-
HINTERGRUND DER ERFINDUNG
-
1. Gebiet der Erfindung
-
Die
Erfindung betrifft ein Klangsignal-Verarbeitungsverfahren, das eine
Signalverarbeitung vornimmt, indem sie ein Klangsignal, das auf
einem erfassten Klang beruht, in ein Spektrum umwandelt, eine Klangsignal-Verarbeitungseinrichtung,
die das Klangsignal-Verarbeitungsverfahren
ausführt,
und ein Computerprogramm, das die Klangsignal-Verarbeitungseinrichtung
verwirklicht. Die Erfindung betrifft insbesondere das Unterdrücken von
nicht stationären
Geräuschen,
beispielsweise des elektronischen Klangs einer Vorrichtung, die
in dem Klang enthalten ist, der von der Eingabevorrichtung, beispielsweise
einem Mikrofon, eingegeben wird, und der Martinshörner von
Einsatzfahrzeugen.
-
2. Beschreibung des Stands der Technik
-
Bei
einer Spracherkennungsfunktion, die in einem Gerät installiert ist, beispielsweise
einem Kraftfahrzeug-Navigationssystem, hängt die Spracherkennungsleistung
stark davon ab, ob man ein Sprachintervall, das Sprache enthält, exakt
erkennen kann. Gängige
Verfahren zum Erkennen eines Sprachintervalls umfassen beispielsweise
ein Verfahren zum Erkennen eines Sprachintervalls, in dem ein Klangsignal
als Sprache erkannt wird, wenn die Leistung, die als Quadrat der
Amplitude entlang der Zeitachse berechnet wird, und zwar anhand
eines Spektrums, das man gewinnt, indem man das Klangsignal mit
einem Umsetzverfahren wie der FFT (Fast Fourier Transform) transformiert,
größer oder
gleich einem vorbestimmten Grenzwert ist. Gängig ist weiterhin ein Verfahren,
bei dem ein Sprachintervall dadurch erkannt wird, dass die Periodizität eines
Klangsignals, die so genannte Tonlage, extrahiert wird, und das
Klangsignal als Sprache erkannt wird, wenn die Tonlage vorhanden
ist, sowie eine Kombination dieser Verfahren.
-
Es
wird nun die Spracherkennungsverarbeitung in einem herkömmlichen
Spracherkennungssystem erklärt. 1 zeigt
ein Flussdiagramm einer herkömmlichen
Spracherkennungsverarbeitung. Das Spracherkennungssystem erfasst
einen Klang, der Sprache und Rauschen umfasst, mit einem Mikrophon
(S101), konvertiert ein Klangsignal abhängig vom erfassten Klang Frame
für Frame
in ein Spektrum, wobei die Frames mit einem vorbestimmten Zeitintervall
unterteilt werden, und entnimmt die kennzeichnenden Merkmale wie
Leistung, Tonlage, Cepstrum usw. aus dem konvertierten Spektrum (S102).
-
Zudem
erfasst das Spracherkennungssystem einen Frame, der gleich oder
größer einem
Sprachintervall-Erfassungsgrenzwert ist, anhand der Leistung und
der Tonlage als entnommene Kennzeichnungsmerkmale, und es stellt
fest, ob der erfasste Frame für
eine gewisse Periode oder länger andauert,
um ein Sprachintervall aus dem erfassten Klang zu gewinnen (S103).
-
Durch
das Vergleichen der Kennzeichnungsmerkmale des als Sprachintervall
erkannten Frames mit einem Akustikmodell und einem Sprachwörterbuch
erkennt das Spracherkennungssystem die Sprache im Sprachintervall
(S104).
-
In
der Spracherkennungsverarbeitung in 1 haben
auch elektronische Klänge,
die beispielsweise durch das Betätigen
eines Knopfs eines Fahrzeugnavigationssystems verursacht werden, eine
gewisse Leistung und Tonlage. Erfasst also das Spracherkennungssystem
einen einzelnen elektronischen Klang, so tritt die Schwierigkeit
auf, dass der elektronische Klang fehlerhafterweise leicht als Sprache
erkannt wird.
-
Die
veröffentlichte
japanische Patentschrift 08-265457 (1996)
offenbart ein Verfahren, das die Eigenschaft verwendet, dass in
einem elektronischen Klang (Tonsignal) eine kleine Anzahl Spitzen
existiert, und das den elektronischen Klang durch die Erfassung
einer spektralen Spitze erkennt.
-
Die
veröffentlichte
japanische Patentschrift 2003-58186 offenbart
ein Rauschunterdrückungsverfahren,
das die Martinshorngeräusche
von Einsatzfahrzeugen unterdrückt.
-
Die
veröffentlichte
japanische Patentschrift 2005-257805 offenbart
ein Verfahren, das nicht nur nichtstationäres Rauschen wie elektronische
Klänge und
den Klang eines Martinshorns unterdrückt, sondern auch periodisches
Rauschen.
-
KURZE ZUSAMMENFASSUNG DER ERFINDUNG
-
Bei
dem herkömmlichen
Verfahren, das in der veröffentlichten
japanischen Patentschrift 08-265457 (1996)
offenbart ist, tritt die Schwierigkeit auf, dass die Erfassungsgenauigkeit
einer spektralen Spitze eines elektronischen Klangs in einer Umgebung
abfällt,
in der Rauschen auftritt, beispielsweise das Motorgeräusch von
Fahrzeugen und das Geräusch
von Klimaanlagen.
-
Die
in der veröffentlichten
japanischen Patentschrift 08-265457 (1996)
auftretenden Schwierigkeiten werden anhand von
2A und
2B erklärt.
2A und
2B zeigen
ein Spektrum.
2A zeigt den Zusammenhang zwischen
Frequenz und Leistung in einer Umgebung, die frei von Geräuschen ist,
die durch den Motorenlärm
von Fahrzeugen verursacht werden.
2B zeigt
den Zusammenhang zwischen Frequenz und Leistung in einer Umgebung,
in der durch Motorenlärm
verursachte Geräusche
vorhanden sind. In
2A treten in einer Umgebung,
die frei von Geräuschen
ist, die durch Motorenlärm
verursacht werden, deutlich zwei scharfe Spitzen mit schmaler Bandbreite
auf, die nicht kleiner sind als ein Grenzwert, der durch die gepunktete
Linie dargestellt wird. Man kann diese Spitzen sehr exakt als Rauschen
erkennen, das durch elektronische Klänge verursacht wird. In
2B treten
in einer Umgebung, in der durch Motorenlärm von Fahrzeugen verursachte
Geräusche
vorhanden sind, die durch die gepunktete Linie dargestellt werden,
in niederen Frequenzbereichen schwache Spitzen mit einer hohen Bandbreite
auf, die vom Motorengeräusch
stammen. Damit sind die beiden Spitzen, die von den elektronischen
Klängen
stammen, undeutlich ausgeprägt.
Somit wird die Erfassungsgenauigkeit der Spitzen geringer, wenn
man nur das Verfahren verwendet, bei dem der Grenzwert und die Leistung
einfach verglichen werden.
-
In
dem Verfahren, das in der veröffentlichten
japanische Patentschrift 2003-58186 offenbart
ist, ist es erforderlich, die Grundfrequenz des Martinshornklangs
zu extrahieren, und es ist erforderlich, ein gemitteltes Spektrum
aus den vorhergehenden Frames zu berechnen. Damit besteht die Schwierigkeit,
dass dieses Verfahren nur vorher erlernte periodische Geräusche unterdrücken kann.
-
In
dem Verfahren, das in der veröffentlichten
japanische Patentschrift 2005-257805 offenbart
ist, tritt die Schwierigkeit auf, dass zusätzlich ein Mikrophon zum Sammeln
von Geräusch
erforderlich ist, das unterdrückt
werden soll.
-
Die
Erfindung hat das Ziel, die angesprochenen Probleme zu lösen, und
es ist eine Aufgabe der Erfindung, ein Klangsignal-Verarbeitungsverfahren bereitzustellen,
das sehr exakt eine Spitze eines nichtstationären Geräuschs erkennen und unterdrücken kann,
beispielsweise einen elektronischen Klang und Martinshornklänge, und
zwar auch in einer Umgebung mit stationären Geräuschen, beispielsweise dem
Geräusch
des Motors und dem Geräusch von
Klimaanlagen. Dies geschieht durch das Berechnen einer spektralen
Einhüllenden
eines Spektrums, das Entfernen der spektralen Einhüllenden
vom Spektrum, das Erfassen einer spektralen Spitze anhand eines
Spektrums, das durch das Entfernen der spektralen Einhüllenden
gewonnen wird, und das Unterdrücken
der spektralen Spitze, und zwar ohne dass ein vorhergehendes Lernen
oder ein Mikrophon zum Sammeln von Rauschen erforderlich ist. Es
ist zudem eine Aufgabe der Erfindung, eine Klangsignal-Verarbeitungsvorrichtung
bereitzustellen, die das Klangsignal-Verarbeitungsverfahren einsetzt,
und ein Computerprogramm, das die Klangsignal-Verarbeitungsvorrichtung verwirklicht.
-
Ein
Klangsignal-Verarbeitungsverfahren gemäß einem ersten Aspekt ist ein
Klangsignal-Verarbeitungsverfahren, das die Signalverarbeitung dadurch
ausführt,
dass sie ein Klangsignal abhängig von
einem erfassten Klang in ein Spektrum umsetzt, und das Verfahren
ist gekennzeichnet durch: das Berechnen einer spektralen Einhüllenden
aus dem Spektrum; das Entfernen der spektralen Einhüllenden
vom Spektrum; das Erfassen einer spektralen Spitze in dem Spektrum,
das durch das Entfernen der Einhüllenden
gewonnen wird; und das Unterdrücken der
erfassten spektralen Spitze.
-
In
der Erfindung ist es durch das Erfassen einer spektralen Spitze
nach dem Entfernen der spektralen Einhüllenden möglich, scharfe Spitzen von elektronischen
Klängen
usw. zu erkennen, ohne dass sich moderate Spitzen des Motorengeräuschs, des Klimaanlagengeräuschs usw.
nachteilig auswirken, die in unteren Frequenzbändern auftreten. Es ist daher
möglich,
Spitzen sehr exakt zu erkennen und Rauschen zu entfernen. Zudem
ist kein vorhergehender Lernvorgang erforderlich, und es ist kein
Mikrophon zum Sammeln von Geräuschen
erforderlich.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem zweiten Aspekt ist
eine Klangsignal-Verarbeitungsvorrichtung, die eine Signalverarbeitung
vornimmt, indem sie ein Klangsignal, das auf einem erfassten Klang
beruht, in ein Spektrum konvertiert, und die Vorrichtung ist gekennzeichnet durch:
eine Einhüllenden-Berechnungsvorrichtung, die
eine spektrale Einhüllende
ausgehend von dem Spektrum berechnet; eine Einhüllenden-Entfernungsvorrichtung, die die spektrale
Einhüllende
von dem Spektrum entfernt; eine Erfassungsvorrichtung, die eine
spektrale Spitze in dem Spektrum erfasst, das durch das Entfernen
der spektralen Einhüllenden gewonnen
wurde; und eine Unterdrückungsvorrichtung,
die die erfasste spektrale Spitze unterdrückt.
-
In
der Erfindung ist es durch das Erfassen einer spektralen Spitze
nach dem Entfernen der spektralen Einhüllenden möglich, scharfe Spitzen von elektronischen
Klängen
usw. zu erkennen, ohne dass sich moderate Spitzen des Motorengeräuschs, des Klimaanlagengeräuschs usw.,
die in unteren Frequenzbändern
auftreten, nachteilig auswirken. Es ist daher möglich, Spitzen sehr exakt zu
erkennen und Rauschen zu entfernen. Zudem ist kein vorhergehender
Lernvorgang erforderlich, und es ist kein Mikrophon zum Sammeln
von Geräuschen
erforderlich.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem dritten Aspekt der
Erfindung beruht auf dem zweiten Aspekt und ist dadurch gekennzeichnet, dass
die Einhüllenden-Berechnungsvorrichtung
ein Cepstrum aus einem Spektrum berechnet, das man durch das Konvertieren
des Klangsignals in einem ersten Umsetzvorgang erhält, und
dass sie eine spektrale Einhüllende
durch das Konvertieren einer Komponente berechnet, die eine geringere
Ordnung hat als eine vorbestimmte Ordnung, und zwar aus dem berechneten
Cepstrum durch eine zweite Konvertierung, die eine inverse Konvertierung
der ersten Konvertierung ist.
-
In
der Erfindung wird eine spektrale Einhüllende, die einen Umriss des
Spektrums darstellt, durch eine erste Konvertierung berechnet, beispielsweise
durch die FFT, und durch eine zweite Konvertierung, beispielsweise
durch die inverse FFT.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem vierten Aspekt der
Erfindung beruht auf dem zweiten Aspekt oder dem dritten Aspekt
und ist dadurch gekennzeichnet, dass die Erfassungsvorrichtung ein.
Band erkennt, das einen Wert oberhalb eines vorbestimmten Grenzwerts
zeigt, und zwar als Band, das eine spektrale Spitze in dem Spektrum enthält, das
man durch das Entfernen der spektralen Einhüllenden erhält.
-
In
der Erfindung ist es möglich,
eine spektrale Spitze durch den Vergleich mit dem Grenzwert zu erkennen.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem fünften Aspekt beruht auf dem
zweiten Aspekt oder dem dritten Aspekt und ist dadurch gekennzeichnet,
dass die Erfassungsvorrichtung ein Band erkennt, in dem das Verhältnis zwischen
einem Gesamtwert von Werten in einem Band mit einer vorbestimmten
Breite und einem Gesamtwert von Werten in allen Bändern mit
Ausnahme des Bands mit der vorbestimmten Breite einen Wert zeigt,
der größer ist
als ein vorbestimmter Grenzwert, und zwar als Band, das eine spektrale
Spitze in dem Spektrum enthält,
das man durch das Entfernen der spektralen Einhüllenden erhält.
-
In
der Erfindung ist es durch das Vergleichen mit der spektralen Leistung
in allen Bändern
und das Entnehmen von Spitzen aus einem Band mit hoher Leistung
anstelle der einfachen Entnahme einer Spitze aus einem Band mit
einer hohen spektralen Spitze möglich,
offensichtliche Spitzen unter Betrachtung aller Bänder zu
erkennen.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem sechsten Aspekt beruht
auf irgendeinem der Aspekte zwei bis fünf und ist dadurch gekennzeichnet,
dass die Unterdrückungsvorrichtung eine
spektrale Spitze dadurch unterdrückt,
dass sie einen Wert, der gleich oder größer einem Grenzwert ist, aus
den Werten des Spektrums eines Bands, das die erfasste spektrale
Spitze enthält,
durch einen Wert ersetzt, der auf dem Grenzwert beruht.
-
In
der Erfindung ist es durch das Ersetzen des Werts einer spektralen
Spitze, die von einem Geräusch
stammt, beispielsweise einem elektronischen Klang, durch den Grenzwert,
möglich,
die Spitze zu entfernen und das Geräusch zu unterdrücken.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem siebten Aspekt beruht
auf irgendeinem der Aspekte zwei bis fünf und ist dadurch gekennzeichnet,
dass die Unterdrückungsvorrichtung
eine spektrale Spitze dadurch unterdrückt, dass sie einen Wert, der
gleich oder größer als
die spektrale Einhüllende
aus Werten des Spektrums eines Bands ist, das die erfasste spektrale
Spitze enthält,
durch einen Wert ersetzt, der auf der spektralen Einhüllenden
beruht.
-
In
der Erfindung ist es durch das Ersetzen des Werts einer spektralen
Spitze, die von einem Geräusch
stammt, beispielsweise einem elektronischen Klang, durch einen Wert,
der auf der spektralen Einhüllenden
beruht, möglich,
die Spitze zu entfernen und das Geräusch zu unterdrücken.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem achten Aspekt beruht
auf irgendeinem der Aspekte zwei bis fünf und ist dadurch gekennzeichnet,
dass die Unterdrückungsvorrichtung
eine spektrale Spitze dadurch unterdrückt, dass sie Werte des Spektrums
eines Bands, das die erfasste spektrale Spitze enthält, durch
einen Gesamtwert von Werten in einem Band ersetzt, das breiter ist
als das Band, das die erfasste spektrale Spitze enthält.
-
In
der Erfindung ist es durch das Ersetzen des Werts einer spektralen
Spitze, die von einem Geräusch
stammt, beispielsweise einem elektronischen Klang, durch einen Gesamtwert,
beispielsweise den Mittelwert der Werte in einem Band mit einigen
100 Hz Breite um die spektrale Spitze herum möglich, die Spitze zu entfernen
und das Geräusch
zu unterdrücken.
-
Eine
Klangsignal-Verarbeitungsvorrichtung gemäß einem neunten Aspekt beruht
auf irgendeinem der Aspekte zwei bis acht und ist dadurch gekennzeichnet,
dass sie zudem Mittel zum Ausführen der
Spracherkennungsverarbeitung enthält, die auf dem Klangsignal
mit der unterdrückten
spektralen Spitze beruht.
-
In
der Erfindung ist es möglich,
die Spracherkennungsverarbeitung sehr exakt vorzunehmen, die auf
einem Klangsignal beruht, aus dem Geräusche entfernt wurden, beispielsweise
elektronische Klänge.
-
Ein
Computerprogramm gemäß einem
zehnten Aspekt ist ein Computerprogramm, das einen Computer veranlasst,
eine Signalverarbeitung auszuführen,
die ein Klangsignal, das auf einem erfassten Klang beruht, in ein
Spektrum umsetzt, und es ist dadurch gekennzeichnet, dass ausgeführt wird:
ein Schritt, der den Computer veranlasst, eine spektrale Einhüllende des
Spektrums zu berechnen; ein Schritt, der den Computer veranlasst,
die spektrale Einhüllende
von dem Spektrum zu entfernen; ein Schritt, der den Computer veranlasst,
eine spektrale Spitze in dem Spektrum zu erkennen, das man durch das
Entfernen der spektralen Einhüllenden
gewinnt; und ein Schritt, der den Computer veranlasst, die erfasste
spektrale Spitze zu unterdrücken.
-
In
der Erfindung arbeitet der Computer dadurch als Klangsignal-Erkennungsvorrichtung,
dass das Computerprogramm mit einem Computer beispielsweise als
Navigationsvorrichtung ausgeführt wird.
Durch das Erfassen einer spektralen Spitze nach dem Abstreifen der
spektralen Einhüllenden
ist es möglich,
scharfe Spitzen von elektronischen Klängen usw. zu erkennen, ohne
dass schwächere
Spitzen des Motorengeräuschs,
des Klimaanlagengeräuschs
usw., die in unteren Frequenzbändern
auftreten, nachteilige Einflüsse
haben. Damit ist es möglich,
Spitzen äußerst exakt
zu erkennen und Geräusche
zu entfernen. Zudem ist eine vorhergehende Lernphase nicht erforderlich,
und ein Mikrophon zum Sammeln von Geräusch ist nicht nötig.
-
Ein
Klangsignal-Erfassungsverfahren, eine Klangsignal-Erfassungsvorrichtung
und ein Computerprogramm der Erfindung setzen ein Klangsignal, das
auf einem erfassten Klang beruht, mit einem Verfahren wie beispielsweise
der FFT in ein Spektrum um; sie berechnen eine spektrale Einhüllende aus dem
Spektrum; sie entfernen die Einhüllende
des Spektrums vom Spektrum, sie erkennen eine spektrale Spitze in
dem Spektrum, das durch Entfernen der Einhüllenden des Spektrums gewonnen
wurde; und sie unterdrücken
die erkannte spektrale Spitze.
-
Da
in dieser Anordnung spektrale Spitzen nach dem Entfernen der spektralen
Einhüllenden
erkannt werden, ist es möglich,
die spektrale Einhüllende
zu entfernen, die einen Umriss des Spektrums angibt, und die Feinstruktur
des Spektrums für
das Erkennen der spektralen Spitzen zu verwenden. Da es möglich ist,
scharfe Spitzen von elektronischen Klängen usw. zu erkennen, ohne
dass schwächere
Spitzen des Motorengeräuschs,
des Klimaanlagengeräuschs
usw., die in unteren Frequenzbändern
auftreten, nachteilige Einflüsse
haben, erzeugt die Erfindung vorteilhafte Auswirkungen, da sie in
der Lage ist, Spitzen sehr exakt zu erkennen und Geräusch zu entfernen.
Zudem erzeugt die Erfindung auch insoweit vorteilhafte Auswirkungen,
als sie in der Lage ist, einen vorhergehenden Lernvorgang überflüssig zu machen,
und sie kein Mikrophon zum Sammeln von Geräusch benötigt.
-
Wird
die Erfindung im Einzelnen auf ein Fahrzeug-Navigationssystem mit
Spracherkennungsfunktion angewendet, das in Fahrzeugen eingebaut
ist, so werden Geräusche
wie elektronische Klänge
und Martinshorngeräusche
niemals fälschlich als
Sprache erkannt, da das Erfassen und Unterdrücken der spektralen Spitzen
von nichtstationären
Geräuschen,
beispielsweise elektronischen Klängen und
Martinshorngeräuschen,
sehr exakt realisiert wird, und zwar auch unter Umgebungsbedingungen, in
denen stationäre
Geräusche
wie das Motorengeräusch
von Fahrzeugen und der Klang von Klimaanlagen auftreten. Man kann
damit vorteilhafte Effekte erzeugen, beispielsweise das Verbessern
der Genauigkeit der Spracherkennung.
-
Die
beschriebenen Aufgaben und Merkmale der Erfindung und weitere Aufgaben
und Merkmale gehen aus der folgenden ausführlichen Beschreibung zusammen
mit den beiliegenden Zeichnungen hervor.
-
KURZE BESCHREIBUNG DER ANSICHTEN IN DEN
ZEICHNUNGEN
-
Es
zeigt:
-
1 ein
Flussdiagramm einer herkömmlichen
Spracherkennungsverarbeitung;
-
2A und 2B Darstellungen
eines Spektrums;
-
3 ein
Blockdiagramm eines Beispiels der Anordnung einer Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform
der Erfindung;
-
4 ein
Flussdiagramm eines Beispiels der Verarbeitung, die die Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform
der Erfindung vornimmt;
-
5 eine
Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform
der Erfindung;
-
6A und 6B Kurvenverläufe eines Beispiels
für ein
Klangsignal der Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform
der Erfindung;
-
7 eine
Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung
gemäß der zweiten
Ausführungsform
der Erfindung; und
-
8 eine
Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung
gemäß der dritten
Ausführungsform
der Erfindung.
-
AUSFÜHRLICHE
BESCHREIBUNG DER ERFINDUNG
-
In
der folgenden Beschreibung wird die Erfindung anhand der Zeichnungen,
die einige Ausführungsformen
der Erfindung erläutern,
ausführlich
erklärt.
-
Erste Ausführungsform
-
3 zeigt
ein Blockdiagramm eines Beispiels der Anordnung einer Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform der
Erfindung. In 3 bezeichnet 1 eine
Klangsignal-Verarbeitungsvorrichtung, in der ein Computer verwendet
wird, beispielsweise eine Navigationsvorrichtung, die in einem Fahrzeug
eingebaut ist. Die Klangsignal-Verarbeitungsvorrichtung 1 umfasst
mindestens: eine Steuervorrichtung 10 (Controller), beispielsweise
eine CPU (Central Processing Unit) und einen DSP (Digitalen Signalprozessor),
die die gesamte Vorrichtung steuern; eine Aufzeichnungsvorrichtung 11,
beispielsweise eine Festplatte, und ein ROM zum Aufzeichnen unterschiedlicher
Informationen, beispielsweise Programme und Daten; eine Speichervorrichtung 12,
beispielsweise ein RAM, das erzeugte Daten temporär speichert;
eine Klangerfassungsvorrichtung 13, beispielsweise ein
Mikrophon, das Klänge
aus der Umgebung aufnimmt; eine Klangausgabevorrichtung 14,
beispielsweise einen Lautsprecher, der Klänge ausgibt; eine Anzeigevorrichtung 15,
beispielsweise einen Flüssigkristallmonitor; und
eine Navigationsvorrichtung 16 die Verarbeitungen bezüglich der
Navigation ausführt,
beispielsweise eine Strecke zu einem Ziel zeigt.
-
Ein
Computerprogramm 11a der Erfindung ist in der Aufzeichnungsvorrichtung 11 aufgezeichnet,
und ein Computer arbeitet als Klangsignal-Verarbeitungsvorrichtung 1 der
Erfindung, indem er verschiedene Arten von Verarbeitungsschritten,
die im aufgezeichneten Computerprogramm 11a enthalten sind,
in der Speichervorrichtung 12 speichert und sie gesteuert
durch die Steuervorrichtung 10 ausführt.
-
Ein
Teil des Aufzeichnungsbereichs der Aufzeichnungsvorrichtung 11 wird
für verschiedene
Datenbanken verwendet, beispielsweise eine Akustikmodell-Datenbank 11b (Akustikmodell
DB), in der Akustikmodelle für
die Spracherkennung aufgezeichnet sind, und ein Sprachwörterbuch 11c,
in dem ein erkennbarer Wortschatz aufgezeichnet ist, der durch phonemische
oder syllabische Definitionen beschrieben ist, die den Akustikmodellen
zugeordnet sind, und eine Grammatik.
-
Ein
Teil der Speichervorrichtung 12 wird als Klangdatenpuffer 12a verwendet,
in dem digitalisierte Klangdaten gespeichert werden, die man durch
das Abtasten eines Klangs erhält,
der ein analoges Signal ist, das die Klangerfassungsvorrichtung 13 in
einer vorbestimmten Periode erfasst. Ein weiterer Teil der Speichervorrichtung 12 wird
als Framepuffer 12b verwendet, in dem Frames gespeichert
werden, die man dadurch erhält,
dass die Klangdaten in Abschnitte mit vorbestimmter zeitlicher Länge unterteilt
werden.
-
Die
Navigationsvorrichtung 16 enthält einen Positionsbestimmungsmechanismus,
beispielsweise GPS (Global Positioning System), und ein Aufzeichnungsmedium,
beispielsweise eine DVD oder eine Festplatte, auf dem Karteninformation
gespeichert ist. Die Navigationsvorrichtung 16 führt die
Navigationsverarbeitung aus, beispielsweise die Suche nach einer
Strecke vom momentanen Standort zu einem Ziel, und sie zeigt die
Route an, stellt eine Landkarte und die Route auf der Anzeigevorrichtung 15 dar
und gibt eine Sprachführung
auf der Klangausgabevorrichtung 14 aus.
-
Das
Aufbaubeispiel in 3 ist lediglich ein Beispiel,
und man kann die Erfindung in verschiedenen Formen erweitern. Es
wäre beispielsweise
möglich,
eine Funktion bezüglich
der Klangsignalverarbeitung als einen oder mehrere VLSI-Chips zu
konstruieren und sie in eine Navigationsvorrichtung aufzunehmen,
oder es wäre
möglich,
extern eine Vorrichtung für
die Klangsignalverarbeitung zu montieren, die nur die Navigationsvorrichtung
verwendet. Es wäre
möglich,
die Steuervorrichtung 10 sowohl für die Klangsignalverarbeitung
als auch die Navigationsverarbeitung zu verwenden, oder es wäre möglich, eine
Schaltung bereitzustellen, die exklusiv für jede Verarbeitung eingesetzt
wird. Es wäre
zudem möglich,
in die Steuervorrichtung 10 einen Koprozessor aufzunehmen,
der Verarbeitungen ausführt,
beispielsweise besondere Berechnungen für die Klangsignalverarbeitung,
beispielsweise die später
beschriebene FFT (Fast Fourier Transformation) und inverse FFT.
Wahlweise wäre
es möglich,
den Klangdatenpuffer 12a als Zusatzschaltung der Klangerfassungsvorrichtung 13 aufzubauen,
und den Framepuffer 12b im Speicher der Steuervorrichtung 10 aufzubauen.
Die Klangsignal-Verarbeitungsvorrichtung 1 der Erfindung
ist nicht auf eine Fahrzeugvorrichtung beschränkt, beispielsweise eine Navigationsvorrichtung,
und sie kann in Vorrichtungen für
unterschiedliche Anwendungen verendet werden und dort eine Spracherkennung
vornehmen, beispielsweise in Telephonen.
-
In
der folgenden Beschreibung wird die Verarbeitung erklärt, die
die Klangsignal-Verarbeitungsvorrichtung 1 gemäß der ersten
Ausführungsform
der Erfindung vornimmt. 4 zeigt ein Flussdiagramm mit
einem Beispiel der Verarbeitung, die die Klangsignal-Verarbeitungsvorrichtung 1 gemäß der ersten Ausführungsform
der Erfindung vornimmt. Gesteuert durch die Steuervorrichtung 10,
die ein Computerprogramm 11a ausführt, erfasst die Klangsignal-Verarbeitungsvorrichtung 1 äußere Klänge mit
der Klangerfassungsvorrichtung 13 (Schritt S1), und speichert
digitalisierte Klangdaten, die durch Abtasten des erfassten Klangs,
d. h. eines Analogsignals, in einer vorbestimmten Periode gewonnen
werden, im Klangdatenpuffer 12a (Schritt S2). Der im Schritt
S1 zu erfassende äußere Klang
enthält
unterschiedliche überlagerte
Klänge,
beispielsweise menschliche Sprache, stationäre Geräusche und nichtstationäre Geräusche. Die
Klangsignal-Verarbeitungsvorrichtung 1 muss die menschliche
Sprache erkennen. Die stationären
Geräusche
sind Geräusche
wie das Motorengeräusch
von Fahrzeugen und das Geräusch von
Klimaanlagen. Die nichtstationären
Geräusche sind
Geräusche
wie elektronische Klänge,
die beim Bedienen elektronischer Geräte entstehen, und das Geräusch von
Martinshörnern.
-
Die
Klangsignal-Verarbeitungsvorrichtung 1 erzeugt gesteuert
durch die Steuervorrichtung 10 Frames mit einer vorbestimmten
Länge aus
den Klangdaten, die im Klangdatenpuffer 12a gespeichert sind
(Schritt S3). Im Schritt S3 werden die Klangdaten beispielsweise
in Frames mit einer vorbestimmten Länge von 20 ms bis 30 ms unterteilt.
Die jeweiligen Frames überlappen
einander um 10 ms bis 15 ms. Für
jeden Frame umfasst die für
die Spracherkennung gängige
Frameverarbeitung Fensterfunktionen wie ein Hamming-Fenster und
ein Hanning-Fenster, und es erfolgt eine Filterung mit einem Hochpassfilter.
Die folgende Verarbeitung wird für
jeden der solcherart erzeugten Frames vorgenommen.
-
Gesteuert
durch die Steuervorrichtung 10 konvertiert die Klangsignal-Verarbeitungsvorrichtung 1 ein
Klangsignal, das auf den Klangdaten eines jeden Frames beruht, in
ein Spektrum, indem sie eine FFT-Verarbeitung ausführt (Schritt
S4). Im Schritt S4 bestimmt die Klangsignal-Verarbeitungsvorrichtung 1 ein
Leistungsspektrum durch das Quadrieren eines Amplitudenspektrums
X(ω), das
durch die FFT-Verarbeitung des Klangsignals gewonnen wird, und sie
berechnet ein logarithmisches Leistungsspektrum 20log10|X(ω)| als Logarithmus
des bestimmten Leistungsspektrums. Das Klangsignal wird auf diese
Weise in ein logarithmisches Leistungsspektrum umgesetzt. Man beachte,
dass es im Schritt S4 möglich wäre, ein
logarithmisches Leistungsspektrum 10log10|X(ω)| als Logarithmus
des Amplitudenspektrums X(ω)
zu berechnen, das durch die FFT-Verarbeitung
des Klangsignals gewonnen wird, und das berechnete logarithmische
Ampli tudenspektrum als Spektrum nach dem Umsetzen zu verwenden.
-
Gesteuert
durch die Steuervorrichtung 10 konvertiert die Klangsignal-Verarbeitungsvorrichtung 1 das
Spektrum anhand der Fouriertransformierten des Klangsignals in ein
Cepstrum und berechnet eine spektrale Einhüllende, indem sie eine inverse FFT-Verarbeitung an einer
Komponente des konvertierten Cepstrums vornimmt, die eine geringere
Ordnung hat als eine vorbestimmte Ordnung (Schritt S5).
-
Die
Verarbeitung im Schritt S5 wird nun erklärt. Das Amplitudenspektrum
|X(ω)|,
das man durch die FFT-Verarbeitung des Klangsignals gewinnt, wird
durch die folgende Gleichung 1 ausgedrückt, wobei G(ω) und H(ω) die Komponenten
der FFT mit höherer
Ordnung bzw. geringerer Ordnung darstellen X(ω)
= G(ω)H(ω) Gleichung 1
-
Den
Logarithmus von Gleichung 1 kann man durch die folgende Gleichung
2 ausdrücken. log10|X(ω)| = log10|G(ω)|
+ log10|H(ω)| Gleichung 2
-
Ein
Cepstrum c(τ)
gewinnt man durch die inverse FFT von Gleichung 2 bezüglich der
Frequenz ω als
Variable. Der erste Term auf der rechten Seite von Gleichung 2 zeigt
eine Feinstruktur, die eine Komponente höherer Ordnung des Spektrums
ist, und der zweite Term auf der rechten Seite zeigt eine spektrale Einhüllende,
die eine Komponente geringerer Ordnung des Spektrums ist. Anders
ausgedrückt
wird im Schritt S5 eine spektrale Einhüllende dadurch berechnet, dass
man eine inverse FFT einer Komponente vornimmt, deren Ordnung geringer
ist als eine vorbestimmte Ordnung, beispielsweise einer Komponente
geringer als die zehnte Ordnung oder zwanzigste Ordnung des FFT-Cepstrums, das aus
dem FFT-Spektrum berechnet wird. Es gibt auch ein Verfahren, in
dem eine spektrale Einhüllende
mit einem LPC-Cepstrum (LPC = Linear Predictive Coding) verwendet
wird. Das hier verwendete Verfahren liefert jedoch eine Einhüllende mit
verstärkten
Spitzen, weshalb das FFT-Cepstrum zu bevorzugen ist.
-
Die
Klangsignal-Verarbeitungsvorrichtung 1 entfernt gesteuert
durch die Steuervorrichtung 10 die im Schritt S5 berechnete
spektrale Einhüllende
vom im Schritt S4 bestimmten Spektrum (Schritt S6). Der Entfernungsvorgang
im Schritt S6 erfolgt durch Subtrahieren der Werte der entsprechenden
Frequenzen in der spektralen Einhüllenden von den Werten der jeweiligen
Frequenzen des Spektrums, das im Schritt S4 bestimmt wurde. Durch
das Entfernen der spektralen Einhüllenden vom Spektrum im Schritt
S6 wird die Neigung des Spektrums entfernt, und das Spektrum wird
flach. Damit erhält
man als Ergebnis der Verarbeitung die Feinstruktur des Spektrums.
Es wäre
auch möglich,
die spektrale Feinstruktur durch eine inverse FFT auf einer Komponente
höherer
Ordnung zu berechnen, beispielsweise auf einer Komponente, die nicht
kleiner ist als die elfte Ordnung oder einundzwanzigste Ordnung
des FFT-Cepstrums, die beim Berechnen der spektralen Einhüllenden
nicht verwendet wurde, anstatt die spektrale Einhüllende vom
Spektrum abzutrennen.
-
Gesteuert
durch die Steuervorrichtung 10 erkennt die Klangsignal-Verarbeitungsvorrichtung 1 eine
spektrale Spitze in dem Spektrum, das durch das Entfernen der spektralen
Einhüllenden
(Schritt S7) gewonnen wurde, und sie unterdrückt die erkannte spektrale
Spitze (Schritt S8).
-
Beim
Erkennen einer spektralen Spitze im Schritt S7 wird ein Band, das
eine spektrale Spitze enthält,
die einen größeren Wert
zeigt als ein vorbestimmter Grenzwert, der in der Aufzeichnungsvorrichtung 11 hinterlegt
ist, als ein Band erkannt, das eine zu unterdrückende spektrale Spitze enthält. Wahlweise
kann man ein Band, das n (n ist eine natürliche Zahl) Spitzen neben
der größten Spitze
als zu unterdrückende
spektrale Spitzen enthält,
erfassen. Zudem könnte
man ein Band erfassen, das eine Höchstanzahl von n Spitzen neben
dem größten Wert
der spektralen Spitzen enthält,
die größere Werte
als der vorbestimmte Grenzwert zeigen, die die zu unterdrückenden
spektralen Spitzen sind. Man beachte, dass der Wert von n ungefähr im Bereich
von 2 bis 4 liegt.
-
Als
Verfahren zum Unterdrücken
der spektralen Spitze im Schritt S8 werden im Folgenden einige Vorgehensweisen
als Beispiele aufgeführt.
Das erste Unterdrückungsverfahren
ist ein Verfahren, in dem die Werte der Leistung, die gleich dem
oder höher
als der Grenzwert in einem Band sind, das die erkannte spektrale
Spitze enthält,
in den Grenzwert umgewandelt werden. D. h., die Leistung, die zum Grenzwert
und größeren Werten
gehört,
wird vom Spektrum subtrahiert. Es ist nicht erforderlich, die Werte,
die gleich dem oder größer als
der Grenzwert sind, in den Grenzwert umzuwandeln, und man könnte die
Werte in einen Wert umwandeln, der auf dem Grenzwert beruht, beispielsweise
einen Wert, der um einen vorbestimmten Wert über dem Grenzwert liegt.
-
Das
zweite Unterdrückungsverfahren
ist ein Verfahren, in dem ein Leistungswert, der gleich oder größer der
spektralen Einhüllenden
in einem Randband ist, das die erfass te spektrale Spitze enthält, beispielsweise
einem Band mit einer Breite von mehreren 100 Hz um die spektrale
Spitze herum, in einen entsprechenden Wert der spektralen Einhüllenden umgesetzt
wird.
-
Das
dritte Unterdrückungsverfahren
ist ein Verfahren, in dem die Werte in einem Band zwischen Punkten,
an denen die erfasste spektrale Spitze die spektrale Einhüllende kreuzt,
d. h. einem Band, in dem der Wert der Leistung, die die spektrale
Spitze bildet, die spektrale Einhüllende übersteigt und anschließend kleiner
wird als die spektrale Einhüllende, in
einen Wert der entsprechenden spektralen Einhüllenden umgewandelt werden.
-
Das
vierte Unterdrückungsverfahren
ist ein Verfahren, in dem eine spektrale Spitze dadurch unterdrückt wird,
dass der Wert der Leistung in einem Band, das die erfasste spektrale
Spitze erhält,
durch den Gesamtwert ersetzt wird, beispielsweise den Mittelwert
der Werte in einem Band, das breiter ist als das Band, das die erfasste
spektrale Spitze enthält, beispielsweise
einem Band mit einer Breite von einigen 100 Hz in der Umgebung der
spektralen Spitze.
-
Gesteuert
durch die Steuervorrichtung 10 entnimmt die Klangsignal-Verarbeitungsvorrichtung 1 die
Merkmalskomponenten, beispielsweise die Leistung, die man durch
das Integrieren eines Leistungsspektrums mit der unterdrückten spektralen
Spitze über
der Frequenz erhält,
die Tonlage und das Cepstrum (Schritt S9), und sie bestimmt ein
Sprachintervall abhängig
von der entnommenen spektralen Leistung und der Tonlage (Schritt
S10). Bei der Bestimmung eines Sprachintervalls im Schritt S10 wird
die im Schritt S9 berechnete spektrale Leistung mit einem Grenzwert
für die
Spracherkennung verglichen, der in der Aufzeichnungsvorrichtung 11 hinterlegt
ist. Liegen eine spektrale Leistung vor, die größer oder gleich dem Grenzwert
ist, und eine Tonlage, so wird das Intervall als Sprachintervall
festgelegt.
-
Nun
bezieht sich die Klangsignal-Verarbeitungsvorrichtung 1 gesteuert
durch die Steuervorrichtung 10 auf die Akustikmodelle,
die in der Akustikmodell-Datenbank 11b aufgezeichnet sind,
und auf den erkennbaren Wortschatz und die Grammatik, die in dem
Sprachwörterbuch 11c aufgezeichnet
sind, und zwar anhand eines Merkmalsvektors, der eine Merkmalskomponente
ist, die aus dem Spektrum entnommen wird, das man durch Unterdrücken der spektralen
Spitze erhält,
und sie führt
eine Spracherkennungsverarbeitung auf einem Frame aus, der als Sprachintervall
festgelegt ist (Schritt S11). Die Spracherkennungsverarbeitung im
Schritt S11 erfolgt durch das Berechnen der Ähnlichkeit be züglich der Akustikmodelle
und den Zugriff auf Sprachinformation hinsichtlich des erkennbaren
Wortschatzes.
-
5 zeigt
eine Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung
gemäß der ersten
Ausführungsform
der Erfindung. In 5 ist die Frequenz auf der Abszisse aufgetragen
und die Leistung des Spektrums auf der Ordinate, um den Zusammenhang
darzustellen. Die durchgezogene Linie in 5 bezeichnet
ein Leistungsspektrum S1, die mit abwechselnden langen und kurzen
Strichen dargestellte Linie zeigt eine spektrale Einhüllende S2,
die aus dem Leistungsspektrum S1 berechnet wurde, und die punktierte
Linie zeigt eine Feinstruktur S3 des Spektrums, das man durch das
Entfernen der spektralen Einhüllenden
S2 vom Leistungsspektrum S1 gewinnt. Ferner ist 30 dB als Grenzwert
TL (TL = Threshold Level) eingestellt. Durch das Entfernen der spektralen
Einhüllenden
S2 aus dem Leistungsspektrum S1, siehe 5, wird
die Neigung des Leistungsspektrums S1 von der Niederfrequenzseite
zur Hochfrequenzseite beseitigt, und drei in der Feinstruktur S3
des Spektrums enthaltene spektrale Spitzen treten deutlich hervor.
Beim Erfassen der spektralen Spitzen in der Feinstruktur S3 ist
zu bevorzugen, dass man ein Frequenzband von 100 Hz am unteren und
oberen Rand aus dem Erkennungsbereich ausschließt, weil es während der
digitalen Signalverarbeitung von einem Bandpassfilter beeinflusst
wird, weil in unteren Frequenzbändern
keine elektronischen Klänge
vorkommen, weil die Genauigkeit der spektralen Einhüllenden
S2 geringer ist, oder aus anderen Gründen.
-
6A und 6B zeigen
Kurvenverläufe eines
Beispiels für
ein Klangsignal der Klangsignal-Verarbeitungsvorrichtung 1 gemäß der ersten Ausführungsform
der Erfindung. 6A zeigt eine Veränderung
der Amplitude des Klangsignals, das zeitabhängig in einen Frame unterteilt
ist. 6B zeigt den Umriss der Leistung, die man durch
das Quadrieren der Amplitude des Klangsignals in 6A erhält. In 6B zeigt
P1 den Umriss der Leistung vor dem Entfernen der spektralen Einhüllenden,
und P2 zeigt den Umriss der Leistung nach dem Entfernen der spektralen
Einhüllenden.
Wie man sehen kann, erscheinen in einem Segment R in P1 moderate
Spitzen, die von stationären
Geräuschen stammen,
beispielsweise dem Motorgeräusch,
und die in 6A überlagert sind. In 6B ist
zu sehen, dass diese Spitzen in P2 entfernt sind.
-
Damit
ist es in der ersten Ausführungsform der
Erfindung möglich,
Spitzen zu erkennen, die durch nichtstationäre Geräusche verursacht werden und
scharte Spitzen aufweisen, beispielsweise elektronische Klänge und
den Klang eines Martinshorns, wobei stationäres Geräusch auch unter einer stationären Geräuschumgebung
entfernt wird, die wenig ausgeprägte
Spitzen aufweist, beispielsweise das Motorengeräusch und das Klimaanlagengeräusch, und
man kann die erfassten Spitzen unterdrücken. Man kann dadurch verhindern,
dass nichtstationäre Geräusche fälschlich
als Sprache erkannt werden. Obgleich das Spektrum von Sprache (ein
Vokal) zahlreiche Spitzen aufweist, werden sie als spektrale Einhüllende entfernt,
da die Spitzen verglichen mit dem elektronischen Klang nicht scharf
sind, und daher die Spitzen des Vokals niemals fälschlicherweise unterdrückt werden.
-
Zweite Ausführungsform
-
Die
zweite Ausführungsform
ist eine Ausführungsform,
die dadurch entsteht, dass man das Verfahren zum Erfassen der spektralen
Spitze in der ersten Ausführungsform
verändert.
Da das Aufbaubeispiel einer Klangsignal-Verarbeitungsvorrichtung
der zweiten Ausführungsform
sich nicht von der ersten Ausführungsform
unterscheidet, wird sie nicht erklärt, sondern auf die erste Ausführungsform
verwiesen. In der folgenden Erklärung
wird die Struktur der Klangsignal-Verarbeitungsvorrichtung dadurch
erklärt, dass
die gleichen Codes wie in der ersten Ausführungsform zugefügt werden.
Da sich die in der Klangsignal-Verarbeitungsvorrichtung 1 der
zweiten Ausführungsform
vorgenommene Verarbeitung nicht von der Verarbeitung in der ersten
Ausführungsform
unterscheidet, wird sie nicht erklärt, sondern auf die erste Ausführungsform
verwiesen. In der folgenden Erklärung
werden die jeweiligen Verarbeitungsschritte, die die Klangsignal-Verarbeitungsvorrichtung 1 ausführen muss,
dadurch erklärt,
dass die gleichen Schrittbezeichnungen wie in der ersten Ausführungsform
verwendet werden.
-
7 zeigt
eine Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung 1 gemäß der zweiten
Ausführungsform
der Erfindung. In 7 ist die Frequenz auf der Abszisse aufgetragen
und die Leistung des Spektrums auf der Ordinate, um den Zusammenhang
darzustellen. Die durchgezogene Linie in 7 bezeichnet
ein Leistungsspektrum S1, die mit abwechselnden langen und kurzen
Strichen dargestellte Linie zeigt eine spektrale Einhüllende S2,
die aus dem Leistungsspektrum S1 berechnet wurde, und die punktierte
Linie zeigt eine Feinstruktur S3 des Spektrums, das man durch das
Entfernen der spektralen Einhüllenden
S2 vom Leistungsspektrum S1 gewinnt.
-
Als
Verarbeitung im Schritt S7 zum Erkennen einer spektralen Spitze
in dem Spektrum, das man durch Entfernen der spektralen Einhüllenden
erhält, erfasst
die Klangsignal-Verarbeitungsvorrichtung 1 der zweiten
Ausführungsform
als Band, das eine spektrale Spitze enthält, ein Band, in dem das Verhältnis zwischen
einem Gesamtwert von Werten in einem Band mit einer vorbestimmten
Breite und einem Gesamtwert von Werten in allen Bändern mit Ausnahme
des Bands mit der vorbestimmten Breite einen Wert zeigt, der größer ist
als ein vorbestimmter Grenzwert. Insbesondere wird eine Frequenz
erkannt, bei der die Leistung des Spektrums einen Höchstwert
hat, und der Gesamtwert oder beispielsweise der Mittelwert der Leistung
in einem Band mit einer vorbestimmten Breite, etwa 100 Hz zu beiden Seiten
der erfassten Frequenz, wird berechnet. In 7 wird ein
Mittelwert P1 der Leistung in einem mit f1 bezeichneten Band berechnet.
Zusätzlich
wird der Gesamtwert, oder beispielsweise der Mittelwert der Leistung
in allen Bändern
mit Ausnahme des Bands f1 berechnet. In 7 wird ein
Mittelwert P2 der Leistung in einem mit f2 bezeichneten Band berechnet. Ist
der Wert P1/P2, der das Verhältnis
von P1 zu P2 darstellt, größer als
der vorbestimmte Grenzwert, so wird das Band f1 als ein Band erkannt,
dass eine spektrale Spitze enthält.
Zudem wird der Vorgang zum Erkennen einer Frequenz mit der zweitgrößten Leistung
des Spektrums wiederholt, damit maximal eine vorbestimmte Anzahl
n an spektralen Spitzen erkannt wird, bei denen der Wert des Verhältnisses
größer ist
als der Grenzwert. Die Verarbeitung zum Unterdrücken der erkannten spektralen
Spitze unterscheidet sich nicht von der ersten Ausführungsform.
-
Dritte Ausführungsform
-
Die
dritte Ausführungsform
ist eine Ausführungsform,
die dadurch entsteht, dass man das Verfahren zum Erfassen der spektralen
Spitze in der ersten Ausführungsform
verändert.
Da das Aufbaubeispiel einer Klangsignal-Verarbeitungsvorrichtung
der dritten Ausführungsform
sich nicht von der ersten Ausführungsform
unterscheidet, wird sie nicht erklärt, sondern auf die erste Ausführungsform
verwiesen. In der folgenden Erklärung
wird die Struktur der Klangsignal-Verarbeitungsvorrichtung 1 dadurch
erklärt, dass
die gleichen Codes wie in der ersten Ausführungsform zugefügt werden.
Da sich die in der Klangsignal-Verarbeitungsvorrichtung 1 der
dritten Ausführungsform
vorgenommene Verarbeitung nicht von der Verarbeitung in der ersten
Ausführungsform
unterscheidet, wird sie nicht erklärt, sondern auf die erste Ausführungsform
verwiesen. In der folgenden Erklärung
werden die jeweiligen Verarbeitungsschritte, die die Klangsignal-Verarbeitungsvorrichtung 1 ausführen muss,
dadurch erklärt,
dass die gleichen Schrittbezeichnungen wie in der ersten Ausführungsform
verwendet werden.
-
8 zeigt
eine Ansicht eines Beispiels eines Spektrums der Klangsignal-Verarbeitungsvorrichtung 1 gemäß der dritten
Ausführungsform
der Erfindung. In 8 ist die Frequenz auf der Abszisse aufgetragen
und die Leistung des Spektrums auf der Ordinate, um den Zusammenhang
darzustellen. Die durchgezogene Linie in 8 bezeichnet
ein Leistungsspektrum S1, die mit abwechselnden langen und kurzen
Strichen dargestellte Linie zeigt eine spektrale Einhüllende S2,
die aus dem Leistungsspektrum S1 berech net wurde, und die punktierte
Linie zeigt eine Feinstruktur S3 des Spektrums, das man durch das
Entfernen der spektralen Einhüllenden
S2 vom Leistungsspektrum S1 gewinnt.
-
Als
Verarbeitung im Schritt S7 zum Erkennen einer spektralen Spitze
in dem Spektrum, das man durch Entfernen der spektralen Einhüllenden
erhält, erfasst
die Klangsignal-Verarbeitungsvorrichtung 1 der dritten
Ausführungsform
als Band, das eine spektrale Spitze enthält, ein erstes Band, in dem
das Verhältnis
zwischen einem Gesamtwert der Werte im ersten Band einer vorbestimmten
ersten Breite und einem Gesamtwert der Werte in einem zweiten Band mit
einer zweiten vorbestimmten Breite einen Wert zeigt, der größer ist
als ein vorbestimmter Grenzwert. Insbesondere wird eine Frequenz
erkannt, bei der die Leistung des Spektrums einen Höchstwert
hat, und der Gesamtwert oder beispielsweise der Mittelwert der Leistung
in einem Band mit einer vorbestimmten Breite, etwa 100 Hz zu beiden
Seiten der erfassten Frequenz, wird berechnet. In 8 wird
ein Mittelwert P1 der Leistung in einem mit f1 bezeichneten Band
berechnet. Zusätzlich
wird der Gesamtwert, oder beispielsweise der Mittelwert der Leistung
in einem Band von 150 Hz vor bzw. hinter f1 berechnet. In 8 wird
ein Mittelwert P2 der Leistung in einem mit f2 bezeichneten Band
berechnet. Ist der Wert P1/P2, der das Verhältnis von P1 zu P2 darstellt,
größer als
der vorbestimmte Grenzwert, so wird das Band f1 als ein Band erkannt,
dass eine spektrale Spitze enthält.
Zudem wird der Vorgang zum Erkennen einer Frequenz mit der zweitgrößten Leistung des
Spektrums wiederholt, damit maximal eine vorbestimmte Anzahl n an
spektralen Spitzen erkannt wird, bei denen der Wert des Verhältnisses
größer ist als
der Grenzwert. Die Verarbeitung zum Unterdrücken der erkannten spektralen
Spitze unterscheidet sich nicht von der ersten Ausführungsform.
-
In
den beschriebenen ersten bis dritten Ausführungsformen sind Ausführungsformen,
in denen die Spracherkennung erfolgt, nachdem nichtstationäre Geräusche entfernt
wurden, als Erfindung bezogen auf die Spracherkennung dargestellt.
Die Erfindung ist jedoch nicht auf diese Ausführungsformen eingeschränkt und
kann auf verschiedene Bereiche ausgeweitet werden, die mit der Spracherkennung verbunden
sind. Wird beispielsweise die Erfindung auf die Telekommunikation
angewendet, um ein Klangsignal, das auf einem Klang beruht, der
von einer Empfängervorrichtung
erfasst wird, an eine angerufene Person zu übertragen, so könnte man
das Klangsignal an die Person übertragen,
nachdem nichtstationäre
Geräusche
mit der Verarbeitung der Erfindung aus dem Klangsignal entfernt
wurden.