[发明专利]一种回声时延估计及追踪方法

说明书

本发明公开了一种回声时延估计及追踪方法，所述方法基于SVM分类器中标记音的嵌入/检测来估算回声时延，简化了音频特征提取的过程，同时利用基于人耳听觉掩蔽效应的心理声学模型，对嵌入的标记音的位置、幅值进行控制，以达到嵌入后无听觉失真的目的，最大化保证了原始远端信号的完整性和准确性，另外，标记音的嵌入程序和检测程序交替执行，对于每一次嵌入和检测到的标记音，执行范围检验，根据检验结果对回声时延进行更新，实现了对回声时延的动态追踪，相较于传统的互相关算法，具有实时性高、鲁棒性强、计算复杂度低的优点，而且该方法不依赖背景噪声与远端信号的独立性假设，具有更高的可靠性。

技术领域

本发明涉及音频处理领域，具体涉及一种用于回声消除系统的回声时延估计及追踪方法。

背景技术

随着移动互联网的普及和发展，以VoIP、车载蓝牙系统等为代表的移动互联网语音通信系统在近几年成为了研究的热点，其中的许多关键性技术已经趋于成熟，但是回声消除技术由于移动终端多样性和差异化的集中体现，目前尚无完美的解决方案。

回声分为电子回声和声学回声。电子回声的产生原因较复杂，实际通信效果的影响远小于声学回声，因此目前业界研究的重点是声学回声消除。回声消除的原理为：在移动端通过网络传输获取的语音信号经过解码后得到的信号称为远端信号，作为自适应滤波器的输入；通过麦克风拾取的音频信号称为近端信号，作为自适应滤波器的期望信号，然后将近端信号与滤波后的远端信号之差作为反馈信号对滤波器参数进行动态调整，从而实现回声消除。

由于远端信号在经过扬声器播放、空气传播、麦克风采集等过程中，不可避免会产生时延，称为回声时延。因此在实际应用中，通常会首先将远端信号和近端信号对齐后再进行回声消除，而这一过程中最为关键的就是回声时延的估计技术。ITU-TG.168标准对回声时延的定义为：远端信号从通过扬声器播放开始，经过空气传播产生直接回声和间接回声，直到麦克风接收到这一信号的所经历的时间。而在常规应用场景中，从扬声器到麦克风的传播距离一般很小，所以ITU-TG.168所规定的回声时延范围在2ms～16ms内。但是在实际应用中，采用软件回声消除的算法一般将远端信号和近端信号的缓冲时间也算入回声时延内，因此回声时延的范围一般在100ms～300ms内。回声估计的准确度是影响回声消除效果的关键，其难点在于：1、回声时延在通信过程中会动态地随时间变化；2、要想实现高性能的回声消除，必须对回声时延进行动态的追踪。

目前业界普遍使用的回声时延计算方法是基于互相关算法，通过近端信号和远端信号的互相关函数峰值来计算回声时延。这种方法有两个缺点：一是计算复杂度较大，很难实现动态的时延追踪；二是这种方法假设了信号与噪声之间相互严格独立，而这一前提在理论上是不成立的，因此计算出的时延并不精确。

发明内容

本发明的目的是针对上述现有技术的不足，提供了一种回声时延估计及追踪方法，用于解决回声时延追踪以及精确度的问题。

本发明的目的可以通过如下技术方案实现：

一种回声时延估计及追踪方法，所述方法包括以下步骤：

步骤一、选取三种频率、单位帧长的单频音频信号按等幅值叠加后归一化，合成单位幅值的原始标记音s，所述三种频率分别分布在语音信号的低频、中频和高频部分，具体频率值能够根据具体应用场景需要来设置；

步骤二、收集正常纯净语音并进行分帧加窗后，利用掩蔽效应理论以及心理声学的临界频带计算掩蔽阈值，然后利用当前帧和前一帧的掩蔽阈值构建标记音嵌入规则，对于符合嵌入条件的帧，按照掩蔽阈值计算标记音的嵌入幅值后将原始标记音幅值扩大至嵌入幅值后嵌入，并将嵌入过标记音的帧作为训练集B类样本，未嵌入的帧作为A类样本；

步骤三、分别提取A类和B类样本的特征矢量，选取合适的核函数训练SVM分类器；

步骤四、标记音嵌入模块按帧获取远端信号，按照步骤二中的嵌入规则嵌入标记音并在嵌入完成后启动计时器T1；