エコー抑制とキャンセル

エコー抑制とエコーキャンセルは、エコーの発生を防いだり、すでにエコーが発生している場合にはエコーを除去したりすることで、電話の音声品質を向上させる方法である。主観的なオーディオ品質を向上させることに加え、エコー抑制は、エコーが通信ネットワークを伝わるのを防ぐことで、無音抑制によって達成される容量を増加させる。エコー抑制装置は、通信に初めて衛星が使用されたことを受けて、1950 年代に開発されました。

エコーの抑制およびキャンセル方法は、一般的に音響エコー抑制( AES ) および音響エコーキャンセル( AEC )、まれに回線エコーキャンセル( LEC ) と呼ばれます。場合によっては、これらの用語の方が正確です。エコーにはさまざまな種類と原因があり、それぞれに特徴があり、音響エコー (スピーカーからの音が反射してマイクに録音され、時間の経過とともに大幅に変化する) や回線エコー (送信線と受信線の間の結合、インピーダンスの不一致、電気反射などによって発生する電気インパルス^[1]で、音響エコーよりも変化がはるかに少ない) などがあります。ただし、実際にはすべての種類のエコーの処理に同じ手法が使用されるため、音響エコーキャンセラーは回線エコーと音響エコーの両方をキャンセルできます。特にAEC は、音響エコー、回線エコー、またはその両方のいずれを目的としているかに関係なく、エコーキャンセラー全般を指す場合によく使用されます。

エコー サプレッサーとエコー キャンセラーは、話している人が自分の声のエコーを聞かないようにするという同様の目的を持っていますが、使用する方法は異なります。

• エコー サプレッサーは、回線上の一方向に流れる音声信号を検出し、反対方向の信号をミュートまたは減衰することによって機能します。通常、回線の遠端にあるエコー サプレッサーは、回線の近端から来る音声を検出すると、このミュートを行います。このミュートにより、話者は遠端から返ってくる自分の声を聞くことができなくなります。
• エコーキャンセルでは、最初に送信された信号を認識し、それが送信信号または受信信号に多少の遅延を伴って再び現れるようにします。エコーが認識されると、送信信号または受信信号からエコーを減算することで除去できます。この技術は、通常、デジタル信号プロセッサまたはソフトウェアを使用してデジタル的に実装されますが、アナログ回路でも実装できます。^[2]

ITU 標準 G.168 および P.340 では、それぞれデジタル アプリケーションとPSTNアプリケーションにおけるエコー キャンセラーの要件とテストについて説明しています。

電話において、エコーとは、自分の声が反射されてしばらくしてから聞こえる音のことです。遅延がかなり大きい場合（数百ミリ秒以上）、迷惑なものとみなされます。遅延が非常に小さい場合（数十ミリ秒以下^{[3] ）、この現象は}サイドトーンと呼ばれます。遅延がわずかに長い場合（50ミリ秒程度）、人間はエコーを明確な音として聞くことができず、代わりにコーラス効果として聞こえます。^[3]

電気通信の初期の頃、エコー抑制は、人間ユーザーにとって不快なエコーの性質を軽減するために使用されていました。1 人が話し、もう 1 人が聞き、2 人が交互に話します。エコー抑制装置は、どちらが主要な方向であるかを判断し、そのチャネルを順方向に通します。逆方向チャネルでは、信号がエコーであると想定して、減衰を行って信号をブロックまたは抑制します。抑制装置はエコーを効果的に処理しますが、このアプローチは、通話の双方にとってストレスになる可能性のあるいくつかの問題を引き起こします。

• ダブルトーク: 会話では、少なくとも短時間は、両者が同時に話すのが普通です。各エコー サプレッサーは回線の遠端から来る音声エネルギーを検出するため、通常は両方向に同時に損失が挿入され、事実上両方の当事者がブロックされます。これを防ぐために、エコー サプレッサーは、近端のスピーカーからの音声アクティビティを検出し、近端のスピーカーと遠端のスピーカーの両方が話しているときは損失を挿入しないように (または挿入する損失を小さくするように) 設定できます。もちろん、これにより、エコー サプレッサーの主な効果が一時的に完全に無効になります。
• クリッピング: エコー サプレッサーは、損失の挿入と除去を交互に行うため、新しい話者が話し始めると、小さな遅延が発生し、その話者の音声の最初の音節がクリッピングされることがよくあります。
• デッドセット: 通話の相手側が騒音の多い環境にいる場合、相手側の話者が話している間は、相手側の話者にはバックグラウンド ノイズが聞こえますが、相手側の話者が話し始めると、エコー サプレッサーによってこのバックグラウンド ノイズが抑制されます。バックグラウンド ノイズが突然なくなると、相手側のユーザーには回線が切断されたという印象を与えます。

これに対応して、ベル研究所は1960年代初頭にエコーキャンセラ理論を開発し、^{[4] [5]、} 1960年代後半には研究室用のエコーキャンセラが、1980年代には商用のエコーキャンセラが誕生しました。^[6]エコーキャンセラは、話者の信号からエコーの推定値を生成し、その推定値を戻り経路から減算することによって機能します。この技術では、エコーを効果的にキャンセルするのに十分な精度の信号を生成する適応型フィルタが必要ですが、途中で発生するさまざまな劣化により、エコーは元の信号と異なる場合があります。AT&Tベル研究所での発明^[5]以来、エコーキャンセルアルゴリズムは改善され、磨かれてきました。すべてのエコーキャンセルプロセスと同様に、これらの最初のアルゴリズムは、伝送経路に必然的に再入力される信号を予測してキャンセルするように設計されていました。

デジタル信号処理の急速な進歩により、エコーキャンセラをより小型かつ低コストで製造できるようになりました。1990 年代に、エコーキャンセラはスタンドアロン デバイスとしてではなく、音声スイッチ内に初めて実装されました (Northern Telecom DMS-250 )。エコー キャンセレーションをスイッチに直接統合することで、通話ごとにエコーキャンセラのオン/オフを確実に切り替えることができ、音声通話とデータ通話に別々のトランク グループを用意する必要がなくなりました。今日の電話技術では、小型またはハンドヘルド通信デバイスにソフトウェア音声エンジンを介してエコーキャンセラが採用されることが多く、音響エコーまたは遠端の PSTN ゲートウェイ システムによってもたらされる残留エコーのいずれかがキャンセルされます。このようなシステムでは通常、最大 64 ミリ秒の遅延でエコー反射がキャンセルされます。

エコーキャンセルプロセスは次のように機能します。

1. 遠端信号がシステムに配信されます。
2. 遠端信号が再生されます。
3. 遠端信号は近端信号に似るようにフィルタリングされ、遅延されます。
4. フィルタリングされた遠端信号は近端信号から減算されます。
5. 結果として得られる信号は、直接音や反響音を除いた、部屋に存在する音を表します。

エコーキャンセラの主な課題は、遠端信号に適用するフィルタの応答特性を、結果として得られる近端エコーに似たものにすることである。フィルタは本質的には、スピーカー、マイク、および部屋の音響特性のモデルである。近端のスピーカーとマイクの特性は一般に事前にわからないため、エコーキャンセラは適応型でなければならない。近端の部屋の音響特性も一般に事前にわからないため、変化する可能性がある（たとえば、マイクがスピーカーに対して移動した場合や、人が部屋の中を歩き回って音響反射が変化する場合）。^{[2] [7]}遠端信号を刺激として使用することで、最新のシステムは適応型フィルタを使用し、約 200 ミリ秒でキャンセルなしから 55 dB のキャンセルに収束することができる。 ^[要出典]

多くのアプリケーションでは、エコーキャンセルだけでは不十分な場合があります。エコーキャンセルと抑制を併用することで、許容できるパフォーマンスを実現できます。

エコーは次のように測定されますエコーリターンロス（ERL）。これは元の信号とそのエコーのデシベル^[8]オーディオフィードバックが発生します。

エコーキャンセラの性能はエコーリターンロスエンハンスメント（ERLE）^{[3] [9]}で測定されます。これはエコーキャンセラによって適用される追加の信号損失の量です。ほとんどのエコーキャンセラは18～35dBのERLEを適用できます。

エコー（ACOM）の総信号損失はERLとERLEの合計である。^{[9] [10]}

エコーの発生源は、次のような日常の環境にあります。

• ハンズフリー車載電話システム
• スピーカーフォンモードの標準電話または携帯電話
• 専用のスタンドアロンスピーカーフォン
• 天井スピーカーとテーブル上のマイクを使用する会議室システムを導入
• スピーカーの振動が受話器の筐体を介してマイクに伝わる物理的な結合

こうしたケースでは、スピーカーからの音がほとんど変化せずにマイクに入ります。エコーをキャンセルするのが難しいのは、周囲の空間によって元の音が変化することによるものです。こうした変化には、特定の周波数が柔らかい家具に吸収されたり、さまざまな周波数がさまざまな強さで反射したりすることが含まれます。

AEC を実装するには、エンジニアリングの専門知識と、通常はデジタル信号プロセッサ(DSP)の形式の高速プロセッサが必要であり、処理能力にかかるコストは高額になる可能性がありますが、多くの組み込みシステムには完全に機能する AEC が搭載されています。

音声入力を受け入れるスマート スピーカーと対話型音声応答システムは、音声プロンプトの再生中に AEC を使用して、システム自体の音声認識がエコーされたプロンプトやその他の出力を誤って認識するのを防ぎます。

標準の電話回線では、音声の送受信に同じ 1 組のワイヤが使用されるため、送信信号の一部が反射して戻ってきます。これは、電話で話している人にとっては便利です。自分の声がシステムを通過していることをスピーカーに知らせる信号だからです。しかし、この反射信号はモデムにとって問題を引き起こします。モデムは、リモート モデムからの信号と自身の信号のエコーを区別できないからです。

このため、初期のダイヤルアップ モデムでは信号周波数を分割し、両端のデバイスが異なるトーンを使用することで、送信に使用している周波数範囲内の信号を無視できるようにしていました。ただし、これにより、両側で使用できる帯域幅が減少しました。

エコー キャンセルにより、この問題は軽減されました。通話のセットアップとネゴシエーションの期間中、両方のモデムは一連の固有のトーンを送信し、電話システムを介して返されるのを待ちます。合計遅延時間を測定し、同じ期間の遅延ラインを構成します。接続が完了すると、通常どおり電話回線に信号を送信しますが、遅延ラインにも送信します。信号が反射して戻ってくると、遅延ラインからの反転信号と混合され、エコーがキャンセルされます。これにより、両方のモデムが利用可能なスペクトル全体を使用でき、速度が 2 倍になります。

エコーキャンセルは多くの電話会社によって回線自体にも適用されており、信号を改善するのではなく、データの破損を引き起こす可能性があります。一部の電話交換機またはコンバーター (アナログ端末アダプターなど) は、 ITU-T勧告 G.164 またはG.165に従って、このような通話に関連付けられた2100 Hz または 2225 Hz の応答トーンを検出すると、エコー抑制またはエコーキャンセルを無効にします。

標準的なツイストペア電話線を介して音声帯域を超える周波数で動作するISDN およびDSL モデムも、同時双方向データ通信を可能にするために自動エコー キャンセルを使用しています。送信信号がデジタル ビット ストリームであるため、適応型フィルタを実装する際の計算の複雑さは、音声エコー キャンセルに比べて大幅に軽減されます。フィルタのすべてのタップで乗算と加算を行う代わりに、加算のみが必要です。RAMルックアップ テーブル ベースのエコー キャンセル方式^{[11] [12]では、切り捨てられた送信ビット ストリームでメモリをアドレス指定するだけでエコー推定値を取得できるため、加算操作さえ不要になります。エコー キャンセルは現在、}デジタル信号プロセッサ(DSP) 技術 を使用して実装されるのが一般的です。

一部のモデムでは、エコー キャンセルの必要性をなくすために、着信と発信の周波数を別々に使用したり、送信と受信に別々のタイム スロットを割り当てたりします。電話ケーブルの元の設計限界を超える高周波数では、ブリッジ タップと不完全なインピーダンス整合により、大幅な減衰歪みが発生します。その結果、エコー キャンセルでは解決できない深く狭い周波数ギャップが生じることがよくあります。これらは、接続ネゴシエーション中に検出され、マッピングされます。

• 音声フィードバック
• 最小二乗フィルタ
• ミックスマイナス
• 信号反射
• 音声エンジン

• 「エコーキャンセル」。国際エンジニアリングコンソーシアム。2007 年 3 月 8 日のオリジナルからアーカイブ。
• 「Echo の基本チュートリアル」。Ditech Networks。2011 年 7 月 10 日にオリジナルからアーカイブされました。
• 「Q-Sys アコースティック エコー キャンセレーション」(PDF)。QSCオーディオ製品。2016年 7 月 28 日閲覧。