CN115457970B - 一种自动驾驶车内回声消除方法和系统 - Google Patents

一种自动驾驶车内回声消除方法和系统 Download PDF

Info

Publication number
CN115457970B
CN115457970B CN202211083588.2A CN202211083588A CN115457970B CN 115457970 B CN115457970 B CN 115457970B CN 202211083588 A CN202211083588 A CN 202211083588A CN 115457970 B CN115457970 B CN 115457970B
Authority
CN
China
Prior art keywords
signal
vehicle
echo cancellation
output signal
vector
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
CN202211083588.2A
Other languages
English (en)
Other versions
CN115457970A (zh
Inventor
李迎松
黄鑫琪
黄志祥
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.)
Anhui University
Original Assignee
Anhui 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 Anhui University filed Critical Anhui University
Priority to CN202211083588.2A priority Critical patent/CN115457970B/zh
Publication of CN115457970A publication Critical patent/CN115457970A/zh
Application granted granted Critical
Publication of CN115457970B publication Critical patent/CN115457970B/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
    • 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)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

一种自动驾驶车内回声消除方法和系统，包括以下步骤：S1.对自动驾驶车内的语音控制信号进行采样，构建n时刻车内输入信号矩阵；S2.基于n时刻的车内输入信号矩阵，得到n时刻的接收信号和估计输出信号；S3.将n时刻的所述接收信号和所述估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于所述代价函数获得加权差向量；S4.基于所述加权差向量，对所述估计输出信号进行迭代更新，得到下一次的所述估计输出信号的信道向量；S5.重复S1‑S4，当所述误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除。本申请的车内回声消除算法抗噪性能好，且收敛速度快、鲁棒性好、稳态性能优异。

Description

一种自动驾驶车内回声消除方法和系统
技术领域
本申请属于自动驾驶领域，具体涉及一种自动驾驶车内回声消除方法和系统。
背景技术
随着智能技术的飞速发展，自动驾驶汽车方兴未艾，而自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。然而，随着智能驾驶的飞速发展，语音控制成为智能驾驶的主要操控方式之一。然而，在小型汽车内，语音在车内传输，由于语音控制指令发出至车内控制系统的接收信号的信号传输信道收到车辆的外壳的发射，车辆行驶中车外的建筑物、地形等造成的反射，以及车辆行驶中车内发动机噪声、车内认为噪声和车外噪声构成的复杂噪声的影响，产生的回声会严重影响语音控制指令到控制系统的接收信号的质量，因此需要在智能驾驶车内回声进行消除，使智能驾驶控制系统接收到的信号真实、可信、准确。
传统的回声自适应消除算法主要采用最小均方误差算法，主要采用信号误差的均方作为代价函数，利用拉格朗日乘数法得到迭代公式，通过将含回声和噪声的语音信号与系统识别的输出得到的估计信号相减进行迭代实现回声消除。此外，传统的回声消除算法多数在高斯噪声下提出来的，虽然有一部分提出了脉冲噪声下的回声消除算法，但是在自动驾驶车内受限于空间距离、车内发动机噪声、车内认为噪声和车外噪声、回声、混响等多重复杂因素，导致自动驾驶语音指令控制汽车行驶的识别率低等明显痛点，且面对不同的国家、不同的区域语系、方言和口音就相当多，导致语音控制识别率差异较大。而作为智能驾驶车辆，稍微的差错会导致致命的危险，甚至酿成巨大的灾难，因此需要对智能驾驶车内回声进行消除以使自动驾驶语音指令控制台准确的获得语音控制指令。
发明内容
本申请提出了一种自动驾驶车内回声消除方法和系统，将发出的语音指令采样作为输入信号，结合输入信号的数据复用技术，利用复杂噪声抑制处理信号构建安德鲁代价函数，通过梯度下降法获得车内回声消除算法迭代更新方程，形成加权的误差信号，通过权系数的分配，实现不同情况下的抗干扰，保证自动驾驶车内回声消除算法在复杂噪声环境下算法的性能提高。
为实现上述目的，本申请提供了一种自动驾驶车内回声消除方法，包括如下步骤：
S1.对自动驾驶车内的语音控制信号进行采样，构建n时刻车内输入信号矩阵；
S2.基于n时刻的所述车内输入信号矩阵，得到n时刻的接收信号和估计输出信号，所述接收信号r(n)＝XT(n)s0+l(n)，其中，s0为所述接收信号的信号传输信道，l(n)为复杂噪声，所述估计输出信号
Figure GDA0004134508020000021
其中
Figure GDA0004134508020000022
为估计输出信号的信道向量；
S3.将n时刻的所述接收信号和所述估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于所述安德鲁代价函数获得加权误差向量；
S4.基于所述加权误差向量，对所述估计输出信号进行迭代更新，得到下一次的所述估计输出信号的信道向量；
S5.重复S1-S4，当所述误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除。
优选的，所述S1包括：
对所述语音控制信号进行采样后，得到n时刻N个离散输入信号向量x(n)，x(n)＝[x(1),x(2),...,x(N)]T；
基于所述离散输入信号向量，构建n时刻的所述车内输入信号矩阵X(n)＝[x(n),x(n-1),...,x(n-Q+1)]，Q为前n时刻的信号复用阶数，T为转置操作符。
优选的，所述S2中，所述复杂噪声由高斯噪声和脉冲噪声混合而成。
优选的，所述S3中，所述安德鲁代价函数为
Figure GDA0004134508020000031
其中e(n)为所述接收信号r(n)与所述估计输出信号
Figure GDA0004134508020000032
的差，|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数。
优选的，所述S3中，基于所述安德鲁代价函数，利用梯度下降法获得所述加权误差向量。
优选的，所述S4中，对所述估计输出信号进行迭代更新的迭代方程为
Figure GDA0004134508020000033
其中η为更新的步长。
本申请还提供了一种自动驾驶车内回声消除系统，包括：车内信号输入模块、车内未知信道输出模块、误差向量计算模块、迭代更新模块和输出模块；
所述车内信号输入模块用于对自动驾驶车内的语音控制信号进行采样，构建n时刻车内输入信号矩阵；
所述车内未知信道输出模块用于基于n时刻的所述车内输入信号矩阵，得到n时刻的接收信号和估计输出信号，所述接收信号r(n)＝XT(n)s0+l(n)，其中，s0为所述接收信号的信号传输信道，l(n)为复杂噪声，所述估计输出信号
Figure GDA0004134508020000041
其中
Figure GDA0004134508020000042
为估计输出信号的信道向量；
所述误差向量计算模块用于将n时刻的所述接收信号和所述估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于所述安德鲁代价函数获得加权误差向量；
所述迭代更新模块用于基于所述加权误差向量，对所述估计输出信号进行迭代更新，得到下一次的所述估计输出信号的信道向量；
所述输出模块当所述误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除。
优选的，所述车内未知信道输出模块包括未知信道单元和回声消除单元；
所述未知信道单元用于接收所述车内输入信号矩阵，得到n时刻的所述接收信号，
所述回声消除单元用于接收所述车内输入信号矩阵，得到n时刻的所述估计输出信号。
优选的，所述误差向量计算模块中，所述安德鲁代价函数为：
Figure GDA0004134508020000043
其中e(n)为所述接收信号r(n)与所述估计输出信号
Figure GDA0004134508020000044
的差，|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数。
优选的，所述迭代更新模块中，对所述估计输出信号进行迭代更新的迭代方程为
Figure GDA0004134508020000051
其中η为更新的步长。
本申请的有益效果为：
本申请公开了一种自动驾驶车内回声消除方法和系统，将智能驾驶车内控制系统的接收信号与车内回声消除系统输出的估计输出信号的差信号作为误差信号，从而构建智能驾驶车内回声消除算法的代价函数，通过梯度下降法获得加权的误差信号。利用加权后的误差信号，减小大异常值误差信号的干扰，降低复杂噪声干扰对智能驾驶系统的干扰，实现系统高效、稳定和鲁棒性，由此可见本发明提出的车内回声消除算法可以实现收敛速度快、估计误差小、高鲁棒性。
附图说明
为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一的自动驾驶车内回声消除方法流程示意图；
图2为本申请实施例一的车内回声消除算法的语音输入信号示意图；
图3为本申请实施例一的车内回声消除算法消除误差在语音输入下的学习曲线示意图；
图4为本申请实施例二的自动驾驶车内回声消除系统结构示意图；
图5为本申请实施例二的自动驾驶车内回声消除系统应用示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
实施例一
如图1所示，一种自动驾驶车内回声消除方法，包括如下步骤：
S1.如图2对自动驾驶车内的语音控制信号进行采样，语音控制信号即坐在车内乘客的话音，也即乘客的语音信号，构建n时刻车内输入信号矩阵：
对语音控制信号进行采样后，得到n时刻N个离散输入信号向量x(n)，x(n)＝[x(1),x(2),...,x(N)|T；
基于离散输入信号向量，同时考虑车内回声消除系统的前Q个信号对系统的影响，构建n时刻的所述车内输入信号矩阵X(n)＝[x(n),x(n-1),...,x(n-Q+1)]，其中N为自动驾驶车内语音控制系统输入信道的采样点数，Q为前n时刻的信号复用阶数，T为转置操作符。
S2.基于n时刻的所述车内输入信号矩阵进入车内未知信道和车内回声消除系统。车内未知信道为车内乘客的话音发出到车内回声消除系统的信号传输路径；车内回声消除系统是车内语音接收装置或者是车内语音控制系统的接收端与发射端之间的声音耦合产生的回声，并采用算法将回声消除，整个语音在车内控制系统收发端产生的路径的回声消除过程构成车内回声消除系统，分别得到智能驾驶车内控制系统的接收信号r(n)和估计输出信号
Figure GDA0004134508020000071
其中车内控制系统为智能驾驶车辆整体的控制系统，用以接收语音控制信号，并将信号传递给汽车的中控中心，进行回声消除之后，用语音信号驱动车辆进行相应的动作，接收信号r(n)＝XT(n)s0+l(n)，其中，s0为接收信号的信号传输信道，l(n)为车内发动机噪声、车内环境噪声和车外噪声构成的复杂噪声，l(n)＝[l(n)，l(n-1)，...，l(n-N+1)]T常由高斯噪声和脉冲噪声混合而成。估计输出信号
Figure GDA0004134508020000072
其中
Figure GDA0004134508020000073
为估计输出信号的信道向量；
S3.将n时刻的接收信号和估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于安德鲁代价函数获得加权误差向量：
如图3所示，智能驾驶车内控制系统的接收信号r(n)与估计的输出信号
Figure GDA0004134508020000074
的差作为误差信号e(n)，并用e(n)作为复杂噪声抑制处理信号构建安德鲁代价函数公式如下：
Figure GDA0004134508020000075
其中|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数，主要用来控制消除复杂噪声的影响的能力。
利用梯度下降法获得加权误差向量sin(e(n))。
S4.基于加权误差向量，对估计输出信号进行迭代更新，得到下一次的估计输出信号的信道向量：
车内回声消除算法根据上一步得到的加权误差向量sin(e(n))，对信号传输信道进行迭代更新，从而得到下一次的信号传输信道的向量，迭代方程为
Figure GDA0004134508020000081
其中η为更新的步长，可以调整车内回声消除算法的估计误差和跟踪回声消除速度，在算法的初始状态，算法的估计的信道向量
Figure GDA0004134508020000082
重复S1-S4，当误差信号达到预设标准时，直到车内回声消除算法稳定，其误差信号近似为零，识别得到车内未知信道，完成车内回声消除。
实施例二
如图4所示，一种自动驾驶车内回声消除系统，包括车内信号输入模块、车内未知信道输出模块、误差向量计算模块、迭代更新模块和输出模块；
车内信号输入模块用于对自动驾驶车内的语音控制信号进行采样，语音控制信号即坐在车内乘客的话音，也即乘客的语音信号构建n时刻车内输入信号矩阵；
车内未知信道输出模块用于基于n时刻的车内输入信号矩阵，得到n时刻的接收信号和估计输出信号，接收信号r(n)＝XT(n)s0+l(n)，其中，s0为接收信号的信号传输信道，l(n)为复杂噪声，估计输出信号
Figure GDA0004134508020000083
其中
Figure GDA0004134508020000084
为估计输出信号的信道向量；
车内未知信道输出模块包括未知信道单元和回声消除单元；
未知信道单元为车内乘客的话音发出到车内回声消除系统的信号传输路径；用于接收车内输入信号矩阵，得到n时刻的接收信号，
回声消除单元是车内语音接收装置或者是车内语音控制系统的接收端与发射端之间的声音耦合产生的回声，并采用算法将回声消除，整个语音在车内控制系统收发端产生的路径的回声消除过程构成车内回声消除系统；用于接收车内输入信号矩阵，得到n时刻的估计输出信号。
误差向量计算模块用于将n时刻的接收信号和估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于安德鲁代价函数获得加权误差向量；误差向量计算模块中，安德鲁代价函数公式为：
Figure GDA0004134508020000091
其中e(n)为接收信号r(n)与估计输出信号
Figure GDA0004134508020000092
的差，|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数。
迭代更新模块用于基于加权误差向量，对估计输出信号进行迭代更新，得到下一次的估计输出信号的信道向量；
迭代更新模块中，对估计输出信号进行迭代更新的迭代方程为
Figure GDA0004134508020000093
其中η为更新的步长。
输出模块当误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除。
本实施例的具体实施方式如图5所示。
以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (2)

1.一种自动驾驶车内回声消除方法，其特征在于，包括如下步骤：
S1.对自动驾驶车内的语音控制信号进行采样，构建n时刻车内输入信号矩阵；
S2.基于n时刻的所述车内输入信号矩阵，得到n时刻的接收信号和估计输出信号，所述接收信号r(n)＝XT(n)s0+l(n)，其中，s0为所述接收信号的信号传输信道，l(n)为复杂噪声，l(n)为车内发动机噪声、车内环境噪声和车外噪声构成的复杂噪声，l(n)＝[l(n)，l(n-1)，...，l(n-N+1)]T常由高斯噪声和脉冲噪声混合而成；所述估计输出信号
Figure FDA0004134508010000011
其中
Figure FDA0004134508010000012
为估计输出信号的信道向量；
对所述语音控制信号进行采样后，得到n时刻N个离散输入信号向量x(n)，x(n)＝[x(1),x(2),...,x(N)]T；
基于所述离散输入信号向量，构建n时刻的所述车内输入信号矩阵X(n)＝[x(n),x(n-1),...,x(n-Q+1)]，Q为前n时刻的信号复用阶数，T为转置操作符；
S3.将n时刻的所述接收信号和所述估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于所述代价函数获得加权误差向量；
智能驾驶车内控制系统的接收信号r(n)与估计的输出信号
Figure FDA0004134508010000013
的差作为误差信号e(n)，并用e(n)作为复杂噪声抑制处理信号构建安德鲁代价函数
Figure FDA0004134508010000014
其中|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数，主要用来控制消除复杂噪声的影响的能力；利用梯度下降法获得加权误差向量sin(e(n))；
S4.基于所述加权误差向量，对所述估计输出信号进行迭代更新，得到下一次的所述估计输出信号的信道向量；
车内回声消除算法根据上一步得到的加权误差向量sin(e(n))，对信号传输信道进行迭代更新，从而得到下一次的信号传输信道的向量，迭代方程为
Figure FDA0004134508010000021
其中η为更新的步长，调整车内回声消除算法的估计误差和跟踪回声消除速度，在算法的初始状态，算法的估计的信道向量
Figure FDA0004134508010000022
S5.重复S1-S4，当所述误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除。
2.一种自动驾驶车内回声消除系统，其特征在于，包括车内信号输入模块、车内未知信道输出模块、误差向量计算模块、迭代更新模块和输出模块；
所述车内信号输入模块用于对自动驾驶车内的语音控制信号进行采样，构建n时刻车内输入信号矩阵；
所述车内未知信道输出模块用于基于n时刻的所述车内输入信号矩阵，得到n时刻的接收信号和估计输出信号，所述接收信号r(n)＝XT(n)s0+l(n)，其中，s0为所述接收信号的信号传输信道，l(n)为复杂噪声，所述估计输出信号
Figure FDA0004134508010000023
其中
Figure FDA0004134508010000024
为估计输出信号的信道向量；
对所述语音控制信号进行采样后，得到n时刻N个离散输入信号向量x(n)，x(n)＝[x(1),x(2),...,x(N)]T；
基于所述离散输入信号向量，构建n时刻的所述车内输入信号矩阵X(n)＝[x(n),x(n-1),...,x(n-Q+1)]，Q为前n时刻的信号复用阶数，T为转置操作符；
所述误差向量计算模块用于将n时刻的所述接收信号和所述估计输出信号的差作为误差信号，构建安德鲁代价函数，并基于所述安德鲁代价函数获得加权误差向量；
所述迭代更新模块用于基于所述加权误差向量，对所述估计输出信号进行迭代更新，得到下一次的所述估计输出信号的信道向量；
所述输出模块当所述误差信号达到预设标准时，识别得到车内未知信道，完成车内回声消除；
所述车内未知信道输出模块包括未知信道单元和回声消除单元；
所述未知信道单元用于接收所述车内输入信号矩阵，得到n时刻的所述接收信号，
所述回声消除单元用于接收所述车内输入信号矩阵，得到n时刻的所述估计输出信号；
智能驾驶车内控制系统的接收信号r(n)与估计的输出信号
Figure FDA0004134508010000031
的差作为误差信号e(n)，并用e(n)作为复杂噪声抑制处理信号构建安德鲁代价函数，所述误差向量计算模块中，所述安德鲁代价函数为：
Figure FDA0004134508010000032
其中e(n)为所述接收信号r(n)与所述估计输出信号
Figure FDA0004134508010000033
的差，|e(n)|≤πc表示e(n)的每一个元素都要小于πc，且c为常数；主要用来控制消除复杂噪声的影响的能力；利用梯度下降法获得加权误差向量sin(e(n))；
车内回声消除算法根据上一步得到的加权误差向量sin(e(n))，对信号传输信道进行迭代更新，从而得到下一次的信号传输信道的向量，所述迭代更新模块中，对所述估计输出信号进行迭代更新的迭代方程为
Figure FDA0004134508010000041
其中η为更新的步长，调整车内回声消除算法的估计误差和跟踪回声消除速度，在算法的初始状态，算法的估计的信道向量
Figure FDA0004134508010000042
CN202211083588.2A 2022-09-06 2022-09-06 一种自动驾驶车内回声消除方法和系统 Active CN115457970B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211083588.2A CN115457970B (zh) 2022-09-06 2022-09-06 一种自动驾驶车内回声消除方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211083588.2A CN115457970B (zh) 2022-09-06 2022-09-06 一种自动驾驶车内回声消除方法和系统

Publications (2)

Publication Number Publication Date
CN115457970A CN115457970A (zh) 2022-12-09
CN115457970B true CN115457970B (zh) 2023-04-21

Family

ID=84302516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211083588.2A Active CN115457970B (zh) 2022-09-06 2022-09-06 一种自动驾驶车内回声消除方法和系统

Country Status (1)

Country Link
CN (1) CN115457970B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4894820A (en) * 1987-03-24 1990-01-16 Oki Electric Industry Co., Ltd. Double-talk detection in an echo canceller
WO2002093774A1 (en) * 2001-05-17 2002-11-21 Stmicroelectronics Asia Pacific Pte Ltd Echo canceller and a method of cancelling echo
US20030112887A1 (en) * 2001-12-18 2003-06-19 Sang Tzu Hsien Method and system for implementing weighted vector error echo cancellers
RU2235438C2 (ru) * 2002-06-18 2004-08-27 Гармонов Александр Васильевич Способ определения задержки прямого луча при приеме многолучевого сигнала и устройство для его реализации
TWI597938B (zh) * 2009-02-18 2017-09-01 杜比國際公司 低延遲調變濾波器組
EP3671761A1 (en) * 2018-12-21 2020-06-24 Fundacion Cidetec Assessing the functional performance of an individual
CN112886947B (zh) * 2021-01-26 2024-03-22 苏州大学 一种变步长鲁棒仿射投影自适应滤波器
CN113078885B (zh) * 2021-03-19 2022-06-28 浙江大学 一种抗脉冲干扰的分布式自适应估计方法

Also Published As

Publication number Publication date
CN115457970A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
EP3678135B1 (en) Voice control in a multi-talker and multimedia environment
CN110556103B (zh) 音频信号处理方法、装置、系统、设备和存储介质
JP3919287B2 (ja) 連続する入力音声フレームの観測されたシーケンスによって構成される音声信号を等化するための方法および装置
US5353376A (en) System and method for improved speech acquisition for hands-free voice telecommunication in a noisy environment
Nakadai et al. Real-time sound source localization and separation for robot audition.
CN109509465B (zh) 语音信号的处理方法、组件、设备及介质
US9048942B2 (en) Method and system for reducing interference and noise in speech signals
US6157909A (en) Process and device for blind equalization of the effects of a transmission channel on a digital speech signal
KR101103794B1 (ko) 멀티 빔 음향시스템
US20120322511A1 (en) De-noising method for multi-microphone audio equipment, in particular for a "hands-free" telephony system
US12009006B2 (en) Audio signal processing method, apparatus and device, and storage medium
US20170213550A1 (en) Adaptive dual collaborative kalman filtering for vehicular audio enhancement
US20240105199A1 (en) Learning method based on multi-channel cross-tower network for jointly suppressing acoustic echo and background noise
US5241692A (en) Interference reduction system for a speech recognition device
CN115457970B (zh) 一种自动驾驶车内回声消除方法和系统
KR102316626B1 (ko) 병렬 구조의 심화신경망을 이용한 잡음 및 에코 신호 통합 제거 방법 및 장치
KR100386488B1 (ko) 가입자와통신하기위한장치
US11843925B2 (en) Adaptive delay diversity filter and echo cancellation apparatus and method using the same
Wang et al. A speech enhancement system for automotive speech recognition with a hybrid voice activity detection method
Panda Denoising algorithms using stacked RNN models for In-Car speech recognition system
CN115312073A (zh) 一种联合信号处理和深度神经网络的低复杂度的残余回声抑制方法
Takeda et al. ICA-based efficient blind dereverberation and echo cancellation method for barge-in-able robot audition
Kühl et al. Kalman filter based system identification exploiting the decorrelation effects of linear prediction
CN111863017B (zh) 一种基于双麦克风阵列的车内定向拾音方法及相关装置
Yuan et al. Multi-channel Speech Enhancement with Multiple-target GANs

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