[发明专利]一种基于克罗内克分解的RLS声反馈抑制算法

说明书

本发明属于数字信号处理技术领域，具体为一种基于克罗内克分解的RLS声反馈抑制算法，包括步骤1：初始化设置与信号采集：为估计的房间冲激响应，初始时是长度为L的全零向量，采集并缓存麦克风接收信号；步骤2：RLS‑NKP滤波器系数更新；步骤3：声反馈抑制；步骤4：频移法FS去相关；步骤5：信号扩放与输出；步骤6：查询缓冲区，如果缓冲区存在数据，重复步骤二到五；如果缓冲区无数据，结束任务，其结构合理，在弱混响下拥有良好的声反馈抑制效果；与传统RLS算法相比，可有效降低计算复杂度。

技术领域

本发明涉及数字信号处理技术领域，具体为一种基于克罗内克分解的RLS声反馈抑制算法。

背景技术

扩音系统通常是指对声信号进行实时放大的声学系统，在会议室、多媒体教室、音乐厅等场景中有着广泛应用。在扩音系统中，由于麦克风与扬声器之间的声耦合是不可避免的(严重时会引发啸叫)，因此如何在保证系统稳定工作的情况下有效控制声反馈是扩音系统中的一个核心问题。

目前已经发展得较为完善的声反馈抑制算法主要包含相位调制法、降低增益法和自适应声反馈抑制法等，其中相位调制法中的经典算法移频法和降低增益法中的经典算法陷波法目前在实际系统中有着广泛应用。这两类算法均能实现反馈抑制并且性能稳定，但是这两类算法对声反馈抑制的能力始终有限，并且容易损伤音质。

自适应声反馈抑制算法通过估计声反馈路径来估计反馈信号，然后从麦克风接收信号中减去估计的反馈信号，可有效实现反馈抑制。在理想条件下声反馈抑制能力较强，具有广泛研究前景。在扩音系统中，由于输入信号与反馈信号相关，直接采用自适应算法来辨识声反馈路径只能得到一个有偏估计，因此需要对信号进行去相关处理，将信号去相关与自适应算法相结合来实现声反馈抑制。目前常用的去相关方法主要包含时变处理法、非线性处理法和预测误差法等。

在传统自适应算法中，基于梯度下降的声反馈抑制算法性能稳定，但收敛速度慢，递归最小二乘算法(Recursive Least Squares，RLS)反馈抑制能力强，收敛速度快，是一种理想算法，但该算法的计算复杂度较高，难以应用于实际系统中。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于现有技术中存在的问题，提出了本发明。

因此，本发明的目的是提供一种结合频移法与克罗内克分解的RLS声反馈抑制算法(以下简称为FS-RLS-NKP算法)，在弱混响下拥有良好的声反馈抑制效果；与传统RLS算法相比，可有效降低计算复杂度。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于克罗内克分解的RLS声反馈抑制算法，其特征在于：

利用对克罗内积将需要估计的滤波器近似分解为子滤波器和利用双线性变换求解子滤波器系数；对麦克风接收信号进行滤波得到估计的反馈信号，将麦克风接收信号减去估计的反馈信号得到误差信号；最后将误差信号利用频移法进行频移实现信号去相关，完成声反馈抑制。

作为本发明所述的一种基于克罗内克分解的RLS声反馈抑制算法的一种优选方案，其中：该方法包括如下步骤：

步骤1：初始化设置与信号采集

估计的滤波器初始时为长度为L的全零向量，采集并缓存麦克风接收信号z(n)；

步骤2：RLS-NKP滤波器系数更新

利用对克罗内积将需要估计的滤波器近似分解为子滤波器和利用双线性变换求解子滤波器系数

其中