FI113922B - Muuttuvan lohkokoon muunnosalgoritmi kohinasietoista akustisen kaiun poistoa varten - Google Patents

Description

113922

MUUTTUVAN LOHKOKOON MUUNNOSALGORITMI KOHINASIETOISTA AKUSTISEN KAIUN POISTOA VARTEN

Esillä oleva keksintö liittyy tietoliikennejärjestelmiin. Erityisesti esillä oleva keksintö liit-5 tyy uuteen ja kehittyneeseen adaptiivisuodattimeen, jossa joukko peräkkäisiä näytteitä, joiden aikana suoritetaan keskiarvottaminen adaptiivisuodattimen kertoimien säätämiseksi, muuttuu adaptiivisuodattimen toimintakanavan kohinan mukaan.

10 Akustisia kaiunpoistajia (AEC) käytetään pu helinneuvotteluissa ja "kädet-vapaana" (hands-free) puhelinsovelluksissa akustisen takaisinkytkennän eliminoimiseksi kaiuttimen ja mikrofonin välillä. Matkaviestinjärjestelmässä, jossa ajoneuvon käyttäjä käyt-15 tää "hands-free"-puhelinta, akustisia kaiunpoistajia käytetään matkaviestimessä kaksisuuntaisen tietoliikenteen aikaansaamiseksi.

Tässä hakemuksessa kuljettaja on lähipuhuja ja yhteyden toisessa päässä oleva puhuja on kaukopuhu-20 ja. Kaukopuhujan puhe on kaiuttimen lähetystä ajoneuvossa. Jos tämä puhe vastaanotetaan mikrofonilla, kau-, kopuhuja kuulee ikävän kaiun omasta äänestään. Akusti- ·*· nen kaiunpoistaj a identifioi tuntemattoman kaikukana- • » · van kaiuttimen ja mikrofonin välillä käyttämällä adap-25 tiivisuodatinta, generoi kaiun kopion ja vähentää sen mikrofonin tulosta poistaakseen kaukopuhujan kaiun.

: Perinteisen kaiunpoistaj an lohkokaavio esite- tään alla kuviossa 1, jossa kaikureitti on esitetty pistekatkoviivalla. Kaukopuhe x(n) tulee kaiuttimesta 30 ja kulkee tuntemattomalla kaikukanavalla 6, joka esitetään elementtinä, vaikka sen olemassaolo johtuu yksinkertaisesti siitä, että lähipuhujan mikrofoni on * sijoitettu lähelle lähipuhujan kaiutinta, jolloin kai- kusignaali y(n) muodostuu. Lähimikrofonitulo vastaan-35 ottaa kaikusignaalin y(n), kanavakohinan w(n) ja lähi-, puheen v(n) summan, joka aikaansaadaan summauselemen- teillä 8 ja 10, jotka ovat puhtaasti esimerkinomaisia.

2 113922 Läheltä vastaanotettu signaali r(n) on kaikusignaalin y(n), kanavakohinan w(n) ja lähipuheen v(n) summa.

Kun vain kaukopuhuja puhuu, suodatinvakiot, jotka esitetään vektorilla h (n) , muunnetaan tuntemat-5 toman kaikukanavan impulssivasteen seuraamiseksi. Adaptaation ohjauselementti 2 vastaanottaa virhe- tai residuaalisignaalin e (n) ja kaukopuheen x(n) ja vasteena niille aikaansaa suodatinkertoimien korjaussig-naalin adaptiivisuodattimelle 4. Adaptiivisuodatin 4 10 vastaanottaa suodatinkertoimien korjaussignaalin ja korjaa kertoimensa signaalin mukaisesti. Muunnettujen suodatinkertoimien h (n) ja kaukopuhesignaalin x(n) mukaisesti, adaptiivisuodatin 4 generoi kaiun y (n) kopion, joka annetaan vähennyselementille 12. Vähennysele-15 mentti 12 vähentää estimoidun kaiun y (n) läheltä vastaanotetusta signaalista r(n).

Tyypillisesti suodatinkertoimien päivitykseen käytetty algoritmi, jolla seurataan kaikureitin vastetta, on LMS(least-mean-square) -adaptaatioalgoritmi.

20 Suodattimen aste merkitään N:llä ja kaukopuhevektori x (n) esitetään seuraavasti: x(n) = [x(n) x(n-l) x(n-2) ... x(n-N + l)] (l) t ’ ·’ 25 ja suodatinkerroinvektori esitetään: • t · ·* * · » « · i I » . .·. h(n) = [h0(n) h,(n) h2(n) ...hN.,(n)] (2) * * 30 Kun uusi näyte r(n) on vastaanotettu, algoritmi laskee kaikuestimaatin y (n) perustuen sen hetkisiin suodatin- * : kertoimiin.

i ?(n) = <R(n) x(n)> = Xh,(n)x(n-i) (3) ’..! i=0 • *·;·* 35 * » • · I 3 113922 Tämä estimoitu kaikusignaali y (n) vähennetään läheltä vastaanotetusta signaalista r(n), jolloin kaikuresidu-aali esitetään: 5 e(n)=r(n)-?(n) (4)

Adaptiivialgoritmi otetaan pois päältä kun lähipuhuja puhuu, jolloin suodatinkerroinvektori päivitetään seuraavasti: 10 fi(n+1) = fi(n)+a e(n) X(n) (5) missä a on adaptiiviaskeleen koko ja virhesignaali lä- hipuheen v(n) ja kohinan w(n) puuttuessa esitetään: 15 e(n)=y(n)-y(n) (6) LMS-algoritmi saa nimensä siitä, että yrittää minimoida neliöllistetyn virheen keskiarvoa.

20 I MSE(n) = E[e2(n)] (7) LMS-algoritmia kutsutaan myös "stokastiseksi gradient-ti"-menetelmäksi, koska MSE(n) gradientin approksimaa-j* 25 tio suhteessa kerroinvektoriin on: ‘ ; d MSE(n) Λ , w . , .

-- -^ = -2e(n)x(n) (8) .·.· d h(n) ' * Koska gradientti indikoi suuntaa, johon neliöllinen keskiarvovirhe nopeiten kasvaa, kunkin kertoimen päi-: : 30 vitys ohjataan gradientin vastakkaiseen suuntaa muut tamalla kertoimia suhteessa käänteiseen gradienttiin.

Suurimmat edut LMS-algoritmista saadaan sii-tä, että se vaatii vähemmän laskentaa kuin muut adap-*’ tiiviset menetelmät ja sen stabiilisuus voidaan taata .* 35 sopivalla askelkoon valinnalla. Tämä algoritmi suori- > * · ,,,· tetaan näyte-näytteeltä perusteella; eli kerroinvekto- ri h (n) päivitetään jokaiselle näytteelle.

» ♦ » · 4 113922

Vaihtoehtoinen toteutus, jota kutsutaan loh-ko-LMS-algoritmiksi, päivittää kerroinvektorin käyttämällä L:n näytteen lohkoja. Kuten aiemmin, kun uusi näyte on vastaanotettu, algoritmi laskee kaikuestimaa-5 tin y (n) ja kaikuresiduaalisignaalin e(n). Kuitenkin kertoimien välittömän päivityksen sijaan, algoritmi keskiarvoistaa L peräkkäistä negatiivisen gradientin tapausta e(n)x (n) ("2" gradienttiyhtälössä absorboitu askelkokoon a) ja päivittää kerroinvektorin h (n) ker-10 ran L-näytteen lohkoa kohden. Lohko-LMS-algoritmi voidaan täten esittää: a L_1 fi((n+1 )L) = fi(nL) + - £ e(nL + j)X(nL + j) (9) L j=o 15 Huomaa, että jos L=l, yhtälö palautuu näyte- LMS:n yhtälöön (5) niin, että näyte-LMS-algoritmia voidaan pitää lohko-LMS-algoritmin degeneroituneena tapauksena. Lohkokoon L valinnan suuremmaksi kuin 1 etu tulee esille kun ympäristössä on kohinaa. Kuten 20 esitetään kuviossa 1, kaikki kaikukanavan kohina w(n) lisätään kaikusignaaliin y(n), ja täten se esiintyy virhesignaalissa: \ · e(n) = y(n) + w(n) - ?(n) (10) 25 Täten kohina vaikuttaa kunkin näytegradientin suuntaan, jolloin näyte-LMS-algoritmissa syntyy (L=l) pitempi konvergenssiaika ja suurempi asymptoottinen neliökeskivirhe. Kuitenkin valinnalla L>1, keskiarvo-30 tamme L peräkkäistä gradientin näytettä tarkemman es- \\\’ timaatin saamiseksi, koska positiivinen ja negatiivi- nen kohinanäyte yleensä poistavat toisensa keskiarvo- * · « j tuksen yhteydessä.

Esillä oleva keksintö on uusi ja parannettu • · · 35 adaptiivisuodatin, joka on robustimpi ympäristöissä, joissa kohinatehot vaihtelevat. Esillä olevan keksin- • » 5 113922 nön esimerkkisovellutus esitetään akustisen kaiunpois-tajan esimerkkisovellutuksessa.

Kun kohina w(n) on pientä verrattuna kaikuun, näyte-LMS (L=l) konvergoituu nopeammin kuin lohko-LMS 5 (L>1) samalla askelkoolla a. Kun kohinan amplitudi kasvaa, optimaalinen lohkokoko L, maksimi konvergoin-tinopeudelle myös kasvaa.

Esillä olevassa keksinnössä esitetään menetelmä ja laite, jotka säätävät lohkokokoa L vasteena 10 kanavan kohinaan. Edullisessa sovellutuksessa lohkokokoa säädetään vasteena hetkelliselle signaaliko-hinasuhteelle (SNR). Esillä olevan keksinnön esimerkkisovellutuksessa esitetään kaiunpoistaja, joka käsittää adaptiivisuodattimen, jonka kertoimia muutetaan 15 esillä olevan keksinnön mukaisella muuttuvan lohkokoon LMS-menetelmäl1ä.

Kaiunpoistajan esimerkkisovellutuksessa adap-tiivisuodatin generoi estimoidun kaikusignaalin y (n) , joka vähennetään läheltä vastaanotetusta signaalista 20 r(n) residuaalisignaalin e (n) aikaansaamiseksi. Kanavan kohinaa tarkkaillaan, ja sen perusteella valitaan adaptiivilohkokoko L. Adaptiivisuodattimen kertoimet ·· korjataan tai muutetaan kaukopuheen x(n), residuaa- «li .* : lisignaalin e (n) ja yhtälössä (9) esitetyn adaptiivi- 25 lohkokoon mukaisesti.

Vaikka esillä olevan keksinnön esimerkkiso- • * · , vellutus on akustisen kaiunpoiston muodossa, on osoi- t * » tettu, että esillä olevaa keksintöä voidaan käyttää ' kaikissa tilanteissa, joissa adaptiivisuodattimia käy- 30 tetään ja joissa kanavan kohinaominaisuudet muuttuvat.

Esillä olevan keksinnön muodot, tarkoitukset

• * I

ja edut tulevat selvemmiksi seuraavasta yksityiskoh- y\>' täisestä kuvauksesta viitaten oheisiin piirustuksiin, • * joissa on samat viitenumerot kauttaaltaan ja joissa: *;* 35 kuvio 1 esittää perinteistä kiinteän lohkoko- koon LMS-algoritmia käyttävän kaiunpoistajan lohkokaa-viota; ja 6 113922 kuvio 2 on lohkokaavio, joka esittää akustista kaiunpoistajaa, jossa käytetään esillä olevan keksinnön mukaista muuttuvan lohkokoon LMS-algoritmia.

Esillä olevassa keksinnössä esitetään mene-5 telmä ja laite, jotka säätävät lohkokokoa L vasteena kanavan kohinaan. Edullisessa sovellutuksessa lohkokokoa L säädetään vasteena hetkelliselle signaaliko-hinasuhteelle. Ideaalitapauksessa signaali, johon viitataan signaalikohinasuhteessa, on kaikusignaali niin, 10 että signaalikohinasuhde hetkellä t, SNR(t), lasketaan: SNR(n) (dB) = 10 logl0[Ey(n)/Ew(n)] (11) 15 missä Ey(n) on kaikusignaalin teho hetkellä n ja Ew(n) on kohinasignaalin teho hetkellä n.

Kuitenkin koska y(n) :n todellista arvoa ei tiedetä suodattimessa, kaikusignaalin tehoa voidaan approksimoida seuraavasti: 20 N 2 £y(n) = J>(n-i)] (12) i=0 jaksojen aikana, jolloin vain kaukopuhuja puhuu. Vastaavasti, koska kohinasignaalia w(n) ei tiedetä suo- i · dattimessa, kohinateho Ew(n) voidaan laskea: 25 n 2 £w(n) = ]T[r(n-i)] (13) ' > * i=0

1 I

’ * · kun sekä kauko- että lähipuhuja ovat hiljaa. Käyttä-mällä approksimaatioita yhtälöissä 10 ja 11, signaali-.···’. 30 kohinasuhteen SNR(n) approksimaatio yhtälössä (11) voidaan laskea: . ‘ . SNR(n) = 101og10 [Ey(n) / Ew(n) j (14) • · » * · 7 113922

Viitaten nyt kuvioon 2, puheentunnistusele-mentti 30 tarkkailee signaalien x(n), r(n) ja e(n) tehoa määrittääkseen milloin vain kaukopuhuja puhuu ja milloin kumpikaan ei puhu. Puheentunnistuselementti 30 5 aikaansaa ohjaussignaaleja SNR-laskentaelementtiin 22. Lisäksi SNR-laskentaelementti 22 vastaanottaa lähipu-hujalta vastaanotetun signaalin r(n) ja laskee arvot

A A A

Ey(n) , Ew(n) ja SNR (n) yllä esitetystä, vasteena ohjaussignaaleille puheentunnistuselementiltä 30. SNR-

A

10 laskentaelementti 22 antaa SNR (n) :n lohkokoon valin-taelementille 20, joka valitsee adaptiivilohkokoon L

A

SNR (n) :n mukaisesti. Lohkokoon valintaelementti 20 antaa adaptiivilohkokoon L muunnoksen ohjauselementille 26.

15 Muunnoksen ohjauselementti 26 vastaanottaa kaukopuheen x(n) ja virhesignaalin e (n) lohkokoon L lisäksi ja näiden tulosignaalien mukaisesti määrittää suodatinkertoimien korjausarvot c (n) seuraavasti.

a L_1 2 0 C(nL) = — ^e(nL + j) £(nL + j) (15) L j=0

Suodatinkertoimien korjausarvot c (nL) annetaan adap- • · * * .·. ; tiivisuodattimeen muunnoksen ohjauselementillä 26.

• « · ' Vasteena suodatinkertoimien korjausarvoille c (nL) , ' 25 adaptiivisuodatin 28 generoi korjatut suodatinkertoi- met: • · · » S · H((n+1)L) = fi(nL) + C(nL) (16) 30 Lisäksi adaptiivisuodatin 28 vastaanottaa kaukopu-hesignaalin x(n) ja generoi kaikusignaalin estimaatin *·;·' y (n) korjattujen suodatinkertoimien h ((n+l)L) ja kau- • kopuhesignaalin x(n) mukaisesti. Seuraavaksi estimoitu : : kaikusignaali vähennetään lähipuhesignaalista r(n) vä- ’ . 35 hennyselementillä 36.

* * · » · 8 113922

Esillä olevan keksinnön esimerkkisovellutus on esitetty akustisen kaiunpoistajan yhteydessä. Tämä on esillä olevan keksinnön erityisen edullinen sovellutus, koska kohina autossa muuttuu johtuen monien te-5 kijoiden vaikutuksesta, kuten auton nopeudesta, tien tasaisuudesta, sääolosuhteista, vaihtelevasta ulkoisesta kohinasta ja auton ikkunoiden auki- ja kiinni olemisesta. Esimerkiksi kuljettaja voi aloittaa puhelun istuessaan hiljaisessa pysäköidyssä autossa, jolio loin esillä olevan keksinnön mukainen laite asettaisi arvon L=1 nopeimman konvergoitumisen aikaansaamiseksi.

Kun kuljettaja käynnistää auton ja kiihdyttää moottoria, laite tunnistaa heikennyksen SNR:ssä ja kasvattaa L:n arvoa automaattisesti esimerkiksi arvoon 32. Ajet-15 taessa hiljaisen asuinalueen lävitse laite pudottaa arvon L=16 ja tultaessa pomppuiselle valtatielle kasvatetaan arvoa L=64. Tämä automaattinen lohkokoon valinta nopeimman konvergoitumisen aikaansaamiseksi on tärkeä, koska adaptiivisuodattimen on jatkuvasti päi-20 vityttävä vastatakseen akustisen kanavan muutoksiin mikrofonin ja kaiuttimen välillä.

Esillä olevan keksinnön vaihtoehtoinen sovel-;· lutus käsittää joukon adaptiivisuodattimia, jotka ku- ,· kin käyttävät eri keskiarvotuspituutta adaptii- • 25 visuodattimen vakioille. Lähtölähde valitaan tällöin • · . dynaamisesti adaptiivisuodattimien joukosta. Vielä . vaihtoehtoinen sovellutus, lohkokoon suoran vaihtami- * · ! sen sijaan, on, että voidaan käyttää väliaikaisesti porrastettuja yhdenkokoisia lohkoja.

30 Vaikka esillä olevan keksinnön esimerkkiso- vellutus on esitetty akustisen kaiunpoistajan ympäris-tössä, se on sovellettavissa mihin tahansa ympäristöön, jossa adaptiivisuodattimia käytetään ja jossa kaikuominaisuudet voivat muuttua, kuten verkon kaiun- k ' 35 poistajissa ja kanavan yhdenmukaistamisessa.

·”· Edellä oleva edullisten sovellutusten kuvaus ‘‘Ί annetaan, jotta ammattimies voisi käyttää tai valmistaa 9 113922 esillä olevan keksinnön mukaista laitetta. Näiden sovellutusten eri modifikaatiot ovat ämmättimiehilie ilmeisiä ja tässä kuvatut yleiset periaatteet ovat sovellettavissa muihin sovellutuksiin keksimättä mitään uut-5 ta. Näin ollen esillä olevaa keksintöä ei rajata tässä esitettyihin sovellutuksiin vaan tässä esitettyjen periaatteiden ja uusien hahmojen käsittämään suojapiirin.

> » t * ! * I · * f I · » » t * * l t m i

• I

Claims (12)

1. Adaptiivisuodatin, joka käsittää: suodatusvälineet (28) vähintään yhden arvon vastaanottamiseksi suodatusvälineiden (28) käytettäväksi 5 ja kommunikaatiokanavalla esiintyvän signaalin suodattamiseksi mainitun vähintään yhden arvon mukaisesti; ja laskentavälineet mainitun vähintään yhden, arvon määrittämiseksi suodatusvälineiden (28) käytettäväksi; 10 tunnettu siitä, että adapt iivi suodatin edelleen | käsittää: j kohinan laskentavälineet (22) kohinan sisällön ! tarkkailemiseksi kommunikaatiokanavalla ja signaali- ilmauksen järjestämiseksi hetkellisen kohinasisällon 15 merkiksi mainitulla kommunikaatiokanavalla; ja lohkokoon valintalaitteen (20) muuttuvan adaptii-vilohkokoon arvon määrittämiseksi vasteena mainitulle ! merkkisignaalille hetkellisestä kohinasisällöstä mai nitulla kommunikaatiokanavalla; ja 20 mainitut laskentavälineet (26) ovat suodatinker- roin laskentavälineet (26) mainitun muuttuvan adaptiivisen lohkokokoarvon vastaanottamiseksi; , mainittu vähintään yksi laskentavälineiden (26) ’; · määrittämä arvo on suodattimenkerroinarvo vastaten 25 mainittua muuttuvaa adaptiivista lohkokokoarvoa; ja ’ mainittu vähintään yksi suodattimenkerroinarvo on :,· · järjestetty mainittuihin suodatinvälineisiin (28) mai- : nituilla laskentavälineillä (26) .

2. Patenttivaatimuksen 1 mukainen adaptiivi-30 nen suodatin, tunnettu siitä, että suodatinta ,··*. käytetään kaiunpoistajana kaikusignaalin (y(n)) pois- *·’ tamiseksi kaukopään puhesignaalista (x(n)) lähipään ** * signaalissa (r(n)) kommunikaatiokanavalla, jossa mainitut suodatinvälineet (28) ovat vähintään yh-: 35 den suodatinkerroinarvon ja mainitun kaukopään pu- ,·, : hesignaalin (x(n)) vastaanottamiseksi ja estimaatin • * · (y(n)) järjestämiseksi mainitusta kaikusignaalista 11 113922 (y(n)) mainitun vähintään yhden suodatinkerroinarvon ja mainitun kaukopään puhesignaalin (x(n)) mukaisesti; ja; mainittu adaptiivinen suodatin edelleen käsittää 5 erotusvälineet (36) mainitun kaikusignaaliestimaatin (y(n)) vähentämiseksi mainitusta lähipään signaalista (r(n)) jäännössignaalin muodostamiseksi.

3. Patenttivaatimuksen 2 mukainen adaptiivinen suodatin, tunnettu siitä, että suodatin edel- 10 leen käsittää : puheentunnistusvälineet (30) kaukopään puhesignaalin (x(n)) ja lähipään puhesignaalin (v(n)) tunnistamiseksi ja ohjaussignaalin järjestämiseksi vasteena mainitun kaukopään puhesignaalin (x(n)) ja lähipään 15 puhesignaalin (v(n)) olemassa ololle, jossa mainitut kohinan laskentavälineet (22) ovat vasteena mainitulle ohj aussignaalille.

4. Jonkin aikaisemman patenttivaatimuksen 1 -3 mukainen adaptiivinen suodatin, tunnettu siitä, 20 että mainitut kohinan laskentavälineet tarkkailevät signaali-kohinasuhdetta kommunikaatiokanavalla ja mainittu signaali-ilmaisu merkkinä hetkellisestä ko- ·;· hinamäärästä mainitulla kommunikaatiokanavalla on • » # «,· merkkinä hetkellisestä signaali-kohinasuhteesta maini- 25 tulla kommunikaatiokanavalla.

5. Jonkin aikaisemman patenttivaatimuksen 1 - . 4 mukainen adaptiivinen suodatin, tunnettu siitä, että vähintään yksi suodatinkerroinarvo on suodattimen tappikorjausarvo.

6. Jonkin aikaisemman patenttivaatimuksen 1 - ., |* 5 mukainen adaptiivinen suodatin, tunnettu siitä, * 1 # I että vähintään yksi suodatinkerroinarvo määritetään mainituilla laskentavälineillä (26) laskemalla kes-kiarvo peräkkäisistä näytteistä joukosta näytteitä. » · ·; 35

7. Menetelmä signaalin suodattamiseksi adap- *1”! tiivisesti, joka menetelmä käsittää vaiheet: * » 12 113922 suodatetaan kommunikaatiokanavalla oleva signaali vähintään yhden vastaanotetun suodatusvaiheessa käytettävän arvon mukaisesti; ja määritetään mainittu vähintään yksi arvo käytettä-5 väksi suodatusvaiheessa; tunnettu siitä, että menetelmä edelleen käsittää vaiheet: tarkkaillaan kommunikaatiokanavan kohinamäärää ja järjestetään signaali merkkinä hetkellisestä ko-j 10 hinamäärästä mainitulla kommunikaatiokanavalla; ja J määritetään muuttuvan adaptiivisen lohkon kokoarvo vasteena mainitulle merkkisignaalilie hetkellisestä kohinamäärästä mainitulla kommunikaatiokanavalla; ja | mainittu vähintään yksi arvo käytettäväksi suoda- 15 tusvaiheessa on suodatinkerroinarvo, joka on määritetty vasteena mainitulle muuttuvalla adaptiiviselle loh-kokokoarvolle, ja mainittu vähintään yksi suodatinkerroinarvo on järjestetty käytettäväksi suodatusvaiheessa.

8. Patenttivaatimuksen 7 mukainen menetelmä, tunnettu siitä, että suodatetaan kaikusignaali (y(n)) kaukopään puhesignaalista (x(n)) lähipään sig-·’naalissa (r(n)) kommunikaatiokanavalla, jossa: • r mainittu vähintään yksi suodatinkerroinarvo ja • 'i 25 mainittu kaukopään puhesignaali (x(n)) vastaanotetaan • ·,* ja estimaatti (y(n)) mainitusta kaikusignaalista : (y(n)) järjestetään mainitun vähintään yhden suodatin- kerroinarvon ja mainitun kaukopään puhesignaalin (x(n)) mukaisesti; ja . 30 mainittu kaikusignaalin estimaatti (y(n)) vähenne- tään mainitusta lähipään signaalista (r(n)) jäännös-;·' signaalin muodostamiseksi. “i

9. Patenttivaatimuksen 8 mukainen menetelmä, ;··· tunnettu siitä, että mainittu kaukopään puhesig- 35 naali (x(n)) ja lähipään puhesignaali (v(n)) havaitaan | ja ohjaussignaali järjestetään vasteena mainitun kau- • · » I I 113922 j 13 kopään puhesignaalin (x(n)) ja mainitun lähipään puhesignaalin (v(n)) olemassaololle, ja mainittu merkkisignaali kohinamäärästä mainitulla kommunikaatiokanavalla on järjestetty vasteena maini-5 tulle ohjaussignaalille.

10. Jonkin aikaisemman patenttivaatimuksen 7 9 mukainen menetelmä, tunnettu siitä, että tarkkaillaan signaali-kohina-suhdetta kommunikaa tiokanavalla ja mainittu merkkisignaali hetkellisestä 10 kohinamäärästä kommunikaatiokanavalla on merkkinä hetkellisestä signaali-kohina-suhteesta mainitulla kommu-j nikaatio kanavalla.

10 113922

11. Jonkin aikaisemman patenttivaatimuksen 7 - 10 mukainen menetelmä, tunnettu siitä, että 15 mainittu vähintään yksi suodatinkerroinarvo on suodattimen tappikorjausarvo.

12. Jonkin aikaisemman patenttivaatimuksen 7 - 11 mukainen menetelmä, tunnettu siitä, että mainittu suodatinkerroinarvo määritetään laskemalla 20 keskiarvo peräkkäisistä näytteistä joukossa näytteitä. j • · i · » » . ' · » > ‘ « · > · 1 ‘ » u 113922