基于深神經(jīng)網(wǎng)絡(luò)的線性回波抵消與不完全傳遞函數(shù)的凸重構(gòu)

(華池縣職業(yè)中等專業(yè)學(xué)校，甘肅 華池 745600)

0 引言

在語音通信、數(shù)據(jù)通信等領(lǐng)域中，都不同程度地存在回波問題，回波的存在影響了通信質(zhì)量，嚴(yán)重時(shí)會(huì)使通信系統(tǒng)不能正常工作[1]。因此，必須采取有效措施來抑制回波，消除其影響。回波消除是通常采用的基本方法，其基本思想是估計(jì)回波路徑的特征參數(shù)，產(chǎn)生一個(gè)模擬的回波路徑，得出模擬回波信號(hào)，從接收信號(hào)中減去該信號(hào)，實(shí)現(xiàn)回波消除[2]。但是，在逼近信號(hào)(語音)活躍的情況下，使用線性回波消除方法來消除回波是比較困難的。

然而，根據(jù)現(xiàn)有研究現(xiàn)狀，對(duì)于稀疏脈沖響應(yīng)在時(shí)間頻率域中的修正，還沒有相關(guān)的研究工作。因此，在時(shí)頻域中研究稀疏脈沖響應(yīng)的修正，在許多應(yīng)用中具有很好的研究意義[3]。本文提出了適用于頻域痙攣脈沖響應(yīng)的LMS方法。當(dāng)標(biāo)簽信號(hào)處于激活狀態(tài)時(shí)，基于LMS的算法的性能會(huì)下降。因此，將該算法與語音活動(dòng)檢測(cè)(VAD)結(jié)合使用，當(dāng)目標(biāo)信號(hào)激活時(shí)，LMS的自適應(yīng)停止[4]。另一種解決方案采用盲源分離方法，旨在跟蹤目標(biāo)信號(hào)活動(dòng)在期間H(n)的變化。

在本文中結(jié)合了兩種觀點(diǎn)：一種觀點(diǎn)是使用一個(gè)在混合信號(hào)上訓(xùn)練的深神經(jīng)網(wǎng)絡(luò)(DNN)來執(zhí)行一個(gè)與頻率相關(guān)的VAD；另一種觀點(diǎn)是，在與H(n)相關(guān)的頻域中，只有在目標(biāo)信號(hào)不活躍的頻率箱中才能觀測(cè)到傳輸。因此，本文采用基于DNN的VAD，它決定了目標(biāo)信號(hào)(語音)占主導(dǎo)地位的頻率。然后，將LMS應(yīng)用于只受干擾的頻率，由此得到不完全傳遞函數(shù)(ITF)，ITF是使用基于凸重構(gòu)的方法完成。從而實(shí)現(xiàn)基于深神經(jīng)網(wǎng)絡(luò)的線性回波消除，得到基于凸重構(gòu)的不完全傳遞函數(shù)。

1 方法論

為了解決回波消除(AEC)的問題，可將該問題表述為傳聲器x(n)上的信號(hào)傳播時(shí)，對(duì)噪聲參考信號(hào)r(n)與干擾(噪聲)源與傳聲器之間的聲脈沖響應(yīng)h(n)的估計(jì)，s(n)可以通過觀察得到[5]。當(dāng)目標(biāo)源(通常是說話人)處于活動(dòng)狀態(tài)時(shí)，在間隔期間估計(jì)是較困難，模型在時(shí)間域中，描述為式(1)：

(1)

式中，*表示卷積。獲得了h(n)的估計(jì)值，即模擬回波信號(hào)，就可以從接收信號(hào)中減去該信號(hào)，實(shí)現(xiàn)回波消除。增強(qiáng)型麥克風(fēng)信號(hào)如式(2)、式(3)所示：

(2)

(3)

在上式中，干擾源和麥克風(fēng)可以改變位置。必須對(duì)問題進(jìn)行自適應(yīng)處理。為此，在時(shí)間域或頻率域中應(yīng)用自適應(yīng)最小均方算法(LMS)。由于該算法結(jié)構(gòu)簡(jiǎn)單，性能穩(wěn)定，計(jì)算復(fù)雜度低，在回聲消除領(lǐng)域被廣泛應(yīng)用[6]。但是當(dāng)信號(hào)相關(guān)性較大時(shí)，LMS算法的收斂性很差。文獻(xiàn)[7]中提出了對(duì)稀疏脈沖響應(yīng)的線性矩陣進(jìn)行時(shí)域修正的方法，如比例歸一化線性矩陣(PNLMS)。PNLMS算法采用不同的步長與估計(jì)的濾波系數(shù)成比例，具有很快的初始收斂速度。此外，也出現(xiàn)了許多對(duì)PNLMS的改進(jìn)，如改進(jìn)的PNLMS(IPNLMS)或重新加權(quán)零校正PNLMS(RA-PNLMS)[8]，IPNLMS用于提高PNLMS算法在非稀疏回聲路徑下的性能。

最小均方(LMS)適用于這些問題，需要估計(jì)脈沖響應(yīng)的地方[9]。這種計(jì)算的理想條件是目標(biāo)信號(hào)s無效,然后準(zhǔn)確估計(jì)脈沖響應(yīng)。

可以最小化均方誤差區(qū)間n=n1，…，n2。Jn(h)標(biāo)準(zhǔn)均值可以如式(4)最小化：

(4)

(5)

梯度ΔJn(h)可以表示為式(6)，其中Wn，bn分別用式(7)、(8)表示：

ΔJn(h)=-2bn+2Wnh

(6)

(7)

(8)

令ΔJn(h)等于零，則存在Wn的逆矩陣，得到式(9)：

(9)

AEC問題的時(shí)頻域(FDLMS)中的LMS可表示為式(10):

(10)

其中:Xn,γ與Rn,γ分別是短時(shí)傅里葉變換(STFT)中的混合信號(hào)和參考信號(hào)。下標(biāo)n表示幀號(hào)，γ表示頻率倉。表達(dá)式(10)中定義的LMS的解可以通過如下計(jì)算參考信號(hào)和混合信號(hào)之間的相互關(guān)聯(lián)來完成，如式(11)：

(11)

間隔n和頻率倉γ上的參考信號(hào)的自相關(guān)系數(shù)由下式給出：

(12)

環(huán)境的傳遞函數(shù)由式(13)給出：

(13)

然而，自適應(yīng)間隔越短，連續(xù)數(shù)據(jù)變化越大。如果塊太短，則W接近單數(shù)。為此，提出了自適應(yīng)LMS算法。自適應(yīng)LMS的目的是用于脈沖響應(yīng)估計(jì)，使第n幀中的實(shí)際誤差最小化。

(14)

改進(jìn)自適應(yīng)傳遞函數(shù)為式(15)：

(15)

(16)

1.1 最大算子

逼近算法是解決凸問題的有力工具[12]，如式(16)所示。提出了2種基于逼近算法的改進(jìn)型。算法的投影算子定義為式(17)。

(17)

1.2 最大梯度法

為了制定逼近梯度法，需要考慮以下分裂問題：

(18)

其中:f(x)函數(shù)和g(x)函數(shù)是閉函數(shù)，f(x)函數(shù)適當(dāng)?shù)耐购瘮?shù)且可微，f(x)是凸函數(shù)但在某些地方不可微。式(18)的逼近梯度法的一次迭代如式(19)：

x=proxλg(x-u▽f(x))

(19)

(20)

其中:參數(shù)λ與式(15)中的a緊密相關(guān)。對(duì)式(16)的逼近梯度算法的改進(jìn)后如式(21)所示：

(21)

綜上，本文提出的梯度算法過程如下算法1所示：

Algorithm 1:Proposed gradient based method

Input:X,R,O= {r1,…,r|o|},μ,λ,

initialize:H←0,Hold←0

forn=1 toNdo

En,o=Xn,o-Rn,oHold

end

1.3 乘子變換方向法

交替方向乘法器(ADMM)是求解凸問題的一種快速而魯棒的方法[13]。為了構(gòu)造ADMM，需要將式(18)中定義的拆分問題重新表述如式(22)所示：

(22)

其中:f(x)函數(shù)和g(x)函數(shù)是閉函數(shù)，f(x)函數(shù)適當(dāng)?shù)耐购瘮?shù)且可微，g(x)是凸函數(shù)但在某些地方不可微。公式(22)的增廣拉格朗日如下：

(23)

其中:u是與等式約束相關(guān)聯(lián)的雙可用性，p是一個(gè)正參數(shù)。ADMM可以用式(23)中固定z值改變x來表示最小值，反之亦然。因此，ADMM的改進(jìn)順序如下：

x=proxuf(z-u)

z=proxλg(x+u)

u=u+ρ(x-z)

(24)

(25)

其中:μ>0為階梯尺寸參數(shù)，λ>0控制解的稀疏度，ρ為0.95。

綜上，本文提出的乘子變換方向法的算法過程如下算法2所示：

Algorithm 2 Proposed ADMM based method

Input: X, R, O = {r1,…,r|o|},μ,ρ,λ,

initialize: H←0,Hold←0, U←0, Uold←0

for n=1 to N do

En,o=Xn,o-Rn,o(Hold-U)

end

2 結(jié)果與討論

2.1 頻域語音活動(dòng)檢測(cè)

功率譜密度是一種概率統(tǒng)計(jì)方法，是對(duì)隨機(jī)變量均方值的量度[14]。因此，對(duì)于頻域語音活動(dòng)檢測(cè)，一個(gè)有效的方法是根據(jù)混合信號(hào)的功率譜密度(PSD)來檢測(cè)最活躍的頻率[15]。選擇最活躍頻率的分位數(shù)，如果所選頻率的百分比設(shè)置為100%，則占用整個(gè)帶寬。如果將其設(shè)置為其他值(如40%)，那么整個(gè)帶寬中只有不到一半的頻率箱是最活躍的。

深度神經(jīng)網(wǎng)絡(luò)(DNN)，是一種判別模型[16]。即已知變量x，通過判別模型可以推算出y；深度指的是一系列連續(xù)的表示層，通過這些層可以對(duì)數(shù)據(jù)進(jìn)行高層次的抽象，其具備至少一個(gè)隱藏層；可以使用反向傳播算法進(jìn)行訓(xùn)練，使用梯度下降求解神經(jīng)元之間的權(quán)重[17]。因此，采用深度神經(jīng)網(wǎng)絡(luò)(DNN)對(duì)信號(hào)噪聲比(SNR)大于5 dB的頻譜倉進(jìn)行估計(jì)。漢明窗計(jì)算分析信號(hào)譜圖，相關(guān)信號(hào)信息見表1。訓(xùn)練數(shù)據(jù)包括70 h中央人民廣播電臺(tái)的主持人講話和中國古典演奏音樂樣本(混合樣本的全球信噪比在-5～10 db之間變化)。編制輸出標(biāo)簽(信噪比小于5 db為0，其余為1)，計(jì)算輸入數(shù)據(jù)的零均值和單位方差歸一化統(tǒng)計(jì)。

改進(jìn)的DNN由輸入層(2 049個(gè)神經(jīng)元)、2個(gè)隱藏層(4 000和3 000個(gè)神經(jīng)元的寬度)和輸出層(2 049個(gè)神經(jīng)元)組成。層間的激活函數(shù)采用ReLU；輸出層包含Sigmoid激活函數(shù)。優(yōu)化標(biāo)準(zhǔn)為MSE，批量為1 024個(gè)樣品，傾斜率為0.015。

2.2 仿真結(jié)果

在AEC環(huán)境下評(píng)估所提出算法性能的仿真結(jié)果。在實(shí)驗(yàn)中，模擬了目標(biāo)信號(hào)s(n)，其來源是一個(gè)連續(xù)的女性語音作為逼近，而r(n)是音樂或白噪聲，代表遠(yuǎn)端信號(hào)。具體實(shí)驗(yàn)信號(hào)配置如表1所示。

表1 信號(hào)基本信息

脈沖響應(yīng)由房間尺寸為5 m×4 m×6 m的房間脈沖響應(yīng)(RIR)發(fā)生器生成。源位置設(shè)置為[2,2.5,2]m，麥克風(fēng)位于[2,3.5,2]m。每個(gè)生成的脈沖響應(yīng)的長度h(n)為4 096個(gè)樣本。脈沖響應(yīng)稀疏產(chǎn)生，因此其他參數(shù)設(shè)置如表2所示。

表2 脈沖響應(yīng)參數(shù)設(shè)置

第一個(gè)實(shí)驗(yàn)使用4個(gè)語音進(jìn)行，第二個(gè)實(shí)驗(yàn)是對(duì)20種語言和音樂的混合進(jìn)行評(píng)估，兩個(gè)實(shí)驗(yàn)的結(jié)果均在混合物上取平均值。我們將提出的算法與其他已知算法(IPNLMS和FDLMS)的收斂速度進(jìn)行了比較。通過歸一化偏差測(cè)量收斂速度，其定義如下：

(26)

其中:n是幀索引。在實(shí)驗(yàn)中，通過將第60幀處估計(jì)的脈沖響應(yīng)歸零來模擬脈沖響應(yīng)的變化。

2.2.1 白高斯噪聲實(shí)驗(yàn)

白高斯噪聲，幅度分布服從高斯分布，功率譜密度服從均勻分布，即任意時(shí)刻的噪聲值都是隨機(jī)的，在時(shí)間軸的某點(diǎn)上，噪聲孤立，不受前后點(diǎn)噪聲幅值影響[18]。圖1展示了白高斯噪聲的功率分布情況，從圖中可以看出其功率譜密度服從均勻分布，符合上述實(shí)驗(yàn)需求。

圖1 白高斯噪聲功率譜

同時(shí)，對(duì)白高斯噪聲下的LMS進(jìn)行測(cè)試，觀察算法迭代次數(shù)對(duì)結(jié)果的影響。

圖2 白高斯噪聲下的LMS

從圖2中可以看出，隨著算法迭代次數(shù)的增加，均方誤差(MSE)遞減，表示算法估計(jì)值與真值之差平方的期望值。這說明高迭代計(jì)算中，LMS算法的學(xué)習(xí)效果更好。因此，后續(xù)試驗(yàn)設(shè)置迭代次數(shù)為600，以保證實(shí)驗(yàn)精確性。

基于白高斯噪聲對(duì)多種算法進(jìn)行比較，算法比較的詳細(xì)設(shè)置如表3所示。本實(shí)驗(yàn)進(jìn)行了3種變體，表3為白噪聲實(shí)驗(yàn)中的算法設(shè)置。

在每種變體中，考慮了不同百分比的活躍頻率值，即40%、60%和80%，其中IPNLMS算法使用100%。

表3 白噪聲實(shí)驗(yàn)中的算法設(shè)置

其中40%的頻率箱用于FDLMS和改進(jìn)算法，圖3表明，IPNLMS的收斂速度比所改進(jìn)的方法快40%左右。在圖4中，當(dāng)使用的頻率箱數(shù)為60%時(shí)，所改進(jìn)算法收斂更快，并且它們收斂到與IPNLMS相同的解；在圖5中展示了頻率箱數(shù)為80%的收斂結(jié)果。通過實(shí)驗(yàn)可以得出，在活躍頻率為80%時(shí)，本文算法取得較好的效果。

圖3 40%頻率箱條件下不同算法收斂速度比較

圖4 60%頻率箱條件下不同算法收斂速度比較

圖5 80%頻率箱條件下不同算法收斂速度比較

2.2.2 語音實(shí)驗(yàn)

對(duì)20種語言和音樂的混合語音信號(hào)進(jìn)行實(shí)驗(yàn)，詳細(xì)實(shí)驗(yàn)設(shè)置如表4所示。

表4 音樂實(shí)驗(yàn)中的算法設(shè)置

圖6 使用DNN的收斂速度

從圖6中可知，因?yàn)镮PNLMS無法估計(jì)存在串?dāng)_時(shí)的脈沖響應(yīng)，因此獲得最差的收斂性能。FDLMS也會(huì)緩慢收斂，而且不能達(dá)到很好的精度。相比之下，本文提出的算法收斂速度快，且實(shí)現(xiàn)的精度高。

2.2.3 計(jì)算時(shí)間

表5顯示了每個(gè)算法處理混合聲音所花費(fèi)的平均時(shí)間，值為兩個(gè)實(shí)驗(yàn)的平均值。實(shí)驗(yàn)使用Matlab 2016b軟件，在基于Intel核心IS-4440的PC機(jī)上進(jìn)行。

表5 不同算法的花費(fèi)時(shí)間 s

3 結(jié)束語

本文基于深度神經(jīng)網(wǎng)絡(luò)的特性，提出了兩種解決問題的新算法：一種基于逼近梯度法，另一種基于交替方向乘法器。同時(shí)，本文方法基于不完全自適應(yīng)LMS和逼近算法的范數(shù)重構(gòu)實(shí)現(xiàn)，用于解決線性回波消除問題。基于高斯白噪聲及多音源混合語音信號(hào)進(jìn)行算法驗(yàn)證。結(jié)果表明，對(duì)于用于不完全傳遞函數(shù)估計(jì)的合適頻率段百分比，該方法比其他常用算法收斂速度更快；同時(shí)，本文所提出的方法所需的平均計(jì)算時(shí)間也比其他常用方法要短。為語音傳輸業(yè)務(wù)中存在回聲消除問題提供了新思路。