DE2228789C3

DE2228789C3 - Digitale Sprachgrundfrequenzerzeugung für Vocoder-Synthesatoren

Info

Publication number: DE2228789C3
Application number: DE19722228789
Authority: DE
Inventors: Karl 8000 Muenchen Lang
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1972-06-13
Filing date: 1972-06-13
Publication date: 1979-08-23
Also published as: DE2228789B2; DE2228789A1

Description

Die Erfindung bezieht sich auf ein Verfahren zur Erzeugung quasisynthetischer Sprache in einem Vocoder mit mehreren parallelen Kanälen aus Parametersignalen, enthaltend Informationen über die Hüllkurvensignale der einzelnen Kanäle, die Sprachgrundfrequenz und deren Amplitude sowie über die stimmhaften bzw. stimmlosen Laute, bei dem bei stimmhaften Lauten die in einem Sprachgrundfrequenz-Generator erzeugten Impulse und bei stimmlosen Lauten die in einem Rausch-Generator erzeugten Impulse Kanal-Syntheseeinheiten zugeführt werden, in denen diese Impulse mit dem Hüllkurvensignal des jeweiligen Kanals moduliert und schließlich addiert werden, und bei dem entweder die modulierten oder die unmodulierten Impulse Bandpässe durchlaufen und die Dauer der Impulse moduliert wird, nach Patent 22 27 476, und auf Anordnungen zur Durchführung des Verfahrens.

Die elektronische Synthese menschlicher Sprache wird in steigendem Umfang für die Sprachausgabe aus Datenverarbeitungsanlagen und in der Übertragungstechnik angewandt. Es sind bereits eine Reihe von Verfahren und von Einrichtungen, sogenannten Vocodern zur Erzeugung synthetischer bzw. quasisynthetischer Sprache bekanntgeworden. Unter der Erzeugung quasisynthetischer Sprache wird im folgenden verstanden, daß die Sprache aus der Sprachgrundfrequenz neu aufgebaut wird. Aus K. Steinbuch »Taschenbuch der Nachrichtenverarbeitung«, Springer-Verlag Berlin, 1962, Seiten 851 ff, ist neben einer Reihe anderer Vocodereinrichtungen auch der Kanalvocoder beschrieben. Bei einem derartigen Kanalvocoder wird das Sprachsignal auf der Senderseite in eine Reihe von Spektralkanälen zerlegt und neben der Hüllkurve dieser Spektralkanäle auch die Höhe der Sprachgrundfrequenz festgestellt. Diese Daten werden in Form eines Parametersignals entweder übertragen oder für die Sprachausgabe aus Datenverarbeitungsanlagen gespeichert. Auf der Empfangsseite, also im Syntheseteil des Vocoders, wird mit Hilfe des Parametersignals die Sprachgrundfrequenz neu erzeugt und daraus die vollständige Sprache gebildet.

Bisher wurde die Sprachgrundfrequenz mittels Anordnungen erzeugt, die vorwiegend aus analogen Bausteinen bestanden. Das Prinzip einer derartigen bekannten Art der Sprachgrundfrequenzerzeugung wird in F i g. 1 gezeigt Dazu wird dem Informationseingang 1 eine Information A... F über das Grundfrequenzsignal zugeführt. Die Information ist in 6 Bit linear codiert. Nach Durchlaufen des Zwischenspeichers 2 findet im Digital-Analog-Wandler 3 eine Digital-Aralog-Umformung der gespeicherten Information A* ... F* statt. Die Information liegt damit in analoger Form, beispielsweise in Form einer Spannung vor und wird so dem Spannungs-Frequenzwandler 4, der den Integrator 5 und den Komparator 6 enthält, zugeführt.

Vom Ausgang 8 des !Comparators 6 können die Impulse der Sprachgrundfrequenz PP abgenommen werden; durch eine Verbindung 7 zum Integrator 6 e.folgt eine Rücksetzung.

Die F i g. 2 zeigt eine vereinfachte Darstellung einer Schaltung zur Erzeugung der Sprachgrundfrequenz nach dem in F i g. 1 dargestellten bekannten Prinzip. Im Anschluß an den Informationseingang 1 und den Zwischenspeicher 2, der durch Übergabetakte OT gesteuert wird, ist ein Decodier-Netzwerk aus Dioden und Widerständen erkennbar, das die Aufgabe der Digital-Analog-Umwandlung hat Weiterhin sind die Gewichtswiderstände 10 dargestellt, die teilweise recht hochohmig sein können. Das Decodiernetzwerk ist mit dem Spannungsfrequenzwandler 4 über einen Summierverstärker 12 verbunden. Im Spannungsfrequenzwandler 4 ist der Integrator 5 erkennbar, dessen Ausgangsspannung zwischen zwei Spannungsschwellw jrten hin- und herläuft, so daß eine Dreiecksspannung entsteht Das Durchstoßen der Spannungsschwellen bewirkt dabei jeweils ein Umklappen der Kippstufe 11 und damit die Umkehr der Integrationsrichtung. Es ist erkennbar, daß mit höherer vom Decodiernetzwerk gelieferter Spannung auch die Spannungsschwellen schneller erreicht werden, also auch ein häufigeres Umklappen der Kippstufe erfolgt Die Ausgangsfrequenz ist somit proportional der Eingangsspannung. Selbst aus der vereinfachten Darstellung ist erkennbar, daß es sich insbesondere durch das Decodiernetzwerk um eine sehr aufwendige Anordnung handelt, die viel Raum benötigt und eines teilweise recht mühevollen Abgleichs bedarf.

Der Erfindung liegt die Aufgabe zugrunde, ein vereinfachtes Verfahren zur Sprachgrundfrequenzerzeugung zu entwickeln. Ein derartiges Verfahren sollte insbesondere auf das Netzwerk aus genau zu bemessenden Widerständen verzichten, da dies viel Platz benötigt, in der Herstellung aufwendig ist und sich auch nicht ohne weiteres, beispielsweise in einer integrierten Schaltung, durch ein Netzwerk aus Halbleitern ersetzen läßt.

Diese Aufgabe wird gemäß der Erfindung dadurch gelöst, daß in dem Sprachgrundfrequenz-Generator η zueinander synchronisierte Impulsreihen erzeugt werden, deren Impulsfolgefrequenzen mit dem Faktor 2^V mit ν = 0,1,2... π gestuft sind und deren Impulsdauer so gewählt ist, daß sich die Impulse zeitlich nicht überdecken, und daß durch die übertragene Grundfrequenzinformation gesteuert, diejenigen Impulsreihen addiert werden, deren Summe eine Impulsfolgefrequenz ergibt, die der gewünschten Sprachgrundfrequenz entspricht.

Der Erfindung liegt die Erkenntnis zugrunde, daß durch Addition von Impulsen, die sich zeitlich nicht überdecken, und die aus Impulsreihen mit verschiedener Folgefrequenz stammen, eine Anzahl verschiedener Frequenzen erzeugt werden kann. Zur Verringerung der Ungleichmäßigkeiten der so erzeugten Impulsfolgefrequenz kann das Verfahren nach der Erfindung so abgeändert werden, daß η zueinander synchronisierte Impulsreihen mit der p-fachen Frequenz erzeugt werden und nach der Addition der Impulse eine Frequenzteilung im Verhältnis 1 : perfolgt.

Eine zweckmäßige Anordnung zur Durchführung der Verfahren nach der Erfindung enthält neben einem Zwischenspeicher einen Generator der über einen Ausgang eine Impulsfolge an einen mehrstufigen binären Frequenzteiler abgibt, digitale Anordnungen, insbesondere NAND-Gatter, die mehrer Eingänge aufweisen und bei denen jeweils ein Eingang mit einem zugeordneten Eingang des Zwischenspeichers verbunden ist und ein weiterer Eingang vorgesehen ist der mit dem Ausgang einer Inverterstufe für die Generatorimpulse verbunden ist wobei ein zusätzlicher Eingang mit dem Ausgang der zugeordneten Stufe des Frequenzteilers verbunden ist und zusätzliche Eingänge mit den Ausgängen der vor der zugeordneten Stufe befindlichen

lu Stufen des Frequenzteilers verbunden sind, wobei der Ausgang jeder digitalen Anordnungen mit dem Eingang einer Summierstufe verbunden ist und der Ausgang der Summierstufe mit einem zusätzlichen Frequenzteiler verbunden ist mit einer Verbindung vom Ausgang des Frequenzteilers mit dem Eingang eines monostabilen Impulsgenerators, insbesondere ein Mono-Flop, wobei dieser eine Impulsfolge entsprechend der Sprachgrundfrequenz abgibt und der Ausgang des monostabilen JmpuJsgenerators außerdem mit jeder Frequenzteiler-

2» stufe verbunden ist und dadurch diese auf Null rückstellbar ist Die Schaltung nach der Erfindung ist in Digitaltechnik aufgebaut und basiert auf der Erkenntnis, daß digitale Anordnungen, insbesondere in Binärtechnik, die zwischen zwei festen Zuständen hin- und

2) herschalten, in ihrem Aufbau und in ihrem Abgleich unkritisch sind, leicht prüfbar sind und sich in vielfältiger Weise durch integrierte Halbleiterschaltungen realisieren lassen.
Es existieren bereits integrierte Halbleiterschaltun-

U) gen, die zwar nicht für die Durchführung des Verfahrens nach der Erfindung vorgesehen sind, aber neben einer Reihe anderer Stufen auch NAND-Gatter und einen mehrstufigen binären Frequenzteiler enthalten. Eine Anordnung nach der Erfindung enthält dann neben diesem integrierten Baustein einen Zwischenspeicher, einen weiteren Frequenzteiler und einen monostabilen Impulsgenerator und den Impulsgenerator zur Erzeugung der Grundfrequenz.
Bei einer besonders günstigen Ausführungsform der Anordnungen zur Durchführung des Verfahrens nach der Erfindung werden die digitalen Anordnungen aus Bausteinen in TTL-Technik gebildet. Neben der leichten Prüfbarkeit bieten diese Bausteine besondere Vorteile, da sie klein und preisgünstig sind und bereits eine große

4> Anzahl von verschiedenen Typen in integrierter Form vorliegen.

Ein weiterer Vorteil der Anordnung nach der Erfindung besteht darin, daß derartige Schaltungen leicht integrierbar sind und auch eine Zusammenfassung

^riii zu höheren Integrationsgraden beim gegenwärtigen Stand der Halbleitertechnologie möglich ist.

Anhand von in der Zeichnung dargestellten Ausführungsbeispielen soll die Erfindung im folgenden noch näher erläutert werden.

υ Inder Zeichnung zeigen

F i g. 1 und 2 Anordnungen zur Sprachgrundfrequenzerzeugung nach dem Stande der Technik,

Fig. 3 die Schaltung eines erfindungsgemäßen digitalen Grundfrequenzgenerators,

μ F i g. 4 das Impulsdiagramm für die erfindungsgemäße digitale Sprachgrundfrequenzerzeugung, und

F i g. 5 eine erfindungsgemäße Schaltung zur digitalen Spraengrundfrequenzerzeugung, die ein^n MSI-Baustein enthält.

In den Fig. 1 und 2 iü eine Scnaltung zur Sprachgrundfrequenzerzeugung nach dem Stande der Technik dargestellt, die einen Digital-Aiialogwandler 3 enthält, der aus einem Neuwerk von Dioden und

Widerständen besteht.

F i g. 3 zeigt eine Schaltung eines digitalen Sprachgrundfrequenzgenerators nach der Erfindung, der nach dem Prinzip der sogenannten Frequenzgewichte arbeitet.

Zur umführung der Frequenzgewichte haben dabei die folgenden Überlegungen geführt. Ein Digital-Analogwandler kann in verschiedenen Formen, vorzugsweise auch als digitaler Gewichts-Codierer realisiert werden. Ein derartiger Codierer könnte entweder mit Zeitbruchteilen — also mit »Zeitgewichten« oder aber mit Frequenz-Bruchteilen — also mit »Frequenzgewichten« arbeiten. Bei der vorliegenden Erfindung wurde der Betrieb mit Frequenzgewichten gewählt, da auf der Analyseseite des Vocoders die Frequenzcodierung Vorteile bietet und damit eine Umrechnung von Frequenzen in Periodendauer entfällt.

Auf der Analyseseite wird die Sprachgrundfrequenz in Stufen von 3 Hz bis 5 Hz im Bereich von etwa 80 Hz bis 350 Hz linear quantisiert, wobei je nach Anwendung auch z. B. für männliche Sprecher der Bereich auf 80 Hz bis 200 Hz eingeengt werden kann. Im vorliegenden Fall wurde von 3-Hz-Stufen ausgegangen. Auf der Syntheseseite muß dann entsprechend von Impulsen von Frequenzen von 2* · 3 Hz mit v = 0, \,2... η ausgegangen werden. Durch Summieren dieser Impulse ist dann eine Frequenzsynthese möglich, bei der das 1, 2.. ^2"^+l — l)-fache des Grundwertes von beispielsweise 3 Hz gebildet werden kann.

In der Schaltung nach der F i g. 3 werden durch einen binären Frequenzteiler mit den Stufen Ti bis T6 die Impulse eines Generators TQ binär geteilt, so daß die im oberen Teil der Fig.4 gezeigten sechs Impulsreihen entstehen. Die Reihen sind entsprechend den zugehörigen Stufen des Frequenzteilers bezeichnet.

Die Ausgangssignale des mehrstufigen Frequenzteilers werden in dem NAND-Gatter Fl bis F6 mit dem invertierten Taktsignal und der zwischengespeicherten Information logisch verknüpft. Es entstehen die dadurch im unteren Teil der F i g. 4 dargestellten und mit· Fl bis F6 bezeichneten Impulsfolgen, die gleichzeitig die Frequenzgewichte sind. Die Frequenzen der Impulsfolgen F1 bis F6 verhalten sich wie Potenzen von 2 und überdecken sich außerdem — im Gegensatz zu den ursprünglichen sechs Folgen — zeitlich nicht.

Für die entstandenen sechs Impulsfolgen, also für die Folgen der Frequenzgewichte, gilt die folgende mathematische Beschreibung:

FI=TOaTIaF*

F6=TÖaTTaT2 λΤ3λΤ4λΤ5λΓ6λ/1·
wobei A* bis F* die zwischengespeicherte Sprachgnjncifrequen?:ir!^for!r!s!ir!r! ist. Die sechs Impulsfolgen werden in der in der Fig? bei Summe Fdargestelllen Stufe addiert.

Die Addition ist in der F i g. 4 für die Dezimalzahl 42 bzw.die entsprechende Binärzahl lOlOlOdurchgeführl.

Am obigen Beispiel ist zu erkennen, daß die einzelnen Impulse in unregelmäßigen Abständen erscheinen. Sie können deshalb nicht unmittelbar als Sprachgrundimpulsfrequenzen verwendet werden. Zur Verringerung der Ungleichmäßigkeiten wird zunächst nicht die eigentlich gewünschte Frequenz gebildet, sondern deren /vfaches und dann durch den in F i g. 3 gezeigten Frequenzteiler 63 die gewünschte Frequenz gebildet.

im Hinblick auf die Verwendung eines binären Frequenzteilers ist es dabei zweckmäßig, p=2^m mit m—\,2... π zu wählen.

Die letzte Stufe des binären Frequenzteilers steuert einen monostabilen Impulsgenerator, der eine Impulsfolge PPentsprechend der Sprachgrundfrequenz abgibt. Von dem monostabilen Impulsgenerator 64 ist außerdem eine Verbindung zu den Frequenzteilerstufen Ti ...T6 zur Rückstellung derselben auf Null gezeigt. Dadurch wird eine jitterfreie Frequenzerzeugung gewährleistet.

In der Fig.5 ist eine Schaltung zur digitalen Grundfrequenzerzeugung nach der Erfindung dargestellt, bei der einzelne Teile der Schaltung nach der F i g. 3 in einem sogenannten MSI-Baustein 15 zusammengefaßt sind. Dieser Baustein 15 ist als programmierbarer Teilerbaustein unter den Bezeichnungen SN7497 und FLJ331 handelsüblich. Er besitzt neben den Eingängen für die gespeicherte Information F*... A' einen Eingang 16 für den Grundtakt, einen Eingang 17 für die Löschimpulse, einen Ausgang !S und weitere Eingänge 19 und 20. An den Ausgang 18 ist äquivalent der Schaltung der F i g. 3 eine Frequenzteilerstufe 63 angeschlossen, von der die Impulse mit der gewünschten Frequenz einem monostabilen Impulsgenerator 64, einem sogenannten Mono-Flop zugeführt werden. Am Ausgang dieses Mono-Flop sind die Sprachgrundfrequenzimpulse entnehmbar. Weiterhin ist der Ausgang des Mono-Flop über eine Rückführung mit dem Eingang 17 des programmierbaren Teilerbausteines zur Löschung desselben verbunden. Die Eingänge 19 und 20 werden in diesem Falle nicht verwendet und sind mit Masse verbunden. Die Schaltung nach der F i g. 5 zeigt besonders deutlich die Vorteile, die sich aus dem Übergang einer analogen Erzeugung der Sprachgrundfrequenz zu einer digitalen Erzeugung ergeben und die in der besonders leichten Integrierbarkeit liegen.

Bei der Herstellung größerer Serien dieser Anordnungen kann es zweckmäßig sein, sämtliche Funktionsgruppen der Schaltung nach der Fig.5 in einem einzigen MSI-Baustein zu vereinigen.

Hierzu 5 Blatt Zeichnungen

Claims

Patentansprüche:

1. Verfahren zur Erzeugung quasisynthetischer Sprache in einem Vocoder mit mehreren parallelen Kanälen aus Parametersignalen, enthaltend Informationen über die Hüllkurvensignale der einzelnen Kanäle, die Sprachgrundfrequenz und deren Amplitude sowie über die stimmhaften bzw. stimmlosen Laute, bei dem bei stimmhaften Lauten die in einem Sprachgrundfrequenz-Generator erzeugten Impulse und bei stimmlosen Lauten die in einem Rausch-Generator erzeugten Impulse Kanal-Syntheseeinheiten zugeführt werden, in denen diese Impulse mit dem Hüllkurvensignal des jeweiligen Kanals moduliert und schließlich addiert werden, und bei dem entweder die modulierten oder die unmodulierten Impulse Bandpässe durchlaufen und die Dauer der Impulse moduliert wird, nach Patent 22 27 476, dadurch gekennzeichnet, daß in dem Sprachgrundfrequenz-Generator η zueinander synchronisierte Impulsreihen erzeugt werden, deren Impuisfolgefrequenzen mit dem Faktor 2* mit v = 0, 1, 2...π gestuft sind und deren Impulsdauer so gewählt ist, daß sich die Impulse zeitlich nicht überdecken, und daß durch die übertragene Grundfrequenzinformation gesteuert, diejenigen Impulsreihen addiert werden, deren Summe eine Impulsfolgefrequenz ergibt, die der gewünschten Sprachgrundfrequenz entspricht. jo

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß η zueinander synchronisierte Impulsreihen mit der p-fachen Frequenz erzeugt werden und nach Addition der Impulse eine Frequenzteilung im Verhältnis I : ρ erfolgt. »

3. Anordnung zur Durchführung des Verfahrens nach den Ansprüchen 1 ode^r 2 mit einem Zwischenspeicher, dadurch gekennzeichnet, daß es sich um eine in Digitaltechnik, vorzugsweise in Binärtechnik, ausgeführte Anordnung handelt, bei der ein Generator vorgesehen ist, der über einen Ausgang eine Impulsfolge an einen mehrstufigen binären Frequenzteiler abgibt, daß digitale Anordnungen, insbesondere NAND-Gatter vorgesehen sind, die mehrere Eingänge aufweisen, und bei denen v> jewei's ein Eingang mit einem zugeordneten Eingang des Zwischenspeichers verbunden ist, ein weiterer Eingang vorgesehen ist, der mit dem Ausgang einer Inverterstufe für die Generatorimpulse verbunden ist, ein weiterer Eingang mit dem ϊ<> Ausgang der jeweils zugeordneten Stufe des Frequenzteilers verbunden ist und zusätzliche Eingänge mit den Ausgängen der vor der zugeordneten Stufe befindlichen Stufen des Frequenzteilers verbunden sind; daß der Ausgang jeder digitalen >'> Anordnung mit dem Eingang einer Summierstufe verbunden ist, daß der Ausgang der Summierstufe mit einem zusätzlichen Frequenzteiler verbunden ist, daß der Ausgang des zusätzlichen Frequenzteilers mit dem Eingang eines monostabilen Impulsgenera- »» tors, insbesondere eines Mono-Flop, verbunden ist, daß dieser Impulsgenerator eine Impulsfolge entsprechend der Sprachgrundfrequenz abgibt und daß der Ausgang des monostabilen Impulsgenerators außerdem mit jeder Frequenzteilerstufe verbunden <■< ist und dadurch diese auf Null zurückgestellt wird.

4. Anordnung mit einem Zwischenspeicher, einem Frequenzteiler und einem monostabilen Impulsgenerator nach Anspruch 3, dadurch gekennzeichnet, daß der mehrstufige binäre Frequenzteiler, die Inverterstufe, die NAND-Gatter und die Summierstufe mit den entsprechenden Verbindungen in einem an sich bekannten programmierbaren Binärteiler zusammengefaßt sind.

5. Anordnung nach den Ansprüchen 3 oder 4, dadurch gekennzeichnet, daß die Bausteine in TTL-Technik ausgeführt sind