DE60029436T2

DE60029436T2 - Akustischer Echokompensator

Info

Publication number: DE60029436T2
Application number: DE60029436T
Authority: DE
Inventors: Martin University of Essex Colchester REED; University of Essex Malcolm John Colchester HAWKSFORD
Original assignee: British Telecommunications PLC
Current assignee: British Telecommunications PLC
Priority date: 1999-05-25
Filing date: 2000-05-18
Publication date: 2006-12-28
Anticipated expiration: 2020-05-19
Also published as: AU4599300A; JP2003500937A; ES2269137T3; DE60029436D1; EP1180300A1; CA2373114C; CN1351795A; EP1180300B1; US7660425B1; CA2373114A1; WO2000072567A1

Description

Diese Erfindung betrifft ein Verfahren zur akustischen Mehrfachkanal-Echokompensation (AEC – acoustic echo cancellation), das auf Systeme anwendbar ist, die ein räumliches Mehrfachkanal-Signal aus einem monophonen Signal ableiten, wobei jeder Kanal auf ein entsprechendes Element einer Reihe von Lautsprechern mit unterschiedlichen Verstärkungen angewendet wird, um die wahrnehmbare oder hörbare Illusion einer Richtung zu erzeugen. Diese Klasse eines räumlichen Signals wird hier als gerichtet Mono bezeichnet. Ein gerichtetes Monosystem verwendet zwei oder mehrere Verstärkungselemente, um die Räumlichkeit darzustellen, die einem Richtungs-(panning)-Prozessor zugeordnet ist, um entsprechende Lautsprecherausgaben zu erzeugen. In den zu beschreibenden Ausführungsbeispielen wird ein stereophonisches zwei-Kanal-Signal mit zwei Lautsprechern verwendet – ein als „Stereo aus gerichtetem Mono" (SSM – stereo from steered mono) bekanntes System, aber die Prinzipien der Erfindung können auf Systeme mit mehr als zwei Kanälen angewendet werden. Die Erfindung findet Anwendung in Telekonferenzsystemen, in denen der Stimme jedes Sprechers künstlich eine räumliche Positionierung zum Vorteil des Zuhörers gegeben wird.
Zur komfortablen Sprachkommunikation in einem Telekonferenzsystem, das einen Lautsprecher und ein Mikrofon statt einem Headset bzw. Kopfhörer verwendet, ist ein Verfahren einer akustischen Echokompensation (AEC – acoustic echo cancellation) erforderlich. Für monophonische Systeme kann die in 1 gezeigte Topologie verwendet werden mit einer Anzahl von unterschiedlichen adaptiven Prozessen, wie geringstes mittleres Quadrat (LMS – least mean square), rekursive mittlere Quadrate (RLS- recursive mean squares) oder schnelle affine Projektion (FAP – fast affine projection). Für stereopho nische und Mehrfach-Kanalsysteme sind jedoch existierende Lösungen weit weniger fortgeschritten, wobei einige größere Hindernisse noch überwunden werden müssen. Das Beispiel von 2 zeigt, dass es für ein stereophonisches System zwei Echopfade h₁ und h₂ gibt (welche die Mikrofon- und Lautsprecher-Impulsantworten umfassen), im Vergleich zu dem einzelnen Pfad in dem monophonischen Fall. (Dies setzt voraus, dass ein einzelnes Mikrofon verwendet wird, was im Allgemeinen der Fall ist, wenn eine Räumlichkeit künstlich zu erzeugen ist. Allgemeiner, die Anzahl der Echopfade ist das Produkt der Anzahl der Lautsprecher mit der Anzahl der Mikrofone).
Existierende Lösungen für das stereo-akustische Echokompensationsproblem nehmen im Allgemeinen die in 2 gezeigte Systemanordnung an, wo die Sprecher-zu-Mikrofon-Pfadantworten unbekannt sind. Das Ziel des adaptiven Prozesses in der Echokompensationsvorrichtung ist, die Signale x₁(t), x₂(t) und e(t) zu verwenden, um die adaptiven Filter h ^₁ und h ^₂ derart zu trainieren, dass e(t) → 0 (1)
Bei existierenden adaptiven Filterprozessen ist es nicht möglich, einen konvergenten Satz von Filtern derart zu erzielen, dass h1 = h ^1 und h2 = h ^2 (2)
Stattdessen wird eine konvergente Lösung erlangt, wie folgt: h1·g1 + h2·g2 = h ^1·g1 + h ^2·g2 (3)wobei · der Faltungsoperator ist. Es ist zu beachten, dass die Gleichung (3) die Gleichung (1) erfüllt, aber dass die Gleichung (2) keine eindeutige Lösung für die Gleichung (3) ist, somit können die Werte für h₁ und h₂ nicht aus diesem Ergebnis abgeleitet werden.
Wenn sich die Filter g₁ oder g₂ ändern, möglicherweise weil sich der Sprecher bewegt, bleibt die Gleichheit in der Gleichung (3) nicht länger erhalten (außer, es wird auch Gleichung (2) erfüllt). Somit erzeugt die Echokompensationsvorrichtung nicht länger eine konvergente Lösung und das von dem Sprecher zu hörende Echo steigt im Pegel an.
Verschiedene Lösungen für dieses Problem wurden vorgeschlagen, die entweder die Lautsprechersignale x₁ und x₂ verändern oder die Eigenschaften der Signale x₁ und x₂ verwenden. Das Ziel dieser Lösungen liegt darin, die Kreuzkorrelationseigenschaften der zwei Signale auszunutzen, da gezeigt werden kann, dass eine Lösung für die Gleichung (2) existiert, wenn die zwei Signale ausreichend dekorrelieren. Da jedoch in einem Telekonferenzsystem die Signale x₁ und x₂ inhärent hoch korrelieren, haben Techniken, welche die geringen dekorrelierten Merkmale in den Signalen ausnutzen, eine schlechte Leistung in alles andere als idealen Bedingungen.
Es wurde vorgeschlagen, eine geringe Menge an unabhängigem weißem Rauschen zu den Signalen x₁ und x₂ hinzuzufügen. Es wird gezeigt, dass dies der Konvergenz der Lösung zu der in Gleichung (2) durch Einführung einer Signal-Dekorrelation signifikant hilft. Obwohl ein Hinzufügen eines Rauschens auf diese Weise die Konvergenz verbessert, muss jedoch das Rauschen auf einem Pegel hinzugefügt werden, der unerwünscht hörbar ist.
Ein Artikel mit dem Titel „A Multichannel Affine Projection Algorithm With Applications To Multichannel Acoustic Echo Cancellation" von Benesty et al in „IEEE Signal Processing Letters", Vol. 3, Nr. 2, Seiten 35–37, veröffentlicht 1996 von IEEE Signal Processing Society, be schreibt ein Mehrfachkanal-Echounterdrückungssystem, das jeweilige Kanäle an entsprechende adaptive Filter liefert, aber die Verstärkungsfaktoren der jeweiligen Kanäle nicht berücksichtigt.
Gemäß der Erfindung ist vorgesehen ein Verfahren einer akustischen Echokompensation für ein gerichtetes räumliches Mehrfachkanal-Signal, wobei das gerichtete räumliche Signal aus einem Signaleingang erzeugt wird, der gemäß jeweiligen Räumlichkeitsverstärkungsfunktionen modifiziert wird, um eine Vielzahl von Audiokanälen zu erzeugen, wobei der Prozess der Echokompensation eine kombinierte Räumlichkeits- und Echopfadschätzung verwendet, wobei die Schätzung von den auf die jeweiligen Kanäle angewendeten Verstärkungsfunktionen abgeleitet wird, wodurch, wenn die in den jeweiligen Kanälen angewendeten Verstärkungsfunktionen verändert werden, eine Schätzung der Echopfade erzeugt wird, wobei die Schätzung auf einer früheren Schätzung des Echopfades und auf den Verstärkungsfunktionen basiert, wobei die Echopfad-Schätzungen verwendet werden, um ein Echokompensationssignal zu erzeugen.
Gemäß einem weiteren Aspekt ist vorgesehen eine Vorrichtung für eine akustische Echokompensation in einem gerichteten räumlichen Mehrfachkanal-Audiosystem, wobei das räumliche Audiosystem aufweist
Signaleingangsmittel zum Empfang eines Audiosignals, eine Vielzahl von Audioausgangsmitteln zum Erzeugen von akustischen Signalen, die aus dem Audiosignal abgeleitet werden;
Steuerungsmittel, die zu den Audioausgangsmitteln gehören, zum Erzeugen von Verstärkungssteuerungsfunktionen, welche die Audioausgangsmittel derart steuern, dass eine räumliche Version des Audiosignals durch die Vielzahl der Audioausgangsmittel erzeugt wird;
Audioeingangsmittel zur Erfassung akustischer Signale;
Signalausgangsmittel zum Senden eines Signals, das aus den von dem Audioeingangsmittel erfassten akustischen Signalen abgeleitet wird;
Echopfadschätzungsmittel, das Erfassungsmittel zum Identifizieren von Veränderungen in den Verstärkungssteuerungsfunktionen in den jeweiligen Steuerungsmitteln und Schätzungsmittel zum Erzeugen einer Schätzung des Echopfades zwischen den akustischen Ausgangsmitteln und dem akustischen Eingangsmittel aufweist, wobei die Schätzung basiert auf einer früheren Schätzung des Echopfades und auf den von dem Erfassungsmittel erfassten Verstärkungssteuerungsfunktionen;
Echokompensationssignalerzeugungsmittel zum Erzeugen eines Echokompensationssignals, das abgeleitet wird aus den räumlichen Audiosignalen, die von den Steuerungsmitteln erzeugt werden, und den Schätzungen, die von dem Echopfadschätzungsmittel abgeleitet werden, und
Signalkombinationsmittel zum Anwenden des Echokompensationssignals auf das Signal, das von dem Audioeingangsmittel erzeugt wird.
Diese Erfindung ist eine Adaption des monophonischen LMS-Prozesses. Die Erfindung vermeidet mehrfache Aktualisierungen von zwei oder mehreren Echopfadschätzungen, wie h ^₁ und h ^₂, und reduziert die Anzahl von erforderlichen Filteroperationen im Vergleich zu existierenden Stereoechokompensationsprozessen, wie h ^₁·x₁ und h ^₂·x₂. Zusätzlich verwendet die Erfindung die Räumlichkeitsparameter in dem adaptiven Prozess, im Gegensatz zu existierenden Echokompensationsprozessen. Die LMS-Aktualisierung ist modifiziert, um die Räumlichkeitsparameter zu berücksichtigen, die verwendet werden, um die aggregierte Echopfadschätzung jedes Mal zu aktualisieren, wenn sich die Räumlichkeit ändert. Nach der N-ten Räumlichkeitsänderung (wobei N die Anzahl von Kanälen in dem System ist), kon vergiert die aggregierte Echopfadschätzung hin zu dem aggregierten Echopfad für zukünftige Änderungen der Räumlichkeit. Vor der N-ten Räumlichkeitsänderung konvergiert der Prozess zu einer lokalen Lösung für die aggregierte Echopfadschätzung, so dass eine gewisse Echosignalreduzierung in der Lernstufe des Prozesses weiterhin gegeben ist.
Die Lernstufe kann als Teil einer Aufbauphase vor der Verwendung des Systems für Live-Verkehr vorgesehen werden. Zum Beispiel kann die erforderliche Anzahl von Räumlichkeitsänderungen erzielt werden durch Durchführen des monophonischen LMS-Prozesses für jeden Kanal der Reihe nach, indem die Verstärkungen der anderen Kanäle auf Null gesetzt werden.
Ein Ausführungsbeispiel der Erfindung wird nun auf beispielhafte Weise unter Bezugnahme auf die Figuren beschrieben, wobei
1 die Prinzipien einer monophonischen Echokompensation darstellt.
2 die grundlegenden Prinzipien einer stereophonischen Echokompensation darstellt (nur eine Hälfte des Rückpfads gezeigt).
3 ein Ausführungsbeispiel der Erfindung darstellt.
4 ein theoretisch äquivalentes System zu dem von 3 darstellt.
5 eine graphische Darstellung des gemittelten Fehlers für das in 3 gezeigte System, wobei Systeme nach Stand der Technik mit dem der Erfindung verglichen werden.
6 die Abnahme mit der Zeit bei der Fehleinstellung der Fehlerpfadschätzungen h ^₁ und h ^₂ unter Verwendung des erfinderischen Prozesses zeigt.
7 ein Ablaufdiagramm ist, das den Aktualisierungsprozess des bevorzugten Ausführungsbeispiels zeigt.
Das in 1 gezeigte monophonische System weist einen Eingangspfad 12 auf, der mit der Quelle (Mikrofon 11 und Sprecher 10) des ursprünglichen Signals s(t) verbunden ist. Das Signal s(t) wird von dem Übertragungspfad 12 modifiziert, um ein Lautsprechersignal x(t) zu erzeugen, das an den Lautsprecher 13 geliefert wird. Der Rückpfad besteht aus einem Mikrofon 21, einem Rückübertragungspfad 22 und einem Lautsprecher 23. Ein akustischer Pfad h₁ existiert zwischen dem Lautsprecher 23 eines Pfades und dem Mikrofon 21 des anderen Pfades. Somit wird Schall, der von dem Sprecher 10 stammt, an den Lautsprecher 23 zurückgesendet und von dem Sprecher 10 als Echo gehört. Dieser Effekt kann aufdringlich sein, insbesondere, da die Übertragungspfade 12, 22 Verzögerungen einführen können, deswegen wird ein Echokompensationsprozessor 24, 25, 26 installiert, um dieses Signal zu eliminieren. Ein adaptiver Prozessor 24 vergleicht das Signal e(t), das über den Rückpfad 22 übertragen werden soll, mit dem Signal x(t), das über den Eingangspfad 12 ankommt und identifiziert Korrelationen zwischen ihnen. Dies wird verwendet, um eine adaptive Filterbank 25 zu steuern, um einen Vektor h ^₁ zu erzeugen. Dieser Vektor ist eine Schätzung des akustischen Pfades h₁. Dieser Vektor wird auf das Eingangssignal x(t) durch den Filter angewendet und das Ergebnis von dem Eingang y(t) von dem Mikrofon 21 in einem Kombinierer 26 subtrahiert, um ein Rücksignal e(t) zu erzeugen. Wenn der adaptive Filter 25 eine genaue Schätzung h ^₁ der Funktion h₁ erzeugt, sollte das Echosignal y(t) folglich von der Ausgabe aus dem adaptiven Filter 25 kompensiert wer den und e(t) sollte folglich Null sein. Folglich sind die einzigen Signale, die über den Rückpfad 22 übertragen werden, Laute, die in der Nähe des Mikrofons 21 erzeugt und nicht von dem Lautsprecher 13 empfangen wurden.
2 stellt ein generalisiertes stereophonisches System dar. Die Situation ist ähnlich der von 1, außer dass es nun zwei Lautsprecher und zwei Mikrofone (durch die Suffixe „L" und „R" in 2 angezeigt) an jedem Ende gibt. Nur ein Kanal 22L des Rückpfades wird gezeigt. Für jeden Rückpfad 22L, (22R) gibt es zwei Echopfadschätzungen h ^_1L, h ^_2L, eine für jeden Auswärtspfad 12L, 12R, da jedes Mikrofon 21L, (21R) ein akustisches Feedback von beiden Lautsprechern 13L, 13R empfangen kann. Da die beiden Auswärtspfade 12L, 12R Signale von derselben Quelle 10 tragen, gibt es eine signifikante Korrelation zwischen den zwei Schätzungen h ^_1L, h ^_2L und die Prozesse, welche die adaptiven Filterwerte 25LL, 25RL erzeugen, sind folglich nicht unabhängig.
In dem in 2 gezeigten allgemeinen Fall sind die ursprünglichen Funktionen g₁, g₂ an dem empfangenden Ende unbekannt und sind abhängig von den relativen Positionen der Mikrofone 11L, 11R und des Sprechers 10. Es ist somit nicht möglich, eine eindeutige Lösung für h ^_1L, h ^_2L abzuleiten. Für eine bestimmte Räumlichkeit erzeugt der adaptive Prozessor 24L zwei geeignete Funktionen h ^_1L, h ^_2L für welche die obige Gleichung (3) gilt: h1·g1 + h2·g2 = h ^1·g1 + h ^2·g2 (3)
Dies bedeutet aber nicht notwendigerweise, dass auch Gleichung (2) gilt: h1 = h ^1 und h2 = h ^2 (2)
Wenn die Räumlichkeit und somit die Funktionen g₁, g₂ verändert werden, wird zu sehen sein, dass die adaptiven Filtern erneut gesetzt werden müssen, um der neuen Räumlichkeit zu entsprechen.
In einem gerichteten System, wie in den 3 und 4 dargestellt wird, wird eine monophonische Quelle 11 verwendet und die Funktionen g₁, g₂ werden zu Skalar-Werten g₁, g₂, die eine Verstärkung darstellen. Folglich gibt es nur einen Übertragungspfad 12, 22 in jede Richtung. Steuerungsinformation, die entweder an dem Empfangsende erzeugt wird oder mit dem monophonischen Signal s(t) übertragen wird, wird verwendet, um Regelverstärker (variable gain amplifier) 14L, 14R zu steuern, die Verstärkungsfunktionen g₁, g₂ zu variieren, welche die Räumlichkeit an dem Empfangsende definieren, um eine stereophonische Quelle zu emulieren. Die Tatsache, dass die Verstärkungsfunktionen g₁, g₂ an dem Empfangsende bekannt sind, ermöglicht, dass sie in dem adaptiven Prozessor 24, 25 verwendet werden.
Der Betrieb des adaptiven Prozessors 24, 25 wird nun unter Bezugnahme auf 7 beschrieben. Die zugrunde liegende mathematische Theorie wird dann unter Bezugnahme auf die 3 und 4 beschrieben.
Nach einem Initialisierungsschritt 101, in dem fiktive Werte für die Verstärkungsfunktionen g₁, g₂ gesetzt werden, läuft der Prozess in einer Iterationsschleife für jede Abtastperiode n wie folgt.
Zuerst werden die Werte k₁, k₂, k₃ gesetzt (Schritt 102). Diese identifizieren die letzten drei Abtastperioden, an denen sich die Räumlichkeitswerte g₁, g₂ änderten. Wenn sich die Räumlichkeitsverstärkungswerte g₁, g₂ seit dem letzten Abtastwert n – 1 nicht verändert haben, sind die Werte von k₁, k₂, k₃ dieselben wie für den letzten Ab tastwert. Wenn sich die Werte jedoch verändert haben, dann wird k₃ auf den vorherigen Wert von k₂ gesetzt, k₂ wird auf den vorherigen Wert von k₁ gesetzt und k₁ wird auf n – 1 gesetzt.
Dann wird die geschätzte Verstärkungsfunktion bestimmt (Schritt 103). Dies ist die Matrix
Wenn die Räumlichkeitswerte g₁, g₂ unverändert sind, ist diese Matrix ebenfalls unverändert und muss nicht neu berechnet werden. Dann wird die Inverse dieser Matrix bestimmt.
Wiederum, wenn die Räumlichkeitswerte g₁, g₂ unverändert sind, ist diese Matrix ebenfalls unverändert und muss nicht neu berechnet werden.
Als nächstes (Schritt 104) wird, wenn r = n – k₁ + 1 geringer ist als die Anzahl von Termen L in dem geschätzten Echopfadvektor h (in anderen Worten, wenn die seit der letzten Räumlichkeitsänderung vergangene Anzahl von Abtastwerten r geringer als L ist), ein Term in dem geschätzten Echopfadvektor h ^_n–1 wie folgt geändert:
(h ^_n–1 ist die spezifische Instanz der geschätzten Echopfadfunktion h ^ aus der vorherigen Iteration). Alle anderen Termen h ^_n–1(0)...h ^_n–1(r – 1) und h ^_n–1(r + 1)...h ^_n–1(L – 1) bleiben unverändert.
Das Fehlerkompensationssignal s T / nh ^n–1 (wobei s_n der Vektor ist, der die letzten L Abtastwerte des Eingangssignals s(n) darstellt) wird dann erzeugt unter Verwendung des revidierten geschätzten Echopfadvektors h ^_n–1 (Schritt 105) und von dem Signal y(n) subtrahiert, um das Ausgangssignal e(n) zu erzeugen.
Der geschätzte Echopfadvektor h ^_n–1 wird dann als Antwort auf das Echosignal e(n) adaptiert (Schritt 106) zur Verwendung in der nächsten Iteration. h ^n = h ^n–1 + μsnε(n)wobei ε(n) = s T / ns_ne(n) und μ die Schrittgröße ist.
Der Fortschritt ist stabil, vorausgesetzt, dass sich die Räumlichkeit auf einer längeren Zeitskala als die Periode L ändert und dass 0 ≤ μ < 2.
Die Berechnungskomplexität der Schritte 105–106 in dem obigen Prozess ist dieselbe wie der normalisierte LMS-Prozess, der in dem Bereich 2L liegt. Die Anzahl von Berechnungen liegt in dem Bereich von zwei Multiplikationen und einer Division für die Matrixinversion, die in Schritt 103 verwendet wird. Da dies nur einmal durchgeführt wird nach jeder Änderung der Räumlichkeit, fügt es wenig zur der Komplexität des Prozesses für ein großes L hinzu. Der Schritt 104 wird nur in den ersten L Abtastwerten nach einer Räumlichkeitsänderung berechnet und ist für große L nicht signifikant. Somit hat, wenn der oben gezeigte Prozess für eine akustischen Echokompensation mit einem gerichteten Mono-System verwendet wird, für das wahrscheinlich ist, dass L > 100, der Prozess eine Komplexität von ungefähr 2L.
Es folgt eine mathematische Beschreibung. Diese startet von dem in 4 gezeigten System und fährt dann fort, zu zeigen, dass es äquivalent zu dem System gemäß der Erfindung ist, das in 3 gezeigt wird und das eine einzelne aggregierte Echopfadschätzung verwendet.
Wie in 4 gezeigt, werden die zwei Mikrofon-Impuls-Antwortpfade 12L, 12R (2) durch zwei künstlich erzeugte Impulsantworten g₁ und g₂ ersetzt, die auf ein über den monophonischen Pfad 12 empfangenes einzelnes Mikrofonsignal s(t) tätig werden, um die Wahrnehmung oder Illusion einer Räumlichkeit zu erzeugen. Für die hier gezeigte Lösung werden die Funktionen g₁ und g₂ weiter vereinfacht, indem sie als einfache Verstärkungsfunktionen statt als Impulsantworten dargestellt werden. Dieses System funktioniert auf eine vollkommen andere Art und Weise als das System gemäß dem Stand der Technik von 2, da das hier gezeigte Verfahren, statt zu versuchen, die Signale x₁ und x₂ zu dekorrelieren, um die Konvergenz zu unterstützen, auf die inhärente hoch korrelierte Eigenschaft der Signale x₁ und x₂ baut. Das Verfahren verwendet die Kenntnis der Funktionen g1 und g2 (die in den Systemen gemäß dem Stand der Technik unbekannt sind), um eine konvergente Echokompensation zu erzielen. Vor der Beschreibung einer adaptiven Filter-Lösung für das Echoproblem, wird gezeigt, dass eine Lösung existiert.
Der Eingang zu dem Räumlichkeitsblock zur Abtastzeit n soll repräsentiert werden durch eine Spaltenmatrix (column vector) s_n = [s(n) s(n – 1)... s(n – (L – 1))]^T, der Eingang an das Mikrofon am Hörerende durch y_n = [y(n) y(n – 1)... y(n – (L – 1))]^T und die zwei Lautsprecher-zu-Mikrofon-Echopfade sollen die Spaltenmatrizen h₁ und h₂ mit Länge L sein (welche die Lautsprecher- und Mikrofon-Impulsantworten enthalten), dann yn = g1(n)Snh1 + g2(n)snh2 = (4)wobei die Räumlichkeit als die Verstärkungswerte g₁(n) und g₂(n) dargestellt werden, die konstant sind über die Abtastzeiträume n – (L – 1)...n, und
(Dies ist eine „Toeplitz"-Matrix, das heißt, eine symmetrische Matrix des Bereichs L × L, mit den Termen von sn in der ersten Zeile und der ersten Spalte, den Termen von s_n–1 in der zweiten Zeile und Spalte und so weiter). Es kann gezeigt werden, dass h₁ und h₂ nicht aus der Gleichung (4) bestimmt werden können.
Jedoch wird nun die Verwendung eines zweiten Satzes von Eingangs- und Ausgangsbeobachtungen zur Abtastzeit n + a in Betracht gezogen, wobei a ≥ L und g1(n + a) = g1(n + a – 1) = ... = g1(n + 1) ≠ g1(n) g2(n + a) = g2(n + a – 1) = ... = g2 (n + 1) ≠ g2(n) (5)in anderen Worten, die Funktionen g₁ und g₂ haben sich zwischen der Abtastzeit n und der Abtastzeit n + 1 verändert, blieben dann aber unverändert zwischen der Zeit n + 1 und der Abtastzeit n + a.
Somit ist
wobei I_L die L × L-Identitätsmatrix ist,
und ⊗ das Kronecker-Produkt ist. (Das Kronecker-Produkt von zwei Matrizen A und B wird erhalten durch Multiplizieren der Matrix B getrennt mit jedem einzelnen Term in der Matrix A und Bilden einer neuen Matrix (deren Bereich das Produkt der ursprünglichen zwei Matrizen ist) mit den resultierenden Termen).
Die Lösung zu Gleichung (6) ist
und unter Verwendung der Kronecker-Produkt-Identitäten
Somit existiert eine Lösung für h₁ und h₂, wenn das Signal s anhaltend erregt ist (d.h. es weist einen vollständigen spektralen Inhalt auf) und die Matrix G_n.n+a nicht-singulär ist, das heißt, sie eine inverse Matrix hat. Die nicht-singuläre Bedingung für G_n.n+a ist erfüllt, wenn die Räumlichkeitswerte zu den Abtastzeiten n und n + a unterschiedlich sind und keine Skalar-Vielfachen voneinander sind (d.h. g₁(n)/g₂(n) ≠ g₁(n + a)/g₂(n + a)). Idealerweise sollten die Werte derart ausreichend unterschiedlich sein, dass die Lösung der Gleichung (9) gut konditioniert ist.
Nach der Darstellung, dass eine Lösung existiert, wird nun der adaptive Prozess für die Lösung aus dem LMS-Prozess abgeleitet. Der normalisierte LMS(NLMS)-Prozess wird verwendet, um eine monophonische Echokompensation durchzuführen, wie unter Bezugnahme auf 1 diskutiert wurde, unter Verwendung der folgenden Aktualisierungen e(n) = y(n) – sTn h ^n–1 (10) ε(n) = sTn sne(n) (11) h ^n = h ^n–1 + μsnε(n) (12)wobei e(n) das Echosignal ist, μ ist der Parameter der Schrittgröße und h ^_n ist die Echopfadschätzung bei der n-ten Abtastinstanz. Die obigen einzel-Kanal-normalisierten-LMS-Gleichungen können für den gerichteten Mono-Fall modifiziert werden durch Verwendung einer einzelnen aggregierten Echopfadschätzung und erneutes Definieren von h_n–1 als h ^Tn–1 = [h ^1(0)g1(n) + h ^2(0)g2(n), ..., h ^1(L – 1)g1(n – (L – 1)) + h ^2(L – 1)g2(n – (L – 1))] (13)wobei h ^₁(t) und h ^₂(t) Funktionen sind, welche die zwei Echopfadschätzungen an dem Abtastintervall n repräsentieren. Ähnlich wird h als die Kombination aus h₁(t) und h₂(t) in einer Form definiert, die ähnlich ist zu der in Gleichung (13) gezeigten. hT = [h1(0)g1(n) + h2(0)g2(n), ..., h1(L – 1)g1(n – (L – 1)) + h2(L – )g2(n – (L – 1))] (14)
Die Aufgabe ist dann, h ^ derart zu verwenden und zu aktualisieren, dass die normalisierten LMS-Aktualisierungen der Gleichungen 10, 11 und 12 für die Echokompensation verwendet werden, statt zwei Echopfadschätzungen explizit zu verwenden. Wenn die Werte von g₁(n) und g₂(n) konstant sind für alle n, dann können die Aktualisierungen in den Gleichungen 10, 11 und 12 unverändert verwendet werden, um eine Schätzung von h zu bestimmen, da h über die Zeit konstant ist. Wenn sich jedoch g₁(n) und g₂(n) über die Zeit ändern, dann kann diese Lösung nicht verwendet werden, da eine Änderung in h bei den LMS-Aktualisierungen der Gleichungen 10, 11 und 12 nicht berücksichtigt wird.
Es werden drei Abtastzeitabschnitte i, i – a und i – b betrachtet, wobei b >> L > a (15)und g1(i) = g1(i – 1) = ... = g1(i – a) ≠ g1(i – a – 1) = g1(i – a – 2) = ... = g1(i – b) g1(i – b) ≠ g1(i – b – 1) = g1(i – b – 2) = ... = g1(i – ∞) (16) und ähnlich für g₂(n), d.h. Werte von g₁(n) und g₂(n) ändern sich nur in den Zeitabschnitten i – a und i – b.
Es wird der Wert des j-ten Koeffizienten in dem kombinierten Echopfad in den Zeitabschnitten i – a – 1 und i – b – 1 betrachtet (d.h. unmittelbar vor den Räumlichkeitsänderungen), was aus den Gleichungen 14 und 16 gegeben wird hi–b–1(j) = h1(j)g1(i – b – 1) + h2(j)g2(i – b – 1) 17) hi–a–1(j) = h1(j)g1(i – a – 1) + h2(j)g2(i – a – 1) (18)
Die Gleichungen 17 und 18 können ausgedrückt werden als
und somit
unter Verwendung der Definition von G aus (7).
Ferner wird der Wert des j-ten Koeffizienten in dem kombinierten Echopfad in dem Zeitabschnitt i betrachtet, der aus (14) und (16) gegeben wird durch
Wenn die Elemente von G^–1 durch eine Variable γ derart definiert werden, dass
dann ist aus (19), (21) und (22) hi(j) = (γ00hi–b–1(j) + γ01hi–a–1(j))g1(i) + (γ10hi–b–1(j) + γ11hi–a–1(j))g2(i) (23)
Diese Gleichung ist die zusätzliche Aktualisierung, die für die normalisierte LMS-Aktualisierung der Gleichungen (10), (11) und (12) erforderlich ist. Es ist anzumerken, dass aus (21) nur ein Koeffizient in h in jeder Abtastperiode aktualisiert werden muss, um eine Räumlichkeitsänderung zu berücksichtigen.
Der Prozess kann auf ein System ausgeweitet werden, das mehr als zwei Kanäle hat, durch Einführen einer geringen Modifikation des Prozesses. Insbesondere für ein N-Kanalsystem werden die vorherigen N + 1 Änderungen in der Räumlichkeitsposition in Variablen k_N+1, ..., k₁ aufgezeichnet, jeweils von der früheren bis zu der letzten. Die Matrix G wird generalisiert als
Der Schritt 104 kann generalisiert werden als
Die Schritte 105 und 106 bleiben unverändert.
Um den beschriebenen Prozess zu demonstrieren, wurden sowohl der normalisierte Stereo-geringstes-mittleres-Quadrat(least mean square)-Prozess gemäß der Erfindung als auch der normalisierte geringstes-mittleres-Quadrat-Prozess unter Verwendung der in 3 gezeigten Konfiguration und mit Echopfaden simuliert, die aus tatsächlich gemessenen Mikrofon/Sprecher-Pfaden genommen wurden. Die Räumlichkeitsposition wurde während der Simulation fünfmal verändert, um die Fähigkeit des Prozesses zu prüfen, sich an eine ändernde Räumlichkeit anzupassen. 5 zeigt den Gesamt-gemittelten Fehler in der Echokompensation für einen Eingang mit abgetastetem Gaußschen weißen Rauschen(GWN – Gaussian white noise). Für die Simulationen war der Schrittgrößen-Parameter μ 0.1, die Filterlänge L = 200, die Abtastrate war 8kHz und ein Rauschsignal wurde 40 dB unter dem Eingangssignal hinzugefügt. 5 zeigt, dass anfangs der normalisierte LMS-Prozess (5a) und der normalisierte Stereo-LMS-Prozess gemäß der Erfindung (5b) eine identische Leistung bis zu dem Abtastwert 40000 haben. Es ist anzumerken, dass der Fehler in beiden Prozessen anfangs fällt, wenn die adaptiven Filter auf den statischen Wert des aggregierten Pfadvektors h konvergieren. Jedoch ändert sich an dem Abtastzeitabschnitt 19000 die Räumlich keit derart, dass sich h ändert, und folglich steigt der Fehler plötzlich in beiden Prozessen an. Der normalisierte LMS-Prozess (5a) hat noch nicht genug Information, um den korrekten aggregierten Pfadvektor h zu bilden, da zwei Räumlichkeitspositionen erforderlich sind, um die individuellen Pfadvektoren h₁ und h₂ zu bestimmen. Jedoch kann nach der zweiten Räumlichkeitsposition der Prozess gemäß der Erfindung eine Schätzung des Werts des veränderten h abgeben. Dies ist in 5 zu sehen, da der Fehler nach dem Abtastwert 40000 für die Fehlerkurve in b) nicht steigt, im Gegensatz zu dem normalisierten LMS-Prozess in a), was die Steigerung der Fehler jedes Mal, wenn sich die Räumlichkeit ändert, demonstriert.
Die Leistung des Prozesses gemäß der Erfindung kann auch für Sprachsignale in 6 beobachtet werden, welche die Fehleinstellung in den zwei Echopfadschätzungsvektoren h ^₁ und h ^₂ zeigt. Diese Vektoren werden tatsächlich nicht explizit durch den Prozess berechnet: jedoch wird eine Lösung für sie als Teil der Aktualisierung verwendet. Die Gleichung 20 wurde verwendet, um die in 6 gezeigten Graphen zu bilden. Es ist anzumerken, dass die Fehleinstellung in einem der Filter fällt und in dem anderen steigt über die Zeit der ersten Räumlichkeitsposition, die zwischen den Abtastwerten 0 und 19000 liegt. Dies wird durch die Tatsache verursacht, dass g₁(0) = 0.2 und g₂(0) = 0.8, was bedeutet, dass die meiste Echosignalenergie aus dem zweiten Filterpfad derart abgeleitet wird, dass die aggregierte Filterschätzung h zu dem zweiten Pfadfilter h₂ tendiert. An diesem Punkt gibt es keine „a priori"-Information, welche die wahre Lösung von h ^₁ und h ^₂ ermöglicht. Sobald jedoch die zweite Räumlichkeitsposition bei dem Abtastwert 19000 startet, beginnt die Fehleinstellung sowohl in h ^₁ als auch in h ^₂ zu fallen, da der normalisierte Stereo-LMS-Prozess ermöglicht, dass eine Lösung für h₁ und h₂ gebildet wird.
Der beschriebene Prozess verwendet einen normalisierte „geringste mittlere Quadrate (LMS)" adaptiven Filter, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden. Jedoch kann jeder aktuelle oder zukünftige adaptive Prozess, der eine Schätzung eines unbekannten Filters aktualisiert, verwendet werden statt dem beschriebenen normalisierten „geringstes mittleres Quadrat"-Algorithmus. Die einzige erforderliche Modifikation ist, den Prozessschritt 106 durch eine andere Filteraktualisierung zu ersetzen. Geeignete existierende Beispiele sind adaptive „schnelle affine Projektion"-, „geringste mittlere Quadrate"- oder rekursive „geringste mittlere Quadrate"-Filter.

Claims

Verfahren einer akustischen Echokompensation für ein gerichtetes räumliches Mehrfachkanal-Signal, das erzeugt wird aus einem Signaleingang (12), der gemäß jeweiligen Räumlichkeitsverstärkungsfunktionen (g₁, g₂) modifiziert wird, um eine Vielzahl von Audiokanälen (x₁(t), x₂(t)) zu erzeugen, wobei der Prozess der Echokompensation eine kombinierte Räumlichkeits- und Echopfadschätzung (h ^₁, h ^₂) verwendet, wobei die Schätzung von den auf die jeweiligen Kanäle angewendeten Verstärkungsfunktionen abgeleitet wird, wodurch, wenn die in den jeweiligen Kanälen angewendeten Verstärkungsfunktionen verändert werden, eine Schätzung (h ^₁, h ^₂) der Echopfade (h₁, h₂) erzeugt wird, wobei die Schätzung auf einer früheren Schätzung des Echopfades und auf den Verstärkungsfunktionen (g₁, g₂) basiert, wobei die Echopfad-Schätzungen (h ^₁, h ^₂) verwendet werden, um ein Echokompensationssignal e(t) zu erzeugen.
Verfahren gemäß Anspruch 1, wobei die auf die jeweiligen Kanäle angewendeten Verstärkungsfunktionen Skalar-Verstärkungsfaktoren sind.
Verfahren gemäß Anspruch 1 oder 2, wobei ein „normalisierte geringste mittlere Quadrate (LMS)" adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.
Verfahren gemäß Anspruch 1 oder 2, wobei ein schneller affiner projizierender adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.
Verfahren gemäß Anspruch 1 oder 2, wobei ein „rekursive geringste mittlere Quadrate (LMS)" adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.
Vorrichtung für eine akustische Echokompensation in einem gerichteten räumlichen Mehrfachkanal-Audiosystem, wobei das räumliche Audiosystem aufweist: • Signaleingangsmittel (12) zum Empfang eines Audiosignals s(t), • eine Vielzahl von Audioausgangsmitteln (13L, 13R) zum Erzeugen von akustischen Signalen (x₁(t), x₂(t)), die aus dem Audiosignal s(t) abgeleitet werden; • Steuerungsmittel (14L, 14R), die zu den Audioausgangsmitteln (13L, 13R) gehören, zum Erzeugen von Verstärkungssteuerungseingaben g₁, g₂, welche die Audioausgangsmittel derart steuern, dass eine räumliche Version h₁, h₂ des Audiosignals s(t) durch die Vielzahl der Audioausgangsmittel (13L, 13R) erzeugt wird; • Audioeingangsmittel (21) zur Erfassung akustischer Signale; • Signalausgangsmittel (22) zum Senden eines Signals y(t), das aus den von dem Audioeingangsmittel (21) erfassten akustischen Signalen abgeleitet wird; • Echopfadschätzungsmittel (25), das Erfassungsmittel zum Identifizieren von Veränderungen in den Verstärkungsfunktionen g₁, g₂ in den jeweiligen Steuerungsmitteln (14L, 14R) und Schätzungsmittel zum Erzeugen einer Schätzung des Echopfades zwischen den akustischen Ausgangsmitteln (13L, 13R) und dem akustischen Eingangsmittel (21) aufweist, wobei die Schätzung basiert auf einer früheren Schätzung des Echopfades und auf den von dem Erfassungsmittel erfassten Verstärkungsfunktionen g₁, g₂; • Echokompensationssignalerzeugungsmittel (24L, 24R) zum Erzeugen eines Echokompensationssignals, das abgeleitet wird aus den räumlichen Audiosignalen, die von den Steuerungsmitteln (14L, 14R) erzeugt werden, und den Schätzungen, die von dem Echopfadschätzungsmittel (25) abgeleitet werden, und • Signalkombinationsmittel (26) zum Anwenden des Echokompensationssignals auf das Signal, das von dem Audioeingangsmittel erzeugt wird.
Vorrichtung gemäß Anspruch 6, wobei die auf die jeweiligen Kanäle angewendeten Verstärkungsfunktionen Skalar-Verstärkungsfaktoren sind.
Vorrichtung gemäß Anspruch 6 oder 7, wobei ein „normalisierte geringste mittlere Quadrate (LMS)" adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.
Vorrichtung gemäß Anspruch 6 oder 7, wobei ein schneller affiner projizierender adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.
Vorrichtung gemäß Anspruch 6 oder 7, wobei ein „rekursive geringste mittlere Quadrate (LMS)" adaptiver Filter verwendet wird, um die Aktualisierung der kombinierten Echopfadschätzung zu bilden.