EP1605440B1 - Method for signal source separation from a mixture signal - Google Patents
Method for signal source separation from a mixture signal Download PDFInfo
- Publication number
- EP1605440B1 EP1605440B1 EP20050291254 EP05291254A EP1605440B1 EP 1605440 B1 EP1605440 B1 EP 1605440B1 EP 20050291254 EP20050291254 EP 20050291254 EP 05291254 A EP05291254 A EP 05291254A EP 1605440 B1 EP1605440 B1 EP 1605440B1
- Authority
- EP
- European Patent Office
- Prior art keywords
- signal
- cov
- sources
- separation
- covariance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Ceased
Links
- 238000000926 separation method Methods 0.000 title claims description 56
- 238000000034 method Methods 0.000 title claims description 42
- 239000000203 mixture Substances 0.000 title description 19
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 5
- 230000005236 sound signal Effects 0.000 description 18
- 238000002156 mixing Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 8
- 241001080024 Telles Species 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- 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
- G10L21/0272—Voice signal separating
Definitions
- the present invention relates to a method for determining the separation signals respectively relating to sound sources from a signal from the mixture of these signals.
- the field of the present invention is that of the digital processing of signals relating to sound sources, also called simply sound, audio or audio signals.
- the processing performed on the sound signals is not in the time domain but in the frequency domain.
- a short-term Fourier transform which is a linear transform associating with a signal in the sampled time domain ⁇ x (t 1 ), ..., x (t N ) ⁇ a two-dimensional time-frequency signal noted here x (t k , f), where t k is a frame index of the sampled digital signal and f is a generally discrete frequency index.
- the signal x (t k , f) is therefore a signal of the frequency domain and is in the form of frames indexed at t k .
- s 1 (t, f) follows a Gaussian law centered and of variance ⁇ i 2 f ( f )
- ⁇ 1 2 (f) and ⁇ 2 2 (f) which ultimately represent, as is known, their energy distributions as a function of frequency. If we consider that the signals in the frequency domain relating to these two sources s 1 ( t, f ) and s 2 ( t , f ) are gaussian random variables, non-stationary, ⁇ 1 2 (f) and ⁇ 2 2 (f) represent their variance, respectively.
- the Wiener filter In the context of the separation of sound signals, the Wiener filter has the following main disadvantages. It operates identically on all the frames of the mixing sound signal and therefore does not take changes in the sound energy content from one frame to another. In the end, it is not an adaptive filter. Another disadvantage lies in the fact that it only takes into account a characteristic spectral form by sound source even though the sound sources have a great spectral variety in terms of timbre, pitch, intensity, etc.
- the sound signal of each source s i (t) is characterized by a set of K i spectral shapes ⁇ k i 2 (f), k i ⁇ [1, ..., K i ].
- K i spectral shapes ⁇ k i 2 (f), k i ⁇ [1, ..., K i ].
- N sources their mixture is characterized by a set of K 1 x K 2 x ... x K N N N-tuples of characteristic spectral forms ( ⁇ k 1 2 (f), ..., ⁇ k NOT 2 (F)).
- the method consists in first choosing the N-tuple of spectral shapes that best corresponds to the sound signal of the mixture.
- it can consist in maximizing the probability of correspondence between the spectrogram of the mixture
- it consists of filtering the mixture by conventional Wiener filtering using the N-tuple of spectral shapes thus selected.
- this method is adaptive since the choice of the parameters of the filter depends on the frame index t k considered.
- the main disadvantage of this method lies in its algorithmic complexity. Indeed, if K characteristic spectral forms by source i and N sources i are considered in the mixture, K N N-tuples of characteristic spectral forms must be tested for each frame so that the complexity is in O (K n x T) if T is the number of frames of the mix signal to be analyzed. This disadvantage of complexity can make this method unacceptable, especially when the number of characteristic spectral forms per source is relatively large.
- the sound signal of each source s i (t) is characterized by a set of K i characteristic spectral forms ⁇ k i 2 (f) but which are there grouped in a dictionary of spectral forms.
- a first method for estimating the sound signals from sources 1 to N is to implement Wiener time-frequency filtering, which is nevertheless adaptive since it depends on the frame index t.
- This second method by the use of a dictionary of characteristic spectral shapes has the advantage over the previous method of reducing the algorithmic complexity. Indeed, for n sources each having K spectral forms, the algorithmic complexity is in O (nx K x T) where T is the number of frames to be analyzed, therefore lower than that of the previous method which was in O (K n x T).
- the human auditory system is indeed very sensitive to phase coherences in the audio signals, in particular inter-frame coherences for fixed f (coherent phase between s ( t k +1 , f ) and s ( t k , f )) and the phase coherences for the same frame but for different values of the frequency f (phase of s ( t k , f ) for different values of f).
- phase coherence effects are notably very sensitive on harmonic sounds, such as of a musical instrument, or voiced sounds, while they are less important on white, pink, and so on. or the sounds of percussion instruments.
- the purpose of the present is to propose a method of separating the signals relating to sound sources from a signal resulting from mixing these signals which does not exhibit the phase inconsistencies of the methods mentioned above.
- This method also applies to non-sound signals such as any digital signals from the sampling of a transducer for transforming a physical quantity into an electrical signal.
- the present invention provides means for connecting adjacent frames.
- each elementary sound source is determined in a recursive and iterative manner.
- FIG. 1 a system for separating sound signals from sound sources according to an embodiment of the present invention which comprises these connecting means between adjacent frames.
- This system essentially consists of an estimation unit 10 which, on the basis of a signal of frequency domain mixing noted x (t k , f) obtained for example by a short-term Fourier transform of the signal x (t) in the sampled time domain, delivers an estimation signal represented by the random variable S e (t k , f) of which each component s i e (t k , f) is the estimated signal for a source of the index mixture i.
- S e t k f s 1 e t k f ⁇ s NOT e t k f
- the estimation unit 10 is such that the expectation of the signal at its output is conditioned by the signals x (t k , f) which are actually observed.
- S e t k f E S t k f
- the estimation unit 10 is for example a Wiener filter (see the different forms of this type of filter given in the preamble of the present description), a unit operating by a time-frequency thresholding method, or by a method said Ephraim and Malah, etc.
- the system for separating sound signals from sound sources represented in Fig. 1 further comprises an update unit 20 and a prediction unit 30. It is these units 20 and 30 which constitute the inter-frame link means which are mentioned above.
- the prediction unit 30 is provided to deliver a prediction signal considered as a corresponding random variable S p (t k , f)
- the updating unit 20 on the basis of the prediction signal S p (t k , f) delivered by the prediction unit 30 and the estimation signal S e (t k , f) delivered by the estimation unit 10 delivers, as for it, the separation signal whose random variable is noted S tot (t k , f).
- the predicted signal for the present frame is based on the separation signal for the previous frame.
- the updating unit 20 it is intended to determine the separation signal S tot (t k , f) by summing the estimation signal S e (t k , f) in a weighted manner and the predicted signal S p (t k , f).
- the estimated signal S e (t k , f) is weighted by a matrix coefficient ⁇ (tk, f) while the predicted signal is weighted by a coefficient I- ⁇ (tk, f) , I being the unit matrix.
- step E10 the updating of the covariance of the predicted signal represented, it is recalled, by the random variable S p (t k + 1 , f) is carried out.
- the module of the function H (f) is indeed equal to 1.
- Cov tot (t k-1 , f) is a quantity that was calculated at the previous iteration (see step E30 below).
- step E20 the optimal coefficient matrix ⁇ (t k , f) is determined.
- ⁇ t k f Cov e t k f + Cov p t k f - 1 ⁇ Cov p t k f
- the covariance of the predicted separation signal Cov p (t k , f) is given by the calculation performed in step E10.
- the covariance of the estimation signal Cov e (t k , f) it is determined by the characteristic spectral forms ⁇ k i 2 (f) and amplitude factors a k i (t k ) sources or elementary sources considered.
- the estimation signal S e (t, f) of the mixture of the set of elementary sources is a Gaussian random variable of variance Cov e (t, f):
- step E30 for covariance related calculations, the next frame is considered and the process is resumed in step E10.
- step E40 the expectation of the predicted signal is determined.
- S 0 p (t k , f) which is given by the following relation as a function of the expectation of the separation signal S 0 early (t k-1 , f) determined at the previous frame:
- S 0 p t k f H f ⁇ S 0 early ⁇ t k - 1 f
- the expectation of the separation signal S 0 early (t k , f) is the output signal of the system. Its components are the signals of separation of each of the sources or elementary sources considered.
- step E60 the expectation of the separation signal of the frame Tr, S o early ( t k , f ) is shifted by one frame to obtain the expectation of the separation signal of the frame t k -1 and this latter expectation is used during step E40.
- step E50 After the steps E50 and E60, the next frame is considered and the process is resumed in step E40 for the steps related to the expectation calculations.
- the steps E10 and E40 are implemented by the prediction unit 30 while the steps E20, E30 and E50 are implemented by the update unit 20.
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)
- Circuit For Audible Band Transducer (AREA)
Description
La présente invention concerne un procédé de détermination des signaux de séparation respectivement relatifs à des sources sonores à partir d'un signal issu du mélange de ces signaux.The present invention relates to a method for determining the separation signals respectively relating to sound sources from a signal from the mixture of these signals.
Le domaine de la présente invention est celui du traitement numérique de signaux relatifs à des sources sonores, dits aussi plus simplement signaux de son, audiophoniques ou audio. Dans ce domaine particulier, les traitements effectués sur les signaux de son le sont non pas dans le domaine temporel mais dans le domaine fréquentiel. Aussi, utilise-t-on fréquemment au préalable à tout traitement une transformée de Fourier à court terme qui est une transformée linéaire associant à un signal dans le domaine temporel échantillonné {x(t1), ...,x(tN)} un signal bidimensionnel temps fréquence noté ici x(tk,f), où tk est un indice de trame du signal numérique échantillonné et f est un indice, généralement discret, de fréquence. Le signal x(tk,f) est donc un signal du domaine fréquentiel et il se présente sous forme de trames indicées en tk.The field of the present invention is that of the digital processing of signals relating to sound sources, also called simply sound, audio or audio signals. In this particular field, the processing performed on the sound signals is not in the time domain but in the frequency domain. Also, we use frequently before any processing a short-term Fourier transform which is a linear transform associating with a signal in the sampled time domain {x (t 1 ), ..., x (t N ) } a two-dimensional time-frequency signal noted here x (t k , f), where t k is a frame index of the sampled digital signal and f is a generally discrete frequency index. The signal x (t k , f) is therefore a signal of the frequency domain and is in the form of frames indexed at t k .
Dans la présente description, toutes les grandeurs dont il s'agit sont décrites au moyen de variables aléatoires gaussiennes multidimensionnelles. Le mélange observé à l'instant t s'exprime sous la forme :
Pour chaque fréquence f et pour chaque source i, s1(t,f) suit une loi gaussienne centrée et de variance
Pour désigner les variables sous forme de vecteur ou de matrice, des lettres en majuscule sont utilisées.To designate variables as a vector or matrix, uppercase letters are used.
Par ailleurs encore, dans la présente demande la notion de signal se confond souvent à celle de la variable aléatoire qui la représente.Moreover, in the present application, the notion of signal is often confused with that of the random variable which represents it.
En ce qui concerne la séparation de signaux audio, on connaît un procédé qui est basé sur un filtre, dit filtre de Wiener, qui en définitive effectue une estimée du signal de séparation ŜW (t,f) sous l'hypothèse de la stationnarité globale des signaux de mélange. Si l'on appelle x(tk,f) la variable aléatoire qui décrit le signal du domaine fréquentiel issu du mélange des signaux des sources, et qui est appliqué à l'entrée du filtre, l'espérance de la variable aléatoire décrivant le signal de sortie du filtre est conditionnée aux signaux x(tk,f). On peut donc écrire :
Dans le cas du filtre de Wiener, chaque composante du vecteur ŜW (tk ,f) peut être obtenue par la relation suivante :
On considère, à titre illustratif uniquement, le cas particulier de deux sources délivrant des signaux respectivement notés dans le domaine temporel, s1(t) et s2(t). Au départ, l'on dispose d'un signal de son, noté dans le domaine temporel x(t) représentatif du mélange de ces signaux de son :
Dans une phase préalable d'apprentissage, on a évalué les deux sources sonores et on a plus exactement estimé leurs formes spectrales caractéristiques respectives
Où P est une matrice qui décrit les coefficients de pondération et qui est donnée ci-dessous pour N sources :
Dans le cadre de la séparation de signaux de sons, le filtre de Wiener présente les principaux inconvénients suivants. Il opère de manière identique sur toutes les trames du signal de son de mélange et il ne tient donc pas des changements du contenu énergétique sonore d'une trame à l'autre. En définitive, il n'est pas un filtre adaptatif. Un autre inconvénient réside dans le fait qu'il ne prend en compte qu'une forme spectrale caractéristique par source sonore alors même que les sources sonores présentent une grande variété spectrale en terme de timbre, de hauteur, d'intensité, etc.In the context of the separation of sound signals, the Wiener filter has the following main disadvantages. It operates identically on all the frames of the mixing sound signal and therefore does not take changes in the sound energy content from one frame to another. In the end, it is not an adaptive filter. Another disadvantage lies in the fact that it only takes into account a characteristic spectral form by sound source even though the sound sources have a great spectral variety in terms of timbre, pitch, intensity, etc.
Des améliorations du filtre de Wiener ont été proposées pour tenir compte de ces inconvénients et ont abouti à notamment deux méthodes qui sont essentiellement basées sur l'utilisation de formes spectrales multiples pour décrire chacune des sources impliquées.Improvements to the Wiener filter have been proposed to take these disadvantages into account and have resulted in two methods which are essentially based on the use of multiple spectral forms to describe each of the sources involved.
La première de ces méthodes a été introduite dans le cadre de la reconnaissance de parole et a été ensuite utilisée en audio. Selon cette méthode, le signal de son de chaque source si(t) est caractérisé par un ensemble de Ki formes spectrales
Le principal inconvénient de cette méthode réside dans sa complexité algorithmique. En effet, si K formes spectrales caractéristiques par source i et N sources i sont considérées dans le mélange, KN N-uplets de formes spectrales caractéristiques doivent être testés pour chaque trame si bien que la complexité est en O(Kn x T) si T est le nombre de trames du signal mélange à analyser. Cet inconvénient de complexité peut rendre cette méthode rédhibitoire, notamment lorsque le nombre de formes spectrales caractéristiques par source est relativement important.The main disadvantage of this method lies in its algorithmic complexity. Indeed, if K characteristic spectral forms by source i and N sources i are considered in the mixture, K N N-tuples of characteristic spectral forms must be tested for each frame so that the complexity is in O (K n x T) if T is the number of frames of the mix signal to be analyzed. This disadvantage of complexity can make this method unacceptable, especially when the number of characteristic spectral forms per source is relatively large.
Une autre méthode a également été proposée pour rendre adaptatif le procédé de séparation. Comme précédemment, le signal de son de chaque source si(t) est caractérisé par un ensemble de Ki formes spectrales caractéristiques
On notera que l'équation ci-dessus peut s'interpréter comme s'il y avait K1 +...+ KN sources élémentaires stationnaires qui sont caractérisées chacune par une forme spectrale
L'équation ci-dessus peut se réécrire de la manière suivante :
Une première méthode pour estimer les signaux de son des sources 1 à N est de mettre en oeuvre un filtrage de Wiener temps fréquence classique, néanmoins adaptatif dès lors qu'il dépend de l'indice de trame t. Ce filtre est appelé filtre de Wiener généralisé. On a donc pour la source i, l'estimée ŝi,W
Une autre méthode, dite de resynthèse, considère l'amplitude du signal de son de chaque source i comme étant égale à
Cette seconde méthode par l'utilisation de dictionnaire de formes spectrales caractéristique présente l'avantage par rapport à la précédente méthode de diminuer la complexité algorithmique. En effet, pour n sources possédant chacune K formes spectrales, la complexité algorithmique est en O(n x K x T) où T est le nombre de trames à analyser, donc inférieure à celle de la méthode précédente qui était en O(Kn x T).This second method by the use of a dictionary of characteristic spectral shapes has the advantage over the previous method of reducing the algorithmic complexity. Indeed, for n sources each having K spectral forms, the algorithmic complexity is in O (nx K x T) where T is the number of frames to be analyzed, therefore lower than that of the previous method which was in O (K n x T).
Les trois méthodes qui viennent d'être présentées présentent néanmoins l'inconvénient majeur que la phase de chacune des sources impliquées (ou des sources élémentaires impliquées selon la méthode utilisée) est rigoureusement égale à la phase du mélange. Or, en général, les sources qui s'additionnent n'ont pas toutes la même phase si bien que, dans les méthodes présentées ci-dessus, lors de la séparation, il y a destruction de la structure de phase des sources, ce qui peut entraîner des effets gênants pour l'écoute des signaux de son des sources recouvrées. Le système auditif humain est en effet très sensible aux cohérences de phase dans les signaux audio, notamment les cohérences inter-trames pour f fixée (phase cohérente entre s(t k+1,f) et s(tk ,f)) et les cohérences de phase pour une même trame mais pour différentes valeurs de la fréquence f (phase de s(tk ,f)pour différentes valeurs de f). Ces effets de cohérence de phase sont notamment très sensibles sur les sons harmoniques, comme les sons d'un instrument de musique, ou encore les sons voisés, alors qu'ils sont moins importants sur les bruits blancs, roses, etc. ou encore les sons d'instrument de percussion.The three methods that have just been presented nevertheless have the major disadvantage that the phase of each of the sources involved (or elementary sources involved according to the method used) is strictly equal to the mixing phase. However, in general, the sources that add up do not all have the same phase so that, in the methods presented above, during the separation, there is destruction of the phase structure of the sources, which can cause annoying effects for listening to sound signals from recovered sources. The human auditory system is indeed very sensitive to phase coherences in the audio signals, in particular inter-frame coherences for fixed f (coherent phase between s ( t k +1 , f ) and s ( t k , f )) and the phase coherences for the same frame but for different values of the frequency f (phase of s ( t k , f ) for different values of f). These phase coherence effects are notably very sensitive on harmonic sounds, such as of a musical instrument, or voiced sounds, while they are less important on white, pink, and so on. or the sounds of percussion instruments.
La publication intitulée « Blind source separation using temporal predictability » de STONE J.V et la publication intitulée « An online algorithm for blind source extraction based on non-linear prediction approach » de MANDIC D.P et AL décrivent des procédés de détermination des signaux de séparation relatifs à des sources sonores à partir d'un signal issu du mélange de ces signaux.The STONE JV publication "Blind source separation using temporal predictability" and MANDIC DP and AL's publication "An online algorithm for blind source extraction based on non-linear prediction approach" describe methods for determining separation signals relative to sound sources from a signal from the mixing of these signals.
La thèse intitulée « Séparation de plusieurs sources sonores avec un seul microphone » de Elie Laurent BENAROYA décrit l'étude de la séparation de sources sonores avec un seul capteur à partir d'une extension du filtrage de Wiener à des modèles de mélange de Gaussiennes pour les sources ainsi qu'à partir d'une décomposition non négative du spectre du mélange sur un dictionnaire de forme spectrale caractéristique des sources.The thesis entitled "Separation of several sound sources with a single microphone" by Elie Laurent BENAROYA describes the study of the separation of sound sources with a single sensor from an extension of the Wiener filtering to Gaussian mixing models for the sources as well as from a non-negative decomposition of the spectrum of the mixture on a dictionary of spectral form characteristic of the sources.
Le but de la présente est de proposer une méthode de séparation des signaux relatifs à des sources sonores à partir d'un signal issu de mélange de ces signaux qui ne présente pas les incohérences de phase des méthodes citées ci-dessus.The purpose of the present is to propose a method of separating the signals relating to sound sources from a signal resulting from mixing these signals which does not exhibit the phase inconsistencies of the methods mentioned above.
Pour ce faire, un procédé de détermination des signaux de séparation respectivement relatifs à des sources sonores à partir d'un signal issu du mélange de ces signaux est défini dans la revendication 1, lesdits signaux se présentant sous forme de trames successives, ledit procédé incluant pour chacune desdites sources :
- une étape de détermination d'un signal d'estimée ;
- une étape de prédiction (E40) d'un signal prédit pour la trame présente basée sur le signal de séparation pour la trame précédente ; et
- une étape de détermination du signal de séparation (E50) pour la trame présente sur la base dudit signal prédit et dudit signal d'estimée, caractérisé en ce que ladite étape de détermination du signal de séparation consiste à sommer de manière pondérée le signal d'estimée et le signal prédit, le signal d'estimée étant pondéré par un premier coefficient matriciel déterminé de manière à minimiser la covariance du signal de séparation,
- a step of determining an estimate signal;
- a prediction step (E40) of a predicted signal for the present frame based on the separation signal for the previous frame; and
- a step of determining the separation signal (E50) for the frame present on the basis of said predicted signal and said estimation signal, characterized in that said step of determining the separation signal comprises summing in a weighted manner the signal of estimated and the signal predicted, the estimated signal being weighted by a first matrix coefficient determined so as to minimize the covariance of the separation signal,
Ce procédé s'applique également à des signaux non sonores tels que tous signaux numériques issus de l'échantillonnage d'un transducteur permettant la transformation d'une grandeur physique en un signal électrique.This method also applies to non-sound signals such as any digital signals from the sampling of a transducer for transforming a physical quantity into an electrical signal.
A cet effet, l'invention a pour objet un procédé de détermination des signaux de séparation respectivement relatifs à des sources non sonores à partir d'un signal issu du mélange de ces signaux tel que défini dans la revendication 2 lesdits signaux se présentant sous forme de trames successives, ledit procédé incluant pour chacune desdites sources:
- une étape de détermination d'un signal d'estimée ;
- une étape de prédiction (E40) d'un signal prédit pour la trame présente basée sur le signal de séparation pour la trame précédente ;et
- une étape de détermination du signal de séparation (E50) pour la trame présente sur la base dudit signal prédit et dudit signal d'estimée, caractérisé en ce que ladite étape de détermination du signal de séparation consiste à sommer de manière pondérée le signal d'estimée et le signal prédit, le signal d'estimée étant pondéré par un premier coefficient matriciel déterminé de manière à minimiser la covariance du signal de séparation,
- a step of determining an estimate signal;
- a prediction step (E40) of a predicted signal for the present frame based on the separation signal for the previous frame, and
- a step of determining the separation signal (E50) for the frame present on the basis of said predicted signal and said estimation signal, characterized in that said step of determining the separation signal comprises summing in a weighted manner the signal of estimated and the signal predicted, the estimated signal being weighted by a first matrix coefficient determined so as to minimize the covariance of the separation signal,
Les caractéristiques de l'invention mentionnées ci-dessus, ainsi que d'autres, apparaîtront plus clairement à la lecture de la description suivante d'un exemple de réalisation, ladite description étant faite en relation avec les dessins joints, parmi lesquels :
- La
Fig. 1 est un schéma synoptique d'un système de séparation des signaux relatifs à des sources sonores à partir d'un signal issu de mélange de ces signaux selon la présente invention, et - La
Fig. 2 est un diagramme montrant les différentes étapes mises en oeuvre par un procédé de séparation de signaux selon la présente invention.
- The
Fig. 1 is a block diagram of a system for separating signals relating to sound sources from a signal derived from mixing these signals according to the present invention, and - The
Fig. 2 is a diagram showing the different steps implemented by a signal separation method according to the present invention.
Dans la suite de la description, on considérera des sources sonores qui sont en elles-mêmes élémentaires, c'est-à-dire qui sont caractérisées chacune par une forme spectrale caractéristique donnée. Mais, on considèrera également des sources sonores dont la caractéristique de forme spectrale est une caractéristique parmi plusieurs caractéristiques de forme spectrale possibles, par exemple appartenant à un dictionnaire de formes spectrales caractéristiques (voir le préambule de la présente description). Comme on le mentionnait dans le préambule de la description, on peut alors considérer une source sonore comme étant une combinaison pondérée d'une pluralité de sources sonores élémentaires dont chacune présente une caractéristique de forme spectrale donnée (par exemple issue d'un dictionnaire ou déterminée).In the remainder of the description, we will consider sound sources which are in themselves elementary, that is to say which are each characterized by a given characteristic spectral shape. However, sound sources whose spectral shape characteristic is a characteristic among several possible spectral shape characteristics, for example belonging to a dictionary of characteristic spectral shapes (see the preamble of the present description), will also be considered. As mentioned in the preamble of the description, it is then possible to consider a sound source as being a weighted combination of a plurality of elementary sound sources each of which has a given spectral shape characteristic (for example derived from a dictionary or determined ).
De manière à résoudre le problème des incohérences de phase des méthodes de l'état de la technique mentionnées en préambule de la description, la présente invention prévoit des moyens de lien entre trames adjacentes. En d'autres termes, chaque source sonore élémentaire est déterminée d'une manière récursive et itérative.In order to solve the problem of phase inconsistencies of the methods of the state of the art mentioned in the preamble of the description, the present invention provides means for connecting adjacent frames. In other words, each elementary sound source is determined in a recursive and iterative manner.
On a représenté à la
L'unité d'estimation 10 est telle que l'espérance du signal en sa sortie est conditionnée aux signaux x(tk,f) qui sont réellement observés. On peut donc écrire :
L'unité d'estimation 10 est par exemple un filtre de Wiener (voir les différentes formes de ce type de filtre données dans le préambule de la présente description), une unité fonctionnant par une méthode de seuillage temps-fréquence, ou par une méthode dite Ephraïm et Malah, etc. Par exemple, dans le cas d'un filtre de Wiener, chaque composante du vecteur Se(tk,f) peut être obtenu par la relation suivante :
On rappelle ici que pour une source élémentaire i, on peut écrire :
Le système de séparation de signaux de sons de sources sonores représenté à la
L'unité de prédiction 30 est prévue pour délivrer un signal de prédiction considéré comme une variable aléatoire correspondante Sp(tk,f)The
On rappelle ici que si l'on dispose de N sources élémentaires, le signal de prédiction est un vecteur dont chaque composante est relative à une source :
Comme on peut le constater sur la
Si l'on dispose de N sources élémentaires, le signal de séparation est représenté par un vecteurs dont chaque composante est relative à une source :
Concernant l'unité de prédiction 30, dans le cas le plus simple elle peut revenir à introduire un terme de décalage entre deux trames successives, par son unité 32, et l'on peut donc écrire :
Le signal prédit pour la trame présente est basé sur le signal de séparation pour la trame précédente.The predicted signal for the present frame is based on the separation signal for the previous frame.
L'espérance du signal de prédiction est donnée par la relation suivante :
Quant à l'unité de mise à jour 20, elle est prévue pour déterminer le signal de séparation Stot(tk,f) en sommant de manière pondérée le signal d'estimée Se(tk,f) et le signal prédit Sp(tk,f). Dans le mode de réalisation représenté, le signal d'estimée Se(tk,f) est pondéré par un coefficient matriciel α(tk,f) alors que le signal prédit est pondéré par un coefficient I-α(tk,f), I étant la matrice unité.As for the updating
Par exemple, ceci est réalisé en additionnant, dans un additionneur 21, au signal prédit Sp(tk,f) un signal d'erreur calculé comme la différence entre le signal prédit Sp(tk,f) et le signal d'estimée Se(tk,f), ledit signal d'erreur étant pondéré par un coefficient α(tk,f), la pondération étant effectuée par une unité de pondération 23. On peut donc écrire la relation :
Le système de séparation représenté à la
La valeur du coefficient de pondération α(tk,f) étant connue, il est possible de déterminer l'espérance du signal de séparation
On va donc procéder conformément au diagramme de la
Plus précisément, à l'étape E10, est effectuée la mise à jour de la covariance du signal prédit représentée, on le rappelle, par la variable aléatoire Sp(tk+1,f)More precisely, in step E10, the updating of the covariance of the predicted signal represented, it is recalled, by the random variable S p (t k + 1 , f) is carried out.
Du fait de l'unité 32 qui lie entre elles deux trames successives, on peut montrer facilement que la covariance du signal prédit est donnée par la relation suivante :
Le module de la fonction H(f) est en effet égal à 1.The module of the function H (f) is indeed equal to 1.
La variance du bruit de prédiction var(bp(tk,f)) dépend des sources ou sous-sources considérées et de la fréquence f. Elle ne dépend pas de la trame considérée, si bien qu'elle peut également s'écrire :
Cette variance est avantageusement estimée dans une phase d'apprentissage. En définitive, on a :
Covtot(tk-1,f) est une grandeur qui a été calculée à l'itération précédente (voir étape E30 ci-dessous).Cov tot (t k-1 , f) is a quantity that was calculated at the previous iteration (see step E30 below).
A l'étape E20, on détermine la matrice de coefficients α(tk,f) optimale. Pour ce faire, on utilise l'expression ci-dessus :
La covariance du signal de séparation prédit Covp(tk,f) est donnée par le calcul effectué à l'étape E10. Quant à la covariance du signal d'estimée Cove(tk,f), elle est déterminée par les formes spectrales caractéristiques
On rappelle que l'équation du mélange est la suivante :
Le signal d'estimé Se(t,f) du mélange de l'ensemble des sources élémentaires est une variable aléatoire gaussienne de variance Cove(t,f):The estimation signal S e (t, f) of the mixture of the set of elementary sources is a Gaussian random variable of variance Cov e (t, f):
On a pu montrer que cette covariance du signal d'estimée Cove(tk,f) pouvait s'exprimer de la manière suivante :
- aj(tk,f) est le facteur d'amplitude de la source ou de la source élémentaire d'indice j, pour la trame d'indice tk et pour la fréquence d'indice f,
- σj(f) est la forme spectrale caractéristique de la source ou de la source élémentaire d'indice j et pour la fréquence f,
- σb est la variance d'un bruit blanc gaussien, et
- N est le nombre total de sources élémentaires considérées.
- a j (t k , f) is the amplitude factor of the source or elementary source of index j, for the frame of index t k and for the frequency of index f,
- σ j (f) is the spectral form characteristic of the source or the elementary source of index j and for the frequency f,
- σ b is the variance of a white Gaussian noise, and
- N is the total number of elementary sources considered.
A l'étape E30, la matrice de covariance du signal de séparation est remise à jour en utilisant l'expression suivante :
- I est la matrice identité,
- α (tk,f) est la matrice de coefficients telle que déterminée à l'étape E20 ci-dessus,
- Covp(tk,f) est la covariance du signal de séparation prédit telle que calculée à l'étape E10.
- I is the identity matrix,
- α (t k , f) is the coefficient matrix as determined in step E20 above,
- Cov p (t k , f) is the covariance of the predicted separation signal as calculated in step E10.
Après l'étape E30, pour ce qui concerne les calculs liés aux covariances, la trame suivante est considérée et le processus est repris à l'étape E10.After step E30, for covariance related calculations, the next frame is considered and the process is resumed in step E10.
On considère maintenant les étapes E40 et E50 liées aux calculs des espérances. A l'étape E40, on détermine l'espérance du signal prédit
A l'étape E50, l'espérance du signal de séparation est calculée au moyen de l'expression suivante :
-
-
- α(tk,f) est la matrice de coefficients telle que déterminée à l'étape E20 ci-dessus.
-
-
estimation unit 10, and - α (t k , f) is the coefficient matrix as determined in step E20 above.
L'espérance du signal de séparation
A l'étape E60, l'espérance du signal de séparation de la trame Tr ,
Après les étapes E50 et E60, la trame suivante est considérée et le processus est repris à l'étape E40 pour ce qui concerne les étapes liées aux calculs des espérances.After the steps E50 and E60, the next frame is considered and the process is resumed in step E40 for the steps related to the expectation calculations.
Les étapes E10 et E40 sont mises en oeuvre par l'unité de prédiction 30 alors que les étapes E20, E30 et E50 sont mises en oeuvre par l'unité de mise à jour 20.The steps E10 and E40 are implemented by the
On notera qu'à l'initialisation du procédé, l'espérance et la covariance de la variable aléatoire représentant le signal de séparation sont mise à zéro puis les étapes E10 et E40 sont mises en oeuvre.It will be noted that at the initialization of the method, the expectation and the covariance of the random variable representing the separation signal are set to zero and then the steps E10 and E40 are implemented.
Claims (7)
- Process of determination of the separation signals relative respectively to sound sources from a signal coming from a mix of these signals. The signals are represented as consecutive frames, the aforesaid process including for each of the aforesaid sources:• a step of determination of the estimated signal of the sources• a step of prediction (E40) of predicted signal for the current frame based on the separation signal for the previous frame; and,• a step of determination of the separation signal (E50) for the previous frame on the basis of the predicted signal and the estimated signal, characterized by the fact that the step of determination of the separation signal consists in summing in a pondered way the estimated signal and the predicted signal, the estimated signal being pondered by a first coefficient matrix α(tk,f) ant the predicted signal being pondered by a second coefficient matrix equal to the unit matrix minus the first matrix coefficient, the first coefficient matrix being determined by means of the following relation of the covariance of the predicted signal Cov p (tk , f) and of the sum of the covariance of the predicted signal Cov p(tk , f) and of the covariance of the estimated signal Cov e (tk , f) namely:
- Process of determination of the separation signals respectively relative to non-sound sources from a signal coming from the mix of these signals, these signals showing as consecutive frames, the aforesaid process including for each of the aforesaid sources:• a step of determination of the estimated signal of the sources• a step of prediction (E40) of predicted signal for the current frame based on the separation signal for the previous frame; and,• a step of determination of the separation signal (E50) for the previous frame on the basis of the predicted signal and the estimated signal, characterized by the fact that the step of determination of the separation signal consists in summing in a pondered way the estimated signal and the predicted signal, the estimated signal being pondered by a first coefficient matrix α(tk, f) ant the predicted signal being pondered by a second coefficient matrix equal to the unit matrix minus the first matrix coefficient, the first coefficient matrix being determined by means of the following relation of the covariance of the predicted signal Cov p (tk , f) and of the sum of the covariance of the predicted signal Cov p (tk , f) and of the covariance of the estimated signal Cov e (tk, f) namely:
- Process of separation according to claim 1 or claim 2, characterized by the fact that the covariance of the predicted signal Cov p (tk , f) is determined as a function of the covariance of the separation signal Covtot (tk-1 , f) for the previous frame by means of the following relation:
var (bp (tk, f)) being the variance of the prediction noise that depends on the considered sources or sub-sources. - Process of separation according to claim 3, characterized by the fact that the aforesaid variance of the prediction noise var (bp (tk, f)) is estimated in a learning phase.
- Process of separation according to any of the claims 1 to 4, characterized by the fact that the aforesaid covariance of the estimated signal Cove(tk, f) is determined by means of the following relation:
expression in which:• aj (tk, f) is the amplitude factor of the source or of the elementary source indexed by j for the frame indexed by tk and for the frequency indexed by f,• σ j (f) is the spectral shape that characterizes the source of the elementary source indexed by j and for the frequency f,• σ b is the variance of a Gaussian white noise, and• N is the total number of considered sources or elementary sources. - Process of separation according to any of the claims 1 to 5, characterized by the fact that the covariance matrix of the separation signal is updated by using the following expression:
Expression in which :• I is the identity matrix• α(tk,f) is the matrix of the first weighting coefficient; and• Cov p (tk, f) is the covariance of the predicted signal. - Process of separation according to any of the claims 1 to 6, characterized by the fact that it contains one determination step of the input signal Se (tk, f), each component
In which:• ei (tk, f) is the energy fraction of the source i contained in the signal coming from the mix of signals, in the frame indexed by tk and of frequency indexed by f, N being the total number of sources;• x(tk, f) is the signal of the mix of signals;• Ki is the number of elementary sources considered for the source i;• aki (tk ) is the amplitude factor of the elementary source indexed by ki and,
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0406365A FR2871593B1 (en) | 2004-06-11 | 2004-06-11 | METHOD FOR DETERMINING SEPARATION SIGNALS RESPECTIVELY RELATING TO SOUND SOURCES FROM A SIGNAL FROM THE MIXTURE OF THESE SIGNALS |
FR0406365 | 2004-06-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
EP1605440A1 EP1605440A1 (en) | 2005-12-14 |
EP1605440B1 true EP1605440B1 (en) | 2010-11-24 |
Family
ID=34942399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP20050291254 Ceased EP1605440B1 (en) | 2004-06-11 | 2005-06-10 | Method for signal source separation from a mixture signal |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP1605440B1 (en) |
DE (1) | DE602005024890D1 (en) |
FR (1) | FR2871593B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3879854A1 (en) | 2020-03-11 | 2021-09-15 | Sonova AG | Hearing device component, hearing device, computer-readable medium and method for processing an audio-signal for a hearing device |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863537B (en) * | 2021-01-04 | 2024-06-04 | 北京小米松果电子有限公司 | Audio signal processing method, device and storage medium |
-
2004
- 2004-06-11 FR FR0406365A patent/FR2871593B1/en not_active Expired - Fee Related
-
2005
- 2005-06-10 DE DE200560024890 patent/DE602005024890D1/en active Active
- 2005-06-10 EP EP20050291254 patent/EP1605440B1/en not_active Ceased
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3879854A1 (en) | 2020-03-11 | 2021-09-15 | Sonova AG | Hearing device component, hearing device, computer-readable medium and method for processing an audio-signal for a hearing device |
Also Published As
Publication number | Publication date |
---|---|
DE602005024890D1 (en) | 2011-01-05 |
FR2871593A1 (en) | 2005-12-16 |
EP1605440A1 (en) | 2005-12-14 |
FR2871593B1 (en) | 2007-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2002428B1 (en) | Method for trained discrimination and attenuation of echoes of a digital signal in a decoder and corresponding device | |
EP2309499B1 (en) | Method for optimised filtering of non-stationary interference captured by a multi-microphone audio device, in particular a hands-free telephone device for an automobile. | |
EP2419900B1 (en) | Method and device for the objective evaluation of the voice quality of a speech signal taking into account the classification of the background noise contained in the signal | |
EP0594480B1 (en) | Speech detection method | |
EP3238210B1 (en) | Method for processing and analysing a signal, and device implementing said method | |
EP1730729A1 (en) | Improved voice signal conversion method and system | |
EP2772916B1 (en) | Method for suppressing noise in an audio signal by an algorithm with variable spectral gain with dynamically adaptive strength | |
FR2522179A1 (en) | METHOD AND APPARATUS FOR RECOGNIZING WORDS FOR RECOGNIZING PARTICULAR PHONEMES OF THE VOICE SIGNAL WHATEVER THE PERSON WHO SPEAKS | |
EP1730728A1 (en) | Method and system for the quick conversion of a voice signal | |
EP3040989B1 (en) | Improved method of separation and computer program product | |
EP1606792B1 (en) | Method for analyzing fundamental frequency information and voice conversion method and system implementing said analysis method | |
EP1849157B1 (en) | Method of measuring annoyance caused by noise in an audio signal | |
EP1410240B1 (en) | Method and circuit for real time frequency analysis of a non-stationary signal | |
EP1605440B1 (en) | Method for signal source separation from a mixture signal | |
Emiya | Transcription automatique de la musique de piano | |
WO1990011494A1 (en) | Process and device for real-time spectral analysis of complex unsteady signals | |
KR20060029663A (en) | Music summarization apparatus and method using multi-level vector quantization | |
EP3155609B1 (en) | Frequency analysis by phase demodulation of an acoustic signal | |
EP2901447B1 (en) | Method and device for separating signals by minimum variance spatial filtering under linear constraint | |
EP0821345B1 (en) | Method to determine the fundamental frequency of a speech signal | |
EP1192619B1 (en) | Audio coding and decoding by interpolation | |
EP1194923B1 (en) | Methods and device for audio analysis and synthesis | |
Vial | Phase retrieval and audio signal reconstruction with non-quadratic cost functions | |
EP1192618B1 (en) | Audio coding with adaptive liftering | |
FR2980620A1 (en) | Method for processing decoded audio frequency signal, e.g. coded voice signal including music, involves performing spectral attenuation of residue, and combining residue and attenuated signal from spectrum of tonal components |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU MC NL PL PT RO SE SI SK TR |
|
AX | Request for extension of the european patent |
Extension state: AL BA HR LV MK YU |
|
17P | Request for examination filed |
Effective date: 20060509 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1084228 Country of ref document: HK |
|
17Q | First examination report despatched |
Effective date: 20060718 |
|
AKX | Designation fees paid |
Designated state(s): DE ES GB IT PL |
|
RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: AUDIONAMIX SA |
|
GRAP | Despatch of communication of intention to grant a patent |
Free format text: ORIGINAL CODE: EPIDOSNIGR1 |
|
GRAS | Grant fee paid |
Free format text: ORIGINAL CODE: EPIDOSNIGR3 |
|
GRAA | (expected) grant |
Free format text: ORIGINAL CODE: 0009210 |
|
AK | Designated contracting states |
Kind code of ref document: B1 Designated state(s): DE ES GB IT PL |
|
REG | Reference to a national code |
Ref country code: GB Ref legal event code: FG4D Free format text: NOT ENGLISH |
|
REF | Corresponds to: |
Ref document number: 602005024890 Country of ref document: DE Date of ref document: 20110105 Kind code of ref document: P |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: ES Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20110307 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: PL Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20101124 |
|
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 |
Effective date: 20110825 |
|
REG | Reference to a national code |
Ref country code: DE Ref legal event code: R097 Ref document number: 602005024890 Country of ref document: DE Effective date: 20110825 |
|
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 FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT Effective date: 20101124 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1084228 Country of ref document: HK |
|
PGFP | Annual fee paid to national office [announced via postgrant information from national office to epo] |
Ref country code: DE Payment date: 20180604 Year of fee payment: 14 |
|
PGFP | Annual fee paid to national office [announced via postgrant information from national office to epo] |
Ref country code: GB Payment date: 20190506 Year of fee payment: 15 |
|
REG | Reference to a national code |
Ref country code: DE Ref legal event code: R119 Ref document number: 602005024890 Country of ref document: DE |
|
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: 20200101 |
|
GBPC | Gb: european patent ceased through non-payment of renewal fee |
Effective date: 20200610 |
|
PG25 | Lapsed in a contracting state [announced via postgrant information from national office to epo] |
Ref country code: GB Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES Effective date: 20200610 |