一种零范数子带回声消除方法技术

技术编号:14264712 阅读:115 留言:0更新日期:2016-12-23 09:44
本发明专利技术公开了一种零范数子带回声消除方法,其步骤包括:A、信号采样;B、信号分割;C、子带信号抽取;D、输入矩阵构成;E、子带输出信号的形成;F、回声信号的消除;G、更新滤波器抽头权系数。它在权系数向量更新公式推导中增加了后验误差(当前的期望信号di(k)与下一时刻的输出信号之差)为0的约束条件,从而在权系数向量更新时引入零范数调节因子,使得在相关输入信号以及稀疏系统的情况下,滤波器的输出信号与能够获得更为快速的收敛性和更低的稳态失调。

【技术实现步骤摘要】

本专利技术涉及一种零范数子带回声消除方法,属于通信中的回声消除

技术介绍
自适应信号处理作为信息技术的重要分支,在通信领域得到广泛的应用。而在通讯领域中,回声消除是一个颇具关注度和挑战性的热点。声音在封闭空间中经过多次反射会形成回声,由于传输介质中阻抗不匹配也会在信号传输中形成回声。通信回声可以通过系统辨识模型来消除: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,通过含回声信号的语音信号与回声信号的估计相减便可实现回声的消除,这就是自适应回声消除器的原理。归一化最小均方算法(NLMS)作为经典算法得到了广泛的应用,该算法是基于均方误差最小的原理推导而来,它的优点在于较低的计算复杂度,并且容易实现。然而当输入信号高度相关时,NLMS算法的收敛速度就会变的很慢。为此,针对相关输入信号带来的问题,Kong A.Lee提出了归一化子带自适应滤波器算法(K.A.Lee and W.S.Gan,“Improving convergence of the NLMS algorithm using constrained subband updates,”IEEE Signal Process.Lett.,vol.11,no.9,pp.736–739,Sep.2004),简称为NSAF算法,该算法将信号按频率分成了多个子带,各个子带内的回声不同、相关度不同,从而从整体上降低了输入信号的相关度,因而该算法在处理相关输入时能够获得快速的收敛性以及较低的稳态失调。除了NSAF算法之外,还有一类经典的算法也能够很好地处理相关输入信号,是由H.-C.Shin在2004年提出的仿射投影算法(H.-C.Shin,A.H.Sayed,and W.-J.Song,“Variable step-size NLMS and affine projection algorithms,”IEEE Signal Process.Lett.,vol.11,no.2,pp.132–135,Feb.2004),简称为APA算法,该算法同样能够白化相关输入信号,从而获得较快的收敛速度。在我们实际应用中,回声信道往往是稀疏的。如果用上述所提及的NSAF和APA算法来进行回声消除,效果并不理想,原因在于这两种算法并不能利用稀疏系统的本质来优化性能。为此,Y.S.Choi提出了一种基于L1范数的子带自适应算法(Y.S.Choi,“Subband adaptive filtering with l1-Norm constraint for sparse system identification,”Mathematical Problems in Engineering.,vol.2013,Artical ID 601623,7pages,2013.),简记为L1-NSAF。该算法虽然在性能上获得了一定的提升,但是当系统稀疏程度较高时,L1范数不能准确地反映稀疏性的真实情况,因而算法性能也会变差。
技术实现思路
本专利技术的目的就是提供一种零范数子带回声消除方法,该方法在输入信号具有较高的相关度且系统稀疏的情况下,能够获得快速的收敛性,更低的稳态失调。本专利技术实现其专利技术目的所采用的技术方案是,一种零范数子带回声消除方法,其步骤如下:一种零范数子带回声消除方法,其步骤如下:A、信号采样将当前时刻n到时刻n-L+1之间的远端采样信号,组成当前时刻n的输入信号序列U(n),U(n)=[u(n)u(n-1),…,u(n-L+1)],其中u(n)为当前时刻n的输入信号;将当前时刻n到时刻n-L+1之间的近端麦克风采样信号,组成当前时刻n带有回声的期望信号序列D(n),D(n)=[d(n)d(n-1),…,d(n-L+1)],其中d(n)为当前时刻n的期望信号;L=512是滤波器抽头数;B、信号分割将步骤A中得到的输入信号序列U(n)通过分析滤波器组分割成I个当前时刻n的子带输入信号序列Ui(n),Ui(n)=[ui(n)ui(n-1),…,ui(n-L+1)],其中,ui(n)为第i个当前时刻n的子带输入信号,同时将期望信号序列D(n)通过分析滤波器组分割成I个子带期望信号序列Di(n);其中i为子带输入信号或子带输入信号序列的序号,i=1,2,…,I;I为子带输入信号或子带输入信号序列的总数,其取值为2,4,8;C、子带信号抽取对步骤B中得到的第i个当前时刻n的子带输入信号序列Ui(n)用抽取器进行I抽取;即将子带输入信号序列Ui(n)中n=k=KI时刻的子带输入信号ui(n)抽出,得到第K次抽取的抽取时刻k的第i个子带输入抽取信号ui(k),将抽取时刻k至第一次抽取的抽取时刻1的第i个子带输入抽取信号,组成抽取时刻k的第i个子带输入抽取信号序列Ui(k),Ui(k)=[ui(k)ui(k-1),…,ui(1)];其中,K为抽取的序号,k为第K次抽取的抽取时刻;将子带期望信号序列Di(n)中n=k=KI时刻的子带期望信号di(n)抽出,得到第K次抽取的抽取时刻k的子带抽取期望信号di(k),di(k)=di(KI);D、输入矩阵构成将I个子带抽取序列Ui(k)组成抽取时刻k的输入矩阵其中,上标T表示转置;E、子带输出信号的形成将步骤C中的子带抽取序列Ui(k)通过有限长脉冲响应滤波器得到抽取时刻k的子带输出信号yi(k),yi(k)=Ui(k)w(k);其中,w(k)=[w1(k)w2(k),…wl(k)…,wL(k)]T为抽取时刻k的有限长脉冲响应滤波器的抽头权系数向量,其初始值为零向量为,wl(k)抽头权系数向量w(k)中的第l个权系数,也即有限长脉冲响应滤波器的抽取时刻k的第l个权系数;l=1,2,...,L为抽头权系数向量w(k)中的权系数wl(k)的序号;F、回声信号消除用C步的抽取时刻k的子带抽取期望信号di(k),减去子带输出信号yi(k),得到抽取时刻k的子带误差信号ei(k),即消除回声后的近端信号ei(k),ei(k)=di(k)-yi(k);并将该近端信号ei(k)送回给远端;G、权系数的更新G1、误差向量的构成将抽取时刻k的所有子带误差信号ei(k)组成抽取时刻k的误差向量E(k),E(k)=[e1(k)e2(k),…ei(k)…,eI(k)]TG2、权系数趋零参数的计算根据抽取时刻k的第l个权系数wl(k),计算出抽取时刻k第l个权系数的趋零参数swl(k), s w l ( k ) = s g n [ w l ( k ) 本文档来自技高网
...
一种零范数子带回声消除方法

【技术保护点】
一种零范数子带回声消除方法,其步骤如下:A、信号采样将当前时刻n到时刻n‑L+1之间的远端采样信号,组成当前时刻n的输入信号序列U(n),U(n)=[u(n)u(n‑1),…,u(n‑L+1)],其中u(n)为当前时刻n的输入信号;将当前时刻n到时刻n‑L+1之间的近端麦克风采样信号,组成当前时刻n带有回声的期望信号序列D(n),D(n)=[d(n)d(n‑1),…,d(n‑L+1)],其中d(n)为当前时刻n的期望信号;L=512是滤波器抽头数;B、信号分割将步骤A中得到的输入信号序列U(n)通过分析滤波器组分割成I个当前时刻n的子带输入信号序列Ui(n),Ui(n)=[ui(n)ui(n‑1),…,ui(n‑L+1)],其中,ui(n)为第i个当前时刻n的子带输入信号,同时将期望信号序列D(n)通过分析滤波器组分割成I个子带期望信号序列Di(n);其中i为子带输入信号或子带输入信号序列的序号,i=1,2,…,I;I为子带输入信号或子带输入信号序列的总数,其取值为2,4,8;C、子带信号抽取对步骤B中得到的第i个当前时刻n的子带输入信号序列Ui(n)用抽取器进行I抽取;即将子带输入信号序列Ui(n)中n=k=KI时刻的子带输入信号ui(n)抽出,得到第K次抽取的抽取时刻k的第i个子带输入抽取信号ui(k),将抽取时刻k至第一次抽取的抽取时刻1的第i个子带输入抽取信号,组成抽取时刻k的第i个子带输入抽取信号序列Ui(k),Ui(k)=[ui(k)ui(k‑1),…,ui(1)];其中,K为抽取的序号,k为第K次抽取的抽取时刻;将子带期望信号序列Di(n)中n=k=KI时刻的子带期望信号di(n)抽出,得到第K次抽取的抽取时刻k的子带抽取期望信号di(k),di(k)=di(KI);D、输入矩阵构成将I个子带抽取序列Ui(k)组成抽取时刻k的输入矩阵其中,上标T表示转置;E、子带输出信号的形成将步骤C中的子带抽取序列Ui(k)通过有限长脉冲响应滤波器得到抽取时刻k的子带输出信号yi(k),yi(k)=Ui(k)w(k);其中,w(k)=[w1(k)w2(k),…wl(k)…,wL(k)]T为抽取时刻k的有限长脉冲响应滤波器的抽头权系数向量,其初始值为零向量为,wl(k)抽头权系数向量w(k)中的第l个权系数,也即有限长脉冲响应滤波器的抽取时刻k的第l个权系数;l=1,2,...,L为抽头权系数向量w(k)中的权系数wl(k)的序号;F、回声信号消除用C步的抽取时刻k的子带抽取期望信号di(k),减去子带输出信号yi(k),得到抽取时刻k的子带误差信号ei(k),即消除回声后的近端信号ei(k),ei(k)=di(k)‑yi(k);并将该近端信号ei(k)送回给远端;G、权系数的更新G1、误差向量的构成将抽取时刻k的所有子带误差信号ei(k)组成抽取时刻k的误差向量E(k),E(k)=[e1(k)e2(k),…ei(k)…,eI(k)]TG2、权系数趋零参数的计算根据抽取时刻k的第l个权系数wl(k),计算出抽取时刻k第l个权系数的趋零参数swl(k),swl(k)=sgn[wl(k)],|wl(k)|≤1β0,|wl(k)|>1β,]]>其中,sgn[·]表示符号函数运算,|·|表示取绝对值运算,β是固定常数,其取值为50‑1000;再将所有抽取时刻k的权系数趋零参数swl(k)构成抽取时刻k趋零参数向量sw(k),sw(k)=[sw1(k)sw2(k),…swl(k)…,swL(k)]T;G3、由抽取时刻k的输入矩阵和抽取时刻k的误差向量E(k),算出抽取时刻k的输入方差与误差的关联向量M(k),G4、由抽取时刻k的输入矩阵和抽取时刻k的趋零参数向量sw(k),算出抽取时刻k的输入方差与权系数趋零参数的关联向量M0(k),M0(k)=[U~T(k)U~(k)]-1U~T(k)βsw(k)]]>G5、由抽取时刻k的趋零参数向量sw(k)、输入矩阵输入方差与误差的关联向量M(k)和输入方差与权系数趋零参数的关联向量M0(k),计算出抽取时刻k的零范数调节因子λ0(k),λ0(k)=L-swT(k)sw(k)+βswT(k)w(k)+βswT(k)U~(k)M(k)-δ0β2swT(k)sw(k)-βswT(k)U~(k)M0(k),]]>其中δ0是固定范数边界参数,取值为25‑35;G5、有限长脉冲响应滤波器抽头权向量的更新,即计算有限长脉冲响应滤波器的第K+1次抽取的抽取时刻k+1的抽头权向量w(k+1),w(k+1)=w(k)+μ{U(k)[M(k)+M0(k)λ0(k)]‑λ0(...

【技术特征摘要】
1.一种零范数子带回声消除方法,其步骤如下:A、信号采样将当前时刻n到时刻n-L+1之间的远端采样信号,组成当前时刻n的输入信号序列U(n),U(n)=[u(n)u(n-1),…,u(n-L+1)],其中u(n)为当前时刻n的输入信号;将当前时刻n到时刻n-L+1之间的近端麦克风采样信号,组成当前时刻n带有回声的期望信号序列D(n),D(n)=[d(n)d(n-1),…,d(n-L+1)],其中d(n)为当前时刻n的期望信号;L=512是滤波器抽头数;B、信号分割将步骤A中得到的输入信号序列U(n)通过分析滤波器组分割成I个当前时刻n的子带输入信号序列Ui(n),Ui(n)=[ui(n)ui(n-1),…,ui(n-L+1)],其中,ui(n)为第i个当前时刻n的子带输入信号,同时将期望信号序列D(n)通过分析滤波器组分割成I个子带期望信号序列Di(n);其中i为子带输入信号或子带输入信号序列的序号,i=1,2,…,I;I为子带输入信号或子带输入信号序列的总数,其取值为2,4,8;C、子带信号抽取对步骤B中得到的第i个当前时刻n的子带输入信号序列Ui(n)用抽取器进行I抽取;即将子带输入信号序列Ui(n)中n=k=KI时刻的子带输入信号ui(n)抽出,得到第K次抽取的抽取时刻k的第i个子带输入抽取信号ui(k),将抽取时刻k至第一次抽取的抽取时刻1的第i个子带输入抽取信号,组成抽取时刻k的第i个子带输入抽取信号序列Ui(k),Ui(k)=[ui(k)ui(k-1),…,ui(1)];其中,K为抽取的序号,k为第K次抽取的抽取时刻;将子带期望信号序列Di(n)中n=k=KI时刻的子带期望信号di(n)抽出,得到第K次抽取的抽取时刻k的子带抽取期望信号di(k),di(k)=di(KI);D、输入矩阵构成将I个子带抽取序列Ui(k)组成抽取时刻k的输入矩阵其中,上标T表示转置;E、子带输出信号的形成将步骤C中的子带抽取序列Ui(k)通过有限长脉冲响应滤波器得到抽取时刻k的子带输出信号yi(k),yi(k)=Ui(k)w(k);其中,w(k)=[w1(k)w2(k),…wl(k)…,wL(k)]T为抽取时刻k的有限长脉冲响应滤波器的抽头权系数向量,其初始值为零向量为,wl(k)抽头权系数向量w(k)中的第l个权系数,也即有限长脉冲响应滤波器的抽取时刻k的第l个权系数;l=1,2,...,L为抽头权系数向量w(k)中的权系数wl(k)的序号;F、回声信号消除用C步的抽取时刻k的子带抽取期望信号di(k),减去子带输出信号yi(k),得到抽取时刻k的子带误差信号ei(k),即消除回声后的近端信号ei(k),ei(k)=di(k)-yi(k);并将该近端信号ei(k)送回给远端;G、权系数的更新G1、误差向量的构成将抽取时刻k的所有子带误差信号ei(k)组成抽取时刻k的误差向量E(k),E(k)=[e1(k)e2(k),…ei(k)…,eI(k)]TG2、权系数趋零参数的计算根据抽取时刻k的第l个权系数wl(k),计算出抽取时刻k第l个权系数的趋零参数swl(k), s w l ( k ) = s g n [ w l ( k ) ] , | w l ( k ) | ≤ 1 β 0 , | w l ( k ) | > 1 ...

【专利技术属性】
技术研发人员:赵海全施龙
申请(专利权)人:西南交通大学
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1