除了降低用户的听觉效果和佩戴舒适度外,数字助听器中的回声也很容易形成啸叫,从而导致系统的不稳定。为了保持自适应算法的收敛速度与稳态误差之间的平衡,研究了助听器中的回声消除模型和自适应回声消除算法,并提出了一种改进的归一化...除了降低用户的听觉效果和佩戴舒适度外,数字助听器中的回声也很容易形成啸叫,从而导致系统的不稳定。为了保持自适应算法的收敛速度与稳态误差之间的平衡,研究了助听器中的回声消除模型和自适应回声消除算法,并提出了一种改进的归一化最小均方(normalized least mean square,NLMS)算法。该方法引入误差信号自动调整步长因子,以加快滤波器收敛和降低稳态误差。仿真结果表明,改进算法在回声消除方面表现出更好的性能。通过比较算法的均方误差(mean square error,MSE)曲线,改进算法具有更好的收敛速度和稳态误差,平均均方误差比NLMS算法低4.01 dB。改进后的NLMS算法性能良好,耗时相对较短,易于实现。展开更多
文摘除了降低用户的听觉效果和佩戴舒适度外,数字助听器中的回声也很容易形成啸叫,从而导致系统的不稳定。为了保持自适应算法的收敛速度与稳态误差之间的平衡,研究了助听器中的回声消除模型和自适应回声消除算法,并提出了一种改进的归一化最小均方(normalized least mean square,NLMS)算法。该方法引入误差信号自动调整步长因子,以加快滤波器收敛和降低稳态误差。仿真结果表明,改进算法在回声消除方面表现出更好的性能。通过比较算法的均方误差(mean square error,MSE)曲线,改进算法具有更好的收敛速度和稳态误差,平均均方误差比NLMS算法低4.01 dB。改进后的NLMS算法性能良好,耗时相对较短,易于实现。
