基于预测残差和自适应阶数的回声消除方法研究

发布时间：2017-09-03 18:25

  本文关键词：基于预测残差和自适应阶数的回声消除方法研究

  更多相关文章： 阶数自适应 预测残差 回声消除解决方案 算法移植

【摘要】：各种新式通信方式随着网络技术的发展而涌现,以Skype、微信、易信为代表的新兴即时网络通信软件在现代通信中占据的比重逐年增大。但是,回声信号的存在降低了语音通信质量,阻碍了IP语音通信产品的推广,因此回声消除系统的研究与实践十分重要。本文在深入分析回声消除原理的基础上,结合IP语音回声消除系统的双端检测应用环境与基于能量、双滤波器等检测算法,提出基于预测残差的双端检测算法,该算法本质上仍是基于能量的检测算法,具有结构简单,易于实现的优点,与Geigel双端检测算法对比,其具有宽广的阈值选择范围,可有效降低双端检测误判率。针对回声消除系统应用环境未知的特点,本文提出改进的NLMS算法,该算法使用自适应阶数模块探求滤波器的最佳阶数,与传统NLMS算法、PNLMS算法对比,该算法降低了稳态误差,提升了回声消除效果。除此之外,本文还添加语音信号预处理模块、非线性处理模块、简易舒适噪声生成模块完善回声消除系统方案并改善IP语音通信系统的语音质量,为IP语音通讯设备实现回声消除提供保障。在提出的回声消除系统方案基础上,本文进一步阐述厦门立林科技有限公司提供的楼宇通信系统硬件资源,搭建IP语音通信硬件环境,将回声消除算法嵌入到该公司的IP语音通信系统,并解决近端与远端语音信号的同步、单双声道数据的兼容与数值类型匹配等问题。语音通讯实验表明,该系统的回声消除效果获得显著的改善,并通过保存通讯设备的实时语音通信数据,进一步地分析本文算法的回声消除性能。
【关键词】：阶数自适应 预测残差 回声消除解决方案 算法移植
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 绪论7-13
• 1.1 课题研究背景及意义7-8
• 1.2 自适应回声消除的研究现状8-10
• 1.3 课题的来源10
• 1.4 论文内容组织10-13
• 第2章 回声消除技术的原理13-22
• 2.1 回声产生原理与分类13-15
• 2.1.1 线路回声13-14
• 2.1.2 声学回声14-15
• 2.2 回声消除器15-19
• 2.2.1 自适应滤波器概述16-17
• 2.2.2 回声消除器框架17-18
• 2.2.3 回声消除性能度量18-19
• 2.3 实验仿真数据生成19-21
• 2.4 本章小结21-22
• 第3章 回声消除技术的双端检测算法22-32
• 3.1 双端检测器22-24
• 3.1.1 双端检测算法综述22-24
• 3.1.2 Geigel算法推导24
• 3.2 基于预测残差的双端检测算法24-27
• 3.3 仿真实验及分析27-31
• 3.4 本章小结31-32
• 第4章 回声消除自适应滤波算法研究32-46
• 4.1 LMS算法推导及分析32-35
• 4.2 NLMS及PNLMS算法推导35-38
• 4.2.1 NLMS算法35-37
• 4.2.2 PNLMS算法37-38
• 4.3 变阶数NLMS算法推导38-40
• 4.4 仿真实验40-44
• 4.5 本章小结44-46
• 第5章 回声消除系统方案及硬件资源46-54
• 5.1 回声消除整体方案46-52
• 5.1.1 语音预处理模块46-48
• 5.1.2 非线性处理模块48-49
• 5.1.3 简易舒适噪声生成模块49-50
• 5.1.4 回声消除方案整体流程50-52
• 5.2 IP通信系统硬件环境52-53
• 5.3 本章小结53-54
• 第6章 回声消除方案在语音通信系统中的实现54-68
• 6.1 VoIP技术原理54-57
• 6.1.1 RTP协议55-56
• 6.1.2 Sip协议56-57
• 6.2 回声消除系统算法C代码实现57-59
• 6.2.1 重要宏的定义及含义57
• 6.2.2 重要属性的定义及含义57-58
• 6.2.3 主要函数及其功能58-59
• 6.3 回声消除系统嵌入到Linphone中59-62
• 6.4 回声消除算法实现嵌入系统中实际问题解决62-65
• 6.4.1 远端与近端语音信号同步问题62-63
• 6.4.2 数值类型匹配问题63-64
• 6.4.3 双声道问题64-65
• 6.5 楼宇通信设备中回声消除效果65-67
• 6.6 本章小结67-68
• 第7章 总结与展望68-70
• 7.1 论文工作总结68-69
• 7.2 工作展望69-70
• 参考文献70-73
• 致谢73-74
• 个人简历、在学期间发表的学术论文及研究成果74

，

本文编号：786629