[发明专利]一种应用于回声消除的自适应子带滤波方法、装置

说明书

本申请实施例属于自适应信号处理技术领域，涉及一种应用于回声消除的自适应子带滤波方法、装置。其中应用于回声消除的自适应子带滤波方法包括：将输入信号x(t)和近端信号d(t)进行子带分割和抽样,并进行离散傅立叶变换得到频域分析数据X_k(nR)和频域近端数据D_k(nR)；将频域分析数据X_k(nR)进行分块组合，输入自适应滤波器进行滤波，得到预测数据结果Y(nR),计算预测数据结果Y(nR)与频域近端子带数据D(nR)之间的误差数据E(nR)，根据所述误差数据E(nR)合成时域输出信号y(t)并更新自适应滤波器的系数。提升了分块自适应滤波器对相关性数据的收敛性能，降低滤波器的稳态失调。

技术领域

本申请涉及本发明属于自适应信号处理技术领域，更具体地，涉及一种应用于回声消除的自适应子带滤波方法、装置。

背景技术

自适应滤波器广泛应用于未知系统辨识、信号预测和回声消除等应用，典型的自适应滤器有LMS(Least Mean Square，最小均方)、RLS(Recursive least squares，递归最小二乘)、APA(affine projection algorithm，仿射投影算法)和KF(Kalman filtering卡尔曼滤波)等，滤波方式包括时域自适应滤波和频域自适应滤波。LMS及其优化算法由于计算复杂度低而使用较广，但其收敛速度和精度偏低；RLS、APA和KF有较快的收敛速度，但计算复杂度偏高，高阶数滤波器不利于低延时实时信号处理。分块自适应滤波方法有效的降低了计算量，提升了收敛速度，但其引入了传输时延降低了跟踪能力，当未知系统是时变时，滤波器重新收敛的延时偏大，另外，当数据具有相关性时，滤波器的收敛速度将会减缓。

发明内容

本申请实施例所要解决的技术问题是提升分块自适应滤波器对相关性数据的收敛性能，降低滤波器的稳态失调。

为了解决上述技术问题，本申请实施例提供一种应用于回声消除的自适应子带滤波方法方法，采用了如下所述的技术方案：

将输入信号x(t)和近端信号d(t)进行子带分割和抽样,并进行离散傅立叶变换得到频域分析数据X_k(nR)和频域近端数据D_k(nR)；

将所述频域分析数据X_k(nR)进行分块组合，得到B个分析数据块；

将所述B个分析数据块输入自适应滤波器进行滤波，得到预测数据结果Y(nR)；

计算所述预测数据结果Y(nR)与频域近端子带数据D(nR)之间的误差数据E(nR)，其中，频域近端子带数据D(nR)＝[D₁(nR),D₂(nR),...,D_M-1(nR),D_M(nR)]^T；

根据所述误差数据E(nR)更新所述自适应滤波器的系数；

根据所述误差数据E(nR)合成时域输出信号y(t)。

进一步的，所述将输入信号x(t)和近端信号d(t)进行子带分割和抽样,并进行离散傅立叶变换得到频域分析数据X_k(nR)和频域近端数据D_k(nR)的步骤，包括：

将输入信号x(t)和近端信号d(t)通过分析窗函数h(t)的反转函数进行加权，并进行大小为M的块分割，分块数为K＝P/M，对分块数据叠加求和，并对求和数据做离散傅立叶变换(DFT)运算，得到频域分析数据X_k(nR)和频域近端数据D_k(nR)，具体地，

其中n为抽样时间系数，k为频点,

h(t)为分析窗函数，长度为P,