[实用新型]一种自适应消除噪声装置

说明书

技术领域

本实用新型涉及信号处理领域，特别涉及一种自适应消除噪声装置。

背景技术

现有技术的LMS（Least Mean Square，最小均方）算法采用单滤波器结构，如图1所示。其原理如图2所示，对其中一路麦克风接收到的信号进行滤波，滤波后的信号与另一路麦克风接收到的信号进行相减得到降噪后的语音。该单滤波器结构的滤波器仅在噪声段进行更新，在带噪语音段，滤波器保持不变。

标准的时域LMS算法，对于卷积的非加性干扰噪声，其计算复杂度比较大，为了减小计算复杂度，Ferrara提出了FBLMS（Fast Block LMS，快速块最小均方）算法，该算法采用的是时频域结合的方式，即将原来在时域进行的卷积运算变换成频域的乘积运算，从而大大减小了计算的复杂度。

以下对现有技术中的单滤波器结构LMS算法存在的缺陷进行说明。

通过分析单滤波器结构中滤波器的理论最优解来阐述单滤波器结构存在的缺陷。由于在频域可以清晰地分析出滤波器的最优解，因此对滤波器理论最优解的分析计算在频域进行。

如图3所示，为单滤波器结构中滤波器频域最优解的分析示意图。图3中S1代表信号源，S2代表噪声源。由于FIR（Finite Impulse Response，有限脉冲响应）滤波器可以较为准确的表征信源到麦克风的传递函数，因此在分析中，采用FIR滤波器分别模拟信号源与第一麦克风间的信道传递函数H11，噪声源与第一麦克风间的信道传递函数H12，信号源与第二麦克风间的信道传递函数H21，噪声源与第二麦克风间的信道传递函数H22。第一麦克风接收到的信号是X1，第二麦克风接收到的信号是X2，W为滤波器，Y1是降噪后的信号。

可以获得如下公式：

X1＝S1×H11+S2×H12            公式1

X2＝S1×H21+S2×H22            公式2

Y1＝X1-X2×W＝(S1×H11+S2×H12)-(S1×H21+S2×H22)×W

                               公式3

＝S1×(H11-H21×W)+S2×(H12-H22×W)

由于当W取最优解时，噪声源S2将被完全消除，从而可以推出W的最优解如公式4所示。

H12-H22×W=0⇒W=H12/H22]]>公式4

Y1＝S1×(H11-H21×W)＝S1×(H11-H21×H12/H22)     公式5

由公式5可知Y1是S1经过某种滤波后的形式，并不含S2的任何分量。

从上面得到的W＝H12/H22最优解的形式可以得知，W的最优解并不是FIR滤波器，但在实际应用中为了保证滤波器的稳定且易实现性，通常采用FIR滤波器，这就会引入较大的误差，其原因是使用一个FIR滤波器不能很好的去逼近一个非FIR滤波器。

标准单滤波器结构LMS算法中滤波器的最优解是非FIR滤波器，而该结构中的滤波器在实际应用中通常采用FIR滤波器去逼近这个最优解，从而会引入较大的误差，造成噪声消除效果较差。

实用新型内容

本实用新型提供了一种自适应消除噪声装置，以解决现有技术由于使用一个FIR滤波器无法逼近消除噪声的最优解而导致消除噪声效果较差的问题。

本实用新型还公开了一种自适应消除噪声装置，所述装置包括：第一麦克风、第二麦克风、第一滤波器、第二滤波器、和减法器，

第一麦克风将接收信号输入第一滤波器，第一滤波器将滤波后信号输入减法器；

第二麦克风将接收信号输入第二滤波器，第二滤波器将滤波后信号输入减法器；

减法器将第一滤波器和第二滤波器滤波后的信号相减得出降噪后信号；

其中，在噪声段，第一滤波器的系数和第二滤波器系数分别根据降噪后信号进行更新，使得第一滤波器滤波后的信号中包含的噪声分量和第二滤波器滤波后的信号中包含的噪声分量趋于相同；并且，