М.С. Медведев1, А.Г. Хантимиров2, Д.О. Непомнящий3, А.А. Чаругин4

1–4 Сибирский федеральный университет (г. Красноярск, Россия)

1 MMedvedev@sfu-kras.ru, 2 Akhantimirov@sfu-kras.ru

Постановка проблемы. Акустическая обратная связь представляет собой серьезную проблему в системах обработки звука, приводя к искажению звукового сигнала и возникновению эха. Традиционные методы фильтрации эха часто оказываются недостаточно эффективными, особенно при наличии нелинейных компонентов.

Цель. Провести разработку и оценку эффективности комбинированного подхода к подавлению акустической обратной связи, включающего использование адаптивного фильтра для основного подавления эха и нейронной сети для подавления остаточного эха.

Результаты. Разработана адаптивная модель фильтра и нейросетевая модель для подавления остаточного эха. Подготовлены наборы данных для тестирования, выполнено обучение нейронной сети и проведено моделирование системы шумоподавления. Результаты показали, что предложенный подход обеспечивает эффективное подавление как линейного, так и нелинейного остаточного эха. Тестирование продемонстрировало значительное улучшение качества звукового сигнала и снижение уровня эха по сравнению с традиционными методами.

Практическая значимость. Разработанный комбинированный подход к подавлению акустической обратной связи может быть использован в различных системах обработки звука, таких как слуховые аппараты, системы громкой связи и другие аудиоустройства, где качество звука критически важно. Предложенная методика позволяет значительно улучшить качество звукового сигнала, что повышает комфорт при восприятии звука пользователем.

Медведев М.С., Хантимиров А.Г., Непомнящий Д.О., Чаругин А.А. Метод подавления остаточного эха на основе адаптивного фильтра и технологии машинного обучения // Успехи современной радиоэлектроники. 2024. T. 78. № 12. С. 31–40. DOI: https://doi.org/10.18127/j20700784-202412-03

1. Вартанян И.А. Физиология сенсорных систем: Руководство. СПб.: Лань. 2006.
2. Сэломон Д. Сжатие данных, изображений и звука: учеб. Пособие для вузов / Пер. с англ. В.В. Чепыжова. 2004.
3. Benesty J., Rey H., Vega L.R., Tressens S. A nonparametric VSS NLMS algorithm // IEEE Signal Processing Letters. 2006. V. 13. № 10. P. 581–584.
4. Paleologu C., Ciochina S., Benesty J. Double-talk robust VSS-NLMS algorithm for under-modeling acoustic echo cancellation // IEEE International Conference on Acoustics, Speech and Signal Processing. ICASSP. 2008. P. 245–248.
5. Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток / Пер. с англ. М.: Радио и связь. 1985.
6. Valin J. On adjusting the learning rate in frequency domain echo cancellation with double-talk // IEEE Transactions on Audio, Speech, and Language Processing. 2007. V. 15. № 3. P. 1030–1034.
7. Yuan Z., Songtao X. Application of new LMS adaptive filtering algorithm with variable step size in adaptive echo cancellation // IEEE International Conference on Communication Technology. ICCT. 2017. P. 1715–1719.
8. Mohammad A.I., Grant S.L. Novel variable step size nlms algorithms for echo cancellation // IEEE International Conference on Acoustics, Speech and Signal Processing. ICASSP. 2008. P. 241–244.
9. Кондратьев К.В., Кочан И.В., Хантимиров А.Г., Бархатова А.А. Метод подавления реверберационных помех // Радиотехника. 2022. Т. 86. № 12. С. 105−110. DOI: https://doi.org/10.18127/j00338486-202212-09.
10. Tanrikulu O., Dogancay K. A new non-linear processor (NLP) for background continuity in echo control // IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP. 2003. P. V–588.
11. Doroslovacki M. Optimal non-linear processor control for residual-echo suppression // IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP. 2003. P. V–608.
12. Panda B., Kar A., Chandra M. Non-linear adaptive echo supression algorithms: A technical survey // International Conference on Communication and Signal Processing. ICCSP. 2014. P. 076–080.
13. Ikram M.Z. Non-linear acoustic echo cancellation using cascaded Kalman filtering // IEEE International Conference on Acoustics, Speech and Signal Processing. ICASSP. 2014. P. 1320–1324.
14. Mossi M.I., Yemdji C., Evans N. and etc. Robust and lowcost cascaded non-linear acoustic echo cancellation // IEEE International Conference on Acoustics, Speech and Signal Processing. ICASSP. 2011. P. 89–92.
15. Lu Ma, Hua Huang, Pei Zhao, Tengrong Su Acoustic Echo Cancellation by Combining Adaptive Digital Filter and Recurrent Neural Network // arXiv.org, Computer Science, Engineering. 2020.
16. Кондратьев К.В., Непомнящий Д.О., Чаругин А.А. Идентификация неизвестной динамической системы как способ определения переходной характеристики обратного акустического тракта // Успехи современной радиоэлектроники. 2024. T. 78. № 4. С. 36–42. DOI: https://doi.org/10.18127/j20700784-202404-04.
17. Filter FDAF. URL: https://www.researchgate.net/publication/278177687_A_Frequency-Domain_Adaptive_Filter_FDAF _Prediction_Error_Method_PEM_Framework_for_Double-Talk-Robust_Acoustic_Echo_Cancellation.
18. FBLMS. URL: https://nl.mathworks.com/help/dsp/ref/dsp.frequencydomainadaptivefilter-system-object.html
19. Valin Jean-Marc A hybrid DSP/deep learning approach to realtime full-band speech enhancement // IEEE International Workshop on Multimedia Signal Processing. MMSP. 2018. P. 1–5.
20. Кавальчук А.Н., Петровский А.А. Формула для перехода из области частот к шкале барков и обратно. Информатика. 2011. № 4(32) С. 71–81.
21. Silero Text-To-Speech. URL: ttps://github.com/snakers4/silero-models?tab=readme-ov-file#text-to-speech.