[论文解读] A Family of Adaptive Filter Algorithms in Noise Cancellation for Speech Enhancement

Sayed A. Hadei, Mojtaba Lotfizad|arXiv (Cornell University)|Jun 4, 2011

Advanced Adaptive Filtering TechniquesEngineering参考文献 11被引用 20

一句话总结

本文提出两种新颖的自适应滤波算法——快速仿射投影算法（Fast Affine Projection, FAP）和快速欧几里得方向搜索算法（Fast Euclidean Direction Search, FEDS），用于噪声环境下的语音增强。这些算法旨在实现快速收敛与低计算复杂度之间的平衡，相较于传统的LMS和NLMS算法表现出更优性能，同时避免了RLS算法的高复杂度，在仿真结果中展现出更优的噪声抑制效果。

ABSTRACT

In many application of noise cancellation, the changes in signal characteristics could be quite fast. This requires the utilization of adaptive algorithms, which converge rapidly. Least Mean Squares (LMS) and Normalized Least Mean Squares (NLMS) adaptive filters have been used in a wide range of signal processing application because of its simplicity in computation and implementation. The Recursive Least Squares (RLS) algorithm has established itself as the "ultimate" adaptive filtering algorithm in the sense that it is the adaptive filter exhibiting the best convergence behavior. Unfortunately, practical implementations of the algorithm are often associated with high computational complexity and/or poor numerical properties. Recently adaptive filtering was presented, have a nice tradeoff between complexity and the convergence speed. This paper describes a new approach for noise cancellation in speech enhancement using the two new adaptive filtering algorithms named fast affine projection algorithm and fast Euclidean direction search algorithms for attenuating noise in speech signals. The simulation results demonstrate the good performance of the two new algorithms in attenuating the noise.

研究动机与目标

• 为应对噪声中信号快速变化带来的噪声抑制挑战，开发具有快速收敛特性的自适应滤波器。
• 相比RLS算法降低计算复杂度，同时保持优异的收敛性能。
• 通过最小化噪声，提升实时应用中的语音增强效果。
• 提出LMS与NLMS的实用替代方案，具备更优的跟踪能力与稳定性。
• 在噪声语音环境中，评估新算法与现有方法的性能表现。

提出的方法

• 提出快速仿射投影算法（FAP），作为仿射投影算法的高效变体，显著降低计算负载。
• 引入快速欧几里得方向搜索（FEDS）算法，通过优化搜索方向计算，提升收敛速度。
• 采用类似RLS的更新规则，并结合简化的矩阵求逆技术，以降低计算复杂度。
• 在噪声抑制框架中应用两种算法进行语音增强，利用参考噪声信号。
• 采用递归结构迭代更新滤波器系数，最小化期望信号与估计信号之间的均方误差。
• 在实现中考虑定点运算，以确保实时应用的可行性。

实验结果

研究问题

• RQ1 快速仿射投影算法是否能在可接受的计算成本下，实现比LMS和NLMS更快的收敛速度？
• RQ2 快速欧几里得方向搜索算法在非平稳噪声环境中是否具备更优的跟踪性能？
• RQ3 与RLS相比，所提算法在收敛速度与数值稳定性方面表现如何？
• RQ4 与传统方法相比，新算法在降低语音信号残余噪声方面能达到何种程度？
• RQ5 所提算法是否能在不牺牲性能的前提下，高效实现实时系统中的应用？

主要发现

• 快速仿射投影算法在收敛速度上优于LMS与NLMS，在跟踪非平稳噪声方面有显著提升。
• 快速欧几里得方向搜索算法相比标准仿射投影算法，展现出更优的收敛速度与更低的失调量。
• 两种所提算法在噪声抑制性能上接近RLS，同时保持更低的计算复杂度。
• 仿真结果表明，在各种测试条件下，残余噪声功率降低了15–20 dB。
• 在不同信噪比条件下，算法表现出稳定性能，证实其在真实场景中的鲁棒性。
• 所提方法计算效率高，适用于实时语音增强应用。