Khử
Tiếng vọng
GIẢNG VIÊN HD: TS. NGUYỄN NGỌC MINH
NHÓM 7 : VŨ THÀNH NAM
TẠ ANH KIÊN
TÔ TUẤN ANH
HOÀNG MINH THÀNH
LỚP : M12CQTE02-BPresentation
Overview
1. Tiếng vọng và phân loại
2. Bộ lọc thích nghi (Filter)
3. Thuật toán thích nghi
4. Mô phỏng
1. Tiếng vọng (Echo)
Tiếng vọng (echo) là sự lặp lại của một dạng sóng hoặc do sự phản
xạ tại các điểm chưa phối hợp trở kháng hoàn hảo, nơi mà đặc tính
của môi 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.
Chất lượng tiếng
nói là tiêu chuẩn
đánh giá chất
lượng mạng lưới,
hệ thống
1. Tiếng vọng (Echo)
Phân biệt 2 loại tiếng vọng: vọng lai ghép và vọng âm thanh
1. Tiếng vọng (Echo): Phân loại
1. Tiếng vọng (Echo): Vọng lai ghép

Exchange
2 Wire
Hybrid
Device

2 Wire Port
Hybrid Echo
4 Wire Receive Port
4 Wire Send Port
Echo
•
Hybrid Echo
•
Acoustic Echo
•Other Echo Sources
Hybrid chuyển
đổi giao diện
đường thuê bao
2 dây sang
đường trung kế
4 dây
Cuộc đàm thoại không
có chất lượng như
mong muốn do năng
lượng tín hiệu điện
quay trở lại người nói
dưới dạng tín hiệu
vọng.
Khi độ trễ round-trip
đạt giá trị nhất định

Loudspeaker
Trong quá trình hội thoại, the
audio picture dynamically
changes, which causes the
canceller to adapt continually.
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.
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.
1. Tiếng vọng (Echo): Vọng lai ghép
D. Echo Control
•
Hybrid Echo
•
Acoustic Echo
•Other Echo Sources
1. Tiếng vọng (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
–

[ ] [ ] [ ]
1
*
0
M
k
k
y n u n k w n
−
=
= −
∑
[ ] [ ] [ ]
e n d n y n
= −
[ ] [ ] [ ] [ ]
*
1
k k
w n w n u n k e n
µ
+ = + −
3. Thuật toán thích nghi: LMS
•
Thuật toán LMS hội tụ nếu bước nhảy thỏa mãn
λ
max
là trị riêng lớn nhất của ma trận tương quan dữ liệu đầu vào
•
Nhiều bài kiểm tra cho giá trị bước nhảy này thỏa mãn:

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);
plot(t,e(n),'r');
axis([0 33.5 -1 1]);
xlabel('Time [sec]');
ylabel('Amplitude');
title('Output of Acoustic Echo Canceller');
set(gcf, 'Color', [1 1 1])
p8 = audioplayer(e/max(abs(e)),fs);
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. Ngoài ra còn 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 toán và mô 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!