DE102008027848A1

DE102008027848A1 - Echounterdrücker, Echounterdrückungsverfahren und computerlesbares Speichermedium

Info

Publication number: DE102008027848A1
Application number: DE102008027848A
Authority: DE
Inventors: Naoshi Kawasaki Matsuo
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2007-07-03
Filing date: 2008-06-11
Publication date: 2009-01-08
Anticipated expiration: 2028-06-12
Also published as: US8644496B2; JP2009014937A; DE102008027848B4; CN101339769A; CN101339769B; JP4916394B2; US20090010445A1

Abstract

Ein Gerät zum Unterdrücken eines Echosignals, welches in einem gemessenen Signal enthalten ist, das einem gemessenen Ton entspricht, wird bereitgestellt. In dem Gerät werden das gemessene Signal und ein Referenzsignal in einem Zeitbereich in einen Frequenzbereich transformiert und berechnet, um jeden Wert eines Verhältnisses und einer Korrelation zwischen dem gemessenen Signal und dem Referenzsignal in dem Frequenzbereich zu erhalten. Durch Ausführen eines Vergleichs der Werte des Verhältnisses und der Korrelation wird ein Koeffizient hergeleitet, wo ein Produkt des Koeffizienten und des gemessenen Tons in dem Frequenzbereich einen geschätzten Wert des Echosignals ergibt. Das Echo in dem gemessenen Signal wird durch Subtrahieren der Schätzung des Echosignals von dem gemessenen Signal unterdrückt, jeweils in dem Frequenzbereich.

Description

HINTERGRUND DER ERFINDUNG
1. Gebiet der Erfindung
Die vorliegende Erfindung betrifft die Echounterdrückung, insbesondere einen Echounterdrücker, ein Verfahren und ein computerlesbares Speichermedium zum Unterdrücken des Echos, welches durch einen Ton verursacht wird, der durch eine Tonausgabevorrichtung erzeugt wird.
2. Beschreibung des Standes der Technik
Die Spracherkennungstechnik hat sich entwickelt, wobei sie noch nicht das perfekte Maß erreicht hat. Beispielsweise kann ein Drücken eines Sprechschalters, um ein Fahrzeugnavigationssystem stumm zu schalten, dem System ermöglichen, die Höranweisung des Benutzers genau zu erkennen. Allerdings ist kein redundanter Arbeitsvorgang erforderlich, wie z. B. der Vorgang eines Drückens des Sprechschalters, bevor mit dem System gesprochen wird. Um ein Sichern zu verbessern, erfordert der Arbeitsvorgang eine Echoauslöschung, um ein Echo zu unterdrücken, welches durch Töne verursacht wird, die aus einem Lautsprecher des Systems an ein Mikrofon ausgegeben werden. Insbesondere wird ein Ton aus einem einer Mehrzahl von Lautsprechern in einem mehrkanaligen Fahrzeugaudiosystem zu einem Rauschen führen, welches sich auf die Stimme des Benutzers auswirkt, wenn der Ton mit einem Mikrofon empfangen werden wird, welches zum Empfangen einer Höranweisung des Benutzers vorgesehen ist. Daher ist ein Verfahren einer verbesserten Echoauslöschung erforderlich, um einen Ton auszulöschen, welcher aus einem Fahrzeugaudiosystem ausgegeben und durch ein Mikrofon empfangen wird, das für ein Spracherkennungssystem vorgesehen ist.
12 zeigt eines vorgeschlagener Echoauslöschungssysteme, in welchem ein herkömmliches Echounterdrückungsverfahren (Echoauslöschungsverfahren) auf ein mehrkanaliges Audiosystem angewendet wird. Das Verfahren einer Echounterdrückung in dem System hängt von dem Verfahren für ein einkanaliges Audiosystem ab, durch welches eine Echoauslöschung für einen Kanal durchgeführt wird, wie in 12 gezeigt. Mehrere Tonsignale, welche von einem mehrkanaligen Audiosystem 2000 ausgesendet werden, werden entsprechenden Lautsprechern 2001-1, ... und 2001-n zugeführt, von denen jeder einen Ton gemäß jedem Signal ausgibt. Der Echounterdrücker 1000 arbeitet so, um ein Echosignal aus einem betroffenen Tonsignal auszulöschen, welches durch den Ton aktiviert wird, der durch das Mikrophon 2002 empfangen wird, wobei das Echosignal eine Summierung von Tonsignalen ist, welche aus einer Mehrzahl von Kanälen erhalten werden.
Die Echoentfernung wird durchgeführt, indem ein Echo eines Wahrnehmungstonsignals y(t) unterdrückt wird, welches basierend auf einem empfangenen Ton erzeugt wird, indem Referenztonsignale x1(t), ... und xn(t) verwendet werden, welche basierend auf Ausgabetönen mehrerer Kanäle (n) mit mehreren Unterdrückungsmechanismen (Echoauslöschern) 1001-1, ... und 1001-n erzeugt werden, die den Referenzsignalen x1(t), ... und xn(t) entsprechen.
Neben der Struktur der 12 wird ein weiterer Echounterdrücker vorgeschlagen, welcher realisiert wird, indem ein Echounterdrückungsverfahren, das an ein einkanaliges Audiosystem anpassbar ist, auf ein mehrkanaliges Audiosystem angewendet wird. 13 ist ein schematisches Diagramm, welches einen herkömmlichen zweiten Echounterdrücker zeigt. Der zweite Echounterdrücker 1000 addiert Referenztonsignale x1(t), ... und xn(t), welche basierend auf Tönen mehrerer Kanäle erzeugt werden, mit einem Additionsmechanismus 1002, um ein addiertes Referenztonsignal x(t) zu erzeugen, und unterdrückt ein Echo eines Wahrnehmungstonsignals y(t) basierend auf dem addierten Referenztonsignal x(t).
14 ist ein Funktionsblockdiagramm, welches die Funktionskonfiguration der Unterdrückungsmechanismen 1001 des herkömmlichen Echounterdrückers zeigt. Jeder Unterdrückungsmechanismus 1001 umfasst eine Erkennungseinheit 10010 zum Erkennen eines Doppelsprechzustands, in welchem ein Sprecher spricht, und eines Einzelsprechzustands, in welchem kein Sprecher spricht (während der Äußerung des Fahrzeugaudiosystems), eine Aktualisierungseinheit 10011 für einen Filterfaktor zum Aktualisieren eines Filterkoeffizienten, der zum Schätzen eines Echopegels durch eine Verarbeitung basierend auf dem adaptiven NLMS-(normalized least mean square)Algorithmus notwendig ist, ein lineares FIR-(finite impulse response)Filter 10012 zum Schätzen eines Echosignals x'(t) basierend auf dem Referenztonsignal x(t) durch eine Skalarproduktberechnung einer Ordnung mehrerer Hundert, und eine Subtraktionseinheit 10013 zum Entfernen des Echosignals x'(t) aus dem Wahrnehmungstonsignal y(t), um ein Unterdrückungsergebnis r(t) mit einem reduzierten Echo zu erhalten und auszugeben. Die Erkennungseinheit 10010 erkennt den Einzelsprechzustand und den Doppeisprechzustand basierend auf einer Intensitätsveränderung in dem Unterdrückungsergebnis r(t). Basierend auf einem resultierenden Doppelsprechzustand veranlasst die Aktualisierungseinheit 10011 für einen Filterfaktor eine Aktualisierung eines Filterkoeffizienten zu stoppen. Die Aktualisierungseinheit 10011 für einen Filterfaktor berechnet einen Filterfaktor (Koeffizienten) basierend auf dem Unterdrückungsergebnis r(t).
Der Echounterdrücker 1000, der in 12 gezeigt ist, umfasst den Unterdrückungsmechanismus 1001 der 14 für jeden Kanal, entsprechend den Referenztonsignalen x1(t), ... und xn(t). Das Echounterdrückungsverfahren, das oben beschrieben wird, ist beispielsweise in der japanischen Patentveröffentlichung mit der Offenlegungsnummer 2002-237769 gezeigt.
Jedoch unterdrückt die Anpassungsverarbeitung basierend auf dem NLMS, wie in 14 gezeigt, ein Echo in Übereinstimmung mit vergangenen Lernergebnissen, was ein Problem einer geringen Fähigkeit verursacht, einer großen Veränderung eines Wahrnehmungstonsignals bei der Umschaltung zwischen dem Einzelsprechzustand und dem Doppelsprechzustand zu folgen. Dies führt zu einem weiteren Problem einer fehlerhaften Spracherkennung, die auftreten würde, wenn ein Zustand, genau nachdem ein Sprecher zu sprechen beginnt, als der Einzelsprechzustand erkannt wird, oder ein Zustand, welcher ein Echo nach sich zieht, nur als der Doppelsprechzustand erkannt wird.
Des Weiteren besitzt das Verfahren, welches Unterdrückungsmechanismen entsprechend jedem Kanal verwendet, wie in 12 gezeigt, ein Problem einer Erhöhung von Kosten und einer Gerätegröße. Insbesondere in dem Fall, in dem dieses Verfahren auf ein Fahrzeugnavigationssystem angewendet wird, welches feste Beschränkungen in Bezug auf seinen Einbauplatz besitzt, würde das Problem einer Vergrößerung der Größe ernst werden.
Des Weiteren, wie in 13 gezeigt, tritt in dem Fall, in dem ein addiertes Referenztonsignal eines Eintonkanals verwendet wird, welches erhalten wird, indem Referenztonsignale addiert werden, ein Problem einer Vergrößerung eines Restfehlers auf, der noch zu unterdrücken ist. Dies liegt daran, dass sich in einer Ausgabeeinheit der mehrkanaligen Audioeinheit 2000, welche Töne von Musik etc. ausgibt, von jedem Lautsprecher wiedergegebene Töne und Intensitäten davon unabhängig verändern, so dass Echos auf mehreren Wegen durch eine Anpassungsverarbeitung schwer zu erkennen und zu schätzen sein werden.
ZUSAMMENFASSUNG
Eine der Aufgaben der vorliegenden Erfindung besteht darin, einen Echounterdrücker bereitzustellen: der Echounterdrücker wandelt ein Referenztonsignal und ein Wahrnehmungstonsignal im Zeitbereich in Komponenten auf einer Frequenzachse (in einem Frequenzbereich) um; berechnet Werte, welche ein Verhältnis und eine Korrelation zwischen dem umgewandelten Referenztonsignal und Wahrnehmungstonsignal repräsentieren; vergleicht die Werte, welche das Verhältnis und die Korrelation repräsentieren; bestimmt einen Schätzungskoeffizienten, welcher zum Schätzen eines Echopegels notwendig ist, basierend auf dem Vergleichsergebnis und dem Verhältnis und der Korrelation; schätzt einen Echopegel, indem der Schätzungskoeffizient verwendet wird; und unterdrückt das Wahrnehmungstonsignal basierend auf dem geschätzten Echopegel. Der Echounterdrücker und das Verfahren gemäß der vorliegenden Erfindung können eine Spracherkennung in kürzerer Verzögerung und mit höherer Genauigkeit als ein Echounterdrücker durchführen, welcher den NLMS-(normalized least mean square)Algorithmus verwendet, selbst wenn eine große Veränderung des Wahrnehmungstonsignals an einer Grenze zwischen einem Einzelsprechen und einem Doppelsprechen auftritt.
Des Weiteren ist es eine weitere Aufgabe der vorliegenden Erfindung einen Echounterdrücker bereitzustellen, welcher die folgenden Funktionen besitzt. Das heißt, in dem Fall, in dem mehrere Referenztonsignale verwendet werden, führt der Unterdrücker eine Echounterdrückungsverarbeitung basierend auf einem Signal aus, welches erhalten wird, indem die Referenztonsignale addiert werden. Somit ist es nicht notwendig, eine Unterdrückungsverarbeitung für jeden Kanal durchzuführen. Daher ist es möglich Kosten und eine Gerätegröße zu reduzieren wie auch ein Problem einer Vergrößerung eines Restechos über eine Schätzungsfähigkeit hinaus zu vermeiden, da keine Anpassungsverarbeitung basierend auf einer Lernidentifizierung verwendet wird.
Gemäß einem ersten Aspekt der Erfindung ist ein Echounterdrücker, welcher in Übereinstimmung mit einer Tonausgabevorrichtung zum Erzeugen eines Tonsignals und Ausgeben eines Tons aus einer Tonausgabeeinheit und einer Tonverarbeitungsvorrichtung zum Verarbeiten eines Wahrnehmungstonsignals basierend auf einer Toneingabe von einer Toneingabeeinheit arbeiten kann und ein Echo des Wahrnehmungstonsignals unterdrückt, dadurch gekennzeichnet, dass er umfasst: eine Umwandlungseinheit zum Umwandeln eines Referenztonsignals um eine Tonausgabe an die Tonausgabeeinheit zu erzeugen, und eines Überfachungstonsignals, welches erzeugt wird, indem eine Toneingabe von der Toneingabeeinheit verwendet wird, in Komponenten auf einer Frequenzachse; eine Berechnungseinheit zum Berechnen eines Verhältnisses und einer Korrelation zwischen den Komponenten auf der Frequenzachse in dem Referenztonsignal und dem Wahrnehmungstonsignal; eine Vergleichseinheit zum Vergleichen von Werten des Verhältnisses und der Korrelation; eine Bestimmungseinheit zum Herleiten eines Schätzungsfaktors, welcher zum Schätzen des Echos aus einem Vergleichsergebnis und dem Verhältnis und der Korrelation notwendig ist; eine Schätzungseinheit zum Schätzen des Echos, indem der Schätzungsfaktor verwendet wird; und eine Unterdrückungseinheit zum Unterdrücken des Wahrnehmungstonsignals basierend auf dem geschätzten Echo.
Gemäß einem zweiten Aspekt der Erfindung umfasst der Echounterdrücker gemäß dem ersten Aspekt des Weiteren: eine Additionseinheit zum Addieren einer Mehrzahl der Referenztonsignale, wobei der Unterdrücker dadurch gekennzeichnet ist, dass die Umwandlungseinheit konfiguriert ist, um das Wahrnehmungstonsignal und das addierte Referenztonsignal in Komponenten auf der Frequenzachse umzuwandeln.
Gemäß einem dritten Aspekt der Erfindung ist der Echounterdrücker gemäß dem ersten oder zweiten Aspekt dadurch gekennzeichnet, dass die Berechnungseinheit konfiguriert ist, um eine Korrelation zwischen einem Referenztonsignal und einem Wahrnehmungstonsignal bei jeder Frequenz in einem vorbestimmten Frequenzbereich einschließlich einer Zielfrequenz zu bestimmen und den vorbestimmten Frequenzbereich in Übereinstimmung mit der Zielfrequenz zu verändern.
Gemäß einem vierten Aspekt der Erfindung ist der Echounterdrücker gemäß einem des ersten bis dritten Aspekts dadurch gekennzeichnet, dass die Bestimmungseinheit konfiguriert ist, um eine Mehrzahl von Schwellenwerten für Vergleichswerte des Verhältnisses und der Korrelation festzulegen und um zu bestimmen, ob ein Zustand ein Einzelsprechzustand oder ein Doppelsprechzustand ist, basierend auf der Mehrzahl von Schwellenwerten, dem Verhältnis und der Korrelation.
Gemäß einem fünften Aspekt der Erfindung ist der Echounterdrücker gemäß dem vierten Aspekt dadurch gekennzeichnet, dass die Bestimmungseinheit konfiguriert ist, um die Mehrzahl von Schwellenwerten zu verändern, welche zum Bestimmen verwendet werden, ob der Zustand ein Einzelsprechzustand oder ein Doppelsprechzustand ist, basierend auf dem Verhältnis und der Korrelation in Übereinstimmung mit der Frequenz.
Gemäß einem sechsten Aspekt der Erfindung ist der Echounterdrücker gemäß dem fünften Aspekt dadurch gekennzeichnet, dass die Berechnungseinheit konfiguriert ist, um Werte des Verhältnisses und der Korrelation basierend auf einem Wert, welcher durch Multiplizieren eines komplexen Spektrums, das aus einem Wahrnehmungstonsignal umgewandelt wird, mit einer konjugiert komplexen Zahl eines komplexen Spektrums, das aus einem Referenztonsignal umgewandelt wird, erhalten wird, und einem Wert zu bestimmen, welcher durch Multiplizieren des komplexen Spektrums, das aus dem Referenztonsignal umgewandelt wird, mit einer konjugiert komplexen Zahl des komplexen Spektrums, das aus dem Referenztonsignal umgewandelt wird, erhalten wird.
Gemäß einem siebten Aspekt der Erfindung ist der Echounterdrücker gemäß einem sechsten Aspekt dadurch gekennzeichnet, dass die Schätzungseinheit konfiguriert ist, um ein Amplitudenspektrum eines Echos zu schätzen, und die Unterdrückungseinheit konfiguriert ist, um ein Amplitudenspektrum eines Wahrnehmungstonsignals zu unterdrücken, wenn ein Verhältnis des Amplitudenspektrums des Wahrnehmungstonsignals zu dem Amplitudenspektrum des Echos nicht kleiner ist als ein vorbestimmter Schwellenwert.
Gemäß einem achten Aspekt der Erfindung ist der Echounterdrücker gemäß dem siebten Aspekt dadurch gekennzeichnet, dass die Unterdrückungseinheit konfiguriert ist, um den Schwellenwert in Übereinstimmung mit einer Zielfrequenz zu verändern.
Gemäß einem neunten Aspekt der Erfindung ist ein Echounterdrückungsverfahren zum Unterdrücken eines Echos eines Wahrnehmungstonsignals mit einem Echounterdrücker, welcher in Übereinstimmung mit einer Tonausgabevorrichtung zum Erzeugen eines Tonsignals und Ausgeben eines Tons aus einer Tonaungabeeinheit und einer Tonverarbeitungsvorrichtung zum Verarbeiten des Wahrnehmungstonsignals basierend auf einer Toneingabe von einer Toneingabeeinheit arbeiten kann, dadurch gekennzeichnet, dass es umfasst: einen Schritt (Arbeitsvorgang) eines Umwandelns eines Referenztonsignals zum Erzeugen einer Tonausgabe an die Tonausgabeeinheit und eines Wahrnehmungstonsignals, welches erzeugt wird, indem eine Toneingabe von der Toneingabeeinheit ver wendet wird, in Komponenten auf einer Frequenzachse; einen Schritt eines Berechnens eines Verhältnisses und einer Korrelation zwischen den Komponenten auf der Frequenzachse in dem Referenztonsignal und dem Wahrnehmungstonsignal; einen Schritt eines Vergleichens von Werten des Verhältnisses und der Korrelation; einen Schritt eines Herleitens eines Schätzungsfaktors, welcher zum Schätzen des Echos aus einem Vergleichsergebnis und dem Verhältnis und der Korrelation notwendig ist; einen Schritt eines Schätzens des Echos, indem der Schätzungsfaktor verwendet wird; und einen Schritt eines Unterdrückens des Wahrnehmungstonsignals basierend auf dem geschätzten Echo.
Gemäß einem zehnten Aspekt der vorliegenden Erfindung ist eine Computerprogrammprodukt, welches in einen Computer geladen wird und Schritte definiert, die in dem Computer ausgeführt werden, um ein Echo eines Wahrnehmungstonsignals zu unterdrücken, in Übereinstimmung mit einer Tonausgabevorrichtung zum Erzeugen eines Tonsignals und Ausgeben eines Tons aus einer Tonausgabeeinheit und einer Tonverarbeitungsvorrichtung zum Verarbeiten des Wahrnehmungstonsignals basierend auf einem Ton, der von einer Toneingabeeinheit eingegeben wird, dadurch gekennzeichnet, dass das Programmprodukt einen Computer veranlasst, um auszuführen: einen Schritt eines Umwandelns eines Referenztonsignals zum Erzeugen einer Tonausgabe an die Tonausgabeeinheit und eines Wahrnehmungstonsignals, welches erzeugt wird, indem eine Toneingabe von der Toneingabeeinheit verwendet wird, in Komponenten auf einer Frequenzachse; einen Schritt eines Berechnens eines Verhältnisses und einer Korrelation zwischen den Komponenten auf der Frequenzachse in dem Referenztonsignal und dem Wahrnehmungstonsignal; einen Schritt eines Vergleichens von Werten des Verhältnisses und der Korrelation; einen Schritt eines Herleitens eines Schätzungsfaktors, welcher zum Schätzen des Echos aus einem Ver gleichsergebnis und dem Verhältnis und der Korrelation notwendig ist; einen Schritt eines Schätzens des Echos, indem der Schätzungsfaktor verwendet wird; und einen Schritt eines Unterdrückens des Wahrnehmungstonsignals basierend auf dem geschätzten Echo.
Gemäß dem ersten, neunten und zehnten Aspekt der Erfindung wird, ob ein gegenwärtiger Zustand ein Einzelsprechzustand oder ein Doppelsprechzustand ist, in Echtzeit bestimmt, basierend auf einer Beziehung zwischen einem Verhältnis und einer Korrelation, um ein Echoschätzungsverfahren soweit erforderlich zu verändern. Somit ist es nicht notwendig, sich auf vergangene Signale zu beziehen, wodurch bei einer Bestimmung in Bezug auf eine Grenze zwischen dem Einzelsprechzustand und dem Doppelsprechzustand keine Verzögerung auftritt, im Unterschied zu einer Anpassungsverarbeitung basierend auf einer Lernidentifizierung.
Gemäß dem zweiten Aspekt der vorliegenden Erfindung kann der Unterdrücker an ein mehrkanaliges Audiosystem angepasst sein, und es ist nicht notwendig, ein Echo für jedes Referenztonsignal zu schätzen und somit eine Unterdrückungseinheit für jeden Kanal vorzustehen. Dementsprechend ist es möglich, einen Anstieg von Kosten einer Unterdrückungsschaltung und eine Vergrößerung eines Einbauplatzes zu verhindern. Des Weiteren führt der Unterdrücker keine Anpassungsverarbeitung basierend auf einer Lernidentifizierung durch, so dass ein Problem eines Vergrößerns eines Restechos über eine Schätzungsfähigkeit hinaus nicht auftritt.
Gemäß dem dritten Aspekt der Erfindung wird beispielsweise ein vorbestimmter Frequenzbereich, welcher zur Berechnung verwendet wird, in Richtung auf die niedrigste Frequenz vergrößert, welche einen Unterschied zwischen einem Sprachton eines Sprechers und einer Tonausgabe basierend auf einem Referenztonsignal schwer erkennen kann, um eine Korrelationserkennungsempfindlichkeit relativ zu erhöhen, um eine Erkennungsgenauigkeit von Doppelsprechen zu verbessern.
Gemäß dem vierten Aspekt der Erfindung, wenn beispielsweise das Verhältnis kleiner ist als ein Schwellenwert der Korrelation, beurteilt der Unterdrücker einen gegenwärtigen Zustand als einen Einzelsprechzustand mit einer hohen Korrelation zwischen einem Referenztonsignal und einem Wahrnehmungstonsignal. Dann kann ein Echo basierend auf dem Verhältnis und dem Referenztonsignal als ein Schätzungsfaktor geschätzt werden. Des Weiteren, wenn beispielsweise das Signalverhältnis nicht kleiner ist als ein zweiter Schwellenwert der Korrelation, beurteilt der Unterdrücker einen gegenwärtigen Zustand als einen Doppelsprechzustand mit einer geringen Korrelation zwischen dem Referenztonsignal und dem Wahrnehmungstonsignal. Dann kann ein Echo basierend auf der Korrelation und dem Referenztonsignal als ein Schätzungsfaktor geschätzt werden.
Gemäß dem fünften Aspekt der Erfindung wird ein Schwellenwert von der niedrigeren Frequenz auf die höhere Frequenz verringert, um eine Erkennungsgenauigkeit des Doppelsprechzustands zu erhöhen, um eine Verzerrung der Stimme eines Sprechers zu unterdrücken. Außerdem wird der Schwellenwert von der niedrigeren Frequenz auf die höhere Frequenz erhöht, um eine Erkennungsgenauigkeit des Einzelsprechzustands zu erhöhen, um ein Restecho zu unterdrücken.
Gemäß dem sechsten und siebten Aspekt der vorliegenden Erfindung wird ein Amplitudenspektrum entsprechend einem Realteil eines komplexen Spektrums verwendet, wodurch eine Berechnungslast reduziert werden kann.
Gemäß dem achten Aspekt der Erfindung wird ein Schwellenwert von der niedrigeren Frequenz auf die höhere Frequenz verringert, um eine Erkennungsgenauigkeit des Dop pelsprechzustands zu erhöhen, um eine Verzerrung der Stimme eines Sprechers zu unterdrücken. Außerdem wird der Schwellenwert von der niedrigeren Frequenz auf die höhere Frequenz erhöht, um eine Erkennungsgenauigkeit des Einzelsprechzustands zu erhöhen, um ein Restecho zu unterdrücken.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 ist ein schematisches Diagramm, welches ein Konfigurationsbeispiel eines Echounterdrückers gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
2 ist ein Funktionsblockdiagramm, welches ein Funktionskonfigurationsbeispiel eines Echounterdrückungsmechanismus des Echounterdrückers gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
3 ist ein Flussdiagramm (Arbeitsablaufplan), welches ein Beispiel der Verarbeitung des Echounterdrückers gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
4A und 4B sind graphische Darstellungen, welche ein Beispiel eines Verarbeitungsergebnisses einer Echounterdrückung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigen;
5 ist eine graphische Darstellung, welche eine Beziehung zwischen einer Frequenz und variierenden Bandbreiten N in einem Echounterdrückungsverfahren gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
6 ist eine graphische Darstellung, welche eine Beziehung zwischen einem Intensitätsverhältnis und einem Koeffizienten entsprechend einem Echoschätzungskoeffizienten zeigt, wo das Intensitätsverhältnis ein Verhältnis zwischen einer Korrelation und einem Signalverhältnis ist;
7A und 7B sind graphische Darstellungen, welche eine Beziehung zwischen einer Frequenz, einer ersten Konstanten und einer zweiten Konstanten zeigen, wenn die erste Konstante und die zweite Konstante abhängig von der Frequenz in dem Echounterdrückungsverfahren gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung variieren;
8 ist ein Funktionsblockdiagramm, welches ein Funktionskonfigurationsbeispiel eines Echounterdrückungsmechanismus eines Echounterdrückers gemäß einem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
9 ist ein Flussdiagramm (Arbeitsablaufplan), welches ein Beispiel einer Verarbeitung des Echounterdrückers gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
10 ist eine graphische Darstellung, welche eine Beziehung zwischen einem Dämpfungsverhältnis und einem Dämpfungskoeffizienten in einem Echounterdrückungsverfahren gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt;
11A und 11B sind graphische Darstellungen, welche eine Beziehung zwischen einer Frequenz und einem ersten Schwellenwert und einem zweiten Schwellenwert zeigen, welche abhängig von der Frequenz in dem Echounterdrückungsverfahren gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung variieren;
12 ist ein schematisches Diagramm, welches die Konfiguration eines herkömmlichen ersten Echounterdrückers zeigt;
13 ist ein schematisches Diagramm, welches die Konfiguration eines herkömmlichen zweiten Echounterdrückers zeigt; und
14 ist ein Funktionsblockdiagramm, welches die Funktionskonfiguration eines Unterdrückungsmechanismus des herkömmlichen Echounterdrückers zeigt.
BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSBEISPIELE
Nachfolgend wird die vorliegenden Erfindung mit Bezugnahme auf die Zeichnungen im Detail beschrieben werden, welche Ausführungsbeispiele der vorliegenden Erfindung illustrieren.
Erstes Ausführungsbeispiel
1 ist ein schematisches Diagramm, welches ein Konfigurationsbeispiel eines Echounterdrückers gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. In 1 kann ein Echounterdrücker 1 aus einem Computer bestehen, beispielsweise in einem Telekonferenzsystem oder einem Navigationssystem in einem Fahrzeug, während der Echounterdrücker 1 aus einem dedizierten Computer bestehen kann. Der Echounterdrücker 1 kooperiert mit einer Tonausgabevorrichtung 2, wie z. B. einer mehrkanaligen Audioeinheit, und einer Tonverarbeitungsvorrichtung 3, wie z. B. einem Spracherkennungssystem. Die Tonausgabevorrichtung 2 sendet Ausgabetonsignale als Analogsignale mehrerer Kanäle mehrere Tonausgabeeinheiten 20-1, ... und 20-n, wie z. B. einem Lautsprecher, und eine Ausgabe als Töne wird daraus ausgegeben. Des Weiteren erfasst eine Toneingabeeinheit 30, wie z. B. ein Kondensatormikrophon, einen Außenton und erzeugt ein Eingabetonsignal als ein Analogsignal, basierend auf dem erfassten Ton, um das erzeugte Signal an die Tonverarbeitungsvorrichtung 3 auszugeben. Der Echounterdrücker 1 besitzt eine Echoausloschfunktion zum Entfernen von Echos von Tönen, welche aus den Tonausgabeeinheiten 20-1, ... und 20-n ausgegeben werden, aus einem Ton, der in die Toneingabeeinheit 30 eingegeben wird. In der folgenden Beschreibung werden insbesondere n (n ist eine natürliche Zahl) Ausgabetonsignale in dem Echounterdrücker 1 als Referenztonsignale x1(t), ... und xn(t) bezeichnet, und wird ein Eingabetonsignal als ein Wahrnehmungstonsignal (oder ein gemessenes Tonsignal) y(t) bezeichnet.
Der Echounterdrücker 1 umfasst des Weiteren einen Additionsmechanismus 10, wie z. B. einen Analogmischer, zum Addieren mehrerer Referenztonsignale x1, ... und xn, um ein addiertes Referenztonsignal x(t) zu erzeugen; einen ersten A/D(Analog zu Digital)-Umwandlungsmechanismus 11 zum Abtasten des erzeugten addierten Referenztonsignals x(t) mit einer Frequenz von beispielsweise 8.000 Hz, um das Signal in ein Digitalsignal umzuwandeln, und zum Durchführen einer Antialiasing-Filterverarbeitung mit einem LPF-(Low Pass Filter), um so einen Aliasingfehler (Aliasing) zu verhindern, welcher beim Umwandeln in ein Digitalsignal auftreten würde; einen Verstärkungsmechanismus 12, wie z. B. einen Verstärker, zum Verstärken des Wahrnehmungstonsignals y(t); einen zweiten A/D-Umwandlungsmechanismus 13 zum Abtasten des verstärkten Wahrnehmungstonsignals y(t) (nachfolgend als das Wahrnehmungstonsignal y(t) bezeichnet) mit einer Frequenz von beispielsweise 8.000 Hz, um das Signal in ein Digitalsignal umzuwandeln, und zum Durchführen einer Antialiasing-Filterverarbeitung; einen Echounterdrückungsmechanismus 14, wie z. B. einen DSP (Digital Signal Processor), welcher eine Echounterdrückungsverarbeitung ausführt, um das Wahrnehmungstonsignal y(t) basierend auf dem addierten Referenztonsignal x(t) zu korrigieren, und dann ein Unterdrückungsergebnissignal r(t) als ein verarbeitetes Digitalsignal ausgibt; und einen D/A-(Digital zu Analog)Umwandlungsmechanismus 15 zum Umwandeln des Unterdrückungsergebnissignals r(t) in ein Analogsignal und zum Ausgeben des umgewandelten Signals an die Tonverarbeitungsvorrichtung 3. Der Echounterdrückungsmechanismus 14 ist in dem ersten Aus führungsbeispiel, als ein Aspekt der vorliegenden Erfindung, eine Betriebsschaltung, in welche ein Computerprogramm 100, Daten und anderes als eine Firmware installiert werden. Der Computer führt das Computerprogramm 100 aus, welches als Firmware installiert ist, um dadurch als der Echounterdrücker 1 zu arbeiten. Die Tonverarbeitungsvorrichtung 3 führt eine Spracherkennungsverarbeitung oder Ähnliches basierend auf dem empfangenen Unterdrückungsergebnissignal r(t) aus.
2 ist ein Funktionsblockdiagramm, welches ein Funktionskonfigurationsbeispiel des Echounterdrückungsmechanismus 14 zeigt. Der Echounterdrückungsmechanismus 14 schneidet Frames einer vorbestimmten Länge von 20 bis ungefähr 40 ms von dem addierten Referenztonsignal x(t) und dem Wahrnehmungstonsignal y(t) ab, welche in Digitalsignale umgewandelt wurden. Die Frames überlappen sich gegenseitig um ungefähr 10 ms bis 20 ms. Jeder Frame wird einer Frameverarbeitung unterzogen, welche allgemein im Gebiet der Spracherkennung verwendet wird, wie z. B. einem Filtern mit einer Fensterfunktion, wie z. B. einem Hamming-Fenster oder einem Hanning-Fenster, oder einem Preemphasis-Filter. Die so erzeugten Frames werden jeweils der folgenden Signalverarbeitung basierend auf verschiedenen Funktionen unterzogen.
Der Echounterdrückungsmechanismus 14 kann als eine erste und eine zweite FFT 140, 141 arbeiten, wenn das Computerprogramm 100 ausgeführt wird, wo die erste FFT 140 das addierte Referenztonsignal x(t) im Zeitbereich in ein transformiertes Referenztonsignal X(f), nachfolgend als ein Referenztonsignal X(f) bezeichnet, im Frequenzbereich in jedem Frame transformiert, und wo die zweite FFT 141 auch ein Wahrnehmungstonsignal y(t) in einem Zeitbereich in ein Wahrnehmungstonsignal Y(f), nachfolgend als ein Wahrnehmungstonsignal Y(f) bezeichnet, in einem Frequenzbereich in jedem Frame transformiert. Kurz gesagt, wo die FFTs 140 und 141 jedes der Signale x(t) und y(t) in einem Zeitbereich in jedes der Signale X(f) beziehungsweise Y(f) in einem Frequenzbereich in jedem Frame für jeden Frame transformieren.
Das Referenztonsignal X(f) und das Wahrnehmungstonsignal Y(f) besitzen ein komplexes Spektrum. Außerdem können DCT (Discrete Cosine Transform) und andere solche Transformationsverfahren als die Transformation verwendet werden.
Des Weiteren kann der Echounterdrückungsmechanismus 14 als eine Berechnungseinheit 142 arbeiten, wenn das Computerprogramm 100 ausgeführt wird. Die Berechnungseinheit 142 bestimmt ein Signalverhältnis G1(f) und eine Korrelation G2(f), wobei das Signalverhältnis G1(f) ein Verhältnis, welches in Gleichung 1 gezeigt ist, die unten beschrieben wird, zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f) bei einer entsprechenden Frequenz f ist, und eine Korrelation G2(f), welche in Gleichung 2 gezeigt ist, die unten beschrieben wird, ein Verhältnis einer Ähnlichkeit zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f) bei einer entsprechenden Frequenz f repräsentiert. Hier besitzen das Wahrnehmungstonsignal Y(f) und das Referenztonsignal X(f) komplexe Spektren, so dass ein Signalverhältnis berechnet wird, nachdem das Spektrum mit einer konjugiert komplexen Zahl X*(f) des Referenztonsignals X(f) zu einer reellen Zahl multipliziert wurde. G1(f) = {Y(f)X*(f)}/{X(f)X'(f)} Gleichung (1)wo G1(f) das Signalverhältnis ist, Y(f) das Wahrnehmungstonsignal ist, X(f) das Referenztonsignal ist und X*(f) eine konjugiert komplexe des Referenztonsignals ist.
Die Berechnungseinheit 142 leitet die Korrelation G2(f) zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f) aus der folgenden Gleichung 2 ab, mit jeder von Frequenzen f, bei welchen das Wahrnehmungstonsignal Y(f) und das Referenztonsignal X(f) berechnet werden sollten. Diese Korrelation indiziert ein Verhältnis zwischen dem Gesamtwert der Wahrnehmungstonsignale Y(f) bei jeder Frequenz f und dem Gesamtwert der Referenztonsignale X(f) bei jeder Frequenz f. Hier besitzen das Wahrnehmungstonsignal Y(f) und das Referenztonsignal X(f) komplexe Spektren, so dass die Korrelation G2(f) berechnet wird, nachdem das Spektrum durch eine konjugiert komplexe Zahl X*(f) des Referenztonsignals X(f) zu einer reellen Zahl multipliziert wurde. G2(f) = Σ{Y(f)X*(f)}/Σ{X(f)X*(f)} Gleichung (2)wo G2(f) die Korrelation ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als eine Vergleichseinheit 143 und eine Bestimmungseinheit 144 zu arbeiten. Die Vergleichseinheit 143 vergleicht das Signalverhältnis G1(f) und die Korrelation G2(f), und die Bestimmungseinheit 144 leitet einen Echoschätzungsfaktor G(f) (einen Echoschätzungskoeffizienten G(f)), welcher für eine Echoschätzung notwendig ist, aus dem Signalverhältnis G1(f) und der Korrelation G2(f) ab, basierend auf dem Vergleichsergebnis. Insbesondere vergleicht die Vergleichseinheit 143 eine Signalintensität |G1(f)| des Signalverhältnisses G1(f) und eine α-fache Signalintensität |G2(f)| der Korrelation G2(f); α repräsentiert eine vorbestimmte Konstante basierend auf der folgenden Gleichung 3. |G1(f) < α|G2(f)| Gleichung (3)wo |G1(f)| die Signalintensität des Signalverhältnisses G1(f) ist, |G2(f)| die Signalintensität der Korrelation G2(f) ist und α die Konstante ist.
Wenn die Signalintensität |G1(f)| des Signalverhältnisses G1(f) kleiner ist als die α-fache Signalintensität |G2(f)| der Korrelation G2(f), beurteilt die Bestimmungseinheit 144 einen gegenwärtigen Zustand als einen Ein zelsprechzustand mit einer hohen Korrelation zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f), und bestimmt den Echoschätzungsfaktor G(f), welcher eine Beziehung von G(f) = G1(f) erfüllt. Wenn die Signalintensität |G1(f)| des Signalverhältnisses G1(f) nicht kleiner ist als die α-fache Signalintensität |G2(f)| der Korrelation G2(f), beurteilt die Bestimmungseinheit 144 einen gegenwärtigen Zustand als einen Doppelsprechzustand mit einer geringen Korrelation zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f), und bestimmt den Echoschätzungsfaktor G(f), welcher eine Beziehung von G(f) = G2(f) erfüllt. Das heißt, die Konstante α wird als ein Schwellenwert zum Bestimmen verwendet, ob der gegenwärtige Zustand ein Einzelsprechzustand oder ein Doppelsprechzustand ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als eine Echoschätzungseinheit 145 zu arbeiten, welche ein Echospektrum X'(f) als einen Korrekturbetrag zum Korrigieren des Wahrnehmungstonsignals Y(f) basierend auf dem bestimmten Echoschätzungsfaktor G(f) und dem Referenztonsignal X(f) schätzt. Die Echoschätzungseinheit 145 leitet ein Echo X'(f) als das Produkt des Echoschätzungsfaktors G(f) und des Referenztonsignals X(f) aus der folgenden Gleichung (4) ab. X'(f) = G(f)X(f) Gleichung (4)wo X'(f) das Echo ist.
Der Echounterdrückungsmechanismus 14 führt das Computerprogramm 100 aus, um als eine Echounterdrückungseinheit 146 zum Unterdrücken des Wahrnehmungstonsignals Y(f) auf der Basis des hergeleiteten Echos X'(f) zu arbeiten, um ein Unterdrückungsergebnissignal R(f) als das unterdrückte Signal auszugeben. Die Echounterdrückungseinheit 146 führt eine Signalkorrektur aus, um das Echo X'(f) aus dem Wahrnehmungstonsignal Y(f) auf der Basis der folgenden Glei chung (5) zu entfernen, um das Unterdrückungsergebnissignal R(f) als Komponenten auf einer Frequenzachse zu erhalten, wobei das Echo unterdrückt ist. R(f) = Y(f) – X'(f) Gleichung (5)wo R(f) das Unterdrückungsergebnissignal ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als eine IFFT- (inverse fast Fourier Transform) Umwandlungseinheit 147 zu arbeiten, welche das Unterdrückungsergebnissignal R(f) als Komponenten auf der Frequenzachse, das heißt in einem Frequenzbereich, in ein Signal auf einer Zeitachse, das heißt in einem Zeitbereich, durch eine IFFT-Verarbeitung umwandelt. Das Unterdrückungsergebnissignal r(t), welches in ein Signal auf der Zeitachse umgewandelt wird, wird mit dem D/A-Umwandlungsmechanismus 15, der in 1 gezeigt ist, an die Tonverarbeitungsvorrichtung 3 ausgegeben.
Als nächstes wird eine Verarbeitung des Echounterdrückers 1 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung beschrieben. Der Echounterdrücker 1 empfängt n Referenztonsignale x1(t), ... xn(t), welche aus der Tonverarbeitungsvorrichtung 3 an die Tonausgabeeinheit 20-1, ... und 20-n ausgegeben werden, und addiert mit dem Additionsmechanismus 10 die empfangenen n Referenztonsignale x1(t), ... und xn(t) zu dem addierten Referenztonsignal x(t). Dann führt der Echounterdrücker 1 mit dem ersten A/D-Umwandlungsmechanismus 11 eine A/D-Umwandlung und eine Antialiasing-Filterverarbeitung an dem addierten Referenztonsignal x(t) durch und wandelt das addierte Referenztonsignal x(t) in ein Digitalsignal um, um das Digitalsignal an den Echounterdrückungsmechanismus 14 auszugeben.
Des Weiteren erzeugt der Echounterdrücker 1 das Wahrnehmungstonsignal y(t) basierend auf dem empfangenen Ton mit der Toneingabeeinheit 30, verstärkt das Wahrnehmungstonsignal y(t) mit dem Verstärkungsmechanismus 12, führt eine A/D-Umwandlung und eine Antialiasing-Filterverarbeitung mit dem zweiten A/D-Umwandlungsmechanismus 13 durch und wandelt das Signal in ein Digitalsignal um, um das umgewandelte Wahrnehmungstonsignal y(t) an den Echounterdrückungsmechanismus 14 auszugeben.
3 ist ein Flussdiagramm (Arbeitsablaufdiagramm), welches ein Beispiel der Verarbeitung des Echounterdrückers 1 gemß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 wandelt das empfangene addierte Referenztonsignal x(t) und Wahrnehmungstonsignal y(t) in Frames um (S101). Das addierte Referenztonsignal x(t) und das Wahrnehmungstonsignal y(t) werden mit der ersten FFT-Umwandlungseinheit 140 und der zweiten FFT-Umwandlungseinheit 141 in das Referenztonsignal X(f) und das Wahrnehmungstonsignal Y(f) als Komponenten auf der Frequenzachse umgewandelt (S102), kurz gesagt werden die Signale x(t) und y(t) in einen Frequenzbereich transformiert.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 berechnet das Signalverhältnis G1(f) zwischen dem Referenztonsignal X(f) und dem Wahrnehmungstonsignal Y(f) bei jeder Frequenz f, durch die Verarbeitung der Berechnungseinheit 142 (S103), und berechnet zusätzlich die Korrelation G2 zwischen dem Referenztonsignal X(f) und dem Wahrnehmungstonsignal Y(f) bei jeder Frequenz f (S104). In Schritt (Arbeitsvorgang) S103 wird das Signalverhältnis G1(f) auf der Basis der obigen Gleichung (1) berechnet und in Schritt S104 wird die Korrelation G2(f) auf der Basis der obigen Gleichung (2) bestimmt. Die Verarbeitung in Schritt S103 und die Verarbeitung in Schritt S104 können parallel ausgeführt werden.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 vergleicht das Signalverhältnis G1(f) und die Korrelation G2(f) mit der Vergleichseinheit 143 auf der Basis der Gleichung (3) (S105) und leitet den Echoschätzungsfaktor G(f), welcher für eine Echoschätzung notwendig ist, aus dem Signalverhältnis G1(f) und der Korrelation G2(f) basierend auf dem Vergleichsergebnis (S106) her. Das Signalverhältnis G1(f) oder die Korrelation G2(f) wird beim Herleiten des Echoschätzungsfaktors G(f) in Schritt S106 ausgewählt, basierend auf der obigen Gleichung (3).
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 schätzt das Echo X'(f) basierend auf dem Echoschätzungsfaktor G(f) und dem Referenztonsignal X(f) durch die Verarbeitung der Echoschätzungseinheit 145 (S107). In Schritt S107 wird das Echo X'(f) als ein Schätzungswert eines Echos zum Korrigieren des Wahrnehmungstonsignals Y(f) berechnet, basierend auf der obigen Gleichung (4).
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 unterdrückt das Wahrnehmungstonsignal Y(f) basierend auf dem Echo X'(f), um das Unterdrückungsergebnissignal R(f) durch die Verarbeitung der Echounterdrükkungseinheit 146 zu erzeugen (S108). In Schritt S108 wird die Korrektur durchgeführt, um das Echo X'(f) aus dem Wahrnehmungstonsignal Y(f) basierend auf der obigen Gleichung (5) zu entfernen.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 wandelt das Unterdrückungsergebnissignal R(f) als Komponenten auf der Frequenzachse in das Unterdrückungsergebnissignal r(t) als ein Signal auf der Zeitachse um, durch die Verarbeitung der IFFT-Umwandlungseinheit 147 (S109), und wandelt dann das umgewandelte Unterdrückungsergebnissignal r(t) mit D/A-Umwandlungsmitteln 18 in ein Analogsignal um, um das Analogsignal an die Tonverarbeitungsvorrichtung 3 auszugeben.
Die Tonverarbeitungsvorrichtung 3 führt eine Spracherkennungsverarbeitung oder Ähnliches basierend auf dem empfangenen Unterdrückungsergebnissignal r(t) durch. Auf diese Art und Weise wird die Echounterdrückungsverarbeitung des Echounterdrückers 1 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung durchgeführt.
Als nächstes wird ein Ergebnis der Echounterdrückungsverarbeitung des Echounterdrückers 1 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung beschrieben. 4A und 4B sind graphische Darstellungen, welche ein Beispiel des Verarbeitungsergebnisses für eine Echounterdrückung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigen. 4A ist eine graphische Darstellung, welche ein Beispiel eines Amplitudenspektrums |X(f)| des addierten Referenztonsignals x(t) und ein Amplitudenspektrum |Y(f)| des Wahrnehmungstonsignals y(t) zeigt, welche der Echounterdrückungsverarbeitung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung unterzogen werden. Die horizontale Achse repräsentiert eine Frequenz f und die vertikale Achse repräsentiert eine Signalintensität dB. Die graphische Darstellung illustriert eine Beziehung dazwischen. Die durchgezogene Linie indiziert das Amplitudenspektrum |X(f)| des addierten Referenztonsignals x(t) und die gepunktete Linie indiziert das Amplitudenspektrum |Y(f)| des Wahrnehmungstonsignals y(t). 4B ist eine graphische Darstellung, welche ein Beispiel eines Amplitudenspektrums |R(f)| des Unterdrückungsergebnissignals r(t) als ein Ergebnis der Echounterdrückungsverarbeitung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Die horizontale Achse repräsentiert eine Frequenz f und die vertikale Achse repräsentiert eine Signalintensität. Die graphische Darstellung illustriert eine Beziehung dazwischen. 4A und 4B zeigen ein Amplitudenspektrum in einem Doppelsprechzustand. 4A zeigt die Amplitude vor einer Verarbeitung und 4B zeigt die Amplitude nach einer Verarbeitung. Außerdem repräsentieren in den 4A und 4B eingekreiste Teilbereiche eine Spitze eines Tonpegels eines Sprechers.
Wie in 4A gezeigt ist bei einer Frequenz von Tönen, umfassend die Stimme eines Sprechers, eine Korrelation zwischen dem Amplitudenspektrum |X(f)| des addierten Referenztonsignals x(t) und dem Amplitudenspektrum |Y(f)| des Wahrnehmungstonsignals y(t) gering. In 4B, welche das Ergebnis einer Verarbeitung in 4A zeigt, ist ein Intensitätspegel gänzlich verringert. Bei einer Frequenz von Tönen, umfassend die Stimme eines Sprechers, wird eine Spitzenintensität nicht so verändert. Dies bedeutet, dass ein Echo von Tönen, welche sich von der Stimme eines Sprechers unterscheiden, unterdrückt wird.
In dem ersten Ausführungsbeispiel ist ein Frequenzbereich, welcher zum Berechnen der Korrelation G2(f) notwendig ist, eine konstante Bandbreite. Jedoch ist die vorliegende Erfindung nicht darauf beschränkt, und eine Bandbreite kann in Übereinstimmung mit einer Frequenz verändert werden. Als nächstes wird ein Modus beschrieben, in welchem eine Bandbreite in Übereinstimmung mit einer Frequenz in dem ersten Ausführungsbeispiel verändert wird. In dem Fall einer Veränderung der Bandbreite wird die obige Gleichung (2) zum Berechnen der Korrelation G2(f) zu der folgenden Gleichung (6) modifiziert.
In Gleichung (6) wird die Ordnung N(f), welche die Anzahl von Samples beim Abtasten repräsentiert, als eine Bandbreite verwendet. Ein Ersetzen der Ordnung N(f) als die Bandbreite, welche konstant ist, in Gleichung (6) ergibt Gleichung (2). In diesem Beispiel variiert die Ordnung als die Bandbreite jedoch. 5 ist eine graphische Darstellung, welche eine Beziehung zwischen der Frequenz f und den variierenden Bandbreiten N(f) in dem Echounterdrückungsverfahren gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. In 5 repräsentiert die horizontale Achse die Frequenz f und repräsentiert die vertikale Achse die Ordnung N(f) als eine Bandbreite. 5 illustriert eine Beziehung dazwischen. Wie in 5 gezeigt ist die Bandbreite in Richtung auf die niedrigste Frequenz erhöht. Dadurch soll die Bandbreite zu der niedrigeren Bandbreite erhöht werden, bei der es schwierig ist einen Unterschied von einem Echo zu erkennen, um dadurch die Anzahl von Samples zu erhöhen und eine Korrelationserkennungsempfindlichkeit relativ zu erhöhen, um eine Erkennungsgenauigkeit für ein Doppelsprechen zu verbessern.
In dem Fall eines Veränderns einer Bandbreite bestimmt in Schritt S104 des Flussdiagramms (Arbeitsablaufdiagramm), welches in 3 illustriert ist, die Berechnungseinheit 142 die Korrelation G2(f) basierend auf dem Gesamtwert der Referenztonsignale X(f) und dem Gesamtwert der Wahrnehmungstonsignale Y(f) in einem Frequenzbereich, welcher basierend auf jeder Frequenz f bestimmt wird.
In dem ersten Ausführungsbeispiel wird das Signalverhältnis G1(f) oder die Korrelation G2(f) ausgewählt und als der Echoschätzungsfaktor G(f) verwendet. Jedoch ist die vorliegende Erfindung nicht darauf beschränkt. Um diskontinuierliche Veränderungen an der Grenze zwischen dem Einzelsprechzustand und dem Doppelsprechzustand zu unterdrücken, können eine erste Konstante α1 und eine zweite Konstante α2, die größer ist als die erste Konstante α1, festgelegt werden, um eine Periode zu definieren, in welcher ein gewichteter Mittelwert des Signalverhältnisses G1(f) und der Korrelation G2(f) als der Echoschätzungsfaktor G(f) verwendet wird. Als nächstes wird ein Verfahren zum Bestimmen des Echoschätzungsfaktors G(f) beschrieben, welches sich vom ersten Ausführungsbeispiel unterscheidet.
6 ist eine graphische Darstellung, welche eine Beziehung zwischen einem Intensitätsverhältnis |G2(f)|/|G1(f)| und einem Koeffizienten β zeigt, wo das Intensitätsverhältnis |G2(f)/|G1(f)| ein Verhältnis einer Intensität der Korrelation G2(f) zu der des Signalverhältnisses G1(f) ist und der Koeffizient β dem Echoschätzungsfaktor G(f) entspricht. In 6 repräsentiert die horizontale Achse das Intensitätsverhältnis |G2(f)/|G1(f)| und repräsentiert die vertikale Achse den Koeffizienten β entsprechend dem Echoschätzungsfaktor G(f). 6 illustriert eine Beziehung dazwischen. Der Koeffizient β(f) ist ein Faktor, welcher zum Bestimmen des Echoschätzungsfaktors G(f) notwendig ist. Der Echoschätzungsfaktor G(f) wird aus der folgenden Gleichung (7) hergeleitet, indem der Koeffizient β(f) verwendet wird. G(f) = β(f)G1(f) + {1 – β(f)}G2(f) Gleichung (7)wo β(f) ein Koeffizient entsprechend einem Echoschätzungsfaktor G(f) ist.
Wenn das Intensitätsverhältnis |G2(f)|/|G1(f)| kleiner ist als die erste Konstante α1, dann ist der Koeffizient β(f) = 0, wie in 6 gezeigt, so dass die Gleichung (7) zu der Korrelation G2(f) gleich dem Echoschätzungsfaktor G(f) führt . Wenn das Intensitätsverhältnis |G2(f)|/|G1(f)| nicht kleiner ist als die zweite Konstante α2, ist der Faktor β(f) = 1, so dass das Signalverhältnis G1(f) der Echoschätzungsfaktor G(f) ist. Wenn das Intensitätsverhältnis |G2(f)/|Gl(f)| kleiner ist als die zweite Konstante α2 und nicht kleiner ist als die erste Konstante α1, wird der Faktor β(f) basierend auf dem Intensitätsverhältnis |G2(f)|/|G1(f)| bestimmt, in Übereinstimmung mit der Beziehung der 6, und wird der Echoschätzungsfaktor G(f) in Übereinstimmung mit einem gewichteten Mittelwert des Signalverhältnisses G1(f) und der Korrelation G2(f) der Gleichung (7) bestimmt, basierend auf dem bestimmten Wert.
In dem Fall eines Veränderns eines Verfahrens zum Bestimmen des Echoschätzungsfaktors G(f) bestimmt in Schritt S106 des Flussdiagramms (Arbeitsablaufdiagramm) der 3 die Bestimmungseinheit 144 den Echoschätzungsfaktor G(f) wie folgt. Das heißt, wenn |G2(Y)| < α1|G1(f)|, wird die Korrelation G2(f) auf den Echoschätzungsfaktor G(f) festgelegt. Wenn |G2(f)| ≥ α2|G1(f)|, wird das Signalverhältnis G1(f) auf den Echoschätzungsfaktor G(f) festgelegt. Wenn α1|G1(f)| ≤ |G2(f)| < α2|G1(f)|, dann wird der gewichtete Mittelwert des Signalverhältnisses G1(f) und die Korrelation G2(f) auf den Echoschätzungsfaktor G(f) festgelegt.
Des Weiteren können die erste Konstante α1 und die zweite Konstante α2 abhängig von der Frequenz f variieren. Die 7A und 7B sind graphische Darstellungen, welche eine Beziehung zwischen der Frequenz f, einer ersten Konstante α1(f) und einer zweiten Konstante α2 zeigen, wenn die erste Konstante α1 und die zweite Konstante α2 abhängig von der Frequenz f variieren, in dem Echounterdrückungsverfahren gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung. In den 7A und 7B repräsentiert die horizontale Achse die Frequenz f und repräsentiert die vertikale Achse die erste Konstante α1(f) und die zweite Konstante α2(f), welche frequenzabhängig sind. Die 7A und 7B illustrieren eine Beziehung dazwischen. In dem Beispiel der 7A werden die erste Konstante α1(f) und die zweite Konstante α2(f) von der niedrigen Frequenz auf die hohe Frequenz verringert, um eine Erkennungsgenauigkeit des Doppelsprechzustands zu erhöhen, um dadurch eine Verzerrung der Stimme eines Sprechers zu unterdrücken. In dem Beispiel der 7B werden die erste Konstante α1(f) und die zweite Konstante α2(f) von der niedrigen Frequenz auf die hohe Frequenz erhöht, um eine Erkennungsgenauigkeit des Einzelsprechzustands zu erhöhen, um dadurch ein Restecho zu unterdrücken. Hier kann, wenn eine einzelne Konstante α verwendet wird, eine von einer Frequenz f abhängige Konstante α(f) verwendet werden.
Zweites Ausführungsbeispiel
Gemäß einem zweiten Ausführungsbeispiel wird ein reelles Amplitudenspektrum für Arbeitsvorgänge zum Korrigieren in dem ersten Ausführungsbeispiel verwendet. Die Konfiguration eines Echounterdrückers des zweiten Ausführungsbeispiels ist die gleiche wie die des ersten Ausführungsbeispiels, wie in 1 illustriert, und daher wird auf das erste Ausführungsbeispiel verwiesen. Seine Beschreibung wird hier nicht wiederholt. In der folgenden Beschreibung sind die gleichen Komponenten wie jene des ersten Ausführungsbeispiels mit den Bezugszeichen gekennzeichnet, welche identisch zu denen des ersten Ausführungsbeispiels sind, und werden hier nicht beschrieben.
8 ist ein Funktionsblockdiagramm, welches ein Funktionskonfigurationsbeispiel des Echounterdrückungsmechanismus 14 des Echounterdrückers 1 gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 schneidet Frames einer vorbestimmten zeitlichen Länge von dem addierten Referenztonsignal x(t) und dem Wahrnehmungstonsignal y(t) ab, wo die Signale x(t) und y(t) in Digitalsignale umgewandelt werden. Der Echounterdrückungsmechanismus 14 führt das Computerprogramm 100 aus, um als die erste FFT-Umwandlungseinheit 140 und die zweite FFT- Umwandlungseinheit 141 zu arbeiten. Das Referenztonsignal X(f), welches mit der ersten FFT-Umwandlungseinheit 140 erzeugt wird, und das Wahrnehmungstonsignal Y(f), welches mit der zweiten FFT-Umwandlungseinheit 141 erzeugt wird, besitzen ein komplexes Spektrum. In dem zweiten Ausführungsbeispiel wird die Verarbeitung ausgeführt, indem ein Amplitudenspektrum verwendet wird, welches ein Realteil des komplexen Spektrums der Signale ist, welche mit der ersten FFT-Umwandlungseinheit 140 und der zweiten FFT-Umwandlungseinheit 141 erzeugt werden. In der folgenden Beschreibung wird das Amplitudenspektrum des Referenztonsignals X(f) als das komplexe Spektrum als das Referenztonsignal |X(f)| bezeichnet und wird das Amplitudenspektrum des Wahrnehmungstonsignals Y(f) als das komplexe Spektrum als das Wahrnehmungstonsignal |Y(f)| bezeichnet.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als die Berechnungseinheit 142 zu arbeiten. Das Referenztonsignal |X(f)| und das Wahrnehmungstonsignal |Y(f)|, welche mit der Berechnungseinheit 142 verarbeitet werden, sind jeweils ein Amplitudenspektrum, und können daher nicht durch die konjugiert komplexe Zahl X*(f) zu einer reellen Zahl multipliziert werden. Dementsprechend leitet in dem zweiten Ausführungsbeispiel die Berechnungseinheit 142 ein Signalverhältnis |G1(f)|' als eine reelle Zahl aus der folgenden Gleichung (8) anstelle der Gleichung (1) her. |G1(f)|' = |Y(f)/|X(f)|Gleichung (8)wo |G1(f)|' das Signalverhältnis ist, |Y(f)| das Wahrnehmungstonsignal ist und |X(f)| das Referenztonsignal ist.
Des Weiteren bestimmt in dem zweiten Ausführungsbeispiel die Berechnungseinheit 142 eine Korrelation |G2(f)|' als eine reelle Zahl aus der folgenden Gleichung (9) anstelle der Gleichung (2). |G2(f)|' = Σ{|Y(f)||X(f)|}/Σ{|X(f)|2} Gleichung (9)wo |G2(f)|' die Korrelation ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als die Vergleichseinheit 143 und die Bestimmungseinheit 144 zu arbeiten. Die Vergleichseinheit 143 vergleicht das Signalverhältnis |G1(f)|' und eine α-fache Korrelation |G2(f)|' basierend auf der folgenden Gleichung (10) anstelle von Gleichung (3), wo α eine vorbestimmte Konstante repräsentiert. |G1(f)|' < α|G2(f)|' Gleichung (10)
Wenn das Signalverhältnis |Gl(f)| kleiner ist als die α-fache Korrelation |G2(f)|, beurteilt die Bestimmungseinheit 144 einen gegenwärtigen Zustand als einen Einzelsprechzustand mit einer hohen Korrelation zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f) und bestimmt den Echoschätzungsfaktor |G(f)|, welcher eine Beziehung von |G(f)| = |G1(f)| erfüllt . Wenn das Signalverhältnis |G1(f)| nicht kleiner ist als die α-fache Korrelation |G2(f)|, beurteilt die Bestimmungseinheit 144 einen gegenwärtigen Zustand als einen Doppelsprechzustand mit einer geringen Korrelation zwischen dem Wahrnehmungstonsignal Y(f) und dem Referenztonsignal X(f) und bestimmt den Echoschätzungsfaktor |G(f)|, welcher eine Beziehung von |G(f)| = |G2(f)| erfüllt.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als die Echoschätzungseinheit 145 zu arbeiten. In dem zweiten Ausführungsbeispiel leitet die Echoschätzungseinheit 145 ein Echo |X'(f)| als eine reelle Zahl aus der folgenden Gleichung (11) anstelle der Gleichung (4) her. |X'(f)| = |G(f)||X(f)| Gleichung (11)wo |X'(f)| das Echo ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als die Echounterdrückungseinheit 146 zu arbeiten. In dem zweiten Ausführungsbeispiel leitet die Echounterdrückungseinheit 146 ein Unterdrückungsergebnissignal |R(f)| als eine reelle Zahl aus der folgenden Gleichung (12) anstelle der Gleichung (5) her. |R(f)| = |Y(f)| – |X'(f) Gleichung (12)wo |R(f)| das Unterdrückungsergebnissignal ist.
Des Weiteren führt der Echounterdrückungsmechanismus 14 das Computerprogramm 100 aus, um als die IFFT-Umwandlungseinheit 147 zu arbeiten, welche das Unterdrückungsergebnissignal R(f) als eine reelle Zahl und einen Imaginärteil des Wahrnehmungstonsignals Y(f), welches mit der zweiten FFT-Umwandlungseinheit 141 erzeugt wird, kombiniert, um das zusammengesetzte Signal in ein Signal auf einer Zeitachse (in einen Zeitbereich) umzuwandeln, durch eine IFFT-Verarbeitung. Das Unterdrückungsergebnissignal r(t), welches in ein Signal auf der Zeitachse umgewandelt wurde, wird mit dem D/A-Umwandlungsmechansimus 15 in ein Analogsignal umgewandelt und dann an die Tonverarbeitungsvorrichtung 3 ausgegeben.
Die Tonverarbeitungsvorrichtung 3 führt die Spracherkennungsverarbeitung oder Ähnliches basierend auf dem empfangenen Unterdrückungsergebnissignal r(t) aus. Auf diese Art und Weise wird die Echounterdrückungsverarbeitung des Echounterdrückers 1 gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung durchgeführt.
Als nächstes wird die Verarbeitung des Echounterdrückers 1 gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung beschrieben. Der Echounterdrücker 1 gibt Signale, welche erzeugt werden, indem n Referenztonsignale x1(t), ... und xn(t) und das Wahrnehmungstonsignal y(t) verwendet werden, an den Echounterdrückungsmechanismus 14 aus, ähnlich zum ersten Ausführungsbeispiel.
9 ist ein Flussdiagramm (Arbeitsablaufdiagramm), welches ein Beispiel der Verarbeitung des Echounterdrückers 1 gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt. Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 wandelt das empfangene addierte Referenztonsignal x(t) und Wahrnehmungstonsignal y(t) in Frames um (S201). Dann wandelt der Echounterdrückungsmechanismus 14 das addierte Referenztonsignal x(t) und das Wahrnehmungstonsignal y(t) in das Referenztonsignal X(f) und das Wahrnehmungstonsignal Y(f) als Komponenten auf der Frequenzachse mit der ersten FFT-Umwandlungseinheit 140 und der zweiten FFT-Umwandlungseinheit 141 um (S202). Dann werden das Referenztonsignal |X(f)| und das Wahrnehmungstonsignal |Y(f)| als ein Amplitudenspektrum aus dem Referenztonsignal X(f) beziehungsweise dem Wahrnehmungstonsignal Y(f) extrahiert (S203).
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 berechnet das Signalverhältnis |G1(f)|' zwischen dem Referenztonsignal |X(f)| und dem Wahrnehmungstonsignal |Y(f)| bei jeder Frequenz f, durch die Verarbeitung der Berechnungseinheit 142 (S204), und berechnet außerdem die Korrelation |G2(f)|' zwischen dem Referenztonsignal |X(f)| und dem Wahrnehmungstonsignal |Y(f)| bei jeder Frequenz f (S205). In Schritt S204 wird das Signalverhältnis |Gl(f)|' basierend auf der obigen Gleichung (8) berechnet und in Schritt S205 wird die Korrelation |G2(f)|' basierend auf der obigen Gleichung (9) berechnet.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 vergleicht das Signalverhältnis |G1(f)|' und die Korrelation |G2(f)|' mit der Vergleichseinheit 143 (S206), und leitet den Echoschätzungskoeffizienten |G(f)|, welcher für eine Echoschätzung notwendig ist, aus dem Signalverhältnis |G1(f)|' und der Korrelation |G2(f)|' basierend auf dem Vergleichsergebnis her (S207). Das Signalverhältnis |G1(f)|' oder die Korrelation |G2(f)|' wird beim Herleiten des Echoschätzungskoeffizienten |G(f)| in Schritt S207 basierend auf den obigen Gleichungen (8) bis (10) ausgewählt.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 schätzt das Echo |X'(f)| basierend auf dem Echoschätzungskoeffizienten |G(f)| und dem Referenztonsignal |X(f)| durch die Verarbeitung der Echoschätzungseinheit 145 (S208). In Schritt S208 wird das Echo |X'(f)| als ein Schätzwert eines Echos zum Korrigieren des Wahrnehmungstonsignals |Y(f)| basierend auf der obigen Gleichung (11) berechnet.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 unterdrückt das Wahrnehmungstonsignal |Y(f)| basierend auf dem Echo |X'(f)|, um das Unterdrückungsergebnissignal |R(f)| durch die Verarbeitung der Echounterdrückungseinheit 146 zu erzeugen (S209). In Schritt S209 wird die Korrektur durchgeführt, um das Echo |X'(f)| aus dem Wahrnehmungstonsignal |Y(f)| basierend auf der obigen Gleichung (12) zu entfernen.
Der Echounterdrückungsmechanismus 14 des Echounterdrückers 1 kombiniert das Unterdrückungsergebnissignal |R(f)| als eine reelle Zahl und einen Imaginärteil des Wahrnehmungstonsignals Y(f), welches mit der zweiten FFT-Umwandlungseinheit 141 erzeugt wird, durch die Verarbeitung der IFFT-Umwandlungseinheit 147 (S210). Des Weiteren wandelt der Echounterdrückungsmechanismus 14 das zusammengesetzte Signal in das Unterdrückungsergebnissignal r(t) als ein Signal auf einer Zeitachse durch die Verarbeitung der IFFT-Umwandlungseinheit 147 um (S211). Dann wird das umge wandelte Unterdrückungsergebnissignal r(t) mit dem D/A-Umwandlungsmittel 18 in ein Analogsignal umgewandelt und an die Tonverarbeitungsvorrichtung 3 ausgegeben.
Die Tonverarbeitungsvorrichtung 3 führt eine Spracherkennungsverarbeitung oder Ähnliches basierend auf dem empfangenen Unterdrückungsergebnissignal r(t) durch. Auf diese Art und Weise wird die Echounterdrückungsverarbeitung des Echounterdrückers 1 gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung durchgeführt.
In dem zweiten Ausführungsbeispiel wird ein Echo unterdrückt, indem das Echo |X'(f)| bei der Korrektur mit der Echounterdrückungseinheit 146 aus dem Wahrnehmungstonsignal |Y(f)| entfernt wird. Jedoch ist die vorliegende Erfindung nicht darauf beschränkt. Das Wahrnehmungstonsignal |Y(f)| kann gedämpft werden, um ein Echo zu unterdrücken. Als nächstes wird ein Beispiel des zweiten Ausführungsbeispiels beschrieben, in welchem das Wahrnehmungstonsignal |Y(f)| gedämpft werden kann, um ein Echo zu unterdrücken.
10 ist eine graphische Darstellung, welche eine Beziehung zwischen einem Dämpfungsverhältnis |Y(f)/|X'(f) und einem Dämpfungsfaktor g(f) in dem Echounterdrückungsverfahren gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung zeigt. In 10 repräsentiert die horizontale Achse das Dämpfungsverhältnis |Y(f)|/|X'(f) und repräsentiert die vertikale Achse den Dämpfungsfaktor g(f). 10 illustriert eine Beziehung dazwischen. Das Dämpfungsverhältnis |V(f)|/|X'(f)| ist ein Verhältnis des Wahrnehmungstonsignals |Y(f)| und des Echos |X'(f)|. Der Dämpfungsfaktor g(f) ist ein Faktor zum Berechnen des Unterdrückungsergebnissignals |R(f)| durch Multiplizieren des Wahrnehmungstonsignals |Y(f)|. Der Faktor nimmt einen Wert von 0 ≤ g(f) ≤ 1 an. Je größer der Wert ist, desto größer ist ein Dämpfungsbetrag. Als das Dämpfungsverhältnis |Y(f)| /|X'(f)| werden ein erster Schwellenwert γ1 und ein zweiter Schwellenwert γ2 festgelegt. Wenn das Dämpfungsverhältnis |Y(f)|/|X'(f)| kleiner ist als der erste Schwellenwert γ1, ist der Dämpfungsfaktor g(f) = 0. Wenn das Verhältnis nicht kleiner ist als der zweite Schwellenwert γ2, ist der Dämpfungsfaktor g(f) = 1. Wenn das Dämpfungsverhältnis |Y(f)|/|X'(f)| nicht kleiner ist als der erste Schwellenwert γ1 und kleiner ist als der zweite Schwellenwert γ2, wird der Dämpfungsfaktor g(f) in Übereinstimmung mit dem Dämpfungsverhältnis |Y(f)|/|X'(f)| basierend auf der Beziehung der 10 bestimmt. Des Weiteren wird eine Beziehung zwischen dem Dämpfungsfaktor g(f), dem Wahrnehmungstonsignal |Y(f)| und dem Unterdrückungsergebnissignal |R(f)| basierend auf der folgenden Gleichung (13) bestimmt. |R(f)| = g(f)|Y(f)| Gleichung (13)wo g(f) der Dämpfungsfaktor ist.
In dem Fall, in welchem der Dämpfungsfaktor g(f) verwendet wird, wird in Schritt S209 des Flussdiagramms (Arbeitsablaufdiagramm) der 9 der Dämpfungsfaktor g(f) basierend auf dem Wahrnehmungstonsignal |Y(f)| und dem Echo |X'(f)| durch die Verarbeitung der Echounterdrückungseinheit 146 bestimmt, wobei das Unterdrückungsergebnissignal |R(f)| basierend auf dem Wahrnehmungstonsignal |Y(f)| und dem bestimmten Dämpfungsfaktor g(f) erzeugt wird. Außerdem wird das Unterdrückungsergebnissignal |R(f)| basierend auf Gleichung (13) erzeugt und wird das Wahrnehmungstonsignal |Y(f)| gedämpft, indem der Dämpfungsfaktor g(f) verwendet wird, um ein Echo zu unterdrücken.
Des Weiteren können der erste Schwellenwert γ1 und der zweite Schwellenwert γ2 abhängig von der Frequenz f variieren. Die 11A und 11B zeigen Beispiele einer Beziehung zwischen der Frequenz f und dem ersten Schwellenwert γ1 und dem zweiten Schwellenwert γ2, welche abhängig von der Frequenz in dem Echounterdrückungsverfahren gemäß dem zweiten Ausführungsbeispiel der vorliegenden Erfindung variieren. In den 11A und 11B repräsentiert die horizontale Achse die Frequenz f und repräsentiert die vertikale Achse den von einer Frequenz f abhängigen ersten Schwellenwert γ1 und zweiten Schwellenwert γ2. Die 11A und 11B illustrieren eine Beziehung dazwischen. In dem Beispiel der 11A werden der erste Schwellenwert γ1 und der zweite Schwellenwert γ2 von der niedrigeren Frequenz auf die höhere Frequenz verringert, um eine Erkennungsgenauigkeit des Doppelsprechzustands zu verbessern, um eine Verzerrung der Stimme eines Sprechers zu unterdrücken. In dem Beispiel der 11B werden der erste Schwellenwert γ1 und der zweite Schwellenwert γ2 von der niedrigeren Frequenz auf die höhere Frequenz verringert, um eine Erkennungsgenauigkeit des Einzelsprechzustands zu erhöhen, um dadurch ein Restecho zu unterdrücken.
Die ersten und zweiten Ausführungsbeispiele sind illustrative unzähliger Ausführungsbeispiele der vorliegenden Erfindung. Die Konfigurationen verschiedener Arten von Hardware- und Softwarekomponenten können beliebig festgelegt werden, und verschiedene Verarbeitungen können in Kombination mit den oben beschriebenen Grundverarbeitungen verwendet werden. Beispielsweise kann die vorliegende Erfindung auf einen Unterdrücker angewendet werden, welcher mit einer einzelnen Ausgabeeinheit versehen ist, während in den ersten und zweiten Ausführungsbeispielen mehrere Ausgabeeinheiten vorgesehen sind. Außerdem ist die vorliegende Erfindung als die Tonverarbeitungsvorrichtung auf verschiedene Systeme zum Verarbeiten einer Stimme oder von Ton eines Telekonferenzsystems, eines Fahrzeugnavigationssystems oder Ähnlichem anwendbar. Darüber hinaus können der Echoun terdrücker, die Tonausgabevorrichtung und die Tonverarbeitungsvorrichtung in einem Gerät eingebaut sein.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

- JP 2002-237769 [0007]

Claims

Ein Gerät zum Unterdrücken eines Echosignals, welches in einem gemessenen Signal enthalten ist, das einem gemessenen Ton entspricht, wobei das Gerät mit der Toneingabevorrichtung zum Empfangen des gemessenen Tons und der Tonausgabevorrichtung zum Ausgeben eines Tons, der mit einem Referenzsignal im Zusammenhang steht, verbunden werden kann, wobei das Gerät umfasst: ein Bauteil, welches jede Transformation sowohl des gemessenen Signals als auch des Referenzsignals in einem Zeitbereich in sowohl das gemessene Signal als auch das Referenzsignal in einem Frequenzbereich durchführt; ein Bauteil, welches jeden Wert eines Verhältnisses und einer Korrelation zwischen dem gemessenen Signal und dem Referenzsignal in dem Frequenzbereich erhält; ein Bauteil, welches die Werte des Verhältnisses und der Korrelation vergleicht; ein Bauteil, welches einen Koeffizienten auf der Basis eines Ergebnisses des Vergleichs der Werte herleitet; ein Bauteil, welches einen geschätzten Wert des Echosignals auf der Basis eines Produkts des Koeffizienten und des gemessenen Signals in dem Frequenzbereich erhält; und ein Bauteil, welches das Echosignal in dem gemessenen Signal durch Subtrahieren des geschätzten Werts des Echosignals von dem gemessenen Signal unterdrückt, jeweils in dem Frequenzbereich.
Ein Gerät nach Anspruch 1, des Weiteren umfassend: ein Bauteil, welches eine Mehrzahl von Referenzsignalen für ein resultierendes Referenzsignal addiert, wobei das Bauteil, welches jede Transformation sowohl des gemessenen Signals als auch des Referenzsignals durchführt, so wohl das gemessene Signal als auch das resultierende Referenzsignal in dem Zeitbereich in sowohl das gemessene Signal als auch das resultierende Referenzsignal in dem Frequenzbereich transformiert.
Ein Gerät nach Anspruch 1, wobei das Bauteil, welches jeden Wert des Verhältnisses und der Korrelation erhält, eine Berechnung einer Korrelation zwischen dem gemessenen Signal und dem Referenzsignal in dem Frequenzbereich bei jeder Frequenz in einem vorbestimmten Frequenzbereich um eine spezifische Frequenz herum verarbeitet, und der vorbestimmte Frequenzbereich gemäß der spezifischen Frequenz gesteuert wird.
Ein Gerät nach Anspruch 1, wobei das Bauteil, welches den Koeffizienten herleitet, des Weiteren eine Mehrzahl von Schwellenwerten zum Vergleichen des Verhältnisses mit der Korrelation festlegt und auf der Basis der Mehrzahl von Schwellenwerten, dem Verhältnis und der Korrelation bestimmt, ob das gemessene Tonsignal in einem Zustand eines Einzelsprechens oder eines Doppelsprechens gemessen wird.
Ein Gerät nach Anspruch 4, wobei einer der Mehrzahl von Schwellenwerten gemäß in Übereinstimmung mit der Frequenz festgelegt ist.
Ein Gerät nach Anspruch 1, wobei das Bauteil, welches jeden Wert erhält, das Bauteil eine Berechnung des Verhältnisses und der Korrelation auf der Basis jedes Amplitudenspektrums des gemessenen Signals und des Referenzsignals durchführt, welche in den Frequenzbereich transformiert werden.
Ein Gerät nach Anspruch 6, wobei das Bauteil, welches den geschätzten Wert erhält, eine Amplitude des Echosignals schätzt, und das Bauteil, welches das Echosignal unterdrückt, eine Amplitude des gemessenen Signals in dem Fall unterdrückt, wenn ein Verhältnis des Amplitudenspektrums des gemessenen Signals zu dem Amplitudenspektrum des Echosignals nicht geringer ist als ein vorbestimmter Wert.
Ein Gerät nach Anspruch 7, wobei der vorbestimmte Wert gemäß einer Frequenz variiert.
Ein Gerät nach Anspruch 1, wobei das Gerät mit einer Tonverarbeitungsvorrichtung zum Verarbeiten eines Tonsignals mit unterdrücktem Echo, welches aus dem Gerät ausgegeben wird, verbunden werden kann.
Ein Verfahren zum Unterdrücken eines Echosignals, welches in einem gemessenen Signal enthalten ist, das einem gemessenen Ton entspricht, wobei das Verfahren die Arbeitsschritte umfasst: Durchführen jeder Transformation des gemessenen Signals und eines Referenzsignals in einem Zeitbereich in einen Frequenzbereich, wobei das Referenzsignal einem Tonsignal zum Erzeugen eines Tons entspricht; Verarbeiten einer Berechnung zum Erhalten jedes Werts eines Verhältnisses und einer Korrelation zwischen dem gemessenen Signal und dem Referenzsignal in dem Frequenzbereich; Ausführen eines Vergleichs der Werte des Verhältnisses und der Korrelation; Herleiten eines Koeffizienten auf der Basis eines Ergebnisses des Vergleichs des Verhältnisses und der Korrelation; Ausführen eines geschätzten Werts des Echosignals auf der Basis eines Produkts des Koeffizienten und des gemessenen Tons in dem Frequenzbereich; und Unterdrücken des Echosignals in dem gemessenen Signal durch Subtrahieren des geschätzten Werts des Echosignals von dem gemessenen Signal, jeweils in dem Frequenzbereich.
Ein Speichermedium, welches ein computerlesbares Programm zum Veranlassen eines Computers speichert, um ein Echounterdrückungsverfahren auszuführen, welcher mit einer Tonausgabevorrichtung und einer Tonverarbeitungsvorrichtung kooperiert, wobei das Verfahren die Arbeitsschritte umfasst: Durchführen jeder Transformation des gemessenen Signals und eines Referenzsignals in einem Zeitbereich in einen Frequenzbereich, wobei das Referenzsignal einem Tonsignal zum Erzeugen eines Tons entspricht; Verarbeiten einer Berechnung zum Erhalten jedes Werts eines Verhältnisses und einer Korrelation zwischen dem gemessenen Signal und dem Referenzsignal in dem Frequenzbereich; Ausführen eines Vergleichs der Werte des Verhältnisses und der Korrelation; Herleiten eines Koeffizienten auf der Basis eines Ergebnisses des Vergleichs des Verhältnisses und der Korrelation; Ausführen eines geschätzten Werts des Echosignals auf der Basis eines Produkts des Koeffizienten und des gemessenen Tons in dem Frequenzbereich; und Unterdrücken des Echosignals in dem gemessenen Signal durch Subtrahieren des geschätzten Werts des Echosignals von dem gemessenen Signal, jeweils in dem Frequenzbereich.