VoIP 接入：回声问题与回声消除原理

VoIP 接入 回声问题与回声消除原理接入 回声问题与回声消除原理 1 回声问题 一 回声的来源与特性回声问题 一 回声的来源与特性 在电信系统中 需要考虑两种回声 一种是电学回声 由二四线混合电路产生 另外一种是声学回声 由扬声器发出的声音经过某种途径传递到麦克风而产生 在固网接入中 只需要考虑电学回声即可 下面是二四线混合电路的原理图 当平衡阻抗与外线阻抗相等时 从四线输入端反馈到四线输出端的信号等于 0 所谓外线阻抗 指的是从接入设备的用户端口看出去的等效阻抗 等效阻抗包 含电话线与终端所形成的阻抗 还得考虑到电话线之间 电话线与信号地之间的相互作用 这在电信的 112 测试标准中 有着详细的描述 而平衡阻抗 由用 户端口电路提供 如果平衡阻抗与外线阻抗差异较大 则会产生明显的回声 从而影响人的主观感受 甚至影响 modem 通信的质量 在老的接入设备上不存在回声问题 这是因为回声对人的主管感受的影响不但与回声的大小有关 而且与回声的时延有关 当时延很小时 回声不会对人的主 观感受带来影响 就像我们在房间里面说话 和在山谷路面说话 虽然都有较大的回声 在房间里更大 但主观感受完全不一样 因为老接入设备用的是电 路交换 语音信号的时延很小 此时回声不但不会降低主观感受 反而作为 侧音 让说话者能够感觉到自己正在说话 以上就是为什么老接入设备上 不需要 考虑回声造成的不良后果的原因 回声问题 二 回声带来的问题回声问题 二 回声带来的问题 VoIP 接入 回声问题与回声消除原理接入 回声问题与回声消除原理 VoIP 接入设备用 UDP 包来传递窄带信号 考虑到语音包的打包以及 IP 交换网的时延 回声的时延是相当可观的 所谓窄带信号 指的是经 8KHz 采样 8bit A 率或 u 率量化的信号 较大的时延使得回声对人的主观感受造成了不良影响 我曾经处理过一次 小灵通 接入与 VoIP 固网接入设备之间的电话回声问题 在电信网中如果不考虑回 声问题 确实会对用户造成不小的困扰 回声造成的更大问题是 会严重影响 modem 通信 ITU T 的 V 系列协议用于描述 modem 通信 常见的有 V 21 V 17 V 32 V 34 V 90 以及 V 92 描述调制解调算法 以及所构成的物理通道 V 42 描述数据传输的差错控制算法 V 42bis 描述数据压缩算法 V 8 描述能力协商过程 通常被包含在 V 34 V 90 与 V 92 中 从通信类型上来分 银行刷卡机 通常采用与 V 21 相似的调制解调技术 低速传真 通常采用 V 21 传送传真信令 用 V 17 传送传真图像数据 高速传真 采用 V 34 传送传真信令与图像数据 高速 modem 采用 V 34 V 90 与 V 92 传送数据 前三者都属于半双工通信 终端不会同时收发 而高速 modem 属于全双工通信 终端会同时收发数据 对于半双工通信 电话线上所连接的终端 在发送信 号时不会接收 反之亦然 这样就不会被自己的回声所困扰 对于全双工通信 电话线上所连接的终端 必须采用频分复用或时分复用中的一种 这样才能让 电话线上的收发信号能够区分出来 而高速 modem 采用回声消除技术 在接收时消除自己发出去的信号的回声 从而实现全双工通信 强调一下 高速 modem 本身具有回声消除功能 现在问题来了 对于半双工通信中的终端 如果回声的时延较大 那么它会不会误把自己的回声当作对方发过来的信号呢 对于高速 modem 它本身具有 EC 功能 如果 VolP 接入设备也具有 EC 功能 这种 EC 的串联工作是否会出问题呢 2 VoIP 接入 回声问题与回声消除原理接入 回声问题与回声消除原理 3 这两个问题的答案 都是肯定的 在 ITU T 标准中明确指出 EC 的串联工作会带来不确定的效果 所以 VoIP 接入设备在承载 modem 高速通信业务时 应 将自己的 EC 关闭 不过 ITU T 没有明确指出 VoIP 接入设备在承载 fax 通信业务时 是否应关闭 EC 而是说不同厂家的实现方式不同 且有着不同的效果 实际上在了解了 EC 的工作触发条件后 我建议打开 EC 回声问题 三 回声消除原理回声问题 三 回声消除原理 回声由 2 4 线混合电路产生 如果把整个外线和 2 4 线混合电路看成一个系统 则根据实际情况可知该系统是非时变或者缓慢变化的线性系统 如下图所示 该系统的输入为 x n 输出为 x n 该系统一般被称为回声路径 那么当自适应滤波器的系统函数逼近回声路径的系统函数时 回声就可以被抵消掉 容易想到一个问题 自适应滤波器什么时候开始训练呢 显然只有在本地用户没有说话时 x n 才是 x n 的回声 否则会混入用户的话音 EC 通过对比 TDM RX TX 上的信号的强弱 来判断本地与远端用户是否在说话 只有在远端用户在说话 同时本地用户没有说话时 才让自适应滤波器训练 显然 EC 要求回声 路径传递回来的 x n 相对于 x n 有足够大的衰减 否则它认为 x n 混入了话音