DE3101590C2

DE3101590C2 - Anordnung zum Erzeugen eines Sprachsignals

Info

Publication number: DE3101590C2
Application number: DE3101590A
Authority: DE
Inventors: Leonardus Lambertus Maria Vogten; Leonardus Franciscus Eindhoven Willems
Original assignee: Eindhoven Technical University; Philips Gloeilampenfabrieken NV
Current assignee: Koninklijke Philips NV
Priority date: 1980-01-21
Filing date: 1981-01-20
Publication date: 1986-03-13
Also published as: GB2068695B; FR2474217A1; DE3101590A1; JPS6237798B2; NL8000361A; FR2474217B1; GB2068695A; US4374302A; JPS56106300A

Abstract

LPC-Syntheseverfahren, bei dem zum Reduzieren des für derartige Verfahren charakteristischen Summens eine Modulation des synthetisierten Signals mit einem Fenstersignal benutzt wird. Durch diese Modulation verschwinden die Unstetigkeiten beim Übergang zwischen zwei Segmenten stimmhafter Sprache.

Description

60

Die Erfindung bezieht sich auf eine Anordnung gemäß dem Oberbegriff des Patentanspruchs 1.

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 oi 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 Rauschsignal 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 synthetisierten Sprachsignal sind in der Literatur mehrere Möglichkeiten angegeben. Unter anderem 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 bei einsr Anfc.rfnung der in Rede stehenden Art durch die im Kennzeichen des Patentanspruchs 1 angegebenen Merkmale gelöst.

Ausführungsbeispiele der Erfindung werden nachstehend an Hand der Zeichnung näher erläutert. Es zeigt

F i g. 1 eine erste Ausführungsform, bei der die Modulation mit dem Fenstersignal auf digitale Weise erfolgt,

F i g. 2 eine zweite Ausführungsform mit einer analogen Modulation,

F i g. 3A und 3B zwei mögliche Fenstersignalformen,

F i g. 4 ein Flußdiagramm, nach dem die Modulation in einem Digitalrechner ausgeführt werden kann.

Die in F i g. 1 dargestellte Anordnung enthält ein auf der linearen Voraussage basierenden Syntheseteil l.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. Zum Synthetisieren stimmhafter Sprachsignale verbindet der Schalter 5 einen Ausgang des Impulsgebers'4 mit einem Eingang des steuerbaren Verstärkers 7, und zum Synthetisieren stimmloser Sprachsignale wird ein Ausgang des Rauschsignalgebers 6 mit einem Eingang des Verstärkers 7 verbunden. Da die vom Impulsgeber 4 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 ge-

31 Ol 590

bracht. 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 4 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 erzeugt 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.

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 !0 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 (10 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 festgestellt wurde, treten beim Übergang von einem Teiisignai zu einem folgenden Teiisignal Unstetigkeiten auf, die in den stimmhaften Teilen des Sprachsignals das bereits erwähnte Summen bewirken können.

Gemäß dem Ausführungsbeispiel nach F i g. 1 wird das Summen durch Zuführen der Teilsignale zu einem Multiplizierer 11 zum Multiplizieren der einem stimmhaften Sprachsegment entsprechenden Teüsignale 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 Teilsignalc für stimmhafte Spache verlaufen. Hierzu wird das Ausgangssignal des Impulsgebers 4 als Synchronisiersignal dem Speicher 12 zugeführt.

Das in F i g. 2 dargestellte Ausführungsbeispiel enthält ebenfalls einen auf dem Prinzip linearer Voraussage basierenden Syntheseteil 1, der ein digitales Signal für einen Ausgangsteil 2 erzeugt. Der Syntheseteil 1 ist auf die bereits an Hand der Fig. 1 beschriebenen 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 Fenstersignalgeber 14 besteht aus einem Integrator 15 und eine.n 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 Digitalana'ogwandlers 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.3A 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 0 und 1, wobei bemerkt sei, daß ein vom Wert 1 abweichender Wert zwischen den Zeitpunkten i2 und f 3 nur zu einer Linearverstärkung oder Abschwächung des Sprachsignals führt. Für beide Formen gilt, daß die Dauer zwischen den Zeitpunkten il und r4 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 Modul ::ion mit dem Fenstersignai geändert werden. Die in Fig. >B dargestellte Form zeigt den Verlauf eines mit Hilfe eines Fenstersignalgebers nach F i g. 2 erzeigten Fenstersignals. Dazu sei bemerkt, daß der Anfang des Fenstersignais (t 1) mit der Vorderflanke des vom Impulsgeber 16 erzeugten Impulses zusammenfällt, während der Abfall des Fenstersignals zum Zeitpunkt f3 mit der Rückflanke 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. Market und A. H. Gray, Jr. im Abschnitt 10, Absatz 10.2.5 gegeben. Bei einer derartigen Verwirklichung kann die Modulation mit einem Fenstersigna! 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 F i g. 3A durchgeführt wird.

Das Programm fängt an beim Block 17 mit der Eingabe der Zahlen NP, IWH und K(I). Dabei ist NP die Anzahl der Wörter in einem Teiisignai, und die Reihe V(I) bis Y(NP) gibi den Wert dieser Wörter an. /VVW gibt an, über wieviel Wörter des Teilsignals sich die Neigung des Fenstersignals erstreckt. Im Block 18 wird der Wert der laufenden Variablen /gleich 1 gesetzt. Im Block 19 wird der Hilfsvariablen JH der Wert / + NP- JWH gegeben. Der Block 20 gibt für einen bestimmten Wert von / die Multiplikation eines Worts des Teilsignals mit der Größe des Fenstersignals an. Im Block 2i wird der Wert von /um eins erhöht, und in der Entsc!ieidungsraute 22 wird der neue Wert von / mit IWH verglichen. Das Multiplizieren geht weiter, bis sich /und IWH + 1 angeglichen hat, wonach das modulierte Teilsignal von der neuen Reihe V(I) bis zu Y(NP) dargestellt und beim Block 23 zur Weiterverarbeitung vom Digitalanalogwandler im Ausgangsteil ausgegeben wird. Ein praktiscner Wert für IWH, mit dem gute Ergebnisse erreicht werden, ist 10, was bei einer Abtastfrequenz von 10 kHz einer Anstiegs- und Abfallzei'. für das Fenstersignal von je 1 ms entspricht.

Da durch die Verwendung des beschriebenen Modulationsverfahrens die Energie des Sprachsignals abge-

b5 sunken 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 zu-

31 Ol

sätzliche Schritte aufgenommen werden, wobei die Wörter des modulierten Teilsignals 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 Ausführungsbeispielen 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«).

Hierzu 2 Blatt Zeichnungen

15

20

25

30

60

Claims

31 Ol Patentansprüche:

1. Anordnung zum Erzeugen eines Sprachsignals mit einem Syntheseteil (1), der ein anpassungsfähiges rekursives Filter (8) enthält, das mittels einer Anzahl mit Hilfe linearer Voraussage erhaltener Steuersignale gesteuert wird und das ein amplitudendiskretes Signal erzeugt, das aus aufeinanderfolgenden, je ein Sprachsegment kennzeichnenden Teilsignalen besteht, und mit einem einen Tiefpaß (10) enthaltenden Ausgangsteil (2) zum Umsetzen des amplitudendiskreten Signals des rekursiven Filters (8) in das Sprachsignal, dadurch gekennzeichnet, daß der Ausgangsteil (2) außerdem einen Modulator (11) zum Modulieren mindestens einer Anzahl der Teilsignale des amplitudendiskreten Signals des rekursiven Filters (8) mit einem Fenstersignal enthält, dessen Dauer der Dauer eines Teilsignals entspricht und dessen Wert zu Beginn in einem bezüglich dieser Dauer kleinen Intervall monoton von nahezu Null auf einen konstanten Wert ansteigt, anschließend konstant ist und am Ende in einem bezüglich dieser Dauer kleinen Intervall monoton auf nahezu den Wert Null abfällt

2. Anordnung nach Anspruch I₁ dadurch gekennzeichnet, daß der Modulator (11) ein Multiplizierer mit einem ersten Eingang zum Empfangen der Teilsignale und mit einem zweiten Eingang ist, der an einen Ausgang eines Speichers (12) mit einer diskreten Darstellung des Fenstersignals angeschlossen ist

3. Anordnung nach Anspruch l mit einem Digitalrechner (1), der unter der Steuerung eines Syntheseprogramms das diskrete Signal in Form eines digitalen Signals erzeugt, dadurch gekennzeichnet, daß der Modulator (Ii) Teil des Digitalrechners (1) ist und die Modulation durch Modifikation des digitalen Signals unter der Steuerung eines Programms erfolgt.

4. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß der Modulator ein Analogmodulator (13) mit einem ersten Eingang ist, der an einen Ausgang eines Wandlers (9) angeschlossen ist, der das vom Syntheseteil (1) erzeugte diskrete Signal in ein analoges Signal umsetzt, und mit einem zweiten Eingang, der mit einem Ausgang eines Fenstersignalgebers (14) verbunden ist.

5. Anordnung nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, daß der Anstieg und der Abfall des Fenstersignals je Zeiteinheit gleich und konstant sind.

6. Anordnung nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, daß der Ausgangsteil (2) mit Mitteln zum Korrigieren des durch die Modulation mit dem Fenstersignal abgesunkenen Energieinhalts des analogen Sprachsignals versehen ist.