-
Ausgangspunkt der Erfindung
-
1. Gebiet der Erfindung
-
Die
vorliegende Erfindung bezieht sich im Allgemeinen auf Spracherkennung.
Insbesondere bezieht sich die vorliegende Erfindung auf ein System
und ein Verfahren zum Segmentieren von Sprachsignalen zum Zwecke
der Spracherkennung.
-
II. Beschreibung der Technik
-
Mustererkennungstechniken
wurden weit verbreitet bei der Spracherkennung eingesetzt. Die Grundidee
bei der Technik ist der Vergleich des Eingangssprachmusters mit
einem Satz von Vorlagen, die jeweils ein voraufgezeichnetes Sprachmuster
in einem Vokabular repräsentieren.
Die Erkennung hat zur Folge, dass das Wort in dem Vokabular mit
der Vorlage assoziiert ist, das das ähnlichste Sprachmuster zu dem
des Eingangssprachmusters besitzt.
-
Für Menschen
ist es üblicherweise
nicht notwendig, das gesamte Detail in einer Äußerung (z.B. eines Worts) zu
hören,
um die Äußerung zu
erkennen. Diese Tatsache zeigt, dass es einige sprachinhärente natürliche Redundanzen
gibt. Viele Techniken wurden entwickelt zum Erkennen von Sprache,
welche sich solche Redundanzen zu Nutze machen. Zum Beispiel zeigt
das US-Patent Nr.
5,056,150 von Yu et al ein Echtzeitspracherkennungssystem, bei dem
ein nicht lineares Zeitnormalisierungsverfahren verwendet wird zum
Normalisieren eines Sprachmusters auf eine vorbestimmte Länge, in
dem nur Spektren mit signifikanten zeitdynamischen Attributen behalten
werden. Unter Verwendung dieses Verfahrens wird das Sprachmuster
erheblich komprimiert, obwohl es gelegentlich dasselbe Spektrum
wiederholt behält.
-
Eine
weitere Technik zur Spracherkennung verwendet eine Sequenz von akustischen
Segmenten, welche eine Sequenz von Spektralrahmen repräsentiert.
Diese Segmente sind die Grundspracheinheiten, auf denen Spracher kennung
basiert. Ein Vorgang zum Erzeugen der akustischen Segmente oder
für die
Durchführung
der Segmentierung ist das Suchen nach den wahrscheinlichsten Diskontinuitätspunkten
in der Spektralsequenz unter Verwendung eines dynamischen Programmierverfahrens.
Diese ausgewählten
Punkte werden als die Segmentgrenzen verwendet. Siehe J. Cohen „Segmenting
Speech Using Dynamic Programming", J.
Acoustic Soc. of America, Mai 1981, Band 69 (5), Seiten 1430–1437. Diese
Technik sowie die Technik des oben beschriebenen US-Patents Nr.
5,056,150 basiert auf dem Suchen von signifikanten zeitdynamischen
Attributen in dem Sprachmuster.
-
Eine
weitere Technik, die verwendet wird zum Segmentieren von Sprache,
basiert auf dem segmentierten K-Mittel Trainingvorgang (Segmental
K-means Training Procedure). Siehe L. R. Rabiner et al., „A Segmental
K-means Training Procedure for Connected Word Recognition", AT&T Technical Journal,
Mai/Juni 1986, Band 65 (3), Seiten 21–31. Unter Verwendung eines
iterativen Trainingsvorgangs wird eine Äußerung in Worte oder Subworteinheiten
segmentiert. Jede dieser Einheiten wird dann als eine Sprachvorlage
in einem Spracherkennungssystem verwendet. Der iterative Trainingsvorgang
erfordert viele Berechnungsschritte, so dass er nicht in Echtzeit
implementiert werden kann.
-
Diese
Probleme und Nachteile werden zu einem gewissen Grad in EP-A-0 831
455 adressiert, die ein computerisiertes Verfahren des Segmentierens
eines kontinuierlichen Signals beschreibt, um statistisch stationäre Einheiten
des Signals zu bestimmen. Das Signal wird zu periodischen Intervallen
abgetastet, um eine getimte bzw. zeitgesteuerte Sequenz von digitalen
Abtastungen bzw. Samples zu erzeugen. Eine feste Anzahl von benachbarten
Abtastungen wird in eine Vielzahl von nicht verbundenen Sätzen oder
Rahmen gruppiert. Ein statistischer Abstand zwischen benachbarten
Rahmen wird bestimmt. Ein benachbarter Satz wird in einen größeren Satz
von Proben oder Abtastungen oder Clustern zusammengeführt bzw.
vereint, wenn der statistische Abstand geringer ist als ein vorbestimmter
Schwellenwert. Bei einem interaktiven Prozess wird der statistische
Abstand zwischen den benachbar ten Sätzen bestimmt, und solange
der Abstand kleiner ist als der vorbestimmte Schwellenwert, werden
die Sätze
interaktiv zusammengeführt
bzw. vereint, um das Signal in statistisch stationäre Einheiten
zu segmentieren.
-
Die Erfindung
-
Gemäß einem
ersten Aspekt der Erfindung ist ein Verfahren zum Formen eines segmentierten
Sprachsignals in einem Spracherkennungssystem aus einem Eingangssprachsignal
mit einer Vielzahl von Rahmen gemäß Anspruch 1 vorgesehen.
-
Gemäß einem
zweiten Aspekt ist eine Vorrichtung zum Formen eines segmentierten
Sprachsignals gemäß Anspruch
14 vorgesehen.
-
Die
vorliegende Erfindung ist auf ein System und ein Verfahren zum Formen
eines segmentierten Sprachsignals aus einem Eingangssprachsignal
mit einer Vielzahl von Rahmen gerichtet. Das segmentierte Sprachsignal
sieht eine Vorlage vor, auf der eine Spracherkennung basiert. Zunächst wird
das Eingangssprachsignal zu einem Frequenzdomänensignal mit einer Vielzahl
von Sprachrahmen umgewandelt, wobei jeder Sprachrahmen des Frequenzdomänensignals
repräsentiert
wird durch wenigstens einen, aber üblicherweise mehrere Spektralwerte,
die mit dem Sprachrahmen assoziiert ist/sind. Die Spektralwerte
werden im Allgemeinen so ausgewählt,
dass sie den akustischen Gehalt des Sprachrahmens umgeben. Ein Spektraldifferenzwert
wird dann für
jedes Paar benachbarter Rahmen des Frequenzdomänensignals bestimmt. Der Spektraldifferenzwert
repräsentiert
eine Differenz zwischen den Spektralwerten für das Paar von benachbarten
Rahmen. Der Spektraldifferenzwert ist eine Anzeige der zeitdynamischen
Attribute zwischen den Rahmen. Eine anfängliche Clustergrenze wird
eingestellt zwischen jedem Paar von benachbarten Rahmen in dem Frequenzdomänensignal,
und ein Varianzsignal wird jedem Einrahmencluster in dem Frequenzdomänensignal
zugeordnet, wobei der Varianzwert für jedes Einrahmencluster gleich
dem entsprechenden Spektraldifferenzwert ist.
-
Als
nächstes
wird ein Cluster-Zusammenführ-
bzw. Vereinigungsparameter für
jedes Paar von benachbarten Clustern berechnet. Der Cluster-Vereinigungsparameter
wird berechnet, basierend auf den Spektraldifferenzwerten der benachbarten
Cluster. Ein minimaler Cluster-Vereinigungsparameter
wird ausgewählt aus
der Vielzahl von Cluster-Vereinigungsparametern.
Der minimale Vereinigungsparameter ist eine Anzeige für das unbedeutendste
zeitdynamische Attribut. Ein vereinigter Cluster wird dann gebildet
durch Auslöschen bzw.
Entfernen einer Clustergrenze zwischen den Clustern, die mit dem
minimalen Vereinigungsparameter assoziiert sind, und durch Zuordnen
bzw. Zuweisen eines vereinigten Varianzwertes an den vereinigten
Cluster, wobei der vereinigte Varianzwert eine Darstellung der Varianzwerte
ist, die den Clustern zugewiesen sind, die mit dem minimalen Vereinigungsparameter
assoziiert sind. Der Vorgang wird wiederholt um eine Vielzahl von vereinigten
Clustern zu bilden, und das segmentierte Sprachsignal wird gemäß der Vielzahl
von vereinigten Clustern gebildet.
-
Kurze Beschreibung
der Zeichnungen
-
Die
Merkmale, Ziele und Vorteile der vorliegenden Erfindung ergeben
sich noch deutlicher aus der detaillierten nachfolgenden Beschreibung
in Verbindung mit den Zeichnungen, in denen gleiche Bezugszeichen durchgehend
entsprechend verwendet werden; in den Zeichnungen zeigt:
-
1A und 1B ein
Flussdiagramm, das den Betrieb eines Verfahrens zum Umwandeln eines Zeitdomänen-Eingangssprachsignals
in ein segmentiertes Ausgangssprachsignal zeigt;
-
2 ein
Flussdiagramm, das den Betrieb eines Verfahrens zum Speichern bzw.
Sichern einer Vielzahl von Sprachvorlagen zeigt, wobei jede gespeicherte
bzw. gesicherte Sprachvorlage eine Darstellung einer bekannten Sprachäußerung ist;
-
3 ein
Flussdiagramm, das den Betrieb eines Verfahrens zum Erkennen einer Äußerung von
einem Eingangssprachsignal zeigt;
-
4 ein
Graph, der die Frequenzdomänensignale
und schlussendlichen Clustergrenzen zeigt, die mit der beispielhaften Äußerung assoziiert
sind, die gemäß der vorliegenden
Erfindung verarbeitet wurde;
-
5 ein
Graph, der die Varianzwerte zeigt, die mit jedem schlussendlich
vereinigten Cluster gemäß 4 assoziiert
sind;
-
6 ein
Hardwareblockdiagramm, das ein System zeigt zum Implementieren der
Sprachsignalsegmentierung und Erkennungssysteme gemäß den 1 bis 3.
-
Detaillierte
Beschreibung der bevorzugten Ausführungsbeispiele Gemäß den 1A und 1B ist ein
Flussdiagramm gezeigt, das den Betrieb eines Verfahrens 100 zum
Umwandeln eines Zeitdomäneneingangssprachsignals
in ein segmentiertes Ausgangssprachsignal zeigt. Wie nachfolgend
noch näher
beschrieben wird, umfasst das Verfahren 100 einen „Zeitcluster"-Algorithmus, der
nicht linear ein Sprachsignal segmentiert, um Speicheranforderungen
zu reduzieren und eine Spracherkennung zu erleichtern.
-
Anfänglich wird
im Schritt 102 ein Eingangszeitdomänensprachsignal, das eine „Äußerung" repräsentiert,
in eine Frequenzdomänen-Spektraldarstellung
umgewandelt, unter Verwendung eines bekannten Transformationsalgorithmus,
wie beispielsweise einer diskreter Fourier-Transformation (DFT =
discrete Fourier transform), einer Bandpassfilterbank, von linear
prädiktiven
Codier-(LPC = linear predictive coding)Koeffizienten, von Linienspektrumspaaren
(LSP = line spectrum pairs), oder Cepstral-Koeffizienten auf einer
Rahmenbasis. In einem bevorzugten Ausführungsbeispiel wird ein separates
Sequenzdomänenspektrum
erzeugt aus der Eingangssprachwellenform und zwar alle 10 msec unter
Verwendung eines 20 msec Zeitfensters. Somit besitzen die Fenster
eine 10 msc Überlappung.
Jedes Frequenzdomänenspektrum
(Si) entspricht einem Sprachrahmen (n) und
umfasst vorzugsweise wenigstens 6 diskrete Spektralwerte und bei
einem bevorzugten Ausführungsbeispiel
enthält
jedes Spektrum 13 Spektralwerte (d.h. i = 1 bis 13). Das
Frequenzdomänensprachsignal,
das durch den Schritt 102 ausgegeben wird, umfasst L- Sprachrahmen und
kann somit repräsentiert
werden durch den folgenden Ausdruck (1): Sn,i für i = 1 bis 13, n = 1 bis L (1)
-
Eine
graphische Darstellung eines Frequenzdomänensprachsignals, das 58 Rahmen
(L = 58) umfasst, ist in 4 dargestellt. Wie in 4 dargestellt
ist, kann jeder der 58 Rahmen in der Frequenzdomäne repräsentiert werden durch einen
Vektor von 13 Spektralwerten. Die Eingangssprachwellenform, die
zu der Frequenzdomäne
im Schritt 102 umgewandelt wird, ist vorzugsweise nur auf
den Teil des Zeitdomänensprachsignals
limitiert, der eine „Äußerung" umfasst (eine „Äußerung" ist z.B. ein einzelnes
Wort oder eine Phrase). Die Äußerung,
die durch den Graph in 4 repräsentiert wird, entspricht dem
Wort „Catherine".
-
Im
Schritt 104 wird ein Spektraldifferenzwert für jedes
Paar benachbarter Rahmen (n – 1,
n) in dem Frequenzdomänensignalausgang
des Schritts 102 berechnet. Der Spektraldifferenzwert für jedes
Paar benachbarter Rahmen (n – 1,
n) ist eine Darstellung einer Differenz zwischen den jeweiligen
Spektralwerten, die mit jedem Rahmen in dem Paar benachbarter Rahmen
assoziiert ist. Bei einer bevorzugten Ausführungsform, bei der die Bandpassfilterbank
verwendet wird zum Umwandeln der Eingangszeitdomänenwellenform zu der Frequenzdomäne (in Schritt 102)
kann der Spektraldifferenzwert für
jedes Paar benachbarter Rahmen (n – 1, n) repräsentiert
werden durch den folgenden Ausdruck (2):
-
-
Wenn
alternativ LPC-Koeffizienten verwendet wurden zum Umwandeln aus
der Zeitdomäne
in die Frequenzdomäne
im Schritt 102, dann würde
der Spektraldifferenzwert für
jedes Paar von benachbarten Rahmen (Dn-1,n)
der Itakura-Verzerrung zwischen dem Paar von Spektren entsprechen,
und wenn Cepstral-Koeffizienten oder eine diskrete Fourier-Transformation
verwendet wurden zum Umwandeln aus der Zeitdomäne zu der Frequenzdomäne im Schritt 102,
dann würde
der Spektraldifferenzwert für
jedes Paar von benachbarten Rahmen dem euklidischen Abstand zwischen
dem Paar von Spektren entsprechen.
-
Als
nächstes
wird im Schritt 106 eine anfängliche Clustergrenze (Bk) zwischen jedem Paar von benachbarten Rahmen
in dem Frequenzdomänensignalausgang
von dem Schritt 102 zugewiesen. Diese anfänglichen
Clustergrenzen sind in 4 dargestellt. Somit wird anfänglich der
Frequenzdomänensignalausgang aus
dem Schritt 102 in L-Cluster segmentiert, wobei jeder Cluster
einem der Rahmen aus dem Frequenzdomänensignalausgang im Schritt 102 entspricht.
Im Schritt 108 wird ein Zähler „c", der die derzeitige Anzahl von Clustern
in dem Frequenzdomänensignal
aufzeigt, auf L initialisiert (d.h. „c" wird auf die Anzahl von Rahmen in dem
Frequenzdomänensignalausgang
vom Schritt 102 initialisiert). Ferner wird im Schritt 110 ein
anfänglicher
Varianzwert (Vn) jedem Cluster in dem Frequenzdomänensignal
zugewiesen. Bei einem bevorzugten Ausführungsbeispiel entspricht der
anfängliche
Varianzwert, der jedem Cluster zugewiesen wird, dem Spektraldifferenzwert
(der im Schritt 104 berechnet wurde) und der mit dem Cluster
assoziiert ist. Der Varianzwert für jedes Cluster (n) kann somit
durch den folgenden Ausdruck (3) repräsentiert werden: Vn =
Dn-1,n n = 2, ..., L (3)
-
Im
Schritt 112 wird ein Clustervereinigungsparameter (CMP
= cluster merge parameter) für
jedes Paar von benachbarten Clustern in dem Frequenzdomänensignal
berechnet. Der Clustervereinigungsparameter, der jedem Paar von
benachbarten Clustern entspricht, ist eine Darstellung der kombinierten
Varianz, die sich ergeben würde,
wenn das Paar benachbarter Cluster vereinigt würde. Bei der bevorzugten Ausführungsform werden
die Clustervereini gungsparameter {CMPi} c / i = 2, gemäß der nachfolgenden Gleichung
(4) berechnet: CMPi = w1·Vi + w2·(Vi + Vi-1), i = 2,
3, ..., c, (4)wobei
w1 und w2 Gewichtungsfaktoren
sind, die von 0 bis 1 rangieren. Bei der bevorzugten Ausführungsform sind
w1 und w2 beide
gleich auf 0,5 gesetzt. Im Schritt 114 wird der Satz aus
CMP's, der im Schritt 112 berechnet
wurde, ausgewertet und das Cluster k, das den kleinsten CMP damit
assoziiert besitzt, wird gemäß der folgenden
Gleichung (5) ausgewählt: k = arg min i = 2 ... c CMPi (5)
-
Als
nächstes
wird in den Schritten 116 und 118 das Cluster
mit dem kleinsten CMP (d.h. das kte Cluster) „vereinigt" in das vorhergehende
benachbarte Cluster (d.h. das (k – 1)te Cluster)
durch Ändern
der (k – 1)te Clustergrenze zu der kte Clustergrenze
und Zuweisen einer neuen Varianz für das vereinigte Cluster Vmerge und zwar gemäß der folgenden Gleichungen
(6) und (7): B'k-1 =
Bk (6) Vmerge =
V'k-1 =
Vk-1 + Vk (7)
-
Im
Schritt 120 wird der Wert des Zählers „c" um 1 verringert und im Schritt 122 wird
der Wert des Zählers „c" mit einer gewünschten
Anzahl von Clustern verglichen. Die gewünschte Anzahl von Clustern
wird vorzugsweise eingestellt zum Erreichen eines festen Signalkompressionsniveaus.
Wenn somit der ursprüngliche Frequenzdomänensprachsignalausgang
aus dem Schritt 102 58 Rahmen besaß, und das Ziel des Verfahrens 100 darin
liegt ungefähr
ein 6:1 Kompressionsverhältnis
zu erreichen, dann würde
die gewünschte
Anzahl von Clustern, die im Schritt 122 verwendet wird,
auf 10 gesetzt (1/6 von 58). Die Schritte 112, 114, 116, 118 und 120 werden
wiederholt bis die gewünschte Anzahl
von Clustern erhalten wurde. Zum Beispiel wurde gemäß 4 die
gewünschte
Anzahl von Clustern auf 10 gesetzt, und die schlussendlichen Clustergrenzen
(B'k)
für diese
10 Cluster sind in 4 dargestellt. Die assoziierten
Varianzwerte sind in 5 dargestellt. Es sei erwähnt, dass
während
der Prozessschleife, die durch die Schritte 112, 114, 116, 118 und 120 dargestellt
ist, die Varianzwerte berechnet werden können durch Summieren von Varianzwerten,
die im Schritt 110 und in vorhergehenden Iterationen der
Prozessschleife bestimmt wurden, um dadurch die Berechnungsanforderungen
des Systems während
der Ausführung
der Prozessschleife zu optimieren bzw. zu verbessern.
-
Schlussendlich
wird im Schritt
124 ein repräsentatives Spektrum (S-REP
i) für
jedes schlussendliche Cluster bestimmt durch Berechnen des Durchschnitts
der Spektren (S
n,i) innerhalb jedes schlussendlichen Clusters
(das definiert wird durch die schlussendlichen Clustergrenzen (B'
k))
und zwar gemäß der nachfolgenden
Gleichung (8):
wobei N(i) die Anzahl von
Rahmen im Cluster i repräsentiert.
-
Alternativ
kann S rep / i geschätzt
werden durch ein Mitgliedsspektrum Sn,i,
das im euklidischen Raum bzw. Abstand am nächsten an S rep / i liegt. Bei der
bevorzugten Ausführungsform
werden die repräsentativen
Spektren {S rep / i} c / i = 1 welche den schlussendlichen Clustern entsprechen verkettet,
um eine ausgehende segmentierte Sprachdarstellung zu bilden, die
kompakter ist als der ursprüngliche
Frequenzdomänensignalausgang
aus dem Schritt 102.
-
In 2 ist
ein Flussdiagramm gezeigt, das den Betrieb eines Verfahrens 200 darstellt
zum Sichern bzw. Speichern einer Vielzahl von Sprachvorlagen, wobei
jede gespeicherte Sprachvorlage eine Darstellung einer Sprachäußerung ist,
die vor der Verarbeitung bekannt ist. Im Schritt 210 wird
ein Eingangszeitdomänensprachsignal
verarbeitet unter Verwendung bekannter Verfahren zum Detektieren
der Endpunkte einer Sprachäußerung.
Als nächstes
wird im Schritt 220 der Teil des Eingangssprachsignals,
der die Äußerung repräsentiert (d.h.
der Teil des Sprachsignals zwischen den Endpunkten, die im Schritt 210 detektiert
wurden) zu einer Frequenzdomänendarstellung
umgewandelt. Das Verfahren, das verwendet wird zum Umwandeln des
Eingangssprachsignals zu der Frequenzdomänendarstellung im Schritt 220,
ist im Wesentlichen dasselbe, das im oben beschriebenen Schritt 102 verwendet
wurde. Als nächstes
wird im Schritt 230 das Frequenzdomänensignal aus dem Schritt 220 zu
einem segmentierten Sprachsignal umgewandelt. Der Schritt 230 wird
im Wesentlichen gemäß den Schritten 106 bis 124,
die oben beschrieben wurden, durchgeführt. Schlussendlich wird im
Schritt 240, das segmentierte Sprachsignal, das der bekannten Äußerung entspricht
im Speicher gespeichert.
-
Eine
nützliche
Anwendung der vorliegenden Erfindung ist das Aufrufen von zuvor
gespeicherten Telefonnummern in einem Mobiltelefon. Die Sprachvorlage
einer bekannten Äußerung,
die dem Namen einer Person entspricht, kann durch ein Spracherkennungssystem
verwendet werden zum Aufrufen der gewünschten Telefonnummer. Wie
noch deutlicher nachfolgend in Verbindung mit der 3 erklärt wird,
können
die gespeicherten Sprachvorlagen dann als Teil eines Spracherkennungssystems
verwendet werden, um dem Bediener eines Mobiltelefons zu erlauben,
eine gespeicherte Telefonnummer aufzurufen, die mit einer bestimmten
Person assoziiert ist, und zwar einfach durch Aufsagen des Namens
der Person in das Mikrofon.
-
In 3 ist
ein Flussdiagramm gezeigt, das den Betrieb eines Verfahrens 300 zum
Erkennen einer Äußerung aus
einem Eingangssprachsignal darstellt. Im Schritt 310 wird
ein Eingangs-Zeitdomänensprachsignal
verarbeitet unter Verwendung bekannter Verfahren zum Detektieren
der Endpunkte einer Sprachäußerung,
die in dem Signal enthalten ist. Als nächstes wird im Schritt 320 der
Teil des Eingangssprachsignals, der die Äußerung repräsentiert (d.h. der Teil des
Sprachsignals zwischen den Endpunkten, die im Schritt 310 detektiert
wurden) zu der Frequenzdomäne
umgewandelt. Der Vorgang, der verwendet wird zum Umwandeln des Eingangssprachsignals
zu der Frequenzdomäne
im Schritt 320 ist im Wesentlichen derselbe, der in dem
oben beschriebenen Schritt 102 verwendet wurde. Als nächstes wird
im Schritt 330 das Frequenzdomänensignal aus dem Schritt 320 zu
einem segmentierten Sprachsignal umgewandelt. Der Schritt 330 wird
im Wesentlichen gemäß den Schritten 106 bis 124,
die oben beschrieben wurden, durchgeführt. Im Schritt 340 wird
das segmentierte Sprachsignal gegen Sprachvorlagen verglichen, die
zuvor im Speicher gespeichert wurden (und zwar gemäß dem Schritt 240).
Schlussendlich wird im Schritt 350 die Sprachvorlage, die
im euklidischen Raum am nächsten
an dem segmentierten Sprachsignal ist ausgewählt, und ein Signal, das mit
der ausgewählten Vorlage
assoziiert ist, wird ausgegeben.
-
Wie
in 6 dargestellt ist, kann das Verfahren 300 im
Kontext eines Mobiltelefons eingesetzt werden, um einem Bediener
zu erlauben, automatisch eine Telefonnummer, die in dem Telefonspeicher
gespeichert ist, aufzurufen. Bei diesem Beispiel äußert der
Bediener den Namen einer Person, die der Bediener anrufen will in
das Mikrofon 610 des Telefons (alternativ kann eine Sprachsignaldarstellung
des Bedieners über
die Antenne 612 zugeführt
werden). Die Äußerung wird
dann in ein segmentiertes Sprachsignal umgewandelt unter Verwendung
des Zeitclustersystems und Verfahrens der vorliegenden Erfindung,
und zwar in dem Mikroprozessor 630. Die Schritte 320 bis 350 werden
vorzugsweise in Software unter Verwendung des Mikroprozessors 630 implementiert.
Das segmentierte Sprachsignal wird dann durch den Mikroprozessor 630 mit
Sprachvorlagen verglichen, die in dem Speicher 640 des
Telefons gespeichert sind (wobei jede der gespeicherten Vorlagen dem
Namen einer Person entspricht, die mit einer Telefonnummer assoziiert
ist, die in dem Speicher 640 des Telefons gespeichert ist).
Die gespeicherte Vorlage, die am nächsten an dem segmentierten
Sprachsignal liegt, wird dann ausgewählt, und die Telefonnummer
(die auch in dem Speicher 640 des Telefons gespeichert
ist), die mit der ausgewählten
Vorlage assoziiert ist, wird dann aus dem Speicher 640 aufgerufen,
und dem Bediener auf der Anzeige 650 des Telefons gezeigt.
-
Die
vorhergehende Beschreibung der bevorzugten Ausführungsbeispiele ist vorgesehen,
um einem Fachmann die Durchführung
der vorliegenden Erfindung zu ermöglichen. Unterschiedliche Modifikationen
dieser Ausführungsformen
werden sich dem Fachmann rasch ergeben, und die allgemeinen Grundlagen,
die hier definiert werden, können
auch auf andere Ausführungsformen
ohne die Anwendung erfinderischer Tätigkeit angewendet werden.
Somit ist die vorliegende Erfindung nicht auf die dargestellten
Ausführungsbeispiele
begrenzt, die hier dargestellt sind, sondern ihnen sollte der breiteste
Umfang, der mit den Ansprüchen übereinstimmt,
zugewiesen werden.
