專利名稱：回波消除器及其所使用的學習方法
技術(shù)領域：
本發(fā)明涉及能應用于移動通信網(wǎng)和長途電話線路網(wǎng)的回波消除器。同時，本發(fā)明也涉及適合于在這樣的回波消除器中所使用的學習方法。
背景技術(shù)：
在通過海底電纜或通信衛(wèi)星的長途電話線路上，通常連接到該線路兩端的用戶線路是雙線電路，而其長途傳輸部分是四線電路，其中為了放大信號或用于某些其它用途，發(fā)送和接收是互相獨立的。在使用移動電話(或蜂窩電話)的移動通信網(wǎng)中，模擬電話的用戶線路也是雙線電路，而其從用于接收移動電話信號的中繼站到交換機的部分也是四線電路。在這種情況下，在二線和四線之間的連接區(qū)域裝有混合電路以用于完成四線/二線轉(zhuǎn)換。
該混合電路被設計成與二線電路的阻抗相匹配。然而，由于用戶電路的阻抗是不規(guī)則且易變的，很難達到總是很好的匹配條件。為此，輸入到混合電路的四線側(cè)輸入端口的部分信號傾向于泄漏到四線側(cè)的輸出端。結(jié)果，產(chǎn)生了所謂的回波。雖然，回波電平低于發(fā)送話音電平，但是在回波以一定的延時而返回到講話者的情況下，話音質(zhì)量大大降低且出現(xiàn)話音障礙。鑒于上述的狀況，回波消除器被開發(fā)成能防止回波產(chǎn)生的有效裝置。


圖1顯示了帶有回波消除器的二線/四線交換電路的硬件方框圖。如圖1所示，回波消除器1被安裝在混合電路2的前級。普通模擬電話用戶被稱為“近端講話者”而移動電話用戶被稱為“遠端講話者”。輸入到回波消除器1的遠端聲音信號用Rin表示；從回波消除器1輸出的遠端聲音信號用Rout表示；輸入到回波消除器1的近端聲音信號用Sin表示；從回波消除器1輸出的近端聲音信號用Sout表示。
回波消除器1包括回波路徑估測電路/回波復制品產(chǎn)生器3，控制單元4，加法器5，和非線性處理器6。回波路徑估測電路/回波復制品產(chǎn)生器3利用遠端聲音信號Rout產(chǎn)生和近端聲音信號Sin能發(fā)生的回波相同的信號。此信號被稱為“回波復制品”。由加法器5把該回波復制品從近端聲音輸入Sin中減去。回波路徑估測電路/回波復制品產(chǎn)生器3利用送到混合電路2的輸出信號Rout和未被加法器5抵消的剩余回波進行回波抵消的學習。
在遠端講話者一側(cè)通過傳輸線發(fā)送數(shù)字信號。D/A變換(通常是μ-定律變換)在用于處理數(shù)字信號的回波消除器和用于進行轉(zhuǎn)換到模擬電路的混合電路2之間進行。為此，在遠端聲音輸出Rout和近端聲音輸入Sin之間的關(guān)系是非線性的。因此，由回波路徑估測/回波復制品產(chǎn)生器3所進行的僅僅是線性的計算不不足以充分地和完全地消除回波。
這樣，為了消除尚未被抵消的剩余回波，使用了非線性處理器6。在只有遠端講話者正在講話的情況下，近端聲音輸出Sout僅僅由回波構(gòu)成。因此，非線性處理器6進行切換以使得阻止近端聲音輸出Sout的傳輸或以偽噪聲替代近端聲音輸出Sout。非線性處理器6的這種操作是在控制器4控制下進行的。也就是，控制單元4檢測遠端講話者的緘默條件或檢測雙方講話條件。同時，控制單元4接通/關(guān)閉回波路徑估測的學習功能，檢測遠端講話者單獨講話條件并進一步控制非線性處理器8的切換操作。
通過檢測以回波形式出現(xiàn)在Sin中的遠端講話者聲音，可按常規(guī)方式，慣例地估測回波路徑。也就是說，在遠端講話者聲音很弱或處在緘默狀態(tài)的情況下，不可能檢測到它的回波路徑。因此，在遠端講話者突然開始講話的情況下，傳統(tǒng)的回波消除器就很難按時作出響應。結(jié)果是回波被傳送到遠端講話者。
另外，如上所述，當遠端為緘默狀態(tài)或雙方都在講話時，必須停止學習。然而，當以上的檢測實際實行時，有時會發(fā)生檢測的時序錯誤。這種檢測時序的錯誤可以是由誤學習產(chǎn)生噪聲的原因之一。為了使誤差的影響為最小，必須設置學習常數(shù)使所表示的值是漸變的。然而，這就正好導致了學習速度的減慢。
學習速度的減慢引起這樣的問題，即在通信線路的特性改變后回波甚至變得更大。因為特別是當新呼叫被設定時，回波路徑會有很大變化，因此在回波消除器的學習收斂以前，能在遠端講話者一側(cè)出現(xiàn)的回波會變得更大。
隨著信號傳播時間增加，由回波造成的話音障礙變得更重大。具體地，由于通過衛(wèi)星的話音有很大的延時，回波可成為一個大問題。同樣，在使用移動電話的移動通信的情況中，有時實行低比特速率編碼以用于在基站和移動臺之間的通信或辦公室到辦公室的通信，且在中繼站執(zhí)行許多交換過程。因此，由于出現(xiàn)重大的延時，回波可成為一個大問題。
發(fā)明公開在進行回波路徑估測、或產(chǎn)生最佳回波復制品時發(fā)生的困難可歸結(jié)于傳統(tǒng)的回波消除器，因為在其中是根據(jù)實際的遠端講話者聲音等來進行回波路徑的估測的。本發(fā)明是鑒于上述的背景而完成的。因此，本發(fā)明的一個目的是提供能不管遠端講話者聲音的存在而估測回波路徑的、和不產(chǎn)生重大的話音障礙的回波消除器。
為了達到以上目的，按照本發(fā)明的第一特點，提供了一種用于包括傳送四線側(cè)的聲音的第一傳輸線和傳送雙線側(cè)的聲音的第二傳輸線的通信線路網(wǎng)的回波消除器，該回波消除器包括導引信號發(fā)生器裝置，用于產(chǎn)生導引信號并把此信號加到第一傳輸線；以及系數(shù)計算器裝置，用于根據(jù)在加到第一傳輸線的第一導引信號和第二傳輸線的信號之間的所建立的相關(guān)性計算為產(chǎn)生回波復制品所必須的系數(shù)。
此處，作為導引信號的一個例子，可以列出偽噪聲或濾波后的偽噪聲。導引信號并不專門限于被設計為導引信號的那種信號，回鈴音及類似的信號就可被用作為導引信號。
在把偽噪聲選作為導引信號的情況下，某些噪聲被加到用于傳送遠端講話者聲音的第一傳輸線，然后根據(jù)偽噪聲和第二傳輸線的信號之間所建立的相關(guān)性計算為產(chǎn)生回波復制品必須的系數(shù)。這種相關(guān)性是在遠端講話者的聲音電平幾乎可以忽略的條件下被建立的。此處所使用的“在遠端講話者的聲音電平幾乎可以忽略的條件”的表達方式，指的是“用于計算相關(guān)性的時間足夠長以至可充分降低在所加的噪聲與在四線側(cè)處的聲音之間的相關(guān)性”。換句話說，用于估測回波路徑的訓練、即用于產(chǎn)生回波復制品的訓練可以在不管遠端講話者的聲音的情況下而被執(zhí)行。
最好是根據(jù)遠端講話者聲音的電平或頻率特性來對偽噪聲進行濾波，從而使特性可加以改變。其理由是，即使偽噪聲通過混合電路被傳送到近端講話者，也不會產(chǎn)生語音障礙。而且，由于回波復制品藉加上偽噪聲分量而產(chǎn)生，因而偽噪聲分量最終被消除而絕不會被發(fā)送到遠端講話者。
在把回鈴音選作為導引信號的情況下，使用該回鈴音和回鈴音的回波來進行學習。因此，學習可在呼叫建立之前收斂。對于導引信號而言，各種不同的導引信號可取決于呼叫連接的模式而被使用。例如，在呼叫從雙線側(cè)發(fā)起的情況下，回鈴音可被用作為導引信號，而在呼叫從四線側(cè)發(fā)起的情況下，訓練信號可被用作為導引信號。
按照本發(fā)明的第二特點，還提供了一種用于學習增強回波消除器的回波消除能力的回波消除器學習方法，該回波消除器適于消除在通信期間通信線路上實時出現(xiàn)的回波，所述回波消除器學習方法包括以下步驟檢測通信線路上的呼叫已被建立好；以及按照檢測后所經(jīng)過的時間設置學習參量。
因此，例如，在通信線路一建立好后就可以立刻以高速度來進行學習，或者在經(jīng)過一定時間以后以高精度來進行學習。
而且可以按照呼叫建好后所經(jīng)過的時間來改變學習算法，從而替代學習參量。
圖1是顯示傳統(tǒng)回波消除器結(jié)構(gòu)的方框圖；
圖2是顯示按照本發(fā)明的第一實施例的回波消除器的重要部分的方框圖；圖3是顯示按照本發(fā)明的第二實施例的回波消除器的重要部分的方框圖；圖4是顯示濾波器的頻率特性等的圖；圖5是顯示按照本發(fā)明的第三實施例的回波消除器的方框圖；圖6是顯示當近端講話者發(fā)起呼叫時的學習順序的順序圖；圖7是顯示當遠端講話者發(fā)起呼叫時的學習順序的順序圖；圖8是顯示參量α的變化的圖。
實施本發(fā)明的最佳實施例第一實施例圖2是顯示按照本發(fā)明的回波消除器的重要部分的方框圖。此處，偽噪聲發(fā)生器11產(chǎn)生一定的偽噪聲，并把它輸出。作為這種偽噪聲，使用了一定電平的噪聲(例如，白噪聲)。藉加法器14把此偽噪聲和遠端聲音輸入Rin相加，其相加結(jié)果作為遠端聲音輸出Rout而被輸出。因此偽噪聲的一部分通過混合電路2和近端聲音輸入Sin相混合，并被加到系數(shù)計算器15。
系數(shù)計算器15根據(jù)近端聲音輸入Sin計算了為產(chǎn)生回波復制品所必須的系數(shù)(例如，數(shù)字濾波器的抽頭系數(shù))。在那種情況下，在遠端講話者的聲音很微弱或遠端講話者處在緘默狀態(tài)的條件下所建立的關(guān)系由下列的公式(1)表示。s(t)=∫0∞h(τ)n(t-)dτ···(1)]]>
在以上的式(1)中，t是時間，及t＝0是開始測量的時間。要被加到Rout上的偽噪聲用n(t)來表示，要在Sin中得到的信號由S(t)來表示。h(t)是回波的脈沖響應。此處，由于n(t)是接近于白色的噪聲，在以下的式(2)中所表示的關(guān)系可相對于足夠大的值TL來建立。I/N′∫0TLn(τ)n(t+τ)dτ=δ(t)···(2)]]>此處，S(t)是delta函數(shù)，且在t＝0時變?yōu)?，而在其它情況下變?yōu)?，N被設定為如以下的公式(3)所示。N=∫0TLn2(τ)dτ···(3)]]>如果使用以上的式(2)，那么作為h(t)估測值的ha(t)可藉以下的式(4)所示的方式被求出。ha(t)=1/N′∫0TLn(τ)s(t+τ)dτ]]>=1/N′∫0TLn(τ)′∫0∞h(τ′)n(t+τ-τ′)dτ′dτ]]>=∫0∞h(τ′)′1/N∫0TLn(τ)n(t-τ′+τ)dτdτ′····(4)]]>在以上的式(4)中，以下的式(5)所示的部分在t＝τ′時變?yōu)?，而在其它情況下變?yōu)?。1/N∫0TLn(τ)n(t-τ′+τ)dτ=δ(t-τ′)····(5)]]>因此，式(4)可被近似為如式(6)所示。最后估測值ha(t)大體上變成為等于h(t)。

應當注意到，以上的h(t)是回波的脈沖響應，因而等于用于產(chǎn)生回波復制品的系數(shù)。這可由以上的式(1)所表示的關(guān)系導出。系數(shù)計算器15藉助于上述的計算步驟計算此系數(shù)h(t)，并把它輸出到回波復制品產(chǎn)生器16。此回波復制品產(chǎn)生器16根據(jù)該系數(shù)產(chǎn)生回波復制品?，F(xiàn)在來描述其細節(jié)。首先，它被設計成使回波復制品產(chǎn)生器根據(jù)以下的公式(7)如在帶有公知的自適應濾波器的情況下那樣地輸出回波復制品ya。
ya＝hatx其中ha＝(h1，h2，····，hn)t，(t是矢量的轉(zhuǎn)置)x＝(xk-1，xk-2，····，xk-n)t，xj＝x(jT)，(T是采樣間隔，及X(hT)是遠端聲音信號Rout在時間jT處的采樣結(jié)果)在本實施例中，由于系數(shù)h1，h2，...hn被分別設置成h(T)，h(2T)，...h(nT)，因此在近端聲音輸入Sin中包含的回波分量被加法器17抵消了。由于這樣的回波復制品是藉加上和遠端聲音輸出Rout相混合的偽噪聲而被產(chǎn)生，因此即使在偽噪聲分量和近端聲音輸入Sin相混合的情況下，它也能被抵消。結(jié)果，可以避免偽噪聲分量被傳送到遠端講話者。所以，由于偽噪聲混合對遠端講話者可能發(fā)生的語音障礙不再出現(xiàn)。如果由于偽噪聲的混合，噪聲會多多少少地被傳送到近端講話者或遠端講話者，那么可能的語音障礙可藉適當?shù)卣{(diào)節(jié)特定偽噪聲電平而得以避免。第二實施例圖3是顯示按照本發(fā)明的第二實施例的回波消除器的重要部分的方框圖。在本實施例中，偽噪聲發(fā)生器11，就像第一實施例的可比較的偽噪聲發(fā)生器的情況那樣，產(chǎn)生一定的偽噪聲并把它輸出。另一方面，電平/頻率特性測量單元12測量近端聲音輸入Sin的信號電平和頻率特性。取決于該測量的結(jié)果，濾波器13和18的特性被加以改變。
圖4(a)顯示了以上的偽噪聲的頻率特性。正如此圖上所顯示的那樣，采用了具有平坦特性的偽噪聲。圖5(b)顯示了相應于由電平/頻率特性測量單元12所測量的近端講話者聲音的近端聲音輸入Sin的頻率特性。濾波器13的特性按照被測量的頻率特性被加以改變，如圖4(c)所示。在本實施例中，濾波器特性被可變化設置成使近端講話者聲音的頻率被模擬和電平差成為固定的(在本說明的實例中，為20dB)。濾波器18被設置成使它具有和濾波器13的特性相反的特性。有這種特性以后，如果濾波器13和18互相級聯(lián)，那么級聯(lián)電路的輸入和輸出信號就變成為互相相等。
濾波器13使這樣設定的可變的濾波器特性加到偽噪聲上，然后輸出該噪聲。因此偽噪聲的頻率特性按照近端講話者聲音進行改變。由于偽噪聲的頻率特性將會和近端講話者聲音相協(xié)調(diào)，因此由偽噪聲引起的對近端講話者的有害作用(如果有的話)可被避免，即使這種偽噪聲和遠端講話者聲音輸出Rout相混合并通過混合電路2傳送到近端講話者。其理由是，由于聽覺特性，人們很難于其頻率特性接近的信號有實際上的失調(diào)的感覺，且語音出現(xiàn)質(zhì)量上可能的惡化從人的實體感覺的觀點可予避免。
另外，遠端講話者聲音電平越高，則濾波器18的增益越高。這種安排是為了上述相同的理由。即當說話電平高時，即使噪聲電平比較高但噪聲也很難被人識別。
濾波器13的輸出通過加法器14被加到用于傳送遠端講話者聲音的傳輸線，并被用作為上述的遠端聲音輸出Rout。所以，濾波器13的輸出通過混合電路2部分地和近端聲音輸入相混合，然后被加到濾波器18。由于濾波器18具有與濾波器13特性相反的特性，濾波器18的輸出變成為類似于在偽噪聲發(fā)生器11的偽噪聲輸出被直接加到混合電路2時能得到的信號。
接著，系數(shù)計算器15根據(jù)遠端聲音輸出Rout和近端聲音輸入Sin計算為產(chǎn)生回波復制品所必須的系數(shù)(例如，數(shù)字濾波器的抽頭系數(shù)等)?，F(xiàn)在將詳細描述這一原理。
首先，如果對于頻率f的噪聲以N(f)表示；濾波器11的特性以G(f)表示；濾波器18的特性以G-1(f)表示；及回波特性以H(f)表示，那么近端聲音信號Sin的頻率特性S(f)可由以下的式(8)給出。
S(f)＝H(f)G(f)N(f)····(8)接著，濾波器18的輸出信號S′(f)由以下的式(9)給出。
S′(f)＝G-1(f)S(f)＝G-1(f)S(f)＝G-1(f)H(f)G(f)N(f)＝H(f)N(f) ····(9)在這個量和N(f)之間進行的相關(guān)計算輸出可由以下的式(10)表示。
Ha(f)＝S′(f)N*(f)＝H(f)N(f)N*(f) ····(10)
在以上方程中，由于N(f)接近于白色，可近似建立以下的式(11)。
N(f)N*(f)1····(11)因此，以下的式(12)被建立，且回波的脈沖響應可被近似得到。
Ha(f)H(f) ····(12)因此，在時間區(qū)域內(nèi)，回波的脈沖響應、即用于產(chǎn)生回波復制品的系數(shù)可根據(jù)在濾波器18的輸出S(t)和噪聲發(fā)生器11的輸出n(t)之間進行的相關(guān)計算(下面列出的式(13))而得到。ha(t)=1/N′∫0TLs′(τ)n(t-τ)dτ····(13)]]>其中N=∫0TLn2(τ)dτ]]>回波復制品產(chǎn)生器16，如在帶有已知的自適應濾波器的情況下那樣，可根據(jù)以下的式(14)來輸出回波復制品ya(如在第一實施例的式(7)的情況中那樣)。
ya＝hatx ····(14)ha＝(h1，h2，····，hn)t其中x＝(xk-1，xk-2，····，xk-n)t，xj＝x(jT)在本實施例中，系數(shù)h1，h2，...，hn被分別設置成ha(T)，ha(2T)，...ha(nT)。因此，近端聲音輸入Sin中所包含的回波分量被抵消了。這樣的回波復制品，如前面所述，是藉加上和遠端聲音輸出Rout相混合的偽噪聲而被產(chǎn)生的。因此，即使在偽噪聲分量和近端聲音輸入Sin相混合的情況下，它也能被抵消。最終，可以避免把偽噪聲分量傳送到遠端講話者。所以，由于偽噪聲的混合對遠端講話者可能發(fā)生的語音障礙不再出現(xiàn)。如果由于偽噪聲的混合，噪聲會多多少少地被傳送到近端講話者或遠端講話者，那么可能的語音障礙可藉適當?shù)卣{(diào)節(jié)特定偽噪聲電平而得以避免。
如上所述，按照本實施例，其頻率特性能按照近端講話者聲音而改變的偽噪聲被強制地加到用于傳送遠端講話者聲音的傳輸線，且藉使用特定的偽噪聲來估測回波路徑和產(chǎn)生回波復制品。因之，用于估測回波路徑的訓練可以在不管遠端講話者聲音的情況下而被實行。這樣，藉按照近端聲音的電平/頻率使噪聲改變形狀，可產(chǎn)生合適的回波復制品，而同時使近端講話者的語音質(zhì)量可能的惡化減到最小。第三實施例圖5顯示了實現(xiàn)本發(fā)明第三實施例的回波消除器。在圖5中，與圖1相同的元件方塊以相同的參考數(shù)字表示?；夭窂焦罍y/回波復制品產(chǎn)生電路103根據(jù)遠端聲音輸入和剩余回波來檢測混合電路2的響應特性，且估測到混合電路2的等效回波路徑。接著，和由混合電路2產(chǎn)生的回波相像的偽噪聲藉助于在估測結(jié)果和遠端聲音信號Rin之間的卷積運算而被產(chǎn)生。用于傳送表示由近端講話者發(fā)起的呼叫的信號和表示建立呼叫的邊界信號的信號線路從交換機113被連接到回波路徑估測/回波復制品產(chǎn)生電路103?？刂茊卧?判斷呼叫是由近端講話者發(fā)起或由遠端講話者發(fā)起，并按照判斷的結(jié)果實行不同的步驟。
加法器5藉從遠端聲音輸入Sin中減去回波復制品的方法來消除回波。除了對處理器6的控制外，控制單元104對關(guān)于是否應進行回波路徑估測/回波復制品產(chǎn)生電路103的學習進行控制。當遠端講話者處在緘默條件下和遠端講話者與近端講話者同時進行講話時，停止進行回波路徑估測/回波復制品產(chǎn)生電路103的學習，這是因為有可能出現(xiàn)不利的回波路徑估測/回波復制品產(chǎn)生電路103的錯誤學習。
在本實施例中，學習識別算法被用作為回波路徑估測/回波復制品產(chǎn)生電路103的學習方法。學習識別算法比起其它方法來說，其算法簡便且計算復雜性較小，并具有相當良好的回波抵消特性?；夭ㄏ靼〝?shù)字電路?；夭ㄏ鞯牟蓸訒r間間隔以T表示。假定回波路徑的信號傳播特性是線性的，如果使用了脈沖響應h(j)和在時間tT的輸入信號x(t)，那么在時間KT的回波Yimp(k)可由下列公式表示。
y imp(k)＝H imp X(k)t····(15)H imp ＝(h(1)，h(2)， ···，h(n)····(16)X(k)＝(x(k-1)，x(k-2)，···，x(k-n) ····(17)如果H imp在時間KT的估測值以H pre(k)表示，那么回波在時間KT的估測值Y pre(k)可由以下的公式(18)給出。
y pre(k)＝H pre(k)X(k)t····(18)H pre(k)的順序校正按照下列的式(19)和(20)進行。
H pre(k+1)＝H pre(k)+αe(k)X(k)/X(k)X(k)t····(19)(對于X(K)×(K)t＞nε2的情況)H pre(k+1)＝H pre(k)····(20)(對于X(K)×(K)t≤nε2的情況)其中e(k)＝y(tǒng)(k)-y pre(k) ····(21)(其中y(k)是Sin的實際測量值)在以上公式中，e(k)表示在時間KT處未被抵消的剩余回波。ε被選為大約是x(t)的最大值的1/5到1/10的值。利用Hpre(k+1)產(chǎn)生在下一個采樣時間(k+1)T處的回波復制品ypre(k+1)。
為了實行回波路徑估測/回波復制品產(chǎn)生電路103的學習，需要以下條件。
(1)遠端聲音輸出Rout的電平足夠高以致反射回波作為近端聲音輸入Sin。換句話說，遠端講話者正在講話。
(2)近端聲音輸入Sin只是由回波構(gòu)成(僅僅是回波和白噪聲)。換句話說，近端講話者沒有在講話。
當新呼叫被建立時，回波路徑的特性比起講話者在講話時的情況大大地改變了，所以剩余回波增大。為此，寧可在遠端講話者開始講話前實行學習。然而，按照傳統(tǒng)方法，就會擔心當遠端講話者不在講話時，回波路徑估測/回波復制品產(chǎn)生電路103即使是在建立新呼叫時也會作出錯誤學習。因此，學習必須停止。這樣按照本實施例，在建立新呼叫的情況下，在遠端講話者開始講話之前，利用回鈴音等實行回波路徑估測/回波復制品產(chǎn)生電路103的學習。
圖6顯示了當近端講話者發(fā)起呼叫時的通信順序。在圖6中，和圖5或圖1相同的元部件以相同的參考數(shù)字表示。參考數(shù)字111表示遠端講話者處的移動電話；112表示移動電話111所屬的無線區(qū)的基站；113表示與回波消除器相連的交換機；及116表示近端講話者處的地面電話機。在呼叫是由近端講話者的地面電話機116發(fā)起的情況下，在通話建立前近端講話者一側(cè)的語音環(huán)被閉合，且近端講話者一側(cè)的通信線路被連接到回波消除器1。回鈴音通過連接到地面電話機116的傳輸線傳送到電話機116，及回鈴音的回波從混合電路返回到回波消除器。
由近端講話者發(fā)出的呼叫可由交換機113按照已知的協(xié)議被識別。交換機113把信號加到回波消除器1。該信號表示呼叫是由近端講話者發(fā)起的。然后，回波路徑估測/回波復制品產(chǎn)生電路103使用回鈴音及其回波進行學習。由于使學習收斂所需要的時間比起回鈴音通常被傳送的時間足夠短，所以學習可在通話建立以前完成。至于回鈴音，可使用適合于估測回波路徑的回鈴音以替代傳統(tǒng)上所使用的回鈴音。
圖7顯示了在由遠端講話者一側(cè)的移動電話111發(fā)起呼叫的情況下的通信順序。由于在由遠端講話者發(fā)起呼叫時在近端講話者一側(cè)的語音環(huán)并未構(gòu)成，因為回波路徑估測/回波復制品產(chǎn)生電路103利用呼叫音的學習不能被實行。當呼叫被發(fā)起時，遠端講話者一側(cè)的語音環(huán)在由近端講話者摘機而建立通話時首先被構(gòu)成。
對于一個要建立的呼叫的呼叫界限(即呼叫界限)可由帶有回波消除器1的交換機113按照本來熟知的呼叫控制協(xié)議識別或判斷。在檢測到呼叫是由遠端講話者一側(cè)發(fā)起的情況下的呼叫界限時，交換機113給出表示呼叫界限的信號加到回波消除器1。根據(jù)該呼叫界限信號，回波消除器1發(fā)送音頻段的訓練信號到近端講話者一側(cè)。然后，訓練信號的回波從混合電路2返回到回波消除器1?；夭窂焦罍y/回波復制品產(chǎn)生電路103可利用訓練信號和訓練信號的回波進行回波路徑估測的學習。
由于從呼叫界限到近端講話者把受話器放到耳邊的時間比起回波估測路徑的學習的收斂所需要的時間足夠長，因此在受話器放到耳邊以前，訓練信號的傳送可藉對學習的收斂而得以完成。第四實施例回波路徑估測/回波復制品產(chǎn)生電路103的學習速度在回波路徑的特性很大變化時，可藉改變在學習算法中所使用的參量而得以提高。在本實施例中，用于第三實施例的學習識別算法中的參量α是被改變的。所以，由改變α引起的對學習的可能影響將首先被描述。
在α＝1的情況下，如果使用式(19)，那么公式可被重寫如下。
H pre(k+1)X(k)t＝H pre(k)X(k)t+e(k)＝y(tǒng) pre(k)+e(k)＝y(tǒng)(k) ····(22)這就是，在α＝1的情況下，H pre(k+1)，使得H pre(k+1)X(k)t等于y(k)。如果使用H pre(K+1)計算了在時間KT的回波復制品，那么回波復制品將變?yōu)榈扔趯嶋H測量的回波，且剩余回波e(k)變?yōu)榱恪?br> 所以，在線路特性的瞬時變化、線路噪聲、以及被漏測的近端講話者聲音都不存在的理想情況下，α＝1是最希望的，這是因為可以進行快速學習。然而，由于實際上有這些變化情況和噪聲，如果α＝1，那么H pre會因為線路特性的瞬時變化和噪聲而有很大變化。當H pre被誤校正時，就將會因為y pre(k)變?yōu)樘《够夭ú荒鼙坏窒约耙驗閥 pre(k)變?yōu)樘蠖够夭ň哂蓄嵉沟恼?、負量?br> 作為一個表示在時間KT的回波消除器的高抵消能力的指數(shù)，定義出了另一個量ERLE(K)(回波返回損耗增強因子)。
ERLE(K)＝10 log10(y real(k)電功率/e real(k)電功率)····(23)在上式中，y real(k)和e real(k)分別表示從回波y(k)和殘余回波e(k)中去除噪聲分量v(k)后的量。它們由以下的公式給出。
y real(k)＝y(tǒng)(k)-v(k)····(24)e real(k)＝e(k)-v(k)另外真實回波y real(k)與噪聲v(k)的S/N比值由下式定義。
S/N(K)＝10 log10(y real(k)電功率/v(k)電功率)(25)在α＝1的情況下，y pre(k+1)承受了相對于在前面步驟中的噪聲v(k)和回波e real(k)的總和的相同電平的變化。結(jié)果，相對于在前面步驟中的噪聲的相同電平的噪聲出現(xiàn)在每個步驟中的回波復制品中。所以，隨著學習起始后的時間推移，每個步驟中的ERLE(k)的平均值(以后簡稱為“ERLE”)逐漸接近于S/N(k)的平均值(以后簡稱為“S/N”)。作為ERLE或S/N，例如其相應的ERLE(k)和S/N(k)在10毫秒期間的平均值是可以期待得到的。
由于每個步驟中e real(k)的變化遠遠的小于噪聲分量v(k)的變化，前面步驟中噪聲v(k)的影響可藉使α變小而得以減少，且由于回波消除器增加了的抵消能力，ERLE可進一步增加。然而，如果α減小，那么H pre(k)的自適應常數(shù)也減小。因此，回波路徑估測/回波復制品產(chǎn)生電路103的學習速度也降低。
如果把ERLE安排成比N小一個確定的值或更多，則確立α＝1；當ERLE變成等于或大于S/N時，α逐漸減小，那么抵消能力就可增加，而不用大大地降低回波消除器的學習速度。然而，應當注意到，由于真實回波real(k)和噪聲分量v(k)不能分開進行測量，因此也不能根據(jù)實際測量值計算ERLE和S/N。因此，α按如下所述那樣改變，即采用與ERLE有關(guān)系的數(shù)值。例1當回波路徑特性改變時，ERLE減小。此處，當新呼叫建立時的回波路徑特性的變化遠遠大于正在講話時的回波路徑特性的變化。因為建立呼叫時的時間、即呼叫界限可根據(jù)由交換機113所給出的信息而進行判斷，在從呼叫界限以后的一段時間內(nèi)把α設定為接近于1的值，然后，α值逐漸減小。例如藉按照以下所述的方式改變α，當回波路徑特性改變時，抵消能力可以被提高而不降低學習速度。
α＝0.9(t≤T0)(T0是時間常數(shù)) ....(26)α＝0.5(T0＜t≤T1)(T1是時間常數(shù)) ....(27)α＝0.1(T1＜t)....(28)當遠端講話者處在緘默狀態(tài)，以及當遠端講話者和近端講話者同時在講話時，回波路徑估測/回波復制品產(chǎn)生電路103的學習必須停止，這是因為要防止回波路徑估測/回波復制品產(chǎn)生電路103會造成誤學習。因此，在呼叫界限以后只有遠端講話者正在講話的那個時間間隔被用作作為式(26)到(28)中的t。如第一實施例中的當呼叫由遠端講話者發(fā)起時的情形，用于學習的訓練信號可通過把近端講話者摘機的時間定為t＝0來進行發(fā)送。而且，在近端講話者發(fā)起呼叫的情況下，把開始傳送回鈴音的時間設定為t＝0，這樣可根據(jù)回鈴音進行學習。
在講話期間近端講話者一側(cè)被轉(zhuǎn)移的情況或其它類似情況下，回波路徑的特性發(fā)生變化且ERLE突然地變小。在這種情況下，必須增加α的學習速度。因此，α可通過把ERLE突然變小的時間定為t＝0和用t來表示只有遠端講話者在講話的時間間隔從而根據(jù)式(26)到(28)來加以改變。例2另外也能通過以普通大小的噪聲分量代替v(k)來計算ERLR。例如，在使用ERLE的情況下通過如下列各公式所教導的那樣來改變α，可以增加抵消能力而不顯著降低學習速度。此處，即使在利用ERLE來設定α的情況下，可希望大體上在話音開始時首先把α設定為較大值，然后逐漸使它減小。也就是，按照下面所列的各公式在過去所得到的所有α值中的最小值可用作為實際所使用的α。
α＝0.9( ERLE≤10dB)α＝0.5(10dB＜ERLE≤20dB)α＝0.1(20dB＜ERLE )例3學習的進展也根據(jù)殘余回波e(k)的平均值來判斷。使用平均值的理由是由于每一步驟中殘余回波的電平在很大程度上依賴于發(fā)送聲音和噪聲的電平因而是不穩(wěn)定的。此平均值e例如可從在10ms之間的各個殘余回波e(k)得到。利用殘余回波的平均值e，可使α按如下切換α＝0.9( e≤10dB)α＝0.5(10dB＜e≤20dB)α＝0.1(20dB＜e )例4作為按步驟改變α的替代，也可以相對于時間t，ERLE或殘余回波等而順序地改變α。在那種情況下，α由下面列出的各公式表示。例4-1如果把時間t用作為參量，那么α可藉利用時間常數(shù)TO而表示為如下α＝0.8(1-t/TO)+0.1(t＜TO)α＝0.1(TO≤t)或α＝0.9exp(-t/TO)例4-2如果把ERLE用作為參量，那么α可藉利用常數(shù)EO而被表示為如下α＝0.8(1-ERLE/EO)+0.1(ERLE＜TO)α＝0.1 (TO≤ERLE)或α＝0.9exp(-ERLE/EO)例4-3如果把殘余回波e用作為參量，那么α可藉常數(shù)AO而被表示為如下α＝0.8(1-e/AO)+0.1(e＜AO)
α＝0.1(AO≤e)或α＝0.9exp(-e/AO)例5用來發(fā)送訓練信號的方法可被用于例2到例4的任一例中。在遠端講話者發(fā)起呼叫的情況下，訓練信號在近端講話者摘機時被發(fā)送，如同在實施例3的情況那樣。在近端講話者發(fā)起呼叫的情況下，回鈴音或其回波可被用來進行學習。
在本實施例中，α作為學習算法的一個參量而改變。然而，對學習速度具有一定作用的其它參量也可被使用，從而藉助于這樣的事實即在呼叫界限之后就立即要求快速學習，然后，則要求精確的學習(即無錯誤的學習)，以改變這些參量。另外，在使用除了學習識別算法以外的其它學習算法的情況下，這些算法中所使用的參量可按和本實施例相同的方式加以改變。第五實施例關(guān)于回波消除器的學習算法，除學習識別算法以外的其它算法，例如RLS(遞歸最小平方)可被使用。由于RLS的算法是公知的，對它們的描述予以省略。盡管RLS有這樣的優(yōu)點，即其收斂速度比學習識別算法快，但它也有缺點即其計算的復雜性大，因為它需要進行逆矩陣計算。所以，在講話開始時需要對回波路徑快速估測的地方使用RLS算法，而在估算進行到一定程度的時間把算法切換為學習識別算法。由于這種安排，盡管限制了整個交換所需要的計算的復雜性的增加，回波路徑可被快速估測。
由于當前可獲得的通用的DSP(數(shù)字信號處理)的計算能力能滿足以下關(guān)系學習識別算法所需要的計算能力＜DSP的計算能力＜RLS所需要的計算能力，因此，在對于講話開始后的初始的輸入來使用高速DSP或多個DSP的情況下，可按照RLS進行計算。然后，在計算過程的中間階段，利用所得到的學習結(jié)果來使算法切換到學習識別算法。通過這種方式，回波路徑可被快速估測，同時通過完全的切換來有效地使用資源。
學習算法可按照例如下面列出的方法，藉使用時間t、ERLE、或回波電平e進行切換，如同α的切換的情況那樣。
(1)RLS(t＜TO)學習識別算法 (TO≤t)(2)RLS(e＜AO)學習識別算法 (AO≤e)(3)RLS(ERLE＜10dB)學習識別算法 (10dB≤ERLE)也能接受的是，在算法被切換到學習識別算法以后，藉使用第四實施例中所描述的算法來改變α值。在遠端講話者發(fā)起呼叫的情況下，可以在近端講話者摘機時發(fā)送用于學習的訓練信號，這如同第一實施例的情況那樣。同樣地，在端講話者發(fā)起呼叫的情況下，可利用回鈴音進行學習。
第六實施例因為噪聲分量v(k)以第四或第五實施例中所描述的方法混合到回波中，因此對于回波消除器的學習進展的程度不可能作出正確的估測。為了測量接近于真實回波的值real(k)，可以期望這樣一種方法，其中對x(k)的聲音頻譜進行分析以及對于所得到的頻譜分量進行回波y(k)的電平測量。另外在回波電平對于聲音頻率是非均勻的情況下，必須分析x(k)和y(k)的回波頻譜。
分析聲音頻譜的方法可粗略地被分為兩種一種是非參量分析(NPA)和另一種是參量分析(PA)。
非參量分析的例子可包括(1)短項自相關(guān)分析，(2)短項譜分析，(3)對數(shù)倒頻譜(Cepstrum)分析，(4)零交叉分析。另一方面，參量分析的例子可包括(1)綜合分析法(A-b-S法)，(2)線性預測分析(LPC)，(3)最大或然譜估測(自相關(guān)法和倒置濾波器法)，(4)非擴散法，(5)PARCOR分析，以及(6)LSP分析。
要被使用的譜分析方法可以按照與在第二實施例中學習算法進行切換的同樣方式利用時間t、ERLE、或回波電平e進行切換。修改的實施例應當注意到，本發(fā)明并不限于上述實施例。例如，可按如下所述的那樣作出許多改變和修改。
(1)在上述實施例中的任一例中，本發(fā)明被應用于移動電話和地面電話之間的信號傳輸。然而，本發(fā)明的應用并不限于此。本發(fā)明可被應用于在雙線電路和四線電路之間進行信號傳輸?shù)乃型ㄐ啪W(wǎng)絡。
(2)在第一和第二實施例中，偽噪聲發(fā)生器11通常產(chǎn)生偽噪聲。然而，也可如第三實施例的情況那樣進行安排，其中從交換機接收呼叫界限，且直到經(jīng)過一段時間之后才產(chǎn)生偽噪聲。由于這種結(jié)構(gòu)，在近端講話者把受話器放到非常接近耳邊之前就可完成學習，這樣，偽噪聲在實際進行講話者，可被阻止發(fā)送到近端講話者。
(3)當遠端講話者在大于預定的時間內(nèi)保持為緘默狀態(tài)時，偽噪聲發(fā)生器11可產(chǎn)生偽噪聲。其理由是當遠端講話者一側(cè)處在緘默狀態(tài)時，將噪聲傳輸?shù)浇酥v話者一側(cè)(如果有的話)并不會對講話造成任何障礙。
(4)當回波消除在加法器17中成為低于預定電平時，偽噪聲發(fā)生器11可產(chǎn)生偽噪聲。其理由是有很大可能是回波復制品產(chǎn)生器16未產(chǎn)生正常的回波復制品，且重新學習看來是所希望的。
(5)在第一實施例中偽噪聲的電平是常量。然而，當為實行相關(guān)運算所需要的時間增加時，偽噪聲的電平可加以減小。
權(quán)利要求
1.一種用于為增強回波消除器的回波消除能力而實行學習的回波消除器學習方法，該回波消除器適合于在通信期間實時抵消出現(xiàn)在通信線路上的回波，所述回波消除器包括呼叫界限信息輸入裝置，用于輸入來自交換機的呼叫界限信息，所述回波消除器學習方法包括以下步驟當來自所述交換機的呼叫界限信息被所述呼叫界限信息輸入裝置輸入時，設置用于所述學習的參量，從而使所述學習速度增加；以及此后在經(jīng)過預定的時間以后，設置用于所述學習的參量，從而使所述學習的精度增加。
2.一種用于為增加回波消除器的回波消除能力而實行學習的回波消除器學習方法，該回波消除器適合于抵消出現(xiàn)在連接到移動電話和地面電話的通信線路上的回波，所述回波消除器學習方法包括以下步驟根據(jù)連接到所述回波消除器的交換機給予所述回波消除器的信息，判斷呼叫是從所述移動電話還是從所述地面電話發(fā)出的；當呼叫是從所述移動電話發(fā)出時，使用第一學習方法實行所述回波消除器的學習；以及當呼叫是從所述地面電話發(fā)起時，使用第二學習方法實行所述回波消除器的學習。
3.一種用于為增加回波消除器的回波消除能力而實行學習的回波消除器學習方法，該回波消除器適合于抵消出現(xiàn)在連接到移動電話和地面電話的通信線路上的回波，所述回波消除器學習方法包括以下步驟根據(jù)連接到所述回波抵消器的交換機給出的信號，判斷呼叫是從所述地面電話還是從所述移動電話發(fā)出的；當作出判斷呼叫是從所述地面電話發(fā)出時，使用發(fā)回到所述地面電話的回鈴音和該所述回鈴音的回波來實行所述的學習；以及當作出判斷呼叫是從所述移動電話發(fā)出時，使用發(fā)回到所述地面電話的預定訓練信號和該所述訓練信號的回波來實行所述的學習。
4.按照權(quán)利要求3的回波消除器學習方法，其特征在于，進一步包括以下步驟當作出判斷呼叫是從所述地面電話發(fā)出或是從所述移動電話發(fā)出時，設置用于所述學習的參量，從而使所述學習速度增加；在經(jīng)過預定的時間以后，設置用于所述學習的參量，從而使所述學習精度增加。
全文摘要
用于進行回波路徑估測并去除話音障礙的回波消除器，包括用于產(chǎn)生一定的偽噪聲的偽噪聲發(fā)生器。該偽噪聲被強制加到用于發(fā)送遠端講話者聲音的傳輸線。此處，在遠端講話者發(fā)送話音電平很弱或遠端講話者處在緘默狀態(tài)的情況下，在偽噪聲和用于發(fā)送近端講話者聲音的傳輸線的信號之間建立一定的相互關(guān)系。根據(jù)此關(guān)系計算用于產(chǎn)生回波復制品的系數(shù)。因此，用于估測回波路徑的訓練是根據(jù)偽噪聲而不依賴于遠端講話者聲音進行的，從而產(chǎn)生適當?shù)幕夭◤椭破贰?br> 文檔編號H04B3/23GK1392677SQ0113772
公開日2003年1月22日 申請日期1995年5月2日 優(yōu)先權(quán)日1994年5月7日
發(fā)明者河原敏朗, 三木俊雄, 大矢智之 申請人:株式會社Ntt都科摩