一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法与流程

1.本发明涉及音频信号处理技术领域，具体涉及一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法，


背景技术：

2.声学回声是语音通话中非常常见的一种现象，严重时会对语音质量造成很大的影响。声学回声是指由于扬声器和麦克风被置于同一空间，远端讲话者的声音被远端麦克风采集并传入通信设备，经过无线或有线传输之后达到近端的通信设备，并通过近端扬声器播放，由近端扬声器播放出来的声音直接被近端麦克风采集或者经过墙面或物体的反射被近端麦克风采集，经传输又返回到远端的通信设备，并通过远端扬声器播放出来，从而远端讲话者就听到了自己的声音。在这一背景下，产生了很多消除声学回声的方法和手段，其中主要有双讲检测方法和变步长控制方法，由于双讲检测模块存在固有的延时问题，所以鲁棒性声学回声消除更多的是采用变步长控制方法来实现。
3.声学回声消除最主要的部分之一就是回声线性处理部分,该部分是自适应滤波器在自适应滤波算法下估计实际环境中的声学回声，也就是模拟一个回声路径，使它逼近真实的回声路径。本发明根据贝叶斯理论在已知滤波器输入输出信号的条件下用一个函数形式较为简单的概率分布，在一定的准则下使自适应滤波器不断逼近真实回声通道，直至两个通道可以近似认为相同，达到消除声学回声的目的。


技术实现要素：

4.本发明的目的是提供一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法，自适应滤波器的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态；噪声环境下，滤波器系数的更新在一个正数序列的约束下进行；当回声通道w
o
发生偏离时，控制因子复原为初值。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
5.本发明第一方面提供一种基于贝叶斯理论的声学回声消除自适应滤波器，包括去相关滤波器、自适应滤波器和回声通道模块、远端信号、近端信号，所述远端信号通过近端扬声器传输至回声通道模块；所述远端信号通过去相关滤波器连接自适应滤波器；近端信号通过去相关滤波器和自适应滤波器进行滤波，输出不含回声信号的信号；
6.所述自适应滤波器采用贝叶斯方法更新滤波器系数：
7.w
n
＝argmaxp(w
o
∣u
i
)
ꢀꢀꢀ
(1)
8.其中，
[0009][0010][0011][0012][0013][0014]
经过大量分析得出自适应滤波器权向量
[0015][0016]
其中，w
n
是自适应滤波器的权向量，是回声通道w0的估算值，u
i
是输入输出信号数据集，是回声通道w
o
当前时刻与前一时刻引入的噪声方差，q
n
＝w
o,n
‑
w
o,n
‑1，μ
n
是均值向量，θ
n
是输入信号的协方差矩阵，是实际回声通道的去相关近端信号(期望信号)，包含回声信号、环境噪声信号或近端语音信号，是去相关的滤波器输入的参考信号(去相关的远端信号)，l是滤波器的阶数，是输入噪声方差，是输出端噪声v
n
的方差；argmax(.)是取函数最大值时的自变量的函数，p(y/x)是条件概率函数，∫ydx是积分函数，n(x；μ,σ2)表示变量x服从高斯正态分布，均值为μ，方差为σ2，tr(.)表示矩阵的迹运算，表示平方欧式范数，是省略下标p的去相关后验残差信号；贝叶斯估算方法提高了参数的估算精度，从而降低稳态误差。
[0017]
进一步，所述自适应滤波器的权向量由以下条件进行约束：
[0018][0019]
其中，是n时刻去相关的后验残差信号，δ
n
是一个正序列；权向量的约束条件提高了自适应滤波器的抗噪声干扰能力。
[0020]
进一步，所述正数序列δ
n
为：
[0021][0022]
其中，λ是遗忘因子，0<<λ<1，是权向量在脉冲噪声环境下归一化的约束变量，在回声通道w
o
发生偏离时参数δ
n
复原为初值δ0，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。
[0023]
进一步，联立方程(1)～(4)得到基于贝叶斯理论在约束条件下自适应滤波器的权
向量：
[0024][0025]
其中，是可自动选择的步长量，存在脉冲时步长选择为无脉冲噪声时步长选择为1，是噪声环境下补偿参数估算偏差的补偿量，消除因噪声引起的参数估算偏差，提高权值的估算精度进而提高滤波器的稳定性。
[0026]
此外，本发明第二方面还提供一种基于贝叶斯理论的声学回声消除自适应滤波方法，所述方法包括以下步骤：
[0027]
s1：在远端设备采集远端信号x
n
；
[0028]
s2：对远端信号x
n
去相关，作为自适应滤波器的参考输入信号；
[0029]
s3：估计回声信号；
[0030]
s4：在近端设备采集近端信号d
n
；
[0031]
s5：对近端信号d
n
去相关；
[0032]
s6：消除回声信号。
[0033]
进一步的，步骤s2的去相关输入信号为：
[0034][0035]
其中，是去相关系数；
[0036]
进一步的，步骤s3中，所述回声估算信号的计算公式为：
[0037][0038]
其中，为回声估算信号，为去相关输入信号，w
t
为自适应滤波器的权向量。
[0039]
进一步的，步骤s4中，所述近端信号d
n
包括声学回声信号、环境噪声信号及近端语音信号。
[0040]
进一步的，步骤s5具体为所述近端信号d
n
经去相关滤波器后得到输出信号将去相关后的近端信号减去估算的回声信号得到不含回声信号的残差信号
[0041]
本发明的一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法，自适应滤波器的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态，提高了权值的估算精度；噪声环境下，滤波器系数的更新在一个正数序列的约束下进行，提高滤波器在噪声环境下的稳定性；当回声通道w
o
发生偏离时，控制因子复原为初值，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
附图说明
[0042]
图1是本发明实施例提供的声学回声消除系统结构示意图；
[0043]
图2是远端信号示意图；
[0044]
图3是近端信号示意图；
[0045]
图4是本发明方法与现有自适应滤波算法的归一化稳态失调曲线。
[0046]
图5为一种基于贝叶斯理论的声学回声消除自适应滤波方法的流程图。
具体实施方式
[0047]
下面结合附图和实施例对本发明的一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法做详细说明。
[0048]
请参阅图1，本发明实施例1提供了一种基于贝叶斯理论的声学回声消除自适应滤波器，其特征在于，包括去相关滤波器、自适应滤波器和回声通道模块、远端信号、近端信号，所述远端信号通过近端扬声器传输至回声通道模块；所述远端信号通过去相关滤波器连接自适应滤波器；近端信号通过去相关滤波器和自适应滤波器进行滤波，输出不含回声信号的信号；
[0049]
所述自适应滤波器采用贝叶斯方法更新滤波器系数：
[0050]
w
n
＝argmaxp(w
o
∣u
i
)
ꢀꢀꢀ
(1)
[0051]
其中，
[0052][0053][0054][0055][0056][0057]
经过大量分析得出自适应滤波器权向量
[0058][0059]
其中，w
n
是自适应滤波器的权向量，是回声通道w0的估算值，u
i
是输入输出信号数据集，是回声通道w
o
当前时刻与前一时刻引入的噪声方差，q
n
＝w
o,n
‑
w
o,n
‑1，μ
n
是均值向量，θ
n
是输入信号的协方差矩阵，是实际回声通道的去相关近端信号(期望信号)，包含回声信号、环境噪声信号或近端语音信号，是去相关的滤波器输入的参考信号(去相关的远端信号)，l是滤波器的阶数，是输入噪声方差，是输出端噪声v
n
的方差；argmax(.)是取函数最大值时的自变量的函数，p(y/x)是条件概率函数，∫ydx是积分函数，n(x；μ,σ2)
表示变量x服从高斯正态分布，均值为μ，方差为σ2，tr(.)表示矩阵的迹运算，表示平方欧式范数，是省略下标p的去相关后验残差信号；贝叶斯估算方法提高了参数的估算精度，从而降低稳态误差。
[0060]
在本发明实施例中，所述自适应滤波器的权向量由以下条件进行约束：
[0061][0062]
其中，是n时刻去相关的后验残差信号，δ
n
是一个正序列；权向量的约束条件提高了自适应滤波器的抗噪声干扰能力。
[0063]
在本发明实施例中，所述正数序列δ
n
为：
[0064][0065]
其中，λ是遗忘因子，0<<λ<1，是权向量在脉冲噪声环境下归一化的约束变量，在回声通道w
o
发生偏离时参数δ
n
复原为初值δ0，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。
[0066]
在本发明实施例中，联立方程(1)～(4)得到基于贝叶斯理论在约束条件下自适应滤波器的权向量：
[0067][0068]
请参阅图5，本发明实施例2还提供一种基于贝叶斯理论的声学回声消除自适应滤波方法，所述方法包括以下步骤：
[0069]
s1：在远端设备采集远端信号x
n
；
[0070]
s2：对远端信号x
n
去相关，作为自适应滤波器的参考输入信号；
[0071]
去相关输入信号为：
[0072][0073]
其中，是去相关系数；
[0074]
s3：估计回声信号；
[0075]
在本发明实施例步骤s3中，所述估算回声信号的计算公式为：
[0076][0077]
其中，为回声估算信号，为去相关输入信号，w
t
为自适应滤波器的权向量。
[0078]
s4：在近端设备采集近端信号d
n
；
[0079]
在本发明实施例步骤s4中，所述近端信号d
n
包括声学回声信号、环境噪声信号及近端语音信号。
[0080]
s5：对近端信号d
n
去相关；
[0081]
在本发明实施例中，步骤s5具体为所述近端信号d
n
经去相关滤波器后得到输出信号将去相关后的近端信号减去估算的回声信号得到不含回声信号的残差信号
[0082]
s6：消除回声信号。
[0083]
在本发明实施例中，远端设备的麦克风采集到的远端信号x
n
经过去相关滤波器进行去相关，去相关滤波器得到的输出信号作为自适应滤波器的参考输入信号，输入信号经过自适应滤波器得到估计的回声信号近端设备的麦克风采集到的近端信号d
n
包含声学回声和环境噪声或近端语音信号，近端信号d
n
经过去相关滤波器后得到输出信号将去相关后的近端信号减去估计的回声信号得到残差信号此时的残差信号中已经消除了回声信号，仅包含环境噪声或近端语音信号，整个声学回声的自适应消除过程已经完成。
[0084]
本发明具有稳态误差小，收敛速度快，声学回声消除效果好的优点，而且滤波器具有良好的噪声鲁棒性和声学回声跟踪性。本发明实施例提供了一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法主要解决自适应滤波器受声学回声影响而发散的问题。本发明的权向量根据贝叶斯学习方法在已知滤波器输入输出信号的条件下得到在滤波器权值概率下的权值状态，提高了自适应滤波器对噪声的鲁棒性；回声通道w
o
发生偏离时，控制因子δ
n
复原为初值，使自适应滤波算法能够重新以较快的速度进行收敛，降低算法的运行时间，同时提高滤波系统的稳定性。该方法稳态误差小，收敛速度快，对声学回声的消除效果好，滤波器具有良好的抗噪声干扰的能力和跟踪性能。
[0085]
仿真实验
[0086]
图2和图3为了验证本发明的有效性进行了仿真实验，图2为远端信号x
n
示意图，图3为近端信号示意图，其采样频率为44.1khz，采样点数为2
×
105。自适应滤波器长度为l＝2048。实验在背景噪声为高斯白噪声，信噪比为40db的条件下进行，并在近端麦克风接收到的近端信号中加入采集得到的冲击干扰。
[0087]
从图4中各自适应滤波算法的归一化稳态失调曲线可以看出，本发明方法的收敛速度更快，稳态误差更小，当系统发生突变时，本发明方法能以较快的速度重新达到收敛状态，随着输入信号自回归阶数越大，自适应算法的稳态误差越小，说明该方法抗脉冲噪声的鲁棒性能更好，而且对声学回声的跟踪能力也较强。
[0088]
最后应说明的是,以上实施例仅用于说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。