EP0110467B2 - Anordnung zur Erkennung von Sprachpausen - Google Patents

Anordnung zur Erkennung von Sprachpausen Download PDF

Info

Publication number
EP0110467B2
EP0110467B2 EP83201638A EP83201638A EP0110467B2 EP 0110467 B2 EP0110467 B2 EP 0110467B2 EP 83201638 A EP83201638 A EP 83201638A EP 83201638 A EP83201638 A EP 83201638A EP 0110467 B2 EP0110467 B2 EP 0110467B2
Authority
EP
European Patent Office
Prior art keywords
value
short
estimate
arrangement
time mean
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP83201638A
Other languages
English (en)
French (fr)
Other versions
EP0110467A1 (de
EP0110467B1 (de
Inventor
Bernd Dipl.-Ing. Selbach
Peter Dr. Ing. Vary
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Philips Kommunikations Industrie AG
Koninklijke Philips NV
Original Assignee
Philips Kommunikations Industrie AG
Philips Gloeilampenfabrieken NV
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=6178780&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=EP0110467(B2) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Philips Kommunikations Industrie AG, Philips Gloeilampenfabrieken NV, Koninklijke Philips Electronics NV filed Critical Philips Kommunikations Industrie AG
Publication of EP0110467A1 publication Critical patent/EP0110467A1/de
Application granted granted Critical
Publication of EP0110467B1 publication Critical patent/EP0110467B1/de
Publication of EP0110467B2 publication Critical patent/EP0110467B2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/87—Detection of discrete points within a voice signal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
    • G10L2025/786—Adaptive threshold

Definitions

  • the invention relates to an arrangement for recognizing speech pauses in a speech signal, according to the preamble of patent claim 1.
  • Such arrangements are e.g. the prerequisite for the suppression of interference signals when calling from an acoustically disturbed environment.
  • characteristic parameters of the interference signal are measured and used to filter out the interference as completely as possible from the signal to be transmitted using adaptive filters.
  • a circuit arrangement for recognizing speech pauses in a speech signal in which a short-term mean value is determined at certain clock instants of a clock.
  • the circuit arrangement known therefrom has a fixed threshold and two adaptively tracked thresholds, the sign of the respective slope in the speech signal being used in tracking the thresholds.
  • the adaptive noise thresholds are changed by constant amounts, so that these are not determined as a function of own values at previous clock instants.
  • Such a circuit arrangement is preferably used for the recognition of speech pauses in a speech signal, on which only weak interference signals are superimposed.
  • this pause detection does not take into account that e.g. unvoiced sounds lead to a drop in performance in the speech signal and the relevant speech sections are therefore incorrectly regarded as speech pauses. Such mistakes in the known arrangement occur all the more, the more the speech signal is overlaid with interference signals.
  • the arrangement is also intended to enable speech pause recognition even if the average noise level changes only slowly.
  • kTo samples x (k) are obtained from the disturbed speech signal applied to a terminal E by an analog-to-digital converter A / D at sampling times, k representing a natural number and IlT o the sampling frequency.
  • the samples are passed on to an averager M.
  • the averager M generates a so-called short-term mean value at all clock instants T (n) with the time interval mT o from the amounts of m consecutive samples.
  • n 1, 2, 3, ... etc.
  • the arithmetic mean of the amounts of the sampled values is used as the mean value, since the effort involved in the building block is less than e.g. to form the quadratic mean.
  • Each short-term mean value G (n) is approximately a measure of the average power of the disturbed speech signal over a period of approximately 100 ms. This specification and the sampling frequency also determine the number m of samples which are required to determine one of the short-term mean values G (n). E.g. the disturbed speech signal sampled at 10 kHz, m must be about 1000.
  • Each of the quantities G (1), G (2) ... thus results from approximately a thousand consecutive samples.
  • the unit GL of FIG. 1 smoothes the sequence of the short-term mean values G (n). More about the purpose and manner of smoothing is given below.
  • the block PA 1 from the short-term mean values an estimated value P (n) for the average noise power, ie for the average power of the interference signal. More details about the estimate P (n) are also given below.
  • a comparator V in FIG. 1 compares a threshold S dependent on the estimated value P (n) with the smoothed short-term mean values GG (n). If the smoothed short-term mean value GG (n) is less than the threshold S, a signal is forwarded to a unit EN. If, for example, the unit EN has received such a signal at two successive clock instants T (n-1) and T (n), it can in turn detect the presence of a speech pause by means of its own signal at terminal A.
  • the diagram a) of Fig. 2 shows a possible output signal AM of the averager M, i.e. a possible sequence of the short-term mean values G (1), G (2) ...
  • the output signal AM is standardized so that its absolute maximum assumes the value 1.
  • the entered amplitude thresholds are the estimated value P (n) (lower threshold, shown in broken lines) and the threshold S (upper threshold, solid).
  • Diagram b) schematically shows the associated speech signal S with its true pauses P. If a pause determination were made due to the fact that the upper amplitude threshold was undershot in diagram a) - this pause determination is shown in diagram c) - a large number of incorrect decisions would result, as a comparison of diagrams b) and c) shows. A shift of the upper threshold downward would lead to the fact that the performance drops in diagram c), which are not based on language breaks, would not be displayed either, but the statement about the length of the breaks would then be significantly falsified.
  • a smoothing of the output signal AM is provided before the decision to pause, either with the aid of a linear digital filter, through which three short-term mean values G (n), G (n -1) and G (n - 2) a value GG (n) of the smoothed signal is obtained, or using a median filter.
  • FIG. 3 shows how the output signal of the mean value generator M looks after smoothing with a linear digital filter.
  • diagram b) the true speech sections and the real pauses of the speech signal are in turn plotted, and diagram c) shows the speech sections and speech pauses as they result analogously to diagram c) in FIG. 1. Due to the linear smoothing, the number of wrong decisions has decreased considerably, as the comparison of FIGS. 2 and 3 shows. Even with smoothing with a median filter, the number of incorrect decisions is reduced, as can be seen from diagram c) in FIG. 4.
  • a further measure, not to misinterpret shorter drops in performance in the disturbed speech signal as pauses, is e.g. a drop in performance can only be regarded as a speech pause when the upper amplitude threshold is fallen below twice in FIG. 2, 3 or 4.
  • the amplitude thresholds shown in FIGS. 2, 3 and 4 are - as already indicated above - determined by the unit PA in FIG. 1, namely that the estimated value P (n) of the noise power is initially determined for each time T (n).
  • This variable is intended to be an approximate measure of the average power of the interference signal, the averaging time being of the order of one second.
  • the arrangement according to the invention still delivers good results even if the above-mentioned average power of the interference signal changes only slowly , ie if it is to be regarded as stationary in time intervals of the size, one or two seconds.
  • the estimated value P (n) is a linear combination of the previous estimated value (P (n-1) and the short-term mean value G (n) according to the equation redefined.
  • the value of the constant a appearing in this equation is between zero and one.
  • a threshold D in terms of amount. For example, if K is the inequality in succession is satisfied, this fact is considered to be a longer speech pause and the new estimated value P (n) is determined according to the equation given above.
  • the threshold D is proportional to the cure time average value G (n) is selected in order to arrive at the same statements if, for example, the levels of all signals were doubled.
  • the proportionality factor y and the number K are to be determined experimentally so that as few incorrect decisions as possible are made by the arrangement. Typical values are
  • the constant c is to be chosen so that the estimation value reaches the modulation limit in one to two seconds with unimpeded enlargement. If, on the other hand, the already existing estimated value P (n-1) lies above the current short-term mean value G (n), the new estimated value P (n) is lowered compared to the existing one, specifically according to the equation which represents the new estimated value as a linear combination of the previous estimated value and the current short-term mean value G (n). Values around 0.5 have proven to be favorable for the constant ⁇ .
  • the threshold S which is used for the pause decision, is proportional to the estimated value P (n).
  • the relationship S 1.1 P (n) is typical of the relationship between the threshold S and the estimated value P (n).

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Noise Elimination (AREA)
  • Analogue/Digital Conversion (AREA)
  • Telephone Function (AREA)

Description

  • Die Erfindung betrifft eine Anordnung zur Erkennung von Sprachpausen in einem Sprachsignal, gemäß dem Oberbegriff des Patentanspruchs 1.
  • Derartige Anordnungen sind z.B. die Voraussetzung für die Unterdrückung von Störsignalen beim Telefonieren aus akustisch gestörter Umgebung. Während der Sprachpause werden charakteristische Parameter des Störsignales gemessen und dazu verwendet, die Störungen vor der Übertragung möglichst vollständig aus dem zu übertragenden Signal mit adaptiven Filtern herauszufiltem.
  • Aus der US-A-4,357,491 ist eine Schaltungsanordnung zur Erkennung von Sprachpausen in einem Sprachsignal bekannt, bei welcher ein Kurzzeitmittelwert zu bestimmten Taktzeitpunkten eines Taktes bestimmt wird. Die daraus bekannte Schaltungsanordnung weist eine feste Schwelle und zwei adaptiv nachgeführte Schwellen auf, wobei bei der Nachführung der Schwellen das Vorzeichen der jeweiligen Steigung im Sprachsignal ausgenutzt wird. Die adaptiven Rauschschwellen werden um konstante Beträge verändert, so daß diese nicht in Abhängigkeit von eigenen Werten zu vorangegangenen Taktzeitpunkten bestimmt werden. Vorzugsweise wird eine solche Schaltungsanordnung zur Erkennung von Sprachpausen in einem Sprachsignal verwendet, welchem nur schwache Störsignale überlagert sind.
  • Aus der DE-A-26 23 025 ist ein Verfahren zur Analyse eines Signals bekannt, bei dem der Schätzwert der Kanalsignal-Kurzzeitleistung sowohl mit zwei konstanten Schwellwertpegeln ptm und ptl als auch mit dem um die Zeitdauer At verzögerten Schätzwert selbst verglichen wird.
  • Eine Anregung zur adaptiven Nachführung einer Rauschschwelle istder DE-OS 26 23 025 nicht zu entnehmen.
  • Aus der DE-B-2 455 477 Spalte 10 ist eine Anordnung in analoger Technik zur Erkennung von Sprachpausen bekannt, der folgende Wirkungsweise zugrunde liegt : Das Sprachsignal wird in gleich lange Abschnitte zerlegt und für jeden Abschnitt wird durch Gleichrichtung und Mittelwertbildung ein Spannungswert gewonnen, der zur mittleren Lautstärke des Abschnittes proportional ist. Schließlich wird durch Mittelwertbildung über mehrere Sprachabschnitte ein weiterer Spannungswert bestimmt, der zur mittleren Gesprächslautstärke proportional ist. Durch einen Vergleich der beiden Mittelwerte wird entschieden, ob ein Abschnitt einer Sprachpause angehört oder nicht.
  • Bei dieser Pausenerkennung ist unter anderem nicht berücksichtigt, daß z.B. stimmlose Laute zu einem Leistungseinbruch im Sprachsignal führen und die betreffenden Sprachabschnitte deshalb fälschlicherweise als Sprachpausen angesehen werden. Derartige Fehlentscheidungen treten bei der bekannten Anordnung um so häufiger auf, je stärker das Sprachsignal von Störsignalen überlagert ist.
  • Es ist deshalb Aufgabe der Erfindung, eine Anordnung zur Erkennung der Pausen in einem gestörten Sprachsignal anzugeben, bei der Fehlentscheidungen im oben erläuterten Sinne vermieden werden. Die Anordnung soll darüberhinaus eine Sprachpausenerkennung auch dann ermöglichen, wenn sich die mittlere Geräuschleistung nur langsam verändert.
  • Diese Aufgabe wird durch die im Kennzeichen des Anspruches 1 angegebenen Merkmale gelöst. Vorteilhafte Ausgestaltungen geben die Unteransprüche an.
  • Anhand der Figuren soll die Erfindung näher erläutert werden.
  • Es zeigt :
    • Figur 1 ein Blockschaltbild der erfindungsgemäßen Anordnung
    • Figur 2, 3 und 4 Diagramme zur Erläuterung der Wirkungsweise der erfindungsgemäßen Anordnung
  • Im Blockschaltbild nach Fig. 1 werden aus dem an einer Klemme E angelegten, gestörten Sprachsignal durch einen Analog-Digital-Umsetzer A/D zu Abtastzeitpunkten kTo Abtastwerte x(k) gewonnen, wobei k eine natürliche Zahl und IlTo die Abtastfrequenz darstellt. Die Abtastwerte werden an einen Mittelwertbildner M weitergegeben.
  • Der Mittelwertbildner M erzeugt zu allen Takzeitpunkten T(n) mit dem zeitlichen Abstand mTo aus den Beträgen von m aufeinanderfolgenden Abtastwerten einen sogenannten Kurzzeitmittelwert.
    Figure imgb0001
    n = 1, 2, 3,... usw.
  • Als Mittelwert ist das arithmetische Mittel aus den Beträgen der Abtastwerte verwendet, da zu dessen Bestimmung der Bausteineaufwand geringer ist als z.B. zur Bildung des quadratischen Mittels. Jeder Kurzzeitmittelwert G(n) ist näherungsweise ein Maß für die mittlere Leistung des gestörten Sprachsignales über einen Zeitraum von etwa 100 ms. Durch diese Angabe und durch die Abtastfrequenz ist auch die Zahl m der Abtastwerte festgelegt, die zur Bestimmung eines der Kurzzeitmittelwerte G(n) erforderlich sind. Wird z.B. das gestörte Sprachsignal mit 10 kHz abgetastet, so muß m etwa 1000 betragen. Jede der Größen G(1), G(2)... ergibt sich also aus etwa tausend aufeinanderfolgenden Abtastwerten.
  • Die Einheit GL der Fig. 1 führt eine Glättung der Folge der Kurzzeitmittelwerte G(n) durch. Näheres über den Zweck und die Art und Weise der Glättung wird weiter unten angegeben.
  • Parallel zur Glättung wird durch den Block PA der Fig. 1 aus den Kurzzeitmittelwerten ein Schätzwert P(n) für die mittlere Geräuschleistung, d.h. für die mittlere Leistung des Störsignales bestimmt. Genaueres über den Schätzwert P(n) wird ebenfalls weiter unten ausgeführt. Ein VergleicherV in Fig. 1 vergleicht eine vom Schätzwert P(n) abhängige Schwelle S mit den geglätteten Kurzzeitmittelwerten GG(n). Ist der geglättete Kurzzeitmittelwert GG(n) kleiner als die Schwelle S, wird ein Signal an eine Einheit EN weitergeleitet. Hat die Einheit EN z.B. zu zwei aufeinanderfolgenden Taktzeitpunkten T(n - 1) und T(n) ein derartiges Signal erhalten, so läßt sie ihrerseits durch ein eigenes Signal an einer Klemme A das Vorliegen einer Sprachpause erkennen.
  • Das Diagramm a) der Fig. 2 zeigt ein mögliches Ausgangssignal AM des Mittelwertbildners M, d.h. eine mögliche Folge der Kurzzeitmittelwerte G(1), G(2)... In dem Diagramm a) ist das Ausgangssignal AM so normiert, daß sein absolutes Maximum den Wert 1 annimmt. Bei den eingetragenen Amplitudenschwellen handelt es sich um den Schätzwert P(n) (untere Schwelle, unterbrochen gezeichnet) und die Schwelle S (obere Schwelle, durchgezogen). Im Diagramm b) ist schematisch das zugehörige Sprachsignal S mit seinen wahren Pausen P abgebildet. Würde eine Pausen bestimmung aufgrund der Unterschreitung der oberen Amplitudenschwelle im Diagramm a) - diese Pausenbestimmung ist im Diagramm c) abgebildet- vorgenommen werden, so würde sich eine Vielzahl von Fehlentscheidungen ergeben, wie ein Vergleich der Diagramme b) und c) zeigt. Eine Verschiebung der oberen Schwelle nach unten würde zwar dazu führen, daß die im Diagramm c) enthaltenen Leistungseinbrüche, die nicht auf Sprachpausen beruhen, auch nicht angezeigt würden, jedoch würde dann die Aussage über die Pausenlängen erheblich verfälscht werden.
  • Daher ist bei der erfindungsgemäßen Anordnung vor der Entscheidung auf Pause eine Glättung des Ausgangsignales AM vorgesehen, und zwar entweder mit Hilfe eines linearen Digitalfilters, durch das aus drei aufeinander folgenden Kurzzeitmittelwerten G(n), G(n -1) und G(n - 2) ein Wert GG(n) des geglätteten Signales erhalten wird, oder mit Hilfe eines Median-Filters.
  • Bei der linearen Filterung hat sich ein Filter mit den Koeffizienten 1/4, 1/2 und 1/4 als günstig erwiesen.
  • Bei der Medianfilterung werden z.B. fünf aufeinanderfolgende Kurzzeitmittelwerte G(n)... G(n - 4) der Größe nach geordnet und dann der mittlere Wert als Ausgangswert GG(n) des Filters ausgelesen. Wie das Ausgangssignal des Mittelwertbildners M nach der Glättung mit einem linearen Digitalfilter aussieht, ist dem Diagramm a) der Fig. 3 zu entnehmen. Im Diagramm b) sind wiederum schematisch die wahren Sprachabschnitte und die wahren Pausen des Sprachsignales aufgetragen, und das Diagramm c) zeigt die Sprachabschnitte und Sprachpausen wie sie sich analog zum Diagramm c) in Fig. 1 ergeben. Durch die lineare Glättung ist die Zahl der Fehlentscheidungen erheblich zurückgegangen, wie der Vergleich von Fig. 2 und Fig. 3 zeigt. Auch bei Glättung mit einem Median-Filter verringert sich - wie dem Diagramm c) der Fig. 4 zu entnehmen ist- die Zahl der Fehlentscheidungen.
  • Eine weitere Maßnahme, kürzere Leistungseinbrüche im gestörten Sprachsignal nicht als Pausen zu mißdeuten, besteht darin, z.B. einen Leistungseinbruch erst bei zweimaligem Unterschreiten der oberen Amplitudenschwelle in der Fig. 2, 3 oder 4 als Sprachpause anzusehen.
  • Die in der Fig. 2, 3 und 4 eingezeichneten Amplitudenschwellen werden - wie oben schon angedeutet - von der Einheit PA in Fig. 1 ermittelt, und zwar wird zunächst für jeden Zeitpunkt T(n) der Schätzwert P(n) der Geräuschleistung bestimmt. Diese Größe soll ein ungefähres Maß für die mittlere Leistung des Störsignales sein, wobei die Mittelungszeit in der Größenordnung einer Sekunde liegt.
  • Weil der Schätzwert P(n) der Geräuschleistung während längerer Sprachpausen - auf deren Erkennung wird weiter unten eingegangen - auf einen aktuellen Wert gebracht wird, liefert die erfindungsgemäße Anordnung auch dann noch gute Ergebnisse, wenn sich die oben erwähnte mittlere Leistung des Störsignales nur langsam verändert, d.h., wenn sie in Zeitintervallen der Größe ein bis zwei Sekunden als stationär anzusehen ist.
  • Fällt der Zeitpunkt T(n) in eine längere Sprachpause, so wird der Schätzwert P(n) als Linearkombination aus dem vorangegangenen Schätzwert (P(n - 1) und dem Kurzzeitmittelwert G(n) nach der Gleichung
    Figure imgb0002
    neu bestimmt. Der Wert der in dieser Gleichung auftretenden Konstante a liegt zwischen Null und Eins. Ein typischer Wert für a ist 0,5. Liegt keine längere Sprachpause vor, so wird der vorangegangene Schätzwert beibehalten, d.h. es wird P(n) = P (n - 1) gesetzt. Zu Beginn der Pausenerkennung wird der Schätzwert zu Null gewählt.
  • Um die längeren Sprachpausen zu erkennen, wird laufend geprüft, ob die Differenz zweier aufeinanderfolgender Kurzzeitmittelwerte betragsmäßig unter eine Schwelle D fällt. Ist z.B. K mal nacheinander die Ungleichung
    Figure imgb0003
    erfüllt, so wird dieser Umstand als Vorliegen einer längeren Sprachpause gewertet und der neue Schätzwert P(n) nach der oben angegebenen Gleichung bestimmt. Die Schwelle D ist proportional zum Kurzzeitmittelwert G(n) gewählt, um zu gleichen Aussagen zu gelangen, wenn z.B. die Pegel aller Signale verdoppelt würden. Der Proportionalitätsfaktor y und die Anzahl Ksind experimentell so zu bestimmen, daß durch die Anordnung möglichst wenige Fehlentscheidungen gefällt werden. Typische Werte sind
    Figure imgb0004
  • Ein anderer Weg, einen möglichst guten Schätzwert P(n) für eine langsam veränderliche Geräuschleistung zu erhalten, besteht darin, zu jedem Taktzeitpunkt T(n) eine Vergrößerung des schon vorhandenen Schätzwertes P(n - 1) um einen festen Betrag c vorzunehmen, wenn der Schätzwert P(n - 1) kleiner als der Kurzzeitmittelwert G(n) ist. Jedes Mal also, wenn die Ungleichung P(n - 1) < G(n) erfüllt ist, wird P(n) = P(n - 1) + c gesetzt.
  • Die Konstante c ist so zu wählen, daß der Schätzwert bei ungehinderter Vergrößerung in ein bis zwei Sekunden die Aussteuerungsgrenze erreicht hat. Liegt andererseits der schon vorhandene Schätzwert P(n - 1) über dem augenblicklichen Kurzzeitmittelwert G(n), so wird der neue Schätzwert P(n) gegenüber dem vorhandenen erniedrigt, und zwar gemäß der Gleichung
    Figure imgb0005
    die den neuen Schätzwert als Linearkombination des vorangegangenen Schätzwertes und des augenblicklichen Kurzzeitmittelwertes G(n) darstellt. Werte um 0,5 haben sich für die Konstante β als günstig erwiesen.
  • Die Schwelle S, die zur Pausenentscheidung herangezogen wird, ist proportional zum Schätzwert P(n). Typisch für den Zusammenhang zwischen der Schwelle S und dem Schätzwert P(n) ist die Gleichung S = 1,1 P(n).

Claims (8)

1. Anordnung zur Erkennung von Sprachpausen in einem Sprachsignal, das von Störsignalen überlagert sein kann, und bei welcher zu jedem Taktzeitpunkt T(n) eines Taktes durch einen Mittelwertbildner (M) ein Kurzzeitmittelwert G(n) bestimmt wird, der ein Mittel der Beträge oder Betragsquadrate aller Abtastwerte des gestörten Sprachsignals darstellt, die zwischen den Taktzeitpunkten T(n - 1) und T(n) liegen, wodurch ein Schätzwert P(n) der Geräuschleistung ermittelt werden kann, welcher sich als Funktion des Kurzzeitmittelwertes G(n) ergibt, dadurch gekennzeichnet, daß die Periodendauer des Taktes etwa 100 ms beträgt, daß durch einen Block (PA) ein Schätzwert P(n) der Geräuschleistung ermitteltwird, der sich als Funktion des Kurzzeitmittelwertes G(n) und des Schätzwertes P(n - 1) zum vorangegangenen Taktzeitpunkt ergibt, daß durch eine Einheit (GL) ein geglätteter Kurzzeitmittelwert GG(n) gewonnen wird, der sich aus dem momentanen Kurzzeitmittelwert G(n) sowie aus vorangegangenen Kurzzeitmittelwerten ergibt, daß zu jedem Taktzeitpunkt T(n) von einem Vergleicher (V) geprüft wird, ob der geglättete Kurzzeitmittelwert GG(n) unter eine vom Schätzwert P(n) abhängige erste Schwelle (S) fällt und daß, wenn diese Bedingung einmal oder mehrmals lückenlos nacheinander erfüllt wurde, ein Signal für das Vorliegen einer Sprachpause abgegeben wird.
2. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß als Kurzzeitmittelwert G(n) das arithmetische Mittel aus den Beträgen der Abtastwerte verwendet wird.
3. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß der Schätzwert P(n) nur dann nach der Gleichung
Figure imgb0006
mit a als einer ersten Konstanten bestimmt wird, wenn die Differenz der Kurzzeitmittelwerte G(n)-G(n-1) betragsmäßig unter einer zweiten Schwelle (D) liegt und dieser Fall lückenlos für eine Anzahl K vorangegangener Taktzeitpunkte eingetreten ist, und daß anderenfalls der Schätzwert P(n) gleich dem vorangegangenen Schätzwert P(n -1) gesetzt wird.
4. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß der Schätzwert P(n) nur dann nach der Gleichung
Figure imgb0007
mit c als einer zweiten Konstanten bestimmt wird, wenn die Ungleichung
Figure imgb0008
erfüllt ist, und daß anderenfalls der Schätzwert P(n) mit einer dritten Konstanten β zu
Figure imgb0009
gewählt wird.
5. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß die erste Schwelle (S) proportional zum Schätzwert P(n) gewählt wird.
6. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß die für die Glättung vorgesehene Einheit (GL) drei Kurzzeitmittelwerte G(n), G(n - 1) und G(n-2) nach der Formel
Figure imgb0010
glättet, wobei die Konstanten co, C1' Cz alle größer oder gleich Null sind und ihre Summe den Wert Eins hat.
7. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß die für die Glättung vorgesehene Einheit (GL) als Median-Filter ausgebildet ist.
8. Anordnung nach Anspruch 3, dadurch gekennzeichnet, daß die zweite Schwelle (D) proportional zum Kurzzeitmittelwert G(n) gewählt wird.
EP83201638A 1982-11-23 1983-11-17 Anordnung zur Erkennung von Sprachpausen Expired - Lifetime EP0110467B2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19823243231 DE3243231A1 (de) 1982-11-23 1982-11-23 Verfahren zur erkennung von sprachpausen
DE3243231 1982-11-23

Publications (3)

Publication Number Publication Date
EP0110467A1 EP0110467A1 (de) 1984-06-13
EP0110467B1 EP0110467B1 (de) 1987-08-12
EP0110467B2 true EP0110467B2 (de) 1991-06-19

Family

ID=6178780

Family Applications (1)

Application Number Title Priority Date Filing Date
EP83201638A Expired - Lifetime EP0110467B2 (de) 1982-11-23 1983-11-17 Anordnung zur Erkennung von Sprachpausen

Country Status (6)

Country Link
US (1) US4700394A (de)
EP (1) EP0110467B2 (de)
JP (1) JPS59105695A (de)
AU (1) AU561076B2 (de)
CA (1) CA1203627A (de)
DE (2) DE3243231A1 (de)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1160148B (it) * 1983-12-19 1987-03-04 Cselt Centro Studi Lab Telecom Dispositivo per la verifica del parlatore
EP0167364A1 (de) * 1984-07-06 1986-01-08 AT&T Corp. Sprachpausenbestimmung mit Teilbandkodierung
AU583871B2 (en) * 1984-12-31 1989-05-11 Itt Industries, Inc. Apparatus and method for automatic speech recognition
JPH0748695B2 (ja) * 1986-05-23 1995-05-24 株式会社日立製作所 音声符号化方式
DE3626862A1 (de) * 1986-08-08 1988-02-11 Philips Patentverwaltung Mehrstufige sender- antennenkoppeleinrichtung
DE3739681A1 (de) * 1987-11-24 1989-06-08 Philips Patentverwaltung Verfahren zum bestimmen von anfangs- und endpunkt isoliert gesprochener woerter in einem sprachsignal und anordnung zur durchfuehrung des verfahrens
FR2631147B1 (fr) * 1988-05-04 1991-02-08 Thomson Csf Procede et dispositif de detection de signaux vocaux
JP2573352B2 (ja) * 1989-04-10 1997-01-22 富士通株式会社 音声検出装置
US5305422A (en) * 1992-02-28 1994-04-19 Panasonic Technologies, Inc. Method for determining boundaries of isolated words within a speech signal
DE4220524A1 (de) * 1992-06-23 1992-10-22 Matzner Rolf Dipl Ing Verfahren und vorrichtung zur getrennten schaetzung der einzelleistungen zweier stochastischer prozesse aus der beobachtung des durch additive ueberlagerung entstandenen summenprozesses
US5459814A (en) * 1993-03-26 1995-10-17 Hughes Aircraft Company Voice activity detector for speech signals in variable background noise
DE4405723A1 (de) * 1994-02-23 1995-08-24 Daimler Benz Ag Verfahren zur Geräuschreduktion eines gestörten Sprachsignals
DE19730518C1 (de) * 1997-07-16 1999-02-11 Siemens Ag Verfahren und Einrichtung zum Erkennen einer Sprechpause
GB0103242D0 (en) * 2001-02-09 2001-03-28 Radioscape Ltd Method of analysing a compressed signal for the presence or absence of information content
DE10120231A1 (de) * 2001-04-19 2002-10-24 Deutsche Telekom Ag Verfahren und Anordnung zur einkanaligen Geräuschreduktion für gestörte Sprachsignale
JP4739219B2 (ja) * 2003-10-16 2011-08-03 エヌエックスピー ビー ヴィ 適応ノイズ下限トラッキングを伴う音声動作検出
US8543061B2 (en) 2011-05-03 2013-09-24 Suhami Associates Ltd Cellphone managed hearing eyeglasses
CN104658546B (zh) * 2013-11-19 2019-02-01 腾讯科技（深圳）有限公司 录音处理方法和装置
RU2691603C1 (ru) * 2018-08-22 2019-06-14 Акционерное общество "Концерн "Созвездие" Способ разделения речи и пауз путем анализа значений корреляционной функции помехи и смеси сигнала и помехи

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1044353B (it) * 1975-07-03 1980-03-20 Telettra Lab Telefon Metodo e dispositivo per il rico noscimento della presenza e.o assenza di segnale utile parola parlato su linee foniche canali fonici
US4052568A (en) * 1976-04-23 1977-10-04 Communications Satellite Corporation Digital voice switch
US4025721A (en) * 1976-05-04 1977-05-24 Biocommunications Research Corporation Method of and means for adaptively filtering near-stationary noise from speech
US4028496A (en) * 1976-08-17 1977-06-07 Bell Telephone Laboratories, Incorporated Digital speech detector
FR2451680A1 (fr) * 1979-03-12 1980-10-10 Soumagne Joel Discriminateur parole/silence pour interpolation de la parole
JPS56104399A (en) * 1980-01-23 1981-08-20 Hitachi Ltd Voice interval detection system
JPS56135898A (en) * 1980-03-26 1981-10-23 Sanyo Electric Co Voice recognition device
CA1147071A (en) * 1980-09-09 1983-05-24 Northern Telecom Limited Method of and apparatus for detecting speech in a voice channel signal
US4357491A (en) * 1980-09-16 1982-11-02 Northern Telecom Limited Method of and apparatus for detecting speech in a voice channel signal
JPS5852695A (ja) * 1981-09-25 1983-03-28 日産自動車株式会社 車両用音声検出装置
US4531228A (en) * 1981-10-20 1985-07-23 Nissan Motor Company, Limited Speech recognition system for an automotive vehicle

Also Published As

Publication number Publication date
AU2154583A (en) 1984-05-31
JPS59105695A (ja) 1984-06-19
EP0110467A1 (de) 1984-06-13
AU561076B2 (en) 1987-04-30
DE3373037D1 (en) 1987-09-17
DE3243231C2 (de) 1987-07-02
CA1203627A (en) 1986-04-22
US4700394A (en) 1987-10-13
DE3243231A1 (de) 1984-05-24
EP0110467B1 (de) 1987-08-12

Similar Documents

Publication Publication Date Title
EP0110467B2 (de) Anordnung zur Erkennung von Sprachpausen
EP0111947A1 (de) Anordnung zur Erkennung von Sprachpausen
DE3612347C2 (de)
DE19736669C1 (de) Verfahren und Vorrichtung zum Erfassen eines Anschlags in einem zeitdiskreten Audiosignal sowie Vorrichtung und Verfahren zum Codieren eines Audiosignals
EP1132045B1 (de) Signalauswerteverfahren zur Detektion von QRS-Komplexen in Elektrokardiogramm-Signalen
DE3012771C2 (de)
WO1998035715A1 (de) Verfahren für das schalten in die ein- oder ausatmungsphase bei der cpap-therapie
DE10223735B4 (de) Verfahren und Vorrichtung zum Ermitteln von Rhythmuseinheiten in einem Musikstück
DE4217265C2 (de) Verfahren zur Ermittlung von relevanten relativen Extremwerten eines störimpulsbeaufschlagten Signals
EP0584388A1 (de) Verfahren zum Erzeugen eines dem Atemzeitvolumen eines Patienten entsprechenden Signals
EP0560047B1 (de) Sicherheitseinrichtung für motorisch verschliessbare Öffnungen
WO2000010633A1 (de) Verfahren und vorrichtung für das schalten in die ein- oder ausatmungsphase bei der cpap-therapie
EP0775348B1 (de) Verfahren zur erkennung von signalen mittels fuzzy-klassifikation
EP1458216B1 (de) Vorrichtung und Verfahren zur Adaption von Hörgerätemikrofonen
DE19840872A1 (de) Verfahren zur probabilistischen Schätzung gestörter Meßwerte
DE3017623C2 (de) Sensor zur Verkehrserfassung von aus Analogsignalen bestehenden Nachrichtenströmen auf Fernmeldeleitungen
DE19854341A1 (de) Verfahren und Schaltungsanordnung zur Sprachpegelmessung in einem Sprachsignalverarbeitungssystem
DE19930458A1 (de) Tonruf-Frequenzbestimmungsvorrichtung und -verfahren
EP0203029B1 (de) Verfahren zum Erzeugen eines Auslösesignals in Abhängigkeit von der Grösse und der Dauer eines Überstromes
DE10244699B4 (de) Verfahren zur Bestimmung der Sprachaktivität
EP0161423B1 (de) Verfahren zur Erfassung der Grenzen von Signalen, die vor einem Hintergrundsignalgemisch auftreten
DE3137314A1 (de) Schaltungsanordnung fuer sprachgesteuerte freisprechgeraete
DE4315677C2 (de) Schaltungsanordnung zur Ermittlung der Grundfrequenz aus einem nicht bandbegrenzten, oberwellen- und störsignalhaltigen Signal, insbesondere zur Ermittlung der Stimmgrundfrequenz aus dem Stimm- und Sprechsignal
DE2608244C2 (de) Verfahren zur Analyse und Synthese des Differenzsignals bei Prädiktionsvocodern
DE3831047C2 (de)

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Designated state(s): BE DE FR GB IT SE

17P Request for examination filed

Effective date: 19840718

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): BE DE FR GB IT SE

REF Corresponds to:

Ref document number: 3373037

Country of ref document: DE

Date of ref document: 19870917

ITF It: translation for a ep patent filed

Owner name: ING. C. GREGORJ S.P.A.

ET Fr: translation filed
PLBI Opposition filed

Free format text: ORIGINAL CODE: 0009260

26 Opposition filed

Opponent name: SIEMENS AKTIENGESELLSCHAFT, BERLIN UND MUENCHEN

Effective date: 19880502

PLAB Opposition data, opponent's data or that of the opponent's representative modified

Free format text: ORIGINAL CODE: 0009299OPPO

R26 Opposition filed (corrected)

Opponent name: SIEMENS AKTIENGESELLSCHAFT, BERLIN UND MUENCHEN

Effective date: 19880809

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: BE

Payment date: 19891114

Year of fee payment: 7

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: FR

Payment date: 19891121

Year of fee payment: 7

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: SE

Payment date: 19891128

Year of fee payment: 7

ITTA It: last paid annual fee
PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 19891130

Year of fee payment: 7

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 19900125

Year of fee payment: 7

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Effective date: 19901117

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Effective date: 19901118

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: BE

Effective date: 19901130

PUAH Patent maintained in amended form

Free format text: ORIGINAL CODE: 0009272

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: PATENT MAINTAINED AS AMENDED

BERE Be: lapsed

Owner name: N.V. PHILIPS' GLOEILAMPENFABRIEKEN

Effective date: 19901130

27A Patent maintained in amended form

Effective date: 19910619

AK Designated contracting states

Kind code of ref document: B2

Designated state(s): BE DE FR GB IT SE

GBPC Gb: european patent ceased through non-payment of renewal fee
PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Effective date: 19910731

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Effective date: 19910801

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

EN3 Fr: translation not filed ** decision concerning opposition
EUG Se: european patent has lapsed

Ref document number: 83201638.0

Effective date: 19910705