[发明专利]一种回声消除方法及使用该方法的回声消除装置

说明书

本发明提供一种回声消除方法及使用该方法的回声消除装置。采用本发明中的回声消除方法，采用卷积神经网络+自适应滤波器的方法，既能够加快回声路径的收敛速度，同时能保证更高的收敛精度。在开始阶段，卷积神经网络训练模型为自适应滤波器提供一组初始的滤波器系数，可以加快自适应滤波器在估计回声路径时的收敛速度。另一方面，当外界环境发生变化时，导致回声路径从收敛到二次发散，如果只依靠滤波器再次达到收敛状态，则耗时较长。在本发明中，如果回声路径二次发散，则调用卷积神经网络模型为自适应滤波器提供一组新的滤波器系数，可以加速二次收敛的速度，保证回声消除的连续性，避免某个时刻滤波器无法收敛，出现回声无法消除的情况。

技术领域

本发明涉及声音处理领域，尤其涉及一种回声消除方法及使用该方法的回声消除装置。

背景技术

随着现代信息技术产业的迅猛发展，诸如电视会议系统、免提电话、移动通信和助听器等各种各样的语音通信设备不断出现，使得人们的交流沟通更加地便捷和舒适。但是在语音通信设备中，回声的存在严重降低了语音通信的质量，声学回声消除是极大的挑战。

回声现象是指系统的音频输入设备在进行音频录入时，录入的音频信号源可能有两个：一个是原本需要录入的音频信号，一个是本地音频输出设备输出的音频信号，在这种情况下，两个音频信号源的存在使得输出设备播放的音频存在回声。为了避免回声现象，需要将音频输出设备输出的音频信号在音频输入设备端消除，使音频输入设备录入的音频信号源只有原本需要录入的音频信号。例如，在用户A与用户B使用即时通信工具进行语音聊天时，用户A通过本地的音频输入设备录入的语音数据到达用户B所在终端的音频输出设备，此时，若不进行回音消除，该语音数据会被用户B所在终端的音频输入设备录入，那么此时用户A从本地的音频输出设备听到的不仅是用户B的说话内容，还听到刚才自己所说的话。同样，在用户A这一侧若不进行回音消除，用户B也会听到自己之前所说的话。所以，为了使用户A和用户B都只听到对方的语音内容而听不到自己之前所说的话，需要在用户A和用户B这两侧都实现回声消除。

声学回声信号具有以下几个特点：（1）由于回声信道受温度、压力、湿度和物体或物体的运动等因素的影响，呈现非线性、不稳定以及时变等特性；（2）回声路径具有多重路径特性，即回声不仅包括语音经扩音器播放后直接被麦克风拾取的直接回声，还包括语音经麦克风播放后经过一重或者多重反射后的间接回声；（3）声学回声具有延时长、增益高、容易产生啸叫等现象。基于声学回声信号的以上特点，研究高性能的声学回声消除算法仍是语音信号处理领域的一大难点。随着人们对语音通信质量的要求越来越高，研究收敛速度快、收敛精度高和计算复杂度低的回声消除算法是语音信号处理领域研究的一大热点。

在进行回声消除时，通常采用自适应滤波器以系统辨识的方式来跟踪和估计未知回声信道，这是最广泛使用的回声消除方法。自适应滤波器是以输入和输出信号的统计特性的估计为依据，采取特定的算法自动地调整滤波器系数，使其达到最佳滤波特性的一种算法或装置。自适应滤波器对输入信号序列的每一个样值，按照特定的算法，更新、调整加权系数，使得输出信号序列与期望输出信号序列相比较的均方误差最小。当采用自适应滤波器进行回声消除时，需要满足以下两点：（1）自适应滤波器在收敛阶段，期望输出信号完全是回声，而不能混有近端的语音信号，因为近端的语音信号与远端的语音信号是不相关的。因此，为了达到该目的，需要较快的收敛速度，在近端还没有语音输入时，自适应滤波器已经收敛完成；（2）回声的路径可能是发生变化的，一旦出现变化，自适应滤波器需要及时判断处理，此时自适应滤波器需要一个新的收敛过程，以满足新的回声路径的需求。为了达到上述两点要求，一方面需要自适应滤波器收敛后系数保持稳定，以保证不受近端语音输入信号的干扰；另一方面需要自适应滤波器随时保持更新状态，以保证能够追踪变化的回声路径。因此，采用传统的自适应滤波器算法需要根据系统具体性能要求，在收敛速度和稳态失调之间做出权衡。

因此，亟需一种回声消除方法，其能解决传统自适应滤波器收敛速度和稳态失调之间的问题，能达到收敛速度快、稳态误差低并且计算复杂度低的要求。

发明内容