[发明专利]一种凸约束自适应回声消除方法

说明书

本发明公开了一种凸约束自适应回声消除方法，其主要步骤如下：A、远端信号采样；B、回声信号估计；C、回声信号消除；D、误差信号阈值的确定：由误差信号平方时间窗向量E(n)取中位数，得到方差纠正量α(n)，进而得到M估计器的期望方差σ²(n)；再得到M估计器阈值ξ(n)；E、误差信号标识值的计算；F、权向量更新：计算出增益向量k(n)，进而更新递归矩阵P(n)及惩罚向量Γ(n)，最终对滤波器权向量进行更新；G、重复。该发明具有较好的抗冲击能力及较低的稳态失调。

技术领域

本发明涉及一种凸约束自适应回声消除方法。

背景技术

近年来，通信系统(比如免提电话、电视电话会议系统等)的广泛应用使得通信用户对通话质量的要求越来越高。语音通话质量主要受到回声的影响，是用户在通信过程中反复听到自己声音的现象，具有延时短、多路径及时变特性。目前，回声消除仍然是一个热门的研究课题。自适应回声消除方法造价低，是被公认的最具有前景的回声消除技术，也是现在回声消除的主流技术。

所谓自适应回声消除技术，是利用自适应滤波器的一种回声消除方法。对于一些未知的环境来说，自适应滤波器能够在工作过程中逐步学习出所需的统计特性，并以此为依据自动调整滤波器系数，以达到最佳滤波的效果；一旦输入信号的统计特性发生变化，它又可以跟踪这种变化，自动调整滤波器参数，使滤波性能重新达到最佳。通信中的回声信道通常属于高阶稀疏信道，传统自适应滤波器在这种信道下的回声消除收敛速度慢，稳态误差大。针对系统稀疏的特性，文献1(Eksioglu,E.M.Tanc,A.K.(2011).RLS algorithmwith convex regularization.IEEE Signal Processing Letters,18(8),470-473)，提出了一种凸约束递归最小二乘算法，简称为CRRLS算法。该算法在RLS算法的代价函数后添加滤波器权值参数的凸约束项，在权值参数更新方程中产生了一个零吸引子，进而使权值参数在更新过程中趋于0，一定程度上减小了稳态失调。然而，当系统的背景噪声被冲击噪声所干扰时，CRRLS算法会面临不收敛的问题。

发明内容

本发明的目的是提供一种凸约束自适应回声消除方法，该方法具有抗冲击能力，更低的稳态失调，回声消除效果更好。

本发明实现其发明目的所采用的技术方案是，一种凸约束自适应回声消除方法，其步骤如下：

A、远端信号采样

将当前时刻n和前L-1个时刻的远端采样信号x(n),x(n-1),…,x(n-L+1)，组成当前时刻n的输入信号向量X(n)，X(n)＝[x(n),x(n-1),…,x(n-L+1)]^T；其中，上标T表示转置，L为自适应滤波器的抽头长度，取值为32、64或128；

B、回声信号估计

将当前时刻n的输入信号向量X(n)通过滤波器得到当前时刻n的回声信号的估计值y(n)，即y(n)＝W^T(n)X(n)，其中，W(n)＝[w₁(n),w₂(n),...,w_i(n),...w_L(n)]^T为当前时刻n的滤波器抽头权系数向量，其初始值为零，即W(0)＝0，w_i(n)为当前时刻n的滤波器的第i个抽头权系数，i＝1,2,3,...,L；

C、回声信号消除

将当前时刻n的近端采样信号d(n)，减去步骤B获得的当前时刻n的回声信号的估计值y(n)，得到当前时刻n的误差信号e(n)，e(n)＝d(n)-y(n)；

D、误差信号阈值的确定

D1、方差纠正量的计算