CN113873090A - 一种稳健估计仿射投影样条自适应回声消除方法 - Google Patents

Abstract

本发明公开了一种稳健估计仿射投影样条自适应回声消除方法，其步骤主要是：A、远端输入信号x(n)通过线性滤波器得到中间输出s(n)，利用s(n)计算出局部参数u和i；B、实时存储历史输入信号和含噪声的期望信号到相应的数据库X_i和d_i，X_i中的第j个输入向量x_i,j通过线性滤波器得到相应的中间输出s_i,j(n)，利用s_i,j(n)计算出局部参数u_i,j和i_i,j，然后计算输出y_i,j(n)；C、d_i,j减去y_i,j(n)，得到误差信号e_i,j(n)；D、稳健估计代价函数的构建；E、利用随机梯度法自适应更新滤波器权值和样条控制点；F、令n＝n+1，重复A到E的步骤，直到通话结束。本发明考虑回声路径中的非线性失真，在高斯和脉冲噪声环境下均收敛速度快，回声消除效果好。

Description

一种稳健估计仿射投影样条自适应回声消除方法

技术领域

本发明属于声学的自适应回声消除领域，具体涉及一种稳健估计仿射投影样条自适应非线性回声消除方法。

背景技术

在免提通话、音频会议系统等情况下，通信设备的麦克风与扬声器之间容易产生声学回声，具体是指远端通话者说话的声音传输到近端通信设备后，经近端通信设备的扬声器播放，又被近端通信设备的麦克风采集后传回到远端通信设备，这样远端通话者又听到了自己说话的声音。声学回声会严重干扰正常通话信号，从而极大影响通信质量。因此，为了克服回声的不利影响，可以设计有效的回声消除器，以实现抑制和消除回声的目的，提高通话通信质量。

声学回声消除是自适应系统辨识的实际应用之一，因此，自适应滤波器作为有效的回声消除方法得到了广泛研究和应用，其基本原理是利用自适应滤波器来辨识声学回声路径的脉冲响应。通常假设回声路径是线性的，从而提出一系列针对线性回声消除的自适应滤波方法。

实际声学环境中，扬声器或麦克风模块普遍存在非线性畸变，导致回声路径中存在非线性失真。尽管线性滤波方法在线性回声消除方面取得了良好的效果，但回声路径中普遍存在的非线性失真，会使回声消除能力大大降低甚至失效。为了解决这类问题，研究学者们提出了一些非线性自适应滤波算法，并将其应用于非线性回声消除领域中。

在现有的用于非线性回声消除的自适应滤波算法中，文献1“Scarpiniti M,Comminiello D,Parisi R,Uncini A.Nonlinear spline adaptive filtering[J].SignalProcessing,2013,93(4):772-783.”提出的样条自适应滤波算法灵活简单，并且易于实施。该方法采用线性滤波器与非线性样条插值机制的级联结构，能够有效辨识非线性系统。然而，该方法对脉冲噪声不具有稳健性，无法抗击脉冲噪声的干扰，而且当输入信号为高度相关的语音信号时，该方法的收敛速度较慢。

发明内容

本发明的发明目的是提供一种稳健估计仿射投影样条自适应非线性回声消除方法，该方法能够克服脉冲噪声的干扰，并能够实现更快速的收敛，非线性回声消除效果更好。

本发明为实现上述目的采用的技术方案是，一种稳健估计仿射投影样条自适应非线性回声消除方法，其步骤如下：

A、局部参数计算

组合当前时刻n与其前M-1个时刻远端通信设备采集到的远端语音输入信号，得到滤波器输入向量x(n)，然后通过线性滤波器得到整个系统的中间输出s(n)，s(n)＝x^T(n)w(n)，其中x(n)＝[x(n),x(n-1),...,x(n-M+1)]^T，M是线性滤波器的阶数，T表示转置运算，w(n)＝[w₁(n),w₂(n),...,w_M(n)]^T，表示n时刻的线性滤波器权值向量；

利用中间输出s(n)计算出局部参数u和i，其中u是归一化横坐标参数，i是插值区间索引，具体计算公式分别为：

和

其中δ表示两个相邻样条节点之间的均匀间隔，Q为样条控制点的总数，

表示向下取整算子；

B、仿射投影样条自适应滤波

建立存储历史输入信号和含噪声的期望信号的数据库X＝{X₁,X₂,...,X_Q}和D＝[d₁,d₂,...,d_Q]，K个最新数据将替换历史数据并实时存储，即将当前时刻n对应的x(n)和d(n)分别存储到X和D的第i个子数据库中，然后通过简单的位移操作更新子数据库，即X_i＝[x(n),x_i,1,...,x_i,K-1]，d_i＝[d(n),d_i,1,...,d_i,K-1]^T；

对X_i和d_i中的全部数据重复进行自适应滤波过程，即X_i中的第j个输入向量x_i,j通过线性滤波器，得到中间输出变量s_i,j(n)，

其中j＝0,1,...,K-1，并记x_i,0＝x(n)和d_i,0＝d(n)；利用s_i,j(n)计算参数

和

如果i_i,j＝i，则s_i,j(n)经过样条插值得到系统输出

否则y_i,j(n)＝d_i,j，其中

C为样条基矩阵，q_i(n)＝[q_i(n),q_i+1(n),q_i+2(n),q_i+3(n)]^T表示局部样条控制点向量；

C、非线性回声消除

期望信号d_i,j减去输出信号y_i,j(n)，得到误差信号e_i,j(n)，e_i,j(n)＝d_i,j-y_i,j(n)，将误差信号e(n)传送到远端；

D、稳健估计代价函数的构建

利用稳健估计函数作为代价函数，描述为：

其中稳健估计函数ψ(e_i,j(n))为分段连续函数，表示为：

其中ξ_i,j＝κσ_e,i,j(n)为阈值参数，κ＝2.576，σ_e,i,j(n)通过下式计算：

其中

表示误差信号e_i,j(n)的估计方差，0<τ<1为遗忘因子，τ_e为相关因子，med(·)表示中值运算，

5≤M_e≤9为窗口数，通常设置τ＝0.99，τ_e＝1.483[1+5/(M_e-1)]；ψ(e_i,j(n))对e_i,j(n)求偏导得到：

E、滤波器系数的更新

利用随机梯度法更新线性滤波器权值向量w(n)和非线性局部样条控制点向量q_i(n)，更新规则为：

其中

μ_w和μ_q为步长参数；

F、令n＝n+1，重复A至E的步骤，直至语音通话结束。

本发明的有益效果是：

一方面，本发明采用对脉冲噪声具有稳健性的估计函数作为代价函数，可以降低样条自适应回声消除方法对异常值的敏感性，从而在脉冲噪声环境下可实现良好的稳健性。

另一方面，本发明将仿射投影方法应用到样条自适应滤波器，克服了传统样条自适应方法在高度相关的语音输入信号时收敛速度慢的情况，具有更快的收敛速度，这得益于仿射投影方法在参数自适应过程中使用了更多的历史数据，因此，在非线性回声消除中可获得更好的效果。

附图说明

图1是实验得到的语音输入信号图；

图2是高斯噪声环境下本发明方法与文献1方法的回波损耗增益图；

图3是脉冲噪声环境下本发明方法与文献1方法的回波损耗增益图。

具体实施方式

实施例：

本实施例中的稳健估计仿射投影样条自适应非线性回声消除方法，其具体步骤如下：

A、局部参数计算

组合当前时刻n与其前M-1个时刻远端通信设备采集到的远端语音输入信号，得到滤波器输入向量x(n)，然后通过线性滤波器得到整个系统的中间输出s(n)，s(n)＝x^T(n)w(n)，其中x(n)＝[x(n),x(n-1),...,x(n-M+1)]^T，M是线性滤波器的阶数，T表示转置运算，w(n)＝[w₁(n),w₂(n),...,w_M(n)]^T，表示n时刻的线性滤波器权值向量；

利用中间输出s(n)计算出局部参数u和i，其中u是归一化横坐标参数，i是插值区间索引，具体计算公式分别为：

和

其中δ表示两个相邻样条节点之间的均匀间隔，Q为样条控制点的总数，

表示向下取整算子；

B、仿射投影样条自适应滤波

建立存储历史输入信号和含噪声的期望信号的数据库X＝{X₁,X₂,...,X_Q}和D＝[d₁,d₂,...,d_Q]，K个最新数据将替换历史数据并实时存储，即将当前时刻n对应的x(n)和d(n)分别存储到X和D的第i个子数据库中，然后通过简单的位移操作更新子数据库，即X_i＝[x(n),x_i,1,...,x_i,K-1]，d_i＝[d(n),d_i,1,...,d_i,K-1]^T；

对X_i和d_i中的全部数据重复进行自适应滤波过程，即X_i中的第j个输入向量x_i,j通过线性滤波器，得到中间输出变量s_i,j(n)，

其中j＝0,1,...,K-1，并记x_i,0＝x(n)和d_i,0＝d(n)；利用s_i,j(n)计算参数

和

如果i_i,j＝i，则s_i,j(n)经过样条插值得到系统输出

否则y_i,j(n)＝d_i,j，其中

C为样条基矩阵，q_i(n)＝[q_i(n),q_i+1(n),q_i+2(n),q_i+3(n)]^T表示局部样条控制点向量；

C、非线性回声消除

期望信号d_i,j减去输出信号y_i,j(n)，得到误差信号e_i,j(n)，e_i,j(n)＝d_i,j-y_i,j(n)，将误差信号e(n)传送到远端；

D、稳健估计代价函数的构建

利用稳健估计函数作为代价函数，描述为：

其中稳健估计函数ψ(e_i,j(n))为分段连续函数，表示为：

其中ξ_i,j＝κσ_e,i,j(n)为阈值参数，κ＝2.576，σ_e,i,j(n)通过下式计算：

其中

表示误差信号e_i,j(n)的估计方差，0<τ<1为遗忘因子，τ_e为相关因子，med(·)表示中值运算，

5≤M_e≤9为窗口数，通常设置τ＝0.99，τ_e＝1.483[1+5/(M_e-1)]；ψ(e_i,j(n))对e_i,j(n)求偏导得到：

E、滤波器系数的更新

利用随机梯度法更新线性滤波器权值向量w(n)和非线性局部样条控制点向量q_i(n)，更新规则为：

其中

μ_w和μ_q为步长参数；

F、令n＝n+1，重复A至E的步骤，直至滤波结束，实现非线性回声消除。

数值仿真实验：

为验证本发明的有效性，进行了数值仿真实验，并与现有文献1方法进行对比。

数值仿真中，语音输入信号由实验得到，如图1所示，其采样频率为8000赫兹，样本长度为100000。扬声器和麦克风之间的声学脉冲响应在高2.5米，宽3.75米，长6.25米，温度20摄氏度，湿度50％的安静密闭房间内获得，被截断为512个样本。非线性回声通常表现为麦克风的非线性畸变，这种失真通过一个无记忆sigmoid函数来模拟。选择信噪比为30dB的高斯白噪声信号作为附加到系统输出的背景噪声。选择特征指数为1.3，散度参数为0.05的α稳定噪声作为附加到系统输出的脉冲噪声。

文献1方法的参数取值为：M＝512；μ_w＝μ_q＝0.02。

本发明方法的参数取值为：M＝512；μ_w＝μ_q＝0.01；K＝4；M_e＝9。

回声消除实验中通常选择回波损耗增益(ERLE)作为回声消除效果的评价指标。回波损耗增益曲线的收敛速度越快，稳态值越高，自适应方法性能就越好，回声消除的效果也越好。

图2是高斯噪声环境下本发明方法与文献1方法的回波损耗增益曲线图。图3是脉冲噪声环境下本发明方法与文献1方法的回波损耗增益曲线图。

从图2可以看出，在高斯噪声环境下，在保持相同收敛速度的前提下，本发明方法的回波损耗增益值总体高于文献1的方法，这表明本发明方法具有更好的性能，非线性回声消除效果更好。

从图3可以看出，在脉冲噪声环境下，文献1方法的回波损耗增益曲线由于脉冲噪声的干扰而明显发散，而本发明方法的回波损耗增益曲线仍然能够很好收敛，这表明本发明方法对脉冲噪声具有稳健性，能够克服脉冲噪声所引起的大异常值的影响，在脉冲噪声环境下仍然能够获得很好的非线性回声消除效果。

Claims (1)

1.一种稳健估计仿射投影样条自适应回声消除方法，其步骤是：

A、局部参数计算

组合当前时刻n与其前M-1个时刻远端通信设备采集到的远端语音输入信号，得到滤波器输入向量x(n)，然后通过线性滤波器得到整个系统的中间输出s(n)，s(n)＝x^T(n)w(n)，其中x(n)＝[x(n),x(n-1),...,x(n-M+1)]^T，M是线性滤波器的阶数，T表示转置运算，w(n)＝[w₁(n),w₂(n),...,w_M(n)]^T，表示n时刻的线性滤波器权值向量；

利用中间输出s(n)计算出局部参数u和i，其中u是归一化横坐标参数，i是插值区间索引，具体计算公式分别为：

和

其中δ表示两个相邻样条节点之间的均匀间隔，Q为样条控制点的总数，

表示向下取整算子；

B、仿射投影样条自适应滤波

建立存储历史输入信号和含噪声的期望信号的数据库X＝{X₁,X₂,...,X_Q}和D＝[d₁,d₂,...,d_Q]，K个最新数据将替换历史数据并实时存储，即将当前时刻n对应的x(n)和d(n)分别存储到X和D的第i个子数据库中，然后通过简单的位移操作更新子数据库，即X_i＝[x(n),x_i,1,...,x_i,K-1]，d_i＝[d(n),d_i,1,...,d_i,K-1]^T；

对X_i和d_i中的全部数据重复进行自适应滤波过程，即X_i中的第j个输入向量x_i,j通过线性滤波器，得到中间输出变量s_i,j(n)，

其中j＝0,1,...,K-1，并记x_i,0＝x(n)和d_i,0＝d(n)；利用s_i,j(n)计算参数

和

如果i_i,j＝i，则s_i,j(n)经过样条插值得到系统输出

否则y_i,j(n)＝d_i,j，其中

C为样条基矩阵，q_i(n)＝[q_i(n),q_i+1(n),q_i+2(n),q_i+3(n)]^T表示局部样条控制点向量；

C、非线性回声消除

期望信号d_i,j减去输出信号y_i,j(n)，得到误差信号e_i,j(n)，e_i,j(n)＝d_i,j-y_i,j(n)，将误差信号e(n)传送到远端；

D、稳健估计代价函数的构建

利用稳健估计函数作为代价函数，描述为：

其中稳健估计函数ψ(e_i,j(n))为分段连续函数，表示为：

其中ξ_i,j＝κσ_e,i,j(n)为阈值参数，κ＝2.576，σ_e,i,j(n)通过下式计算：

其中

表示误差信号e_i,j(n)的估计方差，0<τ<1为遗忘因子，τ_e为相关因子，med(·)表示中值运算，

5≤M_e≤9为窗口数，通常设置τ＝0.99，τ_e＝1.483[1+5/(M_e-1)]；ψ(e_i,j(n))对e_i,j(n)求偏导得到：

E、滤波器系数的更新

利用随机梯度法更新线性滤波器权值向量w(n)和非线性局部样条控制点向量q_i(n)，更新规则为：

其中

μ_w和μ_q为步长参数；

F、令n＝n+1，重复A至E的步骤，直至语音通话结束。

Images