1.一种基于非线性滤波的声学回声消除方法,其特征在于,步骤如下:步骤1:信号采集和自适应Hammerstein滤波器模型构建;
步骤2:计算目标函数的解;
步骤3:设置自适应Hammerstein滤波器参数初始值;
步骤4:更新参数;
步骤5:回声信号消除;
步骤6:迭代直至通话结束。
2.根据权利要求1所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
1具体如下:
远端信号通过采样得到当前采样时刻n的远端信号采样值 远端信号在扬声器上广播,通过扬声器‑麦克风系统LEMS产生麦克风信号d(n),麦克风信号d(n)由回声信号y(n)和其他近端信号v(n)组成,其中v(n)表示对讲情况下的近端语音,使用Hammerstein模型来对LEMS进行建模,远端采样信号x(n)作为自适应Hammerstein滤波器的输入,通过滤波器得到当前时刻n的回声信号估计值;
自适应Hammerstein滤波器模型由无记忆多项式和有限冲击响应两个子系统组成,无记忆多项式子系统输入 和输出s(n)关系为:式中 为采样时刻
n的远端信号采样值 组成的列向量,且均为维数为La的列向量,上标T表示转置;
有限冲击响应子系统的输入s(n)与输出y(n)的关系为:式中: X(n‑1)=[x(n‑1),…,x(n‑Lb)],h(n)=vec([x(n),X(n‑1)]), 其中 为一个维数为Lb的列向量,X(n‑1)为一个维数为La×Lb的矩阵,vec(A)表示将一个m×n的矩阵A的各列按序进行拉直运算,组成一个m×n维列向量。
3.根据权利要求2所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
2具体如下:
2‑1.求解自适应Hammerstein滤波器模型的参数,将其表示为一个非凸优化问题,定义目标函数 式中γ(0<γ≤1)为遗忘因子;为了保证模型的参数在非凸可行域 上,求解时将解投影至可行域S,即求解目标函数: 使用ADMM算法求解此问题的解,定义以下增广拉格朗日函数:
式中惩罚项ρ>0,令 且当 时 否则 为避免迭代次数过多导致计算复杂度过高,每个时刻只进行一次ADMM算法迭代过程,即自适应和投影过程:其中PS(θ(n)+η(n‑1))表示向量(θ(n)+η(n‑1))在非凸可行域S上的欧几里得投影;
2‑2.由ADMM算法求解目标函数的解,将目标函数转换为以下形式:求得:
‑1
θ(n)=R (n)p(n),式中R(n)=H(n)+ρI,上标‑1表示矩阵的逆矩阵,I是和矩阵H(n)同维的单位矩阵,H(n)为输入信号的自相关函数矩阵,s(n)为输入信号的互
相关函数矢量,
定义以下两个矩阵 和 即:上式ej(j=1,2,…)是第j个元素为1其余元素为0的单位列向量,ξ=ρ(1‑γ),χj(n)(j=1,2,…,L)表示列向量χ(n)的第j个元素, L=La+Lb;
由上式能够推得 进一步能够推得通过矩阵求逆引理,可以得到:式中增益向量 更新项 由上述式子能够推导得:
通过上式得到目标函数的求解过程如下: 通过上式首先求得然后依次求得 最后 由此求得目标函数的解θ(n);
2‑3.依据欧几里得距离最小化准则找到向量θ(n)+η(n‑1)在非凸集S上的欧几里得投影,使得可行域S上的向量 与向量θ(n)+η(n‑1)之间的欧几里得(Euclidean)距离最小,即求解以下表达式:
式中:ω(n)=θ(n)+η(n‑1),求解上式得到,在解 时欧几里得距离最小,其中Θ(n)=[ω1(n),Θ2(n)],T
Q(n)=Θ(n)Θ(n)此结果中,除非Q(n)最大特征值为1,否则此解在多次迭代后可能导致结果不稳定,引入 替换Q(n),其中λmax为矩阵Q(n)的最大特征值,计算得投影后滤波器参数最小化值的封闭解为:
式中 表示克罗内克积,向量u(n)为矩阵Q(n)的最大特征值对应的特征向量。
4.根据权利要求3所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
3具体如下:设置Hammerstein滤波器参数估计过程所需初始值
5.根据权利要求4所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
4具体如下:
利用步骤2提出的方法依次更新向量得到更新的目标函数的解θ(n)。
6.根据权利要求5所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
5具体如下:
利用步骤4中更新的滤波器参数θ(n),得到当前时刻n的估计回声信号然后将当前时刻的麦克风信号d(n)减去此时刻的估计回声信号得到信号
7.根据权利要求6所述的一种基于非线性滤波的声学回声消除方法,其特征在于,步骤
6具体如下:令n=n+1,重复步骤4~6,直至通话结束。