DE1079118B - Verfahren zur elektrischen Nachrichtenuebertragung unter Frequenzbandpressung - Google Patents

Description

DEUTSCHES

Die Erfindung betrifft ein Verfahren zur elektrischen Nachrichtenübertragung, insbesondere von Sprache, beim der tieferfrequente Bereich des unterteilten Frequenzbandes unmittelbar und der höherfrequente Bereich in der Frequenz gepreßt übertragen wird.

Es ist ein als Vocoder bezeichnetes Übertragungssystem für Sprache bekanntgeworden, mit dem sich eine bedeutende Frequenzbandpressung erzielen läßt. Hierbei wird zur Analyse das gesamte zu übertragende Nachrichtenfrequenzband durch Bandfilter mit aneinander anschließendem Durchlaßbereich auf eine Reihe von Spektralkanälen aufgeteilt, in denen durch Gleichrichtung und Siebung die langsamen Amplitudenschwankungen, also die Einhüllenden, der Frequenzbandteilkomponenten gewonnen werden. Diese »Spektralsignale« stellen die spektrale Verteilung der Energie innerhalb des zu übertragenden Frequenzbandes dar. Außerdem wird ein »Tonhöhensignal« ermittelt das die Information trägt, ob der Sprachlaut stimmlos oder stimmhaft ist und wie hoch im zweiten Fall die Sprachgrundfrequenz — entsprechend der Schwingungszahl der Stimmbänder ■—· ist. Die Spektralsignale und das Tonhöhensignal, von denen jedes nur eine ganz geringe Übertragungsbandbreite von höchstens 30 bzw. 50 Hz benötigt, werden entweder in getrennten Kanälen oder nach dem Frequenz- oder Zeitmultiplexverfahren gebündelt in einem gemeinsamen Kanal übertragen. Zur Synthese der Sprache dienen ein Rauschgenerator für die stimmlosen Laute und ein Impulsgenerator für die stimmhaften Laute. Die Folgefrequenz der sehr schmalen Impulse des Impulsgenerators wird vom Tonhöhensignal derart gesteuert, daß sie gleich der Sprachgrundfrequenz ist. Mit Hilfe eines vom Tonhöhensignal gesteuerten elekironischen Umschalters wird entweder die Rauschspannung oder die Impulsspannung den Spektralkanälen zugeführt und dort in ihr^er Amplitude von den Spektralsignalen moduliert. Aus diesen Spannungen werden durch Bandfilter mit gleichem Durchlaßbereich wie auf der Sendeseite die Frequenzband-Teilkomponenten ausgesiebt und dann wieder zusammengefügt. Der Aufwand für den Vocoder ist sehr hoch. Je nach der geforderten Wiedergabequalität der Sprache sind zehn bis zwanzig Spektralkanäle erforderlich. Besondere Schwierigkeiten bereitet die Gewinnung des Tonhöhensignals. Die Sprachgrundfrequenz, die je nach Sprecher etwa zwischen 80 und 300 Hz liegt, kann sich nämlich selbst innerhalb eines stimmhaften Lautes stark verändern; von ihrer genauen laufenden Ermittlung hängt die Natürlichkeit der synthetischen Sprache in starkem Maße ab. Darüber hinaus muß entweder ein hochwertiges Mikrophon verwendet werden, dessen Frequenzbereich

Nachricht enüb ertragung
unter Frequenzbandpressung

Anmelder:

Siemens & Halske Aktiengesellschaft,

Berlin und München,
München 2, Wittelsbacherplatz 2

Dipl.-Ing. Johann Schmid, München,
ist als Erfinder genannt worden

derart tiefe Frequenzen umfaßt, oder es muß die Sprachgrundfrequenz durch Intermodulation der höheren Harmonischen gewonnen werden. Eine weitere Schwierigkeit bietet z. B. die Synthese eines stimmhaften »s«, da ja eine Entscheidung zwischen stimmhaften und stimmlosen Lauten getroffen werden muß.

Es ist weiterhin ein Verfahren bekanntgeworden, bei dem der zu übertragende Frequenzbereich in zwei getrennte Bereiche aufgeteilt und der tieferfrequente Bereich unmittelbar übertragen wird, während aus dem höherfrequenten Bereich durch Gleichrichtung und Glättung eine Hüllkurve gewonnen wird, die auf der Wiedergabeseite zur Steuerung eines besonderen Schwingungsgenerators, vorzugsweise eines Rauschgenerators, dient. Hierbei wird beispielsweise der Bereich von 400 bis lOOOHz unmittelbar übertragen, während zur Erzeugung der Hüllkurve der Bereich 6 bis 9 kHz herangezogen wird; der Bereich 1 bis 5 kHz wird völlig unterdrückt. Dadurch wird aber die Qualität der Sprache stark herabgemindert. Die Übertragung einer einzigen aus dem höherfrequenten Bereich abgeleiteten Hüllkurve führt zu einer Einebnung der den Formanten entsprechenden Energieverteilung in diesem Bereich; insbesondere kann das Wandern der Formanten, das eine Vorhersagefunktion darstellt und für die Verständlichkeit der Sprache sehr wichtig ist, nicht erfaßt werden.

Bei einem anderen bekannten Bandkompressionssystem wird sendeseitig das zu übertragende Frequenzband ebenfalls in zwei Bereiche aufgeteilt, von

S09 769/363

denen der tieferfrequente Bereich unmittelbar übertragen wird (Direktkanal). Der höherfrequente Bereich wird zur Frequenzbandpressung wie beim Vocoder durch Bandfilter mit aneinander anschließendem Durchlaßbereich in Spektralkanäle aufgeteilt, in denen durch Gleichrichtung und Siebung die zu übertragenden langsamen Amplitudenschwankungen (Spektralsignale) der Frequenzband-Teilkomponenten gewonnen werden. Auf der Empfangsseite dient als Syntheseenergiequelle ein Rauschgenerator. Zur Unterscheidung zwischen stimmhaften und stimmlosen Lauten wird ein besonderes Steuersignal übertragen, das die Energie im Frequenzband von 100 bis 1000 Hz bewertet. Der Rauschgenerator wird bei energiereichen stimmhaften Lauten mit Hilfe eines Relais abgeschaltet, während er bei energieschwachen stimmhaften Lauten und den an sich energiearmen stimmlosen Lauten angeschaltet ist. Die Rauschspannung wird in den einzelnen Spektralkanälen von den Spektralsignalen in der Amplitude moduliert; aus diesen Spannungen sieben Bandfilter mit gleichem Durchlaßbereich wie auf der Sendeseite die Frequenzband-Teilkomponenten aus, die dann mit den Spannungen des unmittelbar übertragenen tieferfrequenten Bereiches vereinigt werden.

Durch Festlegung einer Energieschwelle für das Steuersignal läßt sich aber keine einwandfreie Unterscheidung zwischen stimmhaften und stimmlosen Lauten treffen; außerdem ist eine solche Anordnung störempfindlich. Von großem Einfluß auf die Silbenverständlichkeit und Natürlichkeit der wiedergegebenen Sprache ist die Wiedergabebandbreite der stimmhaften Laute, die bei diesem System im Normalfall (große Energie) nur der Bandbreite des Direktkanals entspricht. Diese muß daher hinreichend groß gewählt werden, praktisch etwa halb so groß wie die der Sprache zugeordnete Gesamtbandbreite; d. h., es läßt sich nur eine Bandkompression von etwa 2:1 herstellen. Eine Vereinfachung des Systems ergibt sich durch eine feste Anschaltung des Rauschgenerators, da dann das Steuersignal wegfällt. Dadurch erhält aber das Spektrum der stimmhaften Laute im oberen Teil »Band-« anstatt »Liniencharakter«, wodurch die Natürlichkeit nach wie vor fehlt.

Auch beim Verfahren zur elektrischen Nachrichtenübertragung, insbesondere für Sprache, das der Erfindung zugrunde liegt, wird entsprechend dem oben beschriebenen Bandkompressionssystem der tieferfrequente Bereich des unterteilten Frequenzbandes unmittelbar und der höherfrequente Bereich in der Frequenz gepreßt übertragen, Dazu wird wie beim Vocoder auf der Sendeseite der höherfrequente Bereich durch Bandfilter mit vorzugsweise aneinander anschließendem Durchlaßbereich in Spektralkanäle aufgeteilt, in denen durch Gleichrichtung und Siebung die zu übertragenden langsamen Amplitudenschwankungen (Spektralsignale) der Frequenzband-Teilkomponenten gewonnen werden.

Das Verfahren gemäß der Erfindung ist dadurch gekennzeichnet, daß auf der Empfangsseite ein Impulsgenerator vorgesehen ist, der derart von den Schwingungen des unmittelbar übertragenen tieferfrequenten Bereiches gesteuert wird, daß die Impulse bei aufeinanderfolgenden gleichsinnigen Nulldurchgängen der Steuerspannung ausgelöst werden, daß diese Impulse in den einzelnen Spektralkanälen von den Spektralsignalen in der Amplitude moduliert werden, daß aus diesen Spannungen durch Bandfilter mit gleichem Durchlaßbereich wie auf der Sendeseite die Frequenzband-Teilkomponenten ausgesiebt und mit den Spannungen des unmittelbar übertragenen tieferfrequenten Bereiches vereint werden.

Wie später gezeigt wird, liefert der Impulsgenerator als Syntheseenergiequelle bei Vorhandensein eines stimmhaften Lautes ein Linienspektrum und bei Vorhandensein eines stimmlosen Lautes ein kontinuierliches Spektrum. Die Bandbreite des Direktkanals kann etwa dreimal kleiner als beim obenerwähnten

ίο Bandkompressionssystem gewählt werden. Die Frequenzbandkompression ist entsprechend größer. Trotzdem erleiden die stimmhaften Laute keine Einbuße an Wiedergabebandbreite; da das obere Band mit harmonischen Schwingungen — also einem Spektrum gleicher Art — ausgefüllt wird, ergibt sich eine gute Silbenverständlichkeit und Natürlichkeit. Der Impulsgenerator wird unmittelbar von den Spannungen des Direktkanals gesteuert, das besondere Tonhöhensignal des Vocoders oder das Steuersignal beim obenerwähnten Bandkompressionssystem fällt also weg. Dies ergibt eine weitere Einsparung an Übertragungsbandbreite und vor allem an Geräteteilen; zur Übertragung muß nämlich das Tonhöhensignal oder das Steuersignal erst in einen höheren

Frequenzbereich umgesetzt werden, da der Übertragungsbereich normaler Fernsprechsysteme oberhalb 300 Hz liegt.

Eine Einrichtung zur Ausübung des Verfahrens gemäß der Erfindung soll als Semi-Vocoder bezeichnet werden.

Die Erfindung beruht auf folgenden Überlegungen: Verzichtet man beim Vocoder auf den Tonhöhenkanal und dient als Energiequelle zur Synthese nur ein Rauschgenerator, so erhält man eine Art Flüsterspräche; beim Flüstern werden die Stimmbänder nicht in periodische Schwingungen versetzt. Diese Flüstersprache hat eine hohe Verständlichkeit. Das bedeutet aber, daß das Gehör die Laute schon an der Energieverteilung (Formanten) über den Hörfrequenzbereich und der zeitlichen Veränderung dieser Verteilung erkennt und dabei die Art des Spektrums (Rausch- oder Linienspektrum) keine Rolle spielt. Wird andererseits zur Synthese neben dem Rauschgenerator ein Impulsgenerator mit konstanter Impulsfolgefrequenz verwendet, d. h., wird die Sprachgrundfrequenz konstant gehalten, so erhält die Sprache einen monotonen Charakter, so daß der Sprecher kaum wiederzuerkennen ist.

Der Grundgedanke der Erfindung besteht nun darin, die Nachteile der reinen Flüstersprache oder der monotonen Sprache dadurch zu vermeiden, daß als Syntheseenergiequelle ein Impulsgenerator verwendet wird, der sowohl ein Linienspektrum als auch ein kontinuierliches Spektrum liefern kann.

Die Erfindung wird im folgenden an einem Ausführungsbeispiel an Hand der Zeichnungen näher erläutert. Die Zeichnungen zeigen in

Fig. 1 eine Einrichtung zur Ausübung des Verfahrens gemäß der Erfindung,

Fig. 2 das Spektrum des Original-Selbstlautes »i«, Fig. 3 das Spektrum des synthetischen Selbstlautes »i« mit einem gesteuerten Impulsgenerator als Syntheseenergiequelle.

Zum besseren Verständnis ist bei der in Fig. 1 dargestellten Einrichtung auch der an sich bekannte Sendeteil dargestellt. Zur Umwandlung der Sprachschwingungen in elektrische Schwingungen wird beispielsweise ein einfaches Fernsprech-Kohlemikrophon M verwendet. Die Schwingungen werden in einem Verstärker V1 verstärkt und dann durch zehn ein-

gangsseitig parallel geschaltete Bandfilter Fl bis F10 mit aneinander anschließendem Durchlaßbereich auf zehn Kanäle itl bis it IO verteilt. Das Bandfilter Fl für den sogenannten »Direktkanal« Kl hat im Ausführungsbeispiel einen Durchlaßbereich von 300 bis 750 Hz; dieser tieferfrequente Bereich wird unmittelbar übertragen. Die Kanäle K 2 bis it IO stellen die Spektralkanäle für den höherfrequenten Bereich von 750 bis 3400 Hz dar, der einer Frequenzbandpressung unterworfen wird. Die Durchlaßbereiche der Bandfilter F2 bis FlO für die Spektralkanäle werden zweckmäßig nach der Breite der Frequenzgruppen bemessen, die ein Maß für das Auflösungsvermögen des Ohres darstellen und die von R. Feldtkeller und E. Zwicker (»Das Öhr als Nachrichtenempfänger«) bestimmt wurden. Danach haben die Frequenzgruppen unterhalb von 500 Hz die konstante absolute Breite von etwa 80 Hz und oberhalb von 500 Hz die konstante relative Breite von etwa 17% der mittleren Frequenz der Gruppe. In den Spektralkanälen werden die Schwingungen in regelbaren Verstärkern V 2 bis VlQ verstärkt und mit Hilfe von Gleichrichtern Gr 2 bis GrIO gleichgerichtet. Am Ausgang der Tiefpässe F12 bis F 20, die im Ausführungsbeispiel eine Grenzfrequenz von 20 Hz haben, werden die Einhüllenden der Frequenzband-Teilkomponenten erhalten, die als Spektralsignale übertragen werden.

Die zur Übertragung erforderliche Frequenzbandbreite ist — entsprechende Signalgeräuschabstände vorausgesetzt — von 3100Hz auf 630 Hz zusammengepreßt worden (450 Hz für den Direktkanalitl und 9-20 Hz = 180 Hz für die Spektralkanäle it2 bis K10). In Fig. 1 werden die Direktkanäle und die Spektralkanäle zwischen Sende- und Empfangsseite getrennt geführt, sie können aber auch nach dem Frequenz- oder Zeitmultiplexverfahren gebündelt werden.

Auf der Empfangsseite sind ein Rauschgenerator G1 und ein Impulsgenerator G 2 vorgesehen. Der Rauschgenerator Gl liefert im Bereich 300 bis 3400Hz ein kontinuierliches Rauschspektrum (weißes Rauschen). Der Impulsgenerator G2 wird von den Spannungen im Direktkanal derart gesteuert, daß die Impulse bei aufeinanderfolgenden gleichsinnigen Nulldurchgängen der Steuerspannung ausgelöst werden. Dies kann beispielsweise dadurch erreicht werden, daß die Steuerspannung durch ausreichende Verstärkung und Begrenzung zu einer Rechteckspannung mit steilen Flanken umgeformt wird, aus der durch Differentation kurze Impulse wechselnder Polarität gewonnen werden. Durch die Unterdrückung der Impulse einer Polarität werden unipolare Impulse gebildet, aus denen rechteckförmige Impulse geformt werden, die am Ausgang des Impulsgenerators zur Verfügung stehen. Wird also der Impulserzeuger von einer Sinusspannung gesteuert, deren Frequenz bei stimmhaften Lauten zwischen etwa 300 und .600 Hz schwanken kann, so liefert er Impulse, deren Folgefrequenz mit der Frequenz der Sinusspannung übereinstimmt. Um eine zu hohe Impulsfolgefrequenz zu vermeiden, die bei Vokalen mit kräftigen Formanten im Bereich über 600 Hz (Vokal »a«) auftritt, werden am Eingang des Impulsgenerators die Amplituden der tieferfrequenten Sprachschwingungen gegenüber den höherfrequenten angehoben. Die Dauer der Impulse ist so kurz bemessen, daß ihr Linienspektrum innerhalb des Nachrichtenfrequenzbandes — also zwischen 300 und 3400 Hz — annähernd konstante Amplituden aufweist. Liegt dagegen am Eingang des Impulserzeugers eine Rauschspannung, so liefert er Impulse konstanter Amplitude und Dauer mit unregelmäßig schwankenden Abständen, denen ein annähernd regelmäßiges kontinuierliches Spektrum (weißes Rauschen) innerhalb des Nachrichtenfrequenzbandes zugrunde liegt.

Der Ausgang des Impulsgenerators G 2 ist mit den Modulatoren M2 bis MIO verbunden, die an den empfangsseitigen Eingängen der Spektralkanäle liegen. Hier werden die Spannungen des Impulsgenerators von den Spektralsignalen in der Amplitude moduliert. In den nachfolgenden Bandfiltern F 22 bis F30, deren Durchlaßbereich mit den Bandfiltern F2 bis FlO auf der Sendeseite übereinstimmt, werden die Frequenzband-Teilkomponenten ausgesiebt und in den regelbaren Verstärkern F12-bis V 20 verstärkt.

Im Direktkanal K1 liegt ein Laufzeitglied L, das die Laufzeit in diesem Kanal der mittleren Laufzeit der Spektralkanäle it 2 bis K10 angleicht, sowie ein regelbarer Verstärker FIl. Durch Parallelschaltung der Ausgänge der Verstärker FIl bis F20 wird das unmittelbar übertragene tieferfrequente Band mit den Teilkomponenten des höherfrequenten Bandes zum ursprünglichen Frequenzband 300 bis 3400 Hz vereint. Die Spannungen dieses Bandes werden über den Ausgangsverstärker F21 dem Telefon T zugeführt.

Die Wirkungsweise des Semi-Vocoders kann anschaulich an Hand der folgenden Fig. 2 und 3 erklärt werden. In Fig. 2 ist das Spektrum des Original-Selbstlautes «i» im Bereich 300 bis 3400 Hz dargestellt., wobei ein logarithmischer Maßstab für die Frequenz gewählt wurde. Das Spektrum eines Selbstlautes stellt ein Linienspektrum dar, in dem der Abstand der Spektral-Linien gleich der Sprachgrundfrequenz ist, die im Beispiel 100 Hz beträgt. Die Formanten liegen beim Selbstlaut »i« bei 400, 1900 und 3000 Hz.

Fig. 3 zeigt das Spektrum des synthetischen Selbstlautes »i«, wenn der Impulsgenerator G2 die Syntheseenergie liefert. Das Spektrum ähnelt stark dem ursprünglichen, da wieder ein reines Linienspektrum vorliegt. Die Impulsfolgefrequenz des Impulsgenerators, die immer ein ganzzahliges Vielfaches der Sprachgrundfrequenz f_g ist, betrage im vorliegenden Fall 300Hz. Im Bereich über 750 Hz des Spektrums sind daher nur die Harmonischen der Impulsfolgefrequenz enthalten, also 900, 1200, 1500 .. . 3300Hz. Während also der Abstand der Spektrallinien im Originalspektrum gleich f_s ist, beträgt er nunmehr n-fg, wobei η im allgemeinen die Werte 3, 4 oder 5 annehmen kann. Das Ohr empfindet den Ausfall eines Teiles der Harmonischen der Sprachgrundfrequenz nur sehr wenig, da auch die »künstlichen« Harmonischen ganzzahlige Vielfache der Sprachgrundfrequenz sind.

Das Sprachspektrum der stimmlosen Laute hat Bandcharakter ähnlich dem Rauschspektrum. Der Impulsgenerator G 2 liefert in diesem Fall »weißes Rauschen« wie ein Rauschgenerator.

Es hat sich gezeigt, daß sich die Sprachqualität bei ungünstigen Übertragungsverhältnissen oder bei bestimmten Sprechern durch die zusätzliche Anschaltung des Rauschgenerators G1 mit Hilfe des Schalters Sl noch verbessern läßt.

Es sei noch erwähnt, daß je nach der geforderten Qualität der Sprache einzelne Spektralkanäle weggelassen werden können.

Mit dem Semi-Vocoder kann bei entsprechender Erweiterung des Frequenzbereiches auch Musik über-

tragen werden, wenn besondere KlangefTekte erzielt werden sollen. Dabei läßt sich der Klangcharakter einzelner Instrumente oder Instrumentengruppen in ganz eigenartiger Weise verändern.

Claims (4)

5 PATENTANSPRÜCHE:

1. Verfahren zur elektrischen Nachrichtenübertragung, insbesondere für Sprache, bei dem der tieferfrequente Bereich des unterteilten Frequenzbandes unmittelbar und der höherfrequente Bereich wie beim Vocoder in der Frequenz gepreßt übertragen wird, indem auf der Sendeseite der höherfrequente Bereich durch Bandfilter mit vorzugsweise aneinander anschließendem Durchlaßbereich in Spektralkanäle aufgeteilt wird, in denen durch Gleichrichtung und Siebung die zu übertragenden langsamen Amplitudenschwankungen (Spektralsignale) der Frequenzband-Teilkomponenten gewonnen werden, dadurch gekennzeichnet, daß auf der Empfangsseite ein Impulsgenerator vorgesehen ist, der derart von den Schwingungen des unmittelbar übertragenen tieferfrequenten Bereiches gesteuert wird, daß die Impulse bei aufeinanderfolgenden gleichsinnigen Nulldurchgängen der Steuerspannung ausgelöst werden, daß diese Impulse in den einzelnen Spektralkanälen von den Spektralsignalen in der Amplitude moduliert werden, daß aus diesen Spannungen durch Bandfilter mit gleichem Durchlaßbereich wie auf der Sendeseite die Frequenzband-Teilkomponenten ausgesiebt und mit den Spannungen des unmittelbar übertragenen tieferfrequenten Bereichs vereint werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß am Eingang des Impulsgenerators die Amplituden der tieferfrequenten Steuerspannungen gegenüber den höherfrequenten angehoben werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß parallel zum Ausgang des Impulsgenerators ein Rauschgenerator anschaltbar ist.

4. Anwendung des Verfahrens nach einem der vorhergehenden Ansprüche zur Erzielung besonderer Klangeffekte bei der Übertragung von Musik.

In Betracht gezogene Druckschriften:
USA.-Patentschrift Nr. 2 817 711.

Hierzu 1 Blatt Zeichnungen

® 9® 769/363 3.60