归一化的组合比例的仿射投影信号子带自适应滤波器

文摘

适当的仿射投影信号子带自适应滤波器(PAP-SSAF)具有更好的性能比仿射投影信号子带自适应滤波器(AP-SSAF)当我们消除回声。不过,PAP-SSAF算法的鲁棒性在未知环境条件下是不够的。除此之外,最好的平衡还有待发现低稳态失调和快速收敛速度之间。为了解决这个问题,我们提出一个归一化的组合PAP-SSAF (NCPAP-SSAF)基于归一化的适应模式。摘要功率归一化自适应规则提出了混合参数,进一步提高NCPAP-SSAF算法的性能。通过使用Nesterov的加速梯度(唠叨)方法,控制相结合的混合参数可以获得当我们花更少的时间消耗l₁规范的部分波段误差代价函数。我们也测试算法复杂度和内存需求来说明我们的方法的合理性。总之,我们的研究提供一个新颖的自适应滤波器算法,加快收敛速度,减少稳态误差,提高了鲁棒性。因此,该方法可以用来提高回波消除的性能。我们将优化组合结构,简化不必要的计算,以降低算法的计算复杂度在未来的研究。

1。介绍

自适应滤波器是许多信号处理应用程序的重要组成部分,如回波消除、系统识别、信道均衡等(1,2]。回波消除的过程从回波中提取纯净信号的信号。自适应滤波器对回波消除系统通常是在频域设计的。否则,设计的长度过滤阀可能意想不到的在时域。著名的广场(LMS),归一化LMS (NLMS)和Filtered-x LMS (FxLMS)是简单和可靠的3,4]。然而,对于颜色的输入,其性能将会降低,尤其是对语音输入信号(5]。利用多元回归、仿射投影算法(APA)可以提高收敛性能,但高计算复杂度为代价的。此外,标准化的子带自适应滤波器(NSAF)也可以加速收敛6]。这种算法的最小干扰的原理,它通过分析滤波器处理的输入信号(7]。Das和Trivedi证明了收敛速度也可以使用比例提高了自适应滤波器的归一化法。然而,脉冲响应的稀疏仍然影响其性能(8]。

在现实生活中,噪声是复杂和不满足高斯分布,和许多自适应算法收敛速度降低脉冲噪声环境下由于l₂规范优化准则(9]。sign-algorithms家族有能力抵制脉冲噪声干扰。然而,SSAF的收敛速度非常慢,无法加速通过增加部分波段的数目。此外,如果回声路径是稀疏的脉冲响应,SSAF的收敛速度将进一步减少。为了加快算法的收敛速度,倪,J等人提出变量正则化参数SSAF (VRP-SSAF)进一步提高性能10,11]。

近年来,研究人员提出了许多修改SSAF必须加快收敛。采用多元回归的想法,APA算法显示出更好的性能,为进一步的研究带来了新的灵感。文献[7之前]提出了一种AP-SSAF算法使用多个输入向量更新权向量。赵昱,发现了一个现象,滤波器的性能可能会降低当所有的部分波段使用相同的公共权重因子(12]。为了解决这个问题,他们提议的方法称为individual-weighting-factor SSAF (IWF-SSAF),为每个部分波段分配一个权重因子。然而,在很多情况下,回声路径脉冲响应稀疏,所以这些above-modified算法收敛缓慢(13]。对于稀疏回声路径,这些下面提到的算法可以获得分布矩阵合并到他们的适应。因此,考虑的稀疏脉冲响应,SSAF, AP-SSAF,和IWF-SSAF P-SSAF改进,PAP-SSAF,和IWF-IP-SSAF分别14- - - - - -17]。

现在我们知道,因为使用固定步长,标准SSAF算法和修改后的SSAF算法应该找到最好的点之间快速的收敛速度和较低的稳态失调。为了解决这个问题,提出了许多可变步长算法(18- - - - - -20.),但所有这些算法需要先验信息合并到学习机制。然而,很难获得真实的世界。

除了上面提到的变步长算法,组合的方法,将两种不同的步长过滤器通过使用混合参数,保持一种平衡的收敛速度和稳态误差之间的最佳性能(21]。这也被称为凸组合因为混合参数范围在0和1之间。该算法使用随机梯度下降算法来确定最优的解决方案。改进的凸组合规范化的子带自适应滤波器(ICNSAF)可以实现所需的性能没有信息的子带噪声功率。考虑到脉冲噪声,陆等人提出了一个新颖的AP-SSAF的组合方法,它使用重量转移系数获得收敛速度快在过渡阶段(22]。通过应用凸组合方案IWF-SSAF周期性返回这两个组件的组合滤波器的权向量过滤器、玉等人提出了结合IWF-SSAF与体重的反馈。虽然above-proposed组合算法提高自适应滤波器的性能在某种程度上,仍然有两个问题需要解决。首先,上述算法不能实现良好的适应性的混合参数步长,这是一个主要因素影响滤波器的适应性。正确的步长调整混合参数,我们还需要考虑一些特征过滤方案,如输入信号和添加剂噪声功率,或的步长自适应滤波器组合中包括(23]。第二,他们很少考虑脉冲响应的稀疏,导致弱鲁棒性的过滤器在这种情况下24,25]。

本文的归一化结合PAP-SSAF (NCPAP-SSAF)来处理这些缺陷,提出了调整混合参数通过规范化的力量。与其他自适应滤波器算法相比,该算法NCPAP-SSAF我们提出在脉冲噪声环境下具有很好的鲁棒性。在仿真结果证实。标准PAP-SSAF算法相比,该算法具有以下特点:(我)为了加速收敛和提高对脉冲噪声鲁棒性,l₁规范的部分波段误差作为成本函数。然后结合的混合参数是通过使用Nesterov加速梯度(唠叨)方法。(2)NCPAP-SSAF算法可实现混合的步长参数,以便它是独立于信噪比(信噪比)。改进的自适应滤波器容易选择步长并显示一个健壮的行为对未知环境条件如“空话”。

2。背景PAP-SSAF

我们提出的算法是一个基于PAP-SSAF算法优化方法在收敛速度和稳态误差。因此,有必要先介绍这个算法。

在一开始,我们分析了一个典型的回声消除器的数学模型参数。输入信号向量u(n)是透过未知的脉冲响应= ((n),(n),…(n)]^T观察期望信号,l的长度是脉冲响应。这个过程可以描述如下:d(n)=u^T(n)(n)+(n),v(n)代表了背景噪音,T代表的转置矩阵和上标(n)= ((n),(n−1)、…(n−l+ 1)^T。我们定义N随着部分波段数量的,d(n)麦克风信号u(n)作为描述的远端信号的自适应滤波器结构。首先,通过分析过滤器,d(n),(n)被成N子带信号d_我(n),(n),我= 0,1,…,N−1。部分波段后输入信号(n通过自适应滤波器 ,我们可以得到部分波段输出信号y_我(n)。这封信n代表了原始序列;k代表指数摧毁序列。的结果N大量毁灭的过滤器d_我,维(k),y_我,维(k)。摧毁的部分波段误差信号可以表示如下: ,在哪里自适应滤波器是tap-weight向量 。之后,我们使用μ代表过滤器的步长。然后,我们可以制定更新的SSAF如以下方程: 在哪里ε_一个代表后面的部分波段错误,胡志明市(·)符号函数。δ是正则化因子,是一个小的常数,以避免分子除以零。灵感来自APA、镍等人在7)提出了一个方法,用了几个以前的输入向量更新tap-weight向量,它们称之为AP-SSAF。在每一次能带,我们收集最近的lth生成所需的部分波段信号我th所需的子带信号向量。同样,我们收集部分波段输入向量生成输入信号矩阵。

在AP-SSAF,之前有必要获得部分波段误差和后部分波段误差。之前的错误被称为以下方程:

后验误差被称为以下方程: 在那里,

制定AP-SSAF时,它应遵循约束优化问题在以下方程: 在哪里和代表了l₁规范和l₂分别规范。利用拉格朗日乘子法、无约束优化问题可以用来取代above-constrained优化问题,也就是说,我们使用部分波段误差向量e_一个而不是后面的部分波段误差向量ε_一个在方程(1)。因此,更新AP-SSAF方程如下:

在现实世界中,存在这一事实回声路径脉冲响应通常是稀疏的,大部分的滤波器系数非常接近于零。为了解决这个问题,工作在26AP-SSAF比例的思想结合,称为PAP-SSAF,和更新PAP-SSAF方程如下:

在方程(9),(k)=诊断接头((k),(k),…(k)是一个适当的对角矩阵。有许多算法,提出了计算对角矩阵(27]。其中,一个典型的方法显示了脉冲响应鲁棒性的条件。该方法被用于PAP-SSAF,它将用于我们的研究。对角线元素G(k)计算了以下:

3所示。提出NCPAP-SSAF

3.1。NCPAP-SSAF的算法设计

步长收敛性能有很大的影响。自适应滤波器而言,一方面,如果步长很大,自适应滤波器收敛速度非常快,但它会导致一个更大的稳态误差。另一方面,步长很小,然后收敛很慢,但有一个小的稳态误差。凸组合算法的基本原理是把两个不同的步骤大小的过滤器,它独立地更新。因此,最后过滤继承了两个过滤器的优点。

为简单起见,我们将展示一次能带结构的凸组合方法在图1 表示过滤器矢量大小和有一个很大的一步表示,在一个小的步长。每个过滤器的部分波段输出信号 和部分波段错误e_{我D j}(k)=d_我,维(k)−y_{我D j}(k),我= 0,1,…,N−1j= 1,2。在合并后的滤波器结构,两个过滤器不影响彼此独立和更新。他们根据以下更新:

我们获得最终的输出通过结合两个过滤器的部分波段输出,如下: 在哪里λ(k)是混合参数。因此,整体误差可以表示如下:

结合滤波器的权向量是指如下:

自的价值λ(k)∈[0,1],这种组合方法命名为凸组合,通常被用于组合过滤器。λ(k乙状结肠)计算的函数如下:

设计凸组合滤波器的主要问题是如何找到合适的值α(k),使误差信号的均方误差最小化。无损的滤波器组,输出误差的力量等于力量的总和的部分波段错误(28]。传统的凸组合算法使用随机梯度法来确定混合参数。然而,其收敛性能是不满意,所以过滤器不能快速跟踪系统。为了解决这个问题,提高脉冲噪声抑制的能力,我们用Nesterov的加速梯度(唠叨)方法来确定混合参数。

关键Nesterov的加速梯度算法如图所示2。唠叨可以展现为两个步骤:首先,我们计算更新矢量α(k根据过去的时间步)α(k−1)和梯度得到的下一个位置参数。请注意,计算J(k)给我们一个粗略的将会是我们的参数。我们可以看“提前”通过计算梯度不是w.r.t.当前参数α(k−1)但w.r.t.近似的未来的位置参数。最后,我们更新参数α(k),完成这个迭代。因此,它不会停止融合在局部最优解的区域之外。

这种方法可以最小化代价函数方程(19)[29日]:

更新方程α(k)是由以下方程: 在哪里是动力,γ是一个常数,名叫动量因子,范围在0和1之间,然后呢μ_α> 0是步长。可以看出,唠叨时随机梯度法是一样的γ= 0。文献[16)指出,α(k)(−仅限于对称区间α⁺,α⁺),以满足适应的最低水平。实验结果(16)表明,最优值α⁺的值应该设置为4,而λ(k)是限制的范围(0.018 - 0.982)。

3.2。权力规范化规则适应混合参数

当混合参数的值的步骤μ_α合理,更新方程α(k)可以为整个系统提供良好的性能。然而,的价值μ_α过滤器的许多因素有关,如输入信号和附加噪声功率的步长自适应滤波器。因此,它是必要的规范化混合参数的步骤μ_α。用方程(19)和(20.)到更新方程(18),我们得到以下:

在方程(21),e_D(k)= (e_0,D(k),e_1,D(k),…e_N−1D(k)]^T表示整体误差向量,y_{D j}(k)= (y_0,D,j(k),y_1,D,j(k),…y_N−1D,j(k)]^T(j= 1,2)表示每个滤波器的输出。

条件下,N= 1,过滤器可以被看作是一个完整的带通滤波器,信号没有用于分析和重建。混合参数的自适应规则相当于sign-error-LMS算法,μ_αλ(k)[1−λ(k)是不同的步长和输入信号(e_0,D,1(k)−e_0,D,2(k)]。这个等效分析的原因是组合滤波器的输出可以表示如下:

整体组合方案可以被看作是一个两层的自适应滤波器。根据自己的规则,第一层的双组分过滤器独立运作。在第二层,两个组合过滤器的输出误差在第一层是作为输入,这样规范的整体输出误差最小化。自[e_0,D,1(k)−e_0D,2(k)这个层次的输入信号,是合理使用上述自适应方案。文献[30.]证明了系统的性能ε比SLMS -normalized-SLMS (NSLMS)。根据这一结论,如果我们用NSLMS代替SLMS更新的α(k),系统性能将得到进一步改善。归一化后,更新方程α(k)是指如下:

然而,瞬时值(e_0,D,1(k)−e_0,D,2(k)]²是输入信号的准确估计,所以计算是不稳定的。该算法可以有效地提高输入信号的功率估计时用来代替它的瞬时值,方程(24)。当N= 1,过滤器是一个完整的带通滤波器,可以取代它的力量估计瞬时值: 在哪里η叫遗忘因子接近1,如0.99。当N> 1,更新规则的混合参数是SSAF一样。它的步长μ_αλ(k)[1−λ(k)及其部分波段输入信号e_D,1(k)−e_D,2(k)= (e_0,D,1(k)−e_0D,2(k),e_1,D,1(k)−e_1,D,2(k),…e_N−1D,1(k)−e_N−1D,2(k)]。结合滤波器的输出可以表示如下: 支持上述结论。在(26)y_D(k)= (y_0,D(k),y_1,D(k),…y_N−1D(k)]^T。然后比较更新方程(21与标准SSAF),我们可以很容易地看到,前者的步长还没有规范化。因此,规范的步长α(k)可以改善全球滤波器的收敛性能。通过分析在SSAF滤波器权重的更新方法,我们可以得到归一化的表达α(k)步骤大小如下:

当相似条件N= 1,瞬时值(e_0,D,1(k)−e_0,D,2(k)]²不能用于估计第二层的力量输入信号很好,和更好的行为是得到以下方程:

的比较不同的值的情况N在的状态N= 1,N> 1,我们可以发现,归一化后的结果是不同的。这是导致不同的方法的规范化。前者使用功率估计正常化,而后者使用权力的平方根估计正常化。

3.3。NCPAP-SSAF的稳定性分析

NCPAP-SSAF的稳定性分析算法的收敛性将在本节。我们进行泰勒级数展开e_我,维(k+ 1),得到以下结果根据以下方程[31日]: 在哪里o(k)代表了高阶无穷小的泰勒级数。通过重写一阶泰勒展开式的数量,它就变成了如下:

用方程(12)和(13)入更新方程(31日),我们得到以下:

通过解决上述方程(16),我们可以发现以下关系:

用方程(32)和(33)到更新方程(31日),我们得到以下:

和α(k从方程()可以计算21):

从方程(34)和(35),我们可以得到方程(36当部分波段数)N假设1:

理想滤波器的结果应该是,当k往往∞,e_D,1(k)往往是0。然后我们可以重写表达式方程(36)如下:

因此,它可以得到以下方程:

所以我们得出结论,当混合参数满足下列条件,NCPAP-SSAF算法将收敛根据以下方程:

3.4。计算复杂度和内存需求

为了进一步说明NCPAP-SSAF的合理性,有必要测试算法的算法复杂度和内存需求。关于乘法,算法复杂度是总结表1。所有的这些子带自适应滤波算法要求3问乘法,P代表分析滤波器的顺序(合成滤波器)。大多数算法的计算成本一直在总结(16),所以我们主要分析CAP-SSAF和NCPAP-SSAF。因为CAP-SSAF和NCPAP-SSAF需要两个过滤器,以便tap-weight更新需要2国会议员+ 4米/N乘法和子带误差的计算要求国会议员+ 6米/N乘法,CAP-SSAF和NCPAP-SSAF tap-weight向量可以写成 因此他们都需要米/N乘法。对于每个权向量更新,CAP-SSAF需要2国会议员+ 4米/N+ (米+ 5)/N+ 3问+ 1乘法,NCPAP-SSAF需要2国会议员+ 6米/N+ (米+ 6)/N+ 3问+ 1乘法。

此外,在表2,我们分析和比较了各种算法的内存需求。NCPAP-SSAF结合了两个完整AP-SSAF过滤器和8个独立参数(α(k),λ(k),μ_α,σ(k), ,η]。为米= 512,l= 64,N= 4,P= 4,它需要2米(NP+ 1)+N(3l+ 6P+ 1)+ 12 = 18288字保存NAG AP-SSAF参数和其他参数。

4所示。仿真实验和结果

4.1。建立实验环境

在本节中,我们将进行两种类型的实验。首先,参数分析的实验将向我们展示的影响关键参数对算法的性能以及他们的表现是否与理论预期是一致的。然后我们模拟回波消除实验比较算法的性能和其他方法。实验的结果将验证该算法带来的改善精度和收敛速度。

稀疏的回声路径用于以下实验如图3,稀疏的回声路径和采样率的自适应滤波器有512个系数8 kHz。在现实的沟通场景中,脉冲响应的回声路径将受到环境因素的影响。因此,我们模拟一个意想不到的回波脉冲响应路径通过回声路径转移到正确的12个样本在每个实验中,这是总迭代数的一半。因此,在接下来的实验,我们可以看到算法重启一半的收敛过程。稀疏阵列的公式可以描述如下32]:

用回声路径向量和向量长度公式,我们发现稀疏ζ是0.6078。

有两种类型的输入信号:演讲片段或一个AR(1)的过程。AR(1)过滤获得的信号是一个零均值白高斯随机序列通过一阶系统H(z)= 1 / (1−0.9z−1),信号长度6e4点。与此同时,我们使用一个独立的高斯白噪声30 dB信噪比和强大的脉冲噪声10 dB信号干扰比随着系统的背景噪声和系统输出噪声,分别。Bernoulli-Gauss分布模型用于获得脉冲噪声。生成脉冲噪声z(k)=ω(k)n(k),n(k)是高斯白噪声的均值为0,方差δ,ω(k伯努利)是一种过程和发生概率P {ω(k)= 1}=P_rP {ω(k)= 0}= 1−P_r。

含糊其词的回波消除中很常见。为了模拟这一场景,一个8 kHz采样率语音信号添加到影厅在模拟。图4显示的信号含糊其词的场景。图4(一)近端语音和图吗4 (b)以下所有的远端语音实验。为了确保一个公平的比较,统一设置以下参数在所有算法,即部分波段N= 4,仿射投影数l= 4,遗忘因子η= 0.99。

我们在每个50次独立的蒙特卡洛模拟。我们得到的最终结果平均50所有的仿真结果。归一化均方偏差(NMSD dB)是用来评估自适应滤波器的收敛性能。这是定义如下:

4.2。动力参数分析

数据5和6表明,表示NCPAP-SSAF不同的收敛曲线γ在信噪比= 20分贝,P_r= 0.001为AR(1)输入。

在图5,我们可以看到,不同价值观的动力因素γ造成不同的进化结果的混合参数λ(k)。的x设在表示算法的迭代次数的试验,和y设在代表NMSD的价值。更大的动量因素导致唠叨之间做出更快的选择大步骤和小步骤。我们也可以看到λ(k从0.018到0.982)是有限的由于的绝对值的事实α(k)小于4。在图6PAP-SSAF和NCPAP-SSAF比NLMS更好的性能的稳态误差和收敛速度。唠叨相当于时随机梯度法γ= 0。从图可以发现,“暂停”收敛在NCPAP-SSAF退出γ= 0,这是明显的循环。增加的价值γ暂停是逐步减少为零。因此,使用唠叨加速收敛的凸组合算法,并使用γ= 0.99提供一个令人满意的加速度。

4.3。AR(1)输入

我们进行了四个不同组的实验与AR(1)信号作为输入信号。在接下来的实验中,μ_αNCPAP-SSAF设置为1。

图7显示了几种算法的收敛下信噪比= 20分贝P_r= 0.001条件。的价值μ_αICNSAF和CAPSAF设置为10。从图可以看出,PAP-SSAF比IP-SSAF更好的收敛性能相同的步长,这无疑是由于应用仿射投影。同时,收敛性能差VSS-SSAF表明在稀疏的回波脉冲响应通道,比例一步矩阵是非常必要的。否则,算法不能有效地收敛。与没有组合的算法相比,对凸组合算法,NCPAP-SSAF, CAP-SSAF, ICNSAF,每个的性能已得到改进,虽然在不同程度。他们都快收敛性和较低的稳态误差,实现算法设计的目标。通过对比地分析这三个凸组合算法,可以看出NCPAP-SSAF在本文提出的性能明显优于其它算法。其收敛速度是PAP-SSAF一样大的一步,及其稳态误差是PAP-SSAF一样小的一步。此外,由于唠叨的应用方法,NCPAP-SSAF没有出现“pause-convergence”现象在融合的过程。NCPAP-SSAF有归一化混合步长凸组合结构,它包含两个PAP-SSAF大小不同的步骤。 Its excellent performances should not only be attributed to the own structure but also the characteristic of PAP-SSAF, namely, a faster convergence speed.

图8显示了一些算法的收敛性能信噪比= 20分贝P_r= 0.01。的值μ_α在ICNSAF CAPSAF设置为100。这些算法的性能大约是一样的人物7。NCPAP-SSAF表现良好的脉冲噪声,其性能明显优于其他算法。请注意在图7和8,NCPAP-SSAF所使用的混合参数的步骤是相同的,并都取得了良好的性能。这意味着规范化步长提出了使合并后的滤波器不受脉冲噪声的影响。因此,该算法具有良好的鲁棒性。与P_r增加,其他算法的稳态误差在不同程度增加。

数据9和10显示AR(1)的收敛性能这些算法在低噪声条件下的输入。在图9信噪比= 30分贝,P_r= 0.001,如图10信噪比= 30分贝,P_r= 0.01。通过比较数据7和8,我们可以看到,这些算法的稳态误差随着信噪比的增加后有不同程度的降低。NCPAP-SSAF达到好的结果在两个实验中使用相同的混合步长参数。与数据9和10可以看出,脉冲噪声的概率的增加,一些算法的收敛速度和稳态误差减少,但算法仍保持良好的anti-impulse噪音的能力。比较数据的实验结果9和10与前两个实验,可以看出,随着信噪比的增加,所有的算法实现更好的性能。

4.4。语音输入

语音信号作为输入,总共进行了四个独立的实验。数据11和12显示的模拟single-talk情况,和数字13和14显示,含糊其词的情况下由于语音信号的相关性远远大于白噪声,通过一阶系统。

的价值μ_α在这些实验NCPAP-SSAF设置为0.05。NCPAP算法的性能在下面进行讨论与分析。

数据11和12显示在不同信噪比下几个算法的收敛不影厅的声音。的值μ_αICNSAF和CAP-SSAF设定在100年的图11和的值μ_αICNSAF和CAP-SSAF设定在5000年的图12。

所示的两个数字,我们可以得出这样的结论:NCPAP-SSAF算法具有更好的性能方面的快的收敛速度和较小的稳态误差。当与条件μ在PAP-SSAF = 0.005,很明显,当μ= 0.005,它逐渐收敛于某种程度上(约12 dB)和保持稳定μ= 0.05。这是由于较大的步长自适应滤波器使它不可能继续收敛。的条件是μ= 0.005,其前过程过于缓慢的收敛速度和跟踪性能差,虽然可以获得较小的稳态误差。

情况表明,NCPAP-SSAF算法自适应匹配数字滤波器与较大的步长,可以不断收敛当滤波器接近稳定的语句,也可以获得类似的稳态误差与PAP-SSAF时的价值μ是0.05。此外,在两个实验中,ICNSAF算法和CAP-SSAF算法需要选择一个不同的值μ_α为了得到最佳的过滤效果。对于与规范化的滤波器混合参数步长,NCPAP-SSAF算法可以得到最好的过滤效果没有调整的价值μ_α和提高系统的鲁棒性,减少外部因素的影响。对于single-talk语音输入,NCPAP-SSAF算法可以结合两个独立的过滤器科学、合理和具有良好的鲁棒性。

数据13和14显示几个算法的收敛与近端语音在不同信噪比下,分别。的值μ_αICNSAF和CAP-SSAF设定在100年的图13和的值μ_αICNSAF和CAP-SSAF设定在5000年的图14。

可以从两个数字,NCPAP-SSAF具有明显的性能优势,收敛速度快,稳态误差小,它不是被影厅的声音。

首先,对于PAP-SSAFμ= 0.05和PAP-SSAFμ= 0.005,可以清楚地看到,前有一个很大的稳态误差和干扰的近端讲话,导致滤波器的发散在某种程度上。尽管后者可以得到一个较小的稳态误差,收敛速度太慢尤其是回声路径的变化。然后至于NCPAP-SSAF,它可以发现NCPAP-SSAF的收敛曲线的初始收敛阶段过滤器与PAP-SSAF几乎一致μ= 0.05。它表明NCPAP-SSAF自适应地选择一个过滤器和一个较大的步长,这是符合设计目标。接下来,NCPAP-SSAF能保持快速收敛速度逐渐过滤达到稳态时,过滤器可以保持稳定影厅的声音出现的时候,这表明NCPAP-SSAF具有一定的抗干扰能力。与以前的结果一致,NCPAP-SSAF达到良好的过滤性能,提高系统的健壮性通过使用相同的混合参数两组实验的步长。相比之下,图11和图12可以看出,随着信噪比的增加,所有自适应滤波算法的性能在一定程度上得到改善,特别是在减少稳态误差。所以我们可以得出结论:该算法具有更好的含糊其词的健壮的比其他两个组合滤波器方法,欠l₁标准成本函数。

5。讨论

该方法有一些引用对回波消除影响。凸组合的两个独立的过滤器,展品NCPAP-SSAF算法更为优越的过滤性能。然而,仍然有一些问题需要在以后的工作中进一步提高。当前系统的一个限制是,算法的计算复杂度是类似于一个算法基于组合过滤器,但更大的比一个过滤器。这可以通过升级改进的复合结构,简化不必要的计算课程和降低复杂性。此外,本文中的所有实验在MATLAB仿真环境下进行。和产生的脉冲噪声是高斯伯努利分布仿真为基础,这不是与现实世界中的脉冲噪声一致。

6。结论

在本文中,我们设计一个新的组合结构NCPAP-SSAF呼吁仿射投影象征性的子带自适应滤波算法。步长功率归一化法和混合参数我们提出改进算法的鲁棒性。我们做回波消除的仿真实验验证了该算法的有效性。首先,我们测试在混合动力因素的影响参数。然后,我们比较我们的算法和其他方法的性能。仿真结果表明,NCPAP-SSAF算法不受固定噪声和脉冲噪声的影响在某种程度上,它可以准确地获得最优参数组合在不同条件下,从而获得最优滤波性能。含糊其词的演讲,NCPAP-SSAF能保持更快的收敛速度和较小的稳态误差和有一定抵抗能力近端语音干扰和强鲁棒性。与其他算法相比,我们提出的方法加速收敛速度,减少稳态误差,提高了鲁棒性。在未来的研究中,我们将优化组合结构,简化不必要的计算,以减少算法的计算复杂度。

缩写

LMS:	至少意味着广场
NLMS:	归一化至少意味着广场
APA:	仿射投影算法
NSAF:	规范化的子带自适应滤波器
SSAF:	信号子带自适应滤波器
VRP-SSAF:	变量正则化参数SSAF
AP-SSAF:	仿射投影信号子带自适应滤波器
IWF-SSAF:	Individual-weighting-factor SSAF
P-SSAF:	比例SSAF
ICNSAF:	改进的凸组合标准化的子带自适应滤波器
PAP-SSAF:	适当的仿射投影信号子带自适应滤波器
SLMS:	符号误差LMS
唠叨:	Nesterov的加速梯度。

数据可用性

生成的数据是根据本文中描述的方法。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持部分由中国国家自然科学基金(61350009)和部分由中国国家自然科学基金61179045。

引用

1. r . Vanamadi凹地,“反馈取消在数字助听器使用凸组合比例的自适应算法,”应用声学文章ID 108175卷,182年,2021年。视图:出版商的网站|谷歌学术搜索
2. m·t·艾克塔、f . Albu和a . Nishihara“最大Versoria-criterion (MVC)的自适应滤波方法缓解声反馈的助听器设备”应用声学文章ID 108156卷,181年,2021年。视图:出版商的网站|谷歌学术搜索
3. s h·波林,d . Samiappan r·库马尔A .阿南德和凹地,“变量tap-length非参数可变步长NLMS自适应滤波算法对声学回波消除,”应用声学,159卷,2020年。视图:出版商的网站|谷歌学术搜索
4. 施c:江、r .谢和h·李”修改FxLMS算法的仿真研究前馈有源噪声控制,”刺学报》2019年亚太信号和信息处理协会年度峰会和会议(APSIPA ASC)兰州,页1833 - 1837年,中国,2019年11月。视图:出版商的网站|谷歌学术搜索
5. 郑z h .赵,“仿射投影m-estimate子带自适应滤波器的鲁棒自适应滤波脉冲噪声,”信号处理卷,120年,第70 - 64页,2016年。视图:出版商的网站|谷歌学术搜索
6. i . j . c . Eun Jong李”,一个新的信号子带自适应滤波器,提高了收敛速度,”《韩国声学学会杂志》上,33卷,不。5,335 - 340年,2014页。视图:出版商的网站|谷歌学术搜索
7. j .倪、陈x和j .杨”两个变量信号子带自适应滤波器的收敛速度提高,”信号处理,卷96,不。5,325 - 331年,2014页。视图:出版商的网站|谷歌学术搜索
8. r . l . Das和诉Trivedi”,一种自适应上层ZA-PNLMS算法,基于阈值增益函数”IEEE电路和系统II-Express Brifs,卷67,不。10日,2274 - 2278年,2020页。视图:出版商的网站|谷歌学术搜索
9. Mahbub, s . a . Fattah w·p·朱和m·o·艾哈迈德,“基于单通道噪声的声学回波消除基于梯度自适应过滤”EURASIP日报》言论音频和音乐处理,卷2014,不。1,p。20日,2014。视图:出版商的网站|谷歌学术搜索
10. j .倪f·李,“变量正则化参数信号子带自适应滤波器”,电子信件,46卷,不。24,1605年,页2010。视图:出版商的网站|谷歌学术搜索
11. 温家宝和j·p·张,“健壮的可变步长对脉冲噪声信号子带自适应滤波器算法,”信号处理卷,139年,第115 - 110页,2017年。视图:出版商的网站|谷歌学术搜索
12. y Yu和h .赵”,小说与个人签订的子带自适应滤波器算法权重因素,”信号处理卷,122 5,2016页。视图:出版商的网站|谷歌学术搜索
13. j·j·s·h·Kim Jeong, j·h·崔和w . k .唱“可变步长仿射投影算法使用选择性输入向量的迹象,”信号处理,卷115,不。C, 151 - 156年,2015页。视图:出版商的网站|谷歌学术搜索
14. y Yu和h .赵”记忆比例促进与单个激活因素高度稀疏系统识别在脉冲噪声环境下,”学报第六届国际会议上无线通讯和信号处理,页1 - 6,合肥,中国,2014年10月。视图:出版商的网站|谷歌学术搜索
15. t . y . Yu Yang h . y . Chen r . c . de Lamare和y s . Li”Sparsity-aware SSAF算法与个别权重因素:在声学回波消除性能分析和改进,”信号处理,178卷,2021年。视图:出版商的网站|谷歌学术搜索
16. f . Albu和h . k .关颖珊”记忆改善比例仿射投影算法的迹象,”电子信件,48卷,不。20日,第1281 - 1279页,2012年。视图:出版商的网站|谷歌学术搜索
17. m·钱德拉·高尔a Anand,凹地,“改善高速自适应滤波器结构设计与分析心电信号去噪,”生物医学信号处理和控制,63卷,2021年。视图:出版商的网站|谷歌学术搜索
18. 任y, y z、x l . Liu w·l·高道,和l .郭”一个非参数可变步长为声学回波消除子带自适应滤波算法,”国际农业与生物工程杂志》上,13卷,不。3、168 - 173年,2020页。视图:出版商的网站|谷歌学术搜索
19. 巴拉和冰斗”,性能分析的自适应滤波算法改进的分割功能联系非线性原子能委员会,“应用的音响,176卷,2021年。视图:出版商的网站|谷歌学术搜索
20. j . Lu问:张、w·史和l .张“可变步长自干扰消除规范化的子带自适应滤波算法,”测量科学与技术,32卷,不。9日,2021年。视图:出版商的网站|谷歌学术搜索
21. j . w . Yoo j . w . Shin和p·g .公园,“可变步长仿射投影算法的迹象,”IEEE电路和系统II表达内裤,卷61,不。4、274 - 278年,2014页。视图:出版商的网站|谷歌学术搜索
22. l . Lu和h .赵”,自适应仿射投影信号子带自适应滤波器的组合建模的声学路径在脉冲噪声环境中,“国际语音识别技术杂志》上,1 - 11,2016页。视图:出版商的网站|谷歌学术搜索
23. r . Vanamadi a .凹地,“反馈取消数字哈林艾滋病使用凸组合比例的自适应算法,”应用的音响文章ID 108175卷,182年,2021年。视图:出版商的网站|谷歌学术搜索
24. z郑,h·赵,y, z . Liu和l . Lu”强大的集员规范化的子带自适应滤波算法及其应用声学回波消除,”我定期论文IEEE电路和系统,卷64,不。99年,页1 - 14,2017。视图:出版商的网站|谷歌学术搜索
25. f·r·杨,g . Enzner和j .杨”的新见解收敛约束频域自适应滤波器理论,“电路、系统和信号处理,40卷,不。4、2076 - 2090年,2020页。视图:出版商的网站|谷歌学术搜索
26. l . Xiao-meng s Gao-ping,肖惠,“改进的子带自适应滤波器及其应用在回波消除,”中国的信号处理,32卷,不。8,973 - 981年,2016页。视图:谷歌学术搜索
27. 小池百合子,“自适应步长q-normalized至少意味着modulus-Newton算法”学报2016年IEEE 10地区会议(TENCON),页1158 - 1161,新加坡、亚洲,2016年11月。视图:出版商的网站|谷歌学术搜索
28. 张t、h .问:焦和z . c . Lei“Individual-activation-factor记忆比例仿射投影算法与进化正规化,”IEEE访问,5卷,不。99年,第4946 - 4939页,2017年。视图:出版商的网站|谷歌学术搜索
29. “y涅斯捷罗夫可实现的张量在无约束凸优化方法,”数学规划,卷186,不。1 - 2、157 - 183年,2021页。视图:出版商的网站|谷歌学术搜索
30. 温家宝和j·p·w·s .张“可变步长扩散规范化算法标记错误,”电路、系统和信号处理,37卷,不。11日,第5004 - 4993页,2018年。视图:出版商的网站|谷歌学术搜索
31. h·l . Lu赵、z .他和陈,“小说改编迹象方案两个自适应滤波器的凸组合,”AEUE -国际期刊的电子和通信,卷69,不。11日,第1598 - 1590页,2015年。视图:出版商的网站|谷歌学术搜索
32. l·杨和z,“增量健全与稀疏约束非负矩阵分解及其应用”《计算机应用,39卷,不。5,1275 - 1281年,2019页。视图:谷歌学术搜索

版权

版权©2021通等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。