DK2982136T3 - Fremgangsmåde til evaluering af et ønsket signal og høreindretning - Google Patents

Description

Beskrivelse [0001] Den foreliggende opfindelse angår en fremgangsmåde til estimeringen af et ønsket signal fra en høreindretning ved at opnå mindst to mikrofonsignaler fra et lydsignal, at opnå et residualsignal fra mikrofonsignalerne, hvor en del af mikrofonsignalerne er blokeret fra en forudbestemt retning og at filtrere mikrofonsignalerne med et filter, hvorved et estimat af det ønskede signal opnås. Desuden angår den foreliggende opfindelse en høreindretning med en tilsvarende mikrofonindretning, blokeringsindretning og et filter. Ved en høreindretning forstås her ethvert apparat, der kan bæres i eller på øret og som producerer en lydstimulering, især en høreapparat, et headset, hovedtelefoner og lignende.

[0002] Høreapparater er bærbare høreindretninger, der tjener til at forsyne hørehæmmede. For at imødekomme de mange individuelle behov tilvejebringes der forskellige typer høreapparater, såsom bag-øret-høreapparat (BTE), høreapparat med ekstern modtager (RIC: ’’receiver in the canal”) og i-øret-høreapparater (ITE), f.eks. også Concha-høreapparater eller kanal høreapparater (ITE, CIC). De høreapparater der er opført som eksempler, bæres på yderøret eller i øregangen. Derudover er der også mulighed for at levere høreapparater til implantation af implanterbare eller vibrotaktile hørehjælpemidler på markedet. Stimuleringen af den beskadigede hørelse foregår enten mekanisk eller elektrisk.

[0003] Høreapparater har i princippet som væsentlige komponenter en indgangstransducer, en forstærker og en udgangstransducer. Indgangstransduceren er som regel en lydmodtager, f.eks. en mikrofon og/eller en elektromagnetisk modtager f.eks. en induktionsspole. Udgangstransduceren er som regel realiseret som en elektroakustisk transducer, f.eks. en miniaturehøjttaler eller som en elektromekanisk transducer, f.eks. knogleledningsmodtager. Forstærkeren er normalt integreret i en signalbehandlingsenhed. Denne grundlæggende struktur er vist i Fig. 1 under anvendelse af eksemplet på et bag-øret-høreapparat. I et høreapparathus 1 til at bære bag øret er en eller flere mikrofoner 2 indbygget til at modtage lyden fra miljøet. En signalbehandlingsenhed 3 som også er integreret i høreapparathuset 1, bearbejder mikrofonsignalerne og forstærker dem. Udgangssignalet af signalbehandlingsenheden 3 transmitteres til en højttaler eller modtager 4, som udsender et akustisk signal. Lyden overføres eventuelt via et lydrør der er fastgjort med en otoplastik i øregangen, til trommehinden af bæreren af apparatet. Strømforsyningen af høreapparatet og især af signalbehandlingsenheden 3 udføres ved et ligeledes i høreapparathuset 1 integreret batteri 5.

[0004] En særlig udfordring ved brug af høreapparat eller en anden høreindret-ning er deres anvendelse i et såkaldt cafeteria-scenario. I dette tilfælde underholder bæreren af høreapparatet eller høreindretningen sig med en samtalepartner. Det akustiske miljø er desuden præget af andre talende personer såvel som af ikke-defineret baggrundsstøj. I et sådant scenario er det særligt vanskeligt at udtrække samtalepartnerens tale fra hele lydsignalet, dvs. at bestemme eller estimere det faktisk ønskede signal. Støjsignalet eller støj består som regel af baggrundsstøj og/eller forstyrrende talekomponenter eller interferenser.

[0005] For at realisere multikanalstøjreduktionsteknikker skal statistiske størrelser af anden orden af støjkomponenterne (især den spektrale effekttæthed PSD, Power Spectral Density) estimeres. Typisk estimeres disse komponenter under pauser i talen af den berørte. For kun at foretage pålidelige estimater under pauser i talen af den berørte, skal de forstyrrende komponenter være tilstrækkeligt stationære over tiden, således at det opnåede estimat er gyldigt, når den berørte taler igen er aktiv efter en vis pause. I virkeligheden er de interfererende signaler imidlertid ikke altid stationære. Derfor er effektive multikanal-støjreduktionsteknikker begrænsede i deres anvendelse, fordi de i scenarier af ikke-stationære signaler (f.eks. talelignende interferenser) næsten ikke kan udføres.

[0006] Estimat af størrelser af støj statistikken til multikanalstøjreduktionsteknikker er typisk baseret på såkaldt taleaktivitetsdetektion af den berørte (VAD ; Voice Activity Detection). Dette betyder, at et estimat af hele støj-PSD-matrixen kun er mulig i perioder, hvor den berørte taler er inaktiv. Hvis støj-PSD-matrixen kun kan estimeres under talepauser af den berørte, er det vigtigt, at PSD'en af støjkomponenterne ikke varierer meget over tid, dvs. støjsignalerne skal være tilstrækkeligt stationære (tidsmæssigt). Den væsentligste ulempe ved denne strategi er, at estimaterne af støj-PSD-matrixen, som kun kan opnås under talepauser af den berørte, ikke er pålidelige for signaler, der er (tidsmæssigt) meget ustationære (f.eks. talelignende interferens), fordi det ikke kan antages, at det opnåede esti-mat under et talepause stadig er gyldigt, efter at den berørte taler allerede er aktiv igen et stykke tid.

[0007] Fra EP 2 395 506 A1 kendes for eksempel er en fremgangsmåde og et lydsignalbehandlingssystem til at undertrykke interferens og støj i binaural mikrofonkonfigurationer. Ved fremgangsmåden bestemmes en kohærensstørrelse til estimering af en støj-PSD-matrix baseret på referencesignaler, for hvilke en del af de modtagne mikrofonsignaler fra en forudbestemt retning er blokeret af mikrofonkonfigurationen.

[0008] Formålet med den foreliggende opfindelse er derfor at tilvejebringe en fremgangsmåde til estimering af et nyttigt signal fra en høreindretning, som også kan anvendes ved tidsmæssigt ikke-stationære signaler, såsom tale. Derudover skal der tilvejebringes en tilsvarende høreindretning.

[0009] Ifølge opfindelsen opnås dette formål ved en fremgangsmåde til estimering af et ønsket signal fra en høreindretning ved • at opnå mindst to mikrofonsignaler hver fra et lydsignal, hvilke mikrofonsignalerne danner en mikrofonsignalvektor, • at opnå en referencesignalvektor fra mikrofonsignalvektoren, i hvilken re-ferencesignalvektor en del af mikrofonsignalerne er blokeret fra en forudbestemt retning og • at filtrere mikrofonsignalvektoren med et filter, hvorved et estimeret signal for et ønsket signal opnås, såvel • at bestemme en kohærensstørrelse fra referencesignalvektoren og mikrofonsignalvektoren, • at bestemme en effekttæthedsstørrelse fra kohærensstørrelsen og at parameteriser filteret på basis af effekttæthedstørrelsen.

[0010] Derudover tilvejebringer opfindelsen en høreindretning • en mikrofonindretning til at opnå mindst to mikrofonsignaler hver fra et lydsignal, hvilke mikrofonsignaler danner en mikrofonsignalvektor, • en blokeringsindretning til at opnå en referencesignalvektor fra mikrofon-signalvektoren, i hvilken referencesignalvektor en del af mikrofonsignalerne er blokeret fra en forudbestemt retning, og • et filter til at filtrere mikrofonsignalvektoren, hvorved et estimeret signal for det ønskede signal opnås, såvel som med en computerenhed til at bestemme en kohærensstørrelse fra referencesignalvek-toren og mikrofonsignalvektoren og til at bestemme en effekttæthedsstørrelse fra kohærensstørrelsen og såvel til at parametrisere filteret på basis af effekttæt-hedsstørrelsen.

[0011] Referencesignalvektoren kan også være endimensional, dvs. består af et enkelt referencesignal. Som regel vil det imidlertid bestå af flere referencesignaler.

[0012] På fordelagtig måde kan der altså bestemmes en effekttæthedsstørrelse, og især en effekttæthedsmatrix, af restsignalet (dvs. støjkomponenterne) ud fra referencesignalvektoren, dvs. ud fra dele af restsignalet af en kohærensstørrelse, og især en kohærensmatrix. Med denne effekttæthedsstørrelse parametriseres filteret, således at en specifik ønsket signalkilde kan filtreres ud eller estimeres ud fra mikrofonsignalerne eller mikrofonsignalvektoren. Med det foreslåede koncept kan også spektrale effekttætheder af støjkomponenter for tidsmæssigt ikke-stationære signaler (fx tale) estimeres, således at multikanalstøjreduktionsteknikker kan anvendes eller realiseres i stort set ethvert scenario.

[0013] For at opnå referencesignalvektoren estimeres den forudbestemte retning af det ønskede signal fortrinsvis ud fra mikrofonsignalvektoren. Dette gør det muligt at skjule det ønskede signal fra hele indfaldsrummet af lyden.

[0014] Især er det fordelagtigt at anvende en retningsbestemt blindkildeseparati-onsalgoritme for at opnå referencesignalvektoren. En sådan blindkildeseparati-onsalgoritme har bevist sit værd ved at undertrykke støj, og den er meget effektfuld på grund af en tidligere udført kildeplacering.

[0015] For at opnå referencesignalvektoren kan i hvert tilfælde en ønsket signalkomponent af hvert mikrofonsignal tilpasses hinanden og efterfølgende subtraheres fra hinanden. Som et resultat heraf kan signalkanalerne (en kanal for hver en mikrofon eller et mikrofonsignal) effektivt befris for den berørte eller den ønskede signalkomponent. Derved er det særligt fordelagtigt, hvis de ønskede signalkomponenter tilpasses hinanden både i form af forsinkelse og i forhold til deres spektre. Således kan de ønskede signalkomponenter næsten fjernes fuldstændigt fra signalkanalerne.

[0016] For at bestemme effekttætheden og især effekttæthedsmatrixen af (multikanal) restsignalvektoren kan der ud over anvendelse af kohærenstørrelsen også anvendes selve restsignalvektoren. Derved kan der tilvejebringes en styring på basis af effekttætheden for filteret på basis af kohærensstørrelsen og referencesignalvektoren.

[0017] Det ønskede signal kan især være et talesignal. På denne mådekan fremgangsmåden ifølge opfindelsen eller høreindretningen ifølge opfindelsen især anvendes til at øge taleforståeligheden.

[0018] Endvidere kan referencesignalvektoren omfatte talesignalkomponenter, som ikke er en del af det ønskede signal. Referencesignalvektoren indbefatter for eksempel talekomponenter af talere, der er forskellige fra den berørte taler.

[0019] De ovenfor beskrevne fremgangsmådefunktioner kan også implementeres i høreindretningens faciliteter, hvorved disse indretninger opnår den respektive funktionalitet.

[0020] Den foreliggende opfindelse vil blive yderligere forklaret under henvisning til de ledsagende tegninger, der viser:

Fig. 1 den grundlæggende struktur af en høreindretning ifølge den kendte teknik og

Fig. 2 et blokdiagram for estimering af et brugbart signal ifølge opfindelsen.

[0021] Udførelsesformerne der er beskrevet mere detaljeret nedenfor repræsenterer foretrukne udførelsesformer for den foreliggende opfindelse.

[0022] Det i Fig. 2 viste blokdiagram repræsenterer på den ene side en fremgangsmåde, som kan implementeres i en høreapparat ifølge Fig.1 eller i en anden høreindretning. På den anden side kan i Fig. 2 viste blokke repræsentere tilsvarende indretninger af en høreindretning.

[0023] Et eksempel på en høreindretning eller et eksempel på et høreapparat omfatter et sensor- eller mikrofonindretning med mindst to sensorer eller to mikrofoner M1, Mp. I det følgende tales der altid stedfortrædende om mikrofoner.

[0024] Hver mikrofon M1, Mp konverterer det respektive lydsignal til et tilsvarende mikrofonsignal. Lydsignalerne er komponenter i et lydfelt, hvilket for eksempel repræsenterer den akustiske situation for en høreapparatbærer. En sådan typisk situation ville være det for et "cafeteria-scenario", hvor høreapparatbæreren taler med en samtalepartner, en eller flere andre personer taler i baggrunden og anden baggrundsstøj er til stede. Men der kan også være en anden akustisk situation, hvor der foreligger ikke-stationær støj.

[0025] Mikrofonsignalerne som sammen danner en mikrofonsignalvektor x, behandles hver især yderligere i separate kanaler, dvs. i hver kanal behandles et mikrofonsignal. I Fig. 2 er denne multikanalsbehandling vist ved tykke pile. Mi-krofonsignalvektoren x tilføres til en kildelokaliseringsenhed LOC (lokaliseringskilde) i multikanalsystemet 10. Dette opnår positionsdata <t>q for en en kilde Sq fra mikrofonsignalvektoren x. Især bestemmes positionsinformationen for den ønskede signalkilde Sq i det tredimensionelt rum eller simpelthen kun som vinkel eller vinkel og afstand. Denne positionsinformation <t>q benyttes som grov referenceinformation til oprettelse af en blokeringsmatrix BM. Ved hjælp af blokeringsmatrixen BM blændes de komponenter, der stammer fra den ønskede signalkildes rumlige område, rumligt fra mikrofonsignalerne eller mikrofonsignalvek-toren x. En sådan blokeringsmatrix BM kan for eksempel være baseret på en retningsbestemt blindkildeseparationsalgoritme, som den er beskrevet i Y. Zheng, K. Reindl og W. Kellermann "BSS for improved interference estimation for blind speech signal extraction with two microphones," i IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP) Aruba, Dutch Antilles, december 2009. Det er imidlertid også muligt at anvende andre algoritmer til bestemmelse af blokeringsmatrixen BM.

[0026] Fra mikrofonsignalvektoren x opnås et multikanalreferencesignal eller en referencesignalvektor n ved anvendelse af blokeringsmatrixen BM. Hvis signalerne subtraheres for eksempel parvis i blokeringsmatrixen, kan antallet af signaler fra den multidimensionale referencesignalvektor n svare til halvdelen af antallet af mikrofonsignaler eller -kanaler. Med et ulige antal mikrofonsignaler afrundes fortrinsvis. Referencesignalvektoren er således sædvanligvis en multidimensional vektor af flere individuelle signaler.

[0027] Referencesignalvektoren n tilføres sammen med mikrofonsignalvektoren x, som består af de individuelle mikrofonsignaler, til en kohærensestimeringsenhed COH. Denne estimerer en kohærensmatrix r fra de to vektorer n og x. Kohærensmatrixen r tilføres til en PSD-estimeringsenhed PSD. PSD-estimerings-enheden estimerer fra kohærensmatrixen Γ og referencevektoren n en multidimensional effekttæthedsestimatstørrelse S som beskrevet for eksempel i I. McCowan og H. Bourlard, "Microphone array post-filter for diffuse noise field" i IEEE Int. Conf. Acoustics, Speech, Signal Processing (ICASSP), 2002, side 905-908 eller i K. Reindl., Y. Zheng, A. Schwarz, S. Meier, R. Maas, A. Sehr og W. Kellermann, "A stereophonic acoustic signal extraction scheme for noise and reverberant environments", Computer Speech and Language, 2012.

[0028] Et multikanalfilter FILT estimerer fra effekttæthedsestimatet S filterparametre. Disse anvendes i filteret FILT på mikrofonsignalerne eller på mikrofonsig-nalvektoren x, hvilket resulterer i det estimerede signal Sq for den bestemte ønskede kilde eller det ønskede signal.

[0029] Således kan frem for alt et estimat af en ikke-stationær statistisk størrelse af anden orden vedrørende en støjkomponent opnås ved hjælp af PSD, idet kohærensen af den tilsvarende støjkomponent anvendes. Derved kan især tale-komponenter for den berørte først ligestilles i alle kanaler (forsinkelseskompensation og spektral matching), således at næsten identiske talekomponenter for den berørte er indeholdt i de tilgængelige kanaler. Til denne tilnærmelse kan en retningsbestemt blindkildeseparationsalgoritme af den ovennævnte type anvendes. Fra de resulterende signaler kan, som beskrevet ovenfor i detalje, støjsig-nalkohærensmatrixen estimeres, hvilket igen anvendes til at estimere støj-PSD-matrixen S. Til at estimere det ønskede signal ifølge opfindelsen kræves der derfor ingen begrænsninger af de tidsmæssige signalkarakteristikker. I modsætning til kendte og typisk anvendte koncepter, der kun er anvendelige til tilstrækkeligt (tidsmæssigt) stationære støjsignaler, anvender den foreliggende opfindelse, at det respektive akustiske scenarie er rumligt stationært til at estimere støj-PSD-matrixen. Derved kan det antages, at det rumlige domæne for et hvilket som helst scenario er tilstrækkeligt stationært i modsætning til det tidsmæssige domæne. Dette skyldes, at ændringerne i kohærensfunktionen hovedsageligt afhænger af de rumlige egenskaber, dvs. af det geometriske arrangement af kilder og objekter i den akustiske scene. Ændringerne i kohærensfunktionen afhænger dog kun lidt af de tidsmæssige egenskaber af signalerne.

[0030] Sammenfattende betyder dette, at fremgangsmåden ifølge opfindelsen eller høreindretningen ifølge opfindelsen ikke er begrænset til specifikke scenarier, der vedrører tidsmæssig stationær støj. Følgelig udgør opfindelsens koncept kraftige multikanalstøjreduktionsteknikker til ethvert scenario, hvor støjundertrykkelse er nødvendig, kan anvendes eller realiseres. En væsentlig bestanddel af opfindelsen er derfor baseret på erkendelsen af at adskille estimeringen af rum lige kohærens af interferenssignalerne fra estimeringen af de tidsmæssige statistikstørrelser af den anden orden (PSD af støjkomponenterne). Derved kan rum-tid-kohærensmatrixerne også estimeres kontinuerligt for scenarier med (tidsmæssig) ustationære talesignaler.

[0031] I et konkret eksempel kan et multikanal-Wiener-filter bruges som filter. I princippet kan et enkeltkanalfilter imidlertid også anvendes. Sådan filtrering kan anvendes til eksempelvis støjundertrykkelse i et binauralt høreapparat.

[0032] PSD-støjestimatet sammen med multikanal-Wiener-filteret kan implementeres i forbindelse med en polyphase-filterbank, der typisk anvendes i høreapparater. Konceptet ifølge opfindelsen kan realiseres på basis af en SIR/SINR-for-stærkning (’’signal to interference ratio/signal to interference and noise ratio”). Derudover antages for eksempel en ideel blindkildeseparationsordning for beregningen, dvs. talekomponenterne for den berørte er omtrent ens i alle tilgængelige kanaler. Desuden kan en ideel blokbaseret taleaktivitetsdetektering (VAD) anvendes i det konkrete tilfælde for at estimere støjkohærensmatrixen.

[0033] I eksperimenter kunne det påvises, at muligvis flere interferens- eller talesignaler kan reduceres væsentligt (SIR mindst 10 dB). Selv om der var supplerende (diffus) baggrundssnak, kunne der opnås en SINR på 8 dB. Behandling af artefakter (forstyrrelse af de enkelte signaler) var derved ikke hørbar.

Claims (10)

1. Fremgangsmåde til estimering af et ønsket signal fra et høreapparat ved - at opnå mindst to mikrofonsignaler fra et respektivt lydsignal, hvilke mikrofonsignalerne danner en mikrofonsignalvektor (x), - at opnå en referencesignalvektor fra mikrofonsignalvektoren (x), i hvilken referencesignalvektor (x) en del af mikrofonsignalerne er blokeret fra en forudbestemt retning, og - at filtrere mikrofonsignalvektoren (x) med et filter (FILT), hvorved et estimeret signal (Sq) for et ønsket signal opnås, kendetegnet ved - at bestemme en kohærensstørrelse (Γ) fra referencesignalvektoren (n) og mikrofonsignalvektoren (x) - at bestemme en effekttæthedsstørrelse (S) fra kohærensstørrelsen (Γ) og - at parametrisere filteret (FILT) på basis af effekttæthedsstørrelsen (S).

2. Fremgangsmåden ifølge krav 1, hvorved den forskriftsmæssige retning af det ønskede signal estimeres fra mikrofonsignalvektoren (x) for at opnå referencesignalvektoren (n).

3. Fremgangsmåden ifølge krav 2, hvor referencesignalvektoren (n) opnås ved en retningsbestemt blindkildeadskillelsesalgoritme.

4. Fremgangsmåde ifølge et af de foregående krav, hvorved en respektiv ønsket signalkomponent af hvert mikrofonsignal tilpasses hinanden og derefter subtraheres fra hinanden for at opnå referencesignalvektoren (n).

5. Fremgangsmåden ifølge krav 4, hvor de ønskede signalkomponenter er tilpasset hinanden både med hensyn til forsinkelse og i forhold til deres spektre.

6. Fremgangsmåde ifølge et af de foregående krav, hvor kohærensstørrelsen (Γ) er en kohærensmatrix.

7. Fremgangsmåde ifølge et af de foregående krav, hvorved anvendelse af referencesignalvektoren (n) også anvendes til at bestemme effekttæthedsstørrelsen (S).

8. Fremgangsmåde ifølge et af de foregående krav, hvor det ønskede signal er et talesignal.

9. Fremgangsmåde ifølge et af de foregående krav, hvor referencesignalvektoren (n) omfatter talesignaldele, der ikke er en del af det ønskede signal.

10. Høreindretning der omfatter - en mikrofonindretning (M1,..., Mp) til at opnå mindst to mikrofonsignaler hver fra et lydsignal, hvilke mikrofonsignaler danner en mikrofonsignalvektor (x), - en blokeringsindretning til at opnå en referencesignalvektor (n) fra mikrofonsignalvektoren (x), i hvilken referencesignalvektor en del af mikrofonsignalerne er blokeret fra en forudbestemt retning, og - et filter (FILT) til at filtrere mikrofonsignalvektoren (x), hvorved et estimeret signal (Sq) for det ønskede signal opnås, kendetegnet ved - en computerenhed til at bestemme en kohærensstørrelse (Γ) fra referencesignalvektoren (n) og mikrofonsignalvektoren (x) og til at bestemme en effekttæthedsstørrelse (S) fra kohærensstørrelsen (Γ) og såvel til at parametrisere filteret (FILT) på basis af effekttæthedsstørrelsen (S).