Quais métodos podem ser usados ​​para identificar e remover eco de um sistema de áudio?

fundo

Estou projetando um sistema que terá um único microfone e alto-falantes pequenos para uso em uma configuração de tipo de telefone. O exemplo mais fácil que posso dar é uma conversa do Skype em que você usa os alto-falantes do computador e um microfone de mesa.

Estou preocupado com o áudio dos alto-falantes sendo captado pelo microfone e enviado de volta para a pessoa original. Eu costumava ouvir isso acontecer o tempo todo nos primeiros dias das conversas em VoIP, mas quase não ouvia mais.

Minha suposição é que os grupos criaram maneiras de cancelar o eco, mas como eles fazem isso?

Abordagens

Meu primeiro pensamento foi simplesmente subtrair o sinal que está sendo enviado para os alto-falantes do sinal do microfone, exceto com esse método que você precisa se preocupar com o atraso. Não tenho certeza de como determinar qual é o atraso sem algum tipo de pré-calibração, o que eu gostaria de evitar. Há também a questão de quanto dimensionar o sinal antes de subtraí-lo.

Em seguida, pensei em fazer algum tipo de correlação entre o sinal do alto-falante e o sinal do microfone, a fim de determinar a probabilidade de o sinal do microfone ser um eco, além de poder determinar o atraso real. Esse método foi capaz de funcionar bem quando eu estava tocando com alguns sinais gravados, mas parecia haver latência muito grande para calcular a correlação para ser útil no sistema em tempo real. Além disso, o volume ajustável nos alto-falantes dificultava determinar se algo estava realmente correlacionado ou não.

Meu próximo pensamento é que deve haver alguém na internet que fez isso antes com sucesso, mas não encontrou grandes exemplos. Então, eu venho aqui para ver quais métodos podem ser usados ​​para resolver esse tipo de problema.

Você está certo. Existem muitos métodos de cancelamento de eco, mas nenhum deles é exatamente trivial. O método mais genérico e popular é o cancelamento de eco por meio de um filtro adaptável. Em uma frase, o trabalho do filtro adaptativo é alterar o sinal que está sendo reproduzido, minimizando a quantidade de informações provenientes da entrada.

Filtros adaptativos

Um filtro adaptável (digital) é um filtro que altera seus coeficientes e, eventualmente, converge para uma configuração ideal. O mecanismo para essa adaptação funciona comparando a saída do filtro com a saída desejada. Abaixo está um diagrama de um filtro adaptativo genérico:

Como você pode ver no diagrama, o sinal é filtrado por (convolvido com) para produzir o sinal de saída . Subtraímos do sinal desejado para produzir o sinal de erro . Observe que é um vetor de coeficientes, não um número (portanto, não escrevemos ). Como ele altera todas as iterações (todas as amostras), subscrevemos a coleção atual desses coeficientes com . Depois que é obtido, usamos-o para atualizar→ w n d [ n ] d [ n ] d [ n ] e [ n ] → w n w [ n ] n e [ n ] → w n → w n d [ n ] d [ n $x[n]$$\vec{w}_n$$\hat{d}[n]$$\hat{d}[n]$$d[n]$$e[n]$$\vec{w}_n$$w[n]$$n$$e[n]$$\vec{w}_n$por um algoritmo de atualização de escolha (mais sobre isso posteriormente). Se entrada e saída satisfizerem um relacionamento linear que não muda ao longo do tempo e com um algoritmo de atualização bem projetado, acabará convergindo para o filtro ideal e seguirá de perto .$\vec{w}_n$$\hat{d}[n]$$d[n]$

Cancelamento de eco

O problema do cancelamento de eco pode ser apresentado em termos de um problema de filtro adaptativo, no qual estamos tentando produzir alguma saída ideal conhecida dada uma entrada, encontrando o filtro ideal que satisfaça a relação entrada-saída. Em particular, quando você pega o fone de ouvido e diz "olá", ele é recebido do outro lado da rede, alterado pela resposta acústica de uma sala (se estiver sendo reproduzida em voz alta) e retornado à rede para voltar. para você como um eco. No entanto, como o sistema sabe como era o "hello" inicial e agora sabe como é o "hello" reverberado e atrasado, podemos tentar adivinhar qual é a resposta da sala usando um filtro adaptável. Então podemos usar essa estimativa, envolva todos os sinais recebidos com essa resposta de impulso (o que nos daria a estimativa do sinal de eco) e subtraia-o do que entra no microfone da pessoa que você chamou. O diagrama abaixo mostra um cancelador de eco adaptável.

Neste diagrama, seu sinal de "olá" é . Depois de ser tocado por um alto-falante, ricochetear nas paredes e ser pego pelo microfone do dispositivo, ele se torna um sinal de eco . O filtro adaptativo recebe e produz a saída que após a convergência deve rastrear idealmente o sinal eco . Portanto, deve eventualmente chegar a zero, dado que ninguém está falando do outro lado da linha, o que geralmente acontece quando você acabou de pegar o fone de ouvido e disse: "Olá". Isso nem sempre é verdade, e algumas considerações de casos não ideais serão discutidas mais adiante.$x[n]$$d[n]$$\vec{w}_n$$x[n]$$y[n]$$d[n]$$e[n]=d[n]-y[n]$

Matematicamente, o filtro adaptativo NLMS (quadrado mínimo médio normalizado) é implementado da seguinte maneira. Atualizamos todas as etapas usando o sinal de erro da etapa anterior. Ou seja, vamos$\vec{w}_n$

onde é o número de toques (amostras) em . Observe quais amostras de estão na ordem inversa. E deixar$N$$\vec{w}_n$$x$

Então calculamos via (por convolução) localizando o produto interno (produto escalar se ambos os sinais são reais) de e :$y[n]$$= \vec{x}_n$$= \vec{w}_n$

Agora que podemos calcular o erro, estamos usando um método de descida de gradiente normalizado para minimizá-lo. Obtemos a seguinte regra de atualização para :$\vec{w}$

onde é o tamanho da etapa de adaptação tal que .0 ≤ μ ≤ $\mu$$0 \leq \mu \leq 2$

Aplicações e desafios da vida real

Várias coisas podem apresentar dificuldades com esse método de cancelamento de eco. Antes de tudo, como mencionado anteriormente, nem sempre é verdade que a outra pessoa fica em silêncio enquanto recebe seu sinal de "olá". Pode ser mostrado (mas está além do escopo desta resposta) que, em alguns casos, ainda pode ser útil estimar a resposta ao impulso enquanto houver uma quantidade significativa de entrada presente na outra extremidade da linha, porque o sinal e o eco de entrada são assumiu ser estatisticamente independente; portanto, minimizar o erro ainda será um procedimento válido. Em geral, é necessário um sistema mais sofisticado para detectar bons intervalos de tempo para a estimativa do eco.

Por outro lado, pense no que acontece quando você está tentando estimar o eco quando o sinal recebido é aproximadamente silencioso (ruído, na verdade). Na ausência de um sinal de entrada significativo, o algoritmo adaptativo diverge e rapidamente começa a produzir resultados sem sentido, culminando eventualmente em um padrão aleatório de eco. Isso significa que também precisamos levar em consideração a detecção de fala . Os canceladores de eco modernos se parecem mais com a figura abaixo, mas a descrição acima é o ponto principal.

Há muita literatura sobre filtros adaptativos e cancelamento de eco por aí, além de algumas bibliotecas de código aberto nas quais você pode acessar.

Não sei como determinar qual é o atraso sem algum tipo de pré-calibração

Eu começaria modificando um algoritmo de impressão digital acústica como o usado pelo Shazam .

Seus requisitos são semelhantes aos do Shazam de várias maneiras (os recursos devem sobreviver a um algoritmo de compactação projetado para telefonia, eles também passam por microfones de baixa qualidade); portanto, você provavelmente poderia usar os mesmos recursos (máximos locais de energia no espaço de tempo / frequência) convém aumentar a resolução do tempo às custas da resolução da frequência.

Há também a questão de quanto dimensionar o sinal antes de subtraí-lo.

A escala uniforme quase certamente não será precisa o suficiente. Você precisaria fazer algo como aproximar a resposta de frequência com um filtro FIR e passar o sinal do microfone (atrasado) pelo filtro invertido antes de subtraí-lo do sinal recebido.