Agenda

Introduccin
Seales de Voz
Sistema Monoacstico
Sistema Estreo
Sistema Hbrido Mono/Estreo
Detectores de doble Conversacin

Introduccin
Objetivos

Exponer los conceptos bsicos de un problema actual
Caractersticas inherentes a la voz humana
Caractersticas inherentes a la percepcin humana
Casos de estudio en la generacin de eco

Aplicacin de las herramientas de tratamiento
estadstico de seales
Aspectos reales a tener en cuenta en el modelo terico
Introduccin
Referencia histrica
Problema clsico del procesamiento de seales
Nuevo impulso en la dcada del 90
Retardos de Sistemas Digitales
Nuevas aplicaciones
Manos Libres
Teleconferencias
Telefona IP
Localizacin Espacial

Seales de Voz
Principales aspectos a considerar
Ancho de banda
Concentracin de la energa
Estacionalidad
Percepcin humana
Espectro de la seal de voz
Espectro de Potencia de la seal de voz
Anlisis Tiempo-Frecuencia
Generacin de eco en las redes
Red Telefnica tradicional
Desbalance intrnseco del sistema a dos hilos
Significa problema en transmisiones con retardos mayores a 45ms
Redes de Paquetes


Generacin de eco en las redes
Redes de Paquetes
Nuevas aplicaciones de voz
Retardos en el procesamiento
Necesidad de Buffers
Paquetizacin
Retardos variables: Jitter


Requisitos del Cancelador de Eco
De acuerdo a las recomendaciones de ITU-T G.168
Rpida Convergencia Inicial
Bajo nivel de eco de retorno en conversacin simple
Baja divergencia en doble conversacin
Deteccin de doble conversacin
Operacin en transmisiones fax/modem
10
Criterios de Optimizacin
)
`

=
2
) (

) ( )

( n d n d E h J
Queremos obtener una rplica de la respuesta al impulso h
El camino para esto es encontrar un filtro que haga mnimo
el error en trminos de:

Media Cuadrtica
- Mnimos Cuadrados Ponderados
2
1
) (

) ( ) ( l d l d n J
n
l
l n
=

Escenarios de Estudio
Sistemas Mono-Acsticos
Sistemas Multicanal

Principales caractersticas
Diferencias fundamentales
Canceladores de Eco Mono-Acstico
Mxima Atenuacin
Estimamos la seal de eco mediante un filtro de orden N
El valor de N se elige de acuerdo al tiempo de reverberacin
Si los valores de filtro se ajustan perfectamente a los primeros N
coeficientes de la respuesta al impulso,
{ }
{ }
{ }
{ }

=
=

|
.
|

\
|

|
.
|

\
|

=

|
.
|

\
|

|
.
|

\
|

=

=
0
2
2
2
0
2
2
0
2
1
0 0
2
2
2
2
) (
) (
) ( ) (
) ( ) (
) ( ) (
) ( ) ( ) ( ) (
) (
) (

) ( (
) (
) (
i
i
N i
i
i
i
N i
i
i
i
N
i
i
i
i
N N
k h
k h
i k x k h E
i k x k h E
i k x k h E
i k x k h i k x k h E
k d E
k d k d E
k d E
k e E
Atenuacin Segn N
Para obtener una atenuacin de 45dB N~1600
Se requiere alta potencia de cmputo
Algoritmos
Entre los algoritmos ms utilizados encontramos:
NLMS (Normalized Least Mean Square)
Baja Complejidad
Convergencia lenta
APA (Affine Projection Algorithm)
Solucin intermedia respecto a complejidad y
velocidad de convergencia
RLS (Recursive Least Square)
Alta complejidad y requerimiento de clculo
Convergencia rpida
Problemas de estabilidad
Algoritmos: comparacin
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08
0
0.5
1
1.5
2
2.5
3
x 10
-3
Curvas de Aprendizaje
Tiempo(s)
A
m
p
l
i
t
u
d
NLMS
APA
RLS
Algoritmo NLMS

Frecuentemente elegido por la baja complejidad
(2L operaciones por iteracin)
Mtodo de mxima pendiente
Estimacin del gradiente muy ruidosa
Paso de adaptacin Convergencia Vs Precisin

Algoritmo NLMS
) (

) ( ) (
) ( ) (

) (

k d k d k e
k x k h k d
T
=
=
) ( ) (
) ( ) (
) ( ) (

) 1 (

k x k x
k e k x
k k h k h
T
o + = +
Formulacin del filtro adaptivo:
Estimamos el valor del gradiente en cada iteracin
por medio de los valores instantneos

19
Algoritmo RLS
Orden del filtro O(L^2)
Optimizacin respecto a cada realizacin
Ecuacin normal determinstica

) (
) (

) (

) (
, 2
, 1
n r
n h
n h
n R
L
L
=
(
(

| | ) ( ) (
) (
) (
) (
, 2 , 1
, 2
, 1
1
l x l x
l x
l x
n R
T
L
T
L
L
L
n
l
l n
(

) (
) (
) ( ) (
, 2
, 1
1
l x
l x
l y n r
L
L
n
l
l n

20
Algoritmo RLS
Formulacin del filtro adaptivo:
Ecuacin de Actualizacin
) ( ) ( ) ( ) 1 (

) (

1
n e n x n R n h n h

+ =
), ( ) 1 (

) ( ) ( n x n h n y n e
T
=
1
R se calcula en forma recursiva
21
Algoritmo APA
Se definen error a priori y error a posteriori,
respectivamente como:
) 1 (

) ( ) ( ) ( = n h n X n y n e
T
) (

) ( ) ( ) ( n h n X n y n e
T
a
=
y son vectores que contienen las p
ltimas muestras de y(n) y e(n)
) (n y ) (n e
| | ) 1 ( ) 1 ( (n) ) ( + = p n x n x x n X
22
Algoritmo APA
Aplicando la restriccin:

Obtenemos la formulacin del algoritmo
px1
0 ) ( = n e
a
Mtodo de error forzado a cero (Zero Forcing Algorithm)
Orden del filtro O(L)

| |
| | ) ( ) ( ) 1 (

) (

) ( ) 1 (

) (

) (
1
n e X X n X n h n h
n e n h n h n X
T
T

+ =
=
0 0.5 1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tiempo (s)
A
m
p
l
i
t
u
d
Seal deEntrada
0 0.5 1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Seal Estimada
Tiempo(s)
A
m
p
l
i
t
u
d
Simulaciones: Algoritmo NLMS
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
-0.5
0
0.5
Respuesta al Impulso
Tiempo(s)
A
m
p
l
i
t
u
d
0 0.5 1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Seal Estimada
Tiempo(s)
A
m
p
l
i
t
u
d
0 0.5 1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Seal deEco
Tiempo(s)
A
m
p
l
i
t
u
d
Algoritmo NLMS
0 0.5 1 1.5 2 2.5
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
Error Residual
Tiempo(s)
A
m
p
l
i
t
u
d
Algoritmo NLMS: Performance
20 40 60 80 100 120
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Comportamiento del Filtro
Filtro
Resp. Impulso
4620 4630 4640 4650 4660 4670 4680 4690
-0.6
-0.4
-0.2
0
0.2
0.4
Comportamiento del Filtro
Estimacion
Eco
Entrada
Canceladores de Eco Multicanal
Sistema Estreo
Sistemas con requerimientos de localizacin espacial
Problemas Fundamentales
Unicidad de la solucin
La solucin a la ecuacin normal puede estar indefinida
Correlacin cruzada entre canales
La matriz de correlacin con nmero de condicin alto
Seguimiento de caminos de eco
La aplicacin de tcnicas del caso monofnico no dan
buenos resultados
Cancelador de Eco de dos Canales
Requiere de alta velocidad de convergencia ante:
Cambios en el recinto de recepcin
Cambios de locutor en el lugar de transmisin
x1(n) y x2(n) fuertemente correlacionadas
Unicidad de la Solucin
La minimizacin de J(n) resulta en
la ecuacin normal:
M
T
M
M
T
M
g n x g n x
, 1
, 2
, 2
, 1
) ( ) ( =
) (
) (

) (

) (
, 2
, 1
n r
n h
n h
n R
L
L
=
(
(

Las dos seales de entrada del filtro

estn vinculadas por:


| |
T
L i i i L i
n h n h n h n h ) (

) (

) (

) (

1 , 1 , 0 , ,
=
Siendo la estimacin de los filtros reales:

Si considero L> M y el vector:
Unicidad de la Solucin
| |
(

=
)
`

=
) ( ) (
) ( ) (
) ( ) (
) (
) (
) (
22 21
12 11
, 2 , 1
, 2
, 1
n R n R
n R n R
n x n x
n x
n x
E n R
T
L
T
L
L
L
)
`

= y(n)
(n) x
(n) x
E (n) r
L 2,
L 1,
| |
T
T
M
T
M
g g u 0 0 0 0
, 1 , 2
=
M = Largo de la respuesta al impulso en el lugar de transmiscin
N = Largo de la respuesta al impulso en el lugar de recepcin
L = Largo del filtro utilizado

Se puede ver que es un vector propio de R con valor propio
nulo, y por lo tanto no tenemos solucin nica a la ecuacin
normal
Consecuencias de la no unicidad de la solucin
| |
T
T
M
L L
g h n h 0 0 ) (

, 2
, 1 , 1
| + =
| |
T
T
M
L L
g h n h 0 0 ) (

, 1
, 2 , 2
+ = |
La solucin a la que llegue el sistema depende de los
parmetros del lugar de transmisin
No se considera una solucin adecuada
Si cambia la persona que est hablando debe reconverger
Desajustes
En los casos reales vamos a tener L < M
La inversa de la matriz de correlacin existe pero va a estar
mal condicionada
Definiendo el desajuste como la relacin entre la solucin
buscada y la obtenida:
h h h /

= c
La solucin es nica pero el desajuste va a ser importante
debido a la correlacin cruzada entre las seales de entrada
| | | |
h h h n Q h
h h n h h n h h n
T
t
T
t
T
L i L i
T
i
L i L i
) (
) (

) (

) (
, ,
2
1
, ,
2
min
=
=

=
c
Efecto Tail
Se refiere al efecto que produce modelar los filtros con L<N
Es equivalente a truncar la respuesta al impulso del sistema
a estimar
El residuo hace posible que se tenga solucin nica
Potencialmente se tiene gran desajuste aunque sea posible
tener buena cancelacin de eco
Degradacin de la cancelacin ante cambios en la
transmisin

Efecto Tail
Reduccin del desajuste
Aumentando el largo de los filtros
Costoso en trminos de memoria y
procesamiento
Procesamiento lento
Aplicando tcnicas de reduccin de la
correlacin cruzada
Transformaciones no-lineales
Factorizacin apropiada
Correlacin Cruzada
Funcin de Coherencia:

) ( ) (
) (
) (
2 2 1 1
2 1
f S f S
f S
f
x x x x
x x
=
Los valores propios de la matriz de correlacin
son de la forma:

( ) 0 ) ( 1
2
2
= + + f B A
Si , la matriz R es singular
Esto ocurre cuando las seales estn
relacionadas en forma lineal
1 ) ( = f
35
Mtodo de Transformacin no-lineal
Rectificador de media onda
Es preferido por su baja complejidad y por que da buenos
resultados
Se debe cumplir que la distorsin no sea perceptible por el
odo humano
Buenos resultados para valores de o menores a 0.5

2
) ( ) (
) ( ) (
1 1
1 1
n x n x
n x n x
+
+ = ' o
2
) ( ) (
) ( ) (
2 2
2 2
n x n x
n x n x

+ = ' o
Diseo de Filtros Adaptivos
Para el caso multicanal deben tener en cuenta la correlacin
intercanal
Transformacin no-lineal
Procesos de inter-innovacin

37
Mtodo de Transformacin no-lineal
20 30 40 50 60 70
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Filtro
Resp. Impulso
20 30 40 50 60 70
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
Filtro
Resp. Impulso
Sin aplicacin
Con aplicacin
Sistema Hbrido Mono/Estreo
Es un caso particular de procesamiento en sub-bandas
Reduccin del peso de cmputo al sub-muestrear
Aplicacin de distintas tcnicas segn la banda de
frecuencia
El efecto estereofnico es predominante en frecuencias
por debajo de 1KHz
La concentracin de la energa de la voz est en las
frecuencias bajas
39
Sistema Hbrido Mono/Estreo
Detectores de doble Conversacin
Es un elemento importante que aparece en los sistemas de
cancelacin de Eco
Se utiliza como proteccin contra divergencias de los
filtros adaptivos
Seales de audio en el lugar de recepcin
Ruidos distorsionantes
La alta convergencia de los algoritmos adaptivos es
acompaada de alta divergencia ante doble-conversacin
41
Detector de Geigel (Geigel DTD)
Es un sistema de aplicacin comercial
Se comparan las seales de transmisin y recepcin
Si se detecta doble-conversacin los coeficientes del
filtro quedan congelados
Tiempo de hangover es el tiempo mnimo en que el
algoritmo est inhibido
{ }
1 1
, , , max
+
>
L n n n n
x x x y 0
Condicin de doble
conversacin
Comentarios y conclusiones
La cancelacin de Eco es un requisito en muchas
aplicaciones actuales
Las tcnicas a utilizar varan segn el campo de
aplicacin y el costo de la solucin
En sistemas multi-canal la correlacin entre las
seales de entrada juega un rol central
Otros desarrollos de inters
Filtros adaptivos en sub-bandas
Filtrado en el dominio de frecuencias