抗饱和失真的广义混合范数自适应回声消除方法技术

一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤主要是：A、远端信号采集，得到输入向量X(n)；B、回声信号估计，得到回声信号估计值y(n)，y(n)＝X

【技术实现步骤摘要】
抗饱和失真的广义混合范数自适应回声消除方法
本专利技术涉及一种语音通信系统中的自适应回声消除方法。技术背景语音通信系统中的回声现象是指近端麦克风拾取的声音信号在传输过程中产生延时或形变又传回近端由听筒播放出来的现象(也即人们在通话过程中可以听到自己前一时刻的说话声音的现象)。回声会严重影响人们的通话质量，因此,对回声进行消除成为了人们关注的重点。通信回声可以通过系统辨识模型来进行自适应消除：所辨识系统为回声信道，系统辨识的输出为回声信号的估计；再将近端采样得到的，含回声信号的语音信号与回声信号的估计相减，然后由近端听筒播放出来，便可在近端实现回声的消除。自适应回声消除技术具有成本低，收敛速度快，回声残差小的优点，在通信领域被认为是最有前景的回声消除技术。最常用的自适应回声消除方法为最小均方误差方法，其对误差的运算为二次方，对误差不够敏感，其收敛速度较低。马文涛等人提出了误差的两个不同范数混合值最小的方法(广义混合范数方法)来代替传统的最小均方误差方法(文献1“KernelRecursiveGeneralizedMixedNormAlgorithm.”W.Ma,X.Qiu,J.Duan,Y.Li,andB.ChenJournaloftheFranklinInstitute(2017):S0016003217301813)。这种广义混合范数方法，误差的运算幂指数更高，对误差更敏感，提高了收敛速度，还降低了非高斯噪声环境中的稳态误差。但是，现有的自适应回声消除方法，均是在麦克风拾取出的语音信号完整的假定下建立的。在近端语音信号强时，近端麦克风会产生饱和失真，使得拾取出的近端信号会产生饱和失真；导致基于语音信号完整的假定，而估计出的误差信号也会严重失真，进而导致算法精度低、稳态误差大，不能在强语音通信场景中使用。
技术实现思路
本专利技术的目的是提供一种抗饱和失真的广义混合范数自适应回声消除方法，该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好,尤其适用于强语音通信场景。本专利技术实现其专利技术目的所采用的技术方案是，一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：A、远端信号采集对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]T，其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；B、回声信号估计将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)y(n)＝XT(n)W(n)其中，W(n)为自适应滤波器的当前时刻n的抽头权向量，W(n)＝[w1(n),w2(n),...,wm(n),...,wM(n)]T；wm(n)为自适应滤波器的当前时刻n的第m个抽头权系数，W(n)的初始值为零向量；C、回声消除对近端麦克风采样得到带回声的当前时刻n的近端信号d(n)，将其减去回声信号的估计值y(n)，得到当前时刻n的误差信号估计值e(n)，再送回给远端，e(n)＝d(n)-y(n)；D、滤波器抽头权向量更新D1、回声信号的概率密度计算将当前时刻n及其前M-1个时刻的回声信号估计值y(n)、y(n-1),...,y(n-M+1)，组成当前时刻n的回声信号估计值向量Y(n)，Y(n)＝[y(n),y(n-1),...,y(n-M+1)]T；估计出当前时刻n的回声信号估计值向量Y(n)中的时刻i与时刻j间的回声信号的相对概率密度p(i，j)，其中，i、j为当前时刻n及其前M-1个时刻中的任一时刻，i∈[n-M+1，n],j∈[n-M+1，n]；σ2为当前时刻n的回声信号估计值向量Y(n)中的回声信号估计值的均方差，其取值范围为σ＞1.0；exp(·)表示自然指数运算；进而得到当前时刻n的回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，再估计出当前时刻n的回声信号的概率密度值p(n)，及当前时刻n的回声信号负值的概率密度值p*(n)，其中，y为当前时刻n的回声信号估计值向量的回声信号估计值的平均值D2、抽头权向量的预估更新先得到当前时刻n的近端信号符号值γ(n)，再由下式算出下一时刻n+1的预估抽头权向量其中，的初始值即为全零向量，η是预估抽头权向量的更新步长，其取值范围为[0.001,0.002]；D3、回声信号及误差的更新预估由当前时刻n的回声信号的概率密度值p(n)、回声信号概率密度累积值P(n)和下一时刻n+1的预估抽头权向量计算出下一时刻n+1的回声信号预估值进而得到下一时刻n+1的误差信号预估值D4、抽头权向量的更新由下式得出自适应滤波器的下一时刻n+1的抽头权向量其中，μ代表步长、其取值为0.0001-0.002，a为误差计算的范数指数一、b为误差计算的范数指数二、a,b的取值范围为[0,4]，0＜λ＜1为范数指数一和范数指数二的混合参数，其取值范围为(0，1)，sign(·)为符号函数运算；E、令n＝n+1，重复上述步骤A、B、C、D的过程，直至通话结束。与现有的技术相比，本专利技术的有益效果是：一、在强语音通信场景，近端麦克风会产生饱和失真，使得拾取出的近端信号会产生饱和失真；现有的自适应回声消除方法，完全忽略近端语音信号的失真，估计出的误差信号严重失真，进而导致算法精度低、稳态误差大，不能在强语音通信场景中使用。本专利技术通过对滤波器输出的回声信号的概率分布密度值和概率密度累积值的估计，进而根据最大似然估计方法，估计出滤波器的权向量的最大似然预估值及回声信号和误差的最大似然预估值；再以误差的最大似然预估值的范数组合，替代已失真的误差的范数组合作为代价函数，迭代更新计算出滤波器校正后的权向量。从而最大限度的补偿了由于传感器的饱和特性造成的输出信号及误差信号的失真，能更好、更快的逼近真实的误差和回声，其抗饱和失真性能好，稳态误差小，收敛速度快，回声消除效果好。二、本专利技术以最大似然估计方法得到的误差的最大似然预估值的两个范数值的组合为代价函数，较之最小误差均方法以单一的误差均方(二阶范数)作为为代价函数；本专利技术的对误差的运算更全、幂指数更高，对误差更敏感；也提高了收敛速度，降低了非高斯噪声环境中的稳态误差。下面结合附图和具体实施方式对本专利技术做进一步的详细说明。附图说明图1是文献1和本专利技术方法的仿真实验得到的归一化稳态失调曲线图。图中标记为GMN的曲线为文献1方法的归一化稳态失调曲线，标记为CR-GMN的曲线为本专利技术方法的归一化稳态失调曲线。具体实施方式：实施例本专利技术的一种具体实本文档来自技高网...

【技术保护点】
1.一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：/nA、远端信号采集/n对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]

【技术特征摘要】
1.一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：
A、远端信号采集
对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]T；其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；
B、回声信号估计
将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)
y(n)＝XT(n)W(n)
其中，W(n)为自适应滤波器的当前时刻n的抽头权向量，W(n)＝[w1(n),w2(n),...,wm(n),...,wM(n)]T；wm(n)为自适应滤波器的当前时刻n的第m个抽头权系数，W(n)的初始值为零向量；
C、回声消除
对近端麦克风采样得到带回声的当前时刻n的近端信号d(n)，将其减去回声信号的估计值y(n)，得到当前时刻n的误差信号估计值e(n)，再送回给远端，e(n)＝d(n)-y(n)；
D、滤波器抽头权向量更新
D1、回声信号的概率密度计算
将当前时刻n及其前M-1个时刻的回声信号估计值y(n)、y(n-1),...,y(n-M+1)，组成当前时刻n的回声信号估计值向量Y(n)，Y(n)＝[y(n),y(n-1),...,y(n-M+1)]T；
估计出当前时刻n的回声信号估计值向量Y(n)中的时刻i与时刻j间的回声信号的相...

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