|
較之傳統電話，VoIP語音質量較差。影響因特網語音質量的關鍵因素之一是回聲。要提高因特網的語音質量，就必須在語音傳輸的過程中進行回聲消除的處理。AEC是基于自適應算法、可被應用于VoIP的回聲消除技術。 本文用于AEC算法實現與研究的硬件平臺足以Freescale公司的MCF5235為核心的開發板。MCF523x系列是以帶有增強型乘加運算單元(eMAC)的ColdFire V2內核為核心，同時結合了增強型時序處理單元(eTPU)和10／100M以太網多媒體通道控制模塊(MAC)的MCU，具有強大的數據處理能力和豐富的接口，能夠滿足VoIP電話終端對于數據處理速度以及剛絡通信安全性的要求。 回聲消除器介紹 聲學回聲消除原理 AEC是以揚聲器信號與由它產生的多路徑回聲的相關性為基礎，建立遠端信號的語音模型，利用它對回聲進行估計，并不斷修改濾波器的系數，使得估計值更加逼近真實的回聲。然后，將回聲估計值從話筒的輸入信號中減去，從而達到消除回聲的目的。 聲學回聲消除器的結構如圖l所示。y(n)代表遠端語音信號，r(n)代表回聲，x(n)是近端語音信號。近端信號x(n)疊加了回聲信號r(n)。對同聲消除器來說，將遠端信號作為一個參考信號，自適應濾波器用它來產生回聲的估計值r'(n)，從近端帶有回聲的語音信號中將r'(n)減去，估計出近端輸出信號μ(n)。在近端沒有說話的情況下，即當x(n)=0時，μ(n)為回聲的殘差信號e(n)。e(n)的計算方程為： 此時，回聲的殘留信號的理想值應為0。 自適應FIR濾波器 在聲學回聲消除器里，橫向結構的自適應濾波器通過采用參考信號來產生回聲的副本，如果這個橫向結構的自適應濾波器的轉換函數與回聲通道的函數模型一致，那么，回聲的副本與回聲就應該是一致的，通過兩者的抵消就可以達到消除回聲的目的。 FIR濾波器的最主要特點是沒有反饋回路，是一種非遞歸系統，它的沖激響應h(n)是一個有限長序列。下面的方程被用來計算FIR濾波器的輸出： 自適應FIR濾波器是根據上一時刻的近端輸出信號μ(n)以及遠端語音信號y(n)，通過某種自適應算法來估算當前時刻FIR濾波器的系數ak(n+1)。 LMS和NLMS算法 在輸入信號和參考信號都是平穩隨機信號的情況下，自適應濾波器的均方誤差E[e(n)]性能曲面是濾波器加權系數ak的二次函數。其系數修正的算法通常是采用使均方誤差最小的最優化求解算法，如最速下降算法。 由于實際的梯度值只能根據觀測數據估計，因此，LMS算法提出的一個基本思想就是用平方誤差來代替均方誤差。它是對基本的最速下降算法的改進，其算法迭代公式為： 其中，y(n)為輸入信號，μ為迭代步長常量。 規一化LMS(NLMS)算法被用來在LMS自適應濾波器方程里修正FIR濾波器的系數。NLMS算法與LMS算法幾乎是一樣的，唯一的不同是在NLMS算法中用可變的步長控制因予代替了LMS算法中的常量因子，其目的是加快算法的收斂速度。其算法迭代公式為： 其中μ應由試驗來確定。μ的選取至關重要，為了確保收斂，必須滿足0<μ<2。本方案中的自適應算法就采用了NLMS。 實現方案 聲學回聲消除器AEC主要包括FIR濾波模塊、Geigle雙端語音判決模塊、NLMS系數更新模塊、語音狀態控制模塊4個部分，圖2為AEC簡要的結構。 Freescale公司的硬件開發平臺是以Coldfire系列MCF5235為核心。該系列MCU支持標準C語言以及其專用的匯編語言。最終在該平臺上運行的功能模塊需要使用C語言或者專用匯編語言。AEC的開發以及移植過程如圖3所示。 首先，搭建AEC的Matlab模型并對該模型進行仿真驗證。然后，以已通過驗證的模犁為標準，搭建可在MCF5235開發板上運行的C語言模型。最后根據需要，將運算較為密集的那部分C語言程序轉化為Coldfire芯片的專用匯編語言。 實驗結果及分析 在Matlab環境下，對AEC進行測試。將需要的三部分語音信號同時輸入到回聲消除器，測試回聲消除的相關性能。 輸入語音信號波形如圖4所示，從上到下依次表示遠端語音信號y(n)、近端語音信號x(n)和回聲信號echo(n)，其中，echo(n)與x(n)之和作為近端輸入，與y(n)一同構成了回聲消除器的兩個輸入信號。將濾波器的階數設置為512，即采取64ms延時的回聲消除，通過回聲消除處理得到殘差信號e(n)，其波形如圖5所示。 從圖4和圖5的對比中可以發現，當只存在遠端信號和回聲信號，近端緘默的情況下，回聲消除器能夠快速收斂并消除絕大部分的回聲；當雙端存在信號，回聲消除器能在消除回聲的基礎上較好地保持近端語音波形。 將AEC功能模塊集成到以MCF5235開發板搭建的VoIP終端上，建立兩個通信終端的語音通信，可對AEC功能模塊進行實時免提通話測試。 結語 本文介紹了聲學回聲消除的原理，并介紹了聲學回聲消除器的設計以及AEC在基于MCF5235開發平臺的VoIP語音通信終端上的集成。該AEC實現了包括語音檢測、自適應濾波等語音處理算法。程序執行的實時性良好。通過Matlab模型的仿真和通話主觀測試的結果，證明該方案實現的聲學回聲消除器能夠滿足網絡通信對語音的要求。 |
