论文部分内容阅读
基于自适应滤波原理的声学回波消除器（Acoustic Echo Canceller,AEC）是消除通信系统中回波的主要方法,然而,AEC技术仍然存在着一些未能得到很好解决的问题,非线性声学回波路径的辨识便是其中之一。随着小尺寸及低成本声学器件的大量使用,通信系统中的非线性特征越来越显著,导致原来基于线性自适应滤波器的AEC方法的性能降低,继而影响通话质量。另外,噪声是所有通信系统中无法避免的问题。除了普遍存在的高斯噪声外,现实生活中广泛存在着非高斯噪声,这些噪声的冲击特性破坏了归一化最小均方（Normalized Least Mean Square,NLMS）等基于l2范数优化准则的自适应滤波算法。同时,在免提通话、视频会议等通信场合中的回波路径往往具有明显的稀疏特性,可以结合系统稀疏性和比例项权重的关系,使自适应滤波算法的性能进一步提升。因此,针对以上问题,本文采用了将无记忆非线性滤波器和线性有限长脉冲响应（Finite-length Impulse Response,FIR）滤波器进行级联的非线性声学回波消除方案。首先,在非线性滤波器部分,采用基于泰勒级数的无记忆多项式滤波器对非线性系统进行建模;其次,在线性滤波器部分,考虑到现实生活中广泛存在的非高斯噪声以及回波路径的稀疏特性,将比例矩阵的思想与符号算法（Sign Algorithm,SA）相结合,提出了一种修正的改进比例归一化符号算法（Modified Improved Proportionate Normalized Sign Algorithm,MIPNSA）,该算法不仅能适应于不同的背景噪声,还增强了对稀疏系统的适应能力,从而实现了不同噪声背景下非线性声学回波的消除,并对其收敛性做出了较为详细的理论分析。大量的仿真结果表明,与现有的Volterra方法相比,所采用的非线性声学回波消除方法具有计算量更小、设计更灵活的特点;同时,与归一化符号算法（Normalized SA,NSA）、改进比例归一化符号算法（Improved Proportionate NSA,IPNSA）等传统算法相比,所提出的新算法具有更好的收敛性和稳健性。