[发明专利]基于自适应解相关和变步长成比例M估计的回声消除方法

说明书

本发明公开了一种基于自适应解相关和变步长成比例M估计的回声消除方法，包括以下步骤：A、信号获取；B、根据语音信号采样和期望信号采样结果，计算解相关系数向量C、计算解相关后的输入向量x_D(n)和解相关后的期望信号d_D(n)；D、计算自适应滤波器的输出y(n)和解相关后的自适应滤波器输出y_D(n)；E、计算误差信号e(n)及解相关后的误差信号e_D(n)；F、计算成比例矩阵G(n)；G、计算M估计中用于迭代的稳健解相关后的误差信号H、计算步长参数μ(n)；I、更新自适应滤波器的抽头权向量，并进入下一时刻的处理。本发明对冲击噪声有好的鲁棒性外，还具有收敛速度快、稳态误差好的优点。

技术领域

本发明属于语音通信的自适应回声消除技术领域，具体涉及基于自适应解相关和变步长成比例M估计的回声消除方法。

背景技术

在语音通信过程中，凡是需要同时使用麦克风和扬声器的地方，都不可避免的出现声学回声。远端说话者的声音通过近端扬声器播放出来，直接或间接地被近端麦克风接收，传回远端，使远端说话者听到自己的延迟声音，这就是声学回声。声音从扬声器到麦克风的传播路径，叫做回声路径，它的脉冲响应向量记为w_o。声学回声路径的脉冲响应往往是稀疏的，即w_o的绝大多数元素为零或接近零，很少一部分元素有较大的幅度。声学回声是影响语音通话质量的最主要因素。

目前，为了消除回声，国际上公认的最有效的是自适应回声消除技术。本质上，自适应语音回声消除也是一个辨识回声路径的脉冲响应的问题，即自适应滤波器可以根据环境的变化调整自适应滤波器权值(也是回声路径脉冲响应的估计值)，得到语音回声的估计值(自适应滤波器的输出信号)，然后从近端麦克风接收到的信号中减去该估计值，得到干净的信号并将其传送给远端，实现消除回声的目的。因此，关键的问题是设计性能优良的自适应滤波器算法。由于回声路径冲击响应具有稀疏性，因此相比于归一化最小均方(Normalized least mean square，简称NLMS)算法，成比例最小均方(Proportionalnormalized least mean square，简称PNLMS)算法有更快的收敛速度。这是因为PNLMS算法可以利用信道稀疏的先验条件，给幅度大的滤波器系数分配更多的增益以达到快速的收敛，从而提高算法整体的收敛速度。

但是在实际通话中，语音信号经常会遇到冲击噪声的影响。在这种情况下，PNLMS算法的性能会下降甚至发散。在归一化最小均值M估计(Normalized least mean M-estimate,简称NLMM)算法的基础上，黄章梁结合PNLMS算法，采用改良的Huber范数得到了一类成比例归一化最小均值M估计(Proportionate normalized least mean M-estimate,简称PNLMM)算法，对于冲击噪声具有较好的抵御能力“黄章梁.基于成比例的自适应鲁棒回声消除算法[D].成都:西南交通大学,2012.”。然而，由于语音信号是一个高度相关且非平稳的信号，且PNLMM算法没有解相关能力。因此，在语音回声消除中，PNLMM算法的收敛速度并不理想。另一方面，PNLMM算法由于采用固定的步长，因而在收敛速度和收敛水平的取舍上存在矛盾，即步长大，算法的稳态差，收敛速度快；反之，步长小，算法的收敛速度慢，收敛水平好。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于自适应解相关和变步长成比例M估计的回声消除方法，对语音信号的解相关能力强，收敛速度快，鲁棒性好，回声消除效果好。

本发明的目的是通过以下技术方案来实现的：基于自适应解相关和变步长成比例M估计的回声消除方法，包括以下步骤：

A、信号获取

对远端传来经由近端扬声器播放的语音信号采样，得到当前时刻n的远端声音信号离散值x(n)，同时，对近端麦克风收集到的期望信号采样，得到当前时刻n的期望信号离散值d(n)(其中d(n)包含回声信号和干扰噪声)；