CN111899751A - 抗饱和失真的广义混合范数自适应回声消除方法 - Google Patents

抗饱和失真的广义混合范数自适应回声消除方法 Download PDF

Info

Publication number
CN111899751A
CN111899751A CN202010770085.7A CN202010770085A CN111899751A CN 111899751 A CN111899751 A CN 111899751A CN 202010770085 A CN202010770085 A CN 202010770085A CN 111899751 A CN111899751 A CN 111899751A
Authority
CN
China
Prior art keywords
value
echo signal
current time
signal
echo
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
Application number
CN202010770085.7A
Other languages
English (en)
Other versions
CN111899751B (zh
Inventor
赵海全
汪艮
赵峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202010770085.7A priority Critical patent/CN111899751B/zh
Publication of CN111899751A publication Critical patent/CN111899751A/zh
Application granted granted Critical
Publication of CN111899751B publication Critical patent/CN111899751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M9/00—Arrangements for interconnection not involving centralised switching
    • H04M9/08—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic
    • H04M9/082—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic using echo cancellers
    • 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)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (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)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤主要是：A、远端信号采集，得到输入向量X(n)；B、回声信号估计，得到回声信号估计值y(n)，y(n)＝XT(n)W(n)；C、回声消除，将近端信号d(n)，回声信号的估计值y(n)，得到误差信号估计值e(n)；D、滤波器抽头权向量更新：通过回声信号的概率密度计算，得到回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，回声信号的概率密度值p(n)、回声信号负值的概率密度值p*(n)，进而得到校正了饱和失真的回声信号及误差的下一时刻预估值；再据以进行抽头权向量的更新；E、重复上述过程，直至通话结束。该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好,尤其适用于强语音通信场景。

Description

抗饱和失真的广义混合范数自适应回声消除方法
技术领域
本发明涉及一种语音通信系统中的自适应回声消除方法。
技术背景
语音通信系统中的回声现象是指近端麦克风拾取的声音信号在传输过程中产生延时或形变又传回近端由听筒播放出来的现象(也即人们在通话过程中可以听到自己前一时刻的说话声音的现象)。回声会严重影响人们的通话质量，因此,对回声进行消除成为了人们关注的重点。通信回声可以通过系统辨识模型来进行自适应消除：所辨识系统为回声信道，系统辨识的输出为回声信号的估计；再将近端采样得到的，含回声信号的语音信号与回声信号的估计相减，然后由近端听筒播放出来，便可在近端实现回声的消除。
自适应回声消除技术具有成本低，收敛速度快，回声残差小的优点，在通信领域被认为是最有前景的回声消除技术。最常用的自适应回声消除方法为最小均方误差方法，其对误差的运算为二次方，对误差不够敏感，其收敛速度较低。马文涛等人提出了误差的两个不同范数混合值最小的方法(广义混合范数方法)来代替传统的最小均方误差方法(文献1“Kernel Recursive Generalized Mixed Norm Algorithm.”W.Ma,X.Qiu,J.Duan,Y.Li,and B.Chen Journal of the Franklin Institute(2017):S0016003217301813)。这种广义混合范数方法，误差的运算幂指数更高，对误差更敏感，提高了收敛速度，还降低了非高斯噪声环境中的稳态误差。
但是，现有的自适应回声消除方法，均是在麦克风拾取出的语音信号完整的假定下建立的。在近端语音信号强时，近端麦克风会产生饱和失真，使得拾取出的近端信号会产生饱和失真；导致基于语音信号完整的假定，而估计出的误差信号也会严重失真，进而导致算法精度低、稳态误差大，不能在强语音通信场景中使用。
发明内容
本发明的目的是提供一种抗饱和失真的广义混合范数自适应回声消除方法，该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好,尤其适用于强语音通信场景。
本发明实现其发明目的所采用的技术方案是，一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：
A、远端信号采集
对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]T，其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；
B、回声信号估计
将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)
y(n)＝XT(n)W(n)
其中，W(n)为自适应滤波器的当前时刻n的抽头权向量，W(n)＝[w1(n),w2(n),...,wm(n),...,wM(n)]T；wm(n)为自适应滤波器的当前时刻n的第m个抽头权系数，W(n)的初始值为零向量；
C、回声消除
对近端麦克风采样得到带回声的当前时刻n的近端信号d(n)，将其减去回声信号的估计值y(n)，得到当前时刻n的误差信号估计值e(n)，再送回给远端，e(n)＝d(n)-y(n)；
D、滤波器抽头权向量更新
D1、回声信号的概率密度计算
将当前时刻n及其前M-1个时刻的回声信号估计值y(n)、y(n-1),...,y(n-M+1)，组成当前时刻n的回声信号估计值向量Y(n)，Y(n)＝[y(n),y(n-1),...,y(n-M+1)]T；
估计出当前时刻n的回声信号估计值向量Y(n)中的时刻i与时刻j间的回声信号的相对概率密度p(i，j)，
Figure BDA0002616248560000031
其中，i、j为当前时刻n及其前M-1个时刻中的任一时刻，i∈[n-M+1，n],j∈[n-M+1，n]；σ2为当前时刻n的回声信号估计值向量Y(n)中的回声信号估计值的均方差，其取值范围为σ＞1.0；exp(·)表示自然指数运算；
进而得到当前时刻n的回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，
Figure BDA0002616248560000032
再估计出当前时刻n的回声信号的概率密度值p(n)，
Figure BDA0002616248560000033
及当前时刻n的回声信号负值的概率密度值p*(n)，
Figure BDA0002616248560000034
其中，y为当前时刻n的回声信号估计值向量的回声信号估计值的平均值
Figure BDA0002616248560000035
D2、抽头权向量的预估更新
先得到当前时刻n的近端信号符号值γ(n)，
Figure BDA0002616248560000036
再由下式算出下一时刻n+1的预估抽头权向量
Figure BDA0002616248560000037
Figure BDA0002616248560000038
其中，
Figure BDA0002616248560000039
的初始值即
Figure BDA00026162485600000310
为全零向量，η是预估抽头权向量的更新步长，其取值范围为[0.001,0.002]；
D3、回声信号及误差的更新预估
由当前时刻n的回声信号的概率密度值p(n)、回声信号概率密度累积值P(n)和下一时刻n+1的预估抽头权向量
Figure BDA00026162485600000311
计算出下一时刻n+1的回声信号预估值
Figure BDA00026162485600000312
进而得到下一时刻n+1的误差信号预估值
Figure BDA0002616248560000041
D4、抽头权向量的更新
由下式得出自适应滤波器的下一时刻n+1的抽头权向量
Figure BDA0002616248560000042
其中，μ代表步长、其取值为0.0001-0.002，a为误差计算的范数指数一、b为误差计算的范数指数二、a,b的取值范围为[0,4]，0＜λ＜1为范数指数一和范数指数二的混合参数，其取值范围为(0，1)，sign(·)为符号函数运算；
E、令n＝n+1，重复上述步骤A、B、C、D的过程，直至通话结束。
与现有的技术相比，本发明的有益效果是：
一、在强语音通信场景，近端麦克风会产生饱和失真，使得拾取出的近端信号会产生饱和失真；现有的自适应回声消除方法，完全忽略近端语音信号的失真，估计出的误差信号严重失真，进而导致算法精度低、稳态误差大，不能在强语音通信场景中使用。本发明通过对滤波器输出的回声信号的概率分布密度值和概率密度累积值的估计，进而根据最大似然估计方法，估计出滤波器的权向量的最大似然预估值及回声信号和误差的最大似然预估值；再以误差的最大似然预估值的范数组合，替代已失真的误差的范数组合作为代价函数，迭代更新计算出滤波器校正后的权向量。从而最大限度的补偿了由于传感器的饱和特性造成的输出信号及误差信号的失真，能更好、更快的逼近真实的误差和回声，其抗饱和失真性能好，稳态误差小，收敛速度快，回声消除效果好。
二、本发明以最大似然估计方法得到的误差的最大似然预估值的两个范数值的组合为代价函数，较之最小误差均方法以单一的误差均方(二阶范数)作为为代价函数；本发明的对误差的运算更全、幂指数更高，对误差更敏感；也提高了收敛速度，降低了非高斯噪声环境中的稳态误差。
下面结合附图和具体实施方式对本发明做进一步的详细说明。
附图说明
图1是文献1和本发明方法的仿真实验得到的归一化稳态失调曲线图。图中标记为GMN的曲线为文献1方法的归一化稳态失调曲线，标记为CR-GMN的曲线为本发明方法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例是，一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：
A、远端信号采集
对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]T，其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；
B、回声信号估计
将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)
y(n)＝XT(n)W(n)
其中，W(n)为自适应滤波器的当前时刻n的抽头权向量，W(n)＝[w1(n),w2(n),...,wm(n),...,wM(n)]T；wm(n)为自适应滤波器的当前时刻n的第m个抽头权系数，W(n)的初始值为零向量；
C、回声消除
对近端麦克风采样得到带回声的当前时刻n的近端信号d(n)，将其减去回声信号的估计值y(n)，得到当前时刻n的误差信号估计值e(n)，再送回给远端，e(n)＝d(n)-y(n)；
D、滤波器抽头权向量更新
D1、回声信号的概率密度计算
将当前时刻n及其前M-1个时刻的回声信号估计值y(n)、y(n-1),...,y(n-M+1)，组成当前时刻n的回声信号估计值向量Y(n)，Y(n)＝[y(n),y(n-1),...,y(n-M+1)]T；
估计出当前时刻n的回声信号估计值向量Y(n)中的时刻i与时刻j间的回声信号的相对概率密度p(i，j)，
Figure BDA0002616248560000061
其中，i、j为当前时刻n及其前M-1个时刻中的任一时刻，i∈[n-M+1，n],j∈[n-M+1，n]；σ为当前时刻n的回声信号估计值向量Y(n)中的回声信号估计值的均方差，其取值范围为σ＞1.0；exp(·)表示自然指数运算；
进而得到当前时刻n的回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，
Figure BDA0002616248560000062
再估计出当前时刻n的回声信号的概率密度值p(n)，
Figure BDA0002616248560000063
及当前时刻n的回声信号负值的概率密度值p*(n)，
Figure BDA0002616248560000064
其中，
Figure BDA0002616248560000065
为当前时刻n的回声信号估计值向量的回声信号估计值的平均值
Figure BDA0002616248560000066
D2、抽头权向量的预估更新
先得到当前时刻n的近端信号符号值γ(n)，
Figure BDA0002616248560000067
再由下式算出下一时刻n+1的预估抽头权向量
Figure BDA0002616248560000068
Figure BDA0002616248560000069
其中，
Figure BDA00026162485600000610
的初始值即
Figure BDA00026162485600000611
为全零向量，η是预估抽头权向量的更新步长，其取值范围为[0.001,0.002]；
D3、回声信号及误差的更新预估
由当前时刻n的回声信号的概率密度值p(n)、回声信号概率密度累积值P(n)和下一时刻n+1的预估抽头权向量
Figure BDA0002616248560000071
计算出下一时刻n+1的回声信号预估值
Figure BDA0002616248560000072
Figure BDA0002616248560000073
进而得到下一时刻n+1的误差信号预估值
Figure BDA0002616248560000074
D4、抽头权向量的更新
由下式得出自适应滤波器的下一时刻n+1的抽头权向量
Figure BDA0002616248560000075
其中，μ代表步长、其取值为0.0001-0.002，a为误差计算的范数指数一、b为误差计算的范数指数二、a,b的取值范围为[0,4]，0＜λ＜1为范数指数一和范数指数二的混合参数，其取值范围为(0，1)，sign(·)为符号函数运算；
E、令n＝n+1，重复上述步骤A、B、C、D的过程，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，并将文献1的方法与本发明进行对比。
仿真实验的条件为：远端信号x(n)为高斯信号，采样频率为8000Hz，采样点数为5000；回声信道脉冲响应在宽3.75m，高2.5m，长6.25m，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M＝8；使用具有饱和特性的取值范围为[-2,2]的麦克风对实际取值范围为[-3,3]的近端声音进行采集；实验的背景噪声为30dB的高斯白噪声。
仿真实验中本发明的方法与文献1的参数取值如下表。
文献1 μ＝0.03，λ＝0.3，a＝2.5，b＝1.6
本发明 η＝0.1，μ＝0.03，λ＝0.3，a＝2.5，b＝1.6
仿真实验通过独立运行100次得到仿真结果。图1是文献1的方法与本发明方法的归一化稳态失调曲线图，图中纵坐标为稳态误差，横坐标为采样时刻。图1中标记为GMN的曲线为文献1方法的归一化稳态失调曲线，标记为CR-GMN的曲线为本发明方法的归一化稳态失调曲线。
从图1中可以看出，文献1(GMN)方法直接使用近端信号与回声估计值之差作为误差信号，进行权向量更新，造成了较高的稳态误差：在迭代大约400次后，其稳态误差稳定在-5dB。而本发明方法(CR-GMN)采用通过最大似然估计方法校正后的误差预估值，进行权向量更新；从而有效消除了误差的失真，使算法获得了较低的稳态误差，在迭代大约300次后，稳态误差稳定在-34dB。其稳态误差明显减低，说明本发明方法稳态误差低，回声消除效果好。该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好，尤其适用于强语音通信场景。

Claims (1)

1.一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：
A、远端信号采集
对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]T；其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；
B、回声信号估计
将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)
y(n)＝XT(n)W(n)
其中，W(n)为自适应滤波器的当前时刻n的抽头权向量，W(n)＝[w1(n),w2(n),...,wm(n),...,wM(n)]T；wm(n)为自适应滤波器的当前时刻n的第m个抽头权系数，W(n)的初始值为零向量；
C、回声消除
对近端麦克风采样得到带回声的当前时刻n的近端信号d(n)，将其减去回声信号的估计值y(n)，得到当前时刻n的误差信号估计值e(n)，再送回给远端，e(n)＝d(n)-y(n)；
D、滤波器抽头权向量更新
D1、回声信号的概率密度计算
将当前时刻n及其前M-1个时刻的回声信号估计值y(n)、y(n-1),...,y(n-M+1)，组成当前时刻n的回声信号估计值向量Y(n)，Y(n)＝[y(n),y(n-1),...,y(n-M+1)]T；
估计出当前时刻n的回声信号估计值向量Y(n)中的时刻i与时刻j间的回声信号的相对概率密度p(i，j)，
Figure FDA0002616248550000011
其中，i、j为当前时刻n及其前M-1个时刻中的任一时刻，i∈[n-M+1，n],j∈[n-M+1，n]；σ2为当前时刻n的回声信号估计值向量Y(n)中的回声信号估计值的均方差，其取值范围为σ＞1.0；exp(·)表示自然指数运算；
进而得到当前时刻n的回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，
Figure FDA0002616248550000021
再估计出当前时刻n的回声信号的概率密度值p(n)，
Figure FDA0002616248550000022
及当前时刻n的回声信号负值的概率密度值p*(n)，
Figure FDA0002616248550000023
其中，
Figure FDA0002616248550000024
为当前时刻n的回声信号估计值向量的回声信号估计值的平均值
Figure FDA0002616248550000025
D2、抽头权向量的预估更新
先得到当前时刻n的近端信号符号值γ(n)，
Figure FDA0002616248550000026
再由下式算出下一时刻n+1的预估抽头权向量
Figure FDA0002616248550000027
Figure FDA0002616248550000028
其中，
Figure FDA0002616248550000029
的初始值即
Figure FDA00026162485500000210
为全零向量，η是预估抽头权向量的更新步长，其取值范围为[0.001,0.002]；
D3、回声信号及误差的更新预估
由当前时刻n的回声信号的概率密度值p(n)、回声信号概率密度累积值P(n)和下一时刻n+1的预估抽头权向量
Figure FDA00026162485500000211
计算出下一时刻n+1的回声信号预估值
Figure FDA00026162485500000212
进而得到下一时刻n+1的误差信号预估值
Figure FDA00026162485500000213
D4、抽头权向量的更新
由下式得出自适应滤波器的下一时刻n+1的抽头权向量
Figure FDA0002616248550000031
其中，μ代表步长、其取值为0.0001-0.002，a为误差计算的范数指数一、b为误差计算的范数指数二、a,b的取值范围为[0,4]，0＜λ＜1为范数指数一和范数指数二的混合参数，其取值范围为(0，1)，sign(·)为符号函数运算；
E、令n＝n+1，重复上述步骤A、B、C、D的过程，直至通话结束。
CN202010770085.7A 2020-08-04 2020-08-04 抗饱和失真的广义混合范数自适应回声消除方法 Active CN111899751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010770085.7A CN111899751B (zh) 2020-08-04 2020-08-04 抗饱和失真的广义混合范数自适应回声消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010770085.7A CN111899751B (zh) 2020-08-04 2020-08-04 抗饱和失真的广义混合范数自适应回声消除方法

Publications (2)

Publication Number Publication Date
CN111899751A true CN111899751A (zh) 2020-11-06
CN111899751B CN111899751B (zh) 2022-04-22

Family

ID=73183609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010770085.7A Active CN111899751B (zh) 2020-08-04 2020-08-04 抗饱和失真的广义混合范数自适应回声消除方法

Country Status (1)

Country Link
CN (1) CN111899751B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1356014A (zh) * 1999-04-12 2002-06-26 艾利森电话股份有限公司 利用频谱减除的双拾音器信号降噪系统和方法
US20060018459A1 (en) * 2004-06-25 2006-01-26 Mccree Alan V Acoustic echo devices and methods
US8472616B1 (en) * 2009-04-02 2013-06-25 Audience, Inc. Self calibration of envelope-based acoustic echo cancellation
EP2860874A1 (en) * 2013-10-14 2015-04-15 Syntropy Systems Apparatuses and methods for linear to discrete quantization conversion with reduced sampling-variation errors
US20170374201A1 (en) * 2014-07-24 2017-12-28 Synaptics Incorporated Robust acoustic echo cancellation for loosely paired devices based on semi-blind multichannel demixing
CN108172233A (zh) * 2017-12-12 2018-06-15 天格科技（杭州）有限公司 基于远端估计信号和误差信号回归因子的回声消除方法
CN109286730A (zh) * 2017-07-20 2019-01-29 阿里巴巴集团控股有限公司 一种回声检测的方法、装置及系统
CN110767245A (zh) * 2019-10-30 2020-02-07 西南交通大学 基于s型函数的语音通信自适应回声消除方法
KR102076760B1 (ko) * 2018-09-19 2020-02-12 한양대학교 산학협력단 다채널 마이크를 이용한 칼만필터 기반의 다채널 입출력 비선형 음향학적 반향 제거 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1356014A (zh) * 1999-04-12 2002-06-26 艾利森电话股份有限公司 利用频谱减除的双拾音器信号降噪系统和方法
US20060018459A1 (en) * 2004-06-25 2006-01-26 Mccree Alan V Acoustic echo devices and methods
US8472616B1 (en) * 2009-04-02 2013-06-25 Audience, Inc. Self calibration of envelope-based acoustic echo cancellation
EP2860874A1 (en) * 2013-10-14 2015-04-15 Syntropy Systems Apparatuses and methods for linear to discrete quantization conversion with reduced sampling-variation errors
US20170374201A1 (en) * 2014-07-24 2017-12-28 Synaptics Incorporated Robust acoustic echo cancellation for loosely paired devices based on semi-blind multichannel demixing
CN109286730A (zh) * 2017-07-20 2019-01-29 阿里巴巴集团控股有限公司 一种回声检测的方法、装置及系统
CN108172233A (zh) * 2017-12-12 2018-06-15 天格科技（杭州）有限公司 基于远端估计信号和误差信号回归因子的回声消除方法
KR102076760B1 (ko) * 2018-09-19 2020-02-12 한양대학교 산학협력단 다채널 마이크를 이용한 칼만필터 기반의 다채널 입출력 비선형 음향학적 반향 제거 방법
CN110767245A (zh) * 2019-10-30 2020-02-07 西南交通大学 基于s型函数的语音通信自适应回声消除方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HADI ZAYYANI: "Continuous Mixed -Norm Adaptive Algorithm for System Identification", 《IEEE SIGNAL PROCESSING LETTERS》 *
LONG SHI ET AL: "Generalized Variable Step Size Continuous Mixed p-Norm Adaptive Filtering Algorithm", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS》 *
ZONGSHENG ZHENG ET AL: "Robust Set-Membership Normalized Subband Adaptive Filtering Algorithms and Their Application to Acoustic Echo Cancellation", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS》 *
冯江浩: "基于自适应滤波的声学回声消除算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
文昊翔: "面向实时通信系统的自适应回声消除算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
赵海全: "基于非线性函数扩展的流水线型自适应滤波理论与方法研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Also Published As

Publication number Publication date
CN111899751B (zh) 2022-04-22

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
CN111028856B (zh) 一种变步长的回声消除方法
CN110572525B (zh) 一种用于语音通信的自适应通信回声消除方法
CN104754157B (zh) 一种残留回声抑制方法和系统
CN109767780B (zh) 一种语音信号处理方法、装置、设备及可读存储介质
CN110191245B (zh) 一种基于时变参数的自适应回声消除方法
US20110261950A1 (en) Adaptive filter and echo canceller having this adaptive filter
CN110138990A (zh) 一种消除移动设备VoIP电话回声的方法
CN112037811A (zh) 一种函数连接型自适应非线性回声消除方法
CN108877824B (zh) 一种跟踪性能高的组合步长回声消除方法
CN109089004B (zh) 一种基于相关熵诱导的集员自适应回声消除方法
CN112689056A (zh) 一种回声消除方法及使用该方法的回声消除装置
CN108630216B (zh) 一种基于双麦克风模型的mpnlms声反馈抑制方法
CN107333017A (zh) 一种重用权系数指数型误差自适应回声消除方法
CN114420147A (zh) 基于比例总体自适应方法的回声消除器
CN104601837A (zh) 一种鲁棒凸组合自适应电话回声消除方法
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
CN111243568B (zh) 一种凸约束自适应回声消除方法
CN111899751B (zh) 抗饱和失真的广义混合范数自适应回声消除方法
CN109151237A (zh) 基于零吸引的仿射投影自适应回声消除方法
Salman et al. A zero-attracting sparse lncosh adaptive algorithm
CN111739548B (zh) 抗输入噪声的最小误差熵自适应回声消除方法
CN110767245B (zh) 基于s型函数的语音通信自适应回声消除方法
CN113873090B (zh) 一种稳健估计仿射投影样条自适应回声消除方法
CN113345457B (zh) 一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法

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