CN113345457B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113345457B
CN113345457B CN202110609070.7A CN202110609070A CN113345457B CN 113345457 B CN113345457 B CN 113345457B CN 202110609070 A CN202110609070 A CN 202110609070A CN 113345457 B CN113345457 B CN 113345457B
Authority
CN
China
Prior art keywords
signal
adaptive filter
echo
filter
adaptive
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.)
Active
Application number
CN202110609070.7A
Other languages
English (en)
Other versions
CN113345457A (zh
Inventor
宋帆
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.)
Guangxi University
Original Assignee
Guangxi 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 Guangxi University filed Critical Guangxi University
Priority to CN202110609070.7A priority Critical patent/CN113345457B/zh
Publication of CN113345457A publication Critical patent/CN113345457A/zh
Application granted granted Critical
Publication of CN113345457B publication Critical patent/CN113345457B/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)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明公开了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，所述自适应滤波器的权向量是根据贝叶斯理论进行估算以模拟真实的回声路径并生成估计的回声信号，再将从近端麦克风采集到的近端信号减去估计的回声信号达到回声消除的目的。自适应滤波器采用基于贝叶斯理论的自适应滤波算法控制自适应滤波器的权向量更新，并利用可自动选择的步长自适应调整滤波器的权向量，基于贝叶斯理论的自适应滤波算法还具备回声通道发生偏离时参数复原功能。本发明方法对声学回声的消除效果好，稳态误差小，收敛速度快，具有良好的抗脉冲噪声干扰的能力，使滤波器维持良好的声学回声信号跟踪能力。

Description

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
技术领域
本发明涉及音频信号处理技术领域，具体涉及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，
背景技术
声学回声是语音通话中非常常见的一种现象，严重时会对语音质量造成很大的影响。声学回声是指由于扬声器和麦克风被置于同一空间，远端讲话者的声音被远端麦克风采集并传入通信设备，经过无线或有线传输之后达到近端的通信设备，并通过近端扬声器播放，由近端扬声器播放出来的声音直接被近端麦克风采集或者经过墙面或物体的反射被近端麦克风采集，经传输又返回到远端的通信设备，并通过远端扬声器播放出来，从而远端讲话者就听到了自己的声音。在这一背景下，产生了很多消除声学回声的方法和手段，其中主要有双讲检测方法和变步长控制方法，由于双讲检测模块存在固有的延时问题，所以鲁棒性声学回声消除更多的是采用变步长控制方法来实现。
声学回声消除最主要的部分之一就是回声线性处理部分,该部分是自适应滤波器在自适应滤波算法下估计实际环境中的声学回声，也就是模拟一个回声路径，使它逼近真实的回声路径。本发明根据贝叶斯理论在已知滤波器输入输出信号的条件下用一个函数形式较为简单的概率分布，在一定的准则下使自适应滤波器不断逼近真实回声通道，直至两个通道可以近似认为相同，达到消除声学回声的目的。
发明内容
本发明的目的是提供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，自适应滤波器的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态；噪声环境下，滤波器系数的更新在一个正数序列的约束下进行；当回声通道wo发生偏离时，控制因子复原为初值。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
本发明第一方面提供一种基于贝叶斯理论的声学回声消除自适应滤波器，包括去相关滤波器、自适应滤波器和回声通道模块、远端信号、近端信号，所述远端信号通过近端扬声器传输至回声通道模块；所述远端信号通过去相关滤波器连接自适应滤波器；近端信号通过去相关滤波器和自适应滤波器进行滤波，输出不含回声信号的信号；
所述自适应滤波器采用贝叶斯方法更新滤波器系数：
wn＝argmaxp(wo∣Ui) (1)
其中，
Figure BDA0003094824060000021
Figure BDA0003094824060000022
Figure BDA0003094824060000023
Figure BDA0003094824060000024
Figure BDA0003094824060000025
经过大量分析得出自适应滤波器权向量
Figure BDA0003094824060000026
其中，wn是自适应滤波器的权向量，是回声通道w0的估算值，Ui是输入输出信号数据集，
Figure BDA0003094824060000027
是回声通道wo当前时刻与前一时刻引入的噪声方差，qn＝wo,n-wo,n-1，μn是均值向量，Θn是输入信号的协方差矩阵，
Figure BDA0003094824060000028
是实际回声通道的去相关近端信号(期望信号)，包含回声信号、环境噪声信号或近端语音信号，
Figure BDA0003094824060000029
是去相关的滤波器输入的参考信号(去相关的远端信号)，L是滤波器的阶数，
Figure BDA00030948240600000210
是输入噪声方差，
Figure BDA00030948240600000211
是输出端噪声vn的方差；argmax(.)是取函数最大值时的自变量的函数，p(y/x)是条件概率函数，∫ydx是积分函数，N(x；μ,σ2)表示变量x服从高斯正态分布，均值为μ，方差为σ2，Tr(.)表示矩阵的迹运算，
Figure BDA0003094824060000031
表示平方欧式范数，
Figure BDA0003094824060000032
是省略下标p的去相关后验残差信号；贝叶斯估算方法提高了参数的估算精度，从而降低稳态误差。
进一步，所述自适应滤波器的权向量由以下条件进行约束：
Figure BDA0003094824060000033
其中，
Figure BDA0003094824060000034
是n时刻去相关的后验残差信号，δn是一个正序列；权向量的约束条件提高了自适应滤波器的抗噪声干扰能力。
进一步，所述正数序列δn为：
Figure BDA0003094824060000035
其中，λ是遗忘因子，0<<λ<1，
Figure BDA0003094824060000036
是权向量在脉冲噪声环境下归一化的约束变量，在回声通道wo发生偏离时参数δn复原为初值δ0，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。
进一步，联立方程(1)～(4)得到基于贝叶斯理论在约束条件下自适应滤波器的权向量：
Figure BDA0003094824060000037
其中，
Figure BDA0003094824060000038
是可自动选择的步长量，存在脉冲时步长选择为
Figure BDA0003094824060000039
无脉冲噪声时步长选择为1，
Figure BDA00030948240600000310
是噪声环境下补偿参数估算偏差的补偿量，消除因噪声引起的参数估算偏差，提高权值的估算精度进而提高滤波器的稳定性。
此外，本发明第二方面还提供一种基于贝叶斯理论的声学回声消除自适应滤波方法，所述方法包括以下步骤：
S1：在远端设备采集远端信号xn；
S2：对远端信号xn去相关，作为自适应滤波器的参考输入信号；
S3：估计回声信号；
S4：在近端设备采集近端信号dn；
S5：对近端信号dn去相关；
S6：消除回声信号。
进一步的，步骤S2的去相关输入信号
Figure BDA0003094824060000041
为：
Figure BDA0003094824060000042
其中，
Figure BDA0003094824060000043
是去相关系数；
进一步的，步骤S3中，所述回声估算信号的计算公式为：
Figure BDA0003094824060000044
其中，
Figure BDA0003094824060000045
为回声估算信号，
Figure BDA0003094824060000046
为去相关输入信号，wT为自适应滤波器的权向量。
进一步的，步骤S4中，所述近端信号dn包括声学回声信号、环境噪声信号及近端语音信号。
进一步的，步骤S5具体为所述近端信号dn经去相关滤波器后得到输出信号
Figure BDA0003094824060000047
将去相关后的近端信号
Figure BDA0003094824060000048
减去估算的回声信号
Figure BDA0003094824060000049
得到不含回声信号的残差信号
Figure BDA00030948240600000410
本发明的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，自适应滤波器的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态，提高了权值的估算精度；噪声环境下，滤波器系数的更新在一个正数序列的约束下进行，提高滤波器在噪声环境下的稳定性；当回声通道wo发生偏离时，控制因子复原为初值，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
附图说明
图1是本发明实施例提供的声学回声消除系统结构示意图；
图2是远端信号示意图；
图3是近端信号示意图；
图4是本发明方法与现有自适应滤波算法的归一化稳态失调曲线。
图5为一种基于贝叶斯理论的声学回声消除自适应滤波方法的流程图。
具体实施方式
下面结合附图和实施例对本发明的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做详细说明。
请参阅图1，本发明实施例1提供了一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，包括去相关滤波器、自适应滤波器和回声通道模块、远端信号、近端信号，所述远端信号通过近端扬声器传输至回声通道模块；所述远端信号通过去相关滤波器连接自适应滤波器；近端信号通过去相关滤波器和自适应滤波器进行滤波，输出不含回声信号的信号；
所述自适应滤波器采用贝叶斯方法更新滤波器系数：
wn＝argmaxp(wo∣Ui) (1)
其中，
Figure BDA0003094824060000051
Figure BDA0003094824060000052
Figure BDA0003094824060000053
Figure BDA0003094824060000054
Figure BDA0003094824060000055
经过大量分析得出自适应滤波器权向量
Figure BDA0003094824060000056
其中，wn是自适应滤波器的权向量，是回声通道w0的估算值，Ui是输入输出信号数据集，
Figure BDA0003094824060000061
是回声通道wo当前时刻与前一时刻引入的噪声方差，qn＝wo,n-wo,n-1，μn是均值向量，Θn是输入信号的协方差矩阵，
Figure BDA0003094824060000062
是实际回声通道的去相关近端信号(期望信号)，包含回声信号、环境噪声信号或近端语音信号，
Figure BDA0003094824060000063
是去相关的滤波器输入的参考信号(去相关的远端信号)，L是滤波器的阶数，
Figure BDA0003094824060000064
是输入噪声方差，
Figure BDA0003094824060000065
是输出端噪声vn的方差；argmax(.)是取函数最大值时的自变量的函数，p(y/x)是条件概率函数，∫ydx是积分函数，N(x；μ,σ2)表示变量x服从高斯正态分布，均值为μ，方差为σ2，Tr(.)表示矩阵的迹运算，
Figure BDA0003094824060000066
表示平方欧式范数，
Figure BDA0003094824060000067
是省略下标p的去相关后验残差信号；贝叶斯估算方法提高了参数的估算精度，从而降低稳态误差。
在本发明实施例中，所述自适应滤波器的权向量由以下条件进行约束：
Figure BDA0003094824060000068
其中，
Figure BDA0003094824060000069
是n时刻去相关的后验残差信号，δn是一个正序列；权向量的约束条件提高了自适应滤波器的抗噪声干扰能力。
在本发明实施例中，所述正数序列δn为：
Figure BDA00030948240600000610
其中，λ是遗忘因子，0<<λ<1，
Figure BDA00030948240600000611
是权向量在脉冲噪声环境下归一化的约束变量，在回声通道wo发生偏离时参数δn复原为初值δ0，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。
在本发明实施例中，联立方程(1)～(4)得到基于贝叶斯理论在约束条件下自适应滤波器的权向量：
Figure BDA0003094824060000071
请参阅图5，本发明实施例2还提供一种基于贝叶斯理论的声学回声消除自适应滤波方法，所述方法包括以下步骤：
S1：在远端设备采集远端信号xn；
S2：对远端信号xn去相关，作为自适应滤波器的参考输入信号；
去相关输入信号
Figure BDA0003094824060000072
为：
Figure BDA0003094824060000073
其中，
Figure BDA0003094824060000074
是去相关系数；
S3：估计回声信号；
在本发明实施例步骤S3中，所述估算回声信号的计算公式为：
Figure BDA0003094824060000075
其中，
Figure BDA0003094824060000076
为回声估算信号，
Figure BDA0003094824060000077
为去相关输入信号，wT为自适应滤波器的权向量。
S4：在近端设备采集近端信号dn；
在本发明实施例步骤S4中，所述近端信号dn包括声学回声信号、环境噪声信号及近端语音信号。
S5：对近端信号dn去相关；
在本发明实施例中，步骤S5具体为所述近端信号dn经去相关滤波器后得到输出信号
Figure BDA0003094824060000078
将去相关后的近端信号
Figure BDA0003094824060000079
减去估算的回声信号
Figure BDA00030948240600000710
得到不含回声信号的残差信号
Figure BDA00030948240600000711
S6：消除回声信号。
在本发明实施例中，远端设备的麦克风采集到的远端信号xn经过去相关滤波器进行去相关，去相关滤波器得到的输出信号
Figure BDA00030948240600000712
作为自适应滤波器的参考输入信号，输入信号
Figure BDA0003094824060000081
经过自适应滤波器得到估计的回声信号
Figure BDA0003094824060000082
近端设备的麦克风采集到的近端信号dn包含声学回声和环境噪声或近端语音信号，近端信号dn经过去相关滤波器后得到输出信号
Figure BDA0003094824060000083
将去相关后的近端信号
Figure BDA0003094824060000084
减去估计的回声信号
Figure BDA0003094824060000085
得到残差信号
Figure BDA0003094824060000086
此时的残差信号中已经消除了回声信号，仅包含环境噪声或近端语音信号，整个声学回声的自适应消除过程已经完成。
本发明具有稳态误差小，收敛速度快，声学回声消除效果好的优点，而且滤波器具有良好的噪声鲁棒性和声学回声跟踪性。本发明实施例提供了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主要解决自适应滤波器受声学回声影响而发散的问题。本发明的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态，提高了自适应滤波器对噪声的鲁棒性；回声通道wo发生偏离时，控制因子δn复原为初值，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
仿真实验
图2和图3为了验证本发明的有效性进行了仿真实验，图2为远端信号xn示意图，图3为近端信号示意图，其采样频率为44.1kHz，采样点数为2×105。自适应滤波器长度为L＝2048。实验在背景噪声为高斯白噪声，信噪比为40dB的条件下进行，并在近端麦克风接收到的近端信号中加入采集得到的冲击干扰。
从图4中各自适应滤波算法的归一化稳态失调曲线可以看出，本发明方法的收敛速度更快，稳态误差更小，当系统发生突变时，本发明方法能以较快的速度重新达到收敛状态，随着输入信号自回归阶数越大，自适应算法的稳态误差越小，说明该方法抗脉冲噪声的鲁棒性能更好，而且对声学回声的跟踪能力也较强。
最后应说明的是,以上实施例仅用于说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，包括去相关滤波器、自适应滤波器和回声通道模块、远端信号、近端信号，所述远端信号通过近端扬声器传输至回声通道模块；所述远端信号通过去相关滤波器连接自适应滤波器；近端信号通过去相关滤波器和自适应滤波器进行滤波，输出不含回声信号的信号；
所述自适应滤波器采用贝叶斯方法更新滤波器系数：
wn＝arg max p(wo∣Ui) (1)
其中，
Figure FDA0003634538750000011
Figure FDA0003634538750000012
μ0＝0.001
Figure FDA0003634538750000013
Figure FDA0003634538750000014
Figure FDA0003634538750000015
经过大量分析得出自适应滤波器权向量
Figure FDA0003634538750000016
其中，wn是自适应滤波器的权向量，是回声通道w0的估算值，Ui是输入输出信号数据集，
Figure FDA0003634538750000017
是回声通道wo当前时刻与前一时刻引入的噪声方差，qn＝wo,n-wo,n-1，μn是均值向量，Θn是输入信号的协方差矩阵，
Figure FDA0003634538750000018
是实际回声通道的去相关近端信号(期望信号)，包含回声信号、环境噪声信号或近端语音信号，
Figure FDA0003634538750000019
是去相关的滤波器输入的参考信号(去相关的远端信号)，L是滤波器的阶数，
Figure FDA00036345387500000110
是输入噪声方差，
Figure FDA00036345387500000111
是输出端噪声vn的方差；argmax(.)是取函数最大值时的自变量的函数，p(y/x)是条件概率函数，∫ydx是积分函数，
Figure FDA0003634538750000021
表示变量x服从高斯正态分布，均值为μ，方差为σ2，Tr(.)表示矩阵的迹运算，
Figure FDA0003634538750000022
表示平方欧式范数，
Figure FDA0003634538750000023
是省略下标p的去相关后验残差信号。
2.根据权利要求1所述的一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，所述自适应滤波器的权向量由以下条件进行约束：
Figure FDA0003634538750000024
其中，
Figure FDA0003634538750000025
是n时刻去相关的后验残差信号，δn是一个正序列；权向量的约束条件提高了自适应滤波器的抗噪声干扰能力。
3.根据权利要求2所述的一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，所述正数序列δn为：
Figure FDA0003634538750000026
其中，λ是遗忘因子，0<<λ<1，在回声通道wo发生偏离时参数δn复原为初值δ0，
Figure FDA0003634538750000027
是权向量在脉冲噪声环境下归一化的约束变量。
4.根据权利要求3所述的一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，联立方程(1)～(4)得到基于贝叶斯理论在约束条件下自适应滤波器的权向量：
Figure FDA0003634538750000028
其中，
Figure FDA0003634538750000029
是可自动选择的步长量，存在脉冲时步长选择为
Figure FDA00036345387500000210
无脉冲噪声时步长选择为1，
Figure FDA00036345387500000211
是噪声环境下补偿参数估算偏差的补偿量。
5.一种基于权利要求1～4任一项所述的一种基于贝叶斯理论的声学回声消除自适应滤波器的声学回声消除自适应滤波方法，其特征在于，所述方法包括以下步骤：
S1：在远端设备采集远端信号xn；
S2：对远端信号xn去相关，作为自适应滤波器的参考输入信号；
S3：估算回声信号；
S4：在近端设备采集近端信号dn；
S5：对近端信号dn去相关；
S6：消除回声信号。
6.根据权利要求5所述的一种基于贝叶斯理论的声学回声消除自适应滤波器的声学回声消除自适应滤波方法，其特征在于，步骤S3中，所述估算回声信号的计算公式为：
Figure FDA0003634538750000031
其中，
Figure FDA0003634538750000032
为回声估算信号，
Figure FDA0003634538750000033
为去相关远端输入信号，wT为自适应滤波器的权向量。
7.根据权利要求5所述的一种基于贝叶斯理论的声学回声消除自适应滤波器的声学回声消除自适应滤波方法，其特征在于，步骤S4中，所述近端信号dn包括声学回声信号、环境噪声信号及近端语音信号。
8.根据权利要求5所述的一种基于贝叶斯理论的声学回声消除自适应滤波器的声学回声消除自适应滤波方法，其特征在于，步骤S5具体为所述近端信号dn经去相关滤波器后得到输出信号
Figure FDA0003634538750000034
将去相关后的近端信号
Figure FDA0003634538750000035
减去估算的回声信号
Figure FDA0003634538750000036
得到不含回声信号的残差信号
Figure FDA0003634538750000037
CN202110609070.7A 2021-06-01 2021-06-01 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 Active CN113345457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110609070.7A CN113345457B (zh) 2021-06-01 2021-06-01 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110609070.7A CN113345457B (zh) 2021-06-01 2021-06-01 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

Publications (2)

Publication Number Publication Date
CN113345457A CN113345457A (zh) 2021-09-03
CN113345457B true CN113345457B (zh) 2022-06-17

Family

ID=77472634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110609070.7A Active CN113345457B (zh) 2021-06-01 2021-06-01 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

Country Status (1)

Country Link
CN (1) CN113345457B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8239194B1 (en) * 2011-07-28 2012-08-07 Google Inc. System and method for multi-channel multi-feature speech/noise classification for noise suppression
CN107046668A (zh) * 2016-02-08 2017-08-15 奥迪康有限公司 单耳语音可懂度预测单元、助听器及双耳听力系统
KR101802444B1 (ko) * 2016-07-15 2017-11-29 서강대학교산학협력단 독립 벡터 분석 및 반향 필터 재추정을 이용한 베이시안 특징 향상에 의한 강인한 음성 인식 장치 및 방법
CN109040499A (zh) * 2018-08-14 2018-12-18 西南交通大学 一种抗冲击干扰的自适应回声消除方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8924337B2 (en) * 2011-05-09 2014-12-30 Nokia Corporation Recursive Bayesian controllers for non-linear acoustic echo cancellation and suppression systems
US9633670B2 (en) * 2013-03-13 2017-04-25 Kopin Corporation Dual stage noise reduction architecture for desired signal extraction
KR101568937B1 (ko) * 2014-07-01 2015-11-13 한양대학교 산학협력단 볼테라 필터를 이용한 비선형 반향 신호 억제 장치 및 방법
US9553681B2 (en) * 2015-02-17 2017-01-24 Adobe Systems Incorporated Source separation using nonnegative matrix factorization with an automatically determined number of bases
CN109040497B (zh) * 2018-07-24 2020-12-25 西南交通大学 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
WO2020191512A1 (zh) * 2019-03-22 2020-10-01 深圳市汇顶科技股份有限公司 回声消除装置、回声消除方法、信号处理芯片及电子设备
WO2021022079A1 (en) * 2019-08-01 2021-02-04 Dolby Laboratories Licensing Corporation System and method for enhancement of a degraded audio signal
CN111755020B (zh) * 2020-08-07 2023-02-28 南京时保联信息科技有限公司 一种立体声回声消除方法
CN112542176B (zh) * 2020-11-04 2023-07-21 北京百度网讯科技有限公司 信号增强方法、装置及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8239194B1 (en) * 2011-07-28 2012-08-07 Google Inc. System and method for multi-channel multi-feature speech/noise classification for noise suppression
CN107046668A (zh) * 2016-02-08 2017-08-15 奥迪康有限公司 单耳语音可懂度预测单元、助听器及双耳听力系统
KR101802444B1 (ko) * 2016-07-15 2017-11-29 서강대학교산학협력단 독립 벡터 분석 및 반향 필터 재추정을 이용한 베이시안 특징 향상에 의한 강인한 음성 인식 장치 및 방법
CN109040499A (zh) * 2018-08-14 2018-12-18 西南交通大学 一种抗冲击干扰的自适应回声消除方法

Also Published As

Publication number Publication date
CN113345457A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN109727604B (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
US10403299B2 (en) Multi-channel speech signal enhancement for robust voice trigger detection and automatic speech recognition
CN111768796B (zh) 一种声学回波消除与去混响方法及装置
CN109686381B (zh) 用于信号增强的信号处理器和相关方法
CN101917527B (zh) 回声消除的方法和装置
CN110211602B (zh) 智能语音增强通信方法及装置
CN111028856B (zh) 一种变步长的回声消除方法
CN112689056B (zh) 一种回声消除方法及使用该方法的回声消除装置
CN107333017B (zh) 一种重用权系数指数型误差自适应回声消除方法
CN111755020B (zh) 一种立体声回声消除方法
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
US20070253565A1 (en) Methods and systems for reducing acoustic echoes in communication systems
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
CN110992923A (zh) 回声消除方法、电子设备以及存储装置
CN109697986B (zh) 一种基于最小三次方绝对值的自适应偏差补偿回声消除方法
CN104410762A (zh) 免提通话系统中的稳健回声抵消方法
US20050220292A1 (en) Method of discriminating between double-talk state and single-talk state
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
CN116453532A (zh) 一种声学回声的回声消除方法
Pu et al. A signal decorrelation PNLMS algorithm for double-talk acoustic echo cancellation
CN102655558B (zh) 一种双端发音鲁棒结构及其消除声学回声的方法
CN115620737A (zh) 语音信号处理装置、方法、电子设备和扩音系统
CN113241084B (zh) 回声消除的方法、装置及设备
CN110767245A (zh) 基于s型函数的语音通信自适应回声消除方法
US10636410B2 (en) Adaptive acoustic echo delay estimation

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