DE19836995A1

DE19836995A1 - Echokompensator und Verfahren mit Richtungstransformation

Info

Publication number: DE19836995A1
Application number: DE1998136995
Authority: DE
Inventors: Li Tom Hong
Original assignee: Motorola Inc
Current assignee: Motorola Solutions Inc
Priority date: 1997-09-04
Filing date: 1998-08-14
Publication date: 1999-03-18
Also published as: GB9819078D0; GB2329097A; JPH11154894A; FR2767941A1; CN1212555A; GB2329097B

Description

Die vorliegende Erfindung bezieht sich auf Echokompensa toren und insbesondere auf Echokompensatoren mit schneller Konvergenz.

Einige bidirektionale Kommunikationssysteme haben für in entgegengesetzte Richtungen übertragene Signale separate Pfa de. In diesen Systemen können Signale von dem einen Pfad in den anderen Pfad gespiegelt werden. Diese gespiegelten Signa le, die normalerweise Echosignale heißen, überlagern die ge wünschten Nachrichtensignale. Folglich sind Echokompensatoren entwickelt worden, um die gespiegelten Signale zu unterdrüc ken.

Echokompensatoren verwenden adaptive Filter, um das in einen der Signalpfade reflektierte Echosignal abzuschätzen. Die Echoabschätzung wird vom Signalpfad, der das Echosignal liefert, subtrahiert, um ein Signal zu erzeugen, das im we sentlichen echofrei ist bzw. bei dem das Echo unterdrückt wird.

Weil adaptive Filter zum Berechnen des kleinsten Fehler quadrats (Least Mean Square = LMS) eine relativ einfache Struktur haben und weil sie beim Berechnen stabil und effizi ent sind, werden sie häufig in Echokompensatoren verwendet, um die Echosignale abschätzen. Adaptive LMS-Filter konvergie ren jedoch langsam, wenn sie in akustischen Echokompensati onsanwendungen wie z. B. Telekonferenzen und beim Freisprechen bei der zellulären Nachrichtenübertragung verwendet werden.

Ein weiterer Nachteil der adaptiven LMS-Filter besteht darin, daß sie das Echosignal oft nur um höchstens 30 dB (Dezibel) unterdrücken. Bei einer typischen akustischen An wendung sind die Echosignale sehr stark, und sie können so stark wie die erwünschten Nachrichtensignale werden. In solch einer Umgebung muß das adaptive Filter schnell konvergieren, um den sich schnell ändernden Echopfad zu simulieren, und es wäre äußerst wünschenswert, das Echosignal um mindestens 40 dB zu unterdrücken. Wenn diese zwei Anforderungen nicht er füllt werden können, treten wegen des Echos große Fehler auf, und diese großen Fehler können die Qualität des gesuchten Nachrichtensignals erheblich verschlechtern.

Adaptive Filter, die andere Algorithmen verwenden, wie etwa rekursive kleinste Fehlerquadrate (RLS) oder Algorithmen mit affinen Projektionen konvergieren schneller als Kompensa toren mit LMS-Filtern, sie sind jedoch instabiler und erfor dern einen größeren Aufwand beim Berechnen. Ein Filter mit einem hohen Berechnungsaufwand braucht eine aufwendige Schal tung oder aber erhebliche Prozessorkapazitäten. Ein instabi les adaptives Filter erzeugt unregelmäßige Abschätzungen und daher ist mit ihm kein genügend zuverlässiger Betrieb mög lich, der einem Anwender garantiert, bei einem Anruf stets verständlich kommunizieren zu können.

Der Bedarf nach einem schnell konvergierenden, stabilen, beim Berechnen effizienten, adaptiven Filter mit hoher Unter drückung ist im Bereich mobiler Telefone mit Freisprechen und bei Telekonferenzen mit Freisprechen besonders groß. Der Echopfad ändert sich in einem solchen Umfeld rasch, das Echo ist stark und das Hintergrundrauschen laut. Dementsprechend ist es notwendig, daß der Echokompensator ein adaptives Fil ter mit schneller Konvergenz umfaßt, das die Echosignale um mehr als 40 dB unterdrückt. Es ist außerdem wünschenswert, daß der Echokompensator beim Berechnen effizient ist, so daß er mit einer relativ kleinen Schaltung mit niedrigem Strom verbrauch implementiert werden kann.

Somit besteht ein Bedarf nach einem stabilen und beim Berechnen effizienten Filter für Umgebungen, in denen akusti sche Echos auftreten, bei denen der Echopfad sich rasch än dert und die Echosignale stark sind.

Fig. 1 zeigt schematisch eine Schaltung eines Echokom pensators nach dem Stand der Technik.

Fig. 2 zeigt Beispiele für Linien des konstanten mitt leren quadratischen Fehlers des abgeschätzten Echos, die sich wegen einer unpräzisen Abschätzung der Koeffizienten des ad aptiven LMS-Echokompensators ergeben, wenn nur zwei Koeffizi enten verwendet werden, d. h. L = 2.

Fig. 3 zeigt ein anderes Beispiel für Linien des kon stanten mittleren quadratischen Fehlers des abgeschätzten Echos, die sich wegen einer unpräzisen Abschätzung der Koef fizienten des adaptiven LMS Echokompensators ergeben, wenn nur zwei Koeffizienten verwendet werden, d. h. L 2.

Fig. 4 zeigt schematisch eine Schaltung eines Echokom pensators.

Fig. 5 zeigt ein Beispiel für die Linien das konstanten mittleren quadratischen Fehlers des abgeschätzten Echos, die sich wegen der unpräzise abgeschätzten Koeffizienten des ad aptiven Echokompensators ergeben, wenn im Residuenraum linea rer Vorhersage der Aktualisierungsrichtung nur zwei Koeffizi enten verwendet werden, d. h. L = 2.

Fig. 6 zeigt ein Beispiel für die Linien des konstanten mittleren quadratischen Fehlers der Echoabschätzung, die sich wegen der unpräzisen Abschätzung der Koeffizienten des adap tiven Echokompensators ergeben, wenn die Aktualisierungsrich tung, die aus der Aktualisierungsrichtung im Residuenraum li nearer Vorhersage transformiert wurde, im Sprachraum mit nur zwei Koeffizienten verwendet werden, d. h. L = 2.

Fig. 7 ist ein Flußdiagramm der Erzeugung der Aktuali sierungsrichtung.

Ein Echokompensator transformiert die Sprachwerte vom anderen Ende in entsprechende Residuenwerte linearer Vorher sage. Die Richtung der Aktualisierung für die Koeffizienten des Echokompensators wird im Residuenraum linearer Vorhersage gebildet. Dann wird die Aktualisierungsrichtung aus dem Resi duenraum in die Aktualisierungsrichtung des Sprachraums transformiert. Die Anpassung der Koeffizienten des Echokom pensators wird mit Hilfe der transformierten Aktualisierungs richtung des Sprachraumes ausgeführt. Durch Berechnen der Ak tualisierungsrichtung durch Transformation der linearen Vor hersage im Residuenraum in den Sprachraum kann die optimale Aktualisierungsrichtung erhalten werden. Dies erlaubt dem Echokompensator, sich dem Echopfad viel schneller anzupassen, weswegen das Echo viel stärker unterdrückt werden kann, wäh rend er dabei stabil, effizient und robust bleibt.

Fig. 1 zeigt in einer Vorrichtung 101 einen gängigen Echokompensator 100, der mit dem kleinsten quadratischen Mit tel (LMS) arbeitet. Die Vorrichtung 101 umfaßt ein Mikrofon 104 und einen Lautsprecher 102 für einen Betrieb mit freiem Sprechen. Der Lautsprecherpfad umfaßt einen mit einem Digi tal-Analog-Wandler (D/A-Wandler) 108 und dem Empfängerausgang eines Sendeempfängers 120 verbundenen Dekodierer 106. Der Mi krofonpfad umfaßt einen Analog-Digital-Wandler (A/D-Wandler) 114, einen Umsetzer 112 und einen mit dem Sender des Sen deempfängers 120 gekoppelten Kodierer 116. Die Signale x(n), y(n) und e(n) sind daher digitale Signale. Der Sendeempfänger 120 ist im Funktelefon mit der Antenne 122 gekoppelt.

Die Einrichtung 101 kann ein Zubehör zum freien Sprechen sein, das mit einem mobilen Funktelefon verbunden ist, oder es kann ein Funktelefon oder eine Telekonferenzeinrichtung zum Freisprechen sein. Für den Fachmann ist klar, daß der Echokompensator 100 in bidirektionalen Kommunikationsgeräten implementiert werden kann, die digitale und/oder analoge Schaltungen haben. Daher dienen der Dekodierer 106 und der Kodierer 116 zur Veranschaulichung. Der Dekodierer 106 kann ein A/D-Wandler sein, wenn der Sendeempfänger 120 sich in ei nem analogen Mobiltelefon oder in einem Telefon an einer ana logen Erdleitung befindet, oder wenn die Einrichtung 101 mit einem analogen Ausgang eines digitalen Mobiltelefons oder ei nes digitalen Erdleitungstelefon verbunden ist. Alternativ kann der Dekodierer 106 ein digitaler Decoder in einer digi talen Einrichtung wie einem digitalen Mobiltelefon sein. Der Kodierer 116 kann ein D/A-Wandler sein, wenn der Sendeempfän ger 120 sich in einem analogen Mobiltelefon oder in einem analogen Telefon an einer Erdleitung befindet, oder wenn die Einrichtung 101 mit einem analogen Eingang einer digitalen Einrichtung wie einem digitalen Mobiltelefon oder einem digi talen Erdleitungstelefon verbunden ist. Alternativ kann der Kodierer 116 ein digitaler Kodierer in einer digitalen Ein richtung wie etwa einem digitalen Mobiltelefon sein.

Der Echokompensator 100 soll im folgenden mit Bezug auf die Fig. 1 bis 3 beschrieben werden. Der gegenwärtige Signalabtastmoment sei n, das Sprachsignalwert x(n) vom ande ren Ende wird zum Lautsprecher 102 weitergegeben, das Audio signal y(n) vom diesseitigen Ende wird vom Mikrofon 104 emp fangen, und zum Zweck dieser Beschreibung seien die Signale x(n) und y(n) synchron, d. h., der Digital-Analog-Wandler 108 und der Analog-Digital-Wandler 114 verwenden dasselbe Taktsi gnal. Das Audiosignal y(n) von diesem Ende umfaßt die Sprache von diesem Ende s (n), das Echo t(n) und das Rauschen N(n) von diesem Ende. Die Echo t(n) ist der Teil des Signals x(t), der vom Lautsprecher 102 ausgegeben zurück zum Mikrofon 104 reflektiert wird. Das Rauschen N(n) kann zum Beispiel das Um gebungsrauschen in der Kabine eines Fahrzeugs sein.

In der folgenden Erläuterung werde angenommen, daß die Sprache s(n) am diesseitigen Ende null ist (d. h. es wird an diesem Ende nicht gesprochen), während die Koeffizienten des adaptiven Filters angepaßt werden. Wenn sowohl am anderen als auch am diesseitigen Ende gesprochen wird, was normalerweise gleichzeitiges Sprechen genannt wird, muß die Anpassung un terbrochen werden. Detektoren zum Erkennen einer Situation mit gleichzeitigem Sprechen und zum Verhindern der Anpassung in diesem Zustand, sind in der Technik bekannt, und sie wer den der Kürze halber im folgenden nicht ausführlicher be schrieben. Das Audiosignal y(n) vom diesseitigen Ende umfaßt im folgenden nur das Echo t(n) und das Rauschen N(n) Der Echokompensator 100 umfaßt eine Koeffizientenerzeu gungsschaltung 109 und ein adaptives LMS-Filter 110, um den Echopfad darzustellen. Die vom adaptiven LMS-Filter 110 er zeugte Echoabschätzung z(n) wird mit dem Signal y(n) im Um setzer 112 verbunden, um das Echosignal zu entfernen oder zu unterdrücken. Der Fehler der Echoabschätzung e(n) ist der Un terschied zwischen der Echoabschätzung z(n) und dem Signal vom diesseitigen Ende y(n). Die Koeffizienten vom adaptiven LMS-Filter werden von der Koeffizientenaktualisierungsschal tung 109 aus den vom anderen Ende empfangenen Sprachsignal werten und dem Fehler der Echoabschätzung erzeugt.

Zur Zeit n sind die Koeffizienten des adaptive LMS- Filter 110

W(n) = [w₀ (n)w₁(n). . .w_1-1(n)]^T.

L ist die Filterlänge, und das hochgestellte T (d. h. []^T) bezeichnet das Transponieren des Vektors. Die L vom anderen Ende empfangenen Sprachsignalwerte sind

X(n) = [x(n),x(n-1),. . .,x(n-L+1)]^T.

Die Echoabschätzung z(n) vom adaptiven LMS-Filter ist:

z(n) = X(n)^TW(n) (1).

Der Fehler der Echoabschätzung e(n) des adaptiven LMS- Filters 110 beträgt:

e(n) = y(n)- z(n) (2).

Die Koeffizienten W(n) des adaptive LMS-Filters 110 wer den entsprechend der folgenden Gleichung aktualisiert:

wobei µ die Größe der Anpassungsschritte, und

||x||² = X(n)^T.X(n)

ist.

R(n) = E{X(n)X(n)^T} = {r_ij(n)|i, j = 0, 1,. . .,L-1}

ist die Autokorrelationsmatrix der Sprachsignale vom an deren Ende. E{*} ist der statistische Durchschnitt. Da das Sprachsignal vom anderen Ende nicht stationär ist, ist R(n) eine zeitabhängige L × L-Matrix mit L zeitabhängigen positi ven Eigenwerten {λi(n), i = 0, 1,. . .,L-1} und L zeitabhän gigen Eigenvektoren {v_i(n), i = 0, 1,. . .,L-1}. S(n) = E{y(n) X(n)} = [s₀(n)s₁(n). . .s_L-1(n)]^T = [E{y(n)x(n)}E{y(n) x(n-1)}. . .E{y(n)x(n-L+1)}]^T ist der Kreuzkorrelationsvektor der Sprachsignalwerte vom anderen Ende und des Audiosignals vom diesseitigen Ende.

Die Leistung der adaptiven Filter hängt von den Werten der L zeitabhängigen Eigenwerte und Eigenvektoren ab. Es ist bekannt, daß µ fest ist und so gewählt werden muß, daß es folgender Relation gehorcht:

0 < µ < 2/λ_max(n) (4),

wobei λ_max(n) der maximale Eigenwert von R(n) ist. Da die Sprache vom anderen Ende nicht stationär ist, hat λ_max(n) ei nen großen dynamischen Bereich. Um jedoch die Stabilität des adaptiven Filters zu bewahren, muß µ sehr klein sein, um stets der Relation (4) zu genügen. Daß µ so klein sein muß, um die Stabilität zu bewahren, ist ein Grund dafür, daß adap tive LMS-Filter so langsam konvergieren.

Die optimalen Koeffizienten des adaptiven LMS-Filter 110 seien W₀ = [w₀w₁,. . .,w_L]^T. Im allgemeinen ändert sich W₀ sehr langsam mit der Zeit. Daher soll es hier als konstanter Vek tor betrachtet werden. Der Fehler der durch das adaptive LMS- Filter, das die gegenwärtigen Koeffizienten W(n) verwendet, erzeugten Echoabschätzung ist:

ε(n) = y(n) - z(n) = y(n) - X(n)^T W(n) (5),

wobei y(n) das Echosignal vom diesseitigen Ende ist. Die Situation, in der sich y(n) aus dem Echo und dem Rauschen zu sammensetzt, wird weiter unten betrachtet. In der folgenden Analyse werde angenommen, daß an diesem Ende kein Rauschen auftritt. Wenn W(n) nicht mit y(n) und X(n) korreliert ist (diese Annahme stimmt in etwa, wenn W(n) konvergiert, so daß W(n) als ein konstanter Vektor angenommen werden kann), wird der mittlere quadratische Fehler der Echoabschätzung des ad aptiven LMS-Echokompensators festgelegt durch

ξ = E{ε²(n)} = E{[y(n) - X(n)^TW(n)]²}
= E{y(n)²}+E{W(n)^TX(n)X(n)^TW(n)} - 2E{y(n)X(n)W(n)^T}
= E{y(n)²}+W(n)^TE{X(n)X(n)^T}W(n) - 2E{y(n)X(n)} W(n)^T
= E{y(n)²}+W(n)^TR(n)W(n) - 2S(n)W(n)^T (6).

Da W₀ die optimale Lösung von W(n) ist, und ξ eine Funk tion von W(n) ist, ist der Gradient von ξ bei W₀ null. Er er füllt die folgende Gleichung:

δξ/δW(n) = 0
→ 2R(n)W₀ - 2S(n) = 0
→ W₀ = R(n)^-1S(n) (7).

Setzt man (7) in (6) ein, ergibt sich der minimale mitt lere quadratische Fehler der Echoabschätzung durch folgende Gleichung:

ξ_min = E{y(n)²} - S(n)^TW₀ (8).

Obwohl ξ_min zeitabhängig ist, ändert es sich sehr langsam mit der Zeit, so daß es hier als konstant angenommen wird. Wenn (8) und (7) in (6) eingesetzt werden, kann die folgende Relation bewiesen werden:

ξ = ξmin + [W(n) - W₀]^TR(n)[W(n) - W₀] (9).

Adaptive LMS-Filter versuchen, W(n) auf seinen wahren Wert W₀ zu bringen bzw. ξ auf ξ_min zu bringen. Das Konvergenz verhalten des adaptiven Filters soll für den Fall zweier Koeffizienten, d. h. L=2 erläutert werden, wobei W(n) = [w₀(n) w₁(n)] und W₀ = [w₀ w₁] ist. Das Konvergenzverhalten des adap tiven Filters wird daher mit Bezug auf die in Fig. 2 und 3 gezeigten Linien gleicher mittlerer Quadrate erklärt. Diese Kurven werden durch Setzen von ξ auf verschiedene konstante Werte und Verwenden der Achsen w₀(n) und w₁(n) aufgetragen. Die Kurven sind Ellipsen in der Ebene w₀(n)-₁(n), in der die Eigenvektoren von R(n) die Hauptachsen der Ellipsen festlegen und die Eigenwerte die Steilheit der Fehleroberfläche festle gen. Der größere Eigenwert hat demzufolge die längere Achse, und die Eigenwerte der Matrix R(n) legen die Längen der Ach sen fest.

Da das Sprachsignal nicht stationär ist, ändert sich die Form der Ellipsen konstanten mittleren quadratischen Fehlers mit der Zeit. Adaptive LMS-Filter verwenden die Gradienten richtung 11 aus Fig. 2 und 13 aus Fig. 3 als Aktualisie rungsrichtungen. Die Gradientenrichtung ist die einzige Ak tualisierungsrichtung, die einfach und zuverlässig ist. Wie dargestellt, weicht die Richtung 11 sehr von der in Fig. 2 gezeigten optimalen Richtung 12 ab, und die Aktualisierungs richtung 13 weicht stark von der in Fig. 3 dargestellten op timalen Richtung 14 ab, was in den meisten Fällen und auch für diese beiden Beispiele für zeitlich veränderliche Eigen werte der Matrix R(n) gilt.

Die Form und die Größe der Linien konstanten mittleren quadratischen Fehlers ändert sich mit der Zeit. Folglich ver wendet das adaptive LMS-Filter oft eine Aktualisierungsrich tung, die stark von der optimalen Richtung abweicht. Das ist ein weiterer Grund, warum adaptive LMS-Filter langsam konver gieren und in Anwendungen wie akustischen Echokompensationen keine Unterdrückung des Echosignals über 40 dB erreichen.

Fig. 4 zeigt den Aufbau des Systems eines verbesserten Echokompensators 200. Der Echokompensator 200 kann mit einem Mikroprozessor, einem digitalen Signalprozessor, einem Mikro computer, einem Computer oder in jeder anderen passenden Schaltung implementiert werden. Mit dem Echokompensator 200 ist eine lineare Vorhersageschaltung 202 zusammengeschaltet, um das Sprachsignal vom anderen Ende x(n), ein Eingabesignal zu empfangen und am Ausgang 203 lineare Vorhersagekoeffizien ten und ein Residuensignal d(n) auszugeben. Die lineare Vor hersageschaltung kann mittels einer geeigneten linearen Vor hersageschaltung implementiert werden. Ein linearer Vorhersa gefehlerfilter (linear prediction error filter) ist vorteil haft, da es viele schnelle Algorithmen gibt, die zum Abschät zen der Koeffizienten verwendet werden können. Vorzugsweise wird ein schneller Algorithmus gebraucht, der beim Berechnen effizient und stabil ist. Die Wahl eines linearen Vorhersage fehlerfilters mit diesen Eigenschaften garantiert einen sta bilen und effizienten Echokompensator 200.

Eine lineare Vorhersageanalyse kann sehr genau Sprachpa rameter abschätzen. Lineare Vorhersagesysteme werden von ei nem Impulszug für stimmhafte Sprache oder von einer zufälli gen Rauschfolge für nichtstimmhafte Sprache angeregt. Die Pa rameter eines linearen Vorhersagesystems ändern sich langsam mit Zeit. Die Beziehung zwischen dem Sprachsignalwert s(n) und der Erregung u(n) gibt die folgende Gleichung an:

wobei p die Ordnung des zeitlich veränderlichen digita len Filters, G ein Verstärkungsfaktor und {αk|k = 1, 2,. . ., p} die Koeffizienten des zeitlich veränderlichen digitalen Filters sind.

Die lineare Vorhersage eines Sprachsignals erzeugt eine Abschätzung des gegenwärtigen Sprachsignals aus einer linea ren Kombination der letzten Signale. Es sei ^s(n) eine linea re Vorhersage von s (n), dann kann ^s(n) aus einer linearen Vorhersage mit Vorhersagefilterkoeffizienten {αk|k = 1, 2,. . .,p} wie folgt bestimmt werden:

Der Vorhersagefehler der linearen Vorhersage der Glei chung (11) ist:

Aus der Gleichung (12) kann ersehen werden, daß die Vor hersagefehlerfolge die Ausgabe des linearen Vorhersagefehler filters ist, dessen Übertragungsfunktion

ist.

Es sind schnelle rekursive Algorithmen bekannt, die li near Vorhersagefehlerfilterkoeffizienten {αk|k = 1, 2,. . .,p} abschätzen. Lineare Vorhersagefehlerfilter sind weiße Filter, da sie ein Residuensignal erzeugen, das die Charakteristik des weißen Rauschens hat. Der rekursive Levinson-Durbin- Al gorithmus eignet sich besonders für die vorliegenden Erfin dung. Dieses Filter weist mehrere vorteilhafte Eigenschaften auf. Es wird bei der Sprachvorhersage gern verwendet, so daß es gut verstanden und gut entwickelt ist. Es ist effizient beim Berechnen, so daß es mit einer relativ kleinen Schaltung implementiert werden kann. Eine andere wichtige Eigenschaft dieses Algorithmus ist, daß ein lineares Vorhersagefehlerfil ter, das auf diesem Filtertyp beruht, stabil ist.

Der Echokompensator 200 bearbeitet Rahmen für Rahmen die empfangenen Audiosignalwerte. Die empfangenen Audiosignalwer te sind sowohl die Signalwerte von dem anderen Ende, die über den Lautsprecher 102 ausgegeben werden, als auch vom diessei tigen Ende, die von Mikrofon 104 aufgenommen werden. Die Au diosignalwerte vom anderen Ende und die Signale vom diessei tigen Ende sind synchron. Die Rahmengröße K liegt normaler weise zwischen 50 und 200 Signalwerten. Sobald ein Rahmen mit K neuen Signalwerten sowohl vom anderen Ende als auch vom diesseitigen Ende empfangen wird, beginnt der Betrieb des Al gorithmus. Die K vom anderen Ende empfangenen Sprachsignal werte sind x(n), x(n-1),. . .,x(n-K+1), und die K vom dies seitigen Ende empfangenen Signalwerte sind y(n), y(n-1),. . ., y(n-K+1), wobei n der jeweilige Zeitpunkt der Abtastung ist.

Im Betrieb wird die lineare Vorhersageanalyse der K vom anderen Ende empfangenen Sprachsignalwerte, die die eingege benen Signalwerte sind, zuerst in der linearen Vorhersage schaltung 202 ausgeführt. Die linearen Vorhersagefehlerfil terkoeffizienten {α_k|k = 1, 2,. . .,p} können mittels ver schiedener Algorithmen, zum Beispiel dem Levinson-Durbin Al gorithmus abgeschätzt werden. Die Ordnung p des für die li neare Vorhersageschaltung 202 verwendeten linearen Vorhersa gefehlerfilters kann etwa im Bereich zwischen 5 und 15 lie gen. Das lineare Vorhersagefehlerfilter der linearen Vorher sageschaltung 202 hat eine Übertragungsfunktion A(z), die wie folgt dargestellt werden kann:

Die Koeffizienten für das adaptive Filter werden von der Koeffizientenerzeugungsschaltung 204, die eine Koeffizienten aktualisierungsschaltung ist, aktualisiert. Die adaptive Echo kompensation wird für die K empfangenen Audiosignalwerte, den eingegebenen Signalwerten, mit Hilfe der aktualisierten Koef fizienten des adaptiven LMS-Filters 110 ausgeführt. Ein Zeit index i liegt in dem Zeitbereich der K neu empfangenen Audio signalwerte, d. h. n ≦ i ≦ n-K+1. W(i) = [w₀(i)w₁(i),. . ., w_L-1(i)]^T sind die Koeffizienten des adaptiven Echokompensa tors zur Zeit i; L ist die Länge des adaptiven Echokompensa tors, und X(i) = [x(i)x(i-1),. . .,x(i-L+1)]^T ist ein Vektor von L zur Zeit i von vom anderen Ende empfangenen Sprach signalwerten. L kann kleiner oder größer als K sein.

Signalwert für Signalwert, d. h. i = n-K+1, n-K+2,. . .,n führt der Echokompensator 200 für die K empfangenen Signal werte die Echokompensation aus. Der Echokompensator 200:
führt zum Zeitpunkt i = n-K+1 mit den Koeffizienten W(n- K+1) die Echokompensation aus, und er aktualisiert die Koef fizienten W(n-K+1) zu den Koeffizienten W(n-K+2),
führt zum Zeitpunkt i = n-K+2 mit den Koeffizienten W(n- K+2) die Echokompensation aus, und er aktualisiert die Koef fizienten W(n-K+2) zu den Koeffizienten W(n-K+3), und
setzt diesen Betrieb zu jedem darauf folgenden Zeitpunkt der Signalwerte bis zu einem letzten Zeitpunkt i = n der Signalwerte fort, bei dem die Echokompensation mit den Koef fizienten W(n) ausgeführt wird, und die Koeffizienten W(n) werden zu den Koeffizienten W(n+1) aktualisiert, und wartet auf den nächsten Rahmen, um diese Abfolge für diesen Rahmen zu wiederholen.

Zu einer angegebenen Zeit i beträgt der Fehler der Echo abschätzung des adaptiven Echokompensators:

e(i) = y(i) - X(i)^TW(i) (15),

wobei y(i) der Audiowert vom diesseitigen Ende zum Zeit punkt i ist.

Zur Zeit i wird die Richtung der Aktualisierung der Koeffizienten des adaptiven Echokompensators im Residuenraum linearer Vorhersage erstellt. Die L linearen Vorhersageresi duenwerte der vom anderen Ende empfangenen Sprachsignalwerte d(i), d(i-1),. . .,d(i-L+1), die durch Filtern der zum Zeit punkt i vom anderen Ende empfangenen Sprachsignalwerte mit dem linearen Vorhersagefehlerfilter A(z) erzeugt wurden, sind:

Die Richtung der Aktualisierung der Koeffizienten des adaptiven Echokompensators in dem Residuenraum der linearen Vorhersage ist Q(i}, wobei:

wobei D(i) = [d(i), d(i-1),. . .,d(i-L+l)]^T, und Q(i)=[q₀(i), q₁(i),. . .,q_L-1(i)]^T, µ ist die Adaptionsschritt größe, wobei ||D(i)||² = D(i)^TD(i).

Nachdem die Richtung der Aktualisierung der Koeffizien ten für die Adaptive im Residuenraum der linearen Vorhersagen von der Koeffizientenerzeugungsschaltung 204 erhalten wurde, kann die Aktualisierungsrichtung im Sprachraum auf Grundlage von A(z) und Q(i) berechnet werden. Die Richtung der Aktuali sierung der Koeffizienten des adaptiven Echokompensators im Sprachraum ist G(i) = [g₀(i)g₁(i),. . .,g_L-1(i)]^T G(i) wird für jeden Bestandteil von G(i) nach folgender Gleichung be rechnet:

wobei g_j(i) = 0 für j = -1, -2,. . .,-p angenommen wird, um die obige Gleichung auszuführen.

Gleichung (18) und Gleichung (16) stellen Filter mit verschiedenen Betriebsrichtungen dar. Die Gleichung (16) führt das Filtern für die lineare Vorwärtsvorhersage aus, um die Sprachsignalwerte vom anderen Ende vom Sprachraum in den Residuenraum linearer Vorhersage umzuwandeln. Die Gleichung (18) führt die lineare Vorhersage in Rückwärtsrichtung aus, um die Richtung der Aktualisierung vom Residuenraum linearer Vorhersage in den Sprachraum zu transformieren.

Nachdem G(i) erhalten wurde, können die Koeffizienten des adaptiven Echokompensators wie folgt direkt aktualisiert werden:

W(i+1) = W(i) + G(i) (19),

wobei W(i+1) die aktualisierten Koeffizienten für den nächsten Signalwert zum nächsten Zeitpunkt i+1 sind.

Da die Koeffizienten vom linear Vorhersagefehlerfilter für ein Sprachsignals sich während eines Rahmens zeitlich langsam ändern, ändern sich die Koeffizienten des linearen Vorhersagefehlerfilters während eines Rahmens praktisch nicht. Also kann es in einem Rahmen mit Sprachwerten als li neares zeitinvariantes FIR-Filter angesehen werden. Die Koef fizienten für einen Rahmen von Sprachsignalwerten werden mit tels des Levinson-Durbin-Algorithmus abgeschätzt. Außerdem ist das lineare Vorhersagefehlerfilter ein weißes Filter, so daß die Residuen der linearen Vorhersage wie weißes Rauschen wirken. Die Autokorrelationsmatrix der linearen Vorhersagere siduen entspricht dem des weißen Rauschens.

P(i) = E{D(i)D(i)^T} = {p_ij(n)|i, j = 0, 1,. . .,L-1} ist die Autokorrelationsmatrix der linearen Vorhersageresiduen. Wenn die Aktualisierungsrichtung im Residuenraum der linearen Vorhersage Q(i) beim Anpassen als Aktualisierungsrichtung verwendet wird, ist der mittlere quadratische Fehler β(i) der LMS-Echoabschätzung zum Zeitpunkt i nach den Gleichungen (5) bis (9) gegeben durch:

β(i) = β_min + [V(i) -V₀]^TP(i)[V(i) - V₀] (20),

wobei β_min der Mindestwert von β(i) ist. Wie zuvor wird wegen der langsamen Änderung angenommen, daß er zeitlich kon stant ist. V(i) sind die Koeffizienten des Echokompensators zur Zeit i, und sie sind die Faltung von W(i) mit (1/A(z)). V₀ ist die beste Lösung der wie oben definierten Koeffizien ten V(i), und er wird als konstanter Vektor angenommen, weil er sich mit Zeit nur langsam ändert. V(i) ist die Faltung von W₀ und (1/A(z)).

Fig. 5 zeigt die Linien konstanten mittleren quadrati schen Fehlers im Residuenraum linearer Vorhersage. P(i) hat L identische Eigenwerte, und die Linien konstanten mittleren quadratischen Fehlers sind Kreise. Folglich ist die Richtung des Gradienten 51 die einzige zuverlässige Aktualisierungs richtung, die für ein LMS-Filter verfügbar ist, und die Gra dientrichtung 51 ist an jedem Punkt des Kreises die optimale Richtung. V(i) konvergiert viel schneller zu V₀ als W(i) zu W₀ konvergiert. Zu beachten ist, daß V(i) nicht gleich W(i) ist, sondern die Faltung von W(i) mit (1/A(z)) darstellt. Die optimale Aktualisierungsrichtung kann im Residuenraum mit Q(i) gefunden werden.

Die optimale Aktualisierungsrichtung für W(i) im Sprachraum kann mit den verfügbaren Informationen aus Q(i) und A(z) bestimmt werden. Die folgende Gleichung-ist bei der Anpassung von V(i) zu berücksichtigen:

V(i+1) = V(i) + Q(i) (21).

Sie stimmt mit dem adaptiven LMS-Filter aus Fig. 1 überein, außer daß die Aktualisierungsrichtung im Residuen raum linearer Vorhersage verwendet wird. Nach dem Konvergie ren stimmen nicht die Koeffizienten sondern die Faltung mit (1/A(z)) mit den wahrem Koeffizienten W(i) überein. Da das lineare Vorhersagefehlerfilter A(z) in einem Rahmen der vom anderen Ende empfangenen Sprachesignalwerte zeitinvariant ist, ist W(i) die Faltung von V(i) mit A(z). Die Faltung der Gleichung (21) mit A(z) ergibt:

wobei ⊗ die Faltung von zwei Filtern darstellt. Deshalb ergibt die obige Anpassungsgleichung die Aktualisierungsrich tung durch Faltung der Aktualisierungsrichtung im Residuen raum mit A(z), und diese transformierte Aktualisierungsrich tung wird vom Echokompensator 200 verwendet.

Die transformierte Aktualisierungsrichtung gibt noch im mer die optimale Richtung im Sprachraum an, wie durch folgen des bewiesen wird:

(1) Da Q(i) die optimale Richtung für die Anpassung von V(i) ist, gibt es einen Skalar η mit
V(i) + ηQ(i) - V₀ = 0.
(2) Wenn A(z) ⊗ Q(i) nicht die optimale Aktualisie rungsrichtung für W(i) ist, gibt es keinen Skalar α mit
W(i) + α[A(z) ⊗ Q(i)] - W₀ = 0.
(3) Da A(z) ein lineares zeitinvariantes Filter und W(i) = A(z) ⊗ V(i), kann die obige Gleichung wie folgt umge schrieben werden:
A(z) ⊗ [V(i) + α Q(i) - V₀] = 0.
(4) Es gibt somit mindestens einen Skalar α = η, für den die obige Gleichung gilt. Die Faltung von A(z) mit Q(i) er gibt daher die optimale Aktualisierungsrichtung für W(i).

Ebenso kann der mittlere quadratische Fehler der Echoab schätzung des Echokompensators 200 entsprechend den Gleichun gen (5) bis (9) ausgedrückt werden:

ε(n) = y(n) - z(n) = y(n) -X(n)^TW(n) (23)

wobei y(n) das Signal vom diesseitigen Ende ist. W(n) = [w₀(n)w₁(n),. . .,w_l-1(n)]^T sind die Koeffizienten des Echokom pensators 200. X(n) = [x(n), x(n-1),. . .,x(n-L+1)]^T sind die vom anderen Ende empfangenen Sprachsignalwerte. Der mittlere quadratische Fehler der Echoabschätzung des neuen adaptiven Echokompensators wird definiert durch:

ξ_N = E{ε(n)} = E{[y(n) - X(n)^TW(n)]²}
= ξ_min + [W(n) - W₀]^TR(n)[W(n) - W₀],

wobei ξ_min = E{y(n)²}-S(n)^TW₀ der minimale mittlere qua dratische Fehler durch den Echokompensator 200 ist. W₀ = [w₀ w₁,. . .,w_L-1]^T sind die optimalen Koeffizienten des Echokom pensators 200, R(n) = {X(n) X(n)^T} wird wie oben definiert. Die Linienkonstanten mittleren quadratischen Fehlers sind die gleichen, wie die des LMS-Kompensators aus Fig. 1. Die Richtung der Aktualisierung stimmt jedoch, wie Fig. 6 zeigt, besser.

Fig. 6 zeigt die Linien des mittleren quadratischen Fehlers des neuen adaptiven Filters für den Fall zweier Koef fizienten, d. h. L = 2, wobei W(i) = [w₀(i)w₁(i)] und W₀ = [w₀ w₁]. Das neue adaptive Filter verwendet die Richtung des Gra dienten nicht als Richtung für seine Aktualisierung, wie es beim adaptiven LMS-Filter aus Fig. 1 der Fall war. Die Koef fizientenerzeugungsschaltung 204 bestimmt die Richtung der Aktualisierung der Koeffizienten in zwei Schritten. Zuerst wird die Richtung der Aktualisierung im Residuenraum linearer Vorhersage der Sprache vom anderen Ende bestimmt. Als zweites wird diese Aktualisierungsrichtung in den Sprachraum trans formiert, so daß sich die optimale Aktualisierungsrichtung 62 ergibt. Die Koeffizientenerzeugungsschaltung 204 verwendet stets die optimale Aktualisierungsrichtung, wodurch die ab trägliche Wirkung der wechselnden Eigenvektoren und Eigenwer te der Sprache vom anderen Ende, wie sie LMS-Filter nach Stand der Technik erfahren, vermieden werden.

Der Echokompensator 200 (Fig. 2) konvergiert viel schneller als gängige adaptive LMS-Echokompensatoren. Außer dem kann der Echokompensator 200 das akustische Echo um mehr als 60 dB unterdrücken, was besonders bei Anwendungen zur akustischen Echokompensation nützlich ist.

Es wird damit deutlich, daß der Echokompensator 200 (Fig. 2) ein gängiges adaptives LMS-Filter 110 verwendet. Es wird jedoch durch die Koeffizientenerzeugungsschaltung 204 eine verbesserte Aktualisierungsrichtung verwendet. Die Ak tualisierungsrichtung wird vom Ausgang eines linearen Vorher sagefehlerfilters abgeleitet, wobei dieses Filter lineare Vorhersagekoeffizienten von eingegebenen Signalwerten berech net, wie in Schritt 700 (Fig. 7) gezeigt ist. Schnelle und stabile Algorithmen zum Berechnen von linearen Vorhersagefeh lerfilterkoeffizienten können leicht implementiert werden. Vorzugsweise kann der Levinson-Durbin-Algorithmus eingesetzt werden, weil er allgemein bekannt und beim Berechnen effizi ent ist, so daß er implementiert werden kann, ohne die Größe der Echokompensatorschaltung übermäßig zu erhöhen. Es sind auch andere Filter niedriger Ordnung mit Finite-Impulse-Re sponse (FIR) bekannt, und sie können verwendet werden, um die lineare Vorhersageinformation zu berechnen.

Die Aktualisierungsrichtung im Residuenraum der linearen Vorhersage beruht, wie Schritt 701 zeigt, auf dem Residuum der linearen Vorhersage. Dies wird erreicht, nachdem die Sprachsignalwerte vom anderen Ende in den Residuenraum der linearen Vorhersage transformiert wurden. Dies schließt das Filtern der eingegebenen Signalwerte mit FIR ein. Die Ordnung des FIR-Filters kann beispielsweise etwa 10 sein. Die erfor derliche Rechenleistung ist daher klein, und die Stabilität ist garantiert. Die Aktualisierungsrichtung wird somit zu nächst im Residuenraum linearer Vorhersage (durch ein von ei nem linear Vorhersagefilter verarbeitetes Signal im linear Vorhersageraum) bestimmt.

Die Aktualisierungsrichtung wird danach vom Residuenraum der linearen Vorhersage in den Sprachraum transformiert, wie Schritt 702 zeigt. Der Sprachraum ist digitalisierte Sprache. Der Raum kann mit Hilfe eines FIR-Filters transformiert wer den. Die Aktualisierungsrichtung im Sprachraum wird von der Koeffizientenerzeugungsschaltung 204 verwendet, um die Koef fizienten des adaptiven Filters zu aktualisieren.

Es ist bekannt daß der LMS-Echokompensator einfach, ro bust und beim Berechnen effizient ist. Der Echokompensator 200 verwendet vorzugsweise ein LMS-Filter, um die Eigenschaf ten des LMS-Echokompensators auszunutzen, wobei die Anpassung wegen der besseren Richtung der Aktualisierung schneller kon vergiert. Es kann gefolgert werden, daß der verbesserte Echo kompensator einfach zu implementieren, stabil, robust und beim Berechnen effizient ist. Simulationen zeigen, daß der Echokompensator 200 außerdem laute Umgebungen verträgt. Die Transformation der Aktualisierungsrichtung ergibt eine viel schnellere Konvergenz und wegen der schnelleren Konvergenz eine viel stärkere Kompensation des Echos. Fachleute werden außerdem erkennen, daß die Vorteile der transformierten An passungsrichtung auch bei Echokompensatoren ohne LMS einge setzt werden können. Die Begriffe "adaptives Filter" und "Echokompensator", wie sie hier verwendet werden, sind daher nicht auf adaptive LMS-Filter und LMS-Echokompensatoren be grenzt.

Claims

1. Verfahren zum Erzeugen einer Aktualisierungsrichtung in einem Echokompensator mit einem adaptiven Filter, wobei das Verfahren die Schritte umfaßt:
Berechnen einer Aktualisierungsrichtung in einem Residu enraum linearer Vorhersage und
Transformieren der Aktualisierungsrichtung vom Residuen raum linearer Vorhersage in einen Sprachraum zum Erzeugen ei ner Aktualisierungsrichtung im Sprachraum zur Aktualisierung von Koeffizienten des adaptiven Filters.

2. Verfahren nach Anspruch 1, das einen Levinson-Durbin- Algorithmus verwendet, um ein lineares Vorhersageresiduensi gnal zu erzeugen, aus dem die Aktualisierungsrichtung im Re siduenraum linearer Vorhersage berechnet wird.

3. Verfahren nach Anspruch 1, bei dem der Schritt, die Aktualisierungsrichtung im Residuenraum linearer Vorhersage zu berechnen, das Bestimmen eines linearen Vorhersageresiduen signals, das mittels eines linear Vorhersagekoeffizienten be rechnet wird, umfaßt.

4. Verfahren nach Anspruch 3, bei dem das lineare Vor hersageresiduensignal mit Hilfe eines linearen Vorhersagefeh lerfilters mit mehreren linearen Vorhersagekoeffizienten er zeugt wird.

5. Verfahren nach Anspruch 4, bei dem das lineare Vor hersageresiduensignal d(n) ist mit
wobei p die Ordnung des Filters, x(n) und x(n-k) momen tane bzw. vorhergehende Signalwerte eines eingegebenen Si gnals sind und (α_k) ein linearer Vorhersagekoeffizient des linearen Vorhersagefehlerfilters ist.

6. Verfahren nach Anspruch 3, bei dem der Schritt des Transformierens das Filtern der Aktualisierungsrichtung mit einem FIR-Filter umfaßt, um die Aktualisierungsrichtung im Sprachraum zu erhalten.

7. Verfahren nach Anspruch 3, bei dem der Schritt des Transformierens das Transformieren der Aktualisierungsrich tung in den Sprachraum unter Verwendung der linearen Vorher sagekoeffizienten umfaßt.

8. Verfahren nach Anspruch 5, bei dem der Schritt des Transformierens der Aktualisierungsrichtung das Berechnen der Aktualisierungsrichtung g_n(i) im Sprachraum gemäß:
umfaßt, wobei L eine Länge des adaptiven Filters ist, p eine Ordnung des linearen Vorhersagefehlerfilters ist, Q(i) = [q₀(i),q₁(i),. . .,q_L-1(i)]^T die Aktualisierungsrichtung im Residuenraum linearer Vorhersage ist, G(i) = [g₀(i), g₁(i),. . ., G_L-1(i)]^T die Aktualisierungsrichtung im Sprachraum ist und {α_K} ein Koeffizient des linearen Vorhersagefehlerfilters ist.

9. Verfahren nach Anspruch 1, das außerdem die Schritte umfaßt:
Erzeugen von Echoabschätzungen mit aktuellen Koeffizien ten des adaptiven Filters und mit Sprachsignalwerten vom an deren Ende,
Erzeugen von linearen Vorhersagefilterkoeffizienten auf der Grundlage der Sprachsignalwerte vom anderen Ende,
Erzeugen eines linearen Vorhersageresiduensignals aus den linearen Vorhersagefilterkoeffizienten,
Berechnen der Aktualisierungsrichtung für den Echokom pensator aus dem linearen Vorhersageresiduensignal im Residu enraum linearer Vorhersage und
Erzeugen aktualisierter Koeffizienten für das adaptive Filter auf der Grundlage der aktuellen Koeffizienten und der Aktualisierungsrichtung im Sprachraum.

10. Echokompensator, der entsprechend dem in einem der Ansprüche 1 bis 9 festgelegten Verfahren arbeitet.