CN108877830B - 基于连续混合最大熵的回声消除方法 - Google Patents
基于连续混合最大熵的回声消除方法 Download PDFInfo
- Publication number
- CN108877830B CN108877830B CN201810547810.7A CN201810547810A CN108877830B CN 108877830 B CN108877830 B CN 108877830B CN 201810547810 A CN201810547810 A CN 201810547810A CN 108877830 B CN108877830 B CN 108877830B
- Authority
- CN
- China
- Prior art keywords
- signal
- current time
- echo
- value
- input
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000003044 adaptive effect Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 8
- 230000011664 signaling Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000035699 permeability Effects 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 5
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/04—Time compression or expansion
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (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)
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明公开了一种基于连续混合最大熵的回声消除方法,其步骤包括:A、采集远端输入信号u(n)和近端期望信号d(n);B、将输入信号离散值u(n)输入自适应滤波器,得到输出信号y(n);C、用d(n)减去y(n)进行回声消除,将误差信号e(n)传送给远端;D、当前时刻n的变步长μ(n)可由下式计算:再更新自适应滤波器的抽头权值w(n);E、令n=n+1,重复步骤A、B、C、D,直至通话结束。该方法避免了核宽度的选择问题,保证了算法具有良好的抗冲击能力和估计精度,回声消除效果好。
Description
技术领域
本发明属于通信中的回声消除技术领域。
背景技术
自适应信号处理作为信息技术的重要分支,在通信领域得到广泛的应用。而在通讯领域中,回声消除是一个颇具关注度和挑战性的热点。声音在封闭空间中经过多次反射会形成回声;此外,由于传输介质中阻抗不匹配也会在信号传输中形成回声。通信回声可以通过系统辨识模型来消除:所辨识系统为声学回声信道,系统辨识的输出为回声信号的估计,通过含回声信号的语音信号与回声信号的估计相减便可实现回声的消除,这就是自适应回声消除的原理。
归一化最小均方(NLMS)算法作为一种经典的自适应滤波算法已经被成功地应用到回声消除领域,其优点主要体现在计算复杂度低和实施过程简单。在一些实际应用场合,回声信道往往存在冲击噪声(幅值较大)。而在冲击噪声环境下,NLMS算法的性能会出现明显的下降,甚至算法表现出发散的不稳定现象。为此,B.Chen提出了最大熵算法(B.Chen,J.Wang,H.Zhao,N.Zheng,and J.C.Principe,Convergence of a Fixed-Point Algorithmunder Maximum Correntropy Criterion[J],IEEE Signal Processing Letters.,2015,22(10),pp.1723-1727),简称MCC算法。它是将回声估计的误差e相对于核宽度σ的倍数的指数(熵)进行拟合,得到变步长的增量,其变步长的增量的具体指数函数是exp(-e2/(2σ2))。进而利用指数函数(高斯核函数)对冲击噪声进行了有效的抑制,克服了冲击噪声发生时误差信号过大的缺陷,从而提升了算法的性能。然而,MCC算法中的核宽度σ为人为事先确定,实际应用中,选择的核宽度,很难同时兼顾抗冲击能力和估计精度,导致回声消除效果差。
发明内容
本发明的目的就是提供一种基于连续混合最大熵的回声消除方法,该方法避免了核宽度的选择问题,保证了算法具有良好的抗冲击能力和估计精度,回声消除效果好。
本发明实现其发明目的所采用的技术方案是,一种基于连续混合最大熵的回声消除方法,其步骤如下:
A、信号采集
将远端传来的远端信号采样得到当前时刻n的输入信号离散值u(n),对近端信号采样得到带有回声的当前时刻n的期望信号离散值d(n);
B、回声信号估计
将输入信号离散值u(n)在n到n-L+1时刻的值u(n),u(n-1)...,u(n-L+1),构成当前时刻n的输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T,其中,L表示自适应滤波器的长度,L=512或1024,上标T代表转置;
将输入信号离散值u(n)输入自适应滤波器,得到当前时刻n的输出信号y(n),y(n)=wT(n)U(n);其中,w(n)为当前n时刻自适应滤波器的权值向量,其长度等于L,初始值为零向量;
C、回声消除
将步骤A中得到的当前时刻n的期望信号离散值d(n),减去当前时刻n的输出信号y(n),得到当前时刻n的误差信号e(n),即e(n)=d(n)-y(n);并将当前时刻n的误差信号e(n),作为消除回声后的纯净信号传送给远端;
D、自适应滤波器抽头权值更新
D1、时变步长的计算
当前时刻n的变步长μ(n)可由下式计算:
其中,erfi(·)表示虚误差函数;
D2、滤波器抽头权值的更新
利用步骤B中的输入向量U(n),步骤C中的误差信号e(n)以及步骤D1中的时变步长μ(n),得到下一时刻(n+1)的滤波器抽头权系数w(n+1):
w(n+1)=w(n)+γμ(n)U(n)e(n)
其中,γ表示固定步长,取值范围是0.001~0.5;
E、重复
令n=n+1,重复步骤A、B、C、D,直至通话结束。
与现有技术相比,本发明的有益效果是:
本发明设计了一种有效的时变步长方法,该方法能够规避MCC算法中选择可靠核宽度的问题。具体而言:本发明改进了传统MCC算法的代价函数,采用了一种新的连续混合最大熵形式的步长更新函数避免了事先人为设定的固定核宽度。当冲击噪声存在时,信号误差平方e(n)2大,相应的步长μ(n)也变大,收敛速度快,抗冲击能力强。而当冲激噪声消失时,信号误差平方e(n)2小,步长相应变小,估计精度高。从而,本算法具有良好的抗冲击能力和估计精度,回声消除效果好。
附图说明
图1是本发明仿真实验的语音信号。
图2是本发明在语音输入下的归一化失调曲线。
具体实施方式
下面详细说明本发明在实际应用中的实现步骤。
实施例
本发明的一种具体实施方式是,一种基于连续混合最大熵的回声消除方法,其步骤如下:
A、信号采集
将远端传来的远端信号采样得到当前时刻n的输入信号离散值u(n),对近端信号采样得到带有回声的当前时刻n的期望信号离散值d(n);
B、回声信号估计
将输入信号离散值u(n)在n到n-L+1时刻的值u(n),u(n-1)...,u(n-L+1),构成当前时刻n的输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T,其中,L表示自适应滤波器的长度,L=512或1024,上标T代表转置;
将输入信号离散值u(n)输入自适应滤波器,得到当前时刻n的输出信号y(n),y(n)=wT(n)U(n);其中,w(n)为当前n时刻自适应滤波器的权值向量,其长度等于L,初始值为零向量;
C、回声消除
将步骤A中得到的当前时刻n的期望信号离散值d(n),减去当前时刻n的输出信号y(n),得到当前时刻n的误差信号e(n),即e(n)=d(n)-y(n);并将当前时刻n的误差信号e(n),作为消除回声后的纯净信号传送给远端;
D、自适应滤波器抽头权值更新
D1、时变步长的计算
当前时刻n的变步长μ(n)可由下式计算:
其中,erfi(·)表示虚误差函数;
D2、滤波器抽头权值的更新
利用步骤B中的输入向量U(n),步骤C中的误差信号e(n)以及步骤D1中的时变步长μ(n),得到下一时刻(n+1)的滤波器抽头权系数w(n+1):
w(n+1)=w(n)+γμ(n)U(n)e(n)
其中,γ表示固定步长,取值范围是0.001~0.5;
E、重复
令n=n+1,重复步骤A、B、C、D,直至通话结束。
仿真实验
为了验证本发明的有效性,我们进行了仿真实验。
仿真实验中回声信道的脉冲响应是在一个房间为长6.25m,宽3.75m,高2.5m,温度20℃,湿度50%的安静密闭房间内形成,其长度M为512。远端的输入信号采用扬声器播放出的真实语音信号,采样频率为8000Hz,采样点数为10000,见图1。回声信号是从电话麦克风处采集,测量环境信噪比为30dB。回声信道中冲击噪声产生形式z(n)=q(n)h(n),其中q(n)是白色高斯序列,h(n)表示一个概率质量函数为P(q)=1-Pr的伯努利过程,Pr表示冲击噪声发生的概率,仿真实验中Pr取值0.01,
仿真试验中,对于MCC算法而言,参数μ表示步长,σ表示核宽度。
图2是MCC算法和本发明算法在冲击噪声环境下的归一化失调的仿真结果。从图2中可以看出,和传统的MCC算法相比,本发明具有更快的收敛速度以及更低的稳态失调。同时,传统MCC算法依赖于核宽度σ的选择,而本发明不需要选择核宽度,因而在实际应用中具有更广泛的适用性。
Claims (1)
1.一种基于连续混合最大熵的回声消除方法,其步骤如下:
A、信号采集
将远端传来的远端信号采样得到当前时刻n的输入信号离散值u(n),对近端信号采样得到带有回声的当前时刻n的期望信号离散值d(n);
B、回声信号估计
将输入信号离散值u(n)在n到n-L+1时刻的值u(n),u(n-1)...,u(n-L+1),构成当前时刻n的输入向量U(n),U(n)=[u(n),u(n-1)...,u(n-L+1)]T,其中,L表示自适应滤波器的长度,L=512或1024,上标T代表转置;
将输入信号离散值u(n)输入自适应滤波器,得到当前时刻n的输出信号y(n),y(n)=wT(n)U(n);其中,w(n)为当前n时刻自适应滤波器的权值向量,其长度等于L,初始值为零向量;
C、回声消除
将步骤A中得到的当前时刻n的期望信号离散值d(n),减去当前时刻n的输出信号y(n),得到当前时刻n的误差信号e(n),即e(n)=d(n)-y(n);并将当前时刻n的误差信号e(n),作为消除回声后的纯净信号传送给远端;
D、自适应滤波器抽头权值更新
D1、时变步长的计算
当前时刻n的时变步长μ(n)可由下式计算:
其中,erfi(·)表示虚误差函数;
D2、滤波器抽头权值的更新
利用步骤B中的输入向量U(n),步骤C中的误差信号e(n)以及步骤D1中的时变步长μ(n),得到下一时刻n+1的滤波器抽头权系数w(n+1):
w(n+1)=w(n)+γμ(n)U(n)e(n)
其中,γ表示固定步长,取值范围是0.001~0.5;
E、重复
令n=n+1,重复步骤A、B、C、D,直至通话结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810547810.7A CN108877830B (zh) | 2018-05-31 | 2018-05-31 | 基于连续混合最大熵的回声消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810547810.7A CN108877830B (zh) | 2018-05-31 | 2018-05-31 | 基于连续混合最大熵的回声消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108877830A CN108877830A (zh) | 2018-11-23 |
CN108877830B true CN108877830B (zh) | 2019-09-24 |
Family
ID=64336418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810547810.7A Expired - Fee Related CN108877830B (zh) | 2018-05-31 | 2018-05-31 | 基于连续混合最大熵的回声消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108877830B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100930060B1 (ko) * | 2008-01-09 | 2009-12-08 | 성균관대학교산학협력단 | 신호 검출 방법, 장치 및 그 방법을 실행하는 프로그램이기록된 기록매체 |
US20130294611A1 (en) * | 2012-05-04 | 2013-11-07 | Sony Computer Entertainment Inc. | Source separation by independent component analysis in conjuction with optimization of acoustic echo cancellation |
CN106161823B (zh) * | 2016-05-12 | 2019-06-21 | 西南交通大学 | 基于连续混合p范数的子带结构回声消除方法 |
CN106210370B (zh) * | 2016-08-25 | 2019-07-23 | 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 |
CN107527622B (zh) * | 2017-07-07 | 2019-09-24 | 西南交通大学 | 一种基于最大熵的变步长符号子带回声消除方法 |
CN107369458B (zh) * | 2017-07-07 | 2019-09-24 | 西南交通大学 | 一种基于熵吸引的最大熵子带回声消除方法 |
-
2018
- 2018-05-31 CN CN201810547810.7A patent/CN108877830B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108877830A (zh) | 2018-11-23 |
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 | |
CN107071195B (zh) | 基于一范数零吸引的指数函数回声消除方法 | |
CN103369162B (zh) | 一种低复杂度的电话回声自适应消除方法 | |
CN106210370B (zh) | 一种仿射投影最大熵子带自适应回声消除方法 | |
CN110138990A (zh) | 一种消除移动设备VoIP电话回声的方法 | |
CN109995686A (zh) | 一种复数域稀疏水声信道估计方法 | |
CN107105111B (zh) | 一种组合步长成比例仿射投影回声消除方法 | |
CN104410761B (zh) | 一种仿射投影符号子带凸组合自适应回声消除方法 | |
CN110572525B (zh) | 一种用于语音通信的自适应通信回声消除方法 | |
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 | |
CN108877824B (zh) | 一种跟踪性能高的组合步长回声消除方法 | |
CN107333017A (zh) | 一种重用权系数指数型误差自适应回声消除方法 | |
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 | |
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 | |
CN107819963B (zh) | 一种凸组合的最小均三次方绝对值回声消除方法 | |
CN104270539A (zh) | 基于系数差的成比例仿射投影回声消除方法 | |
CN104144269B (zh) | 一种基于解相关的成比例自适应电话回声消除方法 | |
CN104410762B (zh) | 免提通话系统中的稳健回声抵消方法 | |
CN106161820B (zh) | 一种用于立体声声学回声抵消的通道间去相关方法 | |
CN110191245B (zh) | 一种基于时变参数的自适应回声消除方法 | |
CN106161823B (zh) | 基于连续混合p范数的子带结构回声消除方法 | |
CN108877830B (zh) | 基于连续混合最大熵的回声消除方法 | |
CN109089004A (zh) | 一种基于相关熵诱导的集员自适应回声消除方法 | |
CN106170049B (zh) | 一种有偏补偿的归一化子带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 |
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 |