JP2000511756A

JP2000511756A - 高速線反響消去装置トレーニングのための直交ｌｍｓアルゴリズム

Info

Publication number: JP2000511756A
Application number: JP10541988A
Authority: JP
Inventors: トーマスシー．リャウ; ウェイケー．ツァイ
Original assignee: コネクサントシステムズインコーポレイテッド
Priority date: 1997-03-31
Filing date: 1998-03-31
Publication date: 2000-09-05
Also published as: EP0983638A4; EP0983638A1; US5909426A; WO1998044650A1; EP0983638B1

Abstract

(57)【要約】データサンプルのシーケンスが、そのようなデータサンプルからなる全階数データ相関行列がＮ番目の反復で対角線上になるように選択される、トレーニングシーケンス中に反響インパルス応答を計算するための反響消去装置。反響消去装置は、そのようなデータサンプルおよびトレーニングシーケンス中に生成される反響に基づき、反響チャネルを測深するためのデータシーケンスの長さがＮである正規化最小平均二乗アルゴリズムを使用して、反響パルス応答を推定する。データシーケンスが具体的に選択される正規化ＬＭＳアルゴリズムは、標準ＬＭＳアルゴリズムに匹敵する計算の複雑さを有しながら、標準ＬＭＳアルゴリズムよりもはるかに速く反響パルス応答に向けて収束する。

Description

【発明の詳細な説明】高速線反響消去装置トレーニングのための直交ＬＭＳアルゴリズム発明の属する技術分野本発明は、音声帯域モデムに使用される反響消去装置をトレーニング(trainin g)するためのアルゴリズムに関し、特に、トレーニングシーケンス中に最小平均二乗（ＬＭＳ）アルゴリズムの変形を使用する反響消去装置に関する。発明の背景標準の電話回線がデジタル伝送に使用されており、その伝送においてモデム（変調／複変調器）は、ビット直列デジタル量を、電話回線を介して伝送されるアナログ信号に変換することによってデジタルデータを伝送するために使用される。モデムの送信部は、デジタルデータを、音声伝送帯域内の周波数を持つ正弦波搬送信号に変調する。モデムの受信部は、アナログ信号を受信し、それをデジタルデータに復調する。「Dual Mode LMS Nonlinear Data Echo Chanceler 」と題するWalter Y．ChenおよびRichard A．Haddadの米国特許第４，９７７，５９１号ならびにRichard D．Gitlin、Jeremiah F．HayesおよびStephen B ．Weinste inのData Communication Principles 607（以下参照）（1992）が、電話チャネルを介するモデム通信の詳細な説明を提供している。これらの参考文献の全てを引用例として本明細書に含める。全二重モデムは、音声およびデータ双方の伝送に使用される２線式（双方向）電話チャネル中の同一帯域幅を使用して送受信を行う。信号が電話チャネルを介して伝送される場合、反響が生成され、それが、伝送された信号に加えられる。したがって、受信端で受信される信号には、元々送信された信号だけでなく、反響成分をも含む。反響は、電話ネットワーク中で４線式ループを２線式ループに変換するハイブリッドカップラ(hybrid coupler)（「ハイブリッド」）の結果として生じる。４線式ループから２線式ループへのこれらの変換が、送信されるデータ信号の中に、インピーダンス不整合の結果として起こる反響を生じさせる。このインピーダンス不整合は、近端モデムの送信器によって生成されたデータ信号の一部を近端モデムの受信器に戻らせる。このような近端反響は二つの成分からなる。近端反響の第一成分は、ハイブリッドが２線式送信器および２線式受信器の計４本の線を電話ネットワークの２線式局所（ローカル）ループに変換するときに生じる。近端反響の第二成分は、ハイブリッドが２線式局所ループを電話ネットワークの４線式ループに変換するときに生じる。遠端反響もまた二つの成分からなる。第一成分は、ハイブリッドが４線式ネットワークを２線式局所ループに変換するときに生じる。第二成分は、ハイブリッドが２線式局所ループを受信モデム中の４線式接続、すなわち２線式受信器および２線式送信器に変換するときに生じる。この遠端反響は近端反響ほど著しくない。反響消去装置の役割は、近端モデム受信器で受信された信号から反響成分を除去または最小限にすることにある。モデム受信器によって受信される信号は、次のように表すことができる。ｙ_n＝ｒ_n＋ｚ_n ｙ_nは、受信器によって受信されたデータ信号である。ｙ_nは、遠隔モデムまたはソースから送信された実際の信号であるｒ_nと、受信信号の実際の反響成分であるｚ_nとからなる。反響消去装置はｚ_nを推定してｚ’_nを得たのち、この値を受信信号ｙ_nから差し引いて、推定反響が除去された受信信号ｒ’_nの推定値を得る。以下は、推定反響を差し引いた推定受信信号を示す式である。ｒ’_n＝ｙ_n−ｚ’_n 従来の反響消去装置では、モデムは、搬送波信号を受信すると、データを受信し、またはデータモードに入る前に、トレーニング(training)シーケンスを起動する。このトレーニングシーケンス中に、反響消去装置は、伝送チャネルを適応性デジタルフィルタ、たとえばＦＩＲフィルタとして設計することにより、反響経路のインパルス応答(impulse response)を推定する。このような適応性ＦＩＲフィルタは反響を消去することが知られており、上記Data Communicationsの６１９〜６２４に記載されている。そして、この計算した反響インパルス応答を使用して推定反響を計算する。モデムがデータ信号を受信するデータモード中、モデム内の反響消去装置がモデムのデータ送信器からデータを受信する。反響消去装置は、送信データ信号に対し、推定反響チャネルインパルス応答信号を用いて演算を実行して推定反響信号を得たのち、上述したように、この信号を遠隔モデムから受信されたデータから差し引く。反響経路インパルス応答を推定するために一般的に使用される二つの方法は、ＬＭＳおよび帰納的最小二乗（ＲＬＳ：ＲｅｃｕｒｓｉｖｅＬｅａｓｔＳｑｕａｒｅｓ）アルゴリズムである。ＬＭＳアルゴリズムは、計算値を調節して、時間ｎにおける実際の反響信号（ｚ_n）と推定反響信号（ｚ’_n）との間の誤差を最小限にする。ＲＬＳアルゴリズムは、ＬＭＳアルゴリズムの約１０倍の速さで収束する。しかし、ＬＭＳアルゴリズムは複雑な計算が少ないことから、ＲＬＳアルゴリズムよりも好ましい。たとえば、Ｎを、反響チャネルを測深(sound)するためのデータタップの数またはデータシーケンスの長さとしてセットすると、ＲＬＳアルゴリズムはＮ²回の計算ステップを要するが、ＬＭＳ法はＮ回の計算しか要らない。計算の複雑さを減らすための一つの試みは、７〜８Ｎの計算の複雑さを有する高速カルマンアルゴリズムの使用である。高速カルマン法は高速で収束することができるが、四捨五入および他の誤差に対して高い感度を示すため、問題がある。発明の概要本発明の目的は、ＬＭＳアルゴリズムの計算の単純性およびＲＬＳアルゴリズムの優れた収束性の両利点を有するアルゴリズムを使用して、離散的反響チャネルインパルス応答を推定することである。この目的は、送信器、受信器および反響消去装置を有するモデムにおいて達成することができる。二重モード伝送前のトレーニングシーケンス中に、送信器が、データサンプルを含む長さＮのデータシーケンスｄ_(n)を生成する。このデータシーケンスは、生成されたデータサンプルｄ_(n)からなるデータベクトルによって形成されるデータ行列が、Ｎ番目の反復に対して対角線上になるデータ行列を生成するように選択される。同じくこのトレーニングシーケンス中に、送信器は、反響ｚ_(n)としてモデムに戻る反響チャネルを測深するための信号を生成する。このように、送信器によって生成・選択されたデータシーケンスｄ_(n)および測深された反響ｚ_(n)の値に基づき、反響消去装置は、以下に定める手法に基づいて正規化ＬＭＳアルゴリズムを実現して、離散的反響チャネルインパルス応答ｘ_(n) を推定する。正規化ＬＭＳでは、アルゴリズムがＮ回反復する。この反響インパルス応答は、ＲＬＳに類似した収束特性を有するのみならず、この収束を、ＲＬＳアルゴリズムよりも簡単な計算で実現する。さらなる実施態様では、Ｎ回を超える反復を実施することができる。このような場合には、反響インパルス応答を推定するために誤差補正項を式に加えることができる。Ｎ回を超える反復によって反響インパルス応答を推定することにより、正規化アルゴリズムは、反響インパルス応答を計算するためにＲＬＳの優れた収束速度に正確に適合することができる。図面の簡単な説明図１は、電話ネットワークにおける線反響のためのチャネルモデルを示す概略図である。図２は、モデム内の反響消去装置の一例を示す概略図である。図３は、ＯＬＭＳ、ＳＯＬＭＳ、ＲＬＳおよび簡略化ＬＭＳアルゴリズムの収束性能の比較を示すグラフである。図４は、ＲＬＳ、ＯＬＭＳおよびＳＯＬＭＳアルゴリズムの収束性能の比較を示すグラフである。一実施態様に対する詳細な説明図１に、モデムを電話ネットワークチャネル１２にリンクさせ、デジタルデータの伝送にそのモデムを使用する方法の一例を示す。２個のモデム、即ち近端モデム１６(MODEM A)および遠端モデム６８(MODEM B)が電話ネットワークに接続されている。近端モデム１６は送信器(TRANS)２０および受信器(Rx)２４を含み、遠端モデム６８も同様に送信器(TRANS)７２および受信器(Rx)７６を含む。遠端モデム６８の送信器７２は、チャネル１２を介してデジタルデータを近端モデム１６の受信器２４に通信する。同様に、近端モデム１６の送信器２０は、チャネル１２を介して遠端モデム６８の受信器７６にデータを伝送する。近端モデム１６では、送信用２線式対２８が送信器２０に接続され、受信用２線式対３２が受信器２４に接続されている。送信用２線式対２８および受信用２線式対３２（計４本のワイヤを含む）は、ハイブリッド(HYBRID)４４によって一つのアナログ２線式対４８に変換され、この対が、電話ネットワークの局所ループ(LOCAL LOOP)を形成し、両方向に同時に伝送する。ハイブリッド４４では、設計およびハードウェアの制限からインピーダンス不整合が形成される。このインピーダンス不整合により、送信用２線式対２８を通過する信号の一部が受信用２線式対３２を通過して戻り、反響として伝わる。この反響が、近端反響として知られるものの一部である。経路３６は、送信器２０から送信された信号の一部が受信器２４にどのように戻るかを示したものである。図１では、ハイブリッド５２が２線式近端局所ループ４８を４線式ネットワークループ(4 WIRE NETWORK)５６に変換する。この変換が、さらに、受信器２４によって受信される近端反響を増す。遠端反響は、二つの変換の結果として生じる。遠端反響の第一成分は、ハイブリッド(HYBRID)６０が電話ネットワークの４線式ネットワーク５６を２線式局所ループ６４に変換する結果として生じる。第二成分は、ハイブリッド(HYBRID)９６が２線式局所ループ６４を、２線式送信対８４および２線式受信対８０からなる４線に変換する結果として生じる。遠端モデム６８でも同じ反響状況が起こる。ハイブリッド９６および６０におけるハイブリッド変換が遠端モデム６８の近端反響に関係し、ハイブリッド４４、５２における変換が遠端モデム６８の遠端反響に関係する。しかし、遠端モデム６８で受信される反響は、近端モデム１６で受信される反響とは異なる。図２に反響消去装置(ECHO CANCELLER)２６を用いたモデムの好ましい一実施態様を示す。反響消去装置２６は、本明細書においてｘ’_nと呼ぶ離散時反響チャネルインパルス応答(impulse)を推定するための公知の適応性ＦＩＲフィルタ、たとえば上記のData Communicationsの６１９〜６２４に記載されている技術を用いても可能である。反響消去装置２６は、記憶されたプログラム制御の下、もしくは専用論理回路の中、または、それらの組み合わせで作動するマイクロプロセッサとして実現することもできる。図２では、近端モデム１６内の反響消去装置２６を示す。反響消去装置２６は、送信器(TRANS)２０から送信されたデータおよびモデムによって受信されたデータを受信用２線式対３２を介して受信することができるよう連結されている。モデムは、電話回線に接続したのち、遠隔地からデータを受信する前に、トレーニングシーケンスを起動する。反響消去装置２６は、二つの既知の変数、すなわち、送信器２０から送信される、ｄ_nと呼ばれる入力またはデータ、及び反響チャネルがトレーニングシーケンス中に測深される場合に生成される反響ｚ_nを使用して、反響チャネルインパルス応答を推定する（ｘ’_n）。送信器からのデータｄ_nおよび反響インパルス応答ｘ_nに基づいて時間ｎにおける反響ｚ_nを推定するための式は、次のように求められる。上述したように、トレーニングシーケンス中、反響消去装置２６はｚ_nおよびｄ_nを取得する。ｖ_nはノイズを表す。反響の近似の間、ノイズｖ_nは、零平均を有するとみなされる。すなわち、平均で零になる。これら既知の変数に基づき、反響消去装置は、推定反響チャネルインパルス応答ｘ’_nを推定する。ｘ’_nを推定するためには、離散時式を行列形態に書き直して一次方程式を解く。Ｈ_N・ｘ＋ｖ_n＝ｚ_n ただし、ｚ_n＝［ｚ_(o)・・・ｚ_(n)］^T ｖ_n＝［ｖ_(o)・・・ｖ_(n)］^T ｘ＝［ｘ_(o)・・・ｘ_(N)］^T Ｈ_n＝［ｈ_(o)・・・ｈ_(n-N)］^T ｈ_(n)＝［ｄ_(o)・・・ｄ_(n)］変数Ｎは、反響チャネルを測深するために使用されるデータシーケンスの長さおよびアルゴリズムによって実行される反復の回数である。各データベクトルｈ_(n) は、送信器２０によって生成されるデータサンプルのセットからなる。好ましい一実施態様では、各ｈ_(n)データベクトルはＮ個のデータサンプルを含むと考えられる。たとえば、Ｎ＝５ならば、ｈ_(n)データベクトルは、以下のようなフォーマットを有する。ｈ₍₁₎＝［ｄ₍₅₎ｄ₍₄₎ｄ₍₃₎ｄ₍₂₎ｄ₍₁₎］ｈ₍₂₎＝［ｄ₍₆₎ｄ₍₅₎ｄ₍₄₎ｄ₍₃₎ｄ₍₂₎］など。本発明の特徴は、データ行列Ｈ_nを特に選択したのち、ＬＭＳアルゴリズムを使用してデータ反響インパルス応答ｘ’_nを推定することにより、一次方程式で使用されるデータｄ_nを注意深く選択することである。好ましい一実施態様では、データベクトルｈ_(n)は、全階数であり、Ｎ番目の反復で対角線上にあるデータ相関行列を生成するデータ行列Ｈ_NＨ_N ^Tを生成するように選択される。全階数であり、Ｎ番目の反復に対して対角線上にあるデータ相関行列を生成するＨ_NＨ_N ^Tを得るためには、定振幅零自己相関（ＣＡＺＡＣ）シーケンスを使用してデータシーケンスｈ_(n)を選択することができ、または、Ｈ_NＨ_N ^Tが対角線上にあるようなデータシーケンスを選択する他の方法を使用してもよい。好ましい一実施態様では、データ値は、多相コードを、周期あたり一つの最大値を除いてどこででも零である周期的自己相関関数とともに使用して選択することができる。データベクトルが長さＮを有するならば、データ値ｄ_kは、以下の式を使用して選択することができる。まず、Ｎに対する素数、すなわち、Ｎによって割ることができない値Ｍを選択する。Ｎが偶数であるならば、トレーニングシーケンス中に使用されるデータベクトルｈ_(n)中のデータサンプルｄ_kは、複素数を含む以下の式で計算することができる。Ｎが奇数であるならば、トレーニングシーケンス中に使用されるデータベクトルｈ_(n)中のデータサンプルｄ_kは、複素数を含む以下の式で計算することができる。これらのデータサンプルｄ_kは、プロセッサによって計算し、反響消去装置２６へのさらなる伝送に備えて送信器２０に入力することができる。あるいはまた、これらの計算されたデータサンプルｄ_kは、メモリ中の参照用テーブルに記憶してもよい。この注意深く選択されたデータシーケンスを以下に定めるシステムアルゴリズムに適用する場合、反響インパルス応答（ｘ’_n）を推定するための更新式は、以下のように表される。成分（ｚ_(n)−ｈ_n-1・ｘ’_n-1）は、反響消去装置によって使用される適応または誤差成分を表す。この方法およびデータ選択技術を使用して生成された反響インパルスチャネル推定値は、計算された反響と推定された反響との間の平均二乗誤差を最小限にし、後続する各反復がよりよい近似に向けて収束する。そのうえ、正規化ＬＭＳアルゴリズムを注意深く選択されたデータ行列とで使用すると、最初Ｎ回の反復まで、ＲＬＳ法と同様の高速収束特性が得られる。さらに、この正規化されたＬＭＳアルゴリズムは、計算上はるかに複雑なＲＬＳ法とは反対に、ＬＭＳアルゴリズム程度の計算でその結果を達成する。また、上記アルゴリズムは、簡略化直交最小平均二乗アルゴリズム（「ＳＯＬＭＳ」）としても知られている。トレーニングシーケンスの後、モデムは、データモードに入り、データを受信し始める。上述したように、受信したデータをｙ_nと呼ぶ。データ信号は、次のように表すことができる。目標は、ｒ_n、すなわち受信信号を推定することである。推定反響ｚ’_nは、以下にしたがって決定される。反響消去装置２６は、上記に論じた方法で選択され送信器２０から送信されたデータ（ｄ_n）と、トレーニングシーケンス中に推定された反響チャネルインパルス応答ｘ’_nとを使用して反響ｚ’_nを推定する。そして、推定した反響を、遠端モデム６８から受信されたデータ信号（ｙ_n）から差し引いて、遠端モデム６８が送信したもの（ｒ’_n）を推定する。すなわち、ｒ_n’＝ｙ_n−ｚ’_n 反響チャネルが時間変動しないと仮定すると、全二重データ伝送モードでは、トレーニングシーケンス中に計算される反響インパルス応答の値はほとんど変化してはならない。好ましい一実施態様では、反響消去装置２６は、データ伝送モード中に、標準ＬＭＳアルゴリズムを使用して反響インパルス応答ｘ’_nを近似し続ける。標準ＬＭＳアルゴリズムのほうが収束は遅いが、データ伝送モード中は反響チャネルの時間変動変化が比較的ゆっくりであるため、これは問題とされない。したがって、データ伝送モード中の反響チャネルにおける変化は、標準ＬＭＳアルゴリズムを使用して追跡することができる。代替態様では、反響インパルス応答ｘ’_nは、Ｎよりも大きな反復回数まで算出することができる。好ましい一実施態様では、Ｎ＝６０であるとき、さらにＮ ×５回の反復が実行される。また、反復を実行するＮおよびその倍数の他の値を選択してもよい。Ｎ回を超える反復の場合、誤差値を使用して反譬インパルス応答ｘ’_n を計算する。誤差項を組み込むこの新たなアルゴリズムを直交ＬＭＳアルゴリズム（「ＯＬＭＳ」）と呼び、これが、反響インパルス応答を以下のように計算する。ただし、ｋ＝上限（ｎ／Ｎ）なお、（err₁−err₂）の計算は、以下のように表せることを理解しなければなららい。誤差補正項を含む上式は、ＲＬＳアルゴリズムによって実行される計算と非常によく適合する。そのうえ、誤差項を式に含ませることにより受信データを平均化し、このため、ノイズｖ_nが平均化される。ノイズがない場合、ＳＯＬＭＳアルゴリズムはＯＬＭＳアルゴリズムを近似する。しかし、ノイズがある場合、ＯＬＭＳシステムはノイズを平均化するため、ＯＬＭＳは反響インパルス応答の精度の高い近似を提供する。なぜならば、ＳＯＬＭＳアルゴリズムとＯＬＭＳアルゴリズムとが初めのＮ回の反復に関しては同一結果を算出すからである。しかし、ＯＬＭＳアルゴリズムは、Ｎ回の反復を超え、誤差項を加えて反響インパルス応答を非常によく近似し、ノイズを平均化する。式中で誤差を使用するこのＯＬＭＳアルゴリズムは、ＲＬＳアルゴリズムによって実行される計算と非常によく適合し、このことは、ＲＬＳアルゴリズムと同様な優れた収束速度を有することを意味する。さらに、ＯＬＭＳアルゴリズムは、正規化ＬＭＳアルゴリズムよりもわずかに計算が複雑なだけで、また、ＲＬＳアルゴリズムよりもはるかにシンプルである。ＯＬＭＳアルゴリズムを使用して推定反響インパルス経路応答を得たのち、データモードで反響消去装置２６が先に論じたように推定反響ｚ’_nを除去し、送信信号ｒ’_nを計算する。これが実現されると、ＯＬＭＳおよびＳＯＬＭＳアルゴリズムは、Ｎ＝６０で動作することができ、ＯＬＭＳアルゴリズムを使用するならば、さらに５×Ｎ回の反復を全部で３００（６×５０）回まで実行することができる。これは、トレーニングシーケンス中にしばしば２０００回の反復（Ｎ＝２０００）を行う標準ＬＭＳアルゴリズムを使用する通常の態様よりも効果的である。ＯＬＭＳおよびＳＯＬＭＳアルゴリズムの場合には、通常はＮ＝５０のセットで、ＭＭＳＥに達するように反響インパルス応答を収束させるには十分である。代替態様として、Ｎが反響インパルス応答を計算する際に誤差を最小限にするのに十分であるならば他の値をどのようにでもセットすることができる。たとえば、図３および４に示す一実施態様では、Ｎは１６にセットされている。代替態様では、所定回数の反復を実施する代わりに、トレーニングシーケンスは、反響インパルス応答ｘ’_nが適切に収束するまで反復を実行し続ける。これは、特定の反復で、値ｘ’_n−ｘ’_n-1が、反響インパルス応答の推定値において十分に収束するような非常に低いしきい値に達することを意味する。図３は、反響チャネルを測深するために使用されるデータシーケンスの長さをＮ＝１６にセットした場合におけるＯＬＭＳ、ＳＯＬＭＳ、ＲＬＳおよび標準ＬＭＳアルゴリズムの収束結果を示す。この図３では、実施した反復の回数を、誤差²＝（ｘ−ｘ’_n）^T（ｘ−ｘ’_n）に対してプロットした。図示されているように、ＯＬＭＳおよびＳＯＬＭＳアルゴリズムは、ＲＬＳアルゴリズムのそれに匹敵する程、高い収束速度を特徴とし、従来のＬＭＳ法よりも優れた収束特性を示すことが確認できる。実際に、ＬＭＳアルゴリズムは４００回の反復でＳＯＬＭＳおよびＯＬＭＳによって約１００の反復で達成される収束に近づく。図４に、図３における、反復当初から２４回程度までのさらなる詳細な結果を示す。図４から確認できるように、ＯＬＭＳおよびＳＯＬＭＳは、ＲＬＭＳとほぼ同じ速さで収束する。実際、ＯＬＭＳおよびＳＯＬＭＳは、１７回ほど反復しただけでＲＬＭＳの収束を近似する。

Claims

【特許請求の範囲】１．長さＮのデータシーケンスを送信器で送信して反響チャネルを測深し、該測探の結果として反響ｚ_nを戻す段階と、データサンプルｄ_nからなるデータベクトルｈ_nが、Ｎ番目の反復に対して対角線上にあるデータ行列を生成するデータサンプルｄ_nを選択する段階と、該選択されたデータサンプルｄ_nおよび前記反響ｚ_nを反響消去装置で受信する段階と、最小平均二乗アルゴリズムならびに前記データサンプルｄ_nからなるデータベクトルｈ_nおよび前記測深した反響ｚ_nを使用して、反響インパルス応答ｘ’_nを反響消去装置で計算する段階と、を含むことを特徴とする反響インパルス応答を推定する方法。２．定振幅零自己相関シーケンスを使用してデータシーケンスｄ_nを生成する請求項１記載の反響インパルス応答を推定する方法。３．反響インパルス応答をＮ回の反復で計算する請求項１記載の反響インパルス応答を推定する方法。４．反響インパルス応答をＮ回よりも大きい反復回数で計算する請求項１記載の反響インパルス応答を推定する方法。５．Ｎが偶数であるならば、Ｎに対して素数である値Ｍをセットする段階と、以下の式にしたがってデータサンプルｄ_kを計算する段階と、該計算したデータサンプルｄ_kを用いて計算したデータシーケンスを反響消去装置に送信する段階と、をさらに含む請求項１記載の反響インパルス応答を推定する方法。６．Ｎが奇数であるならば、Ｎに対して素数である値Ｍをセットする段階と、以下の式にしたがってデータサンプルｄ_kを計算する段階と、該計算したデータサンプルｄ_kを用いて計算したデータシーケンスを反響消去装置に送信する段階と、をさらに含む請求項１記載の反響インパルス応答を推定する方法。７．反響消去装置が、以下の式にしたがって反響インパルス応答ｘ’_nを推定し、Ｎ回の反復まで反響インパルス応答ｘ’_nを計算する請求項１記載の反響インパルス応答を推定する方法。８．Ｎ＝５０である請求項７記載の反響インパルス応答を推定する方法。９．反響消去装置が、以下の式ただし、ただし、ｋ＝上限（ｎ／Ｎ）にしたがって反響インパルス応答ｘ’_nを推定し、Ｎを超える反復回数で反響インパルス応答ｘ’_nを計算する請求項１記載の反響インパルス応答を推定する方法。１０．Ｎの倍数の反復回数まで反響インパルス応答を計算する請求項９記載の反響インパルスを推定する方法。１１．Ｎ×６の反復回数だけ反響インパルス応答を計算する請求項９記載の反響インパルスを推定する方法。１２．トレーニングシーケンス中に反響インパルス応答ｘ’_nを計算する段階と、データ伝送モード中、遠隔送信器から、ｙ_n＝ｒ_n＋ｚ_n（ｒ_nは、遠隔送信器から送信された実際のデータである）となるような反響ｚ_nを含むデータ（ｙ_n）を受信器で受信する段階と、反響消去装置で計算した反響インパルス応答ｘ’_nを使用して反響ｚ’_nを推定する段階と、受信データｙ_nから推定反響ｚ’_nを除去して、遠隔送信器から送信された信号を推定する（ｒ’_n＝ｙ_n−ｚ’_n）段階と、受信データの推定値ｒ’_nを受信器に通信する段階と、をさらに含む請求項１記載の反響インパルスを推定する方法。１３．反響消去装置が以下の式にしたがって推定反響ｚ’_nを計算する請求項１０記載の反響インパルス応答を推定する方法。１４．（ａ）受信器と、（ｂ）データサンプルｄ_nからなるデータベクトルｈ_nが対角線上にあるデータ行列を生成する該データサンプルｄ_nのデータシーケンスを生成するための手段と、（ｃ）ｉ．長さＮの前記データシーケンスを送信して反響チャネルを測深するための手段およびii．前記生成されたデータシーケンスｄ_nを受信し、送信するための手段を含む送信器と、（ｄ）ｉ．前記反響チャネルの測深から得られた反響ｚ_nを受信するための手段、ii．送信器から前記データシーケンスｄ_nを受けるための手段、iii．該データシーケンスｄ_nおよび前記測深した反響ｚ_nに基づいて、ＬＭＳアルゴリズムを適用して反響インパルス応答ｘ’_nを計算するための手段、iv．データ伝送中に推定した反響インパルス応答ｘ’_nを使用して反響ｚ’_nを推定するための手段、ｖ．遠隔ソースによって送信された信号から推定反響ｚ’_nを除去することにより、遠隔ソースから送信された信号ｒ’_nを推定するための手段、およびvi．推定した送信信号ｒ’_nを受信器に通信するための手段を含む反響消去装置と、を含むモデム。