DE4307688A1

DE4307688A1 - Verfahren zur Geräuschreduktion für gestörte Sprachkanäle

Info

Publication number: DE4307688A1
Application number: DE4307688A
Authority: DE
Inventors: Klaus Dr Linhard
Original assignee: Daimler Benz AG
Current assignee: Mercedes Benz Group AG
Priority date: 1993-03-11
Filing date: 1993-03-11
Publication date: 1994-09-15
Also published as: EP0615226B1; EP0615226A2; DE59408194D1; EP0615226A3

Description

Die Erfindung betrifft ein Verfahren nach dem Oberbegriff des Patentanspruchs 1.

Ein derartiges Verfahren findet Anwendung bei der automa tischen Spracherkennung oder bei Freisprechanlagen zur Verbesserung der Sprachqualität, z. B. in Büroräumen oder im Kraftfahrzeug.

Gestörte Sprache ist besser erfaßbar, wenn sie mit zwei oder mehreren Kanälen aufgezeichnet wird. Dabei soll in jedem Kanal Sprache und Störung vorhanden sein. Die mehr kanaligen Signale werden mit einer digitalen Signalverar beitung aufbereitet.

Bei mehrkanaligen Systemen ist zunächst der Laufzeitunter schied des Nutzsignals in den einzelnen Kanälen zu ermit teln. Dabei wird es später möglich, die einzelnen Kanäle wieder phasenrichtig zu einem Kanal zusammenzuführen.

Von besonderem Interesse sind Systeme mit 2 Kanälen, da sich hiermit bereits ein räumliches Schallfeld nach ein zelnen Richtungen auflösen läßt, der Rechenaufwand aber noch erträglich bleibt.

Ist die Richtung bekannt, aus der das interessierende Schallereignis eintrifft, wird eine akustische Richtkeule auf dieses Ereignis eingestellt.

Die Geräuschreduktion wird zunächst in jedem einzelnen Ka nal durchgeführt. Da die Geräuschreduktion nicht fehler frei arbeitet können Verzerrungen und künstliche Einfügun gen (z. B. "musical tones") entstehen. Bei der Zusammenfüh rung der einzelnen verarbeiteten Kanäle ergibt sich eine Mittelung und damit Verringerung dieser Fehler.

Das Summensignal wird anschließend nachverarbeitet, indem die Kreuzkorrelation der Signale in den einzelnen Kanälen verwendet wird. Dabei wird vorausgesetzt daß Störungen oder Nachhall weniger korreliert ist als das Nutzsignal der Kanäle.

Ein Verfahren zur Zusammenführung von 2 gestörten Sprachkanälen ist aus der Veröffentlichung "Multimicro phone signal-processing technique to remove room reverber ation from speech signals" von Allen, Berkley und Blauert (J: Acoust. Soc. Am., Vol. 62, No. 4, October 1977) und aus "Noise Suppression Signal Processing Using 2-Point Recei ved Signals" von Kaneda und Tohyame (Electronics and Com munication in Japan, Vol. 67-A, No. 12, 1984) bekannt. Das erste Verfahren ist zur Enthallung von Sprachsignalen ge dacht und verwendet keinen echten Phasenausgleich des Nutzsignals und die Enthallung mit Geräuschreduktion wird nur in einer Nachverarbeitungsstufe durchgeführt. Das zweite Verfahren benutzt einen einfachen linearen Phasen ausgleich der Kanäle, die Geräuschreduktion erfolgt aber auch hier nur in der Nachverarbeitungsstufe.

Der Erfindung liegt deshalb die Aufgabe zugrunde, ein Ver fahren zur Geräuschreduktion anzugeben, bei dem die Ge räuschreduktion in mehreren Stufen durchgeführt und eine deutliche Verbesserung der Sprachqualität erzielt wird.

Die Aufgabe wird gelöst durch die im kennzeichnenden Teil des Patentanspruchs 1 angegebenen Merkmale. Vorteilhafte Ausgestaltungen und/oder Weiterbildungen sind den Unteran sprüchen zu entnehmen.

Mit dem erfindungsgemäßen Verfahren werden die räumlichen und die zeitlichen Eigenschaften des Nutzsignals und der Störung systematisch ausgenutzt:

1.) räumliche Eigenschaft der Schallfelder:
a) Dämpfung von Punktstörquellen
Mit digitalen Richtungsfiltern am Eingang der Kanäle wird zusammen mit der Phasenschätzung eine akustische Richt keule auf den Sprecher ausgerichtet. Für die Phasenschät zung wird das in der unveröffentlichten deutschen Pa tentanmeldung P 42 43 831 beschriebene Verfahren verwen det. Es ist robust gegenüber Störungen und benötigt nur einen geringen Rechenaufwand. Die Richtungsfilter sind fest eingestellt. Es wird angenommen, daß der Sprecher sich relativ nahe an den Mikrofonen befindet (Abstand 1 m) und sich nur in einem beschränkten Bereich bewegt. In stationäre und stationäre Punkt-Störquellen werden durch diese räumliche Auswertung gedämpft.
b) Dämpfung von diffusen Störquellen
In der Nachverarbeitung werden mit Hilfe der Kreuzkorrela tion die diffusen Stör- und Hallanteile gedämpft.
2.) zeitliche Signaleigenschaften:
Die spektrale Subtraktion schätzt die Störung in den Sprachpausen und führt eine betragsmäßige Subtraktion im Spektralbereich durch. Hier werden die zeitlich statio nären Störanteile gedämpft.
3.) Mittelung der Kanäle (Addition):
Durch die räumliche Trennung der Aufnahmekanäle (Mikrofone in einem bestimmten Abstand) treten Fehler der spektralen Subtraktion (Verzerrung und "musical tones") in den ein zelnen Kanälen z. T. zeitlich zufällig auf. Eine Mittelung der Kanäle vermindert diesen Fehler.

Die Erfindung wird anhand von Ausführungsbeispielen näher erläutert und Bezugnahme auf schematische Zeichnungen.

Fig. 1 zeigt ein Blockdiagramm des gesamten Verfahrens.

Fig. 2 zeigt einen Vergleich der gemittelten Ausgangslei stungen Z verschiedener Verfahren mit der Leistung des Original-Geräuschsignals (Beispiel: Mikro fonabstand 12 cm, Fahrzeug mit 140 km/h). Es wird die zunehmende Geräuschreduktion gezeigt, wenn die Verarbeitung mit einem Kanal, mit zwei Kanälen und mit zwei Kanälen mit Nachverarbeitung durchgeführt wird.

Die Mikrofonsignale x und y werden in den Frequenzbereich transformiert (FFT, Fast Fourier-Transformation) . Die Seg mente sind halb überlappt und werden mit einem Hanning- Fenster gewichtet. Die Segmente sind jeweils N Werte lang und werden um weitere N Nullen erweitert. Die Transforma tionslänge wird beispielsweise zu 2N = 512 gewählt. Es er geben sich die transformierten Segmente X_l(i) und Y_l(i). Das Ausgangssignal z ergibt sich nach Rücktransformation und der Überlappung der Segmente. l bezeichnet den Block index der Segmente, i die diskrete Frequenz (i=0, 1, 2 . . . , 2N-1). Die Abtastrate der Signale x und y be trägt z. B. 12 kHz.

Im Frequenzbereich wird der Langzeitmittelwert des Be tragsspektrums subtrahiert (Spektrale Subtraktion H_SPS) Das Kurzzeitmittel K und das Langzeitmittel L werden be nutzt, um eine erste adaptive Glättungskonstante β zu be rechnen. Mit ß wird das Störspektrum S_nn(i) geschätzt. Diese adaptive Glättungskonstante ersetzt den sonst übli chen Sprachpausendetektor. l bezeichnet den Blockindex, i die diskrete Frequenz. Als Glättungskonstante β_o wird z. B. β_o = 0.03 verwendet.

β₁ = g_lβ_o (2)

mit

L_l = (1 - β_l)L_l-1 + β_lK_l (4)

_nn,l(i) = (1 - β_l)_nn,l-1(i) + β_l | X_l(i) | ² (5)

Das Störspektrum wird normiert und subtrahiert.

Eine modifizierte Form ergibt sich mit:

_l(i) = f₀S_nn,l(i); sonst (9)

Für die Leistungsdichte S_xx,l, eines Kanales gilt:
S_xx,l(i) = (1 - α_l)S_xx,l-1(i) + α_l | X_l(i) |² (10)

α_l = 2 - g_l; für 0.5 < 2 - g_l < 2.0 (11)

α_l = 0.5; für 0.5 < 2 - g_l (12)

α_l = 2; für 2 < 2 - g_l (13)

f_o wird als "spectral floor" bezeichnet. Es wird ein Teil des Hintergrundgeräuschs zugelassen, um einen natürlichen Höreindruck zu erzeugen und um einen Teil der "musical to nes" zu maskieren. α ist ein Überschätzfaktor für das Ge räusch und dient der weiteren Reduzierung des Restge räuschs. Für diese Werte kann z. B. f_o = 0.2 und α = 1.5 gewählt werden.

Im Gegensatz zu den bekannten Formen der spektralen Sub straktion wird eine zweite adaptive Glättung mit α dazu benutzt einen weiteren Teil der "musical tones" zu redu zieren, indem die Leistungsdichte S_xx bei Sprache wenig und bei Pause stark geglättet wird.

Für den zweiten Kanal Y gelten die entsprechenden Glei chungen.

Zur Berechnung der linearen Phasenverschiebung zwischen Nutzanteilen in den Kanälen wird das in der nicht vorver öffentlichen Patentanmeldung P 42 43 831 angegebene Ver fahren verwendet. Dieses Verfahren fügt sich nahtlos in das erfindungsgemäße Geräuschreduktionsverfahren ein. Die Phasenverschiebung wird an einer ausgewählten Anzahl der Maximas der Kreuzleistungsdichte geschätzt und die Phasenkorrektur durch Multiplikation im Frequenzbereich mit der Allpaßfunktion H_ALLP erreicht.

_l(i) = _l(i)H_ALLP,l (14)

_l(i) = _l(i)(cos(i _* Φ) + j sin(i _* Φ)) (15)

Bei mehr als zwei Kanälen wird die Phasenkorrektur für den jeweils weiteren Kanal durchgeführt. Der erste Kanal dient als Referenz.

Durch ein "Beamforming-Verfahren" werden für die Kanäle die Richtungsfilter berechnet. Dabei können als Geräusch verschiedene Fälle betrachtet werden. Es ergeben sich ent sprechend der Geräuschsituation verschiedene Richtungsfil ter H_R. Es wird ein Satz dieser Filter ausgewählt, jedoch kann falls im späteren Betrieb der Systemzustand bekannt ist, auf einem bestimmten Satz umgeschaltet werden oder die Filter können ständig adaptiert werden. Als "Beamfor ming-Verfahren" wird beispielsweise das Gradientenverfah ren nach Frost ("An Algorithm for Linearly Constrained Ad aptive Array Processing" Proc. IEEE, Vol. 60, No. 8, 1972) oder nach Sondhi und Elko ("Adaptive Optimization of Microphone Arrays under a Nonlinear Contraint", Int. Conf. on ASSP, Tokyo, 1096, S. 981-984) verwendet.

Für die Richtungsfilterung ergibt sich im Frequenzbereich die Multiplikation:

_l(i) = _l(i)H_R(i) (16)

Die Addition der Kanäle ergibt mit den Richtungsfiltern die Gesamt-Richtcharakteristik und das Ausgangssignal

Z_l(i) = (i) + _l(i) (17)

Außerdem führt die Addition der Kanäle zu einer Mittelung und damit Reduzierung der statistischen Fehler der spek tralen Subtraktion.

Anschließend wird die Kreuzleistungsdichte der beiden Kanäle mit Hilfe einer Glättungskonstanten (z. B. γ = 0.3) be rechnet.

S_xy,l(i) = (1 - γ)S_xy,l(i) + γ_l(i)_l*(i) (18)

Die Kreuzleistungsdichte S_xy wird mit der Summe der Bei stungsdichten S_xx, S_yy der einzelnen Kanäle normiert. Es ergibt sich eine modifizierte Kohärenzfunktion:

H_KKF,l(i) = 0.3; sonst (20)

mit

S_xx,l(i) = (1 - γ)S_xx,l(i) + γX_l(i)X_l*(i) (21)

S_vv,l(i) = (1 - γ)S_yy,l-1(i) + γ_l(i)_l*(i) (22)

Für das Ausgangssignal z gilt:

Z_l(i) := Z_l(i)H_KKF,l(i) (23)

Werden Richtungsfilter nach dem Verfahren von Sondhi und Elko verwendet, ist ein inverses Filter zur Frequenzgang korrektur erforderlich. Dieses Filter dient der Anhebung der tieferen Frequenzen, weil der Frequenzgang der Rich tungsfilter (für die gewünschte Richtung, Richtung des Sprechers) zu einer Absenkung dieser Frequenzen führt. Dieses Filter H_INV kann auf einfache Weise aus dem berech neten Frequenzgang approximiert werden.

Z_l(i) := Z_l(i)H_INV,l(i) (24)

Wird die Adaption nach dem Verfahren von Frost durchge führt, ist kein inverses Filter erforderlich, weil der Frequenzgang in Richtung des Sprechers den konstanten Wert 1 hat.

Das erfindungsgemäße Verfahren ist nicht auf Systeme mit zwei Kanälen beschränkt, sondern auf Mehrkanalsysteme (3 und mehr Kanäle) anwendbar.

Claims

1. Verfahren zur Geräuschreduktion von zumindest zwei ge störten Sprachkanälen, wobei die gestörten Sprachkanäle zu einem Ausgangskanal zusammengeführt werden, dadurch ge kennzeichnet,

- daß mittels digitaler Richtungsfilter und einer linearen Phasenschätzung für die einzelnen Kanäle eine schwenkbare, akustische Richtkeule erzeugt wird, die der Sprecherbewegung folgt und dadurch die räumlichen Störquellen gedämpft werden,
- daß in den einzelnen Kanälen in den Sprechpausen die Störung geschätzt wird und durch spektrale Subtraktion die zeitlich stationären Störquellen gedämpft werden,
- daß anschließend die einzelnen Sprachkanäle ad diert werden, und dadurch die statistischen Stö rungen der spektralen Subtraktion gemittelt wer den, und
- daß das Summensignal mit einer modifizierten Kohä renzfunktion nachverarbeitet wird und dadurch die diffusen Stör- und Hallanteile gedämpft werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet,

- daß die spektrale Subtraktion mit zwei adaptiven Glättungskonstanten α, β durchgeführt wird,
- daß mit der ersten adaptiven Glättungskonstante β das Störspektrum S_nn geschätzt wird, und
- daß mit der zweiten adaptiven Glättungskonstanten α die Leistungsdichte S_xx der einzelnen Kanäle in den Sprachpausen stark und bei Sprache wenig ge glättet wird.

3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die lineare Phasenverschiebung von zumindest zwei Signa len über eine bestimmte Anzahl von Maxima der Kreuzlei stungsdichte im Frequenzbereich ermittelt wird.

4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Phasenkorrektur, die Richtungsfilterung und eine even tuelle notwendige inverse Filterung im Frequenzbereich durchgeführt werden.