CN101719969A - 判断双端对话的方法、系统以及消除回声的方法和系统 - Google Patents

Abstract

本发明提供在包括扬声器和麦克风的通信系统中消除回声的方法和系统，该方法包括：对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号；通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出；通过近端麦克风信号与估计的回声信号的差得到误差信号；计算误差信号的方差与估计的噪声信号的方差；计算判断因子，其中该判断因子相应于误差信号的方差与估计的噪声信号的方差；以及比较判断因子与预定阈值，当判断因子小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

Description

判断双端对话的方法、系统以及消除回声的方法和系统

技术领域

本发明涉及消除回声的方法和系统，更具体地，涉及在通信系统中判断双端对话的方法和系统。

背景技术

现在，可用于移动电话、电话会议等的具有麦克风和扬声器的免提通信系统越来越普及。在免提通信过程中，至少两个用户使用免提通信系统进行对话。通常，将至少两个用户的其中一个用户的语音称为近端语音，而将其他用户的语音称为远端语音。由于远端语音信号通过近端的扬声器输出，且被部分地输入到近端的麦克风中，且被错误地传输到远端的其他用户，导致了远端语音的回声，因此导致用户听到自己或他人说话的回声。在这种情况下，应该消除回声。

此外，由于现代技术的提升，使得扬声器的输出增益与麦克风的输入增益均大幅提升。在某些高端的通信设备上，不需要切换到免提模式，麦克风就会接收到扬声器所发出的音响。因此，也需要消除回声。

常规的回声消除装置采用自适应滤波器来估计回声路径并合成估计的回声信号，从而消除该估计的回声信号。如果近端和远端用户此时只有一个说话，即在单端对话的情况下，则该自适应滤波器很容易估计出回声路径(例如，房间脉冲响应值h，该值是几乎不变的)。而当近端和远端用户同时说话时，这种情况称为“双端对话”(Double Talk)，此时，从近端麦克风输入的信号(可称为近端麦克风信号)可能不仅包含远端语音的回声，还可能包含近端语音信号，以及背景噪声。在双端对话的情况下，自适应滤波器的滤波系数将偏离真实的回声路径脉冲响应，因此需要禁止自适应滤波器的系数的适应性，否则将获得回声路径的错误估计，导致难以很好地消除回声。而双端对话判断装置(Double Talk Detector)的作用则是尽可能准确地判断出双端对话，从而禁止自适应滤波器的系数的适应性。因此，判断双端对话对于回声消除的效果产生很大的影响。

目前已经提出了很多现有的方法来进行双端对话的判断。例如，在SeonJoon Park等人的“Integrated Echo and Noise Canceller for Hands-FreeApplications”(IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS-II：ANALOG AND DIGITAL SIGNAL PROCESSING，VOL.49，NO.3，2002年三月)中，提出了通过计算麦克风输入信号和估计的回声信号之间的互相关系数、以及在麦克风输入信号和误差信号(即，麦克风输入信号与估计的回声信号的差)之间的互相关系数，并将计算结果与两个阈值进行比较，来判断是否是双端对话。

具体地，参考图3来描述在通信系统中的上述现有技术的双端对话判断装置及其处理。双端对话判断装置通过以下公式(1)和(2)来分别计算麦克风输入信号m(k)和估计的回声信号

之间的互相关系数和麦克风输入信号m(k)和误差信号e(k)(即，

)之间的互相关系数ρ_me(k)。

${\mathrm{\ρ}}_{m\hat{y}}\left(k\right)=\frac{P_{m\hat{y}}\left(k\right)}{\sqrt{P_m\left(k\right)\·P_{\hat{y}}\left(k\right)}}$ 公式(1)，

${\mathrm{\ρ}}_{\mathrm{me}}\left(k\right)=\frac{P_{\mathrm{me}}\left(k\right)}{\sqrt{P_m\left(k\right)\·P_e\left(k\right)}}$ 公式(2)，

其中

表示m(k)与

之间的相关功率，P_me(k)表示m(k)与e(k)之间的相关功率，且P_m(k)表示m(k)的功率，表示的功率，P_e(k)表示e(k)的功率。。

在仿真环境下，

的值在双端对话时，接近于0，在单端对话时接近于1，且|ρ_me(k)|的值在双端对话时接近于1。因此，确定两个阈值T1(例如，接近0的0.19)和T2(例如接近1的0.9)。比较

与阈值T1，比较|ρ_me(k)|与阈值T2，当 $\left|{\mathrm{\&rho;}}_{m\hat{y}}\left(k\right)\right|<T1$ 且|ρ_me(k)|＞T2时，双端对话判断装置判断是双端对话；否则，双端对话判断装置判断是单端对话。但是，在这种方法中，在实际情况下，由于从双端对话改变为单端对话或从单端对话改变为双端对话可能经过不同的过渡时间，因此很难选择适当的阈值T1和T2来尽可能准确地判断双端对话。另外，由于这种双端对话判断装置未考虑噪声和回声路径非线性的影响，因此这种双端对话判断装置在扬声器-麦克风环境中包含噪声和回声路径的非线性的情况下性能将会降低。

因此，需要一种新的有效且准确地判断双端对话并进一步消除回声的方法和系统。

发明内容

根据本发明的一个方面提供一种在包括扬声器和麦克风的通信系统中消除回声的方法，包括：对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号；通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出；通过近端麦克风信号与估计的回声信号的差得到误差信号；计算误差信号的方差(σ_e ²)与估计的噪声信号的方差

计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)；以及比较判断因子(ξ)与预定阈值，当判断因子(ξ)小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

优选地，该判断因子 $\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|,$ c是常数值。

优选地，该判断因子 $0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|.$

优选地，该方法还可以包括：计算估计的回声信号的方差其中，该判断因子 $\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|.$

优选地，误差信号的方差(σ_e ²)、估计的噪声信号的方差

和/或估计的回声信号的方差

可以在整个频域上计算，或仅在低频上计算。

优选地，该判断因子(ξ)可以针对每一帧来计算，通过用N点快速傅立叶变换来将当前帧的误差信号、当前帧的估计的噪声信号、当前帧的估计的回声信号分别转换为相应的频域信号，并可以通过如下公式来计算计算误差信号的方差(σ_e ²)、估计的噪声信号的方差或估计的回声信号的方差

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right).$ 其中，σ_e ²(i)表示第i帧的误差信号的方差，

表示第i帧的估计的噪声信号的方差，

表示第i帧的估计的回声信号的方差，E_j(i)表示第i帧的误差信号的频域信号在频率j处的能量，Noise_j(i)表示第i帧的估计的噪声信号的频域信号在频率j处的能量，且

表示第i帧的估计的回声信号的频域信号在频率j处的能量，其中0.9＜λ＜1，且λ是实数，0＜P≤N/2-1，且P是正整数，P的值由所述通信系统的非线性决定。

优选地，在判断是双端对话的情况下，可以禁止所述回声估计处理所使用的回声估计系数的适应性。

根据本发明的另一方面，提供一种在包括扬声器和麦克风的通信系统中消除回声的系统，包括：噪声能量估计装置，对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号；回声估计装置，通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出；误差信号得到装置，通过近端麦克风信号与估计的回声信号的差得到误差信号；判断因子计算装置，计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差与估计的噪声信号的方差(σ_e ²)；以及双端对话判断装置，比较判断因子(ξ)与预定阈值，当判断因子(ξ)小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

优选地，所述判断因子计算装置可以计算该判断因子 $\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|,$ c是常数值。

优选地，所述判断因子计算装置可以计算该判断因子 $0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|.$

优选地，所述判断因子计算装置还可以：计算估计的回声信号的方差

并计算该判断因子 $\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|.$

优选地，所述判断因子计算装置可以在整个频域上计算，或仅在低频上计算误差信号的方差(σ_e ²)、估计的噪声信号的方差

和/或估计的回声信号的方差

优选地，所述判断因子计算装置可以针对每一帧来计算该判断因子(ξ)，通过用N点快速傅立叶变换来将当前帧的误差信号、当前帧的估计的噪声信号、当前帧的估计的回声信号分别转换为相应的频域信号，并可以通过如下公式来计算计算误差信号的方差(σ_e ²)、估计的噪声信号的方差或估计的回声信号的方差

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right).$ 其中，σ_e ²(i)表示第i帧的误差信号的方差，

表示第i帧的估计的噪声信号的方差，

表示第i帧的估计的回声信号的方差，E_j(i)表示第i帧的误差信号的频域信号在频率j处的能量，Noise_j(i)表示第i帧的估计的噪声信号的频域信号在频率j处的能量，且

表示第i帧的估计的回声信号的频域信号在频率j处的能量，其中0.9＜λ＜1，且λ是实数，0＜P≤N/2-1，且P是正整数，P的值由所述通信系统的非线性决定。

优选地，在所述双端对话判断装置判断是双端对话的情况下，可以禁止所述回声估计装置所使用的回声估计系数的适应性。

本发明新颖地且创造性地通过确定在通信系统中的相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)的判断因子(ξ)与预定阈值是否相近来判断是否是双端对话，并可以进一步在双端对话的判断时考虑到非线性回声的影响来消除非线性回声的高频影响，使得更准确地判断是否是双端对话，从而可以在判断是双端对话的情况下，禁止回声估计处理/装置(例如自适应滤波方法/装置)所使用的回声估计系数(例如自适应系数)的适应性，从而更准确地消除回声。

附图说明

图1描述应用了根据本发明的消除回声的系统的通信系统的示意图。

图2描述根据本发明的消除回声的方法的流程图。

图3描述应用了现有技术中消除回声的系统的通信系统的示意图。

具体实施方式

下面参考附图来详细地描述本发明。

参考图1，图1描述应用了根据本发明的消除回声的系统的通信系统的示意图。

该通信系统包括扬声器和麦克风，和消除回声的系统1。该消除回声的系统1包括：噪声能量估计装置11，对近端麦克风信号m(k)进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号v(k)、可能的背景噪声信号n(k)、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号y(k)；回声估计装置12，通过将远端语音信号经过回声估计处理得到估计的回声信号其中该远端语音信号从扬声器输出；误差信号得到装置13，通过近端麦克风信号与估计的回声信号的差得到误差信号e(k)；判断因子计算装置14，计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)；以及双端对话判断装置15，比较判断因子(ξ)与预定阈值，当判断因子(ξ)小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

上述装置11-15已经可以实现判断双端对话的效果了。除以上装置11-15以外，该消除回声的系统1还可以包括：远端语音信号检测装置16(未示出)，检测从扬声器输出的远端语音信号x(k)；近端麦克风信号接收装置17(未示出)，从麦克风接收近端麦克风信号m(k)。如果远端语音信号检测装置16未检测到远端语音信号或近端麦克风信号接收装置17没有接收到近端麦克风信号，则双端对话判断装置15也可以直接判断不是双端对话。另外，还可以在所述双端对话判断装置15判断是双端对话的情况下，禁止所述回声估计装置所使用的回声估计系数的适应性，从而更准确地消除回声。

具体地，从扬声器发出的远端语音信号x(k)经过回声路径h(例如，几乎不变的房间脉冲响应h)，再由麦克风接收得到回声信号y(k)，k是时间索引(time index)。因此，实际的回声信号y(k)可以由如下公式(3)得到：

y(k)＝h^Tx    公式(3)

其中，h＝[h₀h₁....h_L-1]^T，x＝[x(k)x(k-1)....x(k-L+1)]^T，L是回声路径的长度，h₀h₁......h_L-1为脉冲响应系数(impulse response coefficients)。

但是，很难检测出实际的回声信号，因此通常采用例如自适应滤波器的回声估计装置12来估计回声路径并生成估计的回声信号具体地，例如，回声估计装置12的回声估计函数(例如，自适应滤波器的自适应滤波函数)为因此，估计的回声信号

通过将远端语音信号经过回声估计处理得到估计，即可以由如下公式(4)得到：

$y\left(k\right)={\hat{h}}^{T}x$ 公式(4)

由于从麦克风输入的近端麦克风信号m(k)可能包括近端语音信号v(k)、背景噪声信号n(k)、回声信号y(k)，因此，近端麦克风信号接收装置17接收到的近端麦克风信号m(k)可以由以下公式(5)得到：

m(k)＝y(k)+v(k)+n(k)公式(5)

因此，误差信号e(k)通过近端麦克风信号m(k)与估计的回声信号

的差得到，误差信号得到装置13可以通过以下公式(6)得到误差信号e(k)：

$e\left(k\right)=m\left(k\right)-\hat{y}\left(k\right)=m\left(k\right)-{\hat{h}}^{T}x$ 公式(6)

由于背景噪声信号n(k)很难实际检测，因此，通常使用噪声能量估计装置11进行噪声能量估计来生成估计的噪声注意，在现有技术中，有很多估计噪声的方法和装置，在此不赘述。

如此，如果没有近端语音信号，仅有远端语音信号，即在单端对话的情况下，近端语音信号v(k)近似于(或等于)0，因此，误差信号e(k)与估计的噪声

应该基本相当，例如近似于相等。

可以通过例如计算误差信号e(k)的方差σ_e ²与估计的噪声

的方差

来确定两者是否相当，例如是否近似于相等。当然，也可以采用其他方法来判断误差信号e(k)与估计的噪声

是否基本相当，例如通过计算误差信号的能量和估计的噪声的能量。

在根据本发明的实施例中，可以、但不限于通过以下公式(7)来计算误差信号e(k)的方差σ_e ²：

${\mathrm{\&sigma;}}_e^2=E\left[{\mathrm{ee}}^T\right]$

$=E\left[(m\left(k\right)-{\hat{h}}^{T}x){(m\left(k\right)-{\hat{h}}^{T}x)}^T\right]$ 公式(7)

$=E\left[(h^{T}x+v\left(k\right)+n\left(k\right)-{\hat{h}}^{T}x){(h^{T}x+v\left(k\right)+n\left(k\right)-{\hat{h}}^{T}x)}^T\right]$

$=E\left[((h^T-{\hat{h}}^T)x+v\left(k\right)+n\left(k\right)){((h^T-{\hat{h}}^T)x+v\left(k\right)+n\left(k\right))}^T\right]$

其中，E[*]表示数学期望。

由于远端语音信号x(k)、近端语音信号v(k)和噪声信号n(k)通常是相互独立的，因此，上述公式(7)可以改写成以下公式(8)：

${\mathrm{\&sigma;}}_e^2=E\left[(h^T-{\hat{h}}^T){\mathrm{xx}}^T(h-\hat{h})\right]+E\left[v^2\right]+E\left[n^2\right]$ 公式(8)

$=(h^T-{\hat{h}}^T)R_{\mathrm{xx}}(h-\hat{h})+{\mathrm{\&sigma;}}_v^2+{\mathrm{\&sigma;}}_n^2$

其中，R_xx＝[xx^T]，且σ_v ²表示近端语音信号v(k)的方差。

注意，在现有技术中，有很多现有的方法和装置来计算估计的噪声信号的方差

因此，在此不赘述。

当近端语音信号v(k)近似于(或等于)0、即没有近端语音信号时，也就是说，在单端对话的情况下，近端语音信号v(k)的方差σ_v ²近似于(或等于)0，上述公式(8)中的误差信号的方差σ_e ²应该相当于(或近似于、等于)估计的噪声信号的方差

因此，如果双端对话判断装置15确定误差信号的方差σ_e ²相当于估计的噪声信号的方差

判断不是双端对话，而是单端对话，否则，判断是双端对话。

双端对话判断装置15确定误差信号的方差σ_e ²相当于估计的噪声信号的方差

是否相当来判断是否是双端对话的一种实施例可以包括：双端对话判断装置15通过比较误差信号的方差σ_e ²和估计的噪声信号的方差

并在两者的绝对差值小于预定阈值的情况下判断不是双端对话，否则，判断是双端对话。

在本发明的一个实施例中，可以通过如下公式(9a)定义如下用于判断是否是双端对话的判断因子ξ：

$\mathrm{\&xi;}=|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|$ 公式(9a)

在另一实施例中，可通过仿真找出一个常数值，将前述两个方差的绝对差值

乘上该常数值c，再与预定阈值进行比较。若该绝对差值乘上该常数值c的值小于预定阈值，则双端对话判断装置15判断不是双端对话，否则判断是双端对话。因此，可以通过如下公式(9b)定义如下判断因子ξ：

$\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|$ 公式(9b)

或者，双端对话判断装置15确定误差信号的方差σ_e ²相当于估计的噪声信号的方差

是否相当来判断是否是双端对话的另一种实施例还可以包括：通过将误差信号的方差σ_e ²和估计的噪声信号的方差

的差与估计的回声信号的方差

的绝对比值与预定阈值相比较，在该比值小于预定阈值的情况下，判断不是双端对话。在这种实施例中，通过用误差信号的方差σ_e ²和估计的噪声信号的方差的差除以估计的回声信号的方差得到误差信号的方差σ_e ²和估计的噪声信号的方差的差与估计的回声信号的方差

的相对值，从而能够更准确地确定误差信号的方差σ_e ²和估计的噪声信号的方差

是否相当。也就是说，可以在误差信号的方差σ_e ²和估计的噪声信号的方差

的差较大时，通过除以也可能相对较大的估计的回声信号的方差

从而得到相对稳定的值，这样可以更便于设置预定阈值，从而得到更准确的判断。

具体地，可以通过如下公式(9c)定义如下判断因子ξ：

$\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|$ 公式(9c)

其中σ_e ²表示误差信号的方差，

表示估计的噪声信号的方差，表示估计的回声信号的方差。因此，如果ξ接近于0，则双端对话判断装置15可以判断不是双端对话，否则双端对话判断装置15判断是双端对话。具体地，如果ξ小于一预定阈值，则双端对话判断装置15可以判断不是双端对话，否则双端对话判断装置15判断是双端对话。

在另一个实施例中，双端对话判断装置15确定误差信号的方差σ_e ²相当于估计的噪声信号的方差

是否相当来判断是否是双端对话的另一种实施例还可以包括：通过将估计的噪声信号的方差

和误差信号的方差σ_e ²的比值与预定阈值相比较。因为误差信号包含噪声信号，所以估计的噪声信号的方差和上述的误差信号的方差σ_e ²的比值会介于0和1之间。可以通过如下公式(9d)定义如下判断因子ξ：

$0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|$ 公式(9d)

当只有远端信号而没有近端信号(即，不是双端对话)时，则

接近1，因此判断因子ξ接近于0。而当有近端信号时，则

可能会低于1，因此判断因子ξ会不接近于0。因此可以通过仿真，来找出预定阈值，在该判断因子ξ小于预定阈值的情况下，判断不是双端对话。

从上述公式(9a)到(9d)可知，本发明所指涉的判断因子ξ是和误差信号的方差σ_e ²和估计的噪声信号的方差相关。

另外，本领域技术人员知道，实际的回声信号的方差σ_y ²可以由以下公式(10)得到：

${\mathrm{\&sigma;}}_y^2=E\left[{\mathrm{yy}}^T\right]$

$=E\left[h^T{\mathrm{xx}}^{T}h\right]$ 公式(10)

$=h^T{R}_{\mathrm{xx}}h$

而且， ${\widehat{\mathrm{\&sigma;}}}_y^2={\hat{h}}^T{R}_{\mathrm{xx}}\hat{h}$ 公式(11)

因此，公式(9c)中的判断因子ξ可以被改写成：

$\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|$

$=\left|\frac{(h^T-{\hat{h}}^T)R_{\mathrm{xx}}(h-\hat{h})+{\mathrm{\&sigma;}}_v^2+{\mathrm{\&sigma;}}_n^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{h^T{R}_{\mathrm{xx}}h}\right|$ 公式(12)

这进一步说明了，当近端语音信号不存在时，即上述公式(12)中的σ_v ²接近于或等于0，h^T接近于

h接近于

σ_n ²接近于

因此，公式(9a)-(9c)中的

的值应该接近于0，即可以判断不是双端对话；否则判断是双端对话。

下面讨论如何计算误差信号的方差σ_e ²、估计的噪声信号的方差

估计的回声信号的方差

可以在时域上计算、也可以在频域上计算误差信号的方差σ_e ²、估计的噪声信号的方差

估计的回声信号的方差本发明着重讨论如何在频域上计算。可以针对每一帧来计算判断因子ξ。

首先可以定义，

$E\left(i\right)={[E_0\left(i\right)E_1\left(i\right)....E_{N-1}\left(i\right)]}^T\stackrel{\mathrm{\&Delta;}}{=}\mathrm{FFT}\left[e\left(\mathrm{iM}\right)\right]$ 公式(13)

$N\left(i\right)={[{\mathrm{Noise}}_0\left(i\right){\mathrm{Noise}}_1\left(i\right)....{\mathrm{Noise}}_{N-1}\left(i\right)]}^T\stackrel{\mathrm{\&Delta;}}{=}\mathrm{FFT}\left[n\left(\mathrm{iM}\right)\right]$ 公式(14)

$\hat{Y}\left(i\right)={[{\hat{Y}}_0\left(i\right){\hat{Y}}_1\left(i\right)....{\hat{Y}}_{N-1}\left(i\right)]}^T\stackrel{\mathrm{\&Delta;}}{=}\mathrm{FFT}\left[\hat{y}\left(\mathrm{iM}\right)\right]$ 公式(15)

其中，i表示帧索引号，M表示帧的大小，且N表示快速傅立叶变化的窗口大小，且FFT[*]表示用重叠来进行加窗快速傅立叶变化(windowed fastFourier transform)。

E(i)，N(i)，

为一维的矩阵，其中斜体E_j(i)表示经过FFT变换之后的在频率分量j处的能量。N点FFT变换之后会生成N点输出，用E(i)来表示第i帧数据的误差信号的N点FFT变换的输出，同理N(i)和用来表示第i帧数据的估计的噪声信号和估计的回声信号的N点FFT变换的输出。

在本发明的一个具体实施例中，M可以是80，N可以是128。当然，M、N的值绝不限于此。

上述公式中的e(iM)、n(iM)、

可以分别通过如下公式来计算，k为时间索引，当让iM取代k代入公式后，则表示e(iM)、n(iM)、

以M点为间隔。(即一帧的数据)：

$e\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}{[e\left(k\right)e(k-1)....e(k-N+1)]}^T,*{[w\left(0\right)w\left(1\right)....w(N-1)]}^T$ 公式(16)

$n\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}{[n\left(k\right)n(k-1)....n(k-N+1)]}^T,*{[w\left(0\right)w\left(1\right)....w(N-1)]}^T$ 公式(17)

$\hat{y}\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}{[y\left(k\right)y(k-1)....y(k-N+1)]}^T,*{[w\left(0\right)w\left(1\right)....w(N-1)]}^T$ 公式(18)

其中，“.*”表示点乘。w(0)...w(N-1)为窗函数，本领域技术人员知道，在时域转换为频域之前，可以在时域信号上添加的窗函数，例如海宁窗(hanning window)。

可以通过指数递归加权算法来计算误差信号的方差σ_e ²、估计的噪声信号的方差

估计的回声信号的方差具体地，计算公式如下：

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{j=\frac{N}{2}-1}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$ 公式(19)

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{j=\frac{N}{2}-1}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$ 公式(20)

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{j=\frac{N}{2}-1}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right)$ 公式(21)

其中，0.9＜λ＜1，0＜＝j＜＝N-1。

E_j(i)即为误差信号的第i帧数据经过N点FFT变换之后，其在j点的能量大小。同理，Noise_j(i)，

为估计的噪声信号和估计的回声信号的第i帧数据经过N点FFT变换之后，其在j点的能量大小。

如此，可以计算得到误差信号的方差σ_e ²、估计的噪声信号的方差

估计的回声信号的方差

从而计算出上述判断因子ξ。

从公式(19)-(21)可以看出，可以在j等于0到(N/2-1)的频域范围内(也就是，整个频域的范围内)对E_j(i)，Noise_j(i)，分别求和来分别计算当前帧的误差信号的能量、估计的噪声信号的能量以及估计的回声信号的能量。

但是，在大多数实际移动电话应用、电话会议等的通信系统中，通常用最大的电压来驱动扬声器，从而加大扬声器的音量，这样会引起扬声器的饱和输出，导致了非线性的现象。这种非线性的现象公知为谐波失真，即产生大量的谐波分量。也就是说，通常，在进行数模转换从扬声器输出之前的远端语音信号的主要频率是低频的(例如450Hz)，而在远端语音信号经过扬声器输出并从麦克风接收的情况下，所接收的近端麦克风信号中除了噪声的影响以外的信号多处了其他高频的分量，例如900Hz、1350Hz、2250Hz、3150Hz等。而传统地，作为回声估计装置12的一个例子的线性自适应滤波器可以估计线性的回声，因此，通常的误差信号得到装置11通过将近端麦克风信号减去经过线性自适应滤波器估计的回声信号，可以消除线性回声，也就是说，可以消除处于例如频率450Hz的回声，但并不能消除非线性回声，例如处于频率900Hz、1350Hz、2250Hz、3150Hz等的回声。一般，处于频率f的扬声器信号会影响处于频率2f、3f等处的残留的回声信号，也就是说，残留的非线性回声信号一般处于高频域。越是高频区域，由于多个低频分量的谐波分量在高频区域的叠加，因此谐波分量的影响越大。因此，这些残留的高频非线性回声对双端对话判断造成了很不好的影响。

因此，本发明人在计算当前帧的误差信号的能量、估计的噪声信号的能量以及估计的回声信号的能量时做了进一步的改进，可以只对低频区域的频率分量进行计算，忽略高频部分中被谐波分量影响较大的区域，使得减少或消除了残留的高频非线性回声对双端对话判断的影响。具体地，可以将上述公式(19)、(20)、(21)分别改写为：

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$ 公式(22)

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$ 公式(23)

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right)$ 公式(24)

其中，0＜P＜N/2-1。P的值可以由通信系统的非线性来决定。也就是说，原来的能量计算中，0＜j＜N/2-1覆盖了所有频率区间(例如，在采样率为8000Hz的情况下，频率区间为0～4000Hz)，而在改进后的能量计算中，0＜j＜P，且0＜P＜N/2-1，只对低频区域的频率分量进行计算。如此，可以减少或消除了残留的高频非线性回声对双端对话判断的影响，使得双端对话的判断更加准确，从而可以更好地进行回声消除。

下面，参考图2来描述根据本发明的消除回声的方法的流程。

首先，在步骤S11中，对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号。

在步骤S12中，通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出。

在步骤S13中，通过近端麦克风信号与估计的回声信号的差得到误差信号。

在步骤S14中，计算误差信号的方差(σ_e ²)与估计的噪声信号的方差

在步骤S15中，计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)。

在步骤S16中，比较判断因子(ξ)与预定阈值以确定该判断因子(ξ)是否小于预定阈值，当判断因子(ξ)小于预定阈值，则在步骤S17中判断不是双端对话，否则，则在步骤S18中判断是双端对话。

至此，该方法结束。

在该方法中，可以预先检测要从扬声器输出的远端语音信号或从麦克风接收近端麦克风信号，如果未检测到远端语音信号或未接收到近端麦克风信号，则可以直接判断不是双端对话。这样，可以进一步加快判断的速度。

在该方法的步骤S15中，当计算判断因子ξ时，可以计算该判断因子 $\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|,$ c是常数值。

在该方法的步骤S15中，也可以计算该判断因子 $0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|.$

在该方法的步骤S15中，还可以通过计算计算估计的回声信号的方差

来计算该判断因子 $\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|.$

误差信号的方差(σ_e ²)、估计的噪声信号的方差

或估计的回声信号的方差

可以在整个频域上计算，或仅在低频上计算，且该判断因子(ξ)可以针对每一帧来计算。

可以通过用N点快速傅立叶变换来将当前帧的误差信号、当前帧的估计的噪声信号、当前帧的估计的回声信号分别转换为相应的频域信号，并通过如下公式来计算计算误差信号的方差(σ^e2)、估计的噪声信号的方差

或估计的回声信号的方差

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right),$ 其中，σ_e ²(i)表示第i帧的误差信号的方差，

表示第i帧的估计的噪声信号的方差，

表示第i帧的估计的回声信号的方差，E_j(i)表示第i帧的误差信号的频域信号在频率j处的能量，Noise_j(i)表示第i帧的估计的噪声信号的频域信号在频率j处的能量，且表示第i帧的估计的回声信号的频域信号在频率j处的能量，其中0.9＜λ＜1，且λ是实数，0＜P≤N/2-1，且P是正整数。而且，P的值可以由通信系统的非线性特性决定，也可以手动或依经验设置。

总之，误差信号的方差、估计的噪声信号的方差、估计的回声信号的方差的计算方法可以使用上述例举的方法，也可以使用其他已知方法。在此不赘述。而要与判断因子相比较的预定阈值也可以根据判断因子的计算方法，通过仿真、经验、或手动设置。

在通过本发明的系统和方法判断出是双端对话的情况下，现有技术中通常通过禁止作为回声估计装置12的一个实施例的自适应滤波器(或回声估计步骤中使用)的系数的适应性来得到在双端对话的情况下的正确的回声估计路径，从而正确地估计出回声并消除回声。在现有技术中有很多估计回声的方法和系统，在此不赘述。

如此，本发明的消除回声的方法和系统新颖地且创造性地通过确定在通信系统中的相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)的判断因子(ξ)与预定阈值是否相近来判断是否是双端对话，并可以进一步在双端对话的判断时考虑到非线性回声的影响来消除非线性回声的高频影响，使得更准确地判断是否是双端对话，从而可以在判断是双端对话的情况下，禁止回声估计处理/装置(例如自适应滤波方法/装置)所使用的回声估计系数(例如自适应系数)的适应性，从而更准确地消除回声。

注意，本领域技术人员理解，上述方法的步骤可以按照时间顺序进行，或不按照时间顺序进行，也可以分离地、或并行地进行。而上述装置也可以表示硬件实体装置、软件模块、固件等，且可以被分离为更多的装置、或组合为更少的装置。

另外，本领域技术人员应该理解，在所附权利要求或其等同物的范围内，可以基于设计需要和其他因素进行各种修改、组合、子组合和变更。

Claims (14)

1.一种在包括扬声器和麦克风的通信系统中消除回声的方法，包括：

对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号；

通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出；

通过近端麦克风信号与估计的回声信号的差得到误差信号；

计算误差信号的方差(σ_e ²)与估计的噪声信号的方差

计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)；以及

比较判断因子(ξ)与预定阈值，当判断因子(ξ)小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

2.根据权利要求1所述的方法，其中，该判断因子 $\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|,$ c是常数值。

3.根据权利要求1所述的方法，其中，该判断因子 $0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|.$

4.根据权利要求1所述的方法，还包括：

计算估计的回声信号的方差

其中，该判断因子 $\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|.$

5.根据权利要求4所述的方法，误差信号的方差(σ_e ²)、估计的噪声信号的方差

和/或估计的回声信号的方差

在整个频域上计算，或仅在低频上计算。

6.根据权利要求5所述的方法，其中，该判断因子(ξ)针对每一帧来计算，通过用N点快速傅立叶变换来将当前帧的误差信号、当前帧的估计的噪声信号、当前帧的估计的回声信号分别转换为相应的频域信号，并通过如下公式来计算计算误差信号的方差(σ_e ²)、估计的噪声信号的方差

或估计的回声信号的方差

${\mathrm{\&sigma;}}_e^2\left(i\right)=\mathrm{\&lambda;}{\mathrm{\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right),$ 其中，σ_e ²(i)表示第i帧的误差信号的方差，

表示第i帧的估计的噪声信号的方差，

表示第i帧的估计的回声信号的方差，E_j(i)表示第i帧的误差信号的频域信号在频率j处的能量，Noise_j(i)表示第i帧的估计的噪声信号的频域信号在频率j处的能量，且

表示第i帧的估计的回声信号的频域信号在频率j处的能量，其中0.9＜λ＜1，且λ是实数，0＜P≤N/2-1，且P是正整数，P的值由所述通信系统的非线性决定。

7.根据权利要求1所述的方法，其中，在判断是双端对话的情况下，禁止所述回声估计处理所使用的回声估计系数的适应性。

8.一种在包括扬声器和麦克风的通信系统中消除回声的系统，包括：

噪声能量估计装置，对近端麦克风信号进行噪声能量估计处理以得到估计的噪声信号，其中该近端麦克风信号包括可能的近端语音信号、可能的背景噪声信号、可能的远端语音信号从扬声器输出并被麦克风接收的回声信号；

回声估计装置，通过将远端语音信号经过回声估计处理得到估计的回声信号，其中该远端语音信号从扬声器输出；

误差信号得到装置，通过近端麦克风信号与估计的回声信号的差得到误差信号；

判断因子计算装置，计算判断因子(ξ)，其中该判断因子(ξ)相应于误差信号的方差

与估计的噪声信号的方差(σ_e ²)；以及

双端对话判断装置，比较判断因子(ξ)与预定阈值，当判断因子(ξ)小于预定阈值，则判断不是双端对话，否则，判断是双端对话。

9.根据权利要求8所述的系统，其中，其中，所述判断因子计算装置计算该判断因子 $\mathrm{\&xi;}=c\&CenterDot;|{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2|,$ c是常数值。

10.根据权利要求8所述的系统，其中，所述判断因子计算装置计算该判断因子 $0\&le;\mathrm{\&xi;}=1-\left|\frac{{\widehat{\mathrm{\&sigma;}}}_n^2}{{\mathrm{\&sigma;}}_e^2}\right|.$

11.根据权利要求8所述的系统，其中，所述判断因子计算装置还：

计算估计的回声信号的方差

并计算该判断因子 $\mathrm{\&xi;}=\left|\frac{{\mathrm{\&sigma;}}_e^2-{\widehat{\mathrm{\&sigma;}}}_n^2}{{\widehat{\mathrm{\&sigma;}}}_y^2}\right|.$

12.根据权利要求11所述的系统，所述判断因子计算装置在整个频域上计算，或仅在低频上计算误差信号的方差(σ_e ²)、估计的噪声信号的方差

和/或估计的回声信号的方差

13.根据权利要求12所述的系统，其中，所述判断因子计算装置针对每一帧来计算该判断因子(ξ)，通过用N点快速傅立叶变换来将当前帧的误差信号、当前帧的估计的噪声信号、当前帧的估计的回声信号分别转换为相应的频域信号，并通过如下公式来计算计算误差信号的方差(σ_e ²)、估计的噪声信号的方差或估计的回声信号的方差

${\mathrm{\&sigma;}}_e^2\left(i\right)={\mathrm{\&lambda;\&sigma;}}_e^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{E}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_n^2\left(i\right)={\mathrm{\&lambda;}\widehat{\mathrm{\&sigma;}}}_n^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\mathrm{Noise}}_j\left(i\right)$

${\widehat{\mathrm{\&sigma;}}}_y^2\left(i\right)=\mathrm{\&lambda;}{\widehat{\mathrm{\&sigma;}}}_y^2(i-1)+(1-\mathrm{\&lambda;})\underset{j=0}{\overset{P}{\mathrm{\&Sigma;}}}{\hat{Y}}_j\left(i\right),$ 其中，σ_e ²(i)表示第i帧的误差信号的方差，

表示第i帧的估计的噪声信号的方差，

表示第i帧的估计的回声信号的方差，E_j(i)表示第i帧的误差信号的频域信号在频率j处的能量，Noise_j(i)表示第i帧的估计的噪声信号的频域信号在频率j处的能量，且

表示第i帧的估计的回声信号的频域信号在频率j处的能量，其中0.9＜λ＜1，且λ是实数，0＜P≤N/2-1，且P是正整数，P的值由所述通信系统的非线性决定。

14.根据权利要求8所述的系统，其中，在所述双端对话判断装置判断是双端对话的情况下，禁止所述回声估计装置所使用的回声估计系数的适应性。

Images