回声消除 本发明涉及一种多通道回声消除(AEC)的方法，本方法适用于可从单声道信号中得到多通道空间信号的系统，系统中的每一个通道被用于一系列不同增益的扩音器中的各个单元以产生感觉上或听觉上方向性的幻觉。在这里这类空间信号术语上被称作可控的单声道。可控的单声道使用了两个或更多的增益单元来表示空间，可控的单声道被映射到扫视的处理器上以产生相应的扩音器输出。在将要描述地实施例中，具有两个扩音器的被称为“从可控单声道中得到立体声”(SSM)的系统使用了二通道立体声信号，但是本发明的原理也可用于多于两个通道的系统。本发明用于电话会议系统，在该系统中为了方便听者而人为设定每个讲话者声音的空间位置。
在电话会议系统中为了良好的语音通信而使用扩音器和麦克风，与头戴式耳机相比，回声消除的方法是必须的。如图1所示的单声道系统的拓扑结构使用了大量不同的诸如最小均方(LMS)，递归最小二乘方(RLS)或者快速仿射投影(fast affine projection)(FAP)这样的自适应过程。然而，对于立体声的和多通道的系统，现有的解决方案远不及仍要克服的一些主要障碍。与单声道情况下的信号路径相比(这假定使用了一个麦克风，当人为创建一个空间时，通常是这种情况。一般的说，回声路径的数目是扩音器的数目与麦克风的数目的乘积)，图2中的例子给出了具有两个回声路径h1和h2的立体声系统(这两个路径包括麦克风和扩音器脉冲响应)。
现有的解决立体声回声消除问题的方案一般采取如图2所示的系统结构，该系统中讲话者到麦克风的路径的响应是不知道的。回声消除器中自适应处理的目的就是使用信号x1(t)，x2(t)和e(t)来调整自适应滤波器和以使e(t)→0 (1)利用现有的自适应滤波器处理不可能得到滤波器的收敛序列以使作为替代，可得到例如下面的收敛解式h1*g1+h2*g2=h^1*g1+h^2*g2---(3)]]>其中*是卷积符。注意到等式(3)满足等式(1)，但是等式(2)不是等式(3)唯一的解式，这样不能从这个结果中得到h1和h2的值。
如果滤波器(filter)g1或者g2变化了，可能是由于讲话者的移动，则不能保持等式(3)的相等(除非等式(2)仍然满足)。这样，回声消除器不在产生收敛的解式并且讲话者所听到的的回声在程度上提高了。
关于这个问题提出了各种解决方案，或者使用扩音器信号x1和x2或者利用信号x1和x2的性质。这些解决方案的目的都是利用两个信号的互相关性质，因为当两个信号完全去相关时表明存在等式(2)的解决方案。然而，因为在电话会议系统中信号x1和x2是固有的高度相关，利用信号的小的去相关特性的技术除了在理想条件外在任何条件下的性能都很差。
还提出了将少量单独的白噪音加入到信号x1和x2中的方法。这表明通过引入一些信号去相关极大的帮助解决等式(2)的收敛。然而，尽管通过加入噪音的方式提高了收敛度，但是不得不在这种不希望的听觉水平下加入噪音。
根据本发明，提出了一种用于多通道可控的空间信号的回声消除的方法，根据各个空间增益函数对从输入信号所产生的可控的空间信号进行修改以产生多个声音通道，回声消除处理使用组合的空间和回声路径估计，估计值是从用于各个通道的增益函数中获得的，由此当用于各个通道的增益函数变化时，产生了回声路径的估计，这个估计是基于前面的回声路径的估计和增益函数，回声路径的估计用于产生回声消除信号。
根据另外一方面，提出了用于多通道可控空间声音系统的回声消除装置，空间声音系统包括
用于接收声音信号的信号输入装置，
用于产生从声音信号中所获得的声信号的多个声音输出装置；
与声音输出装置相连的控制装置，用于产生控制声音输出装置的控制函数以便通过上述多个声音输出装置产生声音信号的空间模型；
用于检测声信号的声音输入装置；
包含有检测装置和估计装置的回声路径估计装置，检测装置用于识别各个控制装置中的增益控制函数的变化，估计装置在声音输出装置和声音输入装置之间用来产生回声路径的估计，估计是基于前面的回声路径的估计和由检测装置所检测到增益控制函数，
用来产生回声消除信号和估计的回声消除信号产生装置，回声消除信号是从控制装置所产生的空间声音信号中获得的并且估计值是由每个路径的估计装置获得的，以及
将回声消除信号施加到由声音输出装置所产生的信号中的信号组合装置。
本发明是单声道的LMS自适应处理。本发明避免了对多个回声路径估计中的两个的多次更新，例如和，并且同现有的诸如和这样的立体声回声消除处理相比减少了所需的滤波操作的次数。另外，本发明在自适应处理过程中使用了空间参数，而不像现有的立体声回声消除处理。考虑到每次空间变化时被用来更新聚合的回声路径估计的空间参数，而对LMS的更新作了改进。在第N次空间变化后(其中N是系统中的通道数目)，空间中聚合的回声路径估计收敛于将要变化的聚合的回声路径。在第N次空间变化之前，处理过程收敛于聚合的回声路径估计值的局部解，以至一些回声信号的减小仍处于处理过程的学习阶段。
对于活动业务在系统的使用之前，学习阶段可成为建立阶段的一部分。例如，所需的空间变化的数目可以通过对每个通道依次执行单声道LMS处理并设置其他的通道增益为零而完成。
参考附图，通过实例的方式，现在对本发明的实施例进行描述，在附图中
图1描绘了单通道回声消除的原理；
图2描绘了立体声回声消除的基本原理(图中只给出了返回路径的一半)；
图3描绘了本发明的实施例；
图4描绘了与图3的系统在理论上相等效的系统；
图5将现有技术的系统和本发明的系统作比较给出了如图3所示的系统的平均误差的图例描绘；
图6描绘了利用本发明的处理的路径估计和的误差失调随时间而下降；
图7给出了优选实施例的更新处理过程的流程框图。
如图1所描绘的单声道系统包括一个与源信号s(t)的信号源(麦克风11和讲话者10)相连的输出路径12。信号s(t)被传输路径12修改以产生一个供给扩音器13的扩音器信号x(t)。返回路径包括麦克风21，返回传输路径22以及扩音器23。声通道h1存在于一个路径的扩音器13与另外一个路径的麦克风21之间。因此，来自讲话者10的一些声音被返回到扩音器23并且被讲话者当作回声听见。其效果被干扰了，尤其当传输通道11，12引入了延迟，所以安装回声消除处理器24，25，26来消除信号。自适应处理器24将在返回路径22上传输的信号e(t)与在输入路径12上到达的信号x(t)作比较并且识别它们之间的相关性。这被用来控制自适应滤波器组25，以产生矢量。这个矢量是声通道h1的估计值。这个矢量通过滤波器被用来表示输入信号x(t)并且其结果在组合器26中从来自麦克风21的输入信号y(t)中减去以产生一个返回信号e(t)。如果自适应滤波器25产生了函数h1的精确估计值，回声信号y(t)因此会被自适应滤波器25的输出抵消掉并且e(t)因此为零。所以在返回路径22上所传输的唯一的信号是在麦克风21附近所产生的声音而不是从扩音器13中所接收到声音。
图2描绘了一个一般的立体声系统。除了有两个扩音器和在每个终端上的两个麦克风(在图2中由后缀“L”和“R”表示)之外，这种情况类似于图1的情况。图2仅仅给出了返回路径的一个通道22L。对于每个返回通道22L，(22R)有两个回声路径估计，每一个对应一个向外的通道12L，12R，因为每个麦克风22L，(22R)可以接收两个扩音器13L，13R的声反馈。因为两个向外的通道12L，12R传送来自同一声源10的信号，在两个估计值之间有很大的相关性并且因此产生自适应滤波器值25LL，25RL的过程是不独立的。
在如2所示的一般情况下，在接收端是不知道初始函数g1，g2的，而依靠麦克风11L，11R和讲话者10的相对位置。因此不可能得到的唯一的解式。对于给定的空间自适应处理器24L将产生两个相配的适用于上述等式3的函数h1*g1+h2*g2=h^1*g1+h^2*g2---(3)]]>但是不是意味着必须满足于等式(2)
如果空间和由此的函数g1，g2变了，很显然自适应滤波器必须重新设置以便与新的空间相对应。
在诸如图3和4所示的可控的系统中，使用了单声道声源11并且函数g1，g2变成表示增益的标量值g1，g2。因此，在每个方向上仅仅有一个传输路径12，22。不管是在接收端所产生的控制信息还是与单声道信号s(t)一起传输的控制信息被用来控制可变增益放大器14L，14R以修改定义接收端空间的增益函数g1，g2来仿真一个立体声的声源。增益函数g1，g2在接收端被已知的事实允许在自适应滤波器24，25中使用增益函数g1，g2。
参考附图7，现在介绍一下自适应处理器24，25的操作。参考附图3和4，接下来介绍其根本的数学理论。
在设置增益函数g1，g2的理论值的初始化步骤101之后，如下所述的处理过程在每个采样周期n内执行迭代循环。
首先，设置k1，k2，k3的值(步骤102)。这表示最后三个采样周期，在这三个采样周期内空间值g1，g2变化了。从前面的采样n-1之后如果空间增益值g1，g2没有变化，k1，k2，k3的值和前面的采样相同。然而，如果g1，g2的值变化了，k3被设置为前面的k2的值，k2被设置为前面的k1的值，并且k1设置为n-1。
估计的增益函数接下来被确定(步骤103)。这是矩阵g1(k3)g2(k3)g1(k2)g2(k2)=G(k2,k3)]]>。如果空间值g1，g2没有变化，矩阵也没有变化并且不需重新计算。于是确定了逆矩阵。y00y01y10y11=G(k2,k3)]]>再次，如果空间值g1，g2没有变化，矩阵也没有变化并且不需重新计算。接下来(步骤104)，如果r＝n-k1+1小于所估计的回声路径矢量中的L项的数目(换句话说，如果由于上次空间变化小于L而使采样数目r过去)，所估计的回声路径矢量中的一项按照如下修改：hn-1＝(y00hk3(r)+y01hk2(r))g1+(y01hk3(r)+y11hk2(r))g2(是从前面的迭代而得的所估计的回声路径函数的特殊的一项)。所有其它的项和保持不变。
误差消除信号(其中sn是表示输入信号s(n)的最后的L采样)是利用修改的估计回声路径矢量而产生的(步骤105)并且从信号y(n)中减去以产生输出信号e(n)。
然后根据回声信号e(n)对估计的回声路径矢量进行修改以用于下一次迭代(步骤106)。h^n=h^n-1+usnϵ(n)]]>这里ε(n)＝snTsne(n)且u是步长。
假如空间在比周期L更长的时间量程内变化并且0≤u＜2则处理进程是稳定的。
在上述过程中步骤105-106的计算复杂度与具有2L阶数的标准最小均方处理过程的计算复杂度相同。计算的次数是被用于步骤103中的矩阵求逆的二次乘法和一次除法的阶数。因为在空间的每一次变化之后只执行一次，在大量L处理过程中几乎没有增加复杂度。在空间变化之后步骤104只在第一个L采样被计算并且对于大量的L是不重要的。这样，当上述的过程被用于具有可控的L值可能大于100的单声道系统的回声消除时，这个过程具有的复杂度大约为2L。
下来介绍一下数学描述。这将从如图4所示的系统开始并且继续描绘了它与根据本发明的如图3所示的利用了单聚合回声路径估计的系统是相等效的。
如图4所示，两个麦克风脉冲响应路径12L，12R(图2)被两个人工产生的脉冲响应g1，g2所代替，脉冲响应g1，g2是在单声道路径12上所接收到的作为单一的麦克风信号s(t)以产生空间上的感觉和错觉。对于这里所提到的解决方案，函数g1和g2由于表示它们作为单一的增益函数而不是脉冲响应而进一步被简化。这个系统以完全不同于图2中的现有系统的方式工作，这里所提出的方法依靠信号x1和x2本身固有的高度相关的特性，而不是设法将信号x1和x2去相关以促进收敛。本方法利用了对函数g1和g2的认识(在现有技术的系统中不为人知)以实现收敛的回声消除。在描述解决回声问题的自适应滤波器之前，说明一下现有的这个问题的解决方案。
假设在采样时间n输入到空间模块的输入量用一个列向量Sn＝[s(n)s(n-1)…s(n-(L-1))]T表示，输入到接收端麦克风的输入量用yn＝[y(n)y(n-1)…y(n-(L-1))]T表示并且两个从扩音器到麦克风的回声路径是长度为L的列向量h1和h2(h1和h2包括有扩音器和麦克风的脉冲响应)，于是yn＝g1(n)snh1+g2(n)snh2 (4)其中空间被表示为在采样周期n-(L-1)…n和Sn＝[s(n)…sn-(L-1)]T是常量的增益值g1(n)和g2(n)(Sn是“托布里兹矩阵”，也就是说，L×L阶的对称矩阵，在第一行和第一列具有项sn，在第二行和第二列具有项Sn-1，以此类推)。可以看出不能从等式(4)求解出h1和h2。
然而，现在考虑利用在采样时间n+a内的第二组输入输出观测结果，其中a≥L并且g1(n+a)＝g1(n+a-1)＝…＝g1(n+1)≠g1(n)g2(n+a)＝g2(n+a-1)＝…＝g2(n+1)≠g2(n) (5)换句话说，在采样时间n和采样时间n+1间的函数g1和g2变化了，但是采样时间n+1和采样时间n+a间的函数g1和g2保持不变。因此，ynyn+a=(Gn,n+a⊗IL)SnSn+ah1h2---(6)]]>其中IL是L×L的单位矩阵。Gn,n+a=g1(n)g2(n)g1(n+a)g2(n+a)---(7)]]>并且是直积(Kronecker product)。(矩阵A和B的直积是由矩阵B分别乘以矩阵A中的每一个单一的项给出的并形成一个包含结果项的新矩阵，新矩阵的阶数是两个原矩阵的积)。等式(6)的解式是SnSn+a-1(Gn,n+a⊗IL)-1ynyn+a=h1h2---(8)]]>并且利用了直积的特性SnSn+a-1(G-1n,n+a⊗IL)ynyn+a=h1h2---(9)]]>这样，如果信号s是连续存在的(也就是信号有全部的谱含量)并且矩阵Gn.n+a是非奇异(non-singular)的，也就是说，它有逆矩阵，那么就存在h1和h2的解式。如果在采样时间n和采样时间n+a的空间值不同并且不是彼此的倍数(也就是g1(n)/g2(n)≠g1(n+a)/g2(n+a))，就满足了矩阵Gn.n+a非奇异的条件。理论上空间值完全不同，这样等式(9)的解式是最好的情况。
因为解式是从最小均方LMS处理过程中获得的，所以已建立的解决方案存在有自适应处理。正如参考图1所讨论的，利用下面的修改，标准化的LMS(NLMS)处理被用来执行单声道回声消除。e(n)=y(n)-snTh^n-1---(10)]]>
ε(n)=snTsne(n) (11)h^n=h^n-1+usnϵ(n)---(12)]]>其中e(n)是回声信号，u是步长参数并且是在第n次采样间隔的回声路径估计。对于可控的单声道情况通过使用单一聚合的回声路径估计并重新定义而修改上述的单声道的标准LMS等式h^n-1T=[h^1(0)g1(n)+h^2(0)g2(n),...,h^1(L-1)g1(n-(L-1))+h^2(L-1)g2(n-(L-1))]]]>(13)其和表示在采样间隔n处的两个回声路径估计的函数。同样的把h定义为组合了h1(t)和h2(t)在一个与等式(13)相等效的式子中。hT＝[h1(0)g1(n)+h2(0)g2(n)，…h1(L-1)g1(n-(L-1))+h2(L-1)g2(n-(L-1))](14)接下来的任务是使用并修改以至等式10，11和12的标准化的LMS更新被用于回声消除，而显然不是使用了二回声路径估计。如果g1(n)和g2(n)的值对于所有的n都是常量，于是等式10，11和12中的修改可不变的被使用以确定h的估计，因为h在整个时间内是常数。然而，如果g1(n)和g2(n)随时间变化，于是这种解决方案不能使用，因为在等式10，11和12的LMS更新中，不考虑h的变化。
假定有三个采样时间i，i-a，i-b，其中b＞＞L＞a (15)并且g1(i)＝g1(i-1)＝…＝g1(i-a)≠g1(i-a-1)＝g1(i-a-2)…＝g1(i-b)g1(i+b)≠g1(i-b-1)＝g1(i-b-2)…＝g1(i-∞) (16)并且同样的对于g2(n)，也就是g1(n)和g2(n)的值只在时间i-a，i-b变化。考虑等式14和等式16中的在时间i-a-1和i-b-1上的组合的回声路径的第j项系数的值(也就是刚好在空间变化之前)是由下列式子给出的hi-b-1(j)＝h1(j)g1(i-b-1)+h2(j)g2(i-b-1) (17)hi-a-1(j)＝h1(j)g1(i-a-1)+h2(j)g2(i-a-1) (18)等式17和18可以被表示为hi-b-1(j)hi-a-1(j)=g1(i-b-1)g2(i-b-1)g1(i-b-1)g2(i-b-1)h1(j)h2(j)---(19)]]>并且因此Gi-b-1,i-a-1-1hi-b-1(j)hi-a-1(j)=h1(j)h2(j)---(20)]]>利用(7)中的G的定义。进一步考虑等式(14)和等式(16)中的在时间i上的组合的回声路径的第j项的系数值是由下列式子给出的如果G-1的元素是通过变量γ定义的，这样Gi-1=γ00γ01γ10γ11---(22)]]>于是从(19)(21)和(22)得出hi(j)＝(γ00hi-b-1(j)+γ01hi-a-1(j))g1(i)+(γ10hi-b-1(j)+γ11hi-a-1(j))g2(i) (等式23)这个等式是标准的LMS更新等式(10)，(11)和(12)所需的附加的更新。
注意到(21)中的h只有一个系数需要在每一个采样周期内更新以考虑到空间的变化。
通过对处理过程作小的改动，这样的处理过程可扩展到具有多于两个通道的系统。特别是对于N通道系统，前面的N+1次空间位置的变化被分别从最小的到最近的记录在变量kN+1……k1中。矩阵G被归纳为步骤14被归纳为h^(r)=[g1(n)···gN(n)]G-1h(r)^...h^(r)---(25)]]>步骤105和106保持不变。
为了说明所描述的处理过程，不管是根据本发明的立体声的标准化最小均方处理还是标准化最小均方处理都是利用如图3所示的结构和从实际所测量的麦克风/讲话者路径所得到的回声路径而被模拟。在模拟过程中空间位置变化五次以测试随空间变化的过程的性能。图5给出了输入了采样的高斯白噪声的回声消除的总体平均误差。为模拟步长参数u＝0.1，滤波器的波长L＝200，采样率为8KHZ并且噪声信号是增加了低于输入信号40db的噪声信号。图5描绘了最初的标准化LMS处理过程(图5a)以及根据本发明的立体声的标准化最小均方处理过程(图5b)直到采样40000才具有相同的性能。注意的是当自适应滤波器收敛到聚合路径矢量h的静态参数值时两个处理过程的误差都降低到最开始。然而，在采样周期19000空间变化了，以至h也变化了并且因此两个处理过程中的误差突然提高了。标准化的LMS处理(图5a)还没有足够的信息来形成正确的聚合的路径矢量h，因为它需要两个空间位置来确定各个路径矢量h1和h2。然而，在第二个空间位置之后，根据本发明的处理可以得到变化的h值的估计。这可从图5中观察到因为在采样40000之后误差没有提高，b中的误差曲线不像a中的标准化LMS处理的误差曲线，a中的误差曲线说明了每次空间变化了误差也增加了。
根据本发明的处理的性能也可从图6中的语音信号观察到，图6给出了两个回声路径估计矢量和的失调。这些矢量不是明确的由处理过程实际计算出来的。然而，这个处理使用了将这些矢量作为更新的一部分的解决方案。等式20被用于形成如图6所示的曲线图。注意的是在第一个空间位置从采样0到19000之间的过程中一个滤波器的失调降低了而另外一个滤波器的失调增高了。这是由于g1(0)＝0.2和g2(0)＝0.2造成的，这意味着大多数回声信号的能量都是从第二个滤波器得到的以至聚合滤波器估计趋向第二个路径滤波器h2。在这一点上不存在给予h1和h2真解的先验信息。然而，只要第二个空间位置在采样19000开始，和的失调开始降低因为立体声的标准化LMS处理提供了构造h1和h2的解式。
所描述的处理使用了标准的最小均方自适应处理器以形成组合的回声路径估计的更新。然而，任何目前的和将来的以采样为基础的在一个采样上更新未知滤波器的估计的自适应处理都可以被用来替代所描述的标准的最小均方算法。所需的唯一的修改就是用另外一个滤波器的更新替代处理步骤106。合适的现有的例子就是快速仿射投影自适应滤波器，最小均方自适应滤波器或者递归最小二乘方自适应滤波器。