NO317976B1 - Fremgangsmater og anordning for a tilveiebringe komfortstoy i kommunikasjonssystemer - Google Patents

Description

OPPFINNELSENS BAKGRUNN

Den foreliggende oppfinnelse vedrører kommunikasjonssystemer, og spesielt ekkosperring i en bidireksjonell kommuni-kasjons link .

I mange kommunikasjonssystemer, for eksempel fastlinje- og trådløse telefonsystemer, blir talesignaler ofte transmittert mellom to systembrukere via en bidireksjonell kommuni-kasjonslink. I slike systemer blir brukerens tale typisk detektert ved hjelp av en mikrofon ved den ene ende av kommunikasjonslinken, og så transmittert over linken til en høyttaler ved den andre enden for reproduksjon og presenta-sjon til brukeren i den andre enden. Omvendt blir talen til brukeren i den andre enden også detektert ved hjelp av en mikrofon, og så transmittert via kommunikasjonslinken til en høyttaler i den andre enden for reproduksjonen og pre-sentasjon til brukeren i den ene enden. I begge endene av kommunikasjonslinken kan lyden ut fra høyttaleren bli detektert av en nærliggende mikrofon og uforvarende transmittert tilbake over kommunikasjonslinken, noe som kan resul-tere i uakseptabel forstyrrende feedback, eller ekko, fra en brukers perspektiv.

For derfor å unngå transmisjon av slike uønskede ekkosigna-ler, bør akustiske mikrofoner være isolert fra høyttaleren så mye som mulig. Med et konvensjonelt telefonhåndsett,

hvor håndsettets mikrofon er plassert i nærheten av brukerens munn, mens håndsettets høyttaler stort sett dekker brukerens øre, kan den ønskede isolasjonen lett oppnås. Portable telefoner har imidlertid blitt mindre, og hands-free har blitt mer populært. Produsenter har blitt tilnærmet seg et design, der den akustiske veien fra høyttaleren til mikrofonen ikke er blokkert av brukerens hode eller kropp. Som et resultat av dette, har nødvendigheten for mer sofistikerte teknikker for ekkoblokkering blitt svært vik-tig i moderne systemer.

Nødvendigheten skiller seg spesielt ut i handsfreee mobil-telefoner, hvor bilkupéen kan forårsake multiple refleksjo-ner fra en høyttaler til en høyforsterket, handsfree mikrofon. Brukerens bevegelser i kupéen forandrer de relative retningene og styrken av ekkosignalene, for eksempel når et vindu åpnes og lukkes, eller når brukeren beveger hodet sitt mens han kjører, kompliserer ekkosperring i automobile miljøer ytterligere. I tillegg prosesserer de sist utvikle-de digitale telefonene talesignaler gjennom talekodere, som introduserer signifikant signalforsinkelse, og forårsaker ikke-lineær signalforvrengning. Slike forsinkelser har en tendens til å forsterke problemer med signalekko fra en brukers perspektiv, og den ytterligere ikke-lineære for-vrengingen gjør ekkosperring i nettutstyr vanskeligere.

Som resultat av de ovenfor beskrevne utfordringer, har te-lefonprodusenter utviklet et stort spekter av ekkosper-ringsmekanismer. Et eksempel på ekkosperringssystem (100) er illustrert i figur IA, som vist inneholder eksempelsystemet 100 en mikrofon 110, en høyttaler 120 og en ekkosperre 130. En audioutgang 115 i mikrofonen 110 er koblet til en audioinngang i ekkosperren 130, og en audioutgang 135 i ekkosperren 130 fungerer som en audioinngang i en telefon (ikke vist). I tillegg er en audioutgang 125 i telefonen i den andre enden koblet til en audioinngang til høyttaleren 120, og til en referanseinngang til ekkosperren 130.

Ekkosperren 130 prosesserer mikrofonsignalet 115 for å gi audioutgangssignalet 135 til en telefonbruker i den andre enden. Ekkosperren 130 demper mikrofonsignalet 115 i forhold til audiosignalet 125 fra den andre enden, slik at det akustiske ekkoet fra høyttaleren 120 til mikrofonen 110 ikke sendes tilbake til telefonbrukeren i den andre enden.

Ekkosperren 130 er typisk enten en ikke-lineær, klippetypesperre eller en lineær, skaleringstypesperre. Klippetype-sperrene demper generelt mikrofonutgangssignalet 115 ved å flytte en del av signalet som faller innenfor bestemt ver-diområde (for eksempel innenfor et bestemt klippevindu). Skaleringstypesperrene demper mikrofonutgangssignalet 115 ved å multiplisere signalet med en passende skaleringsfaktor. Hybridsperrene som er utviklet i den senere tid, inte-grerer både klipping og skaleringsaspekter, for eksempel ved å skalere en del av mikrofonsignalet som faller innenfor et bestemt dempningsvindu. I mange tilfeller tilpasses dempningsnivået generelt (for eksempel klippingsvinduet og/eller skaleringsfaktoren), enten direkte eller indirekte i henhold til amplituden til audiosignalet (125) fra den andre enden, slik at mikrofonutgangssignalet (115) dempes bare når brukeren i den andre enden snakker.

En konvensjonell klippetypesperre, kjent i litteraturen som en senterklipper, er for eksempel beskrevet i US patent 5,475,731 med tittelen "Echo-Cancelling System and Method Using Echo Estimate to Modifiy Error Signal" utferdiget den 12. desember 1995 av Rasmusson et al. En alternativ klippetypesperre, kjent som en AC-senterklipper, er beskrevet i kompendiet i US patentsøknad nr. 08/775,797 med tittelen "An AC-Center Clipper for Noise and Echo Suppression in a Communicatons Systems" datert 31. desember 1996. Et eksempel på skaleringstypesperre er beskrevet i US patent nr. 5,283,784 med tittelen "Echo Canceller Processing Techni-ques and Processing" utferdiget 1. februar 1994 av Genter. En avansert hybridprosessor, her referert til som en AC-senterdemper, er beskrevet i kompendiet i US patentsøknad nr. 09/005,149, med tittelen "Methods and Apparatus for Improved Echo Suppression in Communications SystemB". Avansert kontroll av disse og andre klippinger, skaleringer og hybridtypesperrere er beskrevet i kompendiet i US patent-søknad nr. 09/005,144 med tittelen "Methods and Apparatus for Controlling Echo Suppression in Communications Systems" .

Ekkosperren (130) i figur IA kan også kombineres med en lineær ekkokansellerer for å tilveiebringe et mer sofistikert ekkosperresystem. Figur IB viser et eksempelsystem (101) som inneholder en mikrofon (110), høyttaleren (120) og ekkosperren (130) i figur IA, og en akustisk ekkokansellerer

(140). Som vist er audioutgangen (115) i mikrofonen (110) koblet til en audioinngang i den akustiske ekkokansellerer

(140)( og kontroll- og audioutganger (114 og 145) i den akustiske ekkokansellereren (140) er henholdsvis koblet til kontroll- og audioinnganger i ekkosperren (130). Audioutgangen (135) i ekkosperren (130) fungerer som inngang i den ene telefonen (ikke vist), og audioutgangen (125) i telefonen i den andre enden, er koblet til audioinngangen i høyt-taleren (120) og til referanseinnganger i den akustiske

ekkkokansellereren (140) og ekkosperren (130).

Når den er i drift, modellerer den akustiske ekkokansellereren (140) dynamisk den akustiske veien fra høyttaleren 120 til mikrofonen 110 og søker å kansellere all høyttaler-lyd som tas opp av mikrofonen 110. Algoritmer som vanligvis brukes for å modellere akustiske ekkobaner inneholder den velkjente Least Mean Sguares (LMS)-algoritmen og varianter, slik som Normalized Least Mean Sguares (NLMS). Et eksempel på en LMS-basert kansellerer er beskrevet i den ovenfor refererte US patent nr. 5,475,731 Rasmusson et al. I tillegg er en avansert NLMS-basert kansellerer beskrevet i den på-gående US patentsøknad nr. 08/852,729, med tittelen "An Improved Echo Canceller for use in Communications Systems" utferdiget 7. mai 1997.

Kontroilutgangen, eller kontrollmålestokken 144 indikerer det momentane kanselleringsnivået som gjennomføres av den akustiske ekkokansellereren 140 og som brukes av ekkosperren 130 for å bestemme nivået av tilleggsdempning, som er nødvendig for å undertrykke de resterende ekkokomponenter til et bestemt nivå. Som i system 100n i figur IA, kan ekkosperren 131 være en klippesperre, en skaleringssperre eller en hybridsperre.

Kontrollmålestokken 144 er derfor tilpasset som beskrevet for eksempel i de ovenfor nevnte patenter og patentsøkna-der. I tillegg kan ekkosperren 130 være en enkelt svitsj, som selektivt demper audioutgangen 135 ved passende tids-punkter (for eksempel i perioder, når taleaktivitetsdetektoren i den ene enden indikerer at mikrofonsignal 115 ikke mottar noe tale).

Legg merke til at i begge eksempelsystemene 110 og 110 i figur IA og B, demper ekkosperren 130 hele audiosignalet. Dermed demper ekkosperren 130 også all bakgrunnsstøy og/eller all tale. Bakgrunnsstøyen kan faktisk dempes så mye at brukeren i den andre enden feilaktig kan tro at sam-talen er brutt, når ekkosperren 130 er aktiv. For derfor å forbedre kvaliteten av kommunikasjon til brukeren på den andre enden, legger dagens systemer ofte til komfortstøy i telefonaudiosignalet 135, når ekkosperren 130 er aktiv.

For eksempel erstatter noen systemer de dempede audiosigna-ler med hvit støy generert av en pseudotilfeldig nummerge-nerator (PRNG - pseudo-random number generator), hvor støysampiene settes basert på en estimert energi til den faktiske bakgrunnsstøyen. I tillegg beskriver den ovenfor nevnte US patent nr. 5,283,784 til Genter en lignende til-nærming, hvor hvit støysampler er båndbegrenset til tele-fonsystemets båndbredde og lagret i en ROM (read only memo-ry)-tabell. Komfortstøy genereres ved å selektere sampler fra tabellen. Enda en annen løsning er beskrevet i US pa-tentsøknad nr. 08/375,144 med tittelen "Method of an Apparatus for Echo Reduction in a Hands-Free Cellular Radio Communication System" utferdiget 19. januar 1998. En sam-pelblokk med den virkelige bakgrunnsstøyen er lagret i min-net, og komfortstøy genereres ved å sende ut segmenter med suksessivt lagrede sampler, der man starter med tilfeldige startpunkter i blokken.

De ovenfor beskrevne systemene har visse fordeler, men ingen tilveiebringer komfortstøy, som er nært og konsistent tilnærmet den virkelige støyen, når det gjelder både spektralt innhold og utslaget. For eksempel er det spektrale innholdet av komfortstøy, som produseres ved å generere hvite støysampler per definisjon uniformt over det hørbare frekvensbåndet, mens automobil bakgrunnsstøy typisk er for-spent mot den lave delen av båndet. Siden graden av spektral tilt gjelder fra bil til bil, og avhenger av virkningen av kjøreegenskapene, er lagring av et eksempel på tiltet spektrum i ROM-en uegnet. Videre inneholder komfortstøy, som er generert ved syklisk å sende ut segmenter med virkelige støysampler, en signifikant periodisk komponent, og høres derfor ut som om den inneholder forvrengt tilleggsto-ne.

Derfor, med konvensjonelle støygenereringsteknikker, mottar brukeren i den andre enden kontinuerlig forandringer i karakter og innhold i den transmitterte bakgrunnsstøyen, så lenge komfortstøy bare legges til eller byttes ut, når ekkosperren 130 er aktiv. Slike forandringer i mottatt bak-grunnsstøy kan være irriterende eller til og med utolerer-bare. For eksempel, med en relativ lang forsinkelse i dagens digitale cellulære telefoner, blir differanser mellom virkelig bakgrunnsstøy og modellert komfortstøy ofte mottatt som hviskende ekko. Følgelig er det et behov for for-bedrede metoder og apparat for å generere komfortstøy i ekkosperresystemer.

SAMMENFATNING AV OPPFINNELSEN

Den foreliggende oppfinnelse imøtekommer de ovenfor beskrevne og andre behov ved å tilveiebringe en ekkosperreanordning konfigurert til å dempe en ekkokomponent i et kommunikasjonssignal, som angitt i de etterfølgende patent-krav. I motsetning til konvensjonelle systemer, hvor kom-fortstøy produseres ved å generere hvite støysampler, eller ved syklisk å sende ut lagrede støysampelsekvenser, viser den foreliggende oppfinnelse at høyere kvalitet på komfort-støyen (for eksempel komfortstøy som er bedre tilpasset den virkelige støyen i omgivelsene) effektivt kan produseres basert på et sett av støymodellparametere, som i sin tur er basert på målinger av den virkelige systemstøyen.

I henhold til oppfinnelsen beregnes støymodellparametere i perioder uten tale (det vil si når bare støy finner sted), og beregningen er frosset i perioder med tale. De gjeldende støymodellparametere brukes så til å generere høy kvali-tetskomfortstøy, som erstatter virkelig støy, når den virkelige støyen dempes av en ekkosperre. Siden komfortstøyen er nært tilpasset den virkelige bakgrunnsstøyen med hensyn til både karakter og nivå, mottar brukeren i den andre enden et kontinuerlig signal, og blir ikke distrahert av ar-tefaktene i konvensjonelle systemer.

I henhold til et første utførelseseksempel, baseres en parametrisk støymodell på autokorrelasjonsfunksjonen til en ramme med audiosampler fra en mikrofon. Autokorrelasjonsfunksjonen glattes eller midles over et antall sampelram-mer, og den gjeldende glattede autokorrelasjonsfunksjonen brukes for å beregne koeffisienter for et allpol (allpole) spektralt modelleringsfilter. Modelleringsfilter brukes så til å syntetisere komfortstøy basert på en simulering av hvite støysampler, som har en varians som er proporsjonal med det første elementet i den glattede autokorrelasjonsfunksjonen.

I henhold til et annet utførelseseksempel, baseres en parametrisk støymodell på en autokorrelasjonsfunksjon og et sett med faste filterkoeffisienter, som brukes i kombinasjon for å lage et ARMA- {autoressive moving-average) spektralt modelleringsfilter. En ramme med audiosampler fra en mikrofon passerer gjennom et allpol-filter, som er konstruert ut fra de faste filterkoeffisentene, og de filt-rerte samplene brukes til å beregne autokorrelasjonsfunksjonen. Autokorrelasjonsfunksjonen glattes over multiple rammer, og den gjeldende glattede autokorrelasjonsfunksjonen brukes til å beregne koeffisientene for et all-polfilter. Allpolfiltret utvides med et allnull- (all-zero) filter utledet av de faste filterkoeffisientene for å lage de ARMA-spektrale modelleringsfiltre. Spektralmodelleringsfiltret brukes så for å syntetisere komfortstøyen basert på en sum simulering av hvite støysampler, som har en varians proporsjon med det første elementet i autokorrelasjonsfunksjonen.

I henhold til e.t tredje utførelseseksempel, baseres en parametrisk støymodell på en vektor av diskrete spektralut-slag. Spektralutslagene beregnes basert på en ramme med audiosampler fra en mikrofon. Spektralutslagene beregnes som en diskrét Fourier-transformasjon av audiosampelblokkene. Alternativt, når en ekkosperrer i det akustiske området brukes for å prosessere mikrofonsignaler, tas de spektrale utslagene direkte fra en audiosampelramme til den akustiske ekkosperre. I begge tilfellene glattes vektorene til de spektrale utslagene over flere rammer, og den gjeldende, glattede utslagsfaktoren brukes til å syntetisere komfort-støy når det er nødvendig. Nærmere bestemt anvendes en simulering av uniforme tilfeldige faser på gjeldende glattede utslagsvektor, og de resulterende komplekse spektrumsample-ne transformeres over tidsdomenet ved å bruke en invers diskrét Fourier-transformasjon.

I henhold til en fjerde eksempelutførelse inneholder en parametrisk støymodell et ARMA-spektralt modelleringsfilter, som har en enkelt fast null og en enkel variabel pol. Den variable polen for det spektrale modelleringsfiltret beregnes i perioder uten tale ved å bruke en NLMS-algoritme, for rekursivt å tilpasse et adaptisk filter, som er den inverse av det spektrale modelleringsfiltret. Gjeldende spektralmodelleringsfilter brukes så til å syntetisere komfortstøyen basert på simulering av hvite støysampler, som har energi lik den egentlige systemstøyen, hvor de hvite støysamplene genereres tilfeldig ved å velge sampler fra en buffer med virkelig systemstøysampler. Den faste enkeltnullen og den variable enkeltpolen til det spektrale modelleringsfiltret er tilstrekkelig til å tilveiebringe riktig spektral tilt i den resulterende komfortstøyen, og den faste enkeltnullen sikrer at det adaptive inverse filtret er stabilt. Dette resulterer i at eksempelutførelsen både er robust og lite komplisert.

De ovenfor beskrevne teknikker kan med fordel brukes på et kommunikasjonssystem hvor støymodellering er nødvendig eller ønskelig. For eksempel inneholder en ekkosperreanordning i henhold til oppfinnelsen en støymodelleringsproses-sor og en støygenereringsprosessor. Anordningen er konfigurert for å dempe en ekkokomponent i et kommunikasjonssignal, og støymodelleringsprosessoren er konfigurert for å generere én eller flere støymodelleringsparametere basert på kommunikasjonssignalet. Støymodelleringsparameterne definerer en parametrisk på en støykomponent i kommunika-sjons signalet, og støygenerasjonsprosessoren er konfigurert for å tilveiebringe modellerte støysampler basert på støy-modelleringsparameterne. I en ekserapelutførelse blir de modellerte støysamplene addert til et utgangssignal fra ekkosperreanordningen for å erstatte den dempede støykomponen-ten.

En alternativ ekkodemperanordning i henhold til oppfinnelsen inneholder en ekkosperre, en samplebuffer og en støyge-neratorprosessor. Ekkosperrene er konfigurert for å dempe ekko- og støykomponenter i et kommunikasjonssignal, og samplebuffere brukes til å lagre samplerammer fra kommuni-kas jons signalet . Støygenereringsprosessoren er konfigurert for at den pseudotilfeldig skal velge enkeltsampler fra buffere for å tilveiebringe en sekvens med hvite støysamp-ler som har et effektnivå likt med samplene i rammen. I en eksempelutførelse blir sekvensen med hvit støysampler filt-rert for å tilveiebringe komfortstøy som adderes til en utgang i ekkosperren.

En annen alternativ ekkosperreanordning i henhold til oppfinnelsen inneholder en ekkosperre, en støymodellerings- og genereringsprosessor, en taleaktivitetsdetektor og en støy-nivåestimator. Ekkosperren er konfigurert til å dempe ekko-og støykomponenter i et kommunikasjonssignal, og støymodel-lerings- og genereringsprosessoren er konfigurert til å modellere støykomponentene i kommunikasjonssignalet og tilveiebringe komfortstøy til ekkosperreanordningen basert på modellen. Taleaktivitetsdetektoren tilveiebringer en indikasjon på hvorvidt kommunikasjonssignalet inneholder en talekomponent, og støynivåestimatoren beregner et estimat av støynivået til kommunikasjonssignalet og tilveiebringer en indikasjon på om et energinivå i kommunikasjonssignalet er mindre enn det beregnede estimatet. I henhold til oppfinnelsen oppdateres støymodellen bare når taleaktivitetsdetektoren indikerer at det ikke finnes noen stemmekomponen-ter i kommunikasjonssignalet, og når stemmenivåestimatoren indikerer at energinivået i kommunikasjonssignalet er mindre enn det beregnede støynivåestimat. Dette resulterer i at det er usannsynlig at støymodellen vil bli oppdatert feilaktig basert på deler av kommunikasjonssignalet som inklu-derer tale.

En annen alternativ ekkosperreanordning i henhold til oppfinnelsen inneholder en ekkosperrer og en komfortstøygene-rator. Ekkosperreren er konfigurert for å dempe ekko- og støykomponenter i et kommunikasjonssignal, og komfortstøy-generatoren er konfigurert til å tilveiebringe komfortstøy for ekkosperreanordningen. I ekkosperreren blir en del av kommunikasjonssignalet som faller innenfor et dempningsvindu multiplisert med en skaleringsfaktor. Følgelig vil ut-gangs signalet til komfortstøygeneratoren begrenses til dempningsvinduet og skaleres basert på skaleringsfaktorene for å tilveiebringe et korrekt begrenset og skalert kom-fortstøyutgangssignal som kan adderes til et audioutgangssignal fra ekkosperreren.

De ovenfor beskrevne og andre særtrekk ved den foreliggende oppfinnelse forklares i detalj nedenfor med henvisning til de illustrative eksemplene vist i de vedlagte tegninger. Fagmenn på området vil foretrekke at de beskrevne utførel-sene er skaffet tilveie i illustrasjons- og forståelsesøye-med, og at mange ekvivalente utførelser kan komplimenteres utover disse.

KORT BESKRIVELSE AV TEGNINGENE

Fig. IA viser et eksempel på et ekkosperresystem i henhold til den foreliggende oppfinnelse. Fig. IB viser et alternativt ekkosperresystem i henhold til den foreliggende oppfinnelse. Fig. 2A viser et eksempel på et ekkosystem som inneholder en støymodellerings- og genereringsprosessor i henhold til den foreliggende oppfinnelse. Fig. 2B viser et alternativt ekkosperresystem som inneholder en støymodellerings- og genereringsprosessor i henhold til den foreliggende oppfinnelse. Fig. 3 viser et eksempel på et første-ordens arma (autoregressive moving-average) støygenereringsfilter i henhold til den foreliggende oppfinnelse. Fig. 4 viser et eksempel på en første-ordens støymodelltre-ningsprosessor som kan brukes i kombinasjon med støygenere-ringsf iltret på fig. 3. Fig. 5 viser et eksempel på et ekkosperresystem hvor en støymodellerings- og genereringsprosessor i henhold til oppfinnelsen er integrert med en hybrid ekkosperrer.

DETALJERT BESKRIVELSE AV OPPFINNELSEN

Figur 2A viser et eksempel på et ekkosperresystem 200 hvor komfortstøyaspekter av den foreliggende oppfinnelse integrert gjennom ekkosperrekonfigurasjonen i figur IA. I tillegg til mikrofonen 110, høyttaler 120 og ekkosperreren 130, inneholder det eksempleriske ekkosperresystemet 200 en taleaktivitetsdetektor 210, et første svitsj 220, en støy-modellerings- og genereringsprosessor 230 (inkludert en si-muleringsblokk 240, en modellberegningsblokk 250 og en spektral modelleringsblokk 260) og en andre svitsj 270.

Audioutgang 115 til mikrofonen 110 er koblet til audioinngangen til ekkosperreren 130 og til en audioinngang i taleaktivitetsdetektoren 210. Audioutgang 115 i mikrofonen 110 er også koblet til en første pol på den første svitsjen 220. En binær utgang 215 i taleaktivitetsdetektoren 210 er koblet til en vekselinngang i den første svitsjen 220, og en audioutgang 225 fra en andre pol i den første svitsjen 220 er koblet til en audioinngang i modellberegningsblokken 250.

En simuleringsparameterutgang 255 på modellberegningsblokken 250 er koblet til en kontrollinngang på simuleringsblokken 240, og et simuleringssignal 245 utgang på simuleringsblokken 240 er koblet til en simuleringsinngang på spektralmodelleringsblokken 260. En modelleringsparameter-utgang 256 på modellberegningsblokken 250 er koblet til en kontrollinngang på spektralmodelleringsfiltret 260, og en modellert støyutgang 265 på den spektrale modelleringsblok-ken 260 er koblet til en første inngangspol på den andre svitsjen 270.

Audioutgangen 135 fra ekkosperreren 130 er koblet til en andre inngangspol på den andre svitsjen 270, og en ut-gangspol på den andre svitsjen tilveiebringer en audioinngang 275 på telefonen (ikke vist). Audioutgangen 125 er koblet til audioinngangen til høyttaleren 120 og til refe-ranseinngangen på ekkosperreren 130.

Når den er i drift sender taleaktivitetsdekoderen (VAD) et binært flagg som indikerer taletilstanden i mikrofonens utgangssignal 115 (for eksempel 1 = tale, 0 = ingen tale). Metoder for å implementere taleaktivitetsdetektor 210 er velkjent. For eksempel beskriver European Telecommunica-tions Standards Institute (ETSI) dokument GSM-06.82 en imp-lementering som passer for formål til den foreliggende oppfinnelse. Når taleaktivitetsdetektoren 210 indikerer at ingen tale forekommer (dvs. at bare støy presenteres) i mi-krof onsignalet 115, blir mikrofonsignalet 115 koblet via den første svitsjen 220 til audioinngangen i støymodelle-rings- og genereringsprosessoren 230 (nærmere bestemt audioinngangen i modellberegningsblokken 250), og støymodel-lerings- og genereringsprosessoren 230 bruker audiosignalet 115, 225 for å beregne og/eller oppdatere en parametrisk støymodell. Når taleaktivitetsdetektoren 210 imidlertid indikerer at tale foreligger i mikrofonsignal 115, åpnes den første svitsjen 220, støymodellparameterne fryses, og støy-modellerings- og genereringsprosessoren 230 bruker den gjeldende parametriske støymodell for å generere sampler i komfortstøyen 265.

I konfigurasjon med figur 2A brukes den andre svitsjen 275 til selektivt å erstatte komfortstøyen 265 i sperreutgangen 135 som audiosignalet 275 i telefonen i den ene enden. Med andre ord, når ekkosperreren 130 er aktivisert og lemper støykomponenten i mikrofonsignalet 115, passerer støysigna-let 265 over til brukeren i den andre enden. Hvis ikke passerer audioutgangssignalene 135 fra ekkosperreren 130 til brukeren i den andre enden. I en alternativ konfigurasjon er den andre svitsjen 270 erstattet med en summeringsanordning, og en skalert versjon av komfortstøyen 265 adderes til ekkosperreutgangen 135 for å tilveiebringe komfortstøy som kompenserer for støydempingen tilveiebrakt av ekkosperreren 130. Med andre ord, når ekkosperreren 130 blir mer aktiv og demper bakgrunnssteryen i større grad, økes nivået med addert komfortstøy, og omvendt.

Figur 2B viser et eksempel på et ekkosperresystem 201 der komfortstøyaspekter i systemet 200 i figur 2A er kombinert med ekkosperrekonfigurasjonen i figur IB. Som vist inneholder eksempelsystemet 201 mikrofon 110, høyttaleren 120, ekkosperreren 130 og den akustiske ekkokansellereren 140 i

figur IB, så vel som taleaktivitetsdetektor 210, den første svitsjen 220 og støymodellerings- og genereringsprosessoren 230 fra figur 2A. Eksempelsystemet 201 inneholder også en y dempningsblokk 280 og en summeringsanordning 290.

Audioutgangen 115 fra mikrofonen 110 er koblet til audioinngangen på den akustiske ekkokansellereren 140 og til audioinngangen i taleaktivitetsdetektoren 210. Kontroilutgangen 144 fra den akustiske ekkokansellereren 140 er koblet til kontrollinngangen på ekkosperreren 130 og til en kontrollinngang på y dempningsblokken 280. Audioutgangen 145 fra den akustiske ekkokansellereren 140 er koblet på audioinngangen til ekkosperreren 130 og til den første polen på den første svitsjen 220. Den minære utgangen 215 fra taleaktivitetsdetektoren 110 er koblet til vekselinngangen på svitsjen 220, og audioutgangen 225 fra den andre polen på svitsjen 220 er koblet til audioinngangen på støymodel-lerings- og genereringsprosessoren 230.

Den interne forbindelsen mellom støymodellerings- og genereringsprosessoren 230 er som beskrevet ovenfor med hensyn til utførelsen på figur 2A. Den modellerte støyutgangen 265 fra støymodellerings- og genereringsprosessoren 230 er koblet til en signalinngang på y dempningsblokken 280, og en tilpasset støyutgang 2285 fra y dempningsblokken 280 er koblet til en første additiv inngang i summeringsanordningen 290. Audioutgangen 135 fra ekkosperreren 130 er koblet til en andre additiv inngang på summeringsanordningen 290, og en utgang 295 på summeringsanordningen 290 fungerer som en audioinngang på telefonen (ikke vist). Audioutgangen 125 fra telefonen er koblet på audioinngangen på høyttaleren 120 og til referanseinngangene på den akustiske ekkokansellereren 140 og ekkosperreren 1130.

Når den er i drift fungerer taleaktivitetsdetektoren 210 generelt som beskrevet ovenfor med hensyn til figur 2A. Nærmere bestemt, når taleaktivitetsdetektor 210 indikerer at ingen tale finner sted i mikrofonsignalet 115, blir audioinngangen 145 på ekkosperreren 130 tilkoblet via den første svitsjen 220 til audioinngangen på støymodellerings-og genereringsprosessoren 230. Støymodellerings- og genereringsprosessoren 230 bruker så audiosignalet 145, 225 for å beregne og/eller oppdatere en parametrisk støymodell. Når taleaktivitetsdetektor 110 imidlertid indikerer at tale be-finner seg i mikrofonsignalet 115, åpnes den første svitsjen 220, støymodellparameterne fryses, og støymodelle-rings- og genereringsprosessoren 230 bruker gjeldende støy-modell for å generere komfortstøyen 275.

Som vist er komfortstøysamplene 265 skalert og/eller klip-pet via y dempningsblokken 280 i henhold til kontrollmålestokken 144 for å sørge for at tilpasset komfortstøysampler 285 har et nivå som er tilpasset støyen som er dempet av den ikke-lineære ekkosperreren 130. De tilpassede komfort-støysamplene 285 adderes til sperreutgangen 135 via summeringsanordningen 290, og det resulterende audiosignal 295 sendes til brukeren på den andre enden. Alternativt kan y dempningsblokken 280 og summeringsanordningen 290 erstattes med den andre svitsjen 275 i figur 2A for å tilveiebringe en enkel svitsjing mellom det dempede audiosignalet 135 og komfortstøysamplene 265.

I eksempelsystemene 200, 201 i figur 2A og 2B, inneholder den parametriske støymodellen fremskaffet av støymodelle-rings- og genereringsprosessoren 230 generelt to deler. Nemlig et spektralt modelleringsfilter og et simuleringssignal. Det spektrale modelleringsfiltret og simuleringssignalet er implementert gjennom den spektrale modelie-ringsblokken 260 og simuleringsblokken 240 ved å bruke spektralmodelleringsparameterne (for eksempel ved å bruke filterkoeffisienter) 255 og minimum én simuleringsparameter 256 tilveiebrakt av modellberegningsblokken 250. Simule-rings- og spektralmodelleringsparameterne lagres i et statisk minne og brukes til å generere komfortstøysamplene 265 når det er nødvendig (for eksempel når den ikke-lineære ekkosperreren 130 er aktiv).

Modellparameterne kan med fordel oppdateres på enten en ramme-for-ramme- eller en sample-for-sample-basis, for eksempel avhengig av type akustisk ekkokansellerer 140 som er implementert. I rammevise implementasjoner, blir støymo-dellparameterne glattet over multiple oppdateringsperioder, ved å bruke kjente teknikker, for å hindre plutselige, bru-kerdetekterbare forandringer fra periode til periode. Slike plutselige forandringer kan forekomme for eksempel når støymodellparameterne er feilaktig oppdatert basert på audiosampler som inneholder talekomponenter (for eksempel når taleaktivitetsdekoderen 210 tar feil av tale og støy). Graden av glatting blir imidlertid i praksis balansert med nødvendigheten av raskt å tilpasse seg forandringer i karakter og nivå i bakgrunnsstøyen.

I henhold til en første eksempelutførelse, er komfortstøyen 265 modellert som en autogressiv (AR) tilfeldig prosess som har et spektralt modelleringsfilter gitt av:

hvor G er ergostandforsterkning og ai, i = 1 til N, er fil-terkoef f isienter .

I en første utførelse bestemmes de N filterkoeffisientene ai ved å beregne de første N + 1 koeffisientene i autokorrelasjonsfunksjonen r til en sampleramme fra audiosignalet 225 og så bruke disse verdiene fra matriseforholdet R a = r', hvor R er en N x N-matrise med elementene i i<th->radene og jt<h->kolonnene gitt av Rij = ri-j, a =[ai, a2, ..,aH]T er kolonnevektoren til de ukjente filterkoeffisientene ai, og r1 -[ri, r2, ..., rM]T er kolonnevektoren til de siste N autokorrelasjonskoeffisientene. Fagmenn på området vil se at det er mange metoder for å utlede de ukjente filterkoeffisientene ai fra dette matriseforholdet. For eksempel brukes den velkjente Levinson-Durbin-algoritmen for å utlede de ukjente filterkoeffisientene ai.

Autokorrelasjonen r tilveiebringer et fullt sett av støymo-dellparametere som beskriver både det spektrale modelle-ringsf iltret og simuleringssignalet. Nærmere bestemt defineres spektralmodelleringsfiltret av N-koeffisientene ai som vist i den ovenfor nevnte ligningen, og simuleringssignalet implementeres som et null-gjennomsnitt pseudotilfeldig sekvens som har en varians proporsjonal med nullforsinkelses-autokorrelasjonsverdien R0. Multiple verdier av autokorrelasjonsfunksjonen r glattes enten rekursivt eller ikke-rekursivt. Den glattede versjonen av autokorrelasjonsfunksjon r bevares i et statisk minne i støymodellerings-og genereringsprosessoren 230, og brukes til å beregne filterkoeffisientene ai når komfortstøysyntesisering er nød-vendig .

Filterkoeffisientene ai i den autoregressive modellen beregnes, i en alternativ utførelse, på samplevisbasis.

Nærmere bestemt, en velkjent adaptiv algoritme slik som LMS (Least Mean Sguares) eller RLS (Recursive Least Squares), brukes til å oppdatere eller tilpasse filterkoeffisientene Ai direkte fra sampel til sampel. Dermed definerer de N filterkoeffisientene An det spektrale modelleringsfiltret som ovenfor, og simuleringssignalet modelleres ved å bruke en alternativ varians sigma,,<2> som er proporsjonal med ef-fekten til feilsignalet som tilveiebringes av den adaptive algoritmen.

I henhold til en annen eksempelutførelse, modelleres kom-fortstøyen 265 som en ARMA (autoregressive-moving-average) tilfeldig prosess som har et spektralt modelleringsfilter gitt av:

hvor G er konstant forsterkning, og ai (i = 1 til N) og bi (i = 1 til M) er filterkoeffisienter.

ARMA-modellen er fleksibel nok til å tilnærme seg det komplekse bakgrunnsstøyspektret ved å bruke en lavere ordens spektralmodelleringsfilter sammenlignet med den autoregressive modellen. Siden konvensjonelle metoder for å dynamisk estimere filterkoeffisientene Bi fra audiosignal 225 er relativt komplekse og potensielt ustabile, settes imidlertid faste verdier for filterkoeffisientene b± basert på forhåndsinformasjon relatert til generelle forhold i bak-grunns st øymiljøet der ekkosperresystemet vil operere (for eksempel i handsfree-sett i bilstøyomgivelser). Gitt de faste verdier for koeffisientene bi filtreres audiosignal 225 som følger:

Ved å gjøre det slik fjernes innflytelsen fra den bevegeli-ge delen (moving average portion) i den generelle modellen, og gjør det mulig for den gjenværende autoregressive delen å modelleres ved å bruke teknikker beskrevet ovenfor mht. første eksempelutførelse. For et rammebasert system defineres den autoregressive flyttbare gjennomsnittsmodellen av de faste filterkoeffisientene bi og autokorrelasjonsfunksjonen r. I et slikt tilfelle implementeres simuleringssignalet som en pseudotilfeldig sekvens med en varians proporsjonal med nullforsinkelses-autokorrelasjonsverdien R0. Et eksempel på en eksempelbasert autoregressiv flyttbar gjennomsnittsmodell, er beskrevet i detalj nedenfor med henvisning til figurene 3-4.

Den parametriske modelleringsteknikken i den foreliggende

oppfinnelse er ikke befengt med parametersett fra tidsdome-ne. Alternativt kan en lineær ortogonal transformasjon brukes for å konvertere rammer med audiosampler fra tidsplanet til et annet plan der parametersett kan konstrueres. Ek-sempler på slike ortogonaltransformasjoner er den diskrete fourier-transformasjonen, diskrete cosine-transformasjon og diskrete wavelet-transformasjon, og fagpersoner vil gjen-kjenne flere andre. 1 en eksempelutførelse av oppfinnelsen, defineres en sekvensplanparametrisk modell av et sett N spektrale utslag gitt av:

hvor w(i),i = 1 til N, er diskrete frekvenspunkter, og vektor x„ representerer en rammesampler av audiosignalet 225. DFT-operasjonen representerer den velkjente diskrete fourier- transformasjonen, og er implementert i praksis ved å bruke lavkompleksimplementasjon, slik som den velkjente Fast Fourier Transform (FFT). I denne utførelsen inkluderes de spektrale modelleringsparameterne i utslagsvektoren M

som evalueres bare ved positive frekvenser for å oppnå spektral symmetri runde W=0 for reelle xn (slik som sampler av et audiosignal).

Settet med diskrete frekvenser w(i) er alle, eller bare en delmengde av de diskrete frekvensene fra Fast Fourier-transformasjonen. Multirammeutglatting utføres, hvis påkrevd, direkte på utslagsvektoren M. Simuleringssignalet . genereres ved å anvende pseudotilfeldige faseverdier på spektralamplitudene. En uniform pseudotilfeldig støygenera-tor brukes for å generere faseverdier i det faste området [0, 2pi]. Komfortstøy i tidsplanene genereres ved å kjøre gjennom utslagsvektoren M, med pseudotilfeldige baseverdi-er, gjennom en invers Fast Fourier-transformasjon. Denne modellen er også ekstremt nyttig for frekvensplanen ekkosperre. I slikt tilfelle kan utslagsvekten M tas direkte fra en sampleramme i frekvensplanet på utgangen av sperren.

En annen eksempelutførelse på den foreliggende oppfinnelse, benytter en samplebasert Arma-komfortstøymodell. Nærmere bestemt benytter eksempelutførelsen seg av en første ordens Arma modell som har et enkelt fast nullpunkt og en enkel variabelpol. Empiriske studier har i den senere tid vist at en slik førsteordens Arma-modell gir tilstrekkelig spekt-rumnøyaktighet for komfortstøy med et minimum av modelle-ringskompleksitet. Førsteordensmodelien har samme yteevne som 10. ordens autoregressivmodellen som brukes i de fleste LPS (Linear Predictive Coding)-baserte talekoderne.

I henhold til utførelsen, er det faste nullpunktet plassert i nærheten av Z=-l i det spektrale modelleringsfiltret for å dempe høyfrekvente audiokomponenter. Den variable polen brukes for å tilveiebringe spektrumskråstilling eller tilt når det er nødvendig (spekteret til bilbakgrunnsstøy er typisk skråstilt mot de lave frekvensene). Den foreliggende oppfinnelse viser derfor at en relativt enkel implemen-tasjon av et førsteordensfilter kan brukes for enhver tilpasning mot innholdet av den virkelige bakgrunnsstøyen. Videre innebærer det faste nullpunktet i spektralmodelleringsfiltret en fast pol i det adaptive filtret som brukes for å fremskaffe koeffisientene til spektralmodelleringsfiltret. Den faste enkeltpolen i det adaptive filtret med-fører i sin tur at filtret er ubetinget stabilt. Derfor er utførelsen også ekstremt robust.

Figurene 3 og 4 viser henholdsvis et første ordens spektralmodelleringsfilter 300 og et komplementært LMS adaptivt filter 400 i henhold til eksempelutførelsen. Det første ordens spektralmodelleringsfiltret tilsvarer spektralmodelleringsblokken 260 i figurene 2a og 2b, og det komplementære adaptive filter 400 tilsvarer modellberegningsblokken 250 i figurene 2a og 2b.

I figur 3 inneholder det første ordens spektralmodelleringsfiltret en første forsinkelsesblokk 310, en 13/16 forsterkningsblokk 320, en summeringsanordning 330, en l-a forsterkningsblokk 340, en andre forsinkelsesblokk 350 og en a forsterkningsblokk 360. Et hvitt støysimuleringssig-nal, analogt med simuleringssignal 245 i figurene 2a og 2b, er koblet til en første additiv inngang på summeringsanordningen 330 og til en inngang på den første forsinkelsesblokken 310. Et utgang 315 fra den første forsinkelsesblokken 310 er koblet til en inngang på 3/16 forsterkningsblokken 320, og en utgang 325 fra 13/16 forsterkningsblokken 320 er koblet på en andre additive inngang på summeringsanordningen 313. En utgang 335 fra summeringsanordningen 330 er koblet til en inngang på l-a forsterkningsblokken 34 0 og til en inngang på den andre forsinkelsesblokken 350. En utgang 355 fra den andre forsinkelsesblokken 350 er koblet til en inngang på a forsterkningsblokken 350, og en utgang 365 fra a forsterkningsblokken 360 er koblet til en tredje additive inngang på summeringsanordningen 330. Utgangssig-nalet fra l-a forsterkningsblokken 340 fungerer som den modellerte bakgrunnsstøyen, som tilsvarer komfortstøyen 265 i figurene 2a og 2b.

I figur 4 inneholder det komplimenterende førsteordens adaptive filtret 400 en første forsinkelsesblokk 400, en første multiplikator 420, en andre forsinkelsesblokk 430, en første summeringsanordning 440, en andre multiplikator 450, en andre summeringsanordning 460, en 13/16 forsterkningsblokk 470, en tredje forsikringsblokk 480 og en normaliserende forsterkningsblokk 490, et farget bakgrunnsstøy-signal, som tilsvarer audiosignal 225 i figurene 2a og 2b, mates inn på en additiv inngang og den andre summeringsanordningen 460 og på en inngang på den første forsinkelsesblokken 410. En utgang 415 fra den første forsinkelsesblokken 410 er koblet til en første inngang på den første multiplikatoren 420, og til en første inngang på den andre multiplikatoren 450. En utgang 425 fra den første multiplikatoren 420 er koblet til en substraktiv inngang på den andre summeringsanordningen 460, og en utgang 450 fra den andre multiplikatoren 450 er koblet til en første inngang på den første summeringsanordningen 440.

En utgang 445 fra den første summeringsanordningen 440 er koblet til en inngang på den andre forsinkelsesblokken 430, og en utgang a fra den andre forsinkelsesblokken 430 er koblet til en andre inngang på den første multiplikatoren 420 og til en andre inngang på den første summeringsanordningen 440. Utgangen a fra den andre forsinkelsesblokken 430 fungerer som filtermodelleringsparameter (dvs. som fil-terkoef fisient) for det spektrale modelleringsfiltret i figur 3, og tilsvarende filtermodelleringsparameteren 256 i figurene 2a og 2b.

En utgang 465 fra den andre summeringsanordningen 460 er koblet til en inngang på den tredje forsinkelsesblokken 480 og til en inngang på den normaliserende forsterkningsblokken 490. En utgang 485 fra den tredje forsinkelsesblokken 480 er koblet til en inngang på 13/16 forsterkningsblokken 470, og en utgang 475 fra 13/16 forsterkningsblokken 470 er koblet til en andre substraktiv inngang på den andre summeringsanordningen 460. En utgang 495 fra den normaliserende forsterkningsblokken 490 er koblet til en andre inngang på den andre multiplikatoren 450.

Når den er i drift, hviter det adaptive filtret i figur 4 den virkelige bakgrunnsstøyen 225 ved å bruke en NLMS algoritme. Den resulterende filterkoeffisienten a brukes så i det inverse spektralmodelleringsfiltret 100 i figur 3 for å produsere den modellerte komfortstøyen 265 basert på et hvit støy simuleringssignal 245.

I henhold til utførelsen genereres det hvite støysimule-ringssignalet 245 ved å lese enkeltstøysampler fra en buffer med virkelige støysampler, ved å bruke en tilfeldig peker på hver enkelt sampler. Ved å generere simuleringssignal 245 på denne måten, produseres hvit støysampler som har et effektnivå lik med den virkelige bakgrunnsstøyen. Hvit-heten til simuleringssignal 245 påvirkes ikke selv om buffere med de virkelige støysamplene ved en feiltagelse inneholder en talekomponent. Dette særtrekket er signifikant siden stemmeaktivitetsdetektoren 210 av og til feilaktig indikerer at det ikke forekommer tale (for eksempel når bakgrunnsstøynivået forandres pga. akselerasjon eller ned-bremsing av en mobil med handsfree-sett).

Som vist i figurene 3 og 4 er det faste nullpunkt/pol til støygeneratoren og de adaptive filtrene 300,400 satt til Z=-13/16. Ved å gjøre det på denne måten begrenses høyfre-kvensforøkelsen til 20 dB i det adaptive filtret 400, og dermed unngås i praksis overflytproblemer. Videre er den faste 20 dB dempningen for høye frekvenser tilveiebrakt av støygenereringsfiltret 300 tilstrekkelig, når det er kombinert med den variable enkeltpolpunktet, for å tilveiebringe 40 dB spektraltilt (som empiriske studier har vist å være typisk for ekte bakgrunnsstøy i et handsfree-sett i en bil) .

Ved å ha med et fast polpunkt i det adaptive filter 400, i motsetning til tilpasningen i et allnullpunktsfilter, for-bedres modellens mulighet til en nøyaktig tilpasning av det spektrale innholdet til den ekte bakgrunnsstøyen. I tillegg, ved å ha med l-a forsterkningsmultiplikatoren i spektralmodelleringsfiltret 300, gjør dette DC-forsterkningen til filtret 300 konstant ved 29/16, noe empiriske studier har vist gir god nivåtilpasning mellom modellert og virkelig støy, når stemmeaktivitetsdetektoren 210 er implementert med en støynivåestimator (som beskrevet i detalj nedenfor med henvisning til figur 5). Empiriske studier har derimot også vist at ved å bruke samme effekt i inngangssignalene som i utgangssignalene, gir dette modellert støy som lyder mye rolige enn den virkelige støyen når stemmeaktivitetsdetektoren 210 er implementert gjennom en støynivåestimator.

Mens nivået til den virkelige bakgrunnsstøyen i praksis endrer seg raskt, endres spekterformen mer gradvis. Det adaptive filtret 400 er derfor konfigurert slik at spektret til komfortstøyen 265 også endres gradvis. Nærmere bestemt er det valgt en relativt liten oppdateringsforsterknings-konstant for normaliseringsblokken 490, slik at tilpasningen ikke skjer for raskt. Empiriske studier har vist at en nevner på forsterkningsmultiplikatoren på 4 er et bra komp-romiss mellom gjennomføringshastighet og utglatting. Ved å normalisere oppdateringsforsterkningen med blokkvise målinger av energien i audiosignalet 225 (som vist i figur 4), gjøres tilpasningsraten uavhengig av bakgrunnsstøynivå-et.

I tillegg til å minimalisere diskontinuitetene i komfort-støyen 265, gir den relativt lave oppdateringsforsterkningen i det adaptive filtret 400 ytterligere immunitet mot feilaktige tilpasninger basert på audiosampleblokkene som inneholder tale. Legg imidlertid merke til at siden hvit støysimuleringssignal 245 oppdateres så snart stemmeaktivitetsdetektoren 210 indikerer kun støy, innføres forandringer i nivået for bakgrunnsstøy nesten umiddelbart. Dette resulterer i at eksempelutførelsen i figur 3 og 4 raskt for-

åndrer bakgrunnsstøynivået, mens spektralformen til kom-fortstøyen 265 forblir stabil.

Legg merke til at bruk av LMS-algoritmen, med en autoregressiv modell for å beregne spektralmodelleringskoeffi-sientene basert på en blokk med audiosampler, krever omtrent det samme antall DSP-sykler som ved en kalkulasjon av autokorrelasjonskoeffisientene for sampleblokken, og krever dermed også at man benytter Levinson-algoritmen med en autoregressiv modell for å beregne filterkoeffisientene. Levinson-algoritraen krever imidlertid også ytterligere DSP-sykler for å glatte ut modellen over flere blokker med rammer. Dermed, siden utglattingsfunksjonen er iboende LMS-algoritmen, resulterer LMS-metoden i netto besparelser av DSP-sykler.

Legg også merke til at ved å gå fra en tiende ordens til en første ordens regressiv modell, gitt LMS-algoritmen, resulterer i å rette i en DSP-syklus-besparelse på omtrent 80%

(overhead forhindrer kompleksiteten i å være strengt proporsjonal med ordenen). Ved å legge til et ekstra fast polpunkt i den autoregressive flytende gjennomsnittsmodellen, og ved å legge til den ekstra multipliseringen med LMNS-algoritmen, øker dette antall DSP-sykluser som er påkrevd. Ved å gå fra en tiende ordens regressiv modell med LMS-algoritme til en første ordens autoregressiv flytende gjennomsnittsmodell med en LMNS-algoritme, resulterer dette allikevel i en DSP syklusbesparelse på minimum 50%.

Eksempelutførelsen i figur 3 og 4 kan integreres i alle ek-kosperringssystemene 100, 101, 200, 201, vist i figurene la, lb, 2a og 2b. Med andre ord kan eksempelutførelsene integreres med alle typer ekkokansellerere og/eller alle typer ekkosperrer. Figur 5 viser et eksempelsystem 400, hvor eksempelutførelsen er integrert med et ekkosperresystem av typen vist i figurene lb og 2b.

Som vist inneholder eksempelsystemet 500 mikrofon 110, høyttaleren 120, den akustiske ekkokansellereren 140, og den ikke-lineære ekkosperren 130 i figurene lb, og taleaktivitetsdetektoren 210, den første svitsjen 220, modellbe-regningspakken 250, spektermodelleringsblokken 260 og summeringsanordningen 290 figur 2b. Ekkosperresysternet 500 inneholder også en støynivåestimator 510, eksempelbuffer 520, en begrenser 530, en første multiplikator 540, en andre summeringsanordning 550, en andre multiplikator 560 og en informasjonsdetektor 570.

Audioutgangen 115 fra mikrofon 110 er koblet til audioinngangen på taleaktivitetsdetektoren 210 og til audioinngangen på den akustiske ekkokansellereren 140. Den binære utgangen 215 fra taleaktivitetsdetektoren 210 er koblet til en kontrollinngang og støynivåestimatoren 510 og en binær utgang 515 fra støynivåestimatoren 510 er koblet til vekselinngangen på svitsjen 220. Audioutgangen 145 fra den akustiske ekkokansellereren 140 er koblet til en audioinngang på støynivåestimatoren 510, til et første polpunkt på svitsjen 220 og til audioinngangen på den ikke-lineære ekkosperren 130. Den første kontrollmålestokk 144a på den akustiske ekkokansellereren 140, er koblet til en første kontrollinngang på den ikke-lineære ekkosperren 130 og til en superaktiv inngang på den andre summeringsanordningen 550. En andre kontrollmålestokk 144b fra den akustiske ekkokansellereren 140, er koblet til en første inngang på den andre multiplikatoren 560, og utgangen 225 fra det andre polpunktet på svitsjen 120 er koblet til audioinngangen på modelltreningsblokken 250 og til en køinngang på samplebuffere 520.

En tilfeldig peker 515 er koblet til en kontrollinngang på samplebuffere 520, og en utgang fra samplebuffere 520 fungerer som en simuleringsinngang 245 på spektermodelleringsfiltret 260. Filterkoeffisientutgangen 256 fra modelltreningsblokken 250, utgjør kontrollinngangen til spektermodelleringsfiltret 260, og den modellerte bilstøyen 265, som sendes ut av utgangen av spekterraodelleringsfiltret 260, mates inn på en støyinngang på begrenseren 530. En begrenset støyutgang 535 fra begrenseren 530, er koblet til en første inngang på den første multiplikatoren 540, og en skalert støyutgang 545 fra den første multiplikatoren 540 er koblet til den første inngangen på den første summeringsanordningen 290. Audioutgangen 135 fra den ikke-lineære ekkosperren 130 er koblet til den andre inngangen på den første summeringsanordningen 290, og utgangen 295 fra det første summeringsanordningen 290, fungerer som en audioinngang på telefonen (ikke vist). Audioutgangen fra telefonen er koblet til referanseinngangene på informasjonsdetektoren 570, den akustiske ekkokansellereren 140 og høyttaleren 120. En utgang 575 fra informasjonsdetektoren 570 er koblet til den andre inngang på den andre multiplikatoren 560, og en utgang 565 fra den andre multiplikatoren 560 er koblet til en andre kontrollinngang på den ikke-lineære ekkosperren 130 og til en kontrollinngang på begrenseren 530. En konstant 1 mates i additiv inngang på den andre summeringsanordningen 550, og en utgang 555 fra den andre summeringsanordningen 550 er koblet til en andre inngang på den første multiplikatoren 540. Når den er i drift fungerer ekkosperren 130 og den akustiske ekkokansellereren 140 generelt som beskrevet ovenfor med henvisning til figurene lb og 2b. Eksemplet viser at sperren 130 i figur 5 er en hybrid sperrer av typen beskrevet i US patentsøknad nr. 09/005,149. Som vist i figur 5 blir den hybride sperren 130 referert til som en AC-senter demper.

AC-senter-demperen 130 skalerer generelt en del av au-dioinngangssignalet 135 ved å bruke en passende dempningsfaktor a. Nærmere bestemt skalerer AC-senter demperen 130 den delen av audiosignalet 145 som faller innenfor et dempningsvindu definert av vindustørrelsen A. Senteret til dempningsvinduet beveger seg med amplituden til audiosignalet 145, og dempningen 130 gir meget bra sperring med et minimum av signalforvrengning.

Den akustiske ekkokansellereren 140 i figur 5 kan for eksempel være av typen beskrevet i US Patentsøknad nr. 08/852,729. En slik ekkokansellerer kan dynamisk måle nivået på ekkokanselleringen som utføres, og dermed mate kont-rollmålestokkene 144a, 144b til AC-senter-demperen 130. Som vist brukes den første kontrollmålestokken 144a direkte som dempningsfaktor a. Den andre kontrollmålestokken 144b multipliseres med audiosignalintervallet 150 fra den andre enden (via multiplikatoren 560 og informasjonsdetektoren 570), og det resulterende kontrollsignalet 565 brukes som vindusstørrelsen A. Detaljerte operasjoner og implementasjoner av ekkokansellereren 140 og AC-senter-demperen 130 er beskrevet i siste refererte US Patentsøknader, og er utelatt her for enkelthets skyld.

Komfortstøyaspektene i figur 5 er generelt som beskrevet ovenfor med henvisning til figurene 2b, 3 og 4. Audiosigna-lene 145 passerer gjennom samplebuffere 520 når det ikke foreligger noen tale, og treningsprosessoren 250 (dvs. det adaptive filtret 400) prosesserer innholdet i samplebuffere 520 for å fremskaffe en modelleringsparameter 256 (dvs. filterkoeffisienten a) til støygenereringsprosessoren 260 (dvs. spektermodelleringsfiltret 300). Periode med tale, fryses modelleringsparameteren 256, og støygenereringspro-sessoren 260 filtrerer simuleringssignalet 245 for å tilveiebringe komfortstøysamplene 265.

Som beskrevet ovenfor genereres simuleringssignalet 245 av tilfeldig valgte sampler, via den tilfeldige pekeren 515, fra samplebuffere 520. Simuleringssignal 245 innholder derfor hvit støysampler som har en effekt lik med den ekte bakgrunnsstøyen. Legg merke til at siden samplebuffere 520 ikke er bundet av rammestørrelsen til det overliggende systemet (for eksempel 160 sampler i mange TDMA telefon appli-kasjoner) , kan konfigurasjonen i figur 5 implementeres i både samplebasert og rammebaserte kommunikasjonssystemer. Legg også merke til at bestemmelsen i taleaktivitetsdetektoren 210 i figur 5 er begrenset av avgjørelsen gitt av støynivåestimatoren 510. Med andre ord støymodellen oppdateres bare når: a) Taleaktivitetsdetektoren 210 indikerer at det ikke foreligger noen tale. b) Når støynivåestimatoren 510 markerer at energien i audiosignalet 145 er mindre enn et estimat av

støynivået 145. Ved å begrense taleaktivitetsde-tektorens bestemmelser på denne måten, reduseres sannsynligheten for at støymodellen tilpasses feilaktig basert på sampieblokker som inneholder tale.

Legg imidlertid merke til at ved å begrense taleaktivitetsdetektoren 210 på denne måten, resulterer det i modellert komfortstøy som har en tendens til å ha et lavere effektnivå enn den ekte bakgrunnsstøyen. Med andre ord, siden støynivåestimatoren 510 krever at energien i audiosignal 145 er mindre enn gjeldende støynivåestimat før støymodellen trenes, skråstilles den ekte støyen som brukes til å trene støymodellen mot den lave frekvensdelen. Dette kan imidlertid rettes på ved å bruke en passende kompensasjonsforsterkerfaktor i støygenereringsprosessoren 260 (dvs. i spektermodelleringsfiltret 300) som beskrevet ovenfor med henvisning til figurene 3 og 4.

Fagfolk på området foretrekker at passende støynivåestima-ter kan beregnes ved å bruke en kjent teknikk. Nye metoder for å beregne støynivåestimater er i tillegg beskrevet nedenfor ved hjelp av et eksempel på pseudokode. Siden den bestemte operasjonen i støynivåestimatoren 510 ikke er kri-tisk til den foreliggende oppfinnelse, er en detaljert beskrivelse utelatt her.

Siden AC-senter-demperen 130 ikke demper den delen av audiosignalet 145 som faller utenfor dempningsvinduet definert av A, er det modellerte støysignalet 265 begrenset til + A, via begrenseren 530, som vist i figur 5. Siden også signalet 145 som faller innenfor dempningsvinduet er multiplisert med dempningsfaktoren a, multipliseres den modellerte støyen i vinduet (dvs. det begrensede støysignal

535), med l-a, via den første multiplikatoren 550, og den andre summeringsanordningen 500. Det resulterende begrensede og skalerte støysignalet 545 er derfor av samme karakter og nivå som det ekte støysignalet som fjernes av AC-senter demperen 130. Som vist blir det begrensede og skalerte støysignalet 545 så addert til AC-senter-begrenserutgangssignalet 135 for å tilveiebringe det ønskede audiosignal 295.

For et lavkompleks ekkosperresystem som ikke inneholder en akustisk ekkokansellerer-avslutning (dvs. for et system som vist i fig. la og 2a), kan kontrollsignalene 144a, 144b settes som konstanter og komfortstøydelen kan implementeres på samme måte. I systemer der støysperrer er lagt inn mellom den akustiske ekkokansellereren 140 og ekkosperrer 130, kan nivået og karakteristikken til komfortstøyen tilpasses riktig ved å tilkoble audioutgangen fra støysperreren, i-steden for audioutgangen 105 fra ekkokansellereren, til støymodellerings- og genereringsprosessoren (dvs. til det første polpunktet i svitsj 220 i fig. 5).

Legg merke til at når en ren klippetypesperrer brukes, er ikke det første kontrollsignal 144a nødvendig. I et slikt tilfelle tilpasses komfortstøynivået ved å bruke det andre kontrollsignalet 144b og begrenseren 530, og den første multiplikatoren 540 og den andre summeringsanordningen 550 er ikke nødvendig. Når en ren skaleringstypesperre brukes, er ikke det andre kontrollsignalet 144b nødvendig. Derfor tilpasses komfortstøynivået ved bruk av det første kontrollsignalet 144a, den første multiplikatoren 545 og den andre summeringsanordningen 550, og begrenseren 530 er ikke nødvendig.

For å ytterligere illustrere de forskjellige egenskapene og fordelene til den foreliggende oppfinnelse, beskrives et ekkosperresystem likt det i figur 5 nedenfor ved hjelp av pseudokode. Pseudokoden er skrevet for å simulere eksempelsystemet slik det er implementert når det brukes en 32 bits digital signalprosessor. Fagfolk på området vil foretrekke at pseudokoden kun fungerer som et eksempel og at utførel-sen kan implementeres ved å bruke et bredt spekter av hard-warekonfigurasjoner.

Claims (49)

1. Ekkospérreanordning konfigurert til å dempe en ekkokomponent i et kommunikasjonssignal, karakterisert ved en støymodelleringspro-sessor konfigurert til å generere minimum en støymodelle-ringsparameter basert på nevnte kommunikasjonssignal, nevnte støymodelleringsparameter definerer en parametrisk modell av en støykomponent fra nevnte kommunikasjonssignal, og en støygenereringsprosessor konfigurert til å modellere støysamplere basert på nevnte støymodelleringsparameter.

2. Ekkospérreanordning som angitt i krav 1, karakterisert ved at nevnte ekkospérreanordning demper både ekko og støykomponenter i nevnte kommunikasjonssignal for dermed å tilveiebringe et utgangssignal, og hvor nevnte modellerte støysampler adderes til nevnte utgangssignal for å erstatte den dempede støykompo-nent en .

3. Ekkospérreanordning som angitt i krav 1, karakterisert ved støykomponenten i nevnte kommunikasjonssignal modelleres med en autoregressiv tilfeldig prosess.

4. Ekkospérreanordning som angitt i krav 3, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til å generere nevnte støymo-delleringsparameter ved å beregne en autokorreiasjonsvektor basert på en ramme med sampler fra nevnte kommunikasjonssignal .

5. Ekkospérreanordning som angitt i krav 4, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert for rekursivt å glatte autokorreiasjonsvektorene som er beregnet for multiple rammer i nevnte kommunikasjonssignal.

6. Ekkospérreanordning som angitt i krav 4, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til å ikke rekursivt glatte autokorreiasjonsvektorene som er beregnet for multiple rammer fra nevnte kommunikasjonssignal.

7. Ekkospérreanordning som angitt i krav 4, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert for å beregnet et sett med filterkoeffisienter basert på nevnte autokorrelasjonsvektor, nevnte filterkoeffisienter definerer et spektermodelleringsfilter for nevnte autoregressive prosess.

8. Ekkospérreanordning som angitt i krav 7, karakterisert ved at nevnte filterkoeffisienter beregnes ved hjelp av en Levinson-Dervin-algoritme.

9. Ekkospérreanordning som angitt i krav 8, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert for å generere en nullgjen-nomsnittsaudiotilfeldig sekvens, nevnte sekvens har et standardavvik proporsjonalt med en nullforsinkelseskoeffi-sient (zero-lag-coeffisient) fra autokorrelaBjonsvektoren, og å filtrere nevnte sekvens ved å bruke nevnte spektermodelleringsfilter for å fremskaffe nevnte modellerte støy-sampler .

10. Ekkospérreanordning som angitt i krav 3, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til å generere nevnte støymo-delleringsparameter ved å bruke en rekursiv, prediktiv algoritme til å beregne et sett med filterkoeffisienter basert på sampler fra nevnte kommunikasjonssignal, nevnte filterkoeffisienter definerer et spektermodelleringsfilter for nevnte autoregressive prosess.

11. Ekkospérreanordning som angitt i krav 10, karakterisert ved at nevnte adaptive algoritme er en LMS-algoritme (Least Mean Sguares Algorithm).

12. Ekkospérreanordning som angitt i krav 10, karakterisert ved at nevnte adaptive algoritme er en NLMS-algoritme (Normalized Least Mean Sguares Algoritm).

13. Ekkospérreanordning som angitt i krav 10, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å generere en nullgjen-nomsnitts pseudotilfeldig sekvens, nevnte sekvens har et standardavvik proporsjonalt med et energinivå fra et feil-signal fra nevnte adaptive algoritme, og å filtrere nevnte sekvens ved å bruke nevnte spektermodelleringsfilter for å tilveiebringe nevnte modellerte støysampler.

14. Ekkospérreanordning som angitt i krav 1, karakterisert ved at støykomponenten i nevnte kommunikasjonssignal modelleres som en autoregressiv gjennomsnittsflukterende (moving average) prosess.

15. Ekkospérreanordning som angitt i krav 14, karakterisert ved at et sett med nullpunkt i spektermodelleringsfiltret som definerer nevnte autoregressive gjennomsnittflukterende prosess er faste basert på forhåndsinformasjon (A-priory information) som er relatert til en omgivelse hvor nevnte ekkospérreanordning skal implementeres.

16. Ekkospérreanordning som angitt i krav 15, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til å generere nevnte støymo-delleringsparameter ved å beregne en autokorrelasjonsvektor basert på en sampleramme fra nevnte kommunikasjonssignal.

17. Ekkospérreanordning som angitt i krav 16, karakterisert ved at nevnte sampleramme filtreres gjennom et mellomliggende filter før nevnte autokorrelasjonsvektor beregnes, nevnte mellomliggende filter inneholder et sett faste polpunkter som tilsvarer settet faste nullpunkter i nevnte spektermodelleringsfilter.

18. Ekkospérreanordning som angitt i krav 16, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til rekursivt å regne.gjen-nomsnittet til autokorreiasjonsvektoren som igjen er beregnet for et antall rammer fra nevnte kommunikasjonssignal.

19. Ekkospérreanordning som angitt i krav 16, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert til å ikke rekursivt å glatte autokorrelasjonsvektorene beregnet av antallet rammer fra nevnte kommunikasjonssignal.

20. Ekkospérreanordning som angitt i krav 16, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å beregnet et sett med polpunkter for nevnte spektermodelleringsfilter basert på nevnte autokorrelasjonsvektor.

21. Ekkospérreanordning som angitt i krav 20, karakterisert ved at nevnte polpunkter er beregnet ved å bruke en Levins-Derbin-algoritme.

22. Ekkospérreanordning som angitt i krav 20, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å generere en nullgjen-nomsnitts pseudotilfeldig sekvens. Nevnte sekvens har et standardavvik proporsjonalt med nullforsinkelseskoeffisien-ten til autokorrelasjonsvektoren, og til å filtrere nevnte sekvens ved å bruke nevnte spektermodelleringsfilter for å generere nevnte modellerte støysampler.

23. Ekkospérreanordning som angitt i krav 13, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert for å generere nevnte støymo-delleringsparameter ved å bruke rekursive, prediktive algoritmer for å beregne et sett med polpunkter for nevnte spektermodelleringsfilter basert på sampler fra nevnte kommunikasjonssignal .

24. Ekkospérreanordning som angitt i krav 23, karakterisert ved at nevnte adaptive algoritme er en LMS-algoritme.

25. Ekkospérreanordning som angitt i krav 23, karakterisert ved at nevnte adaptive algoritme er en LMNS-algoritme.

26. Ekkospérreanordning som angitt i krav 23, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å generere en nullgjen-nomsnitts pseudotilfeldig sekvens. Nevnte sekvens har et standardavvik proporsjonert med et energinivå til et feil-Bignal fra nevnte adaptive algoritme, og filtrerer nevnte sekvens ved å bruke nevnte spektermodelleringsfilter for å tilveiebringe nevnte modellerte støysampler.

27. Ekkospérreanordning som angitt i krav 14, karakterisert ved at nevnte autoregressive fluktuerende prosess for gjennomsnittsberegning er en førsteordensprosess, og hvor et spektermodelleringsfilter som definerer nevnte førsteordensprosess inneholder et enkelt fast nullpunkt og en enkel variabel polpunkt.

28. Ekkospérreanordning som angitt i krav 27, karakterisert ved at nevnte enkle faste nullpunkt settes på basis av forhåndsbestemt informasjon i forhold til en omgivelse hvor nevnte ekkospérreanordning skal implementeres.

29. Ekkospérreanordning som angitt i krav 27, karakterisert ved at nevnte enkle faste nullpunkt settes tilnærmet -l".

30. Ekkospérreanordning som angitt i krav 27, karakterisert ved at nevnte enkle faste nullpunkt settes til -13/16.

31. Ekkospérreanordning som angitt i krav 27, karakterisert ved at nevnte enkle variable polpunkt er gitt av a og hvor forsterkningen til nevnte spektermodelleringsfilter er proporsjonal med l-a.

32. Ekkospérreanordning som angitt i krav 27, karakterisert ved at nevnte støymodelle-r ringsprosessor er konfigurert til å bruke en adaptiv algoritme for å beregne nevnte enkle variable polpunkt basert på sampler fra nevnte kommunikasjonssignal.

33. Ekkospérreanordning som angitt i krav 32, karakterisert ved at nevnte adaptive algoritme er en LMS-algoritme.

34. Ekkospérreanordning som angitt i krav 32, karakterisert ved at nevnte adaptive algoritme er en LMNS-algoritme.

35. Ekkospérreanordning som angitt i krav 32, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å generere en nullgjen-nomsnitts pseudotilfeldig sekvens, nevnte sekvens har et standardavvik proporsjonalt med energinivået til et feil-signal fra nevnte adaptive algoritme og å filtrere nevnte sekvens ved å bruke nevnte spektermodelleringsfilter for å tilveiebringe nevnte modellerte støysampler.

36. Ekkospérreanordning som angitt i krav 1, karakterisert ved at nevnte modell på støykomponenten til nevnte kommunikasjonssignal er basert på en lineær ortogonal transformasjon av sampler fra nevnte kommunikasjonssignal.

37. Ekkospérreanordning som angitt i krav 1, karakterisert ved at nevnte modell på støykomponenten fra nevnte kommunikasjonssignal er en modell som opererer i frekvensplanet.

38. Ekkospérreanordning som angitt i krav 37, karakterisert ved at nevnte støymodell-prosessor er konfigurert til å generere nevnte støymodelle-ringsparameter ved å beregne en vektor med spekterutslag (spectral magnitude) basert på en sampleramme fra nevnte kommunikasjonssignal.

39. Ekkospérreanordning som angitt i krav 38, karakterisert ved at nevnte spekterutslagsvektor utledes ved å beregne en fourier-transformasjon av nevnte sampleramme fra nevnte kommunikasjonssignal.

40. Ekkospérreanordning som angitt i krav 38, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert for rekursivt å glatte spekterutslagsvektorene beregnet fra antallet rammer fra nevnte kommunikasjonssignal.

41. Ekkospérreanordning som angitt i krav 38, karakterisert ved at nevnte støymodelle-ringsprosessor er konfigurert for ikke-rekursivt å glatte spekterutslagsvektorene som er beregnet fra antallet rammet fra nevnte kommunikasjonssignal.

42. Ekkospérreanordning som angitt i krav 38, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert til å generere en pseudotilfeldig sekvens med faseverdier (fase values) og for å beregne nevnte modellerte støysampler basert på nevnte sekvens og nevnte spekterutslagsvektor.

43. Ekkospérreanordning som angitt i krav 42, karakterisert ved at nevnte modellerte støysampler utledes ved å beregne en invers Fourier-transformasjon til en kompleks vektor, hvert komplekse sampel i nevnte komplekse vektor inneholder et spekterutslag fra nevnte spekterutslagsvektor og en pseudotilfeldig fase fra nevnte frekvens av pseudotilfeldige faserverdier.

44. Ekkospérreanordning som angitt i krav 1, karakterisert ved at nevnte støygenere-ringsprosessor er konfigurert for pseudotilfeldig å velge enkelt sampler fra et buffer med sampler fra nevnte kommunikasjonssignal og filtrere en sekvens fra nevnte pseudotilfeldig valgte enkeltsampler, å bruke et spektermodelleringsfilter definert av nevnte støymodelleringsparameter for å tilveiebringe nevnte modellerte støysampler.

45. Ekkospérreanordning som angitt i krav 1, karakterisert ved at støygenereringspro-sessoren er konfigurert til pseudotilfeldig å velge enkeltsampler fra en buffer med sampler for å tilveiebringe en sekvens med hvit støysampler som har et effektnivå lik med et effektnivå til en ramme med nevnte sampler.

46. Ekkospérreanordning som angitt i krav 45, karakterisert ved at nevnte støygenere-ringsprosessor filtrerer nevnte sekvens med hvit støysamp-ler for å tilveiebringe komfortstøy som adderes til ut-gangssignalet på nevnte ekkosperre.

47. Ekkospérreanordning som angitt i krav 1, karakterisert ved at den videre omfatter: en taleaktivitetsdetektor konfigurert for å tilveiebringe en indikasjon på om nevnte kommunikasjonssignal inneholder en talekomponent, en støynivåestimator konfigurert for å beregne et estimat på et støynivå i nevnte kommunikasjonssignal og tilveiebringe en indikasjon på om et energinivå i nevnte kommunikasjonssignal er mindre enn nevnte estimat, og at nevnte støymodellerings- og genereringsprosessor er konfigurert til å oppdatere nevnte parametriske modell bare når nevnte taleaktivitetsdetektor indikerer at det ikke finner sted noen talekomponent i kommunikasjonssignalet og nevnte støynivåestimator indikerer at nevnte energinivå er mindre enn nevnte estimat .

48. En ekkospérreanordning som angitt i krav 1, karakterisert ved at nevnte ekkosperre er konfigurert til å fjerne en del av nevnte kommunikasjonssignal som faller innenfor et dempningsvindu, hvor støyge-nereringsprosessoren er konfigurert til å tilveiebringe komfortstøy til nevnte ekkospérreanordning, og hvor en utgang for nevnte støygenereringsprosessor er begrenset til nevnte dempningsvindu for å fremskaffe en begrenset kom-fortstøyutgangssignal som adderes til et audioutgangssignal fra nevnte ekkosperre.

49. En ekkospérreanordning som angitt i krav l, karakterisert ved at nevnte ekkosperre er konfigurert til å multiplisere en del av nevnte kommunikasjonssignal som faller innenfor et dempningsvindu med en skaleringsfaktor, hvor komfortstøygeneratoren er konfigurert til å tilveiebringe komfortstøy til nevnte ekkospérreanordning, hvor et utgangssignal fra nevnte komfortstøyge-nerator begrenses til nevnte dempningsvindu for å tilveiebringe et begrenset komfortstøysignal, og hvor nevnte begrensede komfortstøyutgangssignal skaleres på basis av nevnte skaleringsfaktor for å tilveiebringe et begrenset og skalert komfortstøyutgangssignal som adderes til et audioutgangssignal fra nevnte ekkosperre.