CN105654959A - 一种自适应滤波的系数更新方法及装置 - Google Patents

Abstract

本发明公开了一种自适应滤波的系数更新方法，包括步骤1：将k时刻的滤波器W(k)的长度等分为M段；步骤2：求取每段滤波器的系数的二次范数；步骤3：将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；步骤4：以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余则为非活跃系数分段W_n-a(k)；步骤5：更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k)。本发明更新滤波器的全部活跃系数并循环更新一小段非活跃系数，降低滤波器有效长度，提高收敛速度，降低了算法复杂度。本发明同时提供一种自适应滤波的系数更新装置。

Description

一种自适应滤波的系数更新方法及装置

技术领域

本发明涉及自适应降噪领域，尤其涉及一种自适应滤波的系数更新方法及装置。

背景技术

随着近年来技术的进步，通信技术日益发展，各种新兴通信层出不穷，但最主要的通信方式仍然是语音通信，用户也越来越关心语音通信质量。而在使用电子、网络通信设备或免提通信设备时，使用者经常会在接收端听到自己的声音，这种现象称为通信回声现象。通信回声严重影响通信质量，在极端情况下可引起啸叫，使通信无法进行。针对通信回声现象，常用的解决方案是在通信设备内置回声消除(echocancellation，简称EC)系统以抑制回声能量，提高通信质量。

回声消除系统可简化为自适应理论中的系统辨识问题，其核心是自适应滤波器，通过自适应算法对滤波器系数进行自适应更新，以实现最佳滤波。请参阅图1，其是自适应系统辨识原理图。若将声学传播信道的冲激响应序列记为H＝[h₁，h₂，…，h_N]，其中N为序列长度，设k时刻输入信号为X(k)＝[x(k-1)，x(k-2)，…，x(k-N)]。X(k)与H卷积加上背景噪声v(k)干扰得到回声信号d(k)，其中d(k)的计算公式如下：

d(k)＝X(k)H^T+v(k)

为消除d(k)，以自适应滤波器W(k)＝[w₁(k)，w₂(k)，…，w_N(k)]自适应辨识冲激响应H，以X(k)与W(k)的卷积结果y(k)作为d(k)的估计值，两者相减以抑制回声能量。

为辨识冲激响应H，需要对滤波器的系数进行自适应更新，通常采用归一化最小均方(NorMalizedLeastMeanSquare，简称NLMS)算法对所有系数进行迭代更新，具体的系数迭代更新方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W(k+1)=W\left(k\right)+\mathrm{\μ}e\left(k\right)X\left(k\right)/\left|\right|X\left(k\right)|{|}_2^2$

式中，μ为收敛因子，取值范围为0<μ<1；为输入信号序列X(k)的二次范数，计算公式为||X(k)||＝X(k)X^T(k)，作为NLMS算法的归一化因子，可通过自回归方式得到，自回归算法如下：

$\left|\right|X\left(k\right)|{|}_2^2=|\left|X(k-1)\right|{|}_2^2+x^2(k-1)-x^2(k-N-1)$

综上可知，NLMS算法迭代一次约需算2N次加法、2N次乘法。

因声学信道延时的不确定性，为保证充分辨识冲激响应序列，在某些极端条件下，自适应滤波器需要上千个系数，而过长的滤波器将导致自适应系统收敛速度下降、计算复杂度增加，进而将严重影响自适应系统的性能。

发明内容

本发明在于克服现有技术的缺点与不足，提供一种降低滤波器有效长度、提高系统收敛速度、降低算法复杂度的自适应滤波的系数更新方法。

本发明是通过以下技术方案实现的：一种自适应滤波的系数更新方法，包括如下步骤：

步骤1：将k时刻的滤波器W(k)的长度等分为M段；其中M为大于1的整数；

步骤2：求取每段滤波器的系数的二次范数；

步骤3：将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；

步骤4：以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)；

步骤5：对滤波器系数进行迭代更新，且每次迭代时更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k)，以获得下一时刻k+1的滤波器系数。

相比于现有技术，本发明提出的自适应滤波器系数更新方法利用声学传播信道的稀疏性，在滤波器内通过移动窗积分法对信道进行延时估计以定位活跃系数位置，并通过精确辨识全部活跃系数完成声学传播信道的自适应辨识。进一步地，在每次迭代时更新滤波器的全部活跃系数，使得活跃系数更新频率得到提高，进而加快系统收敛速度；通过循环更新一段非活跃系数以降低非活跃系数更新频率，进而降低滤波器有效长度；同时，非活跃系数仍能获得一定的更新频率，从而确保了系统的跟踪能力。本发明提出的自适应滤波器系数更新方法可大幅降低滤波器有效长度，提高系统收敛速度，降低了算法复杂度。

进一步地，在步骤3中，获得每段滤波器系数的二次范数并组成新序列，将长度为L的矩形窗在该新序列上移动，每移动一个位置，都对窗口内各分段滤波器系数的二次范数进行累加，以获得最大累加值；其中L为大于1的整数。

进一步地，在步骤4与步骤5之间，还包括步骤4A：将k时刻的输入信号X(k)等分成M段，且将输入信号亦对应地分为输入信号活跃系数分段X_a(k)和输入信号非活跃系数分段X_n-a(k)，并代入滤波器系数更新公式对滤波器系数进行更新。

进一步地，在步骤4中，滤波器系数更新方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W_a(k+1)=W_a\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_a\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

$W_i(k+1)=W_i\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_i\left(k\right)/\left(\right|\left|X_a\right(k)|{|}_2^2+|\left|X_i\left(k\right)\right|{|}_2^2);$

其中，μ为收敛因子，取值范围为0<μ<1；X(k)为输入信号，为输入信号序列X(k)的二次范数，d(k)为回声信号，e(k)为输出信号；W_i(k)为从W_n-a(k)中循环提取的一段滤波器分段；对应地，X_i(k)为从X_n-a(k)中循环提取的一段输入信号分段。

本发明同时还提供一种自适应滤波的系数更新装置，包括滤波器，所述滤波器包括

——滤波器分段模块，用于将k时刻的滤波器W(k)的长度等分为M段；

——二次范数获取模块，用于求取每段滤波器系数的二次范数；

——最大累加值获取模块，用于将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；其中M为大于1的整数；

——滤波器活跃系数分段和非活跃系数分段获取模块，用于以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)；

——滤波器系数更新模块，用于对滤波器系数进行迭代更新，且每次迭代时用于更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k),以获得下一时刻k+1的滤波器系数。

相比于现有技术，本发明提出的自适应滤波器系数更新方法利用声学传播信道的稀疏性，在滤波器内通过移动窗积分法对信道进行延时估计以定位活跃系数位置，并通过精确辨识全部活跃系数完成声学传播信道的自适应辨识。进一步地，在每次迭代时更新滤波器的全部活跃系数，使得活跃系数更新频率得到提高，进而加快系统收敛速度；通过循环更新一段非活跃系数以降低非活跃系数更新频率，进而降低滤波器有效长度；同时，非活跃系数仍能获得一定的更新频率，从而确保了系统的跟踪能力。本发明提出的自适应滤波器系数更新方法可大幅降低滤波器有效长度，提高系统收敛速度，降低了算法复杂度。

为了更好地理解和实施，下面结合附图详细说明本发明。

附图说明

图1是自适应系统辨识原理图；

图2是典型的采样频率为8kHz的声学传播信道冲激响应序列的坐标图；

图3是本发明自适应滤波的系数更新方法的流程图；

图4是与冲激序列位置相对应的滤波器活跃系数分段位置坐标图；

图5是本发明自适应滤波的系数更新装置的模块图。

具体实施方式

请参阅图2，其是典型的采样频率为8kHz的声学传播信道冲激响应序列的坐标图，其中，横坐标代表时间K，纵坐标代表幅度A，符号t表示延时时间，s表示活跃系数区间。因声学传播信道主要由幅度衰减、声延时与混响构成，导致冲激响应序列具有典型的稀疏性，即序列中大部分系数幅值为零值或极小值以模拟延时；产生声强能量的大幅值系数称为活跃系数，因幅度衰减与混响效应，活跃系数在时域聚集，且数量只占系数总量极少一部分。根据稀疏性，长延时声学传播信道只有活跃系数产生声强能量；对于小幅值、零值系数非活跃系数仅用于模拟延时，并不产生能量，因此仅需辨识活跃系数即可完成对声学传播信道的精确辨识。

本发明基于声学传播信道稀疏性的性质，通过自适应滤波器对滤波器的长度和输入的输入信号进行分段，确定活跃系数和非活跃系数的位置，并利用滤波器滤除后的输出信号e(k)构造迭代更新方程，实现对滤波器系数的自适应更新。

请参阅图3，其是本发明自适应滤波的系数更新方法的流程图。该自适应滤波的系数更新方法，包括如下步骤：

步骤1：将k时刻的滤波器W(k)的长度等分为M段；其中M为大于1的整数。

获取当前时刻k总长度为N的滤波器W(k)并等分为M段，则该滤波器系数可表示为W(k)＝[W₁(k)，W₂(k)，…，W_M(k)]，每个分段长度为N₁＝N/M，则第i段滤波器系数可表示为W_i(k)＝[W_iN/M(k)，W_(iN/M)+1(k)，…，W_((i+1)N/M)-1(k)]，其中1≤i≤M，且i为整数。

步骤2：求取每段滤波器的系数的二次范数；

利用活跃系数幅值远大于非活跃系数的特性，通过二次范数以非线性方式突出活跃系数，可有效区分活跃系数与非活跃系数，提高活跃系数定位精度。因此，本发明先对每段滤波器的系数求取二次范数，组成新序列其中，二次范数定义为 $\left|\right|W_M\left(k\right)|{|}_2^2=W_M\left(k\right)W_M^T\left(k\right).$

步骤3：将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器的二次范数进行累加以获得最大累加值。

将长度为L的矩形窗在A(k)序列上移动，其中N₁<L<N，即该矩形窗包含了L个滤波器分段；矩形窗每移动一个位置，均对窗口内所有滤波器分段的二次范数进行累加，其累加值可记为：

$\mathrm{\&Gamma;}\left(j\right)=\underset{i=j}{\overset{i=j+L-1}{\&Sigma;}}\left|\right|W_i\left(k\right)|{|}_2^2,$ 1≤j≤(M-L+1)

式中，j为矩形窗首位置在A(k)上的坐标。

步骤4：以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)。

根据稀疏性，活跃系数在时域聚集，且其幅值远大于非活跃系数，因此，以最大累加值对应的窗口位置为活跃系数位置。设活跃系数位置包含的首块滤波器分段序号为b，则

$b=\arg \underset{1\&le;j\&le;(N-L+1)}{\max }\left(\mathrm{\&Gamma;}\right(j\left)\right)$

则活跃系数分段可确定为：

W_a(k)＝[W_b(k),W_b+1(k),…,W_b+L-1(k)]

如设N＝1024、M＝8、L＝3，可得活跃系数分段为W_a(k)＝[W₅(k),W₆(k),W₇(k)]、非活跃系数分段为W_n-a(k)＝[W₁(k),W₂(k),W₃(k),W₄(k),W₈(k)]。

步骤4A：将k时刻的输入信号X(k)等分成M段，且将输入信号亦对应地分为输入信号活跃系数分段X_a(k)和输入信号非活跃系数分段X_n-a(k)，并代入滤波器系数更新公式对滤波器系数进行更新。

步骤5：对滤波器系数进行迭代更新，且每次迭代时更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k)，以获得下一时刻k+1的滤波器系数。

当声学信道发生剧变时，特别是活跃系数在时域发生大幅度的位移时，仅对活跃系数分段W_a(k)进行自适应算法将无法跟踪声学信道的突变，为使算法具备快速跟踪能力，必须再循环更新一段非活跃系数。

具体的，迭代时从W_n-a(k)中循环提取一段滤波器分段并记为W_i(k)；对应地，从X_n-a(k)中循环提取一段输入信号分段并记为X_i(k)；则滤波器系数更新方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W_a(k+1)=W_a\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_a\left(k\right)/\left(\right|\left|X_a\right(k)|{|}_2^2+|\left|X_i\left(k\right)\right|{|}_2^2);$

$W_i(k+1)=W_i\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_i\left(k\right)/\left(\right|\left|X_a\right(k)|{|}_2^2+|\left|X_i\left(k\right)\right|{|}_2^2);$

其中，μ为收敛因子，取值范围为0<μ<1；X(k)为输入信号，为输入信号序列X(k)的二次范数，d(k)为回声信号，e(k)为输出信号。

下面举个具体的例子来说明上述更新方程：请参阅图4，其是与冲激序列位置相对应的滤波器活跃系数分段位置坐标图。假设活跃系数分段位置已知为W_a(k)＝[W₅(k)W₆(k)]，则每次迭代均更新W_a(k)与循环更新一段W_i(k)，即每次迭代，依次更新以下滤波器分段：第一次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₁(k)；第二次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₂(k)；第三次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₃(k)；第四次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₄(k)；第五次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₇(k)；第六次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₈(k)。

本发明提出的系数更新算法，只需要进行6次迭代即可完成对滤波器全部系数的更新。在6次迭代中活跃系数更新6次，非活跃系数只更新1次。可见，本发明提出的自适应滤波器系数更新方法中，活跃系数的更新频率为1，非活跃系数的更新频率降为1/(M-L)，通过降低非活跃系数更新频率以降低滤波器有效长度，进而最终达到加快收敛速度、降低计算复杂度的目的

相比于现有技术，本发明提出的自适应滤波器系数更新方法利用声学传播信道的稀疏性，在滤波器内通过移动窗积分法对信道进行延时估计以定位活跃系数位置，并通过精确辨识全部活跃系数完成声学传播信道的自适应辨识。进一步地，在每次迭代时更新滤波器的全部活跃系数，使得活跃系数更新频率得到提高，进而加快系统收敛速度；通过循环更新一段非活跃系数以降低非活跃系数更新频率，进而降低滤波器有效长度；同时，非活跃系数仍能获得一定的更新频率，从而确保了系统的跟踪能力。本发明提出的自适应滤波器系数更新方法可大幅降低滤波器有效长度，提高系统收敛速度，降低了算法复杂度。进一步地，本发明提出的滤波系数更新方法用一个滤波器完成延时估计与活跃系数辨识，可有效避免双滤波器结构信息冗余的缺陷、节省计算复杂度。与传统的NLMS算法相比，新算法可大幅降低滤波器有效长度，提高系统收敛速度，降低了计算复杂度。

请参阅图5，其是本发明自适应滤波的系数更新装置的模块图。本发明同时还提供一种自适应滤波的系数更新装置，包括滤波器，所述滤波器包括：

——滤波器分段模块，用于将k时刻的滤波器W(k)的长度等分为M段；

——二次范数获取模块，用于求取每段滤波器系数的二次范数；

——最大累加值获取模块，用于将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；其中M为大于1的整数；

——滤波器活跃系数分段和非活跃系数分段获取模块，用于以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)；

——滤波器系数更新模块，用于对滤波器系数进行迭代更新，且每次迭代时用于更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k),以获得下一时刻k+1的滤波器系数。

所述滤波器分段模块获取当前时刻k总长度为N的滤波器W(k)并等分为M段，则该滤波器系数可表示为W(k)＝[W₁(k)，W₂(k)，…，W_M(k)]，每个分段长度为N₁＝N/M，则第i段滤波器系数可表示为W_i(k)＝[W_iN/M(k)，W_(iN/M)+1(k)，…，W_((i+1)N/M)-1(k)]，其中1≤i≤M，且i为整数。

利用活跃系数幅值远大于非活跃系数的特性，通过二次范数以非线性方式突出活跃系数，可有效区分活跃系数与非活跃系数，提高活跃系数定位精度。因此，本发明通过所述二次范数获取模块对每段滤波器的系数求取二次范数，将求取的二次范数组成新序列 $A\left(k\right)=\&lsqb;\left|\right|W_1\left(k\right)|{|}_2^2,|\left|W_2\left(k\right)\right|{|}_2^2,...,\left|\right|W_M\left(k\right)|{|}_2^2\&rsqb;,$ 其中，二次范数定义为 $\left|\right|W_M\left(k\right)|{|}_2^2=W_M\left(k\right)W_M^T\left(k\right).$

所述最大累加值获取模块用于将长度为L的矩形窗在A(k)序列上移动，其中N₁<L<N，即该矩形窗包含了L个滤波器分段；矩形窗每移动一个位置，均对窗口内所有滤波器分段的二次范数进行累加，其累加值可记为：

$\mathrm{\&Gamma;}\left(j\right)=\underset{i=j}{\overset{i=j+L-1}{\&Sigma;}}\left|\right|W_i\left(k\right)|{|}_2^2,$ 1≤j≤(M-L+1)

式中，j为矩形窗首位置在A(k)上的坐标。

根据稀疏性，活跃系数在时域聚集，且其幅值远大于非活跃系数。因此所述滤波器活跃系数分段和非活跃系数分段获取模块因此，以最大累加值对应的窗口位置为活跃系数位置。设活跃系数位置包含的首块滤波器分段序号为b，则

$b=\arg \underset{1\&le;j\&le;(N-L+1)}{\max }\left(\mathrm{\&Gamma;}\right(j\left)\right)$

则活跃系数分段可确定为：

W_a(k)＝[W_b(k),W_b+1(k),…,W_b+L-1(k)]

如设N＝1024、M＝8、L＝3，可得活跃系数分段为W_a(k)＝[W₅(k),W₆(k),W₇(k)]、非活跃系数分段为W_n-a(k)＝[W₁(k),W₂(k),W₃(k),W₄(k),W₈(k)]。

本发明提供的自适应滤波的系数更新装置进一步还包括输入信号处理模块，所述输入信号处理模块包括输入信号分段模块、以及输入信号活跃系数分段和非活跃系数分段获取模块。所述输入信号分段模块用于将k时刻的输入信号X(k)等分成M段；所述输入信号活跃系数分段和非活跃系数分段获取模块用于将输入信号也分为输入信号活跃系数分段X_a(k)和输入信号非活跃系数分段X_n-a(k)，并代入滤波器系数更新公式对滤波器系数进行更新。

当声学信道发生剧变时，特别是活跃系数在时域发生大幅度的位移时，仅对活跃系数分段W_a(k)进行自适应算法将无法跟踪声学信道的突变，为使算法具备快速跟踪能力，必须再循环更新一段非活跃系数。

具体的，迭代时从W_n-a(k)中循环提取一段滤波器分段并记为W_i(k)；对应地，从X_n-a(k)中循环提取一段输入信号分段并记为X_i(k)；所述滤波器系数更新模块提供的滤波器系数更新方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W_a(k+1)=W_a\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_a\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

$W_i(k+1)=W_i\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_i\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

下面举个具体的例子来说明上述更新方程：假设活跃系数分段位置已知为W_a(k)＝[W₅(k)W₆(k)]，则每次迭代均更新W_a(k)与循环更新一段W_i(k)，即每次迭代，依次更新以下滤波器分段：第一次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₁(k)；第二次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₂(k)；第三次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₃(k)；第四次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₄(k)；第五次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₇(k)；第六次迭代时，更新W_a(k)＝[W₅(k)W₆(k)]与W₈(k)。

本发明提出的系数更新算法，只需要进行6次迭代即可完成对滤波器全部系数的更新。在6次迭代中活跃系数更新6次，非活跃系数只更新1次。可见，本发明提出的自适应滤波器系数更新方法中，活跃系数的更新频率为1，非活跃系数的更新频率降为1/(M-L)，通过降低非活跃系数更新频率以降低滤波器有效长度，进而最终达到加快收敛速度、降低计算复杂度的目的

相比于现有技术，本发明提出的自适应滤波器系数更新方法利用声学传播信道的稀疏性，在滤波器内通过移动窗积分法对信道进行延时估计以定位活跃系数位置，并通过精确辨识全部活跃系数完成声学传播信道的自适应辨识。进一步地，在每次迭代时更新滤波器的全部活跃系数，使得活跃系数更新频率得到提高，进而加快系统收敛速度；通过循环更新一段非活跃系数以降低非活跃系数更新频率，进而降低滤波器有效长度；同时，非活跃系数仍能获得一定的更新频率，从而确保了系统的跟踪能力。本发明提出的自适应滤波器系数更新方法可大幅降低滤波器有效长度，提高系统收敛速度，降低了算法复杂度。进一步地，本发明提出的滤波系数更新方法用一个滤波器完成延时估计与活跃系数辨识，可有效避免双滤波器结构信息冗余的缺陷、节省计算复杂度。与传统的NLMS算法相比，新算法可大幅降低滤波器有效长度，提高系统收敛速度，降低了计算复杂度。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。

Claims (8)

1.一种自适应滤波的系数更新方法，其特征在于：包括如下步骤：

步骤1：将k时刻的滤波器W(k)的长度等分为M段；其中M为大于1的整数；

步骤2：求取每段滤波器的系数的二次范数；

步骤3：将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；

步骤4：以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)；

步骤5：对滤波器系数进行迭代更新，且每次迭代时更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k)，以获得下一时刻k+1的滤波器系数。

2.根据权利要求1所述的自适应滤波的系数更新方法，其特征在于：在步骤3中，获得每段滤波器系数的二次范数并组成新序列，将长度为L的矩形窗在该新序列上移动，每移动一个位置，都对窗口内各分段滤波器系数的二次范数进行累加，以获得最大累加值；其中L为大于1的整数。

3.根据权利要求1所述的自适应滤波的系数更新方法，其特征在于：在步骤4与步骤5之间，还包括步骤4A：将k时刻的输入信号X(k)等分成M段，且将输入信号亦对应地分为输入信号活跃系数分段X_a(k)和输入信号非活跃系数分段X_n-a(k)，并代入滤波器系数更新公式对滤波器系数进行更新。

4.根据权利要求3所述的自适应滤波的系数更新方法，其特征在于：在步骤4中，滤波器系数迭代更新的方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W_a(k+1)=W_a\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_a\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

$W_i(k+1)=W_i\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_i\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

其中，μ为收敛因子，取值范围为0<μ<1；X(k)为输入信号，为输入信号序列X(k)的二次范数，d(k)为回声信号，e(k)为输出信号；W_i(k)为从W_n-a(k)中循环提取的一段滤波器分段；对应地，X_i(k)为从X_n-a(k)中循环提取的一段输入信号分段。

5.一种自适应滤波的系数更新装置，其特征在于：包括滤波器，所述滤波器包括：

——滤波器分段模块，用于将k时刻的滤波器W(k)的长度等分为M段；

——二次范数获取模块，用于求取每段滤波器系数的二次范数；

——最大累加值获取模块，用于将一矩形窗在该M段滤波器上移动，对窗口内的各分段滤波器系数的二次范数进行累加以获得最大累加值；其中M为大于1的整数；

——滤波器活跃系数分段和非活跃系数分段获取模块，用于以最大累加值所在窗口内的各滤波器分段作为滤波器活跃系数分段W_a(k)，其余滤波器分段则为非活跃系数分段W_n-a(k)；

——滤波器系数更新模块，用于对滤波器系数进行迭代更新，且每次迭代时用于更新滤波器的全部活跃系数分段W_a(k)并循环更新一段非活跃系数分段W_n-a(k),以获得下一时刻k+1的滤波器系数。

6.根据权利要求5所述的自适应滤波的系数更新装置，其特征在于：所述最大累加值获取模块还进一步用于获得每段滤波器系数的二次范数并组成新序列，将长度为L的矩形窗在该新序列上移动，每移动一个位置，都对窗口内各分段滤波器系数的二次范数进行累加，以获得最大累加值；其中L为大于1的整数。

7.根据权利要求5所述的自适应滤波的系数更新装置，其特征在于：还包括输入信号处理模块；所述输入信号处理模块包括输入信号分段模块、以及输入信号活跃系数分段和非活跃系数分段获取模块；所述输入信号分段模块用于将k时刻的输入信号X(k)等分成M段；所述输入信号活跃系数分段和非活跃系数分段获取模块用于将输入信号也分为输入信号活跃系数分段X_a(k)和输入信号非活跃系数分段X_n-a(k)，并代入滤波器系数更新公式对滤波器系数进行更新。

8.根据权利要求7所述的自适应滤波的系数更新装置，其特征在于：所述滤波器系数更新模块对滤波器系数迭代更新的方程为：

e(k)＝d(k)-W(k)X^T(k)；

$W_a(k+1)=W_a\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_a\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

$W_i(k+1)=W_i\left(k\right)+\mathrm{\&mu;}e\left(k\right)X_i\left(k\right)/\left(\right|\left|X_a\right(k\left)\right|{|}_2^2+\left|\right|X_i\left(k\right)\left|{|}_2^2\right);$

其中，μ为收敛因子，取值范围为0<μ<1；X(k)为输入信号，为输入信号序列X(k)的二次范数，d(k)为回声信号，e(k)为输出信号；W_i(k)为从X_n-a(k)中循环提取的一段滤波器分段；对应地，X_i(k)为从X_n-a(k)中循环提取的一段输入信号分段。