DE2826818C2

DE2826818C2 - Verfahren und Vorrichtung zum Erzeugen eines künstlichen Durchschnitts-Sprechsignals

Info

Publication number: DE2826818C2
Application number: DE2826818A
Authority: DE
Inventors: Giulio Caselle Turin Modena; Stefano Turin Sandri; Carlo Caselle Turin Scagliola
Original assignee: CSELT Centro Studi e Laboratori Telecomunicazioni SpA
Current assignee: Telecom Italia SpA
Priority date: 1977-06-20
Filing date: 1978-06-19
Publication date: 1983-02-17
Also published as: GB2000303A; NL181152C; FR2395564B1; DE2826818A1; IT1083533B; NL181152B; JPS547805A; JPS5950075B2; FR2395564A1; CH629051A5; SE7806822L; US4187397A; GB2000303B; SE438386B; NL7806508A

Description

Die Erfindung bezieht sich auf ein Verfahren zum Erzeugen eines künstlichen Durchschnitts-Sprcchsignals nach dem Oberbegriff des Anspruchs 1 und auf eine Vorrichtung zur Durchführung des Verfahrens.

Zum Auswerten der Betriebseigenschaften von für die Sprechsignalübertragung verwendeten Installationen und Apparaten werden soweit als möglich objektive Messungen, also ohne menschliche Sprecher oder Hörer, durchgeführt Die Ergebnisse subjektiver Messungen, also solcher Messungen, die unter Einbeziehung menschlicher Sprecher und/oder Hörer ,dur<, hgeführt

ίο werden, hängen nämlich allzusehr vom Stimmtyp, vom Sprecher und/oder vom Hörer und selbst von dem für den Test verwendeten Text ab: ausreichend zuverlässige Ergebnisse können nur durch Verwendung einer großen Zahl von Sprechern und/oder Hörern sowie den

is Texten einer gegebenen Länge erhalten werden. Tests würden damit lang und kostspielig.

Tests unter Verwendung menschlicher Stimmen sind an sich bekannt, beispielsweise mit einem Testlautevorrat vom Tonband (DE-OS 20 28 005; Zeitschrift »FREQUENZ« 31 (1977) l.S. 13 bis 22). Hierbei werden die einzelnen Laute der Sprache separat durchgetestet und werden subjektive Verständlichkeitstests durchgeführt. Diese Verfahren ergeben jedoch keine objektiven und schnellen Messungen mit Hilfe eines Durchschnitts-Sprechsignals. Tests aufgrund von Durchschnitts-Sprechsignalen, die ebenfalls auf der tatsächlichen menschlichen Sprache beruhen, sind mit Hilfe einer »Murmelplatte« bekannt (Fernmeldetechnische Zeitschrift, Heft 2,1950, S. 48 bis 53, speziell Seite 49 rechte Spalte). Die entsprechenden Tests führen jedoch zu nur schwer auswertbaren Ergebnissen, da die verwendeten Durchschnitts-Signale mathematisch unbestimmt und kaum reproduzierbar sind und hierdurch die objektive Auswertung erheblich erschwert wird.

j5 Zur elektrischen Nachbildung eines mittleren Sprechspektrums vor allem zur Ermittlung der Bezugsdämpfung oder der Nebensprechdämpfung ist auch ein »Schnarrsummer« bekannt (Fernmeldetechnische Zeitschrift, Heft 2,1950, S. 48 bis 53, speziell Seiten 49, 50).

<o Hierbei wird mit Hilfe eines IVüagnetsummers mit mechanischer Selbstunterbrechung ein sehr oberwellenreiches Signal mit einer Grundfrequenz von etwa 150Hz und insgesamt mit Vokalcharakter erzeugt, woraufhin die Amplituden der einzelnen Teilschwingungen so bewertet werden, daß das Amplitudenspektrum dem von einem Fernsprechkohlenmikrophon wiedergegebenen Sprachspektrum ähnelt Die Nachbildung des durch das Mikrophon modifizierten Sprechsignals ergibt jedoch nur %iine sehr grobe Annäherung an ein

-30 tatsächliches durchschnittliches Sprechsignal mit Abweichungen in der Größenordnung von 1OdB. Wegen der Unbestimmtheit und Unreproduzierbarkeit des Signals ergeben die Tests, die aufgrund der analogen Signalerzeugung nur zum Prüfen analog betriebener Strecken geeignet sind, nur sehr ungenaue und allgemeine Testergebnisse.

Das Verfahren der Durchführung objektiver Messungen besteht allgemein darin, daß in den zu testenden Apparat ein geeignetes Eingangssignal eingegeben wird und ausgangsseitig das Signal-zu-Rausch-Verhältnis für das empfangene oder rekonstruierte Signal berechnet wird, das als Verhältnis zwischen der Eingangssignalleistting und der Fehlersignalleistung erhalten wird. Das Fehlersignal kann als die Differenz zwischen dem

(ji Eingangssignal und dem Ausg.nigssignal definiert werden. |e höher das Verhältnis ist. um so besser ist die Qualität des ausgewerteten Systems.

Als Nachbildung eines objektiven Durchschnittssi-

gnais mit an sich guter Reproiiuzierbarkeit sind Signussignale verschiedenen· Frequenzen im Bereich von 800 bis 1000Hz oder mit Gauß'schem oder Laplace'schem Rauschen bekannt, die leicht verarbeitet werden können und somit für in Simulationstechniken durchgeführte Tests besonders zweckmäßig sind (ACU-STICA, Bd 25, 1971, S. 355-367, Houtgast et ab Evalation of Speech Transmission Channels by Using Artifical Signals). Die Spektral- und Amplitudencharakteristiken derartiger Signale sind jedoch nicht diejenigen von Sprechsignalen und ihre Verwendung kann erhebliche Unterschiede zwischen den objektiven und den subjektiven Be'.riebsverhaltens-Auswertungen mit sich bringen, wobei unter den subjektiven Auswertungen Messungen verstanden werden, die von einem wirklichen menschlichen Hörer erhalten werden, der tatsächliche Sprechsignale empfängt

Der Unterschied zwischen objektiven und subjektiven Messungen ist in digitalen Obertraungssystemen noch größer: jüngere Forschungen haben gezeigt, daß in digitalen Übertragungssystemen das einfache Signalzu-Rausch-Verhälinis kein ausreichend bedeutungsvoller Parameter mehr ist, sondern daß es notv;sndig ist, mindestens zwischen Quantisierungs-Rauscheffekten und Verzerrungseffekten auf Grund von Amplituden-Überlastungen — oder Neigung im Fall von differenziellen Systemen — zu unterscheiden, wobei auch die relativen Größen dieser beiden Faktoren zu berücksichtigen sind. Im Gegensatz hierzu erlauben auf Grund ihrer statistischen Charakteristiken weder das weiße ^J0 Rauschen noch ein Sinussignal eine exakte Unterscheidung zwischen den beiden beschriebenen Rauschkomponenten.

Die natürliche Stimmerzeugung erfolgt so, daß durch impulsweises öffnen und Schließen der Stimmritze ein akustisches Grundsignal erzeugt wird, das durch die räumlichen und zeitlichen Variationen des nachfolgenden Vokaltraktus vielfältig abgewandelt wird (The Journal of the Acoustical Society of America, Bd. 49, 1971, S. 583-588, Rosenberg: Effect of Glottal Pulse Shape on tht Quality of Natural Vowels). Schaltungsanordungen, die sich zur elektrischen Nachbildung eines entsprechenden pulsierenden Erregungssignals eignen, sind an sich bekannt (DE-OS 22 63 579).

Der Erfindung liegt die Aufgabe zugrunde, ein künstliches Durchschnitts-Sprechsignal für objektive Messungen zu schaffen, das mit mäßigem Aufwand darstellbar ist und genau definierbar und reproduzierbar ist, so daß das Testergebnis in vieler Hinsicht auswertbar ist und zu wirklich objektiven Ergebnissen ^M führt.

Diese Aufgabe wird durch das im Anspruch 1 gekennzeichnete Verfahren gelöst, das vorzugsweise mit Hilfe einer Vorrichtung nach Anspruch 4 durchführbar ist Das hierbei verwendete erste Filter kann von an sich bekannter Konstruktion sein (Electronics Letters, Bd. 6, Nr. 11, 1970, S. 328-329, Herrmann: Design of Nonrecursive Digital Filters with Linear Phase; IEEE Transactions on Communication Technology, Bd. COM-19, Nr. 2, 1971, S. 188-195, Rabiner: Techniques for Designing Finite-Duration Impulse-Response Digital Filters), desgleichen kann auch das zweite Digitalfilter von an sich bekannter Konstruktion sein (Electronics and Communications in Japan. Bd. 53-A. Nr. 1. 1970. S. 36-43. Itakura et al.: A Statistical Method for "' Fistimation of Speech Spectral Density and Formant Frequencies; The Journal of the Acoustical Society of America. Bd. 50. Nr. 2 (TrI 2) 1971. S. 637-655. Ali'il et al.: Speech Analysis and Synthesis by Linear Prediction of the Speech Wave; IEEE Transactions on Audio and Electroacoustics, Bd, AU-21, Nr- 2, 1973, S. 69-79, Markel et al,: On Autocorrelation Equations as Applied to Speech Analysis),

Diese zweistufige Filterung, bei der zunächst für die verschiedenen Frequenzen übereinstimmende Amplituden geschaffen werden, ermöglicht eine äußerst genaue Reproduktion des tatsächlichen durchschnittlichen Sprechspektrums, wobei die Abweichungen im Mittel 1 dB nicht überschreiten. Diese Genauigkeit und Reproduzierbarkeit kann insbesondere aufgrund der zweistufigen Filterung dadurch erzielt werden, daß sie für den Umwandlungsschritt die im Anspruch 2 beanspruchten lineraren Vorhersage-Techniken ermöglicht, die die spektrale Formung von Signalen mit gleichförmigem Spektrum ermöglichen, und zwar hier in Verbindung mit einem der Glottis-Erregung entsprechenden Signal, dessen Spektrum keineswegs gleichförmig ist Die Techniken der linearen Vorhersage haben die vorteilhafte Folge, daß hierdurch ir'eichzeitig sowohl die Amplitudenkomponente als auch t'fie Phasenkomponente des Spektrums des gewünschten Signals simuliert werden können, während gemäß anderen Techniken generell zu einer Zeit nur eine dieser Komponenten simuliert werden kann. Gemäß Anspruch 2 können die Übertragungseigenschaften des die spektrale Formung eines Eingangssignals mit gleichförmigem Spektrum durchführenden Filtersystems aus dem zu erzeugenden Signal gewonnen werden. Bei der ersten Umwandlung in das Zwischensignal wird die Phase des Erregungssignals nicht verzerrt und werden somit die Phasenergebnisse in guter subjektiver und objektiver Qualität aufrechterhalten.

Die Durchführung nach Anspruch 3, vorzugsweise mit Hilfe einer Vorrichtung nach Anspruch 5, ermöglicht eine leichte Erzegung des Erregersignals und eine Signaländerung, die die Durchschnittlichkeit des Signals unter Vermeidung von durch Einzelresonanzen verzerrten Ergebnissen verbessert. Hierdurch geht jedoch die Reproduzierbarkeit des Signals nicht verloren, da die pse^dozufällige Variation des Errregersignals mathematisch ausgedrückt werden kann. Die Verwendung des mathematisch definierten und definiert variierten Erregungssignalverlaufs ermöglicht die FeMerbestimmung bei der Reproduktion des Ausgangssignals, wodurch die Sprechsignal-Übertragungsstecke noch genauer ausgewertet werden kann.

Weitere Vorteile und Weiterbildungen ergeben sich aus den Unteransprüchen. Es zeigt

F i g. 1 einen Blockschaltplan einer erfindungsgemäßen Vorrichtung;

F i g. 2 ein die Glottis-Erregung simulierendes Signal;

Fi ,β. 3 und 4 zwei mögliche Beispiele eines künstlichen Signals, das aus dem Signalverlauf nach Fig.2 erhalten werden kann.

Vor der Beschreibung des erfindungsgernäßen Systems müssen einige theoretische Prinzipien erörtert werden.

Bekanntliche k^nn die Sprechemission durch verschiedene Parameter beeinflußt werden, beispielsweise durch din Art des von der Schalierregungsqucllc erzeugten Schalls, durch die zeitliche und räumliche Veränderlichkeit der Konfigurationen des Vokaltraktus. also der ungleichförmigen akustischen Röhre zwischen der Stiiiir.'iize isnc¹ den Lippen, die ungleichförmige Dauer der Erregungen und die Möglichkeit, daß die Nasenhöhlen mehr oder weniger bei der Schallübcrtra-

gütig beteiligt sind.

F'üne Vorrichtung /um Ki /engen eines Signals vom Sprechstimmentyp kann schematisiert werden durch eine Schallquelle, die die Stimmbänder simuliert, und ein Übertragungssystem, das den Vokaltrakt simuliert und als Filter wirkt, das den von der Quelle erzeugten akustischen Wellen seine Rcsonan/charaku-ristiken aufprägt. Unter der ohne erheblichen Allgemeingültigkeilsverlust zulässigen Annahme, daß die gegenseitigen Beeinflussungen zwischen der Schallquelle und den Überiraguiigssystemen vernachlässigt werden können, ist es möglich, die Schallquelle so darzustellen, daß sie ein Signal mit weißem Spektrum erzeugt, und das Filter so darzustellen, daß es i:i diesem Signal die spektralen Beiträge aufgrund des Glottis-Signalverlaufs, der Abstrahlung und der Übertragung konzentriert.

lütte Vorrichtung, die diese Anforderungen erfüllt, ist in (·" i g. I dargestellt.

Die Vorrichtung gemäß tig. I umfaöt einen Signal· generator EG eines Signals von periodischem Verlauf, nämlich eines Signalverlaufs, der die tatsächliche Gloitis-Frregung simuliert, also eines Verlaufs u„ gemäß Fig. 2.

Wie dargestellt, ist cm derartiges Signal mit einer Amplitude Ai und einer Penode Taus drei unlerscheidbaren Teilen zusammengesetzt: einem ansteigenden Teil mit einer Dauer Ti. einem absteigenden Teil mit C'ner Dauer T; und einem konstanten Teil, der Signalgencrator EG muß in der Lage sein, die drei 1 eile so zu erzeugen, daß sie vollkommen unabhängig voneinander sind, so daß sowohl die Form als auch die Dauer des Signals ;/,., bei Bedarf leicht geändert werden können.

Kin linearphasiges Digitalfilter Fi hat eine Übertra gungsfunktion. die im wesentlichen der Kehrwert des Amplituden-Spektrums des periodischen Signals u_: ist. Auf diese Weise wird eine Funktion mit flachem •\mplituden-Spektrum am Ausgang vor. F'l erhalten. Kin /weites Digitalfilter F2 ei bringt eine Annäherung an die durchschnittliche Übertragungsfunktion des Vokaltraktus. Am Ausgang von F2 wird ein gewünschte, künstliches Signal S_n erhalten. Die Art und Weise, wie die Übertragungsfunktion bestimmt werden kann, ist dem Fachmann an sich bekannt und braucht deshalb nicht im einzelnen beschrieben zu werden. Beispielsweise kann die Übertragungsfunktion durch lineare Voraussage-Techniken bes'imm; werden, wobei die von einem derartigen Signal zu simulierenden Geräusche Schallsignale, also vokalisierter Scru.il. und nicht-nasale Geräusche sind: das Filter Fl kann aus einem Ailpol-Filter mit konstantem Parameter bestehen. Diese Beschränkung bringt keinen zu hohen Verlust der Erfindung an Allgemeingültigkeit, da diese Geräusche einen hohen Prozentsatz der die gesprochene Sprache zusammensetzenden Geräusche ausmachen. Andererseits erlaubt sie. ein Signal mit festgelegten Spektralcha rakteristiken zu haben. Diese Vereinfachung ist außerdem insofern gerechtfertigt als viele sprachverarbeitenden Systeme und die Redundanz von Sprechsignalen reduzierenden Systeme mit einer adaptiven Quantisierung der Eingangs-Signalverläufe arbeiten und somit bekanntlich nicht so empfindlich für spektrale Änderungen sind.

Wird, wie bereits angegeben, berücksichtigt, daß das zu erzeugende Signa! für Testapparate verwendet werden soll, die in ein Fernsprechsystem einbezogen sind, wird die Übertragungsfunktion des Filters F2 vorzugsweise so gewählt, daß das durchschnittliche Spektrum der Stimmanipliiude in Bandbreiten von 0 Ins 4 klI/reproduziert wird.

Die beschriebene Vorrichtung erzeug, ein in Fig. i dargestelltes periodisches Signal. Aufgrund seiner periodischen Struktur weist dieses Signal Parameter einer bestimmten Stan licit auf. Ist diese Starrheit niclv erwünscht, so kann eine Veränderlichkeit in das Signal eingeführt werden, die eine bessere Annäherung an Sprechcharakteristiken erlaubt. Fine solche Veränder-

^!" lichkeit kann durch einen Pseudo Zufallsgenerator /'S' (F ig. I) erreicht werden, der iiber einen Schaher C' zwischen den S nalgenerator IXi und das Filter I \ eingeschaltet werden kann und eine Psuido /ufallsänderung in der Amplitude und/odei in der IVnode des

'■' Signals U_n bewirkt. Der Pseudo-Zufallsgeneraior /'S kann /weckmäßigerweise die Amplitude des veranderli cheii Signals <·, während einer bestimmten Penode au! der Grundlage der Amplitude des Signals s„ in der vorhergehenden Periode und dei AiiiimiuuL- des

'" periodischen Signals u„ ändern. Beispielsweise kann das Veränderungsgeset/. folgendermaßen lauten:

A_n = C- A_n ,+(l-f/· A.(l -P- α ■)

wobei:

-'· A_n — Amplitude des gewünschten Signals s_r. in der

n-ten Periode:
A_n = Amplitude des Signals .s„ :ί :.r In 1)-1eη

Periode:
Ai = Amplitude des periodischen Signals ι/,,;

"' C = ein /wischen Ziffer 0 und Ziffer I liegender Koeffizient, der einen Schätzwert der Amplituden-Kovarian/ angibt, also der möglichen Amplitudenänderung zw ischen aufeinanderfolgenden Signa I periode n:

^r> P - die höchste relative .Änderung in Bezug zum Wert An: der Wer! von Pv, ird so gew ahlt. daß spektrale Charakteristikänderungen hinsichtlich des Signals /;„ sehr begrenzt sind. s. daß die Filterung in /■' I noch wirk-.mi sein kann:

⁴⁽¹ W_n - eine unkorrelierte Zufalisvai ,il'le. was bedeutet, daß der Wert zu einem bestimmte· Zeitpunkt zum Wert eines vorhergehender Zeitpunkts nicht korreliert ist: sie kann Werte annehmen, die gleichmäßig im Bereit'·: -Ϊ ...

^J"' + I verteilt sind.

Das Periodenänderungsgeset/ kann beispielsweise folgender Art sein:

7Ü = 7 1 + ν.

AL τ

wobei

T_n = die gewünschte n-te Periode des Signalverlaufs;

T = die Periode des Signals u_n; ΔΤ = die größte zeitliche Änderung um T-. V_n = eine unkorrelierte Zufallsvariable analog u>-

Zur Erleichterung der schaltungstechnischen Darstellung des Pseudo-Zufallsgenerators PS kann die Variable y„ von Zeitpunkt zu Zeitpunkt mit w_r, übereinstimmen.

Das von der beschriebenen Vorrichtung mit Pseudo-Zufallsänderung der Amplitude und/oder der Periode erhaltene künstliche Signa! ist in F i g. 4 dargestellt.

Die Betriebsweise der beschriebenen Vorrichtung kann leicht davon hergeleitet werden, was über den Betrieb der einzelnen Blöcke erläutert wurde: Das in

7 B

Id erzeugte periodische Signal lh, (Fig. I), das Spektrum erhallen. Dieses Signal "'id dann in /2 so

moirlicherw eise der I'seiido-Zufallsämleriing der ΛπιρΙϊ- gefiltert, daß es die mittleren spektralen Charakteristik

tude und der Periode in /'S unterworfen ist. wird einmal ken der l'ernsprechspraclie annimmt. Das jiusgangssci-

im l'ilter I \ gefiltert. Da. wie erwähnt, die Übertra- tig von I-2 erhaltene Signal, von dem zwei Beispiele in

giingsfunktieiM des Kilters /Ί ιπί Grundsätzlichen der "> den [·' i g. 3 und Ί dargestellt sind, wird dann als

Kehrwert des Ampütiidenspektnims von u„ ist. wird als l'ingangssignal an den in der Zeichnung nicht

Filterungsergebnis ein Signal mit flachem Amplituden- dargestellten zu prüfenden Apparat angelegt.

Hierzu 3 Blatt Zeichnungen

Claims

Patentansprüche:

J, Verfahren zum Erzeugen eines künstlichen Durchschnitts-Sprechsignals zum objektiven Messen des Betriebsverhaltens von Sprechsignal-Übertragungsstrecken, wobei man ein periodisches elektrisches Erregersignal erzeugt, dessen Spektrum in einem gegebenen Frequenzbereich dem durch Glottis-Erregung des Vokaltrakts erzeugten Frequenzgemisch entspricht, und dieses Erregersignal durch eine Filterung in ein simuliertes Sprechsignal mit einem mittleren Sprechspektrum in dem gegebenen Frequenzbereich umwandelt, dadurch gekennzeichnet, daß man das Erregersignal digital in zwei aufeinanderfolgenden Schritten filtert, indem man es zuerst ohne Phasenverzerrung seines Signalbildes in ein Zwischensignal umwandelt, bei dem die Amplituden der Frequenzkomponenten vergleichmäßigt sind, und dann das Zwischenjignal in das simulierte Sprechsignal, bei dem die Amplituden der Frequenzkomponenten im wesentlichen denen des Sprechspektrums im gegebenen Frequenzbereich entsprechen, umwandelt.
2. Verfahren nach Anspruch J, dadurch gekennzeichnet, daß man das Zwischensignal durch Filterung mit einer durch lineare Voraussage-Techniken bestimmten Übertragungsfunktion zum simulierten Sprechsignal umwandelt.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß man als Erregersignal ein periodisch verlaufendes Signal erzeugt, an dem man eine Pseudu-Zufallsveränderung der Amplitude und/oder der Periode ktusführ:
4. Vorrichtung zum Durchführen des Verfahrens nach einem der Ansprüche I b > 3, gekennzeichnet durch

— einen Signalgenerator (EG), der einen die Glottis-Erregung simulierenden Signalverlauf (u_n) zu dessen Verwendung als Erregersignal erzeugt;

— ein erstes Digitalfilter (Fi) mit linearer Phase, das das Amplitudenspektrum des Erregersignals (u„) abflacht; und

— ein zweites Digitalfilter (F2), das das Signal mit dem flachen Spektrum, das vom ersten Filter (Fi) kommt, zur Annäherung der mittleren Übertragungsfunktion des Vokaltraktus filtert und ausgangsseitig das simulierte Sprechsignal (s„) abgibt.
5. Vorrichtung nach Anspruch 4, zur Durchführung des Verfahrens nach Anspruch 3, dadurch gekennzeichnet, daß der Signalgenerator (EG) ein Generator periodischer Signalverläufe ist und daß sein Ausgangssignal über einen Pseude Zufallsmodifikator (PS) läuft, der die Pseude-Zufallsänderungen der Amplitude und/oder der Periode des periodischen Signalverlaufs bewirkt.
6. Vorrichtung nach Anspruch 4 oder 5, dadurch gekennzeichnet, daß das Filter (Fl) ein Konstantparameter-Allpolfilter ist, das eine derartige Übertragungsfunktion aufweist, daß es das durchschnittliche Spektrum der Sprechamplituden im Freciuenzband /wischen 0und4 kHz reproduziert.