CN105721729B - 基于块稀疏成比例重用权系数仿射投影的回声消除方法 - Google Patents

Abstract

一种基于块稀疏成比例重用权系数仿射投影的回声消除方法，其步骤主要是：A、远端信号滤波,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)；B、回声抵消,将近端麦克风拾取到当前时刻带回声的近端信号d(n)与滤波器输出值y(n)相减后的误差为残差信号e(n)，e(n)＝d(n)‑y(n)，并送回给远端；C、滤波器抽头权向量更新；D、令n＝n+1,重复A、B、C的步骤,直至通话结束。该方法对稀疏系统的语音通信的回声消除能力强，收敛速度快，稳态误差小；回声消除效果好。

Description

基于块稀疏成比例重用权系数仿射投影的回声消除方法

技术领域

本发明属于通信的自适应回声对消技术领域。

背景技术

随着科技的发展，多功能多种类的通信应用一直层出不穷，用户在享受着便利的同时也会遇到通信中的回声问题所带来的困扰。根据回声产生的机理，回声可以分为声学回声和电学回声。电学回声通常比较小，因此，当前回声消除研究的重点已转向了声学回声消除。通信过程中，声学回声产生的机理是远端说话人的声音在近端扬声器播放出来后又被麦克风接受又传播到远端的说话人，使之又听到了自己的声音，从而形成了声学上的回声。声学回声会让通信用户觉得非常不适应，严重时还会影响通话质量。因此，如何采取有效的方法来消除声学回声成为了信号处理领域热门课题之一。回声消除技术的难点主要是由于要消除的电声反馈信号中有大量通过室内反射声途径产生的电声反馈，它们是无限多的、连续不断的、无规则延时的、来自各个方向的反射声信号。一般说来，在已投入使用的回声抑制器中或仍在研究、开发的相关技术中，均采取了适当的自适应辨识方案来消除回声。

在处理语音信号时，仿射投影技术(APA)算法可看作归一化最小均方算法(NLMS)算法的时域扩展，仿射投影技术(APA)比传统的NLMS算法具有更快的收敛速度，但APA的稳态误差性能变差，在高噪声下，APA的估计波动极大。针对上述问题，Clark和Shynk均提出对输入数据序列通过串-并变换器被分成L点的块，而且这样产生的输入数据块被一次一块地加到长度为M的有限冲击响应(FIR)滤波器。在收集到每一块数据样值后，进行滤波器抽头权值的更新，使得滤波器的自适应一块一块地进行，而不是像传统LMS滤波器那样一个样值的进行，减少计算复杂性。基于此基础上，之后又有许多新的有效算法被提出。但是，通信中的大多数回声信道都是稀疏信道，这种稀疏信道的脉冲响应大多很小，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慢，稳态误差大。针对这种情况引入成比例滤波器，可以提高算法的收敛速度。目前，回声消除应用中，性能较好的算法有：

(1)基于重用权系数的仿射投影回声消除方法

参考文献“A noise-resilient affine projection algorithm and itsconvergence analysis”(Seong-Eun Kim,Signal Processing,vol.121,pp.94–101,2016)该方法将重用权系数方法引入仿射投影算法，提高了自适应滤波器的收敛速度和跟踪性能。但是，由于在稀疏系统下该算法没有利用稀疏系统的特性，因此仍表现出收敛速度慢的缺陷。

(2)基于块稀疏的成比例仿射投影回声消除方法

参考文献“Proportionate Adaptive Filtering for Block-sparse SystemIdentification”(IEEE/ACM Transactions on Audio,Speech,and LanguageProcessing，Vol.24,pp.623-630,April.2016)该算法将块稀疏算法引入仿射投影算法。在块稀疏系统中，该方法具有较快的收敛速度和较小的稳态误差。然而，在低信噪比系统下，由于没有使用重用权系数方法去消除高噪声对系统的影响，该方法的收敛速度仍然较慢。

发明内容

本发明的目的就是提供一种基于块稀疏成比例的重用权系数仿射投影方法。该方法对回声消除效果好，收敛速度快，稳态误差小。

本发明实现其发明目的所采用的技术方案是，一种基于块稀疏成比例的重用权系数仿射投影方法，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当前时刻n的远端信号离散值x(n)，远端信号离散值x(n)在n到n-L+1时刻的值x(n),x(n-1),...,x(n-L+1)构成当前时刻n的滤波器输入向量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、将滤波器当前时刻n的输入向量X(n)通过自适应滤波器得到当前时刻n的滤波器输出值y(n)，y(n)＝X^T(n)w(n)；其中w(n)为自适应回声消除滤波器当前时刻n的抽头权系数向量，w(n)＝[w₁(n),w₂(n),...w_l(n),...,w_L(n)]^T，其长度为L,初始值为零向量，w_l(n)为抽头权系数向量w(n)中的第l个元素；

将n到n-M+1时刻的滤波器输出值y(n)进行平滑，得到当前时刻n的滤波器输出平滑值M为重用权向量的个数，其取值为2，4，6；

B、回声抵消

将近端麦克风拾取到的当前时刻n的带回声的近端信号d(n)与当前时刻n的滤波器输出平滑值的差值，作为当前时刻n的残差信号 并送回给远端；

C、滤波器抽头权向量更新

C1、残差向量的组成：将时刻n到时刻n-K+1的残差信号组成当前时刻n的残差向量

C2、欧几里德2，1范数的计算：将A2步的当前时刻n的抽头权系数向量w(n)均分成I＝L/P个分组，每组的抽头权系数个数为P，得到当前时刻n第i组抽头权系数向量w_[i](n),w_[i](n)＝[w_((i-1)P+1),w_((i-1)P+2),...w_((i-1)P+p),...,w_((i-1)P+P)]，进而得到当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂，其中，p为第i组抽头权系数向量中的元素w_((i-1)P+p)的序号，p＝1,2,...,P；

C3、欧几里德范数的修定：求出各组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂与抽头权系数设定阈值q间的最大值，将该最大值与设定加权系数ρ的积作为当前时刻n的范数下限值λ(n)，λ(n)＝ρmax{q,||w_[1](n)||₂,||w_[2](n)||₂,...,||w_[i](n)||,...,||w_[I](n)||₂}，其中，max表示取最大值运算，加权系数ρ的取值为0.01-0.05；

再由下式得出当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数修定值γ_i(n)，

γ_i(n)＝max{λ(n),||w_[i](n)||₂}，

C4、成比例矩阵的计算：

由下式算出当前时刻n第i组抽头权系数向量w_[i](n)的范数归一化值γ'_i(n)，

将当前时刻n各组抽头权系数向量w_[i](n)的范数归一化值由下式扩展组成抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)，

Γ(n)＝[γ'₁(n)·1_P,γ'₂(n)·1_P,..γ'_i(n)·1_P.,γ'_I(n)·1_P]^T，式中，1_P表示长度为P的元素全为一的行向量，·表示向量的点乘；

再由当前时刻n的抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)和当前时刻n的滤波器输入向量X(n)，算出当前时刻n的成比例矩阵G(n)，

G(n)＝[Γ(n)⊙X(n),G_-1(n)]

其中，⊙表示两个矩阵的各个元素相乘，G_-1(n)表示n-1时刻成比例矩阵的前K-1列，初始时为零矩阵；

C5、滤波器抽头权向量更新

将A1步的当前时刻n和前K-1个时刻的滤波器输入向量X(n),X(n-1),...,X(n-K+1)组合，得到滤波器仿射投影输入向量U(n),U(n)＝[X(n),X(n-1)...X(n-K+1)],其中K代表仿射投影阶数，K＝4,8,16；

计算下一时刻n+1的自适应回声消除滤波器的抽头权系数向量w(n+1)；

其中，μ为自适应滤波器的步长，其取值范围为0＜μ＜2，δ为防止矩阵求逆计算困难的常数，其取值为0.001～0.01，I_K为K×K的单位矩阵；

D、令n＝n+1,重复A、B、C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：

一、本发明引入重用权系数仿射投影方法,通过对前M个时刻的滤波器输出值进行平滑处理作为当前时刻滤波器输出值，对相关信号的解相关作用强，增强了对信号的抗干扰能力，其收敛速度快，稳态误差小，回声消除效果好。

二、权系数更新时，通过对当前滤波器抽头权系数向量进行分组，即分块投影计算各块抽头权系数向量的当前时刻成比例值，再和当前时刻滤波器输出值相乘，修正得到下一时刻滤波器抽头权系数向量更新值。通过这样块稀疏成比例仿射投影算法，使滤波器能够更快速、准确的跟踪非零信号集中成块(块稀疏)的声音通信信号，也使其收敛速度快，稳态误差小，回声消除效果好。

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是本发明仿真实验的块稀疏信道图。

图2和图3分别是文献1、文献2和本发明在一阶相关信号为输入信号时仿真实验的归一化稳态失调曲线。

实施例

本发明的一种具体实施方式是，一种基于块稀疏成比例重用权系数仿射投影的回声消除方法，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当前时刻n的远端信号离散值x(n)，远端信号离散值x(n)在n到n-L+1时刻的值x(n),x(n-1),...,x(n-L+1)构成当前时刻n的滤波器输入向量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、将滤波器当前时刻n的输入向量X(n)通过自适应滤波器得到当前时刻n的滤波器输出值y(n)，y(n)＝X^T(n)w(n)；其中w(n)为自适应回声消除滤波器当前时刻n的抽头权系数向量，w(n)＝[w₁(n),w₂(n),...w_l(n),...,w_L(n)]^T，其长度为L,初始值为零向量，w_l(n)为抽头权系数向量w(n)中的第l个元素；

将n到n-M+1时刻的滤波器输出值y(n)进行平滑，得到当前时刻n的滤波器输出平滑值M为重用权向量的个数，其取值为2，4，6；

B、回声抵消

将近端麦克风拾取到的当前时刻n的带回声的近端信号d(n)与当前时刻n的滤波器输出平滑值的差值，作为当前时刻n的残差信号 并送回给远端；

C、滤波器抽头权向量更新

C1、残差向量的组成：将时刻n到时刻n-K+1的残差信号组成当前时刻n的残差向量

C2、欧几里德2，1范数的计算：将A2步的当前时刻n的抽头权系数向量w(n)均分成I＝L/P个分组，每组的抽头权系数个数为P，得到当前时刻n第i组抽头权系数向量w_[i](n),w_[i](n)＝[w_((i-1)P+1),w_((i-1)P+2),...w_((i-1)P+p),...,w_((i-1)P+P)]，进而得到当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂，其中，p为第i组抽头权系数向量中的元素w_((i-1)P+p)的序号，p＝1,2,...,P；

C3、欧几里德范数的修定：求出各组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂与抽头权系数设定阈值q间的最大值，将该最大值与设定加权系数ρ的积作为当前时刻n的范数下限值λ(n)，λ(n)＝ρmax{q,||w_[1](n)||₂,||w_[2](n)||₂,...,||w_[i](n)||,...,||w_[I](n)||₂}，其中，max表示取最大值运算，加权系数ρ的取值为0.01-0.05；

再由下式得出当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数修定值γ_i(n)，

γ_i(n)＝max{λ(n),||w_[i](n)||₂}，

C4、成比例矩阵的计算：

由下式算出当前时刻n第i组抽头权系数向量w_[i](n)的范数归一化值γ'_i(n)，

将当前时刻n各组抽头权系数向量w_[i](n)的范数归一化值由下式扩展组成抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)，

Γ(n)＝[γ'₁(n)·1_P,γ'₂(n)·1_P,..γ'_i(n)·1_P.,γ'_I(n)·1_P]^T，式中，1_P表示长度为P的元素全为一的行向量，·表示向量的点乘；

再由当前时刻n的抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)和当前时刻n的滤波器输入向量X(n)，算出当前时刻n的成比例矩阵G(n)，

G(n)＝[Γ(n)⊙X(n),G_-1(n)]

其中，⊙表示两个矩阵的各个元素相乘，G_-1(n)表示n-1时刻成比例矩阵的前K-1列，初始时为零矩阵；

C5、滤波器抽头权向量更新

将A1步的当前时刻n和前K-1个时刻的滤波器输入向量X(n),X(n-1),...,X(n-K+1)组合，得到滤波器仿射投影输入向量U(n),U(n)＝[X(n),X(n-1)...X(n-K+1)],其中K代表仿射投影阶数，K＝4,8,16；

计算下一时刻n+1的自适应回声消除滤波器的抽头权系数向量w(n+1)；

其中，μ为自适应滤波器的步长，其取值范围为0＜μ＜2，δ为防止矩阵求逆计算困难的常数，其取值为0.001～0.01，I_K为K×K的单位矩阵；

D、令n＝n+1,重复A、B、C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，并与文献2和文献3提出的算法进行了对比。

仿真实验的远端信号x(n)为极点为0.8的一阶自回归(AR(1))有色信号。回声信道脉冲响应在高2.5m，宽3.75m，长6.25m，温度20℃，湿度50％的安静密闭房间内获得，脉冲响应长度即滤波器抽头数L＝512。实验的背景噪声为高斯白噪声，信噪比为10dB。

实验中各算法的参数具体取值如下表：

表1实验各算法的最优参数近似取值

图1是实验用的安静密闭房间构成的通信系统的块稀疏信道图。图2是实验中远端信号图。图3是文献1，文献2和本发明的实验的归一化稳态失调曲线。

由图3可以看出，本发明对相关信号具有很好的稳定性，与文献1、2相比，文献一在4000采样时刻附近收敛，稳态误差为-8dB。文献二在3300采样时刻附近收敛，稳态误差为-10dB。本发明在3000采样时刻附近收敛，稳态误差为-13dB。可见，本发明稳态误差小，收敛速度快。

Claims (1)

1.一种基于块稀疏成比例重用权系数仿射投影的回声消除方法，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当前时刻n的远端信号离散值x(n)，远端信号离散值x(n)在n到n-L+1时刻的值x(n),x(n-1),...,x(n-L+1)构成当前时刻n的滤波器输入向量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、将滤波器当前时刻n的输入向量X(n)通过自适应滤波器得到当前时刻n的滤波器输出值y(n)，y(n)＝X^T(n)w(n)；其中w(n)为自适应回声消除滤波器当前时刻n的抽头权系数向量，w(n)＝[w₁(n),w₂(n),...w_l(n),...,w_L(n)]^T，其长度为L,初始值为零向量，w_l(n)为抽头权系数向量w(n)中的第l个元素；

将n到n-M+1时刻的滤波器输出值y(n)进行平滑，得到当前时刻n的滤波器输出平滑值 M为重用权向量的个数，其取值为2，4，6；

A3、将当前时刻n和前K-1个时刻的滤波器输入向量X(n),X(n-1),...,X(n-K+1)组合，得到滤波器仿射投影输入向量U(n),U(n)＝[X(n),X(n-1)...X(n-K+1)],其中K代表仿射投影阶数，K＝4,8,16；

B、回声抵消

将近端麦克风拾取到的当前时刻n的带回声的近端信号d(n)与当前时刻n的滤波器输出平滑值的差值，作为当前时刻n的残差信号 并送回给远端；

C、滤波器抽头权向量更新

C1、残差向量的组成：将时刻n到时刻n-K+1的残差信号组成当前时刻n的残差向量

C2、欧几里德2，1范数的计算：将A2步的当前时刻n的抽头权系数向量w(n)均分成I＝L/P个分组，每组的抽头权系数个数为P，得到当前时刻n第i组抽头权系数向量w_[i](n),w_[i](n)＝[w_((i-1)P+1),w_((i-1)P+2),...w_((i-1)P+p),...,w_((i-1)P+P)]，进而得到当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂，其中，p为第i组抽头权系数向量中的元素w_((i-1)P+p)的序号，p＝1,2,...,P；

C3、欧几里德范数的修定：求出各组抽头权系数向量w_[i](n)的欧几里德2，1范数||w_[i](n)||₂与抽头权系数设定阈值q间的最大值，将该最大值与设定加权系数ρ的积作为当前时刻n的范数下限值λ(n)，λ(n)＝ρmax{q,||w_[1](n)||₂,||w_[2](n)||₂,...,||w_[i](n)||,...,||w_[I](n)||₂}，其中，max表示取最大值运算，加权系数ρ的取值为0.01-0.05；

再由下式得出当前时刻n第i组抽头权系数向量w_[i](n)的欧几里德2，1范数修定值γ_i(n)，

γ_i(n)＝max{λ(n),||w_[i](n)||₂}，

C4、成比例矩阵的计算：

由下式算出当前时刻n第i组抽头权系数向量w_[i](n)的范数归一化值γ'_i(n)，

将当前时刻n各组抽头权系数向量w_[i](n)的范数归一化值由下式扩展组成抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)，

Γ(n)＝[γ'₁(n)·1_P,γ'₂(n)·1_P,..γ'_i(n)·1_P.,γ'_I(n)·1_P]^T，式中，1_P表示长度为P的元素全为一的行向量，·表示向量的点乘；

再由当前时刻n的抽头权系数向量w_[i](n)的范数归一化值矩阵Γ(n)和当前时刻n的滤波器输入向量X(n)，算出当前时刻n的成比例矩阵G(n)，

G(n)＝[Γ(n)⊙X(n),G_-1(n)]

其中，⊙表示两个矩阵的各个元素相乘，G_-1(n)表示n-1时刻成比例矩阵的前K-1列，初始时为零矩阵；

C5、滤波器抽头权向量更新

计算下一时刻n+1的自适应回声消除滤波器的抽头权系数向量w(n+1)；

其中，μ为自适应滤波器的步长，其取值范围为0＜μ＜2，δ为防止矩阵求逆计算困难的常数，其取值为0.001～0.01，I_K为K×K的单位矩阵；

D、令n＝n+1,重复A、B、C的步骤,直至通话结束。