采用TMS320C54x免提开发平台的车载信号处理与音频系统
加入技术交流群
AEC 的其他问题在于两人同时讲话的模糊音(DT)情况。如果没有检测到的话，DT 会造成自适应算法的发散。
AEC 软件利用 NLMS 算法来消除回声，执行 C54x DSP 汇编程序。
NLMS 算法
NLMS 算法可更新自适应有限脉冲响应 (FIR) 滤波器的系数，可将该滤波器用于预计回声。随后我们从实际回声中减去预计值，并给出剩余回声。
活动通道检测
AEC 算法的一个关键特性就是活动通道检测。远端操作者沉默而近端操作者讲话时，滤波器不可进行适配，因为近端操作者不再是回声。通过计算信号能量，并将该能量与自适应阈值进行比较，可实现活动通道的检测。
模糊音 (DT) 检测
在 DT 情况下，扩音器上的近端信号包括回声与近端话音（即模糊音）。用于更新滤波器系数的剩余误差包括近端讲话，而如果算法仍在进行自适应，则算法可能开始发散，必须避免这种情况。DT 检测使用基于能量的算法，并配合一个变量阈值来解决此问题。
基准
AEC 软件的基准（以 16 位字表示）为：
－ 代码大小：154 字；
－ 静态 RAM：527 字；
－ 擦写 RAM：2 字；
－ 最大计算时成本为 4.7MIPS。
计算时成本在 ST 时期最大；在 DT 时期降至 2.4MIPS。ST 时期表现通话主要部分，而DT 时期仅在较短的有限情况出现。
4. CVC-HFK 软件
图２：CVC-HFK 应用图示
CVC-HFK AEC
CVC-HFK 回声消除器是"无状态"AEC，其采用标准频率域NLMS算法的一个变体作为其主要的自适应滤波器。我们将在下面说明采用这些方法的优势。首先，子带频率域方法可取消关联或白化每个带中的输入信号，这相比于相当时间域的AEC 就可实现更快的收敛。第二，无状态 AEC 可实现连续的滤波器适应，这改善了噪声环境中的鲁棒性和整体模糊音性能。我们记得，DT 情况下扩音器信号既包含回声，又包含近端话音。近端话音不与回声信号相关联，如果没有进程避免它的话就会造成自适应滤波器的发散。第三，NLMS可实现独立于输入振幅的一致收敛。正由于此，CVC-HFK AEC实现了典型的40 dB ERLE（回声返回损失量），最大为50 dB ERLE，并可实现80ms左右的快速收敛时间，且在大多数环境下可进行全双工操作。此外，CVC-HFK AEC为其自适应滤波器采用了 64ms 的尾长，这就在内部容量方面实现了更大的灵活性。
CVC-HFK NS
CVC-HFK 噪声抑制器是一种利用话音与噪声特性来帮助从合成噪声及话音信号中提取话音的频率域算法。CVC-HFK NS 的两大主要模块是语音构成分析与语音提取。
语音成份分析模块采用话音与噪声的暂时与相关属性来构建话音构成的可预测模型。语音提取块可根据语音与噪声模型修改各频率成份。此外，语音提取块还可充分利用音质原理最小化噪声底限与感觉的语音失真。
CVC-HFK NS 采用该方案可在噪声环境中实现 10-15dB SNR（信躁比）的改善，同时还能保持较好的语音质量。在SNR已经足够高的极低噪声环境中，因为已关闭了 NS，不会发生语音失真。
CVC-HFK NLP
由于系统失真增加，因而 CVC-HFK NLP 最小。由CVC-HFK NLP 增加的失真量比诸如中心削波器等标准NLP模块要低得多，因为其使用来自输入与误差信号的信息来确定额外的衰减。
由于所有的 CVC-HFK 模块均使用频率域算法，因而与既使用时间域又使用频率域算法的解决方案相比，可以显著节约内存，并简化计算复杂性。
评论