[发明专利]一种有限冲激响应滤波器系数矢量的更新方法及装置

说明书

本发明提供了一种有限冲激响应滤波器系数矢量的更新方法及装置，涉及语音信号处理技术领域，该更新方法，包括：获取FIR滤波器系数矢量更新的步长对角矩阵；根据所述步长对角矩阵，获取更新后的FIR滤波器系数矢量。上述方案，通过对步长对角矩阵进行更新，依据更新后的步长对角矩阵，进行FIR滤波器系数矢量的更新，加快了FIR滤波器系数的收敛速度，提高了采用FIR自适应滤波器技术进行的诸如回声消除与抑制、噪声与干扰消除与抑制和系统辨识等子系统或模块的整体质量。

技术领域

本发明涉及语音信号处理技术领域，特别涉及一种有限冲激响应滤波器系数矢量的更新方法及装置。

背景技术

声学回声抵消器(Acoustic Echo Cancellation，AEC)通常用来抵消由扬声器耦合到拾音麦克风所致的声学回声信号，以便系统可进行语音全双工(Full duplex)通信，从而给用户提供更好的通话体验。现有的AEC通常采用归一化最小均方误差(NormalizedLMS，NLMS)算法来自适应地更新其有限冲激响应(Finite Impulse Response，FIR)滤波器的系数，但该算法对非平稳的语音信号而言，其收敛速度较慢。

注意到房间的室内冲击响应通常具有这样的特性：冲激响应样本沿着时间轴呈现指数衰减，并且这些冲击响应样本间的变化量也呈现相同的指数衰减率。这一特性使得FIR滤波器每个系数的期望误差将随系数序号的增大而以相同的指数衰减率逐步地变小。将这一统计特性集成到NLMS算法中，提出了一种称之为指数加权步长因子(exponentiallyweighted step-size，ES)的NLMS算法(以下简称为ES-NLMS算法)，尽管现有ES-NLMS算法可在一定程度上模拟了房间冲击响应而加快了算法的收敛速度，但该算法中步长对角矩阵的参数α和γ都是根据经验值进行预先设定的，而在通话过程中，室内冲击响应是随其周围环境在不断变化的，这便使得根据经验值而进行预先设定的步长对角矩阵不能及时地跟踪室内冲击响应的时变特性，从而会使算法性能降低、收敛速度变慢。

发明内容

本发明实施例提供一种有限冲激响应滤波器系数矢量的更新方法及装置，以解决在通话过程中，室内冲击响应是随其周围环境在不断变化，造成ES-NLMS算法中根据经验值而进行预先设定的步长对角矩阵不能及时地跟踪室内冲击响应的时变特性，从而会使算法性能降低、收敛速度变慢的问题。

为了解决上述技术问题，本发明实施例提供一种有限冲激响应FIR滤波器系数矢量的更新方法，包括：

获取FIR滤波器系数矢量更新的步长对角矩阵；

根据所述步长对角矩阵，获取更新后的FIR滤波器系数矢量。

进一步地，所述获取FIR滤波器系数矢量更新的步长对角矩阵的步骤，包括：

根据预学习结束时刻和预设更新周期，对用于FIR滤波器系数矢量更新的步长对角矩阵进行更新，获取更新后的步长对角矩阵。

进一步地，所述根据预学习结束时刻和预设更新周期，对用于FIR滤波器系数矢量更新的步长对角矩阵进行更新，获取更新后的步长对角矩阵的步骤，包括：

获取步长对角矩阵更新时刻的FIR滤波器系数矢量；

根据步长对角矩阵更新时刻的FIR滤波器系数矢量，获取指数加权步长因子归一化最小均方ES-NLMS算法的步长对角矩阵的衰减因子的估计值；

根据所述衰减因子的估计值，获取步长对角矩阵更新时刻的ES-NLMS算法的更新后的步长对角矩阵。

进一步地，在所述更新时刻为预学习结束时刻时，所述获取步长对角矩阵更新时刻的FIR滤波器系数矢量的步骤，包括：

根据公式：获取预学习结束时刻的FIR滤波器系数矢量；