EP0490740A1 - Method and apparatus for pitch period determination of the speech signal in very low bitrate vocoders - Google Patents
Method and apparatus for pitch period determination of the speech signal in very low bitrate vocoders Download PDFInfo
- Publication number
- EP0490740A1 EP0490740A1 EP91403309A EP91403309A EP0490740A1 EP 0490740 A1 EP0490740 A1 EP 0490740A1 EP 91403309 A EP91403309 A EP 91403309A EP 91403309 A EP91403309 A EP 91403309A EP 0490740 A1 EP0490740 A1 EP 0490740A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- signal
- autocorrelation
- pitch
- values
- value
- 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.)
- Ceased
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 230000000717 retained effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000001934 delay Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G10L25/90—Pitch determination of speech signals
Definitions
- the present invention relates to a method and a device for evaluating the periodicity and the voicing of the speech signal in vocoders at very low bit rate.
- the speech signal is divided into frames of 20 and 30 ms so as to determine within them the periodicity still designated by "Pitch" in the English language, of the signal of speech.
- this period is not stable, and errors occur in the estimation of the "Pitch” and consequently of the voicing in these parts.
- the evaluation of the "pitch” is then strongly disturbed or even erroneous.
- the object of the invention is to overcome the aforementioned drawbacks.
- the subject of the invention is a method for evaluating the periodicity and the voicing of the speech signal in vocoders at very low bit rate, characterized in that it consists in carrying out a first processing consisting in cutting up after sampling. the signal in frames of fixed duration, to perform a first self-adaptive filtering of the sampled signal (Sn) obtained in each frame to limit the influence of the first forming, to perform a second filtering to keep only a minimum of harmonics of the fundamental frequency, and to compare the signal obtained with respect to two adaptive thresholds SfMin (n) and SfMax (n) respectively positive and negative and evolutionary as a function of time according to a predetermined law to retain only the signal portions which are respectively higher and lower than the two thresholds and to carry out a second processing on the signal Scc (n) obtained at the end of the first processing, consi being at calculate on a predetermined number of fundamental frequencies or "Pitch" M has the autocorrelation of the signal obtained at the end of the first processing from a determined sampling instant No and
- the invention consists in making, in a given frame, several "Pitch" estimates at regular intervals and in favoring successive estimates which have similar values, by giving a quality factor to each estimate.
- the quality factor has a maximum value when the signal is perfectly periodic and a lower value if its periodicity is less marked.
- the voicing is directly linked to the autocorrelation of the speech signal for a delay equal to the value of "Pitch" retained, for a sound voiced autocorrelation is maximum while it is weak for an unvoiced sound.
- the voicing indication is obtained by comparing the autocorrelation with thresholds after having performed time smoothing and hysteresis operations to avoid erroneous transitions from the voiced state to the unvoiced state or vice versa.
- the “Pitch” determination method comprises two main processing steps, a preprocessing step represented by the flow diagram of FIG. 1 and an autocorrelation calculation step, these two steps being able to be easily programmed on any processing processor of the known signal.
- the pretreatment step is broken down as shown in FIG. 1 into a self-adaptive filtering step 1 followed by a low-pass filtering step 2 and a "self-adaptive clipping step 3".
- the sampled speech signal is first whitened by a self-adaptive filter of order not too high, equal to 4 for example, so as to limit the influence of the first forming.
- S (n) represents the n th speech sample and A i (n) is the value of the i th coefficient
- the signal S b (n) is then applied in step 2 to the input of a low pass filter whose role is both to keep only a minimum of fundamental harmonics and to reduce the band of signal frequency to then perform subsampling in order to reduce the execution time of the autocorrelation calculations which are described below.
- the last preprocessing which is carried out in step 3 transforms the signal Sf (n) into a signal Scc (n) by a self-adaptive clipping method of the type still known under the designation "center clipping" in the English language. -Saxon. It has the effect of reinforcing the temporal differences of the filtered signal.
- step 3 In the case for example, where the signal Sf (n) contains very little fundamental at a frequency F o and a lot of harmonic 2, the waveform which is obtained at the end of step 3 is then close to d '' a sinusoid of frequency 2.F o presenting a slight distortion every two periods.
- This pretreatment of step 3 then has the effect of further reinforcing this distortion to make it easier to calculate the "Pitch" performed subsequently.
- This preprocessing consists, as shown in FIGS. 2A and 2B, of calculating two adaptive thresholds, SfMin (n) and SfMax (n), which change over time, so as to retain only the signal portions which are respectively lower and greater than these two thresholds.
- SfMin (n) E.SfMin (n-1)
- G represents a gain value which is preferably chosen constant to improve the calculation accuracy for the case where a signal processor working in fixed point is used.
- the following autocorrelation calculation step is carried out for each value M of the "Pitch" for a determined position Sampling no.
- the calculation takes place by means of a sub-sampling of a factor of 4 over a time range of 160 samples corresponding to a maximum value which can be accepted for the "pitch". It is obvious that the same principle can still apply for a different sampling order and for another different range.
- the calculation consists, as represented by steps 4 to 6 on the flow diagram of FIG. 3, of calculating three quantities Roo, RMM and ROM defined as follows, in which the sign ** denotes an increase in power.
- Roo Scc (No) ** 2 + Scc (No + 4) ** 2 + Scc (No + 8) ** 2 + ... + Scc (No + 160) ** 2
- the quantity Roo is calculated in step 4 only once, the quantity RMM is calculated entirely in step 5 only for certain values of M and by iteration for the others, and the ROM quantity is calculated, in full in step 5 for each value of M.
- RMM (M) RMM (M-4) + Scc (No-M) ** 2-Scc (No + 164-M) ** 2
- the continuation of the processing consists in keeping up to date a scoreboard associated with the different possible values for the "Pitch" M.
- the Pitch value M retained for the NO position is that corresponding to the maximum of the scoreboard, ScoreMax, located at the Imax index in this table.
- ScoreMax namely Score (Imax), Score (Imax + 1), Score (Imax + dI)
- the value retained for the Pitch is that which corresponds to Imax + [dI / 2], [dI / 2] being the integer value of the division dI by 2, as indicated in figure 4.
- the final value of the Pitch is that obtained at the last iteration, it being understood that there are between 2 and 4 iterations per frame.
- the Pitch value M which is thus obtained corresponds to the most likely periodicity of the speech signal centered around the position N o with a resolution of 1, 2 or 4 depending on the range where the value of M. is located. voicing is then calculated by performing an autocorrelation, normalized for a delay equal to M and possibly for neighboring values if the resolution is greater than 1, of the original speech signal S (n) and not on the pretreated signal Scc (n) as for the Pitch calculation.
- Roo S (N o ) ** 2 + S (N o +1) ** 2 + ... + S (N o +160) ** 2
- the signal S (n) is not undersampled.
- the quantity Roo does not depend on M and is calculated only once. It is possible to be satisfied with calculating RMM for the only nominal value of M, namely that provided by the Pitch calculation method described above and for values close to M to calculate RMM by iteration if necessary. However, the ROM quantity must be calculated for each of the values of M.
- Rf (P) [R m (P-1) + 2R m (P) + R m (P + 1)] / 4
- the quantity Rf (P) is compared as shown in FIG. 5 to two thresholds S V and S NV called respectively the voicing and non-voicing threshold such that the threshold S V is greater than the threshold S NV to obtain a binary indicator voicing IV as shown in Figure 5.
- these thresholds be adjustable to give a certain inertia to the decision which is not perceptible at hearing to avoid local errors in the appreciation of the voicing.
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)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
La présente invention concerne un procédé et un dispositif pour l'évaluation de la périodicité et du voisement du signal de parole dans les vocodeurs à très bas débit.The present invention relates to a method and a device for evaluating the periodicity and the voicing of the speech signal in vocoders at very low bit rate.
Dans les vocodeurs à bas débit connus, le signal de parole est découpé en trames de 20 et 30 ms de façon à déterminer à l'intérieur de celles-ci la périodicité encore désignée par "Pitch" dans le langage anglo-saxon, du signal de parole. Cependant lors des transitions cette période n'est pas stable, et des erreurs se produisent dans l'estimation du "Pitch" et par voie de conséquence du voisement dans ces parties-là. Par ailleurs, si le signal de parole est fortement bruité par du bruit ambiant, l'évaluation du "Pitch" est alors fortement perturbée voire même erronée.In known low bit rate vocoders, the speech signal is divided into frames of 20 and 30 ms so as to determine within them the periodicity still designated by "Pitch" in the English language, of the signal of speech. However during the transitions this period is not stable, and errors occur in the estimation of the "Pitch" and consequently of the voicing in these parts. Furthermore, if the speech signal is strongly noised by ambient noise, the evaluation of the "pitch" is then strongly disturbed or even erroneous.
Le but de l'invention est de pallier les inconvénients précités.The object of the invention is to overcome the aforementioned drawbacks.
A cet effet, l'invention a pour objet un procédé pour l'évaluation de la périodicité et du voisement du signal de parole dans les vocodeurs à très bas débit caractérisé en ce qu'il consiste à effectuer un premier traitement consistant à découper après échantillonnage le signal en trames de durée déterminée, à effectuer un premier filtrage auto-adaptatif du signal échantillonné (Sn) obtenu dans chaque trame pour limiter l'influence du premier formant, à effectuer un deuxième filtrage pour ne conserver qu'un minimum d'harmoniques de la fréquence fondamentale, et à comparer le signal obtenu par rapport à deux seuils adaptatifs SfMin(n) et SfMax(n) respectivement positif et négatif et évolutifs en fonction du temps suivant une loi prédéterminée pour ne retenir que les portions de signal qui sont respectivement supérieures et inférieures aux deux seuils et à effectuer un deuxième traitement sur le signal Scc(n) obtenu à la fin du premier traitement, consistant à calculer sur un nombre prédéterminé de fréquences fondamentales ou "Pitch" M possède l'autocorrélation du signal obtenu à la fin du premier traitement à partir d'un instant d'échantillonnage déterminée No et à retenir pour valeurs de "Pitch" M ou de fréquence fondamentale candidates celles en nombre égale à un nombre n prédéterminé qui correspondent à des maxima de l'autocorrélation et à consigner les valeurs correspondantes de l'autocorrélation dans un tableau de scores mis à jour à chaque nouvelle autocorrélation pour ne retenir comme valeur de "Pitch" que celle qui correspond à un score maximal.To this end, the subject of the invention is a method for evaluating the periodicity and the voicing of the speech signal in vocoders at very low bit rate, characterized in that it consists in carrying out a first processing consisting in cutting up after sampling. the signal in frames of fixed duration, to perform a first self-adaptive filtering of the sampled signal (Sn) obtained in each frame to limit the influence of the first forming, to perform a second filtering to keep only a minimum of harmonics of the fundamental frequency, and to compare the signal obtained with respect to two adaptive thresholds SfMin (n) and SfMax (n) respectively positive and negative and evolutionary as a function of time according to a predetermined law to retain only the signal portions which are respectively higher and lower than the two thresholds and to carry out a second processing on the signal Scc (n) obtained at the end of the first processing, consi being at calculate on a predetermined number of fundamental frequencies or "Pitch" M has the autocorrelation of the signal obtained at the end of the first processing from a determined sampling instant No and to be retained for values of "Pitch" M or frequency fundamental candidates those in number equal to a predetermined number n which correspond to maxima of the autocorrelation and to record the corresponding values of the autocorrelation in a scoreboard updated with each new autocorrelation so as not to retain as value of "Pitch "than that which corresponds to a maximum score.
D'autres caractéristiques et avantages de l'invention apparaîtront ci-après à l'aide de la description qui suit faite en regard des dessins annexés qui représentent :
- la figure 1 un organigramme figurant un prétraitement du signal de parole mis en oeuvre par l'invention ;
- la figure 2 des exemples d'évolution du signal filtré et du signal final obtenu en fin de la chaîne de prétraitement de la figure 1 ;
- la figure 3 un organigramme pour le calcul de K valeurs candidates pour la détermination du "Pitch" selon l'invention ;
- la figure 4 un diagramme pour illustrer un mode de détermination du "Pitch" à partir d'un tableau de coefficients représentants différentes valeurs possibles de "Pitch" ;
- la figure 5 un diagramme illustrant le fonctionnement d'un indicateur de voisement.
- Figure 1 a flowchart showing a preprocessing of the speech signal implemented by the invention;
- FIG. 2 of the examples of evolution of the filtered signal and of the final signal obtained at the end of the preprocessing chain of FIG. 1;
- FIG. 3 a flow diagram for the calculation of K candidate values for the determination of the "pitch" according to the invention;
- FIG. 4 a diagram to illustrate a mode of determining the "Pitch" from a table of coefficients representing different possible values of "Pitch";
- FIG. 5 is a diagram illustrating the operation of a voicing indicator.
Dans son principe l'invention consiste à faire, dans une trame donnée, plusieurs estimations du "Pitch" à intervalles réguliers et à favoriser les estimations successives qui ont des valeurs voisines, en donnant un facteur de qualité à chaque estimation. Le facteur de qualité possède une valeur maximale lorsque le signal est parfaitement périodique et une valeur plus faible si sa périodicité est moins marquée. Comme le voisement est directement lié à l'autocorrélation du signal de parole pour un retard égale à la valeur du "Pitch" retenue, pour un son voisé l'autocorrélation est maximale alors qu'elle est faible pour un son non voisé. L'indication de voisement est obtenue en comparant l'autocorrélation à des seuils après avoir effectué des opérations de lissage temporel et d'hystérésis pour éviter des transitions erronés de l'état voisé à l'état non voisé ou vice-versa.In principle, the invention consists in making, in a given frame, several "Pitch" estimates at regular intervals and in favoring successive estimates which have similar values, by giving a quality factor to each estimate. The quality factor has a maximum value when the signal is perfectly periodic and a lower value if its periodicity is less marked. As the voicing is directly linked to the autocorrelation of the speech signal for a delay equal to the value of "Pitch" retained, for a sound voiced autocorrelation is maximum while it is weak for an unvoiced sound. The voicing indication is obtained by comparing the autocorrelation with thresholds after having performed time smoothing and hysteresis operations to avoid erroneous transitions from the voiced state to the unvoiced state or vice versa.
Le procédé de détermination des "Pitch" comporte deux étapes principales de traitement, une étape de prétraitement représentée par l'organigramme de la figure 1 et une étape de calcul d'autocorrélation, ces deux étapes pouvant être aisément programmées sur tout processeur de traitement du signal connu.The “Pitch” determination method comprises two main processing steps, a preprocessing step represented by the flow diagram of FIG. 1 and an autocorrelation calculation step, these two steps being able to be easily programmed on any processing processor of the known signal.
L'étape de prétraitement se décompose de la manière représentée à la figure 1 en une étape de filtrage auto-adaptatif 1 suivie d'une étape de filtrage passe bas 2 et d'une étape de d'écrêtage" auto-adaptatif 3.The pretreatment step is broken down as shown in FIG. 1 into a self-
Dans l'étape de filtrage auto-adaptatif 1 le signal de parole échantillonné est d'abord blanchi par un filtre auto-adaptatif d'ordre pas trop élevé, égal à 4 par exemple, de façon à limiter l'influence du premier formant. Si S(n) représente le néme échantillon de parole et Ai(n) est la valeur du iéme coefficient le signal Sb(n) obtenu à la sortie du filtre auto-adaptatif est un signal de la forme :
Le signal Sb(n) est ensuite appliqué à l'étape 2 à l'entrée d'un filtre passe bas dont le rôle est à la fois de ne garder qu'un minimum d'harmoniques du fondamental et de réduire la bande de fréquence du signal pour ensuite effectuer un sous échantillonnage dans le but de réduire le temps d'exécution des calculs d'autocorrélation qui sont décrits par la suite.The signal S b (n) is then applied in
Le signal filtré Sf(n) qui est ainsi obtenu peut revêtir une équation de la forme :
Le dernier prétraitement qui est effectué à l'étape 3, transforme le signal Sf(n) en un signal Scc(n) par un procédé d'écrêtage auto-adaptatif du type encore connu sous la désignation "center clipping" dans le langage anglo-saxon. Il a pour effet de renforcer les différences temporelles du signal filtré.The last preprocessing which is carried out in
Dans le cas par exemple, où le signal Sf(n) contient fort peu de fondamental à une fréquence Fo et beaucoup d'harmonique 2, la forme d'onde qui est obtenue à la fin de l'étape 3 est alors proche d'une sinusoïde de fréquence 2.Fo présentant une légère distorsion toutes les deux périodes. Ce prétraitement de l'étape 3 a alors pour effet de renforcer encore cette distorsion pour rendre plus aisé le calcul du "Pitch" effectué par la suite. Ce prétraitement consiste comme le montre les figures 2A et 2B à calculer deux seuils adaptatifs, SfMin(n) et SfMax(n), évolutifs au cours du temps, pour ne retenir que les portions de signal qui sont respectivement inférieures et supérieures à ces deux seuils.In the case for example, where the signal Sf (n) contains very little fundamental at a frequency F o and a lot of harmonic 2, the waveform which is obtained at the end of
Les seuils SfMin(n) et SfMax(n) vérifient les relations :
Il résulte de ce qui précède que le signal Scc(n) obtenu en fin d'exécution de l'étape 3 est toujours d'amplitude nulle sauf pour :
Scc(n) défini suivant la relation :
Scc (n) defined according to the relation:
Dans les relations (7) et (8) G représente une valeur de gain qui est choisie de préférence constante pour améliorer la précision de calcul pour le cas où un processeur de signal travaillant en virgule fixe serait utilisé.In equations (7) and (8) G represents a gain value which is preferably chosen constant to improve the calculation accuracy for the case where a signal processor working in fixed point is used.
Pour le cas où dans les relations précédentes la valeur de la constante de temps Tau est choisie nulle, il va de soi que le signal Scc(n) est identique au signal Sf(n).For the case where in the previous relationships the value of the time constant Tau is chosen to be zero, it goes without saying that the signal Scc (n) is identical to the signal Sf (n).
L'étape de calcul d'autocorrélation qui suit est effectuée pour chaque valeur M du "Pitch" pour une position déterminée No d'échantillonnage. Dans la description qui suit le calcul a lieu au moyen d'un sous échantillonnage d'un facteur 4 sur une plage temporelle de 160 échantillons correspondant à une valeur maximale qui peut être admise pour le "Pitch". Il est bien évident que le même principe peut encore s'appliquer pour un ordre d'échantillonnage différent et sur une autre plage différente.The following autocorrelation calculation step is carried out for each value M of the "Pitch" for a determined position Sampling no. In the description which follows, the calculation takes place by means of a sub-sampling of a factor of 4 over a time range of 160 samples corresponding to a maximum value which can be accepted for the "pitch". It is obvious that the same principle can still apply for a different sampling order and for another different range.
Le calcul consiste comme représenté par les étapes 4 à 6 sur l'organigramme de la figure 3, à calculer trois quantités Roo, RMM et ROM définies comme suit, dans lesquelles le signe ** désigne une élévation de puissance.
Pour chaque position No, choisie la quantité Roo n'est calculée à l'étape 4 qu'une seule fois, la quantité RMM est calculée intégralement à l'étape 5 que pour certaines valeurs de M et par itération pour les autres, et la quantité ROM est calculée, intégralement à l'étape 5 pour chaque valeur de M.For each position No, chosen the quantity Roo is calculated in
Les valeurs de M pour lesquelles le calcul d'autocorrélation a lieu correspondent à une fréquence fondamentale du signal de parole pouvant évoluer entre 50 HZ et 400 HZ. Celles-ci sont délerminées sur trois plages définies comme suit :
Plage 1 M=20, 21, 22 ...... 40 soit 21 valeurs au pas 1
Plage 2 M=42, 44, 46 ...... 80 soit 20 valeurs au pas 2
Plage 3 M=84, 88, 92 ...... 160 soit 20 valeurs au pas 4
soit un total de 61 valeurs différentes pouvant être codées par exemple sur 6 bits avec une précision minimale de 5 % correspondant à la valeur d'un demi-ton de la gamme chromatique.The values of M for which the autocorrelation calculation takes place correspond to a fundamental frequency of the speech signal which can vary between 50 HZ and 400 HZ. These are delimited on three ranges defined as follows:
Range 1 M = 20, 21, 22 ...... 40 i.e. 21 values in
Range 2 M = 42, 44, 46 ...... 80 i.e. 20 values in
Range 3 M = 84, 88, 92 ...... 160 i.e. 20 values in
that is to say a total of 61 different values which can be coded for example on 6 bits with a minimum precision of 5% corresponding to the value of a semitone of the chromatic range.
La formule d'itération utilisée pour le calcul RMM est la suivante :
Par ailleurs, pour améliorer la précision de recherche des maxima de l'autocorrélation, on utilise une formule d'interpolation parabolique qui, pour une valeur M donnée, utilise les valeurs des quantités précédentes pour M-dM, M, et M+dM, dM étant une valeur de pas égale à 1, 2 ou 4 suivant la plage considérée. Il en résulte que seules les valeurs de RMM (19), RMM (20), RMM (21), et RMM (22) sont à calculer intégralement, les autres le sont par itération, y compris pour M=164.Furthermore, to improve the accuracy of finding the autocorrelation maxima, a parabolic interpolation formula is used which, for a given value M, uses the values of the preceding quantities for M-dM, M, and M + dM, dM being a step value equal to 1, 2 or 4 depending on the range considered. It follows that only the values of RMM (19), RMM (20), RMM (21), and RMM (22) are to be fully calculated, the others are iterated, including for M = 164.
En fonction de ce qui précède on procède au calcul d'une valeur : Rau (M) définie comme suit :
Seules les valeurs de M pour lesquelles un maximum local est obtenu, à savoir celles pour lesquelles Rau(M) vérifie les inégalités :
La suite du traitement consiste à tenir à jour un tableau de scores associés aux différentes valeurs possibles pour le "Pitch" M.The continuation of the processing consists in keeping up to date a scoreboard associated with the different possible values for the "Pitch" M.
Ce tableau, noté Score (i), sur la figure 4 contient pour les i=1 a 61 valeurs M de "Pitch" une quantité qui est fonction croissante du degré de vraisemblance du "Pitch" associé (de 20 à 160), et qui est mise à jour à chaque nouvelle évaluation des autocorrélations (typiquement toutes les 5 à 10 ms), en tenant compte du fait que, d'une évaluation à la suivante, les positions des maxima peuvent varier de plus une unité, rester stationnaires ou varier de moins une unité suivant que le "Pitch" est respectivement croissant, stationnaire, ou décroissant.This table, denoted Score (i), in FIG. 4 contains for the i = 1 to 61 M values of "Pitch" an amount which is an increasing function of the degree of likelihood of the associated "Pitch" (from 20 to 160), and which is updated with each new evaluation of the autocorrelations (typically every 5 to 10 ms), taking into account the fact that, from one evaluation to the next, the positions of the maxima can vary by more than one unit, remain stationary or vary by at least one unit depending on whether the "Pitch" is respectively increasing, stationary, or decreasing.
Le tableau des scores est transféré dans un tableau temporaire, note ExScore (i) non représenté. Ce tableau est défini en fonction des valeurs de i de la façon suivante :
Périodiquement ( sinon systématiquement ), la valeur minimale est retirée pour éviter d'éventuels débordements de façon telle que :
Les différents scores sont initialisés pour tenir compte d'une éventuelle dérive du "Pitch", ce qui donne :
Enfin, pour les valeurs I (1), ..., I (K) de i correspondant aux K Pitchs Mmax(1) ... Mmax(K) où des maximum sont rencontrés, les scores sont augmentés d'une quantité égale aux maxima de l'autocorrélation trouvés tel que
Finalement, la valeur M du Pitch retenue pour la position NO est celle correspondant au maximum du tableau des scores, ScoreMax, situé à l'indice Imax dans ce tableau.Finally, the Pitch value M retained for the NO position is that corresponding to the maximum of the scoreboard, ScoreMax, located at the Imax index in this table.
Si, pour des raisons de précision de calcul et/ou d'algorithmie, plusieurs valeurs successives du score sont égales au maximum ScoreMax, à savoir Score(Imax), Score(Imax+1), Score(Imax+dI), la valeur retenue pour le Pitch est celle qui correspond à Imax+[dI/2], [dI/2] étant la valeur entière de la division dI par 2, comme indiqué sur la figure 4.If, for reasons of calculation accuracy and / or algorithm, several successive values of the score are equal to the maximum ScoreMax, namely Score (Imax), Score (Imax + 1), Score (Imax + dI), the value retained for the Pitch is that which corresponds to Imax + [dI / 2], [dI / 2] being the integer value of the division dI by 2, as indicated in figure 4.
Pour une trame donnée, ou les calculs décrits ci-dessus sont effectués plusieurs fois, la valeur finale du Pitch est celle obtenue à la dernière itération, étant entendu qu'il y a entre 2 et 4 itérations par trame.For a given frame, or the calculations described above are carried out several times, the final value of the Pitch is that obtained at the last iteration, it being understood that there are between 2 and 4 iterations per frame.
La valeur M du Pitch qui est ainsi obtenue correspond à la périodicité la plus vraisemblable du signal de parole centrée autour de la position No avec une résolution de 1, 2 ou 4 suivant la plage où est située la valeur de M. Le taux de voisement est calculé ensuite en effectuant une autocorrélation, normalisée pour un retard égal à M et éventuellement pour des valeurs voisines si la résolution est supérieure à 1, du signal de parole original S(n) et non pas sur le signal Scc(n) prétraité comme pour le calcul du Pitch.The Pitch value M which is thus obtained corresponds to the most likely periodicity of the speech signal centered around the position N o with a resolution of 1, 2 or 4 depending on the range where the value of M. is located. voicing is then calculated by performing an autocorrelation, normalized for a delay equal to M and possibly for neighboring values if the resolution is greater than 1, of the original speech signal S (n) and not on the pretreated signal Scc (n) as for the Pitch calculation.
Par exemple, pour M = 30, l'autocorrélation normalisée n'est calculée que pour un retard de 30, pour M = 40 , elle est calculée pour des retards de 40 et 41 et pour M = 100 elle est calculée pour des retards de 100, mais aussi pour des retards de 98, 99 ainsi que 101 et 102 (la résolution étant de 4 pour M = 100 ).For example, for M = 30, the normalized autocorrelation is calculated only for a delay of 30, for M = 40 , it is calculated for delays of 40 and 41 and for M = 100 it is calculated for delays of 100, but also for delays of 98, 99 as well as 101 and 102 (the resolution being 4 for M = 100).
Dans tous les cas, la valeur retenue Rm est la plus grande des valeurs ainsi calculées, une valeur élémentaire pour M données étant définie par les relations :
Contrairement au procédé de calcul précédent mis en oeuvre pour calculer le signal Scc(n) le signal S(n) n'est pas sous échantillonné.Unlike the previous calculation method implemented to calculate the signal S cc (n), the signal S (n) is not undersampled.
La quantité Roo ne dépend pas de M et n'est calculée qu'une fois. Il est possible de se contenter de calculer RMM pour la seule valeur nominale de M à savoir celle fournie par le procédé de calcul du Pitch décrit précédemment et pour les valeurs proches de M de calculer RMM par itération si nécessaire. La quantité ROM doit par contre être calculée pour chacune des valeurs de M.The quantity Roo does not depend on M and is calculated only once. It is possible to be satisfied with calculating RMM for the only nominal value of M, namely that provided by the Pitch calculation method described above and for values close to M to calculate RMM by iteration if necessary. However, the ROM quantity must be calculated for each of the values of M.
Pour limiter les fluctuations, spécialement en ambiance bruitée de la valeur maximale de la quantité Rm ainsi obtenue celle-ci est filtrée par un filtre passe bas entre deux passages successifs (correspondant à deux valeurs successives de la valeur de référence No), pour obtenir une valeur filtrée Rf(P) définie à chaque itération p par la relation :
En tolérant un retard de codage une expression encore plus satisfaisante peut encore être la suivante
Enfin, la quantité Rf (P) est comparée comme le montre la figure 5 à deux seuils SV et SNV appelés respectivement seuil de voisement et de non voisement tels que le seuil SV soit supérieur au seuil SNV pour obtenir un indicateur binaire de voisement IV comme représenté à la figure 5.Finally, the quantity Rf (P) is compared as shown in FIG. 5 to two thresholds S V and S NV called respectively the voicing and non-voicing threshold such that the threshold S V is greater than the threshold S NV to obtain a binary indicator voicing IV as shown in Figure 5.
Sur la figure 5,In Figure 5,
l'état IV = 1 correspond à un son voisé et l'état IV = 0 correspond à un son non voisé.state IV = 1 corresponds to a voiced sound and state IV = 0 corresponds to an unvoiced sound.
En partant de l'état IV = 1, IV passe à l'état 0 lorsque Rf(P) devient inférieur à SNV et en partant de l'état IV = 0, IV passe à l'état 1 lorsque Rf(P) devient supérieur à SV.Starting from state IV = 1, IV goes to
Des valeurs typiques pour ajuster les deux seuils SNV et SV peuvent être par exemple fixées à SV = 0,2 et SNV = 0,05 en prenant 1 pour valeur maximale de Rf(P) et 0 pour valeur minimale de Rf(P).Typical values for adjusting the two thresholds SNV and SV can for example be fixed at SV = 0.2 and SNV = 0.05 by taking 1 for maximum value of Rf (P) and 0 for minimum value of Rf (P).
Afin d'optimiser les performances de la décision de voisement il est préférable que ces seuils soient ajustables pour donner une certaine inertie à la décision qui soit non perceptible à l'audition pour éviter des erreurs locales sur l'appréciation du voisement.In order to optimize the performance of the voicing decision, it is preferable that these thresholds be adjustable to give a certain inertia to the decision which is not perceptible at hearing to avoid local errors in the appreciation of the voicing.
Claims (6)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9015477 | 1990-12-11 | ||
FR9015477A FR2670313A1 (en) | 1990-12-11 | 1990-12-11 | METHOD AND DEVICE FOR EVALUATING THE PERIODICITY AND VOICE SIGNAL VOICE IN VOCODERS AT VERY LOW SPEED. |
Publications (1)
Publication Number | Publication Date |
---|---|
EP0490740A1 true EP0490740A1 (en) | 1992-06-17 |
Family
ID=9403105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP91403309A Ceased EP0490740A1 (en) | 1990-12-11 | 1991-12-06 | Method and apparatus for pitch period determination of the speech signal in very low bitrate vocoders |
Country Status (4)
Country | Link |
---|---|
US (1) | US5313553A (en) |
EP (1) | EP0490740A1 (en) |
CA (1) | CA2057139A1 (en) |
FR (1) | FR2670313A1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2739482A1 (en) * | 1995-10-03 | 1997-04-04 | Thomson Csf | Speech signal analysis method e.g. for low rate vocoder |
WO1998001848A1 (en) * | 1996-07-05 | 1998-01-15 | The Victoria University Of Manchester | Speech synthesis system |
WO1999010879A1 (en) * | 1997-08-25 | 1999-03-04 | Telefonaktiebolaget Lm Ericsson | Waveform-based periodicity detector |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1263050B (en) * | 1993-02-03 | 1996-07-24 | Alcatel Italia | METHOD FOR ESTIMATING THE PITCH OF A SPEAKING ACOUSTIC SIGNAL AND SYSTEM FOR THE RECOGNITION OF SPOKEN USING THE SAME |
JP3601074B2 (en) * | 1994-05-31 | 2004-12-15 | ソニー株式会社 | Signal processing method and signal processing device |
US5704000A (en) * | 1994-11-10 | 1997-12-30 | Hughes Electronics | Robust pitch estimation method and device for telephone speech |
FR2738383B1 (en) * | 1995-09-05 | 1997-10-03 | Thomson Csf | METHOD FOR VECTOR QUANTIFICATION OF LOW FLOW VOCODERS |
IL115697A (en) * | 1995-10-19 | 1999-09-22 | Audiocodes Ltd | Pitch determination preprocessor based on correlation techniques |
US6026357A (en) * | 1996-05-15 | 2000-02-15 | Advanced Micro Devices, Inc. | First formant location determination and removal from speech correlation information for pitch detection |
FR2778041A1 (en) * | 1998-04-24 | 1999-10-29 | Thomson Csf | Power transmitter tube dynamic compensation method |
FR2788390B1 (en) | 1999-01-12 | 2003-05-30 | Thomson Csf | HIGH EFFICIENCY SHORTWAVE BROADCAST TRANSMITTER OPTIMIZED FOR DIGITAL TYPE TRANSMISSIONS |
FR2790343B1 (en) * | 1999-02-26 | 2001-06-01 | Thomson Csf | SYSTEM FOR ESTIMATING THE COMPLEX GAIN OF A TRANSMISSION CHANNEL |
FR2799592B1 (en) | 1999-10-12 | 2003-09-26 | Thomson Csf | SIMPLE AND SYSTEMATIC CONSTRUCTION AND CODING METHOD OF LDPC CODES |
GB2375028B (en) * | 2001-04-24 | 2003-05-28 | Motorola Inc | Processing speech signals |
AU2003901538A0 (en) * | 2003-03-28 | 2003-05-01 | Cochlear Limited | Maxima search method for sensed signals |
US7421298B2 (en) * | 2004-09-07 | 2008-09-02 | Cochlear Limited | Multiple channel-electrode mapping |
CN113327601B (en) * | 2021-05-26 | 2024-02-13 | 清华大学 | Method, device, computer equipment and storage medium for identifying harmful voice |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2145501A1 (en) * | 1971-07-09 | 1973-02-23 | Western Electric Co | |
FR2321738A1 (en) * | 1975-08-22 | 1977-03-18 | Nippon Telegraph & Telephone | CIRCUIT FOR DETERMINING THE FUNDAMENTAL PERIOD OF A SPEECH SIGNAL FOR SPEECH ANALYZER |
EP0125423A1 (en) * | 1983-04-13 | 1984-11-21 | Texas Instruments Incorporated | Voice messaging system with pitch tracking based on adaptively filtered LPC residual signal |
US4653098A (en) * | 1982-02-15 | 1987-03-24 | Hitachi, Ltd. | Method and apparatus for extracting speech pitch |
EP0345675A2 (en) * | 1988-06-09 | 1989-12-13 | National Semiconductor Corporation | Hybrid stochastic gradient for convergence of adaptive filters |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3603738A (en) * | 1969-07-07 | 1971-09-07 | Philco Ford Corp | Time-domain pitch detector and circuits for extracting a signal representative of pitch-pulse spacing regularity in a speech wave |
US4015088A (en) * | 1975-10-31 | 1977-03-29 | Bell Telephone Laboratories, Incorporated | Real-time speech analyzer |
-
1990
- 1990-12-11 FR FR9015477A patent/FR2670313A1/en not_active Withdrawn
-
1991
- 1991-12-05 US US07/802,621 patent/US5313553A/en not_active Expired - Fee Related
- 1991-12-05 CA CA002057139A patent/CA2057139A1/en not_active Abandoned
- 1991-12-06 EP EP91403309A patent/EP0490740A1/en not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2145501A1 (en) * | 1971-07-09 | 1973-02-23 | Western Electric Co | |
FR2321738A1 (en) * | 1975-08-22 | 1977-03-18 | Nippon Telegraph & Telephone | CIRCUIT FOR DETERMINING THE FUNDAMENTAL PERIOD OF A SPEECH SIGNAL FOR SPEECH ANALYZER |
US4653098A (en) * | 1982-02-15 | 1987-03-24 | Hitachi, Ltd. | Method and apparatus for extracting speech pitch |
EP0125423A1 (en) * | 1983-04-13 | 1984-11-21 | Texas Instruments Incorporated | Voice messaging system with pitch tracking based on adaptively filtered LPC residual signal |
EP0345675A2 (en) * | 1988-06-09 | 1989-12-13 | National Semiconductor Corporation | Hybrid stochastic gradient for convergence of adaptive filters |
Non-Patent Citations (5)
Title |
---|
IEEE JOURNAL OF SOLID STATE CIRCUITS vol. 22, no. 3, Juin 1987, N. YORK USA pages 479 - 487; POPE ET AL: 'A single chip linear predictive coding vocoder' * |
IEEE TRANSACTIONS ON ACOUSTICS,SPEECH AND SIGNAL PROCESSING. vol. 24, no. 5, Octobre 1976, NEW YORK US pages 399 - 418; RABINER ET AL: 'A comparative performance of several pitch detection algorithms' * |
INTERNATIONAL CONFERENCE ON ACOUSTICS SPEECH AND SIGNAL PROCESSING vol. 1, 26 Mars 1985, TAMPA FLORIDA USA pages 403 - 406; KWON ET AL: 'A robust real time pitch extraction from the ACF of LPC residual error signals' * |
INTERNATIONAL CONFERENCE ON ACOUSTICS SPEECH AND SIGNAL PROCESSING vol. 1, 7 Avril 1986, TOKYO JAPAN pages 121 - 124; VERHELST ET AL: 'An adaptive non uniform sign clipping preprocessor (ANUSC) for real-time autocorrelative pitch detection' * |
RABINER, SCHAFER 'Digital processing of speech signals' 1978 , PRENTICE HALL , ENGLEWOOD CLIFFS USA * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2739482A1 (en) * | 1995-10-03 | 1997-04-04 | Thomson Csf | Speech signal analysis method e.g. for low rate vocoder |
WO1998001848A1 (en) * | 1996-07-05 | 1998-01-15 | The Victoria University Of Manchester | Speech synthesis system |
WO1999010879A1 (en) * | 1997-08-25 | 1999-03-04 | Telefonaktiebolaget Lm Ericsson | Waveform-based periodicity detector |
US5970441A (en) * | 1997-08-25 | 1999-10-19 | Telefonaktiebolaget Lm Ericsson | Detection of periodicity information from an audio signal |
Also Published As
Publication number | Publication date |
---|---|
CA2057139A1 (en) | 1992-06-12 |
US5313553A (en) | 1994-05-17 |
FR2670313A1 (en) | 1992-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1356461B1 (en) | Noise reduction method and device | |
EP0490740A1 (en) | Method and apparatus for pitch period determination of the speech signal in very low bitrate vocoders | |
EP1016072B1 (en) | Method and apparatus for suppressing noise in a digital speech signal | |
EP0782128B1 (en) | Method of analysing by linear prediction an audio frequency signal, and its application to a method of coding and decoding an audio frequency signal | |
FR2734389A1 (en) | METHOD FOR ADAPTING THE NOISE MASKING LEVEL IN A SYNTHETIC ANALYSIS ANALYTICAL ENCODER USING A SHORT-TERM PERCEPTUAL WEIGHING FILTER | |
WO1996021220A1 (en) | Speech coding method using synthesis analysis | |
EP1016071B1 (en) | Method and apparatus for detecting speech activity | |
EP1016073B1 (en) | Method and apparatus for suppressing noise in a digital speech signal | |
EP1021805B1 (en) | Method and apparatus for conditioning a digital speech signal | |
EP0573358B1 (en) | Variable speed voice synthesizer method and apparatus | |
FR2797343A1 (en) | METHOD AND DEVICE FOR DETECTING VOICE ACTIVITY | |
EP1192619B1 (en) | Audio coding and decoding by interpolation | |
EP0596785A1 (en) | Method for the discrimination of speech in presence of ambient noise and low bit-rate vocoder to implement the method | |
EP1192621B1 (en) | Audio encoding with harmonic components | |
FR2739482A1 (en) | Speech signal analysis method e.g. for low rate vocoder | |
EP1194923B1 (en) | Methods and device for audio analysis and synthesis | |
EP0543719A1 (en) | Method and arrangement for voiced-unvoiced decision applied in a very low rate vocoder | |
EP0454552A2 (en) | Method and apparatus for low bitrate speech coding | |
WO1999027523A1 (en) | Method for reconstructing sound signals after noise abatement | |
WO2001003121A1 (en) | Encoding and decoding with harmonic components and minimum phase | |
FR2741743A1 (en) | Speech intelligibility improvement method for low bit rate vocoder | |
WO2001003117A1 (en) | Audio coding with adaptive liftering | |
WO2002093553A1 (en) | Estimation of fundamental periods of multiple concurrent sources in particular of sound |
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 |
Kind code of ref document: A1 Designated state(s): DE ES GB IT |
|
17P | Request for examination filed |
Effective date: 19921008 |
|
RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: THOMSON-CSF |
|
17Q | First examination report despatched |
Effective date: 19950519 |
|
GRAG | Despatch of communication of intention to grant |
Free format text: ORIGINAL CODE: EPIDOS AGRA |
|
STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED |
|
18R | Application refused |
Effective date: 19960725 |