CN105491256A - 一种声学回声消除器启动阶段稳健的步长调整方法 - Google Patents

Abstract

一种声学回声消除器启动阶段稳健的步长调整方法，包括：确定算法参数；先验滤波：去除远端信号向量中距离n时刻最远的数据，将当前远端信号更新至远端信号向量；利用滤波器的前一状态估计当前回声信号，并将估计出的当前回声信号从当前近端信号中滤除，得到先验误差信号；确定滤波器初始化步长；进行回声消除，根据所选取的步长，利用欠定模型双端通话鲁棒的变步长归一化最小均方误差算法进行声学回声消除。本发明解决了VSS-NLMS-UMDT算法在启动阶段的***容易失调的弊端，在滤波器收敛速度和***性能之间取得折中，增强了***的稳定性与实用性。

Description

一种声学回声消除器启动阶段稳健的步长调整方法

技术领域

本发明涉及一种声学回声消除器。特别是涉及一种声学回声消除器启动阶段稳健的步长调整方法。

背景技术

随着通信技术的不断发展，人们对便捷交流方式的要求越来越高，各种手持电信设备、视频会议和VoIP软件电话应用越来越广。在这类通信终端中，近端语音由扬声器传到远端，由于远端传声器和扬声器之间的耦合，使得近端语音传回本地，形成声学回声。声学回声严重影响语音传输质量，因此声学回声抵消***是不可或缺的。声学回声消除器(AcousticEchoCancellation,AEC)是解决声学回声消除的最佳解决方案之一，一般的声学回声消除器至少包含双端通话检测模块(DoubleTalkDetector,DTD)、线性回声消除两个部分。图1是一个典型的声学回声消除***。

麦克风在时刻n接收的信号为：

d(n)＝y(n)+v(n)+w(n)1.1

式中：d(n)代表近端信号，y(n)代表远端信号x(n)经过扬声器播放后产生的回声，v(n)代表近端语音信号，w(n)代表近端噪声信号。远端信号x(n)经过***传递函数h滤波后形成y(n)

y(n)＝h^T*x1.2

其中，

h^T＝[h₀(n)h₁(n),...,h_N(n)]^T

x＝[x(n)x(n-1),...,x(n-N+1)]^T

x是远端信号向量，N为房间冲击响应长度，T代表矩阵的转置。

回声消除的目标就是设计一个自适应有限冲击响应滤波器估计出介于麦克风与扬声器之间的回声路径然后根据这一估计路径得到回声估计信号将其从d(n)中消除，而保留v(n)。

$\hat{y}\left(n\right)=\hat{h}*x---1.3$

$e\left(n\right)=d\left(n\right)-\hat{y}\left(n\right)---1.4$

e(n)代表线性回声滤波器消除后得到的误差信号，其中，

$\hat{h}\left(n\right)={\[{\hat{h}}_0\left(n\right){\hat{h}}_1\left(n\right),...,{\hat{h}}_{L-1}\left(n\right)\]}^T---1.5$

L为自适应滤波器长度，实际中一般L<N。一般认为，声学回声消除器处理的场景分为三种情况：远端情况，只存在回声信号而不存在近端语音信号；近端情况，不存在回声，只存在近端语音信号；双端通话情况，回声信号与近端语音信号同时存在。

欠定模型双端通话鲁棒的变步长归一化最小均方误差算法(DOUBLE-TALKROBUSTVariableStepSizeNormalizedLeast-mean-squareForUnder-modeling,VSS-NLMS-UMDT)是一种新型较实用的双端通话鲁棒的回声消除算法，与其它归一化最小均方误差算法(VSS-NLMS)算法相比不需要双端通话检测器(DTD)，就能够在欠定和双端通话情况下稳定工作，对近端信号干扰不敏感，依然保持较小且稳定的稳态失调，并且在实际应用中易于实施与控制，不需要声学环境的任何参数，鲁棒性很强。其提出的控制步长和滤波器更新方程是

$\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)}---1.6$

$\hat{h}\left(n\right)=\hat{h}(n-1)+\mathrm{\&mu;}\left(n\right)x\left(n\right)e\left(n\right)---1.7$

式中，μ(n)为自适应滤波器的步长，γ_ed是e(n)与d(n)之间的互相关估计，η(n)是滤波器的收敛性统计参数，和分别代表d(n)、和e(n)的能量期望估计，δ、ξ均为一常数。以上参数可由式1.8和1.9得到

γ_ed(n)＝E[e(n)*d(n)]＝λγ_ed(n-1)+(1-λ)e(n)d(n)1.8

$\mathrm{\&eta;}\left(n\right)=\left|\frac{{\mathrm{\&gamma;}}_{ed}\left(n\right)-{\widehat{\mathrm{\&delta;}}}_e^2\left(n\right)}{{\widehat{\mathrm{\&delta;}}}_d^2\left(n\right)-{\mathrm{\&gamma;}}_{ed}\left(n\right)}\right|---1.9$

E{·}表示数学期望，λ是一极小正常数，标记表示序列p(n)的能量估计，它可以通过指数递归公式来计算，计算方法是

${\widehat{\mathrm{\&delta;}}}_p^2\left(n\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&delta;}}}_p^2(n-1)+(1-\mathrm{\&lambda;})p^2\left(n\right)---1.10$

此算法虽然优势明显，但仍存在一些弊端。此算法在***启动阶段，需要用较大的步长来更新滤波器，使其快速收敛到某一稳定状态。若***启动阶段处于双端通话情况，此时滤波器会将近端语音过滤掉，这是不被***允许的，大大降低***性能；若***启动阶段采用小控制步长 $\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)}$ 调整的话，滤波器收敛速度将会变慢。由于此算法不需要DTD模块，所以***自身无法判定是处于近端抑或是远端情况，所以不能选择合适得步长初始化滤波器。

发明内容

本发明所要解决的技术问题是，提供一种在双端通话情况不仅能保证滤波器快速收敛到某一稳定状态，还能在启动阶段完整保留近端语音，提高了***性能，实用性更强的声学回声消除器启动阶段稳健的步长调整方法。

本发明所采用的技术方案是：一种声学回声消除器启动阶段稳健的步长调整方法，包括如下步骤：

1)确定算法参数；

2)先验滤波，所述的先验滤波，包括：去除远端信号向量x中距离n时刻最远的数据x(n-L)，将当前远端信号x(n)更新至远端信号向量x；利用滤波器的前一状态估计当前回声信号，并将估计出的当前回声信号从当前近端信号d(n)中滤除，得到先验误差信号ε(n)；

3)确定滤波器初始化步长；

4)进行回声消除，根据步骤3)所选取的步长，利用欠定模型双端通话鲁棒的变步长归一化最小均方误差算法进行声学回声消除。

步骤1)所述的算法参数包括有：包括语音采样频率fs,滤波器长度L，滤波器状态滤波器步长μ(n)，滤波器步长极大值μmax，***启动时间initTime,远端信号向量x，先验误差信号ε(n)，后验误差信号e(n)，近端信号的能量期望估计远端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计先验误差信号与近端信号之间的互相关估计γ_ed，收敛性统计参数η(n)，收敛性统计参数期望值expη(n),收敛性统计参数期望阈值thres。

步骤3)所述的确定滤波器初始化步长包括如下步骤：

(1)计算出先验误差信号与近端信号之间的互相关估计γ_ed，近端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计

(2)将步骤(1)中的参数，代入收敛性统计参数η(n)计算公式，得到收敛性统计参数η(n)，

$\mathrm{\&eta;}\left(n\right)=\left|\frac{{\mathrm{\&gamma;}}_{ed}\left(n\right)-{\widehat{\mathrm{\&delta;}}}_e^2\left(n\right)}{{\widehat{\mathrm{\&delta;}}}_d^2\left(n\right)-{\mathrm{\&gamma;}}_{ed}\left(n\right)}\right|---1.9$

(3)定义收敛性统计参数期望值expη(n),计算公式是

expη(n)＝λ*expη(n-1)+(1-λ)*η(n)1.11

在***启动时间initTime内，若expη(n)小于收敛性统计参数期望阈值thres，则认为***当前处于远端情况，采取滤波器步长极大值μmax更新滤波器；否则对步长进行更新。

步骤(3)所述的对步长进行更新是采用如下公式：

$\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)}---1.6$

式中，δ、ξ均为一常数。

本发明的一种声学回声消除器启动阶段稳健的步长调整方法，不需要DTD模块，在滤波器收敛速度和***性能之间取得折中。通过收敛性统计参数期望值在声学回声消除器启动阶段选择合适的步长调整方式，实现在远端情况下大部分时间里选择大步长更新滤波器，令其快速收敛，而在其它情况下保持小步长更新，既能保留近端语音，同时也能维持滤波器快速更新。本发明的方法在双端通话情况不仅能保证滤波器快速收敛到某一稳定状态，还能在启动阶段完整保留近端语音，提高了***性能，实用性更强。本发明解决了VSS-NLMS-UMDT算法在启动阶段的***容易失调的弊端，在滤波器收敛速度和***性能之间取得折中，增强了***的稳定性与实用性。

附图说明

图1是一个典型的声学回声消除***结构；

图2a是远端语音信号时域图；

图2b是近端信号时域图；

图2c是近端语音信号时域图；

图3a是VSS-NLMS处理结果；

图3b是VSS-NLMS-UMDT处理结果；

图3c是VSS-NLMS-UMDT-CSE处理结果；

图4是本发明实施例的算法流程图。

具体实施方式

下面结合实施例和附图对本发明的一种声学回声消除器启动阶段稳健的步长调整方法做出详细说明。

本发明的一种声学回声消除器启动阶段稳健的步长调整方法，所要解决的关键是声学回声消除器启动阶段如何选择合适的步长调整方法。启动阶段若在远端情况下，选取大步长更新滤波器，使滤波器快速收敛；否则选取小步长，既能保留近端语音信号同时也会维持滤波器的更新。

本发明的一种声学回声消除器启动阶段稳健的步长调整方法，包括如下步骤：

1)确定算法参数；

所述的算法参数包括有：包括语音采样频率fs,滤波器长度L，滤波器状态滤波器步长μ(n)，滤波器步长极大值μmax，***启动时间initTime,远端信号向量x，先验误差信号ε(n)，后验误差信号e(n)，近端信号的能量期望估计远端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计先验误差信号与近端信号之间的互相关估计γ_ed，收敛性统计参数η(n)，收敛性统计参数期望值expη(n),收敛性统计参数期望阈值thres。

2)先验滤波，所述的先验滤波，包括：去除远端信号向量x中距离n时刻最远的数据x(n-L)，将当前远端信号x(n)更新至远端信号向量x；利用滤波器的前一状态估计当前回声信号，并将估计出的当前回声信号从当前近端信号d(n)中滤除，得到先验误差信号ε(n)；

3)确定滤波器初始化步长；

所述的确定滤波器初始化步长包括如下步骤：

(1)计算出先验误差信号与近端信号之间的互相关估计γ_ed，近端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计

(2)将步骤(1)中的参数，代入收敛性统计参数η(n)计算公式，得到收敛性统计参数η(n)，

$\mathrm{\&eta;}\left(n\right)=\left|\frac{{\mathrm{\&gamma;}}_{ed}\left(n\right)-{\widehat{\mathrm{\&delta;}}}_e^2\left(n\right)}{{\widehat{\mathrm{\&delta;}}}_d^2\left(n\right)-{\mathrm{\&gamma;}}_{ed}\left(n\right)}\right|---1.9$

(3)收敛性统计参数η(n)仅能够代表滤波器的当前状态，跳跃性较大，不能很好地跟踪描述滤波器。为了更好地统计滤波器的收敛性，因此定义收敛性统计参数期望值expη(n),计算公式是

expη(n)＝λ*expη(n-1)+(1-λ)*η(n)1.11

实验研究发现，若滤波器在远端情况下稳定更新，则收敛性统计参数期望expη(n)大部分时间将处在某一较小值thres以下。因此在***启动时间initTime内，若expη(n)小于收敛性统计参数期望阈值thres，则认为***当前处于远端情况，采取滤波器步长极大值μmax更新滤波器；否则对步长进行更新。所述的对步长进行更新是采用如下公式：

$\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)}---1.6$

式中，δ、ξ均为一常数。

4)进行回声消除，根据步骤3)所选取的步长，利用欠定模型双端通话鲁棒的变步长归一化最小均方误差算法进行声学回声消除。

下面，以语音采样率为16K、滤波器长度为1000阶的***为例实施本专利所提方案，处理步骤参考图4算法流程图。

算法参数设置：语音采样频率fs＝16K,滤波器长度L＝1000，滤波器初始状态滤波器初始步长μ(n)＝0，常数滤波器步长极大值和滤波器初始时间initTime＝6s,远端信号向量x＝0，先验误差信号ε(n)＝0，后验误差信号e(n)＝0，近端信号、估计回声信号和误差信号的能量期望估计先验误差信号与近端信号之间的互相关估计γ_ed＝0，收敛性统计参数η(n)＝0，收敛性统计参数期望值expη(n)＝0,收敛性统计参数期望阈值thres＝0.05。

本算法具体实施步骤如下：

1、读取当前远端信号x(n)和当前近端信号d(n)，将x(n)更新至远端信号向量x_L(n)中；

2、通过公式1.3和1.4，计算先验误差信号ε(n)；

3、通过公式1.8-1.10，计算出特征值γ_ed,η(n)和expη(n)；

4、若当前时刻n<initTime*L，则滤波器处在启动阶段，此时若收敛性统计参数期望值expη(n)小于收敛性统计参数期望阈值thres，则令μ(n)＝μmax；否则， $\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)};$

1、若n>＝initTime*L，则***已启动结束，令

$\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}\left|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}\right|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)};$

5、将得到的步长代入式1.6得到滤波器状态代入式1.4和1.3后得到后验误差信号e(n)。若读取语音已全部处理完毕，算法终止；否则跳转回第1步。

后验误差信号e(n)即为***的最终输出。

Claims (4)

1.一种声学回声消除器启动阶段稳健的步长调整方法，其特征在于，包括如下步骤：

1)确定算法参数；

2)先验滤波，所述的先验滤波，包括：去除远端信号向量x中距离n时刻最远的数据x(n-L)，将当前远端信号x(n)更新至远端信号向量x；利用滤波器的前一状态估计当前回声信号，并将估计出的当前回声信号从当前近端信号d(n)中滤除，得到先验误差信号ε(n)；

3)确定滤波器初始化步长；

4)进行回声消除，根据步骤3)所选取的步长，利用欠定模型双端通话鲁棒的变步长归一化最小均方误差算法进行声学回声消除。

2.根据权利要求1所述的一种声学回声消除器启动阶段稳健的步长调整方法，其特征在于，步骤1)所述的算法参数包括有：包括语音采样频率fs,滤波器长度L，滤波器状态滤波器步长μ(n)，滤波器步长极大值μmax，***启动时间initTime,远端信号向量x，先验误差信号ε(n)，后验误差信号e(n)，近端信号的能量期望估计远端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计先验误差信号与近端信号之间的互相关估计γ_ed，收敛性统计参数η(n)，收敛性统计参数期望值expη(n),收敛性统计参数期望阈值thres。

3.根据权利要求1所述的一种声学回声消除器启动阶段稳健的步长调整方法，其特征在于，步骤3)所述的确定滤波器初始化步长包括如下步骤：

(1)计算出先验误差信号与近端信号之间的互相关估计γ_ed，近端信号的能量期望估计估计回声信号的能量期望估计和误差信号的能量期望估计

(2)将步骤(1)中的参数，代入收敛性统计参数η(n)计算公式，得到收敛性统计参数η(n)，

$\mathrm{\&eta;}\left(n\right)=\left|\frac{{\mathrm{\&gamma;}}_{ed}\left(n\right)-{\widehat{\mathrm{\&delta;}}}_e^2\left(n\right)}{{\widehat{\mathrm{\&delta;}}}_d^2\left(n\right)-{\mathrm{\&gamma;}}_{ed}\left(n\right)}\right|---1.9$

(3)定义收敛性统计参数期望值expη(n),计算公式是

expη(n)＝λ*expη(n-1)+(1-λ)*η(n)1.11

在***启动时间initTime内，若expη(n)小于收敛性统计参数期望阈值thres，则认为***当前处于远端情况，采取滤波器步长极大值μmax更新滤波器；否则对步长进行更新。

4.根据权利要求3所述的一种声学回声消除器启动阶段稳健的步长调整方法，其特征在于，步骤(3)所述的对步长进行更新是采用如下公式：

$\mathrm{\&mu;}\left(n\right)=\frac{1}{\mathrm{\&delta;}+x_L^T\left(n\right)*x_L\left(n\right)}|1-\frac{\sqrt{{\widehat{\mathrm{\&delta;}}}_d^2-{\widehat{\mathrm{\&delta;}}}_{\hat{y}}^2}}{\mathrm{\&xi;}+{\widehat{\mathrm{\&delta;}}}_e^2}|\frac{\mathrm{\&eta;}\left(n\right)}{\mathrm{\&eta;}\left(n\right)+{\mathrm{\&gamma;}}_{ed}\left(n\right)}---1.6$

式中，δ、ξ均为一常数。