一种改进的与声码器结合的声学回声消除器

一种改进的与声码器结合的声学回声消除器 文章编号: 1002- 8684( 2006) 10- 0051- 04 论文?? 一种改进的与声码器结合的声学回声消除器 胡海军林茫茫张志军李 挥 , , , 广东深圳 北京大学深圳研究生院518055) ( , 摘 要提出了一种改进的与线性预测声码器结合的声学回声消除器通过增加一个自适应辅助滤波器避免了 【, , 】 对信号路径中所有信号在任何时刻都需经去相关恢复相关过程所带来的信号质量降低失调误差增加等负面影 、、 该结构明显提高了已有算法的回声抵消量, 。响计算机仿真结果明。 声码器关键词声学回声消除最小均方算法线性预测 【】; ; ; 中图分类号文献标识码【】TN912 【】A An Impr oved Acoustic Echo Canceller Combined with LPC- Based Speech Coder HU Hai- jun, LIN Mang- mang, ZHANG Zhi- jun, LI Hui ( Shenzhen Graduate School, Peking University, Shenzhen Guangdong 518055, China) 【Abstr act 】An improved acoustic echo canceller combined with the LPC- based speech coder based on the previous researching results is presented. By adding an auxiliary adaptive filter, the negative effects caused by the decorrelation filter and its inverse are avoided in the signal path. Computer simulations show this algorithm has a higher echo return loss enhancement value compared with the previous results. 【Key wor ds】acoustic echo cancellation; normalized least mean square; linear prediction; vocoder 在克服 算法缺点的同时避免了算法的复杂度NLMS , ; 引言1 了算法计算量的明显增加。 在声学回声消除方面, 目前采用最多的是归一化[11]笔者通过对已有工作中算法和结构进行深入研 最小均方算法究发现文献中的算法在任何时刻所有的信号都需 ( Normalized Least Mean Square, NLMS) , [11] 及对其改进的各种算法这是由于 算法简洁复 , NLMS 、要经过去相关和恢复相关过程造成信号质量降低失 , 、杂度低但 算法的性能依赖于输入信号自相关 。NLMS 调误差增加等不利影响笔者在此基础上提出了一种 。, [1- 2]矩阵的特征值扩展和附加噪声信号的能量即当输 , 改进的算法和结构克服了去相关恢复相关过程所造 , 、入信号是语音背景噪声是有色噪声等相关性很强的 , 成的不利影响。 信号时算法的收敛速度会明显降低从而严重影响回 , , [3- 10]声消除的质量因此各种改进也相应被提出。, , 即对输入信号进行去相关进而减弱信号的相关性这 , 去相关回声消除算法进展回顾2 些方法能够显著提高算法的收敛速度但同时带来一 , 文献中采用的去相关方法如图 所示表示[11]1 “,^” 个问题必须增加对信号进行去相关处理的滤波器同 : , 时需要不断地计算和更新用于去相关的滤波器系数, 估计值和表示去相关后的信号采用参考信号 ,“~”。x k 这额外增加了计算量。 去相关的参考信号可 期望信号 同时去相关的方法d , k 在文献中提出了一种结合线性预测声码器 [11- 12]直接从解码器中提取即短时激励信号 同时利用从, u; 的声学回声消除方法该方法的改进之处在于通过利 k , : 解码器中提取的线性预测系数构造去相关滤波器对期 用目前广泛应用于 系统中基于线性预测原理的VoIP 望信号去相关。 文献中的算法表示为[11] M 直接从解码端提取线性预测系数和短时激励!声码器 , ( 1) d=d- ad" kkik- ii=1 信号省去了对去相关滤波器系数的计算和更新不再 , ; T # !需要专门的前置滤波器为远端语音信号去相关减小, e=d- HU( 2) kk kk 为自适应滤波器的输入用于计算回声路径的估计值 , ;$" xydede然后用该估计值构造一个辅助回路的滤波器其输入 , k k k k k k 回声路径 恢复 解码器 去相关 & & 为参考信号 和期望信号 输出为最终误差信号相关xd, e。 H kk k + - n k ^dx$ye k k k kd 回声路径 k 解码器 滤波器 && H + - u nkk ! d 自适应过程 k 滤波器 线性预测系数 $[11]u k d自适应 图 回声消除器的系统结构1 k去相关 滤波器 ! !eU kk!图 ! 改进的回声消除器系统图2 ( 3) HH=+ k+1 k2 ‖U‖ +" k 另外应该考虑回声路径所产生的延迟影响线性 , 。M 预测系数 每半帧更新一次而回声路径延迟a( 5 ms) , " i ( 4) ee=+ae# kkik- ii=1 因此对期望信号进行一般在几十到几百毫秒范围内 ,式采用线性预测滤波器对期望信号 去相关为 ( 1) d, ak i 去相关的滤波器系数不是当前时间所提出的系数而 , 线性预测系数为去相关滤波器阶数中, M ( G.729 是延迟时间前的系数。 [13]" 因此可推导出改进的去相关 算法的递推 , NLMS 式式用于计算去相关后的误差信号 M=10) ; ( 2) e; ( 3)k 公式 ! 采 用 算 法 对 滤 波 器 抽 头 系 数进 行 更 新 其 NLMS H, k M T $中为去相关后的远端语音信号d( 5) U( k) =[u, u, , u] ,=ad# kk- 1 k- ( N- 1) ki, k- N k- ii=0 T T 为控制失调的固定收敛因子是为避免 ! , " x ( n) x( n ) $" e( 6) =d- HU kkkk过 小 导 致 步 长 值 太 大 而 设 置 的 参 数 式 用 于 对; ( 4 ) T ( 7) e=d- HX kkkk" 从而得到 输去相关后的误差信号恢复其相关性 e,k ! " eU( 8) H=H+ kkk+1 k2 出误差信号 e。 k"+‖U‖ k文献中的算法和结构有 个问题值得探究[11]3 : 式采用线性预测滤波器对期望信号 进行去相关( 5) d , k 结构中所有语音信号包括回声信号近图 ( 1) 1 , 、 为回声路径冲激响应的长度式用于计算去相关N ; ( 6) 端的语音信号及各种噪声信号每时每刻 包括双讲的 ( " 后的误差信号用于计算输出误差信号 式式e; ( 7) e ; 情况下都需要进行去相关和恢复相关的处理这不仅 k k) , 增加了运算量同时还会降低近端语音信号的质量, ; ! 采用 算法对滤波器抽头系数更新 8) NLMS H。( k 在定点处理情况下高阶的去相关恢复相关 ( 2) , 、 算法对比3.2 递归滤波器可能会出现稳定性问题对误差信号恢复 ; 新算法和结构的改进之处为: 相关时由于误差信号的 初 值 个 值 无 法 准 确 给 , ( 10 ) 图 在信号路径中节省了恢复相关的滤波器( 1) 2 , 出因此恢复相关后造成的误差将很大, ; 没有考虑回声路径带来的延迟因此对期望信( 3) , 语音信号质量不再受去相关近端语音信号直接输出 , 和恢复相关滤波影响; 带来了额外号去相关的系数和信号会出现失配问题 ,在定点处理情况下可避免由于高阶递归滤波( 2) , 失调误差。 同时误差信号不再需要恢器可能产生的稳定性问题 , 复相关的过程克服了用于恢复相关运算中误差信号 , 改进的回声消除器3 的初值无法准确给出所带来的递归误差; 改进回声消除器结构和算法描述 3.1 回声路径带来的延迟得到考虑减小了去相关 ( 3) , 图 是改进的回声消除器的基本结构其基本原理2 , 带来的额外失调误差。 新算法和结构的代价为改进的方法中增加了一: , $是采用去相关的参考信号 和去相关的期望信号作: ud kk 条自适应辅助回路回声消除器必须进行两次滤波一 , , 0.4 次是对去相关后的远端语音信号一次是对原始的远 , 0.2 端语音信号因此会增加处理器的负担, 。 0.0 幅度- 0.2 4 - 0. 0 100 200 300 400 500 600 700 仿真与结果4 采样点 房间冲激响应 ( a) H 1仿真方法 4.1 0.4 在验证和仿真过程中笔者结合 编解码算, G.729 0.2 0.0 [13]法并修改了 解码器的部分程序来提取短时激G.729 幅度- 0.2 励信号 和线性预测合成滤波器系数 回声路径冲 ua。ki - 0.4 0 100 200 300 400 500 600 700 激响应的长度 步长初值 衡量性能的 N=800; !=0.025。 采样点参数为: 房间冲激响应 ( b) H 2 图 回声路径冲激响应 3 回声返回损耗增益( 1) ( Echo Return Loss Enhance- 值其反映的是原回声信号与剩余回声残 ment, ERLE) , 差的比值也称为回声抵消量值越高表明回声 , , ERLE 1.0 改进 算 法 文献算 法[11] 消除性能越好的计算方法为。ERLE 0.5 2 2 10 15 0 5 ( 9) erle( k) =101g E /E #!"!"$d e k k t /s 的失调值的对比两种算法对回声路径 ( a) H 1 失调也称为系统距离反映( 2) ( system distance) , 40 改进 算 法的是回声消除器中自适应 滤波器对真实回声路 FIR 文献算 法[11] 30 径的逼近程度失调值越低表明自适应滤波器匹配得 , 20 越好失调值的计算方法为。 10 0 2 4 6 8 10 12 14 15 2 !t /s ‖H- H ‖ k k ( 10) Misalignment( k) =101g 值对比两种算法对回声路径 ( b) H RLE ( =0.025) !’& 2 的E 1 ‖H‖ k图 两种算法对回声路径 的失调值与 值对比4 HERLE 1 测试语音信号来自 大学的语 音Carnegie Mellon 1.0 数据库选取了几十组男女语音笔者给出的仿真结果 , 。改进 算 法 文献算 法[11] 是其中的一个男声语音从所有测试的结果来看该结 , , 0.5 果具有一般性。 1510 0 5 仿真结果4.2 t /s 图 是回声路径 和 的冲激响应图冲激响应3 H H , 变为 的失调值对比 回声路径从 ( a) HH1 2 1 2 30 改进 算 法文献算 法 [11]长度 是针对图 中回声路径 图 N=800( 100 ms) ; 4 3 H1 20 仿真得到的结果可以看出新算法与文献中的算 , , [11]10 ERLE /dB Misalignment 法相比失调值 在没有考虑回声路径延 , Misalignment ERLE /dB Misalignment 迟的情况下曲线几乎重叠说明失调值近似相等但 0 2 4 6 8 10 12 14 15 , , , t /s 值随时间的增加提高越来越明显图 是针对ERLE ; 5 变为 的 值对比回声路径从 ( b) HHERLE ( !=0.025) 1 2 图 两种算法对回声路径从 变为 的 5 HH2 1失调值与 值对比ERLE 图 中回声路径在第 秒钟从 变为 仿真得到的3 8 H H 1 2 中的算法相比结果可以看出新的算法与文献[11], , , 结论5 值随时间的增加提高得越来越明显而失调值ERLE , [11]笔者在已有工作的基础上给出了一种新的声学 在没有考虑回声路径延迟的情况下近似相等仿真结。回声消除算法和结构它适用于目前广泛使用的以码 , 果证实了笔者的分析原因是初值问题给恢复相关带 , 本激励线性预测编码技术为基 础 的 和 ITU- T G.729 来了较大的误差而笔者提出的算法避免了恢复相关 , 等标准采用 标准实验仿真表明笔者 G.722.2 。G.729 , 的过程从而克服了文献中的缺点使性能获得了, [11], 提出的声学回声消除算法和结构避免了文献中信[11] 号路径中所有信号在任何时刻都需要经过去相关和恢: IEEE national Symposium on Circuits and Systems. [S.l.]复相关过程所带来的信号质量降低失调误差增加等 、Press, 1992, 4: 1 930- 1 932. 负面影响此结构明显提高了算法的回声抵消量, 。 [8] SEIICHI Y, SEISHI K, JUNSO T, et al. An adaptive echo 参考文献 canceller with linear predictor[J]. The Transactions of the [1] PAULO S R D. Adaptive filtering: algorithms and practical IECE of Japan, 1979, 62( 12) : 851- 857. implementation[M]. 2nd ed. [S.l.]: Kluwer Academic Publ- 雷鸣唐昆崔慧娟等一种改进的声回声抵消算法清[9] , , , . [J]. 华大学学报自然科学版: , 2001, 41( 1) : 37- 40. ishers, 2002. 王振力张雄伟杨吉斌等基于去相关 算法的自 [10] , , , . NLMS [2] FARHANG- BOROJENYB , GAZOR S. Performance of LMS- 适应回波抵消应用科学学报[J]. , 2006, 24( 1) : 21- 24. based adaptive filters in tracking a time- varying plant[J]. 吴雅婷胡海军张志军等与 声码器结合的回声 [11] , , , . VoIP IEEE Trans. Signal Processing, 1996, 44( 11) : 2 868- 2 871. 消除器电声技术[J]. , 2006( 5) : 68- 71. [3] KHASAWNEH M A, ALEXANDER W E. Quantification [12] GORDY J D, GOUBRAN R A. A combined LPC- based of whitening effects in adaptive filtering[C]// Proceedings speech coder and filtered- X LMS algorithm for acoustic of southeastcon. [S.l.]: IEEE Press, 1989, 3: 1 190- 1 194. echo cancellation [C]// Proceedings of IEEE International [4] MBOUP M, BONNET M, BERSHAD N. LMS coupled Conference on Acoustics, Speech, and Signal Processing. adaptive prediction and system identification: a statistical [S.l.]: IEEE Press, 2004, 4: 125- 128. model and transient mean analysis[J]. IEEE Trans. Signal [13] International Telecommunications Union. ITU- T G.729: Processing, 1994, 42( 10) : 2 607- 2 614. Coding of speech at 8 Kbit/s using CS- ACELP[S]. [S.l.]: [5] WAN E A. Adjoint LMS: an efficient alternative to the ITU, 1996. filtered - X LMS and multiple error LMS algorithm [C]// 作者简介 Proceedings of IEEE International Conference on Acoustics, 胡海军硕士研究生研究方向为信号处理与语音编码, , ; 林 茫 茫 硕 士 研 究 生 研 究 方 向 为 嵌 入 式 系 统 与 语 音 , , VoIP Speech, and Signal Processing. [S.l.]: IEEE Press, 1996, 3: ; 编码1 813- 1 846. 张志军硕士工 程 师主 要 研 究方 向 为 网络 技 术 及多 , , , VoIP [6] LIU Ting, GAIOR S. A variable step- size pre- filter- bank ; 媒体网络应用 adaptive algorithm speech and audio processing[J]. IEEE 李挥博士副教授硕士生导师主要 研 究方 向 为 通信 系 统, , , , 及芯片设计宽带交换理论Transaction, 2005, 13( 5) : 905- 916. , 。 [7] FRENZEL R, HENNECKS M E. Using prewhitening and stepsize control to improve the performance of the LMS algorithm for acoustic echo compensation[C]// IEEE Inter- 责任编辑潘浩然收稿日期[] [] 2006- 06- 20 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 上接第 页( 50 ) 结论5 与直接采用简单的特征参数的算法相比, 笔者提- 1.0 /dB - 1.5 出的基于 增强和谱熵的语音端点在不同的信ICA 谱熵 噪比环境下都有很好的端点检测性能实验表明特别 。, - 2. 0 0 50 100 150 200 250 是在低信噪比环境下此算法快速有效并 ( - 10,0 dB) , , 帧数语音增强后使用谱熵的端点检测结果( d) ICA 且具有较强的抗噪能力。 图 语音增强前后对语音端点检测结果比较1 “” 参考文献 王炳 锡 屈丹 彭 煊实用 语 音 识别 基 础北京 国 防 [1] , , . [M]. : 工业出版社, 2005. 图 中线内区域为检测到的有效语音区间从图1 , [2] HYVARINEN A, KARHUNEN J, OJA E. Independent 基于传统的短时能量在低信噪比下几乎中可以看出 ,component analysis[M]. Hoboken, New Jersey: Wiley, 2001. 无法检测出语音而经过 语音增强后再使用谱熵, ICA 杨福生洪波独立分量分析的原理与应用北京清[3] , . [M]. : 进行端点检测能比较准确地检测出语音的起始点改, , 华大学出版社, 2006. 不仅缩短了识别时间还进后的起止点识别比较准确 , 提高了识别率。 责任编辑潘浩然收稿日期[] []2006- 07- 20