生命的回声（共7篇）
生命的回声 篇1
0 引 言
为保证通信质量, 回声对语音通信和数据通信的干扰必须消除。目前定点DSP算法普遍存在精确度不高、运算量过大等问题。针对最小衰耗与算法精度, 抽头数及步长等相关的特点, 文中结合高性能DSP芯片, 充分利用其专用于自适应滤波的高效软件指令, 提高算法精度、保证实时性能、缩小软件规模、降低硬件要求。
图1所示为两用户通过中心局的典型连接。
图1中, 重点标明路径延迟量D和损耗量A。为降低中心局和话机间的线路成本, 线路采用二芯线, 中心局内为四芯线, 利用混合线圈进行二四线转换。由于线路的低成本, 沿线应有相对较复杂的信号放大设备。由于混合线圈和电话线路间的阻抗不匹配, 从一端发送的信号部分返回并破坏信号, 产生回声形成干扰。语音通信回声尚能忍受, 而数据通信回声的结果则是严重的, 应采用回声消除器解决该问题。回声消除器实际上是一个自适应滤波器, 自动调整系数, 可表示为一个二端网络, 如图2所示。
根据ITU-T G165规定:Rin表示接收输入端, Rout表示接收输出端, Sin表示发送输入端, Sout表示发送输出端。
1 回声消除器模型及算法
1.1 回声消除器模型
如前所述, 回声消除器可表示为电话线和混合线圈间的一个二端网络。混合线圈可由一个FIR滤波器外加一个6～11分贝的衰耗来表示。
如图3所示, 回声消除器远不是一个简单的回声估计器。LMS算法象所有其他的自适应算法一样, 在特定条件下会发散而不收敛, 如当有纯音信号加在Rin端时, LMS算法就可能发散。为避免这种情形, 权值更新必须得到控制, 为此, 其他功能模块也需参与控制对权值系数的更新。
典型的回声消除器 (EEC) 包含不同的功能模块。语音译码器用于检测沿线传输的语音信号 (如在拨号阶段) 。译码器输出连接至控制单元, 该单元用于控制权值的更新、保持或清零。回声估计器是一个自适应FIR滤波器, 用于预测回声轨迹。该单元还采用了一个非线性处理器, 用于降低根据预测回声抵消后的残留回声量。如果残留回声超过规定的临界值, 该功能模块可以有效阻断全部或部分信号, 插入由噪声发生器产生的良性噪音。
1.2 回声消除器算法
回声估计器算法简述如下, 每次接收到线路上的样值, 即执行下列步骤并计算出相应结果:
1) 预测的近端信号通过FIR卷积公式计算:
其中, h (n) =[h1 (n) , h2 (n) , …, hN (n) ]为权值矢量, xn=[xn, xn-1, …, xn-N]为输入样值。
2) 远端信号能量计算:
式中:1-α为遗忘因子。
3) 近端返回信号和预测值间的误差计算:
4) 权值根据下式更新为:
其中:常数值ξ为泄漏因子, 设为 (1-2-26) ;常数值β=2*u/L (u为收敛因子, L为FIR抽头长度) , 对于128抽头 (16 ms回声轨迹) 而言, 设为2-9。
泄漏因子ξ作用于每一权值, 由于其对权系数值只有很小的影响, 因此很难衡量泄漏因子ξ的实际效果。
从理论角度看, 如果选择浮点运算, E[e2 (n) ]1值可以趋近0。由于自适应滤波器选择的是定点DSP运算, e (n) 的功率不能低于用16比特位所能表示的最小值, 约-90 dB左右, 亦即采用理想的LMS算法, 残留回声的功率也不会低于-90 dB。实际上LMS进行了大量加法和乘法运算, 降低了算法的精确性。衰减的最小值大小受多种因素的影响, 如算术运算的精确度、 抽头数 (回声轨迹) 、步长等。实际的结果是, 算法并没有达到函数的绝对最小值, 而是略高于它。
用来描述回声消除器 (EEC) 特性的参量有2个。第1个参量为回声衰耗 (ERL) , 定义如下:
它表示混合线圈的衰减。另一个是回声衰耗增益, 定义如下:
若将前述所有参数 (σ
2 模拟环境下的结果
运行程序采用2组不同的输入得到结果。首先为13比特位线性输入, 用来测试和验证理论计算得出的ERLE值;其次, 将相同的信号通过PCM压扩器得到数值。
远端和近端信号都是通过与电话线具有相同带宽的窄带滤波器滤波的高斯白噪声信号, 远端功率约为-20 dB, 而近端功率约低9 dB。
表2是在回声轨迹为16 ms和32 ms时运用模拟器得到的数值。
可见, 由于压扩器非线性量化引入的噪声, 使用PCM输入得到的值低于线性输入得到的值。另外, 采用256抽头, 由于因为权值几乎为零所引入的噪声, 会损失一些分贝. 混合线圈的脉冲响应 (16 ms) 见图4, 图5为重建的混合线圈脉冲响应。
收敛时Rout的功率 (见图6) 和ERLE (见图7) 如下。采用128抽头的FIR, 经2 000个样值 (约25 ms) 后即达到收敛。
3 TMS32OC54X实现
回声消除器实现程序包含以下3部分:
a) 向量表:标明向量;
b) A律压扩器:完成8 bit A律压缩数据与13 bit线性样值间的双向转换;
c) 回声消除器:利用LMS指令实现自适应滤波。
另外还包含链接命令文件和模拟配置文件。
3.1 LMS指令
TMS320 (L) C54x系列芯片具有强大的指令集, 特别适合于电信类应用。其中, 最小均方指令能非常迅速地实现自适应算法, 仅在一个机器周期内DSP芯片即能完成以下计算:
式中:‖表示并行处理;n为样值号。权值用上一步计算出的误差e (n-1) 更新, 不同于通常用实际误差e (n) 来更新的LMS算法。
在模拟器上运行的EEC程序很容易修改以适应各种类型的硬件目标, 程序的核心即为LMS指令, 可以在一个机器周期内完成一步卷积运算并更新一个权值, 其实现见下列一小段代码:
3.2 泄漏的实现
泄漏计算见下式:
该公式从最小值沿梯度方向移动一步, 在运行过程中逐步改善性能。ξ值为1-2-26, 不能由16位字长表示, 解决的方法是每N个样值实现一次 (128抽头, N=8) 。上述工作的实现见下列一小段代码:
3.3 系统性能及要求
在CCS集成环境下运行代码进行软件模拟和硬件仿真, 运行单语音信道EEC所需MIPS和数据程序空间见表3。
4 结束语
本文对回声消除器模型进行了分析, 对算法进行了详细讨论。利用TMS320 (L) C54x系列芯片强大的指令系统实现了单语音信道EEC并给出了系统性能及要求。所需的MIPS和对内存的要求已降至理想状态。
参考文献
[1]JOHN Proakis.Digital communication[M].McGrawHill, 2005.
[2]HUGHES P, COOK J.Adaptive filter-a review of techniques[J].B.T.Technol, 1992, 10 (1) .
[3]PEAKE G.A-law compander routines for LEAD[M].TexasInstruments, 2006.
[4]张雄伟.DSP芯片的原理与开发应用[M].4版.北京:电子工业出版社, 2008.
[5]王金龙, 沈良.无线通信系统的DSP实现[M].北京:人民邮电出版社, 2002.
生命的回声 篇2
《友谊的回声》是四年级第七课的演唱课，静静湖水，山谷，大海，沙滩，大森林这些美丽的景色就是一幅清新淡雅的唯美画面。通过大自然的美景抒发着学生对友谊的追求和赞美。歌曲篇幅比较长，如果完全的采用听唱法，学生演唱都只是表面现象，细节的问题不能很好的解决。这节课我主要是让学生能有感情的演唱歌曲，通过学唱能了解大自然回声的奥秘以及抒发学生对大自然的热爱和体会友谊的美好。
“音乐以审美为核心，以兴趣爱好为动力”“面向全体学生”的课程基本理念。根据学生不同阶段的心理水平和认知特点，正确处理音乐知识，技能的学习设计课程思路。这节课我对学生的声音，表情，力度，这些技能方面有细致的要求，循序渐进，每一个教学环节都潜移默化培养学生情感体验以及表现音乐美。
课程首先是从师生合作的大自然现象回声开始，通过游戏解决难点回声以及力度记号fp 学生能学会用声音控制强弱，加上多媒体课件更加深入了解回声。然后在教唱歌曲我主要分为了五个部分 整体聆听分解学唱解决难点整体练习情感渗透。始终围绕教学目标，抓住学生的学习兴趣，轻松愉悦教学，让学生不知不觉中演唱好歌曲。
上完课后，发现自己很多的不足，先说解决难点时的问题，八分前半拍休止，我利用双响筒节奏对比法，以及律动（双手打开，1
在拍手2 3 4）口令。可是效果不是很理想，很多同学没有跟上节奏，也偶尔抢拍。我当时心里也知道有学生没有完全的唱好，为了赶时间，心急我就看着还行就往后唱了。课后通过评委老师点评我发现我没有很好的利用好双响筒的特点和四二节拍的强弱特点，让学生没有合理的展示休止符。学生也许知道要休止半拍，但演唱时就抓不住节奏点，我想如果配合上脚抓住节奏应该会有好一点的效果。也就是这个问题，我也发现我解决难点时和演唱时有所差入。也许练习是一个速度，运用歌曲演唱不连贯流畅。练习和运用必须相结合联系。
穿越20年的生命回声 篇3
关于那届学生，我所记得的，当然还有很多，一部分偶有联系，少数几个偶尔聚聚，或在QQ上打个招呼，闲聊一阵。毕竟，那是我的第一届学生。我教他们，很用心，很卖力，仿佛恋爱和新婚时，向“另一半”讨好——每次上课，都有约会的感觉；每有创意和发挥，心里，都会分泌出一种“甜蜜的犒赏”。我带他们春游，秋游，野炊，露营；放下语文课，带他们去踏雪，玩雪，打雪仗。我也给他们推荐和朗读美文，开讲座，办文学社——我甚至愿意他们私下叫我“谢头儿”。
在后来的文章里，我把那段时光称作“蜜月期”，那是我与教育最激情、最纯粹、最美好的梦幻时光。
但，蜜月总是短暂的。走得最快的，也是最美好的时光。我带他们，只到高二结束。学校为“保高三”，换了“老教师”教他们——当时，我曾郁闷过，甚至愤怒过，但那里是我的异乡，“人在矮檐下，不得不低头”——变动是在假期，像足球比赛时的“突然死亡”，我和他们，甚至没有告别，一切就结束了。我选择了屈服，但保持了愤怒：接下来的那一届，我坚持拒绝当班主任。
他们在校的最后一年，我们经常会迎面遇见，走廊上，或校园里。毕竟，只是那样小的学校。他们问候，我就点头，微笑，时间宽裕，也说几句话，大多是客气的寒暄，或问问学习的状态和感觉，如此而已。而当他们毕业离开，大多数就散了，远了，淡了。我在那所学校，呆了整整9年。他们中的某些，曾在放假时来看我，一次，兩次，或多次。更多的，则是在逢年过节时，寄张贺卡，道声问候和祝福。
郁子是毕业后我就不曾再见过的，但她给我寄过贺卡。印象最深的，是她大学毕业，刚当老师时的那一张。现在我仍记得她的笔迹和话语：
“今天，我也站到了讲台上。当我也像你当年一样，面对学生侃侃而谈时，我就不禁想起了你……直到现在，我仍记得你当年在我一篇周记中写的评语：‘信念告诉我的人生，没有比脚更长的路，没有比人更高的山。’我一直以此激励自己——虽然这话不是你说的，但是经由你的笔告诉了我。谢谢你，老师！”
从那时到现在，我一直知道她的行踪，也曾多次想法联系，但说来奇怪，同在一个市里，近20年的时光，我们居然一直没能联系上。
帮我忙的，是一个陌生电话，来自那学校原来的同事，他现在当上领导了。他在电话里说，学校要修志，而我当年的经历，先后闹腾的两个文学社，将是重要一笔，有关情况，要与我见面细谈。于是就见面，细谈——说实话，那地方虽是我蜜月的“发祥地”，后来，却成了灵魂的“伤心处”，离开时毅然决绝，满怀悲壮，离开后就再没有回去，甚至拒绝回忆。这么多年过去，当初的种种，早已模糊。所以，席间我叫了当年的学生高明（他已调到我所在区域的学校里教书）过来，让他参与回忆。那同事说，希望能找到当年的刊物，但我留存的部分已在搬办公室时被彻底清理了。我只好把任务交给高明，让他跟同学联系，看能否找到。
这是春节前的事。没过几天，我收到来自北京的EMS，是勇凌快递来的两本《一痕》——钢板刻写，蜡纸油印，纸张脆黄，字迹漫漶，但保存完整。
这事儿到此，差不多就结束了。而开学后不久，有人在QQ里申请加好友。看资料，看网名后的拼音缩写，我断定是郁子。果然就是她——在惊喜中寒暄，说工作，谈家庭，聊孩子。我感慨：每每想到，他们已三十六七岁，简直不敢相信，因为感觉里，似乎应该只有二十不到，而记忆中，始终是他们当年的样子。她也感叹：时间过得真快——她的话，简洁，平实，一如当年。
因为她要上课，第一次聊天很快结束。第二次，简单的问候和寒暄后，郁子突然说：“我告诉你一件事。”看到这句话，我似乎感觉到，她在网络那端的严肃和认真，心里不免有些紧张。她说，“一痕”的事她已知道，她也保存着当年的刊物，“完好无损”。熊高明告诉她情况后，“我回家找到拿出来看……我老公看见了，惊讶地说，你以前还搞这些？”她说，“真不好意思，你当年教给我们那么多，我却没有好好继续，这是有原因的。”
此前，她每敲一行字过来，我都有所应答，表示我在认真聆听。但说到这里，她突然打断了我：“你等等，这段话有点长。”我于是等待。差不多10分钟后，她发来长长的一段文字——
“我一直认为，高中三年只有前两年我是快乐的，你带我们在文学里遨游，去看展览，下雪时允许我们不上课去打雪仗，你激情澎湃的课堂都让我觉得沉醉其中，我怀念那段时光。然而，高二结束，你不再教我们，我当时内心非常失落，我一点都不适应新老师，语文课我听得索然无味，再也找不到你教我们的感觉。我从小学开始记日记，一直坚持到工作的第一年。但我回头去看，却惊讶地发现，高三这一年我一个字都没有留下。那一年是压抑的，因为升学的压力；又是落寞的，第一次考语文，我做得不好，因为我总在想，如果是你教我，我会做得更好。那时，我在校园里经常碰见你，可每次我都逃也似地走了。我害怕面对你，因为你曾经对我寄予希望，而我并没有做好。此外，我心里还有一丝丝的怨恨，你为什么不继续教我们呢？（这种不解，我后来读你的文章找到了答案。）高三毕业，我上线了，但语文考得不好，尽管许多人羡慕我，在那样的学校，能上线实属不易，但我填志愿不当，导致我读了师专，而且是中文系。我极度失望，高考时我的语文考得不好，加上高三的心境，我不想读中文系，所以找人帮忙，转到了英语系。原本我也是喜欢英语的，成绩还不错，所以影响不大。但我再也不想提语文了，所以，高明对我说，你写一些文字吧，纪念《一痕》，我告诉他，我已经很久没写了，这十几年来，我写得最多的就是工作计划和总结……”
我默默看完，呆愣了好一阵，才告诉她：“伤感，眼里有泪。”我说，我也特别怀念那段时光，特别想念那一班孩子。所以，他们每次叫我聚会，我都努力参加。虽然在那里，我会特别容易感觉到时光不再，感觉到自己的衰老，但我依然喜欢和他们呆在一起，喜欢那样的氛围和感觉。
“你给我们的影响太大了。”她说，“我回忆那段时光也是伤感的，尽管我不是你最好的学生。”郁子告诉我，通过网络，她一直在了解我的情况，“这些年来，你有很多优秀作品，我在网上看见，有些非常感人，也让我回想那段时光。你的努力收获了许多东西，作为学生，我为有你这样的老师自豪。”
最后，郁子说：“我也是老师，我觉得遇见一个好老师很不容易。”
跟郁子聊天时，我曾说，我一直不觉得自己是好老师，但是很幸运，我总是能遇到那么一些好学生，这可能是我直到现在，对教育仍然有理想、有激情、有美好情怀的原因。我说：“你那一长段话出来，我真忍不住掉泪。我在想，要是当年，我能够继续教完你们，会是什么情形？虽然我知道，历史是不能假设的。”然后，我特别告诉她：“谢谢你让我知道，我那两年给你们留下的印象和影响，这是对过去岁月的最好抚慰，包括那时的委屈和酸辛。”
这是真的——虽然在那一瞬间，心里有微暖、微酸、微涩的感觉，为自己当年所做的不够好，未能完成应该完成的使命，就像，年轻时不懂得爱情，尽管用了全副的身心——而那穿越20年岁月的回声，让我真切感觉到了自己曾经的生命所在，曾经努力的意义和价值所在。
人与人的交往，很多时候，你并不知道会给对方留下什么。生命的微妙就在于，它有许多说不清、道不明的因果，有许多埋伏和潜藏的线索。也许，你很多年前的一次不经意的笑，或一句话，一个动作，就可能成为对方未来生活的一次铺垫，一种伏笔，某种状态或情结的源头。
我所理解的教育，也正是如此：时间在流逝，岁月会过去，学生会渐渐远离，慢慢长大，但是作为教师，你在他们的早年生活里，曾经做过的某件事情，你给他们心灵播下的某些种子，给他们精神上传递的某种熏陶和影响，都会在他们心底留下深刻的烙印。而教育的美妙之处也就在于，如果你曾经用心用力，如果你曾经美好地对待，哪怕再笨拙，再不完美，你总能听到来自岁月深处的回声，那些美好，仿佛被你种在时间的田野里，或迟或早，它们终会开花、结果。
郁子的文章，给我印象最深的是《长大》。而看到她传过来的近照才觉得，那个16岁就觉察到“长大的烦恼”的女孩，现在，是真正长大了。
（作者单位：四川绵阳涪城区教师进修学校）
责任编辑 赵霭雯
爱的教育, 让山谷的回声更嘹亮 篇4
关键词：爱,教育,回声
作为一名普通的青年教师, 最初, 我常常沉浸在自己的小圈子里。一直以来, 我都认为个人的力量是微不足道的, 因此, 只要做好自己的本职工作, 教好自己所带的学科知识, 就成功地完成了自己的工作任务。然而, 随着时间的推移, 我逐渐意识到教师这一职业的崇高性, 乃至对整个社会、整个国家的重要性。
随着社会的不断发展进步, 多元文化不断相互碰撞, 科技水平成为国际竞争的核心。在这场令人震惊的无硝烟的意识形态之战中, 谁掌握了先进的科学技术, 谁就将占领世界的制高点。由此可见, 人才的争夺势必成为世界各国竞争与争夺的焦点。因此, 教育的重要性被提到前所未有的高度上来, 同时, 作为教育执行者的教师, 则显得尤为重要。要成为一名合格的教师, 我认为应从以下几点着手。
一、热爱学生, 热爱教师职业
教师, 这一受人尊敬的职业, 在人们心目中有着崇高的地位, 但不是人人都可以成为教师。如果没有对学生、对这一职业发自内心的热爱, 我们的教育行为就缺失了最原始、最重要的强大动力。这是一种专注的职业情怀, 因为, 对于自己不热爱的东西、不想做的事情, 那就一定做不好。比如, 甘肃省“陇原名师”闫桂珍老师, 她时刻将学生的事作为自己最重要的事, 无论这名学生是否是他们班的学生。只要学生有求于她, 她都会全力相助。她坚持奉行“教育无小事, 教育无闲事”的原则, 以高度的责任感来从事教师这一神圣的职业。正是这种身先垂范的精神感染了一届届学生, 塑造了一批批学生。闫老师是贫穷的, 因为她个人的生活水品不平我们其他很多老师;但是, 闫老师又是富有的, 因为她拥有一大批爱她、敬她的学生。
二、懂得教育的智慧
在一些调查中, 我们看到很多教师都说自己爱自己的学生;然而, 与此逆道而行的是我们的学生能够感到老师爱的却不足10%。因此, 老师们是否也应该反思一下我们的教育行为呢?我们应该如何来爱我们的学生?如何使学生能够感受到我们的爱?如何使我们的教育更加有效?
我们在学生身上投入了大量的时间、精力, 而我们的学生和家长也从不敢有任何的倦怠:每天早出晚归, 金钱、时间上的盲目投入, 不惜健康的超负荷学习……那么, 我们的产出与投入成正比吗?去年震惊全国的“小月月”事件, 其中以漠然著称的“十八冷士”难道不是我们这些年教育的一个侧影吗?
如果我们仅以课本知识传授为根本教育行为, 学生仅以考试成绩为基本目标, 那么我们的教育意义何在?作为教师, 我们更应享受教育的过程, 享受教育本身的、发现的、创造的成就感, 而不仅仅只是关注结果。因此, 我们要尽量做到教育的智慧性、有效性相结合。首先, “孩子来自于天堂。”不同的孩子来到这个世界都带着不同的天性, 如果我们的教育能符合学生的天性, 那么将取得事半功倍的效果。其次, 不同的孩子在成长过程中都存在着各种差异, 如身体的差异、行为的差异、智力的差异、情感的差异等, 我们应该针对每个孩子发展的不同节奏因材施教, 成就每个孩子的个性发展。当我们的教育与生命的发展鹤鸣共振时, 我们的教育才能引起学生的共鸣。再次, 教育应充满活力与自主, 关注学生的个人体验, 引导学生自我发展。教育不仅仅是往行李箱中装物品这么简单, 必须考虑到学生的个人体验。如果一个学生失去了自我发展的动力, 那么我们的教育结果将是无效、失效、甚至是负效的。正如冯秀军教授所说的:我们应避免教育中爱的浪费。
三、努力完善教师的专业发展
学校是文化传播的重要途径。作为一名合格的教师, 我们必须努力完善自己的专业发展, 提高自己的学科专业素养、教育基本理论素养, 具有相应的管理能力。只有这样, 我们才能根据不同的学生特点进行专业化指导;对课程的设置和设计进行优化;在教学的准备、内容的选择、师生的互动等方面, 做到依据学生的认知规律和心理特点, 以学生的需要、兴趣、追求、体验等为出发点, 实现课程的科学性。
我们一再要求学生在学习中发扬奥运精神:“更高、更快、更强”, 于是便出现了“我为你翻山越岭, 却无心看风景”。
四、尊重教育中“爱”的生命意义
生命, 在爱的交融中诞生, 在爱的呵护中成长。我们一再提倡爱学生, 同时我们还应爱自己、爱我们的职业。因为, 如果我们不热爱自己, 过度、过早地透支了自己的健康, 那么何谈爱学生与爱职业?我们对学生的爱、对职业的爱, 都是对生命的珍爱。有人说, 职业是人生的第二伴侣, 如果你不爱它, 如何能投身一生?因此, 爱是相互依存的。如果我们能拥有健康的身体与思想, 那么我们就能更好地投身于教育事业, 培养出更加健康向上的学生。
回声的启示作文 篇5
的回敬了相同的话。小男孩听了，非常气愤，含着泪跑回家，对妈妈吧遇到的事情从头到尾的说了一遍。妈妈听了，和蔼的说：“是你自己不对呀!宝贝，如果你和和气气的与它说话，它也会和和气气的与你交谈啊。”
是呀，只要你善待别人，别人也会善待你;只要你尊敬别人，别人也会尊敬你。世界上有许多事情不都是这样的么?
就拿大自然来说吧。近几年，我们人类对环境的污染较为严重，经常随意排放污水、废气、乱砍滥伐树木、捕杀大量野生动物，大自然也一次一次地报复了人类，每年不是发洪水，就是干旱、地震、泥石流等频繁发生，这就是大自然的回声。如果人类能善待大自然，大自然也会善待人类。这样，就再也没有那可怕的自然灾害，人类就将过着幸福的生活。
接下来再说班级吧。班级是由一个个活泼可爱的同学组成的。你的爱与恨就是你感受它的根源。如果你乐呵呵地对待别人，别人也会乐呵呵地对待你;如果你经常板着脸，骂人、打架，那别人也会用同样的方式来回敬你。这，就是班级的回声。
生命的回声 篇6
相比于传统的PSTN, Vo IP (Voice over Internet Protocol) 有很大的优势, 它的网络利用率高, 通信成本低, 而且能广泛地采用Internet和全球IP互连的环境, 提供比传统业务更多、更好的服务。
随着Vo IP的迅速发展, 如何提高通信质量是研究的重点难题[1]。而在实际通信中, 回声会严重影响通信质量, 因此如何消除回声是提高通话质量的关键技术之一。为了消除回声, 一般采用的自适应滤波算法如:最小均方误差算法 (Least Mean Square, LMS) 、归一化LMS算法 (Normalized LMS, NLMS) 等, 但是这些算法都存在一些收敛速度、均方误差的问题。基于算法的收敛性能和稳态性能, 本文提出了一种改进的算法, 使其在快速收敛的情况下, 具有较好的稳态性能。
1 回声消除技术介绍
现代进行回声消除的技术主要是基于自适应滤波器, 该滤波器能够根据参考信号, 预测出接收信号中的回声, 并将回声从信号中消除和抑制, 从而消除回声。
1.1 自适应滤波器结构
自适应滤波器的结构如图1所示, 其是由自适应算法来不断调整滤波器系数实现的。自适应滤波器由两部分组成:一个是滤波器结构, 另一个是调整滤波器系数的自适应算法。自适应滤波器的结构[2,3]可以采用FIR结构或者IIR结构, 但是由于IIR滤波器存在一些稳定性的问题, 所以一般选择FIR滤波器作为自适应滤波器的结构。
图1中:x (k) 是输入信号;y (k) 是输出信号;d (k) 是参考信号或者期望信号;e (k) 为d (k) 和y (k) 之间的误差信号。误差信号e (k) 控制自适应滤波器的滤波器系数, 根据自适应滤波算法以及e (k) 的值自动调整自适应滤波器的滤波器系数。
1.2 自适应滤波算法
1.2.1 最小均方自适应算法
最小均方自适应算法 (LMS算法) [4]是线性自适应滤波器算法。其权值的递推公式为:
式中:w (n) 为第n步迭代的权向量;μ是步长因子;e (n) 是误差信号;x (n) 是输入信号。这里, 0<μ<1。在收敛范围内通过步长选择来控制收敛速度和稳态误差。
1.2.2 归一化LMS算法
归一化LMS (NLMS) 算法[5,6,7]是基于LMS算法的一种改进, 两种算法的不同在于LMS算法中的固定步长因子μ是一个常数, 而NLMS算法中采用了可变的步长因子μ, 其目的是为了加快算法的收敛速度。在NLMS算法中, 根据式 (2) 来定义可变步长因子μ:
式中:r (k) =xT (k) x (k) 是代表滤波器缓冲区中输入数据矢量x (k) 的内积;μ是系数修正的迭代步长常量;δ为较小的正数, 是为了避免r (k) 很小的时候导致μ过大而引起稳定性的下降。
2 基于NLMS的改进算法
2.1 算法分析
在NLMS算法中, 步长因子μ对收敛有极大的影响。步长决定算法的稳定性、收敛速度和自适应过程的平稳性。在收敛初始阶段或者未知系统参数发生变化时, 步长因子的值应该较大, 这样使得算法会有较快收敛速度或对于时变系统来说会有较快的跟踪速度。然后随着收敛的加深, 步长因子应该逐渐减小以此来减小稳态误差。
在NLMS算法中步长因子:
对μ (k) 进行改进:
式中:
在语音处理中, 一段语音的输入序列都会很长, 甚至长度未知, 而且其非平稳性。N0可根据LMS算法在实际问题中收敛到稳态解时的迭代次数确定, 而Nd则可根据输入数据的长度确定。
这样开始收敛时, f (k) 为一较小的常数;当k≥N时, 随着收敛级数k的逐渐增大, f (k) 逐渐变大, 步长因子μ逐渐变小。
2.2 仿真分析
图2, 图3为LMS算法的仿真, 采用的是32阶FIR滤波器。在自适应滤波器结构中采取的是LMS算法, 其中LMS的步长因子μ=0.008。
在图2中, 横坐标为迭代次数, 纵坐标为信号幅值。desired是希望输出的信号, output是回声消除后的信号, error是desired信号与output信号之间的误差。
从图2可以看出期望输出的信号与回声消除后的信号还是有比较大的差异, 特别是在迭代刚开始的时候两个信号之间的误差比较明显。由图3可以看出, 在100次迭代以前, 误差比较大, 随着迭代次数增大, 误差逐渐减小, 直到迭代次数在150次以后, 误差在一个较小的幅度内波动, 慢慢趋于平稳。
图4、图5为NLMS算法的仿真, 同样也是利用32阶的FIR滤波器。在自适应滤波器中使用的是NLMS算法, 其中NLMS算法的步长因子μ=1。
由图4可以看出期望信号与回声消除后的信号之间的差异不是特别明显, 随着迭代次数越来越大, 两个信号非常近似。
由图5可以看到迭代次数为80以前, 信号之间的误差比较明显, 之后误差急剧下降, 迭代次数到达250以后, 误差基本上就非常小。
图6、图7为改进的NLMS算法的仿真, 为了便于比较, 和LMS、NILMS算法一致, 定义了32阶的FIR滤波器。在自适应滤波器中使用的是改进的NLMS算法, 其中改进的NLMS算法的步长因子μ=1。
由图6可以明显看出期望信号与回声消除后的信号之间基本上是重合的, 在迭代初期两个信号之间有比较小的差异, 随着迭代次数越来越大, 两个信号基本一致。
由图7可以看到迭代次数为50以前, 信号之间有比较大的误差, 之后迭代次数增大, 误差也逐渐下降, 迭代次数到达100以后, 误差就基本上稳定在一个比较小的范围。
图8为LMS、NLMS、改进的NLMS三种算法期望信号与回声消除后信号均方误差的比较, 其中红色的线代表的是LMS算法, 绿色的线代表的是NLMS算法, 黑色的线代表的是改进的NLMS算法。
由图8可以很明显地看出, 在刚开始收敛时, LMS算法和NLMS算法的均方误差比较大, 而改进的NLMS算法的误差相比而言小一点。当收敛级数到50的时候, 改进的NLMS算法基本上就趋于稳定, 而LMS还有NLMS算法依旧还是有一定的误差。
改进的NLMS算法既有较小的误差, 收敛速度也比较快。综合看来, 改进的NLMS算法有比较好快速收敛性能和稳定性能。
采用改进的NLMS算法对实际语音信号[8]进行回声消除。图9中, 第一幅图是近端信号, 也就是实际希望得出的信号, 第二幅图是近端信号中混入了远端回声信号后得到的麦克风信号, 第三幅图是利用改进的算法进行回声消除后得到的信号。
从图9中可以看出, 消除回声后的信号与近端信号基本一致, 回声消除效果比较理想。
在实际运用的时候, 步长因子μ的选择非常重要, 因为它会对滤波器收敛性能有很大的影响, 它控制了算法的收敛速度。本文试验中采用的步长因子μ是经过多次测试得到的。
3 结语
本文主要是研究自适应信号处理技术在语音通信的回声消除方面的应用。
传统的LMS算法因为它简单的结构、稳定的性能以及容易在硬件上实现等许多优点而被广泛地用在自适应控制、雷达、系统辨识及信号处理等各个领域。但是LMS自适应算法的收敛速度比较慢。而NLMS算法虽然收敛速度有所提高, 但是它具有一个致命的弱点, 就是当输入信号是像语音等相关性很强的信号[9]时, 算法的收敛速度会显著降低, 从而影响回声消除的质量。本文主要是基于NLMS算法进行改进, 通过理论的分析和Matlab[10]仿真研究表明, 本文提出的算法能加快算法的收敛速度并且有较好的稳定性, 为回声消除的实际运用提供了比较好的解决方案, 在回声系统中能够较好地满足IP电话对于语音的要求, 从而提高了通话的质量。
摘要：为了提高VoIP的通信质量, 减少回声干扰, 对LMS算法、NLMS算法进行阐述, 基于NLMS提出了一种运算量小并且提高收敛性能的改进的自适应滤波算法。通过在Matlab下的仿真研究和对误差曲线的分析, 证明了该改进算法的收敛速度快, 均方误差小。用改进的算法对语音回声信号进行消除, 仿真得到消除回声后的信号效果明显, 为IP电话中回声消除的自适应滤波问题提供了一个较好的算法。
关键词：回声消除,自适应滤波算法,量化误差算法,可变步长算法
参考文献
[1]王琦, 马跃, 喻炜.VoIP中为保证语音质量所采用的关键技术[J].中国数据通信, 2002 (2) :25-29.
[2]尹浩琼.通信系统中回声消除的研究[D].北京:北京邮电大学, 2006.
[3]西蒙.自适应滤波器原理[M].北京:电子工业出版社, 2006.
[4]龚耀寰.自适应滤波[M].2版.北京:电子工业出版社, 2003.
[5]郑宝玉.自适应滤波器原理[M].4版.北京:电子工业出版社, 2003.
[6]EWEDA E. Convergence analysis of adaptive filtering algorithm with singular data covariance matrix [J]. IEEE Transactions on Signal Processing, 2001, 49 (2) :334-343.
[7]LIU Jian-feng. A novel adaption scheme in the NLMS algorithm for echo cancellation [J]. IEEE Signal Processing Letters, 2001, 8 (1) :20-22.
[8]魏臻.归一化LMS算法在IP电话回声消除的研究[J].微计算机信息, 2010, 28 (1) :27-28.
[9]皇甫堪, 陈建文, 楼生强.现代数字信号处理[M].北京:电子工业出版社, 2003.
甲状腺结节内钙化回声的分析 篇7
1 对象与方法
1.1 对象
选取2012年1月至2014年6月来我院进行甲状腺结节手术或穿刺活检获得病理结果的患者, 共76例, 其中男性21例, 女性55例, 年龄12~84岁, 平均57.0岁, 所以病例共有102个甲状腺结节, 结节长径为0.4~6.5 cm, 平均2.2 cm。良性病例包括结节性甲状腺肿、腺瘤、桥本甲状腺炎伴结节、腺瘤样增生结节等;恶性病例包括乳头状癌、滤泡状癌、髓样癌、未分化癌、恶性淋巴瘤等。
1.2 方法
所有患者在我院行甲状腺彩色多普勒超声检查。超声诊断仪型号:GE-P5。探头频率7.5~11 MHz。回顾性分析所有病例的超声图像和病理结果。根据超声图像中钙化灶的大小及形状分为微钙化 (microcalcification) 、粗钙化 (coarse calcification) 、周边钙化 (peripheral calcification) 。钙化灶的长径<2 mm为微钙化, 长径>2 mm为粗钙化, 环绕结节周围的连续或不连续钙化为周边钙化。
1.3 统计学方法
应用SPSS 13.0统计学软件进行分析, 以P<0.05表示差异有统计学意义。
2 结果
102个结节中有良性结节55个 (54.2%) 、恶性结节47个 (45.8%) ;其中, 钙化结节77个、无钙化结节25个;77个钙化结节中有微钙化结节60个、粗钙化结节12个、周边钙化结节5个。恶性结节与良性结节中钙化者分别占55.50%和14.48%, 二者比较有显著差异, P<0.01;含钙化与不含钙化的结节恶性构成比分别为56.08%和14.78%, 二者比较有显著差异, P<0.01;微钙化结节恶性率最高 (68.33%) , 粗钙化结节和周边钙化结节的恶性率分别为33.3%和40.0%。
3 讨论
超声诊断是一种无创性诊断方法, 甲状腺超声检查已广泛用于评价甲状腺的解剖结构异常、穿刺活检、疗效监测等。随着高分辨率、高频超声探头及彩色多普勒超声等技术的应用, 超声诊断甲状腺疾病的准确率在逐步提高。对于诊断甲状腺的占位性病变, 定位超声明显优于核素扫描。由于癌细胞生长迅速, 肿瘤中血管及纤维组织增生, 易出现钙盐沉积从而导致组织钙化, 所以判断有无甲状腺的钙化对于诊断甲状腺结节的性质具有重要意义[2,3,4]。
3.1 微钙化
目前国内外普遍认为, 微钙化是超声诊断甲状腺癌特异性最高的指标, 尤其是乳头状腺癌, 特异性可达93%~95%[5,6,7]。本文60例微钙化结节中有41例 (68.33%) 结节术后证实为恶性肿瘤, 也说明了微钙化对恶性结节诊断的特异性较高;而60例微钙化结节中有14例在术后证实为甲状腺腺瘤, 5例为甲状腺肿, 其原因可能为甲状腺结节在不同病因作用下发生钙化的机制不同, 并且受仪器分辨率、医师的判断能力等诸多因素影响, 胶质钙化或胶质结晶等许多结晶内部的强回声灶被错误地判断为微钙化。
3.2 周边钙化和粗钙化
良性甲状腺疾病出现钙化较少, 发生钙化通常是由于腺瘤出血囊性变以后血肿吸收、机化, 可形成结节壁上钙化或者纤维隔带钙化, 故在超声图像上可显示为弧形或大颗粒状, 后方伴声影, 故其钙化应以位于结节边缘多见, 出现微钙化的几率小[5,8,9]。大部分学者认为微钙化高度提示恶性, 而粗钙化及周边钙化更倾向于良性。本文5例周边钙化病例中, 钙化壁发生中断者有恶性结节2例 (40%) , 可能是恶性肿瘤向周边浸润生长导致钙化灶边缘破碎, 超声显示钙化壁中断;本文12例粗钙化中有4例术后证实为甲状腺癌 (33.3%) , 提示粗钙化和周边钙化也都有恶性可能。
甲状腺结节内钙化灶的检测对诊断甲状腺癌具有重要的临床应用价值, 任何形式的钙化都是恶性病变的风险因素, 其中, 微钙化更具特异性。
摘要：目的:研究甲状腺结节内钙化回声的超声特征, 并探讨其临床意义。方法:对已行甲状腺手术及穿刺活检的76例患者 (102个结节) 的病理结果与其术前甲状腺高频超声图像进行回顾性对比研究。结果:102个结节中有良性结节55个 (54.2%) 、恶性结节47个 (45.8%) ;其中, 钙化结节77个、无钙化结节25个;77个钙化结节中有微钙化结节60个、粗钙化结节12个、周边钙化结节5个。恶性结节与良性结节中钙化者分别占55.5%和14.48%, 二者比较有显著差异, P<0.01;含钙化与不含钙化的结节恶性构成比分别为56.08%和14.78%, 二者比较有显著差异, P<0.01;微钙化结节恶性率最高 (68.33%) , 粗钙化结节和周边钙化结节的恶性率分别为33.3%和40.0%。结论:甲状腺结节内钙化灶的检测对诊断甲状腺结节的良恶性具有重要的临床应用价值, 任何形式的钙化都是甲状腺恶性病变的风险因素, 其中, 微钙化更具有特异性。
关键词：甲状腺结节,钙化,回声
参考文献
[1]张乐群.甲状腺结节的超声诊断[J].国外医药 (抗生素分册) , 2012, 33 (6) :14-15.
[2]朱祥胜, 朱宜春, 李国杰等.高频彩色多普勒超声对甲状腺癌的诊断价值[J].安徽医学, 2010, 31 (1) :39-41.
[3]刘海霞, 石伟.高频彩色多普勒超声对甲状腺癌的诊断价值[J].中国美容医学, 2012, 21 (z2) :338.
[4]姜静, 李正斌, 戴朝红等.高频彩色多普勒超声对甲状腺癌的诊断价值[J].当代医学, 2013, (5) :86.
[5]鲁凤美, 马雪华.甲状腺钙化病灶在鉴别甲状腺良恶性结节中的临床意义[J].医学理论与实践, 2009, 22 (9) :1090-1091.
[6]李斐, 陈国新.甲状腺结节内钙化的高频彩超诊断与分析[J].中国实用医药, 2010, 5 (17) :100-101.
[7]吴钢, 蔡端.甲状腺结节伴钙化与甲状腺癌[J].上海医药, 2013, (24) :3-6.
[8]郭世伟, 王伟军, 蒋小琴等.超声探测甲状腺结节内钙化与甲状腺癌的相关性[J].肿瘤学杂志, 2011, 17 (8) :592-594.
【生命的回声】推荐阅读：
回声的教案06-09
平凡生活的回声07-23
作文 成长的回声06-08
回声跟踪技术09-03
回声作文400字09-27
回声记叙文作文11-14
主动脉瓣回声增强介绍08-02
人音版第7册第7课《友谊的回声》教学设计12-08
二年级上册第31课回声10-15