即時語音通信中回聲的自適應消除算法探析

王瑞

摘 要：影響語音通信質量的主要原因歸咎于通話中存在電路回聲和聲學回聲的干擾，從而導致用戶體驗不佳。研究者提出了多種回聲消除改進算法，希望通過算法的改進來達到提高通信質量的目的，在研究中常被用到的有LMS、RLS等算法。首先闡述了語音通信中的回聲類型并分析了不同回聲類型產生的原理，然后簡單介紹了自適應濾波器的基本原理，最后著重研究基于LMS的自適應濾波改進算法λ-LMS算法，通過改善因子λ調整獲取實時最優步長因子來達到提高收斂速度與降低發散度的目的，并設計相關程序輸入MATLAB中檢測算法優劣性。

關鍵詞：λ-LMS算法;改善因子;即時通信;自適應濾波;語音回聲消除

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2019.34.093

0 引言

語音被看作是語言符號系統的載體，人們利用語言來進行交流和社會活動，但在電子通信中我們不僅要交流，還要對語音信息進行處理分析，優化人們的通信交流。為了符合人們對語音通信質量和舒適性方面的要求，研究者們提出了大量回聲改進算法，現有市場上產品的回聲消除方法大致可分為三種：增益調整、最小均方法回聲消除和采用子帶自適應濾波技術，但是這些方法存在著處理效果不佳、收斂慢、易發散和時間空間復雜度較大的缺點。而針對回聲消除的最新改進方法是2017年，王正騰等人提出的對自適應濾波器的初始權值階數進行分幀，獲取每幀內權值的均值和抖動狀態，然后通過比較閾值結果調整濾波器權值的活躍區域，摒棄非活躍權值區域，最終根據活躍權值的總幀數調整濾波器的階數來提高回聲消除效果的這一改進型NLMS算法，該算法雖然新穎，但是只針對濾波器權值進行了優化，復雜性高，收斂速度緩慢。因此本文提出了通過改善因子λ實時調整并自動獲取自適應算法中的最優步長因子，令濾波器權向量w（n）隨時保持更新，提高了算法收斂速度并降低了分散度，從而使高度有色信號輸入時收斂性能仍能得到改善，算法的簡潔性和可移植性使其可以很方便的被嵌入手機等IP通信系統中使用。

1 聲學回聲消除算法原理

首先利用一個LMS自適應濾波器來自動識別模擬出回聲通道，然后通過調整設計得到的自適應濾波算法，使其產生與實際回聲路徑無限逼近的恰當沖激響應，回聲預測信號y（n）便由此產生，最后將近端采樣語音信號d（n）和模擬得到的回聲預測信號y（n）作差，就實現了聲學回聲消除，這是聲學回聲消除算法的基本原理。實驗中，通過將來自網絡的遠端信號x（n）經過衰減延時后疊加到現在的語音信號上來產生回聲信號，設計一個可調整的LMS算法濾波器消除回聲信號，對比濾波前后信號上的差異來判斷自適應濾波器性能優劣。聲學回聲消除的功能原理框圖如圖1所示。

2 固定步長LMS算法處理回聲信號

LMS算法具有結構簡單、計算復雜度低，穩定性高等優點，但是它在很大程度上依賴于輸入信號的特征值分散度，當輸入高度有色的信號時，其算法收斂速度變慢，性能變差。而LMS算法的收斂速度和穩定性受步長因子大小的影響。我們通過MATLAB仿真實驗對這個問題展開分析。如圖2（a）所示，它表示在一定時間段內原始語音信號x（n）的波形圖。圖2（b）是通過模擬疊加了回聲干擾噪聲信號y（n）的聲音波形圖。然后使用常規的LMS算法（濾波器抽頭數設置為64，步長因子μ取0.0003），對圖2（b）表述的疊加回聲語音信號的聲音波形展開算法處理，處理后得到如圖2（c）所示的去除了回聲干擾的聲音波形圖。此次實驗中為了保證數據的可比較性，所有回聲消除算法的濾波器抽頭數量（dim）都設置為64，步長因子μ均取0.0003。

我們對原始語音信號x（n）波形圖和常規LMS算法處理后的語音信號波形圖進行對比，從圖2（c）[0.3，0.5]時間區間內我們很容易看出，使用LMS算法消除回聲干擾信號時，在0.4秒時刻，濾除了回聲干擾信號后的波形振幅才只能達到原始語音波形振幅的1/2，所以可以得出這樣一個結論：常規的LMS自適應回聲消除算法雖然可以消除語音信號中的回聲干擾信號，但是收斂速度變得十分緩慢，不能在即時語音通信中發揮出很好的作用。

3 改善步長因子取值后的λ-LMS算法

為了改進常規LMS自適應回聲消除算法在濾波器抽頭數量（濾波器階數）都設置為64，步長因子μ均取0.0003時收斂速度緩慢的缺點，我們在研究中通過添加改善因子λ來優化調整步長因子μ的取值，希望能提高LMS算法的收斂速度，改善常規的LMS回聲消除算法。我們通過對LMS算法的核心公式wn+1=wn+2μxnen，n=1，2，…來實現改進想法，將 2μxne（n）擴大為λμxne（n），λ即是我們的改善因子，從而將核心公式按照一定的線性變化來處理，我們稱這個改進后的LMS算法為λ-LMS算法。在λ=2時，λ-LMS算法又簡化為常規的LMS自適應算法。當λ取[1、2、20、40]時，λ-LMS算法對疊加了回聲信號的語音信號處理后的效果圖如圖3所示，和原來步長因子固定的常規LMS算法處理效果（如圖2（c））對比，收斂速度明顯提高。這就說明通過添加改善因子λ并不斷優化其取值后得到的改進型λ-LMS算法，對提高即時語音回聲自適應消除算法的收斂速度明顯。當λ=40時，在500個取樣點處就可以消除掉大部分的回聲，得到與原始聲音信號波形極為接近的自適應濾波波形。

以圖2（a）為原始聲音信號樣本，利用MATLAB隨機產生100個白噪聲信號疊加到原始信號上，形成待處理語音信號d（n）。通過對圖4改善因子λ和回聲消除效果折線圖的分析：以0.4秒內可以達到的最大振幅作為回聲消除效果的比較依據，聲音幅值越大，收斂速度越快，回聲消除效果也就越好。我們在剔除差異較大點后分析得到，在改善因子λ取45時語音信號振幅已基本維持不變，于是我們可以得到改進型LMS回聲自適應消除算法的較優步長因子值為：

4 結語

本文簡單介紹了語音通信中聲學回聲消除算法基本原理，從步長因子μ入手到影響濾波器權值向量系數w（n），對常規回聲消除LMS算法進行優缺點分析，通過添加改善因子λ來設計得到最優的步長因子，從而達到提高收斂速度與降低發散度的目的，實驗過程中借助了MATLAB功能的強大性對多種語音信號進行處理分析，并通過圖表化直觀呈現出來。在濾波器抽頭數設置為64，步長因子μ取0.0003的前提條件下，我們得到了改進型λ-LMS算法的較優步長因子取值為0.0135，擴大了原有的步長因子值，相對常規的LMS算法，該算法顯示出較強的即時語音回聲自適應消除能力。該改進λ-LMS算法具有可搬移性和復制性，能夠很輕松的在其它電子設備上發揮改善效果，且算法復雜度較低。

參考文獻

[1]閻兆立，杜利民.電話語音回聲消除的研究[J].電子學報，2002，（11）.

[2]胡航.語音信號處理[M].哈爾濱：哈爾濱工業大學出版社，2012.

[3]蒙淑艷，趙曉暉，顧海軍.一種自適應回聲抵消噪聲消除算法[J].吉林大學學報，2004，（4）.

[4]胡立寧.自適應回聲消除算法的研究與實現[M].長春：吉林大學出版社，2007.

[5]趙春暉，張朝柱，李剛.自適應信號處理[M] 哈爾濱：哈爾濱工程大學出版社，2006.

[6]宋知用.MATLAB在語音信號分析與合成中的應用[M].北京：北京航空航天大學出版社，2013.

[7]費璐璐，王華斌.聲學回聲算法研究[J].安徽工程科技學院學報，2004，（1）.

[8]姚天任.數字語音處理[M].武漢：華中理工大學出版社，1992.