Page 27 - 《应用声学》2022年第6期
P. 27

第 41 卷 第 6 期           陆悠南等: 应用于助听器反馈抑制的信噪比自适应滤波算法                                          873


                 根据图 6 可得到达稳态的收敛速度由快至慢的                        LMS 算法的稳态失调范围增大,其他 3 种算法的稳
             算法分别为基于信噪比的 NLMS 算法、LMS 算法、                       态失调范围减小,这是因为除 LMS 外的 3 种的算法
             PNLMS 算法和 NLMS 算法,并可明显得出基于信                       的步长都有对信号能量的归一化,而LMS算法的步
             噪比的 NLMS 算法的收敛速度具有明显的优势,能                         长固定,当达到稳态的情况下,增益越大,则会使
             够更快地到达稳态阶段,当助听器使用者佩戴助听                            更新滤波器的信号越大,稳态失调范围也就随之增
             器的佩戴条件发生改变时,滤波器重新开始收敛。                            大。而其余 3 种算法因为对能量的归一化处理抵消
             当算法收敛速度越快时,滤波器收敛到条件改变后                            了信号能量增大带来的影响,稳态失调范围与平均
             的新稳态状态速度越快,即算法的鲁棒性越好。                             稳态失调量都随增益减小。在对比的几种算法中,
                 实验仿真了不同增益下收敛速度相似的情                            除 LMS 算法外,在不同增益的情况下,基于信噪比
             况下,分别取增益 G 为 30、50、70 和 90,即 G 为                  的 NLMS 算法不论在平均稳态失调量还是稳态失
             29.54 dB、33.98 dB、36.9 dB 和39.08 dB,以平均稳          调范围,都具有最优的性能。其中,基于信噪比的
             态失调量和稳态失调范围作为指标衡量反馈抑制                             NLMS 算法的平均稳态失调量和稳态失调范围性
             在稳态下的性能,具体数值见表 3 和表 4。其中平均                        能分别较NLMS算法低约1 dB和2 dB,较PNLMS
             稳态失调量指稳态状态下失调量的平均值,稳态失                            算法分别低约 1.5 dB 和 2 ∼ 3 dB。而 LMS 算法较
             调范围指稳态状态下失调量最大值与最小值的差                             为特殊,平均稳态失调量过高,性能最差,即使稳态
             的平均值。平均稳态失调量越小,稳态失调范围越                            失调范围较小,整体依然是具有最差的性能。
             小,助听器反馈抑制系统的性能越好。                                     为进一步验证算法的性能,添加一组测试数据,

                          表 3   平均稳态失调量                        在参数未进行变动的前提下,取增益 G = 36.9 dB
                                                               的情况下 4 种算法的失调量数据,以平均稳态失调
                Table 3 Mean steady state misalignment
                                                               量和稳态失调范围作为指标衡量反馈抑制在稳态
                                                (单位:dB)
                                                               下的性能,具体数值见表 5,可进一步验证基于信噪
                            LMS   NLMS  PNLMS 本论文算法
                                                               比的 NLMS 算法对平均稳态失调量和稳态失调范
               G = 29.54 dB  −2.41  −9.06  −8.62  −10.27
                                                               围的性能的提升。
               G = 33.98 dB  −8.77  −12.73  −12.26  −13.98
                G = 36.9 dB  −12.95  −14.79  −14.44  −15.78                表 5  测试数据的稳态失调
               G = 39.08 dB  −14.98  −16.10  −15.64  −16.9         Table 5 State misalignment of test data


                           表 4   稳态失调范围                                        LMS  NLMS   PNLMS   本论文算法
              Table 4 Range of steady state misalignment         平均稳态失调量      −7.04  −13.54  −12.80  −13.91
                                                                  稳态失调范围       2.04  12.86  13.21    9.83
                                                (单位:dB)
                            LMS  NLMS PNLMS    本论文算法
                                                               3.2.3 反馈抑制效果评估
                G = 29.54 dB  2.29  11.21  12.75  9.61
                                                                   对声反馈抑制方法研究的目的是增加系统
                G = 33.98 dB  5.35  10.22  10.75  8.42
                                                               所能达到的最大稳态增益 (Maximum stable gain,
                G = 36.9 dB  9.11  8.65  8.93     6.77
                                                               MSG),因此使用 MSG 作为衡量反馈抑制性能的标
                G = 39.08 dB 10.40  7.01  7.46    5.45
                                                               准。MSG 表示的是系统能正常工作达到稳态的最
                 从表 3 和表 4 可以明显观察到,随着前向增益                      大增益,其数值越大意味着助听器可调的增益范
             的增大,4 种算法的平均稳态失调量都随之减小,这                          围越大,对听力受损越严重的佩戴者越有优势,同
             是因为前向增益越大,受话器发出的信号也越大,                            时在更大的范围的增益下能够达到稳态,算法的鲁
             从反馈路径传回传声器的反馈信号也随之增大,反                            棒性也越强。表 6 记录了在稳态失调范围相似的情
             馈信号在传声器处接收的信号幅度越大,而语声输                            况下不同算法的 MSG。由此可见,基于信噪比的
             入信号不变,反馈信号占比则越大,此时自适应滤                            NLMS 算法较无反馈抑制时提高了 20 dB 的增益,
             波器对反馈路径的模拟则越准确,因此,平均稳态                            较 LMS 算法、NLMS 算法及 PNLMS 算法分别提高
             失调量随增益增大而减小。随着前向增益的增大,                            了约12 dB、4 dB和3 dB的增益。
   22   23   24   25   26   27   28   29   30   31   32