CN1269902A

CN1269902A - 用于测量多个传感器处的信号电平和延迟的方法与装置

Info

Publication number: CN1269902A
Application number: CN98808780A
Authority: CN
Inventors: K·P·海恩德尔; J·A·J·拉斯姆松
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 1997-07-11
Filing date: 1998-07-03
Publication date: 2000-10-11
Anticipated expiration: 2018-07-03
Also published as: SG70644A1; TW386330B; EP0995188A1; JP4082649B2; HK1031421A1; DE69837663D1; PL337971A1; EE200000008A; WO1999003091A1; AU747618B2; BR9810695A; MY120049A; AU8364298A; US6430295B1; KR100480404B1; CN1122963C; JP2001509659A; EP0995188B1; KR20010021720A

Abstract

用于计算多个传感器之间的自动增益和时间延迟的方法和装置。在示例实施方案中,其中一个传感器被看作涉及被测量到的信号值的参考传感器,该过程被假设为窄带处理。涉及同一测量值的附加传感器中的相对增益和相对时间延迟被基于自适应滤波算法而自动计算出来。有利的是,所揭示的实施方案被利用标准的数字信号处理元件来实现。

Description

用于测量多个传感器处的信号电平和延迟的方法与装置

本发明涉及信号处理，特别是，涉及测量多个传感器处的信号电平和延迟。

在很多信号处理应用中，通常希望确定相对于特定信号源的多个信号传感器的相对灵敏度。例如，在免提移动电话环境中，可以结合波束生成方法使用双麦克风来降低汽车中背景噪声和回声的影响。为了实现这一点，关于涉及不同声学源的麦克风的相对灵敏度的信息被用来，例如，形成朝向特定用户的空间波束和/或形成阻止另一个用户或扬声器的空间陷波。这种方法要求关于麦克风灵敏度的动态信息被快速并准确地获得。

图1描述了一种以前技术的系统100，该系统用于测量免提移动电话环境中双麦克风相对不同信号源的相对灵敏度。如所表示的，以前技术的系统100包括第一麦克风115，第二麦克风125，自适应滤波器135以及求和设备140。第一麦克风115的输出y₁(k)被连接到求和设备140的正输入端，第二麦克风125的输出y₂(k)被连接到自适应滤波器135的输入端。自适应滤波器135的输出

被连接到求和设备140的负输入端，求和设备140的输出e(k)被用做到自适应滤波器135的反馈信号。

如所给出的，第一麦克风115被定位为离第一信号源110更近，第二麦克风125被定位为离第二信号源120更近。例如，第一麦克风115可以是附加到离汽车驾驶员很近的遮阳板上的免提麦克风，第二麦克风125可以是设在汽车中乘客附近的移动单元中的内嵌麦克风。尽管在图1中没有给出，该领域的技术人员将会理解，模拟预处理电路和模数转换电路可以包括在第一、第二麦克风115，125中每一个的输出端使得数字信号被自适应滤波器135和求和设备140处理。求和设备140的输出e(k)表示第一麦克风115的输出y₁(k)和自适应滤波器135的输出

之间的差值，并在这里被称为误差信号。

在操作中，自适应滤波器135的滤波器系数被利用最小平方算法来调整，使得误差信号e(k)被最小化。换句话说，自适应滤波器135被调整使得自适应滤波器135的输出

尽可能地接近第一麦克风115的输出(即，是其估计值)y₁(k)。这样，自适应滤波器135尝试模拟由于在物理上分离麦克风115，125而产生的信号的效果。例如，当乘客120讲话时，他或她的声音到达第二麦克风125比到达第一麦克风115稍早一些，并且在第一麦克风115接收到的相应的语音信号电平与在第二麦克风125处接收到的电平相比，有一些衰减。这样，自适应滤波器135被调整以给出同样的延迟和衰减效果。

作为结果，涉及每个用户的麦克风处的相对时间延迟和信号衰减可以基于自适应滤波器135的系数计算出来，例如在Y.T.Chan，J.M.Riley和J.b.Plant，“A parameter estimationapproach to time delay estimation and signal detection”，IEEETransaction on Acoustics Speech and Signal Processing，volASSP-28，Feb，1980中所描述的，该文献这里作为参考被引用。然而，图1中系统的一个缺点是，当噪声存在时，其性能明显恶化。作为结果，图1的系统在大多数实际应用中是没有用的，在这些应用中，明显的背景噪声(例如，路上的噪声和交通噪声)是很普遍的。这样，需要用来测量多个传感器处的相对信号电平和时间延迟。

通过给出一种系统，其中固定滤波器和自适应滤波器被组合应用以便为多个传感器提供准确并稳固的信号电平和时间延迟的估计值，本发明实现了上面描述的和其它的需要。在示例实施方案中，固定滤波器包括至少一个相对较窄的通带，该通带被用来将感兴趣的信号源与宽带背景噪声区别开。在实施方案中，固定滤波器被连接到参考传感器，而自适应滤波器被连接到第二传感器。从固定滤波器和自适应滤波器的输出得到的误差信号被用来根据适当的最小平方算法来调整自适应滤波器的系数。固定滤波器和自适应滤波器的系数被用来计算两个传感器之间的时间延迟和相对电平的估计值。然后，该估计值可以被用来作出关于传感器选择和波束形成的判断。

在示例实施方案中，系统的功能由一个活动检测器来实现，该检测器表明什么时间不存在感兴趣的信号。在活动检测器中，自适应滤波器中的累积能量与一个从固定滤波器系数中得出的期望最小值比较。当累加能量小于预期值，表明不存在任何感兴趣的信号(即，只存在背景噪声)时，那么时间延迟和相对电平估计值被设置为适当的值以保证即使在不存在任何感兴趣的信号的时间段内，系统也会正确运转。

在另外一个实施方案中，采用了多于两个的信号传感器。在该实施方案中，一个传感器被看做参考传感器，并被连接到固定滤波器，同时，另外的传感器都被连接到自适应滤波器。对于每个另外的传感器，从固定滤波器和相应自适应滤波器的输出得到的误差信号被用来更新相应自适应滤波器的系数。这样，参考传感器和每个另外的传感器之间的时间延迟和相对信号电平的加强估计值可以被计算出来，并且可以作出关于传感器选择和波束形成的成熟决定。

一般的，本发明给出一种计算简单但是准确而强大的方法，用于估计多个传感器处的时间延迟和相对信号电平。本发明的教导在广泛的信号处理环境中都是可用的。例如，除了上面描述的免提移动电话应用之外，本发明还可以被用于其它的声学应用，例如，电话会议。此外，本发明在无线电通讯应用中也是可用的，在这些应用中，感兴趣的信号是无线电频率传输(例如，来自蜂窝无线电系统中的移动单元和/或基站)，并且，传感器为对无线电频率敏感的天线元件。本发明的所有特征和有益之处可以参考在附图中给出的例子被解释。

图1描述了上面描述的以前技术的信号电平和延迟测量系统。

图2描述了根据本发明构造的信号电平和延迟的测量系统。

图3描述了在两个信号传感器处检测到的两个信号的相对信号电平和时间延迟。

图4描述了根据本发明构造的另一个信号电平和延迟测量系统。

图5描述了可以在图2和图4中的示例系统中应用的示例信号滤波器的幅度和相位响应。

图6描述了被用于示范本发明的示例实施方案的操作的示例语音和噪声信号。

图7描述了基于图6的信号由本发明的示例实施方案产生的信号电平和延迟估计值。

图2描述了根据本发明的教导构造的电平和延迟测量系统200。如所给出的，系统200包括第一传感器215、第二传感器225、固定FIR滤波器230、自适应FIR滤波器235和求和设备240。第一传感器215的输出y₁(k)被连接到固定滤波器230的输入端，固定滤波器230的输出y_F(k)被连接到求和设备240的正输入端。第二传感器225的输出y₂(k)被连接到自适应滤波器235的输入端，自适应滤波器235的输出被连接到求和设备240的负输入端。求和设备240的输出-误差信号e(k)被反馈到自适应滤波器235。

如所给出的，第一传感器215被定位在离第一信号源210更近，而第二传感器225被定位在离第二信号源220更近。例如，第一传感器215可以是设在离汽车驾驶员很近的遮阳板上的免提麦克风，第二传感器225可以是设在汽车中乘客附近的移动单元中的内嵌麦克风。或者，第一和第二传感器215和225可以是分别定位于离第一和第二无线电频率信号源更近的天线元件。尽管在图2中没有给出，该领域的技术人员将会理解的是，模拟预处理和模数转换电路可以包括在第一和第二传感器215，225每一个的输出端，使得数字信号被固定滤波器230、自适应滤波器235和求和设备240处理。

固定滤波器230被设计为包括至少一个相对较窄的感兴趣的通带。例如，在移动电话环境中，该通带可以对应于人类语音的大多数能量集中的300-600Hz的频带。在无线电通讯应用中，该通带可以对应于分配给无线电频率传输的波段。在任何情况下，固定滤波器230的系数按需要调整以补偿应用需求或环境条件中的变化。例如，在免提移动电话应用中，固定滤波器230可以被设置为使所接收的某个汽车装置的信噪比最优。此外，滤波器230的系数可以被动态调整，例如根据所测量到的信噪比动态调整。

根据本发明，固定滤波器230被设计为在每个通带内提供单位增益和零相位。此外，固定滤波器230的噪声增益被最小化以便保证最大的截止波段衰减。如下面详细描述的，固定滤波器提供的以前的信息(即，固定滤波器230的输出信号的窄带本质)被用于使系统能更有力地抵御噪声。

在操作中，自适应滤波器235的系数被利用适当的最小平方算法来调整使得误差信号e(k)被最小化，并且自适应滤波器235的输出

尽可能地接近固定滤波器230的输出y_F(k)。如下面描述的，第一和第二传感器215，225处关于每个信号源210，220的相对时间延迟和信号衰减在自适应滤波器235的系数和与固定滤波器230相关的以前信息的基础上被计算出来。尽管没有在图2中明确给出，该领域的技术人员会理解，适当的数字信号处理器可以与系统200集成以执行自适应滤波器235的最小平方更新并计算时间延迟和信号电平估计值。

为了澄清图2的系统200的操作，下面将参考图3和4进行严格的数学分析。尽管该分析是明显针对两个传感器和两个信号源而进行的，该领域的技术人员会理解所描述的方法对于包括任意数量的信号源和传感器的应用仍然是可用的。此外，尽管有时针对上面描述的声学免提移动电话应用进行参考，该领域的技术人员会理解，上面描述的方法对很多其它的包括以前提到的无线电通讯的信号处理环境也是可用的。

图3描述了在两维空间中放置的信号源和传感器的典型例子。在图中，第一和第二传感器215，225被定位于临近两个信号源210，220。如所给出的，从第一信号源210发出的信号(由第一虚线弧315表示)将在输入第二信号传感器225之前先输入第一信号传感器215。这样，因第一信号源210而在第二传感器225接收的信号将是因同样信号源210在第一传感器215接收的信号的被延迟并被衰减后的版本。此外，从第二信号源220发出的信号(由第二虚线弧325表示)在输入第一传感器215之前将先输入第二传感器225。因第二信号源220而在第一传感器215接收的信号将是因同一信号源220在第二传感器225接收的信号的被延迟并被衰减后的版本。传感器215，225相对于第一和第二信号源210，220的空间分离(因而是相应的时间延迟和电平衰减)在图3中由第二和第一直线段320，310分别表示。

如果在时刻k的第一和第二传感器输入(在模拟预处理和模数转换之后)分别由x₁(k)和x₂(k)表示，那么第二传感器输入x₂(k)是第一传感器输入x₁(k)的延迟并缩放后的版本。换句话说，x₂(k)＝1/S·x₁(k- D)，其中缩放因子S大于0，延迟 D可以是正也可以是负。严格地说，对于D＜0(例如，对于从第二信号源220发出的信号)，第一输入x₁(k)是第二输入x₂(k)的延迟并缩放后的版本。然而，为了简化表示，在不损失通用性的情况下，第二输入x₂(k)被表示为对于所有 D值的延迟信号。

为了提出因果滤波的问题，固定延迟Δ可以被引入第一传感器之后的信号路径中。虽然在大多数应用中，这是一个很自然的方法，但这并不是本发明可行的一个先决条件。这种情况将在下面详细描述。随着额外延迟Δ的引入，可以如下定义第一和第二中间信号y₁(k)，y₂(k)：

y₁(k)＝x₁(k-Δ) (1)

y_{2} (k) = x_{2} (k) = \frac{1}{s} q^{Δ - \hat{D}} y_{1} (k) = \frac{1}{s} y_{1} (k + D) . . . . . (2)

其中q表示众所周知的延迟算子(即，qy(k)＝y(k+1)，q^-1y(k)＝y(k-1)，等等)，D被定义为Δ- D。注意到，对于因果滤波，Δ＞ D。

为了帮助讨论，图4说明了在电平和延迟测量系统中的输入信号x₁(k)，x₂(k)和中间信号y₁(k)，y₂(k)。除了延迟块410(对应于上面描述的固定延迟Δ)被定位在第一传感器215和固定传感器230之间之外，图4的系统400与图2的系统200相同。在下面的讨论中，假定固定滤波器230的系数存储在第一系数矢量c₀中，自适应滤波器235的时变系数存储在第二系数矢量中。

一般地，本发明给出一种基于测量所得的传感器输入x₁(k)和x₂(k)，用于估计延迟D和缩放因子S的计算简单但准确的方法。有利的是，该方法能很强地抵御背景噪声使得该方法可以成功用于例如上面描述的免提移动电话环境。所估计的量值即D_k和 (其中k表明上达且包括时间常数k的传感器输入信号被用于计算D和S)可以被用来提高系统性能。

例如，在移动电话环境中，估计值D_k和

可以结合众所周知的波束形成技术使用以便从电子上增强或降低传感器215，225相对于第一和第二信号源210，220的灵敏度。例如，当特定信号源被激活时，(例如，当驾驶员说话时)，波束会形成于该源的方向上以便优化其接收。另外，当信号源给出一个应该在传感器处被阻塞的信号时(例如，当该信号源为可能造成令人讨厌的反馈或回声的扬声器时)可以采用空间滤波来消除涉及该信号源的传感器的灵敏度。

此外，当特定信号源被激活时，系统可以选择性地仅仅发送在特定传感器处检测到的信号。例如，如果某个传感器对乘客比对驾驶员更敏感(例如，因为物理上更接近乘客)，那么当只有乘客说话时，可能希望仅仅发送在该传感器处接收的信号。

返回到图4，固定滤波器230输出的信号y_F(k)(即，第一中间信号y₁(k)的滤波版本)由下式给出：

y_F(k)＝y₁(k)^Tc₀ (3)

y₁(k)＝(y₁(k)…y₁(k-L))^T (4)

c₀＝(c₀…c_L)^T (5)

其中L是固定滤波器230的阶数，{c_l}，l＝0，…L是固定滤波器的系数。此外，自适应滤波器235输出的信号

(即，第二中间信号

y₂(k)的滤波版本)由下式给出：

\hat{y} (k) = y_{2} {(k)}^{T} \hat{c} (k - 1) . . . . (6)

y₂(k)＝(y₂(k)…y₂(k-L))^T (7)

\hat{c} (k - 1) = ({\hat{c}}_{1} (k - 1) \dots {\hat{c}}_{L} (k - 1))^{T} . . . . (8)

其中矢量

包括自适应滤波器235的时变滤波器系数。矢量基于误差信号e(k)而更新，如下所示：

e (k) = y_{F} (k) - \hat{y} (k) . . . . . (9)

\hat{c} (k) = \hat{c} (k - 1) + μ \frac{y_{2} (k)}{{| | y_{2} (k) | |}^{2}} e (k) . . . . (10)

其中μ是增益因子(常数或时变的)，范围为0≤μ＜2，‖‖²表示平方后的欧几里得矢量范数。等式(9)和(10)描述的自适应算法是众所周知的归一化最小均值平方算法(N-LMS)。另外的自适应方案，例如递归最小平方算法(RLS)或最小均值平方算法(LMS)也可以被使用。对于自适应算法更详细的描述见，例如B.Widrow和S.D.Stearns，Adaptive Signal Processing，Preutice Hall，Englewood Cliffs，NJ，1985，以及L.Ljung和T.Soderstrom，Theory and Practice of Recursive Identification，M.I.T.Press，Cambridge，MA 1983，这些文献作为参考在这里引用。有利的是，上面每个定义的量值可以利用标准的数字信号处理元件来计算。

对于碰到传感器215，225的宽带信号源，自适应滤波器235的系数向固定滤波器230的系数的延迟并缩放后的版本收敛。特别地，如果固定矢量c₀的每个系数为1(即，如果实际上没有使用固定滤波器)，那么时变矢量

向缩放后的延迟近似值收敛(即，sq^D-Δ＝sq^-D)。这种结果已经在以前技术系统中被用来估计时间延迟。见，例如，Y.T.Chan，J.M.F.Riley和J.B.Plant，”Modeling of time delayand its application to estimation of nonstationary delays”，IEEE Transactions on Acoustics，Speech，and Signal Processing，Vol，ASSP-29，No.3，pp.577-581，June 1981，该文献作为参考在这里引用。与这种系统有关的一个缺点是，当存在背景噪声时，系统的整个性能明显恶化，使得这种系统不能实际用于大多数真实世界的应用。

有利的是，本发明指出，通过引入将背景噪声与源信号区别的先验知识，系统性能会明显改观。为了保证改善的整体性能，以前的技术应该在所有环境下都是正确的。例如，本发明指出，当感兴趣的源信号的能量集中在一个或多个中心频率附近，同时背景噪声具有相对平坦并且较宽的频率值或功率谱密度时，这种先验的信息是可以得到的。在这种情况下，本发明指出固定FIR滤波器230可以被设计为具有一个或几个通带的带通滤波器。

例如，对于移动免提环境中的语音信号，有理由假设语音信号的能量集中在100-250Hz之间。更具体的，男性说话者的基础频率一般在100Hz附近，而女性说话者的基础频率在250Hz附近。从该信息的角度看，本发明给出几个可能用于固定滤波器230的另外可选替代设计方案。例如，固定滤波器230可以被设计为包括两个通带，第一和第二通带的中心频率分别为100Hz和250Hz。另外，固定滤波器230可以被设计为包括一个单独的通带，具有中心频率为200Hz的通带并跨越包括女声基频和男声第一谐频的频段。

实际上，前一种方法要求使用与后一种方法相比阶数更高的滤波器。一般地，如果设计频率数被加倍，那么滤波器的阶数L也被加倍。在下面的讨论中，具有m个不同通带的固定滤波器230被考虑。在中心频率{ω_l}，l＝1，…，m上滤波器被设计为给出单位增益和零相位。此外，固定滤波器230被设计为通过最小化按下式定义的滤波器噪声增益(NG)而在截止波段提供最大的衰减：

其中C₀(z^-1)＝c₀+c₁z^-1+…+c_Lz^-L并且积分围绕单位圆进行。通过Parseval关系，FIR滤波器的噪声增益由下式给出：

NG = Σ_{l = 0}^{L} c_{l}^{2} . . . . . . . (12)

为了设计固定滤波器230，考虑包括若干正弦项的和的信号y_in(k)，如下：

y_{in} (k) = Σ_{l = 1}^{m} α_{l} \sin (ω_{l} k + φ_{l}) . . . . . . (13)

其中{ω_l}，l＝1，…，m是希望的固定FIR滤波器的中心频率，ω_l∈(0，π)，ω_l≠ω_j，l≠j，{α_l}是未知的常数，α_l＞0，l＝1，…，m，并且{Ф_l}是均匀分布的随机变量Φ_l∈(-π，π]，l＝1，…m。下面考虑具有系数矢量c_d并给出输出y_out(k)的固定FIR滤波器230，其中的输出y_out(k)是输入y_in(k)对于任何d值，-∞＜d＜∞，进行了d步预测(在任何初始瞬时现象被衰减之后)之后的值，如下所示：

y_out(k+d)＝y_in(k)^Tc_d (14)

y_in(k)＝(y_in(k)…y_in(k-L))^T (15)

c_d＝(c₀…c_L)^T (16)

对于d＝0(即，对于系数矢量c₀)，固定FIR滤波器230在中心频率{ω_l}，l＝1，…m处给出单位增益和零相位。此外，如果针对宽带噪声的灵敏度被最小化(即，如果等式(12)中的值被最小化)那么(对于滤波器长度L，使得L＞2m-1)下面的结果为真：

c_d＝L^T(LL^T)^-1P(d) (17)

其中L是2m×(L+1)矩阵：其中p(d)是2m预测矢量

图5的第一和第二曲线510，520分别表示利用上面描述的方法设计的、且d＝0，L＝32，m＝1，ω₁＝200Hz，采样率为8000Hz的固定滤波器230的幅度响应和相位响应。如图5中虚线表示的，如期望的那样，固定滤波器230在中心频率200Hz给出单位增益和零相位。

如上面描述的，用来更新自适应滤波器235的自适应算法将使得自适应滤波器向固定滤波器230延迟并缩放的复本收敛。特别地，对于d＝0的固定FIR滤波器230来说(即，系数c₀)，自适应滤波器235的系数将按下式收敛：

\hat{c} (k) - {Sc}_{- D} . . . . . . . . (20)

其中，S和D分别是由于传感器215，225在物理位置上的分离而造成的缩放因子和时间延迟。这样，本发明指出，缩放因子S和时间延迟D的估计值可以根据等式(20)给出的矢量关系计算出来。例如，如果

表示基于自适应滤波器235的系数

对S的估计值，那麽估计值

可以根据等式(20)计算出来，如下所示：

{\hat{S}}_{k} c_{- D} = \hat{c} (k) . . . . . . . (21)

此外，S可以在没有关于D的先验信息的情况下被估计出来。为了看到这一点，首先注意到等式(21)是一个矢量量值，其中c_-D和

都是大小为L+1的矢量。这样，根据等式(17)，有Lc_-D＝p(-D)。这样，在等式(21)两边都左乘在等式(18)中定义的2m×(L+1)的矩阵L，给出下面结果：

{\hat{S}}_{k} p (- D) = L \hat{c} (k) . . . . . . . (22)

等式(22)的两边都是2m矢量。这样，假定p(D)^Tp(D)＝m(见等式(19))，等式(22)可以被重写为下式：

{\hat{S}}_{k}^{2} m = {(L \hat{c} (k))}^{T} L \hat{c} (k) . . . . . . (23)

根据等式(23)，并根据S＞0的事实，在时间k的缩放因子S的估计值

可以按下式计算：

{\hat{S}}_{k} = \frac{\sqrt{{(L \hat{c} (k))}^{T} L \hat{c} (k)}}{m} . . . . . . . (24)

给定缩放因子S的估计值

，时间延迟D的估计值D_k可以利用最小平方算法计算出来，如下所示：

{\hat{D}}_{k} = {\arg \min_{D} | | L \hat{c} (k) - {\hat{S}}_{k} p (- D) | |}^{2} . . . . . (25)

等价方案是，时间延迟D的估计值D_k可以按下式计算：

{\hat{D}}_{k} = \arg \min_{\bar{D}} {| | L \hat{c} (k) - {\hat{S}}_{k} p (\bar{D} - Δ) | |}^{2} . . . . (26)

有利的是，在实际操作中，估计值D_k可以被迭代计算。注意到延迟梯度dp(D)/dD遵从等式(19)。

这样，本发明指出，缩放因子S和时间延迟D的估计值可以用简单的方式计算出来。有利的是，每个上面描述的计算都可以利用众所周知的数字信号处理元件来实现。由于固定滤波器230提供的一致的以前信息，即使在背景噪声存在的情况下，这些估计值也是有效的。

通过加入活动检测器，系统可以被进一步增强，其中的活动检测器即使在所有的信号源都不被激活时也能保证正确的系统性能。例如，当源210，220都不激活时，在传感器215，225处接收到的信号x₁(k)和x₂(k)将仅包括不相关的噪声。在这种情况下，自适应滤波器系数

将向零矢量收敛，这意味着缩放因子估计值

将趋向于零而时间延迟估计值D_k可以取任何值。为了证明这一点，当活动检测器检测到没有感兴趣的信号存在时，估计值

，D_k可以被明确设置为适当的值。

示例活动检测器将滤波器噪声增益的估计值与预定阈值(即，期望的噪声增益值〕比较。适当的阈值可以从等式(12)中得出，如下所示：

NG = c_{D}^{T} c_{D}

＝(L^T(LL^T)^-1p(D))^TL^T(LL^T)^-1p(D)

(27)＝p(D)^T(LL^T)^-1LL^T(LL^T)^-1p(D)＝p(D)^T(LL^T)^-1p(D)在操作中，活动检测器以自适应滤波器抽头的平方和的方式来计算滤波器噪声增益的估计值NG(即，

)。如果估计值NG比预定阈值小的多，那麽延迟估计值D_k被设置为0，缩放因子估计值

被设置为单位值以保证正确的系统操作。注意到由于噪声增益NG的值与延迟D的值无关，仅存储一个阈值就足够了。

可以利用下面的伪码来实现一个示例系统。该领域的技术人员将理解在利用标准数字信号处理元件实现时，这种伪码是很容易被调整的。

缩放因子和时间延迟估计子程序

滤波：计算来自固定FIR滤波器和自适应FIR滤波器的输出(k表示运行时间索引)。Y1＝y1(k：-1：k-L)；Y2＝y2(k：-1：k-L)；ylhat(k)＝Y2′*C；ylfil(k)＝Y1′*C0；err(k)＝ylfil(k)-ylhat(k)；

能量计算和增益控制：一种简单的增益控制方案被使用以便当输入中存在较低能量时将增益μ设置为0。瞬时能量被与长时平均比较。emom(k)＝sum(ylhat(k：-1：k-L).^2)；eave(k)＝0.999^*eave(k-1)+0.001^*emom(k)；if(emom(k)＞.5^*eave(k))g(k)＝mu；elseg(k)＝0；end

N-LMS更新：利用N-LMS算法更新自适应滤波器系数。C＝C+g(k)^*Y2^*err(k)/((Y2′^*Y2)+0.01)；

S和 D的估计值的更新：缩放估计被第一阶递归平滑，而 D通过迭代梯度方法估计。delta表示信道1中的固定时间延迟。

LLC＝LL^*C；

PPD＝[cos(warr^*(1-Dhat+delta))；sin(warr^*(1-Dhat+delta))]；

DPD＝(sin(warr^*(1-Dhat+delta))；-cos(warr^*(1-Dhat+delta))]；

Shat＝(1-mu)^*Shat+mu^*sqrt((LLC′^*LLC)/m)；

Dhat＝Dhat+mu^*DPD′^*(LLC-Shat^*PPD)；

活动检测：如果估计的滤波器抽头的平方和比期望的滤波器抽头的平方和小20dB，那麽增益被强迫为单位值，延迟估计向0靠近。eC＝C′^*C；if(eC＜0.01^*eC0)Shat＝1；Dhat＝0；end

S和D的估计被第一阶运行平均进一步平滑。Sh(k)＝rho^*Sh(k-1)+(1-rho)^*Shat；Dh(k)＝rho^*Dh(k-1)+(1-rho)^*Dhat；Sh(k)＝rho^*Sh(k-1)+(1-rho)^*Shat；Dh(k)＝rho^*Dh(k-1)+(1-rho)^*Dhat；

为了进一步说明示例实施方案的操作，利用上面伪码的数字例子被给出。在例子中，一种声学情景被考虑，在该声学情景中，传感器假定为麦克风，而信号源被假定为人类说话者或传送人类语音的扬声器。如上面描述的，这种声学情景在用于汽车环境的免提移动电话情况中会产生。尽管该例限制在两个传感器和信号源，该领域的技术人员将理解该方法可以使用任意个信号源和传感器。

当第一信号源210和第一传感器215之间的距离为0.5米，并且第一传感器215被看作参考传感器时，对于8kHz的采样率，第二传感器225处相对于第一信号源210的实际时间延迟为 D＝2.25个样本。利用同样的假设，第二传感器225处相对于第二信号源220的实际时间延迟为 D＝-8.75个样本。例如，对于具有放置在离乘客很近的支架中的移动电话(包括第二传感器225)和另一个放置在驾驶员(第一信号源210)前面的遮阳板上的粘贴麦克风(第一传感器215)的汽车车厢，这些假设是很合理的。

在这种汽车车厢中，一般会存在严重的背景噪声(例如，来自交流风扇，汽车引擎，路面，风等等)。出于用数字示例的目的，不同方向上麦克风的灵敏度假定为在表1中给出。表1对于扩散背景噪声和不同位置中的信号源的麦克风灵敏度

信号源	第一传感器215(例如遮阳板麦克风)	第二传感器225(例如内嵌麦克风)
信号源	第一传感器215(例如遮阳板麦克风)	第二传感器225(例如内嵌麦克风)	扩散背景噪声	0dB	0dB
第一信号源210(例如，驾驶员)	+3dB	0dB	扩散背景噪声	0dB	0dB
第一信号源210(例如，驾驶员)	+3dB	0dB	第二信号源220(例如乘客)	-10dB	0dB

此外，结合位于第一信号源210的男性说话者以及位于第二信号源220的女性说话者，合成的两信道测量值被创建。这些文件被连接使得在第一秒没有说话者的动作，然后男性说话者被激活7秒，然后停止动作3秒，然后女性说话者被激活10秒。对于男性说话者，关于第二传感器225的信噪比为8dB，而对于女性说话者为7dB(在整个活动期测量得到的)。在第一和第二传感器215，225处检测到的语音信号分别在图6的第一和第二曲线610，620中描述。

附加的背景噪声被模拟为白高斯噪声。在第一和第二传感器215，225处检测到的噪声信号分别由图6中的第三和第四曲线630，640描述。在第一和第二传感器处测量到的组合语音和噪声信号分别在图6中的第五和第六曲线650，660描述。

在仿真中，所使用的参数是：L＝32，Δ＝10，ω＝2π200/8000，m＝1，μ＝0.01以及rho＝0.99。其结果在图7中给出。特别的，延迟估计值D_k在第一曲线710中描述，缩放因子估计值_k在第二曲线720中描述。在曲线710，720中，每个第50个样本被显示。水平的虚线表示-3，0和9个样本的延迟以及-10dB，0dB，3dB的增益。如所给出的，当驾驶员说话时，系统分别正确给出0dB和-3个样本的缩放因子和时间延迟估计值，而当乘客说话时，系统分别正确给出-10dB和9个样本的缩放因子和时间延迟估计值。此外，在驾驶员和乘客都保持沉默时，活动检测器正确地将缩放因子和时间延迟估计值分别设置为0dB和0个样本。

尽管这些实施方案在因果滤波的情况下被描述(即，Δ＞0)，本发明的思想在非因果滤波的情况下也一样可以应用。特别地，对于Δ＝0，自适应方案包括一个充当信号平滑器作用的自适应块，一个后向预测器(D＜0)和/或一个前向预测器(D＞0)。这样，在信号流中加入(例如，通过延迟块410)固定延迟就不必要了，并且具有最小固有延迟的自适应方案也可以实现。这种特性是在很多实时应用中是基本实用的。然而，因为在非因果方法中估计值的准确性将会差一些(因为固定FIR滤波器230所需的较窄的通带)，Δ的精确值可以基于系统设计条件来设置。例如，Δ可以被设置为覆盖“大多数情况”而不是“所有可能的情况”，因为系统即使在很少的极端情况下也会提供合理的结果。

该领域的技术人员将理解本发明并不限于这里出于举例说明的目的而描述的具体的示例实施方案。因此，本发明的范围被附加的权利要求定义，而不是前面的描述定义。与权利要求的意思一致的等价物也被包含在内。

Claims

1.一种信号处理设备，包括：

第一信号传感器；

输入被连接到所述第一传感器的输出端的第一滤波器；

第二信号传感器；

输入被连接到所述第二传感器的输出端并且具有可调的滤波特性的第二滤波器；

第一输入端被连接到所述第一滤波器的输出端，第二输入端被连接到所述第二滤波器的输出端的求和设备，其中所述第二滤波器的可调滤波特性依据所述求和设备的输出被调整。

用于计算涉及所述第一和第二传感器的至少一个参数的估计值的处理器，其中的估计值根据所述第一滤波器的滤波特性和所述第二滤波器的可调滤波特性来计算。

2.根据权利要求1的信号处理设备，其中的所述处理器计算所述第一和第二传感器之间相对于信号源的相对时间延迟和相对缩放因子的估计值。

3.根据权利要求1的信号处理设备，其中所述第一滤波器，所述第二滤波器，所述求和设备和所述处理器被利用数字信号处理器(DSP)集成电路(IC)来实现。

4.根据权利要求1的信号处理设备，其中所述第一滤波器，所述第二滤波器，所述求和设备和所述处理器被利用专用集成电路来实现(ASIC)。

5.根据权利要求1的信号处理设备，其中所述信号处理设备是一个电话，其中所述第一和第二传感器是麦克风。

6.根据权利要求1的信号处理设备，其中所述信号处理设备是无线电收发机，其中第一和第二传感器是天线元件。

7.根据权利要求1的信号处理设备，其中所述第一滤波器是一个具有固定滤波特性的有限脉冲响应(FIR)滤波器。

8.根据权利要求1的信号处理设备，其中所述第一滤波器的滤波特性包括至少一个在通带的中心频率给出单位增益和零相位的通带。

9.根据权利要求1的信号处理设备，其中所述第一滤波器的滤波特性包括被设置使得所述第一滤波器的噪声增益最小的系数。

10.根据权利要求1的信号处理设备，其中所述第一滤波器的滤波特性包括被调整使得所述第一滤波器的信噪比最佳的系数。

11.根据权利要求1的信号处理设备，其中所述第二滤波器的可调滤波特性被利用规一化最小均值平方(NLMS)算法来调整。

12.根据权利要求1的信号处理设备，其中所述第二滤波器的可调滤波特性被利用最小均值平方(LMS)算法来调整。

13.根据权利要求1的信号处理设备，其中所述第二滤波器的可调滤波特性被利用递归最小平方(RLS)算法来调整。

14.根据权利要求2的信号处理设备，还包括波束形成器，用来根据所述第一和第二传感器之间的相对时间延迟和相对缩放因子的估计值来调整所述第一和第二传感器提供的波束图案。

15.根据权利要求14的信号处理设备，其中波束图案包括对准特定信号源的空间波束。

16.根据权利要求14的信号处理设备，其中波束图案包括瞄准特定信号源的空间陷波图案。

17.根据权利要求2的信号处理设备，其中所述处理器根据所述第一和第二传感器之间的相对时间延迟和相对缩放因子的估计值选择一个被所述第一和第二传感器中特定的一个检测到的信号用于传输。

18.根据权利要求1的信号处理设备，还包括至少一个附加的传感器和至少一个具有可调滤波特性的附加滤波器，

其中所述附加滤波器的可调滤波特性根据所述第一滤波器和所述附加滤波器的输出之间的差值而调整，

其中所述处理器根据所述第一滤波器的滤波特性和所述附加滤波器的可调滤波特性计算对至少一个涉及所述第一传感器和所述附加传感器的参数的估值。

19.根据权利要求18的信号处理设备，其中所述处理器计算所述第一传感器和所述附加传感器之间相对于信号源的相对时间延迟和相对缩放因子的估计值。

20.根据权利要求2的信号处理设备，还包括一个活动检测器检测什么时间感兴趣的信号源被激活，其中，当所述活动检测器表明没有感兴趣的信号源被激活时，所述处理器将相对时间延迟和相对缩放因子的估计值设置为预定值。

21.根据权利要求20的信号处理设备，其中当所述活动检测器表明没有感兴趣的信号源被激活时，所述处理器将相对时间延迟的估计值设置为0，将缩放因子的估计值设置为1。

22.根据权利要求1的信号处理设备，还包括位于对应于所述第一传感器的信号流路径中的固定延迟块。

23.根据权利要求1的信号处理设备，

其中所述第一和第二滤波器的滤波特性每一个都包括L个滤波系数，

其中所述第一滤波器的滤波特性包括m个通带，每个通带l，l∈(1，m)有一个中心频率ω_l，

其中，在时间k，所述第一和第二传感器之间的相对时间延迟D的估计值D_k和所述第一和第二传感器之间的相对缩放因子S的估计值被基于所述第二滤波器的可调滤波特性，矩阵L和预测矢量p(D)而计算出来，如下所示：

{\hat{S}}_{k} = \frac{\sqrt{(L \hat{c} (k))^{τ} L \hat{c} (k)}}{m} . . . . . . . . (28)

{\hat{D}}_{k} = {\arg \min_{D} | | L \hat{c} (k) - {\hat{S}}_{k} p (- D) | |}^{2} . . . . . . . . (29)

其中矩阵L和预测矢量p(D)按下式计算：

24.用于处理信号的方法，包括以下步骤：

利用第一信号传感器检测第一信号；

利用第一滤波器来滤波第一信号以给出一个第一滤波后信号；

利用第二信号传感器检测第二信号；

利用第二滤波器来滤波第二信号以给出一个第二滤波后信号；

计算第一滤波后信号和第二滤波后信号之间的差值；

根据在所述计算步骤获得的差值来调整第二滤波器的滤波特性；

根据所述第一滤波器的滤波特性和所述第二滤波器的滤波特性估计涉及第一和第二传感器的至少一个参数。

25.根据权利要求24的方法，其中所述估计至少一个参数的步骤包括估计所述第一和第二传感器之间相对于信号源的相对时间延迟和相对缩放因子的步骤。

26.根据权利要求24的方法，其中第一滤波器的滤波特性包括至少一个在其中心频率给出单位增益和零相位延迟的通带。

27.根据权利要求24的方法，其中所述第二滤波器的滤波特性被利用规一化的最小均值平方(NLMS)算法调整。

28.根据权利要求25的方法，还包括根据作为所述估计步骤的结果获得的相对时间延迟和相对缩放因子来调整所述第一和第二传感器给出的波束图案的形状的步骤。

29.根据权利要求25的方法，还包括根据作为所述估计步骤的结果获得的相对时间延迟和相对缩放因子来选择并发送被所述第一和第二传感器中的特定的一个检测到的信号的步骤。

30.根据权利要求24的方法，还包括当所述的检测步骤表明没有感兴趣的信号源被激活时，检测是否感兴趣的信号源被激活并将相对时间延迟和缩放因子的估计值设置为预定值。