非线性声学回波消除方法研究

发布时间：2020-10-01 17:34

　　基于自适应滤波原理的声学回波消除器(Acoustic Echo Canceller,AEC)是消除通信系统中回波的主要方法,然而,AEC技术仍然存在着一些未能得到很好解决的问题,非线性声学回波路径的辨识便是其中之一。随着小尺寸及低成本声学器件的大量使用,通信系统中的非线性特征越来越显著,导致原来基于线性自适应滤波器的AEC方法的性能降低,继而影响通话质量。另外,噪声是所有通信系统中无法避免的问题。除了普遍存在的高斯噪声外,现实生活中广泛存在着非高斯噪声,这些噪声的冲击特性破坏了归一化最小均方(Normalized Least Mean Square,NLMS)等基于l_2范数优化准则的自适应滤波算法。同时,在免提通话、视频会议等通信场合中的回波路径往往具有明显的稀疏特性,可以结合系统稀疏性和比例项权重的关系,使自适应滤波算法的性能进一步提升。因此,针对以上问题,本文采用了将无记忆非线性滤波器和线性有限长脉冲响应(Finite-length Impulse Response,FIR)滤波器进行级联的非线性声学回波消除方案。首先,在非线性滤波器部分,采用基于泰勒级数的无记忆多项式滤波器对非线性系统进行建模;其次,在线性滤波器部分,考虑到现实生活中广泛存在的非高斯噪声以及回波路径的稀疏特性,将比例矩阵的思想与符号算法(Sign Algorithm,SA)相结合,提出了一种修正的改进比例归一化符号算法(Modified Improved Proportionate Normalized Sign Algorithm,MIPNSA),该算法不仅能适应于不同的背景噪声,还增强了对稀疏系统的适应能力,从而实现了不同噪声背景下非线性声学回波的消除,并对其收敛性做出了较为详细的理论分析。大量的仿真结果表明,与现有的Volterra方法相比,所采用的非线性声学回波消除方法具有计算量更小、设计更灵活的特点;同时,与归一化符号算法(Normalized SA,NSA)、改进比例归一化符号算法(Improved Proportionate NSA,IPNSA)等传统算法相比,所提出的新算法具有更好的收敛性和稳健性。
【学位单位】：沈阳工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN713
【部分图文】：

曲线,概率密度函数,指数,稀疏特性

图 1.1 不同特征指数条件下的概率密度函数1.1 The probability density function under different conditions characteristic1 可以看出，当 α =2时，S S概率密度函数曲线实质上是均分布，由此可以看出，高斯分布所具有的很多特征，S S概率，比如单峰分布、钟形、关于中值对称、曲线光滑等。然而，的，即S S概率密度函数的拖尾要比高斯分布更厚重，也就是其拖尾就越厚重，即大幅值样本发生的概率越大。因此，S 类似高斯分布却有很强冲击性的非高斯分布。信号处理的研究现状处理领域中，存在着很多具有稀疏特性的信号和系统。所谓稀和系统中大部分元素取值为零或接近于零，仅有很少数的元素回波信道、数字电视传输信道的冲击响应、非高斯噪声自身就交变换后的语音和图像信号同样具有稀疏特性。由于有限的正

回波路径,声学,脉冲响应

分别采用两种形式的输入信号进行 MATLAB 仿真，即随机随机信号采用均值为零的高斯白噪声，真实语音信号采度为 20000 的非平稳语音信号。在仿真实验中，非线性滤波器的长度和声学回声路径的长度一致，均为 128。无记 0, 0.1, 0.33T、 21.0, 0.12, 0.3Ta 。在初始化时，a ( n)与 h( ，而初始化为 (0) 1 ,0, ,0 Ta 。声学回波路径回波路径[54]可以由式（5.1）产生：1( ) ( ) ( )32nh n r n exp i n i 0,1, , L 1， L 为脉冲响应长度， r ( n) 为 0 .2,0.2 的文中取 128。如图 5.1 所示。此外，远端房间中麦克风（5.1）得到，如图 5.2 所示。

麦克风,冲击响应,稳定分布,噪声

图 5.2 麦克风的冲击响应 gFig.5.2 A impulse response g of the microphones噪声3 表示的是不同特征指数下 -稳定分布的时域图，当文中采取 =1.5时的稳定分布噪声作为非高斯干扰噪声，作为高斯干扰噪声[49]，在不同噪声环境下将各个算法的性

【相似文献】