[发明专利]抗饱和失真的广义混合范数自适应回声消除方法

说明书

一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤主要是：A、远端信号采集，得到输入向量X(n)；B、回声信号估计，得到回声信号估计值y(n)，y(n)＝X^T(n)W(n)；C、回声消除，将近端信号d(n)，回声信号的估计值y(n)，得到误差信号估计值e(n)；D、滤波器抽头权向量更新：通过回声信号的概率密度计算，得到回声信号估计值向量Y(n)的回声信号概率密度累积值P(n)，回声信号的概率密度值p(n)、回声信号负值的概率密度值p^*(n)，进而得到校正了饱和失真的回声信号及误差的下一时刻预估值；再据以进行抽头权向量的更新；E、重复上述过程，直至通话结束。该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好,尤其适用于强语音通信场景。

技术领域

本发明涉及一种语音通信系统中的自适应回声消除方法。

技术背景

语音通信系统中的回声现象是指近端麦克风拾取的声音信号在传输过程中产生延时或形变又传回近端由听筒播放出来的现象(也即人们在通话过程中可以听到自己前一时刻的说话声音的现象)。回声会严重影响人们的通话质量，因此,对回声进行消除成为了人们关注的重点。通信回声可以通过系统辨识模型来进行自适应消除：所辨识系统为回声信道，系统辨识的输出为回声信号的估计；再将近端采样得到的，含回声信号的语音信号与回声信号的估计相减，然后由近端听筒播放出来，便可在近端实现回声的消除。

自适应回声消除技术具有成本低，收敛速度快，回声残差小的优点，在通信领域被认为是最有前景的回声消除技术。最常用的自适应回声消除方法为最小均方误差方法，其对误差的运算为二次方，对误差不够敏感，其收敛速度较低。马文涛等人提出了误差的两个不同范数混合值最小的方法(广义混合范数方法)来代替传统的最小均方误差方法(文献1“Kernel Recursive Generalized Mixed Norm Algorithm.”W.Ma,X.Qiu,J.Duan,Y.Li,and B.Chen Journal of the Franklin Institute(2017):S0016003217301813)。这种广义混合范数方法，误差的运算幂指数更高，对误差更敏感，提高了收敛速度，还降低了非高斯噪声环境中的稳态误差。

但是，现有的自适应回声消除方法，均是在麦克风拾取出的语音信号完整的假定下建立的。在近端语音信号强时，近端麦克风会产生饱和失真，使得拾取出的近端信号会产生饱和失真；导致基于语音信号完整的假定，而估计出的误差信号也会严重失真，进而导致算法精度低、稳态误差大，不能在强语音通信场景中使用。

发明内容

本发明的目的是提供一种抗饱和失真的广义混合范数自适应回声消除方法，该方法抗饱和失真性能强、稳态误差小，收敛速度快，回声消除效果好,尤其适用于强语音通信场景。

本发明实现其发明目的所采用的技术方案是，一种抗饱和失真的广义混合范数自适应回声消除方法，其步骤是：

A、远端信号采集

对远端传来的信号进行采样，获得当前时刻n的远端输入信号的离散值x(n)，将当前时刻n和之前M-1个时刻的输入信号的离散值x(n)、x(n-1),...,x(n-M+1)，组成自适应滤波器的当前时刻n的输入向量X(n)，X(n)＝[x(n),x(n-1),...,x(n-M+1)]^T，其中T代表转置运算，M为自适应滤波器的抽头数、其取值为8、16、32；

B、回声信号估计

将当前时刻n的输入信号向量X(n)通过自适应滤波器，得到自适应滤波器的当前时刻n的输出值，即当前时刻n的回声信号估计值y(n)

y(n)＝X^T(n)W(n)