[发明专利]自适应滤波算法在助听器中的运用

说明书

声反馈消除系统是基于自适应系统辨识的理论基础，本章主要研究自适应滤波算法用于系统辨识的原理；自适应滤波算法是现代信号处理的重要内容，它可以在系统和信号统计特性的先验知识未知的条件下，通过自学来获得，并跟踪环境的随机变化，自适应地调整滤波器参数并最终逼近理论上的最优滤波——维纳滤波，在诸多领域有着广泛的应用；自适应滤波器的结构有脉冲响应滤波器(FIR)，无限脉冲响应滤波器(IIR)，格型结构和非线性滤波器等，而FIR滤波器实现简单，容易设计成线性相位，是应用最广泛的结构。

技术领域

本发明的自适应滤波器采用某种代价函数和准则，自适应调整滤波器系数以使代价函数满足准则的要求，最终逼近最佳估计的滤波器；自适应滤波器不需要任何关于信号和噪声的先验知识，在迭代过程中逐渐获得信号的统计特性，通过自学达到最优滤波，一定条件下，与维纳滤波等价，并且能够感知信号统计特性的变化，重新调整系数，使得在变化后的系统中仍是最优的。

背景技术

相比模拟助听器来讲，数字助听器听力补偿效果好，内部噪声小，语音失真小，能明显提高言语辨别能力；数字助听器的这些优点主要仰仗DSP处理器，DSP处理器的强大的处理能力才使得优秀的算法得以实现；但是仅仅有数字硬件平台还是远远不够的，软件实现的算法才是数字助听器的灵魂，算法的目的是要使听觉舒适，得到最高的言语理解率；数字助听器向微型化、智能化发展，因此算法不仅需要实现基本功能，提高算法的性能，又要尽量满足算法的实时实现，做到运算量小，耗能量少，所需存储空间少，在性能和实时实现中求得平衡。

发明内容

本发明的解决方案直接由误差决定，对噪声非常敏感，在高信噪比时，误差信号能很好的反应收敛程度并跟踪系统变化，因而有较快的收敛速度和很好的跟踪能力，但是低信噪比时，误差不能很好跟踪系统变化，将会严重影响算法的性能；在声反馈消除系统中，干扰噪声不是高斯信号，而是环境噪声和目标语音之和，语音信号幅度变化较大，这类算法若应用在数字助听器声反馈消除中，容易受到干扰的影响，使得误差不能准确的反映收敛程度，步长受目标语音信号的影响较大，性能大打折扣；需要较大的步长加快收敛速度，随着迭代次数增加，然后逐步减小步长，确保自适应过程临近稳态时步长较小，滤波器权值才能在最优值附近有较小的失调量。

具体实施方式

本发明实施如下，利用脉冲响应的结构的稀疏特点获得比NLMS算法更快的收敛速度，但是其收敛速度和稳态误差的矛盾关系仍然存在；稳态失调量和步长控制矩阵G(n)无关，而由全局步长参数μ调节；解决这个问题一个有效方法就是变步长；变步长的主要思想是找到某种能够反映滤波器系统变化的物量，然后建立这个物理量与步长的某种关系，使得自适应算法的步长随该物理量呈规律变化；自适应过程开始时，滤波器的权值远离维纳解，需要较大的步长加快收敛速度，随着迭代次数增加，然后逐步减小步长，确保自适应过程临近稳态时步长较小，滤波器权值才能在最优值附近有较小的失调量。