CN101826328A - 嵌入式无线可视门铃中的回音抵消方法 - Google Patents

Abstract

一种嵌入式无线可视门铃中的回音抵消方法，包括以下步骤：1)初始化；2)获取n时刻无线可视门铃的远端信号、真实回音路径、近端语音信号、背景噪声、近端麦克风输入信号、误差信号和滤波器输出为估计出的回声副本信号；3)判断是否发生双端通话，如否，则直接计算误差信号并输出，如是，则更新自适应滤波器系数，再计算误差信号；4)白化远端信号和误差信号，计算回音路径失配值；5)判断计算得到的ΔH(n)超过回音路径失配阈值，置发生双端通话标志，并判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理。本发明计算代价小、能有效改善收敛性能。

Description

嵌入式无线可视门铃中的回音抵消方法

技术领域

本发明涉及无线可视门铃领域，尤其是一种嵌入式无线可视门铃中的回音抵消方法。

背景技术

语音是多媒体通信终端服务中的重要部分。语音传输从最初的“傻瓜”电话到后来的数字电话、无线电话，再到综合语音、数据、视频的多媒体通信历经了一个多世纪，一直以来语音传输都有一个问题，就是语音回音。语音回音问题一直困扰着用户，它严重影响了语音传输业务的QoS(Quality of Service)。因此回音抵消就成了主要的设计问题之一，也是在语音解决方案的整体设计中相当重要的一部分。语音回音主要包括声学回音和电学回音，而随着通信的数字化以及半导体技术的发展，电学回音在物理器件上能得到很好的控制，然而声学回声仍然严重影响语音业务的QoS。声学回声是指扬声器播出的声音在被接收方听到的同时，也通过多种路径被麦克风拾取到。

近些年来针对语音回音问题，各种回音抵消技术飞速发展，归纳起来大概有三种：一是网络衰减法，二是语音回音抑制法，三是现代自适应滤波技术。第一种方法是在发送和接收方向上分别***一个衰减器，所以，回音的衰减比话音的衰减大2倍。然而，话音衰减随着传输距离的增加而增加，最后可能导致话音电平降到无法听清楚的地步。第二种方法通过开启发送路径或在发送路径上***较大的衰减来达到控制回音的目的。理想情况下，回音抑制器应在远端用户说话时开启发送路径而在远端用户接收时关闭发送路径，但是这很难做到。第三种方法是估计回音路径的特征参数，产生一个模拟的回音路径，得出模拟回音信号，从接收信号中减去该信号，实现回音抵消。这种技术依靠自适应算法，自适应算法的好坏决定了回音抵消效果的好坏。要保证语音业务传送稳健性的自适应算法通常有非常复杂的计算度和较长的收敛时间。

在回音抵消器自适应滤波中应用最多的是有限冲击响应(FIR)滤波器，而对于自适应FIR***由于简单且计算代价小，最小均方(LMS)和归一化最小均方(NLMS)算法应用最多。然而这两种算法虽然计算代价相对较小，但是其收敛太慢。递归最小平方(RLS)算法收敛快，但是其计算代价太大。回音抵消器还包括双端通话检测器，在双端通话发生时它能保证通话质量。通常DTD算法有三类：基于能量的检测、基于相关性的检测和基于回声路径的检测。基于能量的检测算法简单，复杂度低，但在低信噪比的情况下误判率高；基于相关性的检测判断较为准确，但其计算复杂度太高；基于回声路径的检测复杂度稍低，但其在回声路径改变时容易误判。其中回声路径冲激响应方差检测算法具有较低的计算复杂度，并且通过收敛因子的调节避免了对于回声路径改变时的敏感性。但由于其检测过程基于滤波器系数的波动，在自适应滤波器未收敛时，极容易发生误判。并且其检测阈值过小，实际中不易选取。可见，实现一种计算代价小同时又保证其收敛性能的回音抵消技术十分必要。

发明内容

为了克服已有的嵌入式无线可视门铃的回音抵消DTD算法的计算代价大、收敛性能差的不足，本发明提供一种计算代价小、能有效改善收敛性能的嵌入式无线可视门铃中的回音抵消方法。

本发明解决其技术问题所采用的技术方案是：

一种嵌入式无线可视门铃中的回音抵消方法，所述回音抵消方法包括以下步骤：

1)、初始化：滤波器系数为c(n)，其向量为C(n)，表示为[c(n)c(n-1)c(n-2)...c(n-L+1)]T；向量长度L为滤波器长度，并确定滤波器的迭代次数M和调整步长因子μ，平滑因子门限α、β，回音路径失配阈值；2)、获取n时刻无线可视门铃的远端信号为x(n)，其向量为X(n)，表示为[x(n)x(n-1)x(n-2)...x(n-L+1)]T；真实回音路径为h(n)，其向量为H(n)，表示为[h(n)h(n-1)h(n-2)...h(n-L+1)]T；近端语音信号为z(n)，其向量为Z(n)，表示为[z(n)z(n-1)z(n-2)...z(n-L+1)]T；背景噪声为w(n)，其向量为W(n)，表示为[w(n)w(n-1)w(n-2)...w(n-L+1)]T；近端麦克风输入信号为y(n)，其向量为Y(n)，表示为[y(n)y(n-1)y(n-2)...y(n-L+1)]T；误差信号为e(n)，滤波器输出为估计出的回声副本信号s(n)，近端麦克风输入信号y(n)等于背景噪声w(n)、近端信号z(n)和回音信号x(n)×h(n)之和；

3)、判断是否发生双端通话，如否，则直接计算误差信号并输出，其中：

滤波器输出：s(n)＝C^T(n)x(n)                        (1)

回音估计误差：e(n)＝y(n)-s(n)                      (3)

如是，则更新自适应滤波器系数，再计算误差信号，其中：

滤波器系数调整：C(n+1)＝C(n)+μe(n)X(n)            (2)

在n时刻进行i次迭代运算，i的范围为[0～M-1]，共迭代M次。经推导得到的FIANLMS公式如公式(4)所示：

$C(n+1)=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{e}_i\left(n\right)$

$=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\frac{[1-{(1-\mathrm{\μ})}^L]}{2\mathrm{\μ}}e\left(n\right)$

$=C\left(n\right)+\frac{[1-{(1-\mathrm{\μ})}^M]}{X^T\left(n\right)X\left(n\right)}e\left(\text{n}\right)X\left(n\right)---\left(4\right)$

其中 $e_i\left(n\right)=y\left(n\right)-C_i^T\left(n\right)X\left(n\right);$

4)、白化远端信号，得到x_w(n)，白化误差信号，得到e_w(n)；计算白化后的远端信号和误差信号的协方差，并计算回音路径失配值ΔH(n)，计算公式如下：

$\mathrm{\ΔH}\left(n\right)=R_{\mathrm{xx}}^{-1}{R}_{\mathrm{xe}}=R_{x_w{e}_w}/{\mathrm{\σ}}_{x_w}^2---\left(5\right)$

其中 ${\mathrm{\σ}}_{x_w}^2\left(n\right)={\mathrm{\α\σ}}_{x_w}^2(n-1)+(1-\mathrm{\α})x_w^2\left(n\right)---\left(6\right)$

$R_{x_e{e}_w}\left(n\right)={\mathrm{\βR}}_{x_w{e}_w}(n-1)+(1-\mathrm{\β})x_w\left(n\right)e_w\left(n\right)---\left(7\right)$

平滑因子门限α、β在0.9～1之间；

5)、判断计算得到的ΔH(n)是否超过回音路径失配阈值？如果超过，则置发生双端通话标志，并判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理；如果没有超过，直接判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理。

本发明的技术构思为：其自适应滤波器采用一种计算代价小而能改善收敛性能的算法：快速迭代调整NLMS(FIANLMS)算法，其双端通话检测采用一种回声路径失配方差DTD算法，该算法能有效提高检测性能。回音抵消模块在整个软件***中处于语音压缩模块之前、语音解压缩模块之后，屏蔽了语音压缩和解压缩的影响。该回音抵消模块在嵌入式无线可视门铃***中取得了较好的效果。

本发明的有益效果主要表现在：节省计算代价，更容易获得好的收敛性能且模块一致性更好。

附图说明

图1为回音抵消器结构图。

图2为回音抵消器软件模块在***软件的层次图。

图3为回音抵消程序流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图3，一种嵌入式无线可视门铃中的回音抵消方法，所述回音抵消方法包括以下步骤：

1)、初始化：滤波器系数为c(n)，其向量为C(n)，表示为[c(n)c(n-1)c(n-2)...c(n-L+1)]T；向量长度L为滤波器长度，并确定滤波器的迭代次数M和调整步长因子μ，平滑因子门限α、β，回音路径失配阈值；

2)、获取n时刻无线可视门铃的远端信号为x(n)，其向量为X(n)，表示为[x(n)x(n-1)x(n-2)...x(n-L+1)]T；真实回音路径为h(n)，其向量为H(n)，表示为[h(n)h(n-1)h(n-2)...h(n-L+1)]T；近端语音信号为z(n)，其向量为Z(n)，表示为[z(n)z(n-1)z(n-2)...z(n-L+1)]T；背景噪声为w(n)，其向量为W(n)，表示为[w(n)w(n-1)w(n-2)...w(n-L+1)]T；近端麦克风输入信号为y(n)，其向量为Y(n)，表示为[y(n)y(n-1)y(n-2)...y(n-L+1)]T；误差信号为e(n)，滤波器输出为估计出的回声副本信号s(n)，近端麦克风输入信号y(n)等于背景噪声w(n)、近端信号z(n)和回音信号x(n)×h(n)之和；

3)、判断是否发生双端通话，如否，则直接计算误差信号并输出，其中：

滤波器输出：s(n)＝C^T(n)x(n)                        (1)

回音估计误差：e(n)＝y(n)-s(n)                      (3)

如是，则更新自适应滤波器系数，再计算误差信号，其中：

滤波器系数调整：C(n+1)＝C(n)+μe(n)X(n)            (2)

在n时刻进行i次迭代运算，i的范围为[0～M-1]，共迭代M次。经推导得到的FIANLMS公式如公式(4)所示：

$C(n+1)=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{e}_i\left(n\right)$

$=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\frac{[1-{(1-\mathrm{\μ})}^L]}{2\mathrm{\μ}}e\left(n\right)$

$=C\left(n\right)+\frac{[1-{(1-\mathrm{\μ})}^M]}{X^T\left(n\right)X\left(n\right)}e\left(\text{n}\right)X\left(n\right)---\left(4\right)$

其中 $e_i\left(n\right)=y\left(n\right)-C_i^T\left(n\right)X\left(n\right);$

4)、白化远端信号，得到x_w(n)，白化误差信号，得到e_w(n)；计算白化后的远端信号和误差信号的协方差，并计算回音路径失配值ΔH(n)，计算公式如下：

$\mathrm{\ΔH}\left(n\right)=R_{\mathrm{xx}}^{-1}{R}_{\mathrm{xe}}=R_{x_w{e}_w}/{\mathrm{\σ}}_{x_w}^2---\left(5\right)$

其中 ${\mathrm{\σ}}_{x_w}^2\left(n\right)={\mathrm{\α\σ}}_{x_w}^2(n-1)+(1-\mathrm{\α})x_w^2\left(n\right)---\left(6\right)$

$R_{x_e{e}_w}\left(n\right)={\mathrm{\βR}}_{x_w{e}_w}(n-1)+(1-\mathrm{\β})x_w\left(n\right)e_w\left(n\right)---\left(7\right)$

平滑因子门限α、β在0.9～1之间；

5)、判断计算得到的ΔH(n)是否超过回音路径失配阈值？如果超过，则置发生双端通话标志，并判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理；如果没有超过，直接判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理。

图1中n时刻远端信号为x(n)，其向量为x(n)(可表示为[x(n)x(n-1)x(n-2)...x(n-L+1)]T)；真实回音路径为h(n)，其向量为H(n)(可表示为[h(n)h(n-1)h(n-2)...h(n-L+1)]T)；近端语音信号为z(n)，其向量为Z(n)(可表示为[z(n)z(n-1)z(n-2)...z(n-L+1)]T)；背景噪声为w(n)，其向量为W(n)(可表示为[w(n)w(n-1)w(n-2)...w(n-L+1)]T)；近端麦克风输入信号为y(n)，其向量为Y(n)(可表示为[y(n)y(n-1)y(n-2)...y(n-L+1)]T)。误差信号为e(n)，自适应滤波器系数为c(n)，其向量为C(n)(可表示为[c(n)c(n-1)c(n-2)...c(n-L+1)]T)，滤波器输出为估计出的回声副本信号s(n)，以上向量长度为L即滤波器长度。

滤波器输出：s(n)＝C^T(n)x(n)                        (1)

滤波器系数调整：C(n+1)＝C(n)+μe(n)X(n)            (2)

其中μ称为调整步长因子，控制自适应滤波器系数调整的幅度。

回音估计误差：e(n)＝y(n)-s(n)                      (3)

在n时刻进行i次迭代运算，i的范围为[0～M-1]，共迭代M次。经推导得到的FIANLMS公式如公式(4)所示。

$C(n+1)=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{e}_i\left(n\right)$

$=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\frac{[1-{(1-\mathrm{\μ})}^L]}{2\mathrm{\μ}}e\left(n\right)$

$=C\left(n\right)+\frac{[1-{(1-\mathrm{\μ})}^M]}{X^T\left(n\right)X\left(n\right)}e\left(\text{n}\right)X\left(n\right)---\left(4\right)$

其中 $e_i\left(n\right)=y\left(n\right)-C_i^T\left(n\right)X\left(n\right).$

当只有单端通话时自适应滤波算法能够保证通话质量，但当双端同时说话时由于原来已经收敛的e(n)叠加一近端语音信号而变化很大似的滤波器发散，这样对回音路径的估计会产生较大的误差，因此需要进行双端通话检测，这里采用回声路径失配方差DTD算法。

回声路径失配方差DTD算法在其相关归一化的基础上采用平滑估计来近似计算，避免了平方根计算，在每个采样点减少L次乘法运算，大大降低计算代价。经推导得到的回声路径失配方差DTD公式如公式(5)所示。

路径失配： $\mathrm{\ΔH}\left(n\right)=R_{\mathrm{xx}}^{-1}{R}_{\mathrm{xe}}=R_{x_w{e}_w}/{\mathrm{\σ}}_{x_w}^2---\left(5\right)$

其中 ${\mathrm{\σ}}_{x_w}^2\left(n\right)={\mathrm{\α\σ}}_{x_w}^2(n-1)+(1-\mathrm{\α})x_w^2\left(n\right)---\left(6\right)$

$R_{x_e{e}_w}\left(n\right)={\mathrm{\βR}}_{x_w{e}_w}(n-1)+(1-\mathrm{\β})x_w\left(n\right)e_w\left(n\right)---\left(7\right)$

平滑因子门限α、β在0.9～1之间，x_w(n)和e_w(n)分别为x(n)和e(n)白化后的信号。

***语音为双全工，因此语音部分室内外机基本一致。如图2所示，语音输入经过语音采集后，进行回音抵消，再进行语音压缩，语音收发控制，语音解压缩，再进行回音抵消，语音播放。回音抵消在语音压缩之前，语音解压缩之后处理，这样可以使得整个软件***层次更加分明，模块移植性更好，而且回音抵消可以单独调试，屏蔽了语音压缩和解压缩的影响。

参照图3，嵌入式无线可视门铃***的回音抵消模块先对参数、白化滤波器响应及一些语音帧的数据结构进行初始化。FIANLMS自适应滤波器中的迭代次数(M)选定为8，因为每帧语音为1024Bytes，是2Bytes采样，因此滤波器长度(L)选定为512，步长因子(μ)取0.3；在基于回音路径失配双端通话检测(DTD)算法中的平滑因子门限α＝0.93，β＝0.91，回音路径失配阈值ΔH_TH＝0.25。然后获取近端语音帧和远端语音帧，再按照公式(4)进行FIANLMS计算。语音帧buffer取3帧，语音能够比较流畅，即最大延迟3帧时间，一般1.2～1.8帧就能计算完成，大概70～80ms(16fps)。如判定发生双端通话则原自适应滤波器系数不适用，需更新。然后按照公式(3)计算误差信号e(n)并输出。再计算远端语音x(n)的方差，然后通过白化滤波器白化远端语音和误差信号。再按照公式(6)和公式(7)计算白化后的远端语音和白化后的误差信号方差，从而按照公式(5)计算回音路径失配值。如判定回音路径失配值超过阈值(ΔH_TH＝0.25)则置发生双端通话标志。当语音通话结束时对初始化获得的所有资源进行释放。

Claims (1)

1.一种嵌入式无线可视门铃中的回音抵消方法，其特征在于：所述回音抵消方法包括以下步骤：

1)、初始化：滤波器系数为c(n)，其向量为C(n)，表示为[c(n)c(n-1)c(n-2)...c(n-L+1)]T；向量长度L为滤波器长度，并确定滤波器的迭代次数M和调整步长因子μ，平滑因子门限α、β，回音路径失配阈值；

2)、获取n时刻无线可视门铃的远端信号为x(n)，其向量为X(n)，表示为[x(n)x(n-1)x(n-2)...x(n-L+1)]T；真实回音路径为h(n)，其向量为H(n)，表示为[h(n)h(n-1)h(n-2)...h(n-L+1)]T；近端语音信号为z(n)，其向量为Z(n)，表示为[z(n)z(n-1)z(n-2)...z(n-L+1)]T；背景噪声为w(n)，其向量为W(n)，表示为[w(n)w(n-1)w(n-2)...w(n-L+1)]T；近端麦克风输入信号为y(n)，其向量为Y(n)，表示为[y(n)y(n-1)y(n-2)...y(n-L+1)]T；误差信号为e(n)，滤波器输出为估计出的回声副本信号s(n)，近端麦克风输入信号y(n)等于背景噪声w(n)、近端信号z(n)和回音信号x(n)×h(n)之和；

3)、判断是否发生双端通话，如否，则直接计算误差信号并输出，其中：

滤波器输出：       s(n)＝C^T(n)x(n)    (1)

回音估计误差：     e(n)＝y(n)-s(n)    (3)

如是，则更新自适应滤波器系数，再计算误差信号，其中：

滤波器系数调整：C(n+1)＝C(n)+μe(n)X(n)   (2)

在n时刻进行i次迭代运算，i的范围为[0～M-1]，共迭代M次。经推导得到的FIANLMS公式如公式(4)所示：

$C(n+1)=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\underset{i=0}{\overset{M-1}{\mathrm{\Σ}}}{e}_i\left(n\right)$

$=C\left(n\right)+\frac{\mathrm{\μ}}{X^T\left(n\right)X\left(n\right)}X\left(n\right)\frac{[1-{(1-\mathrm{\μ})}^L]}{2\mathrm{\μ}}e\left(n\right)$

$=C\left(n\right)+\frac{[1+{(1-\mathrm{\μ})}^M]}{X^T\left(n\right)X\left(n\right)}e\left(n\right)X\left(n\right)---\left(4\right)$

其中 $e_i\left(n\right)=y\left(n\right)-C_i^T\left(n\right)X\left(n\right);$

4)、白化远端信号，得到x_w(n)，白化误差信号，得到e_w(n)；计算白化后的远端信号和误差信号的协方差，并计算回音路径失配值ΔH(n)，

计算公式如下：

$\mathrm{\ΔH}\left(n\right)=R_{\mathrm{xx}}^{-1}{R}_{\mathrm{xe}}=R_{x_w{e}_w}/{\mathrm{\σ}}_{x_w}^2---\left(5\right)$

其中 ${\mathrm{\σ}}_{x_w}^2\left(n\right)=\mathrm{\α}{\mathrm{\σ}}_{x_w}^2(n-1)+(1-\mathrm{\α})x_w^2\left(n\right)---\left(6\right)$

$R_{x_w{e}_w}\left(n\right)=\mathrm{\β}{R}_{x_w{e}_w}(n-1)+(1-\mathrm{\β})x_w\left(n\right)e_w\left(n\right)---\left(7\right)$

平滑因子门限α、β在0.9～1之间；

5)、判断计算得到的ΔH(n)是否超过回音路径失配阈值？如果超过，则置发生双端通话标志，并判断是否结束处理，如果否，返回到步骤

2)，如果是，则结束处理；如果没有超过，直接判断是否结束处理，如果否，返回到步骤2)，如果是，则结束处理。

Images