新型的变结构QR-LS自适应滤波算法及其在声学回波消除中的应用研究

本项目旨在申请人原有学术成果基础上，系统地研究一类新型的、可变结构的QR分解最小二乘（QR-LS）自适应滤波算法及其在声学回波消除（AEC）中的优势与应用。 所开展的研究工作包括：（1）根据回波信号特点，推导两种具可变结构的新型QR-LS算法，分析它们独有的在保证快速收敛的同时可优化配置计算复杂度的特性，以及优异的数值稳定性和硬件实现灵活性。（2）在新算法框架上运用自相关矩阵正则化、可变遗忘因子以及鲁棒M-估计技术，从而解决非持续激励对算法的影响问题，使算法获得更快的收敛与跟踪速度、以及更好的抗脉冲干扰和双端讲话检测（DTD）的性能；（3）对得到的所有新算法进行全面的收敛性能分析，其中包括稳态的均值、均方值分析和动态的跟踪性能分析等等；（4）搭建实际AEC实验平台，结合硬件开发系统验证新算法的良好综合性能。

本项目的题目是“新型的变结构QR-LS自适应滤波算法及其在声学回波消除中的应用研究”。立项的目的是通过透彻理解声学回波消除（AEC）应用中的一系列核心问题，推动对QR-LS类的高效自适应滤波算法及其相关信号处理技术的理论研究，并指导实际工程问题的解决。通过三年的项目研究我们达到了这个目标，建立了变结构的QR-LS自适应算法在AEC应用中的算法框架和控制机理，为进一步的实际应用奠定了基础。变结构的QR-LS自适应算法具有一个参数控制算法结构的特点，可以通过设计实现快速收敛和优化配置计算复杂度的平衡，因此在信号和信道都为时变的应用如AEC环境中具有很大的价值。我们创新性地首次提出了基于滤波器权值求偏导技术及基于语音信号包络分析的端点激活检测技术的切换机制，使得变结构的QR-LS能区别滤波器的收敛状态、回波信道的变化、以及输入信号即远端语音的能量从而自动配置结构参数以获得全局的最优收敛性能。为了进一步减少QR-LS算法的运算量，我们接下来研究了泛类部分更新自适应滤波算法，并基于鲁棒M-估计技术开发出了这些算法的稳定版本，于学术界首次提出了在一个理论框架下研究多个类似算法收敛性能分析的解决方案。对泛类部分更新自适应滤波算法的研究能指导我们进一步针对声学回波信道阶数过高的问题优化变结构的QR-LS算法。此外，为降低运算量，我们也开展了基于低系统延迟滤波器组设计的子带自适应滤波算法的研究。我们的工作还有一部分与AEC中自适应滤波算法紧密相关的双端讲话检测（DTD）与后处理消除残留回波相关。在这两方面，我们获得了一系列在实际中证明行之有效的技术成果，包括基于部分信道估计和鲁棒M-估计的DTD算法，以及基于后滤波估计器统计性能分析和非平稳噪声功率谱密度估计的语音增强算法。在开展理论研究的同时，我们也利用谷歌开源的WebRTC框架搭建了实时AEC的实验平台，验证了我们开发的新算法并逐渐形成了完整的AEC解决方案。