复杂声环境下的鲁棒自适应滤波理论及算法研究

Adaptive filtering is widely applied to electronic, communication, automatic control, and acoustic systems. Commonly used adaptive filtering algorithms assume that noise obeys Gaussian distribution, which is rational in many application fields. This assumption, however, is not reasonable for many signals and noises in underwater and room acoustics, geophysical exploration, and biomedical engineering; this indicates that Gaussian modeling causes performance degradation of adaptive filtering algorithms. Some robust time-domain adaptive filtering algorithms have been proposed to deal with this issue. This type of algorithms, however, has the following drawbacks: poor adaptability to different types of non-Gaussian noises, high computational complexity, low steady-state performance, and sensitivity to the correlation of input signals. This proposal presents a class of robust time-domain filtering algorithms in mixed non-Gaussian noise environments based on adaptive robust estimators, which improves the adaptability to different types of non-Gaussian noises. Meanwhile, a class of frequency-domain adaptive filtering algorithms is proposed to enhance the computational efficiency and reduce the steady-state error and sensitivity to correlated input signals. The new robust time-domain and frequency-domain algorithms are also extended to multichannel cases. The principle, stability, robustness, and steady-state performance of the proposed algorithms are investigated. The effects of noise parameters, robust estimator parameters, and filter parameters on the performances of the proposed algorithms are also analyzed. Finally, the applications of the proposed algorithms to microphone array based robust channel identification, acoustic source localization, and active noise control will be investigated.

自适应滤波技术是现代信号处理领域的核心技术之一，广泛应用于诸多领域。然而在水声及室内声学、地震勘探、生物医学工程等复杂声环境，非高斯噪声和多径反射/混响严重影响传统自适应滤波算法的性能。尽管鲁棒时域自适应滤波算法在这类复杂声环境下具有鲁棒性，但该类算法对不同类型非高斯噪声的自适应能力差、计算复杂度高、稳态性能低、对输入数据相关矩阵的条件数敏感，难以满足复杂声场环境下的高性能实时性应用场合的需求。本课题在前期研究的基础上，利用鲁棒估计器在时域建立一类非高斯混合噪声环境下的鲁棒自适应滤波算法，解决时域滤波算法对不同类型非高斯噪声自适应能力差的问题。同时，在频域建立一类对非高斯/高斯噪声不敏感的鲁棒自适应滤波算法，解决时域滤波算法的计算效率低、稳态性能差和对条件数敏感的问题。本课题还将鲁棒自适应滤波理论拓展到传感器阵列声通道辨识、声源定位和有源噪声控制等领域，解决实际应用中的声信号处理问题。

自适应滤波技术是现代数字信号处理领域的核心技术之一，广泛应用于电子、通信和自动控制等系统。在水声及室内声学、地震勘探和生物医学工程等复杂声环境，非高斯噪声和多径反射/混响严重影响传统自适应滤波算法的性能。本项目针对复杂声环境研究了一系列新的鲁棒自适应滤波算法及其应用，主要成果包括：(1) 针对非高斯和高斯混合噪声环境，基于鲁棒估计器提出了一类时域代价函数，建立了多延迟频域递推最小鲁棒估计自适应滤波算法；针对声回声抵消中的非高斯噪声，基于鲁棒估计器提出了一类变步长归一化子带自适应滤波算法；分析了上述算法在均值、均方误差条件下的收敛性以及与频域递推最小二乘算法、基于Huber估计的鲁棒自适应滤波算法的关系。(2) 在鲁棒多通道自适应算法方面，基于lp范数提出了一类具有声通道脉冲响应频域稠密约束的代价函数，建立了鲁棒归一化多通道频域最小均方自适应算法；针对多通道盲系统辨识，利用鲁棒估计器在时域定义了一类对非高斯和高斯噪声不敏感的代价函数，提出了一类鲁棒多通道频域自适应滤波算法；利用鲁棒估计器在频域定义了一类对稀疏的语音谱鲁棒的代价函数，提出了一类对语音声源鲁棒的多通道频域自适应盲系统辨识算法，并将这些算法应用到语音声源定位问题；针对提出的这一系列鲁棒多通道自适应算法，分析了它们的收敛性、稳定性、鲁棒性、稳态误差以及与典型频域自适应滤波算法的关系。(3) 针对噪声的不利影响，提出了一类车间发动机主要噪声源识别方法；基于变压器谐频噪声的统计特性，设计了一种适于小型化的低阶模拟反馈控制器和一种二阶多功能开关滤波器；针对心电监测系统中噪声的不利影响，设计了一种去除心电运动干扰的可穿戴装置。(4) 在鲁棒自适应滤波算法的理论分析基础上，建立了多套合理的实验模型验证了新方法在多种混响环境对非高斯和高斯噪声的鲁棒性。本项目的研究成果对声信号处理领域的鲁棒自适应系统辨识、声源定位和有源噪声控制具有重要的理论意义和实际应用价值。