Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von SprachsignalenMethod for determining the intensity characteristics of background noise during speech pauses in speech signals
Beschreibungdescription
VorbemerkungPreliminary note
Die Erfindung bezieht sich auf ein Verfahren zur Bewertung von Hintergrundgeräuschen in Sprachpausen von aufgezeichneten oder übertragenen Sprachsignalen.The invention relates to a method for evaluating background noise in speech pauses of recorded or transmitted speech signals.
Die empfundene Sprachqualität, z.B. in Telefonverbindungen oder Rundfunkübertragungen, wird hauptsächlich von sprachsimultanen Störungen, also von Störungen während der Sprachaktivität, bestimmt. Aber auch Geräusche in den Sprachpausen gehen in das Qualitätsurteil ein, insbesondere bei hochqualitativer Sprachwiedergabe.The perceived speech quality, e.g. in telephone connections or radio transmissions, is mainly determined by simultaneous speech disturbances, i.e. disturbances during speech activity. But noises during the pauses in the speech are also included in the quality assessment, especially when it comes to high-quality speech reproduction.
Die Intensität des Hintergrundgeräusches in den Sprachpausen kann als ergänzender Kennwert zur Bestimmung der Sprachqualität (Sprachgüte) verwendet werden.The intensity of the background noise in the speech pauses can be used as a supplementary parameter for determining the speech quality (speech quality).
Sprachqualitätsbestimmungen von Sprachsignalen werden in der Regel mittels auditiver ("subjektiver") Untersuchungen mit Versuchspersonen vorgenommen.Speech quality determinations of speech signals are generally carried out by means of auditory ("subjective") examinations with test subjects.
Das Ziel von instrumenteilen ("objektiven") Verfahren zur Sprachqualitätsbestimmung ist es dagegen, aus Eigenschaften des zu bewertenden Sprachsignals mittels geeigneter Rechenverfahren Kennwerte zu ermitteln, die die Sprachqualität des Sprachsignals beschreiben, ohne auf Urteile von Versuchspersonen zurückgreifen zu müssen.The aim of instrumental ("objective") methods for determining speech quality, on the other hand, is to use characteristic computing methods to determine characteristic values from the properties of the speech signal to be evaluated, which describe the speech quality of the speech signal without having to resort to judgments by test subjects.
Eine sichere Qualitätsbestimmung liefern instrumenteile Verfahren, die auf einem Vergleich von ungestörtem Referenzsprachsignal (Quellsprachsignal) und dem gestörten Sprachsignal am Ende der Übertragungskette beruhen. Es existieren viele solcher Verfahren, die meist in sogenannten Probeverbindungssystemen eingesetzt werden. Dabei wird an der Quelle das ungestörte Quellsprachsignal eingespeist und nach der Übertragung wieder aufgezeichnet.
Stand der Technik und Nachteile bekannter VerfahrenInstrument quality methods, which are based on a comparison of undisturbed reference speech signal (source speech signal) and the disturbed speech signal at the end of the transmission chain, provide reliable quality determination. There are many such methods, which are mostly used in so-called sample connection systems. The undisturbed source speech signal is fed in at the source and recorded again after the transmission. State of the art and disadvantages of known methods
Bekannte Verfahren zur Bestimmung der Intensität von Hintergrundgeräuschen gehen meist vom gestörten Signal selbst aus und nutzen eine festgelegte Intensitätschwelle zur Unterscheidung von aktiver Sprache und Sprachpausen (Fig. 1 ). Diese Schwelle ist im einfachsten Fall konstant im Verfahren eingestellt, kann aber auch anhand des Signalverlaufs adaptiert werden (z.B. festgelegter Abstand zum Signal-Spitzenwert). Das Ziel ist eine sichere Unterscheidung zwischen Sprache und Sprachpause. Gelingt die Unterscheidung, können die gesuchten Intensitätskennwerte des Hintergrundgeräuschs aus den als Sprachpause detektierten Signalabschnitten bestimmt werden. Dazu werden im Allgemeinen die als Sprachpause detektierten Signalabschnitte nochmals in kürzere Segmente (typisch sind 8...40ms) unterteilt und für diese die Intensitätsberechnungen (z.B. Effektivwert oder Lautheit) vorgenommen. Aus den Ergebnissen können dann Intensitätskennwerte bestimmt werden.Known methods for determining the intensity of background noise usually start from the disturbed signal itself and use a defined intensity threshold to distinguish between active speech and speech pauses (FIG. 1). In the simplest case, this threshold is set constantly in the process, but can also be adapted on the basis of the signal curve (e.g. defined distance from the signal peak value). The goal is to make a clear distinction between language and language break. If the distinction is successful, the desired intensity characteristics of the background noise can be determined from the signal sections detected as a speech pause. For this purpose, the signal sections detected as a speech pause are generally subdivided into shorter segments (typically 8 ... 40ms) and the intensity calculations (e.g. effective value or loudness) are carried out for them. Intensity parameters can then be determined from the results.
Die Verfahren liefern bei geringen Geräuschintensitäten in Sprachpausen und gleichzeitig hoher Intensität der Sprache (großes Sprach-Geräusch-Verhältnis) sichere Meßwerte, da die Unterscheidung zwischen Sprache und Sprachpause sicher erfolgen kann (Fig.1 ).With low noise intensities in speech pauses and at the same time high intensity of speech (large speech-noise ratio), the methods deliver reliable measured values, since the distinction between speech and speech pause can be made reliably (FIG. 1).
Bei steigenden Geräuschintensitäten in Sprachpausen (abnehmendes Sprach-Geräusch- Verhältnis) treten zunehmend Unsicherheiten in der Unterscheidung zwischen Sprache und Sprachpausen auf. Hier ist es schwierig den Schwellenwert so festzulegen, dass zum einen keine Geräuschabschnitte mit höheren Intensitäten als Sprache detektiert werden (Schwelle zu niedrig) und zum anderen keine Sprachabschnitte geringerer Intensität als Sprachpause gewertet werden (Schwelle zu hoch) (Fig. 2).With increasing noise intensities in speech pauses (decreasing speech-noise ratio), uncertainties increasingly arise in the distinction between speech and speech pauses. Here it is difficult to determine the threshold value so that on the one hand no sound sections with higher intensities than speech are detected (threshold too low) and on the other hand no speech sections with lower intensity are evaluated as speech pause (threshold too high) (Fig. 2).
Erreicht die Intensität des Geräusches in den Sprachpausen die Intensität der aktiven Sprache oder übersteigt diese sogar, ist keine Intensitätsschwelle zu finden, die eine Unterscheidung zwischen Sprache und Sprachpause ermöglicht.
Lösungen für die beschriebenen Probleme sind möglich, wenn z.B. unterschiedliche spektrale Charakteristika von Sprache und Hintergrundgeräuschen vorliegen. Hier kann durch geeignete Vorfϊlterung des Signals bzw. durch eine spektrale Analyse und Auswertung von ausgewählten Frequenzbändern ein höheres Verhältnis von Sprache zu Hintergrundgeräusch in den betrachteten Frequenzbereichen erreicht werden, so dass wieder eine sichere Unterscheidung zwischen aktiver Sprache und Sprachpause möglich ist.If the intensity of the noise in the pauses in the speech reaches or even exceeds the intensity of the active speech, no intensity threshold can be found which enables a distinction to be made between speech and speech pause. Solutions to the problems described are possible if, for example, there are different spectral characteristics of speech and background noise. A suitable ratio of speech to background noise in the considered frequency ranges can be achieved here by suitable pre-filtering of the signal or by spectral analysis and evaluation of selected frequency bands, so that a reliable distinction between active speech and speech pause is possible again.
Andere Lösungen bedienen sich bestimmter Parameter, die bei Sprachcodierung ermittelt werden und nutzen diese zur Unterscheidung zwischen Sprache und Abschnitten mit Hintergrundgeräuschen. Dabei ist es das Ziel, aus den Parametern abzuleiten, ob das betrachtete Signal segment typische Eigenschaften von Sprache (z.B. stimmhafte Anteile) aufweist. Ein Beispiel hierfür ist "Voice-Activity Detector" (ETSI Recom endation GSM 06.92, Valboune, 1989).Other solutions use certain parameters that are determined in speech coding and use these to distinguish between speech and sections with background noise. The aim is to derive from the parameters whether the signal segment under consideration has typical characteristics of speech (e.g. voiced components). An example of this is "Voice Activity Detector" (ETSI Communication GSM 06.92, Valboune, 1989).
Diese Verfahren arbeiten bei geringen Sprach-Geräusch- Verhältnissen robuster und werden vorrangig zur Unterdrückung der Übertragung von Sprachpausen z.B. im Mobilfunk eingesetzt. Die Verfahren zeigen jedoch Unsicherheiten, wenn das Hintergrundgeräusch selbst Sprache beinhaltet oder sprachähnlich ist. Solche Abschnitte werden dann als Sprache klassifiziert, obwohl sie von einem Zuhörer als störendes Hintergrundgeräusch empfunden werden.These methods work more robustly at low speech-to-noise ratios and are used primarily to suppress the transmission of speech pauses e.g. used in mobile communications. However, the procedures show uncertainties if the background noise itself contains speech or is similar to speech. Such sections are then classified as speech, although they are perceived by a listener as disturbing background noise.
Instrumentelle Sprachqualitätsmessverfahren basieren meist auf dem Prinzip des Signalvergleichs von ungestörtem Referenzsprachsignal und gestörtem und zu bewertenden Signal. Beispiele hierfür sind die Veröffentlichungen:Instrumental speech quality measurement methods are mostly based on the principle of signal comparison of undisturbed reference speech signal and disturbed signal to be evaluated. Examples of this are the publications:
"A perceptual speech-quality measure based on a psychacoustic sound representation" (Beerends, J. G.; Stemerdink, J. A., J. Audio Eng. Soc. 42(1994)3, S. l 15-123)"A perceptual speech-quality measure based on a psychacoustic sound representation" (Beerends, J.G .; Stemerdink, J.A., J. Audio Eng. Soc. 42 (1994) 3, pp. L 15-123)
"Auditory distortion measure for speech coding" (Wang, S; Sekey, A.; Gersho, A.: IEEE Proc. Int. Conf. acoust., speech and signalprocessing (1991), S.493-496).
Der derzeit gültige ITU-T Standard P.861 beschreibt ebenfalls ein derartiges Verfahren: "Objective quality measurement of telephone-band speech codecs" (ITU-T Rec. P.861 , Genf 1996)."Auditory distortion measure for speech coding" (Wang, S; Sekey, A .; Gersho, A .: IEEE Proc. Int. Conf. Acoust., Speech and signal processing (1991), S.493-496). The currently valid ITU-T standard P.861 also describes such a method: "Objective quality measurement of telephone-band speech codecs" (ITU-T Rec. P.861, Geneva 1996).
Solche Messverfahren werden in sogenannten Probeverbindungssystemen eingesetzt, bei denen ein bekanntes Referenzsprachsignal (Quellsprachsignal) an der Quelle eingespeist, über z. B. eine Telefonverbindung übertragen und an der Senke aufgezeichnet wird. Nach der Aufzeichnung des Sprachsignals werden zur Bewertung der Sprachqualität des möglicherweise gestörten Signals dessen Eigenschaften mit denen des ungestörten Quellsprachsignals verglichen.Such measurement methods are used in so-called sample connection systems, in which a known reference speech signal (source speech signal) is fed in at the source, via e.g. B. a telephone connection is transmitted and recorded at the sink. After the speech signal has been recorded, the properties of the possibly disturbed signal are compared with those of the undisturbed source speech signal in order to assess the speech quality.
Steht für die Bestimmung des Hintergrundgeräuschs in Sprachpausen das ungestörte Quellsprachsignal zur Verfügung, dann kann dieses zur Festlegung der Übergangszeit- punkte von Sprache zur Sprachpause bzw. von Sprachpause zur Sprache benutzt werden. Dazu wird z.B. ein Verfahren mit Schwellwertbestimmung - wie oben beschrieben - auf das Quellsprachsignal angewandt. Das Verfahren liefert sichere Unterscheidungen zwischen Sprache und Sprachpause, da das Sprach-Geräusch-Verhältnis im ungestörten Quellsprachsignal ausreichend hoch ist (Fig. 3a). Die Zeitpunkte der Schwellpassage, d.h. Beginn bzw. Ende der Sprachaktivität, können nun auf das gestörte Sprachsignal übertragen werden (Fig. 3b).If the undisturbed source speech signal is available for determining the background noise during speech pauses, then this can be used to determine the transition times from speech to speech pause or from speech pause to speech. For this, e.g. a method with threshold determination - as described above - applied to the source speech signal. The method provides reliable distinctions between speech and speech pause, since the speech-to-noise ratio in the undisturbed source speech signal is sufficiently high (FIG. 3a). The times of the swell passage, i.e. The beginning or end of the speech activity can now be transmitted to the disturbed speech signal (Fig. 3b).
Unproblematisch kann ein solches Verfahren modifiziert werden, wenn zwischenSuch a procedure can easily be modified if between
Quell Sprachsignal und gestörtem Signal eine konstante Zeitdifferenz (z.B. Verzögerung durch Signalübertragung) eintritt. Bedingung ist aber, dass diese Zeitdifferenz vorab sicher bestimmt werden kann und dann zur Korrektur der Zeitpunkte Ende bzw. Beginn derSource voice signal and disturbed signal a constant time difference (e.g. delay due to signal transmission) occurs. However, the condition is that this time difference can be reliably determined in advance and then to correct the times at the end or start of the
Sprachaktivität genutzt wird. Das ist meist bei zeit-invarianten Systemen möglich, da diese eine konstante Verzögerung besitzen (Fig. 3c).Voice activity is used. This is usually possible with time-invariant systems, since they have a constant delay (Fig. 3c).
Prinzipiell funktioniert ein solches Verfahren auch, wenn der Zeitversatz zwischen beiden Signalen nicht für die gesamte Signallänge konstant ist, sondern variabel verläuft. Zu diesen zeit-invarianten Systemen zählen insbesondere paket-basierte Übertragungssysteme,
bei denen durch unterschiedliche Paketlaufzeiten und entsprechendes Management im Empfänger deutliche Schwankungen in der Systemverzögerung auftreten können. Um Verlusten durch verspätet eintreffende Pakete vorzubeugen, werden teilweise Sprachpausen im Empfänger verlängert und spätere wieder verkürzt. Eine Übertragung der Zeitpunkte von Beginn bzw. Ende der Sprachaktivität ist nur noch bei Kenntnis der aktuellen Verzögerung an diesen Punkten möglich. Die adaptive Bestimmung des Zeitversatzes ist rechenzeitintensiv und gelingt insbesondere bei verringerten Sprach- Geräusch-Verhältnissen oft nur unzureichend. Wenn die adaptive Bestimmung des Zeitversatzes nicht sicher gelingt, können Anfang und Ende von Sprachpausen nicht exakt oder gar nicht ermittelt werden. Dadurch ist keine oder nur eine unsichere Bestimmung der Intensitätskennwerte von Pausengeräuschen möglich.In principle, such a method also works if the time offset between the two signals is not constant for the entire signal length, but is variable. These time-invariant systems include, in particular, packet-based transmission systems, where different packet delays and corresponding management in the receiver can cause significant fluctuations in the system delay. In order to prevent losses due to parcels arriving late, speech breaks in the receiver are sometimes extended and later ones shortened. A transmission of the times from the beginning or end of the speech activity is only possible with knowledge of the current delay at these points. The adaptive determination of the time offset is computationally intensive and, particularly in the case of reduced speech-to-noise ratios, is often unsuccessful. If the adaptive determination of the time offset is not successful, the beginning and end of speech pauses cannot be determined exactly or not at all. As a result, no or only an uncertain determination of the intensity characteristic values of pause noises is possible.
Aufgabetask
Wie beschrieben, ist die Bestimmung von Hintergrundgeräuschen in Sprachpausen auch bei Kenntnis des ungestörten Quellsprachsignals schwierig oder teilweise unmöglich, insbesondere wennAs described, the determination of background noise during speech pauses is difficult or partially impossible even when the undisturbed source speech signal is known, especially if
• ein geringes Verhältnis von Sprache zu Hintergrundgeräusch vorliegt,• there is a low ratio of speech to background noise,
• das Hintergrundgeräusch Sprache beinhaltet oder selbst sprachähnlich ist,• the background noise contains language or is itself language-like,
• der Zeitversatz zwischen ungestörtem Quellsprachsignal und gestörtem Sprachsignal nicht konstant über die gesamte Signallänge ist.• The time offset between undisturbed source speech signal and disturbed speech signal is not constant over the entire signal length.
Es soll ein Verfahren vorgestellt werden, mit dem auch unter den genannten Bedingungen eine sichere und schnelle Bestimmung von Intensitätskennwerten des Hintergrundgeräuschs in Sprachpausen gewährleistet wird. Bedingung ist, dass sowohl Quellsprach- signal als auch gestörtes Sprachsignal vollständig aufgezeichnet zur Verfügung stehen.A method is to be presented with which a reliable and quick determination of intensity characteristics of the background noise during speech pauses is guaranteed even under the conditions mentioned. The condition is that both the source speech signal and the disturbed speech signal are fully recorded.
Lösungsprinzipsolution principle
Die bekannten Verfahren gehen davon aus, den Zeitpunkt von Beginn und Ende einer Sprachpause möglichst exakt zu ermitteln. Im Ergebnis steht dann das Signal von den Pausenabschnitten zur weiteren Auswertung zur Verfügung. Aus diesen separierten Pausenabschnitten des Signals werden die Intensitätskennwerte ermittelt.
Mit dem vorliegenden Verfahren können Intensitätskennwerte von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen bestimmt werden, ohne dass die exakten Zeitpunkte von Beginn und Ende eines Pausenabschnitts ermitteln werden müssen. Auch ist eine Separierung des Sprachpausensignals für die Auswertung nicht erforderlich.The known methods assume that the time from the beginning and end of a speech pause is determined as precisely as possible. As a result, the signal from the break sections is then available for further evaluation. The intensity parameters are determined from these separated pause sections of the signal. With the present method, intensity characteristic values of background noise in speech pauses of speech signals can be determined without having to determine the exact times from the beginning and end of a pause section. It is also not necessary to separate the speech pause signal for the evaluation.
Basis für das hier beschriebene Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen ist die kumulative Häufigkeitsverteilung der Intensitätswerte von den Signal Segmenten, in die das Sprachsignal zuvor unterteilt wird. Diese Kurzzeit-Signalintensitäten beziehen sich auf Signalsegmente mit einer Dauer von z.B. 8ms oder 16ms. Die Häufigkeitsverteilung gibt an, wie hoch der Anteil an Kurzzeit-Intensitäten unterhalb eines definierten Schwellwertes ist.The basis for the method described here for determining intensity characteristics of background noise in speech pauses in speech signals is the cumulative frequency distribution of the intensity values from the signal segments into which the speech signal is previously divided. These short-term signal intensities refer to signal segments with a duration of e.g. 8ms or 16ms. The frequency distribution indicates how high the proportion of short-term intensities is below a defined threshold.
Für die Berechnung der Häufigkeitsverteilung wird das zu analysierende Sprachsignal in kurze aufeinanderfolgende Signalsegmente unterteilt und von jedem Signalsegment der Intensitätswert (z.B. Lautheit oder Effektivwert) bestimmt.To calculate the frequency distribution, the speech signal to be analyzed is divided into short successive signal segments and the intensity value (e.g. loudness or effective value) of each signal segment is determined.
Fig. 4 zeigt einen typischen Kurvenverlauf für Sprachsignale mit stationärem Hintergrundgeräusch (Sprach-Geräusch- Abstand ca. lOdB). Die kumulative Häufigkeitsverteilung ist am Beispiel von Kurzzeit-Lautheiten (Lautheiten berechnet nach ISO532) dargestellt.FIG. 4 shows a typical curve profile for speech signals with stationary background noise (speech-noise distance approx. 10B). The cumulative frequency distribution is shown using the example of short-term loudness (loudness calculated according to ISO532).
Ausgewertet wurden 2000 Segmente von 16ms Länge. Es ist zu erkennen, dass keines der Segmente einen geringeren Wert als 30 sone aufweist (P = 0 %) und auch kein Segment eine höhere Lautheit als 80 sone erreicht, da hier schon der Wert P=100 % erreicht wird. Der steile Anstieg der Funktion bei ca. 30 sone lässt auf eine geringe Fluktuation der Signalintensität in großen Bereichen (fast 70%) des Signals schließen. Als Signal wurde hier ein Sprachsignal mit additiven weißen Rauschen benutzt.2000 segments of 16ms length were evaluated. It can be seen that none of the segments has a value less than 30 sone (P = 0%) and also no segment has a higher loudness than 80 sone, since the value P = 100% is already achieved here. The steep increase in function at approx. 30 sone suggests a low fluctuation in the signal intensity in large areas (almost 70%) of the signal. A speech signal with additive white noise was used as the signal here.
Eine solche Verteilungsfunktion soll nun dazu benutzt werden, Intensitätskennwerte von Hintergrundgeräuschen in den Sprachpausen zu ermitteln. Dazu ist es erforderlich, den Anteil an Sprachpausen im Gesamtsignal zu kennen. Dieser Anteil kann aus dem ungestörten Quellsprachsignal bestimmt werden (Fig. 3a).
Gesamtlänge der Sprachpausen = (tl - tO) + (t3 - 12) Gesamtlänge des Signalabschnitts = (t4 - tO) e Sprac ,hpausenant .ei .,l = — Gesamt —lä —ng & —e d : —er S -fpr —rach Ap: —aus ; —en : —Such a distribution function is now to be used to determine the intensity characteristics of background noise in the speech pauses. To do this, it is necessary to know the proportion of speech pauses in the overall signal. This portion can be determined from the undisturbed source speech signal (Fig. 3a). Total length of the speech pauses = (tl - tO) + (t3 - 12) Total length of the signal section = (t4 - tO) e Sprac, hpausenant .ei., L = - Total —lä —ng & —ed: —er S -fpr - revenge Ap: —out; —En: -
Gesamtlange des SignalabschnittsTotal length of the signal section
Wird davon ausgegangen, dass das Verhältnis von aktiver Sprache zu Sprachpausen während der Übertragung weitgehend konstant bleibt, kann dieser Wert auch auf das gestörte Signal übertragen werden.If it is assumed that the ratio of active speech to speech pauses remains largely constant during transmission, this value can also be transmitted to the disturbed signal.
Ist der Anteil an Sprachpausen am gesamten Sprachsignal bekannt und wird dieser Anteil als Häufigkeitsschwelle definiert, so kann aus der Häufigkeitsverteilung der Kurzzeit- Intensitäten der der Häufigkeitsschwelle entsprechende Intensitätsschwellwert ermittelt werden.If the proportion of speech pauses in the entire speech signal is known and this proportion is defined as the frequency threshold, the intensity threshold value corresponding to the frequency threshold can be determined from the frequency distribution of the short-term intensities.
In Fig. 4 ist als Beispiel ein Anteil an Sprachpausen von 58 % eingetragen. Dieser Häufigkeitsschwelle P7 = 0.58 entspricht ein Intensitätsschwellwert von N = 34.5 sone, das bedeutet, dass von 58 % der Signalsegmente der Intensitätswert (Lautheit) von 34,5 sone nicht überschritten wird.A proportion of speech pauses of 58% is entered in FIG. 4 as an example. This frequency threshold P 7 = 0.58 corresponds to an intensity threshold of N = 34.5 sone, which means that the intensity (loudness) of 34.5 sone is not exceeded by 58% of the signal segments.
Der Bereich unterhalb des Intensitätsschwellwertes zeigt die Häufigkeitsverteilung für Intensitätswerte von Signalsegmenten in den Sprachpausen und kann für die Ermittlung von Intensitätskennwerten von den Hintergrundgeräuschen in den Sprachpausen benutzt werden.The area below the intensity threshold shows the frequency distribution for intensity values of signal segments in the speech pauses and can be used to determine intensity values of the background noise in the speech pauses.
Es wird davon ausgegangen, dass kein Sprachpausensegment einen höheren Intensitätswert als ein Sprachsegment besitzt, so dass der Intensitätsschwellwert als Maximalwert für das Hintergrundgeräusch in Sprachpausen angesehen werden kann.
Ermittlung des arithmetischen Mittelwertes von IntensitätenIt is assumed that no speech pause segment has a higher intensity value than a speech segment, so that the intensity threshold value can be regarded as the maximum value for the background noise in speech pauses. Determination of the arithmetic mean of intensities
Aus der kumulativen Verteilungsfunktion lässt sich auch der arithmetische Mittelwert aller Segmente ableiten, deren Intensitäten sich unter einer vorher ermittelten Häufigkeitsschwelle befinden. Dazu ist zunächst eine Differenzierung der kumulativen Verteilungsfunktion P(x) in eine Verteilungsdichtefunktion p(x) vorzunehmen. Das arithmetische Mittel aller ausgewerteten Intensitäten X des Gesamtsignals berechnet sich wie bekannt aus dem Integral der Verteilungsdichtefunktion /?(5e :The arithmetic mean of all segments whose intensities are below a previously determined frequency threshold can also be derived from the cumulative distribution function. For this purpose, the cumulative distribution function P (x) must first be differentiated into a distribution density function p (x). As is known, the arithmetic mean of all evaluated intensities X of the total signal is calculated from the integral of the distribution density function /? (5e:
X = x p(x) dx Gl. 1X = x p (x) dx Eq. 1
Eine Begrenzung der Integration bei einem bestimmten Wert xG ermöglicht die Ermittlung des arithmetischen Mittelwertes über alle Werte X, die unter diesem Grenzwert liegen. Dabei ist jedoch das Ergebnis mit der Häufigkeit P(xc) zu wichten. Diese Häufigkeit entspricht dem Integral überpfx) bis zum Wert .xc.Limiting the integration at a specific value x G enables the arithmetic mean to be determined over all values X which are below this limit. However, the result must be weighted with the frequency P (x c ). This frequency corresponds to the integral overpfx) up to the value .x c .
X = G1.2
X = G1.2
Der Intensitätsschwellwert xc kann aus der Verteilungsfunktion P(x) abgeleitet werden. Im Beispiel nach Fig. 4 ist der Häufigkeitsschwellwert P(xa) der Anteil von Sprachpausen im Gesamtsignal P7 - 0.58 , dem der Intensitätsschwellwert xc = 34.5 sone zugeordnet ist. Das arithmetische Mittel aller Segmente mit einer Intensität, die geringer als xG ist, berechnet sich nach Gl. 2, wobei xa - 34.5 sone gilt. Die Häufigkeit von 58% entspricht hier dem Wichtungswert P(x„=34.5) = 0.58. Grafisch ist dieses Vorgehen in Fig. 5 dargestellt.The intensity threshold x c can be derived from the distribution function P (x). . In the example of Figure 4 is the frequency threshold P (x a), the proportion of speech pauses in the total signal 7 P - 0.58, which is the intensity threshold value x c = 34.5 sone assigned. The arithmetic mean of all segments with an intensity that is less than x G is calculated according to Eq. 2, where x a - 34.5 sone applies. The frequency of 58% corresponds to the weighting value P (x „= 34.5) = 0.58. This procedure is shown graphically in FIG. 5.
Wird nun wieder davon ausgegangen, dass die Intensitäten von Segmenten in Sprachpausen, die Intensitäten von Sprachsegmenten nicht übersteigen oder das Hintergrundgeräusch nur schwache zeitliche Fluktuationen aufweist, kann der berechnete arithmetische Mittelwert als Mittelwert der Intensität in Sprachpausen betrachtet werden.
Vereinfachtes Verfahren zur Bestimmung des arithmetischen MittelwertesIf it is again assumed that the intensities of segments during speech pauses, that the intensities of speech segments do not exceed, or that the background noise shows only slight fluctuations in time, the calculated arithmetic mean can be regarded as the mean value of the intensity during speech pauses. Simplified procedure for determining the arithmetic mean
Ein vereinfachtes Verfahren zur Bestimmung des Mittelwertes über alle X geht von der Annahme aus, dass die relative Häufigkeitsverteilung der Intensitätswerte der Signalsegmente im Bereich P(x) = 0 bis zum Häufigkeitsschwellwert von Sprachpausen Pz durch eine gewichteten Normalverteilung G(x, μ &) angenähert werden kann. Der Wert für die Verteilungsfunktion G(x, μ σ2) für x—>∞ ist 1. Wie bekannt, entspricht der Wert , bei dem gilt G(x, μ &) = 0.5, dem arithmetischen Mittel über alle Einzelwerte X.A simplified method for determining the mean value over all X is based on the assumption that the relative frequency distribution of the intensity values of the signal segments in the range P (x) = 0 up to the frequency threshold value of speech pauses P z by a weighted normal distribution G (x, μ &) can be approximated. The value for the distribution function G (x, μ σ 2 ) for x—> ∞ is 1. As is known, the value for which G (x, μ &) = 0.5 corresponds to the arithmetic mean over all individual values X.
Gelingt eine Näherung der relativen Häufigkeitsverteilung P(x) im Bereich von P(x) = 0 bis P_ mit einer gewichteten Normalverteilung κPz G(x, μ, (f), dann entspricht der arithmetische Mittelwert über X für die gewichtete Normalverteilung dem Wert x für den gilt: G(x, μ σ2) = 0.5 κPz. Durch die Annahme, dass κP7 G(x, μ σ2) die Verteilung P(x) im Bereich von P(x) = 0 bis Pzgat annähert und κ≥ 1 ist, entspricht der gesuchte arithmetische Mittelwert dem Wert xA, für den gilt P(x = 0.5 κP7.If the relative frequency distribution P (x) in the range from P (x) = 0 to P_ can be approximated with a weighted normal distribution κP z G (x, μ, (f), then the arithmetic mean over X for the weighted normal distribution corresponds to the value x for which the following applies: G (x, μ σ 2 ) = 0.5 κP z . By assuming that κP 7 G (x, μ σ 2 ) the distribution P (x) in the range from P (x) = 0 to P z gat approximates and κ≥ 1, the arithmetic mean sought corresponds to the value x A , for which P (x = 0.5 κP 7 .
Für den hier betrachteten Anwendungsfall von Sprache mit additivem Hintergrundgeräusch zeigen Werte für κ= 1...1.3 gute Approximationsergebnisse. In Fig. 6 ist ein Beispiel für die Annäherung durch gewichtete Normalverteilungen gezeigt. Dabei wurde ein Wert K = 1.1 gewählt. Das Diagramm zeigt Sprache als Hintergrundgeräusch und hat einen Sprachpausenanteil von 58 %. Die starke zeitliche Fluktuation des Sprachhintergrundes lässt sich deutlich als flachere Steigung im Bereich N = 0 ... 40 sone erkennen. Der arithmetische Mittelwert, der aus der Normalverteilungsfunktion mit P(xA) = 0,5 κ P = 0,32 abgeleitet wird, beträgt 20 sone.For the application case of speech with additive background noise considered here, values for κ = 1 ... 1.3 show good approximation results. An example of the approximation by weighted normal distributions is shown in FIG. A value of K = 1.1 was chosen. The diagram shows speech as background noise and has a speech pause rate of 58%. The strong fluctuation of the language background over time can be clearly seen as a flatter slope in the range N = 0 ... 40 sone. The arithmetic mean, which is derived from the normal distribution function with P (x A ) = 0.5 κ P = 0.32, is 20 sone.
Der Vorteil dieses vereinfachten Verfahrens ist die geringere Rechenintensität, da auf die Berechnung der Verteilungsdichte und deren Integration verzichtet werden kann. Es ist ebenfalls nicht notwendig, die Normalverteilungsfunktion κP G(x, μ, er2) exakt zu bestimmen, es genügt bereits die Festlegung von K. Da Pz bekannt ist, wird der Mittelwert über alle X < xG als Wert xA bestimmt, bei dem gilt Pfx = 0.5 κPz . Der arithmetische
Mittelwert über alle bis xa entspricht somit dem Intensitätswert, der einem Häufigkeitswert von 0.5 * K * Anteil der Sprachpausen am Gesamtsignal entspricht, d.h. der Intensität, die von einem Anteil von Segmenten von 0.5 * K* Anteil der Sprachpausen nicht überschritten wird.The advantage of this simplified method is the lower computing intensity, since the calculation of the distribution density and its integration can be dispensed with. It is also not necessary to exactly determine the normal distribution function κP G (x, μ, er 2 ); it is sufficient to determine K. Since P z is known, the mean value over all X <x G is determined as the value x A where Pfx = 0.5 κP applies for. The arithmetic Average over all up to x a thus corresponds to the intensity value , which corresponds to a frequency value of 0.5 * K * portion of the speech pauses in the overall signal, ie the intensity that is not exceeded by a portion of segments of 0.5 * K * portion of the speech pauses.
Bestimmung weiterer statistischer KennwerteDetermination of further statistical parameters
Auch andere statistische Intensitätskennwerte können mit diesem Verfahren ermittelt werden. In Fig. 7 ist am Beispiel aus Fig. 4 demonstriert, wie aus der Funktion der Intensitätswert ermittelt werden kann, der von nur 20% der Sprachpausensegmente überschritten wird ( 20%-Perzentil-Lautheit).Other statistical intensity parameters can also be determined using this method. FIG. 7 uses the example from FIG. 4 to demonstrate how the function can be used to determine the intensity value that is exceeded by only 20% of the speech pause segments (20% percentile loudness).
Im angeführten Beispiel wird der Intensitätswert gesucht, der von 80% der Segmente in Sprachpausen unterschritten wird, d.h. gesucht wird der Abszissenwert, der für den Ordinatenwert P = 0.58 * 0.8 = 0.46 gilt. Der Wert ist aufgrund des im Beispiel gewählten wenig schwankenden Störgeräusches nur wenig geringer als der Maximalwert.In the example given, the search is made for the intensity value which 80% of the segments fall short of during speech pauses, i.e. the abscissa value is searched, which applies to the ordinate value P = 0.58 * 0.8 = 0.46. The value is only slightly less than the maximum value due to the little fluctuating noise selected in the example.
Ausführungsbeispiel für die Bestimmung des arithmetischen Mittelwertes aus der VerteilungsdichtefunktionEmbodiment for determining the arithmetic mean value from the distribution density function
Das hier vorgestellte Ausführungsbeispiel des Verfahrens zur Intensitätsbestimmung von Hintergrundgeräuschen ermittelt den arithmetischen Mittelwert aller Lautheiten der Segmente, die unter einer bestimmten Häufigkeitsschwelle liegen. Diese Häufigkeits- schwclle entspricht dem Anteil an Sprachpausen im Signal und der errechnete arithmetische Mittelwert wird als mittlere Lautheit in Sprachpausen betrachtet. Dazu wird in diesem Ausführungsbeispiel die Verteilungsdichtefunktion benutzt.The exemplary embodiment of the method for determining the intensity of background noise presented here determines the arithmetic mean of all loudnesses of the segments which are below a certain frequency threshold. This frequency threshold corresponds to the proportion of speech pauses in the signal and the calculated arithmetic mean is regarded as the mean loudness in speech pauses. For this purpose, the distribution density function is used in this exemplary embodiment.
Vorbedingung ist, dass beide Signale, d.h. das ungestörte Quellsprachsignal und das gestörte zu bewertende Signal, vollständig aufgezeichnet vorliegen.The precondition is that both signals, i.e. the undisturbed source speech signal and the disturbed signal to be evaluated are fully recorded.
Zunächst wird mittels einer geeigneten Schwelle anhand des Quellsprachsignals der Anteil an Sprachpausen Pz in diesem Signal bestimmt.
Der zweite Schritt ist die Berechnung der gewünschten Intensitätswerte für aufeinanderfolgende kurze Signalsegmente des zu bewertenden Sprachsignals. In diesem Ausführungsbeispiel werden die Lautheiten nach ISO532 in aufeinander folgenden Signalabschnitten von 16ms Länge berechnet. Die Verteilungsfunktion wird durch eine Reihe von Einzelwerten (diskrete relative Häufigkeitsverteilung) angenähert. Diese Einzelwerte werden durch aufeinander folgende Indexe m bezeichnet. Die Reihe von Einzelwerten ist bei einem Maximalwert M begrenzt (z.B.: P„ ... Pmi). In der Auswertung wird jeder Einzelwert P,„- dessen Index die ermittelte Intensität X des ausgewerteten Signalsegments übersteigt - um den Zähler 1 erhöht. Nach Auswertung des gesamten Signals werden alle Einzelwerte durch die Anzahl aller ausgewerteten Signal-segmente dividiert. Jeder Einzelwert P„, enthält dann die relative Häufigkeit der Signal-segmente, die eine Lautheit kleiner als der Wert des Indexes aufweisen.First, the proportion of speech pauses P z in this signal is determined using a suitable threshold based on the source speech signal. The second step is the calculation of the desired intensity values for successive short signal segments of the speech signal to be evaluated. In this exemplary embodiment, the loudnesses are calculated according to ISO532 in successive signal sections of 16 ms length. The distribution function is approximated by a series of individual values (discrete relative frequency distribution). These individual values are denoted by successive indexes m. The series of individual values is limited at a maximum value M (for example: P "... P m i). In the evaluation, each individual value P, "- whose index exceeds the determined intensity X of the evaluated signal segment - is increased by the counter 1. After evaluating the entire signal, all individual values are divided by the number of all evaluated signal segments. Each individual value P "then contains the relative frequency of the signal segments that have a loudness less than the value of the index.
Anhand des vorher ermittelten Anteils an Sprachpausen Pz, wird derjenige Häufigkeitswert Ps eπnittelt, welcher die geringste absolute Differenz zu Pz besitzt. Der Index S diesesOn the basis of the previously determined proportion of speech pauses P z , the frequency value P s is determined which has the smallest absolute difference to P z . The index S of this
Einzelwertes Ps gibt die entsprechende Lautheit an, d.h. der Lautheit, die von einem Anteil Ps aller Segmente nicht überschritten wird. Zur Bestimmung des arithmetischen Mittels der Lautheiten aller Segmente, deren Lautheiten sich unter der vorgegebenen Häufigkeitsschwelle Ps befinden, ist als nächstes die Umwandlung der diskreten Häufigkeitsverteilung P„ ... PM in eine diskrete Häufigkeitsdichte (Streifenhäufigkeit) p„ ... pM_, vorzunehmen. Dazu werden die Differenzen zweier aufeinanderfolgender Einzelwerte gebildet und als Wertefolge p„ ... pN_, abgelegt:Individual value P s indicates the corresponding loudness, ie the loudness that is not exceeded by a portion P s of all segments. To determine the arithmetic mean of the loudnesses of all segments whose loudnesses are below the predetermined frequency threshold P s , the next step is to convert the discrete frequency distribution P "... P M into a discrete frequency density (streak frequency) p" ... p M _ to make. For this purpose, the differences between two consecutive individual values are formed and stored as a sequence of values p „... p N _,:
P«, = A„+, - P,„ fi>r lle m = 0 ... M-l Gl. 3P «, = A" + , - P, "fi> r lle m = 0 ... Ml Eq. 3
Der Wert p,„ enthält dann die relative Häufigkeit der Segmente, deren Lautheit sich zwischen m und m+1 befindet. Der gesuchte arithmetische Mittelwert entspricht der gewichteten Summe über die Streifenhäufigkeit P„ bis m = S, d.h. der Lautheit, die von einem Anteil Ps aller Segmente nicht überschritten wird:
N„ P_ Gl. 4
The value p, "then contains the relative frequency of the segments whose loudness is between m and m + 1. The arithmetic mean searched for corresponds to the weighted sum over the streak frequency P "to m = S, ie the loudness which is not exceeded by a portion P s of all segments: N "P_ Eq. 4
Der Korrekturwert Vi entspricht dem halben Abstand zweier aufeinander folgender Indexe. Der Wert 7m enthält die relative Häufigkeit von Segmenten, deren Lautheiten sich zwischen m und m+ 1 befinden. Der Erwartungswert aller hier erfassten Lautheiten ist, bei angenommener Gleichverteilung der Lautheiten von m ... m+1, daher m+0.5.The correction value Vi corresponds to half the distance between two successive indexes. The value 7 m contains the relative frequency of segments whose loudness is between m and m + 1. The expected value of all loudnesses recorded here, assuming an even distribution of loudnesses of m ... m + 1, is therefore m + 0.5.
Das Verfahren liefert wie im Anwendungsfall beschrieben, eine diskrete Häufigkeitsverteilung mit einer Auflösung 1 sone, da der Index m ganzahlig ist und die Lautheitswerte direkt den entsprechenden Indexen zugeordnet werden. Um gegebenenfalls andere höhere oder verringerte Auflösungen zu erzielen ist der Lautheitswert vor Berechnung der relativen Häufigkeitsverteilung mit entsprechenden Faktoren zu multiplizieren.As described in the application, the method delivers a discrete frequency distribution with a resolution of 1 sone, since the index m is an integer and the loudness values are assigned directly to the corresponding indexes. In order to achieve other higher or reduced resolutions, the loudness value must be multiplied by corresponding factors before calculating the relative frequency distribution.
Zur Demonstration der Messsicherheit des vorgestellten Verfahrens sind in Tabelle 1 Messwerte für verschiedene Signale und Hintergrundgeräusche aufgeführt. Es wurdeTo demonstrate the measuring certainty of the presented method, table 1 lists measured values for various signals and background noise. It was
Sprachsignale von 32 s Länge und verschiedenem Anteil an Sprachpausen (35%, 58% und 91%) jeweils mit verschiedenen Geräuschen gemischt. Als Geräusche wurde zunächst weißes Rauschen mit verschiedenen Sprach-Geräusch-Abständen benutzt. Des weiteren wurde auch kontinuierlich gesprochene Sprache sowie zwei Geräusche aus realen akustischen Umgebungen (Straße und Büro) eingesetzt.Speech signals of 32 s length and different proportions of speech pauses (35%, 58% and 91%) each mixed with different noises. White noise with different speech-to-noise ratios was initially used as the noise. In addition, continuously spoken language and two sounds from real acoustic environments (street and office) were used.
Vor Berechnung der Häufigkeitsverteilung wird eine Multiplikation aller Lauheitswerte mit dem Faktor 2 durchgeführt, um die Auflösung der Darstellung bei Benutzung ganzzahliger Indexe zu erhöhen. Dies entspricht dann einer Lautheitsstufung bei ganzzahligen Indexen von 0.5 sone. Mit einer Begrenzung der Häufigkeitsverteilungsfunktion bei Pm, können so Lautheiten von 0 ... 100 sone in Schritten von 0.5 sone abgebildet werden. Es ist aber zu beachten, dass dieser Faktor als Divisor zur Korrektur auf alle Ergebnisse angewendet wird muss. Im hier gewählten Ausführungsbeispiel bedeutet dies, dass der errechnete arithmetische Mittelwert durch 2 zu teilen ist.
Erläuterungen zu Tabelle 1 : Der Sprach-Geräusch- Abstand dient lediglich zur Information; Grundlage bildet der Abstand des mittleren Effektivpegels bei Sprachaktivität zum mittleren Effektivpegel des Hintergrundgeräusches. Der mittlere Lautheitswert (Zielwert) wurde in einer Referenzmessung bestimmt, bei der die Sprachpausen manuell markiert und in Segmenten zu 16 ms ausgewertet wurden. Die berechneten Standardabweichungen beziehen sich auf die derart gemessenen Referenz-Lautheiten und geben Information über die Stärke der auftretenden Fluktuationen. Die Messwerte in Spalte 5 wurden mit dem in diesem Ausfuhrungsbeispiel beschriebenen Verfahren ermittelt.Before calculating the frequency distribution, all lukewarm values are multiplied by a factor of 2 in order to increase the resolution of the display when using integer indexes. This corresponds to a loudness level for integer indices of 0.5 sone. With a limitation of the frequency distribution function at P m , loudnesses of 0 ... 100 sone can be mapped in steps of 0.5 sone. However, it should be noted that this factor must be applied as a divisor to correct all results. In the exemplary embodiment chosen here, this means that the calculated arithmetic mean is to be divided by 2. Explanations to Table 1: The speech-to-noise ratio is only for information; The basis is the distance between the mean effective level during speech activity and the mean effective level of the background noise. The mean loudness value (target value) was determined in a reference measurement in which the speech pauses were marked manually and evaluated in segments of 16 ms. The calculated standard deviations relate to the reference loudness measured in this way and provide information about the magnitude of the fluctuations that occur. The measured values in column 5 were determined using the method described in this exemplary embodiment.
Tabelle 1Table 1
Zunächst ist festzustellen, dass die Messsicherheit mit zunehmenden Pausenanteil im zu bewertenden Signal zunimmt. Eine Zunahme der Messsicherheit ist ebenfalls bei sinkender Geräuschintensität sowie geringerer zeitlicher Fluktuation des Hintergrundgeräusches festzustellen. Ausgehend von einem typischen Anteil an Sprachpausen in einer Telefonkommunikation von Pz>50% sind die mit dem vorgestellten Verfahren erreichten Messwerte selbst bei stärkeren Fluktuationen im Hintergrundgeräusch (z.B. Sprache) zufriedenstellend.First of all, it should be noted that the measurement certainty increases with an increasing proportion of pauses in the signal to be evaluated. An increase in measurement certainty can also be seen with decreasing noise intensity and less fluctuation in background noise over time. Assuming a typical proportion of speech pauses in a telephone communication of P z > 50%, the measured values achieved with the method presented are satisfactory even with strong fluctuations in the background noise (eg speech).
Ausführungsbeispiel für die Bestimmung des arithmetischen Mittelwertes mit vereinfachtem VerfahrenEmbodiment for determining the arithmetic mean with a simplified method
Dieses spezielle Ausführungsbeispiel zeigt eine Anwendung des beschriebenen vereinfachten Verfahren zur Bestimmung des arithmetischen Mittels unter Nutzung einer gewichteten Normalverteilung.This particular exemplary embodiment shows an application of the described simplified method for determining the arithmetic mean using a weighted normal distribution.
Das vereinfachte Verfahren verzichtet auf die Berechnung der Streifenhäufigkeit und leitet einen Schätzwert für das arithmetisches Mittel der Lautheiten aller Segmente, deren Lautheiten sich unter der vorgegebenen Häufigkeitsschwelle P7 befinden, direkt aus der relativen Häufigkeitsverteilung P,„ ab. Wie beschrieben muss lediglich der Wert K für die Schätzung festgelegt werden.The simplified method dispenses with the calculation of the streak frequency and derives an estimate for the arithmetic mean of the loudnesses of all segments whose loudnesses are below the predetermined frequency threshold P 7 directly from the relative frequency distribution P, ". As described, only the value K has to be determined for the estimate.
In diesem Ausführungsbeispiel wird mit κ= \ . \ definiert. Der Schätzwert entspricht dann dem Lautheitswert, der von einem Anteil von 0.5 *1.1 * P7 aller ausgewerteten Segmente nicht überschritten wird. Im Ausführungsbeispiel entspricht dieser Schätzwert des arithmetischen Mittels der Lautheiten, dem Index m des Häufigkeitswertes, welcher die
geringste absolute Differenz zu 0.55 / besitzt. In Tabelle 2 sind die Messwerte aufgeführt, die mit diesem vereinfachten Verfahren gewonnen worden. Auch hier wurden zur Erhöhung der Auflösung auf 0.5 sone alle Lautheitswerte vor Berechnung der Häufigkeitsverteilung mit dem Faktor 2 multipliziert und die Ergebnisse entsprechend korrigiert.In this embodiment, κ = \. \ Are defined. The estimated value then corresponds to the loudness value, which is not exceeded by a proportion of 0.5 * 1.1 * P 7 of all evaluated segments. In the exemplary embodiment, this estimate of the arithmetic mean of the loudnesses corresponds to the index m of the frequency value, which is the smallest absolute difference to 0.55 /. Table 2 shows the measured values obtained using this simplified method. To increase the resolution to 0.5 sone, all loudness values were also multiplied by a factor of 2 before the frequency distribution was calculated, and the results were corrected accordingly.
Tabelle 2Table 2
Das vereinfachte Verfahren spart nicht nur Rechenzeit sondern liefert in den ausgewerteten Beispielen Messwerte mit einer deutlich höheren Genauigkeit im Vergleich zu den Werten aus Tabelle 1. Da als Schätzwert direkt der Index m benutzt wird, ist die Genauigkeit der Schätzung auf die Auflösung der relativen diskreten Häufigkeitsverteilung (hier: 0.5 sone) begrenzt.The simplified method not only saves computing time, but in the evaluated examples provides measured values with a significantly higher accuracy compared to the values from Table 1. Since the index m is used directly as an estimate, the accuracy of the estimate is based on the resolution of the relative discrete frequency distribution (here: 0.5 sone) limited.
Mit dem beschriebenen vereinfachten Messverfahren werden auch bei Geräuschen mit stärkerer Fluktuation gute Messwerte erzielt. Bei den gewählten Sprach-Geräusch- Abständen von 6dB kann auch nicht mehr davon ausgegangen werden, dass alle Lautheiten in Sprachpausen eine geringere Lautheit als Sprachsegmente aufweisen. Trotzdem sind die Messwerte kaum verfälscht wurden. Das beschriebene vereinfachte Verfahren eignet sich zudem auch für Signale mit geringerem Pausenanteil.With the described simplified measuring method, good measured values are achieved even with noises with a higher fluctuation. With the selected speech-to-noise ratios of 6dB, it can no longer be assumed that all loudnesses in speech pauses are less loud than speech segments. Nevertheless, the measurements were hardly falsified. The simplified method described is also suitable for signals with a smaller pause percentage.
Ausführungsbeispiel für die Bestimmung von Perzentil-Lautheiten aus der relativen HäufigkeitsverteilungEmbodiment for determining percentile loudness from the relative frequency distribution
Die Perzentil-Lautheit aller Segmente, die unter einer bestimmten Häufigkeitsschwelle Pz liegen, kann durch Multiplikation dieser relativen Häufigkeit Pz mit einem Wert 1 - Perzentilwert erfolgen (z.B. 10%-Perzentil-Lautheit: Pzw% = 0.9 * Pz). Der ganzzahlige Index m des Häufigkeitswertes P,„, welcher die geringste absolute Differenz zu Psw% besitzt, liefert den gesuchten Perzentil-Lautheitswert.The percentile loudness of all segments that are below a certain frequency threshold P z can be obtained by multiplying this relative frequency P z by a value of 1 percentile value (for example 10% percentile loudness: P zw% = 0.9 * P z ). The integer index m of the frequency value P, “, which has the smallest absolute difference to P sw% , provides the percentile loudness value sought.
In Tabelle 3 sind für die bereits in den Tabellen 1 und 2 aufgeführten Beispiele die 10%- Perzentil-Lautheiten aufgeführt und werden mit einem manuell bestimmten Referenzwert verglichen.
Table 3 shows the 10% percentile loudnesses for the examples already listed in Tables 1 and 2 and is compared with a manually determined reference value.
Tabelle 3
Die Messwerte zeigen eine gute Abschätzung der Perzentil-Lautheit für Hintergrundgeräusche mit schwacher Fluktuation, für Sprache werden - vor allem bei geringem Pausenanteil - nur unzureichende Genauigkeiten erzielt. Lediglich bei höheren Sprach- Geräusch-Abständen sind die Ergebnisse brauchbar bis gut.
Table 3 The measured values show a good estimate of the percentile loudness for background noises with low fluctuation, for speech - especially with a small amount of breaks - insufficient accuracy is achieved. The results are only useful to good at higher speech-to-noise ratios.