本技术提供了一种基于非规范FIR结构的回声消除方法及系统,涉及电话通信技术领域,所述方法包括,对远端信号进行采样,得到远端信号的离散值;将当前时刻下自适应滤波器的输入向量,通过自适应滤波器滤波后得到输出向量;其中,所述自适应滤波器为非规范FIR滤波器,非规范FIR滤波器第i个抽头上的抽头权系数在n‑i时刻计算得到;获取当前时刻下的近端采样信号,将近端采样信号与得到的输出向量相减,得到当前时刻下的残差信号并回送远端;更新自适应滤波器的抽头权系数向量,重复上述步骤直至通话结束。本发明能够降低脉冲噪声环境下回声消除的误差。
背景技术
回声消除(Acoustic Echo Cancelling,AEC)是指消除麦克风与喇叭因空气产生回受路径(feedback path)而产生的杂音。在语音通信中,若扬声器放出的远端通话者声音被麦克风采集到,那么扬声器和麦克风之间就构成了声学回路,使得远端通话者听到自己的回声,从而影响通话质量,因此,需要对麦克风采集到的近端信号中来自扬声器的声音进行消除。
自适应滤波器可对近端信号进行自适应滤波从而实现回声消除。自适应滤波可通过系统辨识实现,自适应滤波系统辨识技术的核心原理是基于输入信号及其相关特性来构建语音模型,通过分析输入信号与未知系统之间的残差,不断调整滤波器的系数,使得估计值逐渐逼近未知系统的参数。FIR(Finite Impulse Response)滤波器,有限长单位冲激响应滤波器,又称为非递归型滤波器,可以在保证任意幅频特性的同时具有严格的线性相频特性,同时其单位抽样响应是有限长的,因而该滤波器是稳定的系统,可采用FIR滤波器对近端信号进行自适应滤波。
最大相关熵(MCC)算法因其对非高斯噪声的鲁棒性以及处理脉冲噪声的能力,在稀疏系统辨识中受到越来越多的关注。MCC算法的特点是能够在脉冲噪声环境下保持较快的收敛速度,并有效抑制算法性能的波动。
然而,基于FIR结构的MCC算法的缺点在于无法在更高的频率下运行,这限制了其在高频应用中的使用,且在极端稀疏或噪声较强的情况下,MCC算法的性能也会有所下降。脉冲噪声在系统辨识领域一直是一个严峻的挑战,虽然其发生概率小、持续时间短,但由于幅值大,会导致传统算法收敛性能的剧烈波动。脉冲噪声的高幅值可能会与未知系统的输出叠加,导致自适应滤波器的系数向更大误差的方向更新。因此,针对脉冲噪声环境下的稀疏系统辨识问题,开发和优化具备优异抗噪性能的自适应滤波器算法,已成为系统辨识领域中的一个挑战。
实现思路