DE2626793A1 - Verfahren zur bewertung stimmhafter und stimmloser zustaende eines sprachsignals - Google Patents

Verfahren zur bewertung stimmhafter und stimmloser zustaende eines sprachsignals

Info

Publication number
DE2626793A1
DE2626793A1 DE19762626793 DE2626793A DE2626793A1 DE 2626793 A1 DE2626793 A1 DE 2626793A1 DE 19762626793 DE19762626793 DE 19762626793 DE 2626793 A DE2626793 A DE 2626793A DE 2626793 A1 DE2626793 A1 DE 2626793A1
Authority
DE
Germany
Prior art keywords
speech signal
delay time
unvoiced
voiced
autocorrelation function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE19762626793
Other languages
English (en)
Other versions
DE2626793C3 (de
DE2626793B2 (de
Inventor
Shinichiro Hashimoto
Yoichi Tokura
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP50073063A external-priority patent/JPS51149705A/ja
Priority claimed from JP50086277A external-priority patent/JPS5210002A/ja
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of DE2626793A1 publication Critical patent/DE2626793A1/de
Publication of DE2626793B2 publication Critical patent/DE2626793B2/de
Application granted granted Critical
Publication of DE2626793C3 publication Critical patent/DE2626793C3/de
Expired legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Description

PATENTANWÄLTE
HENKEL, KERN, FEILER&HÄNZEL
BAYERISCHE HYPOTHEKEN- UND
TELEX: 05 29 802 HNKL D F Π IT A R H-SCH M I D-STR A SSF "> WECHSELBANKMÜNCHENNr.318-85111
TPIFPON (nm «„a, «mo, O2 tUUAKUiUHMlUMKASSE. DRESDNER BANK MÜNCHEN 3 914
TELEFON. (0 89) 66 3197, 66 30« - 92 D-8 000 M Ü N CH EN 9 O POSTSCHECK: MÜNCHEN 162147- W>
TELEGRAMME: ELLIPSOID MÜNCHEN
Nippon Telegraph and Telephone
Public Corporation
Tokio, Japan
unserzeichen: monchen. »hn
B [TRIFFT:
Verfahren zur Bewertung stimmhafter und stimmloser Zustände
eines Sprachsignals
Die Erfindung betrifft ein Verfahren zur Bewertung stimmhafter und stimmloser Zustände eines Sprachsignals zur Verwendung bei einem Spraehenanalysiersystem, insbesondere ein Verfahren zur Bewertung derartiger Zustände zur Anwendung bei einan Sprachenanalysiersystem, das z.B. einen Teilautokorrelations- bzw. PARCOR-Koeffizienten verwendet o Ein derartiges, z.B. in der JA-PS 754 4i8 beschriebenes, den Teilautokorrelationskoeffizienten verwendendes System dient zum Analysieren und Extrahieren des für die Übertragung von Sprachinformationen nötigen Grundmerkmals eines Sprachsignals mittels einer speziellen Korrelation zwischen aneinander anschließenden Proben einer Sprachwellenform.
Bei einem bisher verwendeten Detektor für stimmhafte und stimmlose Zustände werden letztere in Abhängigkeit davon bestimmt, ob der Spitzenwert jzfoi = jzf(T) des Autokorrelationskoeffizienten eines Sprachsinglas einen bestimmten Schwellenwert über-
vl/Bl/ro -
809852/0799
steigt oder nicht, wobei die Verzögerungs- oder Verzugszeit X= T entsprechend dem Spitzenwert als Höhen- oder Steigungsperiode (pitch period) des Sprachsignals angesehen wird. Ein derartiges Verfahren ist von M.M. Sondhi in "New Methods of Pitch Extraction", Ι.Ε.Ε.Εβ, Band Au-16, Nr. 2, Juni 1968, So 2Ö2 - 2β5, beschrieben.
Wenn jedoch ein solches, nur die Periodizität des Sprachsignals benutzendes Verfahren für den Stimmhaft/Stimmlos-Detektor des Sprachanalyse- und Synthesesystems benutzt angewandt wird, besteht die Gefahr für eine Fehlbewertung des stimmhaften und stimmlosen Zustands eines Sprachsignals, mit dem Ergebnis, daß der stimmhafte Anteil, der anhand fehlbewerteter Parameter aufgrund der Analyse synthetisiert bzw. zusammengesetzt wird, durch ein Störsignal (noise) angeregt wird, das als stimmlose Anregungsquelle wirkt, oder daß der stimmlose Anteil durch eine als stimmhafte Anregungsquelle wirkende Impulsreihe angeregt wird, so daß die Wiedergabe einer synthetischen Sprache hoher Güte schwierig wird«
Dieses anhand von Fig. 1 erläuterte Verfahren berücksichtigt nicht das gleichzeitige Vorhandensein bzv/. die Koexistenz der stimmhaften Anregungsquelle V und der stimmlosen Anregungsquelle UV, wie in einer Stimmhaft/Stimmlos-Schaltfunktion V1 (x).
Im Gegensatz dazu wird bei dem Sprachanalysiersystem unter Benutzung des Teilautokorrelationskoeffizienten die Verzugszeit "C= T entsprechend dem Spitzenwert W(T) des Autokorrelationskoeffizienten des Restsignals als Tonperiode (pitch period) benutzt, und der normalisiertejWert pm - W(T)AKo) des Spitzenwerts wird als Parameter zur Bewertung der stimmhaften und stimmlosen Zustände bzw. Bedingungen eines Sprachsignals herangezogen, wobei die Koexistenz der stimmhaften Anregung V und der stimmlosen Anregung UV berücksichtigt wird. Bei diesem Verfahren wird das
609852/0799
Verhältnis von stimmhafter Anregung V zu stimmloser Anregung UV unter Bedingungen der Koexistenz durch die in Fig. 1 dargestellten Schaltfunktionen Vp(x) und V,(x) bestimmt, Vielehe den Spitzenwert fim als Veränderliche benutzen. Dieses Verfahren ist ebenfalls in der JA-PS 754 4i8 beschrieben.
Dieses Verfahren ist insofern vorteilhaft, als mit ihm unvollkommene Bewertungen der stimmhaften und der stimmlosen Anregungen ausgeglichen werden können, die durch die Varianz des Spitzenwerts /Om verursacht werden, doch ist dabei die Kompensation noch nicht vollkommen, während weiterhin die stimmhaften und stimmlosen Informationen zu groß werden. Dieses Verfahren ist daher nicht für praktische Anwendung geeignet.
Aufgabe der Erfindung ist mithin die Schaffung eines verbesserten Verfahrens zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, mit dem diese Zustände mit hoher Genauigkeit bewertet werden können und welches sich daher für ein Sprachanalysiersystem eignet.
Dieses Verfahren soll dabei mit einer Mindestzahl von Bauteilen einfach durchführbar seino
Diese Aufgabe wird bei einem Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals erfindungsgemäß dadurch gelöst, daß ein Verhältnis tf(xs)/rf(o) zwischen dem Viert /(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugszeit und dem Wert ^(Xs) der Autokorrelationsfunktion zu einer Verzugszeit Xs einer Abtastperiode bestimmt wird, dieses Verhältnis mit einem nach Korrelationstechnik aus dem Sprachsignal extrahierten Parameter kombiniert wird und der Grad der Periodizität des Sprachsignals wiedergegeben und dadurch bewertet bzw. festgestellt wird, daß das Sprachsignal in einem stimmhaften oder in einem stimmlosen Zustand vorliegt.
609852/0799
In abgewandelter Ausführungsform kennzeichnet sich das erfindungsgemäße Verfahren dadurch, daß ein Verhältnis tf(xs)/tf(o) zwischen dem Wert jzf(o) der Autokorrelationsfunktion "eines Sprachsignals zu einer Null-Verzugszeit und dem Wert rf(Vs) der Autokorrelationsfunktion zu einer Verzugszeit fs einer Abtastperiode bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit einer Konstante a multipliziert wird, daß dieses Produkt dem normierten Wert jzf(T)/#(o) der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Tonperiode des Sprachsignals hinzuaddiert wird, um eine Summe zu bilden, und daß die Summe mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn die Summe kleiner bzw« größer ist als der Schwellenwert.
In weiterer Abwandlung ist dieses Verfahren dadurch gekennzeichnet, daß ein Verhältnis ^(Ys)/#(o) zwischen dem Wert rf(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugszeit und dem Wert tf(Xs) der Autokorrelationsfunktion zu einer Verzugszeit TTs einer Abtastperiode bestimmt wird, daß dieses Verhältnis mit dem normierten Wert der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Tonperiode des Sprachsignals multipliziert wird, um ein Produkt zu bilden, und daß das Produkt mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn das Produkt kleiner bzw. größer ist als der Schwellenwert.
In weiterer Ausgestaltung ist das erfindungsgemäße Verfahren dadurch gekennzeichnet, daß ein Verhältnis j^(fs)/^(o) zwischen dem Wert jzf(o) der Autokorrelationsfunktion einer Sprachwellenform zu einer Null-Verzugszeit und dem Wert rf(Xs) der Autokorrelationsfunktion zu einer Verzugszeit fs einer Auswerte- oder Abtastperiode bestimmt wird, daß das Verhältnis zur Bildung
609852/0799
eines Produkts mit einer Konstante b multipliziert wird, daß das Produkt zum normierten V/ert W(T)/fa(o) der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Tonperiode des Restsignals, erhaltbar durch eine lineare Vorausanalyse (predictive) des Sprachsignals, hinzuaddiert wird, um eine Summe zu bilden, und daß die Summe mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. bestimmt wird, daß das Sprachsignal im einen Fall in einem stimmlosen und im anderen Fall in einem stimmhaften Zustand vorliegt.
In noch weiterer Ausgestaltung besteht die Besonderheit des erfindungsgemäßen Verfahrens darin, daß ein Verhältnis ^(fs)/#(o) zwischen dem Wert rf(o) der Autokorrelationsfunktionneines Sprachsignals zu einer Null-Verzugszeit und dem Wert ^(fs) der Autokorrelationsfunktion einer Auswerte- oder Abtastperiode zu einer Verzugszeit Ts bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit dem normierten V/ert V/(T)/V/(o) zu einer Verzugszeit T entsprechend der Tonperiode der Autokorrelationsfunktion des Restsignals, erhaltbar durch die lineare Vorausanalyse des Sprachsignals, multipliziert wird und daß das Produkt mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw«, festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn das Produkt kleiner bzw. größer ist als der Schwellenwert.
Schließlich kennzeichnet sich noch eine andere Ausführungsform der Erfindung dadurch, daß ein Verhältnis ^0τ&)/#(ο) zwischen dem V/ert tf(o) der Autokorrelationsfunktionneines Sprachsignals zu einer Null-Verzugszeit und dem Wert ^(fs) der Autokorrelationsfunktion einer Auswerte- oder Abtastperiode zu einer Verzugszeit Xs bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit einer Konstante a multipliziert wird, daß zur Bildung einer Differenz der Wert DT zu einer Verzugszeit T entsprechend der Tonperiode der Durchschnittsgrößen-Differenzfunktion des Restsignals, erhaltbar durch lineare Vorausanalyse des Sprach-
609852/0799
signals, subtrahiert wird und daß die DifferenzraLt einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. bestimmt wird, daß das Sprachsignal in einem stimmlosen oder einem stimmhaften Zustand vorliegt, wenn die Differenz größer bzw. kleiner ist als der Schwellenwerto
Im folgenden sind bevorzugte Ausführungsbeispiele der Erfindung im Vergleich zum Stand der Technik anhand der beigefügten Zeichnung näher erläutert. Es zeigen:
Figo 1 eine graphische Darstellung einer Stimmhaft/Stimmlos-Sehaltfunktion Vx zur Erläuterung eines bisher benutzten Stimmhaft/Stimmlos-Detektors,
Fig. 2 eine i)m-k,. -Kennlinie zur Veranschaulichung des Ergebnisses der Entscheidung nach stimmhaft oder stimmlos, die durch Kombination des Teilautokorrelationskoeffizienten k. und des Höchstwerts /)m des Autokoirelationskoeffizienten des Restsignals durchgeführt wird,
Figo J5 ein Blockschaltbild des grundsätzlichen Aufbaus einer Sprachanalysier- und Synthesevorrichtung beim erfindungsgemäßen Stimmhaft/Stimmlos-Detektor, welcher das Ergebnis der Bewertung gemäß Fig. 2 benutzt,
Fig. 4 ein detailliertes Blockschaltbild des Teilautokorrelations- bzwο PARCOR-Analysators bei der Schaltung gemäß Fig. 3,
Fig. 5 ein detailliertes Blockschaltbild eines bei der Schaltung gemäß Fig. J5 verwendeten Tonperiodendetektors,
Fig. 6 ein detailliertes Blockschaltbild des Stimmhaft/Stimmlos-Detektors bei der Schaltung gemäß Fig. 3 und
609852/0799
Pig. 7 ein Blockschaltbild eines Sprachanalysier- und Synthesesystems unter Verwendung eines abgewandelten Stimmhaft/-Stimmlos-Detektors gemäß der Erfindung.
Erfindungsgemäß wurde ein Sprachsignal unter Anwendung eines Zeitfensters von 20 ms und einer Rahmenfolgeperiode (rate of frame period) von 10 ms untersucht, wobei Teilautokorrelations- bzw«, PARCOR-Koeffizienten erhalten wurden. Fig. 2 zeigt einen Maximalwert des Autokorrelationskoeffizienten der Restsignale (residuals) /3m, nämlich die auf diese Weise erhaltene PARCOR-Koeffizientencharakteristik erster Ordnung. Diese Charakteristik bzwβ Kennlinie wurde mittels einer PARCOR-Analyse der Sprechweise eines weiblichen Sprechers während einer Zeit von j5 s ermittelt. In Fig. 2 geben die Quadrate und Sternchen jeweils die stimmhaften bzw. die stimmlosen Zustände in jedem Rahmen (frame) an, die manuell durch Ablesen oder Auswerten der Wellenform der ursprünglichen Sprache ermittelt wurden.
Wenn das Sprachsignal nach dem bisher üblichen Verfahren als Sprachzustand bewertet wird, indem festgestellt wird, daß pm einen vorbestimmten Schwellenwert übersteigt, ist es aus Fig. ersichtlich, daß der stimmhafte Bereich im rechten unteren Abschnitt von Figo 2 als stimmloser Bereich fehlbewertet wird. Durch Herabsetzung des Schwellenwerts wird die Bewertung möglich, daß der rechte untere Abschnitt den stimmhaften Bereich darstellt. Unter diesen Bedingungen werden jedoch zahlreiche stimmlose Bereiche als stimmhafte Bereiche fehlbewertet„ Mit anderen V/orten: Es besteht eine Grenze bzw. Einschränkung für das bisher übliche Verfahren, bei dem die stimmhaften und stimmlosen Zustände bewertet werden, indem lediglich der Faktor ^m entsprechend dem Grad der Periodizität als Parameter benutzt wird.
Bezüglich der Beziehung zwischen der Bewertung der stimmhaften und stimmlosen Zustände und der Güte der synthetischen Sprache
609852/0799
sollten die folgenden beiden Punkte in Erwägung gezogen werden:
1· Eine Fehlbewertung des stimmhaften Zustands als stimmloser Zustand beeinträchtigt die Natürlichkeit der synthetischen Sprache 0
2. Eine Fehlbewertung des stimmlosen Zustands als stimmhafter Zustand beeinträchtigt die Verständlichkeit der stimmlosen Töne.
Die erstgenannte Fehlbewertung hat einen wesentlich größeren Einfluß auf die Gesamtgüte der synthetischen Sprache als die zweite Fehlbewertung. Zur einwandfreien Festlegung des Kriteriums für die Bewertung ist daher hauptsächlich darauf zu achten, daß der stimmhafte Zustand nicht als stimmloser Zustand fehlbewertet wird, weshalb es wünschenswert ist, die Fehlbewertung des stimmlosen Zustands als stimmhafter Zustand in einem Bereich, in welchem diese Bedingung erfüllt ist, zu verhindern.
Aus obigen Überlegungen geht hervor, daß die angesprochenen Probleme durch die Bewertung gelöst werden könnei, daß der stimmhafte Zustand vorhanden ist, wenn yOm + a χ \c, > t, während der stimmlose Zustand anliegt, wenn^Jm + axkxt, wobei a und t Konstanten darstellen. Die Konstante a stellt somit das Gefälle einer geraden Linie zwischen den stimmhaften und stimmlosen Bereichen dar, und t gibt den Höchstwert des Autokorrelationskoeffizienten des Restsignals ^Om an, wenn der PARCOR-Koeffizient k.. = 0. Anhand von Fig«, 2 läßt sich beispielsweise ermitteln, daß a = 0,5 und t = 0,4.
Genauer gesagt, ist pm ein Parameter, welcher den Grad der Periodizität des Sprachsignals angibt, während der PARCOR-Koeffizient k. (Jk1/<1) kombiniert mit fim einen Wert von etwa -1 bei einem Sprachsignal mit einer Hochfrequenzkomponente nahe 4 kHz besitzt, wobei k, gleich dem Autokorrelationskoeffizienten
609852/0799
einer Verzugszeit Ts einer Abtastperiode ist, wobei die Abtastfrequenz 8 kHz beträgt. Der Wert des PARCOR-Koeffizienten k^ nähert sich Jedoch bei einem Sprachsignal mit einer Niederfrequenzkomponente der Größe +1 an. Demzufolge ist der Wert von k^ für einen durch einen Vokal dargestellten stimmhaften Zustand groß und für einen stimmlosen Zustand entsprechend einem stimmlosen Reibelaut klein. Mit anderen Worten: k1 stellt eine Frequenzkonstruktion für den die Periodizität wiedergebenden Parameter pm dar. Zum Herausziehen der Periodizität, wie dies für die Verarbeitung einer Längeneinheit des Sprachsignals von etwa ^O ms entsprechend der Kennlinie der Periodizität erforderlich ist, ist die zeitliche Auflösung von pm gering. Dagegen kann die zeitliche Auflösung für das Herausziehen von k.. vergrößert werden, wodurch as möglich ist, einem Übergang zwischen stimmhaften und stimmlosen Zuständen zu folgen, der eine hohe zeitabhängige Änderungsfrequenz besitzt.
Da weiterhin k1 den PARCOR-Koeffizienten darstellt, braucht dieser Parameter nicht speziell bestimmt zu werden, wenn die Erfindung auf das Sprachanalysesystem unter Zugrundelegung der Teilautokorrelation (PARCOR) angewandt wird.
Wie aus der vorstehenden Untersuchung hervorgeht, bezweckt die Erfindung die Bewertung, ob sich das Sprachsignal in einem stimmhaften oder einem stimmlosen Zustand befindet, durch Kombination eines durch Korrelationsverarbeitung des Sprachsignals erhaltenen bzw. extrahierten Parameters, z.B. pm, welcher den Grad der Periodizität eines Sprachsignals angibt, mit einem normalisierten Viert /(fs), welcher dem PARCOR-Koeffizienten k. gleich ist, wobei die Verzugszeit fs eine Abtastperiode des Sprachsignals darstellt.
Die Erfindung ist nachste-hend in verschiedenen Ausführungsbeispielen erläutert. Fig.,J> ist ein Blockschaltbild eines Sprachanalyse- und -syntheysiersystems mit einer Ausführungsform
609852/0799
des erfindungsgemäßen Stlmmhaft/Stimrnlos-Detektors, welcher aus dem Bewertungsergebnis gemäß Fig. 2 Nutzen zieht. Gemäß Fig. 3 wird ein Sprachsignal über eine Eingangsklemme an ein Tiefpaßfilter 12 zur Beseitigung von Frequenzkomponenten von z.B. über ;5>4l<Hz angelegte Der Ausgang des Tiefpaßfilters 12 ist an einen Analog/Digital-Wandler 1j5 angeschlossen, welcher das Ausgangssignal mit einer Abfrage- oder Abtastfrequenz von 8 kHz abgreift und es dann einer Amplitudenquantelung unterwirft, um dabei ein Digitalsignal mit 12 Bits zu bilden. Das Ausgangssignal dieses Wandlers 15 wird an einen PARCOR- bzw. Teilkorrelationskoeffizient-Analysator 14 angelegt, welcher die Frequenzspektrum-Hüllkurve des Sprachsignals auswertet oder analysiert, um z.B. acht PARCOR-Koeffizienten k. bis kg zu bestimmen,,
Ein in Fig„ 4 beispielhaft dargestellter PARCOR-Koeffizienten-Analysator 14 weist η Stufen von Teilautokorrelatoren 14.. bis 14 auf, die in Kaskade geschaltet sind. Da alle Teilautokorrelatoren den gleichen Aufbau besitzen, wird nachstehend nur die Einheit 14 im einzelnen beschrieben. Diese Einheit 14 weist ein Verzögerungsnetz 21 zur Verzögerung des Sprachsignalsuum eine Abtastperiode ffe, einen Korrelationskoeffizienten-Rechner 22, Multiplizier schaltungen 23 und 24, Addierschaltungen 25 und 2.6 sowie eine Quantisierschaltung bzw„ einen Größenwandler 27 auf. Die Teilautokorrelatorstufe 14, ist mit einer Eingangsklemme 28 zur Aufnahme eines Sprachsignals und einer Ausgangsklemme 29 zur Lieferung des Ausgangssignals für den Größenwandler 27 und des quantisierten PARCOR-Koeffizienten dieser Stufe, d.h„ des PARCOR-Koefffizienten k.. der ersten Ordnung, versehen. Eine Ausgangsklemme 30 der letzten Stufe I4n Ist unbelegt, während die andere Ausgangsklemme j51 zur Übermittlung eines Restsignals zum Autokorrelator einer noch näher zu erläuternden Anregungssignal-Ausziehstufe dient. Die Einzelheiten der Arbeitsweise des PAR-COR-Koeffizienten-Analysators 14 sind in der US-PS J5 662 115 beschriebene
609852/0799
Gemäß Pig. 3 ist weiterhin eine Anregungssignal-Ausziehstufe
15 vorgesehen, die so geschaltet ist, daß sie von den Ausgangssignalen des Analysators 14 den PARCOR-Koeffizienten k.. erster Ordnung und das Restsignal aufnimmt· Die Ausziehstufe 15 weist einen Tonperioden-Detektor 16 und einen Stimmhaft/Stimmlos-Detektor 17 gemäß der Erfindung auf. Die Ausziehstufe 15 bestimmt die Autokorrelationsfunktion W(t) des über die Ausgangsklemme 31 gelieferten Restsignals aus einem der Ausgangssignale der des PARCOR-Koeffizienten-Analysators, und sie wählt den Spitzenwert yOm der Autokorrelationsfunktion Vi(t?) mittels des Höchstwertwählers, so daß eine Verzugszeit T entsprechend dem gewählten Spitzenwert dm als Tonperiode des Sprachsignals bestimmt oder ermittelt wird.
Der in Fig. 5 in Einzelheiten dargestellte Tonperioden-Detektor
16 weist einen Autokorrelator 35 auf, welcher die Autokorrelationsfunktion des Restsignals W(t) bestimmt. Aus einer Vielzahl von Ausgangssignalen des Autokorrelators 35 wird ein Ausgangssignal XJo = W(o) zum Herausziehen einer Komponente mit einer Amplitude L und zum Normieren von /jm auf noch zu erläuternde Weise benutzt. Der Tonperioden-Detektor 16 weist weiterhin einen Höchstwertwähler 36 zum Ausziehen eines Höchstwerts W(T) im Bereich von J χ Ts ^ T^ Ic x Ts aus den verschiedenen Werten von W(T) auf, wobei Ts die Abgreif- bzw. Abtastperiode des Sprachsignals darstellt und j und k ganze Zahlen sind, die derart gewählt sind, daß die Tonperiode innerhalb des angegebenen Bereichs liegt. Wenn die Abtastfrequenz 8 kHz entspricht, wird j mit 16 und k mit 120 gewählt. Die Verzugszeit T entsprechend der Verzugs· zeit, welche den Höchstwert W(T) innerhalb dieses Bereichs liefert, wird als die Tonperiode'(ausgedrückt durch ein ganzzahliges Vielfaches von Ts) bestimmt und an eine Klemme 38 angelegt. Ein Wert bei Null-Verzugszeit /Qo » W(o) entsprechend dem Quadrat (power) des Anregungssignals wird an eine Wurzelschaltung (square rooter) 39 angelegt, durch welche L =fPm berechnet wird Und deren Ausgangssignal über einen Größenwandler 4-0 an eine Ausgangsklemme 41 angelegt wird.
609852/0799
Der durch den Höchstwertwähler 36 extrahierte oder ausgezogene Spitzenwert wird an einem Teiler 42 zum Normalisieren durch das Signal fio dividiert, und der normalisierte Wert wird über einen Größenwandler 4J als Signal pm einer Klemme 44 zugeführt. Die Verzugszeit T entsprechend derjenigen, xvenn der Höchstwertwähler 36 einen Spitzenwert auswählt, wird über einen anderen Größenwandler 45 an eine Klemme 45 angelegt.
Fig. 6 zeigt ein Beispiel für den Stimmhaft/Stimmlos-Detektor 17 mit einer Multiplizier schaltung 48, die ein Produkt aus a χ k. eines über eine Eingangsklemme 49 vom PARCOR-Koeffizienten-Analysator 14. gelieferten PARCOR-Koeffizienten und einer Konstante a, wie sie vorher in Verbindung mit Fig. 2 beschrieben ist, berechnet. Der Detektor 17 weist auch eine Addierschaltung 51 aufj die den vom Tonperioden-Detektor 16 gelieferten normalisierten Spitzenwert Om der Autokorrelationsfunktion der Restsignale über eine Klemme 52 zum Ausgangssignal (axt) der Multiplizierschaltung addiert und damit eine Summe (pm + a χ k.) liefert. Außerdem ist ein Komparator 55 vorgesehen, welcher diese Summe mit einem Schwellenwert t vergleicht. Im Fall von t > (pm + a χ k1) erzeugt der Komparator 53 ein "θ"- bzw. Niedrigpegel-Ausgangssignal, während er im Fall von t < (pm + a χ k.) ein "1"-Ausgangssignal (hoher Pegel) erzeugt, wobei diese Ausgangssignale über eine Ausgangsklemme 54 an die Klemme i8a (Fig. 3) angelegt werden,, Wenn daher das Ausgangssignal des Komparators 53 einer "O" entspricht, wird das Sprachsignal als in einem stimmlosen Zustand befindlich bewertet, während bei einem Ausgangssignal gleich "1" ein stimmhafter Zustand des Sprachsignals bewertet wird.
Gemäß Fig. 3 werden die durch den Analysator 14 ausgezogenen oder analysierten PARCOR-Koeffizienten k. - kg und die durch die Auszieheinheit 15 analysierten Anregungssignale T, V, UV und L an eine gemeinsame Ausgangsklemme i8a angelegt. Wenn ein Digitalübertragungssystem gewünscht wird, werden ein geeigneter
6 0 9 8 5 2/0799
Digitalkodewandler und ein Digitalübertrager (nicht dargestellt) an die Ausgangskierame i8a angeschlossen. Wenn eine Tonantwortvorrichtung (audio response apparatus) gewünscht wird, wird eine geeignete Speichervorrichtung mit der Klemme i8a verbunden. Die durch die eben beschriebene Vorrichtung von der Klemme 18a abgenommenen Signale werden an eine Klemme i8b angelegt, an die eine Sprachsynthesierschaltung 19 angeschlossen ist, welche ein Sprachsignal entsprechend den ausgezogenen, durch eine Vorrichtung, wie den Digitalübertrager und die Speichervorrichtung, an die Klemme i8b angelegten Parametersignalen reproduziert. Die Sprachsynthesiersehaltung kann von beliebiger bekannter Bauart, z.B. derjenigen gemäß der US-PS 3 662 115>sein. Das Ausgangssignal dieser Schaltung 19 wird einer Ausgangsklemme 20 aufgeprägt .
Die Schaltung gemäß Figo 3 arbeitet wie folgt: Aus dem an die Eingangsklemme 11 angelegten Sprachsignal werden Hochfrequenzkomponenten von z.B0 über 3,4 kHz durch das Tiefpaßfilter 12 beseitigt, und dessen Ausgangssignal wird einer Amplitudenquantelungs-Verarbeitung von 12 Bits bei einer Auswerte- oder Abtastfrequenz von z.B. 8 kHz unterworfen und sodann durch den Analog/-Digital-Wandler 13 in einen Digitalkode umgewandelt. Das Ausgangssignal des Wandlers 13 wird der PARCOR-Koeffizienten-Analysier- oder Ausziehvorrichtung 14 eingegeben, um die Frequenzspektrum-Hüllkurve der Sprache auszuziehen und dabei z.B. acht PARCOR-Koeffizienten k. - kg zu bestimmen. Von diesen Ausgangssignalen werden der Koeffizient k. erster Ordnung und das Restsignal zur Anregungssignal-Ausziehvorrichtung 15 gesandt. Wie erwähnt, ist der PARCOR-Koeffizient k. erster Ordnung gleich
) 0 In der Ausziehvorrichtung oder -stufe 15 berechnet der Stimmhaft/Stimmlos-Detektor 17 die Summe (pm + ak.) des durch die Tonperioden-Ausziehvorrichtung 16 extrahierten Spitzenwerts yOm und des primären PARCOR-Koeffizienten k.. Wenn die Summe (pm + ak..) größer ist als der Schwellenwert t, bestimmt der Stimmhaft/Stimmlos-Detektor, daß ein stimmhafter Zustand
6098B2/0799
- κ, - 2626733
vorliegt, während bei einer unter dem Schwellenwert t liegenden Summe ein stimmloser Zustand festgestellt wird. Die Ausgangssignale entsprechend den jeweiligen Zuständen werden an die Ausgangsklemme 18a angelegt. Die Ausgangssignale werden sodann über einen Digitalübertrager oder eine Speichervorrichtung (nicht dargestellt) zur Klemme i8b und von dieser zur Sprachsynthetisierschaltung 19 zur Reproduktion einer synthetischen Sprache, die zur Ausgangsklemme 20 übermittelt wird, weitergeleitet.
Die Erfindung bietet die folgenden Vorteile:
1. Da die stimmhaften und stimmlosen Zustände entsprechend dem Verhältnis oder der Beziehung zwischen einem Parameter yOrn, welcher den Grad der Periodizität eines Sprachsignals angibt, dem Wert rf(o) der Autokorrelationsfunktion bei Null-Verzugszeit des Sprachsignals und dem Wert jd(ts) der Autokonelationsfunktion bei einer Verzugszeit Ts der "Abtastperiode bewertet werden, können die stimmhaften und stimmlosen Zustände (V und UV) mit hoher Genauigkeit bewertet bzw. bestimmt werden.
2„ Hierdurch wird es möglich, eine synthetische Sprache hoher Güte zu reproduzieren.
J5. Unabhängig davon, daß die stimmhaften und stimmlosen Zustände nach einem äußerst einfachen Verfahren bewertet werden können, bei dem lediglich ein kleiner Teil der bisher nötigen Bauteile verwendet wird, lassen sich diese außerdem mit hoher Genauigkeit verarbeiten.
4. Da es möglich ist, die stimmhaften und stimmlosen Zustände (V und UV) mit hoher Genauigkeit zu bewerten, ist das gleichzeitige Vorhandensein von sowohl stimmhaften als auch stimmlosen Zuständen als Anregungssignale, wie bei der bisher verwendeten Vorrichtung, nicht erforderlich.
609852/0799
Zur Verdeutlichung der Vorteile der Erfindung wurde ein Doppel-Vergleichsversuch mit synthetischen Sprachen durchgeführt, die einmal nach dem bekannten Verfahren und zum anderen nach dem erfindungsgemäßen Verfahren zusammengestellt wurden, wobei die Vorzugsauswertungen (preference scores) gemäß folgender Tabelle erhalten wurden:
Tabelle
Synth· Satz S.. Synth, Satz
Stand der pn W ^7 nc/
Technik 20'8'0 57'8?i
Erfindung 41, 2$ 80,2.%
Zur Erzielung dieser Ergebnisse wurden ein synthetischer Satz mit einer Gesamtbitfrequenz von 9,6 Kilobit/s als synthetischer Satz S1 und ein solcher mit einer Gesamtbitfrequenz von 27 Kilobit/s als Satz Sp benutzt. Diese synthetischen Sätze wurden von drei Sprecherinnen Jeweils 5,5 s lang gesprochene Zehn männliche Zuhörer wurden ausgewählt, und das Abhören jedes Vergleichspaars wurde zehnmal wiederholt. Wie aus obiger Tabelle hervorgeht, ist die Güte des synthetischen Satzes, der aus den vom erfindungsgemäßen Stimmhaft/Stimmlos-Detektor ermittelten Anregungssignalen V und UV reproduziert wurde, wesentlich höher als bei dem durch den herkömmlichen Detektor reproduzierten Satz.
Wenn bei dieser Ausführungsform die Konstante a auf z.B. 0,5 eingestellt wird, kann die Multiplizierschaltung 48 gemäß Fige6 durch ein 1-Bit-Schieberegister ersetzt werden, wodurch der Schaltungsaufbau vereinfacht wird.
6098 5 2/0799
Ebenso ist es möglich, eine Kombination
unter Verwendung eines normalisierten Werts ^Om = W(T)/W(o) der Autokorrelationsfunktion des Restsignals bei einer Verzugszeit T entsprechend der Tonperiode des Sprachsignals zu bilden und diese Kombination für die Bewertung zu benutzen, daß das Sprachsignal stimmlos, wenn der Viert der Kombination unter einem vorbestimmten Schwellenwert liegt, und in allen anderen Fällen stimmhaft ist. In diesem Fall werden Multiplizierschaltungen und 51 anstelle der einen Multiplizierschaltung 48 gemäß Fig. eingesetzt.
Anstelle der Benutzung der Autokorrelationsfunktion W(t) des Restsignals ist es auch möglich, die Autokorrelationsfunktion der Sprachwellenform als /)m = rf(T)/$(o) zu verwenden und die stimmhaften und stimmlosen Zustände nach dem vorher beschriebenen Verfahren festzustellen.
Fig. 7 ist ein Blockschaltbild einer Sprachanalyse- und -Synthetisiervorrichtung mit einem abgewandelten Stimmhaft/stimmlos-Detektor gemäß der Erfindung, wobei den Teilen von Fig«, j5 entsprechende Bauteile mit den gleichen Bezugsziffern wie vorher bezeichnet sind. Gemäß Fig. 7 ist ein als das eine Element der Anregungssignal-Ausziehvonlchtung 15 dienender Tonperioden-Detektor 60 zur Aufnahme eines Restsignals, nämlich eines von mehreren Ausgangssignalen des PARCOR-Koeffizienten-Analysators 14 geschaltet. Der Detektor 60 bestimmt oder ermittelt die Durchschnittsgrößen-Differenzfunktion (AMDF)D(t?) des Restsignals und wählt den Inklinations- bzw. Tauchwert (dip value) von Dfä mittels eines nicht dargestellten Mindestwertwählers, so daß eine entsprechende Verzugszeit T als Tonperiode (pitch period) benutzt wird. Der Detektor βθ liefert eine Amplitudenkomponente L der Erregungsquelle und den Inklinationswert Λ1m = D(T) von D(X:).
609852/0799
Das Verfahren der Verwendung von D(T) anstatt der Autokorrelation sf unk ti on jzf(t) ist bekannt und z.B. von M0J. Ross u.a. unter dem Titel "Average Magnitude Difference Function Pitch Extractor", I.E.E.E., Assp 22, Nr. 5, Oktober 1974, beschrieben. In der vorstehenden Beschreibung bedeutet D(t) die Mittelwert-Differenzfunktion der Verzugszeit T, ausgedrückt durch die Gleichung
worin S^ = 1 Abtastwerte des Sprachsignals und i = 1, 2 .„. 1 bedeuten. Außerdem ist eine Multiplizierschaltung 61 vorgesehen, die eine Konstante a' mit dem PARCOR-Koeffizienten k. multipliziert, nämlich mit dem Verhältnis des V/er te φ (ο) von Autokorrelationsfunktion bei Null-Verzugszeit des Sprachsignals zur Autokorrelationsfunktion /(fs) bei einer Verzugszeit fs der Abtastperiode. Infolgedessen liefert die Multiplizierschaltung 61 ein Ausgangssignal ar χ k. = a1 χ $zf(Ts)/jzf(o)# Der Unterschied zwischen den Ausgangssignalen der Multiplizierschaltung 61 und dem Tonperioden-Detektor 6θ wird durch eine Subtrahierschaltung 62 berechnet, deren Ausgangssignal (a1 χ k.. - yO'm) an einen Eingang des !Comparators 63 angelegt wird» An den anderen Eingang des Komparators 63 wird ein Schwellenwert t' angelegt. Die Multiplizierschaltung 61, die Subtrahierschaltung 62 und der Komparator 63 bilden somit den Stimmhaft/Stimmlos-Detektor 64»
Die Schaltung gemäß Fig. 7 arbeitet wie folgt: Aus einer Anzahl von Ausgangssignalen des Anylsators 14 wird das Restsignal an die Anregungssignal-Ausziehvorrichtung 15 angelegt, deren Tonperioden Detektor 60 die Durchschnittsgrößen-Differenzfunktion D(tO des Restsignals ermittelt, und der Inklinationswert (dip) ^'m = D(T) der Funktion D(f) wird durch die Mindestwert-Wählschaltung gewählt.
Beim Detektor 64 liefert die Multiplizierschaltung 61 das Produkt aus dem PARCOR-Koeffizienten k. = /(Ts)/^(o) vom betreffen-
609852/0799
den Analysator 14 und einer Konstante a1, und das Ausgangssignal der Multiplizierschaltung 64 wird zur Subtrahierschaltung 62 geliefert, an welcher der Unterschied zwischen diesem Produkt und dem Ausgangssignal pxa der Tonperioden-Ausziehvorrichtung 60, d.h. a1 χ Ic1 - />fm, ermittelt wird«, Das Ausgangssignal der Subtrahierschaltung 62 wird durch den Komparator 63 mit dem Schwellenwert t verglichen. Wenn a1 χ k. - ffm größer ist als tl, wird ein stimmhafter Zustand bewertet, und wenn dieser Ausdruck kleiner ist als t*t wird ein stimmloser Zustand festgestellt. Anschliessend erfolgt die gleiche Verarbeitung wie in Fig. >
Obgleich bei den vorstehend beschriebenen Ausführungsformen j2f(ts)/^(o) als einer der Parameter zur Feststellung von stimmhaften und stimmlosen Zuständen benutzt wurde, braucht die Verzugszeit Ts nicht genau auf die Abtastperiode Ts abgestimmt zu sein, vielmehr wird durch eine geringfügige Abweichung von Ts die Arbeitsweise der erfindungsgemäßen Schaltung nicht beeinträchtigt. Versuche haben gezeigt, daß es, solange 1Cs einer Beziehung 0 <$s «1 ms genügt, möglich ist, die stimmhaften und stimmlosen Zustände mit ausreichend hoher Genauigkeit zu bewerten.
Obgleich die Erfindung zudem in Anwendung auf die Feststellung eines Anregungssignals für ein Sprachanalysesystem unter Anwendung des Teilautokorrelationskoeffizienten beschrieben ist, ist sie auch auf ein End- (terminal) oder Anschluß-Analogsprachanalysesystem mit einer Reihe von Resonanzkreisen entsprechend dem Sprachformat, auf ein Maximal-Wahrscheinlichkeitsverfahren zur Bestimmung der Frequenzspektrum-Hüllkurve und auf einen Kanal-Vocoder anwendbar, wobei normierte Funktionen ^(Ts), jzf(T) o.dgl. Korrelationsfunktionen verwendet werden, die als Ergebnis der Extraktion von Merkmalsparametern der Frequenzspektrum-Hüllkurve oder der Tonperiode abgeleitet werden. Dabei kann die Erfindungsaufgabe dadurch gelöst werden, daß einfach entsprechende Werte für a und t in Abhängigkeit von der Variation des Werts der beim betreffenden Sprachanalysesystem verwendeten Korrelationsfunktion gewählt werden.
609852/0799 ;■-.-■
Erfindungsgernäß werden also die stimmhaften und stimmlosen Zustände eines Sprachsignals durch Kombination eines Verhältnisses rf(l?s)/fi(o) zwischen dem Wert rf(o) der Autokorrelationsfunktion des Sprächsignals zu einer Null-Verzugszeit und dem Wert rf (fs) der Autokorrelationsfunktion zu einer Verzugszeit ts der Abtastperiode mit einem nach einer Korrelationstechnik aus dem Sprachsignal extrahierten Parameter und Wiedergabe des Grads der Periodizität des Sprachsignals bewertet. Durch Untersuchung des Ergebnisses dieser Kombination kann festgestellt werden, ob ein Sprachsignal in einem stimmhaften oder in einem stimmlosen Zustand vorliegt.
609852/0799

Claims (1)

  1. Patentansprüche
    1·^Verfahren zur Bewertung der stimmhaften und stimmlosen Zuv— stände eines Sprachsignals, dadurch gekennzeichnet, daß ein Verhältnis jzf(Xs)/fzf(o) zwischen dem V/ert tf(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugszeit und dem V/ert jzf(ts) der Autokorrelationsfunktion zu einer Verzugszeit fs einer Abtastperiode bestimmt wird, dieses Verhältnis mit einem nach Korrelationstechnik aus dem Sprachsignal extrahierten Parameter kombiniert wird und der Grad der Periodizität des Sprachsignals wiedergegeben und dadurch bewertet bzw. festgestellt wird, daß das Sprachsignal in einem stimmhaften oder in einem stimmlosen Zustand vorliegt.
    2« Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß als Parameter ein normierter V/ert izf(T)/#(o) der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Inklinationsperiode (pitch period) des Sprachsignals benutzt wird.
    3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß als Parameter der normierte V/ert W(T)/V(°) zu einer Verzugszeit T entsprechend der Tonperiode der Autokorrelationsfunktion des Restsignals, erhalten durch eine linear voraussagbare Analyse des Sprachsignals, verwendet wird.
    4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß als Parameter die Durchschnittsgrößen-Differenzfunktion zu einer Verzugszeit T entsprechend der Tonperiode, erhalten durch eine linear voraussagbare Analyse des Sprachsignals, verwendet wird.
    5· Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, insbesondere nach Anspruch 1, dadurch gekennzeichnet, daß ein Verhältnis ^(Vs)/#(o) zwischen dem Wert tf(o) der Autokorrelationsfunktion eines Sprachsignals
    609852/0799
    zu einer Null-Verzugszeit und dem Wert ^("Cs) der Autokorrelationsfunktion zu einer Verzugszeit TTs einer Atitastperiode bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit einer Konstante a multipliziert wird, daß dieses Produkt dem normierten Wert tf(T)/tf(o) der Autokorrelation funktion zu einer Verzugszeit T entsprechend der Tonperiode des Sprachsignals hinzuaddiert wird, um eine Summe zu bilden, und daß die Summe mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn die Summe kleiner bzw, größer ist als der Schwellenwert·
    Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, insbesondere nach Anspruch 1, dadurch gekennzeichnet, daß ein Verhältnis ^(*cs)/#(o) zwischen dem Wert jzf(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugszeit und dem Wert ^(fs) der Autokorrelationsfunktion zu einer Verzugszeit TTs einer Abtastperiode bestimmt wird, daß dieses Verhältnis mit dem normierten Wert der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Tonperiode des Sprachsignals multipliziert wird, um ein Produkt zu bilden, und daß das Produkt mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn das Produkt kleiner bzw. größer ist als der Schwellenwert,,
    7. Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, insbesondere nach Anspruch 1, dadurch gekennzeichnet, daß ein Verhältnis tf{Cs)/rf(o) zwischen dem Viert jzf(o) der Autokorrelationsfunktion einer Sprachwellenform zu einer Null-Verzugszeit und dem Wert fi(Xs) der Autokorrelationsfunktion zu einer Verzugszeit
    609852/0799
    einer Auswerte- oder Abtastperiode bestimmt wird, daß das Verhältnis zur Bildung eines Produkts mit einer Konstante b multipliziert wird, daß das Produkt zum normierten Wert W(T)AKo) der Autokorrelationsfunktion zu einer Verzugszeit T entsprechend der Tonperiode des Restsignals, erhaltbar durch eine lineare Vorausanalyse (predictive) des Sprachsignals, hinzuaddiert wird, um eine Summe zu bilden, und daß die Summe mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. bestimmt wird, daß das Sprachsignal im einen Fall in einem stimmlosen und im anderen Fall in einem stimmhaften Zustand vorliegt.
    8. Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, insbesondere nach Anspruch 1, dadurch gekennzeichnet, daß ein Verhältnis /(fs)/jzf(o) zwischen dem Wert rf(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugs ze it und dem Wert ^(t2s) der Autokorrelationsfunktion einer Auswerte- oder Abtastperiode zu einer Verzugszeit fs bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit dem normierten Viert W(T)AKo) zu einer Verzugszeit T entsprechend der Tonperiode der Autokorrelationsfunktion des Restsignals, erhaltbar durch die lineare Vorausanalyse des Sprachsignals, multipliziert wird und daß das Produkt mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. festgestellt wird, daß sich das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand befindet, wenn das Produkt kleiner bzw. größer ist als der Schwellenwert,,
    9. Verfahren zur Bewertung der stimmhaften und stimmlosen Zustände eines Sprachsignals, insbesondere nach Anspruch 1, dadurch gekennzeichnet, daß ein Verhältnis tf(Xs)/rf(o) zwischen dem Wert rf(o) der Autokorrelationsfunktion eines Sprachsignals zu einer Null-Verzugszeit und dem Wert tffäs) der Autokorrelationsfunktion einer Auswerte- oder Abtastperiode
    609852/0799
    zu einer Verzugszeit Vs bestimmt wird, daß dieses Verhältnis zur Bildung eines Produkts mit einer Konstante a multipliziert wird, daß zur Bildung einer Differenz der Wert DT zu einer Veiaigszeit T entsprechend der Tonperiode der Durchschnittsgrößen-Differenzfunktion des Restsignals, erhaltbar durch lineare Vorausanalyse des Sprachsignals, subtrahiert wird und daß die Differenz mit einem vorbestimmten Schwellenwert verglichen und dadurch bewertet bzw. bestimmt wird, daß das Sprachsignal in einem stimmlosen oder in einem stimmhaften Zustand vorliegt, wenn die Differenz größer bzw. kleiner ist als der Schwellenwerto
    609852/0799
    Leerseite
DE2626793A 1975-06-18 1976-06-15 Elektrische Schaltungsanordnung zum Bestimmen des stimmhaften oder stimmlosen Zustandes eines Sprachsignals Expired DE2626793C3 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP50073063A JPS51149705A (en) 1975-06-18 1975-06-18 Method of analyzing drive sound source signal
JP50086277A JPS5210002A (en) 1975-07-15 1975-07-15 Separation method of drivinf sound signal for analysis and composition of voice

Publications (3)

Publication Number Publication Date
DE2626793A1 true DE2626793A1 (de) 1976-12-23
DE2626793B2 DE2626793B2 (de) 1979-08-02
DE2626793C3 DE2626793C3 (de) 1980-04-17

Family

ID=26414187

Family Applications (1)

Application Number Title Priority Date Filing Date
DE2626793A Expired DE2626793C3 (de) 1975-06-18 1976-06-15 Elektrische Schaltungsanordnung zum Bestimmen des stimmhaften oder stimmlosen Zustandes eines Sprachsignals

Country Status (5)

Country Link
US (1) US4074069A (de)
CA (1) CA1059631A (de)
DE (1) DE2626793C3 (de)
FR (1) FR2316682A1 (de)
GB (1) GB1538757A (de)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4219695A (en) * 1975-07-07 1980-08-26 International Communication Sciences Noise estimation system for use in speech analysis
JPS54139417A (en) * 1978-04-21 1979-10-29 Nippon Telegr & Teleph Corp <Ntt> Interpolation receiving devices at voice short break time
US4230906A (en) * 1978-05-25 1980-10-28 Time And Space Processing, Inc. Speech digitizer
JPS597120B2 (ja) * 1978-11-24 1984-02-16 日本電気株式会社 音声分析装置
JPS56104399A (en) * 1980-01-23 1981-08-20 Hitachi Ltd Voice interval detection system
US4383135A (en) * 1980-01-23 1983-05-10 Scott Instruments Corporation Method and apparatus for speech recognition
US4335276A (en) * 1980-04-16 1982-06-15 The University Of Virginia Apparatus for non-invasive measurement and display nasalization in human speech
US4972490A (en) * 1981-04-03 1990-11-20 At&T Bell Laboratories Distance measurement control of a multiple detector system
ATE15563T1 (de) * 1981-09-24 1985-09-15 Gretag Ag Verfahren und vorrichtung zur redundanzvermindernden digitalen sprachverarbeitung.
JPS58143394A (ja) * 1982-02-19 1983-08-25 株式会社日立製作所 音声区間の検出・分類方式
US4588979A (en) * 1984-10-05 1986-05-13 Dbx, Inc. Analog-to-digital converter
GB2169719B (en) * 1985-01-02 1988-11-16 Medical Res Council Analysis of non-sinusoidal waveforms
US5007093A (en) * 1987-04-03 1991-04-09 At&T Bell Laboratories Adaptive threshold voiced detector
KR910700582A (ko) * 1989-01-05 1991-03-15 에이취. 프라이드 로널드 음성 처리 장치 및 방법
US5680508A (en) * 1991-05-03 1997-10-21 Itt Corporation Enhancement of speech coding in background noise for low-rate speech coder
US5657418A (en) * 1991-09-05 1997-08-12 Motorola, Inc. Provision of speech coder gain information using multiple coding modes
US5267317A (en) * 1991-10-18 1993-11-30 At&T Bell Laboratories Method and apparatus for smoothing pitch-cycle waveforms
FR2684226B1 (fr) * 1991-11-22 1993-12-24 Thomson Csf Procede et dispositif de decision de voisement pour vocodeur a tres faible debit.
US5471527A (en) 1993-12-02 1995-11-28 Dsc Communications Corporation Voice enhancement system and method
US5970441A (en) * 1997-08-25 1999-10-19 Telefonaktiebolaget Lm Ericsson Detection of periodicity information from an audio signal
US6023674A (en) * 1998-01-23 2000-02-08 Telefonaktiebolaget L M Ericsson Non-parametric voice activity detection
GB2357683A (en) * 1999-12-24 2001-06-27 Nokia Mobile Phones Ltd Voiced/unvoiced determination for speech coding
US7171357B2 (en) * 2001-03-21 2007-01-30 Avaya Technology Corp. Voice-activity detection using energy ratios and periodicity
US7333929B1 (en) * 2001-09-13 2008-02-19 Chmounk Dmitri V Modular scalable compressed audio data stream
US7627091B2 (en) * 2003-06-25 2009-12-01 Avaya Inc. Universal emergency number ELIN based on network address ranges
KR101008022B1 (ko) * 2004-02-10 2011-01-14 삼성전자주식회사 유성음 및 무성음 검출방법 및 장치
US7130385B1 (en) 2004-03-05 2006-10-31 Avaya Technology Corp. Advanced port-based E911 strategy for IP telephony
JP3827317B2 (ja) * 2004-06-03 2006-09-27 任天堂株式会社 コマンド処理装置
US7246746B2 (en) * 2004-08-03 2007-07-24 Avaya Technology Corp. Integrated real-time automated location positioning asset management system
US7589616B2 (en) 2005-01-20 2009-09-15 Avaya Inc. Mobile devices including RFID tag readers
US7742914B2 (en) * 2005-03-07 2010-06-22 Daniel A. Kosek Audio spectral noise reduction method and apparatus
US8107625B2 (en) * 2005-03-31 2012-01-31 Avaya Inc. IP phone intruder security monitoring system
US7548853B2 (en) * 2005-06-17 2009-06-16 Shmunk Dmitry V Scalable compressed audio bit stream and codec using a hierarchical filterbank and multichannel joint coding
US7821386B1 (en) 2005-10-11 2010-10-26 Avaya Inc. Departure-based reminder systems
JP5229234B2 (ja) * 2007-12-18 2013-07-03 富士通株式会社 非音声区間検出方法及び非音声区間検出装置
US9232055B2 (en) * 2008-12-23 2016-01-05 Avaya Inc. SIP presence based notifications
US9082416B2 (en) * 2010-09-16 2015-07-14 Qualcomm Incorporated Estimating a pitch lag

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1318985A (en) * 1970-02-07 1973-05-31 Nippon Telegraph & Telephone Audio response apparatus
US3740476A (en) * 1971-07-09 1973-06-19 Bell Telephone Labor Inc Speech signal pitch detector using prediction error data

Also Published As

Publication number Publication date
US4074069A (en) 1978-02-14
DE2626793C3 (de) 1980-04-17
DE2626793B2 (de) 1979-08-02
FR2316682A1 (fr) 1977-01-28
CA1059631A (en) 1979-07-31
GB1538757A (en) 1979-01-24
FR2316682B1 (de) 1979-05-04

Similar Documents

Publication Publication Date Title
DE2626793A1 (de) Verfahren zur bewertung stimmhafter und stimmloser zustaende eines sprachsignals
DE10041512B4 (de) Verfahren und Vorrichtung zur künstlichen Erweiterung der Bandbreite von Sprachsignalen
EP1825461B1 (de) Verfahren und vorrichtung zur künstlichen erweiterung der bandbreite von sprachsignalen
DE69412913T2 (de) Verfahren und Vorrichtung für digitale Sprachkodierung mit Sprachsignalhöhenabschätzung und Klassifikation in digitalen Sprachkodierern
DE2918533C2 (de)
EP1386307B2 (de) Verfahren und vorrichtung zur bestimmung eines qualitätsmasses eines audiosignals
DE3236885A1 (de) Verfahren und geraet zur sprachanalyse
DE69616724T2 (de) Verfahren und System für die Spracherkennung
DE19715126C2 (de) Sprachsignal-Codiervorrichtung
DE2919085A1 (de) Vorverarbeitungsverfahren und -vorrichtung fuer eine spracherkennungsvorrichtung
DE2524804A1 (de) Verfahren und vorrichtung zur automatischen spracherkennung
EP0508547B1 (de) Schaltungsanordnung zur Spracherkennung
DE69017842T2 (de) Verfahren und Einrichtung zur Codierung von Prädiktionsfiltern in Vocodern mit sehr niedriger Datenrate.
DE2020753A1 (de) Einrichtung zum Erkennen vorgegebener Sprachlaute
DE2622423A1 (de) Vocodersystem
DE2636032B2 (de) Elektrische Schaltungsanordnung zum Extrahieren der Grundschwingungsperiode aus einem Sprachsignal
DE69629485T2 (de) Kompressionsystem für sich wiederholende töne
DE19581667C2 (de) Spracherkennungssystem und Verfahren zur Spracherkennung
DE60018690T2 (de) Verfahren und Vorrichtung zur Stimmhaft-/Stimmlos-Entscheidung
DE69527345T2 (de) CELP-Sprachkodierer mit verbessertem Langzeit-Prädiktor
WO2010078938A2 (de) Verfahren und vorrichtung zum verarbeiten von akustischen sprachsignalen
DE69425591T2 (de) Trainingsverfahren für einen Spracherkenner
DE102004001863A1 (de) Verfahren und Vorrichtung zur Bearbeitung eines Sprachsignals
DE2904426A1 (de) Analog-sprach-codierer und decodierer
DE69119005T2 (de) Verfahren und Einrichtung zur Kodierung eines Analogsignals mit Wiederholeigenschaft

Legal Events

Date Code Title Description
C3 Grant after two publication steps (3rd publication)
8328 Change in the person/name/address of the agent

Free format text: KERN, R., DIPL.-ING., PAT.-ANW., 8000 MUENCHEN

8327 Change in the person/name/address of the patent owner

Owner name: NIPPON TELEGRAPH AND TELEPHONE CORP., TOKIO/TOKYO,

8339 Ceased/non-payment of the annual fee