第一章 簡介
1.3 回音現象
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
此方法將同一語音封包以多個網路串流(stream)重複傳輸數次以降低封包遺失率 (packet loss rate)，提昇音質。但此方法必然會提高頻寬使用量與串流連線數量，對網 路造成較大負擔。
6. Redudant voice streams (with piggyback) ：將同一個語音封包傳輸多次減少遺失率，
提昇音質。但此方法不建立額外的串流連線，而是將前一個語音封包附加於下一個封 包內一併傳輸，如此網路頻寬使用量雖會提高，但卻不用增加串流數量。
Network Side Solutions
為了解決網路會談的相關問題，在網路傳輸架構方面，有別於傳統需要伺服器 協助轉送資料的centralized server 架構，相關研究提出了兩種不需伺服端的傳輸架構 (serverless)。這兩種方法分別為：
1. Full Mesh Broadcasting：參與會談的節點之間直接建立連線，每位使用者將語音封 包直接傳送給會談中的所有與會者。此方法需要耗費相當大的網路頻寬與連線數量，
對於每一個節點而言，負擔相當的沈重，但由於資料不需其它節點轉送，故此法最大 的優點為延遲時間較短。
2. P2P Multicasting：此方法根據網路會談中每個節點的資源，每位發話者建立一個用 來傳輸聲音資料的multicasting tree，用以廣播封包到所有其他成員。此方法使得發話 者僅需將資料傳送給下一個轉送點，對於每個與會者而言需要建立的連線數量通常也 較Full Mesh 架構少，整體節點負擔較輕。但其最大缺點為封包必須經過多個轉送點，
延遲時間必然增加。
1.3 回音現象
本研究考慮的問題為如何改善echo epidemic 對於通話品質所造成的影響，同時作 到Silience Suppress 降低總頻寬使用量。目前針對 echo epidemic 的問題，最常使用的
Acoustic Echo Cancellation (AEC) ，以下分別針對回音現象，現有回音解
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
決方案與本研究所提出的解決方案一一提出說明。
聲音由音源發出後，若被反射回音源處即產生回音。若第三者直接接收到音源發 出之聲音後，又接收到反射的回音，則接收到兩次以上的相同聲音。回音的情形在全 雙工(full-duplex)語音通訊系統中經常發生。由於全雙工系統能夠同時傳送與接收聲音 訊號，因此收聽者(listener)本身也同時為說話者(talker)。而聲音可在固體與空氣中傳 導，如此可能使收聽者的收音裝置收到自己的播放裝置所發出的聲音，回音的現象就 此產生。
圖1：基本回音現象
參照圖1，以傳統電話(PSTN)系統為例，若說話者(A)說出的聲音，傳至收聽者(B) 後，經由電話聽筒的傳遞，再次被麥克風收回而由說話者A 的聽筒播放出 A 的聲音，
此即一般所稱呼的『聲學上的回音』(acoustic echo)[15]。除此之外，PSTN 系統還可能 因為訊號由於類比訊號混合時的阻抗不匹配導致信號反射的回音，此種回音則稱為 Network Echo。但此種回音僅發生於純類比系統中，在數位通訊系統中並不會發生[4]。
另一種由電話所造成的回音狀況常常發生於電視或廣播電台的Call-in 節目中。當觀 眾打電話與主持人溝通時，如圖2 所示，若講電話的觀眾的電話話筒收到電視發出自己 的聲音，則回音也會產生，使得主持人與所有電視觀眾都會聽到不斷反覆重疊的回音。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖2：Call in 節目中出現的回音狀況 1.4 回音消除基本原理
若要消除前述的由聲音上傳輸造成的回音，最簡單的方式就是加入回音消除機制 (echo cancellation)。對傳統電話而言，由於有標準的聽筒裝置，因此很容易預估回音的 強度與傳遞所需要的時間，建構此回音消除機制並不困難。
圖3：傳統電話中的基本回音消除機制
如圖3，聲音在由聽筒播放之前，先存入暫存器之中，並且加以反向(inverter)，當 話筒收回聲音訊號之後，再將先前存下的訊號經過適當衰減後與此相加，即可消除由話 筒收回的回音[2]。
1.5 VoIP 中的回音
在VoIP通話進行時，很多使用者並不會特別配備專用的設備，而是採用電腦原有的 喇叭與麥克風進行網路通話。如此一來聲音由喇叭播放後，在空氣中傳輸，經過空間反 射後再次被麥克風收回，同樣會產生回音，此種現象的發生將可能影響通話的品質，嚴 重時甚至影響會談的進行。例如圖4中說話者(A)的聲音傳送至收聽者(B)的喇叭播放後，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
經過牆壁反射，又被麥克風收回，返回至A的喇叭播放，造成回音。聲音自喇叭至麥克 風的路徑稱為”Accoustic path”。
圖4：因為聲音的傳輸或反射而造成的回音
由於VoIP 沒有標準的聲音播放與擷取設備，回音在 Acoustic path 上的傳輸延遲時 間變動極大，再加上多人參與會談時，回音的條件與特徵可能變得難以預估，因此VoIP 系統中的回音問題並不容易徹底解決。
在兩人以上的VoIP 會談中，每部參與會談的裝置(通常為個人電腦)通常都具有回 音消除機制，使得即使麥克風收到喇叭所播放的聲音時，也能夠有效消除回音，不至於 影響會談之進行。
圖5：回音消除機制正常時的多人網路會談
如圖5 為多人網路會談的狀況，其中一位與會者 B 的喇叭與麥克風距離太近，使得 由喇叭放出的訊號被麥克風收回。當回音消除機制正常啟動時，此訊號在裝置B 就被順
‧
Prob. of echo/noise
0
Number of Members
Probabilit y of echo f ree
=0.1
Generator)，此時狀況如圖 7。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖7：一個 Echo Generator 的回音影響
圖7 中 A 為發話者，其說話的聲音訊號為 S(A)，B 為回音消除機制故障之 PC(即回 音產生者)，其造成的回音為 S'(A)。此時，當發話者說話後，回音將會從以下兩種路徑 干擾參與通話者：
Talker -> Echo Generator -> Talker：發話者聽到自己的
Echo，即 S'(A)
Talker -> Echo Generator -> healthy Listener：其他收聽者聽到發話者的聲音以及
Echo，即 S(A) + S'(A)因此，只要有任何一個裝置的回音消除機制故障，則其產生的回音就會干擾發話 者以及其他所有收聽者，造成整個網路會談充滿回音的聲音訊號，嚴重影響通話品質。
1.5.2 多個回音產生者
而若在一個會談中有超過一個以上的Echo Generator 存在時，問題會變得更為複 雜，例如當同時有兩個Echo Generator 時，回音訊號的反射如圖 8：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖8：會談中有兩個 Echo Generator 存在時的回音傳遞情形
當說話者(Speaker A)說出一段語音 S(A)後，傳遞給兩位 Echo Generator，則會由 Echo Generator1 與 Echo Generator2 分別傳回一次回音，接著，由 Echo Generator1 傳給 Echo Generator2 的回音會再次產生回音，傳給發話者與 Echo Generator1，如此一來，只要任 一發話者說出一段語音，兩個Echo Generator 將不斷重複產生回音，直到聲音衰減至無 法收音為止，此時的回音傳輸路徑為：
Speaker A -> Echo Generator A & Echo Generator B
Echo Generator A -(回音)-> Speaker A & Echo Generator B
Echo Generator B -(回音)-> Speaker A & Echo Generator A
Echo Generator A -(回音的回音)-> Speaker A & Echo Generator B
Echo Generator B -(回音的回音)-> Speaker A & Echo Generator A
……..Loop，直到聲音能量衰減至無法收音
在此狀況下，比起只有一位回音產生者的狀況更加嚴重，只要有一位使者說一句 話，所有與會者就會不斷聽到重複遞迴的回音訊號，使得會談嚴重受影響，甚至難以進 行。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1.5.2 Proximity Problem 造成的回音
所謂的Proximity Problem 為電腦之間距離太近時，所發生一種聲音傳遞上造成的干 擾問題[7]。若兩部電腦距離太接近時，則使用者的聲音（假設只有一個人說話）及兩部 電腦的喇叭聲音，同時被兩部電腦的麥克風收回，此狀況發生的狀況如圖9 所示。則此 時兩部電腦的喇叭將會同時放出包含發話者以及不斷重複的回音，且如此混亂的聲音將 再次被雙方的麥克風收音，導致此現象不斷循環。如此一來，將會造成複雜且混亂的回 音加上互相收音所造成的雜音。就如雪崩效應一般，收回的聲音被放大後播出，接著又 立刻被收音且播放，不斷反覆而造成類似震盪的刺耳噪音。
圖9：Proximity Problem 現象 1.6 名詞定義
a. Echo Generator：即回音消除機制產生故障，而使得會談中其他使用者聽到回音產 生的裝置，亦即此裝置為Compromized Node。反之，功能正常者則稱為 Healthy Listener。
b. Direct Echo：由 Echo Generator 所產生，使得 Talker 聽到自己的聲音的回音。
c. Indirect Echo：網路會談中其他 listener 聽到 Talker 聲音的回音。
d. Infected Conference：因為有 Echo Generator 參與，而造成含有 Indirect Echo 亂竄 的網路語音會談。
1.7 研究動機與目的
由於目前各種針對回音消除的方法，大多僅針對一對一的通話所產生的回音進行消 除，且考慮的僅有聽筒到話筒間固定長度且短距離造成的回音，針對距離不固定，甚且
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參與會談人數增加時所造成的回音狀況均沒有加以歸納分析，以至於常常無法正確的消 除回音。雖然現在的電腦音效卡中均有內建回音消除演算機制，VoIP 軟體中也有加入類 似的判斷與修正機制，但卻常常發生失效的狀況，更常見的是部份失效，亦即回音消除 不完全而產生噪音，且當多人進行大型網路語音會談時，經常由於一個使用者的設備出 現問題，而造成整個會談的通話品質受到嚴重干擾，以至於難以溝通。
此外，當與會成員沒有在說話時，傳統的會談程式仍然會持續將空白的語音封包送 至網路上，如此將造成網路資源的浪費。基於以上理由，本研究希望分析在大型網路語 音會談中，回音消除機制失效的成因與語音的特性，以此設計消除回音與Slience Suppression 的方法，抑制會談中不必要的回音與靜音，確保語音會談正常進行的方法，
同時節省網路頻寬。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第二章 背景與相關研究
本章針對目前已經存在的回音消除機制相關作法與其歷史進行說明，探討它們的實 作原理與尚須改進的部份。
2.1 回音消除技術演進
在1950 年代以前，電話系統中並沒有回音消除機制存在。當時的通訊系統為了消 除回音對通訊造成的干擾，而採用回音抑制(echo suppression)的方式降低回音。由於 當時的通話系統均為一對一通話，沒有多方通話技術出現，因此人與人的溝通是以半 雙工(half-duplex)方式進行，亦即同一時間僅其中一方在說話，另一方是收聽者[20]。
此回音抑制機制會判定電話的那一方是說話者，則在說話期間就保留正常的語音，將 收聽者回傳的訊號視為回音進行衰減或阻止其傳輸，以達到回音抑制的目的。此方法 雖有效消除半雙工通話中的回音，但回音抑制機制的判定速度往往跟不上發話者切換
此回音抑制機制會判定電話的那一方是說話者，則在說話期間就保留正常的語音，將 收聽者回傳的訊號視為回音進行衰減或阻止其傳輸，以達到回音抑制的目的。此方法 雖有效消除半雙工通話中的回音，但回音抑制機制的判定速度往往跟不上發話者切換