自适应数字回波抵消

本文阐述了解决通信系统中回波问题而提出的一种较完善的数据驱动自适应回波抵消器的结构及性能。分析了相位抖动、频率漂移及偏值等问题对抵消器性能的影响。     

通信中的自适应回波抵消及其相关技术

现在,自适应回波抵消越来越多地被用来改善通信质量.本文介绍、比较了自适应回波抵消的关键技术--回波抵消算法和双方同时通话检测,并对自适应回波抵消芯片中采用的其它相关技术作了介绍.     

一种实用的自适应回波抵消器

本文提出了一种实用、完整的自适应回波抵消器,可用于实现高速调制解调器的二一双工传输。实验表明,该回波抵消器具有回波抑制能力强、线路环境适应性好等特点。     

一种加白化预滤波的回波抵消算法

研究了话音通信中的回波抵消问题，尤其是传统ＬＭＳ算法的收敛性问题。计算机模拟结果表明 法的收敛性明 显优于传统的ＬＭＳ算法，增加的运算量也极少。研究了话音     

通信中的自适应回波抵消及其相关技术

现在,自适应回波抵消越来越多地被用来改善通信质量。本文介绍、比较了自适应回波低消的关键技术——回波抵消算法和双方同时通话检测,并对自适应回波抵消芯片中采用的其它相关技术作了介绍。     

一种利用人耳听觉特性的双声道回波抵消改进算法

本文提出了一种利用人耳听觉特性的双声道回波抵消改进算法.在该系统中,利用人耳的听觉特性给输入信号加上一个小的扰动来改善输入信号的自相关特性和条件数,从而达到改善系统收敛特性的作用.本文讨论了在双声道回波抵消系统中遇到的输入信号强相关从而引起系统性能恶化的问题,提出了采用输入信号加扰来改善系统性能的算法.并且利用人耳听觉特性使这种扰动信号隐藏在语音信号中,使其对语音信号的干扰最小.从本文的仿真试验来看,该方法对双声道回波抵消系统的性能有一定的改善.     

一种基于并行次梯度投影技术的加速声回波抵消算法

该文在并行次梯度投影技术(Parallel Subgradient Projection,PSP)的基础上,提出一种加速回波抵消算法。加速算法通过一种角度寻优策略,对由分属不同状态下的输入信号组成的空间进行寻优,从而找到一对最优投影空间。然后向这一对最优半空间的交集投影,实现对自适应算法的加速。实验仿真表明,加速算法相比传统方法收敛速率更快,无论是用均方误差还是自适应滤波器失准(Echo Path Misalignment)指标衡量加速算法在性能上都有一定程度的提升。     

自适应回波抵消器的理论分析与计算机模拟

本文首先建立了自适应回波抵消器的数学模型。然后对自适应回波抵消器的调整算法、稳定性、收敛性和稳态回波抵消性能进行了较为详细的理论分析和计算机模拟。最后讨论了近端话声信号对自适应回波抵消器的影响及其检测问题。     

一种改进的NLMS算法在声回波抵消中的应用

收敛速度和残余均方误差是衡量最小均方算法性能的重要指标。在声回波抵消算法中,为了寻求收敛速度快和计算量小的自适应算法,在归一化最小均方误差算法基础上,把当前时刻以前的误差引入归一化收敛因子中得到一种新算法,可以减小信号样本波动对权重带来的影响。该算法比传统的归一化最小均方算法收敛性能更好,稳态失调也比其小。计算机仿真结果表明,新算法在自适应回波抵消中的综合性能要优于传统的归一化最小均方误差算法。     

移动通信中的回波抵消算法分析

移动通信领域中巳广泛采用自适应回波抵消技术，自适应回波抵消算法是该技术的核心，算法的优劣直接影响自适应回波抵消效果，同时它对降低硬件复杂度和产品成本也有特殊意义。文章对自适应回波抵消的NLMS算法、双端讲话（DT）的检测算法及后处理的NLP算法进行了分析和讨论。     

一种新NLMS自适应滤波算法及其在多路回波消除中的应用

提出一种NLMS改进算法并对其收敛性进行了证明。该算法计算复杂度低于Sankaran(1997)所提出的带有正交改正因子的归一化算法(NLMS-OCF)和仿射投影算法(APA),并具有易于实现等特点。仿真结果表明,以单路语音信号作输入时,新算法具有比NLMS-OCF算法更好的收敛速度和精度,而在收敛速度和精度相当的情况下,新算法比APA算法所占用的CPU时间少。将新算法扩展成两路算法后,扩展算法仍然保持了这些特点,与Sankaran(1999)两路NLMS-OCF及Benesty(1996)所提多路仿射算法(APA-MC)相比,新算法更适合于应用到多路回波消除等实时性要求高的场合。1     

一种自适应电话会议回波抵消系统

文中给出一种基于去相关最小均方(DLMS)算法和迭代最大长度序列相关(IMLC)算法的电话会议回声抵消系统。鉴于DLMS算法在远端会话期间具有好的工作性能，而IMLC算法在双端会话期间具有良好的工作效果，这种新的回声抵消系统在远端会话期间用DLMS算法估计回声路径，而在双端会话期间用IMLC算法估计回声路径。计算机仿真表明，这种新的回声抵消系统在远端会话和双端会话情况下均能提供较好的回声路径估计。     

回声消除基于NLMS改进算法的研究

为了提高VoIP的通信质量,减少回声干扰,对LMS算法、NLMS算法进行阐述,基于NLMS提出了一种运算量小并且提高收敛性能的改进的自适应滤波算法。通过在Matlab下的仿真研究和对误差曲线的分析,证明了该改进算法的收敛速度快,均方误差小。用改进的算法对语音回声信号进行消除,仿真得到消除回声后的信号效果明显,为IP电话中回声消除的自适应滤波问题提供了一个较好的算法。     

一种改进的数字同频直放站自适应反馈干扰抑制算法

基于数字地面电视广播(Digital Terrestrial Television Broadcasting,DTTB)同频直放站的回波干扰抑制,提出了一种变步长块LMS(Variable Step- size Block Normalized Least Mean Square,VSSBNLMS)自适应算法.此算法的目的是为了提高传统回波干扰抑制的自适应算法的收敛速度和降低计算复杂度.其将输入信号分为长度相等的块,在每一个数据块内,权值向量只更新一次,有效地降低了计算复杂度.另外,该算法通过输出误差控制更新步长的变化,与传统的归一化LMS(NLMS)和块LMS(BLMS)算法相比,提高了收敛速度.仿真结果表明,该算法具有良好的收敛速度和回波干扰抑制性能.     

自适应门限处理双话的双滤波回声抵消算法

针对当前双话处理算法对未知或可变回声路径性能恶化以及复杂度过高等问题,采用一种基于短时能量比较,根据已估计的回声路径信息自适应更新判决门限的双话检测算法,为确保更新在滤波器收敛到一定程度后进行,引入了表征滤波器调整程度的参数和残留回声与参考信号的能量比来控制更新速率,同时达到检测路径变化的作用。文中算法结合双滤波器,能处理误检带来的收敛速率下降的问题。实验证明,该回声抵消器既能有效消除回声又能保护近端语音,同时能够处理路径变化。     

一种MIMO中继系统的自适应自干扰消除方法

为节省频率资源,全双工中继一般采用相同的频率接收和发射信号。由于收发天线之间无法充分隔离,接收天线容易受到自身发射天线的回波干扰。针对宽带全双工多输入多输出( MIMO)中继的自干扰问题,提出了一种基于梯度下降自适应算法的自干扰消除方法。该方法利用中继反馈的已知信号进行自干扰信道估计,并产生一个对自干扰信号的估计信号,从而在接收端将干扰抑制。仿真结果表明,该方法在自适应滤波器的跟踪性能、收敛分布和不同 MIMO 配置下的均方误差( MSE)性能等方面均取得良好效果。     

基于投影对消处理技术的稳健自适应波束形成

针对传统自适应波束形成算法中目标波达方向(Direction of Arrival,DOA)估计不准确引起的波束形成性能下降问题,提出了一种采用投影对消矩阵的稳健自适应波束形成算法.首先,寻找与估计波达方向有最大相关性的特征矢量作为目标信号特征矢量,然后构建对消矩阵消除协方差矩阵中的信号分量,最后通过增加零点约束实现干...     

基于DSP Builder的回波抵消器设计与实现

针对通信中的回波问题,基于自适应滤波的最小均方（LMS）算法,设计了一个自适应回波抵消器。基于FPGA芯片,在DSP Builder平台上,有效结合MATLAB/Simulink和Quartus Ⅱ设计工具,根据模块化设计思想实现了LMS算法自适应回波抵消器硬件电路设计。软件仿真和系统FPGA硬件实测结果表明,该设计方法使回波抵消器的FPGA硬件实现更加简便快捷。     

Proportionate NSAF algorithms with sparseness-measured for acoustic echo cancellation

In acoustic echo cancellation (AEC), the sparseness of impulse responses can vary over time or/and context. For such scenario, the proportionate normalized subband adaptive filter (PNSAF) and μ-law (MPNSAF) algorithms suffer from performance deterioration. To this end, we propose their sparseness-measured versions by incorporating the estimated sparseness into the PNSAF and MPNSAF algorithms, respectively, which can adapt to the sparseness variation of impulse responses. In addition, based on the energy conservation argument, we provide a unified formula to predict the steady-state mean-square performance of any PNSAF algorithm, which is also supported by simulations. Simulation results in AEC have shown that the proposed algorithms not only exhibit faster convergence rate than their competitors in sparse, quasi-sparse and dispersive environments, but also are robust to the variation in the sparseness of impulse responses.