英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
免提系统的自适应回声消除方法
摘要
本文研究了免提系统的联合噪声与回波对消问题，背景噪声环境下的声回波对消问题是任何现存系统所面临的挑战。在本文中，我们提出了一个结合ANC和AEC两个过程的新系统。在我们的方法中，我们建议分成两个阶段，如下所示。第一阶段，我们提出，使用前向盲源分离（FBSS）结构去消除在同一环境中声回波信号中的背景噪声分量，这种FBSS结构采用双通道归一化最小均方(TC-NLMS)自适应算法，来消除初始信号中的背景噪声；第二阶段，我们提出使用基于单通道NLMS(SC-NLMS)的AEC系统来有效抑制回波信号的算法。这是FBSS与AEC组合成的新系统，在永久状态下，它允许降低声回波信号到较低的均方值（MSE），而在这种方法中FBSS是必不可少的。提出的这种算法在这种环境下（在同一时间，原信号与噪声信号共存）的性能已经被各种存在的标准（ERLE, SegSNR, 和 GainMSE）竞争算法评估完成。
关键词： SC-NLMS SegSNR 声学噪声消除器 语音增强 FBSS
1 介绍
音频会议和免提电话等许多领域的技术发展改善了人与人和人与机器之间的通信，因此，免提系统由于其方便性和安全性而成为许多电话应用的标准。然而，由于声回波的干扰，通信质量往往会下降。由于扬声器和免提设备（Puder和Dreiseitel 2000）的麦克风之间的声学耦合，产生回声信号。不幸的是，这个信号被发送回远端扬声器，后者接收到他自己的声音回声，因此，通信受到干扰。因此，对于免提移动设备，强烈要求使用声学回声消除器（AEC）向远端发送无回声信号（Sakai and Tahir Akhtar 2013；Huang 等人.2006年）。然而，通信可能会受到另一个事件的影响，即需要特定处理的背景噪声。为此，提出了几种处理这一联合问题的技术和算法，即回波和噪声问题。文献中提出了几种分离降低噪声和回波的技术。对于噪声消除，我们可以找到单通道技术（Ephraim等人。1985年；Loizou 2017年；Boll 1979年；Scalart等人。1996年；Bouquin Jeannegrave;s等人.1997）；双通道技术（Boll and Pulshipher 1980；AlKindi and Dunlop 1989；Van Gerven and Van Compernolle 1995；Djendi et al.2006年；Weinstein等人。1993年）；以及多频道（Pradhan和Reddy，1999年；Gilloire和Vetterli，1992年；Van Gerven和Van Compernolle，1992年；Jin等人.2017年；Huang等人.2016年；Djendi等人.2013年）。所有这些技术都可以在时域或频域实现。最近，一些将前向盲源分离结构与自适应和非自适应方法相结合的技术也被用于降低ANC（Djendi和Zoulikha 2014；Djendi和Scalart 2012；Djendi 2017；Djendi等人.2016年；Henni等人.2017年；Kim等人.2014年）。此外，还提出了这些技术的最后几个版本，这些版本基本上基于可变步长自适应技术（Zoulikha等人.2017年；Bendoumia and Djendi 2015年；Djendi and Zoulikha 2018年；Kim and De Wilde 2000年；Djendi 2016年），降低非国大的频率或小波技术（Ghribi et 等人.2016年；Beaugeant 1999年；Park and Chang 1999年）。我们注意到，在存在声回波现象的情况下，这些先前的技术都将无效，需要第二阶段的AEC来克服这一问题，即在同一区域存在声噪声和回波。这些失真（即声回波和声噪声）一起干扰并严重降低通信质量。因此，对于免提移动设备，考虑在这种系统中连续地结合AEC和ANC以提高通信质量。文献中对ANC和AEC联合系统的技术进行了综述（Park等人.2002年；Jeannes等人.2001年；Hanshi等人.2014年；Bouquin–Jeannegrave;s和Faucon，1997年；Kuo等人，2005年；Martin and Variy，1994年、1996年；Benesty等人.1999年；Guelou等人.1996年；Ciochină等人.2015年），可分为单通道或多通道系统。实际上，串行组合的性能受到AEC和ANC系统的位置的显著影响。在AEC系统首先放置的结构中，ANC的噪声估计会受到第一次处理的干扰。此外，如果AEC位于ANC系统之后，则会在回波信号上引入非线性失真（Benesty等人.1995年）。因此，为了解决这一问题，人们致力于研究各个过程所使用的算法，即ANC算法和AEC算法。我们注意到，在ANC和AEC系统中，使用了几种自适应算法来改进对消过程（Benestyet 等人.2008年；Djendi 2015年；Widrow等人.1985年；Sayoud等人.2018年；赛义德2003年）。本文研究了一种免提系统中的联合噪声和回声消除方法。我们建议使用一种新的自适应算法组合来更新每个ANC和AEC过程的滤波器系数。我们提出采用前向盲源分离结构作为ANC级，然后在第二级采用经典的自适应AEC系统。因此，我们建议ANC系统使用双通道NLMS算法，AEC系统使用单通道NLMS算法。与传统的AEC系统相比，该算法可以获得更好的回声抵消应用性能。本文的组织结构如下：第二节描述了声环境，介绍了ANC和AEC系统。声噪声和回波的联合消除详见第3节。在第四节中，我们介绍了实验研究，并描述了算法的仿真结果。在第五节中，我们将所提出的算法与竞争性技术和最新技术进行比较，评估其性能。最后，我们结束第六节的工作。
2介绍ANC和AEC技术
2.1声学环境
我们关注两个麦克风，分别用于记录车内（免提系统）或房间（电话会议系统）信号的恶劣环境（Park等人.2002年），声回波是通过扬声器广播的放大的远端信号。此外，我们将噪声分量视为干扰源。该环境由（Djendi 2014）卷积混合建模，并由图1描述。让声脉冲响应、、和，分别模拟声路径Path1、Path2、Path3和Path4。我们假设噪声源靠近第二个麦克风，因此脉冲响应可以等于Kronecker单位脉冲（Van Gerven and Van Compernolle 1992；Van Gerven and Van Compernolle 1995；Djendi and Zoulikha 2014）。
图1 采用的卷积混合模型
噪声观测的和是远端信号和噪声信号之间的线性组合，并通过以下关系以函数表示法给出：
(1)
(2)
其中，“*”表示线性卷积算子，回波信号、是远端信号与声波路径之间的卷积结果。
(3)
(4)
一般来说，麦克风信号记录中会出现一种以上的干扰，每种干扰都需要特定的增强方法。我们将主要研究两类语音增强技术，即噪声抵消（ANC）和回声抵消（AEC）。
2.2 噪声消除
ANC的目的是去除背景噪声。因此，本文采用盲源分离（BSS）原理。BSS系统包括在盲环境中，仅从噪声观测信号中恢复原始信号，其中源信号是先验未知的[参见图2、3]，（Djendi等人。2006年；Djendi和Zoulikha 2014年）。为了从图3的混合级中检索原始信号，即远端信号和噪声信号，我们使用前向盲源分离（FBSS）结构作为去噪级，如图3所示。
图2 BSS结构基本流程图
图3 混合与去噪阶段图
在图3的FBSS结构中，输出信号和由以下关系给出：
(5)
(6)
在公式（5）和（6）中分别插入公式（1）和（2），进一步计算，可获得：
(7)
(8)
通过设置两个自适应滤波器和，输出信号如下所示：
(9)
(10)
从公式（9）和公式（10）中，可以注意到在去噪阶段，传感器的输出端的估计源因为后滤波器引起失真。为了避免这个问题，提出了几种技术（Bouquin Jeannegrave;s等人.1997年；Djendi等人.2006年）。在我们的研究中，我们强调了松间隔麦克风的情况，因此，后滤波器的效果并不显著（可以忽略）。另一方面，公式（9）证明了ANC系统可以一次消除一种干扰，这意味着回波信号始终存在。因此，在这种情况下，需要一个集成的声学回波抵消系统来消除两种干扰，即回波和噪声分量。
2.3 回声消除
为了提供更好的通信服务，在没有延迟和回声的情况下，具有清晰的语音质量，研究人员开发了解决这一关键问题的方法（Benesty等人.2008年；德詹迪2015年）。回声被定义为原始语音信号的延迟和失真版本，它被发送回源地址（Bouquin–Jeannegrave;s and Faucon 1997；Sayoud等人.2018年）。
在本节中，我们将解释AEC过程。扬声器发送远端信号s（n），由于室内/车内多次反射，信号被麦克风再次捕获。我们在传感器输出端接收到的观测m（n）由回波信号d（n）和噪声b（n）与脉冲响应h21（n）之间的卷积结果组成。为了消除这类干扰并实现声学回波抵消，自适应滤波器w3（n）估计回波h11（n）（Kuo等人.2005年；Martin and Varie 1994年）。
如图4所示，远端麦克风接收到的信号可以表示为：
（11）
（12）
（13）
在式（11）中代入式（12），可得：
（14）
通过设置自适应滤波器，给出了问题的明显理论解。因此，我们得到以下输出信号公式：
（15）
从等式（9）和（15）中，我们观察到只有一种干扰被消除（如图4所示），因此，为了更好地消除回声，我们建议在下一节将ANC和AEC系统集成在一个结构中。
图4 回声抵消结构
3 联合噪声和回波抵消的提出
在上一节中，我们得出结论，AEC技术需要在AEC架构之前或之后附加一个ANC阶段来移除噪声组件。但不幸的是，噪声估计会受到AEC过程的干扰，因此，最好首先减少干扰噪声。因此，我们考虑图5所示的情况，其中ANC系统被放在第一位以获得更精确的回波估计。除了提出的研究结构外，文献中还描述了许多不同的组合方案（Martin and Vary 1996；Benesty 等人.1999年；Guelou等人.1996年）。
如图5所示，声噪声消除器使用两个麦克风来抑制来自第一信道的噪声，因此，AEC处理仅应用于该信道，因此，沿着本文，我们关注ANC处理的第一输出。
图5 拟议结构的总体框图
针对这一问题，本文提出了一种新的自适应算法组合来实现声回波和噪声的联合消除。在介绍该系统之前，我们将给出该结构的输出信号公式，如图五所示。声噪声抵消器
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[238507]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
