回声消除（AEC）原理、算法及实战——BLMS（Block Least Mean Square）

LMS算法的参数更新，得到每个样本点，权重便更新一次，一次更新的频率过快，收敛速度慢并且不稳定。

BLMS算法的参数更新，类似于神经网络中的batch，收集一组数据（L个采样点)，计算误差的均值，再进行更新，及每过L个样本点后，w更新一次。理想情况下，随着迭代次数的增加，w的值会越来越接近真实回声路径的值，误差e的值也会逐渐趋于近端语音。但在实际应用中，由于受通信设备所使用的扬声器和麦克风等电子元器件的失真影响，回声路径会表现出一定的非线性特征。而在AEC中使用的往往都是线性结构的自适应滤波器，回声中的非线性部分是无法通过线性自适应滤波消除的，这就导致AEC线性滤波之后仍然残留有一定的回声。也就是说，e(n)的值很难趋于近端语音，这部分回声残留需运用非线性处理技术(NonlinearProcessing,NLP）做进一步抑制，才能较完美地消除回声。

代码如下：

import numpy as np
import librosa
import soundfile as sf
import pyroomacoustics as pra

from scipy.linalg import hankel

def blms(x, d, N=4, L=4, mu = 0.1):
  nIters = min(len(x),len(d))//L
  u = np.zeros(L+N-1)
  w = np.zeros(N)
  e = np.zeros(nIters*L)
  for n in range(nIters):
    u[:-L] = u[L:]
    u[-L:] = x[n*L:(n+1)*L]
    d_n = d[n*L:(n+1)*L]
    A = hankel(u[:L],u[-N:])
    e_n = d_n - np.dot(A,w)
    w = w + mu*np.dot(A.T,e_n)/L
    e[n*L:(n+1)*L] = e_n
  return e



# x 原始参考信号
# v 理想mic信号 
# 生成模拟的mic信号和参考信号
def creat_sim_sound(x,v):
    rt60_tgt = 0.08
    room_dim = [2, 2, 2]

    e_absorption, max_order = pra.inverse_sabine(rt60_tgt, room_dim)
    room = pra.ShoeBox(room_dim, fs=sr, materials=pra.Material(e_absorption), max_order=max_order)
    room.add_source([1.5, 1.5, 1.5])
    room.add_microphone([0.1, 0.5, 0.1])
    room.compute_rir()
    rir = room.rir[0][0]
    rir = rir[np.argmax(rir):]
    # x 经过房间反射得到 y
    y = np.convolve(x,rir)
    scale = np.sqrt(np.mean(x**2)) /  np.sqrt(np.mean(y**2))
    # y 为经过反射后到达麦克风的声音
    y = y*scale

    L = max(len(y),len(v))
    y = np.pad(y,[0,L-len(y)])
    v = np.pad(v,[L-len(v),0])
    x = np.pad(x,[0,L-len(x)])
    d = v + y
    return x,d

if __name__ == "__main__":
    x_org, sr  = librosa.load('female.wav',sr=8000)
    v_org, sr  = librosa.load('male.wav',sr=8000)

    x,d = creat_sim_sound(x_org,v_org)

    e =  blms(x, d,N=256,L=4,mu=0.2)
    sf.write('x.wav', x, sr, subtype='PCM_16')
    sf.write('d.wav', d, sr, subtype='PCM_16')
    sf.write('blms.wav', e, sr, subtype='PCM_16')

参考资料：

https://www.bilibili.com/video/BV1kW4y187Ct/?spm_id_from=333.788&vd_source=77c874a500ef21df351103560dada737