CN1199519A - 自适应回声消除方法 - Google Patents

Abstract

一种自适应回声消除方法,该方法判定输入信号的长时平均(12)和同一信号的短时平均(14),并且如果短时平均(14)低于(24)长时平均,则制止自适应滤波器的修正。

Description

自适应回声消除方法

技术领域

该发明涉及一种自适应回声消除方法，其中在信噪比低的场合，回声消除器的自适应被制止。

发明背景

在具有长延迟的电话系统中，例如，类似于数字蜂窝系统的长距离通话或使用长处理延迟的电话系统中，回声是一个涉及感知语音质量的问题。回声产生于PSTN(公共电话交换网)/用户接口中四线到两线的转换处。为了消除该回声，通常为长距离通信在转送交换机处和为蜂窝应用在移动服务切换中心中处提供回声消除器。

由于回声消除器的位置的缘故，它被做成为自适应的；在PSTN中，同一回声消除器被用于多个不同的用户。由于传输网络的非固定特性，例如相移，三方呼叫等，使得这种自适应不仅在不同呼叫之间，而且在每一个呼叫过程之中都是必要的。

这种滤波器自适应过程的一个问题是，如果输入信号降低到接近背景噪声的电平，该滤波器可能会发散。为了防止滤波器在背景噪声电平与信号电平可比的情况下发散，已经建议[1]当输入信号的功率低于一个给定阈值时禁止对滤波器的修正。为了克服与使用固定阈值相关的问题，在[1]中阈值被定为是自适应的。[1]中的方法基于输入信号功率和背景噪声电平的比较。如果回声功率(输入信号功率-回声路径衰减ERL)小于背景噪声电平加上一个1到5dB的差额后的值，自适应被制止。

所描述方法的一个问题是其对回声路径衰减ERL准确估计的依赖。如果估计到一个大的ERL值，自适应可能被完全禁止。因此，滤波器系数被冻结，并且，假设ERL根据滤波器系数被估计出，那么将不会找到新的ERL估计值。如果回声产生系统的特性现在发生改变，滤波器将不能适应新的情况。因此，[1]中建议的方法就太保守了，即在应该避免禁止滤波器修正的情况下，还是禁止了滤波器的修正。

发明概要

该发明的一个目标是给出一种自适应回声消除方法，其中仅当绝对需要时，才在信号与背景噪声比例低的场合，回声消除器的自适应被制止。

该目标由权力要求1的特征来实现。

附图简要描述

通过下面结合附图进行的描述，该发明，以及其进一步的目标和优点可以被更好的理解。其中：

图1是一个回声产生系统的方框图。

图2是一个回声消除系统的方框图。

图3是回声消除器输入信号功率时域图。

图4是根据该发明方法的优选实施方案的流程图。

优选实施方案的详细描述

图1图解说明了电话系统中的回声产生过程。通过两线线路，在下述中被称为远端用户的用户A被连接到一个混合电路(象该技术领域中已知的一样，混合电路形成了四线和两线连接之间的接口)。同样的，通过两线线路，在下述中被称为近端用户的用户B被连接到另一个混合电路。两线线路传送流入和流出的语音信号两者。通过图1中上部的两线线路，来自远端用户A的流出语音被传送的近端用户B。同样的，通过图1中下部的两线线路，来自近端用户B的流出语音被传送的远端用户A。然而，用户B到用户A的下部两线线路还包括来自用户A的流出语音的回声，对于该回声，用户B处的混合电路无法将之完全抑制。同样的，图1中上部两线线路包括了来自用户B的流出语音的回声。

图2图解说明了返回到用户A的回声是怎样在近端一边(在远端也安装了同样的装置)被消除的。输入信号x(n)表示来自用户A的语音，其中n表示离散时间。输入信号x(n)被混合电路衰减(该衰减由回声路径衰减ERL(ERL＝回声返回损耗)表示)，并且将所产生的回声信号s(n)与近端信号v(n)组合，该组合可能包括、也可能不包括近端语音。这样，所产生的输出信号y(n)包括近端信号和来自远端信号的回声这两者。此外，输入信号x(n)也被前送到一个自适应滤波器，该滤波器通过调节其滤波器系数(典型的滤波器长度是512个系数)来模拟混合电路的脉冲响应。所产生的回声信号s(n)的估计由(n)表示。该估计值被从输出信号y(n)中减去，所产生的误差信号e(n)被前送到自适应滤波器用于调整滤波器系数，并被前送到返回远端用户A的两线线路上。

回声s(n)常常使用FIR模型(有限脉冲响应)来模拟，并通过归一化最小均值平方(NLMS)方法来判定估计值(n)(例如见[2])。对于时不变信号，可以证明对于NLMS方法中的常数步长u，稳态误调整，即估计回声误差的功率E[(n)-s(n)]²等于(例如见[2]) $E{(\hat{S}\left(n\right)-S\left(n\right))}^2=\frac{\mathrm{\μ}}{2-\mathrm{\μ}}E{v}^2\left(n\right)----\left(1\right)$

其中Ev²(n)是近端噪声v(n)(在没有语音的时期内来自近端用户B的信号)的方差。然而，估计值(n)中的误差是缘于估计的FIR系数{b_k}中的误差的。这些FIR系数误差可以由公式(2)来近似(基于[2]中的公式(45)) $E{(\widehat{b_k}-b_k)}^2\≈\frac{\mathrm{\μ}}{2-\mathrm{\μ}}\·\frac{1}{N}\·\frac{{\mathrm{Ev}}^2\left(n\right)}{E{x}^2\left(n\right)}----\left(2\right)$

其中N是滤波器长度。假设滤波器已经收敛到一个稳定状态，滤波器系数的方差由(2)给出。现在，如果输入信号x(n)的功率下降，(2)会产生一个增加的滤波器系数的稳态方差，并且滤波器会发散。如果x(n)的功率又增加了，滤波器会再收敛，但是在滤波器已经再收敛之前，估计误差E[(n)-s(n)]²可能会变得出乎意料的高。因此，为了防止在具有非稳态输入信号特性的情况下，估计误差急剧上升，对滤波器的修正过程采用某种控制是需要的。

图3以时域图的形式图解说明了上面描述的情形。图3中的曲线1表示了输入信号x(n)的输入功率Rx。在这种情况下，信号较强并远远在噪声电平NL(没有近端语音的v(n))之上，噪声由图3中的点划线表示。这种情况下，即使在曲线的谷值处滤波器也将收敛。然而，如果噪声电平NL和信号之间的距离被缩小，这种缩小或者是由于图3中曲线2表示的较低信号功率的缘故，或者是由于较高的噪声电平NL的缘故，滤波器将会在这些谷值处发散。如同上面提到的，为了克服这一问题，[1]中描述的方法比较输入信号x(n)的功率和背景噪声电平NL。在差额为1到5dB的情形下，如果回声s(n)的功率小于背景噪声电平，那麽滤波器的自适应被制止。即 $\frac{R_x}{\mathrm{ERL}}<C\&CenterDot;\mathrm{NL}----\left(3\right)$

其中ERL表示回声路径衰减的估计，C是一个不变的安全差值(在范围1到5dB内)。

上面所描述方法的一个问题是它对回声路径衰减ERL准确估计的依赖性。如果估计到一个大的ERL值，自适应可能会被完全禁止。因为，对于所有的输入信号电平，Rx/ERL可能远远低于C^*NL。因此，滤波器系数被冻结，并且，假设ERL被估计为滤波器系数的平方和，那么将不会形成新的ERL估计值。因此条件(3)太保守了。滤波器将以一种自适应死锁而终止。举例来说，这可能是与图3中曲线3相似的输入信号的情况，该信号完全位于虚线ERL+NL+C之下。(ERL.NL.C以dB表示)

根据该发明，解决这一问题的基本思想是通过比较x(n)功率的短时平均Rx^sta和长时平均Rx^lta来控制滤波器的修正。如果短时平均低干长时平均，则滤波器自适应被禁止。

这种基本思想可以被公式化为如下：如果公式(4)成立，则自适应被禁止。 $R_x^{\mathrm{sta}}<\max (\mathrm{\&gamma;}{R}_x^{\mathrm{lta}},D)----\left(4\right)$

其中D是一个预定义常数(例如为-45dB的数量级)用来在低输入功率和低噪声电平期间禁止自适应。其中r由公式(5)给出。 $\mathrm{\&gamma;}=\min (\mathrm{\&alpha;},\frac{\mathrm{ERL}\&CenterDot;\mathrm{NL}}{R_x^{\mathrm{lta}}})----\left(5\right)$

常数a(＞0)保证滤波器的自适应从来都不会被完全禁止(当ERL的估计值很大时，a将在等式(5)中被选择，因为在这种情况下a将小于ERL·NL/Rx^lta)。通过选择a≈1(例如0.95)，滤波器至少在输入信号x(n)的短时平均Rx^sta超过长时平均Rx^lta时被修正。

根据该发明的方法在曲线3中被图解说明，短的双向箭头线Rx^sta表示短时平均，双向箭头线的长度表示平均值在其上形成的时间间隔(典型值为60-70毫秒)。同样的，标有Rx^lta的双向箭头线表示长时平均，计算该平均值所用的时间间隔通常在大小上至少比用于计算短时平均的时间段长一个数量级，例如4秒的数量级。这样，只有最近的样本被用于计算短时平均，而很大数量的样本被用于计算长时平均。如同可以从图中看到的，在采样瞬时n的短时平均超过了在同一时刻的长时平均(t轴之上的距离表示对应的平均值)。这样，在这种情形下(曲线3，采样瞬时n)该发明将允许滤波器修正，而根据以前技术的方法则禁止滤波器的修正。

现在根据该发明方法的一种优选实施方案将参考图4中的流程图加以描述。在步骤10，输入信号x(n)的下一个样本被收集。在步骤12，一个包括新样本的新的长时平均Rx^lta被计算出。同样的，在步骤14，一个包括新样本的新的短时平均Rx^sta被计算出。在步骤16，根据上面的(5)式计算出r。在步骤16，根据上面(4)式中右手边的关系式计算出参考电平R。在步骤20，将短时平均与参考值比较，如果短时平均小于参考电平，在步骤24禁止滤波器修正。否则，在步骤22对滤波器进行修正。此后，算法返回到步骤10来收集下一个样本。

在该发明的一个简化实施方案中，D可以被置为0，这对应于-∞(无穷)dBm0或背景噪声为0。在这种情况下，(4)式的右手边将总是等于γRx^lta。

该技术领域的技术人员将会明白，在不偏离附带权利要求定义的该发明的思想和范围的情况下，可以对该发明做各种修改和改变。

参考文献

[1]WO93/09608，诺基亚无线电通讯OY

[2]D.T.M Slock＂LMS和归一化LMS算法的收敛性＂IEEETransactions on Signal Processing，41(9)：2811-2825，September 1993

Claims (8)

1.一种自适应回声消除方法，其中在信号与背景噪声比例低的场合，回声消除器的自适应被制止，该方法包括判定所述场合的回声路径衰减值(ERL)和噪声电平估计值(NL)的步骤，其特征在于以下步骤：

判定所述回声消除器的输入信号x(n)最近样本的长时平均值(Rx^lta)；

判定所述输入信号x(n)最近样本的短时平均值(Rx^sta)；

如果所述的短时平均值小于所述的长时平均值与一个预定因子(r)的乘积和一个第一预定常数(D)之间的最大值，那么制止所述回声消除器的自适应。

2.权利要求1的方法，其特征在于所述的预定因子为(a)，(b)中的最小值

(a)第二预定常数(α)和

(b)所述噪声电平估计值和所述回声路径衰减估计值的乘积除以所述长时平均值(Rx^lta)。

3.权利要求2的方法，其特征在于所述的第一预定常数对应于-45dBm0数量级的背景噪声电平。

4.权利要求2或3的方法，其特征在于所述的第二预定常数近似为1。

5.权利要求4的方法，其特征在于所述的第二预定常数等于0.95。

6.任何一个前述权利要求的方法，其特征在于所述的短时平均值在数量级为60-70毫秒的时间段上形成。

7.任何一个前述权利要求的方法，其特征在于所述的长时平均值在数量级为4秒的时间段上形成。

8.权利要求2的方法，其特征在于所述第一预定常数等于0，这对应于为零的背景噪声。

Images