G10L21/0216 H04R25/00
1.本发明是LMS算法经过近1000次的迭代能够到达明显收敛的效果,因为输入的白噪声的采样频率为8000HZ,所以可知LMS算法要达到收敛,所需的时间应该为125ms左右,然而在实际的回声消除系统中,常常只有50ms左右的中断间隔,因此说明LMS算法满足不了数字助听器对收敛时间的要求;对于NLMS算法,它的收敛速度也明显要比LMS算法的快,然而它到达收敛时,所需要的迭代次数为400次左右,也就是50ms,此时也仅仅是与中断间隔一致,仍然无法很好的保证助听器的正常运作;是基于LMS算法的回声消除后的语音处理。
助听器的回声消除技术
技术领域
本发明利用前一时刻已经获得的滤波器参数等结果,自动的调节现时刻的滤波器参数,以适应信号和噪声未知的或者随时间变化的统计特性,从而实现最优滤波;自适应滤波器是实现自适应滤波的设备,它可以是连续域的或是离散域的,对于每个输入信号序列x(n)的样值,我们都会按特定的自适应算法进行更新操作,对滤波器系数w(n)进行实时调节,以便使输出的信号序列y(n)与期望输出信号序列d(n)的均方误差为最小。
背景技术
助听器在听力患者的过程中发挥着不可替代的作用;然而在患者人中,只有极少的人具有配置助听器的经济能力,绝大多数人只能受到疾病的困扰;高昂的价格,较低的年产量是造成这种问题的根源,随着经济的发展,医疗卫生越来越受到关注,全世界都对研究高性能且经济适用的助听器投入了大量的精力;在助听器中最重要的就是语音处理模块,可以说语音处理算法效率直接决定着助听器的性能,因此越来越多的学者进入了语音处理算法领域。
发明内容
本发明的解决方案在回声消除算法可分为非连续型和连续型;二者的区别在于开启回声估计的时机,非连续型算法在两种情况下开启回声估计,其一是无语音输入的情况下;其二是在系统发生不稳定时,此时要中断语音输入,然后开启回声估计算法;而连续型算法是一直根据输入信号和估计误差调整自适应滤波器,在数字助听器中最常用的回声消除算法就是利用一个自适应滤波器实时的估计出回声路径,然后估算出反馈信号,并在输入端减去该信号。
具体实施方式
本发明实施如下,当回声路径上一出现变化就会开启回声估计算法,判断路径是否变化的依据是是否出现振荡;当系统出现振荡时,就要中断语音输入,而将一白噪声序列作为输入,同时利用自适应算法尽快准确的估计出回声反馈路径;当新的回声路径被估算出来之后,系统恢复正常工作;自适应滤波器根据估计信号v(n)和麦克风输出信号s(n)的差值e(n)不断的更新滤波器系数,进而实时的估计出回声信号;经过近1000次的迭代能够到达明显收敛的效果,因为输入的白噪声的采样频率为8000HZ,所以可知LMS算法要达到收敛,所需的时间应该为125ms左右,然而在实际的回声消除系统中,常常只有50ms左右的中断间隔,因此说明LMS算法满足不了数字助听器对收敛时间的要求。
本文发布于:2024-09-22 18:20:19,感谢您对本站的认可!
本文链接:https://www.17tex.com/tex/4/72626.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |