一种基于快速行投影的自适应回声消除方法

本发明属于语音信号处理，具体涉及一种基于快速行投影的自适应回声消除方法。

背景技术：

1、在语音通信系统中，当处于免提场景下，麦克风将不可避免的接收到扬声器所播放出来的声音，从而产生声学回声。

2、自适应滤波技术是当前主流的回声消除技术，通过自适应滤波的方法估计实际环境中的声学回声，模拟一个回声路径，使它逼近真实的回声路径，再从近端混合信号中去除估计的回声信号后得到误差信号，在一定准则下使自适应滤波器不断逼近真实回声通道，从而达到回声消除的效果。

3、在声学回声消除发展的几十年中，陆续提出了各种自适应滤波方法，从简单的最小均方(lms)到复杂的替代算法，如递归最小均方(rls)和卡尔曼滤波算法等，目的是提高在处理时变信号中的应用性能。其中最小均方差法易于实现，复杂度低，稳定性强，但是低收敛速度限制了其性能。而基于递归最小均方的方法具有快收敛速度，但是计算复杂度也相应提高，且存在稳定性的问题。因此如何改善滤波器在均衡方面的问题，构建回声消除效果好，稳定性强，且计算复杂度较低的回声消除系统是目前需要考虑的难题。

技术实现思路

1、本发明的目的在于提供一种基于快速行投影的自适应回声消除方法，基于快速行投影算法进行回声估计，复用输入信号，有效提高对于回声路径的跟踪性能，使用快速迭代方法，降低算法运算量，结合子带分割方法，针对不同混合信号各频带信息的不同，提高系统稳定性。

2、为实现上述目的，本发明所采取的技术方案为：

3、一种基于快速行投影的自适应回声消除方法，所述基于快速行投影的自适应回声消除方法，包括：

4、将远端参考信号和近端混合信号分别进行子带分解，分解为上频子带和下频子带；

5、将远端参考信号的上频子带输入快速行投影nlms滤波器得到上频子带预测回声信号，将远端参考信号的下频子带输入快速行投影rls滤波器得到下频子带预测回声信号；

6、在近端混合信号的上频子带中去除上频子带预测回声信号得到上频先验误差信号，在近端混合信号的下频子带中去除下频子带预测回声信号得到下频先验误差信号；

7、根据上频先验误差信号更新快速行投影nlms滤波器并得到上频后验误差，根据下频先验误差信号更新快速行投影rls滤波器并得到下频后验误差；

8、合成上频后验误差和下频后验误差得到去除回声后的近端语音信号。

9、以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。

10、作为优选，所述子带分解由分析滤波器组执行，所述分析滤波器组由高通滤波器h0(z)和低通滤波器h1(z)组成，其中：

11、

12、

13、式中，e0为第一滤波器，e1为第二滤波器，公式如下：

14、

15、式中，bq，i为滤波器eq(z)的第i阶参数，aq，g为滤波器eq(z)的第g阶参数，n为滤波器阶数。

16、作为优选，所述将远端参考信号的上频子带输入快速行投影nlms滤波器得到上频子带预测回声信号，包括：

17、

18、式中，yh(n)为当前n时刻上频子带预测回声信号，0k表示维度为k的全0矩阵，ik表示维度为k的单位矩阵，p为滤波器分块数，k为每块滤波器的长度，f-1为逆离散傅里叶变换，i＝0，1，…p-1，xh，i(n)为：

19、

20、式中，diag表示取对角矩阵，f为离散傅里叶变换，xh[(n-i+1)k]为远端参考信号的上频子带中第(n-i+1)k个采样点，xh[(n-i-1)k+1]为远端参考信号的上频子带第(n-i-1)k+1个采样点；

21、wh，i(n)为当前n时刻频域中快速行投影nlms滤波器的第i块权重向量，具体为：

22、

23、式中，wh，i(n)为当前n时刻时域中快速行投影nlms滤波器的第i块权重向量：

24、

25、式中，wh[ki]为快速行投影nlms滤波器中第ki个权重系数，wh[k(i+1)-1]为快速行投影nlms滤波器中第k(i+1)-1个的权重系数。

26、作为优选，所述将远端参考信号的下频子带输入快速行投影rls滤波器得到下频子带预测回声信号，包括：

27、

28、式中，yl(n)为当前n时刻下频子带预测回声信号，0k表示维度为k的全0矩阵，ik表示维度为k的单位矩阵，p为滤波器分块数，k为每块滤波器的长度，f-1为逆离散傅里叶变换，i＝0，1，…p-1，xl，i(n)为：

29、

30、式中，diag表示取对角矩阵，f为离散傅里叶变换，xl[(n-i+1)k]为远端参考信号的下频子带中第(n-i+1)k个采样点，xl[(n-i-1)k+1]为远端参考信号的下频子带(n-i-1)k+1个采样点；

31、wl，i(n)为当前n时刻频域中快速行投影rls滤波器的第i块权重向量，具体为：

32、

33、式中，wl，i(n)为当前n时刻时域中快速行投影rls滤波器的第i块权重向量：

34、

35、式中，wl[ki]为快速行投影rls滤波器的第ki个权重系数，wl[k(i+1)-1]为快速行投影rls滤波器的第k(i+1)-1个权重系数。

36、作为优选，所述根据上频先验误差信号更新快速行投影nlms滤波器并得到上频后验误差，包括：

37、所述快速行投影nlms滤波器的权向量的更新公式为：

38、

39、式中，wh，i(n+1)为更新后的n+1时刻的快速行投影nlms滤波器的第i块权向量，wh，i(n)为n时刻的快速行投影nlms滤波器的第i块权向量，0k表示维度为k的全0矩阵，ik表示维度为k的单位矩阵，f-1为逆离散傅里叶变换，xh，i(n)为当前n时刻的远端参考信号的上频子带的第i个块，表示xh，i(n)的共轭矩阵，f为离散傅里叶变换，a(n，me)为最后一次循环估计输出的上频累加误差，μ为步长，具体如下：

40、

41、式中，α为自适应常量，p为滤波器分块数，表示xh，i(n)的转置矩阵；

42、对上频先验误差信号进行me次循环估计，将上频后验误差eh(n，m)累加于上频累加误差a(n，m)：

43、a(n，m)＝a(n，m-1)+eh(n，m)，1＜m≤me

44、a(n，0)＝eh(n，0)＝eh(n)

45、式中，a(n，m)为第m次循环估计后的上频累加误差，a(n，m-1)为第m-1次循环估计后的上频累加误差，eh(n，m)为第m次循环估计后的上频后验误差，a(n，0)为初始上频累加误差，eh(n，0)为初始上频后验误差，eh(n)为当前n时刻的上频先验误差信号；

46、其中第m次循环估计后的上频后验误差eh(n，m)为：

47、

48、式中，f-1为逆离散傅里叶变换，f为离散傅里叶变换，eh(n，m-1)为第m-1次循环估计后的上频后验误差，qn为快速行投影nlms迭代器，qn更新公式为：

49、

50、式中，xh，i(n)为当前n时刻的远端参考信号的上频子带的第i个块，表示xh，i(n)的共轭矩阵。

51、作为优选，所述根据下频先验误差信号更新快速行投影rls滤波器并得到下频后验误差，包括：

52、所述快速行投影rls自适应滤波器的权向量的更新公式为：

53、

54、式中，wl，i(n+1)为更新后的n+1时刻的快速行投影rls滤波器的第i块权向量，wl，i(n)为当前n时刻的快速行投影rls滤波器的第i块权向量，p为滤波器分块数，xl，i(n)为当前n时刻的远端参考信号的下频子带的第i个块，表示xl，i(n)的共轭矩阵，f为离散傅里叶变换，f-1为逆离散傅里叶变换，v(n，re)表示最后一次循环估计输出的下频累加误差，δ(n)为n时刻的递归最小二乘增益，具体为：

55、

56、式中，λ为遗忘因子，|xl，i(n)|表示对xl，i(n)取模，p(n-1)为n-1时刻的协方差矩阵，具体为：

57、

58、式中，p(n)为n时刻的协方差矩阵，diag表示取对角矩阵；

59、对于下频先验误差信号进行re次循环估计，将下频后验误差el(n，r)累加于下频累加误差v(n，r)：

60、v(n，r)＝v(n，r-1)+el(n，r)，1＜r≤re

61、v(n，0)＝el(n，0)＝el(n)

62、式中，v(n，r)为第r次循环估计后的下频累加误差，v(n，r-1)为第r-1次循环估计后的下频累加误差，el(n，r)为第r次循环估计后的下频后验误差，v(n，0)为初始下频累加误差，el(n，0)为初始下频后验误差，el(n)为当前n时刻的下频先验误差信号；

63、其中第r次循环估计后的下频后验误差el(n，r)为：

64、

65、式中，f-1为逆离散傅里叶变换，el(n，r-1)为第r-1次循环估计后的下频后验误差，d(n)为快速行投影rls迭代器，d(n)更新公式为：

66、

67、

68、式中，为当前n时刻迭代器的中间量，为n一1时刻迭代器的中间量，xl，0(n)为当前n时刻的远端参考信号的下频子带的第0个块，表示xl，0(n)的共轭矩阵。

69、作为优选，所述合成上频后验误差和下频后验误差由合成滤波器组执行，所述合成滤波器组由带通滤波器g0(z)和带通滤波器g1(z)组成，其中：

70、g0(z)＝-e1(z2)+z-1e0(z2)

71、g1(z)＝e1(z2)+z-1e0(z2)

72、式中，e0为第一滤波器，e1为第二滤波器，公式如下：

73、

74、式中，bq，i为滤波器eq(z)的第i阶参数，aq，g为滤波器eq(z)的第g阶参数，n为滤波器阶数。

75、本发明提供的一种基于快速行投影的自适应回声消除方法，行投影算法采用信号复用的方式，极大加快算法收敛速度，在此基础上提出快速迭代方法，降低算法计算复杂度，提升算法运行速度，针对于语音信号各频带包含信息的不同的特点，使用子带分割方式，将信号分为上下两个频带，防止高频噪声对于回声估计的影响，提升算法稳定性。对于回声信号多出现的低频带，为能够快速跟踪回声路径变化，使用快速行投影rls算法进行回声估计，对于干扰信号主要出现的高频带，采用稳定性高的快速行投影nlms算法进行回声估计。