回音L消除技术.docVIP

回音消除技术在过去三十年中，回音消除（Echo cancellation）已演变发展出属于它自己的专业领域。一般人将它视为是一个难以理解的技术领域，想要了解它并取得可接受的实务性成果，往往必须具备深厚的理论基础和特殊的专业知识才能做到。回音消除最早被用于长距离语音通道的传输中，但对于回音消除的需求已延伸到透过封包或无线网路传输的每一条语音通道中，其应用包括VoIP（Voice over IP）、Voice over DSL或第三代行动网路（3G）等等。由于有愈来愈多的语音是透过封包网路来传送，而封包式语音的本质上即存在着延迟的议题，因此迴音消除就成了主要的设计考量之一，也是在语音解决方案的整体成本中相当重要的一部分。显然地，回音消除的成本将成为电信设备中的一部分，而这部分的成本与元件的尺寸及功耗息息相关。成本固然重要，但更重要的考量还是品质的达成。对于行动网路用户来说，语音品质一直是他们最关切的议题；对电信业者来说，语音也仍是他们最能获利的服务项目，因此语音的品质是不容妥协的。传统的回音消除技术是从七十年代的早期作法发展而来，这类技术的采用相当昂贵。为了满足今日与未来的网路需求，回音消除技术的挑战正在于如何有效地降低成本并持续改善语音品质。经过三十年的发展，回音消除技术的效益确实有所提升，但在演算法的建置上，基本上并没有太大的改变。透过今日高密度晶片所发展出的新技术，除了能揭露回音消除技术的神祕性外，还能够大幅地降低成本，并且以可量测的方式来提升解决方案的品质与效能。 自适应滤波器在所有回音消除器的核心部分是自适应滤波器（Adaptive Filter, AF）。自适应滤波器会建立起回音路径的数学表示法或脉冲响应（impulse response）。这个表示法一旦被建立后，它会被储存在一般所知的H暂存器（H register）中。当自适应滤波器使用H暂存器来处理某个信号（Rin）时，输出值是一个近似于预期中Rin迴音的新信号值。此一新信号可以从传回的信号（Sin）中被减去，以移除或消除回音现象。 图一　回音消除器运作架构 由于自适应滤波器只能估算回音的近似值，因此它并不能将回音完全消除，也就是说，仍然有些残余的迴音留在信号当中。在任何时刻中，H暂存器中的准确性正是决定残余回音音量的关键所在。如果残余的回音量大到听得见的音量，这时就得靠非线性处理器（non linear processor, NLP）来加以移除，NLP是每个迴音消除器组成架构中的一部分。自适应滤波器的范围很广，可以有各种的解决方案。所有的自适应滤波器解决方案都有相同的目标，也就是找到一套最佳化的数学模型，让此模型和系统实际响应之间的误差能达到最小──这个过程被称为收敛（convergence）。自适应滤波器演算法在技术作法上的竞争发展，可以上溯到19世纪早期，当时高斯（Carl Friedrich Gauss）和拉普拉斯（Pierre-Simon Laplace）两位数学大师分别对此问题提出了不同的解决途径，也引起了极大的争议。高斯的最小平方（Least Squares, LS）法将误差的平方做了最小化处理；拉普拉斯的解决方法则是对实际的误差进行最小化处理。针对特定的应用以及当时可行的技术，基于这两项途径又衍生出许多的解决方案，它们都试着要改善将模型与实际响应之间的误差达到最小的能力。不过，多数人都同意最小平方法较适用于在回音消除环境的系统中。基于建置 LS 的成本考量，多数的回音消除器采用最小均方（Least Means Squares）法来实现 LS 解决方案。语音的回音消除设备对自适应滤波器演算法有两个主要的要求：快速性（sprint）和持久性（marathon）。快速性的要求是在通话一开始时即能快速的收敛，但回音路径改变时，也能快速地重新收敛。由于在一开始时还不知道回音路为何，初始收敛必须要能很快的完成。在快速的收敛后，还需要有一个自适应滤波器演算法来继续改善收敛状况，此演算法不管回音中所夹杂的任何回传噪音。这种持久性在整段通话中都会持续进行，包括不说话和同时说话（double talk）的含混语音状况。在整个过程中，回音路径的收敛是不能中断的。简单地说，自适应滤波器的设计具有两个互相矛盾的特性，也就是快速收敛和高度的稳定性，如何同时实现这两项特性，正是设计上的主要挑战。　 ? 线上滤波器 vs. 离线滤波器最简化的自适应滤波器型式会持续地对输入信号进行处理。自适应滤波器会根据每个新的采样数据来更新H暂存器。这个新的采样数据会被分配到一个权重（weight），此权重会决定它与H暂存器中既存的数据何者较为重要。此权重通常被称为自适应增益（adaptation gain）、步长大小（step si