CN1914819B - 利用干扰电平控制步长的回声消除器 - Google Patents

Abstract

一种回声消除方法，包括以下步骤：a)接收第一信号和第二信号，所述第二信号包括第一信号的回声，b)通过利用有限冲击响应滤波器对所述第一信号进行滤波，来产生回声副本信号，所述有限冲击响应滤波器利用滤波器系数矢量产生回声副本信号，c)通过从第二信号减去所述回声副本信号来产生消除了回声的信号，d)确定第二信号内的干扰度量，e)根据所述干扰度量确定步进矢量，其中增大所述干扰度量将连续地减小步进矢量的大小，并且f)利用所述步进矢量更新滤波器系数矢量。

Description

利用干扰电平控制步长的回声消除器

本发明涉及一种回声消除方法和一种回声消除装置。

如果用户线路的接收路径和发送路径之间存在耦合，则在通信系统中总是存在能够觉察到的回声。由于这一耦合，而使一个用户接收到的信号被发送回另一个用户，从而导致回声，即该另一个用户会注意到它自己的信号的延迟版本。回声使通信的可分辨性严重下降，特别是在延迟很大的情况下。因此，需要提供能够在本地自动消除回声的方法和装置。

由于回声产生的方式不同，所以我们可以区分声回声和电回声。声回声源自实际通信终端的扬声器和麦克风之间的声耦合，所述实际通信终端例如为用于电话会议系统或者视频会议系统的免提电话机。电回声是在所谓的″二-四线″混合电路中产生的，所述混合电路实现一个用户终端和双线电话线路之间的连接，所述用户终端例如为无绳电话系统的基站。因为技术原因，这些混合电路不能理想地隔离发送路径和接收路径。因此，一部分发送信号泄漏到接收路径中，并且表现为电气线路回声。

图1示出一种根据现有技术的线路回声消除器(LEC)。线路回声消除器LEC适用于消除二-四线线路接口中混合阻抗失配产生的回声。

图2示出一种根据现有技术的声回声消除器(AEC)。扬声器产生的声信号通过声回声路径反射到麦克风。声回声消除器AEC的任务是抑制反射到麦克风中的信号。

这两种回声消除器都包括自适应滤波器以及控制电路。自适应滤波器必须匹配两个节点SNDout和RCVin之间的回声。SNDin构成产生回声信号的基准信号。将基准信号送入到回声消除器中。从回声消除器输出的信号被称为SNDout。给信号命名的上述方式应该避免与常用概念″远端信号″和″近端信号″相混淆。

数模转换器(D/A转换器)将数字信号SNDout转换成模拟信号，通过回声路径所述模拟信号被部分地反射到接收路径中。模数转换器(A/D转换器)将来自另一方同时包括回声信号的接收信号转换成被称为RCVin的数字信号。自适应滤波器必须产生对应于包含在RCVin中的回声信号的信号。减法器(+/-)从信号RCVin中减去自适应滤波器所产生的信号。因此产生只有剩余回声分量的信号RCVout。将该误差信号用于提高自适应滤波器的性能，并相应地改变滤波器。控制单元跟踪所有回声消除器节点的信号，并导出进一步的控制信号(图1和图2中的短虚线)，以迅速地影响自适应过程，甚至在声回声消除器的情况下在自适应滤波器以后控制衰减开关。对于声回声消除，这些额外的措施是必需的，因为必须限制自适应滤波器所需要的高的滤波器阶数(high filter order)(注意，室内声音的混响时间通常在20～200毫秒的范围内)不超过一个最大值，以便使这一努力保持在合理的限度内。

通常，有限冲击响应滤波器(FIR滤波器)用作自适应滤波器。FIR滤波器可以用输入基准信号矢量

与系数矢量的卷积来描述。针对特定数量的连续输入值对输入信号进行采样。这些值构成输入基准信号矢量

按照以下方式计算FIR滤波器输出的信号：

$Y={\stackrel{\→}{h}}^T\·\stackrel{\→}{x}---\left(1\right)$

Y表示标量。Y是在不同的时间点k的连续输出。因此，可以将公式(1)重新写成以下形式：

$Y\left(k\right)=\stackrel{\→}{h}{\left(k\right)}^T\·\stackrel{\→}{x}\left(k\right)---\left(2\right)$

在每个采样周期k中，用矢量增量连续不断地更新滤波器系数矢量

通用自适应公式是：

$\stackrel{\→}{h}(k+1)=\stackrel{\→}{h}\left(k\right)+\mathrm{\Δ}\stackrel{\→}{h}\left(k\right)---\left(3\right)$

步进矢量(step vector)

的模

决定了算法的稳定性和自适应速度。最常用、最有代表性的自适应算法是最陡下降法。步进矢量的方向对应于平方误差信号的实际负斜率。如果均方误差信号的斜率是0，也就是说均方误差信号达到最小值，则得到了最优系数矢量。

用以下公式定义归一化的最小均方算法(NLMS算法)：

$\mathrm{\Δ}\stackrel{\→}{h}\left(k\right)=e\left(k\right)\·\frac{1}{{\left|\right|\stackrel{\→}{x}\left(k\right)\left|\right|}^2}\·\stackrel{\→}{x}\left(k\right)---\left(4\right)$

e(k)表示在时间点k回声和滤波器输出(回声副本)之间的实际误差。归一化，即除以

从输入基准信号的功率中消除了对步进矢量Δh的依赖性。

减法电路(+/-)之后的误差信号e(k)对应于输出信号RCVout。没有任何干扰的情况下，误差信号e(k)对应于剩余回声信号。这假设信号RCVin仅仅包括回声信号。如果输入信号RCVin是回声信号和另一个信号的叠加，则误差信号e(k)就不是FIR滤波器误差的正确副本。这种情况的普通表述是“通话重叠”。

在图2的声回声消除器AEC中，如果在扬声器正在发出声音的时候一个人对着麦克风说话，则会出现所述回声信号和另一个噪声信号的叠加。输入麦克风的信号是回声信号和说话者声音的叠加。在通话重叠过程中必须抑制滤波器系数矢量

的自适应。回声副本滤波器(FIR滤波器)在通话重叠的情况过程中起作用，但是在通话重叠期间不更新滤波器系数矢量

如果在通话重叠期间回声特性(回声路径)不改变，则FIR滤波器的输出是回声信号的良好表示。可以从构成回声信号与说话者发出的干扰声音的叠加的输入信号中减去回声信号。在这种情况下说话者的语音信号不会明显地变差。

图3示出传统的回声消除器，在通话重叠期间，它为禁止更新滤波器系数矢量提供信号。FIR滤波器在图3中被称为回声副本滤波器。用于更新滤波器系数矢量的装置在图3中被称为滤波器系数更新。NLMS表示归一化的最小均方算法。这是在前一段中提出的算法。SI代表信号输入，SO代表信号输出。可以假设输出信号由SO表示的扬声器输出。可以假设由麦克风来记录输入信号RI。输入信号RI是回声信号和扰乱的干扰信号的叠加。PWF代表前置白化滤波器。滤波器PWF仅仅是任选的，可以在不涉及前置白化滤波器PWF的情况下，对回声消除器的功能进行说明。IPW代表逆前置白化滤波器。

通过前置白化滤波器将信号输入SI提供给回声副本滤波器(FIR滤波器)，现在可以忽略其效果。回声副本滤波器(FIR滤波器)产生回声副本，即输出信号，将它从信号RI中减去。得到的信号是RO。如果回声副本正确并且在RI上没有叠加任何扰乱的干扰信号，则RO应该收敛为零。提供控制电路，无论什么时候检测到通话重叠，它都要禁止滤波器系数更新。Y(k)是回声副本滤波器在时刻k的输出采样。SI(k)是提供给回声副本滤波器的基准信号输入采样。回声副本滤波器的输出等于：

$Y\left(k\right)=\stackrel{\→}{h}{\left(k\right)}^T\·\stackrel{\→}{\mathrm{SI}}\left(k\right)=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}h\left(i\right)\·\mathrm{SI}(k-i)---\left(5\right)$

常数N对应于系数的个数，相应于FIR滤波器的滤波器长度。图3中的减法电路(+/-)的信号输出等于误差信号RO(k)

RO(k)＝RI(k)-Y(k)                                     (6)

步进矢量由以下公式确定：

$\mathrm{\Δ}\stackrel{\→}{h}\left(k\right)=\mathrm{\α}\left(m\right)\·\mathrm{RO}\left(k\right)\·\frac{1}{{\left|\right|\stackrel{\→}{\mathrm{SI}}\left(k\right)||}^2}\·\stackrel{\→}{\mathrm{SI}}\left(k\right)---\left(7\right)$

α是一个控制参数，其用于控制由实施的算法预先确定的稳定范围之内的自适应速度。在公式(5)至(7)给出的算法的情况下，α必须在0到2的范围内。单独的控制算法控制参数α，其中相对于正常时间下标k(采样速率)，m是二次采样的时间下标。

经由电路STL和LTL将信号SI、RI和RO引导到控制电路，它们以不同的时间分辨率进行电平计算。电路STL分别对输入信号SI、RI和RO的幅度进行短期泄漏积分。电路LTL对它们的输入信号进行长期泄漏积分，并且还通过控制块的内部状态对其进行控制。

在预定时间段内的信号积分可以通过计算信号在这个时间窗口内的平均值来实现。如果在这个时间窗口之前或之后的信号值不应该对平均值起作用，则通过在预定时间段内值为1而在其他时间段内值为0的滤波函数来进行滤波或卷积。但是也可以采用除上述方盒函数(box function)之外的其他函数。

在模拟域，可以将对信号x(t)的幅度进行泄漏积分的运算符定义为：

$L\_x\left(t\right)=\underset{0}{\overset{\∞}{\∫}}\left|x(t-\mathrm{\τ})\right|\·e^{-\mathrm{\α\τ}}\mathrm{d\τ}---\left(8\right)$

当α趋近于0时，泄漏积分变成|x(t)|的常规积分。e^-ατ具有这样的效果，即遥远过去的|x(t)|值不会对积分起明显的作用。长期和短期泄漏积分之间的差别仅仅由α的不同值来决定。短期泄漏积分具有大的α值。只有最近x(t)的值对积分起作用。

在离散域，泄漏积分导致递归模式

L_x(k)＝(1-β)·L_x(k-1)+β·|x(k)|                       (9)x可以是图3中的信号SI、RI或者RO。长期电平LL_SI、LL_RI和LL_RO分别表示信号SI、RI和RO的长期泄漏积分。短期电平L_SI、L_RI和L_RO分别表示信号SI、RI和RO的短期泄漏积分。代替对采样x(k)的绝对值进行泄漏积分(幅度电平)，可以对采样的平方x2(k)进行泄漏积分(功率电平)。图3所示的本地回声消除器的控制电路检测两种情况下的通话重叠。如果以下公式成立，则检测到第一种通话重叠情况：

L_SI(k)＜L_RI(k)·DBL_TH1                            (10)

解释如下：如果沿着回声路径电平L_RI大于从信号电平L_SI产生的最坏情况下的回声电平，则表明是第一种通话重叠情况。因此，停止滤波器系数更新。

通过以下公式进行对第二种通话重叠情况的检测：

$\frac{L\_\mathrm{RI}\left(k\right)}{L\_\mathrm{RO}\left(k\right)}<\frac{\mathrm{LL}\_\mathrm{RI}\left(m\right)}{\mathrm{LL}\_\mathrm{RO}\left(m\right)}\&CenterDot;\mathrm{DBL}\_\mathrm{TH}2.---\left(11\right)$

解释如下：如果为信号RI和RO之间的电流衰减的短期电平比

小于长期电平比

其应该是对自适应滤波器所取得的回声衰减的可靠估计，则表明是第二种通话重叠情况。因此，也禁止滤波器自适应。

如果只有第二种通话重叠情况保持较长时间，并且存在有效信号SI，则具有是回声路径改变而不是真实的通话重叠情况的可能性。这假定了长通话重叠是例外而不是惯例。在预定时间段之后(超时(timeout))，即使第二种通话重叠情况继续存在，也重新开始滤波器更新。或者，假定回声路径系统的改变。由于估计的回声衰减不再可靠，所以将长期电平LL_RI(m)和LL_RO(m)重新设置为当前短期电平L_RI(k)和L_RO(k)。

根据现有技术的用于检测通话重叠情况的算法有几个缺点。如果检测到通话重叠情况太迟，则滤波器系数矢量在误差信号的基础上变化相当长的时间，这完全是错误的。使滤波系数恶化，直到更新被阻止。于是在通话重叠的情况下，回声衰减或回声消除非常差。此外，即使通话重叠情况不再存在，也可以阻止滤波器系数矢量

的更新。在这种情况下，不进行对滤波器系数矢量的改善，尽管希望这样做。用于检测通话重叠情况的算法不是100％的可靠，因此常常错误地进行滤波器系数的自适应，效果是语音通信质量和清晰度差。

本发明的目的是提供一种回声消除方法和一种相应的回声消除装置，其克服了现有技术中的缺点。

这个问题是通过包括以下步骤的回声消除方法来解决的：

a)接收第一信号和第二信号，所述第二信号包括第一信号的回声，

b)通过利用有限冲击响应滤波器对第一信号进行滤波，来产生回声副本信号，所述有限冲击响应滤波器利用滤波器系数矢量产生回声副本信号，

c)通过从所述第二信号减去所述回声副本信号来产生消除了回声的信号，

d)确定第二信号内的干扰度量，

e)根据所述干扰度量确定步进矢量，其中增大干扰度量会连续地减小步进矢量的大小，以及

f)通过步进矢量更新滤波器系数矢量

根据现有技术的方法与根据本发明的方法之间的决定性差别在于以下事实：如果检测到通话重叠情况，不停止滤波器系数矢量

的自适应。或者确定一个干扰度量。可以将干扰度量看作是表示通话重叠情况的可能性。如果通话重叠很有可能，则干扰度量值就大，如果通话重叠不太可能，则干扰度量值就小。持续进行滤波器系数矢量

的自适应，但是根据通话重叠情况的可能性而使其慢下来。干扰度量的增大可以自动地减小步进矢量的大小。如果达到阈值，自适应不停止(硬开关)，而是持续地慢下来(软控制)。例如消除了回声的信号的电平突然升高可以用作干扰存在的标志。但是本发明的方法不是提供用于比较的阈值并整个停止自适应，而是根据干扰度量持续地减小步进矢量的大小。因此，在达到阈值之前，自适应过程作为一个整体对增大的干扰度量作出反应。不会由于检测到通话重叠情况太迟而发生回声消除性能严重下降的情况。

原则上，如果干扰度量增大，步进矢量的大小就减小，如果干扰度量减小，步进矢量的大小就增大。然而，步进矢量的增大优选受到上限的限制，该上限确保自适应的稳定性。因此在干扰的高电平期间自适应速度慢下来，而在干扰的低电平期间自适应速度增加。在通话重叠情况期间系数矢量

的变化应该最小，从而使回声消除不会严重恶化。

优选地通过以下方式来确定步进矢量：产生适合于改善滤波器系数矢量的第一步进矢量，就好像第二信号不会受到干扰的影响一样；根据所述干扰度量产生第二步进矢量；以及从第一和第二步进矢量选择步进矢量，其中选择具有最小尺寸的步进矢量。

可以根据常规的NLMS算法来进行第一步进矢量的产生。第二步进矢量的产生要考虑到干扰度量。如果干扰度量增大，第二步进矢量就持续减小。因此，如果通话重叠的可能性高，则第二步进矢量小于第一步进矢量。由于得到的步进矢量对应于第一和第二步进矢量中较小的那个，因此根据干扰度量的增大，步进矢量持续减小。相反，干扰度量的减小可以使第二步进矢量增大，风险是自适应速度太高，但是通过再一次使用第一和第二步进矢量中较小的那个，确保了自适应的稳定性。

如果第二步进矢量也比第一步进矢量小得多，即使没有干扰信号，则滤波器系数矢量的自适应速度也会明显变差。因此，优选以这种方式来确定第二步进矢量，即在第二信号内没有任何干扰的情况下，它应该基本上对应于第一步进矢量。

可以根据消除了回声的信号的电平来确定干扰度量。如果回声副本信号很好地对应于第一信号的回声，则消除了回声的信号的高电平是第二信号中存在干扰的标志。特定时间点的电平计算来自于在时间窗口内对信号采样幅度(幅度电平)或者信号采样的平方(功率电平)的积分。通过在时间上连续地进行该计算，向幅度或信号采样的平方施加平滑或低通滤波过程。可以利用例如FIR矩形窗口函数(正规短期积分)或者IIR指数窗口函数(按照公式9的泄漏短期积分)来进行滤波。在8kHz的采样率下，公式(9)中的因子β可以在2-5到2-7的范围内，这意味着4到16毫秒的时间常数。优选地短期电平泄漏积分的时间常数应该覆盖回声路径冲击响应的时间窗口。

优选地也利用全部或者总的回声回波损耗(ERL_T)确定干扰度量，所述回声回波损耗包括回声路径的回声回波损耗(ERL)以及回声消除器的回声回波损耗增强(ERLE)。高的回声回波损耗增强表示回声消除器性能良好。在没有干扰的情况下，自适应算法应该快速收敛，导致高的ERLE值。如果以后存在干扰，则高的ERLE值应该进一步减小步进矢量的大小。

可以通过同一时刻的两个信号的长期电平比来确定对回声回波损耗的估计，例如，通过第一信号和第二信号的长期电平比来确定对回声路径的回声回波损耗的估计，通过第二信号和消除了回声的信号的长期电平比来确定对回声回波损耗增强的估计，以及通过第一信号和消除了回声的信号的长期电平比来确定对全部或者总的回声回波损耗的估计。优选地根据是否存在通话重叠情况来确定对回声回波损耗的估计。如果回声消除进行得很好，则在通话重叠期间消除了回声的信号主要包括通话重叠干扰信号。因此，在通话重叠的情况下，这些比不表示回声衰减。优选在通话重叠期间尽可能地禁止直接从相应的长期电平来确定回声回波损耗。为此，对通话重叠进行检测，并且据此禁止回声回波损耗的计算。更进一步，在通话重叠的不同状态期间，利用恃殊泄漏因子来修改对回声回波损耗计算的估计，以将该估计拉到或者推向回声损耗更低的方向，从而避免在系统变化貌似(pretend)通话重叠情况的情况下长时间地阻止重新自适应。

可以同时使用总的回声回波损耗和消除了回声的信号的短期电平，以确定干扰度量。优选地干扰度量与消除了回声的信号的短期电平和总的回声回波损耗的乘积成比例。如果根据信号采样的幅度来进行所有的电平计算，则对干扰度量进行额外的平方。如果选择根据信号采样的平方进行功率电平计算，则可以将其跳过。按照这种思想，干扰度量的平方是进行变换(适配器)，以便对于第一和第二步进矢量的大小获得同样的单位。

消除了回声的信号的电平突然升高会迅速地减缓滤波器系数的自适应。对于实际达到的回声衰减这一效果变得越来越强。这意味着通话重叠情况的自动控制过程工作得越快、越可靠，滤波器衰减回声就越好。正是在这种情况下，如果通话重叠控制失败并且滤波器矢量恶化，则会丧失大量衰减。然而，例如为6dB的最小全部或总的回声损耗已经使通话重叠控制性能有了良好的起点。

下面将参考附图说明本发明的优选实施例。

图1示出线路回声消除装置的常规实施：

图2示出声回声消除装置；

图3示出根据现有技术的另一个回声消除器；

图4示出根据本发明的回声消除装置的第一实施例：

图5示出根据本发明的回声消除装置的第二实施例：

图6a示出被反射的基准信号和导致通话重叠情况的干扰信号：

图6b示出与常规回声消除装置的性能相比根据第二实施例的回声消除装置的性能曲线，其中关闭了第二实施例的前置白化滤波器和逆前置自化滤波器：

图6c示出与常规回声消除装置的性能相比第二实施例的回声消除装置的性能曲线，其中打开了前置白化滤波器和逆前置白化滤波器。

图4的回声消除装置包括有限冲击响应滤波器(FIR滤波器)、减法电路

系数更新电路、用于确定步进矢量

的装置(步进矢量电路)和干扰度量电路。FIR滤波器接收基准信号SI，其是在节点SO上的输出，并通过回声路径被反射到节点RI。信号RI等同于(constitute)回声信号和干扰信号的叠加，该干扰信号干扰自适应过程。FIR滤波器和减法电路的任务是消除信号阳中的回声信号，但是忽略干扰信号。减法电路的输出是消除了回声的信号RO。FIR滤波器将基准信号SI作为输入，并输出信号Y。通过以下公式计算回声副本信号Y：

$Y={\stackrel{\&RightArrow;}{h}}^T\&CenterDot;\stackrel{\&RightArrow;}{S}I$

如果不存在干扰信号，则回声副本信号Y收敛并且代表回声信号。消除了回声的信号RO应该趋近于0。将消除了回声的信号RO输入到干扰度量电路，该电路也接收信号SI。干扰度量电路通过将信号SI与消除了回声的信号RO进行比较来计算干扰度量。干扰度量表示消除了回声的信号RO受到干扰信号的影响有多强。将所计算的干扰度量输出到用于计算步进矢量的步进矢量电路。如果干扰度量增大，步进矢量

就逐渐减小。因此，如果干扰度量高，则使滤波器系数矢量的自适应慢下来。将步进矢量

输出到系数更新电路。系数更新电路计算滤波器系数矢量并且将新的滤波器系数矢量输出到FIR滤波器。FIR滤波器反过来利用新的滤波器系数矢量计算Y的下一个值。新的系数矢量

等于

图5示出本发明的第二实施例。图5中的回声副本滤波器对应于图4中的FIR滤波器。滤波器系数更新电路对应于结合在一起的图4中的步进矢量电路和系数更新电路。图4中的干扰电平电路对应于图5中的ERL电路和模选择电路。图5中的回声副本滤波器通过前置白化滤波器PWF接受干扰信号SI。前置白化滤波器是预矫滤波器，它升高语音信号的高频部分，以便改善回声消除装置的总的收敛性能。众所周知，回声消除算法对具有平坦频谱的训练信号(例如白噪声)表现得较好，升高给定的训练信号的频谱间隙是好的做法。前置白化滤波器的输出及其工作情况可以用以下公式来解释：

$\mathrm{PWF}\left(k\right)=\frac{g}{\mathrm{\&alpha;}}\&CenterDot;[x\left(k\right)+(\mathrm{\&alpha;}-1)\&CenterDot;x(k-1)]---\left(13\right)$

常数a是滤波器系数，g是前置白化滤波器的增益系数。x是输入到前置白化滤波器的信号，而PWF是前置白化滤波器的输出。PWF滤波器改善图5中的滤波器系数更新过程的性能，但它不是一个必需的组件。将PWF滤波器设置在回声副本滤波器的输入端，并且还利用前置白化滤波器对回声信号RI进行滤波。此外，在图5的电路中提供逆前置白化滤波器IPW。可以用以下公式来说明逆前置白化滤波器IPW：

$\mathrm{IPW}\left(k\right)=(1-\mathrm{\&alpha;})\&CenterDot;\mathrm{IPW}(k-1)+\frac{\mathrm{\&alpha;}}{g}\&CenterDot;x\left(k\right)---\left(14\right)$

通过逆前置白化滤波器发送消除了回声的信号，以便去除前置白化滤波器对消除了回声的信号的影响。

图5的回声消除装置还包括几个短期电平泄漏积分滤波器STL。将信号SI、RO和RI发送到短期电平泄漏积分滤波器STL。这些滤波器的工作情况可以用以下公式进行说明：

L_x(k)＝{L_x(k-1)+β_LP·[|x(k)|-L_x(k-1)]  if  [|x(k)|-L_x(k-1)]＞0

L_x(k)＝{{L_x(k-1)+β_LH·[|x(k)|-L_x(k-1)]                      (15)

另外x在上述公式中表示给短期电平泄漏积分滤波器的输入，因此，根据考虑的是哪一个滤波器，x可以等于SI、RI或RO。根据输入信号电平中的上升沿或下降沿，可以用不同的常数β来计算STL滤波器的输出。如果当前输入信号高于STL滤波器的前一个输出值，则使用β_LP。时间常数参数β的不同设置用于特别强调语音信号的开始。此外，图5包括几个长期泄漏积分滤波器LTL。按照以下公式以十取一的比率(decimated rate)来计算LTL滤波器的输出：

$\mathrm{LL}\_\mathrm{SI}\left(m\right)=\left\{\begin{array}{ccc}\mathrm{LL}\_\mathrm{SI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LL}}\&CenterDot;[L\_\mathrm{SI}\left(m\right)-\mathrm{LL}\_\mathrm{SI}(m-1)]& \mathrm{if}& \mathrm{state}=>\mathrm{adaptation}<\\ \mathrm{LL}\_\mathrm{SI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LLK}1}\&CenterDot;[L\_\mathrm{SI}\left(m\right)-\mathrm{LL}\_\mathrm{SI}(m-1)]& \mathrm{elseif}& \mathrm{state}=>\mathrm{DBL}\_1\mathrm{st}<\\ \mathrm{LL}\_\mathrm{SI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LLK}2}\&CenterDot;[L\_\mathrm{SI}\left(m\right)-\mathrm{LL}\_\mathrm{SI}(m-1)]& \mathrm{elseif}& \mathrm{state}=>\mathrm{DBL}\_2\mathrm{nd}<\\ \mathrm{LL}\_\mathrm{SI}(m-1)& \mathrm{else}& \mathrm{state}=>\mathrm{SI}\_\mathrm{inactive}<\end{array}\right.---\left(16\right)$

$\mathrm{LL}\_\mathrm{RI}\left(m\right)=\left\{\begin{array}{ccc}\mathrm{LL}\_\mathrm{RI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LL}}\&CenterDot;[L\_\mathrm{RI}\left(m\right)-\mathrm{LL}\_\mathrm{RI}(m-1)]& \mathrm{if}& \mathrm{state}=>\mathrm{adaptation}<\\ \mathrm{LL}\_\mathrm{RI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LLK}1}\&CenterDot;[\min (L\_\mathrm{RI}\left(m\right),\mathrm{LL}\_\mathrm{SI}\left(m\right))-\mathrm{LL}\_\mathrm{RI}(m-1)]& \mathrm{elseif}& \mathrm{state}=>\mathrm{DBL}\_1\mathrm{st}<\\ \mathrm{LL}\_\mathrm{RI}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LLK}2}\&CenterDot;[\min (L\_\mathrm{RI}\left(m\right),\mathrm{LL}\_\mathrm{SI}\left(m\right))-\mathrm{LL}\_\mathrm{RI}(m-1)]& \mathrm{elseif}& \mathrm{state}=>\mathrm{DBL}\_2\mathrm{nd}<\\ \mathrm{LL}\_\mathrm{RI}(m-1)& \mathrm{else}& \mathrm{state}=>\mathrm{SI}\_\mathrm{inactive}<\end{array}\right.---\left(17\right)$

$\mathrm{LL}\_\mathrm{RO}\left(m\right)=\left\{\begin{array}{ccc}\mathrm{LL}\_\mathrm{RO}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LL}}\&CenterDot;[L\_\mathrm{RO}\left(m\right)-\mathrm{LL}\_\mathrm{RO}(m-1)]& \mathrm{if}& \mathrm{state}=>\mathrm{adaptation}<\\ \mathrm{LL}\_\mathrm{RO}(m-1)+{\mathrm{\&beta;}}_{\mathrm{LLK}3}\&CenterDot;[\min (L\_\mathrm{RO}\left(m\right),\mathrm{LL}\_\mathrm{RI}\left(m\right))-\mathrm{LL}\_\mathrm{RO}(m-1)]& \mathrm{elseif}& \mathrm{state}=>\mathrm{DBL}\_2\mathrm{nd}\\ \mathrm{LL}\_\mathrm{RO}(m-1)& \mathrm{else}& \mathrm{state}=>\mathrm{SI}\_\mathrm{inactive}<\\ & \mathrm{or}& \mathrm{state}=>\mathrm{DEL}\_1\mathrm{st}\end{array}\right.---\left(18\right)$

LL_SI(m)代表图5中通过短期电平泄漏积分滤波器STL连接到基准信号SI的长期电平泄漏积分滤波器LTL的输出。LL_RI(m)代表通过短期电平泄漏积分滤波器STL连接到回声信号RI的长期电平泄漏积分滤波器LTL的输出。LL_RO(m)代表通过短期电平泄漏积分滤波器连接到消除了回声的信号RO的长期电平泄漏积分滤波器的输出。在图5中还提供了状态控制电路，其用于检测通话重叠情况。在以下公式中，第一种通话重叠情况由DBL_1st表示，第二种通话重叠情况由DBL_2nd表示。根据检测到的通话重叠状态来改变长期泄漏积分滤波器LTL的输出。因此，在图5中状态控制电路连接到长期泄漏积分滤波器。如果以下公式成立，则检测到第一种通话重叠情况DBL_1st：

$\frac{L\_\mathrm{SI}\left(k\right)}{L\_\mathrm{RI}\left(k\right)}<\frac{\mathrm{LL}\_\mathrm{SI}\left(m\right)}{\mathrm{LL}\_\mathrm{RI}\left(m\right)}\&CenterDot;\mathrm{DBL}\_\mathrm{TH}1\mathrm{then\; DBL}\_1\mathrm{st\; active}---\left(19\right)$

如果以下公式成立，则检测到第二种通话重叠情况DBL_2nd：

$\frac{L\_\mathrm{RI}\left(k\right)}{L\_\mathrm{RO}\left(k\right)}<\frac{\mathrm{LL}\_\mathrm{RI}\left(m\right)}{\mathrm{LL}\_\mathrm{RO}\left(m\right)}\&CenterDot;\mathrm{DBL}\_\mathrm{TH}2\mathrm{then\; DBL}\_2\mathrm{nd\; active}---\left(20\right)$

在图5中状态控制通话重叠不连接到滤波器系数更新。如果图5中的状态控制电路检测到两种通话重叠情况DBL_1st或者DBL_2nd中的一种，则滤波器系数更新不停止。DBL_TH1和DBLT_H2是常数，它们确定用于检测第一种和第二种通话重叠情况的阈值。

在图5中还示出了控制收敛速度并且监视自适应中断和发散的另一个控制单元。收敛或自适应速度控制块根据实际达到的回声衰减为自适应滤波器算法的自适应速度切换控制参数α(m)。在可编程的阈值处逐步地减小控制参数α(m)，以改善靠近最优滤波器系数的收敛行为。由于应该假设是突然的系统改变而不是通话重叠情况，所以在超时情况之后，必须避免非常长的但是实际上未必可能的第二通话重叠表示的持续时间，其带来可能长时间地阻止滤波器系数更新。在其中自适应滤波器甚至放大回声的发散检测以后，通过将所有滤波器系数重新设置为零来重新启动回声消除器。

由图5所示的ERL电路和模选择电路来计算干扰度量。ERL电路代表回声回波损耗电路。由以下公式给出模选择电路的输出：

$w_{\mathrm{norm}}\left(k\right)=\max [{\left|\right|\stackrel{\&RightArrow;}{\mathrm{SI}}\left(k\right)\left|\right|}^2,w\&CenterDot;{({\mathrm{ERL}}_T\left(m\right)\&CenterDot;L\_\mathrm{RO}\left(k\right))}^2]---\left(21\right)$

前一个公式表明，根据哪个值更大，要么选择等于

的第一个值，要么选择等于干扰度量的加权平方的第二个值。模选择公式电路接收前一个公式的第一个值

和第二个值，并且选择这些不同值中的那一个是用于滤波器系数更新的输出。由ERL电路计算前一个公式中的第二项，其包括变量w、ERL_T(m)和L_RO(k)。相对于正常时间下标k(采样速率)，m是二次采样时间下标。L_RO(k)是消除了回声的信号的短期电平，ERL_T(m)是长期电平LL_SI(m)和LL_RO(m)的电平比，其表示对总的获得的回声衰减(总的回声回波损耗)的估计，并且w是加权常数。

${\mathrm{ERL}}_T\left(m\right)=\frac{\mathrm{LL}\_\mathrm{SI}\left(m\right)}{\mathrm{LL}\_\mathrm{RO}\left(m\right)}---\left(22\right)$

在图5中利用以下公式来进行滤波器系数更新：

${\hat{h}}_i(k+1)={\hat{h}}_i\left(k\right)+\mathrm{\&alpha;}\left(m\right)\&CenterDot;\mathrm{RO}\left(k\right)\&CenterDot;\frac{1}{W_{\mathrm{norm}}\left(k\right)}\&CenterDot;\mathrm{SI}(k-i)---\left(23\right)$

如果由ERL电路计算干扰度量的加权平方小于则根据标准归一化的最小均方算法(NLMS)来进行系数更新。否则，通过从ERL电路输出的干扰度量的加权平方来进行对步长大小的控制，利用其更新滤波器系数。

模拟表明，在没有干扰的情况下，由ERL电路计算的干扰度量的加权平方主要对应于基准信号模因此，在没有通话重叠的情况下，在干扰的低电平期间的自适应速度对应于NLMS算法的自适应速度。

图5的回声消除装置与现有技术的回声消除装置之间的主要差别涉及通话重叠期间的不同控制。由图5中的状态控制电路实现的通话重叠表示不完全停止滤波器系数的自适应。由于通过长期电平LL_SI(m)和LL_RO(m)的稳固更新，它们确保对总的回声损耗的可靠估计，因此它们只具有间接的影响。ERL电路的输出以更强的方式包括越来越多的干扰信号，其通过加权模选择自动地作用于自适应速度。至少在系统明显地偏离实际达到的最佳状态之前，干扰信号的强上升电平几乎立即停止自适应。

图6a、6b和6c示出模拟例子，它们清楚地示出与图3的公知回声消除装置相比，图5的回声消除装置的增强和更好的性能。图6a示出基准信号SI和对应于图5和3中的扰动信号的干扰信号。这些信号用于测试图5和3的回声消除器的性能。由性能指示符SDIF(m)确定性能。由以下公式计算SDIF(m)：

$\mathrm{SDIF}\left(m\right)=-10{\log }_{10}\left[\frac{\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{[\hat{h}(m,i)-h\left(i\right)]}^2}{\underset{i=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{h}^2\left(i\right)}\right]---\left(24\right)$

h(i)代表回声路径的正确滤波器系数。代表FIR滤波器实际使用的滤波器系数。因此，SDIF是当前滤波器系数的平方误差的对数表示。

图6b和6c中的虚线表示图3的常规回声消除装置的性能SDIF，图6b和6c中的实线表示图5的根据本发明的回声消除装置的性能SDIF。图6b和6c的曲线都以合格的系数开始。这意味着，在增加干扰信号之前，在特定的时间量内利用基准信号训练图5和3中的电路。在图6b中，使图5和3的装置中的前置白化滤波器PWF和逆前置白化滤波器IPW无效，在图6c中，使图5和3的电路的前置白化滤波器和逆前置白化滤波器有效。这两个图都显示出扰乱的干扰信号的开始没有使根据本发明的回声消除装置的性能明显恶化。

Claims (8)

1.回声消除方法，包括以下步骤：

a)接收第一信号和第二信号，所述第二信号包括所述第一信号的回声，

b)通过利用有限冲击响应滤波器对所述第一信号进行滤波，来产生回声副本信号，所述有限冲击响应滤波器利用滤波器系数矢量以产生所述回声副本信号，

c)通过从所述第二信号减去所述回声副本信号来产生消除了回声的信号，

d)确定所述第二信号内的干扰度量，

e)根据所述干扰度量确定步进矢量，其中增大所述干扰度量将连续地减小所述步进矢量的大小，并且

f)利用所述步进矢量更新所述滤波器系数矢量，

其中所述步进矢量是按照以下方式确定的：

-假设所述第二信号不受干扰的影响，则产生适合于改善所述滤波器系数矢量的第一步进矢量，

-根据所述干扰度量产生第二步进矢量，并且

-从所述第一和第二步进矢量中选择步进矢量，其中选择具有最小尺寸的步进矢量。

2.如权利要求1所述的回声消除方法，其中在对所述第二信号没有干扰的情况下，所述第二步进矢量基本上对应于所述第一步进矢量。

3.如权利要求2所述的回声消除方法，其中如果所述干扰度量增大，则所述第二步进矢量连续减小，从而使所述第二步进矢量的大小小于所述第一步进矢量的大小。

4.如以上权利要求中任意一项所述的回声消除方法，其中利用所述消除了回声的信号的电平来确定所述干扰度量。

5.如以上权利要求1-3所述的回声消除方法，其中根据总的回声回波损耗来确定所述步进矢量。

6.如权利要求5所述的回声消除方法，包括以下步骤：

-检测通话重叠情况是否存在，并且

-根据所述通话重叠情况是否存在，来不同地确定所述总的回声回波损耗。

7.如权利要求5所述的回声消除方法，其中利用所述消除了回声的信号的加权电平来确定所述干扰度量，所述消除了回声的信号的所述加权电平包括乘以了所述总的回声回波损耗的所述消除了回声的信号的电平。

8.回声消除装置，包括：

-有限冲击响应滤波器，其适合于接收第一信号并输出回声副本信号，所述有限冲击响应滤波器利用滤波器系数矢量来产生所述回声副本信号，

-减法电路，其用于从包括所述第一信号的回声的第二信号减去所述回声副本信号，

-系数更新电路，其用于通过步进矢量反复地更新所述滤波器系数矢量，

-用于确定所述第二信号内的干扰度量的装置，

-用于根据所述干扰度量确定所述步进矢量的装置，其中增大所述干扰度量将连续地减小所述步进矢量的大小，

其中所述步进矢量是按照以下方式确定的：

-假设所述第二信号不受干扰的影响，则产生适合于改善所述滤波器系数矢量的第一步进矢量，

-根据所述干扰度量产生第二步进矢量，并且

-从所述第一和第二步进矢量中选择步进矢量，其中选择具有最小尺寸的步进矢量。

Images