自适应回波抵消中变步长nlms算法的研究

《自适应回波抵消中变步长nlms算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、自适应回波抵消中变步长NLMS算法的研究张琦1王霞1薛涛2（1西安交通大学电子与信息工程学院，陕西西安710049；2中兴通讯股份有限公司710065）摘要在对变步长NLMS（VariableStepSizeNormalizedLeastMeanSquare,VSS-NLMS）的几种算法以及各个算法在远端和双端通话模式下的性能分析比较的基础上，对NEW-NPVSS(NEWNon-parametricVSS)算法进行了改进。在双端通话的情况下改进算法具有更好的收敛性；然后提出了基于滤波器系数梯度的变步长新算法，当滤波器系数梯度小于门限值时，采用

2、固定步长更新滤波器系数。反之，则停止更新滤波器系数，并且用远端模式下的系数替代当前系数。仿真结果表明所提出的算法在远端通话模式下比其他VSS-NLMS算法具有更好的收敛性，在双端情况下具有比固定步长NLMS(NormalizedLeastMeanSquare)和SVSS(SimpleVSS)更好的收敛性。关键词：回波抵消；归一化最小均方误差；变步长；滤波器系数梯度；中图分类号：TN912.20VariableStep-SizeNLMSAlgorithmsinEchocancellationQIZhang1XiaWang1TaoXue2(1Sc

3、hoolofElectronicsandInformationEngineering,Xi’anJiaotongUniversity,Xi’an710049,China;2ZTECorporation,710065)Abstract:ByanalysisofvariablestepsizeNLMS(VariableStepSizeNormalizedLeastMeanSquare,VSS-NLMS)algorithmsandcomparetheirperformancesinfar-talkanddouble-talkmode,animpro

4、vementismadeontheNEW-NPVSS(NEWNon-parametricVSS)algorithm.Thenanewvariablestep-sizealgorithmisputforwardbasedonthefiltercoefficientgradient.Whenthefiltercoefficientofgradientislessthanthresholdvalue,fixedstep-sizeisusedinupdatethefiltercoefficients.Conversely,itstopsupdatin

5、gthefiltercoefficients,andusesthecoefficientinfar-talkmodetoreplacethecurrentcoefficient.Thesimulationresultsshowthattheproposedalgorithmhasbetterconvergencethantheothervariablestep-sizeNLMSalgorithmsinfar-talkmode,andbetterconvergencecomparedwiththefixedstepNLMS(Normalized

6、LeastMeanSquare)andSVSS(SimpleVSS)indouble-talkmode.Keywords:Echocancellation;NLMS;Variablestep-size;Filtercoefficientgradient;1引言归一化最小均方误差算法（NormalizedLeastMeanSquare,NLMS）是自适应回波抑制最小均方误差算法（LeastMeanSquare,LMS）族中最常用的一种算法。它的优点在于输入信号较大的情况下避免梯度噪声放大的干扰，因此具有更好的收敛特性。但是与LMS算法一样，步长

7、的选择对其性能的影响很大。小的步长可使滤波器收敛的更稳定，但是带来了收敛速度过慢的缺点；大的步长可以使得收敛速度加快，但是稳态时会有更大的均方误差。为了解决收敛速度与性能之间的矛盾，许多文献提出了变步长NLMS算法(VariableStepSizeNormalizedLeastMeanSquare,VSS-NLMS)[1-5]。其主要思想是初始化时选择较大步长用于加快收敛速度，随着滤波器的收敛逐步减小步长，以获得较小的稳态误差。文献[6]提出的NPVSS-NLMS(Non-parametricVSS-NLMS)算法，由噪声和误差信号共同控制自

8、适应步长，由于噪声估计相对容易获得，使得该算法在实际中容易实现并且高效。但是它仅考虑了没有近端语音的情况，所以不符合多数情况下实际的需求。其后的很多改进算法针对这一