当使用非线性自适应滤波器时，数值和实际非线性模型之间的不匹配是非线性声学回声消除（NAEC）的一个挑战。为了缓解这个问题，我们将无记忆非线性的基通用扩展结合到半盲源分离（SBSS）中。通过将远端输入信号的所有基函数视为已知的等效参考信号，遵循约束缩放自然梯度策略导出SBSS更新算法。与常用的自适应算法不同，所提出的SBSS基于近端信号和参考信号之间的独立性，并且对数值模型和实际模型之间的非线性不匹配不太敏感。实验结果表明，该方法在回波损耗增强（ERLE）、语音质量感知评估（PESQ）和短时客观可懂度（STOI）评估的近端语音质量方面优于传统方法。



"点击查看英文标题和摘要"