DE3422877C2

DE3422877C2 -

Info

Publication number: DE3422877C2
Application number: DE3422877A
Authority: DE
Inventors: Tadashi Tokio/Tokyo Jp Uenoyama
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1983-06-22
Filing date: 1984-06-20
Publication date: 1988-03-31
Also published as: JPS603700A; US4718097A; AU588218B2; AU2950084A; DE3422877A1; CA1218457A

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Ermitteln der Endpunkte von Sprachsignalen, insbeson dere zur genauen Ermittlung des Anfangs und des Endes eines anliegenden Sprachsignals, insbesondere mit niedrigem Signal/ Rausch-Verhältnis.

Ein erhebliches Problem bei der Verarbeitung von Sprach signalen besteht darin, das Vorliegen von Sprachsignalen aus einem verrauschten Untergrund festzustellen. Dieses Problem wird häufig als Problem zur Ermittlung der Sprach signal-Endpunkte bezeichnet. Durch genaues Feststellen des Anfangs und des Endes von Sprachsignalen kann die Menge der zu verarbeitenden Sprachsignaldaten minimal gehalten werden.

Bei einer bekannten Lösung zum Ermitteln der Endpunkte von Sprachsignalen wird die Gesamtleistung (oder ein Proportional wert dieser Gesamtleistung) eines eingehenden Sprachsignals mit einem Schwellenwert verglichen. Der Signalanfang wird dabei für den Zeitpunkt definiert, wenn die Gesamtleistung des eingehenden Sprachsignals den Schwellenwert übersteigt. Wenn andererseits die Gesamtleistung unter den Schwellenwert für mehr als einen vorgegebenen Zeitraum fällt, so wird der Zeitpunkt, an dem die Gesamtleistung den Schwellenwert schnei det, als Endpunkt angenommen. Bei diesem Stand der Technik ergeben sich jedoch Probleme, wenn den Sprachsignalen ein weißes Rauschen überlagert ist, so daß eine genaue Ermitt lung der Endpunkte wegen des verringerten Signal/Rausch- Verhältnisses nicht erwartet werden kann. Dieser Stand der Technik wird in den folgenden Druckschriften beschrieben:
"IEEE Transactions on Acoustics, Speech, and signal pro cessing" Bd. ASSP-22 Nr. 5, Oktober 1974 mit dem Titel "A Parametrically Controlled Spectral Analysis System for Speech" sowie in "The Bell System Technical Journal" Bd. 54 Nr. 2, Februar 1975 mit dem Titel "An Algorithm for Deter mining the Endpoints of Isolated Utterances".

Demgegenüber liegt der Erfindung die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung zum Ermitteln der Endpunkte von Sprachsignalen anzugeben, die aufgrund von weißem Rauschen ein niedriges Signal/Rausch- Verhältnis aufweisen.

Das Verfahren zur Lösung dieser Aufgabe ist im Patentanspruch 1 angegeben. Es zeichnet sich durch die folgenden Verfahrensschritte aus:

a) Anlegen des Sprachsignals an mehrere Bandpaß-Filter und Ableiten der Signal größe in jedem der vorgegebenen Frequenzbereiche,
b) Auswählen des Maximalwertes der Signalgrößen und
c) Ermitteln der Endpunkte des Sprachsignals unter Verwen dung des Maximalwertes und mindestens eines Schwellen wertes.

Die Vorrichtung zur Lösung der Aufgabe ist in Patentanspruch 2 angegeben. Sie weist die folgenden Bestandteile auf: Einen ersten Schaltkreis zum Empfangen der Sprachsignale, mit mehreren Bandpaß-Filtern, mit denen ein Maximalwertdetektor verbunden ist, der den Maximalwert der Ausgangssignale der Bandpaß- Filter ermittelt, sowie einen den Maximalwert empfan genden zweiten Schaltkreis zum Ermitteln der Endpunkte aus den Maximalwert und mindestens einem vorgegebe nen Schwellenwert.

Die Erfindung wird nachstehehend mit Bezug auf die Zeichnung näher erläutert. Es zeigt

Fig. 1 ein Blockdiagramm einer erfindungsgemäßen Vorrichtung,

Fig. 2 ein Blockdiagramm eines Steuerschaltkreises der Vor richtung gemäß Fig. 1,

Fig. 3 eine graphische Darstellung zur Erläuterung der End punktermittlung von Sprachsignalen,

Fig. 4 eine Schaltungseinzelheit für die Schaltungsanordnung gemäß Fig. 2,

Fig. 5 ein Blockdiagramm eines Maximalwertdetektors, der in der Schaltungsanordnung gemäß Fig. 2 eingesetzt werden kann,

Fig. 6 ein Blockdiagramm eines beispielhaften Vergleichers mit einem Analogschalter für die Anordnung gemäß Fig. 5,

Fig. 7 ein Blockdiagramm einer digitalarbeitenden, erfin dungsgemäßen Vorrichtung zur Ermittlung der End punkte von Sprachsignalen,

Fig. 8 ein Flußdiagramm zur Erläuterung der Arbeitsweise der Vorrichtung gemäß Fig. 7,

Fig. 9(A) bis 9(D) graphische Darstellungen zur Erläuterung der Vorteile der Erfindung gegenüber dem Stand der Technik.

Gemäß Fig. 1 wird ein Sprachsignal, beispielsweise von einem Mikrophon, über einen Eingangsanschluß 10 einem ersten Schaltkreis (Steuerschalt kreis) 12 zugeführt. Bei dieser Ausführungsform weist der Steuerschaltkreis 12 mehrere Bandpaß-Filter (Analog- oder Digitalfilter), denen das Sprachsignal zugeführt wird, sowie einen mit den Ausgängen der Bandpaß-Filter verbundenen Maxi malwertdetektor auf. Der Steuerschaltkreis 12 hat im Zusam menhang mit der Erfindung besondere Bedeutung und wird nach stehend mit Bezug auf Fig. 2 näher erläutert. Der Steuer schaltkreis 12 erzeugt einen Maximalwert der Ausgangssignale der Bandpaß-Filter. Der Maximalwert vom Steuerschaltkreis 12 wird einem zweiten Schaltkreis (Vergleicher) 14 zugeführt, der den Maximalwert mit einem am Anschluß 16 anliegenden Schwellenwert vergleicht. Das Ausgangssignal des Vergleichers 14 wird einem Detektor 18 zugeführt, wo die Endpunkte des anliegenden Sprachsignals festgestellt werden. Das Ausgangssignal des Detektors 18 erhält man am Ausgangsanschluß 20.

Der in Fig. 2 dargestellte Steuerschaltkreis 12 ist hier bei spielhaft ein Analog-Schaltkreis und weist mehrere Bandpaß- Filter (BPF) 22(1) bis 22 (N), wobei N eine ganze,positive Zahl ist, sowie einen Maximalwertdetektor 24 auf. Das ein gehende Sprachsignal liegt an den Bandpaß-Filtern 22(1) bis 22 (N) an, deren Ausgangssignale dem Maximalwertdetektor 24 zugeführt werden. Der Detektor 24 wählt den Maximalwert der Ausgangssinale der Bandpaß-Filter aus und führt den Maxi malwert in vorgegebenen Zeitabständen der nächsten Stufe, d. h. dem Detektor 18 (vgl. Fig. 1) zu.

Fig. 3 zeigt eine graphische Darstellung des Ausgangssi gnals des Steuerschaltkreises 12 mit der Position der End punkte der Sprachsignale. Als Anfangspunkt wird der Zeit punkt (T 1) festgelegt, bei dem das Ausgangssignal (Sm) des Steuerschaltkreises 12 einen Schwellenwert (TH) übersteigt. Wenn das Ausgangssignal Sm unter den Schwellenwert TH für einen Zeitraum unterschreitet, der länger ist als ein vor gegebenes Zeitintervall TP, so wird der Zeitpunkt T 2, an dem das Ausgangssignal Sm den Schwellenwert TH schneidet, als Endpunkt des Sprachsignals angesehen. In diesem Zusammenhang wird darauf hingewiesen, daß die erfindungsgemäße Lehre auch den Fall erfassen soll, bei dem das Ausgangssignal Sm beispiels weise mit zwei Schwellenwerten verglichen wird, beispiels weise einem Schwellenwert für die Definition des Signalan fangs und einem Schwellenwert für die Definition des Signal endes.

Fig. 4 zeigt eine an sich bekannte Ausführungsform für die Bandpaß-Filter 22(1) bis 22 (N) gemäß Fig. 2. Diese Schalt kreise weisen Widerstände R 1, R 2 und R 3, Kondensatoren C 1, C 2 und C 3, eine Diode D sowie einen Operationsverstärker OP auf, die miteinander in der dargestellten Weise verbunden sind. Die Arbeitsweise des Schaltkreises gemäß Fig. 4 ist an sich bekannt, so daß auf eine nähere Beschreibung ver zichtet werden kann.

Fig. 5 zeigt ein Blockdiagramm eines Beispiels für den De tektor 24 gemäß Fig. 2 mit mehreren Blöcken 30. Diese Blöcke 30 sind untereinander gleich. Ein Beispiel für diese Blöcke ist in Fig. 6 dargestellt. Die erste Vertikalreihe oder Blockgruppe 30 wird mit den Ausgangssignalen der Bandpaß- Filter 22(1) bis 22 (N) versorgt. Jeder Block dient zur Aus wahl des höheren Wertes der beiden Bandpaß-Filter-Signale. Die folgenden Vertikalreihen oder Blockgruppen 30 wählen wiederum jeweils aus zwei Eingangssignalen das jeweils größ ere Eingangssignal aus, bis schließlich nur ein Signal übrigbleibt. Gemäß Fig. 6 weist jeder Block 30 einen Verglei cher 40 sowie einen Analogschalter 42 auf, denen zwei Ein gangssignale zugeführt werden. Der Vergleicher 40 führt das Vergleichsergebnis als Steuersignal dem Analogschalter 42 zu, der seine Schaltstellung entsprechend dem anliegenden Steuersignal ändert, um dem nächsten Block jeweils das größ ere Eingangssignal zuzuführen.

Die in Rede stehende Vorrichtung ist nicht auf die vorstehend er örterten Analogschaltkreise beschränkt, sondern kann auch mit Digitalschaltkreisen aufgebaut werden.

Die Fig. 7 zeigt ein Blockdiagramm einer digital arbeitenden, Ausführungsform. Gemäß Fig. 7 wird ein Sprachsignal (Analogsignal) in Digitalsignale mit Hilfe eines Analog/Digital (A/D)-Umsetzers 50 umgewandelt, dessen Aus gangssignal einer digitalen Bandpaß-Filtereinheit (BPF) 52 mit mehreren Bandpaß-Filtern (nicht dargestellt) zugeführt wird. Die Blöcke 50 und 52 entsprechen dem Steuerschaltkreis 12 gemäß Fig. 1. Das Ausgangssignal der digitalen BPF-Einheit 52 wird einem Digitalprozessor 54 zugeführt, der dem Verglei cher 14 gemäß Fig. 1 entspricht. Der A/D-Umsetzer 50 sowie die digitale BPF-Einheit 52 sind in üblicher Weise ausge führt und können beispielsweise dem A/D-Umsetzer 11 und einem Bandpaß-Filterabschnitt (ohne Bezugszeichen) aus der US-PS 41 57 457 entsprechen.

Die Fig. 8 zeigt ein Flußdiagramm mit den Programmschritten, durch die der Maximalwert der Ausgangssignale der digitalen BPF-Einheit 52 während jedes vorgegebenen Zeitintervalls ermittelt wird. Diese Berechnung erfolgt in dem Digitalpro zessor 54. Beim Programmschritt 60 wird der Speicherbereich (Dmax) zum Speichern des Maximalwerts gelöscht, und ein Zäh ler wird auf "1" gesetzt, um die Anzahl der eingehenden Digi talsignale innerhalb des vorgegebenen Zeitintervalls aufwärts zu zählen. Es sei angenommen, daß N (eine positive ganze Zahl) die Gesamtzahl der eingehenden Digitalsignale am Digi talprozessor 54 innerhalb eines vorgegebenen Zeitintervalls ist. Beim Programmschritt 62 werden ein erstes digitales Eingangssignal in einem Speicherbereich (Din) und eine Zahl "1" im Zähler gespeichert. Beim Programmschritt 64 erfolgt eine Überprüfung, ob der Inhalt von Din größer ist als der von Dmax. Die Inhalte werden in dem Flußdiagramm in Klammern dargestellt. Wenn das Ergebnis dieses Vergleiches "JA" ist, dann fährt das Programm mit dem Programmschritt 66 fort, wo [Din] in dem Speicherbereich Dmax gespeichert wird; daraufhin folgt der Programmschritt 68. Wenn bei Programmschritt 64 die Antwort "NEIN" ist, so setzt sich das Programm mit dem Programmschritt 68 fort, wo ein Vergleich stattfindet, ob "n" (der Inhalt des Zählers) größer als N ist. Wenn die Ant wort "NEIN" ist, so wird im nächsten Programmschritt 70 der Wert "n + 1" im Zähler gespeichert, und das Programm kehrt zum Programmschritt 62 zurück. Diese Programmschritte werden solange wiederholt, bis beim Programmschritt 68 als Antwort "JA" festgestellt wird. In diesem Fall setzt sich das Pro gramm beim Programmschritt 78 fort, wo [Dmax] abgeleitet wird.

Zur weiteren Erläuterung der Erfindung wird diese im folgenden mit Bezug auf Fig. 9 mit dem Stand der Technik verglichen.

Fig. 9(A) ist eine graphische Darstellung eines analogen Spracheingangssignals, wo das weiße Rauschen (mit "Rauschen" bezeichnet) von einem Sprachsignal überlagert ist; der tat sächliche Beginn und das Ende der Sprachsignale werden mit "Anfang" bzw. "Ende" bezeichnet. Beim Stand der Technik wer den die Endpunkte der Sprachsignale unter Ausnutzung der Gesamtleistung der Eingangssignale ermittelt. Daher muß der Schwellenwert relativ hoch angesetzt werden, um die Endpunkte bei Vorliegen von weißem Rauschen zu ermitteln. Diese hohe Einstellung des Schwellenwerts wird zu einer falschen Ermitt lung der Endpunkte, wenn die Gesprächsintensität in der Nähe der Endpunkte nicht ausreichend groß gegenüber dem Rauschen sind, wie dies in Fig. 9(B) dargestellt ist. Dieses Problem wird jedoch in wirksamer Weise mit der Erfindung vermieden. Fig. 9(C) zeigt die Ausgangssignale der Bandpaß-Filter, von denen zur Vereinfachung lediglich vier Ausgangssignale dargestellt sind; die Fig. 9(D) zeigt die Einhüllende der maximalen Ausgangssignale in Fig. 9(C). Wie sich insbesondere aus Fig. 9(D) ergibt, kann der Schwellenwert auf einen relativ niedrigen Wert eingestellt werden, so daß die Endpunkte der Sprachsignale präzise festgelegt werden können.

Claims

1. Verfahren zum Ermitteln der Endpunkte von Sprachsignalen, gekennzeichnet durch die folgenden Verfahrensschritte:

a) Anlegen des Sprachsignals an mehrere Bandpaß-Filter und Ableiten der Signalgröße in jedem der vorgege benen Frequenzbereiche,
b) Auswählen des Maximalwertes der Signalgrößen und
c) Ermitteln der Endpunkte des Sprachsignals unter Ver wendung des Maximalwertes und mindestens eines Schwellenwertes.

2. Vorrichtung zum Ermitteln der Endpunkte von Sprachsigna len, gekennzeichnet durch

a) einen ersten Schaltkreis (12) zum Empfangen der Sprachsignale, mit mehreren Bandpaß-Filtern (22 (1) bis 22 (N)), mit denen ein Maximalwertdetektor (24) verbunden ist, der den Maximalwert der Ausgangssignale der Bandpaß-Filter ermittelt, und
b) einen den Maximalwert empfangenden zweiten Schaltkreis (14) zum Ermitteln der Endpunkte aus dem Maximal wert und mindestens einem vorgegebenen Schwellenwert.