首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 电器论文 > 浅谈回声消除方法在抑制厨卫电器噪声方面的应用

浅谈回声消除方法在抑制厨卫电器噪声方面的应用

2020-03-14 384 上传者：管理员

摘要：本文提出了一种特定噪声抑制方法，其操作原理是利用回声消除算法将非稳态噪声干扰信号作为噪声参考信号输入，并通过自适应滤波算法将厨卫设备工作时所接收到的非稳态噪声进行抑制处理，提高设备在工作状态下语音识别控制的准确率。同时对几种主流的自适应滤波算法进行了对比，最终通过实验仿真结果选取出了最优的自适应滤波算法，切实验证了该噪声抑制方法在特定应用条件下可以有效的滤除影响语音识别性能的噪声。

关键词：
噪声
回声消除
自适应滤波算法
语音识别
加入收藏

回声消除（Acoustic Echo Cancellation，AEC）是一种常用于语音通信（VOIP、视频会议系统、智能语音音箱等）、语音识别技术领域的数字信号处理技术^[1]。目前带有语音识别（控制）功能的智能设备通常都带有麦克风和扬声器，当扬声器播放音频时，由于麦克风离扬声器距离较近，麦克风极易将扬声器所播放的声音采集回到设备当中，在这种情况下麦克风同时采集到的用户语音控制音频将与扬声器播放的音频叠加，会导致设备的语音识别准确率大幅下降。而回声消除技术的应用将系统播放的音频数据通过自适应算法预估出可能的音频回波，然后在麦克风所接收的音频信号中减去此估计值以抵消回波，从而消除设备自身音频播放对语音识别的影响。

目前回声消除技术除了可以消除通话回音、降低智能音箱在播放音乐时语音通话和音乐声对语音指令拾音的影响，还可以在实际工程应用中通过算法调整使其实现特定噪声的滤除。带有语音识别控制功能的厨卫电器产品在实际工作中将会产生大量的噪声，这种噪声很难通过常规的降噪算法滤除。在噪声的影响下，语音识别准确率将大幅降低，严重影响产品的使用体验。利用回声消除原理，可预先采集厨卫设备所产生的特定噪声音频，并把这些特定噪声音频通过自适应算法得到设备可能接收到的噪声回波，并将该噪声回波与实际拾取到的噪声进行对消，从而消除噪声对语音识别的影响。

1、算法实现

1.1 基本原理

设备在正常运行时，拾音麦克风除了要正确拾取语音控制指令以外，还将受到设备内部工作噪声与外部噪声的叠加干扰，以及设备本身扬声器工作时可能发出的声音，混合的音频经过多径反射叠加若不经过处理，设备的语音识别处理核心将很难进行准确的分析出语音控制指令。为了消除可能从多个路径反射到设备麦克风的噪声源，通常需要设计出一种回声消除处理核心^[2]来自动跟踪输入的噪声参考信号，根据设备的麦克风输入及预先设置好的噪声参考信号之间的相关性，生成随着输入信号变化的滤波器参数，从而生成参考噪声信号，系统将参考噪声信号与麦克风采集到的信号进行对消，经过回声消除自适应滤波器的处理后从麦克风传回语音识别核心的信号将仅剩所需的控制语音。

1.2 算法实现

回声消除的本质为通过自适应滤波器来生成需要消除的音源干扰，从而获得纯净的有效输入语音^[3]。系统利用输入噪声的相关性和有效信号与噪声的独立性，使参考输入通过自适应滤波器与主输入中的噪声分量逼近并相减，输出误差信号。自适应滤波器的算法决定了滤波器对参考信号的处理方式，好的参数匹配可以使得滤波器的输出尽可能逼近主输入中的噪声干扰成分。因此，在最佳参数匹配下的滤波器的输出将逼近实际噪声等效于系统的输出逼近纯净语音输入。

实际应用需要选择在噪声环境下收敛性好，且在有限精度条件下实现算法时的稳定性好的滤波器。根据这些需求我们选取了两大类（LMS和RLS）共四种自适应滤波算法，分别是最小均方算法（LMS）、递推最小二乘算法（RLS）^[2]和基于LMS算法衍生出来的一些算法，如归一化最小均方算法（NLMS）算法^[2]、仿射投影滤波器算法（Affine projection filter，简称AP）。

为验证回声消除噪声抑制的方法及不同自适应滤波算法在实际应用中的性能，首先分别将纯净语音、实际噪声和参考噪声输入到计算机仿真软件^[4]中得到相关系数最大时的自适应滤波器参数。经过仿真运算得到各种不同自适应滤波器在实际应用中的最优参数，参数寻优原则为找寻使得相关系数（Correlation）趋于1的滤波器阶数及步长参数的最优值，由于RLS滤波算法所计算出的相关系数最接近于1，因此我们选择RLS作为主要的滤波算法应用于设备的噪声消除。

2、实验结果及对比分析

2.1 实验结果

通过仿真寻优后的所得RLS参数对自适应滤波器进行配置，并将实际工程应用中的麦克风所采集的音频及参考噪声输入到上述的几种自适应滤波器中进行仿真测试。通过最优参数配置的自适应滤波处理后可得出图2所示的逼近纯净语音的音频。

通过仿真寻优后的所得滤波器参数对几种自适应滤波器进行配置，并将实际工程应用中的麦克风实际采集的音频（有效语音+噪声）及参考噪声输入到上述的几种自适应滤波器中进行仿真测试。图1表示麦克风实际所接收到的带有水流噪声的语音，我们所期望得到的纯净音频不含噪声毛刺，而加入水流噪声后麦克风所实际拾取到的波形就如图1所示的毛刺波形为厨卫设备噪声所带来的干扰。为降低设备噪声对纯净语音的影响，通过最优参数配置的自适应滤波处理后可得出图2所示的逼近纯净语音的音频。

图1 麦克风实际接收的带噪语音时域波形图及频域波形图

图2 RLS滤波器音频输出时域波形图及频域波形图

2.2 数据分析

图2滤波算法的输出结果，而图1为未经过滤波降噪的音频，从这两个图的对比可以看出RLS滤波算法对非平稳噪声有较强的适应性，并且其收敛速度较快，并且噪声滤除效果较好，因此本文所提出的基于回声消除的厨卫电器噪声抑制方法具有一定的降噪效果。RLS滤波算法通过将每个时刻对所有已输入信号重估的平方误差加权和最小值来实现对非平稳噪声的高适应性，因此RLS滤波算法在实际验证中展示出收敛速度快，非平稳噪声滤除效果好等优势。

另外，也对比了各个不同滤波器音频输出结果，这种基于回声消除的噪声抑制方法具有一定的降噪效果，但是RLS和AP滤波器的应用效果会比LMS滤波器和NLMS滤波器更好一些，LMS及NLMS滤波器处理后的音频存在一些特定的噪声成分没有滤除。从LMS和NLMS滤波器算法的一些特性上看，传统的LMS类滤波器算法存在梯度噪声放大问题，并且LMS和NLMS滤波器算法由于控制失调与加快收敛速度的矛盾，导致在实际应用中收敛速度较慢，且其对非稳态噪声的适应性较差^[2]。

RLS和AP滤波器算法相较于LMS和NLMS算法而言，RLS滤波器算法通过将每个时刻对所有已输入信号重估的平方误差加权和最小来实现对非平稳噪声的高适应性，而AP滤波器算法则利用过去时刻的数据来提高收敛速度，同样实现对平稳噪声的高适应性，但是这两种滤波器算法提高了计算复杂度，对硬件运算能力要求较高。实际仿真过程中RLS和AP滤波器算法比LMS和NLMS滤波器算法多花了约3至4倍的运算时间来获得理想的结果。

3、结论

利用带自适应滤波算法的回声消除方法可以有效的滤除智能语音控制厨卫设备工作时所产生的特定噪声，并且通过实验仿真及结果的对比分析可以看出，采用RLS算法的自适应滤波器适用于消除带有厨卫设备噪声的应用场景。相比于传统的音频降噪算法只能有效滤除稳态噪声，利用回声消除的降噪方法可以将设备本身工作时所产生的非稳态噪声滤除，虽然目前仅针对受水流、马达等非稳态噪声影响的语音识别设备进行回声消除消噪仿真验证，采集的噪声语料及回声语料均与此类产品相关，仿真寻优得出的参数不具有一般性。并且当前并无考虑此类产品的实际硬件运算内核是否可以高效的运行自适应滤波算法。但是这种改进对于实际工程应用中有较大的意义，提高了智能厨卫设备在非稳态噪声环境下工作时的语音识别准确率，提高产品使用体验。

参考文献:

[1]科恩.CF.N.自适应滤波器[M].复旦大学出版社,1990.

[2]马文民.LMS与RLS自适应滤波算法性能比较[J].应用技术研究,2012.

[3]曹亚丽.自适应滤波器中LMS算法的应用[J].仪器仪表学报,2005.

[4]李静.基于LMS算法与RLS算法的自适应滤波[J].电子设计工程,2012.

谢立寅.基于AEC的厨卫电器噪声有效抑制方法[J].电子测试,2019,(24):57-58,25.