CN107578782A - 一种变核宽度的最大熵子带回声消除方法 - Google Patents
一种变核宽度的最大熵子带回声消除方法 Download PDFInfo
- Publication number
- CN107578782A CN107578782A CN201710550654.5A CN201710550654A CN107578782A CN 107578782 A CN107578782 A CN 107578782A CN 201710550654 A CN201710550654 A CN 201710550654A CN 107578782 A CN107578782 A CN 107578782A
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- subband
- msub
- moment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000000284 extract Substances 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000011664 signaling Effects 0.000 claims abstract description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000008092 positive effect Effects 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 11
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 235000019606 astringent taste Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
一种变核宽度的最大熵子带回声消除方法，其步骤是：A、信号的采样与处理，远端信号构成当前时刻n分析滤波器一的输入向量U(n)，输入向量U(n)经分析滤波器一分割成I个远端子带向量Ui(n)，将远端信号滤波输入向量U(n)经分析滤波器分割成子带信号Ui(n)；信号的抽取，将Ui(n)经抽取器进行N抽取，得到抽取后的输入信号Ui(k)；B、滤波器的输出，将远端输入子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到输出子带信号yi(k)；C、回声抵消，将近端子带抽取信号di(k)与输出子带信号yi(k)相减得到误差信号ei(k)，D、权系数向量的更新；E、令n＝n+1，重复A、B、C、D的步骤,直至通话结束。该方法收敛速度快、稳态误差低，回声消除效果明显。
Description
技术领域
本发明属于语音通信的自适应回声消除技术领域。
背景技术
在通信系统中，噪声和回声的干扰一直不能被忽略掉。其中，最主要影响语音通话质量的是声学回声。声学回声是指用户在通信过程中能够反复听到自己的声音。回声时延短是察觉不到的，可理解为频谱失真的一种形式。反之，时延超过几十毫秒，回声就可单独觉察到。由于人耳对回声极其敏感，因此对消除声学回声方法的研究仍是一个热门的课题。
在自适应回声消除方法中，被广泛用到的方法主要有传统最小均方(LMS)算法和仿射投影(APA)算法等。但是在回声信道中，大多数都是稀疏信道，这种稀疏系统的脉冲响值只有极少数不为零其余均为零或接近零。而在这种系统中LMS和APA算法的稳态误差就会变大、收敛速度变慢。子带滤波器算法，根据不同频率子带的信号变化不同，而采取不同的处理，能很大的提高相关信号的处理能力，从而提高收敛速度，也能进一步缓解滤波器在收敛速度和稳态误差上的固有矛盾。
目前，在系统辨识中较成熟的收敛性较好的子带回声消除方法有如下所示：文献1“Two Improved Normalized Subband Adaptive Filter Algorithms with GoodRobustness Against Impulsive Interferences”(Yu,Y.,&Zhao,H.,Circuits SystSignal Process(2016)35:4607–4619)该方法能够很好的解决带边效应限制，但该算法基于去冲激干扰的误差信号(误差信号在当前时间段的加权最小值)进行信号跟踪，能够提高收敛速度并减少稳态误差。但由于对去冲激干扰的误差信号使用了固定的核宽度进行限制，核宽度大时，收敛速度快，稳态误差大；核宽度小时，则收敛速度慢，稳态误差小；而不能动态的调整核宽度，导致其不能更好的解决收敛速度和稳态误差之间的矛盾。
发明内容
本发明的目的就是提出一种变核宽度的最大熵子带回声消除方法，该方法进行回声消除，能获得更快的收敛速度和更低的稳态误差。
本发明实现其发明目的所采用的技术方案是，一种变核宽度的最大熵子带回声消除方法，其步骤如下：
A、信号的采样与处理
将当前时刻n到时刻n-L+1之间的采样远端信号u(n),u(n-1),...,u(n-L+1),构成当前时刻n分析滤波器一的输入向量U(n)，U(n)＝[u(n),u(n-1),...,u(n-L+1)]T；L＝512是滤波器抽头数，上标T表示转置运算；
分析滤波器一将输入向量U(n)按频带分割成I个远端子带向量Ui(n)，Ui(n)＝[ui(n),ui(n-1),...,ui(n-L+1)]T；
同时，分析滤波器二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)按频带分割分割成I个近端子带信号di(n)；
其中，i为远端子带向量或近端子带信号的序号，i＝1,2,...,I，I为远端子带向量和近端子带信号的总个数,其取值为2、4、6、8；
B、信号抽取
将远端子带向量Ui(n)经抽取器进行I抽取，即将n＝k＝KI时刻的远端输入子带向量Ui(n)抽出，得到抽取时刻k的远端子带抽取向量Ui(k),Ui(k)＝[ui(k),ui(k-1),...,ui(k-L+1)]T；其中，K为抽取的序号；
对近端子带信号di(n)也经抽取器进行I抽取，即将n＝k＝KI时刻的近端子带信号di(n)抽出，得到抽取时刻k的近端子带抽取信号di(k)，di(k)＝di(KI)；
C、滤波器的输出
将抽取时刻k的远端子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号yi(k)，其中W(k)为子带滤波器在抽取时刻k的权系数向量，W(k)＝[w1(k),w2(k),..wl(k).,wL(k)]T；wl(k)为权系数向量W(k)中的第l个权系数，l＝1,2,...,L为权系数wl(k)的序号；W(k)的初始值为零，即W(1)＝0；
D、回声抵消
将抽取时刻k的近端子带抽取信号di(k)与抽取时刻k的输出子带信号yi(k)相减得到抽取时刻k的子带误差信号ei(k)，即抽取时刻k消除回声后的子带回送信号ei(k)，ei(k)＝di(k)-yi(k)，并将抽取时刻k的子带误差信号ei(k)送回给远端；
E、权系数向量的更新
E1、计算去冲激干扰的近端信号
根据抽取时刻k的误差信号ei(k)算出抽取时刻k的去冲激干扰的误差信号
其中τ1表示误差信号估计量的平滑参数，取值为0.2；min(·)表示取最小值运算；的初始值为零，即Nw为误差信号平方平滑估计的平滑窗口的大小，取值为10～20；
E2、抽取时刻的核宽度计算：
抽取时刻k的核宽度σi(k)，按以下方法得出：
如果则σi(k)＝σ0，
如果则
其中kσ为限定常数，取值为20，σ0为初始核宽度，取值为5～20；
E3、权系数向量的更新
按下式更新得到下一个抽取时刻k+1的权系数向量W(k+1)，
其中，μ表示步长参数，取值为0.1；exp[·]表示指数运算；
F、重复
令n＝n+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：
本发明的核宽度σi(k)的值是根据噪声环境的状态而变化的，当去冲激干扰的误差信号(误差信号在当前时间段的加权最小值)大于设定阈值时，判定存在冲击噪声时，核宽度σi(k)的值等于其上限值；权系数向量W(k+1)
新公式中的更新项接近于0，算法不更新。因此算法具有抗冲击噪声的能力，稳态误差小。
当去冲激干扰的误差信号(误差信号在当前时间段的加权最小值)小于设定阈值时，判定不存在冲击噪声，核宽度σi(k)的值等于去冲激干扰的误差信号与设定常数的乘积权系数向量W(k+1)更新公式中的更新项不接近于0，权系数向量W(k+1)更新与输入和和近端信号有关，算法类似于NLMS。因此算法可以得到很快的收敛速度。
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信道图。
图2是文献1(MCC-SSAF)方法和本发明在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：一种变核宽度的最大熵子带回声消除方法，其步骤如下：
A、信号的采样与处理
将当前时刻n到时刻n-L+1之间的采样远端信号u(n),u(n-1),...,u(n-L+1),构成当前时刻n分析滤波器一的输入向量U(n)，U(n)＝[u(n),u(n-1),...,u(n-L+1)]T；L＝512是滤波器抽头数，上标T表示转置运算；
分析滤波器一将输入向量U(n)按频带分割成I个远端子带向量Ui(n)，Ui(n)＝[ui(n),ui(n-1),...,ui(n-L+1)]T；
同时，分析滤波器二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)按频带分割分割成I个近端子带信号di(n)；
其中，i为远端子带向量或近端子带信号的序号，i＝1,2,...,I，I为远端子带向量和近端子带信号的总个数,其取值为2、4、6、8；
B、信号抽取
将远端子带向量Ui(n)经抽取器进行I抽取，即将n＝k＝KI时刻的远端输入子带向量Ui(n)抽出，得到抽取时刻k的远端子带抽取向量Ui(k),Ui(k)＝[ui(k),ui(k-1),...,ui(k-L+1)]T；其中，K为抽取的序号；
对近端子带信号di(n)也经抽取器进行I抽取，即将n＝k＝KI时刻的近端子带信号di(n)抽出，得到抽取时刻k的近端子带抽取信号di(k)，di(k)＝di(KI)；
C、滤波器的输出
将抽取时刻k的远端子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号yi(k)，其中W(k)为子带滤波器在抽取时刻k的权系数向量，W(k)＝[w1(k),w2(k),..wl(k).,wL(k)]T；wl(k)为权系数向量W(k)中的第l个权系数，l＝1,2,...,L为权系数wl(k)的序号；W(k)的初始值为零，即W(1)＝0；
D、回声抵消
将抽取时刻k的近端子带抽取信号di(k)与抽取时刻k的输出子带信号yi(k)相减得到抽取时刻k的子带误差信号ei(k)，即抽取时刻k消除回声后的子带回送信号ei(k)，ei(k)＝di(k)-yi(k)，并将抽取时刻k的子带误差信号ei(k)送回给远端；
E、权系数向量的更新
E1、计算去冲激干扰的近端信号
根据抽取时刻k的误差信号ei(k)算出抽取时刻k的去冲激干扰的误差信号
其中τ1表示误差信号估计量的平滑参数，取值为0.2；min(·)表示取最小值运算；的初始值为零，即Nw为误差信号平方平滑估计的平滑窗口的大小，取值为10～20；
E2、抽取时刻的核宽度计算：
抽取时刻k的核宽度σi(k)，按以下方法得出：
如果则σi(k)＝σ0，
如果则
其中kσ为限定常数，取值为20，σ0为初始核宽度，取值为5～20；
E3、权系数向量的更新
按下式更新得到下一个抽取时刻k+1的权系数向量W(k+1)，
其中，μ表示步长参数，取值为0.1；exp[·]表示指数运算；
F、重复
令n＝n+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1的方法进行了对比。
仿真实验的采样频率为8KHz。背景噪声是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，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的抽头数L＝512。
按照以上实验条件，用本发明方法与现有的文献一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
| 文献一(MCC-SAF) | κ＝0；ε＝0.0001；δ＝0.01；N＝4 |
| 本发明 | fl(0)＝0.001；δ＝0.01；N＝4；σ0＝20；k0＝20 |
图1是实验用的安静密闭房间构成的通信系统的信道图。
图2是文献一(MCC-SSAF)的方法和本发明方法，在真实语音信号为输入信号时，仿真实验得到的归一化稳态失调曲线。
从图2可以看出：本发明在约1000个采样时刻(0.8s)收敛，稳态误差约在-36dB；而文献1则在约10000个采样时刻(2.5s)收敛，稳态误差约在-25dB；本发明比文献1的稳态误差减小了近两倍，收敛时间仅为文献1的1/3。
Claims (1)
1.一种变核宽度的最大熵子带回声消除方法，其步骤如下：
A、信号的采样与处理
将当前时刻n到时刻n-L+1之间的采样远端信号u(n),u(n-1),...,u(n-L+1),构成当前时刻n分析滤波器一的输入向量U(n)，U(n)＝[u(n),u(n-1),...,u(n-L+1)]T；L＝512是滤波器抽头数，上标T表示转置运算；
分析滤波器一将输入向量U(n)按频带分割成I个远端子带向量Ui(n)，Ui(n)＝[ui(n),ui(n-1),...,ui(n-L+1)]T；
同时，分析滤波器二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)按频带分割分割成I个近端子带信号di(n)；
其中，i为远端子带向量或近端子带信号的序号，i＝1,2,...,I，I为远端子带向量和近端子带信号的总个数,其取值为2、4、6、8；
B、信号抽取
将远端子带向量Ui(n)经抽取器进行I抽取，即将n＝k＝KI时刻的远端输入子带向量Ui(n)抽出，得到抽取时刻k的远端子带抽取向量Ui(k),Ui(k)＝[ui(k),ui(k-1),...,ui(k-L+1)]T；其中，K为抽取的序号；
对近端子带信号di(n)也经抽取器进行I抽取，即将n＝k＝KI时刻的近端子带信号di(n)抽出，得到抽取时刻k的近端子带抽取信号di(k)，di(k)＝di(KI)；
C、滤波器的输出
将抽取时刻k的远端子带抽取向量Ui(k)通过自适应回声消除滤波器中的子带滤波器得到抽取时刻k的输出子带信号yi(k)，其中W(k)为子带滤波器在抽取时刻k的权系数向量，W(k)＝[w1(k),w2(k),..wl(k).,wL(k)]T；wl(k)为权系数向量W(k)中的第l个权系数，l＝1,2,...,L为权系数wl(k)的序号；W(k)的初始值为零，即W(1)＝0；
D、回声抵消
将抽取时刻k的近端子带抽取信号di(k)与抽取时刻k的输出子带信号yi(k)相减得到抽取时刻k的子带误差信号ei(k)，即抽取时刻k消除回声后的子带回送信号ei(k)，ei(k)＝di(k)-yi(k)，并将抽取时刻k的子带误差信号ei(k)送回给远端；
E、权系数向量的更新
E1、计算去冲激干扰的近端信号
根据抽取时刻k的误差信号ei(k)算出抽取时刻k的去冲激干扰的误差信号
<mrow>
<msub>
<mover>
<mi>e</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<msub>
<mover>
<mi>e</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>N</mi>
<mi>w</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
其中τ1表示误差信号估计量的平滑参数，取值为0.2；min(·)表示取最小值运算；的初始值为零，即Nw为误差信号平方平滑估计的平滑窗口的大小，取值为10～20；
E2、抽取时刻的核宽度计算：
抽取时刻k的核宽度σi(k)，按以下方法得出：
如果则σi(k)＝σ0，
如果则
其中kσ为限定常数，取值为20，σ0为初始核宽度，取值为5～20；
E3、权系数向量的更新
按下式更新得到下一个抽取时刻k+1的权系数向量W(k+1)，
<mrow>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>W</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&mu;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mfrac>
<mrow>
<msubsup>
<mi>e</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>&rsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中，μ表示步长参数，取值为0.1；exp[·]表示指数运算；
F、重复
令n＝n+1，重复A、B、C、D、E的步骤,直至通话结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710550654.5A CN107578782B (zh) | 2017-07-07 | 2017-07-07 | 一种变核宽度的最大熵子带回声消除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710550654.5A CN107578782B (zh) | 2017-07-07 | 2017-07-07 | 一种变核宽度的最大熵子带回声消除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107578782A true CN107578782A (zh) | 2018-01-12 |
| CN107578782B CN107578782B (zh) | 2019-09-24 |
Family
ID=61049542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710550654.5A Expired - Fee Related CN107578782B (zh) | 2017-07-07 | 2017-07-07 | 一种变核宽度的最大熵子带回声消除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578782B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109089004A (zh) * | 2018-08-14 | 2018-12-25 | 西南交通大学 | 一种基于相关熵诱导的集员自适应回声消除方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090177423A1 (en) * | 2008-01-09 | 2009-07-09 | Sungkyunkwan University Foundation For Corporate Collaboration | Signal detection using delta spectrum entropy |
| CN101484938A (zh) * | 2006-06-14 | 2009-07-15 | 西门子测听技术有限责任公司 | 信号分离器、基于麦克风信号确定输出信号的方法及计算机程序 |
| CN103426436A (zh) * | 2012-05-04 | 2013-12-04 | 索尼电脑娱乐公司 | 结合声学回声消除的优化通过独立分量分析的源分离 |
| CN105306010A (zh) * | 2015-11-10 | 2016-02-03 | 西安交通大学 | 一种基于最小误差熵的凸组合自适应滤波器设计方法 |
| CN106210370A (zh) * | 2016-08-25 | 2016-12-07 | 西南交通大学 | 一种仿射投影最大熵子带自适应回声消除方法 |
| CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
-
2017
- 2017-07-07 CN CN201710550654.5A patent/CN107578782B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101484938A (zh) * | 2006-06-14 | 2009-07-15 | 西门子测听技术有限责任公司 | 信号分离器、基于麦克风信号确定输出信号的方法及计算机程序 |
| US20090177423A1 (en) * | 2008-01-09 | 2009-07-09 | Sungkyunkwan University Foundation For Corporate Collaboration | Signal detection using delta spectrum entropy |
| CN103426436A (zh) * | 2012-05-04 | 2013-12-04 | 索尼电脑娱乐公司 | 结合声学回声消除的优化通过独立分量分析的源分离 |
| CN105306010A (zh) * | 2015-11-10 | 2016-02-03 | 西安交通大学 | 一种基于最小误差熵的凸组合自适应滤波器设计方法 |
| CN106210370A (zh) * | 2016-08-25 | 2016-12-07 | 西南交通大学 | 一种仿射投影最大熵子带自适应回声消除方法 |
| CN106782593A (zh) * | 2017-02-27 | 2017-05-31 | 重庆邮电大学 | 一种用于声学回声消除的多带结构自适应滤波器切换方法 |
Non-Patent Citations (4)
| Title |
|---|
| BADONG CHEN ET AL.: "Convergence of a fixed-point algorithm under maximum correntropy criterion", 《IEEE SIGNAL PROCESSING LETTERS, 2015》 * |
| WENTAO MA ET AL.: "Maximum correntropy criterion based sparse adaptive filtering algorithms for robust channel estimation under non-Gaussian environments", 《JOURNAL OF THE FRANKLIN INSTITUTE》 * |
| YI YU ET AL.: "Two Improved Normalized Subband Adaptive Filter Algorithms with Good Robustness Against Impulsive Interferences", 《CIRCUITS SYST SIGNAL PROCESS》 * |
| ZHAO HAIQUAN ET AL.: "Volterra system identification under maximum correntropy criteria in impulsive environments", 《2016 35TH CHINESE CONTROL CONFERENCE (CCC)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109089004A (zh) * | 2018-08-14 | 2018-12-25 | 西南交通大学 | 一种基于相关熵诱导的集员自适应回声消除方法 |
| CN109089004B (zh) * | 2018-08-14 | 2020-10-09 | 西南交通大学 | 一种基于相关熵诱导的集员自适应回声消除方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107578782B (zh) | 2019-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109040499B (zh) | 一种抗冲击干扰的自适应回声消除方法 | |
| CN106875938B (zh) | 一种改进的非线性自适应语音端点检测方法 | |
| CN104683614B (zh) | 基于m估计的记忆成比例仿射投影自适应回声消除方法 | |
| CN104754157B (zh) | 一种残留回声抑制方法和系统 | |
| CN104883462B (zh) | 一种用于消除声学回声的自适应滤波器及滤波方法 | |
| CN104835503A (zh) | 一种改进gsc自适应语音增强方法 | |
| CN109273019B (zh) | 用于回声抑制的双重通话检测的方法及回声抑制 | |
| CN109102794A (zh) | 基于凸组合的m估计成比例类仿射投影的回声消除方法 | |
| CN107871510B (zh) | 一种零吸引变核宽度的最大熵回声消除方法 | |
| Gil-Cacho et al. | Wiener variable step size and gradient spectral variance smoothing for double-talk-robust acoustic echo cancellation and acoustic feedback cancellation | |
| CN109068012A (zh) | 一种用于音频会议系统的双端通话检测方法 | |
| CN106533500A (zh) | 一种优化回声消除器收敛特性的方法 | |
| CN107369458B (zh) | 一种基于熵吸引的最大熵子带回声消除方法 | |
| CN104506746A (zh) | 一种改进的凸组合解相关成比例自适应回声消除方法 | |
| Huang et al. | Practically efficient nonlinear acoustic echo cancellers using cascaded block RLS and FLMS adaptive filters | |
| CN110956975A (zh) | 回声消除方法及装置 | |
| CN104601837A (zh) | 一种鲁棒凸组合自适应电话回声消除方法 | |
| CN105721729A (zh) | 基于块稀疏成比例重用权系数仿射投影的回声消除方法 | |
| CN109040497A (zh) | 一种基于m估计的成比例类仿射投影自适应回声消除方法 | |
| CN110191245B (zh) | 一种基于时变参数的自适应回声消除方法 | |
| CN106412352B (zh) | 一种时频记忆子带比例自适应回声消除方法 | |
| CN106128471B (zh) | 一种收缩变步长子带回声消除方法 | |
| CN107527622B (zh) | 一种基于最大熵的变步长符号子带回声消除方法 | |
| CN104410762A (zh) | 免提通话系统中的稳健回声抵消方法 | |
| CN107578782B (zh) | 一种变核宽度的最大熵子带回声消除方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190924 |