[发明专利]一种重用权系数指数型误差自适应回声消除方法

说明书

本发明公开了一种重用权系数指数型误差自适应回声消除方法，其步骤主要是：A、远端信号采样，B、回声信号估计，C、回声信号消除，D、滤波器抽头权系数更新：先算出当前时刻n第l个抽头权系数的p范数F_l(n)，F_l(n)＝(1+β)exp(‑β|w_l(n)|)sgn[w_l(n)]；进而得到当前时刻n的抽头权系数向量的p范数F(n)，F(n)＝[F₁(n),F₂(n),...F_l(n)...,F_L(n)]^T；再算出当前时刻n的第l个重用权系数S_l(n)，S_l(n)＝sgn[w_l(n)]/(1+ε|w_l(n)|)；最后，得出下一时刻n+1的自适应滤波器抽头权系数向量W(n+1)，E、重复。该方法能够获得更快的收敛性，回声消除效果更好，且抗冲激能力强。

技术领域

本发明涉及一种重用权系数指数型误差自适应回声消除方法。

背景技术

自适应信号处理作为信息技术的重要分支，在通信领域得到广泛的应用。而在通讯领域中，回声消除是一个颇具关注度和挑战性的热点。声音在封闭空间中经过多次反射会形成回声，由于传输介质中阻抗不匹配也会在信号传输中形成回声。通信回声可以通过系统辨识模型来消除：所辨识系统为回声信道，系统辨识的输出为回声信号的估计，通过含回声信号的语音信号与回声信号的估计相减便可实现回声的消除，这就是自适应回声消除器的原理。

回声信道均具有稀疏的特性，即信道(系统)的大部分系数接近于零或等于零，仅有少数系数具有较大的幅值。现有回声消除的自适应滤波方法，主要有：NLMS(归一化最小均方)算法，它不考虑目标冲激响应的结构，为所有的滤波器抽头权系数分配相同的步长参数，对于小系数其使用的步长可能偏大，能够在较少的迭代后收敛，但其辨识出的小系数精度低；对于大系数其使用的步长可能偏小，需要更多的迭代次数才能收敛，使该算法的收敛时间及辨识精度均有待提高；同时传统的NLMS(归一化最小均方)算法在有冲击噪声的情况下辨识精度会受到冲激噪声的干扰而变差。在针对稀疏系统时，Y.,Chen,Y.,Hu,andA.O.Hero首先在‘Sparse LMS for system identification’,Proc.IEEE ICASSP,2009,pp.3125–3128(文献1).中提出在最小均方算法(LMS)中引入1范数形成零吸引因子(ZA)的LMS算法和重用权系数(RZA)的LMS算法，虽然零吸引因子一定程度上加快了向零或较小的非零权系数的收敛速度；而重用权系数方法略微提高了最小均方算法的稳定性，但算法的稳态误差还有待于提高，随后C.,Boukis,D.,P.,Mandic.,and A.,G.,Constantinides又在‘A class of stochastic gradient algorithms with exponentiated error costfunctions’,Digit.Signal Process.2009,19,(2),pp.201–212(文献2).中提出了LE2算法中使用指数型误差来提高算法的速度，同时具有抵抗冲激噪声的能力，但是在稀疏系统的环境下该算法的作用就会降低，所以在针对稀疏系统时其辨识精度还有待于提高。

发明内容

本发明的目的是提供一种重用权系数指数型误差自适应回声消除方法，该方法能够获得更快的收敛性，回声消除效果更好，且抗冲激能力强。

本发明实现其发明目的所采用的技术方案是，一种重用权系数指数型误差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到前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，上标T表示转置，L为自适应滤波器的抽头长度，其取值为16、32、128；