ПОДАВЛЕНИЕ АКУСТИЧЕСКИХ ЭХОСИГНАЛОВ МЕТОДОМ АДАПТИВНОЙ ФИЛЬТРАЦИИ НА ОСНОВЕ КОМПЛЕМЕНТАРНОЙ МНОЖЕСТВЕННОЙ ДЕКОМПОЗИЦИИ НА ЭМПИРИЧЕСКИЕ МОДЫ

Квитка Юрий Сергеевич, аспирант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), alansapfir@yandex.ru
Алимурадов Алан Казанферович, кандидат технических наук, инженер-исследователь, научно-исследовательский отдел, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), alansapfir@yandex.ru
Чураков Петр Павлович, доктор технических наук, профессор, кафедра информационно-измерительной техники и метрологии, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), iit@pnzgu.ru
Грачев Андрей Владимирович, соискатель, начальник отдела технических средств обучения, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), andean@mail.ru

004.934, 654.927

Актуальность и цели. В условиях шумной обстановки на территории проведения спасательных работ при использовании акустических приборов поиска достаточно актуальным является вопрос фильтрации и подавления эхосигнала, ухудшающего разборчивость полезной информации и способствующего неправильному обнаружению. Целью работы является реализация субполосной фильтрации акустических сигналов на основе адаптивных методов обработки для использования в акустических приборах ведения поисковых работ.
Материалы и методы. Для реализации субполосной адаптивной фильтрации использовался метод адаптивного разложения нестационарных сигналов – декомпозиция на эмпирические моды (ДЭМ) и ее модификация – комплементарная множественная ДЭМ (КМДЭМ).
Результаты. На основе обзора способов адаптивной фильтрации и методов декомпозиции разработан алгоритм субполосной адаптивной фильтрации. Представлена блок-схема алгоритма с подробным математическим описанием этапов фильтрации. Проведено исследование алгоритма, реализованного на методах ДЭМ и КМДЭМ, представлен сравнительный анализ полученных результатов.
Выводы. Алгоритм субполосной адаптивной фильтрации на основе КМДЭМ обеспечивает большее подавление эхосигналов и рекомендуется для практического использования в акустических приборах ведения поисковых работ.

Ключевые слова

акустический эхосигнал, субполосная адаптивная фильтрация, декомпозиция на эмпирические моды, комплементарная множественная декомпозиция на эмпирические моды.

 Скачать статью в формате PDF

1. Антонов, А. В. Нелинейная радиочастотная идентификация: решения и перспективы / А. В. Антонов // The Way of Science. International scientific journal. – 2014. – № 9 (9) – С. 21–22.
2. Каторин, Ю. Ф. Защита информации техническими средствами : учеб. пособие / Ю. Ф. Каторин, А. В. Разумовский, А. И. Спивак. – СПб. : НИУ ИТМО, 2012 – 416 с.
3. Волков, В. Г. Тепловизионные приборы для спецтехники / В. Г. Волков // Спецтехника и связь. – 2011. – № 1. – С. 2–10.
4. Бугаев, А. С. Обнаружение и дистанционная диагностика состояния людей за препятствиями с помощью РЛС / А. С. Бугаев, И. А. Васильев, С. И. Ивашев // Радиотехника. – 2003. – № 7. – С. 42–47.
5. Техника и оборудование // Сайт Дальневосточного регионального центра МЧС России, 2015. – URL: http://fareast.mchs.ru/folder/158743
6. Гречушкин, Н. Н. Приоритеты оснащения сил МЧС России / Н. Н. Гречушкин // Сайт международного форума Технологии Безопасности, 2007. – URL: http://www.secuteck.ru/articles2/firesec/prioritety-osnashe niya-sil-mchs-rossii
7. Шойгу, С. К. Учебник спасателя / С. К. Шойгу, М. И. Фалеев, Г. Н. Кириллов. – 2-е изд., перераб. и доп. – Краснодар : Советская Кубань, 2002. – 528 с.
8. Azpicueta-Ruiz, L. A. Novel schemes for nonlinear acoustic echo cancellation based on filter combinations / L. A. Azpicueta-Ruiz, M. Zeller, J. Arenas-Garcia, W. Kellermann // IEEE International Conference on Acoustics, Speech and Signal Processing. – 2009, Apr. – P. 193–196.
9. Asif, I. M. Novel variable step size NLMS algorithms for echo cancellation / I. M. Asif, S. L. Grant // IEEE International Conference on Acoustics, Speech and Signal Processing. – 2008, March-Apr. – P. 241–244.
10. Ohta, S. Acoustic echo cancellation using sub-adaptive filter / S. Ohta, Y. Kajikawa, Y. Nomura.// International Symposium on Intelligent Signal Processing and Communications. – 2006, Dec. – P. 841–844.
11. Sugiyama, A. A robust NLMS algorithm with a novel noise modeling based on stationary/ nonstationary noise decomposition / A. Sugiyama // IEEE International Conference on Acoustics, Speech and Signal Processing. – 2009, Apr. – P. 201–204.
12. Jin. Q. Optimum filter banks for signal decomposition and its application in adaptive echo cancellation / Q. Jin, Z. Q. Luo, K. M. Wong // IEEE Transactions on Signal Processing. – 1996, Jul. – Vol. 44, № 7. – P. 1669–1680.
13. Topa, M. D. Digital adaptive echo-canceller for room acoustics improvement / M. D. Topa, I. Muresan, B. S. Kirei, I. Homana // Advances in Electrical and Computer Engineering. – 2010. – Vol. 10, № 1. – P. 50–53.
14. Burton, T. G. Nonlinear system identification using a subband adaptive Volterra filter / T. G. Burton, R. A. Goubran, F. Beaucoup // IEEE Transactions on Instrumentation and Measurement. – 2009, May. – Vol. 58, № 5. – P. 1389–1397.
15. Huang, N. E. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis / N. E. Huang, Shen Zheng, R. L. Steven // Proc. Roy. Soc. London A. – 1998. – Vol. 454. – P. 903–995.
16. Zhang, Q. Applying sub-band energy extraction to noise cancellation of ultrasonic NDT signal / Q. Zhang, P. W. Que, W. Liang//Journal of Zhejiang University. – 2008, Aug. – Vol. 9, № 8. – P. 1134–1140.
17. Taghia, J. One-channel audio source separation of convolutive mixture / J. Taghia // Advances in Computer and Information Science and Engineerin. – 2008. – P. 202–206.
18. Mijovic, B. Source separation from single-channel recordings by combining empirical-modedecomposition and independent component analysis / B. Mijovic, M. D. Vos, I. Gligorijevic, J. Taelman, S. V. Huffel // IEEE Transactions on Biomedical Engineering. – 2010, Sep. – Vol. 57, № 9. – P. 2188–2196.
19. Chatlani, N. EMD-based filtering (EMDF) of low-frequency noise for speech enhancement / N. Chatlani, J. J. Soraghan// IEEE Transactions on Audio, Speech, and Language Processing. – 2012, May. – Vol. 20, № 4. – P.1158–1166.
20. Алимурадов, А. К. Применение методов декомпозиции на эмпирические моды в задаче фильтрации речевых сигналов в условиях интенсивных помех / А. К. Алимурадов, П. П. Чу- раков // Измерение. Мониторинг. Управление. Контроль. – 2016. – № 1 (15). – С. 4–15.
21. Alimuradov, A. K. Noise-robust speech signals processing for the voice control system based on the complementary ensemble empirical mode decomposition / A. K. Alimuradov, P. P. Churakov // International Siberian Conference on Control and Communications (SIBCON 2015). – Omsk, Russia, 2015. – 6 p.
22. Yeh, J.-R. Complementary ensemble empirical mode decomposition: A novel noise enhanced data analysis method / J.-R. Yeh, J.-S. Shieh, N. E. Huang // Advances in Adaptive Data Analysis. – 2010, Apr. – Vol. 2, № 2. – P. 135–156.
23. Алимурадов А. К. Применение комплементарной множественной декомпозиции на эмпирические моды для анализа речевых сигналов / А. К. Алимурадов, Ю. С. Квитка // Измерение. Мониторинг. Управление. Контроль. – 2014. – № 4 (10). – С. 69–75.
24. Джиган, В. И. LMS-алгоритм адаптивной фильтрации сигналов: первый или единственный для использования на практике? / В. И. Джиган // Проблемы разработки перспективных микро- и наноэлектронных систем / под общ. ред. академика РАН А. Л. Стемпковского. – М. : Изд-во ИППМ РАН, 2014. – Ч. IV. – С. 159–166.
25. Gilloire, A. Experiments with sub-band acoustic echo cancellers for teleconferencing / A. Gilloire // Acoustics, Speech, and Signal Processing, IEEE International Conference on ICASSP '87. – 1987, Apr. – Vol.12. – P. 2141–2144.
26. Джиган, В. И. Адаптивная фильтрация сигналов: теория и алгоритмы / В. И. Джиган – М. : Техносфера. – 2013. – 528 с.