自适应滤波器在反馈啸叫抑制中的应用研究
自适应反馈消除算法评估实验
自适应反馈消除算法评估实验指导老师：隋富生（中国科学院声学所研究员）小组成员：高健，邢举学，姜振喜一、实验背景声反馈指在现场扩声工程中，传声器接收到待扩声的声源信号，经过功率放大，从扬声器传播出来再反馈到传声器，形成闭合放大回路。
当这种反馈满足特定振荡条件时将产生一种尖锐刺耳的声音，即啸叫现象。
声反馈现象一旦发生，轻者会造成传声器通路音量无法调大，调大后啸叫非常严重，对现场扩声效果会造成恶劣影响，或传声器声音开大后出现声音振铃现象(即位于声反馈临界点时传声器声音的尾音现象)，声音存在混响感，破坏音质;重者导致音箱或功率放大器由十信号过强烧毁。
最开始时声反馈的啸叫抑制是音响师和调音师们的工作，他们必须对扩声现象的声音效果时刻保持关注，在啸叫出现时迅速手动调节设备去除啸叫。
这样的解决方法不仅耗费人力，效率很低。
随着科技的进步，特别是电子计算机技术的发展，许多依赖电子技术自动处理啸叫的技术应运而生。
这样的系统也被称声反馈啸叫抑制系统。
二、实验原理1.声反馈啸叫抑制系统基本原理物理模型的建立：在扩声工程中，比如音乐会现场，一般会使用多个传声器采集舞台上表演者的声信号，然后用布置在现场不同位置的多个扬声器将声信号扩大输出给观众。
在布置时会考虑尽量避免扬声器直接对准传声器，但由十地板，墙面等的反射作用，不可避免有声音由十反射被传声器接受，产生声反馈，具体模型可用图1-1 中所示离散域多通道模型描述:图1-1中，()t v i 表示声源信号，)(t y i 表示不同传声器接收到的信号)(t u i 表示不同扬声器的输出信号，系统F 为声反馈通路，系统G 为电声前馈通路。
图中模型可用如下公式表示:()()()()()()[],,,,t t y G t u t v t u t q F t y =+= (1—2—2)等式(1—2—1）和等式(1—2—2)中声源信号，传声器信号和扬声器信号向量可分别如下表示：(1—2—1）()()()[]()()()[]()()()[],...,...,...111TL Ts Ts t u t u t u t y t y t y t v t v t v ===等式(1-2-1)和等式(1-2-2)中多通道声反馈函数),(t q F 和电声前馈函数()()t t y G ,可分别如下表示：()()()()(),.,,.........,...,,1111⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=t q F t q F t q F t q F t q F LS S L()()()()()()⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==.,...,.........,...),(,,,1111t q G t q G t q G t q G t q G t t q y G LS L S（1—2—3）（1—2—4）（1—2—5）（1—2—6）（1—2—7）矩阵(1—2—6)和（1—2—7）中的()t q F ij ,和()t q G ij ,表示单通道传递函数，()t q F ij ,表示第j 个扬声器到第i 个传声器之间的声反馈传递函数，而()t q G ij ,表示第i 个传声器到第j 个扬声器之间的电声前馈传递函数，具体形式如下:()()()()()()()()()()()()()(),...,,...,110110GGFF n n jiji ji ji n n ijij ij ij qt g q t g t g t q G q t f q t f t f t q F ----+++=+++=式(1-2-8)和式(1-2-9)中q 表示离散时间移位算符，F n 和G n 则表示预测模型的阶数，也可以看作FIR 滤波器的阶数。
滤波器在自适应信号处理中的应用研究
滤波器在自适应信号处理中的应用研究自适应信号处理是一种通过识别和消除信号中的干扰和噪声，实现信号的准确提取和分析的技术。
滤波器作为其中的重要手段，在自适应信号处理中扮演着关键角色。
本文将探讨滤波器在自适应信号处理中的应用，并对其进行研究。
一、滤波器在自适应信号处理中的基本原理滤波器是一种通过传导性、电容性或者磁性等原理，将指定频率范围内的信号增强或者削弱的电子元件。
在自适应信号处理中，滤波器可以根据被处理信号的特征自动调整自身的工作参数，以达到最佳的滤波效果。
其基本原理是根据滤波器的传输函数，对信号进行滤波处理，提取出感兴趣的信号成分，抑制干扰和噪声。
二、滤波器在自适应信号处理中的应用1. 自适应滤波器自适应滤波器是一种根据信号特性自动调整滤波参数的滤波器。
它可以根据输入信号的统计特性实时调整自身的滤波系数，使其能够自适应地跟踪信号的变化。
自适应滤波器在自适应降噪、自适应通信等领域有广泛应用。
2. 自适应中值滤波器自适应中值滤波器是一种基于中值滤波的自适应滤波技术。
它能够根据信号的特性动态地调整中值滤波器的窗口大小，以适应信号的变化。
自适应中值滤波器在图像处理领域常用于消除图像中的椒盐噪声，可以有效提高图像质量。
3. 自适应IIR滤波器自适应IIR滤波器是一种根据输入信号的频谱特性动态调整滤波器参数的滤波器。
相比于传统的IIR滤波器，自适应IIR滤波器可以更准确地提取信号中的有用信息，抑制干扰和噪声。
三、滤波器在自适应信号处理中的优势和挑战1. 优势滤波器在自适应信号处理中具有以下优势：(1) 自适应能力强：滤波器可以根据信号的特性实时调整自身参数，适应信号的变化。
(2) 抑制噪声：滤波器可以有效抑制信号中的干扰和噪声，提取出感兴趣的信号成分。
(3) 提高信号质量：滤波器能够去除信号中的杂散成分，提高信号的清晰度和准确性。
2. 挑战滤波器在自适应信号处理中也面临一些挑战：(1) 参数选择难：滤波器的性能很大程度上取决于参数的选择，正确选择参数是一项具有挑战性的任务。
自适应声反馈抑制系统的仿真研究
【 摘 要 】声反馈现象是扩声 系统 中一个较为严重的现象 ， 将 自适应 系统辨识 理论应用 到声反馈抑 制系统 中， 采用
Ｍａ ｔ ｌ ａ ｂ ／ Ｓ ｉ ｍ ｕ ｌ ｉ ｎ ｋ工具 ， 通过 Ｌ ＭＳ自适应滤波器搭建声反馈抑制模 型进行仿真分析。结果证明， 在前置路径 中加入适 度 延迟 可以有效 降低 自适应滤波器 对声反馈路径估计 的系统参数估 计偏差 ， 系统参数 的集 总相对偏 差可 以降低 ｌ Ｏ ｄ Ｂ左右 ， 系统扩声增益可提升 １ ７ ｄ Ｂ左右。
【 关键词 】 声反馈 ； 抑制； Ｌ Ｍ Ｓ ； 自 适应滤波器 ； 延迟 【 中图分类号】Ｔ Ｎ ９ Ｕ 【 文献标志码 】 Ａ
ＷＡ Ｎ Ｇ Ｊ ｉ ａ ｎ ｗ ｅ ｉ ， Ｙ Ａ Ｏ Ｙ ｉ ｎ ｇ ｙ ｉ ｎ ｇ ， Ｑ Ｉ Ｃ ａ ｉ ｊ ａ ｎ （ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｉ ｒ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｚ ｈ ｅ ｊ ｉ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｈ ａ ｎ ｇ ｚ ｈ ｏ ｕ ３ １ ０ ０ ２ ７ ， Ｃ ｈ ｉ ｎ ａ ）
输 入信号 、 前置 路径放大倍数 等 因素对 自适应滤 波性 能的影响 ； 验 证 了文献 ［ ５— ６ ］ 提 出 的通 过 在 前 置路
径中加入延迟降低系统输人信号和 自适应输入信号
法 在 自适应滤 波领域 被 广泛 使用 ， 其 结构 简单 ， 性
能稳定， 不需要计算相关函数 ， 计算复杂度较低。 笔者使用 Ｍ ａ ｔ ｌ ａ ｂ ／ Ｓ ｉ ｍ ｕ ｌ ｉ ｎ ｋ环境Ｌ ４ 搭建 自 适应声 反馈抑制系统模型 ５ ］ ， 并 比较分析 了在输入信号为 高斯 白噪声、 语音信号等情况下的系统性能； 阐明了
自适应滤波算法在音频信号处理中的研究与应用
自适应滤波算法在音频信号处理中的研究与应用音频信号处理是指对音频信号进行各种处理、增强和改善，以满足不同的需求和应用。
自适应滤波算法作为其中一种重要的技术手段，在音频信号处理领域具有广泛的研究和应用价值。
本文将深入探讨自适应滤波算法在音频信号处理中的研究与应用。
首先，我们来了解一下什么是自适应滤波算法。
自适应滤波算法是根据输入信号的特点和目标要求自动调整滤波器的参数，以最优化地对信号进行处理。
它能够根据实时变化的信号环境对信号进行实时地调整和优化，从而提高音频信号的质量和清晰度。
在音频信号处理中，自适应滤波算法有多种应用。
其中一个重要的应用是降噪。
音频信号常常伴随着各种噪声，自适应滤波算法可以根据噪声的特点自动调整滤波器参数，抑制噪声的干扰，使得音频信号更加清晰。
例如，在电话通话、语音识别和语音合成等应用中，自适应滤波算法可以有效地降低环境噪声和背景噪声对语音信号的干扰，提高语音信号的识别和合成质量。
另一个重要的应用是回声抵消。
在语音通信和音频录制中，由于声音在传输或录制过程中的反射，会产生回声现象。
自适应滤波算法可以通过建立回声路径模型，自动抵消回声信号，使得接收到的声音更加清晰，防止语音通信和音频录制中的回声干扰。
此外，自适应滤波算法还可以应用于音频信号的增强和改善。
例如，在音频恢复和增强、音效处理和音频编解码等领域，自适应滤波算法可以根据目标要求对音频信号进行调整和优化，提高音频信号的质量和效果。
在研究方面，自适应滤波算法在音频信号处理中的研究主要包括算法的设计和优化。
针对不同的音频信号处理需求，研究人员设计了多种适应性算法，并通过调整算法的参数来优化滤波效果。
同时，研究人员还致力于改进算法的实时性和计算效率，以适应实际应用场景中的要求。
此外，自适应滤波算法的应用也面临着一些挑战和问题。
例如，在复杂的噪声环境下，算法可能会受到多个噪声源的干扰，导致滤波效果不佳；在大规模音频信号处理中，算法的计算量较大，需要考虑实时性和计算效率等方面的问题。
自适应滤波器的应用及研究意义
自适应滤波器的应用及研究意义首先，自适应滤波器在信号去噪方面的应用是其最常见的应用之一、信号通常会受到噪声的污染，在进行信号分析、处理和提取时，需要对信号进行去噪处理。
传统的滤波器在去噪过程中通常使用固定的滤波系数，而自适应滤波器可以根据输入信号的动态变化自动调整滤波系数，从而更加准确地去除噪声。
因此，自适应滤波器在语音信号处理、图像处理、雷达信号处理等领域有着广泛的应用，可以有效提高信号质量和提取信号中的有用信息。
其次，自适应滤波器还可以在信号预测方面应用。
信号的预测是对未来信号进行估计，常用于信号预测分析和信号压缩。
传统的滤波器常常无法准确地预测信号的动态变化，而自适应滤波器可以通过适应输入信号的实时变化来自动调整其滤波系数，从而能够更加准确地预测信号的未来值。
自适应滤波器的预测能力在金融市场预测、天气预测、机器学习等领域有着重要应用，可以帮助人们做出更准确的决策。
此外，自适应滤波器还可以用于信号识别和分类。
在信号处理中，通常需要对输入信号进行分类和识别，以便进行不同的处理或决策。
传统的分类和识别方法使用固定的特征提取和分类模型，但信号的特征在不同场景下可能不一样，因此固定模型往往无法适应多变的信号特征。
自适应滤波器可以根据输入信号的特征自动调整滤波系数，从而能够更好地适应不同的信号特征，提高信号的分类和识别准确率。
自适应滤波器在语音识别、图像识别、人脸识别等领域有着重要的应用，可以帮助人们更有效地识别和分类不同的信号。
总之，自适应滤波器在信号处理领域有着广泛的应用和研究意义。
其应用涵盖了信号去噪、信号预测、信号识别和分类等多个方面，可以提高信号处理的准确性和效率。
随着科技的不断发展，自适应滤波器的研究和应用也在不断深化，为人们的生活和工作带来了更多的便利和效益。
自适应滤波器在噪声抑制中的应用
自适应滤波器在噪声抑制中的应用自适应滤波器是一种能根据输入信号的统计特性自动调整滤波器参数以达到最优去噪效果的滤波器。
它在信号处理领域中得到广泛应用，尤其在噪声抑制方面发挥了重要作用。
本文将介绍自适应滤波器的原理及其在噪声抑制中的应用。
一、自适应滤波器的原理自适应滤波器的原理基于与滤波器参数相关的权值调整。
它通过对输入信号和参考信号的相关性进行估计，并根据估计结果自动调整滤波器参数，从而最大限度地抑制噪声。
其一般原理如下：1. 定义输入信号和输出信号之间的相关矩阵R为:\[ R = E[x(n)x^T(n)] \]其中，x(n)是输入信号。
2. 定义输入信号和输出信号的交叉相关向量p为:\[ p = E[x(n)s(n)] \]其中，s(n)是噪声信号。
3. 自适应滤波器的输出y(n)可以表示为:\[ y(n) = w^T(n)x(n) \]其中，w(n)为滤波器参数。
4. 根据最小均方误差准则，我们可以得到最优的滤波器参数w(n)的更新公式:\[ w(n) = w(n-1) + \mu R^{-1}p \]其中，μ为步长参数，R^{-1}为相关矩阵R的逆矩阵。
通过以上的原理，自适应滤波器可以根据输入信号的统计特性自动调整滤波器参数，从而实现对噪声的抑制。
二、自适应滤波器在噪声抑制中的应用自适应滤波器在噪声抑制中具有广泛应用的原因在于其可以自动调整滤波器参数以适应不同噪声环境。
以下是自适应滤波器在噪声抑制中的几个典型应用场景：1. 语音信号处理语音信号通常会受到噪声干扰，而自适应滤波器可以根据输入信号和参考信号的相关性自动调整滤波器参数，从而实现对不同频率噪声的抑制。
这种技术在语音通信和语音识别等领域发挥了重要作用。
2. 图像去噪图像去噪是图像处理领域的一项重要任务。
自适应滤波器可以通过对图像的局部像素进行加权平均，根据像素之间的相关性抑制噪声，从而提高图像质量。
这种技术在数字摄影、无损压缩和图像增强等领域有着广泛的应用。
基于LMS算法的自适应滤波器研究与应用
基于LMS算法的自适应滤波器研究与应用一、引言随着科技的不断进步，人们对于信号处理技术的需求越来越高。
自适应滤波器是一种能够高效地滤除噪声和干扰的信号处理方法，其在语音信号处理、图像处理等领域都有广泛应用。
LMS算法是一种经典的自适应滤波算法，本文将对基于LMS算法的自适应滤波器进行深入研究。
二、自适应滤波器自适应滤波器是利用反馈机制将输出信号与期望信号进行比较，不断调节滤波器的参数，使输出信号与期望信号的差别最小化，从而实现滤波效果的提高。
在自适应滤波器中，LMS算法是一种相对简单而又广泛应用的算法。
LMS算法的核心思想是，利用误差信号不断更新滤波器的参数，从而实现自适应调节。
具体来讲，LMS算法通过对于受到噪声和干扰的输入信号进行滤波，使得输出信号与期望信号之间的误差最小化，从而增强信号的可读性、可靠性和清晰度。
三、LMS算法的具体原理LMS算法的核心思想是不断寻求让滤波器的输出信号与期望信号之间误差最小的滤波参数。
具体而言，LMS算法采用误差，即输出信号与期望信号之间的差别，来更新滤波器的权值向量。
通过不断迭代计算，LMS算法可以优化滤波器的参数，实现更好的滤波效果。
在LMS算法中，滤波器的权值向量w被初始化为任意值，然后通过误差信号进行调整。
假设输出信号为y(n)，期望信号为d(n)，滤波器的输入信号为x(n)，则LMS算法的更新公式为：w(n+1) = w(n) + 2μe(n)x(n)其中，w(n+1)表示n+1时刻的滤波器权值向量，w(n)表示n时刻的滤波器权值向量，μ为步长，e(n)为误差信号。
通过不断地迭代计算，LMS算法可以不断优化滤波器的参数，从而完善滤波效果。
四、LMS算法的应用LMS算法的应用非常广泛，在图像处理、语音识别、自适应控制等领域都有重要应用。
下面将针对图像和语音两类应用进行介绍。
1. 图像处理中的应用在图像处理中，LMS算法可以应用于图像降噪、图像去模糊等场景。
自适应声反馈抑制技术及其应用
自适应声反馈抑制技术及其应用熊坚【摘要】介绍扩声系统中自适应声反馈抑制技术及其原理,并结合目前市面上常见的反馈抑制器产品,分析其技术应用.【期刊名称】《演艺科技》【年(卷),期】2017(000)007【总页数】4页(P46-49)【关键词】扩声系统;自适应技术;声反馈抑制;产品;应用【作者】熊坚【作者单位】扬州明德科技有限公司,江苏扬州 225001【正文语种】中文声反馈是现场扩声中最令人头疼的问题。
声反馈会造成再生混响，严重影响语音清晰度，限制系统传声增益的提高，并使声音产生失真。
当声反馈严重时，会产生自激啸叫，使整个系统无法正常工作，甚至使扬声器（特别是其高音单元）受损。
因此，目前扩声系统常常使用“反馈抑制器”来抑制声反馈。
1.1 利用参量均衡器构成的带阻滤波器传统的声反馈抑制方法主要是利用参量均衡器构成的带阻滤波器即陷波器来完成的。
这种反馈抑制器有多个（通常为12～24个）陷波器，其中一部分陷波器设置成固定滤波器，在系统调试时，当检测到某个频率的声反馈信号时，就会在该频率激活一个相应的滤波器，使该频率的增益降低，于是该频点的声反馈被抑制，这样就可以对该声场的一些主要声反馈频点进行衰减。
另一部分陷波器设置成活动滤波器，以便对使用中的系统可能产生的声反馈随时进行抑制。
然而，这种方式存在着一定的局限性。
最明显的问题就是，有时不能识别某些反馈声信号，原因是这种方式本质上仍是均衡器。
频率均衡是由滤波器构成的，对不同频率的不同均衡度必然造成它们之间的相位误差。
对于双声道或多声道系统，不同声道的不同均衡度又会造成声道之间的相位误差，这样便会在一定程度上影响音质和声像位置，从而产生不理想的结果。
同时，扩声现场的声学环境也常常随着各种外在条件而变化，特别是听众的数量和不同季节衣着的改变都会明显影响声反馈频点的频率，虽有活动滤波器来应付，但常常并不能及时、准确地启动而进行抑制。
因此，这种方法往往对建筑声学、电声设备和系统操作都有较高的要求，但在特定声学环境中如果调试得当，还是能有良好的抑制效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
自适应滤波器在反馈啸叫抑制中的应用研究
作者:李波
学位授予单位:中国科学院声学研究所
1.郑君里.应启珩.杨为理信号与系统 2000
8.R Wang.R Harjani Suppression of acoustic oscillations in hearing aids using minimum phase techniques 1993
9.JM Kates Room reverberation effects in hearing aid feedback cancellation 2001(01)
10.B Rafaely.M Roccasalva-Firenze Control of feedback in hearing aids - a robust filter design approach 2000(06)
11.B Rafaely.M Roccasalva-Firenze.E Payne Feedback path variability modeling for robust heating aids 2001(05)
20.JM Kates Constrained adaptation for feedback cancellation in hearing aids 1999(02)
21.H-F Chi.S X Goa.S D Soli.A.AIwan Band-limited feedback cancellation with a modified filtered-X LMS algorithm for hearing aids 2003
42.T Painter.A Spanias Perceptual coding of digital audio 2000(04)
43.E Zwicker.H Fastl Psychoacoustics:Facts and Models 1990
44.郑成诗关于MPEG-1心理声学模型Ⅰ的探讨--测试、改进和实现 2004
12.J E Greenberg.P M Zurek.M Brantley Evaluation of feedback reduction algorithms for hearing aids 2000(05)
13.J Hellgren Analysis of feedback cancellation in hearing aids with filtered-X LMS and the direct method of closed loop identification 2002(02)
16.M M Sondhi.D R Morgan.J L Hall Stereophonic acoustic echo cancellation--an overview of the fundamental problem 1995
17.J Benesty.D R Morgan.M M Sondhi A better understanding and an improved solution to the specific problems of stereophonic acoustic echo cancellation 1998(02)
49.P Tupchai.C Benjangkaprasert.O Sangaroon.K.Janchitrapongvej A new algorithm of adaptive IIR notch filter for the detection of sinusoids 2002
50.E Zwicker.U T Zwicker Audio engineering and psychoacoustics:matching signals to the final receiver,the human auditory system 1991(03)
51.B C J Moore.J Ⅰ Alcántara Masking patterns for sinusoidal and narrow-band noise maskers 1988(02)
6.MR Schroeder Improvement of acoustic-feedback stability by frequency Shifting 1964(09)
7.R Wang.R Harjani Acoustic feedback cancellation in hearing aids 1993
2.A Spriet Adaptive Filtering Techniques for Noise Reductiollation in Hearing Aids 2004
3.JA Maxwell.P M Zurek Reducing acoustic feedback in hearing aids 1995(04)
30.陈佳路变换域自适应滤波器及其在回声抵消中的应用研究 2004
31.路阳子带自适应滤波算法在声学回声抵消中的应用研究[学位论文]硕士 2005
32.A Nehorai A Minimal Parameter Adaptive Notch Filter with Constrained Poles and Zeros 1985(04)
35.J H Cho.D R Morgan.J Benesty An Objective Technique for Evaluating Doubletalk Detectors in Acoustic Echo Cancelers 1999(06)
36.T G(a)nsler.M Hansson.C J Ivarsson.G.Salomonsson A double-talk detector based on coherence 1996(11)
40.M Bosi.R E Goldberg Introduction to Digital Audio Coding and Standards 2003
41.NJ Jayant.J Johnstone.B Safranek Signal compression based on models of human perception 1993(10)
22.A Spriet.I Proudler.M Moonen.J.Wouters Adaptive Feedback Cancellation in Hearing Aids with Linear Prediction of the Desired Signal 2005(10)
23.N A Shusina.B Rafaely Unbiased Adaptive Feedback Cancellation in Hearing Aids by Closed-Loop Identification 2003(02)
24.B Rafaely.N A Shusina.J L Hayes Robust compensation with adaptive feedback cancellation in hearing aids 2003
25.S M Kuo.J Chen New Adaptive IIR Notch Filter and Its Application to Howling Control in Speakerphone System 1992(08)
47.J D Johnston Transform coding of audio signal using perceptual noise criteria 1988(02)
48.D Sin(n)a.A H Tewfik Low bit rate transparent audio compression using adapted wavelets 1993(12)
26.B Farhang-Boroujeny Adaptive Filters Theory and 4pplications 1998
27.SHaykin自适应滤波器原理 1998
28.姚天任.孙洪现代数字信号处理 1999
29.J Benesty.T G(a)nsler.D R Morgan.M.M.Sondhi and S.L.Gay Advances in Network and Acoustic Echo Cancellation 2001
33.S-C Pei.C C Tseng Adaptive IIR Notch Filter Based on Least Mean p-Power Error Criterion 1993(08)
34.J Benesty.D R Morgan.J H Cho A New Class of Doubletalk Detectors Based on Cross-Correlation 2000(02)
4.JM Kates Feedback cancellation in hearing aids:Results from a computer simulation 1991(03)
5.JL Nielsen.U P Svensson Performance of some linear time-varying systems in control of acoustic feedback 1999(01)
14.M G Siqueira.A Aiwan Steady-state analysis of continuous adaptation in acoustic feedback reduction systems for hearing-aids 2000(04)
15.H A L Joson.F Asano.Y Suzuki.S.Toshio Adaptive feedback cancellation with frequency compression for hearing aids 1993(06)