SISTEMA Y PROCEDIMIENTO PARA AUDIO ESTEREO MEJORADO.

Cancelador de eco de audio ajustado para proporcionar una señal de salida atenuada de eco a partir de una señal de entrada añadida de eco incluye audio de un extremo cercano además de audio de un extremo lejano,

añadiendo una contribución de eco, comprendiendo

un módulo que genera una primera señal de salida de módulo (5134), configurado por lo menos para implementar un primer modelo adaptativo (5121) de eco acústico, convergiendo para minimizar una parte mono de la contribución de eco en la primera señal de salida de módulo (5134) cuando se proporciona una estimación de eco mono y se resta la estimación de eco mono (5133) de la señal de entrada añadida de eco, creando la primera señal de salida de módulo (5134),

y por lo menos un módulo que genera una segunda señal de salida (5136), configurado por lo menos para implementar un segundo modelo adaptativo (5129), que converge para minimizar una parte de audio de múltiples componentes de la contribución de eco en la segunda señal de salida del módulo (5136) cuando se proporciona una estimación de la parte de múltiples componentes (5138) desde la primera señal de salida del módulo (5134), creando la segunda señal de salida del módulo (5136),

caracterizado por

uno o más detectores de audio de múltiples componentes configurados para detectar si está presente audio de múltiples componentes en el audio del extremo alejado, y en el que

el primer modelo adaptativo (5121) está configurado para suspender la convergencia cuando dicho uno con más detector de audio de múltiples componentes detecta substancialmente audio de múltiples componentes en el audio del extremo alejado, y

un segundo modelo adaptativo (5129) está configurado para suspender la convergencia cuando dicho uno o más detector de audio de múltiples componentes no detecta substancialmente ningún audio de múltiples componentes en el audio del extremo alejado, o

una unidad de procesamiento miscelánea (5122) que monitorizar el audio del extremo alejado y del extremo cercano configurada para atenuar la primera o la segunda señal de salida del módulo (5134, 5136) en eventos de presencia de audio del extremo alejado/extremo cercano de definidos que se activa cuando dicho uno o más detector de audio de múltiples componentes no detecta substancialmente ningún audio de múltiples componentes en el audio del extremo alejado

Sistema y procedimiento para audio estéreo mejorado.

Campo de la invención

La presente invención se refiere a un sistema de comunicación de audio y a un procedimiento con características acústicas mejoradas, y particularmente a un sistema de conferencias que incluye un sistema de cancelación de eco de audio mejorado.

Antecedentes de la invención

En un ajuste de un sistema de conferencias convencional que utiliza altavoces, se colocan dos o más unidades de comunicación en sitios separados. Una señal transmitida desde un sitio a otro sitio usando un sistema de conferencia experimenta varios retrasos, incluyendo estos retrasos un retraso de transmisión y un retraso de procesamiento. Para un sistema de conferencia de video, el retraso de procesamiento de las señales de video es considerablemente mayor que el retraso de procesamiento para las señales de audio. Como las señales de video y audio se han de presentar simultáneamente, en fase, se introduce a propósito un retraso de sincronización de los labios a la señal de audio, en las trayectorias de transmisión y recepción de la señal para compensar el mayor retraso de la señal de video.

En un sistema de conferencia convencional, uno o más micrófonos capturan una onda de sonido en un sitio A, y transforma la onda sonora en una primera señal de audio. La primera señal de audio se transmite a un sitio B, donde un juego de televisión o un amplificador y altavoz, reproduce la onda sonora original convirtiendo la primera señal de audio generada en el sitio A en la onda sonora. La onda sonora producida en el sitio B se captura parcialmente mediante el sistema de audio en el sitio B, se convierte en una segunda señal de audio, y se transmite de vuelta al sistema en el sitio A. Este problema de tener una onda sonora capturada en un sitio, transmitida a otro sitio, y a continuación transmitida de vuelta al sitio inicial se indica como eco acústico. En su manifestación más severa, el eco acústico podría provocar sonido de retroalimentación, cuando la ganancia de bucle excede la unidad. El eco acústico también provoca que los participantes en los sitios A y B se oigan a sí mismos, haciendo difícil la conversación en el sistema de conferencia, particularmente si hay retrasos en el ajuste del sistema, como es común en sistemas de conferencia, especialmente debido al retraso de sincronización de los labios citado anteriormente. El problema de eco acústico se soluciona usualmente usando un cancelador de eco, descrito a continuación.

"A hybrid mono/stereo acoustic echo canceller" publicado en IEEE Transactions on Speech and Audio Processing, vol. 6, nº. 5, septiembre 1998, páginas 468-475 por parte de Benesty J. et al. describe un procedimiento para cancelación de eco donde se elimina el contenido estéreo por encima de 1 kHz, mientras que se preserva el contenido estéreo por debajo de 1 kHz. La motivación es que las frecuencias por encima de 1 kHz contribuyen poco a la percepción humana del estéreo. Se puede usar un cancelador de eco mono por encima de 1 kHz. Por debajo de 1 kHz, se añaden componentes no lineales al canal izquierdo y derecho para descorrelacionar el canal izquierdo y derecho, y así reducir el problema de no unicidad. El inconveniente de este procedimiento comparado con la presente invención es la percepción menos estéreo debido al mono por encima de 1 kHz y al audio por debajo de 1 kHz se distor- sionan.

La figura 1 es una vista conjunta de un sistema de conferencia de video. Este sistema está distribuido en dos sitios, A y B. Como para el ajuste del sistema de conferencia, un módulo de conferencia de video se puede distribuir en más de dos sitios y el ajuste del sistema de conferencia es funcional cuando solamente un sitio tiene un altavoz. El módulo de video tiene en el sitio A un sistema de captura de video 1141 que captura una imagen de video y un subsistema de video 1150 que codifica la imagen de video. En paralelo, se captura una onda de sonido mediante un sistema de captura de audio 1111 y un subsistema de audio 1130 codifica la onda sonora en la señal acústica. Debido a los retrasos de procesamiento en el sistema de codificación de video, el sistema de control 1160 introduce retrasos adicionales en la señal de audio mediante el uso de un retraso de sincronización de los labios 1163 para conseguir la sincronización entre las señales de video y audio. Las señales de video y audio se mezclan juntas en un multiplexor 1161 y la señal resultante, la señal de audio-video se envía a través del canal de transmisión 1300 al sitio B. Se inserta un retraso de sincronización de los labios adicional 1262 en el sitio B. Además, la señal de audio presentada mediante el dispositivo de presentación de audio 1221 se materializa como una onda sonora en el sitio B. Parte de la onda sonora presentada en el sitio B llega al dispositivo de captura de audio 1211 como una onda sonora directa o como una onda sonora reflejada. La captura del sonido en el sitio B y la transmisión de este sonido de vuelta al sitio A, junto con los retrasos asociados, forman el eco. La suma de todos los retrasos descritos es considerable y, por lo tanto, los requerimientos de calidad para un cancelador de eco en el sistema de conferencia de video son particularmente altos.

La figura 2 muestra un ejemplo de un subsistema cancelador de eco acústico, que puede ser una parte del sistema de audio en el sistema de conferencia del video de la figura 1. Por lo menos uno de los sitios participantes tiene el subsistema cancelador de eco acústico para reducir el eco en el sistema de comunicación. El subsistema cancelador de eco acústico 2100 es un modelo de banda completa de un cancelador de eco acústico digital. Un modelo de banda completa procesa una banda de audio completa (por ejemplo, de hasta 20 kHz; para las conferencias de video, la banda es típicamente de hasta 7 kHz, en conferencias de audio la banda es de hasta 3,4 kHz) de las señales de audio directamente.

Tal como ya se ha mencionado, la compensación del eco acústico se consigue normalmente mediante un cancelador de eco acústico. El cancelador eco acústico es un dispositivo individual una parte integrada, en este caso, del sistema de comunicación. El cancelador de eco acústico transforma la señal acústica transmitida desde el sitio A al sitio B, por ejemplo, usando un modelo matemático lineal/no lineal y a continuación resta la señal acústica modulada matemáticamente de la señal acústica transmitida desde el sitio B al sitio A. En más detalle, con referencia por ejemplo al subsistema cancelador de eco acústico 2100 en el sitio B, el cancelador de eco acústico pasa la primera señal acústica 2131 desde el sitio A través de un moderador matemático del sistema acústico 2121, calcula una estimación 2133 de la señal de eco, resta la señal de eco estimada de la segunda señal de audio 2132 capturada en el sitio B, y transmite de vuelta la segunda señal de audio 2135, menos el eco estimado al sitio A. El subsistema cancelador de eco de la figura 2 también incluye un error de estimación, es decir, una diferencia entre el eco estimado y el eco real, para actualizar o adaptar el modelo matemático a un ruido de fondo y cambios del ambiente, en una posición donde el sonido se captura mediante el dispositivo capturador de audio.

El modelo del sistema acústico 2121 utilizado en la mayoría de los canceladores de eco es un filtro FIR (respuesta de impulso finito), que aproxima la función de transferencia del sonido directo y la mayoría de las reflexiones en la habitación. Un modelo de banda completa del sistema acústico 2121 es relativamente complejo y requiere potencia de procesamiento, y se prefiere normalmente alternativas a los modelos de banda completa.

Una manera de reducir los requerimientos de potencia de procesamiento en un cancelador de eco es introducir es procesamiento de sub-banda, es decir, es la señal se divide en bandas con un ancho de banda menos, que se pueden representar utilizando una frecuencia de muestreo menor. Un ejemplo de este sistema se muestra en la figura 3. Las señales del altavoz y del micrófono se dividen mediante el filtro de análisis en sub-bandas, representando cada una un rango menor de frecuencias del altavoz y los micrófonos originales, respectivamente. La cancelación de eco similar y otro procesamiento se realizan en cada sub-banda, antes de que todas las bandas del micrófono modificado según han juntas para formar la señal de banda completa, mediante el filtro de sintetización.

En algunos casos, puede ser conveniente combinar procesamiento de sub-banda y banda completa. Algunos sub-algoritmos se pueden realizar...

1. Cancelador de eco de audio ajustado para proporcionar una señal de salida atenuada de eco a partir de una señal de entrada añadida de eco incluye audio de un extremo cercano además de audio de un extremo lejano, añadiendo una contribución de eco, comprendiendo

un módulo que genera una primera señal de salida de módulo (5134), configurado por lo menos para implementar un primer modelo adaptativo (5121) de eco acústico, convergiendo para minimizar una parte mono de la contribución de eco en la primera señal de salida de módulo (5134) cuando se proporciona una estimación de eco mono y se resta la estimación de eco mono (5133) de la señal de entrada añadida de eco, creando la primera señal de salida de módulo (5134),

y por lo menos un módulo que genera una segunda señal de salida (5136), configurado por lo menos para implementar un segundo modelo adaptativo (5129), que converge para minimizar una parte de audio de múltiples componentes de la contribución de eco en la segunda señal de salida del módulo (5136) cuando se proporciona una estimación de la parte de múltiples componentes (5138) desde la primera señal de salida del módulo (5134), creando la segunda señal de salida del módulo (5136),

caracterizado por

uno o más detectores de audio de múltiples componentes configurados para detectar si está presente audio de múltiples componentes en el audio del extremo alejado, y en el que

el primer modelo adaptativo (5121) está configurado para suspender la convergencia cuando dicho uno con más detector de audio de múltiples componentes detecta substancialmente audio de múltiples componentes en el audio del extremo alejado, y

un segundo modelo adaptativo (5129) está configurado para suspender la convergencia cuando dicho uno o más detector de audio de múltiples componentes no detecta substancialmente ningún audio de múltiples componentes en el audio del extremo alejado, o

una unidad de procesamiento miscelánea (5122) que monitorizar el audio del extremo alejado y del extremo cercano configurada para atenuar la primera o la segunda señal de salida del módulo (5134, 5136) en eventos de presencia de audio del extremo alejado/extremo cercano de definidos que se activa cuando dicho uno o más detector de audio de múltiples componentes no detecta substancialmente ningún audio de múltiples componentes en el audio del extremo alejado.

2. Cancelador de eco de audio según la reivindicación 1, caracterizado por el hecho de que dicho uno o más detector de múltiples componentes es uno o más detector estéreo que tiene como entrada un canal de audio izquierdo (L) y uno derecho (R) que transmiten el audio del extremo alejado, en el que el detector o detectores estéreo están configurados para detectar estéreo en el audio del extremo alejado.

3. Cancelador de eco de audio según la reivindicación 2, caracterizado por el hecho de que el detector o detectores estéreo están configurados para detectar estéreo cuando una relación de potencia entre R-L y R+L es mayor de cero.

4. Cancelador de eco de audio según la reivindicación 2, caracterizado por el hecho de que el detector o detectores estéreo están configurados para detectar estéreo cuando una correlación transversal entre R-L y R+L normalizada con la potencia de R+L es mayor de cero.

5. Cancelador de eco de audio según la reivindicación 2, caracterizado por el hecho de que el detector o detectores estéreo están configurados para detectar estéreo cuando una correlación transversal entre R y L normalizada con la potencia de R+L es menor de 0,25.

6. Cancelador de eco de audio según la reivindicación 2, caracterizado por el hecho de que el detector o detectores estéreo están configurados para detectar estéreo cuando una correlación transversal entre R y L normalizada con la potencia de R más la potencia de L es menor de 0,5.

7. Cancelador de eco de audio según una de las reivindicaciones 2 a 6, caracterizado por el hecho de que dicho segundo modelo adaptativo (5129) está configurado para converger para minimizar una parte estéreo de la contribución del eco en la señal de salida del módulo cuando se proporciona una estimación de eco estéreo (5138), y para arrestar la estimación dedicó estéreo (5138) de la primera señal de salida del módulo (5134), creando una segunda señal de salida del módulo (5136).

8. Cancelador de eco de audio según una de las reivindicaciones 2 a 7, caracterizado por el hecho de que el primer modelo adaptativo (5121) deriva la estimación de eco mono (5133) basada en la suma de R y L, y el segundo modelo adaptativo (5129) deriva la estimación eco estéreo (5138) a partir de una diferencia entre R y L.

9. Cancelador de eco de audio según las reivindicaciones 2 a 8, caracterizado por el hecho de que dicha unidad de procesamiento miscelánea (5122) también está configurada para

atenuar substancialmente la primera (5134) o la segunda (5136) señal de salida del módulo solamente cuando está presente audio del extremo alejado,

pasar la primera (5134) o la segunda (5136) señal de salida del módulo sin cambios solamente cuando está presente audio del extremo cercano.

10. Cancelador de eco de audio según la reivindicación 9, caracterizado por el hecho de que es si está presente audio del extremo alejado y audio del extremo cercano, la unidad de procesamiento miscelánea (5122) está configurada para

pasar la primera (5134) o la segunda (5136) señal de salida del módulo sin cambios o atenuada de manera marginal cuando no se detecta exterior en el audio del extremo alejado mediante uno o más detectores estéreo,

pasar o atenuar la primera (5134) o la segunda (5136) señal de salida del módulo substancialmente o de manera marginal según una elección predefinida, y/o dependiente de si está presente la cancelación de eco estéreo, cuando se detecta estéreo en el audio del extremo alejado mediante uno o más detectores estéreo.

11. Cancelador de eco de audio según una de las reivindicaciones 2 a 10, caracterizado por

un primer filtro de análisis (5151) configurado para dividir la frecuencia en por lo menos una parte de la señal de entrada añadida de eco en una serie de sub- señales de entrada añadida de eco, se haga una procesada mediante respectivas versiones de sub-módulos de dicho modelo,

un segundo filtro de análisis (5125) configurado para dividir la frecuencia de por lo menos una parte de la suma de L y R a una serie de sub-sumas de L y R procesadas mediante respectivas versiones de sub-módulos de dicho modelo, y/o respectivas versiones de subunidades de procesamiento misceláneas de dicha unidad de procesamiento miscelánea,

un filtro de síntesis (5127) configurado para unir las salidas de la respectivas versiones de sub-módulos por la respectivas versiones de subunidades de procesamiento misceláneas.

12. Cancelador de eco de audio según la reivindicación 11, caracterizado por

un tercer filtro de análisis (516) configurado para dividir la frecuencia de por lo menos una parte de la diferencia de L y R en una serie de subdiferencias de L y R procesadas mediante las respectivas versiones de submódulos de dicho modelo, las respectivas versiones de subdetectores estéreo de dicho uno o más detectores estéreo y/o la respectivas versiones de subunidades de procesamiento misceláneas respectivas de dicha unidad de procesamiento misceláneas,

y porque la respectivas versiones de subdetectores estéreo de dicho uno o más detectores estéreo procesan dicha pluralidad de subsumas de L y R.

13. Cancelador de eco de audio según una de las reivindicaciones 2 a 12, caracterizado por

una unidad de colapso estéreo (5161) configurado para eliminar el estéreo del audio del extremo alejado cuando está presente audio del extremo alejado y audio del extremo cercano.

14. Procedimiento para proporcionar una señal de salida atenuada de eco a partir de una señal de entrada añadida de eco que incluye audio del extremo cercano además de audio del extremo alejado, añadiendo una contribución de eco en un sistema de cancelación de eco de audio que comprende un módulo que genera una primera señal de salida del módulo (5134), configurado por lo menos para implementar un primer modelo adaptativo (5121) de eco acústico, convergiendo para minimizar una parte mono de la contribución de eco en la señal de salida del módulo cuando se proporciona una estimación de eco mono (5133) y se resta la estimación de eco mono (5133) de la señal de entrada añadida de eco, creando la primera señal de salida del módulo (5134) y por lo menos un módulo que genera una segunda señal de salida (5136), configurado por lo menos para implementar un segundo modelo adaptativo (5129), convergiendo para minimizar una parte de audio de múltiples componentes de la contribución de eco en la segunda señal de salida del módulo (5136) cuanto se proporciona un estimación de una parte de múltiples componentes (5138) y se resta la estimación de la parte de múltiples componentes (5138) de la primera señal de salida del módulo (6134), creando la segunda señal de salida del módulo (5136),

caracterizado por las etapas de:

monitorizar si está presente audio de múltiples componentes en el audio del extremo alejado,

suspender para converger el primer modelo adaptativo (5121) cuando se detecta un audio de múltiples componentes substancial en el audio del extremo alejado, y

cuando no se detecta sustancialmente ningún audio de múltiples componentes en el audio del extremo alejado,

suspender para converger un segundo modelo adaptativo (5129), o

activa una unidad de procesamiento miscelánea (5122) que monitorizar el audio del extremo alejado y del extremo cercano configurada para atenuar una segunda señal de salida del módulo (5136) en eventos de presencia de audio del extremo alejado/extremo cercano predefinidos.

15. Procedimiento según la reivindicación 14, caracterizado por el hecho de que el audio del extremo alejado se transmite mediante un canal de audio izquierdo (L) y uno derecho (R), y dicho audio de múltiples componentes es estéreo.

16. Procedimiento según la reivindicación 15, caracterizado por el hecho de que dicho segundo modelo adaptativo (5129) se converge para minimizar una parte estéreo de la contribución de eco en la señal de salida del módulo cuando se proporciona una estimación de eco estéreo (5138), y restando la estimación de eco estéreo (5138) de la señal de salida del módulo, creando una segunda señal de salida del módulo (5136).

17. Procedimiento según la reivindicación 15 ó 16, caracterizado por las siguientes etapas adicionales:

derivar la estimación de eco mono (5133) basada en la suma de R y L, y

derivar la estimación de eco estéreo (5138) a partir de una diferencia entre R y L.

18. Procedimiento según una de las reivindicaciones 15 a 17, caracterizado por el hecho de que dicha unidad de procesamiento miscelánea (5122) también está configurada para:

atenuar sustancialmente la primera (5134) o la segunda (5136) señal de salida del módulo cuando está presente solamente audio del extremo alejado,

pasar la primera (5134) o la segunda (5136) señal de salida del módulo sin cambios solamente cuando está presente audio del extremo cercano, o

si está presente audio del extremo alejado y audio del extremo cercano,

pasar la primera (5134) o la segunda (5136) señal de salida del módulo sin cambios cuando no se detecta estéreo en el audio del extremo alejado mediante uno o más detectores estéreo,

pasar o atenuar la primera (5134) o la segunda (5136) señal de salida del módulo de manera substancial o marginal según una elección predefinida cuando se detecta estéreo en el audio del extremo alejado mediante uno o más detectores estéreo.

19. Procedimiento según una de las reivindicaciones 15 a 18, caracterizado por la siguiente etapa adicional:

eliminar estéreo del audio del extremo alejado cuando está presente audio del extremo alejado y audio del extremo cercano.