（电路与系统专业论文）基于DSP的移动通信系统语音信号改善技术[电路与系统专业优秀论文].pdf

ab s t r a c t t h i s p a p e r i s m a i n l y c o n c e r n a b o u t t h e t e c h n i q u e o f a c o u s t i c e c h o a n d n o is e c a n c e l l a t i o n i n c o m mu n i c a t i o n s y s t e m. f i r s t l y , t h e t h e o r y o f a c o u s t i c e c h o c a n c e l l a t i o n i s i n t r o d u c e d , a n d ma i n l y d i s c u s s e d m e t h o d s o f d t d a n d a d a p t i v e a c o u s t i c c a n c e l l a t i o n . s e c o n d l y , t h e t h e o r y o f e n h a n c e s p e e c h i s i n t r o d u c e d , i n t h i s t h e s i s e c h o ， t h e e m p h a s i s i s p u t o n t h e m e t h o d o f s p e c t r a l s u b t r a c t i o n a n d a d a p t i v e c o m b f i l t e r . s o m e m e t h o d s f o r a c o u s t i c e c h o a n d n o i s e c a n c e l l e r a r e s i m u l a t e d . s o m e i m p l e m e n t a t i o n i s s u e s a r e d i s c u s s e d a n d t h e c o r r e s p o n d i n g s o l u t i o n i s p r o p o s e d . a t l a s t , c o m b i n e d t h e r e a l i z a t i o n o f a c o u s t i c e c h o a n d n o i s e c a n c e l l a t i o n s y s t e m, w e m e t h o d o f a c o u s t i c e c h o a n d n o i s e c a n c e l l e r b y a d s p - b f 5 3 3 i n t r o d u c e a p r o c e s s i n g i t i s s i m p l e i n s t r u c t u r e , s m a l l i n s i z e a n d c a n b e e a s i l y h a n d le d . i t a l s o c a n e n h a n c e s y s t e m s t a b i l i t y . a n d i t i s s u c c e s s f u l l y p e r f o r ma n c e a d o p t e d i n c e r t a i n s p e e c h c o m m u n i c a t i o n s y s t e m . i t h a s h i g h r a t i o o f o v e r p r i c e . k e y w o r d : a c o u s t i c e c h o c a n c e l l a t i o n s p e e c h e n h a n c e m e n t a d a p t i v e fi l t e r d s p s 丫5 8 3 7 6 1 创新性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人己经发表或撰写过的研究成果;也不包含为获得西女电子科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同 一 作的同志对木研究所做 的任何贡献均已在论文中作了明确说明并表示了谢意。 木人签名: 乡 价 水日期:a w , o , . o 5 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即:研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人报证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文;学校可以公布论文的个 部或部分内容;可以允许采用影印、缩印或其它复制手段保存论文。( 保密的论文 在解密后遵此规定) 本人签名 导师签名 日期: 口期: o z - o o v o f . 0 5 。 中 了 少 第一章 绪论 第一章 绪论 圣 1 . 1 研究背景与意义 在数据业务广泛应用的今天，尽管在信源处理、信息传输等方面采用了 大量的 数字方式， 由于习惯. 人们的交流仍然是以 话音为主， 在许多其它的多媒体通信中， 最终送到人们耳边的仍是话音，因此通信中的话音业务占有重要地位，具有不可替 代的地位。 从通信角度来考虑，语音信号恶化的主要原因有:回声干扰、噪声以 及信道失 真等因素。 回声千扰是话音通信中的固有干扰，在通信信号的传输延时或者由于传输所需 的处理时延大于3 0 m s 时， 回声便会对人们的听觉产生干扰。 在蜂窝数字移动通信以 及其它的多媒体通信中，比如h . 3 2 4 可视电话系统及h . 3 2 3 视频会议系统，都存在 回声干扰的问题。根据目前人们对于话音通信质量的要求，影响话音质量的原因的 回声主要分为两类i 4 :一类是电学回声，另一 类是声学回声。电 学回声主要是由 于 通信网络中线路特性的不理想和器件制造的工艺差异等因素造成的，因此电学回声 通常也称为混合回声 ( h y b r i d e c h o )或者网络回声 ( n e t w o r k e c h o ? 。声学回声是 由于使用电话会议、 手机、 无绳电话或者免提方式通话的话机时， 送话器 ( 扬声器) 发出的声波经过空间反射后到达受话器 ( 传声器)形成的。显然，两者的传输路径 是不相同的。并且由于它们的传播速度不同，电学回声是以3 x1 0 8 耐s 的速度在线 路中传播，而声学回声在空间以声波传播，不管是直达声还是反射声都是以音速传 播到受话器，然后再被受话器转化成为电信号。因此造成的时延也就不同。两者在 消除的时候算法考虑也不尽相同。 噪声是恶化语音信号的另外一个主要原因。人们在语音通信中不可避免地会受 到来自 周围环境、传输媒介引入的噪声、乃至其它讲话者的干扰。这些干扰最终将 使接受到的语音己非纯净的原始语音信号，而是受噪声污染的带噪语音信号。由于 实际环境的不同，语音信号中的噪声可以说是变化无穷。噪声可以是加性的，也可 以是非加性的。 对于非加性噪声， 有些可以通过变换变为加性的， 例如乘性噪声( 或 者卷积噪声) 通过同态变换，而成为加性噪声。不同的噪声具有不同产生机理， 在 同一个系统中噪声的来源也是复杂多变的。 市场的需求和技术的发展是相互促进的， 话音通信也不例外。随着新技术、 新 方向、 新器件的出 现， 话音的通信水平有了 很大的提高， 但是人们同时对话音通信 基于d s p的移动通信系统语音信号改善技术 质量提出了更高的要求， 这使得目前的通信系统， 无论是蜂窝移动通信系统， 还是 多媒体通信网络不仅仅要具有消除话音的电学回声功能， 还需要消除话音的声学回 声，抑制近端背景噪声等功能，以致于有的设备供应商称其为话音增强系统侧。 随着数字信号处理技术、采样技术及语音数字信号处理的理论的完善，高速数 字信号处理器件 ( d s p ) 的发展， 特别是通用d s p 芯片的出现及其性能价格比的迅速 提高为各种实用化语音信号处理系统的实现铺平了 道路。美国t i 公司在8 0 年代中 期研制出的第一代d s p 芯片t m s 3 2 0 1 0 和t m s 3 2 0 2 0 完成一次乘/ 累加运算( 1 6 位、 定点) 需要2 0 0 n s ， 第二代d s p 芯片t m s 3 2 0 c 2 5 完成一次乘/ 累加( 1 6 位、 定点) 运算 需要1 0 0 n s ，第三代d s p 芯片t m s 3 2 0 c 3 o 完成一次乘/ 累 加( 3 2 位、 浮点) 运算只需 要5 0 n s ， 片内r o m 和r a m 和片外可扩充的r a m 容量都大大增加。此外，美国a t 不讲话时将发送器切断，接收器打开。由此 切断回声的通路。这实际上是一种半双工的工作模式。显然，这种工作模式并不 能满足实时双向讲话的要求。后来的处理回声技术的方法采用的大都是全双工下 的 “ 回声抑制”技术。 按照回声产生机理的不同， 回声可以 分电 路回声和声学回声两种， 早期的回声 消除主要集中在对于电路回声的消除上。 最早的研究可以追溯到1 9 6 5 年， 贝尔电 话实验室的k e l 卜， 首先提出了使用自 适应滤波器消除回声。 随后, 1 9 6 6 年和1 9 6 7 年s o n d h i 发表了自 适应回声消除的 有关文章川。 此后， 人们开始对回声消除系统 做深入和广泛的研究。 关于电路回声的消除有两篇标志性的文章，一篇是s o n d h i 在1 9 8 0 年发表的， 在该篇文章川中对于电路回声产生的机理做了 深入的分析，并且给出了回声消除 算法收敛的分析方法。另外一篇是加州大学 b e r k e l y分校的 d a v i d g , m e s s e e s c h m i t t 于 1 9 8 4 年发表的。该篇文章i s ， 对于回声消除的 方案进行了讨 论，并对于算法的稳定性做了深一步的研究。 在8 0 年代以后， 随着蜂窝移动系统和多 媒体的发展，关于回声消除的讨论大 多都开始集中在声学回声的上面来了。由 于声学回声声道的时变性，语音信号的 非平稳性， 背景噪声的影响等等增加了声学回声消除系统设计的复杂性，利用传 统的回声消除算法和技术无法达到理想的效果。 国外有许多公司、大学和研究机构对于声学回声消除系统 ( a e c - - a c o u s t i c e c h o c a n c e l l e r )作了 研究， 并取得了 很多的研究成果，其 a e c的 算法研究和产 品开发都优于我国，其具有代表性的公司和研究机构有; ( 1 t i公司一直引领着 d s p技术方面的发展，该公司在较早的时候基于芯片 t m s 3 2 0 c 2 0 实现了n l n i s 算法的a e c ， 采用的是f i r 结构。主要的目 的是用于消除 双工传输的电话线路回声 ( l i n e e c h o ) , 1 9 9 6 年， t i 公司又在其t m s 3 2 0 c 8 0 d s p 芯片上对于回声消除算法进行了改善，主要的改善是在原来的算法上加了双向谈 基于d s p 的移动通信系统语音信号改善技术 话检测。自 适应滤波器的算法仍然是n l m s 的f i r 结构。 ( 2 ) c o h e r e n t 公司 ( 美国t e l l a b s 公司的o e m 分部) 其主要是基于移动交换中 心和基站回声消除的研究和产品开发。积极参与了 工 t u - t在回声消除方面相关标 准的制定。它的产品己经在g s m 和c d m a 蜂窝通信网络的交换和基站中得以使用。 ( 3 ) p l o y c o m 公司的研究和开发主要是针对于电 话会议， 基于对方向 具有高灵 敏度的话筒的基础上开展的。 在国内， 早期对于回声消除的研究由于技术因素的限制，主要集中在研究机构 和大学，主要的应用是一些专用的通信体系，比如卫星通信，其中南京军事通信 学院和电子5 4 所先后都有研究， 这些研究都是基于当时的d s p 水平上开发出来的， 限于当时器件水平的限制，实际实现的指标和效果不是令人满意。随着最近几年 d s p 技术突飞猛进的发展， 以及可编程器件购买的地相对容易， 国内的一些通信设 备供应商也开始开发自己的相关产品，当前华为、大唐等公司也有致力于此的开 发，满足自己设备的需求。 在学术研究方面，随着数字信号处理理论的不断发展，音频理论的不断完善， 对于回声消除算法的研究一直比较活跃，国外的大学和机构主要是利用已有的信 号分析方法，以时间和频率作为参考、主要的研究集中在自适应算法和滤波器结 构两个方面，关于自 适应算法的研究主要致力于算法的跟踪特性、收敛的速度和 精度，算法的稳健性等方面，滤波器结构的研究是在对于自 适应算法稳定性的考 虑 匕 展开的，目的是尽量减少滤波器的阶数， 从而减少运算的复杂度和收敛时间， 但又能保持稳定性。这两个方面是紧密相连的，当前的热点研究主要集中在子带 自 适应滤波器的 研究上，包括滤波器组1 6 1 1 7 】 和小波的子带 8 1 1 9 1 方法上， 致力 于减少算法的延时，克服子带间混迭现象。也有基于非线性结构的自 适应滤波器 1 10 1 1 1 1 1 地研究。 国内在这方面的 研究比 较少， 从公开的资料来看， 东南大学讨论 过“ 双向讲话检测” ， 华中理工大学对于电话会议的回声消除算法及其实现作了研 究。国内学者的研究主要集中在对于 l m s算法的搜索效率的收敛速度的研究 1 1 2 1 1 1 3 1 。 近年来也有人开始对于基于小波的自 适应1 1 4 】 和基于子带的回声消除开 始研究 ， ， 。 2 . 3回声消除系统概述 在回声消除系统的设计中，主要针对的是送话器( s p e a k e r ) 的声波通过空间 经过反射被送到受话器( m i c r o p h o n e ) 而形成的回声进行消除。对其进行处理的基 本原 理如图2 -1 所示。 其中y ( n ) 为 远端 语 音， r ( n ) 为 送话器经过反射 传入到受话 器的 信号， x ( n ) 为 近端的语音信号， 也就是上 行 语音信号。h ( z ) 为 等效的反射路 径的滤波器。 第二章 语音增强系统及其算法 画 盖 一x (n)ifts in q - - , r ( n ) _ _兰 倒 + i 理 丫. 图2 一1回声消除系统的基本原理 则 r ( n ) =y ( n ) * h ( n ) ( 2 - 1 ) 所要做的工作是设计一个滤波器g ( n ) 对于h ( n ) 进行模仿，得到r ( n ) 的估计信号 户 ( ” ) ，即 pp ( n ) = y ( n ) * g ( n ) ( 2 - 2 ) 由于声音的反射路径是预先不可知的， 具体的环境各不相同， 而且是随时可变的， 所以h ( n ) 不是一个固定参数的系统，而是一个时 变系统。 故设计的g ( n ) 需要实时 的对h ( n ) 进行模仿，以 获得最佳的r ( n ) 的估计 值f ( n ) ，以 期得到的上传语音信号 s ( n ) =x ( n ) + r ( n ) ( 2 - 3 ) z ( n ) = x ( n ) + r ( n ) 一 i ( n ) ( 2 - 4 ) 尽可能的接近需要上传的语音信号x ( n ) 。 关于g ( n ) ，目 前大都是基于数字语音信 号处理的基础设计的自 适应滤波器。 它直接从话音的下行链中 提取远端语音y ( n ) , 经过滤波器， 得到在一定准则之下的r ( n ) 的 最优估计值r ( n ) 。从而得到s ( n ) 的 最 优估计值9 ( n ) ， 这时的; ( n ) 也就是需要上传的 语音信号x ( n ) 的估计值。 在以上的原理结构中还需要一个对于g ( n ) 进行控制的一个控制算法 d t d ( d o u b l e t a l k d e t e c t i o n ) , d t d 检测是指: 近端语音处于活动时，远端语音同时 也处于活动，即双向讲话检测。根据 i t u - t g . 1 6 8建议，在双向讲话期间，为了 避免g ( h ) 算法的 发散， 有必要停止消除 器算法的 修正。 由以 上的分析可以 看出，滤波器g ( h ) 算法是研究的的核心和重点。 2 . 3双向讲话检测算法 由于声学回声具有通道的时变性、回声反射的多路径、通道相应较长等问题， 所以回声通道的建模是一个复杂的问题，由于语音信号本质上是非平稳信号，再 加上在实际应用还要考虑噪声对于算法的影响，使得a e c 算法变得十分复杂。其 中d t d 、回声通道的建模是a e c中最为关键的两个算法。 基于d s p 的 移动通信系统语音信号改善技术 在绝大多数的语音通信系统中， 都会涉及到语音检测， 语音检测包括三个部分: 近端语音检测、远端语音检测和双向讲话检测。远端语音检测以及近端语音检测 和语音压缩中的v a d ( v o i c e a c t i v i t y d e t e c t i o n )静音检测或者语音激活检测具 有相同的要求，关于 v a d的算法将在下一章中会涉及到。在双向讲话时，近端能 量较大，假如 d t d检测失误，则自 适应滤波器在进行滤波系数更新时容易发散。 从这个意义上讲， d t d 算法的准确与否很大程度上决定了a e c 系统的稳定性和自 适 应算法的有效性。对于d t d算法的研究在电学回声的消除研究时就有所探讨，在 后续的研究中，陆续提出了一些不同的算法，归纳起来大致有以下儿类: ( 1 ) g e i g e l 算法( 16 1 a . a . g e i g e l 最早在2 0 世纪的中期就提出来基于幅度检测的算法的， 基本算法 如下: ls ( n ) l = lx ( n ) + r ( n ) l : t x m a +( n ) l, ly ( n 一 1) 1,.ly ( n 一 ，) )( 2 - 5 ) 上式中， i 为回声消除系统横向滤波器的抽头数目。 t 为一个经验值， 若上式满足， 则判定为双端交谈。这个算法是电学回声消除研究时提出来的，在电学回声消除 系统中， t =o . 5 ，这是由于混合器的典型衰减为6 d b 。当用于声学回声消除时， 算 法的有效性首先是基于这样的一个事实估计:拾音器拾到的近端语音的信号的幅 度比回声信号幅度大，而且下行语音经过反射之后，幅度值应当减小。这里的闽 值t 就是用来根据实际情况补偿回声通道响应h ( n ) 的能量电 平。 g e i g e l算法的最大优点就是简单高效。特别有利于实际工程的实时实现。在 许多的现有的语音通信系统中仍然采用的是该种算法。但是该算法有其明显的缺 点，当近端有较大的背景噪声的时候，可能出现虚警的情况，也就是并没有双向 讲话，而误认为双向讲话，这种虚警会造成后续自适应滤波器停止其权系数的更 新，造成回声消除精度的降低。而当近端语音信号的幅度值偏小时，有可能造成 漏警的情况，也就是说，当处于双向谈话状态而误判为没有处于双向谈话状态， 这时可能会造成自 适应滤波器的迭代更新，而将需要上传的语音信号消除掉。由 于算法的稳定性不好，也可能造成自适应算法的发散，即使以后又有了正确的判 决，由于权系数固定在坏点上，致使滤波效果变得很差。 基于以上原因地考虑，后来有人提出了对于g e i g e l 算法的改进，即利用 y ( i + 1 ) 一 ( 1 一 a ) y ( i ) + a l y ( i ) l ( 2 - 6 ) 3 ( i + 1 ) = ( ， 一 a ) s ( i ) + a l s ( i ) l ( 2 - 7 ) 来 替 代( 2 - 5 ) 式 中 的 y ( n ) l 和 s ( n ) l ， 其 中 a = 2 - 6 ， 改 进 后 的 算 法 是 基 于 递 推 的 算法之上，和原先的算法比较更具稳健性。 尽 管 该 算 法 经 过 改 进 之 后 ， 利 用y ( i + l ) , s ( i + l ) 替 代 ly ( n ) l 和s ( n ) l ， 利 用 瞬 时 的功率估计来代替幅度， 但算法的基于经验的估计并没有改 变， 所以 从本质上讲， 是有缺陷的。处于各种情况的实际语音通信系统，噪声和语音信号的动态范围较 第二章 语音增强系统及其算法 大， 这给事先设定t 的值带来较大的困难。 ( 2 )基于能量的检测 t i 公司一直是d s p 领域的领导者，在较早的时候t i 就将a e c 的算法在其d s p 芯片上实现，但是受当时。 s p 技术的限制，并没有将 。 t d 算法用于实际，一直到 t 11 s 3 2 0 8 x 出来以后， 开发了基于该芯片的d t d 算法， t i 的d t d 算法就是基于能量 检测的，具体算法 17 ， 如下 e r l e= l o l o g , o( 2 - 8 ) 在上式中，e r l e 为信 差比， p , ( n ) 为 近端语音短时加窗的功率估计， p r ( n ) 为 残 留误差信号短时加窗的功率估计。用求得的信差比来计算调整系数 c=i o e r l p 1 i o 然后使用下式来进行 d t d 检测 p , ( n ) _ c x p , ( n ) + d ( 2 - 9 ) 其中， d 为根据经验设定的一个im值常数， 若满足上式， 则检测到双向讲话， 否则， 认为没有。 在该算法中， 经验值d 设的越大， 检测到的双向讲话就越多， d 设的越 小，检测到的双向讲话就越少。和g e i g e l 算法相比较有所不同的是: o o g e i g e l 算法是基于信号的幅度的一种检测方法，而这种方法是基于能量 的检测方法， 参考信号也不相同， g e i g e l 算法是以 下行语音和上行语音作为参考信号， 而这个算法是将上行语音和经过滤波的残差信号作为参考信号。 30 g e i g e l 算法是对于上行数据每一点都要作判决，而该算法是对于上t i 数 据的一段 ( 加窗)作一个判决，应当具有更好的稳健性。但是检测效率 降低。 该算法和c e i g e i 算法都是基于经验的一种检测， 都属于传统的d t d 检测。 事先需 要设定一个经验值，对复杂多变的实际应用适应能力不能很好适应。 ( 3 )基于相关性的检测 随着现代数字信号处理理论的发展， 许多算法开始用于音频信号的 领域。 1 9 9 1 年， y e 和w u 提出了一种基于远端信号和误差信号的相关函数的双向讲话检测的算 法【 i s ) ，该方法是基于检测滤波器的系数是否己 经准确的收敛于回声通道来判断 滤波器的系数是否需要调整，这种判决方法是基于这样的假设和前提:滤波器的 输入信号: ( n ) 中 只有回 声信号; ( n ) 和参考信号y ( n ) 是强相关的，而x ( n ) 无it 大小 总是和y ( n ) 弱相关的，因此， 在滤波器收敛之后， 应当己 经将绝大多数的回声信 号消除，而剩余的信号中回声的成分已 经极少， 所以 和y ( n ) 的相关性很弱。由 于 x ( n ) 无论大小总是和y ( n ) 弱相关的，即使其能量变得较大，也不会导 致算法的失 效。需要上传的语音信号也会顺利通过滤波器而不会被削减。 基于d s p的移动通信系统语音信号改善技术 检测误差信号的下行语音信号的相关性是通过对其互相关函数来实现的，两 者的互相关函数的定义如下: c o v ( y , e ) = e 卜 ( n ) e ( n ) ( 2 - 1 0 ) 在实际应用中，考虑到实时性的要求，在计算上式的值时，并不能得到其完 全数学意义的结果，只能得到它的短时估计值。一般情况下使用下面的式子对于 其进行估计 c o v ( y , e )二 土m - 1 p 3, e (n ) m 胃 尺( n ) 只( n ) n 二0 , 1 , 2 . . . . . . m 一 i ( 2 - 1 1 ) 其中，只( n ) 和p ( n ) 分别是下行信号y ( n ) 和误差信号。 ( n ) 的短时功率估计。而 只 , , ( n ) = 作 为e 卜 ?( n ) e ( n ) 的 短 时 估 计。 比较，由于采用了相关检测， 测原理 匕 讲，稳健性会更好， 工y ( n ) e ( n ) ( 2 - 1 2 ) 该算法和传统的g e i g e l 算法和基于能量检测的算法 而与上行语音信号的大小并没有直接的关系，从检 而且其作为判决的假设前提与实际情况在大多数时 也是成立的。从后续滤波器的角度来说，这种算法的判决结果可以使得滤波器会 更加稳健。 与前面两个算法比较， 该算法的计算量明显得提高了很多， 不太有利于算法在 实时硬件的实现。 基于相关性的检测除了y e 和w u 提出的方法以外，t o m a s g a n s l e r 也提出了一 种方法， 在 t o m a s g a n s l e r提出的 方法【 19 中定义了基于远端和近端信号 的自 功 率谱密度函 数以 及它们的互功率谱密度函 数的一致性函数( c o h e r e 门 c e f u n c t i o n ) , 将该函数的值作为d t d 判决的指标。 双向谈话检测判决决定后续的滤波器是否需要权系数的更新， 如果双向谈话判 决错误， 将可能导致后续自适应滤波器的发散， 不但无助于通信语音信号的改善， 反而会恶化通信语音信号，所以双向谈话检测在整个回声消除系统中的地位十分 重要。 该算法是对于信号成分的一种判决算法， 由于语音信号所含成分在实际系统中 事先并不能确定各自的特征，所以任何算法只能是基于统计意义上的准确。要想 使算法获得相对比较准确的结果，就要求获得足够多的信息，而在实时系统中考 虑到通话的时延问题，以及硬件成本问题，对于信息的获取不可能做到很多，另 外一个方面，复杂的算法由于运算量相对较大，必然耗时比较长，这也与实际系 统的实时要求是相矛盾的，在实际应用时，需要对于各个方面以及后续滤波器综 合起来考虑算法的选取。 第二章 语音增强系统及其算法 2 . 4回声自 适应滤波消除 2 . 4 . 1 回声自 适应滤波消除的性能特性 无论是在蜂窝移动通信系统还是多媒体通信系统中， 由于声音的反射路径是预 先不可知的， 具体的环境各不相同， 而且是随时可变的， 所以h ( z ) 不是一 个固 定 参数的系统，而是一个时变系统。对于声学回声而言，回声消除的工作是设计一 个滤波器g ( z ) 对h ( z ) 进行模仿， 这就是需要给回声通道建模， 以 便于 对回声 信号 所经历的回声通道的脉冲响应做出估计，由于语音信号本身就是非平稳信号，背 景噪声对于回声通道的建模也会有较大的影响，因此，回声通道的建模是一个复 杂而艰难的工作。特别是在双向讲话期间，回声通道中所含有的语音成分加入了 近端讲话人的声音，在这种条件下，回声通道的特性会受到很大的干扰，除非在 双向谈话期间停止对于回声通道的模拟，而用较前的模拟来代替。这就要求回声 消除系统具有检测其工作环境的功能，并且能够根据具体的工作环境估计回声通 道的参数模型，而且能够快速跟踪通道的地变化能力，这就是说自适应算法要具 有较快的收敛速度。总的来讲，在自 适应滤波器设计时需要考虑一下几个问题: 1 、 自适应滤波器要有较好的稳定性，这不但与上面讲的 d t d的算法有直接 的关系，而且与自适应滤波器的结构也有重要的关系。 2 、自 适应滤波器要有较好的收敛速度，由于语音信号从本质上讲， 并不是平稳 信号，只能看作短时平稳信号，如果收敛速度较慢， 那么就不能对于语音特 j性以及回声通道的变化实时跟踪。 3 、自适应滤波器要有较好的跟踪精度， 如果自适应滤波器的对于回声消除的跟 踪精度低的话将大大降低回声消除的效果。 4 、自 适应滤波器要有较小的时延， 这一点对于实时通信系统来说尤为重要。 如 果时延较大将会影响通话效果。 5 、自 适应滤波器要有较好的抗噪能力。 在实际的滤波器设计中，从算法原理上来说，以上几个要求不可能同时满足，可 以说是互相矛盾的，具体算法的选择要看实际系统的要求来进行选择。 2 . 4 . 2回声自适应准则 回声自适应消除器就是自适应滤波器，自 适应滤波器的灵魂就是自适应算法， 自适应算法就是按照某种准则不断的修正自 适应滤波器的系数，使得它们越来越 逼近回声通道的脉冲响应，使它最终达到回声消除的目的。 基于d s p 的移动通信系统语音信号改善技术 自 适应准则是基于最佳滤波器的设计提出来的，典型的最佳滤波器是维纳滤 波器。对于平稳的输入信号来说，自适应的过程就是从某一个初始状态出发，求 解维纳最佳解的过程。有多种用于估计和自适应调节滤波器系数的准则，所有的 准则都是建立在求解维纳一霍夫的基础之上的。常用的自 适应准则有两种 2 u . ( 帅 最小均方误差准则 ( m m s e )或均方误差准则 ( m s e ) ，该准则定义为自适 应滤波器对期望的信号 ( 或者称为参考信号)进行估计的误差的均方值，也就是 期望信号与实际滤波器的输出信号的差值得平方的期望值最小 j ntst. ( w ) 二 e e 2 ( k ) = e i d (k ) 一 ， ( k ) 12 一 e 一d (k ) 一 w t x 一 (2 - 1 3 ) 在上式中，e x 1 表示对于向量 x 求数学期望，d ( x ) 代表期望信号，y ( k ) 代表自适 应滤 波器输出 信号。最小均方误差准则也就是求得代价函数人 . ( w ) 在取得最小 值的 条件约束下y ( k ) 的值。 ( 2 ) 最小平方准则。该准则定义为期望信号与实际滤波器的输出信号的差值 的平方和的平均值或者是加权乎方和最小，即 i ts. (w 卜 士 7.y (“ )】 id ( k ) 一 y ( k ) l2 -令 艺id (k ) 一 w t x i2 (2 - 1 4 ) 如果是加权平方和最小，即 、 :、 (， ) 二 之 c k e 2 (k ) 一 之 c k ld (k ) 一 ， (、 ) 二 之 。 * 、 (* ) 一 ， 7.x 12 ( 2 - 1 5 ) 在 上 式中 ， c * 为 加 权 值。 若c k = 矛 - k 则 该 准则 又称为 指 数 加 权 平方 误差 准则 自 适应准则除过上面两种还有其它的准则，比如最大信噪比准则， 最大似然准 则、最小噪声方差准则等。 2 . 4 . 3 l m s 及其变形 在回声消除系统中， 常用的自 适应消除器一般都是基于f i r 结构的滤波器， 自 适应的过程就是按照最小均方误差准则，不断的调整滤波器的权系数，使得它的 输出 更加接近回声信号，从而抵消回声影响的过程。在假设输入信号和输出信号 都是平稳随机信号的时候，最小均方误差是权系数的二次函数，自 适应算法就是 自 动的对于该二次函数的性能曲面进行不断迭代、不断搜索，以期望获得该二次 曲面的最小点，从而获得最佳的权系数。常用的算法分为两大类，一类基于梯度 的算法，该算法使用梯度的估计值来决定最小值的搜索方向。另外一类是是通过 计算输入信号的自 相关矩阵的逆矩阵， 使用递归来决定任意点的最佳滤波器系数。 对于回声消除系统而言， 考虑到信号的短时平稳性， 基于梯度的算法不需要计 算概率统计特性，而是对于最近获得的已知的测量数据直接进行处理，尤其是基 第二章 语音增强系统及其算法 于梯度的最陡下降法中的 l m s 算法具有计算量小和易于实时实现的特点得到广泛 的地研究和应用。 ( 1 ) 基本的l m s 算法【 2 1 1 . 基于自适应的 f i r滤波器实际上就是一个自适应线性组合器。设线性组合器 的m 个输入为x ( k - 1 ) , x ( k 一 2 ) . . . . . . . . . ，x ( k 一 m) ， 它的输出y ( k ) 为这些输入的线 性组合。即 对 y ( k ) 一 y w ,x ( k 一 i) ( 2 - 1 6 ) 将上式代入到式( 2 - 1 4 ) 可以得到 j m s r ( w ) = e e 2 ( k ) = 一 e ld ( k )12 其中 : 、 (、 ) 一 * (、 )!， 一 : 一d (k ) 一 w t x 一， 一 2 r 几 w + w - r , , w ( 2 - 1 7 ) 一 e id ( k ) x 一 e i x ( k ) x ( k ) 一 ( k ) i 得到均方误差函数的梯度 ( 2 - 1 8 ) ( 2 - 1 9 ) 将式( 2 - 1 7 ) 对权系数w求导数， 0 ( k ) = d e e 2 ( k ) _ a e ( e 2 ( k ) l a w , = - 2 r 熟+ 2 r w 令0 ( k ) = 0 ，即可求出 最佳权系数向 量 ( 2 - 2 0 ) 叽 = r 升 r , ,d ( 2 - 2 1 ) 利用上 式求最佳权系数需要知 道及 。 和r 。的 先验统计知识， 而且 还需要 进行 矩阵 的求逆。 w i d r o o w a n d h o f f 于1 9 6 0 年提出了一种在这种先验统计知识未知的情况 下 的 求 嘛 的 近 似 方 法 ， 习 惯 上 称 该 种 方 法 为w i d r o o w - h o f f l m s 算 法 ， 这 种 算 法的根据是最优化方法中的最陡下降法。 根据最陡下降法， “ 下一时刻” 权系数向 量w ( k 十 1 ) 应当 等于 “ 现时刻” 权系数向 量w ( k ) 加上一个负 误差梯度一 0 ( k ) 的比 例项。即 w( k + 1 ) = w( k ) 一 ,u 0 ( k ) ( 2 - 2 2 ) 式中，p 是一个控制收敛速度与稳定 性的常数，称为收敛因子。 不难看出， l m s 算法有两个关键: 梯度0 ( k )的计算以 及收敛因子p的 选择。 精确计算梯度v ( k ) 是非常困难的，一种粗略但是十分有效的方法是直接用 e ( k ) 作为 均方 误差e e z ( k ) 的 估计 值， 即 ( k ) = 0 e 2 ( k ) 一 2 e ( k ) 0 e ( k ) ( 2 - 2 3 ) 式中 基于d s p 的移动通信系统语音信号改善技术 0 e ( k ) = o d ( k ) 一 w ( k ) x ( k ) = - x ( k ) 将上式 ( 2 一2 4 )代入到式 ( 2 一2 3 ，得到梯度估计值 ( 2 - 2 4 ) 0 ( k ) = - 2 e ( k ) x( k )( 2 - 2 5 ) 于是得到 w ( k + 1 ) =w( k ) + 2 ,u e ( k ) x( k )( 2 - 2 6 ) 其中 收 敛因 子k 的 选择应当 遵循以 下准则 ( 充分条件)1 2 11 . 1 艺e x z ( k ) 全尸0( 2 - 2 7 ) 可以保证算法的收敛性。其中 e ( k ) = d ( k ) 一 y ( k ) = d ( k ) 一 w( k ) x ( k )( 2 - 2 8 ) 式 ( 2 -2 6 ) 、式 ( 2 一2 6 )和式 ( 2 -2 6 )共同构成基本的l 7n s 算法。 击 一击。击 八 、 神 式凡 讯 喻 护 种 以. 艾李 匡 印 止随 (口p沼回绷叫 迭代次数( a l 空间o m 器的须城特性c 0 ) x 0 5 j3 2 7 0 1 l m s 波 器的 s b 缺 特 性( 0 z 3通 图2 一2标准l m s 算法性能 l m s 算法虽然简单， 但也有它的缺陷: 为了 达到一定的精度，需要滤波器的阶 数较多， 容易有误差积累引起算法的发散，收敛的速度也较慢，图2 -2 是对于标 准l m s 算法的一个仿真，当输入信号为单音信号，采样速率为8 k , f i r 滤波器的 阶数为 2 5 6 ，由 ( a )可以看出，自 适应滤波器要达到稳定的收敛大概需要 5 4 0 0 次的迭代，也就说要 6 0 0 m s的收敛时间，显然这样的收敛速度是不能满足实际要 求的。 尤其对于非平稳信号和快变化信号， l m s 算法难以得到好的抵消效果。 为了 第二章 语音增强系统及其算法 克服l m s 算法的上述缺陷， 在实际的应用中， 出现了各种改良 的算法， 下面分别介 绍分块l m s 算法和解相关的变步长l m s a ( 2 ) 分块l m s 算法 2 2 1 : 一 尸_一_-一 一 一 -一 一_一 _ _一_一_一_ 一_ _ _一 _ 一_- 口p翌回洲哆 迭代次数( a ) x a 5 o ; 一 -一- 3 - - 2 2 3 领率d 分块l m s a rs m 9 频 a 特性( c ) 图2 一3分块l m s 算法 i t u - t g , 1 6 8 要求e c 收敛后，信号和回声的功率比要大于3 7 分贝，而且收敛 时间不能大于5 0 m s ，标准的l m s 算法在实际应用中无法达到这样的要求，为了提 高自 适应过程的收敛速度，一个最直观的想法就是加大搜索的步长，而大的搜索 步长可能造成自 适应过程的发散，而且会带来较大的失调，无法精确的收敛到最 优解，另外一个想法就是提高l m s 算法的有效性，分块 l m s 算法就是基于这种考 虑提出来的， 标准的l m s 算法的计算量与滤波器的阶数m 成正比， 在实时系统中， 它的乘法运算数量级大概实在2 n 左右，将抽头系数分成若干组，进行分块处理， 可以减少算法单位时间内的计算次数。若将抽头系数分成n 块，则在单位 时间内， 乘法的次数变为2 m / n ， 即减少了1 / n 。 这样改进后的l m s 算法就成为l m s 分块算法，如下所示 二 、 * ) 一 、 e ( k ) x ( 、 一 ，) 1 + i x 禁 !_ i 5 (1 + ! ) x 婴 i v 2 v w, ( k ) “w; ( k ) e l s e i( 2 - 2 9 ) 基于d s p 的移动通信系统语音信号改善技术 其中， m 为抽头总数， n 为分组个数，1 为抽头序号，且i - - 1 , 2 ,“ 二 n ,工 为以 n 为模的时间步长序号，i 二1 , 2 , . . . . . . m - 1 时，1 =0 a k 为时间步长序号。 为了比较标准l m s 算法和分块1 . m s 算法的收敛速度，我们也对分块l m s 算法 做了仿真，定义为采样率为8 k h z ,自 适应滤波器的阶数为2 5 6阶，分块数为8 , 仿真结果如图2 -3 所示。由 ( a )可以看出，分块l m s 算法在大概迭代2 0 0多次 的时候就达到收敛， 在收敛速度上明显的 优于标准的l m s 算法， 按照i t u的 标准， 可以达到在5 0 m s 内 收敛， 但是收敛精度较差， 标准的l m s 算法在收敛后回声抑制 可以达到4 5 d b 以上，而分块的l m s 算法的回声抑制大概在3 1 d b 左右。 ( 3 ) 变步长的l m s 算法 对于标准l ms 改善的另外一种方法就是变步长， 无论是标准的l ms 算法还是 分块l ms 都是基于步长固定的方法来搜索误差性能曲面的最低点， 小的步长将会 是自 适应搜索结果的失调减小，但是它将会使得收敛速度减慢，反之，大的步长 将使得自 适应过程的收敛速度加快，但是它会造成失调增大的后果，对于回声消 除系统而言，这样将会使得回声消除的精度降低。对于恒定步长的选择一般而言 是对于这两点考虑的一个折中。采用变步长方式， 根据预测误差平方的大小来控 制步长参数，则比 较容易实现及满足低失调的要求，又具有较快的自 适应速度。 当算法的搜索点原理最佳点，也就是估计误差较大时自 动的加大搜索步长，使得 自 适应速度加快，