ITTS20000017A1 - Metodo di controllo di cancellatori d'eco acustico per terminali - Google Patents

Description

DESCRIZIONE

L'invenzione concerne il problema della cancellazione dell'eco acustico durante una connessione full-duplex tra due apparati di comunicazione vocale, siano questi provvisti di cornetta (handset) od apparati cosiddetti viva-voce (handsfree). In particolare, l'obbiettlvo dell'Invenzione e' quello del controllo dell'adattamento del filtro digitale che effettua la cancellazione del segnale di eco.

La Flg.1 Illustra il fenomeno della generazione dell’eco acustico e lo schema di cancellazione tramite un filtro digitale adattativo In uno dei due apparati di comunicazione, che di seguito chiameremo “apparato locale”. Il segnale x(n) , proveniente dal secondo apparato (“apparato remoto") e presente sulla linea di ricezione RX dell'apparato locale, viene inanzittutto convertito dal dispositivo 10 in un segnale analogico e poi amplificato e diffuso dall'altoparlante 11. L'accoppiamento acustico tra l'altoparlante ed II microfono 12 da' origine all· eco acustico c(f) , che si somma al segnale del parlatore locale s(t) ed al rumore di fondo v(?) . I segnali analogici vengono convertiti nei rispettivi segnali digitali c(n) , s(n) e v(n) dal convertitore 13 sulla linea di trasmissione TX. La cancellazione dell' eco c(n) viene effettuata sottraendo l’uscita y(rì) del filtro lineare adattativo a risposta impulsiva finita 14, che chiameremo IV(n) , dal segnale complessivo catturato dal microfono d(n) = S(H) V(M) C(H) , di modo che se y(n) e' simile a c(n ) , il segnale trasmesso e(«) non contiene il segnale d’eco:

(1) e(n) = d(n)-y(n) ≡s(n) v(n) ,

Il segnale trasmesso θ(η) viene generalmente chiamato segnale di errore.

Il problema della cancellazione dell’eco può' essere visto come un problema di identificazione del sistema Loudspeaker-Enclosure-Microphone (sistema LEM). Approssimando il sistema LEM con un modello lineare H(n) di lunghezza N , ossia assumendo che

(2)

dove H(n)[k] rappresenta il k — esimo coefficiente del filtro, l'eco viene cancellato quando

(3)

ossia quando la risposta impulsiva del filtro di cancellazione d'eco W(n) approssima la risposta impulsiva del sistema LEM H(n) . Poiché<' >il sistema LEM e' tempo-variante, il filtro W(n ) deve essere aggiornato in continuazione tramite un algoritmo adattativo, sempreche<' >il parlatore remoto x(n) sia attivo e quindi ci sia un'eco da cancellare, secondo la seguente espressione generalizzata: (4) W(n 1) = W(rì) μ(η) <■ >legge_di_adattamento( X (ri), E(n)) dove legge_di_adattamento(y) identifica una generica tecnica di adattamento come ad esempio l'algoritmo NLMS (Normalised Least Mean Square), l'algoritmo DLMS (Decorreleted Least Mean Square) od un algoritmo APA (Affine Projection Algorithm) di qualsiasi ordine, μ(ή) e' il cosiddetto "passo dì adattamento" eventualmente tempo-variante e X(ri) e d E(ri) sono vettori che collezionano un numero adeguato di osservazioni di x(ri) ed e(n ) .

Il passo di adattamento μ(η) controlla la velocita<' >di adattamento del filtro W(n ) . La teoria dei filtri adattativi insegna che il valore di μ(ή) ottimo dipende dal dal livello della parte utile e della parte disturbante l'adattamento presenti nel segnale di riferimento d(ri) , che nel caso raffigurato in Fig.1 sono rispettivamente c(rì) quale parte utile ed 5(η) ν(η) quale parte disturbante. Inoltre il valore di μ(η) ottimo dipende dallo stato di adattamento in cui si trova il filtro. Le regole che governano μ(η) in modo ottimale nelle applicazioni di telefonia sono molto complesse. Infatti, l'ambiente in cui il filtro adattativo opera e<' >condizionato da molteplici fattori ed e' caratterizzato da diverse situazioni che possono presentarsi durante la comunicazione bi-direzionale full-duplex:

1) Parlato contemporaneo: il parlatore remoto ed il parlatore locale sono contemporaneamente attivi ( J(«) ≠ 0 ,c(«) ≠ 0).

2) Variazione improvvisa della potenza o delle caratteristiche del segnale di eco C(M) .

3) Presenza del rumore di fondo v(w) ad un livello sconosciuto e tempovariante.

4) Livello dell'accoppiamento acustico ignoto (tipicamente l'accoppiamento acustico si misura come il rapporto delle potenze medie di c(n) e x{n ) espresse in dB).

Stato dell'arte

Il problema del controllo dell'adattamento del filtro adattativo nei dispositivi di cancellazione di eco acustico ha ricevuto grande interesse soprattutto negli ultimi anni. I riferimenti che si trovano in letteratura ed i brevetti depositati trattano soprattutto il problema dellla rivelazione del parlato contemporaneo (double-talk detection).

I rivelatori di parlato contemporaneo e piu<' >In generale i rilevatori della sola attività<' >locale si possono dividere in due categorie. Alla prima categorìa appartengono tutti quei metodi che effettivamente rilevano l'inizio e la fine di attività<' >del parlatore locale generando In uscita un segnale a due livelli. Nella seconda categoria si collocano i metodi che, pur non decidendo esplicitamente la presenza del parlato contemporaneo, controllano l'adattamento diminuendo opportunamente il valore del passo di adattamento durante l'attività<' >del parlatore locale.

La prima categorìa e<' >perlopiù<' >rappresentata dai metodi "a confronto di potenze", i quali si basano su confronti tra stime di potenza dei vari segnali per generare l'uscita del rilevatore. Un rilevatore di questa specie decide se c'e<' >o non c'e<' >parlato contemporaneo e, in caso di esito positivo, tipicamente inibisce l’adattamento del filtro ponendo μ(η) - 0. Altrimenti μ(η) assume un valore predefmito o calcolato secondo qualche legge che gestisce le rimanenti situazioni. I limiti principali dei rilevatori a confronto di potenze sono i seguenti:

1) Il grado di affidabilita<' >decresce con l'aumentare della potenza dell'eco c(n ) rispetto al segnale del parlatore locale s(rì) . In genere, quando i due segnali hanno potenze simili o quando la potenza di c(« ) supera quella di s(n) , il metodo non e<' >piu<' >applicabile.

2) Il metodo richiede una stima piu<' >o meno esatta dell'entità<' >dell’accopiamento acustico, nota negli apparati a cornetta ma non nei sistemi vivavoce.

3) L’affidabilita<' >del metodo diminuisce con la presenza del rumore di fondo v(w) .

Inoltre, il metodo e<' >caratterizzato da potenziali rilevazioni false/perse in quanto decide se adattare il filtro o meno in modo drastico (adatta/non adatta). La decisione viene spesso presa in funzione di una soglia, variabile o non, che tipicamente dipende in modo critico dall'effettivo accoppiamento acustico. D'altro canto, i rilevatori a confronto di potenze hanno il pregio della semplicità' e quindi sono adoperati soprattutto negli apparati a cornetta, caratterizzati da echi di modesta potenza, da livelli di accoppiamento acustico noti e da rumore di fondo solitamente ridotto.

Recentemente e<' >stato brevettato un metodo piuttosto sofisticato e costoso, che si può<' >considerare appartenente a questa categoria di rilevatori, in grado di rilevare il parlato contemporaneo in presenza di echi di ampiezza sino a 25dB superiori all'ampiezza segnale del parlatore locale (U.S. Pat. Nos. 6,049,606). Questo metodo ipotizza che il segnale ricevuto JC(M) , e quindi anche c(«) , abbia una banda di circa 4kHz (campionato ad 8kHz), mentre il segnale complessivo catturato dal microfono viene campionato ad una frequenza doppia, tale da poter eseguire i confronti di potenza tra i 4 e gli 8kHz, dove c(n ) non e<' >presente.

Alla prima categoria di rilevatori appartengono anche le tecniche basate sull' analisi della correlazione mutua tra x(n) e d(n) . Esse possono essere considerate un miglioramento dei metodi a confronto di potenze. Tuttavia queste tecniche hanno lo svantaggio di una complessità<' >elevata sia in termini di calcolo che di memoria. Il modo piu' semplice di applicare la misura di mutua correlazione alla rilevazione del parlato contemporaneo consiste neH’inibire l’adattamento quando la misura della correlazione scende sotto una soglia predefinita.

In genere i metodi di rilevazione della seconda categoria applicano una legge di controllo che cerca di approssimare il passo di adattamento ottimo. Diverse tecniche conosciute si basano sulla seguente definizione di ottimalita<'>: (5)

Secondo la (5), quindi, il problema del controllo ottimo si riduce alla stima adeguata della speranza matematica del termine ignoto c(rì)-y{rì) . Tra le soluzioni piu' affermate si cita il metodo di stima basato sui “delay coefficients”, che presenta il grosso svantaggio di non essere in grado di distinguere una situazione di parlato contemporaneo da una situazione di variazione delle caratteristiche dell'eco. D'altro canto, i rilevatori di parlato contemporaneo a passo di adattamento variabile controllano in modo graduale l'adattamento del filtro, in funzione di un qualsiasi segnale disturbante all’ingresso, e quindi anche in funzione del rumore di fondo v(n).

Le tecniche di rilevazione di variazioni d'eco (ossia di variazioni di percorso d'eco e di variazioni di livello di potenza) sono state poco esplorate e documentate. Tali tecniche si rendono necessarie soprattutto negli apparati viva-voce per garantire un veloce riadattamento del filtro digitale ed hanno l'effetto di incrementare il valore del passo di adattamento. Sfortunatamente le variazioni d'eco sono difficilmente discriminabili da situazioni di parlato contemporaneo, che al contrario devono essere affrontate con una diminuzione del passo di adattamento. In letteratura si trovano alcuni metodi di discriminazione tra parlato contemporaneo e variazioni delle caratteristiche d'eco, basate ad esempio sull'analisi di correlazione mutua o su modelli probabilistici, che pero<' >hanno lo svantaggio di una complessità<' >algoritmica e computazionale generalmente elevata.

Se da un lato il problema del controllo dell'adattamento in condizioni di rumore di fondo v(«) e<' >spesso implicitamente risolto qualora si utilizzi un passo di adattamento variabile, il problema deve essere affrontato separatamente nei rilevatori di parlato contemporaneo a due livelli. Una volta stabilito che non c'e<' >parlato contemporaneo, il valore opportuno del passo di adattamento può<' >essere ad esempio determinato in funzione della stima a lungo termine della potenza del segnale al microfono. Permane comunque la difficolta<' >nel discriminare l’attività' del parlatore locale s(n) dal rumore di fondo v(«) , ossia la difficolta<' >nella rilevazione del parlato contemporaneo soprattutto in ambienti molto rumorosi come ad esempio in un autoveicolo.

Descrizione del brevetto

Il metodo di controllo proposto si basa su un<1 >espressione del passo di adattamento variabile μ(η ) che integra un rilevatore del parlato contemporaneo, un rilevatore delle variazioni delle caratteristiche d'eco ed un controllo automatico rispetto al livello del rumore di fondo.

Il metodo sfrutta il fatto che in genere il segnale d'eco c(«) sulla linea TX e<' >in ritardo rispetto il segnale del parlatore remoto x(n) . Il ritardo viene introdotto sia dalle conversioni analogico-digitale 13 e digitale-analogico 10 che dal tempo di volo del segnale acustico tra i due trasduttori. Sotto tale ipotesi si può<' >calcolare la risposta y(n ) utilizzando il segnale ritardato x(n-NT) come ingresso al filtro cancellatore 14, ora di lunghezza N — NT , con NT minore od eguale al ritardo effettivo con cui si presenta c(«) rispetto ad x(n) . In ogni caso, può<' >essere introdotto un ritardo artificiale all'Inizio della linea di trasmissione TX subito dopo il convertitore 13 che garantisce un ritardo nel segnale di eco.

Alla base dell'innovazione stanno due filtri supplementari di lunghezza NT relativamente corta (ad esempio di NT-8 campioni) che supportano il filtro cancellatore 14 e che per le funzioni che svolgono sono collocati nel blocco di controllo 15. I filtri supplementari servono per calcolare due indicatori, l'uno che stima l'attività<' >del parlatore locale e l’altro che stima le variazioni di eco, ma non intervengono direttamente nel calcolo di y{n ) . Ambedue i filtri elaborano gli NT piu' recenti campioni di x(n) e detti filtri devono essere adattati secondo un particolare criterio per poter effettivamente distinguere le variazioni d'eco dal parlato contemporaneo. In particolare il primo filtro supplementare, orientato alla stima della attività<' >del parlato locale e contemporaneo, viene adattato con un passo di adattamento fisso e relativamente elevato. Al contrartio, il secondo filtro supplementare, impiegato per la stima delle variazioni d'eco viene adattato con lo stesso passo di adattamento del filtro cancellatore d'eco.

Gli indicatori di parlato locale e di variazione d'eco possono essere aggiornati ad ogni nuovo campione in ingresso e vengono utilizzati per formulare l’espressione del passo di adattamento variabile che controlla l'adattamento del filtro cancellatore 14.

Di seguito si descrive il procedimento seguito per ricavare le espressioni dell'adattamento dei tre filtri nel caso di un algoritmo NLMS. Analoghe espressioni possono essere ricavate per qualsiasi altro algoritmo adattativo.

Sia WB(n)[k\ il k -esimo coefficiente del filtro cancellatore di lunghezza N-NT all'istante n > 0 e sia

(6)

la sua risposta calcolata all'istante n .

Sia WA(rì)[k\ il k -esimo coefficiente del primo filtro supplementare di lunghezza NI adoperato per il monitoraggio delle variazioni di eco e sia

(7)

la sua risposta calcolata all'istante n .

Sia infine Wc{n)[k\ il k -esimo coefficiente del secondo filtro supplementare di lunghezza NI adoperato per il monitoraggio dell'attività<' >del parlatore locale e sia (8)

la sua risposta calcolata all'istante n .

Per ricavare la legge di adattamento dei tre filtri si supponga in un primo momento di combinare il filtro ^(»)ed il filtro WB(n) in un unico filtro ÌV(n) :

O<) >w{n) = {WMWl---,WM)[NT -IWMWI---WMÌN-NT -ΆΥ > dove la notazione ( -)<T >indica l'operazione di trasposizione. Vista la definizione delle risposte yA(n) in (7) ed yB{n) in (8), W{n) fornisce la seguente risposta al segnale x(rì) :

(10)

L’adatamento del filtro complessivo di lunghezza N secondo l’algoritmo NLMS e<' >dato dalla seguente espressione:

(11)

dove

(12)

rappresenta il vetore delle N piu<' >recenti osservazioni di x(n) e p(rì)[k] e<' >il passo di adatamento che può<' >variare sia temporalmente che da coefficiente a coefficiente W[rì)\k ] .

Rescindendo il filtro in due parti e ricordando la definizione di y(n) in (10), l’espressione (11) si può<' >riscrivere come:

(1

(14)

avendo imposto che:

La (14) può<' >essere semplificata in virtù<' >dell’ipotesi che il segnale d’eco c(rì) , che funge da riferimento utile per l’adatamento del filtro cancellatore, e<' >ritardato di almeno NI campioni rispeto ad x(n) . Sappiamo quindi che la soluzione otima per il filtro lVA(n) dal punto di vista della cancellazione e<' >un filtro nullo ad ogni istante di tempo. Quindi, poste le condizioni iniziali WA(0) = {0,...0}<r >e g

μΑ(η) = 0 , per ogni n , il contributo yA(n ) nell'uscita complessiva y (ri) e nullo ad ogni istante n , e la (14) si può<' >riscrivere come:

Si noti che sotto tale ipotesi l'adattamento del filtro cancellatore e<' >indipendente dalla risposta del filtro W A(n)e che l'uscita del sistema complessivo risulta essere (18)

Si e<' >ottenuta un'espressione esatta dell'adattamento del filtro JVA(n) che dipende dalla risposta del filtro complessivo W(n) . In virtù<' >dell'indipendenza del filtro cancellatore WB(n ) da IVA(n) , possiamo adattare WA(n) con un qualsivoglia passo di adattamento, senza per ciò<' >perturbare II funzionamento del filtro cancellatore.

L'espediente può<' >essere riutilizzato per ricavare l'espressione di adattamento di un numero qualsiasi di filtri omologhi a WA(ri) . Possiamo quindi riapplicare la procedura per ricavare l'espressione dell'adattamento del secondo filtro supplementare Wc(n) . In conclusione, l'adattamento dei tre filtri mediante algoritmo NLMS può<’ >essere riscritto nella seguente forma vettoriale:

con i segnali di errore definiti come:

e con i vettori delle osservazioni del segnale x(n) definiti come:

Si ricorda inoltre che nel calcolo dell'uscita y(n ) del filtro 14 viene utilizzato il solo filtro fVB(n)e che quindi, riferendoci alla Fig.1,

Abbiamo determinato le equazioni di adattamento NLMS dei filtri di cui in seguito introdurremo le modalità<' >di adattamento tramite la definizione delle rispettive costanti di adattamento μΑ(η) , μΒ(η) e Mc(n) . Analoghe equazioni di adattamento possono essere ricavate per gli altri filtri adattativi che possono essere presi in considerazione, come il DLMS (Decorrelated Least Mean Square), gli APA (Affine Projection Algorithm), gli RLS (Recursive Least Square) ed altri ancora. Come già<' >accennato, si vuole utilizzare il filtro Wc(n) per monitorare l’attività<' >del parlatore locale. Addottando nella (21) un passo di adattamento μα{η) elevato e costante nel tempo (ad esempio με (ri) = μ€ - 1 ), durante i periodi di parlato contemporaneo i coefficienti del filtro si disadattano velocemente, assumendo valori assoluti elevati quando la potenza del parlato locale e<' >elevata. D'altro canto, i coefficienti si riadattano velocemente a valori prossimi a zero quando nel segnale di riferimento d{n) si ripresenta soltanto il segnale d'eco. Tale comportamento suggerisce di assumere come indice di attività<' >del parlato locale la norma del filtro

dove q definisce il tipo di norma adoperato, £[-] rappresenta la speranza matematica e | | rappresenta il valore assoluto. La speranza matematica e<' >stimata tramite un processo di media temporale. IndC(n) e una funzione del tempo continua caratterizzata da picchi elevati nel caso di attività<' >del parlatore locale e valori crescenti all'aumentare della potenza del rumore di fondo.

Prove sperimentali hanno mostrato che variazioni d’eco brusche ed ampie influenzano IndC{rì). Infatti, subito dopo una variazione d'eco ed anche sotto l'ipotesi che i coefficienti Wc(n)[k] siano prossimi a zero, il filtro WB(n) e necessariamente disadattato, il che determina un'aumento dell'errore e(ri) ≡ eB{n) . Secondo le (23) e (24) l'effetto di disadattamento si ripercuote anche sugli errori ec(n) ed eA(rì) che, secondo la (19) e la (21), nei successivi instanti di adattamento si distribuiscono sui coefficienti dei filtri WA(n) e fVc(n) . Tale comportamento suggerisce di adoperare il filtro WA(n) per il monitoraggio dello stato di convergenza del filtro cancellatore (e quindi delle variazioni di eco), introducendo il seguente indicatore:

EMBEDed adattando il filtro WA(n ) con la stessa legge di controllo adoperata per il filtro cancellatore ÌVB(n) , ponendo

Nella (31) p definisce il tipo di norma adoperato.

In questo modo un disadattamento del filtro WB(n) determina un incremento di IndA{n) che si esaurisce non appena WB(rì) si e<' >riadattato.

Gli indici cosi<' >ottenuti sono utilizzati nella legge di controllo del filtro cancellatore definita dalla seguente equazione (33):

(33)

dove δ , A e C sono parametri costanti opportunamente scelti e Px(rì) e Pe(n ) rappresentano le potenze dei segnali x(n ) ed e(rì) opportunamente mediate nel tempo.

Il funzionamento della (33) e<' >facilmente intuibile. Il rilevatore IndC(rì) amplifica l’effetto del termine a denominatore Pe{n ) che, in presenza di attività<' >del parlatore locale, diminuisce il passo di adattamento. D’altro canto i valori crescenti dell'indicatore IndA(n) , che si manifestano nel caso di un disadattamento del filtro cancellatore dovuto ad una variazione delle caratteristiche di c(n), tendono ad aumentare il passo di adattamento. Il punto di forza dell'algoritmo e<' >l’elevato disaccoppiamento dei due indicatori, ossia la sensibilità<' >dell'uno alle variazioni d'eco con poca influenza da parte dell'attività<' >del parlato locale e la elevata sensibilità<' >dell'altro al parlato locale con minime influenze e di breve durata da parte delle variazioni di eco.

La breve durata dell'influenza delle variazioni d'eco su IndC{rì) e<' >garantita dal sempre elevato passo di adattamento fic{n) che, dopo uno scompenso iniziale dei coefficienti di Wc(n) , riporta velocemente tali coefficienti a valori prossimi a zero. L'effetto discriminante delle due situazioni nell'espressione di μΒ(η ) può' essere migliorato scegliendo opportunamente i parametri p nella (31) e q nella (30): ad esempio una norma quadratica per IndA{n ) , con p = 2 , ed una norma lineare per IndC(rì) , con q = 1 .

La prontezza di rilevazione del parlato contemporaneo dipende invece dalle dimensioni della finestra temporale su cui si effettua la stima di potenza Pe{n ) . I risultati delle prove sperimentali suggeriscono l’utilizzo di finestre di breve durata (ad esempio di 4 millisecondi). In questo modo l’algoritmo di controllo e<' >in grado di effettuare l'adattamento anche durante i brevi periodi di bassa potenza del parlato locale, ossia di adattare a tratti anche durante il parlato contemporaneo, se caratterizzato da echi di ampiezza adeguata.

L'algoritmo di adattamento può<' >essere ulteriormente semplificato stimando Px(rì) su una finestra temporale di ampiezza N , ossia definendo, nel caso dell’NLMS, (34)

dove X(n) e dato dalla (12). In questo modo si elide il termine a denominatore nel rappor

in (19) )

Si noti che l'insieme delle equazioni (6), (7), (8), (12) e delle equazioni che vanno dalla (19) alla (33) non introduce un nuovo algoritmo di adattamento per la cancellazione d'eco acustico bensì<' >un innovativo metodo di controllo di un generico filtro adattativo. Infatti la legge di adattamento del filtro cancellatore (20) e la funzione di trasferimento del filtro cancellatore (6 ) possiedono le caratteristiche di un classico filtro adattativo NLMS, eccezion fatta per il termine di normalizzazione X(n)<T >X(n) che non e<' >stimato su N-NT osservazioni di x(«) bensì<' >su N . Nulla vieta pero<' >di sostituire nella (20) il termine di normalizzazione calcolato su N campioni con )XB(n)<T >XB(n , calcolato su N-NI campioni. Tuttavia tale provvedimento non porta a cambiamenti significativi in termini di prestazioni della cancellazione ma, anzi, implica un potenziale aumento di complessità' dell'algoritmo e di occupazione di memoria.

Il metodo di controllo e<' >caratterizzato da tre parametri: δ , A e C . Prove sperimentali hanno dimostrato che essi dipendono in primo luogo dalla lunghezza N del filtro complessivo ed in minima parte dal livello della potenza di eco. In nessun caso la scelta dei parametri e<' >critica. Effettuando una normalizzazione dei parametri rispetto ad N , la stessa terna di parametri può' essere adoperata sia negli apparati con cornetta che negli apparati viva-voce, supportando senza problemi livelli di accoppiamento acustico da -30dB a 25dB. Eventualmente le prestazioni del metodo di controllo possono essere sensibilmente migliorate ottimizzando per esempio la terna di parametri per tre classi di livelli di eco: basso, medio ed elevato.

Il metodo di controllo descritto dall'insieme di equazioni che vanno dalla (16) alla (33) può' essere utilizzato con un qualsiasi algoritmo di adattamento, come ad esempio un DLMS, un APA di ordine qualsiasi od un RLS. Gli algoritmi di adattamento (19), (20) e (21) si ricavano seguendo la procedura descritta dalle equazioni dalla (6) alla (18) mentre l'espressione del passo di adattamento variabile (33) e<' >direttamente applicabile.

Esempio di applicazione

Un’area di applicazione dove il metodo di controllo proposto offre ampio margine di miglioramento in termini di prestazioni, caratteristiche funzionali e costo computazionale rispetto ai metodi conosciuti, e<' >rappresentato dalla cancellazione d’eco negli apparati viva-voce installati in un'autovettura. Oggigiorno si trovano in commercio soprattutto apparati half-duplex ed apparati viva-voce completi di amplificazione ed altoparlanti.

Un significativo miglioramento in termini di costi, funzionalità' ed ingombro di tali apparati e<' >rappresentato dalla possibilità<' >di utilizzare in autovettura il cancellatore di eco implementato sul telefono cellulare. Il cellulare potrebbe essere connesso direttamente al sistema di amplificazione e diffusione già<' >predisposto in macchina per l'ascolto della radio/CD tramite ad esempio un'ingresso analogico predisposto sull'autoradio o sul lettore di CD. A differenza degli apparati di cancellazione completi di amplificazione ed altoparlanti, i quali possono essere messi a punto dal fabbricante in quanto conosce la potenza erogabile dall'apparato e quindi anche i livelli di eco in gioco, un dispositivo di cancellazione che si appoggia ad un sistema di amplificazione esterno si ritrova a dover operare in un ambiente del tutto ignoto. Inoltre, un sistema di cancellazione con amplificazione esterna non ha la possibilità<' >di essere informato elettricamente delle brusche variazioni che l'utente può<' >impartire al volume degli altoparlanti. Dal punto di vista della cancellazione queste variazioni equivalgono a variazioni di livello d’eco.

Il metodo di controllo proposto, a differenza di molti metodi descritti in letteratura, non necessita affatto di stime del livello dell’accoppiamento acustico. Inoltre e<' >in grado di riadattarsi a brusche variazioni di livello d’eco di 20dB ed oltre in 0.5-2 secondi.

Il metodo di controllo proposto inoltre possiede una tecnica di rilevazione di parlato contemporaneo affidabile in qualsiasi situazione, anche in casi estremi di rumori di fondo elevatissimi come spesso presenti in autovettura.

Anche in presenza di solo rumore di fondo di qualsiasi intensità<' >e di segnale d’eco di qualsiasi intensità<'>, il metodo di controllo proposto si dimostra sempre affidabile, evitando distorsioni o modulazioni fastidiose del rumore di fondo e sfruttando al meglio l’effetto di mascheramento del rumore sull’eco.

Il metodo di controllo porposto e<' >stato ampiamente testato sull’ algoritmo di adattamento DLMS. Il sistema completo e<' >stato utilizzato sia per la cancellazione di echi in autovettura, dove sono stati misurati accoppiamenti acustici sino a 6dB, che per la cancellazione d’eco su un telefono cellulare con accoppiamento acustico di -25dB. L'algoritmo NLMS si e<' >dimostrato sufficiente per la cancellazione d’eco su cornetta. La Fig.2 illustra le prestazioni del metodo di controllo proposto applicato alla cancellazione d’eco di un sistema viva-voce di alta qualità' in una autovettura, provvista di un sistema di amplificazione HI-FI e un sistema di 5 altoparlanti. Il segnale d'eco, tracciato nel primo grafico dall'alto in basso in Fig.2, e<' >caratterizzato da ampiezze paragonabili a quelle del parlato locale s(n) tracciato nel secondo grafico. Dopo 6.5 secondi la potenza dell'eco viene improvvisamente abbassata di 20dB e, dopo circa 13 secondi, riportata al valore iniziale, simulando cosi<' >due brusche variazioni d'eco. Si noti, nel grafico di e(n ) , che la variazione d'eco intorno i 6.5 secondi avviene durante un breve periodo di parlato contemporaneo. Ciononostante il filtro viene riadattato in circa 1 secondo. Anche l'improvviso aumento di 20dB di volume simulato dopo circa 13 secondi viene compensato in meno di 1 secondo. Si noti inoltre come il passo di adattamento jUB(n) , che assume valori continui tra 0 ed 1, rilevi con prontezza il parlato contemporaneo e come riesca a sfruttare i brevi periodi di bassa potenza di s (ri) per l’adattamento (vedasi il grafico di μΒ (w) intorno ai 2 secondi).

Claims (11)

1. RIVENDICAZIONI 1. Sistema per il controllo dell'adattamento di un filtro digitale per la cancellazione del segnale di eco nei terminali telefonici a cornetta e viva-voce caratterizzato dal fatto che detto filtro cancellatore d'eco, definito dalla eq. (6), e<' >controllato da due filtri supplementari di lunghezza relativamente corta, definiti dalle equazioni (7) e (8), l'uno orientato alla stima della attività<' >del parlatore locale, l'altro orientato alla stima delle variazioni d'eco.
2. 2. Sistema secondo la riventicazione 1 caratterizzato dal fatto che l'algoritmo di controllo per l'adattamento del filtro cancellatore 14 viene calcolato mediante la (33).
3. 3. Sistema secondo la rivendicazione 1, caratterizzato dal fatto che detto filtro cancellatore d' eco è controllato da due filtri supplementari, inclusi nel blocco di controllo 15.
4. 4. Sistema secondo la rivendicazione 3, caratterizzato dal fatto che il primo dei due filtri supplementari è atto al monitoraggio dell' attività del parlato locale.
5. 5. Sistema secondo la rivendicazione 3 caratterizzato dal fatto che il filtro supplementare orientato alla stima della attività<' >del parlatore locale viene adattato con un passo di adattamento costante e relativamente elevato.
6. 6. Sistema secondo la rivendicazione 3, caratterizzato dal fatto che il secondo dei due filtri supplementari è atto alla stima delle variazioni d'eco.
7. 7. Sistema secondo la rivendicazione 3 caratterizzato dal fatto che il filtro supplementare utilizzato per la stima delle variazioni d'eco viene adattato con lo stesso passo di adattamento del filtro di cancellazione d'eco 14.
8. 8. Sistema secondo la rivendicazione 3 caratterizzato dal fatto che l'indice atto alla stima della variazione d'eco ed allo stato del cancellatore viene calcolato mediante l’eq. (31) a partire dal primo filtro supplementare (7).
9. 9. Sistema secondo la rivendicazione 3 caratterizzato dal fatto che l’indice atto alla stima del parlato locale viene calcolato mediante l’eq. (30) a partire dal secondo filtro supplementare (8).
10. 10. Sistema secondo la rivendicazione 3 caratterizzato dal fatto che i filtri supplementari intervengono nell’adattamento del filtro cancellatore 14 solo mediante il passo di adattamento variabile.
11. 11. Sistema secondo la rivendicazione 1 caratterizzato dal fatto che il filtro cancellatore d’eco (6) e i due filtri supplementari (7) e (8) sono adattattati mediante le equazioni (19)-(27) per l’algoritmo NLMS o mediante analoghe equazioni per qualsiasi altro algoritmo di adattamento.