对比文件名称：2007-12-13_US2007286230A_发明申请_US20070286230A1 ECHO CANCELLATION FOR CHANNELS WITH UNKNOWN TIME-VARYING GAIN
目标专利名称：用于动态声学环境中的多信道声音的声学回波抵消的校准CN107439019B
本次调用的模型名称：GPT-4
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| 技术特征A：所述方法包括：存储来自具有参考值的声学环境的参考场景，《隐含公开》 | [0050] “Note that in further embodiments, {tilde over (H)} is periodically updated by reevaluating the signals x[n] and y[n] during periods in which there is negligible input to y[n] from r[n].” | 对比文件公开了可以周期性地更新信道模型{tilde over (H)}。为了进行更新，需要将当前信号与之前的某种参考状态进行比较。该参考状态，即初始训练获得的信道模型{tilde over (H)}，代表了特定声学环境（无远端信号r[n]时）的特征，其系数即为“参考值”。因此，对比文件隐含了存储一个来自声学环境的参考场景（即初始或上一次的信道模型）用于后续比较。 |
| 技术特征B：以及存储多个预定场景， | 未发现相关内容。 | 对比文件的核心是训练并应用一个单一的信道模型{tilde over (H)}，或者对该模型进行更新。全文并未提及存储多个不同的、预定义的场景或配置以供选择。因此，对比文件未公开“存储多个预定场景”这一特征。 |
| 技术特征C：其中来自所述多个预定场景当中的每一预定场景对应于用于各预定场景中的声学回波抵消的预调谐滤波器配置《隐含公开》 | [0050] “…{tilde over (H)} is periodically updated by reevaluating the signals x[n] and y[n]…”， [0051] “…{tilde over (H)} is then used to predict the contribution of x[n] to y[n]…” | 虽然对比文件没有明确存储“多个预定场景”，但它存储并使用了信道模型{tilde over (H)}，该模型是一个多抽头滤波器（见[0049]），其系数是通过训练“学习”得到的。这个模型{tilde over (H)}本身就是一个用于回声抵消的预调谐（即预先训练确定系数）的滤波器配置。因此，可以认为对比文件隐含了“（单个）预定场景（即训练时的声学环境状态）对应于一个预调谐滤波器配置{tilde over (H)}”的概念。 |
| 技术特征D：从所述声学环境确定场景《直接公开》 | [0050] “…reevaluating the signals x[n] and y[n] during periods in which there is negligible input to y[n] from r[n].”， [0051] “Once the coefficients of {tilde over (H)} have been learned in the initial training session…” | 对比文件在初始训练阶段（见[0049]），通过分析已知信号x[n]和输出信号y[n]（此时无r[n]），来学习表征声学环境（即信道）特征的模型{tilde over (H)}。这个过程即是从当前的声学环境（信号特征）确定一个场景（表现为信道模型{tilde over (H)}）。因此，该技术特征被对比文件直接公开。 |
| 技术特征E：将所确定场景映射到值《直接公开》 | [0071] “b=(XTX)−1{tilde over (y)}”， [0051] “…the coefficients of {tilde over (H)} have been learned…” | 对比文件中，从声学环境确定的“场景”具体体现为信道模型{tilde over (H)}的滤波器系数向量b（见方程式7）。这些系数是具体的、量化的数值。因此，“将所确定场景映射到值”这一步骤，在对比文件中直接体现为将学习到的声学环境特征表示为滤波器系数值。 |
| 技术特征F：检测所述声学环境的改变，《隐含公开》 | [0050] “…{tilde over (H)} is periodically updated by reevaluating the signals x[n] and y[n]…” | 对比文件提到可以周期性地重新评估信号并更新信道模型{tilde over (H)}。这一操作的触发逻辑隐含了检测声学环境可能已经发生改变的需求。因为如果环境没有改变，就没有必要更新模型。因此，本领域技术人员可以合理推断，为了决定何时进行“reevaluating”，系统需要（或隐含了）一种检测声学环境是否发生改变的机制。 |
| 技术特征G：其中检测所述改变包括比较来自所述声学环境的所述参考场景的所述参考值与来自所述声学环境的所述所确定场景的所述值，《隐含公开》 | [0050] “…{tilde over (H)} is periodically updated by reevaluating the signals x[n] and y[n]…” | 对比文件公开了通过重新评估当前信号（x[n], y[n]）来更新模型{tilde over (H)}。要判断是否需要更新，必然涉及将新评估得到的潜在新模型（或新信号特征）与之前存储的参考模型{tilde over (H)}（即参考场景的值）进行比较，以判断差异是否显著。这个过程隐含了技术特征G所描述的“比较参考值与新确定场景的值”。 |
| 技术特征H：以及量化来自所述声学环境的所述参考场景的所述参考值与来自所述声学环境的所述所确定场景的所述值之间的所述改变《隐含公开》 | [0050] “…{tilde over (H)} is periodically updated…”， [0071] 方程式7计算新的系数b。 | 当对比文件通过重新训练得到一组新的滤波器系数b‘时，这组新系数与存储的旧系数b之间的差异（例如，欧氏距离、均方误差等）本身就是对声学环境改变的一种量化。虽然对比文件没有明确写出量化公式，但更新模型的前提是识别到了有意义的改变，这必然隐含着对改变程度的某种量化评估。 |
| 技术特征I：确定所述声学环境的所述改变是否满足作为用于校准所述多信道声音系统的条件的阈值， | 未发现相关内容。 | 对比文件提到了模型可以“periodically updated”（周期性更新）或当信道“varies slowly over time”（缓慢变化时）更新（见[0050]），但并未引入一个明确的、量化的“阈值”作为触发校准（更新）的条件。没有公开将量化后的改变与一个预设阈值进行比较以决定是否执行后续校准步骤。 |
| 技术特征J：所述多信道声音系统包括处于所述声学环境内的两个或多个声源以及两个或多个用于所述声学环境中的声学回波抵消的滤波器，《隐含公开》 | [0005] “…sound emitted by one or more loudspeakers is picked up by one or more microphones.”， [0049] “…{tilde over (H)} is modeled as an all-zero filter…” | 对比文件背景技术部分提及了典型的AEC系统涉及一个或多个扬声器（声源）和一个或多个麦克风。虽然其具体实施例主要围绕单输入信号x[n]进行分析，但“one or more loudspeakers”的表述以及回声消除的一般应用场景，使得本领域技术人员能够理解该系统可扩展到多个声源（扬声器）的情况。滤波器{tilde over (H)}是用于回声抵消的核心组件。因此，可以合理推断对比文件隐含了包含多个声源和对应滤波器的系统配置。 |
| 技术特征K：所述两个或多个滤波器经配置以改变由所述两个或多个声源中的每一个所产生的声音信号《直接公开》 | [0049] “y[n]=s[n]({tilde over (h)}[n]*x[n])+r[n]”， [0051] “{tilde over (H)} is then used to predict the contribution of x[n] to y[n]” | 对比文件的核心是使用信道模型（滤波器）{tilde over (H)}来处理输入信号x[n]（{tilde over (h)}[n]*x[n]）。滤波器的作用就是改变（在此处是卷积滤波）输入信号，以模拟其通过声学环境后的变化，从而用于回声抵消。因此，“滤波器经配置以改变声源产生的声音信号”这一特征被对比文件直接公开。 |
| 技术特征L：基于所述声学环境的所述改变满足所述阈值，从所述多个预定场景当中鉴别出最匹配所述所确定场景的预定场景 | 未发现相关内容。 | 对比文件没有公开“多个预定场景”，也没有公开基于阈值比较后从多个场景中选择“最匹配”的一个。其模型更新方式是直接通过当前信号重新训练（或计算）出一个新的{tilde over (H)}，而不是从一个预存的集合中选择。因此，该特征未被公开。 |
| 技术特征M：及使用对应于所述经鉴别的预定场景的所述预调谐滤波器配置来校准所述多信道声音系统，《直接公开》 | [0051] “Once the coefficients of {tilde over (H)} have been learned…, {tilde over (H)} is then used to predict the contribution of x[n] to y[n]…”， [0094] “Finally, given this best fit…, it is simple to recover {circumflex over (r)}[n]…” | 对比文件在训练得到滤波器{tilde over (H)}（即预调谐配置）后，在实时处理阶段直接使用该{tilde over (H)}来从y[n]中预测并移除x[n]的回声分量，这个过程就是使用预调谐滤波器配置对系统进行校准和应用，以实现回声抵消。因此，该特征被直接公开。 |
| 技术特征N：其中校准所述多信道声音系统包括根据所述预调谐滤波器配置更新所述多信道声音系统的所述两个或多个滤波器。《直接公开》 | [0050] “…{tilde over (H)} is periodically updated by reevaluating the signals x[n] and y[n]…” | 对比文件明确指出，信道模型{tilde over (H)}（即滤波器）可以定期更新。更新{tilde over (H)}就是根据新的训练数据（新的预调谐配置）来更新系统的滤波器。因此，“根据预调谐滤波器配置更新滤波器”这一具体操作被对比文件直接公开。 |
| 技术特征O：其中所述阈值包括第一阈值，且其中鉴别最匹配所述所确定场景的所述预定场景包括：基于所述所确定场景的所述值与所述预定场景的值之间的差异来量化所述匹配的紧密度，以及确定所述匹配的所述紧密度是否满足作为用于校准所述多信道声音系统的另一条件的第二阈值。 | 未发现相关内容。 | 对比文件完全没有涉及使用双重阈值机制，既没有第一阈值用于判断环境改变，也没有第二阈值用于判断场景匹配的“紧密度”。该特征是目标专利中一个更精细的控制逻辑，未在对比文件中公开。 |
| 技术特征P：其中所述多个预定场景被存储在本地或存储在远端，且可经由通信连接存取。 | 未发现相关内容。 | 对比文件未讨论滤波器配置（{tilde over (H)}）的存储位置或存取方式。 |
| 技术特征Q：其中所述声学环境是房间或交通工具的内部中的一个。 | 未发现相关内容。 | 对比文件虽然以声学回声消除（AEC）为例，但其描述是通用的（如“room environment”[0006]），并未将声学环境明确限定为“房间或交通工具的内部”。这是一个具体的应用场景限定，未被对比文件公开。 |
| 技术特征R：其中所述参考场景包括对应于所述多信道声音系统的最初校准的来自所述声学环境的最初场景。《直接公开》 | [0050] “In general, the DEC is initially trained by first learning or estimating coefficients of a ‘scale-free channel model’ {tilde over (H)}…” | 对比文件明确描述了初始训练阶段，此阶段学习得到的初始信道模型{tilde over (H)}，即对应于最初校准的最初场景。该模型被存储并作为后续比较或更新的参考基准。因此，该特征被直接公开。 |
| 技术特征S：还包括，在使用对应于基于来自所述声学环境的所述所确定场景鉴别的所述预定场景的所述预调谐滤波器配置来校准所述多信道声音系统之后，设置所述所确定场景作为所述参考场景。《隐含公开》 | [0050] “…{tilde over (H)} is periodically updated…” | 对比文件公开了周期性地更新信道模型{tilde over (H)}。当模型被更新后，这个新模型自然成为后续处理（以及下一次更新前）所使用的参考模型。这个过程隐含了“在使用新配置校准系统后，将新确定的场景（新模型）设置为新的参考场景”的逻辑。 |
<<<D>>><<<E>>><<<K>>><<<M>>><<<N>>><<<R>>><<<a>>><<<c>>><<<f>>><<<g>>><<<h>>><<<j>>><<<s>>>