基于预滤波和比例仿射投影符号算法的助听器自适应反馈消除方法研究

为解决开放耳式助听器中声学反馈导致的增益受限和音质下降问题，研究人员提出了一种结合预测误差法(PEM)与改进型比例仿射投影符号算法(IPAPSA)的新型自适应反馈消除(AFC)方法。通过预滤波技术降低信号相关性，利用反馈路径的稀疏特性，开发了PEM-IPAPSA、PEM-MIPAPSA和PEM-BSMIPAPSA三种算法。仿真结果表明，该方法在脉冲噪声和有色输入环境下具有更快的收敛速度与跟踪能力，同时保持较低的稳态误差和计算复杂度，为低功耗助听器设计提供了重要技术支撑。

　　

研究背景与意义
开放耳式助听器长期面临声学反馈这一"顽疾"——当麦克风拾取到扬声器信号时，会形成闭合环路，引发啸叫并限制最大增益。传统预测误差法(PEM)虽能通过预滤波降低信号相关性，但其核心的归一化最小均方(NLMS)算法在反馈路径突变或存在脉冲噪声时表现欠佳。与此同时，网络回声消除领域已成功应用的比例仿射投影符号算法(PAPSA)因其对稀疏系统和脉冲噪声的鲁棒性备受关注，但受限于助听器闭环系统中输入/输出信号的高度相关性，该技术始终未能在AFC领域取得突破。

为攻克这一难题，国内某研究机构团队创新性地将PEM框架与改进型比例仿射投影符号算法(IPAPSA)相结合，在《Digital Signal Processing》发表研究成果。他们开发的PEM-IPAPSA系列算法不仅继承了PEM的低偏置特性，还通过动态分配滤波器系数更新步长，显著提升了系统对反馈路径突变和噪声干扰的适应能力。

关键技术方法
研究采用实测的100阶反馈路径脉冲响应(采样率16kHz)，包括自由场和电话干扰两种场景。通过20阶Levinson-Durbin算法每10ms更新预滤波器系数，构建包含延迟(96样本)和增益(30dB)的前向路径。对比测试了PEM-NLMS、PEM-IPNLMS、PEM-APA等传统方法，重点评估了所提算法在背景噪声(白噪声/多人语音)和脉冲噪声(Bernoulli-Gaussian/α稳定分布)下的表现，采用归一化失调(MIS)、附加稳定增益(ASG)和语音质量感知评估(PESQ)等多维度指标。

主要研究结果

1. 常规环境性能验证
在无噪声环境下，PEM-BSMIPAPSA(分8块)对自由场路径的收敛速度比PEM-IPAPA快15%，跟踪突变路径时稳态误差降低2dB。当投影阶数P=2时，计算复杂度仅比NLMS高31.4%，证实了算法在实时系统中的可行性。

2. 噪声环境鲁棒性测试
在信噪比(SNR)=30dB、信干比(SIR)=0dB的极端条件下，PEM-MIPAPSA的PESQ₁得分达2.7，较传统方法提升71.5%。特别是对α稳定分布脉冲噪声，其ASG指标保持稳定，验证了符号算法对重尾噪声的抑制作用。

3. 算法参数优化