一种基于M估计的归一化子带自适应回声消除方法技术

一种基于M估计的归一化子带自适应回声消除方法，其步骤如下：A、获取子带信号；B、自适应滤波，将采样时刻n＝kM的第m个自适应滤波器输入向量Xm(k)通过自适应滤波器得到采样时刻n＝kM的第m个滤波器输出值ym(k)，C、回声抵消，将第m个近端子带信号的第k时段抽取值与采样时刻n＝kM的第m个滤波器输出值ym(k)相减得到采样时刻n＝kM的第m个子带残差em(k)，D、滤波器抽头权向量更新，使用基于M估计的归一化子带的方法，得出自适应滤波器在n＝(k+1)M时刻的抽头权向量w(k+1)：E、令k＝k+1,重复B、C、D步的操作,直至通话结束。该方法对通信系统的声学回声的消除效果好，收敛速度快，稳态误差小。

【技术实现步骤摘要】

本专利技术涉及一种基于M估计的归一化子带自适应回声消除方法，属于通信的回声对消

技术介绍
现今全免提功能模式下的电视电话会议已成为现在沟通最为有效的方式。在这种全免提功能模式下，由于扬声器和麦克风之间没有很好的分开，使得从扬声器输出的声音，直接或经障碍物(比如说墙壁，天花板等)反射被麦克风拾取，经系统传回给远端用户，这样远端用户又能听见自己的声音，我们把这种声音称为回声。另外，对汽车驾驶人员来说，一种完全免持的车载电话系统会给他们带来更多的方便。但在汽车里，外界环境变化很大，使得扬声器和麦克风之间的声耦合更为严重，严重影响到了通话的质量。随着计算机网络的飞速发展，网络电话成为常用的通信工具。它是通过语音压缩算法，对语音数据进行压缩编码处理，然后把这些语音数据按相关网络协议进行打包，经过网络把数据包传输到接收地，把这些语音数据包串起来，再经过解压解码处理后，恢复成原来的语音信号，从而达到由网络实现语音传输的目的。在经数字化、压缩编码、解压缩、数据打包和解包等一系列处理中，将引入更多的传输时延，加上网络传输中各种不确定性的因素使时延波动范围很大。然而，这种时延的增加，会使回声尤显突出，严重影响到网络电话的通话质量。综上所述，在日常的通信中，回声问题越来越突出，严重影响到通话的质量，回声问题必须要有效的解决。因此，回声抵消技术一直是人们高度关注的研究课题之一。目前，研究人员提出了多种方法来消除回声。在众多回声消除方法中，自适应回声消除技术具有逐步调节性能，应用成本低，收敛速度快，回声残差小，得到了研究学者们的一致认可，是目前国际上公认的最有前景的回声消除技术，也是回声消除目前采用的主流技术。自适应回波抵消技术就是根据通话设备的接收设备接收的语音信号与播放设备播放的信号，构建外部环境模型，再采用自身系数的调整来构造出数字化的语音信号外部传播路径，将信号通过模拟路径而估计出真实的回声信号，并从接收设备接收的信号中减去所估计的回声部分，从而达到消除回声的目的。自适应回声消除技术的核心是自适应回声消除算法。因此，如何完善和研究新的性能卓越的自适应回声消除算法是回声消除领域的主要研究方向。在目前的自适应回声消除应用中，较成熟的方法有以下两种：(1)一种符号子带回声消除方法参考文献1“Variable regularisation parameter sign subband adaptive filter”(J.Ni和F.Li,Electron.Lett.,vol.46,no.24,pp.1605–1607,Nov.2010.)该方法是将符号方法与子带方法相结合，有效地提高了算法对冲击干扰的稳定性。但是该方法收敛速度很慢。(2)一种独立加权因子的符号子带回声消除方法参考文献2“Novel sign subband adaptive filter algorithms with individual weighting factors”(Y.Yu和H.Zhao，Signal Process.,vol.122,pp.14–23,2016.)与传统的符号子带方法采用相同的加权因子不同，该方法针对不同的子带采用不同的加权因子，进一步提高了算法收敛速度，但该方法收敛速度仍然较慢。
技术实现思路
本专利技术的专利技术目的就是提供一种基于M估计的归一化子带自适应回声消除方法，该方法对通信系统的声学回声的消除效果好，收敛速度快，稳态误差小。本专利技术实现其专利技术目的所采用的技术方案是，一种基于M估计的归一化子带自适应回声消除方法，其步骤如下：A、获取子带信号将远端传来的远端信号采样得到在采样时刻n的远端信号离散值x(n)，通过分析滤波器组得到采样时刻n的M个远端子带信号x1(n),x2(n),...xm(n),...xM(n)，其中，m为子带序号，xm(n)为第m个远端子带信号，M为子带数目，其取值为2、4、8、16、32；将近端麦克风拾取的带回声的近端信号采样得到在采样时刻n的近端信号离散值d(n)，通过分析滤波器组得到采样时刻n的M个近端子带信号d1(n),d2(n),...dm(n)...,dM(n)；其中，dm(n)为第m个近端子带信号；在采样时刻n＝kM时，将该时刻的第m个近端子带信号dm(n)＝dm(kM)记为第m个近端子带信号的第k时段抽取值其中，k为抽取时段序号；B、自适应滤波将采样时刻n＝kM及其前L-1个时刻的第m个远端子带信号xm(n)，构成自适应滤波器的第m个输入向量Xm(k)，Xm(k)＝[xm(kM)，xm(kM-1),...,xm(kM-L+1)]T，其中L为自适应滤波器抽头数，其取值为32、64、128、256、512、1024，T代表转置运算；将采样时刻n＝kM的第m个输入向量Xm(k)通过自适应滤波器得到采样时刻n＝kM的第m个输出值ym(k)，其中，w(k)为采样时刻n＝kM的自适应滤波器的抽头权向量，w(k)＝[w1(k),w2(k),…wl(k)...,wL(k)]T，wl(k)为采样时刻n＝kM的自适应滤波器的第l个抽头权系数，w(k)的初始值为零向量；C、回声抵消将第m个近端子带信号的第k时段抽取值与采样时刻n＝kM的第m个滤波器输出值ym(k)相减得到采样时刻n＝kM的第m个子带残差em(k)，将时刻n＝kM的各个子带残差em(k)通过综合滤波器组得到时刻n＝kM的残差e(kM)；并将时刻n＝kM的残差e(kM)传送给远端；在时刻n＝kM+M'；时，令时刻n＝kM+M'的残差e(kM+M')＝e(kM)，并将时刻n＝kM+M'的残差e(kM+M')传送给远端；其中M'＝1,2,3,…M-1；D、滤波器抽头权向量更新D1、子带残差方差的计算由下式算出第m个子带残差的方差 σ m 2 ( k ) = λσ m 2 ( k - 1 ) + 2.13 ( 1 - λ ) m e d ( [ e m 2 ( k ) , e m 2 ( k - 1 ) , ... , e m 2 ( k - K w + 1 ) ] ) ]]>其中，λ为遗忘因子，其取值范围为0.800～0.999，函数med(·)表示取向量中间值，Kw为时间段估计窗的值，其取值范围为2～20，子带残差的方差的本文档来自技高网...

【技术保护点】
一种基于M估计的归一化子带自适应回声消除方法，其步骤如下：A、获取子带信号将远端传来的远端信号采样得到在采样时刻n的远端信号离散值x(n)，通过分析滤波器组得到采样时刻n的M个远端子带信号x1(n),x2(n),...xm(n),...xM(n)，其中，m为子带序号，xm(n)为第m个远端子带信号，M为子带数目，其取值为2、4、8、16、32；将近端麦克风拾取的带回声的近端信号采样得到在采样时刻n的近端信号离散值d(n)，通过分析滤波器组得到采样时刻n的M个近端子带信号d1(n),d2(n),...dm(n)...,dM(n)；其中，dm(n)为第m个近端子带信号；在采样时刻n＝kM时，将该时刻的第m个近端子带信号dm(n)＝dm(kM)记为第m个近端子带信号的第k时段抽取值其中，k为抽取时段序号；B、自适应滤波将采样时刻n＝kM及其前L‑1个时刻的第m个远端子带信号xm(n)，构成自适应滤波器的第m个输入向量Xm(k)，Xm(k)＝[xm(kM)，xm(kM‑1),...,xm(kM‑L+1)]T，其中L为自适应滤波器抽头数，其取值为32、64、128、256、512、1024，T代表转置运算；将采样时刻n＝kM的第m个输入向量Xm(k)通过自适应滤波器得到采样时刻n＝kM的第m个输出值ym(k)，其中，w(k)为采样时刻n＝kM的自适应滤波器的抽头权向量，w(k)＝[w1(k),w2(k),…wl(k)...,wL(k)]T，wl(k)为采样时刻n＝kM的自适应滤波器的第l个抽头权系数，w(k)的初始值为零向量；C、回声抵消将第m个近端子带信号的第k时段抽取值与采样时刻n＝kM的第m个滤波器输出值ym(k)相减得到采样时刻n＝kM的第m个子带残差em(k)，将时刻n＝kM的各个子带残差em(k)通过综合滤波器组得到时刻n＝kM的残差e(kM)；并将时刻n＝kM的残差e(kM)传送给远端；在时刻n＝kM+M'；时，令时刻n＝kM+M'的残差e(kM+M')＝e(kM)，并将时刻n＝kM+M'的残差e(kM+M')传送给远端；其中M'＝1,2,3,…M‑1；D、滤波器抽头权向量更新D1、子带残差方差的计算由下式算出第m个子带残差的方差σm2(k)=λσm2(k-1)+2.13(1-λ)med([em2(k),em2(k-1),...,em2(k-Kw+1)])]]>其中，λ为遗忘因子，其取值范围为0.800～0.999，函数med(·)表示取向量中间值，Kw为时间段估计窗的值，其取值范围为2～20，子带残差的初始值为零；D2、计算M估计核函数由下式计算出第m个子带残差的M估计核函数值ψ(em(k))：ψ(em(k))=em(k),|em(k)|<2.576σm(k)0,|em(k)|≥2.576σm(k)]]>D3、滤波器抽头权向量更新使用基于M估计的归一化子带的方法，得出自适应滤波器在n＝(k+1)M时刻的抽头权向量w(k+1)：w(k+1)=w(k)+μΣm=1MXm(k)||Xm(k)||22ψ(em(k))]]>其中，||·||2表示2范数，μ为自适应滤波器的步长因子，其取值范围为(0，2]；E、令k＝k+1,重复A、B、C、D步的操作,直至通话结束。...

【技术特征摘要】
1.一种基于M估计的归一化子带自适应回声消除方法，其步骤如下：A、获取子带信号将远端传来的远端信号采样得到在采样时刻n的远端信号离散值x(n)，通过分析滤波器组得到采样时刻n的M个远端子带信号x1(n),x2(n),...xm(n),...xM(n)，其中，m为子带序号，xm(n)为第m个远端子带信号，M为子带数目，其取值为2、4、8、16、32；将近端麦克风拾取的带回声的近端信号采样得到在采样时刻n的近端信号离散值d(n)，通过分析滤波器组得到采样时刻n的M个近端子带信号d1(n),d2(n),...dm(n)...,dM(n)；其中，dm(n)为第m个近端子带信号；在采样时刻n＝kM时，将该时刻的第m个近端子带信号dm(n)＝dm(kM)记为第m个近端子带信号的第k时段抽取值其中，k为抽取时段序号；B、自适应滤波将采样时刻n＝kM及其前L-1个时刻的第m个远端子带信号xm(n)，构成自适应滤波器的第m个输入向量Xm(k)，Xm(k)＝[xm(kM)，xm(kM-1),...,xm(kM-L+1)]T，其中L为自适应滤波器抽头数，其取值为32、64、128、256、512、1024，T代表转置运算；将采样时刻n＝kM的第m个输入向量Xm(k)通过自适应滤波器得到采样时刻n＝kM的第m个输出值ym(k)，其中，w(k)为采样时刻n＝kM的自适应滤波器的抽头权向量，w(k)＝[w1(k),w2(k),…wl(k)...,wL(k)]T，wl(k)为采样时刻n＝kM的自适应滤波器的第l个抽头权系数，w(k)的初始值为零向量；C、回声抵消将第m个近端子带信号的第k时段抽取值与采样时刻n＝kM的第m个滤波器输出值ym(k)相减得到采样时刻n＝kM的第m个子带残差em(k)，将时刻n＝kM的各个子带残差em(k)通过综合滤波器组得到时刻n＝kM的残差e(kM)；并将时刻n＝kM的残差e(kM)传送给远端；在时刻n＝kM+M'；时，令时刻n＝kM+M'的残差e(kM+M')＝e(kM)，并将时刻n＝kM+M'的残差e(kM+M')传送给远端；其中M'＝1,2,3,…M-1；D、滤波器抽头权向量更新D1、子带残差方差的计算由下式算出第m个子带残差的方差 σ m 2 ( k ) = λσ m 2 ( k - 1 ) + 2.13 ( 1 - λ ) m e d ( [ e m 2 ( k ) , e m 2 ( k - 1 ) , ... , e m 2 ( k - K w + 1 ) ] ) ]]>其中，λ为遗忘因子，其取值范围为0.800～0.999，函数med(·)表示取向量中间值，Kw为时间段估计窗的值，其取值范围为2～20，子带残差的初始值为零；D2、计算M估计核函数由下式计算出第m个子带残差的M估计核函数值ψ(em(k))： ψ ( e m ( k ) ) = ...

【专利技术属性】
技术研发人员：赵海全，郑宗生，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51