CN1118179C

CN1118179C - 回声排除装置

Info

Publication number: CN1118179C
Application number: CN96106065A
Authority: CN
Inventors: 井上晃
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1995-03-09
Filing date: 1996-03-09
Publication date: 2003-08-13
Anticipated expiration: 2016-03-09
Also published as: EP0731593B1; KR100415525B1; TW286467B; DE69631708T2; EP0731593A2; JP3381112B2; US5737409A; MY117594A; JPH08251081A; CN1157522A; DE69631708D1; EP0731593A3; KR960036375A

Abstract

一种回声排除装置。从终端送到扬声器的扬声器输出信号X(k)被发送到分支系数估计电路的平滑功率值计算电路中，在那里求出一个作为平方和平滑输入信号功率Px(k)并将其发送到分支系数更新电路。利用平滑输入信号功率Px(k)，分支系数更新电路更新滤波电路的分支系数。滤波电路对扬声器输出信号X(k)滤波以输出一个被送到减法器的伪回声信号，在减法器中，它从麦克风收集的麦克风输入信号中被减去。

Description

回声排除装置

技术领域

本发明涉及一种回声排除装置，并且特别涉及一种用来减少在产生的声音从一个扬声器回绕到一个小型声音产生通信终端，例如一个移动电话，的麦克风时所引起的回声的回声排除装置。

背景技术

随着小型声音产生通信终端，例如移动电话，体积的缩小，在产生的声音从声音产生接收扬声器回绕到声音产生发送麦克风时，它所引起的回声的影响变得很重要。为了排除声音在发送器/接收器上回绕时所产生的回声，一个如图1所示的回声排除装置或回声消除器被采用。

参照图1，一个终端11接收一个从一个通信方发送到一个扬声器12的扬声器输出信号x(k)，其中K表示离散信号的一个样本数或一个时间位置。随着从一个滤波电路15向减法器14提供一个伪回声信号，一个由麦克风13收集并被转换成一个电信号的麦克风输入信号Y(k)被提供。减法器从麦克风输入信号中减去伪回声信号以形成一个合成的回声减少信号或一个残留回声信号e(k)，它被提供给一个输入端16。在移动电话中，扬声器12和麦克风13一般相互距离很近。

一个滤波电路15由一个所谓的有限冲激响应(FIR)滤波器构成。该滤波器电路具有它的滤波系数或被一个分支系数估计电路17控制的tap系数。该分支系数估计电路根据作为输入信号的扬声器输出信号x(k)或根据作为输出信号的残留回声信号e(k)利用合适的自适应算法，顺序地更新该滤波器的分支系数。对于自适应算法，所谓的学习识别方法或归一化最小均方(LMs)方法被广泛应用。

对于滤波器分支数L，如果作为一个滤波器分支输入信号的扬声器输出信号用如下一个矢量表示

X(k)＝(x(k)，x(k-1)，...，x(k-L+1))并且该滤波器分支系数用如下矢量表示

\hat{H} (k) = ({\hat{h}}_{0} (k), {\hat{h}}_{1} (k), . . ., {\hat{h}}_{L - 1} (k))

则用如下等式将分支输入信号乘以一个分支系数，就由滤波电路15(FIR滤波器)获得了伪回声信号：

\hat{y} (k) = Σ_{i = 0}^{L - 1} h_{i} (k) x (k - i) - - - - - - - (1)

这个伪回声信号被从麦克风输入信号y(k)中减去以得到用如下等式表示的残留回声信号e(k)：

e (k) = y (k) - \hat{y} (k)

它表示回声减少输出信号或一个回声消除器输出信号。分支系数估计电路17根据残留回声信号e(k)和分支输入信号X(k)估计和更新分支系数。

图2表示一个采用了用上面提到的归一化LMS方法作为分支系数估计电路17的算法的例子。

参照图2，分支系数估计电路17由一个平方和计算电路18和一个分支系数更新电路19组成。平方和计算电路18根据扬声器输出信号的分支输入，即X(k)＝(x(k)，x(k-1)，...，x(k-L+1))计算平方和

{| | X (k) | |}^{2} = Σ_{i = 0}^{L - 1} X {(k - i)}^{2} - - - - - - (2)

这个平方和等于输入信号功率。利用这个平方和，残留回声信号e(k)和分支输入信号X(k)，分支系数更新电路19将分支系数更新到由等式(3)所确定的值：

\hat{H} (k + 1) = \hat{H} (k) + \frac{μe (k) X (k)}{{| | X (k) | |}^{2}} - - - - - - - (3)

其中μ是一个常数，0＜μ＜2。由等式(3)可知，每个分量表示如下：

{\hat{h}}_{i} (k + 1) = {\hat{h}}_{i} (k) + \frac{μe (k) X (k - 1)}{{| | X (k) | |}^{2}} - - - - - (4)

其中i＝0，1，....，L。

到滤波器的分支输入信号X(k)是一个产生的声音信号，并且通常是一个具有一个音调周期结构的周期函数，如图3所示。如果取样频率是8KHz，则所产生的男声和女声的音调周期分别是50至90个取样值和20至35个取样值。从而，如果滤波器分支数L不足以大于音调周期的取样值数，则通过等式(2)与图3的a或b范围相联系的输入信号功率将如图4所示被显著地改变。

如果输入信号功率以这种方式产生有效变化，则通过等式(3)更新的分支系数产生波动，从而达不到稳定的回声排除特性。

这就产生了一系列难题，例如，就一个排除声音从移动电话的扬声器12回绕到麦克风13时产生的回声的小型回声排除装置而论，其滤波器分支数是50或更少。

发明内容

因此，本发明的一个目的是提供一种回声排除装置，它能抑制输入信号功率波动以保证稳定的回声排除特性或回声消除特性。

根据本发明，提供一种回声排除装置，用来排除将声音从声音产生装置回绕到与声音产生装置邻近安置的声音收集装置时所产生的回声。该回声排除装置包括用来输出一个伪回声信号，并估计一个来源于供给声音产生装置的产生声音信号的回声分量和回绕到所述收集装置的回声分量的滤波器装置，用来从收集装置供给的被收集信号中减去滤波器供给的伪回声信号的减法装置，以及利用所产生的声音信号的平滑模型来估计和更新滤波器装置的滤波系数的滤波系数估计装置。

该滤波系数估计装置利用对产生的声音信号的前N个取样值中的L个取样值求出的平均功率，其中L是滤波器装置的分支数，N是大于L的数。

该滤波系数估计装置使用过去产生的声音信号的指数平滑平方和作为平滑值。

通过在滤波器估计过程中采用一个平滑值，防止了滤波器系数或分支系数被抑制，从而达到了稳定的回声排除或回声消除特性。

附图说明

图1是一个表示传统回声排除装置的布置的简略方块图。

图2是表示图1所示的回声排除装置中采用的一个tap系数估计电路实例的方块图。

图3表示一个输入信号的音调周期和一个输入信号功率的计算范围之间的关系。

图4表示在滤波器分支较少时输入信号功率的波动方式。

图5是一个表示本发明的回声排除装置的布置的简略方块图。

图6说明了一个输入信号功率的平滑过程。

图7是表示图1所示的回声排除装置的分支系数估计电路实例的电路方块图。

图8表示回声消除特性。

具体实施方式

参照附图，下面将详细说明本发明的实施例。

图5表示依据本发明的回声排除装置的一个实施例。

向终端11提供一个扬声器输出信号x(k)，作为从通信对方向作为声音产生装置的扬声器12发送的产生声音信号。随着一个从滤波电路15向作为回声排除装置的减法器14提供的伪回声信号，一个麦克风输入信号y(k)被提供，该信号被与作为声音产生装置的扬声器12相邻近的收集装置麦克风13收集并被转换成一个电信号。减法器14从麦克风输入信号y(k)中减去伪回声信号以形成一个合成的回声减小信号或一个残留回声信号e(k)，它被提供给一个输入端16。

本发明回声排除装置作为一个例子被用做移动电话的声音产生通信终端。在该回声排除装置中，扬声器12和麦克风13相互靠近被布置成一个移动电话的手机。

滤波电路15由一个所谓的有限冲激响应(FIR)滤波器构成。该滤波器电路具有其滤波系数和分支系数，该分支系数由一个作为滤波器系数估计装置的分支系数估计电路20控制。该分支系数估计电路通过一个合适的用扬声器输出信号x(k)作为回声排除装置的一个输入信号或用残留回声信号e(k)作为一个输出信号的自适应算法，顺序更新该滤波器的分支系数。对于此自适应算法，一个所谓的学习识别方法或一种归一化最小均方(LMS)方法被广泛应用。

分支系数估计电路20由一个平滑功率值计算电路21和一个分支系数更新电路22构成。平滑功率值计算电路21产生一个平滑输入信号功率Px(k)作为发音信号的平滑模型，即一个作为回声排除装置输入信号的扬声器输出信号x(k)的平滑值，取代了现有系统中的L个分支的取样平方和。来自平滑功率值计算电路21的平滑输入信号功率Px(k)被提供给分支系数更新电路22。分支系数更新电路22根据一些相应于扬声器输出信号x(k)的分支数L的矢量X(k)＝(x(k)，x(k-1)，....，x(k-L+1))，残留回声信号e(k)和来自平滑功率值计算电路21的平滑输入信号功率Px(k)来更新分支系数。

也就是说，在学习识别方法的算法中，如果等式(3)分母中的平方和是

\hat{H} (k - 1) = \hat{H} (k) + \frac{Ie (k) X (k)}{{| | X (k) | |}^{2}} - - - - - - - (3)

就足够了，其中E[|x(k)|²]是|x(k)|²的期望值，等式(3)是现有技术系统更新系数的等式：

‖X(k)‖²＝L*E[|x(k)|²]，

因此，通过如此确定等式(3)的分母，一个用后面所述方法平滑的输入信号功率代替了原有的多个扬声器输出信号x(k)或L个输入信号的平方和，消除了输入信号级中的波动。

图6表示了一个平滑的输入信号功率的实例，其中曲线a，b分别表示作为等式(3)分母的平方和的输入信号功率和作为平滑输入信号功率的平滑输入信号功率Px(k)。由图6可知，经平滑，有波动的曲线a的平方和没有了波动，如曲线b所示。

利用平滑输入信号功率Px(k)，通过如下等式完成分支系数更新电路22对分支系数的更新：

\hat{H} (k + 1) = \hat{H} (k) + \frac{μe (k) X (k)}{P_{x} (k)} - - - (5)

通过等式(5)计算的分支系数没有波动。

用这种方式，通过平滑输入信号功率并采用该输入信号功率或平滑输入信号功率Px(k)，才可能阻止在估计分支系数时由于波动导致的不良影响，达到稳定的回声排除特性或回声消除特性，尽管作为输入信号功率的平方和由于分支数较小而有所波动，从而不能保证稳定的回声消除特性。此时，估计分支系数所需的处理音量依次等于现有技术中的学习识别方法所需的处理音量。

下面，将对图5所示实施例的分支系数估计电路20中的平滑功率值计算电路21的最佳结构进行说明。

在平滑功率值计算电路21的一个结构举例中，为了排除输入信号功率中的波动，通过对过去输入信号的N个平方和中的L个平方和取均值来计算作为回声排除装置生成声音信号的扬声器输出信号x(k)的功率，其中N＞L，取代了计算过去输入取样的L个平方和。

此时平滑输入信号功率Px(k)确定于：

P_{x} (k) = \frac{L}{N} Σ_{i = 1}^{N - 1} {| X (k - i) |}^{2} - - - - - (6)

它等于对输入信号的前N个取样的平方和的L个取样求均值或标准值。由等式(6)求出的平滑输入信号功率Px(k)被代入等式(5)以从当前的分支系数估计和更新下一个分支系数。

在平滑功率值计算电路21的第二结构举例中，通过指数平滑求出平滑输入信号功率Px(k)。通过图7说明此实施例。

在第二实施例中，平滑输入信号功率Px(k)由等式(7)求出：

P_{x} (k) = Σ_{i = 0}^{\infty} λ^{i} {| X (k - i) |}^{2} - - - - - (7)

其中λ是一个常数，0＜λ＜1。等式(7)计算的平滑输入信号功率Px(k)是在一个时间常数1/(1-λ)下进行指数平滑的前输入信号取样的平方和。实际上，等式(7)可用如下递推公式表示：

P_x(k)＝λP_x(k-1)+|X(k)|² ....(8)

在图7中，向分支系数估计电路20的平滑功率值计算电路21提供扬声器输出信号x(k)，作为回声排除装置个输入信号。一个平方值计算电路23求出一个被送到加法器24的平方值|x(k)|²。加法器24的一个输出通过一个一次取样延迟元件25和一个系数乘法器26反馈到加法器24。该加法器24输出一个平滑输入信号功率Px(k)。即，一次取样延迟元件25向系数乘法器26输出一个延迟了一个取样的平滑输入信号功率Px(k-1)，在系数乘法器26中，它被乘以λ得到λPx(k-1)。这个λPx(k-1)值通过加法器与|x(k)|²相加，求得等式(8)的平滑输入信号功率Px(k)。加法器24输出的平滑输入信号功率Px(k)被提供给分支系数更新电路22。

分支系数更新电路22利用来自平滑功率值计算电路21的平滑输入信号功率Px(k)计算公式(5)，以更新滤波电路15的分支系数。

同时，给出等式(5)的分支系数矢量的各个分量：

{\hat{h}}_{i} (k + 1) = {\hat{h}}_{i} (k) + \frac{μe (k) X (k - 1)}{P_{x} (k)}, (i = 0,1, . . ., L - 1) - - - - - (9)

图8表示利用第二实施例的算法估计分支系数的回声排除装置的回声消除特性(曲线a)和用传统算法得到的回声消除特性(曲线b)。在图8所示实施例中，使用了一个分支数等于40的自适应滤波器。

图8上纵坐标所表示的回声消除特性ERLE决定于：

ERLE &equiv; 10 \log_{10} \frac{input echo power}{residual echo power}

= {10 \log}_{10} \frac{E [{| | y (k) | |}^{2}]}{E [{| | e (k) | |}^{2}]} - - - - - - - (10)

并且值越大，特性越好。等式(10)中的E[]是一个在括号[]中保存期望值的函数。

由图7可知，该回声排除装置展示了比现有技术更稳定，更令人满意的回声消除特性。

此外，该回声排除装置的分支系数估计只需要传统学习识别方法所采用算法的一半处理音量。

因此，本回声排除装置更便于应用到带有数十个分支的自适应滤波器的移动式电话中。

本发明不应受上述实施例的限制。例如，它可用于除移动电话外的各种声音产生通信终端。声音产生装置和收集装置不仅限于扬声器或麦克风，而且除FIR滤波器外，可以采用各种自适应滤波器作为滤波器装置。此外，可以采用各种自适应算法来估计滤波器系数，而不限于学习识别方法。

Claims

1.一种回声排除装置，用来排除在产生的声音从声音产生装置旋转到与声音产生装置相邻的声音收集装置时所产生的回声，其特征在于，包括：

滤波器装置，用来输出一个伪回声信号，并估计一个供给声音产生装置的产生声音信号的回声分量，所述回声分量回绕到所述收集装置；

减法装置，用来从所述收集装置供给的被收集信号中减去所述滤波器供给的伪回声信号；以及

滤波器系数估计装置，它利用所产生的声音信号的平滑模型来估计和更新所述滤波器装置的滤波系数。

2.如权利要求1所述的回声排除装置，其特征在于，所述滤波系数估计装置利用一个对产生的声音信号的前N个取样中的L个取样求出的平均功率，其中L是所述滤波器装置的分支数并且N是大于L的数。

3.如权利要求2所述的回声排除装置，其特征在于，所述滤波器系数估计装置使用一种学习识别方法估计滤波器的分支系数，并且对产生声音信号的前N个平方和中的L个平方和求出的均值在通过学习识别方法估计分支系数所用的等式中被用作平方和的值。

4.如权利要求1所述的回声排除装置，其特征在于，所述滤波器系数估计装置使用一个过去产生的声音信号的指数平滑平方和作为平滑值。

5.如权利要求4所述的回声排除装置，其特征在于，所述滤波器系数估计装置使用一种学习识别方法估计滤波器的分支系数，当前平滑输入信号功率Px(k)由等式

Px(k)＝λPx(k-1)+|X(k)|²求出，x(k)是产生的声音信号的当前取样，Px(k-1)是当前取样前一个取样的平滑值且入是一个系数，0＜λ＜1，其中平滑值Px(k)在通过学习识别方法估计分支系数所用的等式中，被用作平方和的值。