EP0644527B1 - Mobilfunkendgerät - Google Patents

Mobilfunkendgerät Download PDF

Info

Publication number
EP0644527B1
EP0644527B1 EP19940202647 EP94202647A EP0644527B1 EP 0644527 B1 EP0644527 B1 EP 0644527B1 EP 19940202647 EP19940202647 EP 19940202647 EP 94202647 A EP94202647 A EP 94202647A EP 0644527 B1 EP0644527 B1 EP 0644527B1
Authority
EP
European Patent Office
Prior art keywords
speech
signal
values
minimum
noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP19940202647
Other languages
English (en)
French (fr)
Other versions
EP0644527A3 (de
EP0644527A2 (de
Inventor
Rainer C/O Philips Patentverwaltung Gmbh. Martin
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Philips Intellectual Property and Standards GmbH
Koninklijke Philips NV
Original Assignee
Philips Corporate Intellectual Property GmbH
Philips Patentverwaltung GmbH
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from DE4421853A external-priority patent/DE4421853A1/de
Application filed by Philips Corporate Intellectual Property GmbH, Philips Patentverwaltung GmbH, Koninklijke Philips Electronics NV filed Critical Philips Corporate Intellectual Property GmbH
Priority to EP19940202647 priority Critical patent/EP0644527B1/de
Publication of EP0644527A2 publication Critical patent/EP0644527A2/de
Publication of EP0644527A3 publication Critical patent/EP0644527A3/de
Application granted granted Critical
Publication of EP0644527B1 publication Critical patent/EP0644527B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming

Definitions

  • the invention relates to a mobile radio terminal with a speech processing device for processing speech signals consisting of noise and speech signal components with an estimation device for the continuous formation of estimates of the signal / Noise power ratio of the speech signals with means for determining the power values of samples of the speech signals and for smoothing the power values.
  • the invention also relates to the aforementioned speech processing device as such.
  • Microphone signals adjustable delay elements are supplied. With With the help of the delay elements, microphone signals are staggered in time added up and then subjected to post-processing.
  • the useful signal components of the Microphone signals come essentially from a single acoustic source, the has different distances from the microphones. Thus for one of The acoustic signal generated by the acoustic source has different running times to the spatially separated microphones.
  • the acoustic signal causes delayed and otherwise approximately the same useful signal components of the microphone signals.
  • the useful signal components are thus strongly correlated.
  • Noise signal components of the microphone signals are in a suitable arrangement the microphones correlated weakly at most.
  • the signal / Noise power ratio of the microphone signals to be processed above a threshold lies, i.e. the useful signal components must be sufficient compared to the noise signal components be great.
  • the noise signal components must not be larger than the useful signal components his. For this reason, at least one microphone signal must be used for each new setting the delay elements an estimate of the respective signal / noise power ratio present to malfunction of the speech processing device to avoid an insufficient signal-to-noise ratio.
  • Previous devices for determining the signal / noise power ratio one off Noise and speech signal components of the existing speech signal determine a value for the Noise signal power during a speech pause, where only noise signal components are available are.
  • the detection of a speech pause is based, for example, on a statistical evaluation the speech signal using histograms or evaluating the short-term power of the noisy speech signal.
  • Such a determination dependent on language breaks of the signal / noise power ratio is prone to interference on the one hand due to the necessary speech pause detection and on the other hand slowly, since an update of the Signal / noise power ratio can only occur when there is a pause in speech, the power of the noise signal component has changed between the speech pauses can.
  • a noisy speech signal is here after a division into N signals represent different frequency ranges (channels), a device for estimation of the respective channel energy.
  • a detector for the detection of energy valleys determines pauses in speech and decides whether either a noisy speech signal or there is only background noise.
  • Estimated energy values are fed to a smoothing filter, which is implemented as a recursive filter, so as to obtain estimates for a mean value for the background noise.
  • the respective signal / noise power ratio is estimated.
  • the invention is therefore based on the object of a mobile radio terminal with a speech processing device of the type mentioned at the beginning, in which an estimate the signal-to-noise ratio of the speech signals is improved.
  • the course of the smoothed power values from noise and voice signal components existing speech signals points between two speech pauses (e.g. the Pauses between two words) peaks, i.e. Areas temporarily higher Performance between which areas of lower performance lie.
  • the smoothed Power values between the peaks are used to estimate the noise signal power.
  • a phoneme of a speech signal has at least one peak in the course assigned to the smoothed power values.
  • a phoneme is the smallest meaningful one Unity of language and a sound made up of vowels or on the other hand is formed by one or more consonants.
  • At least one smoothed power value belongs to several groups the minimum period between two updates of the weighted minimum be reduced.
  • the speech processing device can provide signal-to-noise ratio changes in noise signal power adjust between two language breaks. It is no language break for an update of the estimate of the noise signal power required.
  • means for Use of the last determined minimum one Subgroup instead of the last determined minimum a group with a predefinable number of monotonous increasing minima of subgroups are provided to a current value of the signal-to-noise ratio appreciate.
  • the invention can also be designed by that means to use the current smoothed power value instead of a last determined minimum a group or subgroup to estimate a current one Value of the signal / noise power ratio for the case is provided that the current smoothed Power value less than the last determined minimum is.
  • Performance values the last determined minimum immediately replaced by the current smoothed power value. In in this case there is an instant update an estimate of the noise signal power by the current smoothed power value.
  • language processing means are for processing the speech signals depending of estimates of the signal-to-noise ratio intended.
  • the language processing means are prevented from inadequate signal / noise ratio of the to processing speech signals work incorrectly and in particular deliver output signals, their speech quality is very low. For example, with one too low signal / noise power ratio beforehand, i.e. with a sufficiently high signal / noise ratio, determined settings of the language processing means be held constant until on again sufficiently high signal / noise ratio is present.
  • the speech processing device shown in FIG. 1 contains two microphones M1 and M2. These are used for conversion from acoustic to electrical speech signals, which are composed of speech and noise signal components.
  • the speech signal components come from a single one Language source (speaker), which is usually different Distances to the two microphones M1 and M2 has.
  • the Speech signal components are thus highly correlated.
  • the noise signal components of the two from the microphones M1 and M2 received speech signals are not from the individual Speech source generated ambient noise that at suitable microphone distances in the range of 10 to 60 cm assumed to be uncorrelated or only slightly correlated can be, if the microphones are in a so-called reverberant environment such as in the car or in an office.
  • the speech source and speech processing device are located for example in a motor vehicle, the noise signal components in particular caused by engine and driving noises.
  • the microphone signals generated by the microphones M1 and M2 are digitized by analog-digital converters 1 and 2.
  • the resulting digitized and thus present as samples x1 (i) and x2 (i) microphone signals are evaluated by a control device 3, which is used to control and set a delay element 4.
  • the sampled microphone signals x1 (i) and x2 (i) are referred to below as microphone or speech signals.
  • the delay element 4 delays the microphone signal x1 with delay values T1 that can be set by the control device 3.
  • An adding device 5 adds the microphone signal x1 (i) delayed by the delay element 4 and the microphone signal x2 (i) delayed by a delay element 16 with a constant time delay T max .
  • the delay element 16 is provided in order to be able to set both a leading and a lagging of the microphone signal x1 (i) relative to the microphone signal x2 (i).
  • a sum signal X (i) present at the output of the adding device 5 is a sampled speech signal, the signal / noise power ratio of which is increased compared to the signal / noise power ratios of the speech signals x1 (i) and x2 (i).
  • the addition by the adder 5 increases the power of the voice signal components of the two voice signals x1 (i) and x2 (i) by approximately a factor of 4 and increases the power of the noise signal components only approximately caused by a factor of 2. This results in an improvement in the power-related signal / noise power ratio of approximately 3 dB.
  • the speech signal estimates x1 int (i) are values that result from an interpolation of samples of the speech signal x1 (i). The determination of the speech signal estimates x1 int (i) will be explained later.
  • i is a variable which can take integer values and with which, on the one hand, sampling times of the speech signals x1 (i) and x2 (i) and, on the other hand, also program cycles of the programmable control device 3 having control means 3, are indicated, with one new sample value per speech signal in each program cycle is processed.
  • a digital filter 6 carries out a Hilbert transformation of the sample values x2 (i):
  • the digital filter 6 supplying the values x2 H (i) of x2 (i) is an FIR filter of the order K, which has coefficients h (0), h (1), ..., h (K).
  • K is sixteen, so that the digital filter 6 has seventeen coefficients.
  • the digital filter 6 has a low pass in terms of the transfer function. It continues to produce a 90 degree phase shift. The fixed phase shift of 90 degrees is the decisive property of the digital filter 6, the course of the amount of the transfer function is not decisive for the functioning of the speech processing device.
  • the digital filter 6 can thus also be implemented with the aid of a differentiator, which would, however, lead to a suppression of low-frequency components of x2 (i) and thus to a reduced performance of the speech processing device.
  • N indicates the number of samples of x1 used in the calculation. N is, for example, equal to 65.
  • a function block 7 continuously forms from the samples of the speech signal x2 (i) estimates SNR (i) of the associated signal-to-noise ratio, which of a function block 8 can be evaluated. Also one Evaluation of the speech signal x1 (i) instead of the speech signal x2 (i) is possible without the functionality of the speech processing device is restricted. The Operation of function block 7 will be explained later of Figures 6 to 8 explained in more detail.
  • Function block 8 makes a threshold decision regarding the estimates SNR (i) by. Only if the estimated values SNR (i) above a predeterminable threshold is a buffer 9 with the newly determined gradient estimated value grad (i) overwritten. This case is closed by the Position of a switch 11 symbolized by the Function block 8 is controlled.
  • the memory content (degree (i)) of the buffer 9 is provided by a functional unit 10 processed.
  • a Estimated value SNR (i) below the predefinable threshold lies, the buffer 9 is not new with the determined gradient estimate overwritten grad (i) and it retains its old memory content, which is caused by the open position of the switch 11 is symbolized.
  • the intermediate memory 9 supplies the gradient estimated values grad (i) stored in it to the functional unit 10, to which sample values of the speech signal x1 (i) are also supplied and which is used both for supplying the speech signal estimated values x1 int (i) and for setting the delay element 4.
  • ⁇ is a constant that has the value 0.95 in the exemplary embodiment.
  • ⁇ is a constant factor or convergence parameter and is in the range 0 ⁇ ⁇ 1 10 * R x2x2 (0) R x2x2 denotes an autocorrelation function of the speech signal x2 (i) at the zero position.
  • a particularly advantageous value range of ⁇ in the present exemplary embodiment is 1.5 ⁇ ⁇ 3.
  • the delay estimated values T1 '(i) cannot either integer values i.e. non-integer multiples of one Sampling interval.
  • a function block 14 rounds out the Delay estimates T1 '(i) on integer delay values T1 (i) with which the delay device 4 is set. The rounding operation by function block 14 is necessary because of the values of the delay 4 speech signal x1 (i) to be delayed only the corresponding sampling times are available.
  • Function block 15 is thus able to use the speech signal estimate x1 int (i) in program cycle i to form or interpolate a value of speech signal x1 at time i + T1 (i), ie at a time between two sampling times.
  • the described interpolation by function block 15 can be replaced by function block 15 performing low-pass filtering of the sample values x1 (i) for the interpolation of values between the sample times.
  • the corresponding true time delay between the speech signal components which is determined by the different distances from the speaker to the microphones M1 and M2, would lie between these two delay values.
  • such oscillations are avoided by using speech signal estimates x1 int (i) in the formation of the error values, by means of which the values of the speech signal x1 (i) are also available for delays by non-integer multiples of a sampling interval, that is to say also unequal at times the sampling times i of the speech signal x1 (i).
  • the one used to smooth the gradient estimates grad (i) Function block 12 improves the determination the delay estimates T1 '(i).
  • the control device 3 adapts the delay estimated values T1 '(i) or the delay values T1 (i) so that the square or the power of the error values e 12 (i) is reduced from one program cycle to the next. The convergence of T1 '(i) or T1 (i) is thus ensured.
  • FIG. 3 shows a speech processing device which works in principle like the speech processing device from FIG. 1 and now has three microphones M1, M2 and M3 for the delivery of microphone or speech signals.
  • the microphone signals are fed to analog-to-digital converters 20, 21 and 22, which deliver digitized and thus sampled speech signals x1 (i), x2 (i) and x3 (i), which consist of speech and noise signal components.
  • the speech signals x1 (i) and x3 (i) are supplied to adjustable delay elements 23 and 24.
  • the speech signal x2 (i) is fed to a delay element 27 with a fixed delay time T max.
  • the output values of the delay elements 23, 24 and 27 are added to the sum signal X (i) by an adding device 25.
  • a control device 26 evaluates the sample values of the speech signals x1 (i), x2 (i) and x3 (i) and derives rounded integer delay values T1 (i) and T3 () from these sample values analogously to the mode of operation of the control device 3 from FIGS. i) ab, which correspond to the integer multiples of a sampling interval of the sampled speech signals x1 (i), x2 (i) and x3 (i) and with which the delay elements 23 and 24 are set, so that an expansion from two to three microphone to be processed or voice signals is enabled.
  • FIG. 4 is a first embodiment of the control device 26 shown in FIG. 3.
  • the upper functional unit 10 provides speech signal estimates x1 int (i).
  • the lower functional unit 10 supplies speech signal estimates x3 int (i).
  • Error values e 12 (i) and e 32 (i) are formed from a difference x1 int (i) - x2 (i) and from a difference x3 int (i) - x2 (i).
  • a digital filter 6 which has already been described in more detail in the explanations relating to FIG. 2, and which serves to receive the sample values x2 (i) and to supply values x2 H (i) which are obtained by a Hilbert transformation of the Samples x2 (i) are generated.
  • the values x2 H (i) are multiplied on the one hand by the error values e 12 (i) and on the other hand by the error values e 32 (i).
  • the first product x2 H (i) * e 12 (i) is fed to the upper, the second product x2 H (i) * e 32 (i) to the lower functional unit 10.
  • the arrangement of the function blocks 7 and 8, the buffer 9 and the switch 11 is carried out analogously to FIG. 2 and is not shown in FIG. 4 for reasons of clarity.
  • FIG. 5 shows a version of the control device 26 that is expanded compared to FIG. 4.
  • three digital filters 6 are now arranged instead of just one digital filter 6. These form the values x1 H (i), x2 H (i) and x3 H (i) from the speech signal samples x1 (i), x2 (i) and x3 (i) by Hilbert transformation.
  • error values e 13 (i) are formed from the difference x1 int (i) -x2 (i), which result in a first product 0.3 * e 13 (i) * x3 H (i) come in.
  • a second product results from 0.7 * e 12th (i) * x2 H (i) .
  • the two products correspond to weighted gradient estimates of the squares of the error values e 13 (i) and e 12 (i). The sum of the first and second product and thus a linear combination of the weighted gradient estimated values is fed to the upper functional unit 10.
  • error values e 31 (i) and e 32 (i) are formed in the lower half of the block diagram shown in FIG. 5.
  • the error values e 31 (i) result from the difference x3 int (i) -x1 (i).
  • the error values e 32 (i) are formed by the difference x3 int (i) -x2 (i).
  • a third product 0.3 * e 31 (i) * x1 H (i) and a fourth product 0.7 * e 32 (i) * x2 H (i) are added up and the resulting sum is fed to the lower functional unit 10.
  • the speech processing device according to FIG. 3 which contains a control device according to FIG. 4 or 5
  • the signal / noise ratio and thus the speech quality of the sum signal X (i) of the speech processing device 3 is compared to that of of the speech processing device according to FIG. 1 Sum signal X (i) further increased.
  • the control device 5 demonstrates against the control device Fig. 4 when used in the speech processing device 3 increased stability.
  • the function block 7 from a sampled speech signal x (i), which consists of noise and speech signal components, the associated estimated values SNR (i) of the signal / noise power ratio, that is Ratio of the power of the speech signal components to the power of the noise signal components, determined.
  • the sample values x2 (i) correspond to the sample values x (i).
  • the function block 7 is shown in FIG. 6 on the basis of a block diagram.
  • a function block 30 serves to form power values P x (i) of the sample values x (i) by squaring the sample values. Function block 30 also smoothes these power values P x (i).
  • the resulting smoothed power values P x, s (i) are supplied to both function block 31 and function block 32.
  • Function block 31 continuously determines estimated values P n (i) for estimating the power of the noise signal component of the sampled values x (i), ie the power of the noise signal components of the sampled values x (i) is determined.
  • the function block 32 continuously determines estimated values SNR (i) of the signal / noise power ratio of the sampled values x (i).
  • FIG. 7 shows a flow chart which explains the function of the function block 7 in more detail.
  • the flow chart shows how estimated values SNR (i) of the corresponding signal / noise power ratio are formed from the sampled values x (i) of the speech signal x by a computer program.
  • a counter variable Z is set to 0 and a variable P Mmin is set to a value P max at the beginning of the program described by FIG.
  • P max is chosen so large that the smoothed power values P x, s (i) are always smaller than P max .
  • P max can, for example, be set to the maximum representable numerical value of a computer used to implement the program.
  • a new sample value x (i) is read in in block 34.
  • a short-term power value P x (i) of a group of N successive sample values x (i) is determined using formula (1). N here is 128, for example.
  • the value ⁇ from equation (2) is between 0.95 and 0.98.
  • the determination of smoothed power values P x, s (i) can also only be carried out using equation (2), in which case however the value ⁇ should be increased approximately to the value 0.99 and P x (i) by x 2 (i) is to be replaced.
  • a branch 37 queries whether the smoothed power value P x, s (i) that has just been determined is less than P Mmin . If this question is answered in the affirmative, ie P x, s (i) is less than P Mmin , block 38 sets P Mmin to the value of P x, s (i). If the question of branch 37 is answered in the negative, block 38 is skipped. This means that the minimum of M smoothed power values P x, s is in P Mmin after M program cycles . Then the branch 39 is used to query whether the counter variable Z has a value greater than or equal to a value M. In this way it is determined whether M smoothed power values have already been processed.
  • SNR (i) [P x, p (i) - min ⁇ c * P n (i), P x, p (i) ⁇ ] / [c * P n (i)] a current estimate SNR (i) of the signal / noise power ratio of the speech signal x (i) is determined.
  • the product c * P n (i) is used to estimate the current power of the noise signal component
  • the difference P x, p (i) -c * P n (i) is used to estimate the current power of the speech signal component of the speech signal x (i).
  • the current power of the speech signal is estimated by the smoothed power value P x, s (i).
  • the weighting with a scaling factor c prevents P n (i) from estimating the noise signal power with a value that is too small.
  • the scaling factor c is typically in the range from 1.3 to 2.
  • the minimum formation in block 41 or equation (4) ensures that the non-logarithmic signal / noise power ratio SNR (i) is also positive if in exceptional cases c * P n (i) is greater than P x, s (i). Then the power of the noise signal component of the voice signal is set equal to the power of the voice signal estimated by P x, s (i).
  • the power of the speech signal component of the speech signal estimated by P x, s (i) -P x, s (i) is then equal to zero, as is the non-logarithmic signal / noise power ratio.
  • the program continues with the reading in of a new speech signal sample value x (i) by block 34.
  • branch 39 If the query of branch 39 is answered in the affirmative, ie M smoothed sample values P x, s (i) have been processed, in block 42 by updated the components of a vector minvec of dimension W. Subsequently, branch 43 queries whether the components minvec 1 to minvec W increase with increasing vector index, ie whether: minvec j + 1 > minvec j for 1 ⁇ j ⁇ W-1
  • P n (i) is set equal to P Mmin in block 45, so that an adaptation of the estimation of the noise signal component is accelerated takes place since P n (i) is determined at the minimum of the last (M ⁇ L) values. Then in block 46 the counter variable Z is reset to 0 and P Mmin again receives the value P max .
  • M successive smoothed P x, s (i) samples x (i) of the speech signal x are combined into a subgroup.
  • the minimum of the smoothed power values P x, s (i) is determined by the operations carried out with branch 37 and block 38.
  • the W minima determined last are stored in the components of the vector minvec. If the last W minima are not monotonically increasing (see branch 43), then a preliminary estimate P n (i) of the power of the noise signal component is determined from the minimum of the minima of the last W subgroups, ie from the minimum of a group, according to block 44.
  • the minimum of the last subgroup with M smoothed power values P x is determined by block 45 to estimate the current estimated value P n (i) of the power of the noise signal component . s (i) used. This shortens the time period with which monotonically increasing smoothed power values P x, s (i) also cause a change in the estimated values SNR (i).
  • the value P n (i) is determined from the minimum of the last W subgroup minima or the last L smoothed power values P x, s (i), which is used to estimate the noise signal power.
  • the described speech processing device thus has an estimation device which is suitable for the continuous formation of estimated values SNR (i) of the signal / noise power ratio of noisy speech signals x (i). In particular, no speech pauses are required to estimate the noise signal power.
  • the estimation device described uses the special time profile of smoothed power values of the speech signal x (i), which is characterized by peaks and intermediate areas with smaller smoothed power values P x, s (i), their temporal expansion from the respective speech source, ie the respective speaker , depends. The areas between the peaks are used to estimate the power of the noise signal component.
  • the groups with L smoothed power values P x, s (i) must follow one another without gaps, ie they must either adjoin or overlap.
  • each group must contain so many smoothed power values P x, s (i) that at least all values belonging to any peak can be recorded. Since the most extended peaks can be estimated by the most extended phonemes of a speech signal, ie the vowels, the number L describing the group size can be derived from this. For a sampling rate of the speech signal of 8 kHz, a useful value of L is in the range between 3000 and 8000. An advantageous value for W is 4. With such a dimensioning, there is a good compromise between the computational effort and the speed of reaction of the function block 7.
  • the language processing means 20 to 26 are in a function block 51 summarized, which from the of the microphones M1, M2 and M3 generated microphone or Speech signals the sum signal values X (i) forms.
  • a the Function block 52 processing sum signal values X (i) summarizes all other means of the mobile radio terminal 52 Receiving, processing and sending signals together, which for communication with a not shown Serve base station, the sending and receiving of Signals via a coupled to the function block 52 Antenna 54 takes place. Furthermore, one with the function block 52 coupled speakers 53 are provided.
  • the acoustic communication of a user (speaker, listener) with the mobile radio terminal 50 takes place via the microphones M1 to M3 and the speaker 53, the parts of one in that Mobile terminal 50 integrated hands-free device are.
  • the use of such a mobile radio terminal 50 is particularly advantageous in motor vehicles because there the hands-free talking on the mobile terminal in particular is disturbed by engine or driving noises (noise).

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Noise Elimination (AREA)

Description

Die Erfindung betrifft ein Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung zur Verarbeitung von aus Rausch- und Sprachsignalanteilen bestehenden Sprachsignalen mit einer Schätzvorrichtung zum fortlaufenden Bilden von Schätzwerten des Signal-/ Rauschleistungsverhältnisses der Sprachsignale mit Mitteln zur Ermittlung der Leistungswerte von Abtastwerten der Sprachsignale und zur Glättung der Leistungswerte. Die Erfindung betrifft auch die genannte Sprachverarbeitungsvorrichtung als solche.
Auf dem Gebiet der Sprachverarbeitung sind häufig in zu verarbeitenden Sprachsignalen Rauschsignalanteile enthalten, was zur Verringerung der Sprachqualität und damit insbesondere zu einer verschlechterten Sprachverständlichkeit, führt. Dieses Problem tritt insbesondere bei Mobilfunkendgeräten auf, die in Kraftfahrzeugen verwendet werden und eine Freisprecheinrichtung aufweisen. Von im Kraftfahrzeug angeordneten Mikrophonen der Freisprecheinrichtung empfangene Sprachsignale enthalten einerseits Sprachsignalanteile, die vom jeweiligen Benutzer (Sprachquelle) des Mobilfunkendgerätes innerhalb des Kraftfahrzeuges erzeugt werden, und andererseits Rauschsignalanteile, die sich aus sonstigen Umgebungsgeräuschen des Mobilfunkgeräts ergeben. Während einer Fahrt bestehen die Umgebungsgeräusche im wesentlichen aus Motor- und Fahrgeräuschen.
Aus "Proceedings of the IEEE, VOL.75, No. 2, February 1987" ist eine Vorrichtung mit mehreren Mikrophonen bekannt, bei der mit Ausnahme eines Mikrophonsignals alle anderen Mikrophonsignale einstellbaren Verzögerungsgliedern zugeführt werden. Die mit Hilfe der Verzögerungsglieder gegeneinander zeitversetzten Mikrophonsignale werden aufaddiert und anschließend einer Nachverarbeitung unterzogen. Die Nutzsignalanteile der Mikrophonsignale stammen im wesentlichen von einer einzigen akustischen Quelle, die unterschiedliche Abstände zu den Mikrophonen aufweist. Somit ergeben sich für ein von der akustischen Quelle erzeugtes akustisches Signal unterschiedliche Laufzeiten zu den räumlich getrennten Mikrophonen. Das akustische Signal bewirkt zeitversetzte und sonst annähernd gleiche Nutzsignalanteile der Mikrophonsignale. Die Nutzsignalanteile sind somit stark korreliert. Rauschsignalanteile der Mikrophonsignale sind bei geeigneter Anordnung der Mikrophone höchstens schwach korreliert. Durch geeignete Einstellung der Verzögerungsglieder in Abhängigkeit von der Position der akustischen Quelle wird das Ausgangssignal der Vorrichtung bzw. dessen Signal-/ Rauschleistungsverhältnis verbessert.
Eine solche Vorrichtung liefen nur dann befriedigende Ergebnisse, wenn das Signal-/ Rauschleistungsverhältnis der zu verarbeitenden Mikrophonsignale über einer Schwelle liegt, d.h. die Nutzsignalanteile müssen gegenüber den Rauschsignalanteilen genügend groß sein. Insbesondere dürfen die Rauschsignalanteile nicht größer als die Nutzsignalanteile sein. Aus diesem Grund muß von mindestens einem Mikrophonsignal bei jeder Neueinstellung der Verzögerungsglieder ein Schätzwert für das jeweilige Signal-/ Rauschleistungsverhältnis vorliegen, um Fehlfunktionen der Sprachverarbeitungsvorrichtung bei einem unzureichenden Signal-/ Rauschleistungsverhältnis vermeiden zu können.
Bisherige Vorrichtungen zur Ermittlung des Signal-/ Rauschleistungsverhältnisses eines aus Rausch- und Sprachsignalanteilen bestehenden Sprachsignals ermitteln einen Wert für die Rauschsignalleistung jeweils in einer Sprachpause, wo nur Rauschsignalanteile vorhanden sind. Das Detektieren einer Sprachpause beruht beispielsweise auf einer statistischen Bewertung des Sprachsignals mit Hilfe von Histogrammen oder der Auswertung der Kurzzeitleistung des verrauschten Sprachsignals. Eine solche von Sprachpausen abhängige Ermittlung des Signal-/ Rauschleistungsverhältnisses ist einerseits störanfällig aufgrund der notwendigen Sprachpausendetektion und andererseits langsam, da eine Aktualisierung des Signal-/ Rauschleistungsverhältnisses nur beim Auftreten einer Sprachpause erfolgen kann, wobei sich zwischen den Sprachpausen die Leistung des Rauschsignalanteils geändert haben kann.
Aus der US 4,628,529 ist ein System zur Unterdrückung von Störsignalen/Hintergrundrauschen bekannt. Dieses soll insbesondere auch für den Einsatz in Mobilfunkendgeräten dienen. Ein verrauschtes Sprachsignal wird hier nach einer Aufteilung in N Signale, die verschiedene Frequenzbereiche (Kanäle) repräsentieren, einer Vorrichtung zur Schätzung der jeweiligen Kanalenergie zugeführt. Ein Detektor zum Detektieren von Energietälern ermittelt Sprachpausen und entscheidet, ob entweder ein verrauschtes Sprachsignal oder nur Hintergrundrauschen vorliegt. Während einer Sprachpause werden (vorverarbeitete) Energieschätzwerte einem Glättungsfilter zugeführt, das als rekursives Filter realisiert ist, um so Schätzwerte für einen Mittelwert für das Hintergrundrauschen zu erhalten. Auf der Grundlage der ermittelten Kanalenergien und der Schätzwerte für das Hintergrundrauschen erfolgt eine Schätzung des jeweiligen Signal-/ Rauschleistungsverhältnisses.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung der eingangs genannten Art anzugeben, bei der eine Schätzung des Signal-/ Rauschleistungsverhältnisses der Sprachsignale verbessert ist.
Die Aufgabe wird dadurch gelöst, daß kein Mittel zur Detektion von Sprachpausen vorgesehen ist,
  • daß Mittel zur Ermittlung jeweils des Minimums einer Gruppe von L aufeinanderfolgenden geglätteten Leistungswerten vorgesehen sind, wobei die Gruppen lückenlos aufeinanderfolgen und mindestens so viele geglättete Leistungswerte enthalten, daß jeweils alle einem beliebigen Phonem des Sprachsignals zugehörigen geglätteten Leistungswerte von einer einzigen Gruppe erfaßbar sind,
  • und daß Mittel zur fortlaufenden von Sprachpausen unabhängigen Bildung eines aktuellen Schätzwertes des Signal-/ Rauschleistungsverhältnisses aus dem aktuellen geglätteten Leistungswert und dem zuletzt ermittelten Minimum vorgesehen sind.
Der Verlauf der geglätteten Leistungswerte von aus Rausch- und Sprachsignalanteilen bestehenden Sprachsignalen weist zwischen zwei Sprachpausen (beispielsweise den Pausen zwischen zwei Wörtern) Spitzen auf, d.h. Bereiche kurzzeitig hoher Leistung, zwischen denen Bereiche niedrigerer Leistung liegen. Die geglätteten Leistungswerte zwischen den Spitzen dienen zur Abschätzung der Rauschsignalleistung. Einem Phonem eines Sprachsignals ist mindestens eine Spitze des Verlaufs der geglätteten Leistungswerte zugeordnet. Ein Phonem ist die kleinste bedeutungsunterscheidende Einheit der Sprache und ein Laut, der einerseits durch Vokale oder andererseits durch einzelne oder mehrere Konsonanten gebildet wird. Sind die Gruppen mit L aufeinanderfolgenden geglätteten Leistungswerten so groß, daß ein beliebiges Phonem und damit auch eine beliebige Spitze des Verlaufs der geglätteten Leistungswerte vollständig erfaßbar ist, ist sichergestellt, daß mindestens ein Wen eines neben einer Spitze liegenden Bereichs niedrigerer Leitung von jeder Gruppe erfaßbar ist. Es wird somit der Fall vermieden, daß eine Gruppe nur zu einer Spitze gehörende geglättete Leistungswerte enthält. Das Minimum einer Gruppe läßt sich damit zur Abschätzung der Rauschsignalleistung verwenden. Der Skalierungsfaktor dient zur Verbesserung der Abschätzung. Die Gruppen können aneinander grenzen oder sich auch teilweise überlappen. Für den Fall, daß die Gruppen aneinander grenzen, beträgt der Mindestabstand zwischen zwei Aktualisierungen des zur Abschätzung der Rauschsignalleistung verwendeten gewichteten Minimums L Abtastintervalle der Sprachsignale. Überlappen sich die Gruppen, so daß mindestens ein geglätteter Leistungswert zu mehreren Gruppen gehört, kann der minimale Zeitraum zwischen zwei Aktualisierungen des gewichteten Minimums verringert werden. Durch das fortlaufende von Sprachpausen unabhängige Bilden von Schätzwerten des Signal-/ Rauschleistungsverhältnisses kann die Sprachverarbeitungsvorrichtung sich auch an Änderungen der Rauschsignalleistung zwischen zwei Sprachpausen anpassen. Es ist keine Sprachpause für eine Aktualisierung der Abschätzung der Rauschsignalleistung erforderlich.
In einer Ausgestaltung der Erfindung sind Mittel zur Bildung von aneinandergrenzenden Untergruppen mit jeweils M = L/Waufeinanderfolgenden geglätteten Leistungswerten und zur Ermittlung des Minimums der Minima von jeweils W aufeinanderfolgenden Untergruppen zur Ermittlung des Minimums der zugehörigen Gruppe vorgesehen, wobei W eine natürliche Zahl darstellt und W Untergruppen eine Gruppe bilden.
Mit geringem Aufwand können so sowohl aneinandergrenzende als auch sich überlappende Gruppen realisiert werden. Bei aneinandergrenzenden Gruppen wird nach jeweils L Abtastintervallen aus dem Minimum der Minima von jeweils W aufeinanderfolgenden Untergruppen ein neuer Schätzwert für die Rauschsignalleistung bestimmt. Bei sich überlappenden Gruppen erfolgt eine neue Abschätzung der Rauschsignalleistung durch das Minimum der Minima von jeweils W aufeinanderfolgenden Untergruppen nach jeweils M Abtastintervallen.
Bei dieser Ausgestaltung können weiterhin Mittel zur Verwendung jeweils des zuletzt ermittelten Minimums einer Untergruppe anstelle des zuletzt ermittelten Minimums einer Gruppe bei einer vorgebbaren Anzahl an monoton ansteigenden Minima von Untergruppen vorgesehen werden, um einen aktuellen Wert des Signal-/ Rauschleistungsverhältnisses zu schätzen.
Damit wird ein Schätzungwert der Rauschsignalleistung nach M Abtastintervallen aktualisiert, wobei nur jeweils M zurückliegende geglättete Leistungswerte in die Abschätzung eingehen. Mit Hilfe der somit schnelleren und besser an den Verlauf der geglätteten Leistungswerte angepaßten Aktualisierungen der Schätzwerte der Rauschsignalleistung ergeben sich verbesserte Schätzwerte des Signal-/ Rauschleistungsverhältnisses der Sprachsignale.
Die Erfindung kann weiterhin dadurch ausgestaltet werden, daß Mittel zur Verwendung des aktuellen geglätteten Leistungswerts anstelle eines zuletzt ermittelten Minimums einer Gruppe oder Untergruppe zur Schätzung eines aktuellen Wertes des Signal-/ Rauschleistungsverhältnisses für den Fall vorgesehen sind, daß der aktuelle geglättete Leistungswert kleiner als das zuletzt ermittelte Minimum ist.
Unabhängig von der Größe und der Anordnung von Gruppen oder Untergruppen wird bei entsprechend kleinen geglätteten Leistungswerten das zuletzt ermittelte Minimum sofort durch den aktuellen geglätteten Leistungswert ersetzt. In diesem Fall ergibt sich eine unverzögerte Aktualisierung einer Abschätzung der Rauschsignalleistung durch den akutellen geglätteten Leistungswert.
In einer anderen Ausgestaltung sind Sprachverarbeitungsmittel zur Verarbeitung der Sprachsignale in Abhängigkeit von Schätzwerten des Signal-/ Rauschleistungsverhältnisses vorgesehen.
Es wird verhindert, daß die Sprachverarbeitungsmittel bei unzureichendem Signal-/ Rauschleistungsverhältnis der zu verarbeitenden Sprachsignale fehlerhaft arbeiten und insbesondere Ausgangssignale liefern, deren Sprachqualität sehr gering ist. So können beispielsweise bei einem zu geringen Signal-/ Rauschleistungsverhältnis vorher, d.h. bei einem ausreichend hohen Signal-/ Rauschleistungsverhältnis, ermittelte Einstellungen der Sprachverarbeitungsmittel konstant gehalten werden, bis wieder ein ausreichend hohes Signal-/ Rauschleistungsverhältnis vorliegt.
Ausführungsbeispiele der Erfindung werden nachstehend anhand der Zeichnungen näher erläutert. Es zeigen:
Fig. 1
eine Sprachverarbeitungsvorrichtung für zwei Sprachsignale,
Fig. 2
eine Steuervorrichtung zur Einstellung eines Zeitversatzes zwischen den beiden Sprachsignalen nach Fig. 1,
Fig. 3
eine Sprachverarbeitungsvorrichtung für drei Sprachsignale,
Fig. 4 und 5
Blockschaltbilder mit Steuervorrichtungen zur Einstellung von Zeitversätzen zwischen den drei Sprachsignalen nach Fig. 3,
Fig. 6 und 7
ein Blockschaltbild und ein Flußdiagramm zur Bestimmung des Signal-/ Rauschleistungsverhältnisses eines Sprachsignals,
Fig. 8
eine Einteilung von geglätteten Leistungswerten eines Sprachsignals in Gruppen und Untergruppen und
Fig. 9
ein Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung nach Fig. 1 bis 8.
Die in Fig. 1 dargestellte Sprachverarbeitungsvorrichtung enthält zwei Mikrophone M1 und M2. Diese dienen zur Umwandlung von akustischen in elektrischen Sprachsignale, die sich aus Sprach- und Rauschsignalanteilen zusammensetzen. Die Sprachsignalanteile stammen von einer einzelnen Sprachquelle (Sprecher), die im Regelfall unterschiedliche Abstände zu den beiden Mikrophonen M1 und M2 aufweist. Die Sprachsignalanteile sind somit in hohem Maße korreliert. Die Rauschsignalanteile der beiden von den Mikrophonen M1 und M2 empfangenen Sprachsignale sind nicht von der einzelnen Sprachquelle erzeugte Umgebungsgeräusche, die bei geeigneten Mikrophonabständen im Bereich von 10 bis 60 cm als unkorreliert oder nur wenig korreliert vorausgesetzt werden können, wenn sich die Mikrophone in einer sogenannten verhallten Umgebung wie beispielsweise im Auto oder in einem Büro befinden. Befinden sich Sprachquelle und Sprachverarbeitungsvorrichtung beispielsweise in einem Kraftfahrzeug, werden die Rauschsignalanteile insbesondere durch Motor- und Fahrgeräusche verursacht.
Die von den Mikrophonen M1 und M2 erzeugten Mikrophonsignale werden von Analog-Digitalumsetzern 1 und 2 digitalisiert. Die sich ergebenden digitalisierten und damit als Abtastwerte x1(i) und x2(i) vorliegenden Mikrophonsignale werden von einer Steuervorrichtung 3 ausgewertet, die zur Steuerung und Einstellung eines Verzögerungsgliedes 4 dient. Die abgetasteten Mikrophonsignale x1(i) und x2(i) werden im folgenden abgekürzt als Mikrophon- oder Sprachsignale bezeichnet. Das Verzögerungsglied 4 verzögert das Mikrophonsignal x1 mit durch die Steuervorrichtung 3 einstellbaren Verzögerungswerten T1. Eine Addiervorrichtung 5 addiert das vom Verzögerungsglied 4 verzögerte Mikrophonsignal x1(i) und das von einem Verzögerungsglied 16 mit einer konstanten Zeitverzögerung Tmax verzögerte Mikrophonsignal x2(i). Das Verzögerungsglied 16 ist vorgesehen, um sowohl ein Vorlaufen als auch ein Nacheilen des Mikrophonsignals x1(i) gegenüber dem Mikrophonsignal x2(i) einstellen zu können. Ein am Ausgang der Addiervorrichtung 5 anliegendes Summensignal X(i) ist ein abgetastes Sprachsignal, dessen Signal-/ Rauschleistungsverhältnis gegenüber den Signal-/ Rauschleistungsverhältnissen der Sprachsignale x1(i) und x2(i) erhöht ist. Durch eine geeignete Einstellung der Verzögerungszeit T1 des Verzögerungsglieds 4 wird bei der Addition durch die Addiervorrichtung 5 eine Verstärkung der Leistung der Sprachsignalanteile der beiden Sprachsignale x1(i) und x2(i) ungefähr um den Faktor 4 und eine Verstärkung der Leistung der Rauschsignalanteile nur ungefähr um den Faktor 2 bewirkt. Damit ergibt sich eine Verbesserung des leistungsbezogenen Signal-/ Rauschleistungsverhältnisses von ungefähr 3 dB.
In Fig. 2 wird die Funktionsweise der Steuerungvorrichtung 3 anhand eines Blockschaltbildes näher erläutert. Aus dem Sprachsignal x2(i) und Sprachsignalschätzwerten x1int(i) ergeben sich Fehlerwerte e12(i) durch Differenzbildung nach e12(i) = x1int(i) - x2(i)
Die Sprachsignalschätzwerte x1int(i) sind Werte, die sich aus einer Interpolation von Abtastwerten des Sprachsignals x1(i) ergeben. Die Bestimmung der Sprachsignalschätzwerte x1int(i) wird später erläutert. i ist eine Variable, die ganzzahlige Werte annehmen kann und mit der einerseits Abtastzeitpunkte der Sprachsignale x1(i) und x2(i) und andererseits auch Programmzyklen der programmierbaren und Steuermittel aufweisenden Steuervorrichtung 3 indiziert werden, wobei in einem Programmzyklus jeweils ein neuer Abtastwert per Sprachsignal verarbeitet wird.
Ein digitales Filter 6 führt eine Hilbert-Transformation der Abtastwerte x2(i) durch:
Figure 00090001
Das die Werte x2H(i) von x2(i) liefernde Digitalfilter 6 ist ein FIR-Filter der Ordnung K, das Koeffizienten h(0), h(1), ..., h(K) aufweist. Im vorliegenden Ausführungsbeispiel ist K gleich sechzehn, so daß das Digitalfilter 6 siebzehn Koeffizienten aufweist. Das Digitalfilter 6 besitzt dem Betrage nach die Übertragungsfunktion eine Tiefpasses. Es erzeugt weiterhin eine Phasenverschiebung von 90 Grad. Die feste Phasenverschiebung von 90 Grad ist die entscheidende Eigenschaft des Digitalfilters 6, der Verlauf des Betrages der Übertragungsfunktion ist für das Funktionieren der Sprachverarbeitungsvorrichtung nicht entscheidend. So kann das Digitalfilter 6 auch mit Hilfe eines Differenzierers realisiert werden, was allerdings zu einer Unterdrückung von niederfrequenten Anteilen von x2(i) und damit zu einer verringerten Leistungfähigkeit der Sprachverarbeitungsvorrichtung führen würde.
Die Ausgangswerte x2H(i) werden mit den Fehlerwerten e12(i) und dem Kehrwert 1/Px2(i) einer Kurzzeitleistung Px2(i) multipliziert, wobei die Kurzzeitleistung Px2(i) nach Px2(i) = Px2(i-1) + [x2(i)]2 - [x2(i-N]2 gebildet wird. N gibt die Anzahl der in die Berechnung eingehenden Abtastwerte von x1 an. N ist beispielsweise gleich 65. Die Multiplikation mit 1/Px2(i) dient zur Vermeidung von Instabilitäten in der Steuervorrichtung 3 beim Steuern des Verzögerungsgliedes 4. Damit ergibt sich durch grad(i) = 1 Px2 (i) * e(i) * x2H(i) ein auf die Kurzzeitleistung Px2(i) normierter geschätzter Gradient grad(i) der Quadrate bzw. der Leistung der Fehlerwerte e12(i) im Programmzyklus i.
Ein Funktionsblock 7 bildet fortlaufend aus den Abtastwerten des Sprachsignals x2(i) Schätzwerte SNR(i) des zugehörigen Signal-/ Rauschleistungsverhältnisses, die von einem Funktionsblock 8 ausgewertet werden. Auch eine Auswertung des Sprachsignals x1(i) anstelle des Sprachsignals x2(i) ist möglich, ohne daß die Funktionsfähigkeit der Sprachverarbeitungsvorrichtung eingeschränkt wird. Die Funktionsweise des Funktionsblockes 7 wird später anhand der Figuren 6 bis 8 näher erläutert. Der Funktionsblock 8 führt eine Schwellwertentscheidung bezüglich der Schätzwerte SNR(i) durch. Nur wenn die Schätzwerte SNR(i) über einer vorgebbaren Schwelle liegen, wird ein Zwischenspeicher 9 mit dem neu bestimmten Gradientenschätzwert grad(i) überschrieben. Dieser Fall wird durch die geschlossene Stellung eines Schalters 11 symbolisiert, der von dem Funktionsblock 8 gesteuert wird. Der Speicherinhalt (grad(i)) des Zwischenspeichers 9 wird von einer Funktionseinheit 10 weiterverarbeitet. Für den Fall, daß ein Schätzwert SNR(i) unterhalb des vorgebbaren Schwellwerts liegt, wird der Zwischenspeicher 9 nicht mit dem neu ermittelten Gradientenschätzwert grad(i) überschrieben und er behält seinen alten Speicherinhalt bei, was durch die geöffnete Stellung des Schalters 11 symbolisiert wird. Die vorgebbare Schwelle, von der das Öffnen und Schließen des Schalters 11 durch den Funktionsblock 8 abhängt, liegt vorzugsweise zwischen 0 und 10 dB.
Der Zwischenspeicher 9 liefert die in ihm gespeicherten Gradientenschätzwerte grad(i) an die Funktionseinheit 10, der auch Abtastwerte des Sprachsignals x1(i) zugeführt werden und die sowohl zur Lieferung der Sprachsignalschätzwerte x1int(i) als auch zur Einstellung des Verzögerungsgliedes 4 dient.
Die Gradientenschätzwerte grad(i) werden von einem Funktionsblock 12 nach sgrad(i) = α*sgrad(i-1) + (1-α)*grad(i) zu geglätteten ("smoothed") Gradientenschätzwerten sgrad(i) weiterverarbeitet. α ist eine Konstante, die im Ausführungsbeispiel den Wert 0,95 besitzt. Die Werte sgrad(i) werden von einem Funktionsblock 13 zur Adaption von Verzögerungsschätzwerten T1'(i) nach T1'(i+1) = T1'(i) - µ * sgrad(i) verwendet. Die Bestimmung von Verzögerungsschätzwerten T1'(i) erfolgt damit rekursiv. µ ist ein konstanter Faktor bzw. Konvergenzparameter und liegt im Bereich 0 < µ < 110*Rx2x2 (0) Rx2x2 bezeichnet eine Autokorrelationsfunktion des Sprachsignals x2(i) an der Stelle Null. Ein besonders vorteilhafter Wertebereich von µ ist im vorliegenden Ausführungsbeispiel 1,5 < µ < 3.
Die Verzögerungsschätzwerte T1'(i) können auch nicht ganzzahlige Werte d.h nicht ganzzahlige Vielfache eines Abtastintervalls sein. Ein Funktionsblock 14 rundet die Verzögerungsschätzwerte T1'(i) auf ganzzahlige Verzögerungswerte T1(i), mit denen die Verzögerungsvorrichtung 4 eingestellt wird. Die Rundungsoperation durch Funktionsblock 14 ist notwendig, da Werte des durch das Verzögerungsglied 4 zu verzögernden Sprachsignals x1(i) nur zu den entsprechenden Abtastzeitpunkten vorliegen.
Die Funktionseinheit 10 weist weiterhin einen Funktionblock 15 auf, der die Sprachsignalschätzwerte x1int(i) nach x1int(i) = x1(i+T1(i)) + 0,5 * [T1'(i) - T1(i)] * [x1(i+T1(i)+1)) - x1(i+T1(i)-1)] durch Interpolation dreier benachbarter Abtastwerte x1(i+T1(i)-1), x1(i+T1(i)) und x1(i+T1(i)+1) des Sprachsignals x1 bildet. Der Funktionsblock 15 ist somit in der Lage, durch den Sprachsignalschätzwert x1int(i) im Programmzyklus i einen Wert des Sprachsignals x1 zum Zeitpunkt i+T1(i), d.h. zu einem Zeitpunkt zwischen zwei Abtastzeitpunkten, zu bilden bzw. zu interpolieren. Die beschriebene Interpolation durch Funktionsblock 15 kann dadurch ersetzt werden, daß Funktionsblock 15 eine Tiefpaßfilterung der Abtastwerte x1(i) zur Interpolation von Werten zwischen den Abtastzeitpunkten durchführt.
Würden zur Bestimmung der Fehlerwerte e12(i) anstelle der Sprachsignalschätzwerte x1int(i) die am Ausgang des Verzögerungsgliedes 4 anliegenden verzögerten Abtastwerte des Sprachsignals x1(i) verwendet, wie dies aus "IEEE Transactions on Acoustics, Speech, and Signal Processing, VOL. ASSP-29, Nr.3, Juni 1981, S. 582-587" bekannt ist, würde beim Erreichen von Fehlerwerten e12(i) = 0 die Verzögerungswerte T1(i), mit denen das Verzögerungsglied 4 eingestellt wird, nicht mehr konvergieren. Es ergäben sich starke Oszillationen der gerundeten Verzögerungswerte T1(i). Diese würden zwischen zwei Verzögerungswerten mit dem Abstand eines Abtastintervalls schwanken. Die entsprechende wahre Zeitverzögerung zwischen den Sprachsignalanteilen, die durch die unterschiedlichen Wegstrecken vom Sprecher zu den Mikrophonen M1 und M2 bestimmt ist, würde dabei zwischen diesen zwei Verzögerungswerten liegen. Im vorliegenden Ausführungsbeispiel werden solche Oszillationen dadurch vermieden, daß bei der Bildung der Fehlerwerte Sprachsignalschätzwerte x1int(i) verwendet werden, durch die Werte des Sprachsignals x1(i) auch für Verzögerungen um nicht ganzzahlige Vielfache eines Abtastintervalls verfügbar sind, also auch an Zeitpunkten ungleich der Abtastzeitpunkte i des Sprachsignals x1(i).
Der zur Glättung der Gradientenschätzwerte grad(i) dienende Funktionsblock 12 bewirkt eine verbesserte Ermittlung der Verzögerungschätzwerte T1'(i).
Die Steuervorrichtung 3 adaptiert die Verzögerungsschätzwerte T1'(i) bzw. die Verzögerungswerte T1(i) so, daß von einem Programmzyklus zum nächsten das Quadrat bzw. die Leistung der Fehlerwerte e12(i) verringert wird. Die Konvergenz von T1'(i) bzw. T1(i) ist somit sichergestellt.
In Fig. 3 ist eine prinzipiell wie die Sprachverarbeitungsvorrichtung aus Fig. 1 arbeitende Sprachverarbeitungsvorrichtung mit nun drei Mikrophonen M1, M2 und M3 zur Lieferung von Mikrophon- bzw. Sprachsignalen dargestellt. Die Mikrophonsignale werden Analog-Digital-Umsetzern 20, 21 und 22 zugeführt, die digitalisierte und damit abgetastete Sprachsignale x1(i), x2(i) und x3(i) liefern, die aus Sprach- und Rauschsignalanteilen bestehen. Die Sprachsignale x1(i) und x3(i) werden einstellbaren Verzögerungsgliedern 23 und 24 zugeführt. Analog zu Fig. 1 wird das Sprachsignal x2(i) einem Verzögerungsglied 27 mit einer festen Verzögerungszeit Tmax zugeführt.Die Ausgangswerte der Verzögerungsglieder 23, 24 und 27 werden von einer Addiervorrichtung 25 zum Summensignal X(i) aufaddiert. Eine Steuervorrichtung 26 wertet die Abtastwerte der Sprachsignale x1(i), x2(i) und x3(i) aus und leitet aus diesen Abtastwerten analog zur Wirkungsweise der Steuervorrichtung 3 aus Fig. 1 und 2 gerundete ganzzahlige Verzögerungswerte T1(i) und T3(i) ab, die ganzzahligen Vielfachen eines Abtastintervalles der abgetasteten Sprachsignale x1(i), x2(i) und x3(i) entsprechen und mit denen die Verzögerungsglieder 23 und 24 eingestellt werden, so daß eine Erweiterung von zwei auf drei zu verarbeitende Mikrophon- bzw. Sprachsignale ermöglicht wird.
In Fig. 4 ist eine erste Ausführungsform der Steuervorrichtung 26 aus Fig. 3 dargestellt. Es sind zwei Funktionseinheiten 10 vorgesehen, deren Aufbau gleich dem Aufbau der Funktionseinheit 10 aus Fig. 2 ist und die zur Einstellung der Verzögerungsglieder 23 und 24 mit den gerundeten Zeitverzögerungswerten T1(i) und T3(i) dienen.
Die obere Funktionseinheit 10 liefert Sprachsignalschätzwerte x1int(i). Die untere Funktionseinheit 10 liefert Sprachsignalschätzwerte x3int(i). Aus einer Differenz x1int(i) - x2(i) und aus einer Differenz x3int(i) - x2(i) werden Fehlerwerte e12(i) und e32(i) gebildet.
Auch hier ist ein Digitalfilter 6 vorgesehen, das in den Ausführungen zu Fig. 2 bereits näher beschrieben ist, und das zum Empfang der Abtastwerte x2(i) und zur Lieferung von Werten x2H(i) dient, die durch eine Hilbert-Transformation der Abtastwerte x2(i) erzeugt werden. Die Werte x2H(i) werden einerseits mit den Fehlerwerten e12(i) und andererseits mit den Fehlerwerten e32(i) multipliziert. Das erste Produkt x2H(i)*e12(i) wird der oberen, das zweite Produkt x2H(i)*e32(i) wird der unteren Funktionseinheit 10 zugeführt. Die Anordnung der Funktionsblöcke 7 und 8, des Zwischenspeichers 9 und des Schalters 11 wird analog zu Fig. 2 durchgeführt und ist aus Gründen der Übersichtlichkeit nicht in Fig. 4 dargestellt.
Fig. 5 zeigt eine gegenüber Fig. 4 erweiterte Fassung der Steuervorrichtung 26. Im Gegensatz zu Fig. 4 sind anstelle nur eines Digitalfilters 6 nun drei Digitalfilter 6 angeordnet. Diese bilden aus den Sprachsignalabtastwerten x1(i), x2(i) und x3(i) durch Hilbert-Transformation die Werte x1H(i), x2H(i) und x3H(i).
In der oberen Hälfte des in Fig. 5 dargestellten Blockdiagramms werden Fehlerwerte e13(i) aus der Differenz x1int(i)-x2(i) bebildet, die in ein erstes Produkt 0,3*e13(i)*x3H(i) eingehen. Ein zweites Produkt ergibt sich aus 0,7*e12(i)*x2h(i). Die beiden Produkte entsprechen gewichteten Gradientschätzwerten der Quadrate der Fehlerwerte e13(i) und e12(i). Die Summe aus erstem und zweitem Produkt und damit eine Linearkombination der gewichteten Gradientschätzwerten wird der oberen Funktionseinheit 10 zugeführt.
Analog dazu werden in der unteren Hälfte des in Fig. 5 dargestellten Blockdiagramms Fehlerwerte e31(i) und e32(i) gebildet. Die Fehlerwerte e31(i) ergeben sich aus der Differenz x3int(i)-x1(i). Die Fehlerwerte e32(i) werden durch die Differenz x3int(i)-x2(i) gebildet. Ein drittes Produkt 0,3*e31(i)*x1H(i) und ein viertes Produkt 0,7*e32(i)*x2H(i) werden aufaddiert und die sich ergebende Summe wird der unteren Funktionseinheit 10 zugeführt.
Mit Hilfe der Sprachverarbeitungsvorrichtung nach Fig. 3, die eine Steuervorrichtung nach Fig. 4 oder 5 enthält, läßt sich ein gegenüber der Sprachverarbeitungsvorrichtung mit zwei Mikrophonen nach Fig. 1 verbessertes Summensignal X(i) erzeugen. Das Signal-/ Rauschleistungsverhältnis und damit die Sprachqualität des Summensignals X(i) der Sprachverarbeitungsvorrichtung nach Fig. 3 ist gegenüber dem von der Sprachverarbeitungsvorrichtung nach Fig. 1 erzeugten Summensignal X(i) weiter erhöht. Die Steuervorrichtung nach Fig. 5 weist gegenüber der Steuervorrichtung nach Fig. 4 beim Einsatz in der Sprachverarbeitungsvorrichtung nach Fig. 3 eine erhöhte Stabilität auf.
Sowohl in Fig. 4 als auch in Fig. 5 ist aus Gründen der Übersichtlichkeit auf eine Darstellung von Mitteln (siehe Funktionsblöcke 7 und 8, Zwischenspeicher 9 und Schalter 11 in Fig. 2) verzichtet worden, die eine Abhängigkeit der Sprachverarbeitung von Schätzwerten SNR(i) für eines der Mikrophonsignale x1(i), x2(i) oder x3(i) bewirken. Ebenfalls aus Gründen der Übersichtlichkeit ist die Normierung von Produkten aus Fehlerwerten und der Ausgangswerte der die Hilbert-Transformation durchführenden Digitalfilter 6 auf die Leistung eines zugehörigen Mikrophonsignals (siehe 1/Px2(i) in Fig. 2) nicht dargestellt. Die Erweiterung der Steuervorrichtungen 26 nach Fig. 4 und 5 um diese beiden technischen Merkmale ergibt sich aus ihrer Realisierung in der Steuervorrichung 3 nach Fig. 2.
Mit Hilfe der Fig. 6 und 7 wird das Schema erläutert, anhand dessen der Funktionsblock 7 aus einem abgetasteten Sprachsignal x(i), das aus Rausch- und Sprachsignalanteilen besteht, die zugehörigen Schätzwerte SNR(i) des Signal-/ Rauschleistungsverhältnisses, d.h. des Verhältnisses der Leistungen der Sprachsignalanteile zur Leistung der Rauschsignalanteile, ermittelt. Den Abtastwerten x(i) entsprechen in Fig. 2 die Abtastwerte x2(i). In Fig. 6 ist der Funktionsblock 7 anhand eines Blockschaltbildes dargestellt. Ein Funktionsblock 30 dient zur Bildung von Leistungswerten Px(i) der Abtastwerte x(i) durch Quadrieren der Abtastwerte. Weiterhin führt der Funktionsblock 30 eine Glättung dieser Leistungswerte Px(i) durch. Die sich so ergebenden geglätteten Leistungswerte Px,s(i) werden sowohl dem Funktionsblock 31 als auch dem Funktionsblock 32 zugeführt. Der Funktionsblock 31 ermittelt fortlaufend Schätzwerte Pn(i) zur Abschätzung der Leistung des Raussignalanteils der Abtastwerte x(i), d.h. es wird die Leistung der Rauschsignalanteile der Abtastwerte x(i) ermittelt. Aus den geglätteten Leistungswerten Px,s(i) und den Schätzwerten Pn(i) bestimmt der Funktionsblock 32 fortlaufend Schätzwerte SNR(i) des Signal-/ Rauschleistungsverhältnisses der Abtastwerte x(i).
In Fig. 7 ist ein Flußdiagramm dargestellt, das die Funktionsweise des Funktionsblockes 7 näher erläutert. Anhand des Flußdiagramms wird ersichtlich, wie aus den Abtastwerten x(i) des Sprachsignals x durch ein Computerprogramm Schätzwerte SNR(i) des entsprechenden Signal-/ Rauschleistungsverhältnisses gebildet werden. In einem Initialisierungsblock 33 wird zu Beginn des durch Fig. 7 beschriebenen Programms eine Zählervariable Z auf 0 und eine Variable PMmin auf einen Wert Pmax gesetzt. Pmax ist so groß gewählt, daß die geglätteten Leistungswerte Px,s(i) immer kleiner als Pmax sind. Pmax kann beispielsweise auf den maximal darstellbaren Zahlenwert eines zur Realisierung des Programms verwendeten Rechners gesetzt werden. In einem Block 34 wird ein neuer Abtastwert x(i) eingelesen. In Block 35 wird eine Zählervariable Z um den Wert 1 erhöht, wonach in Block 36 ein neuer geglätteter Leistungswert Px,s(i) gebildet wird. Er ergibt sich dadurch, daß zunächst durch Px(i) = Px(i-1) + x2(i) - x2(i-N) ein Kurzzeitleistungswert Px(i) und dann durch Px,s(i) = α * Px,s(i-1) + (1-α)*Px(i) ein neuer geglätteter Leistungswert gebildet wird. Mit Formel (1) wird ein Kurzzeitleistungswert Px(i) einer Gruppe von N aufeinanderfolgenden Abtastwerten x(i) ermittelt. N ist hier beispielsweise gleich 128. Der Wert α aus Gleichung (2) liegt zwischen 0,95 und 0,98. Die Ermittlung von geglätteten Leistungswerten Px,s(i) kann auch nur durch Gleichung (2) durchgeführt werden, wobei dann allerdings der Wert α ungefähr auf den Wert 0,99 zu erhöhen und Px(i) durch x2(i) zu ersetzen ist.
Durch eine Verzweigung 37 wird danach abgefragt, ob der gerade ermittelte geglättete Leistungswert Px,s(i) kleiner als PMmin ist. Wird diese Frage bejaht, d.h. Px,s(i) ist kleiner als PMmin, wird durch Block 38 PMmin auf den Wert von Px,s(i) gesetzt. Falls die Frage von Verzweigung 37 verneint wird, wird Block 38 übersprungen. Damit steht in PMmin nach M Programmzyklen das Minimum von M geglätteten Leistungswerten Px,s. Danach erfolgt mit der Verzweigung 39 die Abfrage, ob die Zählervariable Z einen Wert größer oder gleich einem Wert M hat. Es wird auf diese Weise festgestellt, ob schon M geglättete Leistungswerte abgearbeitet sind.
Wird die Frage von Verzweigung 39 verneint, d.h. es sind noch nicht M geglättete Leistungswerte abgearbeitet, wird das Programm mit Block 40 fortgesetzt. Dort wird ein vorläufiger Schätzwert Pn(i) der Rauschsignalleistung des Sprachsignals x durch Pn(i) = min {Px,s(i), Pn(i)} bestimmt. Diese Operation stellt sicher, daß der vorläufige Schätzwert Pn(i) nicht größer als der aktuelle geglättete Leistungswert Px,s(i) sein kann. Danach wird mit Block 41 nach der Formel SNR(i) = [Px,s(i) - min{c*Pn(i), Px,s(i)}] / [c*Pn(i)] ein aktueller Schätzwert SNR(i) des Signal-/Rauschleistungsverhältnisses des Sprachsignals x(i) ermittelt. Im Normalfall dient das Produkt c*Pn(i) zur Abschätzung der aktuellen Leistung des Rauschsignalanteils, und die Differenz Px,s(i)-c*Pn(i) dient zur Abschätzung der aktuellen Leistung des Sprachsignalanteils des Sprachsignals x(i). Die aktuelle Leistung des Sprachsignals wird durch den geglätteten Leistungswert Px,s(i) geschätzt. Die Gewichtung mit einem Skalierungsfaktor c verhindert, daß durch Pn(i) die Rauschsignalleistung mit einem zu kleinen Wert abgeschätzt wird. Der Skalierungsfaktor c liegt typisch im Bereich von 1,3 bis 2. Durch die Minimumbildung in Block 41 bzw. Gleichung (4) wird sichergestellt, daß das nicht logarithmierte Signal-/ Rauschleistungsverhältnis SNR(i) auch dann positiv ist, wenn im Ausnahmefall c*Pn(i) größer als Px,s(i) ist. Dann wird die Leistung des Rauschsignalanteils des Sprachsignals gleich der durch Px,s(i) geschätzten Leistung des Sprachsignals gesetzt. Die durch Px,s(i)-Px,s(i) geschätzte Leistung des Sprachsignalanteils des Sprachsignals ist dann wie auch das nicht logarithmische Signal-/ Rauschleistungsverhältnis gleich Null. Das Programm wird nach der Berechnung des Schätzwertes SNR(i) mit dem Einlesen eines neuen Sprachsignalabtastwertes x(i) durch Block 34 fortgesetzt.
Wird die Abfrage von Verzweigung 39 bejaht, d.h. es sind M geglättete Abtastwerte Px,s(i) abgearbeitet, werden in Block 42 durch
Figure 00200001
Figure 00210001
die Komponenten eines Vektors minvec der Dimension W aktualisiert. Danach wird durch Verzweigung 43 abgefragt, ob die Komponenten minvec1 bis minvecW mit ansteigendem Vektorindex ansteigen, d.h. ob gilt: minvecj+1 > minvecj für 1 ≤ j ≤ W-1
Wird die Abfrage von Verzweigung 43 verneint, d.h. die zuletzt ermittelten in den Komponenten des Vektors minvec stehenden zuletzt ermittelten W Minima steigen nicht monoton an, wird durch Block 44 nach Pn(i) = min{minvecW, minvecW-1, ... , minvec1} der vorläufige Schätzwert Pn(i) der Rauschsignalleistung aus den Minima der Komponenten des Vektors minvec, d.h aus dem Minimum der letzten L=W*M aufeinanderfolgenden geglätteten Leistungswerte Px,s(i), bestimmt. Bei einer Bejahung der durch Verzweigung 43 gestellten Frage, d.h. bei einem monotonen Ansteigen der zuletzt ermittelten in den Komponenten des Vektors minvec stehenden W Minima wird in Block 45 Pn(i) gleich PMmin gesetzt, so daß eine Anpassung der Abschätzung des Rauschsignalanteils beschleunigt erfolgt, da Pn(i) an dem Minimum des letzten (M<L) Werte bestimmt wird. Danach wird in Block 46 die Zählervariable Z wieder auf 0 gesetzt und PMmin erhält erneut den Wert Pmax.
Durch das beschriebene Programm werden jeweils M aufeinanderfolgende geglättete Px,s(i) Abtastwerte x(i) des Sprachsignals x zu einer Untergruppe zusammengefaßt. Innerhalb einer solchen Untergruppe wird durch die mit Verzweigung 37 und Block 38 durchgeführten Operationen das Minimum der geglätteten Leistungswerte Px,s(i) ermittelt. Die zuletzt ermittelten W Minima werden in den Komponenten des Vektors minvec abgespeichert. Sind die letzten W Minima nicht monoton ansteigend (siehe Verzweigung 43), so wird nach Block 44 ein vorläufiger Schätzwert Pn(i) der Leistung des Rauschsignalanteils aus dem Minimum der Minima der letzten W Untergruppen, d.h. aus dem Minimum einer Gruppe, bestimmt. Es werden jeweils zur Bildung einer Gruppe mit L=W*Maufeinanderfolgenden geglätteten Leistungswerten Px,s(i) W aufeinanderfolgende Untergruppen zusammengefaßt. Die Gruppen mit jeweils L Werten folgen lückenlos aufeinander und überlappen sich jeweils mit L-M gelätteten Leistungen Px,s(i).
Für den Fall, daß die Minima von W aufeinanderfolgenden Untergruppen monoton ansteigen (siehe Verzweigung 43), wird durch Block 45 zur Abschätzung des aktuellen Schätzwertes Pn(i) der Leistung des Rauschsignalanteils jeweils das Minimum der letzten Untergruppe mit M geglätteten Leistungswerten Px,s(i) verwendet. Die Zeitspanne, mit der monoton ansteigende geglättete Leistungswerten Px,s(i) auch eine Änderung der Schätzwerte SNR(i) bewirken, wird damit verkürzt.
Fig. 8 verdeutlicht, wie die geglätteten Leistungswerte Px,s in Gruppen und Untergruppen zusammengefaßt werden. Es werden jeweils M geglättete Leistungswerte Px,s(i), die jeweils zu Abtastzeitpunkten i vorliegen, zu einer Untergruppe zusammengefaßt. Die Untergruppen grenzen aneinander. Für jede Untergruppe wird das Minimum der geglätteten Leistungswerte Px,s(i) bestimmt. Jeweils W Untergruppenminima werden in dem Vektor minvec abgespeichert. In der Regel, d.h. bei nicht monoton ansteigenden W Untergruppen Minima, werden W Untergruppen zu einer Gruppe mit L = W*Mgeglätteten Leistungswerten Px,s(i) zusammengefaßt. Nach jeweils M geglätteten Leistungen Px,s(i) wird aus dem Minimum der letzten W Untergruppenminima bzw. der letzten L geglätteten Leistungswerte Px,s(i) der Wert Pn(i) bestimmt, der zur Abschätzung der Rauschsignalleistung dient. In Fig. 8 sind acht Gruppen mit jeweils L Abtastwerten x(i) dargestellt, die jeweils W = 4 Untergruppen mit M geglätteten Leistungswerten Px,s(i) enthalten. Die acht Gruppen überlappen sich teilweise. So enthalten zwei aufeinanderfolgende Gruppen jeweils L-M gleiche geglättete Leistungswerte Px,s(i). Auf diese Weise wird ein guter Kompromiß zwischen dem erforderlichen Rechenaufwand und der jeweiligen Verzögerungszeit erreicht, mit der eine Aktualisierung eines Schätzwertes Pn(i) der Rauschsignalleistung zur Aktualisierung eines Schätzwertes SNR(i) des Signal/ Rauschleistungsverhältnisses erfolgt. Eine Realisierung mit aneinandergrenzenden, d.h. sich nicht überlappenden Gruppen ist auch denkbar. Allerdings ist dann bei verringertem Rechenaufwand die Zeitspanne zwischen zwei Schätzwerten SNR(i) vergrößert, so daß die Reaktionszeit auf sich ändernde SNR des Sprachsignals x(i) vergrößert ist.
Die beschriebene Sprachverarbeitungsvorrichtung weist damit eine Schätzvorrichtung auf, die zum fortlaufenden Bilden von Schätzwerten SNR(i) des Signal-/ Rauschleistungsverhältnisses von verrauschten Sprachsignalen x(i) geeignet ist. Insbesondere sind keine Sprachpausen zur Abschätzung der Rauschsignalleistung erforderlich. Die beschriebene Schätzvorrichtung nutzt den besonderen Zeitverlauf von geglätteten Leistungswerten des Sprachsignals x(i) aus, der durch Spitzen und dazwischenliegende Bereiche mit kleineren geglätteten Leistungswerten Px,s(i) gekennzeichnet ist, deren zeitliche Ausdehnung von der jeweiligen Sprachquelle, d.h. dem jeweiligen Sprecher, abhängt. Dabei werden die Bereiche zwischen den Spitzen zur Abschätzung der Leistung des Rauschsignalanteils verwendet. Die Gruppen mit jeweils L geglätteten Leistungswerten Px,s(i) müssen lückenlos aufeinanderfolgen, d.h. sie müssen entweder aneinandergrenzen oder sich überlappen. Weiterhin muß sichergestellt sein, daß mindestens ein Wert eines zwischen zwei Spitzen liegenden Bereichs mit kleineren geglätteten Leistungswerten Px,s(i) von jeder Gruppe erfaßbar ist, d.h. jede Gruppe muß soviele geglättete Leistungswerte Px,s(i) enthalten, daß mindestens alle zu einer beliebigen Spitze gehörenden Werte erfaßbar sind. Da die zeitlich ausgedehntesten Spitzen jeweils durch die zeitlich ausgedehntesten Phoneme eines Sprachsignals, d.h. die Vokale, abschätzbar sind, kann daraus die die Gruppengröße beschreibende Zahl L abgeleitet werden. Für eine Abtastrate des Sprachsignals von 8 kHz liegt ein sinnvoller Wert von L im Bereich zwischen 3000 und 8000. Ein vorteilhafter Wert für W ist 4. Bei einer solchen Dimensionierung ergibt sich ein guter Kompromiß zwischen Rechenaufwand und Reaktionsschnelligkeit des Funktionsblockes 7.
In Fig. 9 ist eine Verwendung der Sprachverarbeitungsvorrichtung aus Fig. 3 in einem Mobilfunkendgerät 50 dargestellt. Die Sprachverarbeitungsmittel 20 bis 26 sind in einem Funktionsblock 51 zusammengefaßt, der aus den von den Mikrophonen M1, M2 und M3 erzeugten Mikrophon- bzw. Sprachsignalen die Summensignalwerte X(i) bildet. Ein die Summensignalwerte X(i) verarbeitender Funktionsblock 52 faßt alle übrigen Mittel des Mobilfunkendgerätes 52 zum Empfang, Verarbeiten und Senden von Signalen zusammen, welche zur Kommunikation mit einer nicht dargestellten Basisstation dienen, wobei das Senden und Empfangen von Signalen über eine an den Funktionsblock 52 gekoppelte Antenne 54 erfolgt. Weiterhin ist ein mit dem Funktionsblock 52 gekoppelter Lautsprecher 53 vorgesehen. Die akustische Kommunikation eines Benutzers (Sprecher, Hörer) mit dem Mobilfunkendgerät 50 erfolgt über die Mikrophone M1 bis M3 und den Lautsprecher 53, die Teile eines in das Mobilfunkendgerät 50 integrierte Freisprecheinrichtung sind. Die Anwendung eines solchen Mobilfunkendgerätes 50 ist insbesondere in Kraftfahrzeugen von Vorteil, da dort das Freisprechen über das Mobilfunkendgerät insbesondere durch Motor- oder Fahrgeräusche (Rauschen) gestört ist.

Claims (6)

  1. Mobilfunkendgerät (50) mit einer Sprachverarbeitungsvorrichtung (20 ... 27, 51) zur Verarbeitung von aus Rausch- und Sprachsignalanteilen bestehenden Sprachsignalen (x(i)) mit einer Schätzvorrichtung (7) zum fortlaufenden Bilden von Schätzwerten (SNR(i)) des Signal-/ Rauschleistungsverhältnisses der Sprachsignale (x(i)) mit Mitteln zur Ermittlung der Leistungswerte (Px(i)) von Abtastwerten der Sprachsignale (x(i)) und zur Glättung der Leistungswerte (Px(i)),
    dadurch gekennzeichnet, daß kein Mittel zur Detektion von Sprachpausen vorgesehen ist,
    daß Mittel (7) zur Ermittlung jeweils des Minimums einer Gruppe von L aufeinanderfolgenden geglätteten Leistungswerten (Px,s(i)) vorgesehen sind, wobei die Gruppen lückenlos aufeinanderfolgen und mindestens so viele geglättete Leistungswerte (Px,s(i)) enthalten, daß jeweils alle einem beliebigen Phonem des Sprachsignals zugehörigen geglätteten Leistungswerte (Px,s(i)) von einer einzigen Gruppe erfaßbar sind,
    und daß Mittel (7) zur fortlaufenden von Sprachpausen unabhängigen Bildung eines aktuellen Schätzwertes (SNR(i)) des Signal-/ Rauschleistungsverhältnisses aus dem aktuellen geglätteten Leistungswert (Px,s(i)) und dem zuletzt ermittelten Minimum vorgesehen sind.
  2. Mobilfunkendgerät nach Anspruch 1,
    dadurch gekennzeichnet,
    daß Mittel zur Bildung von aneinandergrenzenden Untergruppen mit jeweils M = L/W aufeinanderfolgenden geglätteten Leistungswerten und zur Ermittlung des Minimums der Minima von jeweils W aufeinanderfolgenden Untergruppen zur Ermittlung des Minimums der zugehörigen Gruppe vorgesehen sind, wobei W eine natürliche Zahl darstellt und W Untergruppen eine Gruppe bilden.
  3. Mobilfunkendgerät nach Anspruch 2,
    dadurch gekennzeichnet,
    daß Mittel zur Verwendung jeweils des zuletzt ermittelten Minimums einer Untergruppe anstelle des zuletzt ermittelten Minimums einer Gruppe bei einer vorgebbaren Anzahl an monoton ansteigenden Minima von Untergruppen vorgesehen sind, um einen aktuellen Wert (SNR(i)) des Signal-/ Rauschleistungsverhältnisses zu schätzen.
  4. Mobilfunkendgerät nach einem der Ansprüche 1 bis 3,
    dadurch gekennzeichnet,
    daß Mittel zur Verwendung des aktuellen geglätteten Leistungswerts anstelle eines zuletzt ermittelten Minimums einer Gruppe oder Untergruppe zur Schätzung eines aktuellen Wertes des Signal-/ Rauschleistungsverhältnisses für den Fall vorgesehen sind, daß der aktuelle geglättete Leistungswert kleiner als das zuletzt ermittelte Minimum ist.
  5. Mobilfunkendgerät nach einem der Ansprüche 1 bis 4,
    dadurch gekennzeichnet,
    daß Sprachverarbeitungsmittel zur Verarbeitung der gestörten Sprachsignale (x(i)) in Abhängigkeit von den Schätzwerten des Signal-/ Rauschleistungsverhältnisses vorgesehen sind.
  6. Sprachverarbeitungsvorrichtung (20 ... 27, 51) zur Verarbeitung von aus Rausch- und Sprachsignalanteilen bestehenden Sprachsignalen (x(i)) mit einer Schätzvorrichtung (7) zum fortlaufenden Bilden von Schätzwerten (SNR(i)) des Signal-/ Rauschleistungsverhältnisses der Sprachsignale (x(i)) mit Mitteln zur Ermittlung der Leistungswerte (Px(i)) von Abtastwerten der Sprachsignale (x(i)) und zur Glättung der Leistungswerte (Px(i)),
    dadurch gekennzeichnet, daß kein Mittel zur Detektion von Sprachpausen vorgesehen ist,
    daß Mittel (7) zur Ermittlung jeweils des Minimums einer Gruppe von L aufeinanderfolgenden geglätteten Leistungswerten (Px,s(i)) vorgesehen sind, wobei die Gruppen lückenlos aufeinanderfolgen und mindestens so viele geglättete Leistungswerte (Px,s(i)) enthalten, daß jeweils alle einem beliebigen Phonem des Sprachsignals zugehörigen geglätteten Leistungswerte (Px,s(i)) von einer einzigen Gruppe erfaßbar sind,
    und daß Mittel (7) zur fortlaufenden von Sprachpausen unabhängigen Bildung eines aktuellen Schätzwertes (SNR(i)) des Signal-/ Rauschleistungsverhältnisses aus dem aktuellen geglätteten Leistungswert (Px,s(i)) und dem zuletzt ermittelten Minimum vorgesehen sind.
EP19940202647 1993-09-21 1994-09-14 Mobilfunkendgerät Expired - Lifetime EP0644527B1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP19940202647 EP0644527B1 (de) 1993-09-21 1994-09-14 Mobilfunkendgerät

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP93115202 1993-09-21
EP93115202 1993-09-21
DE4421853A DE4421853A1 (de) 1994-06-22 1994-06-22 Mobilfunkendgerät
DE4421853 1994-06-22
EP19940202647 EP0644527B1 (de) 1993-09-21 1994-09-14 Mobilfunkendgerät

Publications (3)

Publication Number Publication Date
EP0644527A2 EP0644527A2 (de) 1995-03-22
EP0644527A3 EP0644527A3 (de) 1995-08-30
EP0644527B1 true EP0644527B1 (de) 2000-05-17

Family

ID=27206507

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19940202647 Expired - Lifetime EP0644527B1 (de) 1993-09-21 1994-09-14 Mobilfunkendgerät

Country Status (1)

Country Link
EP (1) EP0644527B1 (de)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4628529A (en) * 1985-07-01 1986-12-09 Motorola, Inc. Noise suppression system
FI92535C (fi) * 1992-02-14 1994-11-25 Nokia Mobile Phones Ltd Kohinan vaimennusjärjestelmä puhesignaaleille
DE9212439U1 (de) * 1992-09-16 1992-11-26 GS Systems, Inc., Highland Park, Ill. Signalverarbeitungssystem zur Reduzierung von Rauschanteilen in einem Sprachsignal

Also Published As

Publication number Publication date
EP0644527A3 (de) 1995-08-30
EP0644527A2 (de) 1995-03-22

Similar Documents

Publication Publication Date Title
EP0948237B1 (de) Verfahren zur Störbefreiung eines Mikrophonsignals
DE112009001003B4 (de) Geräuschunterdrückungssystem mit zwei Mikrophonen
DE60120949T2 (de) Eine hörprothese mit automatischer hörumgebungsklassifizierung
EP0668007B1 (de) Mobilfunkgerät mit freisprecheinrichtung
EP0290952B1 (de) Schaltungsanordnung zur Sprachsteuerung für ein Endgerät der Nachrichtentechnik
DE60108401T2 (de) System zur erhöhung der sprachqualität
DE2207141C3 (de) Schaltungsanordnung zur Unterdrückung unerwünschter Sprachsignale mittels eines vorhersagenden Filters
EP1388147B1 (de) Verfahren zur erweiterung der bandbreite eines schmalbandig gefilterten sprachsignals, insbesondere eines von einem telekommunikationsgerät gesendeten sprachsignals
EP0747880B1 (de) Spracherkennungssystem
EP1143416A2 (de) Geräuschunterdrückung im Zeitbereich
DE102006027673A1 (de) Signaltrenner, Verfahren zum Bestimmen von Ausgangssignalen basierend auf Mikrophonsignalen und Computerprogramm
DE112011105791T5 (de) Störungsunterdrückungsvorrichtung
EP0614304A1 (de) Verfahren zum Verbessern der akustischen Rückhördämpfung von elektroakustischen Anlagen
DE19939102C1 (de) Verfahren und Anordnung zum Erkennen von Sprache
EP1189419B1 (de) Verfahren und Vorrichtung zur Elimination Lautsprecherinterferenzen aus Mikrofonsignalen
EP1155561B1 (de) Vorrichtung und verfahren zur geräuschunterdrückung in fernsprecheinrichtungen
EP1152527B1 (de) Vorrichtung und Verfahren zum geräuschabhängigen Anpassen eines akustischen Nutzsignals
DE69817461T2 (de) Verfahren und Vorrichtung zur optimierten Verarbeitung eines Störsignals während einer Tonaufnahme
EP1456837A1 (de) Verfahren und vorrichtung zur spracherkennung
WO1999041898A1 (de) Verfahren zur verbesserung der akustischen rückhördämpfung in freisprecheinrichtungen
EP0644527B1 (de) Mobilfunkendgerät
EP0689191B1 (de) Sprachverarbeitungsvorrichtung und Mobilfunkendgerät
EP1458216B1 (de) Vorrichtung und Verfahren zur Adaption von Hörgerätemikrofonen
EP1351550B1 (de) Verfahren zur Anpassung einer Signalverstärkung in einem Hörgerät sowie ein Hörgerät
DE2854601A1 (de) Ton-synthesizer und verfahren zur ton-aufbereitung

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: A2

Designated state(s): DE FR GB IT

PUAL Search report despatched

Free format text: ORIGINAL CODE: 0009013

AK Designated contracting states

Kind code of ref document: A3

Designated state(s): DE FR GB IT

17P Request for examination filed

Effective date: 19960229

17Q First examination report despatched

Effective date: 19981119

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Owner name: PHILIPS CORPORATE INTELLECTUAL PROPERTY GMBH

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

RIC1 Information provided on ipc code assigned before grant

Free format text: 7G 10L 21/02 A

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): DE FR GB IT

REF Corresponds to:

Ref document number: 59409348

Country of ref document: DE

Date of ref document: 20000621

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

Effective date: 20000616

ITF It: translation for a ep patent filed

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

ET Fr: translation filed
PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

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

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

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

Ref country code: FR

Payment date: 20040927

Year of fee payment: 11

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

Ref country code: GB

Payment date: 20040929

Year of fee payment: 11

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

Ref country code: DE

Payment date: 20041115

Year of fee payment: 11

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

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES;WARNING: LAPSES OF ITALIAN PATENTS WITH EFFECTIVE DATE BEFORE 2007 MAY HAVE OCCURRED AT ANY TIME BEFORE 2007. THE CORRECT EFFECTIVE DATE MAY BE DIFFERENT FROM THE ONE RECORDED.

Effective date: 20050914

Ref country code: GB

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

Effective date: 20050914

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

Ref country code: DE

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

Effective date: 20060401

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

Effective date: 20050914

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

Ref country code: FR

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

Effective date: 20060531

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20060531