Documente Academic
Documente Profesional
Documente Cultură
Introduccin:
El problema del eco es bien conocido en el mbito de la telefona clsica,
donde los efectos del retardo de lnea sobre una comunicacin establecida en
medianas y grandes distancias resultaban bastante molestos. Pero el eco presente
en estos casos, producto del desbalance entre dos y cuatro hilos, no es el nico
caso de eco. Es ms, con el creciente aumento de los sistemas telefnicos "manos
libres", muy utilizados en los vehculos, o en las oficinas, al igual que con los
telfonos inalmbricos, surge otro tipo de eco: el eco acstico. Este eco es
producto de la realimentacin de la seal que emite el parlante, a travs del
micrfono. La siguiente figura muestra un esquema de lo que ocurre con el eco
acstico.
potencia. En nuestro caso optamos en primera instancia por la versin bsica del
LMS. Luego, para ver la mejora que introduce la normalizacin del coeficiente
de adaptacin tomando en cuenta la potencia de seal, implementamos la versin
normalizada. El objetivo de este proyecto fue tomar contacto con los mecanismos
de cancelacin de eco en su idea bsica de funcionamiento. De ms esta decir
que existen muchos otros algoritmos, modificaciones y consideraciones sobre los
tratados en este proyecto, algunas de los cuales mencionaremos mas adelante.
Fundamento Terico:
Ms que a un fundamento terico del proyecto, apuntamos a una "justificacin"
de los puntos ms importantes del mismo.
Por qu la eleccin de un filtro FIR? Segn resultados obtenidos en [3], el uso de un
selal de entrada. Mientras que un filtro transversal (tipo Wiener) solo se aplicara
a seales que son procesos estacionarios para los cuales conozco las propiedades
estadsticas, el propsito de un filtro adaptativo es justamente no depender de
esta hiptesis, generalmente falsa en la realidad, para funcionar. Un filtro
adaptivo es aquel cuyos coeficientes son actualizados mediante un algoritmo que
cumple con un criterio de performance predefinido, que puede ser minimizar el
error cuadrtico medio, como es el caso del LMS. La frecuencia de esta
adaptacin puede variar segun la implementacin y el tipo de seales que
manejamos. Es evidente que un "refresco" de coeficientes con mayor frecuencia
permite obtener una mejor adaptacin del filtro, por eso es usual que se
recalculen los coeficientes con cada muestra. Sin embargo, recalcular los
coeficientes con cada nueva muestra aumenta la necesidad de clculo y el retardo
(tener presente que la cancelacin del eco debe ser realizada en tiempo real). Por
otro lado, la performance del filtro mejora cuando aumentamos el nmero de
coeficientes. Esto genera una situacin de compromiso entre la performance del
filtro en cuanto a la cancelacin y en lo que se refiere al retardo. Para la
implementacin de un sistema en tiempo real se hace necesario el uso de DSP.
Esta combinacin de DSP-filtro adaptativo, es una dupla frecuentemente
encontrada en los sistemas de tratamiento de seales y de voz en particular.
El algoritmo de LMS es un clsico dentro de este tipo de filtros. La ventaja en
este algoritmo es la simplicidad de implementacin y la relatvamente buena
performance. Lo que se alega en contra del algoritmo LMS o NLMS, es que es
muy costoso obtener un modelo acertado del "echo path" con este algoritmo en
sistemas altamente reververantes, debido a la necesidad de un elevado nmero de
coeficientes, requiriendo por ende gran capacidad computacional y bastante
memoria. Dado que un cancelador de eco, para operar en tiempo real, debe poder
ser implementado en un nico DSP, existen algunas implementaciones ms
eficientes que han sido desarrollados en los ltimos 15 o 20 aos. Ejemplos de
ello, son los que pasamos a mencionar a continuacin.
Filtrado adaptativo en subbandas: La seal de entrada es procesada en M
bandas idnticas a travs de filtros de anlisis (idealmente pasabandas) y luego
cada subbanda es submuestreada por un factor L (L < M para evitar
solapamientos luego, al recomponer). En el extremo lejano (parlante, por
ejemplo), se aplica el mismo proceso que a la seal de entrada y luego se pasa
cada subbanda a travs de un filtro adaptativo tipo LMS. Las subbandas
correspondientes de seal y extremo lejano son combinadas (sumadas como en el
LMS comn) obteniendo M bandas, que luego son sobremuestreadas por L
(vuelven a la frec. original) y filtradas en una etapa de sntesis. Finalmente, la
suma de las seales resultantes en cada banda, es la seal con el eco cancelado.
Resultados en Matlab:
A los efectos de probar el algoritmo LMS, se implementaron algunas versiones
en Matlab hasta obtener resultados satisfactorios. Se implementaron tres
subrutinas: una para generar el eco a partir de la seal de extremo lejano y el
retardo supuesto, otra que realiza la actualizacin de coeficientes y finalmente, la
que implementa el cancelador en si. Los parmetros del algoritmo son: la seal
de audio, el eco, el nmero de retardos del filtro adaptativo y el coeficiente de
adaptacin del filtro (mu). Se realizaron pruebas para diferentes archivos .wav.
Las rutinas (en Matlab 5.0) empleadas son eco.m, coef.m y lms512.m.
A continuacin se muestran los resultados obtenidos al aplicar el algoritmo con
512 coeficientes, con un retardo para la seal de eco de unos 25 ms, para el
archivo ty.wav (optamos por este por ser el de menor tamao).
En lo que se refiere a este ltimo punto, un buen algoritmo de control (ver figura)
debe marcar cuando es necesario ejecutar el algoritmo de cancelacin. Un
ejemplo de algoritmo de control se puede encontrar en [1]. Se deben tomar en
consideracin aspectos tales como un umbral para determinar la presencia de eco,
distinguindola del ruido local. Tambin se debe tener especial cuidado con las
situaciones de "double talk", un problema no trivial en los telfonos manos libres.
Es as que en la figura se muestran lazos de control que salen del controlador
regulando la adaptacin y la seal de salida del filtro y tambin desde la entrada
d(n) y la salida e(n) hacia el controlador. Los dos primeros lazos significan al
control sobre la necesidad de adaptacin segn las variables de entrada al
controlador, dadas por los segundos lazos mencionados.
Referencias
[1] Real Time Implementationof an Acoustic Echo Canceller on DSP. Koen
Eneman and Marc Moonen. Katholieke Universiteit Leuven, ESAT. Belgium.
[2] Improvements in Audio Processing and Language Modeling in CU
Communicator. Jiamping Zhang, Wayne Ward, Bryan Pellom, Xiuyang Yu,
Kadri Hacioglu.
[3] Performance Assessments of FIR vs IIR models in acoustic echo cancellation
Athanasios p. Liavas, Phillip A. Regalia. Dpartement SIM. Institut National des
Telecommunications, Evry Cedex. France.
[4] Adaptation of acoustic acho cancellers incorporating a memoriless
nonlinearity. Alexander Stebger, Walter Kellermann, Rudolf Rabenstein.
University of Erlangen- Nremberg. Telecommunications Laboratory. Germany.