CN111246037A - 一种回声消除方法、装置、终端设备及介质 - Google Patents

一种回声消除方法、装置、终端设备及介质 Download PDF

Info

Publication number
CN111246037A
CN111246037A CN202010183666.0A CN202010183666A CN111246037A CN 111246037 A CN111246037 A CN 111246037A CN 202010183666 A CN202010183666 A CN 202010183666A CN 111246037 A CN111246037 A CN 111246037A
Authority
CN
China
Prior art keywords
signal
filter
processing
echo
far
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.)
Granted
Application number
CN202010183666.0A
Other languages
English (en)
Other versions
CN111246037B (zh
Inventor
吴威麒
肖波
许一峰
陈满砚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010183666.0A priority Critical patent/CN111246037B/zh
Publication of CN111246037A publication Critical patent/CN111246037A/zh
Application granted granted Critical
Publication of CN111246037B publication Critical patent/CN111246037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M9/00—Arrangements for interconnection not involving centralised switching
    • H04M9/08—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic
    • H04M9/085—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic using digital techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/26—Pre-filtering or post-filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Telephone Function (AREA)

Abstract

本公开公开了一种回声消除方法、装置、终端设备及介质。该方法包括：获取远端信号；将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；根据麦克风信号和所述回声信号，确定残差谱信号；将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。利用该方法，有效的通过步长可变自适应滤波器避免了漏回声现象的产生。此外基于非线性处理有效的消除了回声。

Description

一种回声消除方法、装置、终端设备及介质
技术领域
本公开实施例涉及通信技术领域，尤其涉及一种回声消除方法、装置、终端设备及介质。
背景技术
自适应滤波器是指根据环境的改变，使用自适应算法来改变滤波器的参数和结构的滤波器。一般情况下，不改变自适应滤波器的结构。而自适应滤波器的系数是由自适应算法更新的时变系数。即其系数自动连续地适应于给定信号，以获得期望响应。自适应滤波器的最重要的特征就在于它能够在未知环境中有效工作，并能够跟踪输入信号的时变特征。
通常传统的线性自适应滤波器学习因子不能根据回声路径的变化或者双讲状态的出现快速做出调整，收敛速度比较慢，因此经常容易出现漏回声问题。
发明内容
本公开提供一种回声消除方法、装置、终端设备及介质，有效避免了漏回声问题的产生。
第一方面，本公开实施例提供了一种回声消除方法，包括：
获取远端信号；
将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
根据麦克风信号和所述回声信号，确定残差谱信号；
将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
第二方面，本公开实施例还提供了一种回声消除装置，包括：
获取模块，用于获取远端信号；
第一处理模块，用于将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
确定模块，用于根据麦克风信号和所述回声信号，确定残差谱信号；
第二处理模块，用于将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
第三方面，本公开实施例还提供了一种终端设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现本公开实施例提供的回声消除方法。
第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开实施例提供的回声消除方法。
本公开实施例提供了一种回声消除方法、装置、终端设备及介质，首先获取远端信号；其次将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；然后根据麦克风信号和所述回声信号，确定残差谱信号；最后将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。利用上述方法，有效的通过步长可变自适应滤波器避免了漏回声现象的产生。此外基于非线性处理有效的消除了回声。
附图说明
图1为本公开实施例一提供的一种回声消除方法的流程示意图；
图2为本公开实施例二提供的一种回声消除方法的流程示意图；
图2a为本公开实施例二提供的一种回声消除方法的结构示意图；
图2b为本公开实施例二提供的一种远端信号的示意图；
图2c为本公开实施例二提供的一种近端信号的示意图；
图2d为本公开实施例二提供的一种输出信号的示意图；
图3为本公开实施例三提供的一种回声消除装置的结构示意图；
图4为本公开实施例四提供的一种终端设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。此外，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本公开实施例一提供的一种回声消除方法的流程示意图，该方法可适用于解决漏回声问题的情况。该方法可以由回声消除装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上，在本实施例中终端设备包括但不限于：手机、电脑和个人数字助理等设备。
本公开所述的回声消除方法可以为基于软件算法层面的回声处理方法，该回声消除方法可以封装为终端设备中的应用程序，该回声消除方法可以用于解决终端设备中漏回声的技术问题，也可以解决其余终端设备通讯过程中漏回声的技术问题。
如图1所示，本公开实施例一提供的一种回声消除方法，包括如下步骤：
S110、获取远端信号。
远端信号可以为远端麦克风采集的信号。此处不对远端信号的获取方式进行限定。获取远端信号后，可以用于估计出回声信号，以对近端麦克风采集的麦克风信号进行去回声处理。
当说话人A在本地讲话，这段语音通过音频前后处理、编码打包发送给说话人B，当B端通过扬声器播放出来，A的声音又被回录进去，编码打包发送给说话人A，这样A就听到了自己的回声，它严重干扰了通话交流。回声消除方法可以集成在说话人A所使用的终端设备上。终端设备上的麦克风可以为近端麦克风。说话人B所使用的终端设备上的麦克风可以为远端麦克风。
S120、将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号。
步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器。为了解决线性自适应滤波器漏回声的技术问题，本公开通过步长可变自适应滤波器进行回声信号的确定。
其中，步长可变自适应滤波器在处理每帧远端信号时，学习因子的步长可变。步长可变自适应滤波器可以为学习因子的步长可变的线性滤波器；或，学习因子步长可变的卡尔曼滤波器等。回声信号可以认为是基于远端信号估计出的回声信号。
在获取远端信号后，本步骤可以将远端信号经过步长可变自适应滤波器处理，以得到回声信号。具体的，步长可变自适应滤波器处理远端信号时，可以分为至少两个子滤波器块，在频域上对远端信号进行处理。在处理每帧远端信号时，步长可变自适应滤波器的学习因子可变。
具体的，将远端信号经过步长可变自适应滤波器处理，得到回声信号，包括：
根据所述远端信号，确定每个子滤波器块的语音信号；
将各所述语音信号进行傅里叶变换，得到对应的频域信号；
将每个子滤波器的频域信号乘以滤波器系数后累加并进行傅里叶反变换，得到回声信号。
步长可变自适应滤波器在对远端信号进行处理时，可以首先确定每个子滤波器对应的语音信号。
示例性的，第p个子滤波器块第n帧语音表示为：
xp(n)＝[x(nR-pL-M+1)，...x(nR-p*L)]T。其中，p＝0，1，2，...，(P-1)，L为每个滤波器的长度，R为语音帧移，M为帧与帧间重叠的样本点个数，n、L、R和M为正数，p为整数，x(n)表示远端信号。
语音信号对应的频域信号可以表示为Xp(n，k)＝FFT(xp(n))。其中，Xp(n，k)可以为第n帧第k个频点的频域信号。
确定完每个子滤波器的频域信号后，可以将每个子滤波器乘以对应的滤波器系数后累加进行傅里叶反变换得到回声信号。如，将经过傅里叶反变换后所得信号的最后L个元素作为回声信号。
回声信号可以为：
Figure BDA0002413419990000061
的最后L个元素。
其中，
Figure BDA0002413419990000062
为回声信号，Wp(n，k)为第p个子滤波器块的滤波器系数，Xp(n，k)为第p个子滤波器块对应的语音信号的频域信号。
S130、根据麦克风信号和所述回声信号，确定残差谱信号。
麦克风信号可以认为是近端麦克风采集的信号。麦克风信号可以为近端语音信号、本地噪声信号和实际回声信号的和。残差谱信号可以认为是经过傅里叶变换后的残差信号。残差信号可以认为是去除回声信号后的麦克风信号。
在确定出回声信号后，本步骤将频域的去除回声信号的麦克风信号作为残差谱信号。
S140、将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
确定出残差谱信号后，本步骤可以将残差谱信号进行非线性处理，以得到消除回声后的输出信号。该输出信号可以传输至远端。
其中，非线性处理可以为后置非线性滤波，以压制残差谱信号中的非线性噪声。示例性的，可以将残差谱信号进行残余回声降噪处理和/或基于学习因子的非线性处理，以得到输出信号。
其中，基于学习因子的非线性处理可以为基于学习因子确定出非线性因子，以基于非线性因子对残差谱信号进行非线性处理。
本公开实施例一提供的一种回声消除方法，首先获取远端信号；其次将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；然后根据麦克风信号和所述回声信号，确定残差谱信号；最后将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。利用上述方法，有效的通过步长可变自适应滤波器避免了漏回声现象的产生。此外基于非线性处理有效的消除了回声。
在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
在一个实施例中，所述步长可变自适应滤波器的学习因子与滤波器系数呈比例。如，学习因子基于滤波器系数变化，以自适应动态调整滤波器权重，以达到快速稳定的目的。滤波器系数可以与等比例因子呈比例(如呈正比)，进而与学习因子呈比例。
在一个实施例中，所述步长可变自适应滤波器为学习因子步长可变的线性滤波器，所述步长可变自适应滤波器包括至少两个子滤波器块。
示例性的，假设线性滤波器的总长度为N阶，划分为P个子滤波器块，每个滤波器长度为L，则有L＝N/P；相应的，语音帧移为R，帧与帧之间重叠M个样本点，帧长为R+M，此处简化为L＝M＝R。其中，P为大于或等于2的正整数。其中，N、L、R和M为正数，此处不作限定，本领域技术人员可以根据实际情况设定。该线性滤波器的学习因子的步长可变。
在一个实施例中，所述步长可变自适应滤波器的学习因子基于所述回声信号、所述残差谱信号和滤波器系数确定。
滤波器系数可以为每个子滤波器块的滤波器系数。
示例性的，每帧远端信号的步长可变自适应滤波器的学习因子可以通过如下公式确定：
Figure BDA0002413419990000081
其中，μ(n，k)为处理第n帧第k频点远端信号时，步长可变自适应滤波器的学习因子，
Figure BDA0002413419990000082
为泄露因子，Wp(n，k)为第p个子滤波器块的滤波器系数，
Figure BDA0002413419990000083
为回声信号的频域信号，即
Figure BDA0002413419990000084
经过傅里叶反变换得到回声信号，
Figure BDA0002413419990000085
为残差谱信号。
泄露因子可以基于回声信号的频域信号和残差谱信号确定。确定当前帧远端信号对应的泄露因子时，可以基于上一帧远端信号对应的泄露因子确定。
在一个实施例中，所述步长可变自适应滤波器中每个子滤波器块处理当前帧的远端信号时的滤波器系数根据处理上一帧远端信号时对应的语音信号和处理上一帧远端信号时的滤波器系数、学习因子和残差谱信号确定。
每个子滤波器在处理不同帧远端信号时，滤波器系数可以不同。
在一个实施例中，每一子滤波器的滤波器系数可以通过如下公式确定：
Wp(n+1，k)＝Wp(n，k)+μ(n，k)conj(Xp(n，k))E(n，k)；
其中，Wp(n+1，k)为第p个子滤波器处理当前帧远端信号的滤波器系数，即第p个子滤波器块处理第n+1帧第k频点远端信号时的滤波器系数，Wp(n，k)第p个子滤波器处理上一帧远端信号的滤波器系数，即第p个子滤波器块处理第n帧第k频点远端信号时的滤波器系数，μ(n，k)为上一帧远端信号的学习因子，Xp(n，k)为第p个子滤波器处理上一帧远端信号时对应的语音信号，即第p子滤波器块在第n帧第k频点远端信号对应的语音信号，E(n，k)为上一帧远端信号对应的残差谱信号，即第n帧第k频点远端信号对应的残差谱信号。conj(.)表示矩阵的共轭操作。
在一个实施例中，
Figure BDA0002413419990000091
其中，0为M行1列的0向量。
实施例二
图2为本公开实施例二提供的一种回声消除方法的流程示意图，本实施例二以上述实施例为基础进行具体化。在本实施例中，将根据麦克风信号和所述回声信号，确定残差谱信号，具体包括：
从麦克风信号中取出回声信号，得到残差信号；
将所述残差信号进行傅里叶变换，得到残差谱信号。
本实施例尚未详尽的内容请参考上述实施例。
如图2所示，本公开实施例二提供的一种回声消除方法，包括如下步骤：
S210、获取远端信号。
S220、将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号。
S230、从麦克风信号中取出回声信号，得到残差信号。
在确定残差谱信号时，本实施例可以首先确定残差信号。本步骤可以将麦克风信号与回声信号的差值确定为残差信号。如，残差信号表示为：
Figure BDA0002413419990000102
其中，e(n)为残差信号，d(n)为麦克风信号，
Figure BDA0002413419990000103
为回声信号。
S240、将所述残差信号进行傅里叶变换，得到残差谱信号。
残差谱信号可以表示为：
Figure BDA0002413419990000101
其中，E(n，k)为残差谱信号。本步骤可以将残差信号和M行1列的0向量形成的向量进行傅里叶变换以得到残差谱信号。
S250、将所述残差谱信号进行非线性处理，得到输出信号。
以下对本公开提供的回声消除方法进行示例性的描述：
为了解决漏回声的技术问题，本公开中的回声消除方法提出了一种基于子带的等比例因子，自适应动态调节滤波器权重，以达到快速稳定的目的。此外，提出了一个基于学习因子的非线性抑制因子，该抑制因子能够比较准确的抑制回声分量，保护近端语音分量，最后通过一轮残余回声降噪，达到彻底消除回声的目的。
图2a为本公开实施例二提供的一种回声消除方法的结构示意图，参见图2a，本公开进行回声消除时包括两部分：可变步长的线性滤波器，减小近端语音的损伤；基于学习率的非线性处理、残余回声降噪处理，彻底消除残余回声。
远端信号x(n)，通过可变长自适应滤波器h(n)(即步长可变自适应滤波器)，估计出回声信号
Figure BDA0002413419990000111
麦克风信号d(n)＝y(n)+s(n)+v(n)，其中，s(n)为近端语音、v(n)为本地噪声、y(n)为实际回声。残差信号
Figure BDA0002413419990000112
残差信号通过非线性处理模块，得到输出信号out(n)，其中，非线性处理模块包括基于学习因子的非线性处理模块以及残余回声降噪处理模块。
本公开中，自适应滤波器系数表示为：Wp(n，k)其中，p＝0，1，2，...，(P-1)。
自适应滤波估计出的回声频域和时域信号表示为：
Figure BDA0002413419990000113
Figure BDA0002413419990000114
的最后L个元素；
残差信号
Figure BDA0002413419990000115
FFT变换得到残差谱，即残差谱信号：
Figure BDA0002413419990000116
其中，0为M行1列的0向量。
P个子滤波器块在同一子带的收敛情况应该是比较平稳一致的，另外不同子带的之间的收敛情况应该是不一样的，基于这点，提出了一个基于子带的等比例因子，增强不同子带间权重比较大的滤波器系数，缩小权重比较小的滤波器系数，加快收敛，同时通过P个子滤波器块各个子带的综合表现，确定比重，可以消除同一子带不同块之间不稳定的抖动情况，减少滤波器发散。
具体的计算方法如下：
等比例因子的计算：
Figure BDA0002413419990000117
可变步长的学习率因子(即学习因子)如下：
Figure BDA0002413419990000121
其中，等比例因子与滤波器系数呈比例，如呈正比，进而学习因子与滤波器系数呈比例。
泄露因子计算如下：
Figure BDA0002413419990000122
Figure BDA0002413419990000123
SEY(n，k)＝α(n)SEY(n-1，k)+(1-α(n))SE(n，k)conj(SY(n，k))；
SYY(n，k)＝α(n)SYY(n-1，k)+(1-α(n))SY(n，k)conj(SY(n，k))。
估计出的回声信号功率谱密度近似表示为：
Figure BDA0002413419990000124
其中，real(.)表示取实部。conj(.)表示矩阵的共轭操作。
线性残差的功率谱密度近似表示为：
SE(n，k)＝α(n)SE(n-1，k)+(1-α(n))real(E(n，k)conj(E(n，k)))。
滤波器系数权重更新如下：
Wp(n+1，k)＝Wp(n，k)+μ(n，k)conj(Xp(n，k))E(n，k)；
Figure BDA0002413419990000125
其中，0表示0向量。如M行1列的0向量。
图2b为本公开实施例二提供的一种远端信号的示意图；图2c为本公开实施例二提供的一种近端信号的示意图；图2d为本公开实施例二提供的一种输出信号的示意图。参见图2b-2d，基于对远端信号和近端信号进行回声消除处理，得到的输出信号有效的去除了噪声。
本公开实施例二提供的一种回声消除方法，具体化了确定残差谱信号的操作。利用该方法，能够有效的解决漏回声的技术问题。
在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
在一个实施例中，将所述残差谱信号进行非线性处理，得到输出信号，具体包括：
将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号。
学习因子越大，则估计出的回声强度越大，即该频点出现回声的概率就越大，基于学习因子的非线性处理因子能有效的区分回声频点区域和近端语音频点区域，因此比较有针对性的对回声频点进行进一步抑制，特别是在双讲状态时，能够有效的保护好近端语音。
在一个实施例中，所述将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号，包括：
根据所述学习因子、所述步长可变自适应滤波器所包括子滤波器块的个数和所述步长可变自适应滤波器处理所述远端信号时对应的语音信号，确定非线性因子；
将所述非线性因子与所述残差谱信号的乘积确定为输出信号。
在对残差谱信号进行基于学习因子的非线性处理时，可以使用非线性因子乘以残差谱信号，得到输出信号。
步长可变自适应滤波器处理所述远端信号时对应的语音信号可以认为是步长可变自适应滤波器所包括各子滤波器处理远端信号时对应的语音信号。
所述步长可变自适应滤波器处理所述远端信号时对应的语音信号可以用于确定远端信号在所有子滤波器块的能量。
在一个实施例中，通过如下公式确定非线性因子：
Figure BDA0002413419990000141
Xp(n，k)＝FFT(xp(n))；
其中，H(n，k)为非线性因子，P为所述步长可变自适应滤波器所包括子滤波器块的个数，xp(n)为第p个子滤波器块第n帧语音信号，T表示矩阵的转置操作。
在一个实施例中，该方法还具体包括：
对所述输出信号进行残余回声降噪处理，得到降噪后的输出信号。
残余回声估计：
Figure BDA0002413419990000142
噪声估计利用最小值跟踪的方法如下：
麦克风信号的平滑谱表示为：
D(n，k)＝FFT(d(n))；
Dsmooth(n，k)＝0.85Dsmooth(n-1，k)+0.15|D(n，k)|2；
N(n，k)＝min(Dsmooth(n，k)，Dsmooth(n-1，k)...Dsmooth(n-win_size，k))；
其中，win_size可以等于时间窗个数，其中时间窗个数可以根据实际情况设定，此处不作限定，示例性的，win_size＝80，单个时间窗的长度为10ms，对应800ms的时间窗。
残余回声当作噪声一并处理，因此总的噪声估计为：
Total(n，k)＝min(Res(n，k)+N(n，k)，|E(n，k)|2)。
维纳滤波估计器计算如下：
后验信噪比：
Figure BDA0002413419990000151
判决引导(decision-directed，DD)算法估计出先验信噪比：
Figure BDA0002413419990000152
计算出最终的维纳滤波因子：
Figure BDA0002413419990000153
E2(n，k)＝E1(n，k)Wiener(n，k)；
其中，E1(n，k)为经过非线性处理后的输出信号。
得到第n帧的样本输出：out(n)＝IFFT(E2(n，k))。
实施例三
图3为本公开实施例三提供的一种回声消除装置的结构示意图，该装置可适用于解决漏回声问题的情况，其中该装置可由软件和/或硬件实现，并一般集成在终端设备上。
如图3所示，该装置包括：获取模块31、第一处理模块32、确定模块33和第二处理模块34；
其中，获取模块31，用于获取远端信号；
第一处理模块32，用于将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
确定模块33，用于根据麦克风信号和所述回声信号，确定残差谱信号；
第二处理模块34，用于将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
在本实施例中，该装置首先通过获取模块31获取远端信号；其次通过第一处理模块32，用于将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；然后通过确定模块33根据麦克风信号和所述回声信号，确定残差谱信号；最后通过第二处理模块34将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
本实施例提供了一种回声消除装置，有效的通过步长可变自适应滤波器避免了漏回声现象的产生。此外基于非线性处理有效的消除了回声。
进一步地，所述步长可变自适应滤波器的学习因子基于所述回声信号、所述残差谱信号和滤波器系数确定。
进一步地，所述步长可变自适应滤波器的学习因子与滤波器系数呈比例。
进一步地，所述步长可变自适应滤波器为学习因子步长可变的线性滤波器，所述步长可变自适应滤波器包括至少两个子滤波器块。
进一步地，所述步长可变自适应滤波器中每个子滤波器块处理当前帧的远端信号时的滤波器系数根据处理上一帧远端信号时对应的语音信号和处理上一帧远端信号时的滤波器系数、学习因子和残差谱信号确定。
进一步地，通过如下公式确定每个子滤波器块的滤波器系数：
Wp(n+1，k)＝Wp(n，k)+μ(n，k)conj(Xp(n，k))E(n，k)；
其中，Wp(n+1，k)为第p个子滤波器块处理第n+1帧第k频点远端信号时的滤波器系数，Wp(n，k)为第p个子滤波器块处理第n帧第k频点远端信号时的滤波器系数，μ(n，k)为学习因子，E(n，k)为第n帧第k频点远端信号对应的残差谱信号，Xp(n，k)为第p子滤波器块在第n帧第k频点远端信号对应的语音信号，conj(.)表示矩阵的共轭操作。
进一步地，确定模块33，具体用于：
从麦克风信号中取出回声信号，得到残差信号；
将所述残差信号进行傅里叶变换，得到残差谱信号。
进一步地，第二处理模块34具体用于：
将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号。
进一步地，第二处理模块34将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号，包括：
根据所述学习因子、所述步长可变自适应滤波器所包括子滤波器块的个数和所述步长可变自适应滤波器处理所述远端信号时对应的语音信号，确定非线性因子；
将所述非线性因子与所述残差谱信号的乘积确定为输出信号。
进一步地，第二处理模块34，通过如下公式确定非线性因子：
Figure BDA0002413419990000171
Xp(n，k)＝FFT(xp(n))；
其中，H(n，k)为非线性因子，P为所述步长可变自适应滤波器所包括子滤波器块的个数，xp(n)为第p个子滤波器块第n帧语音信号。
进一步地，该装置，还包括：
降噪模块，用于对所述输出信号进行残余回声降噪处理，得到降噪后的输出信号。
上述回声消除装置可执行本公开任意实施例所提供的回声消除方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本公开实施例四提供的一种终端设备的结构示意图。图4示出了适于用来实现本公开实施例的终端设备400的结构示意图。本公开实施例中的终端设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal DigitalAssistant，PDA)、平板电脑(Portable Android Device，PAD)、便携式多媒体播放器(Portable Media Player，PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如台式计算机等等的固定终端。图4示出的终端设备400仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，终端设备400可以包括一个或多个处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。一个或多个处理装置401实现如本公开提供的方法。在RAM403中，还存储有终端设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408，存储装置408用于存储一个或多个程序；以及通信装置409。通信装置409可以允许终端设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的终端设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述终端设备400中所包含的；也可以是单独存在，而未装配入该终端设备400中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备400：
获取远端信号；
将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
根据麦克风信号和所述回声信号，确定残差谱信号；
将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种回声消除方法，包括：
获取远端信号；
将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
根据麦克风信号和所述回声信号，确定残差谱信号；
将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
根据本公开的一个或多个实施例，示例2根据示例1所述的方法，
所述步长可变自适应滤波器的学习因子基于所述回声信号、所述残差谱信号和滤波器系数确定。
根据本公开的一个或多个实施例，示例3根据示例1所述的方法，
所述步长可变自适应滤波器的学习因子与滤波器系数呈比例。
根据本公开的一个或多个实施例，示例4根据示例1所述的方法，
所述步长可变自适应滤波器为学习因子步长可变的线性滤波器，所述步长可变自适应滤波器包括至少两个子滤波器块。
根据本公开的一个或多个实施例，示例5根据示例4所述的方法，
所述步长可变自适应滤波器中每个子滤波器块处理当前帧的远端信号时的滤波器系数根据处理上一帧远端信号时对应的语音信号和处理上一帧远端信号时的滤波器系数、学习因子和残差谱信号确定。
根据本公开的一个或多个实施例，示例6根据示例5所述的方法，
通过如下公式确定每个子滤波器块的滤波器系数：
Wp(n+1，k)＝Wp(n，k)+μ(n，k)conj(Xp(n，k))E(n，k)；
其中，Wp(n+1，k)为第p个子滤波器块处理第n+1帧第k频点远端信号时的滤波器系数，Wp(n，k)为第p个子滤波器块处理第n帧第k频点远端信号时的滤波器系数，μ(n，k)为学习因子，E(n，k)为第n帧第k频点远端信号对应的残差谱信号，Xp(n，k)为第p子滤波器块在第n帧第k频点远端信号对应的语音信号，conj(.)表示矩阵的共轭操作。
根据本公开的一个或多个实施例，示例7根据示例1所述的方法，所述根据麦克风信号和所述回声信号，确定残差谱信号，包括：
从麦克风信号中取出回声信号，得到残差信号；
将所述残差信号进行傅里叶变换，得到残差谱信号。
根据本公开的一个或多个实施例，示例8根据示例1所述的方法，所述将所述残差谱信号进行非线性处理，得到输出信号，包括：
将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号。
根据本公开的一个或多个实施例，示例9根据示例8所述的方法，所述将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号，包括：
根据所述学习因子、所述步长可变自适应滤波器所包括子滤波器块的个数和所述步长可变自适应滤波器处理所述远端信号时对应的语音信号，确定非线性因子；
将所述非线性因子与所述残差谱信号的乘积确定为输出信号。
根据本公开的一个或多个实施例，示例10根据示例9所述的方法，通过如下公式确定非线性因子：
Figure BDA0002413419990000241
Xp(n，k)＝FFT(xp(n))；
其中，H(n，k)为非线性因子，P为所述步长可变自适应滤波器所包括子滤波器块的个数，xp(n)为第p个子滤波器块第n帧语音信号。
根据本公开的一个或多个实施例，示例11根据示例8所述的方法，还包括：
对所述输出信号进行残余回声降噪处理，得到降噪后的输出信号。
根据本公开的一个或多个实施例，示例12提供了一种回声消除装置，包括：
获取模块，用于获取远端信号；
第一处理模块，用于将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
确定模块，用于根据麦克风信号和所述回声信号，确定残差谱信号；
第二处理模块，用于将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
根据本公开的一个或多个实施例，示例13提供了一种终端设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如示例1-11中任一所述的方法。
根据本公开的一个或多个实施例，示例14提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如示例1-11中任一所述的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种回声消除方法，其特征在于，包括：
获取远端信号；
将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
根据麦克风信号和所述回声信号，确定残差谱信号；
将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
2.根据权利要求1所述的方法，其特征在于，所述步长可变自适应滤波器的学习因子基于所述回声信号、所述残差谱信号和滤波器系数确定。
3.根据权利要求1所述的方法，其特征在于，所述步长可变自适应滤波器的学习因子与滤波器系数呈比例。
4.根据权利要求1所述的方法，其特征在于，所述步长可变自适应滤波器为学习因子步长可变的线性滤波器，所述步长可变自适应滤波器包括至少两个子滤波器块。
5.根据权利要求4所述的方法，其特征在于，所述步长可变自适应滤波器中每个子滤波器块处理当前帧的远端信号时的滤波器系数根据处理上一帧远端信号时对应的语音信号和处理上一帧远端信号时的滤波器系数、学习因子和残差谱信号确定。
6.根据权利要求5所述的方法，其特征在于，通过如下公式确定每个子滤波器块的滤波器系数：
Wp(n+1,k)＝Wp(n,k)+μ(n,k)conj(Xp(n,k))E(n,k)；
其中，Wp(n+1,k)为第p个子滤波器块处理第n+1帧第k频点远端信号时的滤波器系数，Wp(n,k)为第p个子滤波器块处理第n帧第k频点远端信号时的滤波器系数，μ(n,k)为学习因子，E(n,k)为第n帧第k频点远端信号对应的残差谱信号，Xp(n,k)为第p子滤波器块在第n帧第k频点远端信号对应的语音信号，conj(.)表示矩阵的共轭操作。
7.根据权利要求1所述的方法，其特征在于，所述根据麦克风信号和所述回声信号，确定残差谱信号，包括：
从麦克风信号中取出回声信号，得到残差信号；
将所述残差信号进行傅里叶变换，得到残差谱信号。
8.根据权利要求1所述的方法，其特征在于，所述将所述残差谱信号进行非线性处理，得到输出信号，包括：
将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号。
9.根据权利要求8所述的方法，其特征在于，所述将所述残差谱信号进行基于所述学习因子的非线性处理，得到输出信号，包括：
根据所述学习因子、所述步长可变自适应滤波器所包括子滤波器块的个数和所述步长可变自适应滤波器处理所述远端信号时对应的语音信号，确定非线性因子；
将所述非线性因子与所述残差谱信号的乘积确定为输出信号。
10.根据权利要求9所述的方法，其特征在于，通过如下公式确定非线性因子：
Figure FDA0002413419980000021
Xp(n,k)＝FFT(xp(n))；
其中，H(n,k)为非线性因子，P为所述步长可变自适应滤波器所包括子滤波器块的个数，xp(n)为第p个子滤波器块第n帧语音信号。
11.根据权利要求8所述的方法，其特征在于，还包括：
对所述输出信号进行残余回声降噪处理，得到降噪后的输出信号。
12.一种回声消除装置，其特征在于，包括：
获取模块，用于获取远端信号；
第一处理模块，用于将所述远端信号经过步长可变自适应滤波器处理后，得到回声信号，所述步长可变自适应滤波器为处理每一帧所述远端信号时，学习因子步长可变的自适应滤波器；
确定模块，用于根据麦克风信号和所述回声信号，确定残差谱信号；
第二处理模块，用于将所述残差谱信号进行非线性处理，得到输出信号，以完成回声消除。
13.一种终端设备，其特征在于，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-11中任一所述的回声消除方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-11中任一所述的回声消除方法。
CN202010183666.0A 2020-03-16 2020-03-16 一种回声消除方法、装置、终端设备及介质 Active CN111246037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010183666.0A CN111246037B (zh) 2020-03-16 2020-03-16 一种回声消除方法、装置、终端设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010183666.0A CN111246037B (zh) 2020-03-16 2020-03-16 一种回声消除方法、装置、终端设备及介质

Publications (2)

Publication Number Publication Date
CN111246037A true CN111246037A (zh) 2020-06-05
CN111246037B CN111246037B (zh) 2021-11-16

Family

ID=70876990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010183666.0A Active CN111246037B (zh) 2020-03-16 2020-03-16 一种回声消除方法、装置、终端设备及介质

Country Status (1)

Country Link
CN (1) CN111246037B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798827A (zh) * 2020-07-07 2020-10-20 上海立可芯半导体科技有限公司 回声消除方法、装置、***和计算机可读介质
CN112492112A (zh) * 2020-11-19 2021-03-12 睿云联(厦门)网络通讯技术有限公司 一种基于对讲***的回音消除方法和装置
CN113488067A (zh) * 2021-06-30 2021-10-08 北京小米移动软件有限公司 回声消除方法、装置、电子设备和存储介质
CN113489854A (zh) * 2021-06-30 2021-10-08 北京小米移动软件有限公司 声音处理方法、装置、电子设备和存储介质
CN113938548A (zh) * 2020-06-29 2022-01-14 阿里巴巴集团控股有限公司 一种终端通信的回声抑制方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2302401A (en) * 1999-12-09 2001-06-18 Frederick Johannes Bruwer Speech distribution system
CN103067629A (zh) * 2013-01-18 2013-04-24 苏州科达科技股份有限公司 回声消除装置
CN106782593A (zh) * 2017-02-27 2017-05-31 重庆邮电大学 一种用于声学回声消除的多带结构自适应滤波器切换方法
CN109087665A (zh) * 2018-07-06 2018-12-25 南京时保联信息科技有限公司 一种非线性回声抑制方法
CN109509482A (zh) * 2018-12-12 2019-03-22 北京达佳互联信息技术有限公司 回声消除方法、回声消除装置、电子设备和可读介质
US20190115040A1 (en) * 2017-10-18 2019-04-18 Motorola Mobility Llc Echo cancellation and suppression in electronic device
CN109754813A (zh) * 2019-03-26 2019-05-14 南京时保联信息科技有限公司 基于快速收敛特性的变步长回声消除方法
CN109935238A (zh) * 2019-04-01 2019-06-25 北京百度网讯科技有限公司 一种回声消除方法、装置和终端设备
CN110838300A (zh) * 2019-11-18 2020-02-25 紫光展锐(重庆)科技有限公司 回声消除的处理方法及处理***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2302401A (en) * 1999-12-09 2001-06-18 Frederick Johannes Bruwer Speech distribution system
CN103067629A (zh) * 2013-01-18 2013-04-24 苏州科达科技股份有限公司 回声消除装置
CN106782593A (zh) * 2017-02-27 2017-05-31 重庆邮电大学 一种用于声学回声消除的多带结构自适应滤波器切换方法
US20190115040A1 (en) * 2017-10-18 2019-04-18 Motorola Mobility Llc Echo cancellation and suppression in electronic device
CN109087665A (zh) * 2018-07-06 2018-12-25 南京时保联信息科技有限公司 一种非线性回声抑制方法
CN109509482A (zh) * 2018-12-12 2019-03-22 北京达佳互联信息技术有限公司 回声消除方法、回声消除装置、电子设备和可读介质
CN109754813A (zh) * 2019-03-26 2019-05-14 南京时保联信息科技有限公司 基于快速收敛特性的变步长回声消除方法
CN109935238A (zh) * 2019-04-01 2019-06-25 北京百度网讯科技有限公司 一种回声消除方法、装置和终端设备
CN110838300A (zh) * 2019-11-18 2020-02-25 紫光展锐(重庆)科技有限公司 回声消除的处理方法及处理***

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113938548A (zh) * 2020-06-29 2022-01-14 阿里巴巴集团控股有限公司 一种终端通信的回声抑制方法和装置
CN111798827A (zh) * 2020-07-07 2020-10-20 上海立可芯半导体科技有限公司 回声消除方法、装置、***和计算机可读介质
CN112492112A (zh) * 2020-11-19 2021-03-12 睿云联(厦门)网络通讯技术有限公司 一种基于对讲***的回音消除方法和装置
CN113488067A (zh) * 2021-06-30 2021-10-08 北京小米移动软件有限公司 回声消除方法、装置、电子设备和存储介质
CN113489854A (zh) * 2021-06-30 2021-10-08 北京小米移动软件有限公司 声音处理方法、装置、电子设备和存储介质
CN113489854B (zh) * 2021-06-30 2024-03-01 北京小米移动软件有限公司 声音处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111246037B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN111246037B (zh) 一种回声消除方法、装置、终端设备及介质
CN111341336B (zh) 一种回声消除方法、装置、终端设备及介质
US10477031B2 (en) System and method for suppression of non-linear acoustic echoes
EP3703052A1 (en) Echo cancellation method and apparatus based on time delay estimation
JP4377952B1 (ja) 適応フィルタ及びこれを有するエコーキャンセラ
US9866792B2 (en) Display apparatus and echo cancellation method thereof
JP2002517021A (ja) 線形たたみ込みおよび因果的フィルタリングを用いたスペクトルサブトラクションによる信号雑音低減
KR102190833B1 (ko) 에코 억제
US9330677B2 (en) Method and apparatus for generating a noise reduced audio signal using a microphone array
CN110556125B (zh) 基于语音信号的特征提取方法、设备及计算机存储介质
US20080152157A1 (en) Method and system for eliminating noises in voice signals
CN113539285A (zh) 音频信号降噪方法、电子装置和存储介质
JP6422884B2 (ja) エコー抑圧
CN113223545A (zh) 一种语音降噪方法、装置、终端及存储介质
CN113674752B (zh) 音频信号的降噪方法、装置、可读介质和电子设备
CN112669878B (zh) 声音增益值的计算方法、装置和电子设备
CN113744748A (zh) 一种网络模型的训练方法、回声消除方法及设备
US10650839B2 (en) Infinite impulse response acoustic echo cancellation in the frequency domain
CN111917926B (zh) 一种通信终端中的回声消除方法、装置及终端设备
CN113113038A (zh) 回声消除方法、装置及电子设备
CN114360572A (zh) 语音去噪方法、装置、电子设备及存储介质
EP3712626B1 (en) High-rate dft-based data manipulator and data manipulation method for high performance and robust signal processing
CN113763976A (zh) 音频信号的降噪方法、装置、可读介质和电子设备
JP4964267B2 (ja) 適応フィルタ及びこれを有するエコーキャンセラ
JP4903843B2 (ja) 適応フィルタ及びこれを有するエコーキャンセラ

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant