基于VAD的块稀疏自适应滤波切换算法

摘要：文章提出一种用于声学回波抵消系统的块稀疏切换算法，新算法利用语音活动技术（Voice Activity Detection，VAD） 作为有效切换方案，从远端信号的短时能量中计算出阈值，将输入语音信号区分为两种不同情况，使算法在BSNLMS模式和NLMS模式之间切换。当输入激励能量较大时，可以实现算法的快速收敛；当输入相对较弱时，可以节省计算成本，从而获得良好的跟踪性能。最后，计算机仿真结果验证了切换算法的稳态误差和收敛速度性能。

关键词：VAD；块稀疏；切换方案；回声抵消

中图分类号：TP18 文献标识码：A文章编号：1009-3044（2023）16-0001-03

0 引言

免提语音通信系统、音频会议系统和助听器等回声消除应用场景中，由于扬声器和麦克风耦合产生回波是一个亟须解决的问题[1]。自适应滤波器为此提供了很好的解决方案，方案包括算法和结构两方面。其中，自适应滤波算法主要用于更新滤波器权重系数，使滤波器可以在不断变化的外部环境中稳定工作[2-3]。基于NLMS或LMS的横向自适应滤波器具有均方误差小、计算成本低、实现简单、鲁棒性强等优点，成为最优选择。但由于语音信号具有高相关性和非稳态特点，算法收敛速度较慢。同时由于声波回波路径的时变性，需要通过不断更新自适应滤波器系数[4]来跟踪其变化。为了解决这一问题，文献[5-6]中提出了几种NLMS的改进方法。其中一类得到广泛应用的改进算法是稀疏类自适应滤波算法，该类充分利用声学回声路径的稀疏先验性来提高算法收敛速度。所谓稀疏先验性，是指滤波器权重系数大多数都是零或者较小的系数，很少有非零或大系数。根据非零系数的分布，常见系统有单一簇状稀疏系统或多簇稀疏系统[7-8]。

在对相关稀疏算法进一步研究的基础上，提出一种更具有工程实践意义的切换算法，该算法利用语音活动检测（VAD）技术引入一个阈值来区分输入语音信号是高电平还是低电平。利用快、慢包络计算边际的最大功率值作为阈值，构造一个稳定变量。将阈值与输入信号功率值进行比较后，算法在NLMS 和BSNLMS之间进行切换。利用BS-NLMS作为输入激励在高电平时增强收敛性，当NLMS作为语音在低电平时增强收敛性。

4 结论

本文提出的方案结合了两种不同算法的优点。

通过快、慢包络的能量计算得到阈值，通过阈值和输入语音信号能量的比较，得出切换点。结果表明，该方法有明显的回波抑制效果。此外，它实现了一个相对合适的计算复杂度。

参考文献：

[1] Btoerns ebsatyse Jd， Mono rcgraons sD- cRo，rCrehloa tJi oHn.[AJ] .nIEewE Ec lTasrsa nosf adcotiuobnlse toanlk S dpeeteecch⁃

[2] Iaqnbda Al Mud Aio， SPtrookceess sJi nWg，，2G0r0a0n，t8 S（2 L）：.1N6o8r-m1a7li2z.ed double-talk detec⁃ t2i0on0 7b aIEseEdE o nIn mteircnraotpiohnoanle C aonndf eAreEnCc ee rorno rM curoltsism-ecdoirare alantdio En[xCp]o//.

[3] ILEiuE EJ， 2M0，0G7r：3an6t0 -S3 L6.3A. generalized proportionate adaptive algo⁃ rmitiht m& bIansteedrn oanti ocnoanlv eCxo nofpetriemniczea toionn [SCig]/n/2al0 1a4n dI EInEfEor mChaitnioan S Purmo⁃⁃

[4] cDeossnign gY （ CXh，inZahSaIoP ）H.IE QEE. A，2 0n1e4w：7 4p8ro-p7o5r2ti.onate normalized least ImEeEaEn Isnqtuearnrea tiaolngaolr iCthomnf efroern chei gohn mSiegansaulr ePmroecnets sninogis，eC[oCm]/m/2u0n1i5⁃ cations and Computing （ICSPCC）.IEEE，2015：1-5.

[5] 刘遵雄，秦宾，王树成.加权lp范数LMS算法的稀疏系统辨识[J].计算机工程与应用，2013，49（13）：194-197.

[6] Al-Sayed S，Zoubir A M，Sayed A H.Robust adaptation in impul⁃sive noise[J].IEEE Transactions on Signal Processing，2016，64（11）：2851-2865.

[7] Sayin M O，Vanli N D，Kozat S S.A novel family of adaptive fil⁃tering algorithms based on the logarithmic cost[J].IEEE Trans⁃actions on Signal Processing，2014，62（17）：4411-4424.

[8] 魏丹丹，周翊，师黎明，等.基于反双曲正弦函数的抗冲激块稀疏自适应滤波算法[J].计算机应用，2017，37（1）：197-199，205.

[9] Ni J，Li F.Normalised subband adaptive filter with new variableregularisation matrix[J].Electronics Letters，2010，46（18）：1293.

[10] Farhang-Boroujeny B.Adaptive filters：theory and applications[M].2nd ed.New York：John Wiley & Sons，2013.

[11] 王代丽，王世元，张涛，等.基于稀疏系统辨识的广义递归核风险敏感算法[J].西南大学学报（自然科学版），2022，44（4）：196-205.

[12] 李立立，郭莹.偏差补偿稀疏自适应滤波算法[J].微处理机，2021，42（4）：38-41.

[13] Hänsler E，Schmidt G U.Hands-free telephones - joint control of echo cancellation and postfiltering[J].Signal Processing，2000，80（11）：2295-2305.

【通联编辑：唐一东】