CN1937432A - 基于最优参数预测的声回声抵消处理方法 - Google Patents

Abstract

本发明公开了一种基于最优参数预测的声回声抵消处理方法，该方法利用了鲁棒性的自适应滤波参数迭代方法，并结合***中信号的相关性参量以及迭代参数本身的变化趋势对迭代参数进行控制，控制方法不同于一般的***，并不是简单的设置迭代参量，而是通过合理的重置部分滤波器系数值，从而达到在保证***的稳定工作前提下，有效地追踪回声路径的跳变。这种方法的运算量适中，完全适用于现在的DSP处理器，具有很大的实用价值。

Description

基于最优参数预测的声回声抵消处理方法

一、技术领域

本发明涉及一种通讯***中声回声处理方法，特别是一种有效的基于最优参数预测的声回声抵消处理方法。

二、背景技术

近年来，随着通讯技术的不断发展，以及人们对于快速便捷的交流方式需求的不断增加，视频会议***以及VoIP技术得到了越来越广泛的应用。这一类通讯***有一个很显著的问题就是声回声的存在，即远端说话人的声音会通过近端扬声器***和麦克风之间的耦合回送到远端，严重地影响了通讯双方的通话质量。

为解决这一问题，有效地抑制声回声，已有大量文献进行了讨论，大多数的处理方法都是基于经典的NLMS算法结构，结合一个状态机对通讯状态进行判断，当判定***处于双端说话状态以及空闲状态时，停止滤波器的收敛；判断***是单端说话时，滤波器正常收敛；判断是回声路径跳变时，调整滤波器迭代参数使滤波器重新收敛。这样的处理方法有一个很大的问题是：***的性能过于依赖状态机的运行流程，一旦出现误判，特别是把双端说话误判为回声路径跳变时，会引起***的不稳定，甚至导致啸叫的出现。

三、发明内容

1、发明目的：本发明是提供一种***稳定、能有效抑制声回声的基于最优参数预测的声回声抵消处理方法。

2、技术方案：本发明所述的声回声抵消处理方法包括以下步骤：

(1)***初始化，得到参考信号和原始回声。包括给定一系列关于滤波器的参数，包括滤波器阶数、滤波器初值、相关性参量初值、迭代参数初值等等，由于本发明对各个参数都会根据实际情况进行调整，所以初始参量的设置对***性能的影响不是特别明显，这也是本发明的优点之一。

(2)在获取参考信号和原始回声后，利用自适应滤波器估计回声信号，并用原始回声与之相减获得残留回声信号，注意这里的残留回声既包括未滤除的回声信号，也包括近端背景噪声以及可能的近端说话声。

(3)用真实残留回声和实际语音输出的估计值对滤波器迭代参数进行优化，并判断当前这一时刻的最优值较前一时刻是否下降，如果下降，记为条件一。

(4)如果条件一满足，则用相关性计算公式估计残留回声信号和回声估计信号的相关值，并判断当前这一时刻的相关值是否较前一时刻上升，如果上升，记为条件二。

(5)如果条件一和条件二同时满足，则进一步判断当前时刻的相关值是否足够大，如果足够大，则对部分滤波器参数重新赋值，赋值的大小正比于回声路径增益。

(6)依据上面的推断得到的一系列跟滤波器有关的参量进行滤波器系数的更新，并进入下一个循环周期。

本发明提供了一种新的声回声抵消处理方法，该方法不再把自适应滤波模块和状态及模块明确区分开来，而是利用一种鲁棒性的自适应迭代参数设置方法，结合有效的滤波器初值设定和重置，达到实现稳定高效的声回声抵消的目的。

一般的NLMS算法的参数迭代公式如下：

$g(k+1)=g\left(k\right)+\frac{\mathrm{\σ}}{{\left|\right|x\left(k\right)\left|\right|}^2}e\left(k\right)x\left(k\right)$

其中x表示参考信号，e表示误差信号，g表示滤波器系数。虽然迭代参数被参考信号的功率进行了规整，可以避免在参考信号过大时***发散，但是迭代公式仍有常数σ存在。如何保证***在任何情况下都能确保稳定并且快速收敛，这在很大程度上依赖于σ的选择。一般说来，一个固定的σ肯定不能满足要求，如何让σ根据***运行状态优化调整(这意味着σ变成了时变量σ(k))，有许多相关的文献讨论这一问题。对于回声抵消***来说，比较可靠的方法理论依据如下：σ(k)的优化值由公式(2)决定：

${\mathrm{\σ}}_{\mathrm{opt}}\left(k\right)=\frac{E\[{\mathrm{\ϵ}}^2\left(k\right)\]}{E\[e^2\left(k\right)\]}---\left(2\right)$

其中，ε(k)表示真实的残留回声，而e(k)则表示实际的残留回声(包含真实残留回声和近端背景噪声以及可能的近端语音)。公式(2)的分母显而易见是***的已知量，但是分子如何准确估计是个问题。对短时平稳激励信号而言：

$E\[{\mathrm{\ϵ}}^2\left(k\right)\]=\frac{1}{N}{\left|\right|g\left(k\right)-h\left(k\right)\left|\right|}^2{\left|\right|x\left(k\right)\left|\right|}^2---\left(3\right)$

其中g表示自适应滤波器系数，h是回声路径冲激响应系数，N是滤波器阶数。一个比较合理的工程上的假定是滤波器各个参数在迭代过程中距离最优值的扰动量是统计均匀的。这意味着，如果已知一部分回声路径传递函数最优值，便可以依据这部分信息推论所有滤波器系数的扰动量。实用中的一个方法是：在回声抵消***中人为给参考信号增加一段延时，那么这段延时所对应的回声路径冲激响应肯定是零，与之相应的自适应滤波器参数本身就是扰动量，公式(3)可由下式近似得到：

$E\[{\mathrm{\ϵ}}^2\left(k\right)\]=\frac{1}{N_p}{\left|\right|g_p\left(k\right)\left|\right|}^2{x\left(k\right)\left|\right|}^2---\left(4\right)$

其中g_p(k)表示延时段对应的自适应滤波器系数，N_p则表示延时长度。公式(3)还有一个近似方法如下：如果自适应滤波器阶数足够长，则在一般的会议***中，自适应滤波器末端的参数最优值接近于零，因此我们也可由下式逼近公式(3)：

$E\[{\mathrm{\ϵ}}^2\left(k\right)\]=\frac{1}{N_{\mathrm{ifc}}}{\left|\right|g_{\mathrm{ifc}}\left(k\right)\left|\right|}^2{\left|\right|x\left(k\right)\left|\right|}^2---\left(5\right)$

其中g_ifc(k)表示滤波器末端的参数值，N_ifc表示相应的阶数。

上述方法可以使得滤波器系数在调整过程中依据参数收敛状况，近端背景噪声和近端说话声合理的调节自适应参数，在发生双端说话时，由于公式(2)中的分母明显变大，这样使得滤波器迭代参数迅速减小，有效地避免了滤波器的发散。

为追踪回声路径的变化情况，本发明作如下处理：第一，计算误差信号e和回声估计信号y之间的相关性参量R_ey；第二，不仅仅使用相关性阈值，而且要利用相关性的变化趋势。因为在回声路径变化时，相关性肯定是上升的，而在双端说话时，相关性是下降的，其余的情况下相关性上升下降呈现无规特性。这样，只要判断滤波器迭代参数减小和相关性上升同时发生，便可认定回声路径发生了变化，为了判断的精确性，还需要加上相关性大于某个阈值的条件(这里相关性阈值只是辅助参量，可选余地大)。一旦确定回声路径发生后，就需要增大迭代参数，增大的方法和初始收敛方法一致，即重新设定上述特定滤波器参数的值(延时对应的参数或者滤波器最后若干阶参数)。对于滤波器参数的设置，可以利用已有的R_ey，用参考信号功率对之归一化便可得到反映回声路径增益大小的参数，再通过该参数设置滤波器部分参数。

3、有益效果：与现有方法不同，本发明不再对***的单端说话、双端说话、背景噪声过大、回声路径跳变、空闲等状态作明确的区分，而是利用一种鲁棒性的自适应方法，保证***在近端噪声过大以及近端有说话人声音时运行稳定；在回声路径跳变时，本发明同时利用了滤波器迭代步长的变化信息和***中信号的相关性信息，能准确地实现回声路径的跟踪；此外，在设置自适应滤波器的迭代参数时，利用了回声路径的增益估计，确保了***的稳定高效。

四、附图说明

附图是本发明的原理框图。

五、具体实施方式

下面通过实例对本发明进行详细说明：

如图所示，***初始化包括给定一系列关于滤波器的参数，包括滤波器阶数、滤波器初值、相关性参量初值、迭代参数初值等等，由于本发明的算法结构对各个参数都会根据实际情况进行调整，所以初始参量的设置对***性能的影响不是特别明显，这也是本发明的优点之一。

在获取参考信号和原始回声后，利用自适应滤波器估计回声信号，并用原始回声与之相减获得残留回声信号，注意这里的残留回声既包括未滤除的回声信号，也包括近端背景噪声以及可能的近端说话声。

用前述公式(4)、(5)所介绍的方法估计滤波器迭代参数的最优值，并判断当前这一时刻的最优值较前一时刻是否下降，如果下降，记为条件一。

用相关性计算公式估计残留回声信号和回声估计信号的相关值(实用中可取1024点的相乘求和并归一化计算得到)，并判断当前这一时刻的相关值是否较前一时刻上升，如果上升，记为条件二。

如果条件一和条件二同时满足，并且当前时刻的相关值也足够大，则对部分滤波器参数重新赋值。条件一、二是否同时满足的判断方法有很多种，实用中可选择设置标志变量统计求和的方式，这样运算量的增加很有限；另外相关值是否足够大的条件只是一个辅助条件，阈值的选择有很大的空间，实用中可取0.5。

滤波器部分参数的重新赋值需要用到回声路径增益的估计，为了计算上的简洁，回声路径增益可用到前述的相关性计算中间结果，即1024点的相乘求和结果，用参考信号的能量估计对之归整便可得到反映回声路径增益的有效参数A。实用中滤波器参数的设定和A/10成正比例关系。

最后依据上面的推断得到一系列很滤波器有关的参量进行滤波器系数的更新，再进入下一个循环周期。

通过前述的描述可知这种新方法的运算量增加不多，非常适合***的DSP实现。本发明在ADSP21161N EZ-LITE板上实现了上述算法结构，经测试，基于该算法结构的声回声抵消***稳定性好，能有效地防止在近端背景噪声过大以及双端说话时滤波器发散，并可以有效地追踪到回声路径的跳变现象。

Claims (1)

1、一种基于最优参数预测的声回声抵消处理方法，其特征是该方法包括以下步骤：

(1)***初始化，获取关于滤波器的参考信号和原始回声；

(2)利用自适应滤波器估计回声信号，并用原始回声与之相减获得包括未滤除的回声信号、近端背景噪声、以及可能的近端说话声残留回声信号的残留回声；

(3)用真实残留回声和实际语音输出的估计值对滤波器迭代参数进行优化，并判断当前这一时刻的最优值较前一时刻是否下降，如果下降，记为条件一；

(4)如果条件一满足，则用相关性计算公式估计残留回声信号和回声估计信号的相关值，并判断当前这一时刻的相关值是否较前一时刻上升，如果上升，记为条件二；

(5)如果条件一和条件二同时满足，则进一步判断当前时刻的相关值是否足够大，如果足够大，则对部分滤波器参数重新赋值，赋值的大小正比于回声路径增益；

(6)依据上面的推断得到一系列与滤波器有关的参量进行滤波器系数的更新，并进入下一个循环周期。

Images