DE3012771C2

DE3012771C2 -

Info

Publication number: DE3012771C2
Application number: DE3012771A
Authority: DE
Inventors: Leonardus Franciscus Willems; Leonardus Lambertus Maria Eindhoven Nl Vogten
Original assignee: Philips Gloeilampenfabrieken NV
Current assignee: Koninklijke Philips NV
Priority date: 1979-04-04
Filing date: 1980-04-02
Publication date: 1988-09-01
Also published as: GB2047055A; NL7902631A; JPS55166700A; JPH0225518B2; DE3012771A1; NL188189C; FR2453459A1; US4346262A; GB2047055B; FR2453459B1; NL188189B

Description

Die Erfindung bezieht sich auf ein Verfahren nach dem Oberbegriff des Patentanspruchs 1.

Dabei werden die Formanten aus den Filterkoeffizienten eines Sprachanalysesystems für spätere Anwendung in einer Sprachsyntheseanordnung welche eine Kaskade von Allpolfiltern zweiter Ordnung umfaßt, welche durch die Formantendaten gesteuert werden, bestimmt.

In einem Artikel in IEEE Transactions on Acoustics, Speech and Signal Processing, Heft ASSP-22, Nr. 2, April 1974, Seiten 135-141 ist darauf hingewiesen, daß es auf der Hand liegt, zum Extrahieren der Formanten die Pole dadurch zu bestimmen, daß der Nenner der Übertragungsfunktion des Filters gleich Null gesetzt wird.

In einem Artikel in "Journal of the Acoustical Society of America", Heft 63, Nr. 5, Mai 1978, Seiten 1638-1640 wurde bemerkt, daß ein Allpolfilter als Kaskadenschaltung von Allpolfiltern erster und zweiter Ordnung betrachtet werden kann. Die Schaltung der darauf basierten Sprachsyntheseanordnung für eine gerade Anzahl von Polen ist in Fig. 1 dargestellt. Diese Anordnung besteht aus einem Impulsgenerator 1, einem Rauschgenerator 2, einem Stimmhaft-Stimmlos-Schalter 3, einem Verstärker 4 und einer Kaskadenschaltung von Allpolfiltern zweiter Ordnung 5, 6, 7 und 8.

Der Impulsgenerator 1 wird durch den Tonhöhenparameter F₀ (pitch) gesteuert. Der Schalter 3 wird durch die Stimmhaft-Stimmlos-Information V/U gesteuert. Der Amplitudenparameter A steuert den Verstärker 4. Die Filter 5, 6, 7 und 8 werden durch die Formantparameter F₁, B₁; F₂, B₂; F₃, B₃ und F₄, B₄ gesteuert, die die Formantfrequenz (F) und die Bandbreite (B) spezifizieren.

Eine Methode zum Berechnen der Filterkoeffizienten des Digitalfilters höherer Ordnung ist aus Proceedings of the International Congres on Acoustics, C-5-5, Tokyo, Japan, August 1968 (siehe die Bezugnahme in dem Buch "Speech Analysis Synthesis and Perception" zweite Auflage von J. L. Flanagan, Seiten 364-367, Springer Verlag 1972) bekannt. Dabei wird die Kurzzeitautokorrelationsfunktion der Sprache benutzt.

Zum Bestimmen der Polpaare des Allpolfilters kann die Methode von Bairstow zum Bestimmen der komplexen Wurzeln einer algebraischen Gleichung mit reellen Koeffizienten benutzt werden. Diese Methode ist in dem Buch "Introduction to Numerical Analysis" von C. E. Fröberg, Addison, Wesley, 1965 beschrieben.

Ein Problem bei der Formantextraktion ist, daß die Polpaare nicht immer in einer derartigen Ordnung auftreten, daß sie auf einfache Weise bestimmten Formantgebieten zugeordnet werden können, und daß reelle Pole auftreten können, die nicht zur Bezeichnung als Formant in Betracht kommen.

Aus den Polpaaren können die Formanten, d. h. die zentrale Formantfrequenz und die Bandbreite, berechnet werden, und diese Daten können nach zunehmender Frequenz gegliedert werden. Dies ergibt jedoch keine Lösung für die reellen Pole, denen keine zentrale Frequenz zugeordnet ist.

Die Erfindung hat nun zur Aufgabe, bei dem eingangs genannten Verfahren auf einfache Weise eine Ordnung der Polpaare zu bewirken, damit die einzelnen, in Reihe geschalteten Allpolfiler der Sprachsyntheseanordnung die richtigen Steuersignale erhalten.

Diese Aufgabe wird erfindungsgemäß durch die im kennzeichnenden Teil des Patentanspruchs angegebenen Verfahrensschritte gelöst.

Durch die Begrenzung der Koeffizienten c _i und r _i, wie obenstehend angegeben, werden die reellen Pole komplex gemacht, so daß auf einfache Weise Formanten ermittelt werden können. Es stellt sich heraus, daß diese Begrenzung der Koeffizienten auf die letzten Endes synthetisierte Sprache keinen hörbaren Effekt hat.

Aus den Koeffizienten c _i und r _i, die in dem genannten Gebiet liegen, können die zentralen Formantfrequenzen F _i und die Bandbreiten B _i entsprechend den nachfolgenden Beziehungen berechnet werden

r _i = e ^{-π B T c _i = -2 cos (2π F _i T)
Das Resultat ist, daß eine geordnete
Reihe von Formantdaten (F, B) erhalten wird, in der keine
Löcher auftreten infolge des Auftritts reeller Pole in
den Filterübertragungsfunktionen. Mit anderen Worten, für
die Sprachsyntheseanordnung nach Fig. 1 sind immer ohne
Unterbrechung und in der richtigen Reihenfolge und für
das richtige Filter Steuerinformationen verfügbar.
Fig. 1 der Schaltplan einer bekannten
Sprachsynthesenanordnung.
Fig. 2 einen Schaltplan, für ein Sprachanalysensystem,
daß nach dem erfindungsgemäßen Verfahren arbeitet.
Fig. 3 ein Diagramm zum Wiedergeben der
Lagen der Pole eines Digitalfilters zweiter Ordnung.
Fig. 4 ein zweites Diagramm mit transformierten
Koordinaten zum Wiedergeben der Pole eines Filtergliedes
zweiter Ordnung.}

In dem betreffenden Sprachanalysensystem (Fig. 2) werden von einem Sprachsignal Segmente mit einer Dauer von 25 ms abgetrennt. Diese Funktion wird durch Block 9 mit der Beschriftung 25 ms dargestellt. Die nachfolgende Bearbeitung ist das Multiplizieren des Sprachsignalsegmentes mit einem "Hamming window" und wird durch Block 10 mit der Beschriftung WNDW dargestellt.

Die Abtastfrequenz beträgt beispielsweise 8000 Hz, so daß ein Segment von 25 ms 200 Abtastwerte umfaßt. Das Resultat der "window"-Multiplikation sind die Signalabtastwerte s _j, j = 1, . . . 200. Daraufhin werden aus diesen Signalabtastwerten die Autokorrelationskoeffizienten r _k mit k = 1, . . ., 8 berechnet, wie durch Block 11 dargestellt. Aus diesen Koeffizienten r _k werden die Filterkoeffizienten a _j mit j = 1, . . ., 8 mit Hilfe einer Gruppe von acht linearen Gleichungen berechnet, wie dargestellt durch Block 12.

Die Filterkoeffizienten a _j sind die Koeffizienten des Allpolfilters mit der Übertragungsfunktion

Mit Hilfe des Bairstow-Algorithmus wird die Übertragungsfunktion H in vier Übertragungsfunktionen H _i zweiter Ordnung aufgeteilt.

Diese letztere Operation wird durch Block 13 dargestellt. Das Resultat dieser Operation sind die vier Koeffizientenkombination (p _i, q _i) mit i = 1, . . ., 4.

Die möglichen Kombinationen (p _i, q _i) liegen innerhalb des in Fig. 3 dargestellten Dreiecks in der p, q-Ebene. Die Kombinationen, die komplexen Polen entsprechen, liegen über der Parabel p²-4q = 0; die Kombinationen, die den reellen Polen entsprechen, liegen unter der Parabel in dem schraffierten Teil des Dreiecks.

Eine Kombination (p _i, q _i) hängt mit der Formantenfrequenz F _i und der Bandbreie B _i entsprechend den nachfolgenden Beziehungen zusammen:

p _i = -2 e^{-π B T · cos 2π F _i T (3)
q _i = e-2fBTwobei T die Abtastperiode darstellt.
In Fig. 3 ist bei Punkt 1 eine (p, q)
Kombination dargestellt und bei Punkt 2 eine (p, q)-Kombination
entsprechend einem Formanten mit einer höheren
Frequenz und derselben Bandbreite wie der dem Punkt 1
zugeordnete Formant. Wenn von dem dem Punkt 1 zugeordneten
Formanten die Bandbreite bei gleichbleibender Formantenfrequenz
zunimmt, bewegt sich der entsprechende Punkt von
1 nach 1′ längs einer Parabel. Eine Bewegung des Punktes 2
zu Punkt 2′ entspricht einer abnehmenden Formantenfrequenz
bei gleichbleibender Formantenbandbreite.
Das Ordnen der (p, q)-Kombinationen nach
steigender Formantenfrequenz ist nicht einfach, weil in
der p, q-Ebene nicht deutlich Gebiete nachweisbar sind,
die den Formanten zugeordnet sind. Die Bewegungen der
Formanten von Punkt 1 zu Punkt 1′ und von Punkt 2 zu
Punkt 2′ unter bestimmten Umständen illustrieren dies.
Das Berücksichtigen der reellen Pole (Punkt 3) aus dem
schraffierten Gebiet bei dieser Ordnung ist in der Praxis
schwer verwirklichbar.}

Das bisher beschriebene Sprachanalysensystem hat einen herkömmlichen Aufbau und gehört zum Stand der Technik. Die neuen Merkmale entsprechend den Verfahrensschritten der vorliegenden Erfindung werden nachstehend beschrieben.

Danach wird in dem Sprachanalysensystem eine Koordinatentransformation der Koordinaten p, q zu den Koordinaten c, r entsprechend den nachfolgenden Beziehungen angewandt:

Diese Operation wird durch Block 14 dargestellt. Durch diese Transformation wird das Dreieck aus Fig. 3 zu der Figur in der c, r-Ebene umgewandelt, die in Fig. 4 dargestellt ist. Die Punkte 1 und 1′ und 2 und 2′ aus Fig. 3 sind wieder in Fig. 4 angegeben. Die Parabel 1-1′ aus Fig. 3 ist in Fig. 4 eine gerade Linie.

Die Koordinatentransformation ergibt die Koeffizientenkombinationen (c _i, r _i ), die daraufhin nach ansteigendem Wert der Koeffizienten c _i gegliedert werden. Diese Elementaroperationen der Ordnung der Polpaare wird durch Block 15 mit der Beschriftung RDR dargestellt.

Die Kombinationen (c _i, r _i ), die in dem schraffierten Gebiet nach Fig. 4 liegen und reellen Polen entsprechen, werden in das rechteckige Gebiet verschoben, das durch die Werte c = -2, c = +2, r = 1 und r = 0 begrenzt wird und in dem die komplexen Pole liegen. Dies geschieht durch Begrenzung der Werte der Koeffizienten c _i und r _i. Diese Funktion wird durch Block 16 dargestellt. Die Grenzwerte für c _i sind beispielsweise -1,99 und +1,99 und für r _i beispielsweise 0,3 und 0,99.

Die letztgenannte Operation kann als Komplexierung der reellen Pole der Übertragungsfunktion des Allpolfilters bezeichnet werden. Durch diese Operation wird ein reeller Pol, der durch Punkt 3 dargestellt wird, zum Punkt 3′ verschoben und ein reeller Pol, der durch Punkt 4 dargestellt wird, zum Punkt 4′ verschoben. Die Koordinatentransformation ermöglicht es auf einfache Weise, den reellen Polen Formanten zuzuordnen. Mit anderen Worten: die Operation des Blocks 16 liefert immer Kombinationen (c _i, r _i), i = 1, . . ., 4, denen Formanten entsprechen. Der reelle Pol des Punktes 3 ist auch in Fig. 3 dargestellt, woraus weniger deutlich hervorgeht, wie diesem Pol ein Formant zugeordnet werden kann.

Die Koeffizientenkombination (c′ _i, r′ _i), die von dem Block 16 herrührt, hängt mit der Formantenfrequenz F _i und der Bandbreite B _i entsprechend der nachfolgenden Beziehung zusammen:

c′ _i = -2 cos (2π F _i T) (5)
r′ _i = e^{-π B TMit Hilfe der Beziehungen (5) können
die Kombinationen (F _i, B _i ), i = 1, . . ., 4 berechnet werden.
Diese Funktion wird durch Block 17 dargestellt.
Das Resultat des Sprachanalysensystems
ist eine Vierergruppe geordneter (F _i, B _i ) Kombinationen,
mit denen die vier Filter 5 bis 8 der Sprachsyntheseanordnung
nach Fig. 1 zum Reproduzieren der Sprache gesteuert
werden können. Das betreffende Sprachanalysensystem liefert
immer vier (F _i, B _i ) Kombinationen in der richtigen Reihenfolge,
so daß keines der Filter 5 bis 8 keine Steuerinformation
oder die Information eines benachbarten Filters
erhält.}

Claims

Verfahren zur Bestimmung der Steuersignale für die Steuerung der Pole eines Allpol-Digitalfilters der Ordnung 2n in einer Sprachsyntheseanordnung, mit Hilfe eines Sprachanalysesystems, das die 2n Filterkoeffizienten a _j mit j = l, . . ., 2n von aufeinanderfolgenden Segmenten des mit einer Periode T abgetasteten Sprachsignals bestimmt, dadurch gekennzeichnet,
- - daß aus der Zerlegung der durch diese Filterkoeffizienten a _j bestimmten Übertragungsfunktion H des Allpol-Digitalfilters in n Übertragungsfunktionen H _i zweiter Ordnung: wobei z ^-1 = exp (-sT) ist und s die komplexe Frequenz s = α + jw darstellt, die zugehörigen Koeffizienten p _i und q _i bestimmt werden,
- - daß daraus Koeffizienten c _i und r _i entsprechend den nachfolgenden Beziehungen: bestimmt werden,
- - daß die Werte dieser Koeffizienten c _i und r _i auf Werte c′ _i und r′ _i begrenzt werden, die im Gebiet -2 < c < + 2 und 0 < r < 1 liegen,
- - daß die Koeffizientenkombinationen c′ _i, r′ _i mit zunehmenden Werten von c′ _i gegliedert werden und
- - daraus mit Hilfe der Beziehungen c′ _i = -2 cos (2π F _i T)
  r′ _i = e ^{-f B Tgeordnete Kombinationen (F _i, B _i ) von Steuersignalen berechnet werden.}