本發(fā)明涉及一種基于一范數(shù)零吸引的指數(shù)函數(shù)回聲消除方法。
背景技術(shù)：
：自適應(yīng)信號處理作為信息技術(shù)的重要分支，在通信領(lǐng)域得到廣泛的應(yīng)用。而在通訊領(lǐng)域中，回聲消除是一個頗具關(guān)注度和挑戰(zhàn)性的熱點(diǎn)。聲音在封閉空間中經(jīng)過多次反射會形成回聲，由于傳輸介質(zhì)中阻抗不匹配也會在信號傳輸中形成回聲。通信回聲可以通過系統(tǒng)辨識模型來消除：所辨識系統(tǒng)為回聲信道，系統(tǒng)辨識的輸出為回聲信號的估計(jì)，通過含回聲信號的語音信號與回聲信號的估計(jì)相減便可實(shí)現(xiàn)回聲的消除，這就是自適應(yīng)回聲消除器的原理。最小均方算法(lms)作為經(jīng)典算法在系統(tǒng)辨識領(lǐng)域得到了廣泛的應(yīng)用，該算法是基于均方誤差最小的原理推導(dǎo)而來，它的優(yōu)點(diǎn)在于較低的計(jì)算復(fù)雜度，并且容易實(shí)現(xiàn)。然而當(dāng)系統(tǒng)為稀疏系統(tǒng)時，lms算法的效果有限。為此，針對稀疏系統(tǒng)帶來的問題，yilunchen提出了零吸引自適應(yīng)濾波器算法(y.chen,y.gu,anda.o.hero,“sparselmsforsystemidentification,”in:proc.int.conf.acoust.,speech,signalprocess.(icassp),taiwan,apr.2009,pp.3125–3128)，簡稱為zalms算法，該算法在lms算法的代價函數(shù)后加入了一個關(guān)于權(quán)系數(shù)向量的一范數(shù)，再通過梯度下降原理得到一個零吸引子，從而加快了權(quán)系數(shù)在迭代時向零更新的速度，一定程度上提高了穩(wěn)態(tài)失調(diào)。通信中的回聲信道往往是稀疏的，而傳統(tǒng)zalms算法的回聲消除方法中使用了零吸引的方法，從而提高了lms算法在稀疏系統(tǒng)中的穩(wěn)定性。在針對稀疏系統(tǒng)的特性時，lms算法雖然加入了一范數(shù)形成了零吸引子加快了原算法的收斂速度，但是在濾波器的權(quán)系數(shù)向量的更新公式中仍然沿用了lms算法中的線性組合的方式，而這種方式使得濾波器的權(quán)系數(shù)向量在更新中保持了一個固定的速度，從而對不同時刻的有用信號的敏感度下降，因此，原算法的收斂速度還有待于提高。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的就是提供一種基于一范數(shù)零吸引的指數(shù)函數(shù)回聲消除方法，該方法能夠獲得更快的收斂性，更低的穩(wěn)態(tài)失調(diào)，回聲消除效果更好。本發(fā)明實(shí)現(xiàn)其發(fā)明目的所采用的技術(shù)方案是，一種基于一范數(shù)零吸引的指數(shù)函數(shù)回聲消除方法，其步驟如下：a、遠(yuǎn)端信號采樣將當(dāng)前時刻n到時刻n-l+1的遠(yuǎn)端采樣信號u(n)u(n-1),…,u(n-l+1)，組成當(dāng)前時刻n的輸入信號向量u(n)，u(n)＝[u(n)u(n-1),…,u(n-l+1)]t，上標(biāo)t表示轉(zhuǎn)置，l為自適應(yīng)濾波器的抽頭長度，其取值為16、32、128；b、回聲信號估計(jì)將當(dāng)前時刻n的輸入信號向量u(n)通過自適應(yīng)濾波器得到當(dāng)前時刻n的回聲信號的估計(jì)值即其中，w(n)＝[w1(n),w2(n),...,wi(n),...wl(n)]t為當(dāng)前時刻的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量，其初始值為零，wi(n)為當(dāng)前時刻的自適應(yīng)濾波器的第i個抽頭權(quán)系數(shù)；c、回聲信號消除將當(dāng)前時刻n的近端采樣信號d(n)，減去步驟b獲得的當(dāng)前時刻n的回聲信號的估計(jì)值得到消除回聲的當(dāng)前時刻的有用信號s(n)，d、濾波器抽頭權(quán)系數(shù)更新d1、指數(shù)化代價值的梯度值的計(jì)算由當(dāng)前時刻n的有用信號s(n)，得到當(dāng)前時刻n的有用信號s(n)的指數(shù)化代價值j(n)，其中exp[.]代表自然對數(shù)的指數(shù)運(yùn)算；再得出當(dāng)前時刻n的有用信號s(n)的指數(shù)化代價值j(n)對當(dāng)前時刻n的w(n)的導(dǎo)數(shù)，將該導(dǎo)數(shù)作為當(dāng)前時刻n的指數(shù)化代價值的梯度值v(n)，d2、抽頭權(quán)系數(shù)更新步長的計(jì)算根據(jù)當(dāng)前時刻n的有用信號s(n)，由下式得出，當(dāng)前時刻n的抽頭權(quán)系數(shù)更新步長μ(n)，其中m為固定常數(shù)，其取值為取值范圍為(0，2)，α為誤差陡度控制參數(shù)，其取值范圍為(0，1)；d3、零吸引因子的計(jì)算由當(dāng)前時刻n的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量w(n)，計(jì)算出當(dāng)前時刻n的零吸引因子ρ(n)，ρ(n)＝b·sgnw(n)，其中b為零吸引因子的比例參數(shù)，取值為0.001～0.1，sgn[·]為符號運(yùn)算；d4、抽頭權(quán)系數(shù)向量的更新下一時刻(n+1)的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量w(n+1)由下式得出，w(n+1)＝w(n)+μ(n)v(n)-ρ(n)e、重復(fù)令n＝n+1，重復(fù)步驟b、c、d的操作，直至通話結(jié)束。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：一、收斂速度快：本發(fā)明中將原有的線性組合的方式變?yōu)樽匀粚?shù)的指數(shù)運(yùn)算，而指數(shù)運(yùn)算對于較大的有用信號時收斂速度更快；同時，引入的零吸引具有處理稀疏系統(tǒng)的能力，針對稀疏系統(tǒng)有較強(qiáng)的收斂速度；在權(quán)系數(shù)向量更新公式推導(dǎo)中采用了權(quán)系數(shù)向量的一范數(shù)，即γ||w(n)||1，其中γ為權(quán)系數(shù)向量的一范數(shù)的比例參數(shù)，在推導(dǎo)中得到零吸引子ρ(n)，ρ(n)＝b·sgnw(n)，即權(quán)系數(shù)向量更新時產(chǎn)生了一個差值，當(dāng)權(quán)系數(shù)向量較大時差值也較大，從而獲得了較快的初始收斂速度。而接近穩(wěn)態(tài)時差值變小，使得抽頭權(quán)系數(shù)更新速度在接近穩(wěn)態(tài)時也相應(yīng)變小，保持了較好的穩(wěn)定性；二、穩(wěn)態(tài)失調(diào)低：零吸引子ρ(n)，ρ(n)＝b·sgnw(n)，即權(quán)系數(shù)向量更新時產(chǎn)生了一個差值，接近穩(wěn)態(tài)時該差值變小，使得抽頭權(quán)系數(shù)更新速度在接近穩(wěn)態(tài)時也相應(yīng)變小，保持了較好的穩(wěn)定性；指數(shù)運(yùn)算對于較小的有用信號也有更好的穩(wěn)態(tài)失調(diào)，權(quán)值更新時采用自然對數(shù)的指數(shù)函數(shù)作為代價函數(shù)的方法，從而在權(quán)系數(shù)向量更新中代價函數(shù)變?yōu)椴⒁胄碌牟介L因子，使得在高斯信號以及稀疏系統(tǒng)的情況下，濾波器的輸出信號能夠獲得更為快速收斂性前提下，同時具備更低的穩(wěn)態(tài)失調(diào)，其回聲消除效果好。下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明進(jìn)行詳細(xì)的說明。附圖說明圖1是zalms算法、lms算法和本發(fā)明的歸一化穩(wěn)態(tài)失調(diào)曲線。圖2是zalms算法與本發(fā)明的跟蹤能力(系統(tǒng)發(fā)生突變情況下)的歸一化穩(wěn)態(tài)失調(diào)曲線。具體實(shí)施方式實(shí)施例本發(fā)明的一種具體實(shí)施方式是，一種基于一范數(shù)零吸引的指數(shù)函數(shù)回聲消除方法，其步驟如下：a、遠(yuǎn)端信號采樣將當(dāng)前時刻n到時刻n-l+1的遠(yuǎn)端采樣信號u(n)u(n-1),…,u(n-l+1)，組成當(dāng)前時刻n的輸入信號向量u(n)，u(n)＝[u(n)u(n-1),…,u(n-l+1)]t，上標(biāo)t表示轉(zhuǎn)置，l為自適應(yīng)濾波器的抽頭長度，其取值為16、32、128；b、回聲信號估計(jì)將當(dāng)前時刻n的輸入信號向量u(n)通過自適應(yīng)濾波器得到當(dāng)前時刻n的回聲信號的估計(jì)值即其中，w(n)＝[w1(n),w2(n),...,wi(n),...wl(n)]t為當(dāng)前時刻的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量，其初始值為零，wi(n)為當(dāng)前時刻的自適應(yīng)濾波器的第i個抽頭權(quán)系數(shù)；c、回聲信號消除將當(dāng)前時刻n的近端采樣信號d(n)，減去步驟b獲得的當(dāng)前時刻n的回聲信號的估計(jì)值得到消除回聲的當(dāng)前時刻的有用信號s(n)，d、濾波器抽頭權(quán)系數(shù)更新d1、指數(shù)化代價值的梯度值的計(jì)算由當(dāng)前時刻n的有用信號s(n)，得到當(dāng)前時刻n的有用信號s(n)的指數(shù)化代價值j(n)，其中exp[.]代表自然對數(shù)的指數(shù)運(yùn)算；再得出當(dāng)前時刻n的有用信號s(n)的指數(shù)化代價值j(n)對當(dāng)前時刻n的w(n)的導(dǎo)數(shù)，將該導(dǎo)數(shù)作為當(dāng)前時刻n的指數(shù)化代價值的梯度值v(n)，d2、抽頭權(quán)系數(shù)更新步長的計(jì)算根據(jù)當(dāng)前時刻n的有用信號s(n)，由下式得出，當(dāng)前時刻n的抽頭權(quán)系數(shù)更新步長μ(n)，其中m為固定常數(shù)，其取值為取值范圍為(0，2)，α為誤差陡度控制參數(shù)，其取值范圍為(0，1)；d3、零吸引因子的計(jì)算由當(dāng)前時刻n的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量w(n)，計(jì)算出當(dāng)前時刻n的零吸引因子ρ(n)，ρ(n)＝b·sgnw(n)，其中b為零吸引因子的比例參數(shù)，取值為0.001～0.1，sgn[·]為符號運(yùn)算；d4、抽頭權(quán)系數(shù)向量的更新下一時刻(n+1)的自適應(yīng)濾波器抽頭權(quán)系數(shù)向量w(n+1)由下式得出，w(n+1)＝w(n)+μ(n)v(n)-ρ(n)e、重復(fù)令n＝n+1，重復(fù)步驟b、c、d的操作，直至通話結(jié)束。仿真實(shí)驗(yàn)為了驗(yàn)證本發(fā)明方法的有效性，我們進(jìn)行了仿真實(shí)驗(yàn)，并與zalms算法和lms算法做了性能對比。仿真實(shí)驗(yàn)中自適應(yīng)濾波器抽頭長度l為16、128，遠(yuǎn)端的輸入信號采用一階自回歸(ar(1))信號，在房間為長6.25m，寬3.75m，高2.5m，溫度20℃，濕度50％的安靜密閉房間內(nèi)，將接收到的遠(yuǎn)端信號經(jīng)揚(yáng)聲器播放后，在房間中用麥克風(fēng)按采樣頻率為8000hz，按采樣階數(shù)l為16共拾取出1000時刻點(diǎn)的近端信號d(n)和采樣階數(shù)l為128共拾取出10000時刻點(diǎn)的近端信號d(n)。實(shí)驗(yàn)中各算法的參數(shù)具體取值如下表:各算法仿真實(shí)驗(yàn)的參數(shù)lmsμ＝0.04zalmsμ＝0.024,ρ＝0.0005本發(fā)明μ＝1,α＝0.93,ρ＝0.0005仿真結(jié)果通過獨(dú)立運(yùn)行100次平均得到。圖1是zalms算法、lms算法和本發(fā)明的仿真實(shí)驗(yàn)的歸一化穩(wěn)態(tài)失調(diào)曲線。圖2是zalms算法和本發(fā)明方法仿真實(shí)驗(yàn)的跟蹤能力(系統(tǒng)發(fā)生突變情況下)的歸一化穩(wěn)態(tài)失調(diào)曲線。從圖1中可以看出在稀疏系統(tǒng)環(huán)境中，同時在相同穩(wěn)態(tài)失調(diào)的情況下lms算法在大約120時刻處收斂，zalms算法在大約180時刻處收斂，本發(fā)明算法在大約100時刻處收斂，說明本發(fā)明的收斂速度明顯快于zalms算法和lms算法。從圖2中可以看出本發(fā)明具有良好的穩(wěn)定性能，在相同收斂速度的情況下本發(fā)明的穩(wěn)態(tài)失調(diào)約為-17db，明顯低于zalms算法的-15db；當(dāng)系統(tǒng)發(fā)生突變時，本發(fā)明的跟蹤性能依舊較好，其歸一化穩(wěn)態(tài)失調(diào)仍為-17db左右。當(dāng)前第1頁12