CN107610714A - 基于一范数零吸引的最小均三次方绝对值的回声消除方法 - Google Patents

Abstract

本发明公开了一种基于一范数零吸引的最小均三次方绝对值的回声消除方法，其步骤包括：A、远端信号采样；B、回声信号估计；C、回声信号消除；D、滤波器抽头权系数更新；更新公式为W(n+1)＝W(n)‑μ×s(n)‑ρ(n)，更新公式中使用的代价值为归一化的均三次方绝对值，即当前时刻n的代价值的归一化梯度值s(n)，并引入了零吸引因子ρ(n)，ρ(n)＝b×signW(n)；E、令n＝n+1，重复步骤A、B、C、D，即可实现实时的回声消除。该方法通过对权系数向量的一范数进行求导得到零吸引因子ρ(n)，ρ(n)＝b×signW(n)，并将该零吸引因子作为权系数向量更新时的一个减项，当权系数向量较大时，该减项值也较大，从而获得了更快的初始收敛速度，而接近稳态时减项值变小，使得抽头权系数更新速度在接近稳态时也相应变小，保持了较好的稳定性。

Description

基于一范数零吸引的最小均三次方绝对值的回声消除方法

技术领域

本发明涉及一种基于一范数零吸引的最小均三次方绝对值的回声消除方法。

背景技术

在语音通信系统中，例如IP电话、卫星电话、可视电话及数字蜂窝电话系统中，回声会严重影响通信质量，因此，必须采取有效的措施来抑制回声信号，消除其影响，提高语音通话质量。在众多回声消除方法中，自适应回声消除技术具有逐步调节性能，应用成本低，收敛速度快，回声残差小；是目前国际上公认的最具前景的回声消除技术，也是回声消除目前采用的主流技术。

自适应回声消除技术的本质是通过自适应滤波器来估计回声，并在近端信号中减去回声信号的估计值以消除回声。自适应回声消除技术的核心是自适应回声消除算法。因此，如何完善和研究新的性能卓越的自适应回声消除算法是回声消除领域的主要研究方向。

最流行的自适应回声消除算法之一是最小均方算法(LMS)。然而，其步长的收敛范围取决于输入信号向量的总功率，并且随着功率的增大而减小。但是，LMS步长的选择必须要在收敛速度、稳态失调和跟踪性能中取折中。基于高阶误差功率标准的一类自适应滤波算法就是对以上问题作出的改进，如最小均四次方算法(LMF)和最小均三次方绝对值算法(LMAT)。此类算法的代价函数由误差的二次方的平均(均方)变为误差的三次方绝对值的平均或四次方的平均，误差值得到了明显的放大，使其收敛速度更快、稳态失调也更低。但是它们的步长范围依然敏感于输入信号的功率，抗冲激能力有待提高。

发明内容

本发明的目的就是提供一种基于一范数零吸引的最小均三次方绝对值的回声消除方法，该方法能够获得更快的收敛性，更低的稳态失调，回声消除效果更好。

本发明实现其发明目的所采用的技术方案是，一种基于一范数零吸引的最小均三次方绝对值的回声消除方法，其步骤如下：

A、远端信号采样

对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)，将当前时刻n及之前的L-1个时刻的远端信号离散值x(n)，(n-1),…,x(n-L+1)，组成当前时刻n的自适应滤波器输入向量X(n)，X(n)＝[x(n)x(n-1),…,x(n-L+1)]^T，上标T表示转置，L为自适应滤波器的抽头长度，其取值为128；

B、回声信号估计

将当前时刻n的自适应滤波器输入向量X(n)通过自适应滤波器得到当前时刻n的输出值y(n)，也即回声信号的估计值y(n)，即

y(n)＝W(n)X(n)

其中，W(n)＝[w₁(n),w₂(n),...,w_l(n),...w_L(n)]为当前时刻n的自适应滤波器抽头权向量，其初始值为零，w_l(n)为当前时刻n的自适应滤波器的第l个抽头权系数；

C、回声信号消除

对近端信号采样得到当前时刻n的带回声近端采样信号d(n)；将当前时刻n的带回声近端采样信号d(n)，与自适应滤波器的当前时刻n的回声信号的估计值y(n)相减，得到当前时刻n的残差信号e(n)，e(n)＝d(n)-y(n)；再将当前时刻n的残差信号e(n)回送远端；

D、滤波器抽头权系数更新

D1、代价值的梯度值计算

由当前时刻n的残差信号e(n)，得到当前时刻n的代价值J(n)，其中，|·|表示绝对值运算；

再求出当前时刻n的代价值J(n)对W(n)的导数，作为当前时刻n的代价值的梯度值v(n)，其中表示偏导数运算，sign(·)表示符号函数；

D2、代价值的梯度值归一化计算

将当前时刻n的代价值的梯度值v(n)进行归一化运算，得到当前时刻n的代价值的归一化梯度值s(n)，其中σ为正则化参数，取值0.001；

D3、零吸引因子的计算

由当前时刻n的自适应滤波器抽头权系数向量W(n)，计算出当前时刻n的零吸引因子ρ(n)，ρ(n)＝b×signW(n)，其中b为零吸引因子的比例参数，取值为10^-7～10^-6；

D4、抽头权系数向量的更新

由下式得出，下一时刻n+1的自适应滤波器抽头权系数向量W(n+1)，W(n+1)＝W(n)-μ×s^T(n)-ρ(n)，其中，μ为步长参数，其取值为0.135；

E、重复

令n＝n+1，重复步骤A、B、C、D的操作，直至通话结束。

与现有技术相比，本发明的有益效果是：

本发明在归一化最小均三次方绝对值算法中，通过对权系数向量的一范数进行求导得到零吸引因子ρ(n)，ρ(n)＝b×signW(n)，并将该零吸引因子作为权系数向量更新时的一个减项，当权系数向量较大时，该减项值也较大，从而获得了更快的初始收敛速度，而接近稳态时减项值变小，使得抽头权系数更新速度在接近稳态时也相应变小，保持了较好的稳定性。

下面结合附图和具体实施方式对本发明进行详细的说明。

附图说明

图1是归一化最小均三次方绝对值算法和本发明的归一化稳态失调曲线。

图2是归一化最小均三次方绝对值算法与本发明的跟踪能力(系统发生突变情况下)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，一种基于一范数零吸引的最小均三次方绝对值的回声消除方法，其步骤如下：

A、远端信号采样

对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)，将当前时刻n及之前的L-1个时刻的远端信号离散值x(n)，(n-1),…,x(n-L+1)，组成当前时刻n的自适应滤波器输入向量X(n)，X(n)＝[x(n)x(n-1),…,x(n-L+1)]^T，上标T表示转置，L为自适应滤波器的抽头长度，其取值为128；

B、回声信号估计

将当前时刻n的自适应滤波器输入向量X(n)通过自适应滤波器得到当前时刻n的输出值y(n)，也即回声信号的估计值y(n)，即

y(n)＝W(n)X(n)

其中，W(n)＝[w₁(n),w₂(n),...,w_l(n),...w_L(n)]为当前时刻n的自适应滤波器抽头权向量，其初始值为零，w_l(n)为当前时刻n的自适应滤波器的第l个抽头权系数；

C、回声信号消除

对近端信号采样得到当前时刻n的带回声近端采样信号d(n)；将当前时刻n的带回声近端采样信号d(n)，与自适应滤波器的当前时刻n的回声信号的估计值y(n)相减，得到当前时刻n的残差信号e(n)，e(n)＝d(n)-y(n)；再将当前时刻n的残差信号e(n)回送远端；

D、滤波器抽头权系数更新

D1、代价值的梯度值计算

由当前时刻n的残差信号e(n)，得到当前时刻n的代价值J(n)，其中，|·|表示绝对值运算；

再求出当前时刻n的代价值J(n)对W(n)的导数，作为当前时刻n的代价值的梯度值v(n)，其中表示偏导数运算，sign(·)表示符号函数；

D2、代价值的梯度值归一化计算

将当前时刻n的代价值的梯度值v(n)进行归一化运算，得到当前时刻n的代价值的归一化梯度值s(n)，其中σ为正则化参数，取值0.001；

D3、零吸引因子的计算

由当前时刻n的自适应滤波器抽头权系数向量W(n)，计算出当前时刻n的零吸引因子ρ(n)，ρ(n)＝b×signW(n)，其中b为零吸引因子的比例参数，取值为10^-7～10^-6；

D4、抽头权系数向量的更新

由下式得出，下一时刻n+1的自适应滤波器抽头权系数向量W(n+1)，W(n+1)＝W(n)-μ×s^T(n)-ρ(n)，其中，μ为步长参数，其取值为0.135；

E、重复

令n＝n+1，重复步骤A、B、C、D的操作，直至通话结束。

仿真实验

为了验证本发明方法的有效性，我们进行了仿真实验，并与归一化最小均三次方绝对值算法做了性能对比。

仿真实验中自适应滤波器抽头长度L为128，远端的输入信号采用一阶自回归(AR(1))信号，在房间为长6.25m，宽3.75m，高2.5m，温度20℃，湿度50％的安静密闭房间内，将接收到的远端信号经扬声器播放后，在房间中用麦克风按采样频率为8000Hz，按采样阶数L为128共拾取出500000时刻点的近端信号d(n)和采样阶数L为128共拾取出80000时刻点的近端信号d(n)。

实验中各算法的参数具体取值如下表:

各算法仿真实验的参数

NLMAT	μ＝0.135,σ＝0.001
		本发明	μ＝0.135,σ＝0.001,ρ＝0.000000166

仿真结果通过独立运行100次平均得到。

图1是归一化最小均三次方绝对值算法本发明的仿真实验的归一化稳态失调曲线。

图2是归一化最小均三次方绝对值算法和本发明方法仿真实验的跟踪能力(系统发生突变情况下)的归一化稳态失调曲线。

从图1中可以看出在稀疏系统环境中，同时在相同稳态失调的情况下归一化最小均三次方绝对值算法在大约18000时刻处收敛，本发明算法在大约12000时刻处收敛，其收敛时间减少了33％；说明本发明的收敛速度明显快于归一化最小均三次方绝对值算法。

从图2中可以看出，当系统发生突变时，在相同收敛速度的情况下，本发明的稳态失调约为-41dB，明显低于归一化最小均三次方绝对值算法的-38dB；本发明的跟踪性能好。

Claims (1)

1.一种基于一范数零吸引的最小均三次方绝对值的回声消除方法，其步骤如下：

A、远端信号采样

对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)，将当前时刻n及之前的L-1个时刻的远端信号离散值x(n)，(n-1),…,x(n-L+1)，组成当前时刻n的自适应滤波器输入向量X(n)，X(n)＝[x(n)x(n-1),…,x(n-L+1)]^T，上标T表示转置，L为自适应滤波器的抽头长度，其取值为128；

B、回声信号估计

将当前时刻n的自适应滤波器输入向量X(n)通过自适应滤波器得到当前时刻n的输出值y(n)，也即回声信号的估计值y(n)，即

y(n)＝W(n)X(n)

其中，W(n)＝[w₁(n),w₂(n),...,w_l(n),...w_L(n)]为当前时刻n的自适应滤波器抽头权向量，其初始值为零，w_l(n)为当前时刻n的自适应滤波器的第l个抽头权系数；

C、回声信号消除

对近端信号采样得到当前时刻n的带回声近端采样信号d(n)；将当前时刻n的带回声近端采样信号d(n)，与自适应滤波器的当前时刻n的回声信号的估计值y(n)相减，得到当前时刻n的残差信号e(n)，e(n)＝d(n)-y(n)；再将当前时刻n的残差信号e(n)回送远端；

D、滤波器抽头权系数更新

D1、代价值的梯度值计算

由当前时刻n的残差信号e(n)，得到当前时刻n的代价值J(n)，其中，|·|表示绝对值运算；

再求出当前时刻n的代价值J(n)对W(n)的导数，作为当前时刻n的代价值的梯度值v(n)，其中表示偏导数运算，sign(·)表示符号函数；

D2、代价值的梯度值归一化计算

将当前时刻n的代价值的梯度值v(n)进行归一化运算，得到当前时刻n的代价值的归一化梯度值s(n)，其中σ为正则化参数，取值0.001；

D3、零吸引因子的计算

由当前时刻n的自适应滤波器抽头权系数向量W(n)，计算出当前时刻n的零吸引因子ρ(n)，ρ(n)＝b×signW(n)，其中b为零吸引因子的比例参数，取值为10^-7～10^-6；

D4、抽头权系数向量的更新

由下式得出，下一时刻n+1的自适应滤波器抽头权系数向量W(n+1)，W(n+1)＝W(n)-μ×s^T(n)-ρ(n)，其中，μ为步长参数，其取值为0.135；

E、重复

令n＝n+1，重复步骤A、B、C、D的操作，直至通话结束。