CN105070296A - 一种活性因子集员成比例子带自适应回声消除方法 - Google Patents

Abstract

一种活性因子集员成比例子带自适应回声消除方法，其步骤是：A、将远端信号的离散值构成的自适应回声消除子带滤波器输入向量X(n)分割成子带信号X_i(n)；B、对输入子带信号X_i(n)和近端子带信号d_i(n)进行N抽取得到抽取后的信号X_i(k)和d_i(k)；C、将抽取后的信号X_i(k)通过自适应回声消除子带滤波器得滤波值y_i(k)；D、将带回声的抽取后的近端子带信号d_i(k)与滤波值y_i(k)相减后再回送远端；E、通过计算活性因子f_l(k)、成比例矩阵G(k)和用集员滤波算法得到子带滤波器步长μ_i(k)，更新权系数向量W(k)；F、令k＝k+1，重复A-E的步骤,直至通话结束。该方法一方面能获得快的收敛速度和低的稳态误差，另一方面具有快速的跟踪能力，对通信系统的声学回声有很好的消除效果。

Description

一种活性因子集员成比例子带自适应回声消除方法

技术领域

本发明涉及一种活性因子集员成比例子带自适应回声消除方法，属于通信的回声消除技术领域。

背景技术

近些年来,随着通信技术的发展，通信用户对通话质量的要求也越来越高。在通信系统中，经常会遇到回声干扰的问题。在此问题中，声学回声是影响语音通话质量的最主要因素。因此，消除回声是提高通话质量的关键技术之一。通信过程中的声学回声是指用户在通信过程中反复听到自己的声音。这种现象是由声波反射以及麦克风和扬声器间的声耦合产生的。人耳对其非常敏感，延迟10ms的回声就能被人耳捕捉感知到，超过32ms的回声就会对通信质量造成极大的干扰。因此，如何采取有效的方法消除回声，来提高通信质量，成为一个热门的研究课题。

目前，国内外消除回声的方法大致有以下6种：(1)子带中心削波技术；(2)移频技术；(3)梳状滤波技术；(4)话音控制开关技术；(5)话筒阵列技术；(6)自适应回声消除技术。前5种方法因其技术要求高，手段复杂，且造价昂贵，所以在实际应用上受到了限制。但自适应回声消除技术因其成本低、效果好，得到了一致认可，也是目前国际上公认的最有前景的回声消除技术之一。

自适应回声消除技术是利用自适应滤波器的一种回声消除方法。从基本原理上来看，自适应回声消除是对未知系统进行辨识的过程，因此，它属于系统辨识的一个实际应用。以免提电话系统为例，该系统必须配备有声学回声消除器(AcousticEchoCancellation，AEC)。免提电话的扬声器和麦克风之间的空间距离导致来自扬声器的一部分信号会经过房间内壁的多重反射进入麦克风而产生声学回声，这部分信号所传输的路径便是声学回声信道，可用房间脉冲响应来描述。为了消除这类声学回声，AEC中的自适应滤波器辨识房间脉冲响应并得到回声的估计值，从而在麦克风端减去回声的估计值来达到消除回声的目的。

在自适应回声消除方法中，传统的归一化最小均方(NLMS)滤波器、仿射投影(APA)滤波器、递归最小二乘(RLS)滤波器等，由于其结构简单、易于实现，已得到国内外研究者的广泛关注。但是，通信中的回声信道，大多数都是稀疏信道，这种稀疏信道的脉冲响应大多数很小，而阶数又比较长。传统自适应滤波器在这种稀疏信道下的回声消除收敛速度慢，稳态误差大，跟踪性能差。而实际中的回声信号又大多是相关信号，针对这种情况引入子带滤波器，可以提高对相关信号的处理能力，从而提高收敛速度。为了利用回声信道的稀疏特性，引入成比例思想大大加快了子带滤波器的收敛速度。然而，定步长滤波器在收敛速度和稳态误差存在着固有矛盾，引入集员滤波策略。集员滤波是一类基于预先定义的误差边界的递归估计算法，寻求产生有界滤波输出误差的参数集合，其精确地依赖这个指定的误差边界。即，该方法在滤波器输出误差有界约束下进行推导，主要是通过时间稀疏的数据选择性更新来减低计算复杂度。同时，它又改善了定步长自适应算法的收敛速度和稳态误差之间的固有矛盾，可保证滤波器具有较快的收敛速度和较低的稳态误差。

在目前的稀疏系统辨识的应用中，效果较好为成比例归一化子带类的自适应滤波算法(PNSAF)和与集员滤波思想相结合的成比例归一化子带类的自适应滤波算法(SM-PNSAF)。参考文献“Afamilyofproportionatenormalizedsubbandadaptivefilteralgorithms”(M.S.E.Abadi,S.Kadkhodazadeh,JournaloftheFranklinInstitute,vol.348,no.2,pp.212–238,Mar.2011)中提出了上述的两种算法。这两种方法具有将相关信号分解成相互独立的子带信号的特性，大大加快收敛速度。但是传统的PNSAF和SM-PNSAF算法又依赖于预先设定的一些参数，这些参数影响着算法的收敛速度。因此，欲得到期望的性能参数，则需要进行很多次的实验来进行选择，这对实际应用造成了一定的困难。

发明内容

本发明的目的就是提供一种活性因子集员成比例子带自适应回声消除方法。该方法一方面能获得快的收敛速度和低的稳态误差，另一方面具有快速的跟踪能力，对通信系统的声学回声有很好的消除效果。

本发明实现其发明目的所采用的技术方案是，一种活性因子集员成比例子带自适应回声消除方法，其步骤如下：

A、信号的分割

将远端传来的信号采样得到远端信号的离散值x(t)，；当前时刻n与时刻n-L+1之间的远端信号离散值x(t)，构成当前时刻n的滤波输入信号X(n)，即X(n)＝[x(n),x(n-1),...,x(n-L+1)]^T；L＝512是滤波器抽头数，上标T代表转置运算；

将滤波输入信号X(n)经分析滤波器分割成N个滤波输入子带信号X_i(n)，X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-L+1)]^T；同时，近端麦克风拾取的当前时刻n的带回声的近端信号d(n)也经分析滤波器分割成N个近端子带信号d_i(n)；其中，i为滤波输入子带信号或近端子带信号的序号，i＝1,2，...,N；

B、信号的抽取

将A步骤得到的滤波输入子带信号X_i(n)经抽取器对其进行N抽取，即将n＝k＝KN时刻的滤波输入子带信号X_i(n)抽出得到滤波输入子带抽取信号X_i(k)，X_i(k)＝[x_i(KN),x_i(KN-1),...,x_i(KN-L+1)]^T，其中，K为抽取的序号，k为抽取的时刻；同时，将上述步骤得到的近端子带信号d_i(n)，也经抽取器对其进行N抽取，进而得到近端子带抽取信号d_i(k)，d_i(k)＝d_i(KN)；

C、滤波器的输出

将抽取后的滤波输入子带信号向量X_i(k)通过自适应回声消除子带滤波器后得到输出子带信号记为y_i(k)，其中W(k)为自适应子带滤波器在k时刻的权系数向量，其长度为L，初始值W(k)＝W(1)为零向量，且W(k)＝[w₁(k),w₂(k),..w_l(k).,w_L(k)]^T，l＝1,2,...,L为权系数向量W(k)中的权系数w_l(k)的序号；

D、回声抵消

将近端麦克风拾取到的k时刻的带回声的抽取后的近端子带信号d_i(k)与对应的自适应回声消除子带滤波器输出子带信号记为y_i(k)相减得到消除回声后的第i个子带误差信号e_i(k)，即e_i(k)＝d_i(k)-y_i(k)，并送回给远端；

E、权系数向量的更新

E1、活性因子和比例函数的计算

k＝1时，自适应子带滤波器权系数w_l(k)的活性因子f_l(k)＝f_l(1)的初始值取10^-4～10^-2，初始时的自适应子带滤波器权系数w_l(k)的比例函数φ_l(1)与活性因子f_l(1)的初始值相等。

当k＞1时，自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)有下式算出：

φ_l(k)＝max{f_l(k),|w_l(k)|}

其中，|·|为求绝对值运算，max为求最大值运算。

自适应子带滤波器权系数w_l(k)的活性因子f_l(k)则由下式算出：

$f\left(k\right)=\left\{\begin{array}{cc}\frac{1}{2}\left|w_l\left(k\right)\right|+\frac{1}{2}\left|{\mathrm{\φ}}_l(k-1)\right|,& k=mL,\\ f(k-1),& k\≠mL,\end{array}\right.$

式中，m为正整数。

E2、成比例矩阵的计算

根据自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)，计算得出自适应子带滤波器权系数w_l(k)的成比例矩阵中的第l个元素g_l(k)：

$g_l\left(k\right)=\frac{{\mathrm{\φ}}_l\left(k\right)}{\frac{1}{L}\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\φ}}_i\left(k\right)};$

进而得到自适应子带滤波器权系数向量W(k)的成比例矩阵G(k)：

G(k)＝diag{g₁(k),g₂(k)...,g_L(k)}

E3、用集员滤波算法得出自适应回声消除子带滤波器的步长

由系统的噪声方差σ² _η，得出集员滤波的边界误差τ，再计算得出k时刻的自适应回声消除子带滤波器的抽头权系数向量W(k)的第i个步长μ_i(k)：

${\mathrm{\μ}}_i\left(k\right)=\left\{\begin{array}{cc}1-\frac{\mathrm{\τ}}{\left|e_i\left(k\right)\right|}& \left|e_i\left(k\right)\right|>\mathrm{\τ}\\ 0& \left|e_i\left(k\right)\right|\≤\mathrm{\τ}\end{array}\right.$

E4、权系数向量更新

计算k+1时刻的自适应回声消除子带滤波器的抽头权系数向量W(k+1)：

$W(k+1)=W\left(k\right)+\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\left(k\right)\frac{G\left(k\right)X_i\left(k\right)}{X_i^T\left(k\right)G\left(k\right)X_i\left(k\right)+\mathrm{\δ}}{e}_i\left(k\right)$

其中，δ为自适应回声消除子带滤波器抽头权系数向量的正则化参数，其取值为δ∈[0.001,0.1]；

F、令k＝k+1，重复A、B、C、D、E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低

自适应回声消除子带滤波器的输出子带信号y_i(n)即为回声信号的估计值，将其与近端麦克风拾取、处理得到的带回声的近端子带信号d_i(n)相减，即为从近端回送给远端的信号，该信号为消除回声后的第i个子带误差信号e_i(n)。本专利采用子带自适应滤波器，能将全频带的远端输入信号分为多个子频带分别进行滤波，再将滤波后的信号组合。因此，这种方法具有将语音信号这类强相关信号分解成相互独立的子带信号的特性，从而大大的加快收敛速度；

(2)传统的自适应滤波算法不考虑回声信道的结构如何，为所有的系数赋予相同的步长参数，小系数能在较少迭代后收敛到其最优值，而大系数需要更多的迭代次数才能收敛到最优值，而算法的最终收敛时间取决于最大系数收敛所需要的迭代次数。本发明使用的成比例自适应算法为大系数赋予较大的步长参数以加快大系数的收敛，从而加快了自适应滤波器的整体收敛速度；

对于固定的全局步长参数，收敛速度和温差误差是一对不可协调的矛盾，即大的全局步长有快的收敛速度和大的稳态误差。而小的全局步长有慢的收敛速度和低的稳态误差。本发明中的集员滤波策略保证了自适应回声消除子带滤波器的收敛速度快，同时稳态误差小，而且大大降低了计算复杂度；

(3)跃变系统的跟踪能力强

在实际情况下，扬声器与麦克风的相对位置、角度和环境等都可能随时发生变化，声学回声信道的脉冲响应也会相应地发生改变，因此对跃变系统的跟踪能力是回声消除器一项重要的技术指标。本发明各子带的活性因子为独立的活性因子(即每个滤波器系数具有不同的活性因子)，它由当前时刻抽取操作的权系数和前一时刻抽取操作时的比例函数(权系数的绝对值和活性因子的最大值)各取二分之一，求和得到，进而由独立活性因子计算出下一时刻抽取操作的权系数，使得权系数能够更快速地逼近回声信道。由于引入的独立的活性因子显著提高了自适应回声消除滤波器对跃变系统的跟踪能力，所以本发明很好地满足了回声消除滤波器器对跃变系统跟踪能力强的要求。

下面结合附图和具体实施方式对本发明做进一步说明。

附图说明

图1是本发明仿真实验的稀疏信道图。

图2和图3分别是PNSAF、SM-PNSAF和本发明(IAF-SM-PNSAF)在一阶相关信号和真实语音信号为输入信号时仿真实验的归一化稳态失调曲线。

具体实施方式

实施例

本发明的一种具体实施方式是：一种活性因子集员成比例子带自适应回声消除方法，其步骤如下：

A、信号的分割

将远端传来的信号采样得到远端信号的离散值x(t)，；当前时刻n与时刻n-L+1之间的远端信号离散值x(t)，构成当前时刻n的滤波输入信号X(n)，即X(n)＝[x(n),x(n-1),...,x(n-L+1)]^T；L＝512是滤波器抽头数，上标T代表转置运算；

将滤波输入信号X(n)经分析滤波器分割成N个滤波输入子带信号X_i(n)，X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-L+1)]^T；同时，近端麦克风拾取的当前时刻n的带回声的近端信号d(n)也经分析滤波器分割成N个近端子带信号d_i(n)；其中，i为滤波输入子带信号或近端子带信号的序号，i＝1,2，...,N；

B、信号的抽取

将A步骤得到的滤波输入子带信号X_i(n)经抽取器对其进行N抽取，即将n＝k＝KN时刻的滤波输入子带信号X_i(n)抽出得到滤波输入子带抽取信号X_i(k)，X_i(k)＝[x_i(KN),x_i(KN-1),...,x_i(KN-L+1)]^T，其中，K为抽取的序号，k为抽取的时刻；同时，将上述步骤得到的近端子带信号d_i(n)，也经抽取器对其进行N抽取，进而得到近端子带抽取信号d_i(k)，d_i(k)＝d_i(KN)；

C、滤波器的输出

将抽取后的滤波输入子带信号向量X_i(k)通过自适应回声消除子带滤波器后得到输出子带信号记为y_i(k)，其中W(k)为自适应子带滤波器在k时刻的权系数向量，其长度为L，初始值W(k)＝W(1)为零向量，且W(k)＝[w₁(k),w₂(k),..w_l(k).,w_L(k)]^T，l＝1,2,...,L为权系数向量W(k)中的权系数w_l(k)的序号；

D、回声抵消

将近端麦克风拾取到的k时刻的带回声的抽取后的近端子带信号d_i(k)与对应的自适应回声消除子带滤波器输出子带信号记为y_i(k)相减得到消除回声后的第i个子带误差信号e_i(k)，即e_i(k)＝d_i(k)-y_i(k)，并送回给远端；

E、权系数向量的更新

E1、活性因子和比例函数的计算

k＝1时，自适应子带滤波器权系数w_l(k)的活性因子f_l(k)＝f_l(1)的初始值取10^-4～10^-2，初始时的自适应子带滤波器权系数w_l(k)的比例函数φ_l(1)与活性因子f_l(1)的初始值相等。

当k＞1时，自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)有下式算出：

φ_l(k)＝max{f_l(k),|w_l(k)|}

其中，|·|为求绝对值运算，max为求最大值运算。

自适应子带滤波器权系数w_l(k)的活性因子f_l(k)则由下式算出：

$f_l\left(k\right)=\left\{\begin{array}{cc}\frac{1}{2}\left|w_l\left(k\right)\right|+\frac{1}{2}\left|{\mathrm{\φ}}_l(k-1)\right|,& k=mL,\\ f_l(k-1),& k\≠mL,\end{array}\right.$

式中，m为正整数。

E2、成比例矩阵的计算

根据自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)，计算得出自适应子带滤波器权系数w_l(k)的成比例矩阵中的第l个元素g_l(k)：

$g_l\left(k\right)=\frac{{\mathrm{\φ}}_l\left(k\right)}{\frac{1}{L}\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\φ}}_i\left(k\right)};$

进而得到自适应子带滤波器权系数向量W(k)的成比例矩阵G(k)：

G(k)＝diag{g₁(k),g₂(k)...,g_L(k)}

E3、用集员滤波算法得出自适应回声消除子带滤波器的步长

由系统的噪声方差σ² _η，得出集员滤波的边界误差τ，再计算得出k时刻的自适应回声消除子带滤波器的抽头权系数向量W(k)的第i个步长μ_i(k)：

${\mathrm{\μ}}_i\left(k\right)=\left\{\begin{array}{cc}1-\frac{\mathrm{\τ}}{\left|e_i\left(k\right)\right|}& \left|e_i\left(k\right)\right|>\mathrm{\τ}\\ 0& \left|e_i\left(k\right)\right|\≤\mathrm{\τ}\end{array}\right.$

E4、权系数向量更新

计算k+1时刻的自适应回声消除子带滤波器的抽头权系数向量W(k+1)：

$W(k+1)=W\left(k\right)+\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\left(k\right)\frac{G\left(k\right)X_i\left(k\right)}{X_i^T\left(k\right)G\left(k\right)X_i\left(k\right)+\mathrm{\δ}}{e}_i\left(k\right)$

其中，δ为自适应回声消除子带滤波器抽头权系数向量的正则化参数，其取值为δ∈[0.001,0.1]；

F、令k＝k+1，重复A、B、C、D、E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，并与现有的文献中的两种方法进行了对比。

仿真实验中采用了两种远端信号x(n)，一种是一阶自回归(AR(1))相关的信号，即零均值且方差为1的白色高斯序列通过传递函数为H(z)＝1/(1-0.9z^-1)的一阶自回归系统获得。另一种是采样频率为8KHz的真实语音信号。近端信号d(n)可通过公式d(n)＝X^T(n)W_o+η(n)计算获得。背景噪声η(n)是30dB信噪比的零均值高斯白噪声。回声信道脉冲响应在长6.25m，宽3.75m，高2.5m，湿度50％，温度20℃的安静密闭房间内获得，脉冲响应长度即滤波器的抽头数L＝512。通过使用归一化稳态失调来比较各算法的性能，定义为20log₁₀(||W_o-W(n)||₂/||W_o||₂)，单位为dB，其中，||·||₂为求向量的二范数。所有的仿真曲线都是独立运行30次的平均结果。

按照以上实验条件，用本发明方法与现有的两种方法进行回声消除实验。各种方法的实验最优参数取值如表1。

表1各方法的实验最优参数取值

图1是实验用的安静密闭房间构成的通信系统的稀疏信道图。

图2是PNSAF、SM-PNSAF和本发明(IAF-SM-PNSAF)在一阶相关信号输入图1的回声信道W_o的仿真实验的归一化稳态失调曲线。其中在迭代9000次以后，回声信道发生正负翻转(突变)，变为-W_o。从图2可以看出，在稳态误差相同的情况下，本发明比PNSAF和SM-PNSAF的收敛速度快，且跟踪能力强。如当回声信道为W_o，本发明的迭代次数为2000时，其已达到了稳态，且稳态误差约为-32dB，而PNSAF的迭代次数需要6500左右，SM-PNSAF的迭代次数需要5900以上；当回声信道突变为-W_o后，本发明的迭代次数为1000左右时，其稳态误差可达-32dB，而PNSAF和SM-PNSAF的迭代次数需要5500左右。

图3是PNSAF、SM-PNSAF和本发明(IAF-SM-PNSAF)在真实语音信号输入图1的回声信道W_o的仿真实验的归一化稳态失调曲线。其中在迭代7000次以后，回声信道发生正负翻转，变为-W_o。从图3可以看出，本发明具有稳态误差低和对跃变系统跟踪能力强的优点。如当回声信道为W_o，在迭代1500-7000期间，本发明失稳误差稳定地保持在-20dB，而PNSAF的失稳误差则稳定地保持在-11～-13dB之间，SM-PNSAF的失稳误差保持在-12～-15dB之间；当回声信道为-W_o，在迭代800-7000期间，本发明失稳误差稳定地保持在-20dB之间；而PNSAF和SM-PNSAF的失稳误差均在-6～-12dB之间。

Claims (1)

1.一种活性因子集员成比例子带自适应回声消除方法，其步骤如下：

A、信号的分割

将远端传来的信号采样得到远端信号的离散值x(t)，；当前时刻n与时刻n-L+1之间的远端信号离散值x(t)，构成当前时刻n的滤波输入信号X(n)，即X(n)＝[x(n),x(n-1),...,x(n-L+1)]^T；L＝512是滤波器抽头数，上标T代表转置运算；

将滤波输入信号X(n)经分析滤波器分割成N个滤波输入子带信号X_i(n)，X_i(n)＝[x_i(n),x_i(n-1),...,x_i(n-L+1)]^T；同时，近端麦克风拾取的当前时刻n的带回声的近端信号d(n)也经分析滤波器分割成N个近端子带信号d_i(n)；其中，i为滤波输入子带信号或近端子带信号的序号，i＝1,2，...,N；

B、信号的抽取

将A步骤得到的滤波输入子带信号X_i(n)经抽取器对其进行N抽取，即将n＝k＝KN时刻的滤波输入子带信号X_i(n)抽出得到滤波输入子带抽取信号X_i(k)，X_i(k)＝[x_i(KN),x_i(KN-1),...,x_i(KN-L+1)]^T，其中，K为抽取的序号，k为抽取的时刻；同时，将上述步骤得到的近端子带信号d_i(n)，也经抽取器对其进行N抽取，进而得到近端子带抽取信号d_i(k)，d_i(k)＝d_i(KN)；

C、滤波器的输出

将抽取后的滤波输入子带信号向量X_i(k)通过自适应回声消除子带滤波器后得到输出子带信号记为y_i(k)，其中W(k)为自适应子带滤波器在k时刻的权系数向量，其长度为L，初始值W(k)＝W(1)为零向量，且W(k)＝[w₁(k),w₂(k),..w_l(k).,w_L(k)]^T，l＝1,2,...,L为权系数向量W(k)中的权系数w_l(k)的序号；

D、回声抵消

将近端麦克风拾取到的k时刻的带回声的抽取后的近端子带信号d_i(k)与对应的自适应回声消除子带滤波器输出子带信号记为y_i(k)相减得到消除回声后的第i个子带误差信号e_i(k)，即e_i(k)＝d_i(k)-y_i(k)，并送回给远端；

E、权系数向量的更新

E1、活性因子和比例函数的计算

k＝1时，自适应子带滤波器权系数w_l(k)的活性因子f_l(k)＝f_l(1)的初始值取10^-4-10^-2，初始时的自适应子带滤波器权系数w_l(k)的比例函数φ_l(1)与活性因子f_l(1)的初始值相等。

当k＞1时，自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)有下式算出：

φ_l(k)＝max{f_l(k),|w_l(k)|}

其中，|·|为求绝对值运算，max为求最大值运算。

自适应子带滤波器权系数w_l(k)的活性因子f_l(k)则由下式算出：

$f_l\left(k\right)=\left\{\begin{array}{cc}\frac{1}{2}\left|w_l\left(k\right)\right|+\frac{1}{2}\left|{\mathrm{\φ}}_l(k-1)\right|,& k=mL,\\ f_l(k-1),& k\≠mL,\end{array}\right.$

式中，m为正整数。

E2、成比例矩阵的计算

根据自适应子带滤波器权系数w_l(k)的比例函数φ_l(k)，计算得出自适应子带滤波器权系数w_l(k)的成比例矩阵中的第l个元素g_l(k)：

$g_l\left(k\right)=\frac{{\mathrm{\φ}}_l\left(k\right)}{\frac{1}{L}\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\φ}}_i\left(k\right)};$

进而得到自适应子带滤波器权系数向量W(k)的成比例矩阵G(k)：

G(k)＝diag{g₁(k),g₂(k)...,g_L(k)}

E3、用集员滤波算法得出自适应回声消除子带滤波器的步长

由系统的噪声方差σ² _η，得出集员滤波的边界误差τ，再计算得出k时刻的自适应回声消除子带滤波器的抽头权系数向量W(k)的第i个步长μ_i(k)：

${\mathrm{\μ}}_i\left(k\right)=\left\{\begin{array}{cc}1-\frac{\mathrm{\τ}}{\left|e_i\left(k\right)\right|}& \left|e_i\left(k\right)\right|>\mathrm{\τ}\\ 0& \left|e_i\left(k\right)\right|\≤\mathrm{\τ}\end{array}\right.$

E4、权系数向量更新

计算k+1时刻的自适应回声消除子带滤波器的抽头权系数向量W(k+1)：

$W(k+1)=W\left(k\right)+\underset{i=1}{\overset{N}{\Σ}}{\mathrm{\μ}}_i\left(k\right)\frac{G\left(k\right)X_i\left(k\right)}{X_i^T\left(k\right)G\left(k\right)X_i\left(k\right)+\mathrm{\δ}}{e}_i\left(k\right)$

其中，δ为自适应回声消除子带滤波器抽头权系数向量的正则化参数，其取值为δ∈[0.001,0.1]；

F、令k＝k+1，重复A、B、C、D、E的步骤,直至通话结束。