DE3101590A1 - Verfahren und anordnung zum erzeugen eines sprachsignals - Google Patents

Description

N.V. Philips¹ Bloeilampeöiek^n, Eindhoven ; 3101590

PHQ 80001 -Τ 24.9.80

Verfahren und Anordnung zum Erzeugen eines Sprachsignale.

Die Erfindung bezieht sich auf ein Verfahren zum Erzeugen eines Sprachsignals, bei dem aus einer Anzahl mit Hilfe linearer Voraussage erhaltener Steuersignale ein anpassungsfähiges rekursives Filter ein diskretes Signal erzeugt, das aus einigen aufeinanderfolgenden, je ein Sprachsegment kennzeichnenden Teilsignalen besteht und aus dem durch Tiefpassfilterung das Sprachsignal erzeugt wird, sowie auf eine Anordnung zum Durchführen des Verfahrens.

Anordnungen der erwähnten Art sind im Buch von J.D. Markel und A.H. Gray, Jr. mit dem Titel "Linear Prediction of Speech" (Springer-Verlag 1976) beschrieben.

Dabei wird im Abschnitt 5 die allgemeine Struktur einer auf dem Prinzip linearer voraussagender Codierung (LPC = Linear Predictive Coding) basierenden Sprachsyntheseanordnung beschrieben, während im Abschnitt 10 die Verwendung von LPC-Techniken in Vocodern beschrieben ist.

Auch in einer Veröffentlichung von B.S. Atal und S.L. Hanauer mit dem Titel "Speech Analyses and Synthesis by Linear Prediction of the Speech Wave" in "The Journal of the Acoustical Society of America", Vol. 50, Nr. 2, 1971, S. 637...655 ist eine deutliche Beschreibung einer LPC-Sprachsyntheseanordnung angegeben, die ein anpassungsfähiges diskretes Filter enthält, dessen Stossantwort periodisch auf Grund von Voraussageparametern geändert wird. Dabei entsteht ein Sprachsignal am Ausgang des Filters, wenn dem Eingang für stimmhafte Signale ein Dirac—Impuls und für nicht stimmhafte Signale ein Rausch— signal zugeführt wird.

Die von derartigen Anordnungen erzeugten Sprachsignale weisen jedoch bekanntlich in stimmhaften Teilen des Sprachsignals ein störendes Summen auf.

Zur Verringerung dieses Summens im synthetisier-

130062/0444

PHQ 80001 ^f 24.9.80

ten Sprachsignal sind in der Literatur mehrere Möglichkeiten angegeben. U.a. wird von M.R. Sambur und anderen in einem Artikel in "The Journal of the Acoustical Society of America", Vol. 63, Nr. 3, März 1978, So. 918...924 mit dem Titel "On reducing the buzz in LPC synthesis" vorgeschlagen, zum Anstossen des diskreten Filters nicht wie üblich einen Dirac Impuls, sondern einen Impuls mit ganz besonderer Form mit gerundeten Flanken zu verwenden. Obgleich hierdurch tatsächlich einige Verbesserung erreicht wird, hat die Anmelderin festgestellt, dass diese Verbesserung ziemlich gering ist und dass das Sprachsignal einen starken Tiefpasscharakter bekommt.

Der Erfindung liegt die Aufgabe zugrunde, eine Reduktion des Summens auf verhältnismässig einfache Weise zu verwirklichen und dabei eine starke Tiefpassfilterung möglichst zu vermeiden.

Diese Aufgabe wird erfindungsgemäss dadurch gelöst, dass vor der Tiefpassfilterung die Amplitude des zu filternden Signals zum Zeitpunkt des Übergangs von einem Sprachsegment zu einem folgenden Sprachsegment nahezu gleich Null gemacht wird.

Eine Anordnung zur Durchführung dieses Verfahrens mit einem auf dem Prinzip linearer Voraussage basierenden Syntheseteil zum Erzeugen eines diskreten Signals und mit einem Ausgangsteil zum Umsetzen des diskreten Signals in das Sprachsignal ist erfindungsgemäss dadurch gekennzeichnet, dass das Ausgangsteil einen Modulator zum Modulieren mindestens einer Anzahl der Teilsignale des diskreten Signals mit einem Fenstersignal enthält, dessen Dauer der Dauer eines Teilsignals entspricht und dessen Amplitude erst allmählich von nahezu Null auf einen konstanten ¥ert ansteigt, anschliessend konstant ist und dann allmählich auf nahezu den Wert Null abfällt.

Ausführungsbeispiele der Erfindung werden nachstehend an Hand der Zeichnung näher erläutert. Es zeigen Fig. 1 eine erste Ausführungsform, bei der die Modulation mit dem Fenstersignal auf digitale Weise erfolgt,

130Q62/0U4

PHQ 80001 # ζ 24.9.80

Fig. 2 eine zweite Ausführungsform mit einer analogen Modulation,

Fig. 3-A- und 3B zwei mögliche Fenstersignalformen,

Fig. k ein Flussdiagramm, nach dem die Modulation in einem Digitalrechner ausgeführt werden kann,

Die in Fig. 1 dargestellte Anordnung enthält ein auf der linearen Voraussage basierenden Syntheseteil 1, der einem Ausgangsteil 2 ein digitales Signal zuführt.

Der Syntheseteil 1 enthält einen Steuersignalgeber 3 zum Erzeugen einiger Steuersignale, einen Impulsgeber 4, einen Stimmhaft-Stimmlos-Schalter 5» einen Rauschsignalgeber 6, einen steuerbaren Verstärker 7 und ein anpassungsfähiges rekursives Digitalfilter 8. Zym Synthetisieren stimmhafter Sprachsignale verbindet der Schalter 5 einen Ausgang des Impulsgebers k mit einem Eingang des steuerbaren Verstärkers 7 j und zum Synthetisieren stimmloser Sprachsignale wird ein Ausgang des Rauschsignalgebers 6 mit einem Eingang des Verstärkers 7 verbunden. Da die vom Impulsgeber k und vom Rauschsignalgeber 6 erzeugten Signale eine Einheitsamplitude aufweisen, wird mit Hilfe des steuerbaren Verstärkers 7 die Amplitude auf einen für das zu synthetisierende Sprachsegment geeigneten Wert gebracht. Das Ausgangssignal des Verstärkers 7 wird als Anregungssignal dem Filter 8 zugeführt. Der Steuersignalgeber 3 kann beispielsweise durch einen Speicher gebildet werden, in den die auf Grund einer vorangehenden Analyse eines Sprachsignals erhaltenen Steuersignale eingeschrieben sind. Diese Steuersignale sind die Periode des Grundtons, der den Impulsgeber k steuert, ein binärer Stimmhaft-Stimmlos-Parameter, der den Schalter 5 steuert, der Wert der Amplitude zum Einstellen des steuerbaren Verstärkers 7 und einige Voraussageparameter, die die Koeffizienten des anpassungsfähigen rekursiven Digitalfilters 8 bestimmen. Das Filter 8 erzeigt aus dem Ausgangssignal des Verstärkers 7 ein digitales Signal, das mit Hilfe eines Digitalanalogwandlers 9 und eines Tiefpassfilters 10 im Ausgangsteil 2 in ein Sprachsignal umgewandelt wird.

130062/0444

PHQ 80001 y[ 24.9.80

Die Steuersignale des Steuersignalgebers 3 werden für stimmhafte Sprache synchron mit der Dauer des Grundtons geändert und für stimmlose Sprache mit einer festen Dauer beispielsweise von 10 ms. Nach jeder Änderung der Steuersignale erzeugt das Filter 8 ein Teilsignal, das ein Sprachsegment mit einer Dauer gleich der dann geltenden Dauer des Grundtons kennzeichnet, wenn es stimmhafte Sprache betrifft, oder mit einer Dauer gleich der festen Dauer (1O ms.) bei stimmloser Sprache. Es sei bemerkt, dass es auch möglich ist, die Steuersignale des Steuersignalgebers 3 nicht synchron mit der Dauer des Grundtons, sondern unabhängig davon zu ändern. In diesem Fall erzeugt das Filter 8 nicht nach jeder Änderung der Steuersignale ein Teilsignal. Unter dem Begriff Teilsignal sei daher jener Teil des vom Filter 8 erzeugten digitalen Signals verstanden, der ein Sprachsegment kennzeichnet.

Wie die Anmelderin festgestellt hat, treten

beim Übergang von einem Teilsignal zu einem folgenden Teilsignal Unstetigkeiten auf, die in den stimmhaften Teilen des Sprachsignals das bereits erwähnte Summen bewirken können.

Erfindungsgeraäss wird im Ausführungsbeispiel nach Fig. 1 das Summen durch Zuführen der Teilsignale zu einem Multiplizierer 11 zum Multiplizieren der einem stimmhaften Sprachsegment entsprechenden Teilsignale mit einem Fenstersignal reduziert. Dazu ist eine digitale Darstellung des FensterSignals in eine ebenfalls an den Multiplizierer 11 angeschlossene Speicheranordnung 12 eingeschrieben.

Das Zuführen des Fenstersignals aus dem Speicher 12 zum Multiplizierer 11 muss synchron mit dem Auftreten der Teilsignale für stimmhafte Sprache verlaufen. Hierzu wird das Ausgangssignal des Impulsgebers h als Synchronisiersignal dem Speicher 12 zugeführt.

Das in Fig. 2 dargestellte Ausführungsbeispiel enthält ebenfalls einen auf dom Prinzip linearer Voraussago basierenden Syntheseteil I, der ein digitales Signal

130062/0U4

PHQ 80001 ^T "?- 24.9.80

für einen Ausgangsteil 2 erzeugt. Der Syntheseteil 1 ist auf die bereits an Hand der Fig. 1 beschriebene Weise aufgebaut. Die Modulation der Teilsignale mit dem Fenstersignal erfolgt hier jedoch mit analogen Mitteln, indem das digitale Signal zunächst durch einen Digitalanalogwandler 9 in ein analoges Signal umgewandelt wird, das anschliessend einem Analogmodulator 13 zugeführt wird. An den Analogmodulator 13 gelangt auch das von einem Fenstersignalgeber 14 erzeugte Fenstersignal. Der Fenster-Signalgeber 14 besteht aus einem Integrator 15 und einem an seinen Eingang angeschlossenen Impulsgeber 16, der Impulse mit einer Dauer erzeugt, die von der Dauer des Grundtons abhängig ist.

Zum Erhalten des erforderlichen Gleichlaufs zwischen dem Fenstersignal und dem Ausgangssignal des Digitalanalogwandlers 9 muss daher die Dauer der vom Impulsgeber 16 erzeugten Impulse und der Zeitpunkt des Auftretens dieser Impulse mit der Dauer des Grundtons synchron laufen.

In Fig. 3-A. und 3B sind zwei mögliche Formen des Fenstersignals dargestellt. Dabei ist horizontal der Verlauf der Zeit und vertikal die Amplitude aufgetragen. Die Amplitude schwankt zwischen O und 1, wobei bemerkt sei, dass ein vom Wert 1 abweichender Wert zwischen den Zeitpunkten t2 und t3 nur zu einer Linearverstärkung oder Abschwächung des Sprachsignals führt. Für beide Formen gilt, das die Dauer zwischen den Zeitpunkten ti und t4 gleich der Periodendauer des Grundtons des Sprachsignals ist. Bei einem Grundton von 100 Hz bedeutet dies eine Dauer von 10 ms. Es zeigt sich, dass eine gute Wahl für die Anstiegs- und Abfallzeit des Fenstersignals in der Grössenordnung von 1 ms liegt, so dass für etwa 80% der Zeit die stimmhaften Sprachsignale nicht durch die Modulation mit dem Fenstersignal geändert werden. Die in Fig. ¹^Q dargestellte Form zeigt den Verlauf eines mit Hilfe eines Fenstersignalgebers nach Fig. 2 erzeigten Fenstersignals. Dazu sei bemerkt, dass der Anfang des Fenstersignals (ti) mit der Vorderflanke des vom Impulsgeber 16 erzeugten Im-

130082/0444

PHQ 80001 & t> 24.9.80

pulses zusammenfällt, während der Abfall des Fenstersignals zum Zeitpunkt t3 mit der Riickflanke des erzeugten Impulses einsetzt.

In der Praxis wird der Syntheseteil der beschriebenen Anordnung oft in einem Digitalrechner verwirklicht, der unter der Steuerung eines Syntheseprogramms das Digitalsignal erzeugt. Ein Beispiel eines derartigen Programms ist im bereits erwähnten Buch von J.D. Markel und A.H. Gray, Jr. im Abschnitt 10, Absatz 10.2.5 gegeben. Bei einer derartigen Verwirklichung kann die Modulation mit einem Fenstersignal auf besonders einfache Weise mittels eines Programms vorgenommen werden. In Fig. 4 ist ein Flussdiagramm eines derartigen Programms angegeben, wobei eine Modulation mit einem Fenstersignal nach Fig. 3A durchgeführt wird.

Das Programm fängt an beim Block 17 mit der Eingabe der Zahlen NP, IWH und Y(1). Dabei ist NP die Anzahl der Wörter in einem Teilsignal, und die Reihe Y(1) bis Y(NP) gibt den Wert dieser Wörter an. IWH gibt an, über wieviel Wörter des Teilsignals sich die Neigung des Fenstersignals erstreckt. Im Block 18 wird der Wert der laufenden Variablen J gleich 1 gesetzt. Im Block 19 wird der Hilfsvariablen JH der Wert J + NP - IWH gegeben. Der Block 20 gibt für einen bestimmten Wert von J die Multiplikation eines Worts des Teilsignals mit der Grosse des Fenstersignals an. Im Block 21 wird der Wert von J um eins erhöht, und in der Entscheidungsraute 22 wird der neue Wert von J mit IWH verglichen. Das Multiplizieren geht weiter, bis sich J and IWH + 1 angeglichen hat, wonach das modulierte Teilsignal von der neuen Reihe Υ(1) bis zu Y(NP) dargestellt und beim Block 23 zur Weiterverarbeitung vom Digitalanalogwandler im Ausgangs teil ausgegeben wird. Ein praktischer Wert für IWH, mit dem gute Ergebnisse erreicht werden, ist 10, was bei einer Abtastfrequenz von 10 kHz einer Anstiegs- und Abfallzeit für das Fenstersignal von je 1 ms entspricht.

Da durch die Verwendung des beschriebenen Modulationsverfahren die Energie des Sprachsignals abgesunken

130062/0444

PHQ 80001 JT S 24.9.80

ist, muss zum Erhalten des entsprechenden Pegels das Signal nach der Modulation noch korrigiert werden. Dies kann auf einfache Weise dadurch erfolgen, dass in das Programm für den Digitalrechner einige zusätzliche Schritte aufgenommen werden, wobei die Wörter des modulierten Teilsig— nals mit je einem Faktor multipliziert werden, der gleich der Quadratwurzel aus dem Verhältnis zwischen der Energie vor und nach der Modulation ist.

Es sei noch bemerkt, dass statt mit den erwähnten Digitalsignalen in den AusfUhrungsbeispielen nach Fig. 1 und 2 auch ausschliesslich mit zeitdiskreten Signalen bei der Verwendung der dazu geeigneten Komponenten gearbeitet werden kann, wie beispielsweise mit CCD aufgebaut ("Charge Coupled Devices").

130062/0U4

Claims (1)

1. PHQ 80001 Sf 24.9.80

   PATENTANSPRÜCHE:

   1. Verfahren zum Erzeugen eines Sprachsignals, Bei dem aus einer Anzahl mit Hilfe linearer Voraussage erhaltener Steuersignale ein anpassungsfähiges rekursives Filter ein diskretes Signal erzeugt, das aus einigen aufeinanderfolgenden, je ein Sprachsegment kennzeichnenden Teilsignalen besteht und aus dem durch Tiefpassfilterung das Sprachsignal erzeugt wird, dadurch gekennzeichnet, dass vor der Tiefpassfilterung die Amplitude des zu filternden Signals zum Zeitpunkt des Übergangs von einem Sprachsegment zu einem folgenden Sprachsegment nahezu gleich Null gemacht wird.

   2. Anordnung zum Durchführen des Verfahrens nach Anspruch 1, mit einem auf dem Prinzip linearer Voraussage basierenden Syntheseteil zum Erzeugen eines diskreten Signals und mit einem Ausgangsteil zum Umsetzen des diskreten Signals in das Sprachsignal, dadurch gekennzeichnet, dass der Ausgangsteil einen Modulator zum Modulieren mindestens einer Anzahl der Teilsignale des diskreten Signals mit einem Fenstersignal enthält, dessen Dauer der Dauer eines Teilsignals entspricht und dessen Amplitude zunächst allmählich von nahezu Null auf einen konstanten Wert ansteigt, anschliessend konstant ist und dann allmählich auf nahezu den Wert Null abfällt.

   3. Anordnung nach Anspruch 2, dadurch gekennzeichnet, dass der Modulator ein Multiplizierer mit einem ersten Eingang zum Empfangen der Teilsignale und mit einem zweiten Eingang ist, der an einen Ausgang eines Speichers mit einer diskrete Darstellung des Fenstersignals angeschlossen ist.

   k. Anordnung nach Anspruch 2 mit einem Digitalrechner, der unter der Steuerung eines Syntheseprogramms das diskrete Signal in Form eines digitalen Signals erzeugt, dadurch gekennzeichnet, dass der Modulator Teil

   130082/0444

   PHQ 80001 J? 24.9.80

   des Digitalrechners ist und die Modulation durch. Modifikation des digitalen Signals unter der Steuerung eines Programms erfolgt.

   5. Anordnung nach Anspruch 2, dadurch gekennzeichnet, dass der Modulator ein Analogmodulator mit einem ersten Eingang ist, der an einen Ausgang eines Wandlers angeschlossen ist, der das vom Syntheseteil erzeugte diskrete Signal in ein analoges Signal umsetzt, und mit einem zweiten Eingang, der mit einem Ausgang eines Fenster-Signalgebers verbunden ist.

   6. Anordnung nach Anspruch 2 oder einem der folgenden, dadurch gekennzeichnet, dass der Anstieg und der Abfall des Fenstersignals je Zeiteinheit gleich und konstant sind.

   7· Anordnung nach Anspruch 2 oder einem der folgenden, dadurch gekennzeichnet, dass der Ausgangsteil mit Mitteln zum Korrigieren des durch die Modulation mit dem Fenstersignal abgesunkenen EnergieInhalts des analogen Sprachsignals versehen ist.