摘 要：随着生活智能化程度的不断加深，社区与住宅区的安全也越来越被摆在重要的位置。在可视对讲系统中，对讲是系统的核心，通话的质量决定了对讲的效果。在对传统自适应滤波算法进行全面分析的基础上，针对回声严重影响对讲质量的问题，提出一种改进归一化最小均方算法。研究结果表明，改进归一化最小均方算法可以很好地消除可视对讲产生的回声噪音，显著改善可视对讲系统的对讲质量。
关键词：自适应滤波算法；LMS；回声噪音
中图分类号：TN929.54；TN713 文献标识码：A 文章编号：2096-4706（2024）08-0010-05
DOI：10.19850/j.cnki.2096-4706.2024.08.003
0 引 言
可视对讲是现代化住宅小区不可或缺的配套设备，其可提供访客与住户之间的可视通话，连接住户家内所安装的门磁开关、红外报警探测器、烟雾探测器、瓦斯报警器等设备实现图像、语音双重识别，起到防盗、防灾、防煤气泄漏等安全防护作用，从而保障业主的生命财产安全。模拟可视对讲系统需要外接同轴电缆进行语音、视频的传输。因其具有传输距离短、抗电磁干扰和抗接地干扰能力差以及信号保存能力弱的缺点[1]而未被广泛使用。数字可视对讲系统于1999年由美国洛普公司应用在雷达制造与海军船只制造中。
我国数字对讲系统起步较晚，经历了近三十年的发展历程。从语音对讲发展到可视对讲，从黑白可视对讲发展到彩色可视对讲，从单用户使用发展到楼宇可视对讲系统建设，从传统模式发展到数字模式。2009年，数字生活网络联盟（DLNA）家庭对讲系统（DFIS）正式开始在全国范围内大规模使用[2]。2013年，可视对讲系统正式加入Wi-Fi通信模块[3]。2016年以来，楼宇对讲行业进入第三发展阶段，产品趋于多样化和个性化。2016年，网页实时通信（WebRTC）技术连同Android 4.2操作系统应用于可视对讲中[4]。可视对讲系统通常采用总线式控制方式，如LonWorks [5]、CAN、RS-485及LCN。可视对讲系统的信号主要有三种：音频信号、控制信号和视频信号，可以通过有线和无线方式进行传输，有线方式中音频信号一般采用RVV线进行传输，视频信号一般采用同轴电缆进行传输，无线方式中一般采用Wi-Fi、ZigBee和蓝牙进行信号传输。可视对讲系统在有线传输方面已接近成熟，但其在无线传输方面仍有很大的发展空间。
1 自适应滤波算法
1.1 自适应滤波器原理
当声音投射到距离声源有一段距离的大面积区域时，一部分声音要反射回来，这种反射回来的声音叫“回声”。按照路径的不同，回声被划分为直接回声和间接回声。直接回声是指由扬声器播出的声音未经任何反射直接进入麦克风。这种回声的延时最短，它与远端说话者的语音能量、扬声器与麦克风之间的距离、角度、扬声器的播放音量、麦克风的拾取灵敏度等因素直接相关。间接回声是指由扬声器播出的声音经过不同路径的一次或多次反射后进入麦克风所产生的回声集合[6，7]。
自适应回声消除的基本思想是采用自适应滤波算法估计声音传播变化的回声路径，将路径设为模拟信号，通过预先消除产生的回声模拟信号来削减声音传播中回声带来的影响。其关键一环就是得到回声路径的冲击响应。回音路径通常是未知的和时变的，所以一般采用自适应滤波器来模拟回音路径。自适应滤波器消除回声的显著特点是计算量小，特别适合用于实时处理。
1.2 自适应算法
1.2.1 LMS算法原理
在自适应算法中，最经典最简单的算法是最小均方算法LMS（Last Mean Squares）。但在滤波初始阶段，最小均方算法因在步长计算中在稳态精度和收敛速度两方面产生矛盾而逐渐被新的改进算法（如变换域自适应LMS算法[8]、NLMS算法、PNLMS算法和NLMS与IPNLM结合算法）所替代。步长因子与收敛速度成正相关，与稳态精度成负相关。因此步长因子固定很难同时达到收敛速度快和稳态精度高的去噪效果。
LMS的递推公式为：
（1）
1.2.2 NLMS算法原理
归一化最小均方算法NLMS是改进LMS的一种最常用的自适应滤波算法，通过调节步长的方式来解决收敛速度和稳态精度对步长要求相互矛盾的问题，从而在去噪方面得到了广泛的应用[9]。优点是在滤波的初始阶段收敛速度快且步长因子大，而在满足收敛速度后则可以通过减小步长因子的方式来提高稳态精度。
NLMS的递推公式为：
（2）
（3）
（4）
其中，y（t）表示通过系数可调节加权滤波器的输出信号，γ表示xT（t） x（t）的调节参数，0≤γ≤1。
1.2.3 PNLMS算法原理
最小均方算法（LMS）和归一化最小均方算法（NLMS）因具有计算复杂度低和稳定性好的优点而成为自适应滤波算法应用中比较流行的算法。当响应稀疏时，所有滤波器系数使用相同的自适应步长，算法的收敛速度较慢。为了提高算法的收敛速度，提出了比例归一化最小均方算法（PNLMS）[10，11]。该算法根据滤波系数的大小按比例更新各滤波系数，使算法的收敛速度比线性最小二乘法更快。
PNLMS的递推公式为：
（5）
其中，G（t）表示增益分布矩阵。
1.2.4 NLMS+IPNLM算法原理
有效的增益分布会在提升整个自适应滤波算法稳态精度的同时减少误差的产生，NLMS+IPNLM算法采用一种全新的基于个体系数收敛的增益分布策略，旨在提高PLMS算法的准确性。NLMS+IPNLM为最接近实际值系数的增益分配更少的资源，让一个系数变化率平衡单个系数收敛性，将其重新分配给尚未收敛的系数，从而提高整体算法的收敛速度。
NLMS+IPNLM算法的递推公式为：
（6）
2 算法比较
随着时间复杂度的不断增加，算法的执行效率将会越来越低。由表1可以看出，LMS算法的时间复杂度低，但由于算法受步长限制算法的精度也低，NLMS、PNLMS及NLMS+IPNLM的时间复杂度均为3O，算法执行效率相同。通过对比噪声的差值来更好地比较算法稳态精度和收敛速度。
通过采集实际噪声和比对估计噪声值可知，差值越小算法的精确度越高，误差也越小，如表2所示。
图1、图2、图3是一组LMS、NLMS和PNLMS实际权矢量与估计权矢量对比。
图中+号表示实际权矢量，*号表示估计权矢量，实际权矢量与估计权矢量越接近意味着算法精度越高。根据图中数据可以看出，LMS与PNLMS两种算法对噪声的估计均出现了较大的偏差，甚至出现了零估计的情况，NLMS算法的估计值与实际值最接近，算法精度最高。
3 算法应用
WebRTC中的AECM模块采用自适应滤波算法实现回声消除。WebRTC是一种实时通信技术，允许网络应用或站点直接建立浏览器之间的点对点连接，实现任意数据的传输。AECM采用估计维纳滤波的增益值来抑制回声。
自适应滤波器回声抵消原理图如图4所示，图中x（k）表示信号采样值，y（k）表示经过回声通道产生的回声。D端是近端麦克风，收集麦克风采集到的对讲叠加的回声和近端说话人的语音。对回声消除器来说，其所接收到的远端信号作为一个参考信号，回声消除器根据参考信号由自适应滤波器产生回声的估计值r（k），从近端将r（k）带有回声的语音信号减去，就能得到近端传送出去的信号。在理想的情况下，经过回声消除器处理后，残留的回声误差e（k） = d（k） - r（k）将为0，从而实现回声消除。
其中，ω（t）表示滤波器权系数，μ表示步长因子（0＜μ＜2），x（t）表示通过系数可调加权滤波器的输入信号；e（t）表示误差信号。
4 算法仿真实验
4.1 实验方案
仿真实验是在AMD A8-4555M APU CPU 1.60 GHz、内存为SAMSUNG DDR3 12GB 667 MHz、Microsoft Windows 10、64位操作系统的PC上通过MATLAB 2020b软件进行的。首先输入可视对讲语音信号记录在可视对讲中产生的实际噪声，并在不同的信噪比下采用四种不同的LMS算法进行对比实验（进行多组对比验证算法的可靠性）。实验对可视对讲客户端进行语音通话测试，室内机输入音频信号，经终端设备处理后回声信号变为50 dB，满足回声信号的国家处理标准，测试人员基本听不到回声噪音，系统检测的失真主频幅度、主频频率、访客端失真、通道信噪比、总能量满足基本可视对讲要求，经过消回声处理后语音失真较小且保真度较好，表明经过处理后的语音音色保持较好，语音清晰度较高。
4.2 实验结果及分析
实验分别比较了表2中三组误差曲线和三组系统输出的曲线，同时与改进算法进行对比分析，统计对比结果。
LMS、NLMS、PNLMS误差曲线分别如图5、图6、图7所示。
LMS、NLMS、PNLMS系统输出分别如图8、图9、图10所示。
改进后NLMS实际值与估计值的偏差、误差曲线以及系统输出分别如图11、图12、图13所示。
相较于其他三种算法，改进NLMS算法的实际值与估计值的误差更小，误差曲线更接近于100，传统NLMS和PNLMS的时间复杂性相似，算法复杂度相近，从仿真结果来看，NLMS的实际值与估计值的误差比PNLMS的实际值与估计值的误差小，对可视对讲的回声处理效果更好，PNLMS的系统输出不随输入的变化而变化，有趋于0的趋势，导致回声处理结果丢失。
选取某小区一段可视对讲音频信号进行去噪处理，如图14所示，改进算法兼顾了高中低三种频率的信号，不会出现某一频率信号无法去噪的情况，降低LMS算法存在的复杂性和克服快速LMS算法存在的数值稳定性问题。信号的子带分解能够降低输入信号自相关矩阵的特征值发散程度，从而加快自适应滤波算法的收敛速度，同时便于并行处理，给算法的运算过程带来一定的灵活性。
5 结 论
本文对比了四种消除回声噪音的自适应滤波算法，通过比较算法的误差，输出以及实际值和估计值的矢量差值来判断算法在回声噪音处理方面的优缺点。严格分析了改进NLMS的性能，实验结果表明，改进NLMS系统输出与估计更接近且误差更小，自适应滤波算法可以有效地服务于回声消除系统。消除回声噪音可以让可视对讲系统的通话质量更高。
参考文献：
[1] 张泽旺.楼宇可视对讲系统的设计与实现 [D].杭州：浙江大学，2022.
[2] LU J，ZHANG Q F，SHI W T，et al. Variable Step-size Normalized Subband Adaptive Filtering Algorithm for Self-interference Cancellation [J/OL].Measurement Science and Technology，2021，32（9）[2023-06-26].https：//iopscience.iop.org/article/10.1088/1361-6501/abe9dd.
[3] 王承才，詹杰，何苁.基于手机端的可视门禁系统 [J].吉首大学学报：自然科学版，2017，38（5）：51-58.
[4] 何青山.基于WebRTC的可视对讲系统的研究与实现 [D].芜湖：安徽工程大学，2017.
[5] 黄伟胜.基于LonWorks的智能小区网络分析 [J].通讯世界，2018（4）：105-106.
[6] 邵奎，卜雄珠.基于RS-485的分布式多总线通信系统设计 [D].南京：南京理工大学，2013.
[7] 杨坡，刘铸华.一种改进的归一化LMS算法 [J].舰船电子对抗，2017，40（4）：59-61+65.
[8] 张展，王维，史松林，等.基于改进双曲正切函数的LMS谐波电流检测算法 [J].武汉大学学报：工学版，2020，53（12）：1085-1090.
[9] 苏钢，朱光喜，刘应状.一种新的变换域自适应LMS滤波算法 [J].微电子学与计算机，2007（8）：65-68.
[10] 孙祥娥，聂冰霞.一种改进的NLMS算法用于数字助听器中的回声消除 [J/OL].长江大学学报：自然科学版[2023-06-06].https：//kns.cnki.net/kcms2/article/abstract？v=S5uBaE2M3OfHFVx1jjOT7gTyRAwexTx9WPKdspwecgZVjv5LdQeRYWJ_nkINkUpcfcjGDihR6wvjZWdSoKFPkuPmBdCbe88sPKFmjz8hpiQ-amKX8cyDR_k-MarWsFtgPrP-KhbgZZg=amp;uniplatform=NZKPTamp;language=CHS.
[11] 郭继昌，张雪，邱琳耀.一种改进的PNLMS自适应滤波算法 [J].天津大学学报：自然科学与工程技术版，2016，49（9）：972-977.
作者简介：戴航（1994.11—），女，汉族，吉林长春人，助教，硕士，研究方向：机器视觉；郑秋华（1992.9—），男，汉族，江苏镇江人，工程师，硕士，研究方向：桥梁与隧道工程。
收稿日期：2023-08-24
Research on the Application of Adaptive Filtering Algorithm in Visual Intercom Systems
DAI Hang， ZHENG Qiuhua
（Changchun Technical University of Automobile， Changchun 130013， China）
Abstract： With the continuous deepening of life intelligence， the safety of communities and residential areas is also increasingly placed in an important position. In a visual intercom system， intercom is the core of the system， and the quality of calls determines the effectiveness of intercom. On the basis of a comprehensive analysis of traditional adaptive filtering algorithms， an improved normalized minimum mean square algorithm is proposed to address the serious impact of echo on intercom quality. The research results indicate that improved normalized minimum mean square algorithm can effectively eliminate the echo noise generated by visual intercom and significantly improve the intercom quality of the visual intercom system.
Keywords： adaptive filtering algorithm; LMS; echo noise
