现步骤如下：

步骤一、获得一个采样序列x(n)，其中n＝1,2,…,N，N为采样序列x(n)的采样点数量；所述的采样序列x(n)是一维信号，且其中包含N个采样点；

步骤二、获得误差信号：采用所得到的采样序列x(n)，获得理想的输出信号，并计算实际接收信号和理想接收信号的误差信号e(n)；

步骤三、权系数的更新：应用零吸引-最小平均l_p范数算法，在每一离散时间点上进行迭代，对未知的回声路径h进行估计和更新调整，计算出自适应滤波器的输出当自适应滤波器收敛后，该输出信号即为回声信号的一个复制，将其从期望信号d(n)中减去便可消除回声。

步骤四、对上述步骤一至步骤三重复执行50～100次，然后计算所有滤波器输出信号的平均值，将该平均值作为最终消除掉回声的纯净信号。

本实施例中，步骤一中的信号远端输入信号分别选用的是零均值、方差为1的WGN(WhiteGausssianNoise)信号和一段与人类语音信号的频谱类似的USASI(USAStandardsInstitute)信号。噪声为外加的信噪比为30dB的WGN(WhiteGausssianNoise)和符合α稳定分布的脉冲噪声，近端信号s(t)＝0。因此，目标信号分别为两种不同的远端输入信号叠加WGN。

本实施例中，回声路径采用两种形式。一种是实测的大小为4m×3m，墙壁为硬墙的室内环境的回声路径，即选择激励信号为幅频特性为平坦谱的白噪声信号，记录由扬声器输出的激励信号在麦克风接收端的响应，然后通过解卷积的方法求得室内冲激响应。在此过程中，白噪声的采样频率为8KHz，精度是16位；麦克风放在1m左右高的桌子上，且与扬声器的距离为1m左右。由于测量结果会随时间而不同，因此为获得较为准确的冲激响应，这里我们记录了15次，然后取平均，每次记录1秒(8000个权值)的数据。为简化自适应滤波方法的测试，这里取160个权，即20ms的系统冲激响应，详见图3(a)。另一种是根据G.168标准产生的非稀疏的信道，详见图3(b)。图3中，横轴表示单位是ms的时间变量，纵轴是幅度变量。

实际进行取值时，κ和μ是一个比较小的正数，可根据具体需要进行相应调整；0＜κ＜1，可根据具体需要进行选取；0＜μ＜1是每个独立自适应滤波器的步长因子，与所有基于梯度下降的自适应滤波方法一样，本发明所采用的方法也需要权衡收敛速度与估计精度，大的步长μ具有较快的收敛速度，但却会带来较大的失调量。在本实施例，步骤二中的自适应滤波器长度均设为100，κ＝5×10^-6，μ＝0.001，每个实验均是50次的平均结果。具体结果见,4，5。图4，5中，横轴表示迭代次数，纵轴表示单位为dB的WEVN(权误差向量)，通过WEVN的收敛过程来评价算法的收敛性能。该值愈小，意味着自适应算法越收敛。

Claims (1)

1.一种免提通话系统中的稳健回声抵消方法,其特征在于：该方法包括以下步骤：

步骤一、获得一个采样序列x(n)，其中n＝1,2,…,N，N为采样序列x(n)的采样点数量；所述的采样序列x(n)是一维信号，且其中包含N个采样点；

步骤二、获得误差信号：采用所得到的采样序列x(n)，获得理想的输出信号，并计算实际接收信号和理想接收信号的误差信号e(n)；

步骤三、权系数的更新：应用零吸引-最小平均l_p范数算法，在每一离散时间点上进行迭代，对未知的回声路径h进行估计和更新调整，计算出自适应滤波器的输出当自适应滤波器收敛后，该输出信号即为回声信号的一个复制，将其从期望信号d(n)中减去便可消除回声；

步骤四、对上述步骤一至步骤三重复执行50～100次，然后计算所有滤波器输出信号的平均值，将该平均值作为最终消除掉回声的纯净信号；

步骤三中应用零吸引-最小平均l_p范数算法是在每一离散时间点上进行迭代，其更新过程为：

<mrow> <mi>e</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <msup> <mi>x</mi> <mi>T</mi> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mover> <mi>h</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

h(n)＝h(n-1)-κsgn{h(n)}+μ|e(n)|^p-1sgn[e(n)]x(n) (2)

其中，是对未知的回声路径h进行估计和更新调整，κ是一个比较小的正数，其取值范围是0＜κ＜1，μ是每个独立自适应滤波器的步长，0＜μ＜1，e(n)是误差信号，d(n)是期望信号，x(n)＝[x(n),x(n-1),…,x(n-L+1)]^T，L是滤波器长度。