專利名稱：通過使用頻域非線性處理抑制反射信號(hào)的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信系統(tǒng)，更具體地，涉及在雙向通信鏈路中的反射信號(hào)抑制。
背景技術(shù)：
在許多通信系統(tǒng)(例如地面線路和無線電話系統(tǒng))中，話音信號(hào)常常通過雙向通信鏈路在兩個(gè)系統(tǒng)用戶之間傳輸。在這樣的系統(tǒng)中，近端用戶的語音典型地在通信鏈路的一端的近端話筒處被檢測(cè)，然后通過鏈路被發(fā)送到遠(yuǎn)端揚(yáng)聲器，以便重現(xiàn)和呈現(xiàn)給遠(yuǎn)端用戶。相反，遠(yuǎn)端用戶的語音被遠(yuǎn)端話筒檢測(cè)，然后通過通信鏈路被發(fā)送到近端揚(yáng)聲器，以便重現(xiàn)和呈現(xiàn)給近端用戶。
在通信鏈路的任一端，被鄰近的話筒檢測(cè)到的揚(yáng)聲器輸出會(huì)非故意地通過通信鏈路發(fā)送回去，導(dǎo)致產(chǎn)生從用戶看來可能是不能接受的破壞性反饋或反射信號(hào)。這個(gè)問題在免提電話時(shí)特別顯著，在此，用戶的身體沒有有效地把話筒與揚(yáng)聲器相隔離。而且，在地面線路中混合匯接裝置處的阻抗失配會(huì)導(dǎo)致類似的破壞性反射信號(hào)。
傳統(tǒng)上，反射信號(hào)抑制是通過使用反射信號(hào)抵銷電路完成的，該電路采用自適應(yīng)濾波器來估值和去除通信信號(hào)的不想要的反射信號(hào)分量。例如，1995年12月12日頒發(fā)的題目為“Echo-Canceling Systemand Method Using Echo Estimate to Modify Error Signal(通過使用反射信號(hào)估值來修改誤差信號(hào)的反射信號(hào)抵銷系統(tǒng)和方法)”的美國專利No.5,475,731描述了將最小均方(LMS)和歸一化最小均方(NLMS)算法用來更新有限沖擊響應(yīng)(FIR)自適應(yīng)濾波器。
雖然這種已知的反射信號(hào)抵銷技術(shù)確實(shí)能去除某些反射信號(hào)，但即使在抵銷以后常常仍將有可聽見的剩余反射信號(hào)。這樣的剩余反射信號(hào)，盡管其電平相對(duì)較低，但仍對(duì)用戶造成相當(dāng)?shù)拇驍_，所以應(yīng)當(dāng)被加以去除。今天，剩余反射信號(hào)抑制典型地是通過使用跟隨在反射信號(hào)抵銷器后面的某種形式的非線性處理器(NLP)來完成的。例如，參閱上述的美國專利No.5,475,731，它描述傳統(tǒng)的中心限幅NLP的使用。
大多數(shù)已知的NLP完全地去除通信信號(hào)中包含剩余反射信號(hào)的那些部分。結(jié)果，當(dāng)近端和遠(yuǎn)端揚(yáng)聲器工作時(shí)(即，在雙向說話時(shí))，這種已知NLP或者傳送通過剩余反射信號(hào)、或者同時(shí)去除近端語音和剩余反射信號(hào)。另外，當(dāng)已知的NLP被使用于帶有復(fù)雜的背景噪聲的情況下時(shí)(例如，在汽車收音機(jī)播音時(shí)，而同時(shí)駕駛員正在使用免提移動(dòng)電話)，背景聲音連同剩余反射信號(hào)一起被去除。雖然預(yù)計(jì)的舒適的噪聲由于為了試圖填充所導(dǎo)致產(chǎn)生的空洞而被添加上，但已處理的信號(hào)常常被削除，從而使進(jìn)行收聽的用戶感到討厭。
因此，需要一種去除通信信號(hào)中的剩余反射信號(hào)的改進(jìn)方法和設(shè)備。
發(fā)明概要本發(fā)明通過提供改進(jìn)的頻域非線性處理技術(shù)而滿足上述的和其它需要?？傮w上，按照本發(fā)明的非線性處理器的濾波特性可以通過比較通信信號(hào)的剩余反射信號(hào)分量的功率譜與總的通信信號(hào)本身的功率譜而動(dòng)態(tài)地被調(diào)整。更具體地，非線性處理器的濾波特性被調(diào)整成為使得非線性處理器只阻擋其中剩余反射信號(hào)占優(yōu)勢(shì)的那些信號(hào)頻率。有利地，按照本發(fā)明的非線性處理器使得有可能在整個(gè)對(duì)話期間進(jìn)行全雙工通信，同時(shí)有效地減小剩余反射信號(hào)。
按照本發(fā)明的示例性反射信號(hào)抑制器包括一個(gè)處理器，用來計(jì)算通信信號(hào)的功率譜和估值通信信號(hào)的剩余反射信號(hào)分量的功率譜。示例性反射信號(hào)抑制器還包括一個(gè)自適應(yīng)濾波器，用來處理通信信號(hào)，由此抑制剩余反射信號(hào)分量。自適應(yīng)濾波器的濾波特性是根據(jù)通信信號(hào)的功率譜和根據(jù)估值的剩余反射信號(hào)分量的功率譜而被調(diào)整的。
按照本發(fā)明的、用于抑制通信信號(hào)中剩余反射信號(hào)的示例性方法包括計(jì)算通信信號(hào)的功率譜和估值剩余反射信號(hào)的功率譜的步驟。按照示例的方法，濾波特性是根據(jù)計(jì)算的通信信號(hào)功率譜和根據(jù)估值的剩余反射信號(hào)分量功率譜而被調(diào)整的，以及通信信號(hào)通過使用調(diào)整的濾波特性被濾波，從而抑制剩余反射信號(hào)。
按照實(shí)施例，濾波特性可通過使用頻譜相減技術(shù)而被調(diào)整?？商鎿Q地，濾波特性的各個(gè)系數(shù)可以根據(jù)剩余反射信號(hào)中的功率與在相應(yīng)于這些系數(shù)的頻率上的總通信信號(hào)的功率的直接比較結(jié)果而被設(shè)置。
對(duì)于獨(dú)立的配置(即，其中不存在超前反射信號(hào)抵銷器)，剩余反射信號(hào)的功率譜的估值可以通過以下步驟估計(jì)反射信號(hào)返回路徑的衰減因子，以及用所述估計(jì)的衰減因子來換算反射信號(hào)源信號(hào)的功率譜樣本，由此提供剩余反射信號(hào)的估值的功率譜樣本。當(dāng)存在領(lǐng)先的自適應(yīng)反射信號(hào)抵銷器時(shí)，剩余反射信號(hào)的功率譜的估值可以通過計(jì)算反射信號(hào)抵銷器提供的反射信號(hào)分量估值的功率譜、和換算反射信號(hào)分量估值的功率譜(根據(jù)自適應(yīng)反射信號(hào)抵銷器的運(yùn)行)來實(shí)現(xiàn)，由此提供剩余反射信號(hào)的功率譜的估值。
換算反射信號(hào)分量估值的功率譜可包括以下步驟確定自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)反射損耗增強(qiáng)量，以及把反射信號(hào)分量估值的功率譜與反射信號(hào)反射損耗增強(qiáng)量相乘，以提供剩余反射信號(hào)的功率譜的估值?？商鎿Q地，換算反射信號(hào)分量估值的功率譜可包括以下步驟確定自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)反射損耗增強(qiáng)量，計(jì)算反射信號(hào)分量估值的功率譜的平均值，把該平均值與反射信號(hào)反射損耗增強(qiáng)量相乘從而提供一個(gè)飽和值，把反射信號(hào)分量估值的功率譜與反射信號(hào)反射損耗增強(qiáng)量相乘從而提供已換算的頻譜，以及在飽和值處限幅(Clipping)已換算的頻譜，由此提供剩余反射信號(hào)的功率譜的估值。
有利地，本發(fā)明還提供了用于把適當(dāng)?shù)氖孢m的噪聲附加到濾波的(即，反射信號(hào)抑制的)通信信號(hào)中的方法和設(shè)備?？傮w上，通信信號(hào)的噪聲分量的功率譜被估值，以及根據(jù)估值的噪聲分量功率譜和根據(jù)占優(yōu)勢(shì)的反射信號(hào)抑制濾波特性來產(chǎn)生舒適的噪聲。按照本發(fā)明的示例性實(shí)施例，舒適的噪聲在被抑制的頻率處附加上能量(即，在濾波特性中能去除能量以及由此能抑制反射信號(hào)的頻率上)，以使得在這些頻率上的總的能量等于占優(yōu)勢(shì)的噪聲的能量。
本發(fā)明的上述的和其它的特性和優(yōu)點(diǎn)在后面參照附圖顯示的說明性實(shí)例被詳細(xì)地說明。本領(lǐng)域技術(shù)人員將會(huì)看到，上述實(shí)施例被提供來用于說明和理解，以及這里預(yù)期有多個(gè)等同的實(shí)施例。
附圖簡(jiǎn)述

圖1是其中可以實(shí)施本發(fā)明的教導(dǎo)的示例性聲學(xué)反射信號(hào)抑制系統(tǒng)的方框圖。
圖2是其中可以實(shí)施本發(fā)明的教導(dǎo)的示例性網(wǎng)絡(luò)反射信號(hào)抑制系統(tǒng)的方框圖。
圖3提供典型的反射信號(hào)信號(hào)與相應(yīng)的剩余反射信號(hào)信號(hào)的頻域比較，由此進(jìn)一步提供對(duì)于本發(fā)明的某些方面的推動(dòng)情況。
圖4是描繪按照本發(fā)明的剩余反射信號(hào)抑制的示例性方法的步驟的流程圖。
發(fā)明詳細(xì)說明本發(fā)明的頻域非線性處理技術(shù)在聲學(xué)和網(wǎng)絡(luò)反射信號(hào)抑制方面同樣可應(yīng)用的。因此，圖1和2分別描繪了其中可以實(shí)施本發(fā)明的教導(dǎo)的、示例性聲學(xué)和網(wǎng)絡(luò)反射信號(hào)抑制系統(tǒng)100，200。如圖所示，示例性聲學(xué)反射信號(hào)抑制系統(tǒng)100包括話筒110，揚(yáng)聲器120，線性反射信號(hào)抵銷器130，非線性處理器140，舒適噪聲發(fā)生器150，以及第一和第二加法裝置160，170。示例性網(wǎng)絡(luò)反射信號(hào)抑制系統(tǒng)200包括圖1的反射信號(hào)抵銷器130，非線性處理器140，舒適噪聲發(fā)生器150，和加法裝置160，170，以及混合匯接裝置210和第三加法裝置220。本領(lǐng)域技術(shù)人員將會(huì)看到，以下描述的、圖1和2的各種單元的功能可以通過使用已知的數(shù)字信號(hào)處理部件，一個(gè)或多個(gè)專用集成電路(ASIC)，或通用數(shù)字計(jì)算機(jī)，而被實(shí)施。
在運(yùn)行時(shí)，圖1的揚(yáng)聲器120接收遠(yuǎn)端音頻信號(hào)x(t)以及輸出相應(yīng)的聲音信號(hào)給近端系統(tǒng)用戶(未示出)。同時(shí)，話筒110接收聲音信號(hào)，其中包括近端語音分量v1(t)，近端噪聲分量v2(t)，和由揚(yáng)聲器輸出端的反射造成的反射信號(hào)分量s(t)。話筒110把接收的聲音信號(hào)變換成相應(yīng)的音頻信號(hào)y(t)，后者被耦合到第一加法裝置160的相加輸入端。另外，線性反射信號(hào)抵銷器130通過使用已知的自適應(yīng)濾波技術(shù)處理遠(yuǎn)端音頻信號(hào)x(t)，以便提供話筒信號(hào)y(t)的反射信號(hào)分量s(t)的估值(t)。結(jié)果的反射信號(hào)估值(t)被耦合到第一加法裝置160的相減輸入端，因此它從話筒信號(hào)y(t)被減去，從而提供反射信號(hào)抵銷的信號(hào)，或誤差信號(hào)e(t)。
誤差信號(hào)e(t)被反饋到線性反射信號(hào)抵銷器，以便在提供反射信號(hào)估值(t)時(shí)被使用，以及被耦合到非線性處理器140的輸入端。正如下面詳細(xì)地描述的，非線性處理器140根據(jù)反射信號(hào)估值(t)來濾波誤差信號(hào)，從而提供反射信號(hào)抑制的輸出信號(hào)eNLP(t)，后者被耦合到第二加法裝置170的相加輸入端。正如下面詳細(xì)地描述的，舒適的噪聲發(fā)生器150根據(jù)誤差信號(hào)e(t)和根據(jù)非線性處理器140的占優(yōu)勢(shì)的濾波特性來提供舒適噪聲信號(hào)c(t)。舒適噪聲信號(hào)c(t)被耦合到第二加法裝置170的第二相加輸入端，由此被附加到非線性處理器140的反射信號(hào)抑制的輸出eNLP(t)上，從而提供反射信號(hào)抑制的、和舒適噪聲增強(qiáng)的輸出信號(hào)eNLP+CN(t)。
在圖2的網(wǎng)絡(luò)系統(tǒng)200中，混合匯接裝置210接收遠(yuǎn)端音頻信號(hào)x(t)以及提供相應(yīng)的網(wǎng)絡(luò)信號(hào)給近端系統(tǒng)用戶(未示出)。另外，在混合匯接裝置210處的阻抗失配造成遠(yuǎn)端信號(hào)x(t)的反射信號(hào)s(t)被加性地與接收的近端話音和噪聲信號(hào)v1(t)，v2(t)相耦合(概念地通過第三加法裝置220顯示)，以及被反饋回第一加法裝置160的相加輸入端。正如圖1中的系統(tǒng)100那樣，線性反射信號(hào)抵銷器130通過使用已知的自適應(yīng)濾波技術(shù)處理遠(yuǎn)端音頻信號(hào)x(t)，從而提供近端信號(hào)y(t)的反射信號(hào)分量s(t)的估值(t)。結(jié)果的反射信號(hào)估值(t)被耦合到第一加法裝置160的相減輸入端，因此它從近端信號(hào)y(t)中被減去，從而提供反射信號(hào)抵銷的或誤差信號(hào)e(t)。非線性處理器140和舒適噪聲發(fā)生器150對(duì)誤差信號(hào)e(t)所進(jìn)行的處理正如參照?qǐng)D1描述的和下面詳細(xì)描述的那樣，從而可以提供反射信號(hào)抑制的、和舒適噪聲增強(qiáng)的輸出信號(hào)eNLP+CN(t)。
在聲學(xué)和網(wǎng)絡(luò)系統(tǒng)100，200中，誤差信號(hào)e(n)等于近端語音v1(n)，背景噪聲v2(n)和反射信號(hào)s(n)的和，再減去估值的(n)(其中變量n被使用來表示時(shí)域樣本)e(n)＝v1(n)＋v2(n)＋s(n)－(n)另外，剩余反射信號(hào)(n)被規(guī)定為小于估值反射信號(hào)s(n)的真實(shí)反射信號(hào)s(n)(n)＝s(n)－(n)按照本發(fā)明，非線性處理器140的濾波特性根據(jù)誤差信號(hào)e(n)和剩余反射信號(hào)(n)被動(dòng)態(tài)地計(jì)算。具體地，誤差信號(hào)e(n)的頻譜分量與剩余反射信號(hào)的頻譜分量的估值(n)進(jìn)行比較，以及非線性處理器140的濾波特性被調(diào)整成只傳送在其中剩余反射信號(hào)(n)在某種意義上是誤差信號(hào)e(n)的主要分量的那些頻率。
為了比較誤差信號(hào)e(n)的頻譜分量與剩余反射信號(hào)(n)的頻譜分量，誤差信號(hào)e(n)和反射信號(hào)估值(n)首先被變換成頻域。例如，M點(diǎn)快速富立葉變換(FFT)可被使用來直接從時(shí)域樣本計(jì)算相應(yīng)的頻域信號(hào)E(k)，(k)(其中k代表從0到0.5的離散頻率，其步長為2/M)?？商鎿Q地，為了減小頻域結(jié)果中的方差，首先根據(jù)每個(gè)信號(hào)的一組N個(gè)時(shí)域數(shù)據(jù)樣本，來針對(duì)誤差信號(hào)e和反射信號(hào)估值計(jì)算階數(shù)p的自回歸(AR)模型。零填充的AR(p)序列的M點(diǎn)FFT然后提供所需要的離散頻域變量E(k)和(k)。實(shí)際上，變量p，N和M的適當(dāng)?shù)臄?shù)值分別是10，160和256。當(dāng)然，用于對(duì)誤差信號(hào)e建模所使用的階數(shù)p可以是與用于對(duì)反射信號(hào)估值建模所使用的階數(shù)不同的。
一旦頻域序列E(k)和(k)被計(jì)算出，對(duì)于每個(gè)序列的相應(yīng)的功率譜密度(PSD)就可以通過把每個(gè)序列與它的復(fù)數(shù)共軛序列如下地以樣本的方式進(jìn)行相乘而被計(jì)算出來Φe(k)＝E(k)E*(k)Φ(k)＝(k)*(k)接著，剩余反射信號(hào)的功率譜密度Φ可以根據(jù)估值的反射信號(hào)的功率譜密度Φ未估值。通過使用由反射信號(hào)抵銷器提供的反射信號(hào)反射損耗增強(qiáng)值(ERLE)，可以得到一級(jí)近似。反射信號(hào)抵銷器的ERLE提供由反射信號(hào)抵銷器達(dá)到的反射信號(hào)抑制級(jí)別的指示，以及用于計(jì)算反射信號(hào)抵銷器的ERLE的方法是公知的。假定剩余反射信號(hào)的頻譜類似于估值的反射信號(hào)的頻譜，則剩余反射信號(hào)的功率譜密度可以如下地被估值為低于估值的反射信號(hào)的功率譜密度的ERLE dBΦ^s^(k)=ERLEΦs^(k)]]>
然而，觀察實(shí)驗(yàn)數(shù)據(jù)可以看到，剩余反射信號(hào)比反射信號(hào)估值低的數(shù)值實(shí)際上常常比ERLE dB高得多，特別是對(duì)于具有低能量(相對(duì)于頻譜中最大能量來說)的頻率(對(duì)于語音，通常是較高的頻率)而言。例如，參閱圖3，其中實(shí)際剩余反射信號(hào)曲線320比起實(shí)際估值的反射信號(hào)曲線310而言，對(duì)于較低的頻率范圍(圖上的0到0.25)，低大約ERLE dB(圖上約15dB)，以及對(duì)于較高的頻率范圍(圖上的0.25到0.5)，則低出的數(shù)值大于ERLE dB。
為了提供較好的近似，ERLE測(cè)量可被做成與頻率相關(guān)的。然而，這樣做，需要穩(wěn)定的分布(當(dāng)實(shí)際上ERLE常常隨時(shí)間以及頻率變化時(shí))，以及在其中重大的近端能量存在在較高的頻帶的情況下，會(huì)引入不希望的近端信號(hào)限幅程度。更實(shí)際的解決辦法可通過在比估值的反射信號(hào)的功率譜密度的平均電平低ERLE dB的地方，使剩余反射信號(hào)的功率譜密度的估值飽和而達(dá)到Φs^(k)≈Max(ERLEΦs^(k),ERLEΦs^‾)]]>剩余反射信號(hào)的功率譜密度的估值然后可被使用來導(dǎo)出對(duì)于非線性處理器的適當(dāng)?shù)臑V波特性或轉(zhuǎn)移函數(shù)H(k)。例如，頻譜相減的教導(dǎo)(它常常被使用于減小噪聲方面)可被應(yīng)用來如下地提供直觀的正確的反射信號(hào)限幅濾波器H(k)H(k)=Φs^(k)-δ1Φi(k)Φs^(k)]]>其中δ1是相減因子。實(shí)驗(yàn)研究表明δ1的數(shù)值在1-4的范圍內(nèi)對(duì)于反射信號(hào)抑制是適當(dāng)?shù)摹?br> 實(shí)際上，直接從上式確定濾波器H(k)是過分復(fù)雜的(即，通過標(biāo)準(zhǔn)數(shù)字信號(hào)處理部件計(jì)算平方根，經(jīng)常是不希望的)，而且，反射信號(hào)衰減的程度由于估值誤差因而可能是不滿意的。更簡(jiǎn)單的和更嚴(yán)格的限幅解決辦法可以通過去除在其中剩余反射信號(hào)在一定程度上是占優(yōu)勢(shì)的頻率點(diǎn)處的所有的功率、同時(shí)傳送在其中剩余反射信號(hào)在一定程度上不占優(yōu)勢(shì)的頻率點(diǎn)處的所有的功率(所以已被可感覺地屏蔽)，而被達(dá)到。例如，對(duì)于每個(gè)頻率點(diǎn)k的限幅準(zhǔn)則可被形成為H(k)=0ifΦe(k)<δ1Φ^s^(k),elseH(k)=1]]>由于以上的方程將提供快速改變的功率譜密度(由于隨著時(shí)間而在H(k)＝1和H(k)＝0之間急劇地改變)，濾波特性實(shí)際上可被平滑或加以平均，從而提供軟過渡。通過這樣就可以給出具有最小的失真的高的性能(諸如音樂的音調(diào))。例如，平滑NLP濾波器Hav(k)可被更新為Hav(k)＝H(k)(1－α(1－Hav(k)))其中實(shí)驗(yàn)研究表明對(duì)于α的適當(dāng)?shù)闹凳?.6。
誤差信號(hào)E(k)的頻域形式(通過進(jìn)行時(shí)域誤差信號(hào)e(n)的M點(diǎn)FFT而得出)然后通過使用平滑NLP轉(zhuǎn)移函數(shù)Hav(k)來進(jìn)行濾波，以及該結(jié)果最后通過使用逆快速富立葉變換(IFFT)而被變換回時(shí)域。換句話說，反射信號(hào)抑制的NLP輸出被給出為eNLP(n)＝IFFT(Hav－E)其中表示矢量Hav和E的按元素方式(elementwise)的乘法?？商鎿Q地，頻域矢量Hav和E首先可被變換成時(shí)域，然后被進(jìn)行卷積，從而給出NLP輸出。
雖然由以上的方程給出的NLP輸出可以按需要地有效地抑制剩余反射信號(hào)，但應(yīng)當(dāng)指出，在進(jìn)行接收的用戶看來，被去除的頻率也將導(dǎo)致產(chǎn)生變化的背景電平。按照本發(fā)明的另一個(gè)方面，然而，這個(gè)影響可以通過在策略上替代這些被去除的能量而得到減輕。具體地，輸出信號(hào)可以通過附加上在被抑制的頻率處的能量而被平滑，從而使得在這些頻率處的能量等于占優(yōu)勢(shì)的背景噪聲電平。
例如，話音活動(dòng)性檢測(cè)器(VAD)可被使用來確定在NLP的輸入端處是否存在語音(無論是源還是反射信號(hào))。在語音暫停期間，VAD表示只存在噪聲，以及占優(yōu)勢(shì)的背景噪聲的功率譜密度的估值可被更新為Φ^v2(k)=βΦ^v2(k)+(1-β)V2(k)V2*(k)]]>用于實(shí)施VAD的功能的方法是熟知的。另外，實(shí)驗(yàn)研究表明，當(dāng)更新噪聲估值時(shí)，可以合理地假定背景噪聲在移動(dòng)電話的情況在大約一秒的范圍、以及在固定電話網(wǎng)的情況在更長的時(shí)間范圍是平穩(wěn)的。
在語音暫停期間內(nèi)估值的背景噪聲然后在具有剩余反射信號(hào)(或者單向說話或者雙向說話)的時(shí)間間隔期間被使用來提供舒適的噪聲頻譜，它可以有效地填充由濾波器Hav(k)產(chǎn)生的空洞。換句話說，舒適噪聲頻譜C(k)可被創(chuàng)建為C(k)=(1-H(k)H(k))Φv2(k)N(k)]]>其中N(k)是具有單位方差的白噪聲序列的富立葉變換。
可替換地，舒適噪聲頻譜C(k)可被創(chuàng)建為C(k)(1-H(k)H(k))Φv2(k)e1φ(k)]]>其中相位φ(k)對(duì)于在從1到(M/2－1)的間隔中的k是隨機(jī)地分布在-π和π之間的，以及φ(0)＝φ(M/2)＝0。對(duì)于奈奎斯特頻率M/2以上的頻率，相位被給定為φ(k)＝-φ(M－k)k∈[M2+1,M-1]]]>
由于C(k)中的相位是共軛對(duì)稱的，所以保證是實(shí)數(shù)時(shí)域序列c(n)。結(jié)果得到的舒適的噪聲然后被附加到反射信號(hào)抑制輸出信號(hào)上，從而得出如下的反射信號(hào)抑制的、和舒適噪聲增強(qiáng)的輸出信號(hào)eNLP＋CN(n)＝eNLP(n)＋c(n)可替換地，反射信號(hào)抑制的、和舒適噪聲增強(qiáng)的輸出信號(hào)首先在頻域中被計(jì)算，然后如下地被變換成時(shí)域ENLP+CN(k)＝Hav(k)·E(k)＋C(k)eNLP+CN＝IFFT(ENLP+CN)總之，本發(fā)明提供用于例如反射信號(hào)抑制的頻域的非線性處理技術(shù)。通常，按照本發(fā)明構(gòu)建的非線性處理器可以去除在通信信號(hào)中那些剩余反射信號(hào)占優(yōu)勢(shì)的頻率處的能量(例如，其中剩余反射信號(hào)功率占據(jù)了通信信號(hào)的總功率的一定的百分?jǐn)?shù)以上)。本發(fā)明還教導(dǎo)用于替代所去除的能量的方法，由此能平滑結(jié)果產(chǎn)生的信號(hào)，從而改善接收用戶對(duì)經(jīng)過反射信號(hào)抑制的信號(hào)的感覺。有利地，按照本發(fā)明的非線性處理器可以在整個(gè)對(duì)話期間抑制剩余反射信號(hào)。本領(lǐng)域技術(shù)人員將會(huì)看到，本發(fā)明的上述算法可以按樣本方式或按組的方式來應(yīng)用。本領(lǐng)域技術(shù)人員將會(huì)看到，通過在實(shí)行上述的程序時(shí)把頻率點(diǎn)編組，可以使計(jì)算復(fù)雜性減小，以及可以得到提高速度的優(yōu)點(diǎn)。
現(xiàn)在通過圖4的流程圖描繪按照本發(fā)明的具體的有用的算法400。在步驟410，階數(shù)p的自回歸模型根據(jù)時(shí)域估值被計(jì)算(例如，使用熟知的Levinson-Durbin算法)，在步驟402，結(jié)果產(chǎn)生的時(shí)域模型被變換成頻域(例如，借助FFT)。同樣地，在步驟415和425，時(shí)域誤差信號(hào)被建模(使用階數(shù)q的自回歸模型)，以及被變換成頻域。結(jié)果產(chǎn)生的頻域序列然后在步驟430被比較，從而提供用于非線性處理器的濾波器轉(zhuǎn)移函數(shù)H。例如，NLP濾波器H的每個(gè)抽頭可被設(shè)置為1或0，這取決于對(duì)于相應(yīng)的頻率的估值反射信號(hào)的功率是否大于誤差信號(hào)功率的一個(gè)預(yù)定的百分?jǐn)?shù)。
在步驟440，誤差信號(hào)的FFT被計(jì)算，以及在步驟450，結(jié)果產(chǎn)生的頻域誤差序列被NLP濾波器H濾波(即，按元素相乘)，以提供在頻域中的反射信號(hào)抑制的輸出信號(hào)。同時(shí)，濾波函數(shù)H在步驟460被換算，以及在步驟470產(chǎn)生其幅度等于誤差信號(hào)背景噪聲的占優(yōu)勢(shì)的電平的隨機(jī)化的舒適噪聲。如上所述，舒適的噪聲是根據(jù)占優(yōu)勢(shì)的背景噪聲的估值而產(chǎn)生的，只有當(dāng)誤差信號(hào)中不存在語音時(shí)噪聲估值才被更新(在圖上，在步驟445通過VAD顯示)。步驟460和470的結(jié)果在步驟480被組合起來，從而提供特別定做的舒適噪聲，以便合適地替代由NLP濾波器H從誤差信號(hào)中去除的能量。在步驟490，結(jié)果產(chǎn)生的舒適的噪聲按元素方式地被附加到反射信號(hào)抑制的輸出信號(hào)中，從而提供在頻域中經(jīng)過反射信號(hào)抑制的和舒適噪聲增強(qiáng)的輸出信號(hào)。最后，在步驟495，使用IFFT來把經(jīng)過反射信號(hào)抑制的、和舒適噪聲增強(qiáng)的輸出信號(hào)變換到時(shí)域。
本領(lǐng)域技術(shù)人員將會(huì)看到，本發(fā)明不限于這里為了說明而描述的、特定的示例性實(shí)施例，并且也預(yù)期存在著多種替換的實(shí)施例。例如，雖然參照包括領(lǐng)先的反射信號(hào)抵銷器在內(nèi)的系統(tǒng)描述了所揭示的NLP實(shí)施例，但這些同樣的NLP實(shí)施例也可以被用作為獨(dú)立的裝置來提供優(yōu)于通過傳統(tǒng)的通/關(guān)轉(zhuǎn)換方式而提供的抵銷器的解決方案。以上參照領(lǐng)先的反射信號(hào)抵銷器和結(jié)尾的NLP所提供的推導(dǎo)體系可以通過在任何情況下用反射信號(hào)產(chǎn)生的信號(hào)x(t)代替反射信號(hào)估值，而被容易地應(yīng)用到獨(dú)立的NLP。在這樣的情況下，剩余反射信號(hào)可以根據(jù)預(yù)期的或測(cè)量的反射信號(hào)返回路徑而在低于反射信號(hào)產(chǎn)生的(例如，揚(yáng)聲器)信號(hào)的某個(gè)固定的或動(dòng)態(tài)調(diào)整的電平上進(jìn)行估值。所以，本發(fā)明的范圍由附屬權(quán)利要求而不是由上述的說明來規(guī)定，以及與權(quán)利要求的意義一致的、所有的等同物都應(yīng)被包括在內(nèi)。
權(quán)利要求
1.用于抑制通信信號(hào)中剩余反射信號(hào)的方法，包括以下步驟計(jì)算通信信號(hào)的功率譜；估值剩余反射信號(hào)的功率譜；比較計(jì)算的通信信號(hào)功率譜和估值的剩余反射信號(hào)分量功率譜；根據(jù)所述比較步驟的結(jié)果，調(diào)整濾波特性；以及通過使用調(diào)整的濾波特性來對(duì)通信信號(hào)濾波，從而抑制剩余反射信號(hào)。
2.權(quán)利要求1的方法，其中計(jì)算通信信號(hào)的功率譜的步驟包括以下步驟把通信信號(hào)的多個(gè)時(shí)域樣本變換成相應(yīng)數(shù)目的通信信號(hào)的復(fù)數(shù)頻域樣本；以及把通信信號(hào)的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供通信信號(hào)的功率譜樣本。
3.權(quán)利要求2的方法，其中所述把通信信號(hào)的多個(gè)時(shí)域樣本變換成相應(yīng)數(shù)目的通信信號(hào)的復(fù)數(shù)頻域樣本的步驟包括計(jì)算通信信號(hào)的所述數(shù)目的時(shí)域樣本的快速富立葉變換的步驟。
4.權(quán)利要求3的方法，其中所述把通信信號(hào)的多個(gè)時(shí)域樣本變換成通信信號(hào)的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本的步驟還包括在計(jì)算快速富立葉變換以前計(jì)算時(shí)域樣本的自回歸模型的步驟。
5.權(quán)利要求1的方法，其中剩余反射信號(hào)是由于源信號(hào)通過反射信號(hào)返回路徑傳輸而造成的，以及其中所述估值剩余反射信號(hào)的功率譜的步驟包括以下步驟把源信號(hào)的多個(gè)時(shí)域樣本變換成源信號(hào)的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本；把源信號(hào)的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供源信號(hào)的功率譜樣本；估值反射信號(hào)返回路徑的衰減因子；以及按照估值的衰減因子來換算源信號(hào)的功率譜樣本，從而提供剩余反射信號(hào)的估值的功率譜樣本。
6.權(quán)利要求5的方法，其中反射信號(hào)返回路徑的衰減因子的估值是靜態(tài)的。
7.權(quán)利要求5的方法，其中反射信號(hào)返回路徑的衰減因子被動(dòng)態(tài)地估值。
8.權(quán)利要求5的方法，其中所述把源信號(hào)的多個(gè)時(shí)域樣本變換成源信號(hào)的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本的步驟包括計(jì)算源信號(hào)的所述數(shù)目的時(shí)域樣本的快速富立葉變換的步驟。
9.權(quán)利要求8的方法，其中所述把源信號(hào)的多個(gè)時(shí)域樣本變換成源信號(hào)的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本的步驟還包括在計(jì)算快速富立葉變換以前計(jì)算時(shí)域樣本的自回歸模型的步驟。
10.權(quán)利要求1的方法，其中通信信號(hào)是由自適應(yīng)反射信號(hào)抵銷器根據(jù)輸入信號(hào)和根據(jù)輸入信號(hào)的反射信號(hào)分量的估值被輸出的，以及其中所述估值剩余反射信號(hào)的功率譜的步驟包括以下步驟計(jì)算反射信號(hào)分量估值的功率譜；以及根據(jù)自適應(yīng)反射信號(hào)抵銷器的運(yùn)行，換算反射信號(hào)分量估值的功率譜，從而提供剩余反射信號(hào)的功率譜的估值。
11.權(quán)利要求10的方法，其中計(jì)算反射信號(hào)分量估值的功率譜的步驟包括以下步驟把反射信號(hào)分量估值的多個(gè)時(shí)域樣本變換成反射信號(hào)分量估值的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本；以及把反射信號(hào)分量估值的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供反射信號(hào)分量估值的功率譜樣本。
12.權(quán)利要求11的方法，其中所述把反射信號(hào)分量估值的多個(gè)時(shí)域樣本變換成反射信號(hào)分量估值的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本的步驟包括計(jì)算反射信號(hào)分量估值的所述數(shù)目的時(shí)域樣本的快速富立葉變換的步驟。
13.權(quán)利要求12的方法，其中所述把反射信號(hào)分量估值的多個(gè)時(shí)域樣本變換成反射信號(hào)分量估值的相應(yīng)數(shù)目的復(fù)數(shù)頻域樣本的步驟還包括在計(jì)算快速富立葉變換以前計(jì)算時(shí)域樣本的自回歸模型。
14.權(quán)利要求10的方法，其中所述換算反射信號(hào)分量估值的功率譜的步驟包括以下步驟確定自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)反射損耗增強(qiáng)量，以及把反射信號(hào)分量估值的功率譜乘以反射信號(hào)反射損耗增強(qiáng)量，以便提供剩余反射信號(hào)的功率譜的估值。
15.權(quán)利要求10的方法，其中所述換算反射信號(hào)分量估值的功率譜的步驟包括以下步驟確定自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)反射損耗增強(qiáng)量；計(jì)算反射信號(hào)分量估值的功率譜的平均值；把該平均值乘以反射信號(hào)反射損耗增強(qiáng)量，從而提供一個(gè)飽和值；把反射信號(hào)分量估值的功率譜乘以反射信號(hào)反射損耗增強(qiáng)量，從而提供換算的頻譜；以及在該飽和值限幅換算的頻譜，從而提供剩余反射信號(hào)的功率譜的估值。
16.權(quán)利要求10的方法，其中反射信號(hào)分量估值的功率譜由Φ(k)給出，k是有限的正整數(shù)，其中自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)損耗增強(qiáng)因子由ERLE給出，以及其中剩余反射信號(hào)的功率譜估值被計(jì)算為ERLEΦs(k)。
17.權(quán)利要求16的方法，其中反射信號(hào)損耗增強(qiáng)因子可作為頻率的函數(shù)變化，以及由ERLE(k)給出，
18.權(quán)利要求10的方法，其中反射信號(hào)分量估值的功率譜由Φ(k)給出，k是有限的正整數(shù)，其中自適應(yīng)反射信號(hào)抵銷器的反射信號(hào)損耗增強(qiáng)因子由ERLE給出，以及其中剩余反射信號(hào)的功率譜估值被計(jì)算為Max(ERLEΦs^(k),ERLEΦs^‾).]]>
19.權(quán)利要求18的方法，其中反射信號(hào)損耗增強(qiáng)因子可作為頻率的函數(shù)變化，以及由ERLE(k)給出，
20.權(quán)利要求1的方法，其中濾波特性由多個(gè)系數(shù)H(k)給出，k是有限的正整數(shù)，其中通信信號(hào)的計(jì)算的功率譜由Φe(k)給出，其中剩余反射信號(hào)的估值的功率譜由Φs(k)給出，其中δ1是相減因子，以及其中濾波特性被計(jì)算為H(k)=Φs(k)-δ1Φs(k)Φe(k).]]>
21.權(quán)利要求1的方法，其中濾波特性由多個(gè)系數(shù)H(k)給出，k是有限的正整數(shù)，其中通信信號(hào)的計(jì)算的功率譜由Φe(k)給出，其中剩余反射信號(hào)的估值的功率譜由Φs(k)給出，其中δ1是相減因子，以及其中濾波特性被計(jì)算為H(k)＝0 if Φe(k)＜δ1Φs(k)，else H(k)＝1.
22.權(quán)利要求21的方法，其中濾波特性系數(shù)H(k)在時(shí)間上被平均。
23.權(quán)利要求1的方法，還包括把舒適噪聲附加到濾波的通信信號(hào)的步驟。
24.權(quán)利要求23的方法，其中所述把舒適的噪聲附加到濾波的通信信號(hào)的步驟包括以下步驟估值通信信號(hào)的噪聲分量的功率譜；以及根據(jù)通信信號(hào)的噪聲分量的估值的功率譜產(chǎn)生舒適的噪聲。
25.權(quán)利要求24的方法，其中濾波特性由多個(gè)系數(shù)H(k)給出，k是有限的正整數(shù)，其中通信信號(hào)的噪聲分量的估值的功率譜由Φv2(k)給出，其中N(k)代表單位方差的白噪聲序列的富立葉變換，以及其中舒適的噪聲被計(jì)算為C(k)=(1-H(k)H(k))Φv2(k)N(k).]]>
26.反射信號(hào)抑制器，包括處理器，被配置來計(jì)算通信信號(hào)的功率譜和估值通信信號(hào)的剩余反射信號(hào)分量的功率譜；以及自適應(yīng)濾波器，被配置來處理通信信號(hào)，以及由此抑制剩余反射信號(hào)分量，其中自適應(yīng)濾波器的濾波特性通過比較通信信號(hào)的功率譜和剩余反射信號(hào)的估值的功率譜而被調(diào)整。
27.用于抑制通信信號(hào)中剩余反射信號(hào)的設(shè)備，包括用于計(jì)算通信信號(hào)的功率譜的裝置；用于估值剩余反射信號(hào)的功率譜的裝置；用于比較計(jì)算的通信信號(hào)功率譜和估值的剩余反射信號(hào)的功率譜的裝置；用于根據(jù)所述比較步驟的結(jié)果來調(diào)整濾波特性的裝置；以及用于通過使用調(diào)整的濾波特性來濾波通信信號(hào)從而抑制剩余反射信號(hào)的裝置。
28.用于抑制通信信號(hào)中剩余反射信號(hào)的方法，包括以下步驟計(jì)算通信信號(hào)的功率譜；估值剩余反射信號(hào)的功率譜；根據(jù)計(jì)算的通信信號(hào)功率譜和根據(jù)剩余反射信號(hào)的估值的功率譜來調(diào)整濾波特性；以及通過使用調(diào)整的濾波特性來濾波通信信號(hào)從而抑制剩余反射信號(hào)，其中，在所述計(jì)算和估值步驟的至少一個(gè)步驟中，功率譜是從時(shí)域信號(hào)的自回歸模型導(dǎo)出的。
29.權(quán)利要求28的方法，其中所述計(jì)算通信信號(hào)的功率譜的步驟包括以下步驟計(jì)算通信信號(hào)的多個(gè)時(shí)域樣本的自回歸模型；計(jì)算自回歸模型的快速富立葉變換，從而提供通信信號(hào)的多個(gè)復(fù)數(shù)頻域樣本；以及把通信信號(hào)的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供通信信號(hào)的功率譜樣本。
30.權(quán)利要求28的方法，其中剩余反射信號(hào)是由于源信號(hào)通過反射信號(hào)返回路徑傳輸而造成的，以及其中所述估值剩余反射信號(hào)的功率譜的步驟包括以下步驟計(jì)算源信號(hào)的多個(gè)時(shí)域樣本的自回歸模型；計(jì)算自回歸模型的快速富立葉變換，從而提供源信號(hào)的多個(gè)復(fù)數(shù)頻域樣本；把源信號(hào)的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供源信號(hào)的功率譜樣本；估值反射信號(hào)返回路徑的衰減因子；以及用估值的衰減因子來換算源信號(hào)的功率譜樣本，從而提供剩余反射信號(hào)的估值的功率譜樣本。
31.權(quán)利要求28的方法，其中通信信號(hào)是由自適應(yīng)反射信號(hào)抵銷器根據(jù)輸入信號(hào)和根據(jù)輸入信號(hào)的反射信號(hào)分量的估值而被輸出的，以及其中所述估值剩余反射信號(hào)的功率譜的步驟包括以下步驟計(jì)算反射信號(hào)分量估值的多個(gè)時(shí)域樣本的自回歸模型；計(jì)算自回歸模型的快速富立葉變換，從而提供反射信號(hào)分量估值的多個(gè)復(fù)數(shù)頻域樣本；把反射信號(hào)分量估值的每個(gè)復(fù)數(shù)頻域樣本乘以它的復(fù)數(shù)共軛值，從而提供反射信號(hào)分量估值的功率譜樣本；以及根據(jù)自適應(yīng)反射信號(hào)抵銷器的運(yùn)行來換算反射信號(hào)分量估值的功率譜樣本，從而提供剩余反射信號(hào)的功率譜樣本的估值。
全文摘要
頻域非線性處理技術(shù)被應(yīng)用于反射信號(hào)抑制方面。按照示例性實(shí)施例,非線性處理器的濾波特性可以通過比較通信信號(hào)的剩余反射信號(hào)分量的頻譜與總的通信信號(hào)本身的頻譜而動(dòng)態(tài)地被調(diào)整。例如,濾波特性被調(diào)整成為使得非線性處理器只阻塞其中剩余反射信號(hào)在某種意義上占優(yōu)勢(shì)的那些信號(hào)頻率。所揭示的技術(shù)使得有可能在整個(gè)對(duì)話期間進(jìn)行全雙工通信同時(shí)有效地抑制剩余反射信號(hào)。
文檔編號(hào)H04B3/21GK1332911SQ9981509
公開日2002年1月23日 申請(qǐng)日期1999年10月22日 優(yōu)先權(quán)日1998年10月23日
發(fā)明者P·瑟爾奎斯特, A·艾利松 申請(qǐng)人:艾利森電話股份有限公司