回声消除基于NLMS改进算法探究.docVIP

回声消除基于NLMS改进算法探究 　　摘 要： 为了提高VoIP的通信质量，减少回声干扰，对LMS算法、NLMS算法进行阐述， 基于NLMS提出了一种运算量小并且提高收敛性能的改进的自适应滤波算法。通过在Matlab下的仿真研究和对误差曲线的分析，证明了该改进算法的收敛速度快，均方误差小。用改进的算法对语音回声信号进行消除，仿真得到消除回声后的信号效果明显，为IP电话中回声消除的自适应滤波问题提供了一个较好的算法。 关键词： 回声消除； 自适应滤波算法； 量化误差算法； 可变步长算法 中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2013）22?0035?04 0 引 言 相比于传统的PSTN，VoIP（Voice over Internet Protocol）有很大的优势，它的网络利用率高，通信成本低，而且能广泛地采用Internet和全球IP互连的环境，提供比传统业务更多、更好的服务。 随着VoIP的迅速发展，如何提高通信质量是研究的重点难题[1]。而在实际通信中，回声会严重影响通信质量，因此如何消除回声是提高通话质量的关键技术之一。为了消除回声，一般采用的自适应滤波算法如：最小均方误差算法（Least Mean Square，LMS）、归一化LMS算法（Normalized LMS，NLMS）等，但是这些算法都存在一些收敛速度、均方误差的问题。基于算法的收敛性能和稳态性能，本文提出了一种改进的算法，使其在快速收敛的情况下，具有较好的稳态性能。 1 回声消除技术介绍 现代进行回声消除的技术主要是基于自适应滤波器，该滤波器能够根据参考信号，预测出接收信号中的回声，并将回声从信号中消除和抑制，从而消除回声。 1.1 自适应滤波器结构 自适应滤波器的结构如图1所示，其是由自适应算法来不断调整滤波器系数实现的。自适应滤波器由两部分组成：一个是滤波器结构，另一个是调整滤波器系数的自适应算法。自适应滤波器的结构[2?3]可以采用FIR结构或者IIR结构，但是由于IIR滤波器存在一些稳定性的问题，所以一般选择FIR滤波器作为自适应滤波器的结构。 图1中：x（k）是输入信号；y（k）是输出信号；d（k）是参考信号或者期望信号；e（k）为d（k）和y（k）之间的误差信号。误差信号e（k）控制自适应滤波器的滤波器系数，根据自适应滤波算法以及e（k）的值自动调整自适应滤波器的滤波器系数。 1.2 自适应滤波算法 1.2.1 最小均方自适应算法 最小均方自适应算法（LMS算法）[4]是线性自适应滤波器算法。其权值的递推公式为： [wn+1=wn+2μenxn] （1） 式中：w（n）为第n步迭代的权向量；[μ]是步长因子；e（n）是误差信号；x（n）是输入信号。这里，0 　　由图7可以看到迭代次数为50以前，信号之间有比较大的误差，之后迭代次数增大，误差也逐渐下降，迭代次数到达100以后，误差就基本上稳定在一个比较小的范围。 图8为LMS、NLMS、改进的NLMS三种算法期望信号与回声消除后信号均方误差的比较，其中红色的线代表的是LMS算法，绿色的线代表的是NLMS算法，黑色的线代表的是改进的NLMS算法。 由图8可以很明显地看出，在刚开始收敛时，LMS算法和NLMS算法的均方误差比较大，而改进的NLMS算法的误差相比而言小一点。当收敛级数到50的时候，改进的NLMS算法基本上就趋于稳定，而LMS还有NLMS算法依旧还是有一定的误差。 改进的NLMS算法既有较小的误差，收敛速度也比较快。综合看来，改进的NLMS算法有比较好快速收敛性能和稳定性能。 采用改进的NLMS算法对实际语音信号[8]进行回声消除。图9中，第一幅图是近端信号，也就是实际希望得出的信号，第二幅图是近端信号中混入了远端回声信号后得到的麦克风信号，第三幅图是利用改进的算法进行回声消除后得到的信号。 从图9中可以看出，消除回声后的信号与近端信号基本一致，回声消除效果比较理想。 在实际运用的时候，步长因子[μ]的选择非常重要，因为它会对滤波器收敛性能有很大的影响，它控制了算法的收敛速度。本文试验中采用的步长因子[μ]是经过多次测试得到的。 3 结 语 本文主要是研究自适应信号处理技术在语音通信的回声消除方面的应用。 传统的LMS算法因为它简单的结构、稳定的性能以及容易在硬件上实现等许多优点而被广泛地用在自适应控制、雷达、系统辨识及信号处理等各个领域。但是LMS自适应算法的收敛速度比较慢。而NLMS算法虽然收敛速度有所提高，但是它具有一个致命的弱点，就是当输入信号是像语音等相关性很强的信号[9]时，