EP0518742A1 - Method for detecting a noisy wanted signal - Google Patents

Method for detecting a noisy wanted signal Download PDF

Info

Publication number
EP0518742A1
EP0518742A1 EP19920401553 EP92401553A EP0518742A1 EP 0518742 A1 EP0518742 A1 EP 0518742A1 EP 19920401553 EP19920401553 EP 19920401553 EP 92401553 A EP92401553 A EP 92401553A EP 0518742 A1 EP0518742 A1 EP 0518742A1
Authority
EP
Grant status
Application
Patent type
Prior art keywords
signal
noise
threshold
σ
points
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.)
Granted
Application number
EP19920401553
Other languages
German (de)
French (fr)
Other versions
EP0518742B1 (en )
Inventor
Dominique Pastor
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.)
Thales Avionics SAS
Original Assignee
Thales Avionics SAS
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

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00-G10L21/00
    • G10L25/78Detection of presence or absence of voice signals

Abstract

In order to detect a noisy wanted signal, a measurement of the expected S/N ratio of this signal is taken over one time slice, a measurement of the estimated white noise alone is taken over another time slice without wanted signal, the mean energy of the noise and of the noisy signal are calculated, each in its time slice, the theoretical detection threshold and the ratio of these two energies are calculated, and the ratio is compared with the calculated threshold, this threshold being greater than 1 (ideal threshold).

Description

  • La présente invention se rapporte à un procédé de détection d'un signal utile bruité. The present invention relates to a method of detecting a useful signal affected by noise.
  • Un des problèmes importants en traitement du signal, simple quant à son énoncé, mais d'autant plus complexe quant à sa résolution, consiste à déterminer la présence ou l'absence d'un signal utile noyé dans un bruit additif. One of the important problems in signal processing, simple as to its statement, but all the more complex as to its resolution, is to determine the presence or absence of a useful signal embedded in additive noise.
  • Diverses solutions sont envisageables. Various solutions are possible. On peut utiliser comme variable l'amplitude instantanée du signal reçu ou traité par référence à un seuil déterminé expérimentalement. Can be used as variable the instantaneous amplitude of the received reference signal and processed by a threshold experimentally determined.
  • On peut aussi utiliser comme variable l'énergie du signal total sur une tranche temporelle de durée T, en seuillant, toujours expérimentalement, cette énergie. Can also be used as a variable energy of the total signal on a time slice of duration T, by thresholding, always experimentally that energy.
  • Ces seuillages permettent une première présomption sur la présence ou l'absence du signal. These allow a first thresholding presumption on the presence or absence of the signal. Ils sont de plus applicables à tout signal. They are also applicable to any signal. Aussi, sont ils complétés par des systèmes de "confirmation", définissant des critères "quasi-certains", propres au type de signal utile, lorsque la nature de celui-ci est connue a priori. Also, they are complemented by systems of "confirmation" defining criteria "almost certain" specific to the type of useful signal, when the nature of it is known a priori.
  • Un tel système complémentaire est largement utilisé en traitement de la parole et peut consister, par exemple, en une extraction de "pitch" ou en l'évaluation de l'énergie minimale d'une voyelle. Such a complementary system is widely used in speech processing and may be, for example, by extraction of "pitch" or the evaluation of the minimum energy of a vowel.
  • La présente invention a pour objet un procédé de détection d'un signal utile bruité, déterminant de façon la plus rigoureuse possible le seuil de détection, et pouvant fonctionner de façon autoadaptative. The present invention relates to a method of detecting a useful signal affected by noise, determining the most rigorous possible the detection threshold, and operable self-adaptive manner.
  • Selon l'invention, on dispose du rapport signal/bruit attendu du signal à traiter, et on dispose d'une mesure du bruit seul estimé, mesure numérisée sur M points, ce bruit étant blanc ou rendu blanc, on calcule l'énergie moyenne du bruit sur ces M points, on prend une tranche de N points de signal bruité, on calcule l'énergie moyenne de ces N points, on calcule le seuil de détection théorique, on calcule le rapport des deux dites énergies moyennes, et on compare ce rapport audit seuil. According to the invention, there are the signal / noise signal expected to be treated, and has a measurement of the estimated noise alone, measuring scanned on M points, this noise being white or rendered white, the average energy is computed M noise on these points, we take a slice of N points noisy signal, calculating the average energy of these N points, the theoretical detection threshold is calculated, the ratio of the two said average energies are calculated and compared this relative to said threshold.
  • La présente invention sera mieux comprise à la lecture de la description détaillée d'un mode de réalisation pris à titre d'exemple non limitatif. The invention will be better understood from reading the detailed description of an embodiment taken by way of example.
  • On va d'abord expliquer comment doit se faire théoriquement, dans le cas idéal, la détection d'un signal bruité. We will first explain how should be done theoretically, in the ideal case, the detection of a noisy signal.
  • On dispose d'une première information u(n) pour une première tranche temporelle telle que : It has a first information u (n) for a first time slot such that: u(n) = s(n) + x(n) u (n) = s (n) + x (n)
    Figure imgb0001

    n étant un nombre entier : 0 ≦ n ≦ N-1, s(n) étant un signal utile et x(n) un bruit. n being an integer: 0 ≦ n ≦ N-1, s (n) being a useful and signal x (n) a noise. En outre, on dispose d'une autre information y(n), avec 0 ≦ n ≦ M-1, et M pouvant être égal à N ou différent de celui-ci. In addition, it has another information y (n), with 0 ≦ n ≦ M-1, M and N may be equal to or different from the latter. y(n) est une mesure du bruit x(n) sur une autre tranche temporelle exempte de signal utile. y (n) is a measure of the noise x (n) to another time slot free of the useful signal.
  • On pose : We ask: U = (u(0)² + u(1)² + ... + u(N)²)/N U = (u (0) ² + u (1) ² + ... + u (N) ²) / N
    Figure imgb0002

    et and V = (y(0)² + y(1)² + ... + y(M)²)/M V = (y (0) ² + y (1) ² + ... + y (M) ²) / M
    Figure imgb0003

    et and Z = U/V Z = U / V
    Figure imgb0004
  • Ainsi, dans un cas idéal et irréaliste, on aurait, en notant RSB = rapport signal à bruit : Thus, in an ideal and unrealistic case, it would, noting SNR = SNR: Z = 1 + RSB Z = 1 + SNR
    Figure imgb0005

    et le simple critère de détection serait : and the simple detection criterion would be: Z > 1 : présence de signal utile Z> 1: presence of a useful signal
    Figure imgb0006
    Z < 1 : absence de signal utile Z <1: no signal
    Figure imgb0007
  • Selon la présente invention, on remplace le seuil théorique de 1 par un seuil µ, calculé de la façon expliquée ci-dessous, qui tient compte du fait que les signaux dont on dispose ne sont pas parfaitement ergodiques et que U et V ne sont que des estimées des valeurs vraies des variances σ u 2 et σ x 2. According to the present invention, replaces the theoretical threshold 1 by a μ threshold, calculated as explained below, which takes into account the fact that the signals that are available are not perfectly ergodic and that U and V are only the estimates of the true values of the variances σ u 2 and σ x 2.
  • Pour effectuer ce calcul de µ, on procède de la façon suivante. For this calculation of μ, the procedure is as follows.
  • On part du fait que les variables U et V sont de nature aléatoire, et que par conséquent Z l'est aussi. It is assumed that the variables U and V are random in nature, and therefore Z is too. On calcule alors la densité de probabilité de Z (qui dépend du rapport signal sur bruit). It then computes the probability density Z (which depends on the signal to noise ratio).
  • Il s'agit ensuite, en faisant appel au principe du maximum de vraisemblance, de déterminer la meilleure estimation du rapport signal sur bruit après avoir calculé la variable Z. It is then, using the principle of maximum likelihood, determine the best estimate of the signal to noise ratio after calculating the variable Z.
  • A cet effet, on mesure sur une tranche temporelle la variable U(n) précitée, et on mesure la variable y(n) sur une autre tranche temporelle où l'on est sûr qu'il n'y a pas de signal utile, mais uniquement du bruit (indépendant et décorrélé de s(n)). To this end, measured on a time slot variable U (n) mentioned above, and measuring the variable y (n) to another timeslot where one is sure that there is no useful signal, but only noise (uncorrelated and independent of s (n)).
  • Pour déterminer la densité de la variable aléatoire Z (que l'on peut qualifier de variable observée), on procède de la façon suivante. To determine the density of the random variable Z (which can be described as observed variable), one proceeds as follows. Soient X₁ appartenant à N (m₁ ; σ₁²) et X₂ appartenant à N (m₂ ; σ₂²) deux variables aléatoires gaussiennes indépendantes pour lesquelles les probabilités P r {X₁ < o} et P r {X₂ < o} sont pratiquement nulles. X₁ are belonging to N (m₁; σ₁²) and X₂ belonging to N (m₂; σ₂²) independent Gaussian random variables for which the probability P r {X₁ <o} and P {r X₂ <o} are practically nil.
    On pose : We ask: m = m₁/m₂, σ² = σ₁²/σ₂², α = m₂/σ₂. m = m₁ / m₂, σ² = σ₁² / σ₂², α = m₂ / σ₂.
    Figure imgb0008
  • La densité de probabilité f x (x) de X est alors : The probability density function f x (x) X is then:
    Figure imgb0009

    où U(x) = 1 si x ≧ o et U(x) = o si x < o. where U (x) = 1 if x ≧ o and U (x) = o if x <o.
  • Si Yes h(x) = α . h (x) = α. x - m x - m (x² + σ²) (X² + σ²) 1/2 1/2
    Figure imgb0010

    on a : P(x) = P r {X < x} = F [h(x)], expression dans laquelle F(x) désigne la fonction caractéristique de la variable gaussienne normalisée. we have: P (x) = P r {X <x} = F [h (x)], in which expression F (x) is the characteristic function of the normalized Gaussian variable.
  • On suppose maintenant que les signaux s(n), x(n) et y(n) sont blancs, gaussiens et centrés. Assume now that the signals s (n) x (n) and y (n) are white, gaussian and centered.
  • On pose we put
    Figure imgb0011
    Figure imgb0012
  • Ce dernier terme est donc, lui aussi, blanc, gaussien et centré ; The latter term is therefore also white Gaussian and centered;
    et on pose and we set
    Figure imgb0013
  • Puisque l'on définit σ s ² et σ x ², on suppose implicitement que le calcul de la densité de probabilité se fait à σ s ² et σ x ² connus. Since we define σ s ² and σ x ², it is implicitly assumed that the calculation of the probability density is to σ s and σ x ² ² known. On évalue donc la densité de Z en connaissant σ s ² et σ x ². Therefore it is judged Z density knowing ² σ s and σ x ². Dans ce cas, U et V suivent des lois du chi-2, et, pour N et M suffisamment grands, U et V sont approximées par des lois gaussiennes pratiquement toujours positives : In this case, U and V follow the laws of the chi-2, and for sufficiently large N and M, U and V are approximated by Gaussian almost always positive:
    Figure imgb0014

    Z est donc le rapport de deux variables gaussiennes indépendantes. Z is the ratio of two independent Gaussian variables. On peut facilement démontrer que U et V sont indépendantes. One can easily show that U and V are independent.
    Avec : with: m₁ = σ m₁ = σ u u ² , σ₁² = 2σ ² = 2σ σ₁² u u ⁴/N , m₂ = σ ⁴ / N, m₂ = σ x x ² , σ₂² = 2σ ² = 2σ σ₂² x x ⁴/M ⁴ / M
    Figure imgb0015

    il vient : he comes : m = σ m = σ u u ²/σ ² / σ x x ² , σ² = (M/N) (σ ², σ² = (M / N) (σ u u ²/σ ² / σ x x ²)², α = (M/2) ²) ², α = (M / 2) 1/2 1/2 . .
    Figure imgb0016

    Or : σ u ²/σ x ²= 1+ r où r = σ s ²/σ x ² est le rapport signal à bruit. Or: σ u ² / σ x ² = 1+ r where r = σ s ² / σ x ² is the signal to noise ratio. Soit k = M/N, il vient : m = r+1, σ²= k(r+1)². Let k = M / N, we get: r = m + 1, k σ² = (r + 1) ².
  • La densité de probabilité de Z, connaissant σ s ² et σ x ², s'exprime donc par : The probability of Z density, knowing ² σ s and σ x ², is therefore expressed by:
    • 1°) x ≧ 0 1 °) x ≧ 0
      Figure imgb0017
    • 2°) x ≦ 0 d'où: f z (z : σ s ², σ x ²) = 0 2) x ≦ 0 where: f z (z: σ s ² ² σ x) = 0

    On posera : We ask:
    Figure imgb0018

    de sorte que : f z (z:σ s ², σ x ²) = f k,M (z,σ s ²/σ x ²) so that: f z (z: σ s ² ² σ x) = f k, M (z, σ s ² / σ x ²)
  • D'après les résultats ci-dessus relatifs à la densité de probabilité f x (x), on déduit la probabilité From the results above related to the probability density f x (x), we deduce the probability Pr { Z < z : σ Pr {Z <z: σ s s ², σ ² σ x x ²}. ²}.
    Figure imgb0019
  • Soit : Is : h h kM kM (x,r) = (M/2) (X, r) = (M / 2) 1/2 1/2 x - (r+1) x - (r + 1) [x² + k(r+1)²] [X² + k (r + 1) ²] 1/2 1/2
    Figure imgb0020

    Il vient : He comes : Pr {Z < z : σ Pr {Z <z: σ s s ² ; ²; σ σ x x ²} = F{h ²} = F {h k,M k, M (x,r)}. (X, r)}.
    Figure imgb0021
  • On va maintenant examiner le cas d'un signal quelconque s(n) et d'un bruit blanc gaussien. We will now examine the case of any signal s (n) and a Gaussian white noise.
  • On suppose toujours que les bruits x(n) et y(n) sont blancs, gaussiens avec σ x ² = E[x(n)²] = E[y(n)²]. It is always assumed that the noise x (n) and y (n) are white Gaussian with σ x ² = E [x (n) ²] = E [y (n) ²]. Le signal utile s(n) est supposé quelconque, indépendant du bruit. The useful signal s (n) is assumed one, independent of the noise.
  • L'hypothèse nouvelle faite ici est de supposer que s(n) et x(n) sont non corrélés au sens temporel du terme, c'est-à-dire que : The new assumption made here is to assume that s (n) and x (n) are uncorrelated to the temporal sense, that is to say: c = c = Σ 0 ≦ n ≦ N-1 s (n) x (n) Σ 0 ≦ n ≦ N-1 s (n) x (n) (Σ 0 ≦ n ≦ N-1 s(n)²) (Σ 0 ≦ n ≦ N-1 s (n) ²) 1/2 1/2 (Σ 0 ≦ n ≦ N-1 x(n)²) (Σ 0 ≦ n ≦ N-1 x (n) ²) 1/2 1/2 = 0 = 0
    Figure imgb0022
  • On montre alors que U peut être approximée par : It is shown that U can be approximated by: U = µ ² U = μ ² s s + (1/N) Σ 0 ≦ n ≦ N-1 x(n)² et Z par : + (1 / N) Σ 0 ≦ n ≦ N-1 x (n) ² and Z:
    Figure imgb0023
    Z = Z = µ μ s s ² + (1/N) Σ 0 ≦ n ≦ N-1 x(n)² ² + (1 / N) Σ 0 ≦ n ≦ N-1 x (n) ² (1/M) Σ 0 ≦ n ≦ M-1 y(n)² (1 / M) Σ 0 ≦ n ≦ M-1 y (n) ²
    Figure imgb0024
  • De même que ci-dessous, le calcul de la densité de Z s'est fait en connaissant σ s ²et σ x ², ici le calcul se fera en connaissant µ s ² et σ x ². As below, the calculation of the Z density was made knowing σ s ²et σ x ², the calculation will be here knowing μ s ² and σ x ². La densité à calculer sera notée par f z (z:µ Calculating the density will be denoted by f z (z: μ 2 2 s s
    Figure imgb0025
    , σ , σ 2 2 x x
    Figure imgb0026
    ). ).
  • Connaissant µ s ², U = µ s ² + (1/N) Σ 0≦n ≦ N-1 x(n)² appartient à Knowing ² μ s, μ = U s ² + (1 / N) Σ 0 ≦ n ≦ N-1 x (n) ² is located in
    Figure imgb0027
    s ² + σ x ²; (2/N) σ x ⁴).s ² + σ x ²; (2 / N) σ x ⁴). V appartient à V is for
    Figure imgb0028
    x ² ; (2/M) σ x ⁴).x ²; (2 / M) x σ ⁴).
  • Z = U/V est donc approchée par le rapport de deux lois gaussiennes indépendantes. Z = U / V is approximated by the ratio of two independent Gaussian distributions. Comme U et V sont indépendantes, on applique donc le résultat concernant la densité de probabilité de X, avec : Since U and V are independent, it therefore applies the result on the probability density of X, with: m₁ = µ m₁ = μ s s ² + σ ² + σ x x ², σ₁² = (2/N) σ ², σ₁² = (2 / N) σ x x ⁴, m₂ = σ ⁴, m₂ = σ x x ², σ₂² = (2/M)σ ², σ₂² = (2 / M) σ x x
    Figure imgb0029

    Donc : m = r+1, σ² = k, α = (M/2) 1/2 , avec k = M/N et r = µ s ²/σ x ². Therefore: m = r + 1, σ² = k, α = (M / 2) 1/2, where k = M / N and r = μ s ² / σ x ².
  • La densité de probabilité de Z, connaissant µ s ² et σ x ² vaut donc : The probability of Z density, knowing μ s ² and σ x ² is then:
    Figure imgb0030

    On posera : We ask:
    Figure imgb0031

    de sorte que : f z (z:σ s ², σ x ²) = f k,M (z, σ s ²/σ x ²) so that: f z (z: σ s ² ² σ x) = f k, M (z, σ s ² / σ x ²)
  • D'après les résultats ci-dessus concernant la densité de probabilité de X, on en déduit la probabilité From the above results concerning the probability density of X, we deduce the probability Pr { Z < z : µ Pr {Z <z: μ s s ², σ ² σ x x ²}. ²}.
    Figure imgb0032

    Soit : Is : h h k,M k, M (x,r) = (M/2) (X, r) = (M / 2) 1/2 1/2 x - (r+1) x - (r + 1) [x² + k] [X² + k] 1/2 1/2
    Figure imgb0033

    il vient : he comes : Pr { Z < z : µ Pr {Z <z: μ s s , σ , σ x x ² } = F (h ²} = F (h k,M k, M (x,r)) (X, r))
    Figure imgb0034
  • Selon la présente invention, on met en oeuvre la détection d'activité en faisant appel au maximum de vraisemblance. According to the present invention are implemented activity detection by using maximum likelihood.
  • Dans les cas de signaux traités, la densité de probabilité de la variable Z, connaissant les énergies du signal utile et du bruit, s'exprime par une fonction de la forme : In the case of processed signals, probability of the Z variable density, knowing the energy of the useful signal and noise, is expressed by a function of the form:
    f k,M (z,r) où r désigne le rapport signal à bruit. f k, M (z, r) where r is the signal to noise ratio. Cette probabilité dépend donc du rapport signal sur bruit. This probability depends on the signal to noise ratio. Aussi, la règle de décision ne peut se donner qu'à rapport signal sur bruit attendu. Also, the decision rule can not give that signal to noise expected. Soit donc r o ce rapport signal à bruit attendu. So let r o report expected noise signal.
  • On suppose que la probabilité d'absence de s(n) est π o et que la probabilité de présence de s(n) est π₁. It is assumed that the probability of absence of s (n) is π o and that the probability of presence of s (n) is π₁.
  • Puisqu'on connaît la densité de probabilité f k,M (z,r) la règle de décision optimale est fournie par la théorie générale de la détection et s'exprime par : Since we know the probability density f k, M (z, r) the optimal decision rule is provided by the general theory of detection and is expressed by: π₁ f π₁ f k,M k, M (z,r (Z, r o o ) ) π π o o f f k,M k, M (z,0) (Z, 0) > 1 ⇒ D = 1 > 1 ⇒ D = 1
    Figure imgb0035
    π₁ f π₁ f k,M k, M (z,r (Z, r o o ) ) π π o o f f k,M k, M (z,0) (Z, 0) < 1 ⇒ D = 0 <1 ⇒ D = 0
    Figure imgb0036
  • On peut aussi exprimer cette régle de décision sous la forme : We can also express this rule-making in the form: (Z < µ ⇒ D = 0) et (Z > µ ⇒ D = 1). (Z <μ ⇒ D = 0) and (Z> μ ⇒ D = 1).
    Figure imgb0037
  • Il faut alors déterminer µ et résoudre l'équation : It must then determine μ and solve the equation: ln[f ln [f k,M k, M (z,r (Z, r o o )] - ln[f )] - ln [f k,M k, M (z, 0)] - ln(π (Z, 0)] - ln (π o o /π₁) = 0. / Π₁) = 0.
    Figure imgb0038
  • On démontre alors que la probabilité d'errreur vaut : We then show that the probability of errreur is: Pe = π Pe = π o o [1 - F(h [1 - F (h k,M k, M (µ,0))] + π₁ F(h (Μ, 0))] + π₁ F (h k,M k, M (µ,r (Μ r o o )). )).
    Figure imgb0039
  • On va maintenant examiner le cas de la détection d'un signal blanc gaussien dans un bruit lui-même blanc gaussien. We will now examine the case of the detection of white Gaussian noise signal in itself Gaussian white.
  • Les signaux s(n), x(n) et y(n) sont supposés blancs, gaussiens, centrés. The signals s (n), x (n) and y (n) are assumed to white, Gaussian, centered. Soit r o le rapport signal à bruit attendu, et k = M/N. Let r o the expected signal to noise ratio, and k = M / N. la probabilité d'absence de s(n) est π o et la probabilité de présence de s(n) est π₁. the absence of probability s (n) is o π and the probability of presence of s (n) is π₁.
  • La règle de décision est alors : The decision rule is:
    Décision D = 1 lorsque : Decision D = 1 where:
    Figure imgb0040

    Décision D = 0 lorsque : Decision D = 0 where:
    Figure imgb0041
  • Le seuil étant déterminé pour l'égalité (au lieu d'inégalité) entre les termes de ces deux expressions. The threshold is determined for equality (instead of inequality) between the terms of these two expressions.
  • On peut aussi exprimer cette règle de décision sous la forme : We can also express this decision rule in the form: (Z < µ ⇒ D = 0) et (Z > µ ⇒ D = 1). (Z <μ ⇒ D = 0) and (Z> μ ⇒ D = 1).
    Figure imgb0042

    On obtient par exemple pour µ, à M = N = 128, π o = π₁ = 1/2 : Eg obtained for μ, M = N = 128 π = o = 1/2 π₁:
    r o en dB r o dB µ μ
    -2 -2 1,27 1.27
    -1 -1 1,34 1.34
    0 0 1,41 1.41
    1 1 1,50 1.50
    2 2 1,68 1.68
  • La probabilité d'erreur est : The error probability is: Pe = π Pe = π o o [1-F(h [1-F (h k,M k, M (µ,0))] + π₁ F(h (Μ, 0))] + π₁ F (h k,M k, M (µ,r (Μ r o o )) ))
    Figure imgb0043

    avec : with: h h k,M k, M (x,r) = (M/2) (X, r) = (M / 2) 1/2 1/2 x - (r+1) x - (r + 1) [x² + k(r+1)²] [X² + k (r + 1) ²] 1/2 1/2
    Figure imgb0044
  • Nous donnons ci-après quelques valeurs de Pe fonction de r o . We give below some values Pe function of r o. π o et π₁ sont prises égales à 0,5. π o and π₁ are taken equal to 0.5.
    r o en dB r o dB Pe Pe
    -2 -2 0,086 0.086
    -1 -1 0,052 0,052
    0 0 0,028 0,028
    1 1 0,013 0,013
    2 2 0,005 0.005
  • Dans un exemple de simulation, on a généré un bruit blanc gaussien de variance unité. In one exemplary simulation, Gaussian white noise was generated with unit variance. Pour chaque trame de 128 points (N = M = 128), on a décidé aléatoirement de générer un bruit s(n) additif, présentant un rapport signal sur bruit défini préalablement. For each 128 raster points (N = M = 128) was decided randomly generating a noise s (n) additive, having a signal to noise ratio previously defined. Les probabilités d'apparition et d'absence (π o et π₁) sont égales à 0,5. The probabilities of occurrence and absence (o π and π₁) are equal to 0.5. On a généré un second bruit blanc gaussien de variance unité, qui a servi à calculer la variable aléatoire V. Pour chaque trame, on a calculé Z. On a appliqué alors la règle de décision et l'on a compté le nombre d'erreurs. We generated a second white Gaussian noise with unit variance, which was used to calculate the random variable V. For each frame was calculated Z. was applied then the decision rule and we counted the number of errors .
    r o en dB r o dB Nombre d'erreurs sur 1000 itérations Number of errors in 1,000 iterations
    -2 -2 73 73
    -1 -1 43 43
    0 0 18 18
    1 1 10 10
    2 2 2 2
  • Ces résultats corroborent ceux prévus par le calcul théorique. These results corroborate those anticipated by the theoretical calculation.
  • On va maintenant examiner le cas d'un signal quelconque s(n) et d'un bruit blanc gaussien. We will now examine the case of any signal s (n) and a Gaussian white noise.
  • On suppose toujours que les bruits x(n) et y(n) sont blancs, gaussiens avec σ x ²= E[x(n)²]=E[y(n)²]. It is always assumed that the noise x (n) and y (n) are white Gaussian with σ x ² = E [x (n) ²] = E [y (n) ²]. Le signal utile s(n) est supposé quelconque, indépendant du bruit. The useful signal s (n) is assumed one, independent of the noise. Soit r o le rapport signal à bruit attendu, k = M/N. Let r o the report expected noise signal, k = M / N. La probabilité d'absence de s(n) est π o et celle de présence de s(n) est π₁. The absence of probability s (n) is π o and the presence of s (n) is π₁.
    La règle de décision est alors : The decision rule is:
    Décision D = 1 lorsque : Decision D = 1 where: ln ln (r+1) z+k (R + 1) z + k z+k z + k > (M/4) > (M / 4) [z-(r [Z (r o o +1)]² - (z-1)² +1)] ² - (z-1) ² z²+k z² + k + ln + ln π π o o π₁ π₁
    Figure imgb0045

    Décision D = 0 lorsque : Decision D = 0 where: ln ln (r+1) z+k (R + 1) z + k z+k z + k < (M/4) <(M / 4) [z-(r [Z (r o o +1)]² - (z-1)² +1)] ² - (z-1) ² z²+k z² + k + ln + ln π π o o π₁ π₁
    Figure imgb0046
  • On peut aussi exprimer cette règle de décision sous la forme : We can also express this decision rule in the form: (Z < µ ⇒ D = 0) et (Z > µ ⇒ D = 1). (Z <μ ⇒ D = 0) and (Z> μ ⇒ D = 1).
    Figure imgb0047
  • On obtient pour µ les valeurs suivantes en fonction de r o , pour M = N = 128, π o = π₁ = 1/2. The following values for μ is obtained according to r o, M = N = 128 π = o = 1/2 π₁.
    r o en dB r o dB µ μ
    -2 -2 1,30 1.30
    -1 -1 1,38 1.38
    0 0 1,48 1.48
    1 1 1,60 1.60
    2 2 1,76 1.76
  • De plus, on obtient : In addition, we have: Pe = π Pe = π o o [ 1-F (h [1-F (h k,M k, M (µ,0)) ] + π₁ F (h (Μ, 0))] + π₁ F (h k,M k, M (µ, r (Μ r o o )) ))
    Figure imgb0048

    avec : with: h h k,M k, M (x,r) = (M/2) (X, r) = (M / 2) 1/2 1/2 x - (r+1) x - (r + 1) [x² + k ] [X² + k] 1/2 1/2
    Figure imgb0049
  • Nous donnons ci-après quelques valeurs de Pe en fonction de r o . We give below a few Pe values versus r o. Les probabilités π o et π o sont prises égales à 0,5. The probabilities π and π o o are taken equal to 0.5.
    r o en dB r o dB Pe Pe
    -2 -2 0,062 0.062
    -1 -1 0,032 0,032
    0 0 0,013 0,013
    1 1 0,004 0,004
    2 2 0,001 0,001
  • Dans un exemple de simulation, pour chaque trame de 128 points de bruit blanc généré (N = M = 128), on a décidé aléatoirement d'y ajouter s(n), qui est ici, une sinusoïde, présentant un rapport signal sur bruit défini préalablement. In an exemplary simulation for each frame of 128 points generated white noise (N = M = 128) was decided randomly adding y s (n), which is here, a sine wave having a signal to noise ratio defined previously. π₁ et π o sont prises égales à 0,5. π₁ and π o is taken equal to 0.5.
  • On a généré un second bruit blanc gaussien de variance unité, servant à calculer V. Pour chaque trame, on a calculé Z et on a appliqué la règle de décision précitée. We generated a second white Gaussian noise with unit variance, for calculating V. For each frame was calculated Z and was applied the above decision rule. On a compté le nombre d'erreurs. We counted the number of errors.
  • On a obtenu les résultats suivants We obtained the following results
    r o en dB r o dB Nombre d'erreurs sur 1000 itérations Number of errors in 1,000 iterations
    -2 -2 70 70
    -1 -1 37 37
    0 0 12 12
    1 1 6 6
    2 2 3 3
  • Ces résultats corroborent ceux prévus par le calcul théorique. These results corroborate those anticipated by the theoretical calculation.
  • Les résultats précédents, parce que très généraux, permettent la détection de signaux noyés dans du bruit additif, même lorsque le rapport signal sur bruit est faible, voisin de 0 dB. The foregoing results because very general, allow the detection of signals embedded in additive noise, even when the SNR is low, close to 0 dB.
  • On va décrire ci-dessous une application dans laquelle ce type de détection peut se révéler très utile. Will be described below an application in which this type of detection can be very useful.
  • Les algorithmes présentés s'appliquent au cas de la parole, comme pré-système de détection d'activité vocale. The algorithms presented apply to the case of speech, such as voice activity detection of pre-system.
  • Le choix du seuil de détection dépend du contexte. The choice of the detection threshold depends on the context.
  • En ce qui concerne les bandes audio utilisées, une caractérisation préalable du bruit et de la parole, à l'aide de mesures basées sur l'estimation par maximum de vraisemblance montre que le signal vocal à détecter présente un rapport signal sur bruit d'au moins 6 dB. Regarding audio tapes used, a preliminary characterization of noise and speech, using measures based on the estimated maximum likelihood shows that the voice signal to be detected has a signal to noise ratio of at least 6 dB.
  • D'autre part, le système de traitement utilise des trames de signal de 128 points, la fréquence d'échantillonnage étant de 10 kHz. On the other hand, the processing system uses 128 points of signal frames, the sampling frequency is 10 kHz.
  • Les variables U et V sont toutes les deux évaluées sur 128 points de sorte que M = N = 128. The variables U and V are both evaluated on 128 points so that M = N = 128.
  • D'après ce qui précède, on déduit le seuil théorique de détection à 3. According to the above, the theoretical threshold is deducted detection 3.
  • Cependant, on ne peut pas se contenter de cet unique seuil. However, we can not be content with this single line. En effet, si le bruit est relativement stationnaire, il présente des instationnarités à prendre en compte pour renouveler la variable V, ce qui permet de rendre l'algorithme partiellement adaptatif. Indeed, if the noise is relatively stationary, it presents unsteadiness to consider to renew the variable V, which allows to make the partially adaptive algorithm.
  • On introduit donc un second seuil, qui permet de décider si la variable V va être renouvelée ou non. We therefore introduce a second threshold for deciding whether the variable V will be renewed or not.
  • Ce second seuil est choisi à 1,25, ce qui correspond à un bruit additif au bruit stationnaire présentant un rapport signal à bruit de -2 dB. This second threshold is selected at 1.25, which corresponds to an additive noise stationary noise having a signal to noise ratio of -2 dB.
  • La règle de décision est alors : The decision rule is:
  • Si Z < 1,25 : If Z <1.25:
  • Alors la trame traitée est composée du même bruit que celle utilisée comme référence. Then the processed frame is composed of the same noise as the one used as reference. La variable V est remplacée par la valeur de l'énergie de la trame traitée. The variable V is replaced by the value of the energy of the processed frame.
  • On notera que, puisque la décision est de considérer la trame traitée comme du bruit représentatif, on pourrait renouveler la variable V en faisant la moyenne de l'ancienne valeur de V et de l'énergie de la trame considérée. Note that, since the decision is to consider the frame processed as Representative noise, we could renew the variable V by averaging the old value of V and the energy of the frame in question. Ce qui amène à changer la valeur de M (nombre de points sur lequel est évalué V) mais cette opération peut induire un mauvais fonctionnement de l'algorithme. This leads to change the value of M (number of points on which is valued V) but this can lead to malfunction of the algorithm.
  • Si 1,25 < z > 3 : If 1.25 <z> 3:
  • La trame est considérée comme contenant une non-stationnarité du bruit, et exempte de parole. The frame is considered to contain a non-stationary noise, and free speech.
  • Si 3 < Z : If 3 <Z:
  • La trame est considéré comme de la parole. The frame is considered speech.
  • Des essais effectués sur des échantillons de signaux bruités ont validé cette détection. Tests carried out on samples of noisy signals have validated this detection.
  • Cependant, rappelons que cette détection vocale peut être améliorée par l'utilisation de critères propres au signal de parole, tel que le calcul de "pitch". However, remember that this voice detection can be improved by the use of criteria specific to the speech signal, such as the calculation of "pitch".
  • L'algorithme proposé ici concerne l'étude de quelques exemples de signaux. The algorithm proposed here concerns the study of some examples of signals. Il est évident que pour d'autres signaux de parole présentant des rapports signal à bruit différents, un nouveau choix de seuils est nécessaire. Obviously for other speech signals with different signal to noise ratios, a new choice of thresholds is required.
  • L'utilisation de deux seuils est généralement préférable. The use of two thresholds is usually best.
  • Une application de cet algorithme permet de créer des fichiers de référence corrects pour le système de reconnaissance vocale étudié. One application of this algorithm for creating correct reference files to the speech recognition system studied. Une segmentation précise des élocutions est alors nécessaire. Accurate segmentation of utterances is required.
  • Dans une application, on a utilisé un alternat micro (ouverture et fermeture micro) qui fournit une segmentation grossière des élocutions. In one embodiment, there was used a micro PTT (opening and closing micro) which provides a coarse segmentation of the utterances.
  • L'algorithme précédent a été utilisé pour affiner cet alternat. The previous algorithm was used to refine the PTT. Une première passe de l'algorithme a permis de préciser le début de l'élocution. A first pass of the algorithm has clarified the beginning of the speech. Une seconde passe a consisté à lire le fichier de parole "à l'envers", c'est-à-dire en partant de la fermeture micro vers l'ouverture micro. A second pass was to read the speech file "in reverse", that is to say starting from the closing microphone toward the microphone opening. Ce qui a permis alors de préciser la fin de l'élocution. What then clarified the end of the speech.
  • Cette utilisation non causale de l'algorithme est nécessaire, car la détection d'activité est suffisamment précise pour détecter, à l'intérieur des mots, la présence de silences, ce qui est préjudiciable à une mise en place d'une segmentation pour les apprentissages. This non-causal use of the algorithm is needed because the activity detection is precise enough to detect, in words, the presence of silence, which is detrimental to development of a segmentation for learning.
  • Le même type d'application permet aussi de segmenter les fichiers de parole sur lesquels on effectue une reconnaissance. The same type of application also allows to segment the speech files on which performs recognition.
  • Cependant, cet algorithme n'est évidemment pas causal, ce qui est préjudiciable à une utilisation temps réel. However, this algorithm is obviously not causal, which is detrimental to real-time use. D'où la nécessité de compléter cet algorithme par un calcul propre au traitement de la parole. Hence the need to complete this algorithm by a separate calculation in speech processing.
  • Nous avons démontré l'existence de seuils optimaux de détection, ce qui permet d'avoir une approche théorique du problème de l'estimation du rapport signal sur bruit et, surtout de la détection, dans le cas d'un bruit blanc et d'un signal connu seulement par son énergie sur N points lorsque celle-ci reste relativement stationnaire. We have demonstrated the existence of optimal detection thresholds, which provides a theoretical approach to the estimation problem of signal to noise ratio and above the detection, in the case of white noise and a signal known by its energy only N-point where it remains relatively stationary.

Claims (5)

  1. Procédé de détection d'un signal utile bruité, pour lequel on dispose du rapport signal/bruit attendu du signal à traiter, et d'une mesure du bruit seul estimé, mesure numérisée sur M points, caractérisé par le fait qu'on calcule l'énergie moyenne du bruit sur ces M points, on prend une tranche de N points de signal bruité, on calcule l'énergie moyenne de ces N points, on calcule le seuil de détection théorique, on calcule le rapport (Z) des deux dites énergies moyennes, et on compare ce rapport audit seuil. A method of detecting a useful signal affected by noise, for which there is the signal / noise of the signal expected to be treated, and a measurement of the estimated noise alone, measuring scanned on M points, characterized by the fact that calculates mean energy of the noise over these M points, it takes a slice of N points of the noisy signal, the mean power is calculated from these N points, the theoretical detection threshold is calculated, one calculates the ratio (Z) of said two medium-energy and compares this to said threshold.
  2. Procédé selon la revendication 1, caractérisé par le fait que le bruit seul estimé est blanc ou rendu blanc. A method according to claim 1, characterized in that the estimated noise alone is white or made white.
  3. Procédé selon l'une des revendications précédentes, caractérisé par le fait que le seuil de détection théorique est déterminé pour : Method according to one of the preceding claims, characterized in that the theoretical detection threshold is determined for: ln ln (r+1)z+k (R + 1) z + k z+k z + k = (M/4) = (M / 4) [z-(r [Z (r o o +1)]² - (z-1)² +1)] ² - (z-1) ² z²+k z² + k + ln + ln π π o o π₁ π₁
    Figure imgb0050
    r o étant le rapport signal à bruit attendu, k = M/N, π o étant la probabilité d'absence du signal utile et π₁ sa probabilité de présence. r o being the expected signal to noise ratio, k = M / N, π o being the probability of absence of the useful signal and π₁ its probability of presence.
  4. Procédé selon l'une des revendications 1 ou 2 pour la détection d'un signal blanc gaussien, caractérisé par le fait que le seuil de détection théorique est déterminé pour : Method according to one of claims 1 or 2 for detection of a gaussian white signal, characterized in that the theoretical detection threshold is determined for:
    Figure imgb0051
  5. Procédé selon l'une des revendications 1 à 3, pour la détection de la parole, caractérisé par le fait qu'en plus du seuil de détection théorique on utilise un second seuil de décision de mise à jour de la tranche mesurée du bruit seul estimé, afin de tenir compte des instationnarités du bruit. Method according to one of claims 1 to 3, for speech detection, characterized in that in addition to the theoretical detection limit using a second threshold update decision of the measured slice of the estimated noise alone to reflect the unsteadiness of the noise.
EP19920401553 1991-06-14 1992-06-05 Method for detecting a noisy wanted signal Expired - Lifetime EP0518742B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
FR9107323 1991-06-14
FR9107323A FR2677828B1 (en) 1991-06-14 1991-06-14 Method for detection of a useful signal swished.

Publications (2)

Publication Number Publication Date
EP0518742A1 true true EP0518742A1 (en) 1992-12-16
EP0518742B1 EP0518742B1 (en) 1998-04-15

Family

ID=9413874

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19920401553 Expired - Lifetime EP0518742B1 (en) 1991-06-14 1992-06-05 Method for detecting a noisy wanted signal

Country Status (6)

Country Link
US (1) US5337251A (en)
EP (1) EP0518742B1 (en)
JP (1) JPH06503185A (en)
DE (2) DE69225090T2 (en)
FR (1) FR2677828B1 (en)
WO (1) WO1992022889A1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994022131A2 (en) * 1993-03-25 1994-09-29 British Telecommunications Public Limited Company Speech recognition with pause detection
EP0620546A2 (en) * 1993-04-16 1994-10-19 Sextant Avionique Energy detection procedure for noisy signals
US5819222A (en) * 1993-03-31 1998-10-06 British Telecommunications Public Limited Company Task-constrained connected speech recognition of propagation of tokens only if valid propagation path is present
US6230128B1 (en) 1993-03-31 2001-05-08 British Telecommunications Public Limited Company Path link passing speech recognition with vocabulary node being capable of simultaneously processing plural path links
CN104316915A (en) * 2014-10-22 2015-01-28 中国船舶重工集团公司第七〇五研究所 Distortion resistance weak signal detection threshold processing method used in torpedo homing system

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5544250A (en) * 1994-07-18 1996-08-06 Motorola Noise suppression system and method therefor
US5488377A (en) * 1995-03-28 1996-01-30 Mcdonnell Douglas Corporation Method and apparatus for controlling the false alarm rate of a receiver
US6263307B1 (en) 1995-04-19 2001-07-17 Texas Instruments Incorporated Adaptive weiner filtering using line spectral frequencies
GB2303471B (en) * 1995-07-19 2000-03-22 Olympus Optical Co Voice activated recording apparatus
FR2744277B1 (en) * 1996-01-26 1998-03-06 Sextant Avionique Method of speech recognition in noisy environment, and implementation of device
DE69735107T2 (en) 1996-11-14 2006-08-31 Auto-Sense, Ltd., Lakewood Detection system with increased noise tolerance
EP0867856B1 (en) * 1997-03-25 2005-10-26 Philips Electronics N.V. Method and apparatus for vocal activity detection
FR2765715B1 (en) 1997-07-04 1999-09-17 Sextant Avionique Research Method of a noise model in noisy sound signals
US6178161B1 (en) * 1997-10-31 2001-01-23 Nortel Networks Corporation Communications methods and apparatus
US6327564B1 (en) * 1999-03-05 2001-12-04 Matsushita Electric Corporation Of America Speech detection using stochastic confidence measures on the frequency spectrum
US6611150B1 (en) 1999-03-31 2003-08-26 Sadelco, Inc. Leakage detector for use in combination with a signal level meter
DE19939102C1 (en) * 1999-08-18 2000-10-26 Siemens Ag Speech recognition method for dictating system or automatic telephone exchange
US6054927A (en) * 1999-09-13 2000-04-25 Eaton Corporation Apparatus and method for sensing an object within a monitored zone
FR2808917B1 (en) * 2000-05-09 2003-12-12 Thomson Csf Method and voice recognition device in environments in fluctuating noise
US7225129B2 (en) * 2000-09-21 2007-05-29 The Regents Of The University Of California Visual display methods for in computer-animated speech production models
US7136813B2 (en) * 2001-09-25 2006-11-14 Intel Corporation Probabalistic networks for detecting signal content
US6681194B2 (en) 2001-12-21 2004-01-20 General Electric Company Method of setting a trigger point for an alarm
US7197456B2 (en) * 2002-04-30 2007-03-27 Nokia Corporation On-line parametric histogram normalization for noise robust speech recognition
US7190741B1 (en) 2002-10-21 2007-03-13 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Real-time signal-to-noise ratio (SNR) estimation for BPSK and QPSK modulation using the active communications channel
US8032370B2 (en) 2006-05-09 2011-10-04 Nokia Corporation Method, apparatus, system and software product for adaptation of voice activity detection parameters based on the quality of the coding modes
US7876247B1 (en) * 2007-11-29 2011-01-25 Shawn David Hunt Signal dependent dither
US9241672B2 (en) * 2012-02-09 2016-01-26 Sharp Laboratories Of America, Inc. Determining usability of an acoustic signal for physiological monitoring using frequency analysis

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4052568A (en) * 1976-04-23 1977-10-04 Communications Satellite Corporation Digital voice switch
US4410763A (en) * 1981-06-09 1983-10-18 Northern Telecom Limited Speech detector

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2466825B1 (en) * 1979-09-28 1981-09-11 Thomson Csf
JPS59139099A (en) * 1983-01-31 1984-08-09 Toshiba Kk Voice section detector
FR2583938A1 (en) * 1985-06-21 1986-12-26 Labo Electronique Physique Digital quadrature demodulator filter and digital frequency-modulated signal comprising such a filter
US4630304A (en) * 1985-07-01 1986-12-16 Motorola, Inc. Automatic background noise estimator for a noise suppression system
US4914418A (en) * 1989-01-03 1990-04-03 Emerson Electric Co. Outbound detector system and method
US5029187A (en) * 1989-05-22 1991-07-02 Motorola, Inc. Digital correlation receiver
US5093842A (en) * 1990-02-22 1992-03-03 Harris Corporation Mechanism for estimating Es/No from pseudo error measurements
US5097486A (en) * 1990-07-31 1992-03-17 Ampex Corporation Pipelined decision feedback decoder
US5142554A (en) * 1990-10-31 1992-08-25 Rose Communications, Inc. Data separator with noise-tolerant adaptive threshold

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4052568A (en) * 1976-04-23 1977-10-04 Communications Satellite Corporation Digital voice switch
US4410763A (en) * 1981-06-09 1983-10-18 Northern Telecom Limited Speech detector

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
IBM TECHNICAL DISCLOSURE BULLETIN, vol. 29, no. 12, May 1987, pages 5606-5609, Armonk, New York, US; "Digital signal processing algorithm for microphone input energy detection having adaptive sensitivity" *
IEEE TRANSACTIONS ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, vol. ASSP-31, no. 3, juin 1983, pages 678-684, New York, US; P. DE SOUZA: "A statistical approach to the design of an adaptive self-normalizing silence detector" *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994022131A2 (en) * 1993-03-25 1994-09-29 British Telecommunications Public Limited Company Speech recognition with pause detection
US5848388A (en) * 1993-03-25 1998-12-08 British Telecommunications Plc Speech recognition with sequence parsing, rejection and pause detection options
WO1994022131A3 (en) * 1993-03-25 1995-01-12 British Telecomm Speech recognition with pause detection
US6230128B1 (en) 1993-03-31 2001-05-08 British Telecommunications Public Limited Company Path link passing speech recognition with vocabulary node being capable of simultaneously processing plural path links
US5819222A (en) * 1993-03-31 1998-10-06 British Telecommunications Public Limited Company Task-constrained connected speech recognition of propagation of tokens only if valid propagation path is present
EP0620546A3 (en) * 1993-04-16 1994-12-14 Sextant Avionique Energy detection procedure for noisy signals.
US5511009A (en) * 1993-04-16 1996-04-23 Sextant Avionique Energy-based process for the detection of signals drowned in noise
EP0620546A2 (en) * 1993-04-16 1994-10-19 Sextant Avionique Energy detection procedure for noisy signals
FR2704111A1 (en) * 1993-04-16 1994-10-21 Sextant Avionique A method of detecting energy lost in noise signals.
CN104316915A (en) * 2014-10-22 2015-01-28 中国船舶重工集团公司第七〇五研究所 Distortion resistance weak signal detection threshold processing method used in torpedo homing system

Also Published As

Publication number Publication date Type
FR2677828B1 (en) 1993-08-20 grant
EP0518742B1 (en) 1998-04-15 grant
FR2677828A1 (en) 1992-12-18 application
US5337251A (en) 1994-08-09 grant
JPH06503185A (en) 1994-04-07 application
DE69225090D1 (en) 1998-05-20 grant
WO1992022889A1 (en) 1992-12-23 application
DE69225090T2 (en) 1998-08-06 grant

Similar Documents

Publication Publication Date Title
US5611019A (en) Method and an apparatus for speech detection for determining whether an input signal is speech or nonspeech
US6289309B1 (en) Noise spectrum tracking for speech enhancement
US7133825B2 (en) Computationally efficient background noise suppressor for speech coding and speech recognition
US20040078199A1 (en) Method for auditory based noise reduction and an apparatus for auditory based noise reduction
US5774847A (en) Methods and apparatus for distinguishing stationary signals from non-stationary signals
US20040230428A1 (en) Method and apparatus for blind source separation using two sensors
Boll Suppression of acoustic noise in speech using spectral subtraction
US6556967B1 (en) Voice activity detector
US6377637B1 (en) Sub-band exponential smoothing noise canceling system
Martin An efficient algorithm to estimate the instantaneous SNR of speech signals
US20030023430A1 (en) Speech processing device and speech processing method
US6023674A (en) Non-parametric voice activity detection
US5319703A (en) Apparatus and method for identifying speech and call-progression signals
EP0335521A1 (en) Voice activity detection
US5459814A (en) Voice activity detector for speech signals in variable background noise
Renevey et al. Entropy based voice activity detection in very noisy conditions
US20130259211A1 (en) System and method for fingerprinting datasets
US6073152A (en) Method and apparatus for filtering signals using a gamma delay line based estimation of power spectrum
US20040133424A1 (en) Processing speech signals
US20040042626A1 (en) Multichannel voice detection in adverse environments
US5781881A (en) Variable-subframe-length speech-coding classes derived from wavelet-transform parameters
US6523003B1 (en) Spectrally interdependent gain adjustment techniques
US6275794B1 (en) System for detecting voice activity and background noise/silence in a speech signal using pitch and signal to noise ratio information
US5572623A (en) Method of speech detection
Haigh et al. Robust voice activity detection using cepstral features

Legal Events

Date Code Title Description
AK Designated contracting states:

Kind code of ref document: A1

Designated state(s): BE CH DE FR GB IT LI LU NL SE

17P Request for examination filed

Effective date: 19930420

17Q First examination report

Effective date: 19951206

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

AK Designated contracting states:

Kind code of ref document: B1

Designated state(s): BE CH DE FR GB IT LI LU NL SE

ITF It: translation for a ep patent filed

Owner name: JACOBACCI & PERANI S.P.A.

REF Corresponds to:

Ref document number: 69225090

Country of ref document: DE

Date of ref document: 19980520

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 19980506

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 19980605

26N No opposition filed
PGFP Postgrant: annual fees paid to national office

Ref country code: CH

Payment date: 19990512

Year of fee payment: 8

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: CH

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000630

Ref country code: LI

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20000630

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

PGFP Postgrant: annual fees paid to national office

Ref country code: SE

Payment date: 20010525

Year of fee payment: 10

REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: SE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20020606

EUG Se: european patent has lapsed
PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20050605

PGFP Postgrant: annual fees paid to national office

Ref country code: NL

Payment date: 20090603

Year of fee payment: 18

PGFP Postgrant: annual fees paid to national office

Ref country code: BE

Payment date: 20090619

Year of fee payment: 18

PGFP Postgrant: annual fees paid to national office

Ref country code: GB

Payment date: 20090603

Year of fee payment: 18

Ref country code: DE

Payment date: 20090529

Year of fee payment: 18

PGFP Postgrant: annual fees paid to national office

Ref country code: FR

Payment date: 20100729

Year of fee payment: 19

BERE Be: lapsed

Owner name: *SEXTANT AVIONIQUE

Effective date: 20100630

REG Reference to a national code

Ref country code: NL

Ref legal event code: V1

Effective date: 20110101

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20100605

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20110101

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: NL

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20110101

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: BE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20100630

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20100605

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20120229

PG25 Lapsed in a contracting state announced via postgrant inform. from nat. office to epo

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20110630