设计相关程序输入MATLAB中检测算法优劣性。
关键词：λ-LMS算法;改善因子;即时通信;自适应滤波;语音回声消除
中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.1672-3198.2019.34.093
0 引言
语音被看作是语言符号系统的载体，人们利用语言来进行交流和社会活动，但在电子通信中我们不仅要交流，还要对语音信息进行处理分析，优化人们的通信交流。为了符合人们对语音通信质量和舒适性方面的要求，研究者们提出了大量回声改进算法，现有市场上产品的回聲消除方法大致可分为三种：增益调整、最小均方法回声消除和采用子带自适应滤波技术，但是这些方法存在着处理效果不佳、收敛慢、易发散和时间空间复杂度较大的缺点。而针对回声消除的最新改进方法是2017年，王正腾等人提出的对自适应滤波器的初始权值阶数进行分帧，获取每帧内权值的均值和抖动状态，然后通过比较阈值结果调整滤波器权值的活跃区域，摒弃非活跃权值区域，最终根据活跃权值的总帧数调整滤波器的阶数来提高回声消除效果的这一改进型NLMS算法，该算法虽然新颖，但是只针对滤波器权值进行了优化，复杂性高，收敛速度缓慢。因此本文提出了通过改善因子λ实时调整并自动获取自适应算法中的最优步长因子，令滤波器权向量w（n）随时保持更新，提高了算法收敛速度并降低了分散度，从而使高度有色信号输入时收敛性能仍能得到改善，算法的简洁性和可移植性使其可以很方便的被嵌入手机等IP通信系统中使用。
1 声学回声消除算法原理
首先利用一个LMS自适应滤波器来自动识别模拟出回声通道，然后通过调整设计得到的自适应滤波算法，使其产生与实际回声路径无限逼近的恰当冲激响应，回声预测信号y（n）便由此产生，最后将近端采样语音信号d（n）和模拟得到的回声预测信号y（n）作差，就实现了声学回声消除，这是声学回声消除算法的基本原理。实验中，通过将来自网络的远端信号x（n）经过衰减延时后叠加到现在的语音信号上来产生回声信号，设计一个可调整的LMS算法滤波器消除回声信号，对比滤波前后信号上的差异来判断自适应滤波器性能优劣。声学回声消除的功能原理框图如图1所示。
2 固定步长LMS算法处理回声信号
LMS算法具有结构简单、计算复杂度低，稳定性高等优点，但是它在很大程度上依赖于输入信号的特征值分散度，当输入高度有色的信号时，其算法收敛速度变慢，性能变差。而LMS算法的收敛速度和稳定性受步长因子大小的影响。我们通过MATLAB仿真实验对这个问题展开分析。如图2（a）所示，它表示在一定时间段内原始语音信号x（n）的波形图。图2（b）是通过模拟叠加了回声干扰噪声信号y（n）的声音波形图。然后使用常规的LMS算法（滤波器抽头数设置为64，步长因子μ取0.0003），对图2（b）表述的叠加回声语音信号的声音波形展开算法处理，处理后得到如图2（c）所示的去除了回声干扰的声音波形图。此次实验中为了保证数据的可比较性，所有回声消除算法的滤波器抽头数量（dim）都设置为64，步长因子μ均取0.0003。
我们对原始语音信号x（n）波形图和常规LMS算法处理后的语音信号波形图进行对比，从图2（c）[0.3，0.5]时间区间内我们很容易看出，使用LMS算法消除回声干扰信号时，在0.4秒时刻，滤除了回声干扰信号后的波形振幅才只能达到原始语音波形振幅的1/2，所以可以得出这样一个结论：常规的LMS自适应回声消除算法虽然可以消除语音信号中的回声干扰信号，但是收敛速度变得十分缓慢，不能在即时语音通信中发挥出很好的作用。
3 改善步长因子取值后的λ-LMS算法
为了改进常规LMS自适应回声消除算法在滤波器抽头数量（滤波器阶数）都设置为64，步长因子μ均取0.0003时收敛速度缓慢的缺点，我们在研究中通过添加改善因子λ来优化调整步长因子μ的取值，希望能提高LMS算法的收敛速度，改善常规的LMS回声消除算法。我们通过对LMS算法的核心公式wn+1=wn+2μxnen，n=1，2，…来实现改进想法，将 2μxne（n）扩大为λμxne（n），λ即是我们的改善因子，从而将核心公式按照一定的线性变化来处理，我们称这个改进后的LMS算法为λ-LMS算法。在λ=2时，λ-LMS算法又简化为常规的LMS自适应算法。当λ取[1、2、20、40]时，λ-LMS算法对叠加了回声信号的语音信号处理后的效果图如图3所示，和原来步长因子固定的常规LMS算法处理效果（如图2（c））对比，收敛速度明显提高。这就说明通过添加改善因子λ并不断优化其取值后得到的改进型λ-LMS算法，对提高即时语音回声自适应消除算法的收敛速度明显。当λ=40时，在500个取样点处就可以消除掉大部分的回声，得到与原始声音信号波形极为接近的自适应滤波波形。
以图2（a）为原始声音信号样本，利用MATLAB随机产生100个白噪声信号叠加到原始信号上，形成待处理语音信号d（n）。通过对图4改善因子λ和回声消除效果折线图的分析：以0.4秒内可以达到的最大振幅作为回声消除效果的比较依据，声音幅值越大，收敛速度越快，回声消除效果也就越好。我们在剔除差异较大点后分析得到，在改善因子λ取45时语音信号振幅已基本维持不变，于是我们可以得到改进型LMS回声自适应消除算法的较优步长因子值为：
4 结语
本文简单介绍了语音通信中声学回声消除算法基本原理，从步长因子μ入手到影响滤波器权值向量系数w（n），对常规回声消除LMS算法进行优缺点分析，通过添加改善因子λ来设计得到最优的步长因子，从而达到提高收敛速度与降低发散度的目的，实验过程中借助了MATLAB功能的强大性对多种语音信号进行处理分析，并通过图表化直观呈现出来。在滤波器抽头数设置为64，步长因子μ取0.0003的前提条件下，我们得到了改进型λ-LMS算法的较优步长因子取值为0.0135，扩大了原有的步长因子值，相对常规的LMS算法，该算法显示出较强的即时语音回声自适应消除能力。该改进λ-LMS算法具有可搬移性和复制性，能够很轻松的在其它电子设备上发挥改善效果，且算法复杂度较低。
参考文献
[1]阎兆立，杜利民.电话语音回声消除的研究[J].电子学报，2002，（11）.
[2]胡航.语音信号处理[M].哈尔滨：哈尔滨工业大学出版社，2012.
[3]蒙淑艳，赵晓晖，顾海军.一种自适应回声抵消噪声消除算法[J].吉林大学学报，2004，（4）.
[4]胡立宁.自适应回声消除算法的研究与实现[M].长春：吉林大学出版社，2007.
[5]赵春晖，张朝柱，李刚.自适应信号处理[M] 哈尔滨：哈尔滨工程大学出版社，2006.
[6]宋知用.MATLAB在语音信号分析与合成中的应用[M].北京：北京航空航天大学出版社，2013.
[7]费璐璐，王华斌.声学回声算法研究[J].安徽工程科技学院学报，2004，（1）.
[8]姚天任.数字语音处理[M].武汉：华中理工大学出版社，1992.