CN103260111B - 用于复合自适应滤波的***和方法 - Google Patents
用于复合自适应滤波的***和方法 Download PDFInfo
- Publication number
- CN103260111B CN103260111B CN201310165409.4A CN201310165409A CN103260111B CN 103260111 B CN103260111 B CN 103260111B CN 201310165409 A CN201310165409 A CN 201310165409A CN 103260111 B CN103260111 B CN 103260111B
- Authority
- CN
- China
- Prior art keywords
- adaptive
- signal
- filtering
- filtering pattern
- value
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H2021/007—Computation saving measures; Accelerating measures
- H03H2021/0076—Measures relating to the convergence time
- H03H2021/0078—Measures relating to the convergence time varying the step size
Landscapes
- Filters That Use Time-Delay Elements (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
Abstract
本发明的实施例提供了用于复合自适应滤波的***和方法,特别地,提供了用于对信号进行自适应滤波的***和方法。接收信号,并且该接收的信号被滤波以生成输出信号。基于输出信号和参考信号之间的差异生成差异信号,以及评估接收的信号和差异信号的相关性。随后,至少部分地基于该相关性,在第一自适应滤波模式和第二自适应滤波模式之间选择模式,使用选择的自适应滤波模式对接收的信号进行滤波。
Description
相关申请的交叉引用
本申请要求编号61/590,631、于2012年1月25日提交的美国临时申请在35U.S.C.§119(e)之下的权益,该临时申请以其整体通过引用合并于此文中。
领域
本公开内容总体上涉及自适应滤波***和方法,并且更具体地涉及用于选择用于复合自适应滤波的操作模式的***和方法。
背景
这里提供的背景描述是出于总体上呈现本公开内容的上下文的目的。此处的发明人的工作,在本背景部分的所描述的工作的程度上,以及在提交申请之时可能不符合作为现有技术的描述的方面,既不被明示地也不被暗示地承认为相对于本公开内容的现有技术。本公开内容总体上涉及自适应滤波,并且,更具体地,涉及选择用于复合自适应滤波的操作模式。
在自适应滤波***中,基于误差信号更新滤波器的系数。自适应滤波器执行优化以调整它的传递函数,从而使得自适应滤波器的输出类似于所需信号。这涉及提供反馈信号至自适应滤波器从而使得滤波器可以适当地调整它的系数。该反馈信号通常是误差信号,或者输出信号与所需信号之间的差异。用于自适应滤波的已知方法遭受着具有慢的收敛时间、稳定状态中的高残留误差、或者在稳定状态中对扰动的不良弹性。
概述
根据本公开内容一个的实施方式,提供了用于对信号进行自适应滤波的***和方法。接收信号,接收的信号被滤波以生成输出信号。基于输出信号和参考信号之间的差异生成差异信号,以及评估接收的信号和差异信号的相关性。继而,至少部分地基于该相关性,在第一自适应滤波模式和第二自适应滤波模式之间选择模式,并且使用选择的自适应滤波模式对接收的信号进行滤波。
评估相关性包括计算接收的信号的一部分与差异信号的一部分之间的相关性系数。当相关性系数超过阈值时,选择第一自适应滤波模式,以及当相性系数小于或等于阈值时,选择第二自适应滤波模式。该阈值基于在稳定状态中差异信号的绝对值。
第一自适应滤波模式产生第一收敛速率,并且第二自适应滤波模式产生慢于第一收敛速率的第二收敛速率。
第一自适应滤波模式产生稳定状态中第一残留误差,并且第二自适应滤波模式产生低于第一残留误差的稳定状态中的第二残留误差。
第一自适应滤波模式产生用于平滑参数的第一值,并且第二自适应滤波模式产生小于第一值的用于平滑参数的第二值,从而使得当接收的信号或参考信号中存在瞬态改变时,选择第一自适应滤波模式。
该选择包括在第一自适应滤波模式和第二自适应滤波模式之间的连续统(continuum)上选择自适应滤波模式。在该连续统上选择自适应滤波模式允许收敛至二维平面上最优点。
第一自适应滤波模式是归一化最小均方操作,并且第二自适应滤波模式是相关性最小均方操作。
附图说明
本公开内容的以上以及其它特征,包括它的性质和它的各种优点,在联合附图考虑下面的具体实施方式后,将更加明显,在附图中:
图1示出了根据本公开内容的一个实施方式的自适应滤波***的例示性框图;
图2示出了根据本公开内容的一个实施方式的自适应滤波***的例示性框图;
图3示出了根据本公开内容的一个实施方式的用于对信号进行自适应滤波的方法的流程图;以及
图4示出了根据本公开内容的一个实施方式的用于使用离散模式选择选择自适应滤波模式的方法的流程图;以及
图5示出了根据本公开内容的一个实施方式的用于使用连续模式选择选择自适应滤波模式的方法的流程图;以及
图6是根据本公开内容的一个实施方式的计算设备的框图,该设备为比如图1和2的***的任何组件,用于执行任何在此描述的过程。
具体实施方式
为了提供对本公开内容的全面理解,现在将描述某些例示性的实施方式,包括用于在自适应滤波***中选择合适的操作模式的选择***。然而,本领域普通技术人员将理解,在此描述的***和方法可以被适配和修改为适合于正被处理的应用,以及在此描述的***和方法可以其它适合的应用中运用,以及此类其它的添加和修改将不背离它的范围。
图1示出了根据本公开内容的实施方式的例示性复合自适应滤波***100的简化图。***100包括两个信号源102和106以及自适应滤波器110,该自适应滤波器包括处理器111、存储器113、接收器115、能量评估器114、相关器116、比较器118,以及模式选择器119。
信号源102提供输入信号104(即,x(n))至自适应滤波器110,并且信号源106提供参考信号108(即,d(n))至自适应滤波器110。信号源102和106可以相互有关。例如,可能希望对输入信号104进行滤波,从而使得自适应滤波器110的输出(经滤波信号112(即,y(n))),类似于参考信号108。在这种情形中,参考信号108可以是所需信号,并且自适应滤波器110调整滤波器系数,从而使得滤波器信号112类似于所需信号。
信号源102和106可以是任意类型的信号源。信号可以是连续信号的离散化版本。作为示例,信号可以是对应于代表由麦克风接收的声波的声信号的离散采样的向量。信号源102和106中的任一或两者可以被配置为处理该信号以使信号成为所需形式。例如,信号源102和/或106可以将信号量化,对信号进行滤波,或对信号执行任何数量的处理技术。一般地,如果需要使用参考信号对输入信号进行自适应滤波,可则以使用任何信号源。
在一个实现方式中,在图1中示出的信号是声信号,并且输入信号104包括回声。例如,房间可以包含麦克风和扬声器,并且由麦克风拾取的声波被传输至扬声器。在扬声器和麦克风之间建立回声路径,因为由扬声器产生的声波可能继而被麦克风拾取。可以通过使用自适应滤波来估计回声路径并且从麦克风信号减去估计的回声路径来使用***100以消除这个声学回声。
在另一实现方式中,可能希望使用噪声信号作为参考信号108。特别地,参考信号108可能包含以某些方式与包含在输入信号104中的噪声相关的噪声。在这种情形中,自适应滤波器110标识合适的滤波器系数以用于对输入信号104进行滤波,从而使得经滤波信号112将类似于参考信号108。继而,可以稍后从输入信号104减去经滤波信号112以增加输入信号的信噪比。
自适应滤波器110包括接收器115以用于从信号源102和106接收输入信号104和参考信号108。或参考信号108和/或输入信号104的一个或多个部分可以存储在存储器113中以用于处理。特别地,自适应滤波器110包括处理器以用于更新滤波器系数,并且更新的滤波器系数可以基于参考信号108和/或输入信号104的先前接收的部分。经滤波信号112可以按照与输入信号104相关联,其中ωl对应于第一滤波器系数并且L为滤波器中系数的数目。
此外,处理器111可以生成误差信号e(n),代表参考信号108和经滤波信号112之间的差值,或者e(n)=d(n)-y(n)。通常希望使误差信号越小越好,从而使得经滤波信号112接近地类似于参考信号108。减小误差信号的量值的一种方式是自适应地更新滤波器系数ω(n)。
滤波器系数可以根据由模式选择器119选择的特定操作模式而确定。特别地,模式选择器119可以基于输入信号104和误差信号之间的相关性选择合适的操作模式。模式选择器119可以从任意数量的模式中选择一个模式。特别地,本公开内容描述了用于模式选择的两个可能过程:离散模式选择和连续模式选择。在离散模式选择中,从有限的模式集中选择一个模式。关于图4更详细地描述用于离散模式选择的示例功能。在连续模式选择中,所选择的模式在两个或更多模式之间的连续统上。关于图5更详细地描述用于连续模式选择的示例功能。在离散模式选择或连续模式选择中,模式选择器119可以基于输入信号104和误差信号之间的相关性选择模式。
特别地,在自适应滤波过程的初始阶段,输入信号104和误差信号之间的相关性可能较高,因为经滤波信号112很可能不类似于参考信号108。在这种情形中,误差信号将与输入信号104高度相关。因此,在自适应滤波过程的初始阶段,希望经滤波信号112迅速地收敛至参考信号108的估计值。
在自适应滤波过程的随后阶段,已经达到稳定状态(或收敛),从而使得经滤波信号112已经收敛至参考信号108。因此,输入信号104和误差信号之间的相关性较低,因为误差信号具有低幅度,并且输入信号104与误差信号几乎正交。
取决于自适应滤波过程是处于初始阶段还是处于随后阶段,过程可以具有不同的目标。特别地,在初始阶段期间经滤波信号112迅速地达到收敛或达到稳定状态是重要的。在随后阶段期间,具有非常低幅度的误差信号和具有在外部扰动将***100从稳定状态移动开的情形下的快速回复时间可能是更加重要的。这个快速回复时间可以被称为迅速“醒来”时间,并且快速回复时间在随后阶段期间是重要的,从而使得***100可以迅速地返回至初始阶段以迅速地达到收敛。自适应滤波器110在不同的阶段通过使用模式选择器119来选择合适的自适应滤波模式操作,以使得实现这两个目标。具体而言,可以基于输入信号104和误差信号之间的相关性来选择该信号。
相关器116可以通过使用方程式Pxe(n+1)=β′Pxe(n)+(1-β′)x(n)e(n)来计算输入信号104(即,x(n))和误差信号(即,e(n))之间的相关性,其中β′为平滑参数。β′的高值意味采样之间的相关性不会变化太大,β′的低值在相关性中允许潜在更大采样之间的起伏。
在离散模式选择中,如关于图4更详细地描述的,比较器118将相关性Pxe(n)的绝对值与阈值进行比较,并且取决于比较的结果,模式选择器119可以从两个模式中选择一个模式。此外,如关于图5更详细地描述的连续模式选择涉及在两个或更多模式之间的连续统上选择一个模式。以下描述两种可能的操作模式,但本领域普通技术人员将理解,自适应滤波***100可以使用任意数量的模式。该两个模式在下面简要地描述,但关于图4更详细地描述。
作为示例,当Pxe(n)的绝对值超过阈值时,模式选择器119可以选择第一操作模式。在第一模式中,对于β′可以选择大值(即,β′=βmax)。如上面描述的,β′的大值导致相关性函数中的小采样间起伏。在第一模式中,特定采样处的滤波器系数可以取决于先前的滤波器系数、步长控制参数μ(n),以及误差信号e(n)。作为示例,采样n+1处的滤波器系数可以由定义,其中表示梯度函数。在第一模式中,步长控制参数μ(n)取决于输入信号104的能量。具体而言,μ(n)可以由定义。能量评估器114使用指数平均滤波器确定输入信号104(即,Px(n))中能量的量。输入信号104中的能量Px(n)可以由Px(n+1)=γPx(n)+(1-γ)x2(n)定义,其中γ为平滑参数。
作为另一示例,当Pxe(n)的绝对值小于或等于阈值时,模式选择器119可以选择第二操作模式。在第二模式中,对于β′可以选择小值(即,β′=βmin)。如上面描述的,β′的小值导致在相关性函数中的潜在更大的起伏。对于β′具有小值允许当存在外部扰动时,从第二模式至第一模式的快速回复。如同在第一模式中,在第二模式中,特定采样处的滤波器系数可以取决于先前的滤波器系数、步长控制参数μ(n),以及误差信号e(n)。例如,采样n+1处的滤波器系数可以由定义,其中表示梯度函数。在第二模式中,步长控制参数μ(n)取决于输入信号104和误差信号e(n)之间的相关性。具体而言,μ(n)可以由μ(n)=α|Pxe(n+1)|定义。
图2示出了根据本公开内容的一个实施方式的例示性复合自适应滤波***200的简化框图。***200包括自适应滤波器228、自适应过程230,以及加法器232。特别地,输入信号222(即,x(n))被提供作为到自适应滤波器228和自适应过程230的输入。自适应滤波器228附加地从自适应过程230接收输入,自适应过程对于如何更新自适应滤波器228的滤波器系数传输指令。
自适应滤波器228的输出信号是输出信号224(即,y(n)),该输出信号在加法器232处被从参考信号220(即,d(n))减去以生成误差信号226(即,e(n))。误差信号226被提供至自适应过程230,其基于误差信号226和输入信号222确定对自适应滤波器228的滤波器系数合适的调整。
特别地,如关于图1描述的,特定采样处的滤波器系数可以取决于先前的滤波器系数、步长控制参数μ(n),以及误差信号e(n)。取决于选定的操作模式,μ(n)可以基于输入信号222的能量和/或基于输入信号222和误差信号226之间的相关性而被定义。在一个实现方式中,μ(n)可以根据而被定义,如在关于图1描述的第一模式中。在另一实现方式中,μ(n)可以根据μ(n)=α|Pxe(n+1)|而被定义,如在关于图1描述的第二模式中。自适应过程230可以根据此处描述的方程式之一,或根据另一方程式计算步长控制参数μ(n)。如关于图4描述的,在离散模式选择中,μ(n)的值可以被限制于这里描述的两个值中的一个值。如关于图5描述的,在连续模式选择中,μ(n)的值可以不被限制,并且μ(n)的值可以基于这里描述的两个值的线性结合而被任意确定。一般地,μ(n)可以取决于任何信号的能量或任何两个信号之间的相关性,或者它们的结合。
此外,取决于选定的操作模式,β′也可以具有不同的值。特别地,在关于图1描述的第一模式中,对于β′可以选择大值(即,β′=βmax)。对于β′的大值在相关性函数中引起小采样间起伏。这些小起伏将使得***100很可能停留在第一状态中而不太可能转换至另一状态。这对于避免在稳定状态达到前在两个状态之间不必要次数的来回转换是希望的。继而,当达到稳定状态时,***100转换至如关于图1描述的第二模式。在第二模式中,可以为β′选择小值(即,β′=βmin)。对于β′的小值在相关性函数中引起大采样间起伏。这些大的起伏将使***100在外部扰动的情形下很可能将返回至第一状态。这是希望的,因为如果x(n)和/或d(n)在取值上具有突然的瞬态改变或转变,则将希望高效地退出第二模式且返回至第一模式从而使得可以再次迅速地达到收敛。因此,对于β′具有小值导致对于***100的迅速“醒来”时间,并且对于处理对***的外部扰动而言是希望的。如关于图4描述的,在离散模式选择中,β′的值可以被限制于βmin或βmax。如关于图5描述的,在连续模式选择中,β′的值可以不被限制,并且β′的值可以基于βmin和βmax的线性结合而被任意确定。
自适应过程230可以使用步长控制参数μ(n)来确定对于自适应滤波器228的系数需要的调整有多大。作为示例,在采样n+1处的滤波器系数可以由定义,其中表示梯度函数。对于自适应滤波过程,基于负梯度更新滤波器系数是有益的,因为负梯度对于在残留误差函数中高效地标识最小值是有用的。在一个实现方式中,自适应过程230计算并且传输至自适应滤波器228,自适应滤波器通过从先前的滤波器系数中减去来自自适应过程230的输入合适地更新下一个滤波器系数。
自适应滤波器228和自适应过程230可以被结合用作图1中的自适应滤波器110。使用配置为在多个模式中操作的具有可变结构的单个***在成本和空间方面是高效的。此处描述的***和方法允许单个***在多个模式中操作,以使得能够结合不同模式的优点并同时避免它们的限制。特别地,可以选择一个自适应滤波模式以用于快速收敛,同时可以选择另一自适应滤波模式以实现低残留误差。此处描述的***和方法提供了高效地且有效地在自适应滤波器中调整滤波器系数的方式,从而使得输出信号迅速而精确地收敛至参考信号。
图3示出了根据本公开内容的一个实施方式的用于对信号进行自适应滤波的方法流程图。方法300包括接收信号(302)、对接收的信号进行滤波以生成输出信号(304),以及在输出信号和参考信号之间生成差异信号(306)。方法300进一步包括评估接收的信号和差异信号的相关性(308)、基于相关性在第一自适应滤波模式和第二自适应滤波模式之间选择(310),以及使用选定的自适应滤波模式对接收的信号进行滤波。
在302处,接收信号。作为示例,自适应滤波器110通过接收器115接收输入信号104,如关于图1描述的。
在304处,接收的信号被滤波以生成输出信号。最初,可能不存在输出信号且因此没有误差信号,因而自适应滤波器110可以合适地初始化它的滤波器系数。作为示例,初始的滤波器系数可以基于一些关于输入信号或参考信号已知的在先信息,或者基于对于初始化滤波器而言合适的任何其它信息。
在306处,自适应滤波器110在输出信号和参考信号之间生成差异信号。作为示例,处理器111评估输出信号和参考信号108之间的差异,以生成误差信号:e(n)=d(n)-y(n)。通常希望使误差信号e(n)尽可能地小,从而使得经滤波信号y(n)接近地类似于参考信号d(n)。减小误差信号的量值的一个方式是自适应地更新滤波器系数ω(n)。
在308处,相关器116评估接收到的信号x(n)和差异信号e(n)的相关性。特别地,未加权的相关性函数可以用于计算差异信号e(n)与接收到的信号x(n)的一个或更多部分之间的相关性系数。这个函数是“未加权”的,因为对输入信号和误差信号中的每个采样应用相等的权重。然而,可能希望在自适应滤波过程中对不同的采用应用不同的权重。特别地,可能希望对更新近的采样应用更高权重以及对更久远的采样应用更低权重。在采样n+1处的相关性函数Pxe(n+1)可以取决于在先前的采样n处的相关性函数Pxe(n)的值。作为示例,相关器116可以根据Pxe(n+1)=β′Pxe(n)+(1-β′)x(n)e(n)计算Pxe(n+1),其中β′是平滑参数。β′的高值意味相关性在采样之间将不会变化很大,β′的低值意味相关性函数可以具有更多采样间起伏。
在310处,模式选择器119基于在308处评估的相关性在第一自适应滤波模式和第二自适应滤波模式之间选择。也就是说,取决于接收的信号x(n)和误差信号e(n)之间的相关性的值选择第一自适应滤波模式或第二自适应滤波模式,或者两个自适应滤波模式之间的模式。特别地,模式选择可以是离散的(其中从有限数量的模式中选择一个模式)或连续的(其中依赖两个或更多模式之间的连续统选择模式)。离散模式选择关于图4被更详细地描述,并且连续模式选择关于图5被更详细地描述。在任一种情形中,模式选择至少部分地基于在308处评估的相关性。
在选择自适应滤波模式后,评估滤波系数,并且在312处,自适应滤波器110根据选定的模式对输入信号104进行滤波。特别地,经滤波信号112通过与输入信号104有关,其中ωl对应于在第一个采样处的滤波器系数,并且L是滤波器的长度(或者滤波器系数的数量)。作为示例,在特定采样处的滤波器系数可以取决于先前的滤波器系数、步长控制参数μ(n),以及误差信号e(n)。例如,采样n+1处的滤波器系数可以由定义,其中步长控制参数μ(n)指示采样之间的滤波器系数的变化有多大。对于如何评估出用于μ(n)的合适的值关于图4和图5被更详细地描述。
图4示出了根据本公开内容的一个实施方式的用于离散模式选择的方法的流程图。方法400包括计算接收到的信号222和差异信号226之间的相关性系数(402),以及确定相关性系数是否超过阈值(404)。如果相关性系数超过阈值,则选择第一自适应滤波模式(406),并且否则选择第二自适应滤波模式(408)。
在406处,如果相关性系数超过阈值则选择第一自适应滤波模式。在一个实现方式中,在滤波过程的初始阶段期间相关性系数为高。特别地,相关性高是因为最初,输出信号y(n)并不类似于参考信号d(n),从而使得误差信号e(n)类似于输入信号x(n)。可能希望在滤波过程的初始阶段选择具有快速收敛时间的第一自适应滤波模式。明具体而言,快速收敛时间将意味着输出信号y(n)将迅速地收敛至参考信号d(n)。
在一些实现方式中,第一自适应滤波模式类似于归一化最小均方(LMS)方式。用于自适应滤波的归一化LMS方式具有快速收敛时间和稳定性的优点。然而,归一化LMS自适应滤波方法具有在稳定状态(即,收敛以后)中具有大的额外残留均方误差的缺点。因此,可能希望当在自适应滤波过程的初始阶段期间需要快速收敛时选择第一自适应滤波模式,并且继而在达到稳定状态时转换至不同的自适应滤波模式。
在第一自适应滤波模式中,平滑参数β′被设置为高值(即,β′=βmax)。平滑参数描述输入信号x(n)和误差信号e(n)之间的相关性从采样到采样的变化有多大(即,Pxe(n+1)=β′Pxe(n)+(1-β′)x(n)e(n))。特别地,对于平滑参数β′的大值意味相关性系数Pxe从采样到采样将不会变化很大,从而使得在下一迭代中很可能将选择第一自适应滤波模式。在一些实现方式中,因为第一自适应滤波模式具有快速收敛时间,这意味输出信号y(n)将迅速地收敛至参考信号d(n),而自适应滤波器110不会进入不同模式。
此外,在第一模式中,步长控制参数μ(n)可以取决于输入信号104的能量。具体而言,在一些实现方式中,μ(n)由定义。在一些实现方式中,方程式右侧的μ是常数,该常数基于用于在自适应滤波算法中获得稳定性的实验结果而被启发式地(heuristically)确定。μ(n)对输入信号104的能量的依赖可以在***100中确保稳定性。能量评估器114使用指数平均滤波器确定输入信号104(即,Px(n))中能量的量。具体而言,Px(n)可以由Px(n+1)=γPx(n)+(1-γ)x2(n)定义,其中γ为平滑参数。
在408处,如果相关性系数低于或等于阈值则选择第二自适应滤波模式。在一个实现方式中,在滤波过程的随后阶段期间相关性系数为低。特别地,在随后阶段,可能已经达到收敛,并且误差信号e(n)接近于零,从而使得相关性系数为低。在滤波过程的这个随后阶段中,可能希望选择具有低残留误差的第二自适应滤波模式。具体而言,低残留误差将意味在稳定状态中输出信号y(n)接近地类似于参考信号d(n)。在自适应滤波过程中,通常希望在输出信号y(n)和参考信号d(n)之间具有低残留误差。因此,为了模式的低残留误差可以选择第二自适应滤波模式。然而,对于自适应滤波过程的初始阶段,选择第二自适应滤波模式可能是不合适的,因为第二模式相比于第一模式具有较慢的收敛时间。
在一些实现方式中,第二自适应滤波模式类似于相关性LMS方式。与归一化LMS方式相比,用于自适应滤波的相关性LMS方式具有在稳定状态中低残留误差的优点。然而,相比于归一化LMS方式,相关性LMS自适应滤波方法的缺点是慢收敛时间。因此,可能希望当在自适应滤波过程的初始阶段期间需要快速收敛时,选择第一自适应滤波模式(即,类似于归一化LMS方式)。继而,可能希望在达到稳定状态时转换至第二自适应滤波模式(即,类似相关性LMS方式)以利用低残留误差。
在第二自适应滤波模式中,平滑参数β′被设置为低值(即,β′=βmin)。平滑参数描述输入信号x(n)和误差信号e(n)之间的相关性从采样到采样的变化有多大(即,Pxe(n+1)=β′Pxe(n)+(1-β′)x(n)e(n))。特别地,对于平滑参数β′的小值意味着相关性系数Pxe可能从采样到采样而变化,从而使得当相关性Pxe高时,自适应滤波器110转换回第一自适应滤波模式。作为示例,参考信号d(n)可能展现出突然的改变或转变。在这种情形中,可能希望对于输出信号y(n)追踪参考信号d(n)中突然的改变。然而,保持在第二模式中是不希望的,因为操作在第二模式中的自适应滤波器收敛得慢。因此,为了利用第一模式的快速收敛时间,可能希望能够迅速地切换至第一模式。因此,在第二模式中对于平滑参数β′选择低值允许当需要的时候迅速回复至第一自适应滤波模式。
此外,在第二模式中,步长控制参数μ(n)可以取决于输入信号x(n)和误差信号e(n)的相关性。具体而言,在一些实现方式中,μ(n)由μ(n)=α|Pxe(n+1)|定义。在一些实现方式中,μ(n)在第二模式中比在第一模式中小。特别地,更大的步长在误差信号中产生大的起伏,且使得能够快速收敛。在达到收敛之后,在第二自适应滤波模式中,可能希望保持残留误差尽可能地小,同时在外部扰动的情形中支持迅速“醒来”时间。希望在第二模式中使用较小步长以保持误差信号e(n)接近零。
方法400描绘了用于在两个自适应滤波模式之间选择的离散模式选择过程。然而,本领域的普通技术人员将理解,此处描述的***和方法可以应用至使用任何数量的模式的自适应滤波***。基于任何参数的值(比如输入信号和误差信号之间的相关性),可以选择这些模式的任何一个模式。
图5示出了根据本公开内容的一个实施方式的用于连续模式选择的方法的流程图。方法500包括计算接收的信号222和差异信号226之间的相关性系数(502),基于相关性系数选择平滑参数(504),以及基于平滑参数选择步长控制参数(506)。
不同于关于图4描述的离散模式选择函数,连续模式选择不涉及从有限数量的模式中选择模式。相反地,连续模式选择涉及选择落在两个或更多自适应滤波模式之间的连续统上的参数值。例如,如在下面更详细地描述的,连续模式选择允许选择本质上落在关于图4描述的第一模式和第二模式之间的模式。特别地,如下描述的,参数β′被用于代表两个模式之间连续统上的位置。然而,本领域的普通技术人员将理解,此处描述的***和方法可以应用至选择落在任何数量的模式之间的模式。
在504处,基于相关性系数选择平滑参数β′。在关于图4描述的离散模式选择中,对于每个迭代,β′被限制为等于βmin和βmax之一。然而,在连续模式选择中,β′不再具有这个限制,并且允许其在βmin和βmax之间变化。因此,不同于当使用离散模式选择时将β′设置为等于两个值中的一个值(即,在收敛之前自适应滤波过程的初始阶段期间为βmax,而在稳定状态中过程的随后阶段期间为βmin),当使用连续模式选择时,β′可以平滑地从βmax转换至βmin。
在一个实现方式中,β′=τβmax+(1-τ)βmin,其中特别地,h可以被限制为正,从而使得τ在0和1之间变化并且β′在βmax和βmin之间变化。当输入信号x(n)和误差信号e(n)相似时(即,在自适应滤波过程的初始阶段期间),两个信号Pxe(n)之间的相关性Pxe(n)为高。在这种情形中,τ很可能等于或接近于1,从而使得β′≈βmax,并且滤波过程类似于在关于图4描述的第一自适应滤波模式下的操作。备选地,当误差信号e(n)为小时(即,在自适应滤波过程的随后阶段期间),两个信号之间的相关性Pxe(n)为低。在这种情形中,τ接近于零,使得从而β′≈βmix,并且滤波过程类似于在关于图4描述的第二自适应滤波模式下的操作。然而,通过不限制平滑参数β′取两个值中的一个,连续模式选择允许β′从βmax平滑地转换至βmin。
在506处,基于选定的平滑参数β′选择步长控制参数μ。在一个实现方式中,正如β′可以取βmax和βmin之间的任何值,包括βmax和βmin,步长控制参数μ可以类似地取两个值之间的任何值,这里两个值的相对权重由在504处选定的平滑参数β′确定。在一个实现方式中,该两个值由μ在关于图3描述的第一自适应滤波模式和第二自适应滤波模式中的值确定。特别地,以及μ2(n)=α|Pxe(n+1)|。继而,基于用作这两个值之间的相对权重的平滑参数β′的值,选择用于连续模式选择的步长控制参数μ的值。具体而言,
μ(n)=βμ1+(1-β)μ2。
在自适应滤波过程的初始阶段,β′接近βmax,从而使得μ接近μ1,μ1是比μ2相对更大的步长并且允许如在第一自适应滤波模式中的更快的收敛。在自适应滤波过程的随后阶段,β′接近βmin,从而使得μ接近μ2,μ2为小,因为误差信号e(n)接近零并且输入信号x(n)和误差信号e(n)之间的相关性为小。
关于图5描述的连续模式选择涉及选择落在关于图4描述的第一自适应滤波模式和第二自适应滤波模式之间的连续统上的参数值。特别地,平滑参数β′用于代表在两个模式之间的连续统上的位置。因此,连续模式选择允许滤波参数在各值之间平滑地转换,而不是将滤波参数β′和μ限制于各自取值为两个可能的值中的一个值。
在一些实现方式中,使用离散模式选择可能是有利的。特别地,离散模式选择容易实施,并且因为它比连续模式选择使用更少的方程式,实施离散模式选择更廉价。然而,离散模式选择的一个缺点是,只有有限数量的状态是可能的。在此处描述的一个实现方式中,只有两个状态是可能的,从而使得收敛将只发生在两个状态中的一个状态中。本质上,此处描述的复合自适应滤波过程可以被认是为以最小化两个参数——用于收敛的时间和稳定状态中的误差为目标的二维优化问题。通过限制可能状态的数量,离散模式选择限制自适应滤波***的能力以在二维平面上找到最优点。相反地,连续模式选择通过允许***参数连续地变化,允许在二维平面上的任何地方的该二维优化问题的解决方案。因此,使用连续模式选择可以提供比离散模式选择更快速的收敛和/或更低稳定状态误差。然而,使用连续模式选择可能是不利的,因为它比离散模式选择使用更多方程式并且实现可能更昂贵。
图6是根据本公开内容的一个实施方式的计算设备的框图,该计算设备为比如图1或图2的***的任何组件,用于执行任何本文描述的过程。这些***的每个组件可以在一个或多个计算设备600上实施。在某些方面中,这些***的多个组件可能被包括在一个计算设备600内。在某些实现方式中,一个组件和一个存储设备611可以跨数个计算设备600而实施。
计算设备600包括至少一个通信接口单元608、输入/输出控制器610、***存储器603,以及一个或多个数据存储设备611。***存储器603包括至少一个随机访问存储器(RAM602)和至少一个只读存储器(ROM604)。所有这些元件与中央处理单元(CPU606)通信以有助于计算设备600的操作。计算设备600可以按照许多不同的方式配置。例如,计算设备600可以是常规的独立计算机,或备选地,计算设备600的功能可以跨多个计算***和架构分布。在图6中,计算设备600经由网络618或本地网络链接至其它服务器或***。
计算设备600可以按照分布式架构配置,其中数据库和处理器存放在分离的单元或位置。一些单元执行主要处理功能,且最少包含通用控制器或处理器以及***存储器603。在分布式架构实现方式中,这些单元中的每一个单元可以经由通信接口单元608附接至充当与其它服务器、客户端或用户计算机以及其它相关设备的主要通信链接的通信集线器或端口(未示出)。通信集线器或端口自身可以具有最小的处理能力,主要充当通信路由器。多种通信协议可以是***的一部分,包括但不限于:以太网、SAP、SASTM、ATP、BLUETOOTHTM、GSM以及TCP/IP。
CPU 606包括处理器,比如一个或多个常规的微处理器以及一个或多个补充的协处理器,比如用于从CPU 606的卸载工作负荷的数学协处理器。CPU 606与通信接口单元608和输入/输出控制器610通信,CPU 606经过输入/输出控制器与其它设备(比如其它服务器、用户终端、或设备)通信。通信接口单元608和输入/输出控制器610可以包括多个通信信道,用于与例如其它处理器、服务器或客户终端同时通信。
CPU 606还与数据存储设备611通信。数据存储设备611可以包括磁、光或半导体存储器的合适的组合,并且可以包括例如RAM602、ROM604、闪存驱动器、光盘(比如压缩磁盘)或硬盘或驱动器。CPU 606和数据存储设备611各自可以例如整体地放置在单个计算机或其它计算设备内;或者由通信介质相互连接,通信介质为比如USB端口、串行端口电缆、同轴电缆、以太网电缆、电话线、射频收发机或其它类似的无线或有线介质或者前述的组合。例如,CPU 606可以经由通信接口单元608连接至数据存储设备611。CPU 606可以被配置为执行一个或多个特定的处理功能。
数据存储设备611可以存储例如,(i)用于计算设备600的操作***612;(ii)适合于根据这里描述的***和方法,且特别是根据关于CPU 606详细描述的过程,指示CPU 606的一个或多个应用614(例如,计算机程序代码或计算机程序产品);或(iii)适合于存储信息的数据库616,该信息可能被用于存储程序需要的信息。
操作***612和应用614可以例如以压缩、未编译以及加密的格式存储,并且可能包括计算机程序代码。程序的指令可以从计算机可读介质而非数据存储设备611(比如从ROM604或从RAM602)读取进入处理器的主存储器。尽管程序中的指令序列的执行引起CPU606执行此处描述的过程步骤,但可以使用硬接线的电路替代软件指令,或与软件指令结合,以用于本公开内容的过程的实现。因此,描述的***和方法并不限于硬件和软件的任何具体组合。
可以提供适当的计算机程序代码以用于执行关于此处描述的自适应滤波的一个或多个功能。程序还可以包括程序元件,比如操作***612、数据库管理***和“设备驱动器”,其允许处理器与计算机***设备(例如,视频显示器、键盘、计算机鼠标,等等)经由输入/输出控制器610对接。
如本文中使用的术语“计算机可读介质”指代提供或参与提供指令计算设备600(或此处描述的设备的任何其它处理器)的处理器以用于执行的任何非瞬态介质。这种介质可以采用多种形式,包括但不限于非易失性介质和易失性介质。非易失性介质包括例如,光盘、磁盘、或磁光盘、或集成电路存储器,比如闪存。易失性介质包括动态随机访问存储器(DRAM),其典型地构成主存储器。计算机可读介质一般的形式包括例如,软盘、软磁盘、硬盘、磁带、任何其它磁性介质、CD-ROM、DVD、任何其它光学介质、穿孔卡片、纸带、具有孔式样的任何其它物理介质、RAM、PROM、EPROM或EEPROM(电可擦除可编程只读存储器)、FLASH-EEPROM、任何其它存储器芯片或卡盒、或计算机能够从其进行读取的任何其它非瞬态介质。
在承载到CPU 606(或此处描述的设备的任何其它处理器)以用于执行的一个或多个指令的一个或多个序列中,可能涉及各种形式的计算机可读介质。例如,指令可以最初承载在远程计算机(未示出)的磁盘上。该远程计算机能够加载指令进入它的动态存储器,并且在以太连接、缆线、或者甚至使用调制解调器的电话线上发送该指令。与计算设备600(例如,服务器)同在本地的通信设备能够在各自的通信线路上接收数据,以及将数据放在用于处理器的***总线上。***总线运载数据至主存储器,处理器从主存储器取回以及执行指令。由主存储器接收的指令可以可选地在处理器执行之前或之后存储在存储器中。此外,指令可以经由通信端口,作为电、电磁或光信号而被接收,这些信号是运载各种类型信息的无线通信或数据流的示例性形式。
尽管本公开内容的各种实施方式已经在此处示出和描述,对本领域的技术人员而言明显地这些实施方式只以示例的方式提供。本领域的技术人员现在将想到许多的变化、改变,以及替代而不背离本公开内容。应当理解,此处描述的公开的实施方式的各种备选可以被使用于实践本公开内容。旨在于由下面的权利要求限定本公开的范围,以及覆盖这些权利要求的范围内的方法和结构以及它们的等同物。
Claims (18)
1.一种用于对信号进行自适应滤波的方法,包括:
接收信号;
对接收的信号进行滤波以生成输出信号;
基于所述输出信号和参考信号之间的差异生成差异信号;
使用平滑参数评估所述接收的信号和所述差异信号的相关性;
至少部分地基于所述相关性在具有用于所述平滑参数的第一值的第一自适应滤波模式和具有用于所述平滑参数的、不同于所述第一值的第二值的第二自适应滤波模式之间选择,其中用于所述平滑参数的所述第二值小于用于所述平滑参数的所述第一值,从而使得当所述接收的信号中或者所述参考信号中存在瞬态改变时选择所述第一自适应滤波模式;以及
使用选择的自适应滤波模式对所述接收的信号进行滤波。
2.根据权利要求1所述的方法,其中评估所述相关性包括计算所述接收的信号的一部分与所述差异信号的一部分之间的相关性系数。
3.根据权利要求2所述的方法,其中当所述相关性系数超过阈值时选择所述第一自适应滤波模式,以及当所述相关性系数小于或等于所述阈值时选择所述第二自适应滤波模式。
4.根据权利要求3所述的方法,其中所述阈值基于稳定状态中所述差异信号的绝对值。
5.根据权利要求1所述的方法,其中所述第一自适应滤波模式产生第一收敛速度,以及所述第二自适应滤波模式产生慢于所述第一收敛速度的第二收敛速度。
6.根据权利要求1所述的方法,其中所述第一自适应滤波模式产生稳定状态中的第一残留误差,以及所述第二自适应滤波模式产生低于所述第一残留误差的所述稳定状态中的第二残留误差。
7.根据权利要求1所述的方法,其中所述选择包括在所述第一自适应滤波模式和所述第二自适应滤波模式之间的连续统上选择自适应滤波模式。
8.根据权利要求7所述的方法,其中在所述连续统上选择所述自适应滤波模式允许在二维平面上收敛至最优点。
9.根据权利要求1所述的方法,其中所述第一自适应滤波模式是归一化最小均方操作,以及所述第二自适应滤波模式是相关性最小均方操作。
10.一种用于对信号进行自适应滤波的***,包括:
接收器,被配置为接收信号;
电路,被配置为:
对接收的信号进行滤波以生成输出信号;
基于所述输出信号和参考信号之间的差异生成差异信号;
使用平滑参数评估所述接收的信号和所述差异信号的相关性;
至少部分地基于所述相关性,在具有用于所述平滑参数的第一值的第一自适应滤波模式和具有用于所述平滑参数的、不同于所述第一值的第二值的第二自适应滤波模式之间选择,其中用于所述平滑参数的所述第二值小于用于所述平滑参数的所述第一值,从而使得当所述接收的信号中或者所述参考信号中存在瞬态改变时选择所述第一自适应滤波模式;以及
使用选择的自适应滤波模式对所述接收的信号进行滤波。
11.根据权利要求10所述的***,其中所述电路通过计算所述输出信号的一部分与所述差异信号的一部分之间的相关性系数评估所述相关性。
12.根据权利要求11所述的***,其中当所述相关性系数超过阈值时所述电路选择所述第一自适应滤波模式,以及当所述相关性系数小于或等于所述阈值时所述电路选择所述第二自适应滤波模式。
13.根据权利要求12所述的***,其中所述阈值基于稳定状态中所述差异信号的绝对值。
14.根据权利要求10所述的***,其中所述第一自适应滤波模式产生第一收敛速度,以及所述第二自适应滤波模式产生慢于所述第一收敛速度的第二收敛速度。
15.根据权利要求10所述的***,其中所述第一自适应滤波模式产生稳定状态中的第一残留误差,以及所述第二自适应滤波模式产生低于所述第一残留误差的所述稳定状态中的第二残留误差。
16.根据权利要求10所述的***,其中所述电路在所述第一自适应滤波模式和所述第二自适应滤波模式之间的连续统上选择自适应滤波模式。
17.根据权利要求16所述的***,其中所述电路在所述连续体上选择所述自适应滤波模式以达到在二维平面上的最优点处收敛。
18.根据权利要求10所述的***,其中所述第一自适应滤波模式是归一化最小均方操作,以及所述第二自适应滤波模式是相关性最小均方操作。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261590631P | 2012-01-25 | 2012-01-25 | |
US61/590,631 | 2012-01-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103260111A CN103260111A (zh) | 2013-08-21 |
CN103260111B true CN103260111B (zh) | 2018-02-16 |
Family
ID=48797212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310165409.4A Expired - Fee Related CN103260111B (zh) | 2012-01-25 | 2013-01-25 | 用于复合自适应滤波的***和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9100257B2 (zh) |
CN (1) | CN103260111B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754331A (zh) * | 2013-12-31 | 2015-07-01 | 展讯通信(上海)有限公司 | 像素自适应滤波器及滤波方法、编码器及解码器 |
CN105812598B (zh) * | 2014-12-30 | 2019-04-30 | 展讯通信(上海)有限公司 | 一种降低回声的方法及装置 |
CN105812994B (zh) * | 2014-12-30 | 2018-08-21 | 展讯通信(上海)有限公司 | 一种降低失真回声的方法及装置 |
US9997151B1 (en) * | 2016-01-20 | 2018-06-12 | Amazon Technologies, Inc. | Multichannel acoustic echo cancellation for wireless applications |
DE102016225125A1 (de) * | 2016-12-15 | 2018-06-21 | Zf Friedrichshafen Ag | Verfahren und System zur Ermittlung eines Filters zur Glättung eines rauschbehafteten Signals |
CN107218988A (zh) * | 2017-06-22 | 2017-09-29 | 中山天业智能装备科技有限公司 | 一种快速高精度的称重仪及其检测方法 |
US10707972B1 (en) * | 2019-03-18 | 2020-07-07 | Apple Inc. | Compensating for channel distortion during contactless communication |
US11809996B2 (en) * | 2020-09-21 | 2023-11-07 | University Of Central Florida Research Foundation, Inc. | Adjusting parameters in an adaptive system |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85106918A (zh) * | 1985-09-14 | 1987-05-20 | 普列斯海外有限公司 | 回音消除器 |
GB2260068B (en) * | 1991-09-30 | 1995-11-15 | Motorola Inc | Apparatus and method for adaptively filtering a time-varying signal using multiple filtering algorithms |
CN1204124A (zh) * | 1997-06-26 | 1999-01-06 | 德国汤姆逊-布朗特公司 | 抑制模拟音频/视频信号脉冲干扰的方法、装置和记录设备 |
CN1288301A (zh) * | 1999-09-10 | 2001-03-21 | 朗迅科技公司 | 回波消除器及利用归一化最小均方算法的回波消除方法 |
US6505222B1 (en) * | 1999-10-29 | 2003-01-07 | International Business Machines Corporation | Systems methods and computer program products for controlling undesirable bias in an equalizer |
US6671374B1 (en) * | 2000-08-03 | 2003-12-30 | Globespanvirata, Inc. | Adaptive filter for echo cancellation, method for operating an adaptive filter for echo cancellation, an article of manufacture for determining tap weights and a length for an adaptive filter for echo cancellation and a computer implemented control system for determining tap weights and a length for an adaptive filter for echo cancellation |
CN1595827A (zh) * | 1998-07-13 | 2005-03-16 | 艾利森电话股份有限公司 | 数字自适应滤波器和利用这一设备的声音回波消除器 |
CN1668058A (zh) * | 2005-02-21 | 2005-09-14 | 南望信息产业集团有限公司 | 基于递归最小平方差的子带回声抵消器 |
CN1809105A (zh) * | 2006-01-13 | 2006-07-26 | 北京中星微电子有限公司 | 适用于小型移动通信设备的双麦克语音增强方法及*** |
CN1875403A (zh) * | 2003-09-02 | 2006-12-06 | 日本电气株式会社 | 信号处理方法和装置 |
CN101604985A (zh) * | 2009-07-20 | 2009-12-16 | 重庆大学 | 直接序列扩频通信***时域窄带干扰消除方法及其装置 |
CN101711462A (zh) * | 2006-03-15 | 2010-05-19 | 松下电器产业株式会社 | 自适应控制装置 |
CN101895488A (zh) * | 2010-07-30 | 2010-11-24 | 福建新大陆通信科技股份有限公司 | 无线通信中回波消除***中误差信号的计算方法 |
CN102280102A (zh) * | 2010-06-14 | 2011-12-14 | 哈曼贝克自动***股份有限公司 | 自适应噪声控制 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2407960C (en) * | 2001-10-16 | 2008-07-08 | Xinping Huang | System and method for direct transmitter self-calibration |
JP5423966B2 (ja) * | 2007-08-27 | 2014-02-19 | 日本電気株式会社 | 特定信号消去方法、特定信号消去装置、適応フィルタ係数更新方法、適応フィルタ係数更新装置及びコンピュータプログラム |
JP5256119B2 (ja) * | 2008-05-27 | 2013-08-07 | パナソニック株式会社 | 補聴器並びに補聴器に用いられる補聴処理方法及び集積回路 |
-
2013
- 2013-01-24 US US13/749,092 patent/US9100257B2/en not_active Expired - Fee Related
- 2013-01-25 CN CN201310165409.4A patent/CN103260111B/zh not_active Expired - Fee Related
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85106918A (zh) * | 1985-09-14 | 1987-05-20 | 普列斯海外有限公司 | 回音消除器 |
GB2260068B (en) * | 1991-09-30 | 1995-11-15 | Motorola Inc | Apparatus and method for adaptively filtering a time-varying signal using multiple filtering algorithms |
CN1204124A (zh) * | 1997-06-26 | 1999-01-06 | 德国汤姆逊-布朗特公司 | 抑制模拟音频/视频信号脉冲干扰的方法、装置和记录设备 |
CN1595827A (zh) * | 1998-07-13 | 2005-03-16 | 艾利森电话股份有限公司 | 数字自适应滤波器和利用这一设备的声音回波消除器 |
CN1288301A (zh) * | 1999-09-10 | 2001-03-21 | 朗迅科技公司 | 回波消除器及利用归一化最小均方算法的回波消除方法 |
US6505222B1 (en) * | 1999-10-29 | 2003-01-07 | International Business Machines Corporation | Systems methods and computer program products for controlling undesirable bias in an equalizer |
US6671374B1 (en) * | 2000-08-03 | 2003-12-30 | Globespanvirata, Inc. | Adaptive filter for echo cancellation, method for operating an adaptive filter for echo cancellation, an article of manufacture for determining tap weights and a length for an adaptive filter for echo cancellation and a computer implemented control system for determining tap weights and a length for an adaptive filter for echo cancellation |
CN1875403A (zh) * | 2003-09-02 | 2006-12-06 | 日本电气株式会社 | 信号处理方法和装置 |
CN1668058A (zh) * | 2005-02-21 | 2005-09-14 | 南望信息产业集团有限公司 | 基于递归最小平方差的子带回声抵消器 |
CN1809105A (zh) * | 2006-01-13 | 2006-07-26 | 北京中星微电子有限公司 | 适用于小型移动通信设备的双麦克语音增强方法及*** |
CN101711462A (zh) * | 2006-03-15 | 2010-05-19 | 松下电器产业株式会社 | 自适应控制装置 |
CN101604985A (zh) * | 2009-07-20 | 2009-12-16 | 重庆大学 | 直接序列扩频通信***时域窄带干扰消除方法及其装置 |
CN102280102A (zh) * | 2010-06-14 | 2011-12-14 | 哈曼贝克自动***股份有限公司 | 自适应噪声控制 |
CN101895488A (zh) * | 2010-07-30 | 2010-11-24 | 福建新大陆通信科技股份有限公司 | 无线通信中回波消除***中误差信号的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103260111A (zh) | 2013-08-21 |
US20130188759A1 (en) | 2013-07-25 |
US9100257B2 (en) | 2015-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103260111B (zh) | 用于复合自适应滤波的***和方法 | |
CN110007892B (zh) | 音频信号处理 | |
WO2019113253A1 (en) | Voice enhancement in audio signals through modified generalized eigenvalue beamformer | |
EP3091537B1 (en) | Noise cancellation for voice activation | |
WO2007139621A1 (en) | Adaptive acoustic echo cancellation | |
US20210027195A1 (en) | Systems and Methods for Compression and Distribution of Machine Learning Models | |
JP2011003186A5 (zh) | ||
CN101681150A (zh) | 自适应控制*** | |
EP2062104A2 (en) | Dynamic controller utilizing a hybrid model | |
CN105324981B (zh) | 回波抑制的方法、设备、介质及装置 | |
JP6718500B2 (ja) | 生産システムにおける出力効率の最適化 | |
WO2014194009A1 (en) | Echo removal | |
WO2011133075A1 (en) | An echo canceller and a method thereof | |
JP7287388B2 (ja) | 情報処理装置および情報処理方法 | |
JPWO2012049986A1 (ja) | 信号処理装置、信号処理方法、並びに信号処理プログラム | |
Arablouei et al. | Affine projection algorithm with selective projections | |
WO2014194013A1 (en) | Echo removal | |
Schüldt et al. | Adaptive filter length selection for acoustic echo cancellation | |
WO2019177806A1 (en) | Method for limiting amplifier input current to avoid low voltage conditions | |
CN104023102A (zh) | 一种可调节的降噪方法、装置及移动终端 | |
CN109509481A (zh) | 音频信号回声降低 | |
US20120140939A1 (en) | Method and device for cancelling acoustic echo | |
US20030185294A1 (en) | Adaptive filter employing adaptively controlled forgetting factor and adaptively controlling method of forgetting factor | |
EP2712208A1 (en) | Audio processing device, audio processing method, and recording medium on which audio processing program is recorded | |
WO2020242936A1 (en) | Avoiding clipping in audio power delivery by predicting available power supply energy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180216 Termination date: 20190125 |