Использование фильтров Iir в улучшении речи и обработке голосовых сигналов

Введение в IIR фильтры в улучшении речи

Фильтры с бесконечным импульсным откликом (IIR) являются краеугольным камнем современной цифровой обработки сигналов (DSP), особенно в области улучшения речи и обработки голосовых сигналов. Их неотъемлемая способность достигать резкой селективности частоты с низким вычислительным следом делает их идеальными для приложений реального времени, где задержка и вычислительная мощность ограничены. В отличие от фильтров с конечным импульсным откликом (FIR), которые полагаются исключительно на прошлые входы, фильтры IIR включают обратную связь с предыдущими выходами, создавая импульсный отклик, который теоретически продолжается бесконечно. Эта архитектура обратной связи позволяет фильтрам IIR эмулировать аналоговые электронные фильтры с высокой эффективностью, что позволяет осуществлять сложное подавление шума, выравнивание и улучшение качества голоса в устройствах, начиная от слуховых аппаратов до интеллектуальных динамиков.

Спрос на более четкую голосовую связь продолжает расти по мере того, как телеконференции, голосовые помощники и мобильные звонки становятся повсеместными. Фильтры IIR решают ключевые проблемы, такие как снижение шума в окружающей среде, отмена эха и адаптивное выравнивание. Эта статья обеспечивает авторитетное исследование теории фильтров IIR, методологий проектирования, практических применений в улучшении речи, и компромиссы инженеры должны ориентироваться, чтобы эффективно развернуть эти фильтры.

Что такое фильтры IIR?

IIR-фильтр — это тип цифрового фильтра, характеризующийся его бесконечной импульсной реакцией, то есть его выход зависит как от текущих, так и от прошлых входных образцов, а также от прошлых выходных образцов. Математически IIR-фильтр описывается дифференциальным уравнением:

y[n] = b0x1x+...+bMx — ay — a2y — ... — aNy[n-N]

Здесь y является выходным образцом, x является входным образцом, biai] коэффициенты представляют собой путь обратной связи (полюсов).Рекурсивная природа этого уравнения даёт фильтру его бесконечный ответ.В z-домене передающая функция H(z) является рациональной функцией:

H(z) = (b0 + b1z—1+...+bMz—M1z—1+...+Nz—N

Полюсы (корни знаменателя) должны лежать внутри единичного круга, чтобы фильтр был стабильным. Это критическое конструктивное ограничение, которое отличает IIR от FIR-фильтров. Из-за обратной связи IIR-фильтры могут достигать заданной частотной реакции с гораздо меньшим количеством коэффициентов, чем эквивалентный FIR-фильтр, часто в 5-10 раз меньше, что делает их вычислительно эффективными для аппаратного обеспечения обработки голоса с ограниченными ресурсами.

Ключевые характеристики

Применение в улучшении речи

Усиление речи направлено на улучшение разборчивости и качества восприятия голосовых сигналов, ухудшаемых шумом, реверберацией или искажениями каналов. Фильтры IIR развертываются в широком диапазоне задач улучшения благодаря их эффективности и адаптивности.

Сокращение шума на фоне

Одним из наиболее распространенных применений IIR-фильтров в улучшении речи является подавление стационарного фонового шума, такого как гул вентилятора, грохот двигателя или дрон кондиционера. При проектировании фильтра IIR с высоким пропуском или полосой, который нацелен на частотный диапазон шума, речевой сигнал (который обычно занимает 300-3400 Гц для телефонии) может быть относительно сохранен. Адаптивные фильтры IIR-выемки особенно эффективны для удаления одночастотных шумов (например, помехи линии электропередачи 50/60 Гц) без искажения более широкого речевого спектра. Эти фильтры корректируют свою частоту выемки в реальном времени, анализируя доминирующие частотные компоненты входа, метод, широко используемый в слуховых аппаратах и ИС подавления шума мобильного телефона.

Адаптивная эхо-отмена

В телекоммуникационных и конференционных системах акустическое эхо от громкоговорителей, подхваченных микрофонами, ухудшает качество речи. Адаптивные фильтры IIR моделируют эхо-траекторию с использованием рекурсивных структур для оценки эха и его отмены. Алгоритмы Наименее средние квадраты (LMS) и Рекурсивные наименьшие квадраты (RLS) часто адаптированы для топологий IIR, хотя мониторинг стабильности имеет важное значение. Снижение числа коэффициентов делает адаптивные фильтры IIR привлекательными для встроенных эхо-отменителей в VoIP-шлюзах и смарт-динамиках.

Предупреждение и де-ударение речи

Фильтрация предварительного акцента является общим фронтальным шагом в системах кодирования и распознавания речи. Фильтр IIR высокого разрешения IIR повышает высокочастотные компоненты для улучшения отношения сигнал-шум для последующей обработки (например, линейное прогностическое кодирование). Соответствующий фильтр де-эмфазии на приемнике восстанавливает исходный спектральный наклон. Поскольку фильтры IIR могут реализовать характеристику предварительного акцента только с одним полюсом и одним нулем, они чрезвычайно эффективны.

Обнаружение голосовой активности (VAD)

Многие системы повышения речевого уровня полагаются на точные VAD для обновления оценок шума только во время тишины. Фильтры IIR-диапазона могут изолировать полосы частот, где сконцентрирована речевая энергия (например, 100-4000 Гц) и вычислить соотношение энергии. Рекурсивная природа сглаживает измерения энергии, уменьшая ложные триггеры из-за преходящего шума. Это сглаживание действует как фильтр низкого прохода на траектории энергии, опять же с минимальными вычислительными накладными расходами.

IIR Filter Design Techniques for Speech (Техника дизайна фильтров для речи)

Инженеры имеют несколько классических аналоговых прототипов фильтров, которые отображаются непосредственно на цифровые фильтры IIR через билинейное преобразование или инвариантность импульсов. Выбор зависит от компромисса между пульсацией полосы пропускания, затуханием полосы остановки и фазовой линейностью.

Фильтры Butterworth

Реакция Баттерворта максимально плоская в полосе пропускания и монотонная как в полосе пропускания, так и в полосе остановки. Для улучшения речи фильтр высокого пропуска второго порядка Баттерворта (например, отсечение 80 Гц) удаляет низкочастотный грохот без введения ряби, которая окрашивала бы голос. Штраф является относительно постепенным откатом, требующим более высоких заказов для резкого разделения шума - но это приемлемо, когда вычислительная стоимость умеренна.

Фильтры Чебышева (тип I)

Чебышев Тип I фильтрует рябь полосы пропускания для более крутого скатывания. В задачах снижения шума, где небольшая рябь (< 1 дБ) в речевой полосе допустима, фильтр нижних частот или полосовых частот Чебышева может достичь более резкого ослабления шума вне полосы с меньшим количеством полюсов, чем Butterworth. Например, фильтр Чебышева четвертого порядка может заменить восьмой порядок Butterworth, экономя коэффициенты. Стандартные значения, такие как рябь 0,5 дБ, распространены в ИС обработки голоса.

Эллиптические (Cauer) фильтры

Эллиптические фильтры обеспечивают наиболее крутое скатывание для данного порядка, позволяя рябь как в полосе пропускания, так и в полосе остановки. Они используются, когда частотное разделение между речью и шумом узкое, например, удаление узкополосной помехи при сохранении смежных речевых гармоник. Однако фазовое искажение является серьезным, и требуется тщательная конструкция, чтобы избежать предварительного скатывания в переходных сегментах речи. Они часто используются в системах повышения частоты речи в качестве фильтров анализа.

Фильтры Бесселя

Фильтры Бесселя отдают приоритет почти линейному фазовому отклику (максимально плоская групповая задержка) по частотной селективности. Для речевых приложений, где важна сохранение формы волны, например, в высококачественном аудио или медицинском голосовом анализе, фильтры IIR Бесселя вводят минимальную дисперсию. Компромисс - более медленное выключение, что означает, что для той же производительности стоп-диапазона требуется больше этапов. Фильтры Бесселя менее распространены, но ценны в профессиональной студийной обработке речи.

Адаптивные фильтры IIR для динамических сред

Акустические среды реального мира постоянно меняются: вентилятор может переключать скорости, шаблон дорожного шума может смещаться или человек может двигаться относительно микрофона. Адаптивные фильтры IIR могут отслеживать эти изменения, обновляя свои коэффициенты на основе сигнала ошибки. Адаптивный фильтр IIR LMS использует метод градиентного спуска, чтобы минимизировать среднюю квадратную ошибку между желаемой (чистая речь) и выходом фильтра. Поскольку поверхность ошибки фильтра IIR может быть мультимодальной (с несколькими локальными минимумами), конвергенция к глобальному оптимуму не гарантируется - в отличие от адаптивных фильтров FIR, где поверхность является одномодальной. Такие методы, как адаптация к уравнению-ошибке и мониторинг поул-радиуса, помогают обеспечить стабильность и хорошую производительность на практике.

Другой распространенной адаптивной архитектурой IIR является Notch-Based Adaptive Noise Canceller. Он использует фильтр выемки IIR второго порядка с настраиваемой центральной частотой. Фильтр обновляется с использованием алгоритма отслеживания частоты (например, частотного трекера на основе RLS) для блокировки доминирующего шумового компонента, такого как вращающееся оборудование или электрический гул. Этот подход чрезвычайно эффективен (только два или три коэффициента) и широко используется при отмене обратной связи слухового аппарата.

Стабильность и фазовые соображения

Наибольшей проблемой при использовании IIR-фильтров для обработки речи является обеспечение стабильности. Поскольку выход подается обратно, любая ошибка квантования или усечение коэффициента могут сместить полюса за пределы единичного круга, вызывая колебания. При усилении речи такая нестабильность может производить артефакты, такие как щелчки «деревянного» или воя, которые гораздо более раздражают, чем первоначальный шум. Инженеры должны:

  • Применять масштабирование коэффициентов для предотвращения переполнения.
  • Используйте решетчатые или сцепленные структуры, которые поддерживают поул-позиции во время адаптации.
  • Периодически проверяйте расположение полюсов и стабилизируйте их, зажимая радиусы полюсов ниже 1,0.

Фазовое искажение является еще одной проблемой. Восприятие речи чувствительно к фазовой линейности, особенно для переходных процессов, таких как плозивы (p, t, k). Фильтры IIR вводят нелинейный фазовый сдвиг, который может мазать переходные пики, уменьшая ясность. В приложениях, где важна фаза (например, бинауральные слуховые аппараты или микширование музыки), инженеры могут использовать фильтры с фазовой компенсацией всего прохода для линеаризации общего ответа, или они могут выбрать фильтр FIR, несмотря на более высокую вычислительную стоимость. Однако для большинства улучшений речи в телекоммуникациях нелинейная фаза хорошо спроектированного фильтра IIR приемлема, потому что человеческое ухо относительно прощает фазовые искажения ниже 3-4 кГц.

Сравнение IIR и FIR фильтров для речи

Решение об использовании ИДК или ИДК часто зависит от ограничений, связанных с применением. В таблице ниже приводятся краткие сведения о ключевых различиях в контексте обработки голосовых сигналов:

Property IIR FIR
Computational efficiency Very high (few coefficients) Low (many coefficients for sharp transitions)
Phase linearity Nonlinear (requires external compensation) Linear possible (symmetric coefficients)
Stability Conditional (poles must be inside unit circle) Inherently stable (no feedback)
Quantization sensitivity High (coefficient rounding can destabilize) Low (no feedback path to amplify errors)
Memory usage Low Higher (larger buffer for past inputs)

На практике многие системы улучшения речи используют гибридный подход: IIR-фильтры для начального формирования шума (например, фильтрация предварительного акцента и выемки) и FIR-фильтры для конечного адаптивного эхо-отменителя или этапа дереверберации, где важна точность фазы.

Практическая реализация в системах реального времени

Развертывание IIR-фильтров на встроенных DSP или FPGA требует тщательного внимания к численной точности. Реализации с фиксированной точкой распространены в слуховых аппаратах и базовых полосах мобильных телефонов. Инженеры используют структуры прямая форма I для снижения риска переполнения или прямая форма II, перенесенная , чтобы минимизировать память состояния. Для адаптивных фильтров часто предпочтительнее решетчатая форма IIR, поскольку она отслеживает местоположения полюсов и может быть стабилизирована ограничивающими коэффициентами отражения.

Одним из примечательных примеров является Subband Noise Suppression, используемый в Adaptive Multi-Rate Wideband (AMR-WB)], где банки фильтров анализа (полифазный IIR) разделяют сигнал на поддиапазоны, каждый из которых обрабатывается простым шумовым затвором IIR. Другим является Acoustic Echo Cancellation module в чипе Analog Devices ADAU1787, который использует адаптивную структуру IIR для моделирования эхо-траектории с помощью всего 16 коэффициентов, достигая лучше, чем 40 дБ увеличения потерь эхо-возврата.

Для разработчиков, работающих с популярными библиотеками DSP, как библиотека ARM CMSIS-DSP , так и SciPy обработка сигналов обеспечивают надежные процедуры проектирования и реализации IIR-фильтра, которые могут быть прототипированы на ПК, а затем портированы на аппаратное обеспечение.

Современные исследования и будущие направления

Текущие исследования в IIR-фильтрах для речи сосредоточены на двух основных областях: глубоко интегрированные адаптивные системы и Глубокое обучение-ассистируемая конструкция фильтра . Нейронные сети используются для прогнозирования оптимальных коэффициентов IIR-фильтра для данной шумовой среды, сочетая эффективность обработки IIR с адаптивностью машинного обучения. Исследователи в таких учреждениях, как Международные аудиолаборатории Erlangen изучают IIR-формирование луча для интеллектуальных динамиков, где фильтры управляют откликом микрофонного массива с минимальной задержкой. Кроме того, разработка минимальная фаза IIR-фильтров для Gammatone фильтрбанков в кохлеарных имплантированных речевых процессорах продолжает улучшать результаты для пользователей с нарушениями слуха.

Еще одна новая тенденция - использование фильтров IIR фракционного порядка , которые предлагают еще более точный контроль над наклоном выкатывания - полезны для моделирования акустической функции передачи комнат. Однако фильтры фракционного порядка вычислительно тяжелее и остаются на стадии исследования для голосовых приложений в реальном времени.

Заключение

Фильтры IIR остаются незаменимым инструментом в улучшении речи и обработке голосовых сигналов. Их непревзойденная эффективность в достижении резкой частотной селективности с минимальными коэффициентами делает их первым выбором для снижения шума в реальном времени, отмены эха и спектрального формирования в устройствах с батарейным питанием. В то время как такие проблемы, как стабильность и искажение фазы, требуют тщательного проектирования и мониторинга, современные адаптивные алгоритмы и надежные фильтрующие структуры в значительной степени смягчили эти проблемы. Поскольку голосовые интерфейсы и системы телеприсутствия продолжают распространяться, роль фильтров IIR будет только расти, что обусловлено инновациями в интеллектуальном адаптивном управлении и гибридных DSP-нейронных архитектурах. Инженеры, которые овладеют дизайном и развертыванием фильтров IIR, будут хорошо оснащены для создания следующего поколения четких, естественных систем голосовой связи.