面向?qū)崟r(shí)通信系統(tǒng)的自適應(yīng)回聲消除算法研究.pdf

1、實(shí)時(shí)語音通信所伴隨的電子、聲學(xué)回聲現(xiàn)象極大地降低了通信質(zhì)量。有效的解決方案是用線性濾波器以自適應(yīng)算法辨識回聲系統(tǒng)，濾波器輸出作為回聲信號的估計(jì)值，兩者相減以抑制回聲能量，提高通信質(zhì)量。
　　歸一化最小均方(Normalized Least Mean Square，NLMS)算法以其低計(jì)算復(fù)雜度與強(qiáng)魯棒性而普遍應(yīng)用于回聲消除(Echo Cancellation，EC)領(lǐng)域，其主要缺點(diǎn)是收斂速度慢。隨著處理器運(yùn)算能力提高，計(jì)算復(fù)雜度更

2、高、收斂速度更快的仿射投影算法(Affine Projection Algorithm，APA)開始應(yīng)用于EC系統(tǒng)。但語音信號的非平穩(wěn)性、強(qiáng)相關(guān)性嚴(yán)重減慢各種自適應(yīng)算法的收斂速度。為消除輸入信號強(qiáng)相關(guān)性對APA的影響，提出解相關(guān)APA(Decorrelation APA，DAPA)算法。DAPA利用實(shí)線性空間求內(nèi)積的方法對輸入信號矩陣進(jìn)行預(yù)處理，解除不同時(shí)刻輸入矩陣的相關(guān)性。與APA相比，DAPA計(jì)算復(fù)雜度適中，收斂速度有較大提高。

3、r>　　無參數(shù)變步長NLMS(Noparametric Variable Step Size NLMS，NPVSS-NLMS)算法可解決固定步長NLMS算法高收斂速度與低穩(wěn)態(tài)失調(diào)的矛盾，其核心思想是從誤差信號中恢復(fù)背景噪聲，因此需要獲得背景噪聲功率(Background Noise Power,BNP)估計(jì)。為提高BNP估的精度與可靠性，在分析BNP與失調(diào)噪聲功率比后，提出一種在線的BNP估計(jì)改進(jìn)算法，以提高BNP的估計(jì)精度、提高NPV

4、SS-NLMS性能。為解決APA收斂速度與穩(wěn)態(tài)失調(diào)的矛盾，(強(qiáng))迫APA后驗(yàn)誤差向量與背景噪聲向量二次范數(shù)相等，推導(dǎo)得NPVSS-APA算法。分析APA算法失調(diào)比后，提出針對NPVSS-APA的改進(jìn)BNP估計(jì)。
　　用回聲延時(shí)的不確定性，在回聲消除應(yīng)用中，為保證充分建模，濾波器必須包含至少上千個(gè)系數(shù)。過長的濾波器將導(dǎo)致算法收斂速度減慢，計(jì)算復(fù)雜度增加等缺點(diǎn)。同時(shí)因延時(shí)效應(yīng)，回聲系統(tǒng)的沖激響應(yīng)序列呈現(xiàn)稀疏性，即:序列大部分系數(shù)為零值

5、系數(shù)以模擬延時(shí)。產(chǎn)生回聲能量的活躍系數(shù)在時(shí)域上聚集，數(shù)量僅占系數(shù)總量極少一部分。
　　利用稀疏性提高自適應(yīng)算法的工作效率成為EC系統(tǒng)實(shí)現(xiàn)的研究熱點(diǎn)。本文通過兩類算法，即Proportionate自適應(yīng)算法（P算法）與延時(shí)檢測-部分系數(shù)更新(Delay Estimate-Selective Partial Update，D-SPU)算法，對此進(jìn)行討論。
　　一、P算法按系數(shù)幅值為濾波器的不同系數(shù)賦以各異的收斂步長(Propor

6、tionate步長，P步長)以加快大系數(shù)收斂，達(dá)到加快濾波器整體收斂速度的目的。P算法收斂速度提高以計(jì)算復(fù)雜度增加為代價(jià)，且其P步長計(jì)算方式與目標(biāo)系統(tǒng)系數(shù)幅值有關(guān)，實(shí)際應(yīng)用時(shí)只能以濾波器系數(shù)當(dāng)前幅值代替，引入誤差。
　　本文利用獨(dú)立性假設(shè)對P算法進(jìn)行統(tǒng)計(jì)學(xué)建模，提出描述P算法濾波器各系數(shù)收斂曲線的理論公式，以該公式為基礎(chǔ)，提出一種高效的P步長估計(jì)算法。新算法每隔若干步更新一次P步長，極大地降低算法計(jì)算復(fù)雜度。
　　為APA算

7、法濾波器各系數(shù)指定相應(yīng)的P步長，提出PAPA(Proportionate APA)算法。討論P(yáng)APA算法的收斂性，并推導(dǎo)保證PAPA算法收斂的步長取值范圍。
　　二、利用稀疏性最直接的方法是先用一延時(shí)檢測濾波器估計(jì)延時(shí)(DelayEstimate)，然后以濾波器峰值系數(shù)為中心，再用一個(gè)短的濾波器辨識活躍系數(shù)部分。因傳統(tǒng)的延時(shí)檢測算法需要用兩個(gè)濾波器辨識目標(biāo)系統(tǒng)，造成信息冗余。
　　部分系數(shù)更新(Selective Parti

8、al Update，SPU)算法用全長濾波器辨識系統(tǒng)，但每次只更新濾波器的一段系數(shù)以減小算法計(jì)算復(fù)雜度。傳統(tǒng)的SPU算法未能充分利用回聲路徑稀疏性，造成算法性能下降。
　　提出D-SPU算法。D-SPU將SPU算法與回聲路徑稀疏性相結(jié)合，用移動窗積分掃描濾波器，以積分值最大區(qū)間為活躍系數(shù)位置。每次迭代均更新活躍系數(shù)，同時(shí)循環(huán)更新一段非活躍系數(shù)。更新活躍系數(shù)可精確辨識目標(biāo)系統(tǒng)，更新一段非活躍系數(shù)可保證回聲路徑突變時(shí)算法的跟蹤能力。D