DE10137348A1

DE10137348A1 - Verfahren und Schaltungsanordnung zur Geräuschreduktion bei der Sprachübertragung in Kommunikationssystemen

Info

Publication number: DE10137348A1
Application number: DE10137348A
Authority: DE
Inventors: Michael Walker
Original assignee: Alcatel SA
Current assignee: Alcatel Lucent SAS
Priority date: 2001-07-31
Filing date: 2001-07-31
Publication date: 2003-02-20
Also published as: EP1286334A2; EP1286334A3; US20030033139A1

Abstract

Derartige Verfahren sind unerlässlich, um eine natürliche Sprachübertragung aus geräuscherfüllter Umgebung, wie beispielsweise Flugplätzen oder Sportstadien, mittels mobiler oder stationärer Telekommunikations-Endgeräte zu gewährleisten. Geräuschreduktion ist weiter bei sprachgesteuerten Geräten zur Verbesserung der Qualität der Spracherkennung notwendig. Unter Verwendung eines Wiener-Filters 1.1 bei der bekannten Methode der Spektralsubtraktion für die Geräuschreduktion wird durch Einsatz eines Kompressors 2 und eines Expanders 3 der Dynamikumfang der Spektralsubtraktion wesentlich erweitert. Mit einer nichtlinearen Steuerung des Überschätzfaktors o und des Grundgeräuschs c der Übertragungsfunktion H(b, n) des Wiener-Filters wird eine qualitative Verbesserung der Sprachverständlichkeit bei sehr unterschiedlichen Störabständen von Sprache S und Geräusch NL im Vergelich zum bekannten Stand der Technik erreicht.

Description

Die Erfindung betrifft ein Verfahren und eine Schaltungsanordnung zur Geräuschreduktion bei der Sprachübertragung, deren Einsatz unerlässlich ist, um eine natürliche Sprachübertragung aus geräuscherfüllter Umgebung mittels mobiler und stationärer Telekommunikations-Endgeräte zu gewährleisten. So soll beispielsweise der Straßenlärm oder der Lärm auf Flugplätzen die Sprachverständlichkeit bei der Verwendung von Funktelefonen nicht wesentlich beeinflussen. Gleiches gilt für Motorengeräusche beim Einsatz von Autotelefonen. Im militärischen Bereich, beispielsweise in der Sprachübertragung aus Panzern, ist eine wirksame Geräuschreduktion unverzichtbar. Weitere Einsatzmöglichkeiten ergeben sich bei Audio/Video-Konferenzsystemen und in zunehmenden Maße bei sprachgesteuerten Geräten, bei denen die Spracherkennung ein wesentliches Qualitätsmerkmal ist.

Ein allgemein bekanntes Verfahren zur Geräuschreduktion ist die lineare Spektralsubtraktion. Bei diesem Verfahren wird nach der Transformation des geräuschbehafteten Sprachsignals aus dem Zeitbereich in den Frequenzbereich, beispielsweise mit der schnellen Fourier-Transformation, engl. Fast Fourier Transformation FFT, in den Sprachpausen das Geräuschspektrum ermittelt und vor der Rücktransformation des Sprachsignals aus dem Frequenzbereich in den Zeitbereich mit der inversen schnellen Fourier-Transformation, engl. Inverse Fast Fourier Transformation IFFT, von dem Spektrum des geräuschbehafteten Sprachsignals subtrahiert. Das Ergebnis hängt wesentlich von der Genauigkeit der Bestimmung des Geräuschspektrums ab. Mit einer trivialen Subtraktion werden bei stationären Geräuschen gute Ergebnisse erzielt, praktisch sind jedoch Geräusche nichtstationär, und es werden unterschiedliche Algorithmen zur Spektralsubtraktion eingesetzt.

Für die Bestimmung der Geräuschanteile eines geräuschbehafteten Sprachsignals im Frequenzbereich ist es allgemein bekannt, ein Wiener- Filter einzusetzen. Mit dem Wiener-Filter wird die Übertragungsfunktion H(b, n) einer Frequenzlinie n gemäß Gl. 1 berechnet. Bei der schnellen Fourier-Transformation werden aus k Abtastwerten, die sich innerhalb eines Zeitintervalls, eines Blocks b, befinden, n Frequenzlinien bestimmt.

o Überschätzfaktor (engl. overestimation factor)
c Grundgeräusch, Geräuschboden, (engl. noise floor)
b Zeitintervall, Block der Fourier-Transformation
n Frequenzlinie
NL(b, n) gemittelter Geräuschwert (engl. noise level)
S(b, n) Sprachsignal

Der gemittelte Geräuschwert wird mit einem rekursiven Filter erster Ordnung bestimmt.

Bei der Fourier-Transformation der Eingangsabtastwerte x(k) in den Frequenzbereich werden diese mit den Sinus- und Cosinusfunktionen der betreffenden Frequenzlinien n gefaltet. Es werden dabei Summenprodukte über ein Zeitintervall von beispielsweise K = 128 Abtastwerte gebildet, die dann zur Normierung durch die Anzahl K der Abtastwerte dividiert werden. Werden nun Eingangssignale mit einem Sprachsignalspegel von -36 dB transformiert, also Sprachsignalpegel von einem leisen Sprecher, so wird der einzelne Abtastwert zwecks Normierung durch K dividiert. Somit wird der einzelne Abtastwert nur noch von einem Pegel von -76 dB repräsentiert. Aus wirtschaftlichen Gründen werden in den meisten Produkten Festkomma-Prozessoren mit einer Wertbreite von 16 Bit eingesetzt, so dass damit ein Auflösungsvermögen von 96 dB erreicht wird. Diese Auflösung reicht aber bei oben genanntem Beispiel nicht aus, um einen repräsentativen Geräuschwert im Frequenzbereich zu berechnen. Somit entstehen bei kleinen Sprachsignalpegeln Fehler, so dass das Verfahren nur in einem eingeschränkten Dynamikbereich der Sprache einsetzbar ist. Durch das begrenzte Auflösungsvermögen eines Festkomma-Prozessors wird das Sprachsignal zusätzlich verrauscht. Bedingt durch die blockweise Verarbeitung der Eingangsabtastwerte x(k) mittels der schnellen Fourier- Transformation wird bei der Rücktransformation mit der inversen schnellen Fourier-Transformation je Block ein Wert geliefert, so dass eine diskontinuierliche Wertefolge entstehen kann, die als sogenannte "musical tones" im rücktransformierten Sprachsignal hörbar sein können. Um diesen Effekt zu vermeiden, wird das Grundgeräusch c so groß gewählt, dass die "musical tones" verdeckt werden. Das führt aber dazu, dass mit dem beschriebenen Algorithmus nur eine begrenzte Geräuschreduktion, etwa 6 dB, erreichbar ist.

Die lineare Spektralsubtraktion hat bei extremen Bedingungen wesentliche Nachteile. Bei einem sehr kleinen Sprach-Geräusch-Verhältnis, kurz Störabstand S/NL, kann das Sprachsignal durch einen zu groß gewählten Überschätzfaktor o drastisch verschlechtert werden. Bei einem sehr großen Störabstand S/NL hingegen wird das Sprachsignal bei der Spektralsubtraktion unnötig reduziert.

Mit der Erfindung wird nun die Aufgabe gelöst, ein Verfahren zur Geräuschreduktion anzugeben, das auch bei starker Varianz der Eingangsabtastwerte bei der Sprachübertragung in Kommunikationssystemen und einem stark variierenden Störabstand S/NL eine natürliche Sprachwiedergabe ermöglicht.

Diese Aufgabe wird durch das im ersten Patentanspruch angegebene Verfahren und die im dritten Anspruch beschriebene Schaltungsanordnung gelöst.

Das Wesen der Erfindung besteht darin, dass der Eingangsabtastwert durch Kompression an die Bedingungen einer sicheren Fourier-Transformation angepasst wird und dass für die Wiener-Filterung nichtlineare Einflussgrößen eingeführt werden, die durch die Größe des Störabstands S/NL gesteuert werden.

Die Erfindung wird nunmehr an einem Ausführungsbeispiel erläutert. In der dazugehörigen Zeichnung zeigen:
Fig. 1 ein Blockschaltbild einer Schaltungsanordnung zur Durchführung des erfindungsgemäßen Verfahrens und
Fig. 2 eine Darstellung der Funktion des Grundgeräuschs c und des Überschätzfaktors o in Abhängigkeit vom Kehrwert des Störabstandes S/NL
Fig. 1 zeigt schematisch die Baugruppen soweit sie für die Erklärung der Erfindung notwendig sind. Gemäß Fig. 1 besteht die Schaltungsanordnung zur Durchführung der Geräuschreduktion im wesentlichen aus einem Schaltungsteil für die Spektralsubtraktion 1, dem ein Kompressor 2, ein Sprach-Pausen-Detektor 4 und ein Störabstandsschätzer 5 vorgeschaltet und dem ein Expander 3 nachgeschaltet ist. Kompressor 2 und Expander 3 sind über ein Laufzeitglied 6 verbunden, das im Pfad 7 zur Übertragung des Kehrwerts des Expansionsgrades vom Kompressor 2 zum Expander 3 liegt. Der Schaltungsteil für die Spektralsubtraktion 1 besteht aus einem Wiener-Filter 1.1, aus einer Schaltung 1.2 für die Fourier-Transformation, einer Schaltung 1.3 für die Inverse Fourier-Transformation, einer Schaltung 1.4 für die Schätzung des Geräuschpegels NL und einer Schaltung 1.5 für die Berechnung des Überschätzfaktor o und des Grundgeräuschs c. Der Eingangsabtastwert x(k) wird im Zeitbereich zunächst durch den Kompressor 2 komprimiert. Der Einsatzpunkt des Kompressors 2 wird von dem Wert des Geräuschs NL gesteuert. Die im Bereich des Einsatzpunktes liegenden Amplituden des Eingangsabtastwertes x(k) der geräuschbehafteten Sprache werden verstärkt, Eingangsabtastwerte x(k), die über dem Einsatzpunkt liegen, werden auf eine nahezu konstante Ausgangsspannung des Kompressors 2 zurückgeregelt. Das geräuschbehaftete Sprachsignal wird so auf einen Normpegel, beispielsweise -16 dB, verstärkt und dann in den Frequenzbereich transformiert. Somit ergeben sich auch für sehr kleine Eingangsabtastwerte x(k) die für die Berechnung der Übertragungsfunktion H(b, n) des Wiener-Filters 1.1 gut darstellbaren Werte für das Geräusch NL(b, n) und für das geräuschbehaftete Sprachsignal NL(b, n) + S(b, n).
Um die Spektralsubtraktion durchführen zu können, werden beispielsweise mit einem rekursiven Filter erster Ordnung gemäß der Gleichungen 2 und 3 die geschätzten Mittelwerte des Sprachsignals S(b, n) und des Geräuschs NL(b, n) ermittelt. Mit dem Geräuschabstandsschätzer 5 wird dann der Störabstand S/NL bestimmt. Die Schätzung des Geräuschs NL(b, n) erfolgt während der Sprachpausen, die der Sprache S(b, n) während der Sprachaktivität. Sprachpause, p = 1, und Sprachaktivität, p = 0, werden durch den Sprach-Pausen-Detektor angezeigt.
Nach der Spektralsubtraktion wird das verbleibende Frequenzspektrum in den Zeitbereich mit Hilfe der Inversen Fourier-Transformation 1.3 rücktransformiert, wobei die durch die Fourier-Transformation bedingte Laufzeit durch das Laufzeitglied 6 zwischen Kompressor 2 und Expander 3 nachgebildet wird. Anschließend wir die ursprüngliche Dynamik des Signals mit Hilfe des Expanders 3 wiederhergestellt, an dessen Ausgang das geräuschreduzierte Sprachsignal y(k) zur Verfügung steht. Die nach der Spektralsubtraktion verbleibenden Restgeräusche werden um den Expansionsverlust reduziert, der als Kehrwert des Kompressionsgrades über den Pfad 7 zu dem Expander 3 übertragen wird. Wird der Grad der Expansion im Bereich unterhalb der Geräuschschwelle verstärkt, kann eine zusätzliche Absenkung des Geräuschs erreicht werden. Versuche haben gezeigt, dass eine zusätzliche Absenkung des Geräuschs von etwa 12 dB ohne hörbare Modulation der Sprache angewendet werden kann.
Zur Verbesserung der linearen Spektralsubtraktion werden nichtlineare Komponenten in die Übertragungsfunktion H(b, n) des Wiener-Filters eingeführt, siehe Gl. 1, so dass die Geräuschreduktion an das nichtlineare Übertragungsverhalten des menschlichen Ohres angepasst und damit eine natürliche Sprachwiedergabe ermöglicht wird.
Da für die Durchführung des Verfahrens ohnehin ein Geräuschabstandsschätzer 5, der aus einem Sprachpegelschätzer und einem Geräuschpegelschätzer besteht, vorgesehen ist, ist es ohne wesentlichen zusätzlichen Aufwand möglich, den Überschätzfaktor o und das Grundgeräusch c in Abhängigkeit vom aktuellen Störabstand S/NL als nichtlineare Einflussgrößen zu bestimmen so wie es in Fig. 2 dargestellt ist. Fig. 2 zeigt die Abhängigkeit des Grundgeräuschs c und des Überschätzfaktors o vom Verhältnis Geräusch NL zu Sprache S. Mit zunehmendem Geräusch- Sprach-Verhältnis nimmt der Störabstand S/NL ab, auf den im folgenden Bezug genommen wird.
Gemäß Gl. 1 wird H(b, n) = 1, wenn NL(b, n) < < S(b, n), also bei sehr großem Störabstand S/NL. In diesem Fall bleibt das Frequenzspektrum unverändert, es wird vom Frequenzspektrum nichts subtrahiert, der Überschätzfaktor o ist dann gleich Null. Der Überschätzfaktor o bestimmt die Stärke der Geräuschreduktion während der Sprachaktivität. Gemäß Fig. 2 nimmt der Überschätzfaktor o mit abnehmendem Störabstand S/NL zu, soweit eine sichere Trennung zwischen Geräusch NL und Sprache S möglich ist. Bei sehr schlechtem Störabstand S/NL muss der Überschätzfaktor o wieder verkleinert werden, da sonst die Gefahr besteht, dass bei der Spektralsubtraktion das Sprachsignal S beeinträchtigt wird.
Ebenso wie der Überschätzfaktor o wird das Grundgeräusch c in Gl. 1 in Abhängigkeit vom Störabstand S/NL gesteuert. Wird das Grundgeräusch c = 0, so kann H(b, n) den Wert Null annehmen, so dass Frequenzlinien bei der Übertragung unterdrückt werden. Da bei der Berechnung der Übertragungsfunktion H(b, n) des Wiener-Filters in Abhängigkeit vom Störabstand S/NL Fehler unvermeidbar sind, werden musical tones umso stärker hörbar, je kleiner das Grundgeräusch c ist, das bedeutet je mehr wird vom Frequenzspektrum subtrahiert. Bei sehr gutem Störabstand S/NL wird c = 1 gesetzt, das heißt es wird dann, wenn H(b, n) = 1 ist, das Frequenzspektrum nicht verändert. Mit abnehmendem Störabstand S/NL nimmt das Grundgeräusch c ab, die Geräuschunterdrückung wird stärker, und zwar so weit eine sichere Trennung zwischen Geräusch NL und Sprache S möglich ist. Bei sehr schlechtem Störabstand S/NL muss das Grundgeräusch c wieder größer werden, da sonst ein zu großer Wert vom Sprachsignalspektrum bei der Spektralsubtraktion subtrahiert werden wurde. Das Grundgeräusch c wird somit auch eine Funktion vom aktuellen Störabstand S/NL. Praktisch ist es erfolgreich möglich, lediglich den geschätzten Geräuschwert NL zur Steuerung des Grundgeräuschs c zu verwenden.
Die besten Ergebnisse für die Übertragungsfunktion H(b, n) des Wiener Filters 1.1 unter Berücksichtigung der nichtlinearen Steuerung des Überschätzfaktors o und des Grundgeräuschs c werden erzielt, wenn zwischen den beiden Größen der Zusammenhang gemäß Gl. 4 besteht.
In Abwandlung der in Fig. 1 dargestellten Schaltungsanordnung kann der Sprach-Pausen-Detektor 4 dem Expander 3 am Ausgang der Schaltungsanordnung nachgeschaltet werden.
Je nach gewählten Kompressionsgrad und Expansionsgrad von Kompressor 2 und Expander 3 sind Kennlinien mit unterschiedlichem Anstieg für den Kompressor 2 und für den Expander 3 möglich.
Im Vergleich zu dem bekannten Stand der Technik werden mit der Erfindung folgende Vorteile erzielt:

- Wirkung der Spektralsubtraktion über einen erweiterten Dynamikumfang,
- starke Reduzierung der musical tones,
- Verwendung kostengünstiger Festkommarechner,
- verbesserter Störabstand, kein Eigenrauschen,
- qualitative Verbesserung der Sprachverständlichkeit bei unterschiedlichen Störabständen
- Verbesserung der Erkennungsrate bei Spracherkennungssystemen.

Claims

1. Verfahren zur Geräuschreduktion bei der Sprachübertragung in Kommunikationssystemen unter Verwendung eines Wiener-Filters (1.1) zur Spektralsubtraktion eines Geräuschspektrums von einem Spektrum eines geräuschbehafteten Sprachsignals im Frequenzbereich mit mindestens einem der folgenden Verfahrensschritte, nämlich
dass die Zeitfunktion (x(k)) des geräuschbehafteten Sprachsignals vor der Transformation in den Frequenzbereich mit einem Kompressor (2) so komprimiert wird, dass unabhängig vom Dynamikbereich des geräuschbehafteten Signals die Transformation in den Frequenzbereich derart ermöglicht wird, dass repräsentative Geräuschwerte im Frequenzbereich berechnet werden können und dass nach der Rücktransformation des geräuschreduzierten Sprachsignals aus dem Frequenzbereich in den Zeitbereich die Zeitfunktion des geräuschreduzierten Signals mit einem Expander die Kompression der Zeitfunktion (x(k)) des geräuschbehafteten Sprachsignals rückgängig gemacht wird,
dass der Überschätzfaktor (o) in der Übertragungsfunktion H(b, n) des Wiener-Filters

in Abhängigkeit vom Störabstand (S/NL) des Sprachsignals (S) vom Geräuschsignal (NL) gesteuert wird,

- dass das Grundgeräusch (c) in der Übertragungsfunktion H(b, n) des Wiener-Filters in Abhängigkeit vom Störabstand (S/NL) des Sprachsignals (S) vom Geräuschsignal (NL) gesteuert wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zwischen Überschätzfaktor (o) und Grundgeräusch (c) die Beziehung

3. Schaltungsanordnung zur Durchführung des Verfahrens gemäß Anspruch 1, dadurch gekennzeichnet, dass einem Wiener-Filter (1.1) ein Kompressor (2) über eine Schaltung (1.2) für eine Fourier-Transformation vorgeschaltet ist, dass dem Wiener-Filter (1.1) über eine Schaltung (1.3) für eine inverse Fourier-Transformation ein Expander (3) nachgeschaltet ist, dass der Kompressor (2) über ein Laufzeitglied (6) mit dem Expander (3) verbunden ist und dass das Eingangssignal der Schaltungsanordnung sowohl dem Kompressor (2) als auch einem Sprach-Pausen-Detektor (4), der über eine Schaltung (1.4) zur Schätzung des Geräuschpegels mit dem Wiener-Filter (1.1) verbunden ist, als auch einem Störabstandsschätzer (5) zugeführt wird, der über eine Schaltung (1.5) für die Berechnung des Überschätzfaktors o und des Grundgeräuschs c mit dem Wiener-Filter (1.1) verbunden ist.

4. Schaltungsanordnung nach Anspruch 3, dadurch gekennzeichnet, dass der Sprach-Pausen-Detektor (4) dem Expander (3) nachgeschaltet ist.