神經(jīng)網(wǎng)絡(luò)在通信系統(tǒng)回音對消中的應(yīng)用

余尤好

(莆田學院電子信息工程系，福建 莆田 351100)

0 前 言

通信系統(tǒng)聲學回音包括直接回音和間接回音.直接回音是指由說話者發(fā)出的聲音經(jīng)過不同路徑一次或多次反射后進入麥克風所產(chǎn)生的回音，常見情況是受話方將聽到一前一后兩個聲音.間接回音是指聲音由遠端受話方的揚聲器播出后進入對方麥克風傳遞回來，說話方將聽到對方聲音和自己延時的聲音.為控制回音的影響，人們先后提出網(wǎng)絡(luò)衰減法和回音抑制器技術(shù)，但是它們都存在較大缺陷和局限性.網(wǎng)絡(luò)衰減法在發(fā)送端和接收端都裝有衰減器，但是隨著傳輸距離變長，話音電平衰減太大.回音抑制器在發(fā)送端說話時，打開發(fā)送路徑，而在接收端關(guān)閉發(fā)送路徑，它采用非線性回音控制方法，容易引起揚聲器聲音斷斷續(xù)續(xù)，回聲消除效果不好，具體實現(xiàn)時比較困難.回音對消的核心技術(shù)就是采用自適應(yīng)算法的濾波器，自適應(yīng)神經(jīng)網(wǎng)絡(luò)具有自學習能力，采用均方誤差最小的學習規(guī)則自動調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，收斂速度快、穩(wěn)定性高、易于實現(xiàn)，非常適合用于各類信號的分析處理，尤其是信號處理中的非線性問題.神經(jīng)網(wǎng)絡(luò)在通信系統(tǒng)、自適應(yīng)濾波、弱信號檢測等方面得以廣泛應(yīng)用.

1 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)

自適應(yīng)線性神經(jīng)元(Adaptive Linear Neuron，以下簡稱：ADALINE)是線性神經(jīng)網(wǎng)絡(luò)最早的典型代表，它采用最小均方誤差(Least Mean Squares，以下簡稱：LMS)算法，由其訓練的網(wǎng)絡(luò)判決邊界距離分類模式較遠，網(wǎng)絡(luò)抗干擾能力較強，可以實現(xiàn)高性能自適應(yīng)濾波器的設(shè)計.

1.1 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)模型

ADALINE是一個自適應(yīng)可調(diào)的網(wǎng)絡(luò)，廣泛應(yīng)用于信號處理中的自適應(yīng)濾波、預(yù)測和模型識別.ADALINE模型如圖1所示，它的傳輸函數(shù)為線性函數(shù)，線性神經(jīng)網(wǎng)絡(luò)的輸出為：

a=purelin(Wp+b)=Wp+b

(1)

式(1)中：a為模擬量，代表神經(jīng)網(wǎng)絡(luò)的實際輸出；purelin表示線性傳輸函數(shù)；W表示由權(quán)值w1，w2，…,wm構(gòu)成的矩陣；b代表閾值向量；p是系統(tǒng)的輸入向量.有些情況下自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的輸出不是取自線性神經(jīng)元的輸出，而是將目標響應(yīng)t(即神經(jīng)元輸出的期望值)與模擬輸出量a相減，得到誤差信號e作為輸出[1].

圖1 自適應(yīng)線性神經(jīng)元模型Fig.1 Model of adaptive linear neuron

對于線性神經(jīng)網(wǎng)絡(luò)可以直接求網(wǎng)絡(luò)的W和b而不需要訓練，若網(wǎng)絡(luò)不止一個零誤差解，可以取誤差最小一組的閾值和權(quán)值向量.如果網(wǎng)絡(luò)零誤差解不存在，那么可以取誤差平方和最小那組的閾值和權(quán)值.由于線性系統(tǒng)有唯一誤差最小值，所以根據(jù)給定的一組輸入向量和目標向量，可以算出實際輸出向量和目標向量的誤差最小值.若無法直接求出W和b，ADALINE神經(jīng)網(wǎng)絡(luò)可以采用LMS算法來調(diào)整W和b，這種方法是沿誤差最陡下降方向?qū)ι弦徊降玫降臋?quán)值向量進行修正[2].

對多組訓練樣本{p1，t1}，{p2，t2}，…，{pQ，tQ}，LMS算法的目的是尋找最佳的W、b，使各神經(jīng)元輸出的均方誤差最小.神經(jīng)元輸出的均方誤差為：

(2)

式(2)中：mse為神經(jīng)元的均方誤差；Q為訓練樣本個數(shù)；a為神經(jīng)元輸出的實際值；t為神經(jīng)元輸出的期望值.

為了尋找最佳的W、b使每個神經(jīng)元輸出的均方誤差最小，將mse分別對W和b求偏導數(shù)，令其等于0，聯(lián)立方程組即可求得mse的極值點.由于mse只能是正值，所以極值點必為極小值.當輸入向量的維數(shù)較高時，計算很麻煩.通常采用搜索優(yōu)化法，假設(shè)獲得的第k次訓練結(jié)果為W(k)和b(k)，找出曲面上該點最陡下降方向，沿這個方向?qū)λM行修正.求解均方誤差的梯度運算量較大，可以用誤差平方的梯度來近似表示：

(3)

(4)

由公式(3)和(4)得到自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)W和b的調(diào)整公式為:

W(k+1)=W(k)+2βe(k)pT

,

(5)

b(k+1)=b(k)+2βe(k)

.

(6)

式(5)、(6)中：β為學習速率，是決定W和b的收斂速度和穩(wěn)定性的參數(shù).β取值越大，學習速度就越快，但是如果取太大將會造成修正過度，系統(tǒng)變得不穩(wěn)定，產(chǎn)生更大的誤差[3].

1.2 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)回音對消系統(tǒng)設(shè)計

應(yīng)用ADALINE神經(jīng)網(wǎng)絡(luò)消除回音的原理框圖如圖2所示.圖2中：s表示原始輸入信號，即通話時希望聽到的對方語音信號；n1表示通信系統(tǒng)的回音信號，即需要消除的噪聲信號；n0為與回音信號n1相關(guān)的參考輸入信號，也就是n1在傳輸過程發(fā)生非線性變換后得到的信號；s+n0作為ADALINE神經(jīng)元的期望輸出信號；y為回音信號經(jīng)過ADALINE神經(jīng)元自適應(yīng)調(diào)節(jié)后得到的實際輸出，接近于n0；期望輸出信號與實際輸出信號通過減法器后得到誤差信號，作為系統(tǒng)的輸出以ε表示，即ε=s+n0-y.則有

E(ε2)=E[(s+n0-y)2]=
E(s2)+2E[s·(n0-y)]+E[(n0-y)2]

.

通過自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)學習步長和訓練次數(shù)的調(diào)節(jié)，使誤差信號最小，得到

Emin(ε2)=Emin(s2)+2Emin[s·(n0-y)]+
Emin[(n0-y)2]

,

(7)

式(7)中：當y接近于n0時，其輸出ε與信號源輸入s差值約等于0，此時回音信號被消除[4].特別是對于間接回音信號的消除，此時信號源信號與回音信號線性無關(guān)，從而E[s·(n0-y)]=0，運算過程較為簡便.

圖2 回音對消原理圖Fig.2 Principle diagram of echo cancellation

2 仿真結(jié)果及分析

2.1 語音通話時直接回音的消除

根據(jù)國際電報電話咨詢委員會(International Telegraph and Telephone Consultative Committee，簡稱：CCITT)的長途通信協(xié)議標準，目前各國一般采用的話音采樣頻率為8 kHz.當聲音延遲達到50 ms而且衰減較小時，人耳可以感覺到清晰的回音.仿真時錄制一段話音作為原始語音信號，采樣頻率為8 kHz，延時1 s并把幅度降低到原來的60%作為回音信號.將回音信號作為自適應(yīng)線性神經(jīng)元的輸入向量n1，原始語音信號與回音之和作為神經(jīng)元的目標向量，通過回音對消后，系統(tǒng)可以得到較為清晰的自身話音信號，通過話筒傳遞到對方，受話人不會感覺到回音.

MATLAB軟件是面對科學計算、可視化以及交互式程序設(shè)計的計算環(huán)境，利用它可以構(gòu)建仿真系統(tǒng)，并繪制出話音信號的頻譜圖、語譜圖.圖3為直接回音消除時域、頻域波形圖，疊加回音信號后，時域中話音信號時間長度增加了，頻域中各頻率分量幅度變?yōu)樵鹊?.6倍.利用自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)實現(xiàn)回音對消后，時域、頻域波形基本與原語音信號一致.把回音視為噪聲，經(jīng)過計算得出濾波前帶回音信號信噪比約為4.437 0分貝，濾波后信噪比達到20.717 7分貝[5].

圖3 直接回音消除時域、頻域波形Fig.3 Waveform of direct echo cancellation in time and frequency domain

圖4為直接回音消除語音信號的語譜圖，原語音信號大約3.7 s，后面黑色部分為靜音.疊加回音信號后，條紋變長了，而且信號持續(xù)時間變長.經(jīng)過神經(jīng)網(wǎng)絡(luò)回音對消后，聲紋重新變短，有用信號末尾的回音基本消失.

圖4 直接回音消除語譜圖Fig.4 Spectrogram of direct echo cancellation

2.2 語音通話時間接回音的消除

以采樣頻率8 kHz錄制兩段話音，其中一個為男性聲音，另一個為女性聲音.為了實驗方便，假設(shè)女性聲音為電話遠端即受話人發(fā)出的聲音.將男性聲音作為回音信號n1輸入到ADALINE系統(tǒng)中，疊加上對方聲音的信號作為目標響應(yīng)，通過回音對消系統(tǒng)可以獲得清晰的來自對方的語音信號.

圖5為間接回音消除時域、頻域波形圖.兩個聲音相加，頻譜混疊在一起，通過經(jīng)典濾波器、譜減法或小波變換等很難把有用的信號提取出來[6].經(jīng)過自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)回音對消后，可以較好地還原出所需要的話音信號，濾波前信號信噪比約為3.659 2分貝，濾波后信噪比達到20.479 3分貝.

圖5 間接回音消除時域、頻域波形Fig.5 Waveform of indirect echo cancellation in time and frequency domain

圖6為間接回音消除語譜圖，兩者聲音疊加后，聲紋較為紊亂.經(jīng)過自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)回音對消后，語譜圖特征與受話端發(fā)出的語音信號特征基本一致，回音信號基本消除.這樣就可以清楚地聽到對方說話，而不會受到自己說話回音的干擾.

圖6 間接回音消除語譜圖Fig.6 Spectrogram of indirect echo cancellation

通過實驗發(fā)現(xiàn)，應(yīng)當多次調(diào)整學習速率，太大不行，太小也不行.太小了學習過程變得漫長，而且回音信號并沒有被削弱，效果不理想.太大了學習過程將不穩(wěn)定，雖然程序運行時間較短，但是存在很大的誤差，得到錯誤結(jié)果.特別在直接回音信號消除過程中，回音信號不同于其它噪聲，它與信號源存在相關(guān)性，容易把自身信號當作噪聲一并消除而使系統(tǒng)輸出結(jié)果趨于零.仿真過程神經(jīng)網(wǎng)絡(luò)訓練值重復(fù)次數(shù)要設(shè)置得比較大，否則無法有效消除回音，即使這樣人耳還是可以感受到微弱的回音.不過在實驗過程中電話回音幅度設(shè)置較大，實際情況下回音經(jīng)過反射物后能量受到較大削弱，經(jīng)過自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)對消后基本可以忽略，通話者感覺不到回音存在.

3 結(jié) 語

把自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)應(yīng)用于通信系統(tǒng)回音消除，成功實現(xiàn)了電話回音的對消，獲得較高的信噪比.在回音對消過程中，根據(jù)實際情況，還可以從一些地方加以改善，比如參數(shù)的合理選擇、如何更好地解決收斂速度和穩(wěn)態(tài)殘留誤差之間的矛盾.實現(xiàn)理想穩(wěn)定的回音對消效果還存在一些難點，需要在實踐過程中不斷地完善算法.

參考文獻：

[1] 周開利，康耀紅. 神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計[M]. 北京：清華大學出版社，2005.

[2] 郭峰，任興民，劉婷婷. 基于神經(jīng)網(wǎng)絡(luò)消噪的獨立成分分析方法研究[J]. 機械科學與技術(shù)，2010，29(12)：1678-1682.

[3] 張帆. Adaline神經(jīng)網(wǎng)絡(luò)隨機逼近LMS算法的仿真研究[J]. 電子設(shè)計工程，2009，17(9)：88-90.

[4] 董翠英，周長英. 基于RBF神經(jīng)網(wǎng)絡(luò)的語音信號的噪聲消除[J]. 制造業(yè)自動化，2010，32(5)：228-230.

[5] 高寧，鄭恩讓，馬令坤，等. 基于神經(jīng)元網(wǎng)絡(luò)的自適應(yīng)噪聲抵消系統(tǒng)研究與實現(xiàn)[J].計算機測量與控制，2010，18(1)：133-135.

[6] 李政洋. 基于AD神經(jīng)網(wǎng)絡(luò)的語音增強[D]. 蘇州：蘇州大學，2008.