Hallo Freunde, Ich möchte die paar freien Tage jetzt nutzen und ein wenig den Stoff von der Uni repetieren, bald habe ich ein paar Prüfungen.... Gerade bin ich digitale Signalverarbeitung am anschauen, konkret: das LMS-Filter. Während des Semesters war mir irgendwie total klar, wie das funktioniert, aber jetzt stehe ich total auf dem Schlauch! Ich habe hier ein Simulink-Modell, wo dem LMS-Filter folgende Signale eingespiesen werden: - als Input-Signal kommt Sprache + ein überlagerter, störender Ton. - als Desired-Signal wählt man ein Signal mit der selben Frequenz wie der Störton. - Am Error-Output kann man dann die Sprache ohne den störenden Ton entnehmen! - das selbe funktioniert auch mit Rauschen anstatt dem Sinusgenerator. Mir ist schon klar, wie das LMS-Filter funktioniert. Es ist ein FIR-Filter. Dann wird die Differenz vom Filterausgang und dem "Desired" Signal gebildet, und das ergibt den Error. Und der soll minimiert werden, also eigentlich soll er gegen 0 gehen. Und jetzt kommt meine "interessante" Frage! Wenn das LMS-Filter doch versucht, den Fehler gegen 0 zu bringen... Warum kommt dann beim Error Output die Sprache raus? Eigentlich müsste das LMS-Filter ja dort konstant eine 0 liefern, weil es ja versucht, den Fehler gegen 0 zu bringen. Da stehe ich jetzt momentan total auf dem Schlauch. Als es der Dozent erklärt hat, war es irgendwie klar :-) aber jetzt nicht mehr. Bitte um eure Hilfe! :-D Vielen Dank & Gruss: Albin. P.S.: dass im Simulink-Bild das ich angehangen habe ein "normalised LMS" drin ist, sollte ja eigentlich nichts zur Sache tun. Einzig der Algorithmus zur Minimierung des Errors ist da ja ein anderer.
Albin Z. schrieb: > Warum kommt dann beim Error Output die Sprache raus? Die übliche Annahme ist, dass Sprache und Störung unkorreliert sind, das Filter kann also gar nichts von der Sprache entfernen (bzw. nur wenn während der Sprecheraktivität mit viel zu hoher Schrittweite adaptiert wird). Dein Szenario ist allerdings etwas untypisch und nicht sehr praxisrelevant; typisch wäre, dass der Störer ebenfalls ein Sprachsignal ist (Echokompensation).
Hallo Andreas, das Beispiel habe ich aus dem Buch "Adaptive Filter Theory" von Simon Haykin. Dort wird genau diese Anwendung beschrieben; die Idee ist, dass, falls das sinusförmige Störsignal in seiner Frequenz driftet, das Adaptive Filter das Signal dennoch entfernen kann, was mit einem gewöhnlichen, festen Notchfilter ja nicht möglich wäre. Andere Frage: bei der Echokompensation wäre der Input des LMS-Filters das, was das Mikrofon meines Telefonhörers aufnimmt; das Desired-Signal wäre das, was zum Lautsprecher geht, und am Error-Output käme dann was nochmal heraus? irgendwie blicke ich es noch nicht ganz, wie die Echokompensation funktionieren soll. Gruss!
Albin Z. schrieb: > Andere Frage: bei der Echokompensation wäre der Input des LMS-Filters > das, was das Mikrofon meines Telefonhörers aufnimmt; das Desired-Signal > wäre das, was zum Lautsprecher geht, und am Error-Output käme dann was > nochmal heraus? Da kommt das lokale (near end) Sprachsignal ohne Echo heraus.
Hi Andreas, super, ich beginne mich zu erinnern. Interessant ist hier allerdings schon, dass es funktioniert, obwohl doch in diesem Fall das Echo und die Sprache selbst eigentlich zueinander korreliert sind (was ja beim Noise-Beispiel weiter oben nicht der Fall ist). Und noch viel Interessanter: mein LMS-Filter in dem Modell oben hat nur eine Länge von 50 Taps, und obwohl mein Delay 1024 Samples beträgt, wird das Echo recht gut entfernt.
Das stimmt so nicht. Schau dir mal ein Blockschaltbild einer Echokompensation an. Entfernt wird das far-end Signal, übrig bleiben soll das near-end Signal, und die sind unkorreliert.
Hi Andreas, hmm das verstehe ich jetzt nicht. Was wäre dann Input oder Desired? :o bitte hilf mir auf die Sprünge. Gruss!
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.