DE60212617T2

DE60212617T2 - Vorrichtung zur sprachverbesserung

Info

Publication number: DE60212617T2
Application number: DE60212617T
Authority: DE
Inventors: F. Ercan GIGI
Original assignee: Koninklijke Philips Electronics NV
Current assignee: LSI Corp
Priority date: 2001-04-09
Filing date: 2002-03-25
Publication date: 2007-06-14
Anticipated expiration: 2022-03-26
Also published as: JP4127792B2; EP1386313A1; ATE331279T1; US6996524B2; CN1460248A; CN1240051C; KR20030009516A; DE60212617D1; WO2002082427A1; JP2004519737A; US20020156624A1; EP1386313B1

Description

Die vorliegende Erfindung bezieht sich auf eine Vorrichtung zur Sprachverbesserung für die Reduzierung von Hintergrundrauschen, die Folgendes umfasst: eine Zeit-Frequenz-Transformationseinheit zum Transformieren von Rahmen von Abtastwerten von Audiosignalen im Zeitbereich in den Frequenzbereich, Mittel zum Reduzieren von Hintergrundrauschen für die Durchführung einer Rauschminderung im Frequenzbereich und eine Frequenz-Zeit-Transformationseinheit zum Transformieren von Audiosignalen mit vermindertem Rauschem vom Frequenzbereich in den Zeitbereich.
Eine derartige Vorrichtung zur Sprachverbesserung kann in einem Sprachcodiersystem beispielsweise für Speicheranwendungen, wie digitale Telefonanrufbeantworter und Sprachnachrichtenanwendungen, für Sprachantwortsysteme wie Navigationssysteme im Fahrzeug und für Kommunikationsanwendungen wie die Sprachübermittlung im Internet eingesetzt werden.
Zur Verbesserung der Qualität verrauschter Sprachaufzeichnung muss der Rauschpegel bekannt sein. Für die Aufnahme mit einem einzelnen Mikrofon steht nur die verrauschte Sprache zur Verfügung. Der Rauschpegel muss allein von diesem Signal geschätzt werden. Eine Art der Messung des Rauschens besteht darin, die Bereiche der Aufzeichnung zu nutzen, in denen keine Sprachaktivität auftritt, und das Spektrum der Rahmen von Abtastwerten während der Sprachaktivität mit denjenigen ohne Sprachaktivität zu vergleichen und zu aktualisieren, siehe beispielsweise das Dokument US-A-6.070.137. Das Problem bei diesem Verfahren besteht darin, dass ein Sprachaktivitätsdetektor eingesetzt werden muss. Die Herstellung eines robusten Sprachdetektors, der auch bei relativ hohem Rauschabstand richtig funktioniert, ist schwierig. Ein weiteres Problem besteht darin, dass die Bereiche ohne Sprachativität sehr kurz oder sogar nicht vorhanden sein können. Ist das Rauschen nicht stationär, können sich seine Merkmale während der Sprachaktivität ändern, wodurch dieser Lösungsansatz noch schwieriger wird.
Es ist ferner der Einsatz eines statistischen Modells bekannt, das die Varianz jeder spektralen Komponente im Signal misst, ohne eine binäre Auswahl zwischen vorhandener und nicht vorhandener Sprache zu nutzen, siehe das Dokument „Speech Enhance ment Using MMSE Short-Time Spectral Amplitude Estimator" von Malah Ephraim, erschienen in IEEE Trans. on ASSP, Band 32, Nr. 6, im Dezember 1984. Das Problem bei diesem Verfahren besteht darin, dass bei nicht stationärem Hintergrundrauschen die Schätzung auf den am nächsten liegenden Zeitrahmen basieren muss. Bei einer langen Sprachäußerung können manche Bereiche des Sprachspektrums immer über dem tatsächlichen Rauschpegel liegen. Daraus ergibt sich eine falsche Schätzung des Rauschpegels für diese spektralen Bereiche.
In dem Dokument US-A-5.706.395 wird ein akustischer Rauschunterdrückungsfilter dargelegt, der Dämpfungsfilterung mit einem Rauschunterdrückungsfaktor umfasst, der von dem Verhältnis der geschätzten Rauschenergie eines Rahmens geteilt durch die geschätzte Signalenergie abhängt.
In dem Dokument „Spectral Subtraction Based on Minimum Statistics" von R. Martin, erschienen in Signal Processing VII, 1994, auf den Seiten 1182, 1185 wird ein Algorithmus für die Verbesserung von verrauschten Sprachsignalen mit Hilfe spektraler Subtraktion dargelegt. Ein Schätzwert der Rauschleistung wird mit Hilfe von Minimalwerten eines geglätteten Leistungsschätzwertes des verrauschten Sprachsignals erzielt.
Die Aufgabe der Erfindung besteht darin, den Pegel des Hintergrundrauschens bei der Sprachaufzeichnung mit einem einzelnen Mikrofon vorherzusagen, ohne einen Sprachaktivitätsdetektor einzusetzen und mit einer erheblichen Reduzierung falscher Schätzungen des Rauschpegels.
Dementsprechend schafft die vorliegende Erfindung eine Vorrichtung zur Sprachverbesserung für die Reduzierung des Hintergrundrauschens, die Folgendes umfasst:

– eine Zeit-Frequenz-Transformationseinheit zum Transformieren von Rahmen von Abtastwerten von Audiosignalen im Zeitbereich in den Frequenzbereich,
– Mittel zum Reduzieren von Hintergrundrauschen für die Durchführung einer Rauschminderung im Frequenzbereich, und
– eine Frequenz-Zeit-Transformationseinheit zum Transformieren von Audiosignalen mit vermindertem Rauschem vom Frequenzbereich in den Zeitbereich, wobei die Mittel zum Reduzieren von Hintergrundrauschen Folgendes umfassen: einen Hintergrundpegel-Aktualisierungsblock, der für jede Frequenzkomponente in einem aktuellen Rahmen der Audiosignale eine vorhergesagte Hintergrundgröße B[k] in Reaktion auf die gemessene Eingangsgröße S[k] von der Zeit-Frequenz-Transformationseinheit und in Reaktion auf die vorher berechnete Hintergrundgröße B_-1[k] berechnet; einen Rauschabstandsblock, der für jede der genannten Frequenzkomponenten den Rauschabstand SNR[k] in Reaktion auf die vorhergesagte Hintergrundgröße B[k] und in Reaktion auf die genannte gemessene Eingangsgröße S[k] berechnet; und einen Filteraktualisierungsblock, der für jede der genannten Frequenzkomponenten die Filtergröße F[k] für die genannte gemessene Eingangsgröße S[k] in Reaktion auf den Rauschabstand SNR[k] berechnet, wobei die genannte Vorrichtung dadurch gekennzeichnet ist, dass der Hintergrundpegel-Aktualisierungsblock Folgendes umfasst: eine Speichereinheit um die vorher berechnete Hintergrundgröße B_-1[k] zu erhalten, Verarbeitungs- und Komparatormittel zur Aktualisierung der zuvor vorhergesagten Hintergrundgröße entsprechend der Beziehung: B[k] = max{min{B'[k], B''[k]}, Bmin},mit B_min als dem kleinsten zulässigen Hintergrundpegel, während B'[k] = B-1[k]·U[k] und B''[k] = (B'[k]·D[k]) + (|S[k]|·C·(1 – D[k]))wobei U[k] und D[k] frequenzabhängige Skalierfaktoren sind und C eine Konstante ist.

Die Erfindung bezieht sich ferner auf ein Sprachcodiersystem und einen Sprachcodierer für ein derartiges Sprachcodiersystem, insbesondere für ein P²CM-Audiocodiersystem, das mit einer erfindungsgemäßen Vorrichtung zur Sprachverbesserung ausgestattet ist. Insbesondere der Codierer des P²CM-Audiocodiersystems ist mit einem ADPCM-Codierer (adaptive Delta-Pulscodemodulation, engl. adaptive differential pulse code modulation) und einer Vorprozessoreinheit mit der oben genannten Vorrichtung zur Sprachverbesserung versehen.
Diese und weitere Aspekte der Erfindung sind in den Zeichnungen dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
1 ein grundlegendes Blockschaltbild einer Vorrichtung zur Sprachverbesserung mit einem separaten erfindungsgemäßen Hintergrundrauschen-Subtrahierer (engl. background noise subtractor, BNS);
2 die Rahmen- und Fensterbildung in dem BNS;
3 ein Blockschaltbild der adaptiven Frequenzbereichfilterung in dem BNS;
4 ein Blockschaltbild der Hintergrundpegelaktualisierung in dem BNS;
5 ein Blockschaltbild der Filteraktualisierung in dem BNS; und
6 ein durch Hintergrundrauschen mit dem gemessenen Hintergrundpegel verunreinigtes Sprachsegment und die resultierende Frequenzbereichfilterung.
Als Beispiel wird in der Vorrichtung zur Sprachverbesserung das Eingangs-Audiosignal in Rahmen von beispielsweise 10 ms segmentiert. Bei einer Abtastfrequenz von beispielsweise 8 kHz besteht ein Rahmen aus 80 Abtastwerten. Jeder Abtastwert wird beispielsweise durch 16 Bits dargestellt.
Der BNS ist im Grunde ein adaptiver Filter im Frequenzbereich. Vor der tatsächlichen Filterung müssen die Eingangsrahmen der Vorrichtung zur Sprachverbesserung in den Frequenzbereich transformiert werden. Nach der Filterung werden die Frequenzbereichsinformationen zurück in den Zeitbereich transformiert. Es muss besonders darauf geachtet werden, dass Unterbrechungen an den Rahmengrenzen vermieden werden, da sich die Filtermerkmale des BNS über die Zeit verändern.
1 zeigt das Blockschaltbild der Vorrichtung zur Sprachverbesserung mit dem BNS. Die Vorrichtung zur Sprachverbesserung umfasst eine Einheit zum Bilden von Eingangsfenstern 1, eine FFT-Einheit 2, einen Hintergrundrauschen-Subtrahierer (BNS) 3, eine inverse FFT (IFFT)-Einheit 4, eine Einheit zum Bilden von Ausgangsfenstern 5 und eine Überlappungs- und Additionseinheit (engl. overlap-and-add) 6. In dem vorliegenden Beispiel werden die Eingangsrahmen mit 80 Abtastwerten der Einheit zum Bilden von Eingangsfenstern 1 in einen Puffer mit doppelter Rahmengröße, d.h. 160 Abtastwerten, verschoben, um ein Eingangsfenster s[n] zu bilden. Das Eingangsfenster wird mit einem Sinusfenster w[n] gewichtet. In dem vorliegenden Beispiel wird das Spektrum S[k] mit Hilfe einer 256-Punkt-FFT 2 berechnet. Der BNS-Block 3 wendet die Frequenzbereichfilterung auf dieses Spektrum an. Das Ergebnis S^b[k] wird mit Hilfe der IFFT 4 zurück in den Zeitbereich transformiert. Dies ergibt die Zeitbereichsdarstellung s^b[n]. In der Einheit 5 wird das Ausgangssignal im Zeitbereich mit dem gleichen Sinusfenster gewichtet, wie es für das Eingangssignal verwendet wurde. Das Nettoergebnis der doppelten Gewichtung mit einem Sinusfenster ergibt die Gewichtung mit einem Hanning-Fenster. Das Ausgangssignal der Einheit 5 wird durch s^b _w[n] dargestellt. Für den nächsten Verarbeitungsblock 6, die Überlappung und Addition, wird ein Hanning-Fenster als Fenstertyp bevorzugt. Die Überlappungs- und Additionsfunktion wird eingesetzt, um einen glatten Übergang zwischen zwei aufeinander folgenden Ausgangsrahmen zu erzielen. Das Ausgangssignal der Überlappungs- und Additionseinheit 6 für den Rahmen „i" wird dargestellt durch: s*b w,i[n] = sb w,i[n] + sb w,i-1[n + 80] mit 0 ≤ n < 80.
2 zeigt die verwendete Rahmen- und Fensterbildung. Das Ausgangssignal der Vorrichtung zur Sprachverbesserung ist eine verarbeitete Version des Eingangssignals mit einer Gesamtverzögerung von einem Rahmen, d.h. in dem vorliegenden Beispiel von 10 ms.
3 zeigt ein Blockschaltbild der adaptiven Filterung im Frequenzbereich, die einen Größenblock 7, einen Hintergrundpegel-Aktualisierungsblock 8 eine Rauschabstandsblock 9, einen Filteraktualisierungsblock 10 und Verarbeitungsmittel 11 umfasst. Die folgenden Operationen werden darin auf jede Frequenzkomponente k des Spektrums S[k] angewendet. Erst wird im Größenblock 7 die absolute Größe |S[k]| berechnet mit Hilfe der Beziehung |S[k]| = [(R{S[k]})2 + (I{S[k]})2]½ wobei R{S[k]} und I{S[k]} der reelle bzw. der imaginäre Teil des Spektrums sind mit in dem vorliegenden Beispiel 0 ≤ k < 129. Danach nutzt der Hintergrundpegel-Aktualisierungsblock die Eingangsgröße |S[k]| dazu, die vorhergesagte Hintergrundgröße B[k] für den aktuellen Rahmen zu berechnen.
Ein Rauschabstand (SNR) wird berechnet mit Hilfe der Beziehung SNR[k] = |S[k]|/B[k]und vom Filteraktualisierungsblock 10 verwendet, um die Filtergröße F[k] zu berechnen. Schließlich wird die Filterung mit Hilfe der folgenden Formeln durchgeführt: Rb{Sb[k]} = R{S[k]}·F[k] und Ib{Sb[k]} = I{S[k]}·F[k].
Es wird angenommen, dass der Gesamtphasenbeitrag des Hintergrundrauschens gleichmäßig über den reellen und den imaginären Teil des Spektrums verteilt ist, so dass eine lokale Reduzierung der Amplitude im Frequenzbereich auch die hinzugefügte Phaseninformationen reduziert. Es kann jedoch darüber gestritten werden, ob es ausreicht, lediglich das Amplitudenspektrum zu ändern und nicht den Phasenbeitrag des Hintergrundsignals zu verändern. Bestünde der Hintergrund nur aus einem periodischen Signal, wäre es einfach, seine Amplitude und Phasenkomponenten zu messen und ein synthetisches Signal mit der gleichen Periodizität und Amplitude, jedoch mit einer um 180° gedrehten Phase, hinzuzufügen. Da der Phasenbeitrag eines verrauschten Signals während des Analyseintervalls nicht konstant ist und nur der Rauschabstand gemessen wird, ist es lediglich möglich, die Energie des Eingangssignals mit einem getrennten Faktor für jeden Frequenzbereich zu unterdrücken. Dadurch würde normalerweise nicht nur die Hintergrundenergie sondern auch die Energie des Sprachsignals unterdrückt. Die für die Hörbarkeit wichtigen Elemente des Sprachsignals besitzen jedoch normalerweise einen größeren Rauschabstand als andere Bereiche, so dass das vorliegende Verfahren in der Praxis ausreicht.
4 zeigt den Hintergrundpegel-Aktualisierungsblock 8 im Detail. Der Block 8 umfasst die Verarbeitungsmittel 12–16, die Komparatormittel 17 mit den Komparatoren 18 und 19 und eine Speichereinheit 20.
Der Hintergrundpegel wird in den folgenden Schritten aktualisiert:

– Erst wird über die Speichereinheit 20 und die Verarbeitungsmittel 14 der vorherige Wert des Hintergrundpegels B_-1[k] um einen Faktor U[k] erhöht, wodurch sich B'[k] ergibt.
– Dann wird das Ergebnis mit einem Wert B''[k] verglichen, der eine skalierte Kombination des erhöhten Hintergrundpegels B'[k] und des aktuellen absoluten Eingangspegels |S[k]| ist, der über die Verarbeitungsmittel 12, 13, 15 und 16 erlangt wird. Mit Hilfe des Komparators 18 wird der kleinere Wert als Kandidat für den Hintergrundpegel B'''[k] gewählt.
– Schließlich wird mit Hilfe des Komparators 19 der Hintergrundpegel B'''[k] durch den kleinsten zulässigen Hintergrundpegel B_min eingeschränkt, woraus sich der neue Hintergrundpegel ergibt. Dieser ist auch das Ausgangssignal des Hintergrundpegel-Aktualisierungsblocks 8.

Somit kann die berechnete Hintergrundgröße durch die folgende Beziehung dargestellt werden: B[k] = max{min{B'[k], B''[k]}, Bmin},mit B_min als kleinstem zulässigen Hintergrundpegel, während B'[k] = B-1[k]·U[k] und B''[k] = (B'[k]·D[k]) + (|S[k]|·C·(1 – D[k])), wobei U[k] und D[k] frequenzabhängige Skalierfaktoren sind und C eine Konstante ist.
Bei dem vorliegenden Ausführungsbeispiel ist der Eingangsskalierfaktor C auf 4 eingestellt. B_min ist auf 64 eingestellt. Die Skalierfunktionen U[k] und D[k] sind für jeden Rahmen konstant und hängen nur von dem Frequenzindex k ab. Diese Funktionen sind folgendermaßen definiert: U[k] = a + k/b und D[k] = c – k/d,wobei a auf 1,002, b auf 16384, c auf 0,97 und d auf 1024 eingestellt werden kann.
5 zeigt den Filteraktualisierungsblock 10 im Detail. Der Block 10 umfasst die Verarbeitungsmittel 21–27, die Komparatormittel 28 mit den Komparatoren 29 und 30 und eine Speichereinheit 31.
Der Block 10 umfasst zwei Stufen: eine für die Anpassung des internen Filterwertes F'[k] und einen für die Skalierung und das Kappen der Spitzen des Ausgangsfilterwertes. Die Anpassung des internen Filterwertes F'[k] erfolgt durch die Erhöhung des nach unten skalierten internen Filterwertes des vorherigen Rahmens um eine vom Eingangs- und Filterpegel abhängige Sprunggröße gemäß den folgenden Beziehungen: F''[k] = F'-1[k]·E, δ[k] = (1 – F''[k])·SNR[k] und F'[k] = F''[k] wenn δ[k] ≤ 1 oder sonst F'[k] = F''[k] + G·δ[k],wobei E auf 0,9375 und G auf 0,0416 eingestellt werden können.
Die Skalierung und das Kappen der Spitzen des Ausgangsfilterwertes erfolgt mit Hilfe von F[k] = max{min{H·F'[k, 1}, Fmin},wobei H auf 1,5 und F_min auf 0,2 eingestellt werden können.
Der Grund für die zusätzliche Skalierung und das Kappen der Spitzen des Ausgangsfilterwertes besteht darin, dass ein Filter benötigt wird, der eine Bandpasskennlinie für spektrale Bereiche mit erheblich höherer Energie als der Hintergrund aufweist.
6 zeigt eine Darstellung des Ausgangssignals der Hintergrundpegel- und Filteraktualisierungsblöcke für einen Rahmen eines Sprachsegments, das mit Hintergrundrauschen kontaminiert ist.
Die Vorrichtung zur Sprachverbesserung mit einem separaten Hintergrundrauschen-Subtrahierer (engl. background noise subtractor, BNS) wie oben beschrieben kann in dem Codierer eines Sprachcodiersystems, insbesondere eines P²CM-Codiersystems, eingesetzt werden. Der Codierer des genannten P²CM-Codiersystems umfasst einen Vorprozessor und einen ADPCM-Codierer. Der Vorprozessor verändert das Signalspektrum des Eingangs-Audiosignals vor der Codierung, insbesondere durch die Verzerrung der Amplitude (engl. amplitude warping), wie es beispielsweise von R. Lefebre und C. Laflamme in „Spectral Amplitude Warping (SAW) for Noise Spectrum Shaping in Audio Coding", erschienen 1997 in ICASSP, Band 1, auf den Seiten 335–338 beschrieben wird. Da eine derartige Verzerrung der Amplitude im Frequenzbereich durchgeführt wird, kann die Reduzierung des Hintergrundrauschens in den Vorprozessor integriert werden. Nach der Zeit- Frequenz-Transformation werden die Reduzierung des Hintergrundrauschens und die Verzerrung der Amplitude nacheinander durchgeführt, wonach die Frequenz-Zeit-Transformation erfolgt. In diesem Fall wird das Eingangssignal der Vorrichtung zur Sprachverbesserung durch das Eingangssignal des Vorprozessors gebildet. In dem Vorprozessor wird dieses Eingangssignal derart verändert, dass eine Reduzierung des Rauschens in dem resultierenden Signal erzielt wird, so dass die Verzerrung an den rauschreduzierten Signalen durchgeführt wird. Das in Reaktion auf das genannte Eingangssignal erzielte Ausgangssignal des Vorprozessors bildet eine verzögerte Version des Eingangsrahmens und wird dem ADPCM-Codierer zugeführt. Diese Verzögerung, in dem vorliegenden Beispiel 10 ms, ist im Wesentlichen auf die interne Verarbeitung des BNS zurückzuführen. Ein weiteres Eingangssignal für den ADPCM-Codierer wird durch ein Codec-Modussignal gebildet, das die Bitzuordnung für die Codewörter im Bitstromausgang des ADPCM-Codierers bestimmt. Der ADPCM-Codierer erzeugt ein Codewort für jeden Abtastwert in dem vorverarbeiteten Signalrahmen. Die Codewörter werden dann in Rahmen von in dem vorliegenden Beispiel 80 Codes gepackt. In Abhängigkeit von dem ausgewählten Codec-Modus hat der resultierende Bitstrom eine Übertragungsgeschwindigkeit von beispielsweise 11,2, 12,8, 16, 21,6, 24 oder 32 KBit/s.
Das oben beschriebene Ausführungsbeispiel wird durch einen Algorithmus ausgeführt, der die Form eines Computerprogramms haben kann, das auf Signalverarbeitungsmitteln in einem P²CM-Audiocodierer laufen kann. Insoweit ein Teil der Figuren Einheiten zur Durchführung bestimmter programmierbarer Funktionen zeigt, müssen diese Einheiten als untergeordnete Teile des Computerprogramms angesehen werden.
Die beschriebene Erfindung ist nicht auf die beschriebenen Ausführungsformen beschränkt. Es sind Abwandlungen möglich. Es ist insbesondere anzumerken, dass die Werte von a, b, c, d, E, G und H nur als Beispiele gegeben sind; es sind auch andere Werte möglich.
Text in den Figuren
2

Sample

Abtastwert

Frame

Rahmen

Input frame

Eingangsrahmen

Input window

Eingangsfenster

Output window

Ausgangsfenster

Product of both windows

Produkt der beiden Fenster

Output frame

Ausgangsrahmen

5

Speech + noise

Sprache + Rauschen

Background – level

Hintergrundpegel

Magnitude spectrum

Größenspektrum

Filter magnitude

Filtergröße

Frequency

Frequenz

Claims

Vorrichtung zur Sprachverbesserung für die Reduzierung von Hintergrundrauschen, die Folgendes umfasst: – eine Zeit-Frequenz-Transformationseinheit (2) zum Transformieren von Rahmen von Abtastwerten von Audiosignalen im Zeitbereich in den Frequenzbereich, – Mittel zum Reduzieren von Hintergrundrauschen (3) für die Durchführung einer Rauschminderung im Frequenzbereich, und – eine Frequenz-Zeit-Transformationseinheit (4) zum Transformieren von Audiosignalen mit vermindertem Rauschem vom Frequenzbereich in den Zeitbereich, wobei die Mittel zum Reduzieren von Hintergrundrauschen (3) Folgendes umfassen: einen Hintergrundpegel-Aktualisierungsblock (8), der für jede Frequenzkomponente k in einem aktuellen Rahmen der Audiosignale eine vorhergesagte Hintergrundgröße B[k] in Reaktion auf eine gemessene Eingangsgröße S[k] von der Zeit-Frequenz-Transformationseinheit (2) und in Reaktion auf eine vorher berechnete Hintergrundgröße B_-1[k] berechnet; einen Rauschabstandsblock (9), der für jede der genannten Frequenzkomponenten den Rauschabstand SNR[k] in Reaktion auf die vorhergesagte Hintergrundgröße B[k] und in Reaktion auf die genannte gemessene Eingangsgröße S[k] berechnet; und einen Filteraktualisierungsblock (10), der für jede der genannten Frequenzkomponenten die Filtergröße F[k] für die genannte gemessene Eingangsgröße S[k] in Reaktion auf den Rauschabstand SNR[k] berechnet, dadurch gekennzeichnet, dass der Hintergrundpegel-Aktualisierungsblock (8) Folgendes umfasst: eine Speichereinheit (20) um die vorher berechnete Hintergrundgröße B_-1[k] zu erhalten, Verarbeitungsmittel (12–16) und Komparatormittel (17) zur Aktualisierung der vorher vorhergesagten Hintergrundgröße entsprechend der Beziehung: B[k] = max{min{B'[k], B''[k]},Bmin},mit B_min als dem kleinsten zulässigen Hintergrundpegel, während B'[k] = B-1[k]·U[k] und B''[k] = (B'[k]·D[k]) +(|S[k]|·C·(1 – D[k])) wobei U[k] und D[k] frequenzabhängige Skalierfaktoren sind und C eine Konstante ist.
Vorrichtung zur Sprachverbesserung nach Anspruch 1, dadurch gekennzeichnet, dass U[k] = a + k/b.
Vorrichtung zur Sprachverbesserung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass D[k] = c – k/d.
Vorrichtung zur Sprachverbesserung nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der Rauschabstandsblock (9) Mittel zum Berechnen des Rauschabstands SNR[k] in Reaktion auf die vorhergesagte Hintergrundgröße B[k] und auf die gemessene Eingangsgröße S[k] entsprechend der Beziehung SNR[k] = |S[k]|/B[k]umfasst.
Vorrichtung zur Sprachverbesserung nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass der Filteraktualisierungsblock (10) Folgendes umfasst: erste Mittel zum Berechnen eines internen Filterwertes F'[k] und zweite Mittel, um davon die Filtergröße für die gemessene Eingangsgröße abzuleiten, wobei die ersten Mittel eine Speichereinheit (31) zum Erhalten einer vorher berechneten internen Filtergröße F_-1[k] und Verarbeitungsmittel (21–23, 25–27) zum Aktualisieren der vorher berechneten interen Filtergröße umfassen.
Vorrichtung zur Sprachverbesserung nach Anspruch 5, dadurch gekennzeichnet, dass die zweiten Mittel Komparatormittel (28) umfassen zum Skalieren und Kappen der Spitzen der Filtergröße entsprechend der Beziehung F[k] = max{min{H·F'[k], 1}, Fmin},wobei H eine Konstante, F_min ein kleinster Filterwert und F'[k] der interne Filterwert ist.
Sprachcodierer für ein Sprachcodiersystem, insbesondere für ein P²CM-Audiocodiersystem, der mit einer Vorrichtung zur Sprachverbesserung nach einem der vorherigen Ansprüche ausgestattet ist.
Sprachcodiersystem, insbesondere ein P²CM-Audiocodiersystem, das mit einem Spracheodierer mit einer Vorrichtung zur Sprachverbesserung nach einem der vorherigen Ansprüche 1 bis 6 ausgestattet ist.
P²CM-Audiocodiersystem mit einem P²CM-Codierer, der einen Vorprozessor mit Mitteln zum Verzerren der spektralen Amplitude und einen ADPCM-Codierer umfasst, dadurch gekennzeichnet, dass der Vorprozessor mit einer Vorrichtung zur Sprachverbesserung nach einem der Ansprüche 1 bis 6 ausgestattet ist, wobei die Vorrichtung zur Sprachverbesserung über Mittel zum Reduzieren des Hintergrundrauschens (3) verfügt, die in den Mitteln zum Verzerren der spektralen Amplitude des Vorprozessors integriert sind.