CN105957534B - 自适应滤波方法和自适应滤波器 - Google Patents
自适应滤波方法和自适应滤波器 Download PDFInfo
- Publication number
- CN105957534B CN105957534B CN201610493493.6A CN201610493493A CN105957534B CN 105957534 B CN105957534 B CN 105957534B CN 201610493493 A CN201610493493 A CN 201610493493A CN 105957534 B CN105957534 B CN 105957534B
- Authority
- CN
- China
- Prior art keywords
- filter
- filter coefficient
- item
- frequency domain
- voice signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000001914 filtration Methods 0.000 claims description 10
- 230000021615 conjugation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 230000005236 sound signal Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006854 communication Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
本申请公开了自适应滤波方法和自适应滤波器。该方法的一具体实施方式包括:自适应滤波器接收输入的语音信号;对语音信号进行滤波;根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项;基于第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。实现了将语音失真程度作为滤波器系数迭代更新的约束条件,使得自适应滤波器在正常工作的同时,兼顾语音失真程度,限制语音信号失真的大小。从而在确保语音信号增强的同时降低语音失真程度,进而消除在语音识别过程中,因语音信号过度失真而对语音识别效果的影响。
Description
技术领域
本申请涉及计算机领域,具体涉及语音信号处理领域,尤其涉及自适应滤波方法和自适应滤波器。
背景技术
自适应滤波器被广泛应用于语音识别系统中。例如,在远场语音识别系统中,可利用自适应滤波器消除远场语音信号中的噪声、混响等干扰,改善语音质量,提高语音识别系统的识别性能。自适应滤波器根据特定准则,实时更新滤波器系数,自动连续的工作于某个给定的输入信号,得到期望输出。目前,自适应滤波器通常采用的更新滤波器系数的方式为:以整个误差信号作为参数,对滤波器系数进行更新。
然而,当采用上述自适应滤波器进行滤波时,在消除语音信号中的干扰分量的同时,也损伤了语音信号本身,造成有效语音信号产生了失真。语音失真的结果使得语音信号与语音识别模型不匹配,导致语音识别率下降。
发明内容
本申请提供了自适应滤波方法和自适应滤波器,用于解决上述背景技术部分存在的技术问题。
第一方面,本申请提供了自适应滤波方法,该方法包括:自适应滤波器接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;对所述语音信号进行滤波;根据所述噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,所述第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
第二方面,本申请提供了自适应滤波器,该自适应滤波器包括:输入单元,配置用于接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;滤波单元,配置用于对所述语音信号进行滤波;构建单元,配置用于根据所述噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,所述第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;更新单元,配置用于基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
本申请提供的自适应滤波方法和自适应滤波器,通过自适应滤波器接收输入的语音信号;对语音信号进行滤波;根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项;基于第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。实现了将语音失真程度作为滤波器系数迭代更新的约束条件,使得自适应滤波器在正常工作的同时,兼顾语音失真程度,限制语音信号失真的大小。从而在确保语音信号增强的同时降低语音失真程度,进而消除在语音识别过程中,因语音信号过度失真而对语音识别效果的影响。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了根据本申请的自适应滤波方法的一个实施例的流程图;
图2示出了根据本申请的自适应滤波方法的另一个实施例的流程图;
图3示出了根据本申请的自适应滤波器的一个实施例的结构示意图;
图4是适于用来实现本申请实施例的自适应滤波器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了根据本申请的自适应滤波方法的一个实施例的流程100。该方法包括以下步骤:
步骤101,自适应滤波器接收输入的语音信号。
在本实施例中,可以由自适应滤波方法运行在的终端上的输入设备(例如麦克风)接收用户输入的语音信号。用户输入的语音信号包括:噪声分量、语音分量。
步骤102,对语音信号进行滤波。
在本实施例中,在通过步骤101接收输入的语音信号之后,可以利用自适应滤波器对接收到的语音信号进行滤波,滤除语音信号中的噪声。
步骤103,根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项。
在本实施例中,可以根据输入的语音信号中的噪声分量和语音分量,分别构建出第一滤波器系数更新影响项和第二滤波器系数更新影响项。第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响。
步骤104,基于第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
在本实施例中,在通过步骤103根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项之后,可以利用构建出的第一滤波器系数更新影响项和第二滤波器系数更新影响项构建出自适应滤波器的滤波器系数更新公式。然后,可以利用该滤波器系数更新公式对滤波器系数进行更新。
在本实施例中,通过包含第一滤波器系数更新影响项和第二滤波器系数更新影响项构建出自适应滤波器的滤波器系数更新公式对自适应滤波器的滤波器系数进行更新,从而将语音失真和噪声对滤波器的系数的更新过程的影响进行量化,使得语音失真和噪声对滤波器的更新过程的影响分别对应滤波器的系数更新公式中的一项,共同决定滤波器的系数的更新过程。进而可以根据语音失真程度对自适应滤波系数更新的过程进行调整。
由于将语音失真程度作为滤波器迭代更新的约束条件,使得自适应滤波器在正常工作的同时,兼顾语音失真程度,限制语音信号失真的大小。从而既能够保证滤波器正常工作,消除干扰信号,又能够限制语音信号的失真程度,保证语音信号增强的同时语音失真程度最低,防止语音信号过度失真而影响识别性能。
请参考图2,其示出了根据本申请的自适应滤波方法的另一个实施例的流程200。该方法包括以下步骤:
步骤201,自适应滤波器接收输入的语音信号。
在本实施例中,语音信号包括:噪声分量、语音分量。
步骤202,对语音信号进行滤波。
步骤203,根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项。
步骤204,采用包含第一滤波器系数更新影响项和第二滤波器系数更新影响项的滤波器系数更新公式更新滤波器系数。
在本实施例中,可以采用以下时域滤波器系数更新公式对自适应滤波器的滤波器系数进行更新:
w(n+1)=w(n)+2μ(en(n)xn(n)-αes(n)xs(n));
其中,w(n)表示在时域中接收输入的第n个语音信号时自适应滤波器的滤波器系数矩阵,w(n+1)表示在时域中接收输入的第n个语音信号,对自适应滤波器的滤波器系数更新后的滤波器系数矩阵;μ表示迭代步长;
en(n)xn(n)表示在时域中接收输入的第n个语音信号时第一滤波器系数更新影响项,第一滤波器系数更新影响项可以用于表示指示噪声对自适应滤波器的滤波器系数的更新过程的影响。
en(n)=E[d(n)-xn T(n)w(n)]2,xn(n)表示在时域中第n个输入的语音信号中的噪声分量,d(n)表示在时域中第n个输入的语音信号对应的期望的输出信号;
αes(n)xs(n)表示在时域中接收输入的第n个语音信号时第二滤波器系数更新影响项,第二滤波器系数更新影响项可称之为语音失真加权项。语音失真加权项可以用于指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响。
es(n)=E[xs T(n)w(n)]2,xs(n)表示在时域中第n个输入的语音信号中的语音分量,α指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
下面说明上述时域滤波器系数更新公式的推导过程:
假设滤波器输入向量为x(n)=[x(n) x(n-1)…x(n-L+1)]T,L为输入信号长度,即滤波器长度,自适应滤波器系数矩阵为w(n),则当前时刻滤波器输出信号可以表示为:
y(n)=xT(n)w(n) (1)
假设当前时刻期望的输出信号为d(n),则误差信号可以表示为:
e(n)=d(n)-xT(n)w(n) (2)
最小均方误差可以表示为:
E[e2(n)]=E[(d(n)-xT(n)w(n))2] (3)
为了得到滤波器系数的更新公式,需要估计瞬时梯度:
根据梯度下降法,可以得到以下滤波器系数的更新公式:
w(n+1)=w(n)+2μe(n)x(n) (5)
由公式(5)可知,滤波器系数的更新过程,是由误差信号e(n)和输入信号x(n)以及迭代步长μ决定的。
从输入的语音信号x(n)开始进一步推导。将输入的语音信号x(n)表示为语音分量和噪声分量两部分的组合:
x(n)=xs(n)+xn(n) (6)
则上述公式(2)式可以表示为:
e(n)=d(n)-[xs(n)+xn(n)]Tw(n) (7)
最小均方误差可以表示为:
E[e2(n)]=E[(d(n)-(xs(n)+xn(n)Tw(n))2] (8)
由于语音分量和噪声分量不相关,因此公式(8)式可以表示为:
公式(9)具有明显的物理意义,等式右边第一项表示噪声估计的误差所产生的余量信号,采用en(n)表示;等式后边第二项表示语音失真所产生的余量信号,采用es(n)表示。二者之和表示总的余量信号,也就是总的误差信号,即
由上述推导可知,将语音失真程度表示成这样一个分量。然后,可以定义以下目标函数:
在新的目标函数(10)中,将语音失真程度显性表达出来,并通过影响因子α来控制。
为了得到新的滤波器系数迭代公式,同样需要估计(10)式的瞬时梯度:
根据梯度下降法,本申请的滤波器更新公式即时域滤波器系数更新公式为:
w(n+1)=w(n)+2μ(en(n)xn(n)-αes(n)xs(n)) (12)
在本实施例中,可以利用上述时域滤波器系数更新公式根据每一次接收输入的语音信号,对自适应滤波器的滤波器系数进行迭代更新。从而,可以根据语音信号的语音失真程度对自适应滤波系数更新的过程进行调整。由于将语音失真程度作为滤波器迭代更新的约束条件,使得自适应滤波器在正常工作的同时,兼顾语音失真程度,限制语音信号失真的大小。从而既能够保证滤波器正常工作,消除干扰信号,又能够限制语音信号的失真程度,保证语音信号增强的同时语音失真程度最低,防止语音信号过度失真而影响识别性能。
在本实施例中,将语音失真作为一个变量,在自适应滤波器的滤波器系数更新公式的推导过程中,每一步均包含与语音失真程度相关的显性表达式。在自适应滤波器的滤波器系数的更新过程中,同时考虑噪声和语音失真程度引起的误差,并根据语音失真程度自动调整滤波器系数的更新过程。一方面,考虑了语音失真程度,能够在自适应滤波正常工作的同时保证语音失真最低,最大程度减少算法对语音信号的损伤,即最大程度减少语音信号与识别模型的失配程度。另一方面,在滤波器系数更新过程中,可以工作在整个语音信号的任何时刻无需判断哪里是语音段,哪里是噪声段,使得本申请中的滤波器系数更新方法能够工作在非平稳的噪声环境中。
本申请中的自适应滤波方法可以应用于远场语音识别场景。由于加入了语音失真程度的限制,避免自适应滤波过程中损伤有效语音信号,使得自适应滤波的输出结果中的语音失真尽可能小,与语音识别模型尽可能匹配,提升相对语音识别率。。
在本实施例中,在对自适应滤波器的滤波器系数的更新过程中,为了加快收敛速度,减少运算量,可以将滤波器系数在时域的迭代更新过程转化为在频域的迭代更新过程。可以将时域滤波器系数更新公式转换为频域滤波器系数更新公式,利用频域滤波器系数更新公式对滤波器系数进行更新。
在本实施例中,可以采用以下频域滤波器系数更新公式对自适应滤波器的滤波器系数进行更新:
在本实施例中,可以采用overlap-save算法将上述时域滤波器系数更新公式(12)在时域的表达式转化为在频域的表达式即频域滤波器系数更新公式(13)。
在频域滤波器系数更新公式(13)中,W(k)可以表示在频域中接收输入的第k个语音信号时自适应滤波器的滤波器系数矩阵,W(k+1)可以表示在频域中接收输入的第k个语音信号,对自适应滤波器的滤波器系数更新后的滤波器系数矩阵;
g为IL表示单位矩阵,F可以表示2L×2L维度的傅里叶矩阵,L为滤波器长度。
可以表示在频域中接收输入的第k个语音信号时第一滤波器系数更新影响项,第一滤波器系数更新影响项可以用于指示噪声对自适应滤波器的滤波器系数的更新过程的影响。
可以表示在频域中接收输入的第k个语音信号时第二滤波器系数更新影响项,第二滤波器系数更新影响项可称之为语音失真加权项。语音失真加权项可以用于指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;μ(k)表示在频域中的迭代步长。
W,X,E可以用于表示对时域滤波器系数更新公式(12)中的w,x,e的傅立叶变换,表达式FgF-1为时域自适应滤波转换为频域自适应滤波时的频域约束矩阵,频域约束矩阵可以确保频域的圆周卷积运算转化为线性卷积运算。
下面通过上述时域滤波器系数更新公式(12)、频域滤波器系数更新公式(13),进一步说明本申请中的自适应滤波器的滤波器系数更新的特点:
与现有技术中的自适应滤波器系数更新公式(5)式相比,本申请中的滤波器系数更新公式(12)、(13)中分别增加了一个语音失真项αes(n)xs(n)、从而语音失真程度将直接决定滤波器的更新过程。
当α=0时,则滤波器系数更新公式(12)、(13)为现有技术中的自适应滤波器的滤波器系数更新公式。当α>0时,滤波器系数更新公式(12)、(13)是本申请中的滤波器系数更新公式。αes(n)xs(n)、可以称之为语音失真加权项。语音失真越大,滤波器的更新速度越慢;语音失真越小,滤波器的更新速度越快。
因此,本申请中的自适应滤波方法无需像现有技术中的自适应滤波方法一样只能在噪声段更新,而是在任何时刻均可按照公式(12)、(13)式进行滤波器系数的迭代更新。
由于在实际计算中,语音分量和噪声分量是不相关的,公式(13)中的未知量Xs和Es可以按照下式估计:
Xs(k)=X(k)-Xn(k) (14)
Es(k)=E(k)-En(k) (15)
在本实施例中,可以采用以下方式采用以下公式计算En(k):En(k)=FKTe(k);其中,K=[0 IL],e(k)=d(k)-y(k),d(k)表示在频域中输入的第k个语音信号对应的期望的输出信号,y(k)=KF-1Y(k),Y(k)=X(k)W(k),X(k)表示在频域中输入的第k个语音信号;采用以下公式计算Es(k):Es(k)=E(k)-En(k);采用以下公式计算Xs(k):Xs(k)=X(k)-Xn(k),Xn(k)表示在频域中输入的第k个语音信号中的噪声分量。
请参考图3,作为对上述各图所示方法的实现,本申请提供了一种自适应滤波器的一个实施例,该自适应滤波器实施例与图1所示的方法实施例相对应。
如图3所示,本实施例的自适应滤波器300包括:输入单元301,滤波单元302,构建单元303,更新单元304。其中,输入单元301配置用于接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;滤波单元302配置用于对语音信号进行滤波;构建单元303配置用于根据噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;更新单元304配置用于基于第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
在本实施例的一些可选的实现方式中,更新单元304包括:时域更新子单元(未示出),配置用于计算时域中的当前滤波器系数与时域更新参数之和,得到更新后的时域中的滤波器系数;其中,时域更新参数为时域中的第一滤波器系数更新影响项与第二滤波器系数更新影响项之差和迭代步长之积的两倍,所述第一滤波器系数更新影响项包括:时域中的因噪声估计的误差而生成的余量信号与当前输入的语音信号中的噪声分量之积,第二滤波器系数更新影响项包括:时域中的因语音失真而生成的余量信号与当前输入的语音信号中的语音分量和影响程度参数之积,影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
在本实施例的一些可选的实现方式中,更新单元304包括:频域更新子单元(未示出),配置用于计算频域中的当前滤波器系数与频域更新参数之和,得到更新后的频域中的滤波器系数;其中,频域更新参数为频域中的第一滤波器系数更新影响项与频域中的第二滤波器系数更新影响项之差与迭代步长和时域自适应滤波转换为频域自适应滤波时的频域约束矩阵之积的两倍,第一滤波器系数更新影响项包括:频域中的当前输入的语音信号中的噪声分量的共轭与因噪声估计的误差而生成的余量信号之积,第二滤波器系数更新影响项包括:频域中的当前输入的语音信号中的语音分量的共轭与因语音失真而生成的余量信号和影响程度参数之积,影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
在本实施例的一些可选的实现方式中,自适应滤波器300还包括:计算单元(未示出),配置用于计算第一矩阵与第二矩阵的转置矩阵和频域中的误差信号之积,得到频域中的因噪声估计的误差而生成的余量信号;其中,第一矩阵为行数和列数均为滤波器长度的两倍的傅里叶矩阵,第二矩阵包括零矩阵与单位矩阵,误差信号为频域中的当前输入的语音信号对应的期望的输出信号与频域输出信号之差,频域输出信号为所述第一矩阵的逆矩阵与第二矩阵和频域中的当前输入的语音信号对应的输出信号之积;计算频域中的当前输入的语音信号对应的最小均方误差与频域中的因噪声估计的误差而生成的余量信号之差,得到频域中的因语音失真而生成的余量信号;计算频域中的当前输入的语音信号与当前输入的语音信号的噪声分量之差,得到频域中的当前输入的语音信号的语音分量。
在本实施例的一些可选的实现方式中,影响程度参数大于零。
图4示出了适于用来实现本申请实施例的自适应滤波器的计算机系统的结构示意图。
如图4所示,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有系统400操作所需的各种程序和数据。CPU401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述设备中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:自适应滤波器接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;对所述语音信号进行滤波;根据所述噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,所述第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种自适应滤波方法,其特征在于,所述方法包括:
自适应滤波器接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;
对所述语音信号进行滤波;
根据所述噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,所述第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;
基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
2.根据权利要求1所述的方法,其特征在于,基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新包括:
计算时域中的当前滤波器系数与时域更新参数之和,得到更新后的时域中的滤波器系数;
其中,所述时域更新参数为时域中的第一滤波器系数更新影响项与第二滤波器系数更新影响项之差和迭代步长之积的两倍,所述第一滤波器系数更新影响项包括:时域中的因噪声估计的误差而生成的余量信号与当前输入的语音信号中的噪声分量之积,所述第二滤波器系数更新影响项包括:时域中的因语音失真而生成的余量信号与当前输入的语音信号中的语音分量和影响程度参数之积,所述影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
3.根据权利要求1所述的方法,其特征在于,基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新包括:
计算频域中的当前滤波器系数与频域更新参数之和,得到更新后的频域中的滤波器系数;
其中,所述频域更新参数为频域中的第一滤波器系数更新影响项与第二滤波器系数更新影响项之差与迭代步长和时域自适应滤波转换为频域自适应滤波时的频域约束矩阵之积的两倍,所述第一滤波器系数更新影响项包括:频域中的当前输入的语音信号中的噪声分量的共轭与因噪声估计的误差而生成的余量信号之积,所述第二滤波器系数更新影响项包括:频域中的当前输入的语音信号中的语音分量的共轭与因语音失真而生成的余量信号和影响程度参数之积,所述影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
计算第一矩阵与第二矩阵的转置矩阵和频域中的误差信号之积,得到频域中的因噪声估计的误差而生成的余量信号;
其中,所述第一矩阵为行数和列数均为滤波器长度的两倍的傅里叶矩阵,所述第二矩阵包括零矩阵与单位矩阵,所述误差信号为频域中的当前输入的语音信号对应的期望的输出信号与频域输出信号之差,所述频域输出信号为所述第一矩阵的逆矩阵与第二矩阵和频域中的当前输入的语音信号对应的输出信号之积;
计算频域中的当前输入的语音信号对应的最小均方误差与所述频域中的因噪声估计的误差而生成的余量信号之差,得到频域中的因语音失真而生成的余量信号;
计算频域中的当前输入的语音信号与当前输入的语音信号的噪声分量之差,得到频域中的当前输入的语音信号的语音分量。
5.根据权利要求2-4之一所述的方法,其特征在于,影响程度参数大于零。
6.一种自适应滤波器,其特征在于,所述自适应滤波器包括:
输入单元,配置用于接收输入的语音信号,所述语音信号包括:噪声分量、语音分量;
滤波单元,配置用于对所述语音信号进行滤波;
构建单元,配置用于根据所述噪声分量和语音分量,分别构建第一滤波器系数更新影响项和第二滤波器系数更新影响项,所述第一滤波器系数更新影响项指示噪声对自适应滤波器的滤波器系数的更新过程的影响,第二滤波器系数更新影响项指示语音信号失真对自适应滤波器的滤波器系数的更新过程的影响;
更新单元,配置用于基于所述第一滤波器系数更新影响项、第二滤波器系数更新影响项,对自适应滤波器的滤波器系数进行更新。
7.根据权利要求6所述的自适应滤波器,其特征在于,所述更新单元包括:
时域更新子单元,配置用于计算时域中的当前滤波器系数与时域更新参数之和,得到更新后的时域中的滤波器系数;其中,所述时域更新参数为时域中的第一滤波器系数更新影响项与第二滤波器系数更新影响项之差和迭代步长之积的两倍,所述第一滤波器系数更新影响项包括:时域中的因噪声估计的误差而生成的余量信号与当前输入的语音信号中的噪声分量之积,所述第二滤波器系数更新影响项包括:时域中的因语音失真而生成的余量信号与当前输入的语音信号中的语音分量和影响程度参数之积,所述影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
8.根据权利要求7所述的自适应滤波器,其特征在于,所述更新单元包括:
频域更新子单元,配置用于计算频域中的当前滤波器系数与频域更新参数之和,得到更新后的频域中的滤波器系数;其中,所述频域更新参数为频域中的第一滤波器系数更新影响项与第二滤波器系数更新影响项之差和频域中的迭代步长和时域自适应滤波转换为频域自适应滤波时的频域约束矩阵之积的两倍,所述第一滤波器系数更新影响项包括:频域中的当前输入的语音信号中的噪声分量的共轭与因噪声估计的误差而生成的余量信号之积,所述第二滤波器系数更新影响项包括:频域中的当前输入的语音信号中的语音分量的共轭与因语音失真而生成的余量信号和影响程度参数之积,所述影响程度参数指示第二滤波器系数更新影响项的取值对自适应滤波器的滤波器系数的更新过程的影响程度。
9.根据权利要求8所述的自适应滤波器,其特征在于,所述自适应滤波器还包括:
计算单元,配置用于计算第一矩阵与第二矩阵的转置矩阵和频域中的误差信号之积,得到频域中的因噪声估计的误差而生成的余量信号;其中,所述第一矩阵为行数和列数均为滤波器长度的两倍的傅里叶矩阵,所述第二矩阵包括零矩阵与单位矩阵,所述误差信号为频域中的当前输入的语音信号对应的期望的输出信号与频域输出信号之差,所述频域输出信号为所述第一矩阵的逆矩阵与第二矩阵和频域中的当前输入的语音信号对应的输出信号之积;计算频域中的当前输入的语音信号对应的最小均方误差与所述频域中的因噪声估计的误差而生成的余量信号之差,得到频域中的因语音失真而生成的余量信号;计算频域中的当前输入的语音信号与当前输入的语音信号的噪声分量之差,得到频域中的当前输入的语音信号的语音分量。
10.根据权利要求7-9之一所述的自适应滤波器,其特征在于,影响程度参数大于零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610493493.6A CN105957534B (zh) | 2016-06-28 | 2016-06-28 | 自适应滤波方法和自适应滤波器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610493493.6A CN105957534B (zh) | 2016-06-28 | 2016-06-28 | 自适应滤波方法和自适应滤波器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105957534A CN105957534A (zh) | 2016-09-21 |
CN105957534B true CN105957534B (zh) | 2019-05-03 |
Family
ID=56901816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610493493.6A Active CN105957534B (zh) | 2016-06-28 | 2016-06-28 | 自适应滤波方法和自适应滤波器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957534B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111868826B (zh) * | 2018-12-17 | 2022-09-13 | 深圳市汇顶科技股份有限公司 | 一种回声消除中的自适应滤波方法、装置、设备及存储介质 |
CN112837695A (zh) * | 2021-01-28 | 2021-05-25 | 广州安能特电气设备有限公司 | 一种滤波方法、装置、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012112357A1 (en) * | 2011-02-16 | 2012-08-23 | Dolby Laboratories Licensing Corporation | Methods and systems for generating filter coefficients and configuring filters |
CN202838949U (zh) * | 2012-09-07 | 2013-03-27 | 歌尔声学股份有限公司 | 一种自适应消除噪声装置 |
CN104835503A (zh) * | 2015-05-06 | 2015-08-12 | 南京信息工程大学 | 一种改进gsc自适应语音增强方法 |
CN105575397A (zh) * | 2014-10-08 | 2016-05-11 | 展讯通信(上海)有限公司 | 语音降噪方法及语音采集设备 |
EP3079152A1 (en) * | 2010-07-02 | 2016-10-12 | Dolby International AB | Selective post filter |
-
2016
- 2016-06-28 CN CN201610493493.6A patent/CN105957534B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3079152A1 (en) * | 2010-07-02 | 2016-10-12 | Dolby International AB | Selective post filter |
WO2012112357A1 (en) * | 2011-02-16 | 2012-08-23 | Dolby Laboratories Licensing Corporation | Methods and systems for generating filter coefficients and configuring filters |
CN202838949U (zh) * | 2012-09-07 | 2013-03-27 | 歌尔声学股份有限公司 | 一种自适应消除噪声装置 |
CN105575397A (zh) * | 2014-10-08 | 2016-05-11 | 展讯通信(上海)有限公司 | 语音降噪方法及语音采集设备 |
CN104835503A (zh) * | 2015-05-06 | 2015-08-12 | 南京信息工程大学 | 一种改进gsc自适应语音增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105957534A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108172231B (zh) | 一种基于卡尔曼滤波的去混响方法及系统 | |
JP5068653B2 (ja) | 雑音のある音声信号を処理する方法および該方法を実行する装置 | |
CN105957534B (zh) | 自适应滤波方法和自适应滤波器 | |
CN110998723B (zh) | 使用神经网络的信号处理装置及信号处理方法、记录介质 | |
KR20070078171A (ko) | 신호대 잡음비에 의한 억제 정도 조절을 이용한 잡음 제거장치 및 그 방법 | |
CN113707167A (zh) | 残留回声抑制模型的训练方法和训练装置 | |
CN113571076A (zh) | 信号处理方法、装置、电子设备和存储介质 | |
Hofmann et al. | Significance-aware filtering for nonlinear acoustic echo cancellation | |
CN112259121B (zh) | 削波语音信号处理方法、系统、电子设备及存储介质 | |
JP5807914B2 (ja) | 音響信号解析装置、方法、及びプログラム | |
CN111370016B (zh) | 一种回声消除方法及电子设备 | |
CN112837695A (zh) | 一种滤波方法、装置、终端及存储介质 | |
US20150180436A1 (en) | Numeric audio signal equalization | |
CN111599374A (zh) | 一种单通道语音去混响方法及装置 | |
CN106549652A (zh) | 时域滤波中的滤波器系数更新 | |
CN110648681B (zh) | 语音增强的方法、装置、电子设备及计算机可读存储介质 | |
CN114242103A (zh) | 语音降噪方法、装置、计算机设备和存储介质 | |
Rzepka | Fixed-budget kernel least mean squares | |
WO2016050049A1 (zh) | 一种信号处理方法及装置 | |
JP2010049102A (ja) | 残響除去装置、残響除去方法、コンピュータプログラムおよび記録媒体 | |
JP6343585B2 (ja) | 未知伝達系推定装置、未知伝達系推定方法、およびプログラム | |
US11837248B2 (en) | Filter adaptation step size control for echo cancellation | |
Yoshioka et al. | Speech dereverberation and denoising based on time varying speech model and autoregressive reverberation model | |
US20240079018A1 (en) | Adaptive echo cancellation | |
Zeller et al. | Efficient adaptive DFT-domain Volterra filters using an automatically controlled number of quadratic kernel diagonals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |