Báo cáo tiểu luận xử lý số tín hiệu Khử tiếng vọng

Khử
Tiếng vọng
GIẢNG VIÊN HD: TS. NGUYỄN NGỌC MINH
NHÓM 7

LỚP

: VŨ THÀNH NAM
TẠ ANH KIÊN
TƠ TUẤN ANH
HỒNG MINH THÀNH
: M12CQTE02-B


1. Tiếng vọng và phân loại
2. Bộ lọc thích nghi (Filter)
3. Thuật tốn thích nghi
4. Mơ phỏng

Presentation
Overview


1. Tiếng vọng (Echo)


Chất lượng tiếng
nói là tiêu chuẩn
đánh
giá
chất

lượng mạng lưới,
hệ thống

Tiếng vọng (echo) là sự lặp lại của một dạng sóng hoặc do sự phản
xạ tại các điểm chưa phối hợp trở kháng hồn hảo, nơi mà đặc tính
của mơi trường truyền làm thay đổi đột ngột sóng phát xạ, hoặc do
sự phản hồi âm thanh giữa loa và micro của một hệ thống viễn
thống.

1. Tiếng vọng (Echo)


Phân biệt 2 loại tiếng vọng: vọng lai ghép và vọng âm thanh

1. Tiếng vọng (Echo): Phân loại


Mobile
Switching

Cell Site

Center
(MSC)

2 Wire

Local
Telephone
Exchange

4 Wire
Long

Long

Local

Distance

Distance

Telephone

Toll Office

Toll Office

Exchange

4 Wire

Tổng quan kết nối th bao cố định – mạng viễn thơng

•Hybrid Echo
•Acoustic Echo
•Other Echo Sources

4 Wire

2 Wire

Với lý do tiết kiệm chi phí, đường dây
thuê bao 2 dây được sử dụng để kết nối
điện thoại thuê bao tới tổng đài điện
thoại qua mạch cầu lai ghép (Hybrid
circuit)

1. Tiếng vọng (Echo): Vọng lai ghép


Hybrid
chuyển
đổi giao diện
đường thuê bao
2
dây
sang
đường trung kế
4 dây

4 Wire Send Port

2 Wire Port

Hybrid
Device

Echo

Cuộc đàm thoại khơng
có chất lượng như
mong muốn do năng
lượng tín hiệu điện
quay trở lại người nói
dưới dạng tín hiệu
vọng.

4 Wire Receive Port

Hybrid Echo

•Hybrid Echo
•Acoustic Echo
•Other Echo Sources

Khi độ trễ round-trip
đạt giá trị nhất định
(28ms), cuộc gọi có thể
được xem vẫn còn
sống.

1. Tiếng vọng (Echo): Vọng lai ghép


Tiếng vọng ảnh hưởng lên hệ thống khi tổng độ trễ vượt qua 36ms.
Số tiếng vọng phụ thuộc vào khả năng hoạt động mạch lai ghép (hybrid
circuits)
Đo bằng tham số suy hao phản xạ tiếng vọng (echo return loss - ERL).
Giá trị ERL càng cao = Tín hiệu phản xạ càng yếu.

•Hybrid Echo
•Acoustic Echo
•Other Echo Sources

1. Tiếng vọng (Echo): Vọng lai ghép


Trong quá trình hội thoại, the
audio picture dynamically
changes, which causes the
canceller to adapt continually.
From Farend

Loudspeaker

Echo

Trễ vọng âm thanh có thể lên tới 270 ms.
Any less and the remaining echo would
be beyond the ability for the canceller to
remove them.

Echo
Canceller

Microphone (Speech w/Echo)

To Far-end
(no Echo)

Acoustic echo return loss enhancement
(AERLE), the amount of attenuation
applied to unfavorable echo, has a value
of 65 dB as the minimum requirement
with the non-linear processor enabled.
Echo Canceller Implementation in the Mobile Handset

•Hybrid Echo
•Acoustic Echo
•Other Echo Sources

1. Tiếng vọng
D. Echo Control (Echo): Vọng lai ghép


•Hybrid Echo
•Acoustic Echo
•Other Echo Sources

1. Tiếng vọng
D. Echo Control (Echo): Vọng lai ghép


2. Bộ lọc thích nghi


• Được sử dụng để loại bỏ những nhiễu không mong muốn từ tín hiệu chính

• Các tham số

– u = tín hiệu vào bộ lọc thích nghi = tín hiệu tham chiếu
– y = tín hiệu ra bộ lọc thi nghi
– d = đáp ứng mong muốn = tín hiệu chính
– e = d - y = ước lượng lỗi = tín hiệu ra hệ thống
• Ứng dụng:
– Khử tiếng vọng (Echo cancellation)
2. Bộ lọc thích nghi (Adaptive Filter)


3. Thuật tốn thích nghi


1. TT bình phương tối thiểu đệ quy (Recursive Least Square – RLS)
2. TT bình phương trung bình tối thiểu (Least Mean Square – LMS)

3. Thuật tốn thích nghi (Adaptive Algorithm)


 Thuật tốn LMS gồm 2 q trình cơ bản:
- Q trình lọc:
• Tính tốn đầu ra bộ lọc FIR bằng tín hiệu vào và trọng số tap w
• Tính tốn lỗi ước lượng bằng cách so sánh tín hiệu ra và tín hiệu mong muốn
- Q trình thích ứng: Thay đổi các trọng số w dựa trên lỗi ước lượng

3. Thuật tốn thích nghi: LMS


Các bước thuật tốn
•

Tín hiệu ra bộ lọc:

•

Lỗi ước lượng:

•

M −1

*
y [ n ] = ∑ u [ n − k ] wk [ n ]
k =0

Thích nghi trọng số w:

e [ n] = d [ n] − y [ n]
wk [ n + 1] = wk [ n ] + µu [ n − k ] e* [ n ]

3. Thuật tốn thích nghi: LMS


•

Thuật tốn LMS hội tụ nếu bước nhảy thỏa mãn

0<µ <

λmax là trị riêng lớn nhất của ma trận tương quan dữ liệu đầu vào
•

Nhiều bài kiểm tra cho giá tr bc nhy ny tha món:

2
0<à <
input signal power
ã

Giỏ tr bước nhảy lớn sẽ:
– Tăng tốc độ thích nghi
– Tăng lỗi bình phương trung bình thặng dư

3. Thuật tốn thích nghi: LMS

2

λmax


4. Mô phỏng


mu = 0.025;
W0 = zeros(1,2048);
del = 0.01;
lam = 0.98;
x = x(1:length(W0)*floor(length(x)/length(W0)));
d = d(1:length(W0)*floor(length(d)/length(W0)));
% Cấu trúc bộ lọc thích ứng miền tần số
hFDAF = adaptfilt.fdaf(2048,mu,1,del,lam);

[y,e] = filter(hFDAF,x,d);
n = 1:length(e);
t = n/fs;
pos = get(gcf,'Position');
set(gcf,'Position',[pos(1), pos(2)-100,pos(3),(pos(4)+85)])
subplot(3,1,1);
plot(t,v(n),'g');
axis([0 33.5 -1 1]);
ylabel('Amplitude');
title('Near-End Speech Signal');
subplot(3,1,2);
plot(t,d(n),'b');
axis([0 33.5 -1 1]);
ylabel('Amplitude');
title('Microphone Signal');
subplot(3,1,3);

4. Mô phỏng khử tiếng vọng âm thanh


Vấn đề chính trong khi sử dụng hệ thống khử tiếng vọng âm thanh là yêu cầu đối với bộ lọc
lớn để tổng hợp tiếng vọng dài; và vấn đề thích nghi kết hợp với trị riêng dải rộng của tín
hiệu. Ngồi ra cịn rất nhiều phương pháp khử tiếng vọng bằng cách kết hợp giữa các bộ lọc
và thuật toán khác, cần nghiên cứu kỹ để xác định sử dụng thuật tốn và mơ phỏng phù hợp
dựa trên trên đánh giá các thông số ERLE, tốc độ xử lý…

4. Mô phỏng khử tiếng vọng âm thanh


XIN CHÂN THÀNH CẢM ƠN!