CN1805011A - 一种提高移动通信设备语音质量的自适应滤波方法及装置 - Google Patents

Abstract

本发明涉及一种自适应滤波方法，其通过计算带噪语音中含有语音的概率来调整自适应步长，以及本发明的自适应方法在现有用于移动通信设备的FD－NLMS算法中的应用，从而能够更好地消除噪声，避免回音现象，同时不会造成语音质量的降低，提高移动通信设备语音质量。

Description

一种提高移动通信设备语音质量的自适应滤波方法及装置

技术领域

本发明涉及通信领域中的自适应滤波技术，尤其涉及用于移动通信设备的改进的NLMS(Frequency-Domain Normalized Least Mean Squares)算法。

背景技术

NLMS(Normalized Least Mean Squares)算法是一种常见的自适应算法。图1为使用NLMS滤波器进行降噪处理的框图。在使用NLMS滤波器进行降噪处理时需要两个麦克风，其中一个麦克风远离说话人，靠近噪声源，所采集的信号为参考噪声信号；另一个麦克风尽量靠近说话人，采集被噪声污染的语音信号。然而，在移动通讯系统中，这种要求往往不成立。因为移动通讯设备本身尺寸受限，远离说话人的麦克风往往仍然能采集入较多的语音。如果不对NLMS自适应滤波算法进行适当的改动，这种情况就会导致处理之后的语音带有明显的回音，使语音质量下降。

FD-NLMS是频域(Frequency-Domain)NLMS算法，是NLMS算法的一种形式，其目的主要是为了节省NLMS自适应滤波的计算量，在使用频域相乘的方法代替时间域上的卷积以及求相关的计算。其详细原理见参考文献“自适应滤波器理论”(Adaptive Filter Theory)，Fourth Edition，SimonHaykin。

图2给出了现有技术中利用FD-NLMS进行消除噪声处理的算法框图。

现有技术的FD-NLMS算法的步骤(参见)如下：

1)参考噪声信号端输入N个新的参考噪声样本v[0]，…，v[N-1]，并且和上一次输入的N个样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；

2)对V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；

3)U和自适应滤波器冲击响应的FFT系数F_W进行点乘，对乘积进行IFFT，得到Y′。Y′为实数矢量(虚部为0)，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；

4)带噪语音端输入新的带噪语音s[0]，...，s[N-1]，S与Y相减后得到E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，E为增强之后的语音信号；

5)在E的前面插入N个0值形成矢量E′，E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；

6)对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′。对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量(虚部为0)，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；

7)更新矢量F_W，F_W＝F_W+μG，μ为一个常数，或者μ＝c/E_n，c为常数，E_n为估计出的当前能量(其估计方法在这里不详述，请见参考文献“AdaptiveFilter Theory”，4^th Edith，Simon Haykin著)；

8)回到步骤1，直到语音输入完为止。

在上述方法中，当计算纯净语音时，实际上利用了如下公式：

$e\left[n\right]=s\left[n\right]-\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}u[n-i]w\left[i\right]---\left(1\right)$

在公式(1)中，s[n]表示带噪语音在n时刻的值，u[n]表示参考噪声在n时刻的值，w[i]为自适应滤波器的系数，自适应滤波器为N-1阶。公式(1)表明，如果参考噪声u中含有强的语音成分，该语音成分和带噪语音S中的语音成分是相关的，可能会导致自适应滤波的估计值 $y\left[n\right]=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}u[n-i]w\left[i\right]$ 主要成分不是噪声，而是当前的语音和以前语音的线性组合，和纯净语音有相关关系。这样e[n]有可能会先对原始纯净的语音来说得到一个较小的值，而且由于e[n]可能含有以前的语音成分的线性组合，导致一种回音现象。

发明内容

本发明的目的是提供能够提高移动通信设备语音质量的自适应滤波方法及装置。

为了实现上述目的，本发明提供一种自适应滤波方法，其包括如下步骤：

1)采集一段带噪语音信号；

2)采集一段参考噪声信号；

3)将所述参考噪声输入自适应滤波器，根据当前的自适应滤波系数对所述带噪语音信号进行滤波；

4)自带噪语音信号中去除掉滤波之后的参考噪声得到纯净语音信号；

5)计算自适应步长以及带噪语音中含有语音的概率，根据当前参考噪声中含有语音的概率调整该自适应步长；

6)根据纯净语音信号、参考噪声、调整后的自适应滤波步长对当前的自适应滤波系数更新。

根据本发明的另一方面，还提供一种适用于移动通信设备的改进的FD-NLMS算法，其包括如下步骤：

1)参考噪声信号端输入N个新的参考噪声样本v[0]，…，v[N-1]，并且和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；

2)对V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；

3)U和自适应滤波器冲击响应的FFT系数F_W进行点乘，对乘积进行IFFT，得到Y′，其中Y′为实数矢量，其虚部为0，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；

4)带噪语音端输入新的带噪语音s[0]，...，s[N-1]，S与Y相减后得到E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，E为增强之后的语信号；

5)在E的前面插入N个0值形成矢量E′，E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；

6)对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′。对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量，其虚部为0，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；

7)分析步骤2)中的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率，其中μ为常数，或者μ＝c/E_n，c为常数，En为估计出的当前能量；根据当前参考噪声中含有语音的概率调整自适应步长μ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ；

8)更新矢量F_W，F_W＝F_W+μG，F_W作为新的自适应滤波器冲击响应的FFT系数在下一次滤波时使用；

9)回到步骤1)，直到语音输入完为止。

在本发明的上述方法中，一方面，在上述步骤7)中，可以对当前参考噪音的FFT系数U进行语音后验概率估计，输出矢量p＝{p[0]，...，p[N-1]}，其中p[i]表示在每个FFT系数上存在的语音后验概率，这样，每个FFT系数存在噪音的后验概率矢量为p′＝1-p，然后p′和步长μ相乘，得到新的自适应步长矢量 $\stackrel{\→}{\mathrm{\μ}}=\left\{\mathrm{\μ}\right[0],...,\mathrm{\μ}[N-1\left]\right\},$ 其给出了每个FFT系数上的自适应步长。

其中，上述新的自适应步长

通过使噪音的后验概率p′和步长μ相乘后，再乘上根据经验所确定的常数C1来得到，以使得新的自适应步长 有适当的大小保证算法的收敛。

另一方面，在上述步骤7)中，可以对当前参考噪音的FFT系数U经语音活动发现器处理，输出在当前输入的N个参考噪声样本中语音存在的概率α，计算出噪音在当前存在的概率β＝1-α，然后β和步长μ相乘，得到新的自适应步长

。当语音活动发现器采用硬判决的方式时，其α＝0时，表示没有语音，α＝1时，表示有语音；当语音活动发现器采用软判决的方式时，其α为一个似然概率0≤α≤1，表示语音存在的概率。

本发明还提供一种自适应滤波装置，其包括：自适应滤波器，用于根据参考噪声信号估计出语音信号中的噪声；减法器，用于从带噪语音信号中减去自适应滤波器所估计出来的噪声，获得并输出消除噪声后的语音信号，同时将该消除噪声后的语音信号作为反馈信号反馈回自适应滤波器；步长控制单元，其计算当前参考噪声中含有语音的概率，从而获得参考噪声中存在噪声的概率所述自适应滤波器计算自适应步长μ，根据步长控制单元所获得的参考噪声中存在噪声的概率调整自适应步长μ，更新自适应滤波系数，然后根据所述减法器反馈回其中的反馈信号重新估计语音信号中的噪声

本发明还提供一种提高移动通信设备语音质量的频域自适应滤波装置，所述移动通信设备包括至少两个麦克，其中一个麦克用于输入参考噪声信号，另一个麦克用于输入带噪语音。所述频域自适应滤波装置包括：输入单元，用于将输入N个新的参考噪声样本v[0]，…，v[N-1]和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；FFT运算单元，用于对矢量V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；滤波单元，用于将矢量U和自适应滤波器冲击响应的FFT系数F_W进行点乘；IFFT运算单元，用于对滤波单元所得到乘积进行IFFT，得到Y′，其中Y′为实数矢量，其虚部为0，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；输出单元，用于将带噪语音端输入的新的带噪语音矢量S＝s[0]，...，s[N-1]与矢量Y相减后得到矢量E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，输出增强之后的语音信号E；自适应滤波系数更新单元，其在输出单元5所输出的语音信号矢量E的前面插入N个0值形成矢量E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′；对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量，其虚部为0，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；分析FFT运算单元所得到的FFT系数矢量U得到更新步长μ，通过F_W＝F_W+μG更新自适应滤波器冲击响应的FFT系数矢量F_W。其中所述自适应滤波更新单元包括步长控制单元，其分析FFT运算单元所得到的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率，其中μ为常数，或者μ＝c/E_n，c为常数，En为估计出的当前能量；根据当前参考噪声中含有语音的概率调整自适应步长μ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ。

根据本发明的上述装置，所述步长控制单元包括：语音后验概率估计单元，对当前参考噪音的FFT系数U进行语音后验概率估计，输出矢量p＝{p[0]，...，p[N-1]}，其中p[i]表示在每个FFT系数上存在的语音后验概率，i＝0，……，N-1；噪音概率计算单元，根据语音后验概率估计单元所得到语音后验概率p[i]，得到每个FFT系数存在噪音的后验概率矢量为p′＝1-p，将p′和步长μ相乘，得到新的自适应步长矢量 μ＝{μ[0]，...，μ[N-1]}，μ[i]给出了每个FFT系数上的自适应步长。

根据本发明的上述装置，所述步长控制单元包括：语音活动发现器，对当前参考噪音的FFT系数U进行处理，输出在当前N个参考噪声样本中语音存在的概率α；噪音概率计算单元，根据在语音活动发现器所得到概率α，计算出噪音在当前存在的概率β＝1-α，然后β和步长μ相乘，得到新的自适应步

。所述语音活动发现器采用硬判决的方式，当α＝0时，表示没有语音，α＝1时，表示有语音。

利用本发明，可以避免回音现象，且在有效消除噪声的同时不造成语音质量的降低。

附图说明

图1为使用NLMS滤波器进行降噪处理的框图；

图2给出了现有技术中利用FD-NLMS进行消除噪声处理的算法框图；

图3给出了本发明的自适应滤波方法的示意图；

图4给出了本发明的利用FD-NLMS进行消除噪声处理的算法框图；

图5给出了本发明的步长控制的一种实现方案；；

图6给出了本发明的步长控制的另一种实现方案；

图7给出了本发明的自适应滤波装置的示意图；

图8给出了本发明的提高移动通信设备语音质量的自适应滤波装置结构示意图；

图9给出了本发明的一种步长控制单元的示意图；

图10给出了本发明的另一种步长控制单元的示意图。

具体实施方式

下面结合附图详细地描述本发明的具体实施方式，但这些具体实施方式并不是对本发明的限制。

由于移动通讯设备尺寸小，所以当采用双麦克的小型移动设备，如手机，在存在两个相邻的语音源和噪声源时，双麦克，即麦克A和麦克B都对语音源进行录制，假设麦克A离语音源近而离噪声源远，麦克B离噪声源近而离语音源远，这时，可以通过麦克A和B录制到一个双声道的语音信号。然而，由于噪声源的存在，麦克A和B都会录制到噪声，从而导致音质变差。以上只是以两个相邻的语音源和噪声源为例，实际上，往往是多种语音源和噪声源共存，这时，噪声对语音的影响将变得更严重。

在这种情况下，为了减小或者消除噪声，减小输出语音中的回音，提高语音质量，可以采用如下自适应滤波方法。如图3所示，假设麦克A所录制的信号为带噪语音，麦克B所录制的信号为参考噪声。本发明的自适应滤波方法包括如下步骤：

采集一段带噪语音信号以及一段参考噪声信号；

将所采集的参考噪声信号输入自适应滤波器11；

自适应滤波器11根据其自适应滤波系数，利用参考噪声信号估计出带噪语音信号中的噪声；

利用减法器12，从信道A中的带噪语音信号中减去自适应滤波器11所估计出的噪声，获得干净语音信号；

将干净语音信号作为反馈信号提供给自适应滤波器11；

计算自适应步长μ及带噪语音中含有语音的概率，其中μ＝c/E_n，c为常数，E_n为估计出的当前参考噪声信号的能量，根据当前参考噪声中含有语音的概率调整自适应步长μ，当含有语音的概率高时，减小自适应步长μ，当含有语音的概率低时，增加自适应步长μ；

根据纯净语音信号、参考噪声信号、调整后的自适应滤波步长μ，根据以下公式更新当前的自适应滤波系数：

$W[k+1]=W\left[k\right]+\stackrel{\‾}{\mathrm{\μ}}{\mathrm{\Σ}}_{i=0}^{L-1}U(\mathrm{kL}+i)e(\mathrm{kL}+i)$

U(kL+i)＝{u(kL+i)，u(kL+i-1)……u(kL+i-N+1)}

这里，假设自适应滤波器为N阶，W[k+1]为第k+1次的自适应滤波系数，L代表L个参考噪声样本后更新一次自适应滤波系数W[k]，u(kL+i)代表第kL+i时刻的参考噪声值，e[kL+i]代表第kL+i时刻的干净噪声值。其中L可以为大于1的自然数，通常L等于N。

在本发明的上述自适应滤波方法中，调整后的自适应滤波步长μ可以通过如下两种方式来进行：

一种方式是，对当前参考噪音进行语音后验概率估计，获得存在噪音的后验概率，然后该概率和自适应步长相乘，得到新的自适应步长。具体地，利用现有的NMLS算法计算出自适应步长μ＝c/E_n，c为常数，E_n为估计出的当前参考噪声信号的能量；输入L个参考噪声信号，此L个参考噪声信号和此前L个参考噪声信号组成长度2L的矢量，通过FFT转换到频域中，然后估计每个频率点上语音存在的概率P，P＝P＝{p[0]，P[1]，...p[2L-1]}。关于P的估计方法，在文献“Speech enhancement for non-stationary noise environments”，IsraelCohen^*，Baruch Berdugo，Signal Processing(2001)，Elsevier公开了一种。计算每个频率点上的自适应步长

：

μ＝u·c₁·(1-P)＝{u·c₁·(1-p[0])，u·c₁·(1-p[1])，...，u·c₁·p[2L-1]}

其中，C1为根据经验得出的常数。

另一种方式是，对当前参考噪音经语音活动发现器处理，计算出噪音当前存在的概率，然后该概率和自适应步长相乘，得到新的自适应步长。具体地，利用现有的NMLS算法计算出自适应步长μ＝c/E_n，c为常数，E_n为估计出的当前参考噪声信号的能量；向语音活动发现器输入L(L＞＝1)个参考噪声信号；语音活动发现器根据当前的L个参考噪声信号的值，估计出在当前L个参考噪声中语音存在的概率p，p为标量；计算此L个参考噪声信号对应的自适应步长 μ， μ＝u·c₂·(1-p)。其中c₂为根据经验得出的常数。

本发明的上述方法可以应用于现有的NLMS自适应滤波算法中，以对其进行改进。如图4所示，其给出了本发明的提高移动通信设备语音质量的频域自适应滤波方法，其用于包括至少两个麦克的移动通信设备，其中一个麦克为参考噪声信号输入端，另一个麦克是带噪语音输入端，这里，带噪信号端的语音成分比参考噪声输入端的语音成分强，带噪信号端的噪声成分比参考噪声输入端的噪声成分弱。本发明的提高移动通信设备语音质量的频域自适应滤波方法包括如下步骤：

1)参考噪声信号端输入N个新的参考噪声样本v[0]，…，v[N-1]，并且和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；

2)对V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，…，u[2N-1]}，U的长度为2N；

3)U和自适应滤波器冲击响应的FFT系数FW进行点乘，对乘积进行IFFT，得到Y′，其中Y′为实数矢量(虚部为0)，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y0]，…，y[N-1]}，其长度为N；

4)带噪语音端输入新的带噪语音s[0]，...，s[N-1]，S与Y相减后得到E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，输出增强之后的语音信号E；

5)在E的前面插入N个0值形成矢量E′，E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；

6)对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′。对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量(虚部为0)，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；

7)分析在步骤2)中的FFT系数矢量U，计算步长μ以及当前参考噪声中含有语音的概率，其中μ为常数，或者μ＝c/E_n，c为常数，En为估计出的当前参考噪声信号的能量；根据当前参考噪声中含有语音的概率调整自适应步长μ为μ ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ；其中步长μ的计算方法与现有的FD-NLMS算法中步长μ的计算方法相同；

8)更新矢量F_W，F_W＝F_W+ μG。

9)回到步骤1)，直到语音输入完为止。

图5给出了本发明的步长控制的一种实现方法。如图5所示，对当前参考噪音的FFT系数矢量U进行语音后验概率估计，输出一个矢量p＝{p[0]，...，p[N-1]}，p[i]表示在每个FFT系数上存在语音的后验概率。语音后验概率估计是一种现有的技术，关于其具体算法可见参考文献“Speechenhancement for non-stationary noise environments”，Israel Cohen^*，BaruchBerdugo，Signal Processing(2001)，Elsevier。在语音后验概率p计算出来之后，每个FFT系数存在噪音的后验概率p′可以通过p′＝1-p得出。p′和步长μ(标量)相乘，得到新的自适应步长 $\stackrel{\→}{\mathrm{\μ}}=\left\{\mathrm{\μ}\right[0],...,\mathrm{\μ}[N-1\left]\right\}$ 。其中μ是用现有的FD-NLMS算法适应步长计算得出的步长，关于其计算的具体方式参见文献“Adaptive Filter Theory”，4^th Edition，Simon Haykin著。 $\stackrel{\→}{\mathrm{\μ}}=\left\{\mathrm{\μ}\right[0],...,\mathrm{\μ}[n-1\left]\right\}$ 给出了每个FFT系数上的自适应步长。为了使自适应步长更适合当前状况，新的自适应步长

可以通过使p′和步长μ(标量)相乘后，再乘上根据经验所确定的常数C1来得到。

图6给出了本发明的另一种步长控制实现方法。图6中的语音活动发现器(Voice Activity Detector，简称VAD)为现有技术。参考噪声的FFT系数矢量U输入到语音活动发现器VAD，VAD的输出为系数α。α表示在当前输入的N个参考噪声样本中语音存在的概率。VAD有硬判决或者软判决两种形式。采用硬判决时，语音活动发现器输出α＝0(没有语音)或者α＝1(有语音)，采用软判决时，语音活动发现器的输出为一个似然概率0≤α≤1，表示语音存在的概率。使用β＝1-α计算出噪音在当前存在的概率β，然后β和步长μ相乘，得到新的自适应步长 。此种情况下

为标量，即在所有FFT系数点上都采用相同的适应步长 。

本发明还提供一种自适应滤波装置，如图7所示，其包括：自适应滤波器，用于根据参考噪声信号估计出语音信号中的噪声；减法器，用于从带噪语音信号中减去自适应滤波器所估计出来的噪声，获得并输出消除噪声后的语音信号，同时将该消除噪声后的语音信号作为反馈信号反馈回自适应滤波器；步长控制单元，其计算参考噪声中含有语音的概率，从而获得参考噪声中存在噪声的概率；其中，所述自适应滤波器计算自适应步长μ，根据步长控制单元所获得的参考噪声中存在噪声的概率调整自适应步长μ，更新自适应滤波系数，然后根据所述减法器反馈回其中的反馈信号重新估计语音信号中的噪声。

其中，所述步长控制单元可以通过以下方案来实现：其包括：语音后验概率估计单元，对当前参考噪音进行语音后验概率估计，得到存在的语音后验概率；噪音概率计算单元，根据语音后验概率估计单元所得到的语音后验概率，得到存在噪音的后验概率。所述步长控制单元还可以由下述方案来实现：其包括语音活动发现器，对当前参考噪音进行处理，输出参考噪声样本中语音存在的概率α；噪音概率计算单元，根据在语音活动发现器所得到概率α，计算出噪音在当前存在的概率β＝1-α，然后β和自适应步长μ相乘，得到新的自适应步长

。其中，所述语音活动发现器可以采用硬判决的方式，当α＝0时，表示没有语音，α＝1时，表示有语音。所述语音活动发现器也可以采用软判决的方式，α为一个似然概率0≤α≤1。

其中的步长控制单元可以独立于自适应滤波器设置，如图7所示；也可设置于自适应滤波器之内。当步长控制单元设置于自适应滤波器内时，还可以与自适应步长计算功能结合在一起构成一个步长计算和控制单元。

图8给出了本发明的提高移动通信设备语音质量的频域自适应滤波装置。所述移动通信设备包括至少两个麦克风，一个麦克用于输入参考噪声信号，一个麦克用于输入带噪语音。频域自适应滤波装置包括输入单元1、FFT运算单元2、自适应滤波系数更新单元5、滤波单元3、IFFT运算单元4、输出单元6。其中输入单元1将输入N个新的参考噪声样本v[0]，…，v[N-1]和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v＇[0]，…，v′[N-1]，v[0]，…v[N-1]}；FFT运算单元2对矢量V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；滤波单元3将矢量U和自适应滤波器冲击响应的FFT系数F_W进行点乘；IFFT运算单元4对滤波单元所得到乘积进行IFFT，得到Y′，其中Y′为实数矢量，其虚部为0，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；输出单元6，用于将带噪语音端输入新的带噪语音矢量S＝s[0]，...，s[N-1]与矢量Y相减后得到矢量E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，E为增强之后的语音信号。其在输出单元5所输出的语音信号矢量E的前面插入N个0值形成矢量E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′；对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量，其虚部为0，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；分析FFT运算单元所得到的FFT系数矢量U，通过F_W＝F_W+ μG更新自适应滤波器冲击响应的FFT系数矢量F_W，其中 μ为控制更新速度的自适应步长；其中所述自适应滤波更新单元5包括步长计算和控制单元51，其用于分析FFT运算单元2所得到的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率，其中μ为常数，或者μ＝c/E_n，c为常数，En为估计出的当前能量；根据当前参考噪声中含有语音的概率调整自适应步长μ为 μ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ。

在图8所示的频域自适应滤波装置中，所述步长计算和控制单元51可以采用图9所示的结构。如图9所示，步长计算和控制单元51包括：语音后验概率估计单元511，对当前参考噪音的FFT系数U进行语音后验概率估计，输出矢量p＝{p[0]，...，p[N-1]}，其中p[i]表示在每个FFT系数上存在的语音后验概率，i＝0，……，N-1；噪音概率计算单元512，根据语音后验概率估计单元511所得到语音后验概率p[i]，得到每个FFT系数存在噪音的后验概率矢量为p′＝1-p，将p′和步长μ相乘，得到新的自适应步长矢量 $\stackrel{\→}{\mathrm{\μ}}=\left\{\mathrm{\μ}\right[0],...,\mathrm{\μ}[N-1\left]\right\},$ μ[i]给出了每个FFT系数上的自适应步长。其中为了使新的自适应步长

更为适用于当前环境，在使噪音的后验概率p′和步长μ相乘后，可以再乘上根据经验所确定的常数C1。

在图8所示的频域自适应滤波装置中，所述步长计算和控制单元51也可以采用图10所示的结构。如图10所示，步长计算和控制单元51包括：语音活动发现器513，对当前参考噪音的FFT系数U进行处理，输出在当前N个参考噪声样本中语音存在的概率α；噪音概率计算单元512，根据在语音活动发现器所得到概率α，计算出噪音在当前存在的概率β＝1-α，然后β和步长μ相乘，得到新的自适应步长

。所述语音活动发现器513可以采用硬判决的方式也可以采用软判决的方式。当语音活动发现器513采用硬判决的方式时，在α＝0时，表示没有语音，α＝1时，表示有语音；当采用软判决的方式时，α为一个似然概率0≤α≤1。

在上述装置中，所述步长计算和控制单元51也可以根据功能划分成步长计算模块和步长控制模块这两个功能模块来实现。

本发明可以应用于移动通信设备，例如手机等中，能够有效地改善语音质量，降低噪音，避免回音。

上述内容并非用来限制本发明的具体实施方式，凡根据本方法的主要发明构思而进行的修改和变动或组合，均应属于本发明所要求的保护范围。

Claims (19)

1.一种自适应滤波方法，其特征在于，包括如下步骤：

1)采集一段带噪语音信号；

2)采集一段参考噪声信号；

3)将所述参考噪声输入自适应滤波器，根据当前的自适应滤波系数对所述带噪语音信号进行滤波；

4)从带噪语音信号中去除掉滤波之后的参考噪声得到纯净语音信号；

5)计算自适应步长以及带噪语音中含有语音的概率，根据当前参考噪声中含有语音的概率调整该自适应步长；

6)根据纯净语音信号、参考噪声、调整后的自适应步长对当前的自适应滤波系数更新。

2.根据权利要求1所述的方法，其特征在于，

在所述步骤5)中，当含有语音的概率高时，减小自适应步长，当含有语音的概率低时，增加自适应步长。

3.根据权利要求1或2所述的方法，其特征在于，

在所述步骤5)中，对当前参考噪音进行语音后验概率估计，获得存在噪音的后验概率，然后该概率和自适应步长相乘，得到新的自适应步长。

4.根据权利要求1或2所述的方法，其特征在于，

在所述步骤5)中，对当前参考噪音经语音活动发现器处理，计算出噪音当前存在的概率，然后该概率和自适应步长相乘，得到新的自适应步长。

5.一种提高移动通信设备语音质量的频域自适应滤波装置方法，用于包括至少两个麦克的移动通信设备，其中一个麦克为参考噪声信号输入端，另一个麦克是带噪语音输入端，其特征在于，包括如下步骤：

1)参考噪声信号端输入N个新的参考噪声样本v[0]，…，v[N-1]，并且和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；

2)对矢量V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；

3)矢量U和自适应滤波器冲击响应的FFT系数F_W进行点乘，对乘积进行IFFT，得到Y′，其中Y′为实数矢量，其虚部为0，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；

4)带噪语音端输入新的带噪语音S＝s[0]，...，s[N-1]与Y相减后得到E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，输出增强之后的语音信号矢量E；

5)在语音信号矢量E的前面插入N个0值形成矢量E′，E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；

6)对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′；对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量，其虚部为0，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；

7)分析步骤2)中的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率；根据当前参考噪声中含有语音的概率调整自适应步长μ为 μ；

8)更新矢量F_W，F_W＝F_W+ μG，F_W作为新的自适应滤波器冲击响应的FFT系数在下一次滤波时使用；

9)回到步骤1)，直到语音输入完为止。

6.根据权利要求5所述的方法，其特征在于，

在所述步骤7)中，对当前参考噪音的FFT系数U进行语音后验概率估计，输出矢量p＝{p[0]，...，p[N-1]}，其中p[i]表示在每个FFT系数上存在的语音后验概率，这样，每个FFT系数存在噪音的后验概率矢量为p′＝1-p，然后p′和步长μ相乘，得到新的自适应步长矢量 μ＝{μ[0]，...，μ[N-1]}，其给出了每个FFT系数上的自适应步长。

7.根据权利要求6所述的方法，其特征在于，新的自适应步长 μ通过使噪音的后验概率p′和步长μ相乘后，再乘上根据经验所确定的常数C1来得到。

8.根据权利要求5所述的方法，其特征在于，

在所述步骤7)中，对当前参考噪音的FFT系数U经语音活动发现器处理，输出在当前输入的N个参考噪声样本中语音存在的概率α，计算出噪音在当前存在的概率β＝1-α，然后β和步长μ相乘，得到新的自适应步长 μ。

9.根据权利要求8所述的方法，其特征在于，

在所述步骤7)中，语音活动发现器采用硬判决的方式，当α＝0时，表示没有语音，α＝1时，表示有语音。

10.根据权利要求8所述的方法，其特征在于，

在所述步骤7)中，语音活动发现器采用软判决的方式，这时输出的α为一个似然概率0≤α≤1。

11.一种自适应滤波装置，包括：

自适应滤波器，用于根据参考噪声信号估计出语音信号中的噪声；

减法器，用于从带噪语音信号中减去自适应滤波器所估计出来的噪声，获得并输出消除噪声后的语音信号，同时将该消除噪声后的语音信号作为反馈信号反馈回自适应滤波器；

其特征在于，还包括：

步长控制单元，其计算当前参考噪声中含有语音的概率，从而获得参考噪声中存在噪声的概率，

所述自适应滤波器计算自适应步长μ，根据步长控制单元所获得的参考噪声中存在噪声的概率调整自适应步长μ，更新自适应滤波系数，然后根据所述减法器反馈回其中的反馈信号重新估计语音信号中的噪声。

12.根据权利要求11所述的自适应滤波装置，其特征在于，

所述步长控制单元，包括：

语音后验概率估计单元，对当前参考噪音进行语音后验概率估计，得到存在的语音后验概率；

噪音概率计算单元，根据语音后验概率估计单元所得到的语音后验概率，得到存在噪音的后验概率，将存在噪音的后验概率和自适应步长μ相乘，得到新的自适应步长 μ。

13.根据权利要求11所述的自适应滤波装置，其特征在于，

语音活动发现器，对当前参考噪音进行处理，输出参考噪声样本中语音存在的概率α；

噪音概率计算单元，根据在语音活动发现器所得到概率α，计算出噪音在当前存在的概率β＝1-α，然后β和自适应步长μ相乘，得到新的自适应步长μ。

14.一种提高移动通信设备语音质量的频域自适应滤波装置，所述移动通信设备包括至少两个麦克，其中一个麦克用于输入参考噪声信号，另一个麦克用于输入带噪语音，其特征在于，所述频域自适应滤波装置包括：

输入单元，用于将输入N个新的参考噪声样本v[0]，…，v[N-1]和上一次输入的N个参考噪声样本v′[0]，…，v′[N-1]组成一个新的2N长度的矢量V，V＝{v′[0]，…，v′[N-1]，v[0]，…v[N-1]}；

FFT运算单元，用于对矢量V进行FFT运算，得到其FFT系数矢量U，U＝FFT(V)＝{u[0]，u[1]，...u[2N-1]}，U的长度为2N；滤波单元，用于将矢量U和自适应滤波器冲击响应的FFT系数F_W进行点乘；

IFFT运算单元，用于对滤波单元所得到乘积进行IFFT，得到Y′，其中Y′为实数矢量，其虚部为0，丢弃Y′的前N个值，使其成为一个新的矢量Y，Y＝{y[0]，…，y[N-1]}，其长度为N；

输出单元，用于将带噪语音端输入的新的带噪语音矢量S＝s[0]，...，s[N-1]与矢量Y相减后得到矢量E，E＝{e[0]，…，e[N-1]}＝{s[0]-y[0]，…，s[N-1]-y[N-1]}，输出增强之后的语音信号E；

自适应滤波系数更新单元，其在输出单元所输出的语音信号矢量E的前面插入N个0值形成矢量E′＝{0，...，0，e[0]，...，e[N-1]}，对E′进行FFT运算得到矢量F，F＝FFT(E′)；对矢量U取共轭得到U^H，U^H＝ U，U^H和F进行点乘得到矢量G′；对G′进行IFFT运算得到矢量H，H＝IFFT(G′)，H为长度为2N的实数矢量，其虚部为0，把H的后N维值置零，并进行FFT运算，得到矢量G，G为长度为2N的复数矢量；通过FFT运算单元所得到的FFT系数矢量U得到更新步长 μ，然后利用F_W＝F_W+ μG更新自适应滤波器冲击响应的FFT系数矢量F_W，

所述自适应滤波更新单元包括：

步长计算和控制单元，其利用FFT运算单元所得到的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率；根据当前参考噪声中含有语音的概率调整自适应步长μ为 μ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ。

15.根据权利要求14所述的装置，其特征在于，所述步长计算和控制单元包括：

步长计算单元，其利用FFT运算单元所得到的FFT系数矢量U，计算自适应步长μ以及当前参考噪声中含有语音的概率；

步长控制单元，根据当前参考噪声中含有语音的概率调整自适应步长μ为 μ，当含有语音的概率高时，减小步长μ，当含有语音的概率低时，增加步长μ。

16.根据权利要求14或15所述的装置，其特征在于，所述步长计算和控制单元或步长控制单元包括：

语音后验概率估计单元，对当前参考噪音进行语音后验概率估计，输出矢量p＝{p[0]，...，p[N-1]}，其中p[i]表示在每个FFT系数上存在的语音后验概率，i＝0，……，N-1；

噪音概率计算单元，根据语音后验概率估计单元所得到语音后验概率p[i]，得到每个FFT系数存在噪音的后验概率矢量为p′＝1-p，将p′和步长μ相乘，得到新的自适应步长矢量 μ＝{ μ[0]，...， μ[N]}， μ[i]给出了每个FFT系数上的自适应步长。

17.根据权利要求14或16所述的装置，其特征在于，所述步长计算和控制单元或步长控制单元包括：

语音活动发现器，对当前参考噪音的FFT系数U进行处理，输出在当前N个参考噪声样本中语音存在的概率α；

噪音概率计算单元，根据在语音活动发现器所得到概率α，计算出噪音在当前存在的概率β＝1-α，然后β和步长μ相乘，得到新的自适应步长 μ。

18.根据权利要求17所述的装置，其特征在于，所述语音活动发现器采用硬判决的方式，当α＝0时，表示没有语音，α＝1时，表示有语音。

19.根据权利要求17所述的装置，其特征在于，所述语音活动发现器采用软判决的方式，α为一个似然概率0≤α≤1。

Images