CN108200522A - 一种变正则化比例归一化子带自适应滤波方法 - Google Patents
一种变正则化比例归一化子带自适应滤波方法 Download PDFInfo
- Publication number
- CN108200522A CN108200522A CN201711189964.5A CN201711189964A CN108200522A CN 108200522 A CN108200522 A CN 108200522A CN 201711189964 A CN201711189964 A CN 201711189964A CN 108200522 A CN108200522 A CN 108200522A
- Authority
- CN
- China
- Prior art keywords
- subband
- sub
- band
- signal
- adaptive filtering
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/45—Prevention of acoustic reaction, i.e. acoustic oscillatory feedback
- H04R25/453—Prevention of acoustic reaction, i.e. acoustic oscillatory feedback electronically
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R25/00—Deaf-aid sets, i.e. electro-acoustic or electro-mechanical hearing aids; Electric tinnitus maskers providing an auditory perception
- H04R25/50—Customised settings for obtaining desired overall acoustical characteristics
- H04R25/505—Customised settings for obtaining desired overall acoustical characteristics using digital signal processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2225/00—Details of deaf aids covered by H04R25/00, not provided for in any of its subgroups
- H04R2225/41—Detection or adaptation of hearing aid parameters or programs to listening situation, e.g. pub, forest
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Neurosurgery (AREA)
- Otolaryngology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种变正则化比例归一化子带自适应滤波方法,基于归一化子带自适应滤波算法的助听器反馈控制系统,基于比例自适应技术和变正则化参数变化,结合子带自适应滤波算法,更新自适应滤波器;为了进一步提高自适应滤波算法的性能,本发明基于输入信号、均方误差和估计系统噪声能量,通过均方偏差最大下降原理,更新正则化参数,形成了变正则化比例的参数更新子带自适应滤波的方法;将该方法应用于助听器的声反馈系统中,能取得更好的声反馈抑制效果,可以获得更低的稳态失调量和更快的收敛速度。
Description
技术领域
本发明涉及信号处理领域,特别涉及一种变正则化比例归一化子带自适应滤波方法。
背景技术
目前,自适应滤波算法在生活生产中有多种应用,如系统辨识,干扰预测,自适应均衡抵消等。助听器中由于声反馈现象的存在,给很多听力损失患者带来较大的麻烦,严重影响着他们的日常生活。众多基于自适应滤波算法的声反馈消除(Acoustic feedbackcancellation,AFC)方法被用来解决此类问题,归一化最小均方误差(NLMS)有着非常广泛的运用,由于它具有鲁棒性和计算简单的特点,常被用来解决声学回声现象。然而当输入信号为相关性较强的语音信号时,该算法表现的收敛速度慢,性能较差,无法满足对语音增强精确度要求较高的场景。为了克服这些缺点,Lee和Gan提出了一种新的子带自适应滤波结构,通过将全带的输入信号,分解为若干个子带信号,这些子带输入信号非常接近为白噪声信号。因此对于相关性强的信号,子带自适应滤波算法显示了较快的收敛速度,而且计算复杂度也和NLMS算法相近。
考虑到网络、声学回声消除以及助听器中的声反馈消除中,其中稀疏性是关键的影响因素,因此可以将归一化子带自适应滤波算法结合比例自适应技术应用到声反馈抑制中。比例适应技术能够处理稀疏环境,而子带自适应滤波技术可以大大改善有色信号下的收敛状况。研究中将这两种方法整合到单一自适应滤波算法中,以提高自适应滤波器在许多应用中的性能。
与NLMS算法类似,除了步长因子影响算法的性能之外,正则化因子在子带自适应滤波算法中也有至关重要的作用。子带自适应滤波算法的稳定性和收敛条件的好坏将取决于正则化因子的取值。正则化因子是一个正的常数,它被加到输入信号的平方欧几里德范数中,以解决输入信号的功率接近零时的数值问题。
通过调整正则化因子,可以解决相关自适应滤波算法的收敛速度和稳态失调之间的矛盾。“NI J,LI F.A variable regularization matrix normaliz-ed sub-bandadaptive filter[J].IEEE Signal Processing Letters,2009,16(2):105-108.”文献中,NI等利用均方偏差最大下降原理,通过变正则化参数来解决归一化子带自适应滤波算法中的收敛速度和稳态失调的矛盾;“NI J.Improved normalized sub-band adaptive filter[J].Electronics Letters,2012,48(6):320-321.”文献中,提出了一种改进的归一化子带自适应滤波算法,利用过去时刻的平均权系数调整新时刻的权系数达到减小稳态误差的目的。“YU Y,ZHAO H,Chen B.A new normalized subba-nd adaptive filter algorithmwith individual variable step sizes[J].Birkhauser Boston Inc.2016,35(4):1407-1418.”文献中,提出了一种改进的变步长归一化子带自适应滤波算法,通过引入迭代收缩技术,在每个子带步长上最小化先验误差的方法调整步长参数,显示了较低的稳态失调量。
发明内容
本发明的目的在于克服现有技术的不足,提出一种变正则化比例归一化子带自适应滤波方法,该方法在保证较快收敛速度的同时也能保持较低的失调量。
本发明解决其技术问题所采用的技术方案是:
一种变正则化比例归一化子带自适应滤波方法,基于归一化子带自适应滤波算法的助听器反馈抑制系统,所述助听器反馈抑制系统包括分析滤波器组和合成滤波器组,用于对麦克风信号和扬声器信号分别进行分解并生成相应的子带信号;还包括一组对子带信号进行处理而且系数相同的自适应滤波器组;所述自适应滤波器组包括多个子带自适应滤波器,通过对每个子带自适应滤波器的正则化因子进行更新,实现对每个子带自适应滤波器系数的更新。
优选的,通过如下比例子带自适应滤波算法实现对子带自适应滤波器的系数进行更新,表达式为:
其中,其中w(k)表示子带自适应滤波器的系数;μ表示变步长因子,值为1;ui(k)表示第i个子带的输出信号;ei,D(k)表示第i个子带的误差信号;k表示迭代次数,表示上一次的更新;表示子带自适应滤波器上一次的系数;N表示子带滤波器的个数;表示正则化因子。
优选的,引入一个对角矩阵Q(k)=diag[g0(k),g1(k),...,gN-1(k)],上述算法表达为:
对角线矩阵Q(k)中的元素可以定义为:
其中,M表示声反馈路径长度;ε为常数;||·||1表示向量l1的范数运算符;-1≤α≤1。
优选的,对每个子带自适应滤波器的正则化因子进行更新的方法如下:
a、将写成矩阵形式,如下:
其中,U(k)=[u0,D(k) u1,D(k)… uN-1,D(k)]为子带输入信号;eD(k)=[e0,D(k) e1,D(k) … eN-1,D(k)]T为子带误差信号;Γ(k)=Φ(k)+Δ(k),Φ(k)=diag[||u0(k)||2 ||u1(k)||2 … ||uN-1(k)||2]Δ(k)=diag[δ0(k) δ1(k) … δN-1(k)];
b、定义归一化子带自适应滤波算法的误差向量eD(k)、先验误差向量ea和均方偏差m(k)分别如下:
其中,wo=[wo,0 wo,1 … wo,k-1]表示声反馈路径的系数,向量dD(k)为子带期望信号,vD(k)为子带系统噪声向量,定义第i个子带系统噪声为vi,D(k),由此可以得出kN时刻均方偏差之差:
根据均方偏差最大下降原理将上式最小化,将上式两边对δi(k)求偏导,令得到变正则化因子的更新公式如下:
其中,为输入信号的方差功率;为子带误差信号的功率;为系统噪声功率;E[·]表示数学期望;
c、令i=0,1,…,N-1;则变正则化因子更新为:
其中,是更新δi(k)时的步长因子,有助于变正则化因子的收敛,Lk取值为大0的正数;δmax(k)为允许的最大变正则化因子;表示下一次的更新;
d、获取输入信号的方差功率和子带误差信号的功率如下:
其中,β为遗忘因子,取值为β=0.995;
e、在子带自适应滤波器处于静态时估计得到获取系统噪声功率
本发明具有如下有益效果:
(1)本发明基于输入信号、均方误差和估计系统噪声能量,通过均方偏差最大下降原理,更新正则化参数;将其应用于长回声路径和短回声路径的助听器反馈抑制系统中,可以更好的去除声反馈信号,获得更快的收敛速度和更低的失调量;
(2)本发明在输入信号为白噪声、有色信号和复杂语音信号的多种情况下都具有良好的声反馈抑制效果,良好的跟踪性能去除声反馈,同样可以获得更快的收敛速度和更低的失调量;
(3)本发明提出的一种变正则化比例归一化子带自适应滤波方法具有计算复杂度低和鲁棒性好的特点,适用于回声消除、系统辨识和自适应干扰抵消等领域。
以下结合附图及实施例对本发明作进一步详细说明,但本发明的一种变正则化比例归一化子带自适应滤波方法不局限于实施例。
附图说明
图1为本发明实施例的基于归一化子带自适应滤波算法的助听器反馈抑制系统;
图2为本发明实施例的声反馈路径条件,图2(a)为短回声路径,图2(b)为长回声路径;
图3为本发明实施例的多种方法在输入信号为白噪声算法声反馈抑制性能比较,其中图3(a)为短回声路径下声反馈抑制性能比较图,图3(b)为长回声路径下声反馈抑制性能比较图;
图4为本发明实施例的多种方法在输入信号为白噪声和有色信号算法跟踪性能比较,图4(a)白噪声输入信号,图4(b)为有色信号;
图5为本发明实施例的多种方法在语音信号输入的情况下的声反馈抑制性能比较图;其中图5(a)为短回声路径下声反馈抑制性能比较图,图5(b)为长回声路径下声反馈抑制性能比较图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
一种变正则化比例归一化子带自适应滤波方法,包括如下步骤:
1)如图1为基于归一化子带自适应滤波算法的数字助听器声反馈抑制,其中为期望信号,包含输入信号和回声反馈信号输入信号中包括真实语音信号和系统噪声信号由于为,在声反馈消除中,由于是需要放大的真实语音信号,因此可以先不计算,则期望信号可以表示为:
其中,wo=[wo,0 wo,1 … wo,k-1]表示声反馈路径的系数向量;从麦克风采集到的信号中减去由通过后的反馈信号估计值即可得到去除声反馈后的信号并经过前向增益放大由扬声器输出。令N为子带滤波器的个数,L为分析滤波器的长度,为迭代的次数,在该结构中,子带滤波器组为余弦调制滤波器组,保证重构信号的准确性。麦克风信号和扬声器信号分别经过分析滤波器组分解,生成相应的子带信号di(n)和ui(n),子带信号ui(n)通过自适应滤波器后生成子带输出信号yi(n),然后对子带信号进行N倍下采样后生成子带信号和 是具有相同系数的滤波器组,子带误差信号为经综合滤波器合成全带误差信号eD(k)。在该结构中每个子带使用相同的全带自适应滤波器,滤波器系数的系数为其中N为声反馈路径长度。则第个子带误差信号定义为:
其中,基于最小扰动原理,Lee和Gan采用如式(3)和(4)的约束方程,通过最优化方法推导归一化子带自适应滤波算法:
利用拉格朗日求解可得归一化子带自适应滤波算法更新公式:
式中μ为步长因子,δ为正则化参数。
2)由式(5)推出的归一化子带自适滤波算法,将式中的δ改为随时间序列kN变化的正则化因子δi(k),而且步长因子μ为1,则变正则化的子带自适应滤波算法可以写为:
按比例适应的思想是根据最后估计的抽头重量的值,将每个抽头重量分配一个单独的步长。它对于具有较大值的抽头权重使用成比例地较大的步长,并且对于较小的抽头权重将步长减小到接近零(或不更新),从而当待识别的未知系统具有稀疏脉冲响应时,导致更快的收敛。而稀疏的脉冲响应是具有很小百分比的分量,具有明显的幅度,而其余部分是小的或接近零。
首先引入一个对角线矩阵:Q(k)=diag[g0(k),g1(k),...,gN-1(k)],对角线控制矩阵中的元素可以定义为:
其中,ε是一个小的常数,||·||1是表示向量l1的范数运算符,这里-1≤α≤1,而实际中α的取值为0或者-0.5为合适取值。则比例子带自适应滤波算法(PNSAF)可以表达为:
3)将上式写成矩阵形式,得:
其中,U(k)=[u0,D(k) u1,D(k) … uN-1,D(k)]为子带输入信号;eD(k)=[e0,D(k)e1,D(k) … eN-1,D(k)]T为子带误差信号。式中Γ(k)=Φ(k)+Δ(k),Φ(k)=diag[||u0(k)||2 ||u1(k)||2 … ||uN-1(k)||2]Δ(k)=diag[δ0(k) δ1(k) … δN-1(k)]。定义归一化子带自适应滤波算法的误差向量eD(k),先验误差向量ea和均方偏差m(k)分别如下:
其中,wo=[wo,0 wo,1 … wo,k-1]表示声反馈路径的系数,向量dD(k)为子带期望信号,vD(k)为子带系统噪声向量,定义第个子带系统噪声为vi,D(k),由此可以得出kN时刻均方偏差之差:
根据均方偏差最大下降原理将上式最小化。对上式两边对δi(k)求偏导,令得到变正则化的更新公式:
其中为输入信号的方差功率,为子带误差信号的功率,为系统噪声功率。
4)新的成比例NSAF变正则化更新公式可以表示为如下式,基于声反馈归一化子带自适应滤波算法中,更新正则化因子的参数相当于有效的减小变步长参数的值,因此令步长的值μ=1,调整变正则化因子的值,有助于加快算法收敛速度,减小稳态失调量。令i=0,1,…,N-1。则可以将新的成比例归一化子带自适应滤波算法的变正则化参数更新为:
其中,是更新δi(k)时的步长因子,有助于变正则化因子的收敛,Lk取值为大0的正数。
5)对于的值可以根据下面式子计算:
上式中的β为遗忘因子,它的取值为β=0.995,而的估计可以在自适应滤波器处于静态时估计得到,具体实现可参考文献“YU Y,ZHAO H,Chen B.A new normalizedsubba-nd adaptive filter algorithm with individual variable step sizes[J].Birkhauser Boston Inc.2016,35(4):1407-1418.”。
现代数字助听器中越来越趋于小型化,对于去声反馈路径的研究也必须考虑房间反射和助听器耳道内的声学回声环境。参见图2所示,本实验模拟了所需的两种声学回声路径:a、参见图2(a)所示为短回声路径,即麦克风到扬声器的回声路径;b、参见图2(b)所示为长回声路径,即包含房间反射等回声路径。如图2所示的回声路径的单位脉冲响应,采样频率均为8kHz。
实验一白噪声环境下算法性能
参见图3所示,分别在两种不同的声反馈路径下(其中,图3(a)为短回声路径下声反馈抑制性能比较图,图3(b)为长回声路径下声反馈抑制性能比较图),输入信号是高斯随机白噪声序列,环境噪声v(n)是均值为零,方差为的高斯白噪声。所提的算法通过与几个相关的子带自适应滤波方法比较。如图3所示不管是长回声路径还是短回声路径,所提的算法稳态失调量均低于其他子带自适应滤波算法,收敛速度在短回声路径下相差不多,在长回声路径时则要快于其他算法。其中改进的归一化子带自适应滤波(INSAF)算法由于在更新滤波器系数时利用了过去时刻系数的均值,故导致收敛性较差。设置子带数目均为N=16,相关算法参数设置如下:归一化子带自适应滤波(NSAF)和PNSAF算法中,步长均为μ=0.2;INSAF算法中μ=0.2,P=2;在变正则化归一化子带自适滤波算法(VR-NSAF)中μ=1,Q=1000;在变步长归一化子带自适应滤波(VSS-NSAF)算法中λ=4;α=1-N/kM。所提出的算法中μ=1,β=0.995,Lk=8,
实验二算法跟踪性能比较
跟踪性能是自适应算法中非常重要的一个问题。在诸如声学声反馈消除的应用中,因为脉冲响应不是很稳定,自适应滤波器必须快速跟踪。参见图4,分别在高斯白噪声和白噪声通过AR一阶模型G(z)=1/(1-0.9z-1),各算法参数均为实验一时的参数设置,比较了系统发生突变时算法性能。图4(a)在白噪声输入时,可以看到所提的算法能快速收敛,并且具有更低的稳态失调量。图4(b)中在AR模型输入时各算法稳态失调量如同高斯白噪声一样,系统突变时,VR-NSAF收敛性能较差,对于INSAF算法,由于在更新滤波器系数时利用了过去时刻系数的均值,故导致收敛性无法体现。而所提的算法在这两种情况下均具有更快的收敛速度同时,且具有更低的稳态失调量。
实验三语音输入下算法性能
许多声反馈场景都需要将语音信号作为输入信号时,同样比较了多种子带自适应滤波算法的失调量的大小。参数设置如下:NSAF和PNSAF算法中,步长均为μ=0.5;INSAF算法中μ=0.2,P=2;在VR-NSAF算法中μ=1,Q=1000;在VSS-NSAF中λ=4;α=1-N/kM。所提出的算法中μ=1,β=0.995,Lk=8,如图5所示,上述各种子带自适应滤波算法中,收敛速度和稳态失调量与高斯白噪声输入时类似。在短回声路径下,PNSAF算法波动较大,由于,NSAF算法加入比例自适应算法后,比例系数在分配步长时,获得较低的失调量的时候,无法保证较好的收敛速度。由此可见,在语音作为输入信号的环境下,所提的变正则化比例的归一化子带自适应滤波算法仍然能保持更低的稳态失调和更快的收敛速度。
本发明基于输入信号,均方误差和估计系统噪声能量,在比例自适应技术中结合子带自适应滤波算法的同时,更新变正则化参数。正则化参数在更新过程中,使其不再局限于一个较小的正数,而是在稳态阶段是一个较大的正数。通过调整变正则化参数,发明了一种变正则化的成比例子带自适应滤波方法。实验仿真发现,将该算法应用于助听器的声反馈系统中,能取得更好的消除声反馈效果。所提的算法在白噪声输入、有色信号和真实语音信号情况下,算法均能获得更低的稳态失调量,和更快的收敛速度。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (4)
1.一种变正则化比例归一化子带自适应滤波方法,基于归一化子带自适应滤波算法的助听器反馈抑制系统,所述助听器反馈抑制系统包括分析滤波器组和合成滤波器组,用于对麦克风信号和扬声器信号分别进行分解并生成相应的子带信号;还包括一组对子带信号进行处理而且系数相同的自适应滤波器组;所述自适应滤波器组包括多个子带自适应滤波器,其特征在于:通过对每个子带自适应滤波器的正则化因子进行更新,实现对每个子带自适应滤波器系数的更新。
2.根据权利要求1所述的基于变步长归一化子带自适应滤波的声反馈去除方法,其特征在于,通过如下比例子带自适应滤波算法实现对子带自适应滤波器的系数进行更新,表达式为:
其中,其中w(k)表示子带自适应滤波器的系数;μ表示变步长因子,值为1;ui(k)表示第i个子带的输出信号;ei,D(k)表示第i个子带的误差信号;k表示迭代次数,k+1表示上一次的更新;w(k+1)表示子带自适应滤波器上一次的系数;N表示子带滤波器的个数;δi(k)表示正则化因子。
3.根据权利要求1所述的基于变步长归一化子带自适应滤波的声反馈去除方法,其特征在于,引入一个对角矩阵Q(k)=diag[g0(k),g1(k),...,gN-1(k)],上述算法表达为:
对角线矩阵Q(k)中的元素可以定义为:
其中,M表示声反馈路径长度;ε为常数;||·||1表示向量l1的范数运算符;-1≤α≤1。
4.根据权利要求3所述的基于变步长归一化子带自适应滤波的声反馈去除方法,其特征在于,对每个子带自适应滤波器的正则化因子进行更新的方法如下:
a、将写成矩阵形式,如下:
其中,U(k)=[u0,D(k) u1,D(k) … uN-1,D(k)]为子带输入信号;eD(k)=[e0,D(k) e1,D(k)… eN-1,D(k)]T为子带误差信号;Γ(k)=Φ(k)+Δ(k),Φ(k)=diag[||u0(k)||2 ||u1(k)||2…||uN-1(k)||2,Δ(k)=diag[δ0(k) δ1(k) … δN-1(k)];
b、定义归一化子带自适应滤波算法的误差向量eD(k)、先验误差向量ea和均方偏差m(k)分别如下:
其中,wo=[wo,0 wo,1 … wo,k-1]表示声反馈路径wo(z)的系数,向量dD(k)为子带期望信号,vD(k)为子带系统噪声向量,定义第i个子带系统噪声为vi,D(k),由此可以得出kN时刻均方偏差之差:
根据均方偏差最大下降原理将上式最小化,将上式两边对δi(k)求偏导,令得到变正则化因子的更新公式如下:
其中,为输入信号的方差功率;为子带误差信号的功率;为系统噪声功率;E[·]表示数学期望;
c、令则变正则化因子更新为:
其中,是更新δi(k)时的步长因子,有助于变正则化因子的收敛,Lk取值为大0的正数;δmax(k)为允许的最大变正则化因子;k-1表示下一次的更新;
d、获取输入信号的方差功率和子带误差信号的功率如下:
其中,β为遗忘因子,取值为β=0.995;
e、在子带自适应滤波器处于静态时估计中所示方法得到获取系统噪声功率
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711189964.5A CN108200522B (zh) | 2017-11-24 | 2017-11-24 | 一种变正则化比例归一化子带自适应滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711189964.5A CN108200522B (zh) | 2017-11-24 | 2017-11-24 | 一种变正则化比例归一化子带自适应滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108200522A true CN108200522A (zh) | 2018-06-22 |
CN108200522B CN108200522B (zh) | 2020-02-18 |
Family
ID=62572957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711189964.5A Active CN108200522B (zh) | 2017-11-24 | 2017-11-24 | 一种变正则化比例归一化子带自适应滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108200522B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109617538A (zh) * | 2018-12-09 | 2019-04-12 | 苏州大学 | 鲁棒的变参数稀疏自适应滤波器 |
CN109946253A (zh) * | 2019-04-08 | 2019-06-28 | 中南大学 | 一种光谱去噪方法 |
CN110138990A (zh) * | 2019-05-14 | 2019-08-16 | 浙江工业大学 | 一种消除移动设备VoIP电话回声的方法 |
CN110808057A (zh) * | 2019-10-31 | 2020-02-18 | 南昌航空大学 | 一种基于约束朴素生成对抗网络的语音增强方法 |
CN111181531A (zh) * | 2020-01-22 | 2020-05-19 | 苏州大学 | 一种变正则化偏差补偿符号子带自适应滤波器 |
CN111240203A (zh) * | 2020-01-16 | 2020-06-05 | 西安交通大学 | 机械系统静态非线性特征辨识方法 |
WO2020155712A1 (zh) * | 2019-01-29 | 2020-08-06 | 深圳市商汤科技有限公司 | 图像处理方法、装置、计算机设备和计算机存储介质 |
CN113194385A (zh) * | 2021-01-14 | 2021-07-30 | 四川湖山电器股份有限公司 | 基于步长控制的子带自适应反馈消除方法及系统 |
CN113473342A (zh) * | 2021-05-20 | 2021-10-01 | 中国科学院声学研究所 | 助听器的信号处理方法、装置、助听器及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716381A (zh) * | 2004-06-30 | 2006-01-04 | 微软公司 | 用循环正则化作多通道回声的消除 |
US8254588B2 (en) * | 2007-11-13 | 2012-08-28 | Stmicroelectronics Asia Pacific Pte., Ltd. | System and method for providing step size control for subband affine projection filters for echo cancellation applications |
CN103716013A (zh) * | 2014-01-14 | 2014-04-09 | 苏州大学 | 变参数比例自适应滤波器 |
CN104065359A (zh) * | 2014-06-27 | 2014-09-24 | 苏州大学 | 一种快速收敛的二维自适应滤波方法 |
JP2016015586A (ja) * | 2014-07-01 | 2016-01-28 | 国立大学法人金沢大学 | Lrlsフィルタ |
CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
-
2017
- 2017-11-24 CN CN201711189964.5A patent/CN108200522B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716381A (zh) * | 2004-06-30 | 2006-01-04 | 微软公司 | 用循环正则化作多通道回声的消除 |
US8254588B2 (en) * | 2007-11-13 | 2012-08-28 | Stmicroelectronics Asia Pacific Pte., Ltd. | System and method for providing step size control for subband affine projection filters for echo cancellation applications |
CN103716013A (zh) * | 2014-01-14 | 2014-04-09 | 苏州大学 | 变参数比例自适应滤波器 |
CN104065359A (zh) * | 2014-06-27 | 2014-09-24 | 苏州大学 | 一种快速收敛的二维自适应滤波方法 |
JP2016015586A (ja) * | 2014-07-01 | 2016-01-28 | 国立大学法人金沢大学 | Lrlsフィルタ |
CN107291663A (zh) * | 2017-06-12 | 2017-10-24 | 华侨大学 | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 |
Non-Patent Citations (1)
Title |
---|
戚晓慧: "子带自适应滤波技术研究及其应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109617538A (zh) * | 2018-12-09 | 2019-04-12 | 苏州大学 | 鲁棒的变参数稀疏自适应滤波器 |
CN109617538B (zh) * | 2018-12-09 | 2022-11-11 | 苏州大学 | 鲁棒的变参数稀疏自适应滤波器 |
WO2020155712A1 (zh) * | 2019-01-29 | 2020-08-06 | 深圳市商汤科技有限公司 | 图像处理方法、装置、计算机设备和计算机存储介质 |
CN109946253A (zh) * | 2019-04-08 | 2019-06-28 | 中南大学 | 一种光谱去噪方法 |
CN110138990A (zh) * | 2019-05-14 | 2019-08-16 | 浙江工业大学 | 一种消除移动设备VoIP电话回声的方法 |
CN110808057A (zh) * | 2019-10-31 | 2020-02-18 | 南昌航空大学 | 一种基于约束朴素生成对抗网络的语音增强方法 |
CN111240203A (zh) * | 2020-01-16 | 2020-06-05 | 西安交通大学 | 机械系统静态非线性特征辨识方法 |
CN111240203B (zh) * | 2020-01-16 | 2021-02-26 | 西安交通大学 | 机械系统静态非线性特征辨识方法 |
CN111181531A (zh) * | 2020-01-22 | 2020-05-19 | 苏州大学 | 一种变正则化偏差补偿符号子带自适应滤波器 |
CN111181531B (zh) * | 2020-01-22 | 2023-05-19 | 苏州大学 | 一种变正则化偏差补偿符号子带自适应滤波器 |
CN113194385A (zh) * | 2021-01-14 | 2021-07-30 | 四川湖山电器股份有限公司 | 基于步长控制的子带自适应反馈消除方法及系统 |
CN113194385B (zh) * | 2021-01-14 | 2023-03-10 | 四川湖山电器股份有限公司 | 基于步长控制的子带自适应反馈消除方法及系统 |
CN113473342A (zh) * | 2021-05-20 | 2021-10-01 | 中国科学院声学研究所 | 助听器的信号处理方法、装置、助听器及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108200522B (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108200522A (zh) | 一种变正则化比例归一化子带自适应滤波方法 | |
CN108172231B (zh) | 一种基于卡尔曼滤波的去混响方法及系统 | |
KR102236471B1 (ko) | 재귀적 최소 제곱 기법을 이용한 온라인 cgmm에 기반한 방향 벡터 추정을 이용한 음원 방향 추정 방법 | |
CN109727604A (zh) | 用于语音识别前端的频域回声消除方法及计算机储存介质 | |
JP5049277B2 (ja) | クリアな信号の取得のための方法及びシステム | |
CN103841497B (zh) | 控制自适应反馈估计系统的更新算法和去相关单元的方法 | |
Mertins et al. | Room impulse response shortening/reshaping with infinity-and $ p $-norm optimization | |
CN100578622C (zh) | 一种自适应麦克阵列系统及其语音信号处理方法 | |
CN107291663A (zh) | 应用于声反馈抑制的变步长归一化子带自适应滤波方法 | |
CN108184192A (zh) | 一种自适应声反馈抑制方法 | |
CN110491405B (zh) | 基于协同非线性自适应滤波的麦克风阵列语音增强方法 | |
CN112331226B (zh) | 一种针对主动降噪系统的语音增强系统及方法 | |
US11189297B1 (en) | Tunable residual echo suppressor | |
CN105721729B (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 | |
CN115457928A (zh) | 一种基于神经网络双讲检测的回声消除方法及系统 | |
Ding | Fast affine projection adaptation algorithms with stable and robust symmetric linear system slovers | |
Schmid et al. | An expectation-maximization algorithm for multichannel adaptive speech dereverberation in the frequency-domain | |
CN103929704B (zh) | 一种基于变换域的自适应声反馈消除的方法和系统 | |
Mousa et al. | Speech signal enhancement using adaptive noise cancellation techniques | |
Lee et al. | Deep neural network-based speech separation combining with MVDR beamformer for automatic speech recognition system | |
Seidel et al. | Efficient Deep Acoustic Echo Suppression with Condition-Aware Training | |
CN113347536B (zh) | 基于线性预测与子带自适应滤波的声反馈抑制算法 | |
Song et al. | A nonparametric variable step-size subband adaptive filtering algorithm for acoustic echo cancellation | |
Siqueira et al. | Subband adaptive filtering applied to acoustic feedback reduction in hearing aids | |
Khoubrouy et al. | An efficient delayless sub-band filtering for adaptive feedback compensation in hearing aid |
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 |