[发明专利]通过包含隐藏信息来改进自适应滤波器的方法和装置

说明书

技术领域

本发明涉及通信系统，更特别涉及通信系统中声频信号的自适应滤波。

背景技术

在当今的通信系统中普遍使用了自适应滤波装置。此类装置典型用于减少或去除不想要的信号成分和/或控制或增强想要的信号成分。

此类滤波装置常见的例子涉及免提电话，其中传统电话听筒的内置耳机和麦克风分别由外接扬声器和外接麦克风所替代，因此电话用户可以不用手持电话装置就可以通话。由于外接扬声器发出的声音会被外接麦克风拾取，所以为了防止扬声器输出回声并干扰位于通话另一端的远端用户，普遍进行了自适应滤波。这种自适应滤波或回声消除成为当今全双工、免提通信设备的基本特征。

实现回声消除的典型方法是将扬声器信号通过一个近似或仿效免提扬声器和免提麦克风之间声回声路径(举例来说，汽车免提电话应用中的驾驶室)的自适应有限脉冲响应(FIR)滤波器。因此FIR滤波器提供了一个回声估计，可以在麦克风输出信号传输到远端用户之前消除它。自适应FIR滤波器的滤波特征曲线(也就是FIR系数集)是根据扬声器输入和消除了回声的麦克风输出两者动态、连续调整的，以提供对回声路径的精确近似和跟踪回声路径的变化(举例来说，当汽车免提电话的近端用户改变了其在驾驶室内的位置时)。

滤波特征曲线的调整通常是使用已知的最小均方(LMS)自适应算法来完成，该算法是由Widrow和Hoff在1960年提出的。LMS算法是最小平方随机梯度步进方法，由于该方法有效且稳定，所以常常用在很多实时应用中。但是LMS算法及其已知变形(例如归一化LMS或NLMS算法)有一些缺陷。例如，LMS算法有时会收敛(也就是逼近目标滤波特征曲线，如免提电话应用中的声回声路径)缓慢，特别是当基于非白色或有色输入信号来适应或训练算法的时候。

由于训练信号(即扬声器信号)包括人的语音，而人的语音，特别是对浊音(元音声)来说，只会激励全部可能信号空间的很小一部分，且具有缓慢衰减的自相关属性，所以缓慢的LMS适应是免提电话环境中的一个特殊问题。此外，近端的背景噪声(例如汽车驾驶室和公路的噪声)会干扰并进一步延缓LMS适应进程。所以在免提电话和其它环境中需要改进自适应滤波技术。

发明内容

本发明通过提供快速收敛自适应滤波算法来满足上述和其它的需求。根据典型实施方案，传统自适应算法的收敛速度是通过将自适应增强信号与传统算法训练信号结合起来形成一个增强的或最优的训练信号来得到提高的。选取的自适应增强信号要具有使自适应算法收敛速度更快的属性(举例来说，采样之间的光谱白区和快速衰落的自相关)。有利的是自适应增强信号可以与传统训练信号结合，这样增强训练信号不会与传统训练信号有明显的不同。例如，在免提电话环境中，可以定制自适应增强信号使其可以被扬声器信号遮蔽(即传统训练信号)，从而对于电话用户来说是听不见的。

根据本发明的典型信号处理设备包括一个自适应滤波器，配置该滤波器，使其对输入信号进行滤波，从而提供一个滤波后的输出信号的，自适应滤波器的滤波特征曲线可以根据滤波后的输出信号和训练信号进行动态调整。典型信号处理设备还包括一个自适应增强处理器，用于将自适应增强信号与参考信号结合起来提供训练信号，自适应增强信号根据参考信号动态调整。有利的是自适应增强信号可以是被参考信号遮蔽的训练信号的不可闻部分。例如，自适应增强信号可以通过用参考信号的遮蔽频率对白色伪噪声序列或可重现最大长度序列进行滤波来产生。自适应增强信号还可以通过对参考信号先音频编码，然后再音频解码来产生。

根据本发明的典型方法包括下列步骤：计算参考信号的遮蔽频率，根据参考信号遮蔽频率计算自适应增强信号，根据参考信号和自适应增强信号计算训练信号和根据训练信号计算自适应滤波器的特征曲线。同上面一样，自适应增强信号可以是训练信号中被参考信号遮蔽的听不见的部分。例如，计算自适应增强信号的步骤可以包括用参考信号的遮蔽频率对白色伪噪声序列或可重现最大长度序列进行滤波的步骤。计算自适应增强信号的步骤还可以包括先对参考信号进行音频编码，然后再对参考信号进行音频解码的步骤。

下面将结合在附图中举例说明的例子详细解释本发明的上述和其它的特性和优点。令那些本领域中的熟练人员欣赏的是，所讲述的实施方案是出于举例说明和理解的目的而给出的，在这里可以构思很多等效实施方案。

附图描述

图1是实现了本发明自适应增强技术的典型免提电话系统的方框图。

图2是描述与单声调对应的典型瞬时遮蔽频率的光谱曲线。

图3是根据本发明的典型自适应增强处理器的方框图。