Метод подавления остаточного эха на основе адаптивного фильтра и технологии машинного обучения
- 1,2,3,4 Сибирский федеральный университет (г. Красноярск, Россия)
Аннотация
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.
- Поступила
- 15.10.2024
- Одобрена
- 08.11.2024
- Принята
- 29.11.2024
Для цитирования
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
Список источников
- Вартанян И.А. Физиология сенсорных систем: Руководство. СПб.: Лань. 2006.
- Сэломон Д. Сжатие данных, изображений и звука: учеб. Пособие для вузов / Пер. с англ. В.В. Чепыжова. 2004.
- 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.
- 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.
- Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток / Пер. с англ. М.: Радио и связь. 1985.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- FBLMS. URL: https://nl.mathworks.com/help/dsp/ref/dsp.frequencydomainadaptivefilter-system-object.html
- 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.
- Кавальчук А.Н., Петровский А.А. Формула для перехода из области частот к шкале барков и обратно. Информатика. 2011. № 4(32) С. 71–81.
- Silero Text-To-Speech. URL: ttps://github.com/snakers4/silero-models?tab=readme-ov-file#text-to-speech.