EP1944754B1 - Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz - Google Patents

Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz Download PDF

Info

Publication number
EP1944754B1
EP1944754B1 EP07000568.1A EP07000568A EP1944754B1 EP 1944754 B1 EP1944754 B1 EP 1944754B1 EP 07000568 A EP07000568 A EP 07000568A EP 1944754 B1 EP1944754 B1 EP 1944754B1
Authority
EP
European Patent Office
Prior art keywords
values
fundamental frequency
correlation function
speech fundamental
power density
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.)
Not-in-force
Application number
EP07000568.1A
Other languages
English (en)
French (fr)
Other versions
EP1944754A1 (de
Inventor
Mohamed Krini
Gerhard Schmidt
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nuance Communications Inc
Original Assignee
Nuance Communications Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nuance Communications Inc filed Critical Nuance Communications Inc
Priority to EP07000568.1A priority Critical patent/EP1944754B1/de
Publication of EP1944754A1 publication Critical patent/EP1944754A1/de
Application granted granted Critical
Publication of EP1944754B1 publication Critical patent/EP1944754B1/de
Not-in-force legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02168—Noise filtering characterised by the method used for estimating noise the estimation exclusively taking place during speech pauses

Definitions

  • This invention relates to speech analysis systems and especially to a speech fundamental frequency estimator and a method for estimating a speech fundamental frequency.
  • DFT discrete Fourier transform
  • the corresponding spectrum shows distinct amplitude peaks which are located equidistantly in frequency (see for example Fig. 1 ).
  • the distance between two amplitude peaks represents herein the speech fundamental frequency which is dependent of the speaker.
  • This frequency varies between 80 Hz and 150 Hz
  • women and children in contrast, have a higher speech fundamental frequency which varies between 150 Hz and 300 Hz with women, respectively between 200 Hz and 600 Hz with children.
  • a good, sure and reliable estimation of the speech fundamental frequency is often not easy to obtain.
  • Mainly difficulties in detecting low speech fundamental frequencies arise wherein especially men have in most cases a low speech fundamental frequency.
  • FIG. 2 a block diagram of a multi-rate system for speech reconstruction with an analysis and a synthesis filter bank for the signal processing is shown.
  • the speech fundamental frequency estimation is shown as a separate functional block.
  • the aim of such an application is to extract parameters from a distorted speech signal y(n) as, for example, the spectral envelope, the type of stimulation (voiced/ unvoiced) and the speech fundamental frequency f p (n). Subsequently an undistorted speech signal x(n) is resynthesized from these parameters. For this purpose a very precise and reliable estimation of the speech fundamental frequency is necessary.
  • the output signal x(n) after the synthesis filter bank should be nearly without error, the following condition is therefore very desirable: x n ⁇ s n , s(n) denotes herein the undisturbed speech signal.
  • Figure 3 shows a block diagram of a signal analysis system with subsequent feature extraction and speech fundamental frequency estimation, in order to perform a speech recognition.
  • An adequate estimation of the speech fundamental frequency can, for example, contribute to significantly improve the recognition rates of the speech recognizer.
  • the speech fundamental frequency estimator is configured for receiving a first set of values and a second set of values, the first set of values being a frequency domain representation of a first set of time domain signal values within a first time interval and the second set of values being a frequency domain representation of a second set of time domain signal values within a second time interval, the second time interval being later than and offset from the first time interval, the speech fundamental frequency estimator comprising:
  • the analyzer is further configured for performing a first frequency-time-transform of the first power density spectrum in order to obtain a first set of correlation function values, for performing a second frequency-time-transform of the second power density spectrum in order to obtain a second set of correlation function values, and for determining the speech fundamental frequency estimate on the basis of the first and second sets of correlation function values.
  • a method for estimating a speech fundamental frequency using a first set of values and a second set of values, the first set of values being a received frequency domain representation of a first set of time domain signal values within a first time interval and the second set of values being a received frequency domain representation of a second set of time domain signal values within a second time interval, the second time interval being later than and offset from the first time interval, the method for estimating the speech fundamental frequency comprising the steps of:
  • the step of determining the speech fundamental frequency estimate comprises performing a first frequency-time-transform of the first power density spectrum in order to obtain a first set of correlation function values, performing a second frequency-time-transform of the second power density spectrum in order to obtain a second set of correlation function values, and determining the speech fundamental frequency estimate on the basis of the first and second sets of correlation function values.
  • This first aspect of the invention is based on the finding that by utilizing the first and second sets of values, which originate from sets of a time domain signal values in the time intervals which are offset from each other, results in a total analyzed signal portion which is a larger than just one single signal portion, for example the first or the second time intervals.
  • a timely longer signal portion by means of existing (short) time-frequency-transformed signals without the need to provide a new time-frequency-transform just for the estimation of the speech fundamental frequency.
  • the first spectrum represents the spectrum over the longer time interval whereas the second spectrum serves the purpose to determine the characteristics of the second set of values in order to compensate errors in the first spectrum. Therefore it is necessary not only to calculate the first spectrum but also to calculate the second spectrum.
  • the approach according to the first aspect of the invention provides the advantage that a signal given in a time-frequency-transformed version (provided for other applications than speech fundamental frequency estimation) can still be used also for speech fundamental frequency estimation (even in the case the time-frequency-transformed version of the signal would normally be not appropriate for providing a precise speech fundamental frequency estimation).
  • a speech fundamental frequency estimator which is configured for receiving a set of values, the set of values being a frequency domain representation of a set of time domain signal values within a time interval, the speech fundamental frequency estimator comprising:
  • a method for estimating a speech fundamental frequency is provided, the method being configured for receiving a set of values, the set of values being a frequency domain representation of a set of time domain signal values within a time interval, the method comprising the steps of:
  • the second aspect is based on the finding that a significant improvement in the preciseness of speech fundamental frequency estimation can be realized when background noise is adequately compensated. This is especially the case in a scenario where in speech pauses erroneous detections of speech occur which then falsify the detected result and, in consequence, decrease the reliability of the detected speech fundamental frequency.
  • the second aspect thus provides the advantage that by simple means, for example a pause detector or just a further analysis of the already existing signal frames a significant improvement in preciseness and reliability of the estimated speech fundamental frequency can be obtained.
  • the speech fundamental frequency estimator is characterized in that the first power density spectrum calculator is configured for multiplying versions of the sets of values which represent sets of time domain signal values having overlapping time intervals.
  • the speech fundamental frequency estimator is characterized in that the first power density spectrum calculator is configured for multiplying versions of the sets of values which represent time domain signal values having time intervals overlapping in least 25 percent. This provides the possibility that the speech fundamental frequency estimate can be surely determined as the first and second sets of values belonged to time domain signal values which have a sufficiently overlapping a interval structure. Therefore, due to the sufficient overlap of both time intervals, such an estimation can be considered to be an estimation over the "longer" time interval.
  • the speech fundamental frequency estimator is characterized in that the second power density spectrum calculator is configured for providing a conjugate complex version of the second set of values to the first power density spectrum calculator and wherein the first power density spectrum calculator is configured for using the provided conjugate complex version of the second set of values as the version with which the stored version of the first set of values is to be multiplied.
  • the speech fundamental frequency estimator is characterized in that the analyzer is configured for performing a first frequency-time-transform of the first power density spectrum in order to obtain a first set of correlation function values and for performing a second frequency-time-transform of the second power density spectrum in order to obtain a second set of correlation function values, wherein the analyzer is furthermore configured for determining a set of normalization values and a set of weighting values from the second power density spectrum and for using the set of normalization values and the set of weighting values in the first and second frequency-time-transform and wherein the analyzer is furthermore configured for determining the speech fundamental frequency estimate on the basis of the first and second sets of correlation function values.
  • the speech fundamental frequency estimator according to a further embodiment can be characterized in that the analyzer further comprises a compensator being configured for adaptively compensating the values of the first set of correlation function values by a correction factor being based on a value of the second set of correlation function values and wherein the analyzer is furthermore configured for determining the speech fundamental frequency estimate on the basis of the compensated first set of correlation function values and the second set of correlation function values.
  • the speech fundamental frequency estimator can be characterized in that the compensator is configured for multiplying the second set of correlation function values by a lower bounded quotient between a value of the first set of correlation function values and a value of the second set of correlation function values in order to obtain said compensated first set of correlation function values.
  • the compensator is configured for multiplying the second set of correlation function values by a lower bounded quotient between a value of the first set of correlation function values and a value of the second set of correlation function values in order to obtain said compensated first set of correlation function values.
  • the speech fundamental frequency estimator is characterized in that the analyzer is configured for combining the compensated first set of correlation function values and the second set of correlation function values in order to obtain an extended set of correlation function values, wherein the values of the extended set of correlation function values assume corresponding values from the compensated first set of correlation function values, the second set of correlation function values or values between the compensated first set of correlation function values and the second set of correlation function values and wherein the analyzer is furthermore configured for determining the speech fundamental frequency estimate on the basis of said extended set of correlation function values.
  • the extended set of correlation function values comprises now information from the first as well as the second set of correlation function values such that an estimation of the speech fundamental frequency can be based on the information comprised in the first and second time interval as well as a correction of possible errors is also possible by the information of the second time interval. Furthermore, it is also possible to perform a weighting of the values of the first set of correlation function values in contrast to the values of the second set of correlation function values in order to take into account the influence of an offset between the first set of correlation function values (respectively the compensated set of correlation function values) and the second set of correlation function values.
  • the speech fundamental frequency estimator is characterized in that the analyzer is configured for determining the speech fundamental frequency estimate by searching the index of a maximum value from the extended set of correlation function values within a predetermined number of indices of the values of the extended set of correlation values, from the first or second set of correlation function values within a predetermined number of indices of values of the first respectively second set of correlation function values or from the compensated first set of correlation function values within the predetermined number of indices of values of the compensated first set of correlation function values and wherein the analyzer is furthermore configured for determining the speech fundamental frequency estimate as the product of a sampling frequency and a reciprocal value of said searched index.
  • the speech fundamental frequency is characterized in that the analyzer is furthermore configured for determining a reliability factor for the determined speech fundamental frequency estimate and for blocking an output of the determined speech fundamental frequency estimate in the case the determined reliability factor for the determined speech fundamental frequency estimate is below said predetermined reliability factor.
  • the analyzer is furthermore configured for determining a reliability factor for the determined speech fundamental frequency estimate and for blocking an output of the determined speech fundamental frequency estimate in the case the determined reliability factor for the determined speech fundamental frequency estimate is below said predetermined reliability factor.
  • the speech fundamental frequency estimator can be characterized in that the analyzer is furthermore configured for determining said reliability factor by dividing the maximum value at said searched index by the first value of the extended set of correlation function values or, respectively the first, the compensated first or second set of correlation function values.
  • the speech fundamental frequency estimator can be characterized in that the second power density spectrum calculator is configured for determining an estimate of the power density spectrum of background noise and for determining a noise suppression factor on the basis of said power density spectrum of background noise, and wherein the analyzer is configured for multiplying the first and second power density spectrum with said noise suppression factor prior to the frequency-time-transform of the first respectively second power density spectrum.
  • the speech fundamental frequency estimator can be characterized in that the second power density spectrum calculator is configured for determining the noise suppression factor as the maximum of a predetermined maximum suppression coefficient and a term being dependent on a quotient of the estimate of the power density spectrum of background noise and the second power density spectrum. This makes sure, that a minimum suppression factor is used and thus an effective suppression of background noise is accomplished.
  • the speech fundamental frequency estimator can be characterized in that the second power density spectrum calculator is configured for determining the estimate of the power density spectrum of background noise in speech pauses or for determining the estimate of the power density spectrum of background noise from a segment-wise estimation of the minima of the power of a differential signal. This provides an efficient and numerically simple way of determining the estimate of the power density spectrum of background noise.
  • the speech fundamental frequency estimator can be characterized in that the analyzer is furthermore configured for reestimating the speech fundamental frequency estimate in the case the determined speech fundamental frequency estimate is below the predefined frequency value wherein the analyzer is configured for performing the reestimation by searching a further index of a further maximum value of the extended set of correlation function values, the first or second set of correlation function values or the compensated first set of correlation function values within a further number of values of said sets of correlation function values and for outputing a product of a sampling frequency and a reciprocal value of said further index as the determined speech fundamental frequency estimate.
  • This provides a further improvement of the speech fundamental frequency especially in the case when the determined estimate is below said predefined frequency (which means that the estimate may probably not as reliable as actually wanted).
  • Such a use of the doubled speech fundamental frequency estimate from a previous estimation broadens the region to be searched and thus strengthens the reliability and preciseness of the outputted estimate.
  • the speech fundamental frequency estimator can be characterized in that the analyzer is configured for outputting said product as the predetermined speech fundamental frequency estimate only in the case the value of the autocorrelation function at the further index is larger than 60 percent of the value of the autocorrelation function at the previously searched maximal index as well as a value of the extended set of correlation function values at said further index is larger than a previously defined amplitude value. This further strengthens the validity of the outputted speech fundamental frequency estimate as before outputting the result two separate conditions have to be fulfilled.
  • the speech fundamental frequency estimator in a further embodiment can be characterized in that the analyzer is configured for modifying a speech fundamental period corresponding to said determined speech fundamental frequency estimate by an interpolation correction term prior of outputting a modified speech fundamental frequency estimate, wherein said interpolation correction term is dependent on values of said first or second set of correlation function values, of said extended set of correlation function values or said compensated first set of correlation function values, respectively.
  • an interpolation approach provides the advantage that the error terms resulting from the use of a discrete time-frequency-transform respectively a frequency-time-transform can be reduced by a processing of the signals after the inverse transform has been performed.
  • the speech fundamental frequency estimator can be characterized by a frequency domain filtering unit being configured for receiving the frequency domain versions of the first and second set of time domain signal values, for frequency domain filtering said frequency domain versions in order to obtain said first and second sets of values, respectively, and for providing said first and second sets of values to the first and second power density spectrum calculator respectively.
  • a frequency domain filtering unit being configured for receiving the frequency domain versions of the first and second set of time domain signal values, for frequency domain filtering said frequency domain versions in order to obtain said first and second sets of values, respectively, and for providing said first and second sets of values to the first and second power density spectrum calculator respectively.
  • the speech fundamental frequency estimator can be characterized in that the frequency domain filtering unit is configured for filtering only frequencies below a predefined limiting frequency. This relaxes a computational burden as only the parts of the spectrum are filtered which are of the most importance for a reliable estimation of very low speech fundamental frequencies.
  • the speech fundamental frequency estimator can be characterized in that the frequency domain filtering unit is configured for delaying values of said frequency domain versions being above said predefined limiting frequency. This compensates a delay which might be introduced in a signal flow path for filtering signals having a frequency below said limiting frequency.
  • the invention can also be implemented as a computer program having a program code for performing the inventive method, when the computer program runs on a computer.
  • the speech fundamental frequency estimator can be characterized in that the power density spectrum calculator is configured for determining the noise suppression factor as the maximum of a predetermined maximum suppression coefficient and a term being dependent on a quotient of the estimate of the power density spectrum of background noise and the second power density spectrum.
  • the second aspect may comprise a speech fundamental frequency estimator being characterized in that the power density spectrum calculator is configured for determining the estimate of the power density spectrum of background noise in speech pauses or for determining the estimate of the power density spectrum of background noise from a segment-wise estimation of the minima of the power of a differential signal. This makes sure, that a minimum suppression factor is used and thus an effective suppression of background noise is accomplished.
  • the present invention relies mainly on estimation methods based on autocorrelation function which are described herein in advance for a better understanding. However, some aspects of the present invention are also implemented in the conventional autocorrelation methods such that the description in this section is not to be considered as state of the art.
  • the speech signal s(n) will be recorded by a microphone.
  • the weighting function W (e j ⁇ ⁇ , n ) has been chosen such that the attenuation rises with rising frequency. This choice results from the fact that speech mainly at low frequencies has a speech fundamental frequency structure - which in turn results in an improved estimation of the speech fundamental frequency.
  • Fig. 4 the functional principle of a method for speech fundamental frequency estimation is shown.
  • the autocorrelation function r ⁇ yy ( m,n ) is used in order to estimate the speech fundamental frequency f p ( n ).
  • the index m describes herein the autocorrelation offset and the index n describes the present frame (under analysis).
  • the preliminary speech fundamental frequency f' p ( n ) can be determined by a search of the maximum in a selected range of indices, for example 30 ⁇ m ⁇ 100.
  • a threshold value of p 0 ⁇ [0.2,0.3] has turned out to be favourable.
  • the value of the normalized autocorrelation at the location ⁇ p ( n ) can be of large significance as reliability information, for example for a speech signal reconstruction.
  • the desired value of the speech fundamental frequency can be either slowly or quickly traced, dependent on how sure a speech fundamental frequency can be estimated.
  • the time-frequency analysis was considered only in the interesting frequency range up to 1000 Hz.
  • the spectral refinement can be used without using the post-processing or the interpolation or the approach having the additional delay correction structure can be used without using the spectral refinement approach.
  • all the individual aspects commonly contribute to a much improved estimation of the speech fundamental frequency and shall be described herein as an embodiment.
  • the newly proposed method uses an additional spectral refinement of the input spectrum Y ( e j ⁇ ⁇ ,n ).
  • the functional principle of this approach is disclosed in Fig. 6 .
  • FIR finite impulse response
  • the parameter ⁇ denotes herein the ⁇ -th frequency sampling point of a short-time spectrum ⁇ ( e j ⁇ ⁇ ,n ) having a higher resolution and the parameter M denotes the order of the used FIR-filters.
  • a memory length M of the short FIR-filter is chosen between 3 and 5.
  • a spectral refinement in the whole frequency range is not necessary for speech signals.
  • the speech fundamental frequency structure is only present in the lower frequency range that means it is sufficient to perform the refinement up to, for example, 1000 Hz. Above this threshold it is possible to only introduce a delay of (M-1)/2 samples (down-sampled). The numerical effort necessary for such a refinement can thus be kept low.
  • Fig. 7 the analysis-synthesis-system with additional calculation of the spectral refinement in a low frequency range is shown.
  • Fig. 8 the analysis of autocorrelation as well as the time-frequency-analysis with spectral refinement is shown.
  • test signal the same combination from sinusoidal signals have been used which have a varying frequency distance of 300 Hz to 60 Hz.
  • the black graph in the upper diagram of Fig. 8 as well as the white graph in the lower diagram of Fig. 8 show the estimated pitch period duration, respectively; the estimate of speech fundamental frequency when using the spectral refinement approach.
  • Fig. 9A shows a block diagram of an embodiment of a speech fundamental frequency estimator 900.
  • the speech fundamental frequency estimator 900 comprises a power density spectrum calculator 902 and an analyzer 904.
  • the power density spectrum calculator 902 has 2 inputs, one for receiving a set of values and one for receiving background noise information.
  • the set of values ⁇ 1 is a frequency-domain representation of a set of a time domain signal values y 1 in a time interval t 1 .
  • the background noise information can for example be determined in speech pauses in which only a noise signal and no speech signal is provided to the power density spectrum calculator 902.
  • the power density spectrum calculator 902 has 2 outputs, one for outputting a noise suppression factor V(e j ⁇ ,n) and one for outputting values of a power density spectrum.
  • the analyzer 904 has 2 inputs for receiving both of the outputs of the power density spectrum calculator 902.
  • the analyzer 904 has a furthermore one output for outputting the determined speech fundamental frequency f p
  • the function of the speech fundamental frequency estimator 900 shall be described in more detail with reference to Fig. 9B .
  • Fig. 9B a flow diagram of a method for estimating the speech fundamental frequency is disclosed.
  • the method 940 comprises a first step 950 in which a power density spectrum is provided by multiplying a version of the set of values ⁇ 2 with a complex conjugate version of the second set of values.
  • a second step 952 an estimate of a power density spectrum of background noise is determined.
  • the background noise information is used which may originate for example from a speech pause detector or other means which provide only information about the background noise in the absence of speech.
  • a noise suppression factor is determined which is explained in more detail below.
  • a multiplication of the power density spectrum with the noise suppression factor V(e j ⁇ ,n) is performed before in a fifth step 958 a frequency-time-transform is accomplished.
  • a sixth step 960 speech fundamental frequency is determined from the frequency-time-transformed signal resulting in step 958.
  • ⁇ nn ( ⁇ ⁇ ,n ) denotes an estimation of the auto power density spectrum of a disturbance (background noise), V 0 describes a maximal attenuation and the parameter ⁇ is used for overestimating the power density spectrum of the disturbance. Because of the fact that the disturbance can be considered to be non-stationary a short-time estimation value has to be used for this disturbance value. However, signal and disturbance are available only as a sum in the microphone signal y(n).
  • the estimation of the power density spectrum of the background noise can be obtained in two different ways, firstly the power of the microphone signal can be estimated in speech pauses - which requires a speech pause detector - or, secondly, that an estimated value for the power of the disturbance can be determined from the segment-wise estimated minima of the power of the microphone signal.
  • the noise estimation is not the main focus in this patent application other details shall not be explained here; however reference is made to P. Vary, R. Martin: Digital Speech Transmission, John Wiley & Sons, Chichester, England, 2006 .
  • noise reductions are used as a pre-processing stage for a speech fundamental frequency estimation that is instead of the input subband signals Y ( e j ⁇ ⁇ , n ) the noise reduced signals Y ( e j ⁇ ⁇ , n ) ⁇ V ( e j ⁇ ⁇ , n ) are processed.
  • FIG. 10 shows results of the speech fundamental frequency estimation with spectral refinement in terms of time-frequency-analysis with and without noise reduction. All parameters of the methods have been identical to the previously described parameters. As can be seen very clearly erroneous detections (denoted by black ellipses in the upper diagram of Fig. 10 ) can be suppressed in the case when the above-mentioned active noise reduction is used. In speech activity passages nearly nothing changes.
  • Speech fundamental frequency estimation on the basis of a plurality of subband vectors
  • Fig. 11A shows a block diagram of an embodiment of the inventive speech fundamental frequency estimator 1100.
  • the speech fundamental frequency estimator 1100 comprises a first power density spectrum calculator 1102, a second power density spectrum calculator 1104 and an analyzer 1106.
  • the first power density spectrum calculator 1102 and second power density spectrum calculator 1104 are both fed by a common input of width N, on which subsequently a first set of values ⁇ 1 and a second set of values ⁇ 2 is provided.
  • the first set of values ⁇ 1 is a frequency domain representation of a first set of time domain signal values y 1 within a first time interval t 1 .
  • the second set of values ⁇ 2 is a frequency domain representation of a second set of time domain signal values y 2 within a second time interval t 2 .
  • the first power density spectrum calculator 1102 is configured for storing a version of the first set of values and for providing values of a first power density spectrum ⁇ ⁇ ( ⁇ ⁇ ,n ) by multiplying the stored version of the first set of values ⁇ 1 with a complex conjugate version of the second set of values ⁇ 2 .
  • the second power density spectrum calculator 1104 is configured for providing values of a second power density spectrum ⁇ ⁇ ( ⁇ ⁇ ,n ) by multiplying a version of the second set of values with a complex conjugate version of the second set of values.
  • the analyzer 1106 is configured for receiving the first and second power density spectrums of the first respectively second power density spectrum calculator 1102, 1104 and for determining the speech fundamental frequency estimate f p (n) on the basis of the values of the first power density spectrum ⁇ ⁇ d ( ⁇ ⁇ ,n ) and the values of the second power density spectrum ⁇ ⁇ ( ⁇ ⁇ ,n ).
  • Fig. 11B shows the functionality of the speech fundamental frequency estimator as shown in Fig. 11A in more detail.
  • Fig. 11B discloses a method 1140 for estimating the speech fundamental frequency f p (n).
  • first and second sets of values ⁇ 1 and ⁇ 2 are provided, each of which have the number of N individual values (that is a width of N).
  • a first step 1150 a version of the first set of values ⁇ 1 is stored.
  • the stored version of the first set of values ⁇ 1 it is multiplied with a version of the second set of values ⁇ 2 which are directly fed to the multiplication step without a storing step.
  • the result from the multiplication step 1152 is said first power density spectrum ⁇ ⁇ d ( ⁇ ⁇ ,n ).
  • a further step of multiplying 1154 is performed in which a versions of the second set of values ⁇ 2 are multiplied with each other, which results in the second power density spectrum.
  • the speech fundamental frequency estimate f p (n) is determined.
  • the inventive approach as shown in Fig. 11A and 11B has the advantage that it is now possible to estimate lower speech fundamental frequencies as would be possible according to the state of the art. This is mainly due to the fact that (conventional existing) short frequency domain values can be used for a precise speech fundamental frequency estimation as the multiplication in step 1152 with a stored respectively delayed version of a previous set of frequency domain values results in a kind of elongated analysis time interval for estimating the low speech fundamental frequency.
  • a further inventive idea it can be seen in the fact that not only the present signal frame y(n) is used for the estimation of the speech fundamental frequency but also a signal frame y(n-d) which is a signal frame delayed by d clock cycles.
  • the present short-time spectrum ⁇ ( e j ⁇ ⁇ ,n ) and the delayed short-time spectrum ⁇ *(e j ⁇ ⁇ ,n-d ) is used.
  • the cross-correlation function r ⁇ ⁇ ,g ( m,n ) is determined according to equation 13.
  • the aim will be to determine an extended autocorrelation function r ⁇ ⁇ ,erw ( k,n ) of order N/2 + r from the autocorrelation function r ⁇ ⁇ d ,g ( m,n ) and the cross-correlation function r ⁇ ⁇ d ,g ( m,n ), each of which having the order N/2.
  • the index k of the term r ⁇ ⁇ ,erw ( k,n ) describes herein the offset of the autocorrelation, wherein the following equation is valid: k ⁇ 0 , ... , N 2 + r ⁇ 1
  • the linear function a(m) was chosen such that with an increasing offset m the weight of the coefficients reduces.
  • the thus obtained extended autocorrelation function r ⁇ ⁇ ,erw ( k,n ) is finally used for the estimation of the speech fundamental frequency.
  • the speech fundamental frequency is determined by a search of the maximum for each single frame in an elongated area - for example in the range 30 ⁇ k ⁇ 180.
  • Fig. 13 two examples for the analysis of the speech fundamental frequency are shown.
  • the left section of Fig. 13 discloses the analysis of the speech fundamental frequency at about 270 Hz whereas in the right section of Fig. 13 the analysis of a speech fundamental frequency at about 60 Hz is shown.
  • the correlation of the present signal frame with itself (left) and with a proceeding signal frame (right) are shown each, the left and also the right section of Fig. 13 .
  • the lower graph in each of both sections of Fig. 13 shows the extended autocorrelation function r ⁇ ⁇ ,erw ( k,n ) across an elongated autocorrelation offset which is generated by the composition of both correlation functions r ⁇ ⁇ ,g ( m,n ) and r ⁇ ⁇ ,g, mod ( m,n ) respectively by the usage of the equation 30.
  • the corresponding speech fundamental period can be determined and detected quite well using the autocorrelation function r ⁇ ⁇ ,g ( m,n ) (left section of Fig. 13 ).
  • Fig. 13 shows in the lower part that by a combination of the correlation of the signal frame with itself and the correlation with a proceeding signal frame the speech fundamental period can still be determined and detected.
  • Fig. 14 the analysis of the extended autocorrelation function r ⁇ ⁇ ,erw ( k,n ) is shown when a previous spectral refinement in the low frequent region as well as a time-frequency-analysis of the input signal is used.
  • a comparison with the analyses from the Fig. 5 and 14 indicates that by using the previously described approach significant improvements can be achieved.
  • no erroneous detections with low speech fundamental frequencies occur.
  • f p (n) After estimation of the speech fundamental frequency f p (n) a test can be made whether this estimate is below a threshold f k .
  • f p (n) For the determination of this area the previously determined speech fundamental frequency f p (n) is firstly doubled.
  • the parameter f p,max in equation 33 is herein a predefined value of a maximal possible speech fundamental frequency.
  • Fig. 15 shows a time-frequency-analysis of an input signal, respectively, the detection results of the speech fundamental frequency estimation.
  • the post-processing was deactivated and at two locations (at 0.7 and at 0.75 seconds) erroneous detections (bisections of frequency) can be observed.
  • Such erroneous detections can be corrected by the post-processing which can be concluded from the lower part of Fig. 15 .
  • the autocorrelation coefficient is used for the interpolation at which the extended autocorrelation function r ⁇ ⁇ ,erw ( k,n ) has the maximum, and also the adjacent autocorrelation coefficients unconsidered- that is the autocorrelation offsets left and right of the maximum.
  • Fig. 16 the time-frequency-analysis of a portion of several sinusoidal signals of equal amplitude is shown. Contrary hereto a portion of a speech signal of a female voice is shown in the lower part of Fig. 16 .
  • the white graph denotes the estimated quantized speech fundamental frequency in the upper as well as also in the lower part of Fig. 16 .
  • the grey graph in the upper part respectively the black graph in the lower part demonstrates the estimated speech fundamental frequency after the interpolation. It can be seen from the upper part of Fig. 16 that due to the interpolation nearly the desired straight graph of the estimated speech fundamental frequency can be obtained. In the lower part it can be seen that the estimated speech fundamental frequency of the speech fundamental frequency structure follows the speech signal closely when the interpolation is used.
  • this invention describes a method for estimating the fundamental frequency (pitch frequency) of speech signals. This is achieved in the DFT domain by analyzing the current input spectrum as well as past input spectra. To achieve an - compared to standard methods - improved estimation performance a four stage algorithm is applied or proposed whereby the steps can also be used independently: First, pre-processing (called spectral refinement) is applied to the input spectrum at low frequencies. Second, a noise reduction is applied when computing normalization values. Third, estimations for the autocorrelation of the current frame and cross correlation of the current with the previous frame are adaptively combined in order to obtain an extended range. Fourth, post-processing is applied to reduce estimation errors and to achieve an improved pitch accuracy.
  • pre-processing called spectral refinement
  • a noise reduction is applied when computing normalization values.
  • estimations for the autocorrelation of the current frame and cross correlation of the current with the previous frame are adaptively combined in order to obtain an extended range.
  • post-processing is applied to reduce estimation errors and to achieve an improved pitch accuracy

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Claims (42)

  1. Sprachgrundfrequenzschätzer (1100), welcher zum Empfangen eines ersten Satzes von Werten (Ỹ 1) und eines zweiten Satzes von Werten (Ỹ 2) ausgestaltet ist, wobei der erste Satz von Werten (Ỹ 1) eine Frequenzbereichsdarstellung eines ersten Satzes von Zeitbereichsignalwerten (y1) innerhalb eines ersten Zeitintervalls (t1) ist und der zweite Satz von Werten (Ỹ 2) eine Frequenzbereichsdarstellung eines zweiten Satzes von Zeitbereichsignalwerten (y2) innerhalb eines zweiten Zeitintervalls (t2) ist, wobei das zweite Zeitintervall (t2) später als und versetzt zu dem ersten Zeitintervall (t1) ist, wobei der Sprachgrundfrequenzschätzer (1100) umfasst:
    - einen ersten Leistungsdichtespektrumkalkulator (1102), welcher zum Speichern einer Version des ersten Satzes von Werten (Ỹ 1) ausgestaltet ist und zum Bereitstellen von Werten eines ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)) durch Multiplizieren der gespeicherten Version des ersten Satzes von Werten (Ỹ 1) mit einer komplex konjugierten Version des zweiten Satzes von Werten (Ỹ 2) ausgestaltet ist;
    - einen zweiten Leistungsdichtespektrumkalkulator (1104), welcher zum Bereitstellen von Werten eines zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)) durch Multiplizieren einer Version des zweiten Satzes von Werten (Ỹ 2) mit einer komplex konjugierten Version des zweiten Satzes von Werten (Ỹ 2) ausgestaltet ist;
    - einen Analysator (1106), welcher zum Bestimmen einer Sprachgrundfrequenzschätzung (fp(n)) auf der Basis der Werte des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)) und der Werte des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)) ausgestaltet ist,
    wobei der Analysator ferner ausgestaltet ist
    zum Ausführen einer ersten Frequenz-Zeit-Transformation des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)), um einen ersten Satz von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) zu erhalten,
    zum Ausführen einer zweiten Frequenz-Zeit-Transformation des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)), um eine zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) zu erhalten, und
    zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des ersten und zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)),(r̂ỹỹ,g (m,n)).
  2. Sprachgrundfrequenzschätzer (1100) nach Anspruch 1, dadurch gekennzeichnet, dass der erste Leistungsdichtespektrumkalkulator (1102) zum Multiplizieren von Versionen der Sätze von Werten (Ỹ 1,Ỹ 2) ausgestaltet ist, welche Sätze von Zeitbereichsignalwerten (y1, y2) darstellen, welche überlappende Zeitintervalle (t1, t2) aufweisen.
  3. Sprachgrundfrequenzschätzer (1100) nach Anspruch 2, dadurch gekennzeichnet, dass der erste Leistungsdichtespektrumkalkulator (1102) zum Multiplizieren von Versionen der Sätze von Werten (Ỹ 1,Ỹ 2) ausgestaltet ist, welche Zeitbereichsignalwerte (y1, y2) mit überlappenden Zeitintervallen (t1, t2) von mindestens 25 % darstellen.
  4. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 1-3, dadurch gekennzeichnet, dass der zweite Leistungsdichtespektrumkalkulator (1104) zum Bereitstellen einer konjugiert komplexen Version des zweiten Satzes von Werten (Ỹ 2) für den ersten Leistungsdichtespektrumkalkulator (1102) ausgestaltet ist, und wobei der erste Leistungsdichtespektrumkalkulator (1102) zum Verwenden der bereitgestellten konjugiert komplexen Version des zweiten Satzes von Werten (Ỹ 2) als die Version, mit welcher das Gespeicherte einer Version des ersten Satzes von Werten (Ỹ 1) zu multiplizieren ist, ausgestaltet ist.
  5. Sprachgrundfrequenzschätzer (1100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Analysator (1106) zum Ausführen einer ersten Frequenz-Zeit-Transformation des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)) ausgestaltet ist, um einen ersten Satz von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) zu erhalten, und zum Ausführen einer zweiten Frequenz-Zeit-Transformation des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)), um einen zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) zu erhalten, wobei der Analysator (1106) ferner zum Bestimmen eines Satzes von Normalisierungswerten (Ŝỹỹ (Ω µ ,n)) und eines Satzes von Gewichtungswerten (V(e jΩµ ,n)) aus dem zweiten Leistungsdichtespektrum (Ŝỹỹ (Ω µ ,n)) und zum Verwenden des Satzes von Normalisierungswerten (Ŝỹỹ (Ω µ ,n)) und des Satzes von Gewichtungswerten (V(e jΩµ ,n)) bei der ersten und zweiten Frequenz-Zeit-Transformation ausgestaltet ist, und wobei der Analysator (1106) ferner zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des ersten und zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n),(r̂ỹỹ,g (m,n)) ausgestaltet ist.
  6. Sprachgrundfrequenzschätzer (1100) nach Anspruch 5, dadurch gekennzeichnet, dass der Analysator (1106) ferner einen Kompensator umfasst, welcher für ein adaptives Kompensieren der Werte des ersten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) mit einem Korrekturfaktor (Δ(m, n)), welcher auf einem Wert des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) basiert, ausgestaltet ist, und wobei der Analysator (1106) ferner zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) ausgestaltet ist.
  7. Sprachgrundfrequenzschätzer (1100) nach Anspruch 6, dadurch gekennzeichnet, dass der Kompensator für ein Multiplizieren des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) mit einem niedrig begrenzten Quotienten zwischen einem Wert von dem ersten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) und einem Wert des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) ausgestaltet ist, um den kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd,g,mod(m,n)) zu erhalten.
  8. Sprachgrundfrequenzschätzer (1100) nach Anspruch 7, dadurch gekennzeichnet, dass der Analysator (1106) zum Kombinieren des ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) ausgestaltet ist, um einen erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) zu erhalten, wobei die Werte des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) entsprechende Werte von dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)), dem zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) oder Werten zwischen dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und dem zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) annehmen, und wobei der Analysator (1106) ferner zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) ausgestaltet ist.
  9. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 5-8, dadurch gekennzeichnet, dass der Analysator (1106) zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) durch Suchen des Indexes eines Maximalwertes (τp (n)) aus dem erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) innerhalb einer vorbestimmten Anzahl von Indizes (k) der Werte des erweiterten Satzes von Korrelationswerten (r̂ỹỹ,erw (k,n)), aus dem ersten oder zweiten Satz von Korrelationsfunktionswerten ((r̂ỹỹd,g (m,n),(r̂ỹỹ,g (m,n)) innerhalb einer vorbestimmten Anzahl von Indizes (m) von Werten des ersten bzw. zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)),(r̂ỹỹg (m,n)) oder aus dem kompensierten ersten Satz von Korrelationsfunktionswerten ((r̂ ỹỹd ,g,mod(m,n)) innerhalb der vorbestimmten Anzahl von Indizes (m) von Werten des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) ausgestaltet ist, und wobei der Analysator (1106) ferner zum Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) als das Produkt einer Abtastfrequenz (fs) und eines Reziprokwertes des gesuchten Index (τp (n)) ausgestaltet ist.
  10. Sprachgrundfrequenzschätzer (1100) nach Anspruch 9, dadurch gekennzeichnet, dass der Analysator (1106) ferner zum Bestimmen eines Zuverlässigkeitsfaktors (pfp (n)) für die bestimmte Sprachgrundfrequenzschätzung und zum Blockieren einer Ausgabe der bestimmten Sprachgrundfrequenzschätzung (fp(n)), falls der bestimmte Zuverlässigkeitsfaktor (pfp (n)) für die bestimmte Sprachgrundfrequenzschätzung unterhalb eines vorbestimmten Zuverlässigkeitsfaktors (po) ist, ausgestaltet ist.
  11. Sprachgrundfrequenzschätzer (1100) nach Anspruch 10, dadurch gekennzeichnet, dass der Analysator (1106) ferner zum Bestimmen des Zuverlässigkeitsfaktors (pfp (n)) durch Teilen des Maximalwertes (τ̃p (n)) bei dem gesuchten Index durch den ersten Wert des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) oder bzw. des ersten, des kompensierten ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),r̂ ỹỹd ,g,mod(m,n),r̂ỹỹg (m,n)) ausgestaltet ist.
  12. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 5-11, dadurch gekennzeichnet, dass der zweite Leistungsdichtespektrumkalkulator (1104) zum Bestimmen einer Schätzung des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ ,n)) und zum Bestimmen eines Rauschunterdrückungsfaktors (V(e jΩµ ,n)) auf der Basis des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ ,n)) ausgestaltet ist, und wobei der Analysator (1106) zum Multiplizieren des ersten und zweiten Leistungsdichtespektrums mit dem Rauschunterdrückungsfaktor (V(e jΩµ ,n)) vor der Frequenz-Zeit-Transformation des ersten bzw. zweiten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)),(Ŝỹỹ (Ω µ ,n)) ausgestaltet ist.
  13. Sprachgrundfrequenzschätzer (1100) nach Anspruch 12, dadurch gekennzeichnet, dass der zweite Leistungsdichtespektrumkalkulator (1104) zum Bestimmen des Rauschunterdrückungsfaktors als das Maximum eines vorbestimmten maximalen Unterdrückungskoeffizienten (Vo) und eines Terms, welcher von einem Quotienten aus der Schätzung des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ ,n)) und des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)) abhängt, ausgestaltet ist.
  14. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 12 oder 13, dadurch gekennzeichnet, dass der zweite Leistungsdichtespektrumkalkulator (1104) zum Bestimmen der Schätzung des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ ,n)) in Sprachpausen oder zum Bestimmen der Schätzung des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ ,n)) aus einer segmentweisen Schätzung des Minimums der Leistung eines Mikrofonsignals ausgestaltet ist.
  15. Sprachgrundfrequenzschätzer (1100) nach den Ansprüchen 13 und 14, dadurch gekennzeichnet, dass der Rauschunterdrückungsfaktor definiert wird durch V e j Ω μ n = max V 0 , 1 − β S ^ nn Ω μ n S ^ yy Ω μ n
    Figure imgb0050
     wobei Ŝnn (Ω µ ,n) die Schätzung des Leistungsdichtespektrums des Hintergrundrauschens bezeichnet, Ŝyy (Ω µ ,n) das zweite Leistungsdichtespektrum bezeichnet, Vo einen vorbestimmten maximalen Dämpfungsfaktor bezeichnet und β einen Wert für ein Überschätzen des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ ,n)) bezeichnet.
  16. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 5-15, dadurch gekennzeichnet, dass der Analysator (1106) ferner in dem Fall, dass die bestimmte Sprachgrundfrequenzschätzung unterhalb des vordefinierten Frequenzwerts (fk) ist, zum erneuten Schätzen der Sprachgrundfrequenzschätzung ausgestaltet ist, wobei der Analysator (106) zum Ausführen des erneuten Schätzens durch Suchen eines weiteren Index (k, m) eines weiteren Maximalwertes (τ̃p (n)) des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)), des ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)),(r̂ỹỹ,g (m,n)) oder des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) innerhalb einer weiteren Anzahl von Werten der Sätze von Korrelationsfunktionswerten und zum Ausgeben eines Produkts einer Abtastfrequenz (fs) und eines Reziprokwertes des weiteren Index (τ̃p (n)) als die bestimmte Sprachgrundfrequenzschätzung ausgestaltet ist.
  17. Sprachgrundfrequenzschätzer (1100) nach Anspruch 16, dadurch gekennzeichnet, dass der Analysator (106) zum Suchen des Index (k, m) des weiteren Maximalwertes (τ̃p (n)) unter Verwendung einer Anzahl von Werten k des Satzes von Korrelationsfunktionswerten ausgestaltet ist, welche definiert ist durch f s f p , max ≤ k < f s 2 f p n + k 0
    Figure imgb0051
     wobei k die Anzahl von Werten des Satzes von Korrelationsfunktionswerten bezeichnet, fp(n) die zuvor bestimmte Sprachgrundfrequenzschätzung bezeichnet, fp,max einen vordefinierten Wert einer maximal möglichen Sprachgrundfrequenz bezeichnet, fs eine Abtastfrequenz bezeichnet und ko eine Konstante bezeichnet.
  18. Sprachgrundfrequenzschätzer (1100) nach Anspruch 16 oder 17, dadurch gekennzeichnet, dass der Analysator (1106) zum Ausgeben des Produktes als die vorbestimmte Sprachgrundfrequenzschätzung nur in dem Fall ausgestaltet ist, dass der weitere Index (τ̃p (n)) größer als 60 % des zuvor gesuchten maximalen Index (τp (n)) ist sowie ein Wert (r̂ỹỹ,erw (τ̃p (n),n)) des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) an dem weiteren Index (τ̃p (n)) größer als ein zuvor definierter Amplitudenwert (p̃0 ) ist.
  19. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 5-18, dadurch gekennzeichnet, dass der Analysator (1106) zum Modifizieren einer Sprachgrunddauer (τ̃p (n)), welche der bestimmten Sprachgrundfrequenzschätzung entspricht, mit einem Interpolationskorrekturterm (Δ p (n)) vor einem Ausgeben einer modifizierten Sprachgrundfrequenzschätzung (fp(n)) ausgestaltet ist, wobei der Interpolationskorrekturterm (Δ p ) von Werten des ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),(r̂ỹỹ,g (m,n)), von dem erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) bzw. dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) abhängig ist.
  20. Sprachgrundfrequenzschätzer (1100) nach einem der Ansprüche 1-19, gekennzeichnet durch eine Frequenzbereichfiltereinheit, welche für ein Empfangen der Frequenzbereichversionen (Y1, Y2) des ersten und zweiten Satzes von Zeitbereichsignalwerten (y1, y2) ausgestaltet ist, zum Filtern der Frequenzbereichversionen in dem Frequenzbereich, um den ersten bzw. zweiten Satz von Werten (Ỹ 1 ,Ỹ 2) zu erhalten, und zum Bereitstellen des ersten und zweiten Satzes von Werten (Ỹ 1 ,Ỹ 2) für den ersten bzw. zweiten Leistungsdichtespektrumkalkulator.
  21. Sprachgrundfrequenzschätzer (1100) nach Anspruch 20, dadurch gekennzeichnet, dass die Frequenzbereichfiltereinheit nur zum Filtern von Frequenzen unterhalb einer vordefinierten Grenzfrequenz ausgestaltet ist.
  22. Sprachgrundfrequenzschätzer (1100) nach Anspruch 21, dadurch gekennzeichnet, dass die Frequenzbereichfiltereinheit zum Verzögern von Werten der Frequenzbereichversionen, welche über der vordefinierten Grenzfrequenz sind, ausgestaltet ist.
  23. Verfahren (1140) zum Schätzen einer Sprachgrundfrequenz (fp(n)), wobei das Verfahren einen ersten Satz von Werten (Ỹ 1) und einen zweiten Satz von Werten (Ỹ 2) verwendet, wobei der erste Satz von Werten (Ỹ 1) eine empfangene Frequenzbereichsdarstellung eines ersten Satzes von Zeitbereichsignalwerten (y1) innerhalb eines ersten Zeitintervalls (t1) ist und der zweite Satz von Werten (Ỹ 2) eine empfangene Frequenzbereichsdarstellung eines zweiten Satzes von Zeitbereichsignalwerten (y2) innerhalb eines zweiten Zeitintervalls (t2) ist, wobei das zweite Zeitintervall (t2) später als und versetzt zu dem ersten Zeitintervall (t1) ist, wobei das Verfahren zum Schätzen der Sprachgrundfrequenz (fp(n)) die Schritte umfasst:
    - Speichern (1150) einer ersten Version des ersten Satzes von Werten (Ỹ 1) und Bereitstellen von Werten eines ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)) durch Multiplizieren (1152) der gespeicherten Version des ersten Satzes von Werten (Ỹ 1) mit einer komplex konjugierten Version des zweiten Satzes von Werten (Ỹ 2);
    - Bereitstellen von Werten eines zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)) durch Multiplizieren (1153) einer Version des zweiten Satzes von Werten (Ỹ 2) mit einer komplex konjugierten Version des zweiten Satzes von Werten (Ỹ 2);
    - Bestimmen (1156) der Sprachgrundfrequenzschätzung (fp) auf der Basis der Werte des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)) und der Werte des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)),
    wobei der Schritt des Bestimmens der Sprachgrundfrequenzschätzung (fp(n)) umfasst
    Ausführen einer ersten Frequenz-Zeit-Transformation des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)), um einen ersten Satz von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) zu erhalten,
    Ausführen einer zweiten Frequenz-Zeit-Transformation des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)), um einen zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) zu erhalten, und
    Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des ersten und zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),(r̂ỹỹ,g, (m,n)).
  24. Verfahren (1140) nach Anspruch 23, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) umfasst:
    • Ausführen einer ersten Frequenz-Zeit-Transformation des ersten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n)), um einen ersten Satz von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) (m,n)) zu erhalten;
    • Ausführen einer zweiten Frequenz-Zeit-Transformation des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ ,n)), um einen zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) zu erhalten, wobei der Schritt des Bestimmens (1156) ferner ein Bestimmen eines Satzes von Normalisierungswerten (Ŝỹỹ ((Ω µ ,n)) und eines Satzes von Gewichtungswerten (V(e jΩµ ,n)) aus dem zweiten Leistungsdichtespektrum (Ŝỹỹ (Ω µ ,n)) und ein Verwenden des Satzes von Normalisierungswerten (Ŝỹỹ (Ω µ ,n)) und des Satzes von Gewichtungswerten (V(e jΩ µ ,n)) in der ersten und zweiten Frequenz-Zeit-Transformation umfasst, und wobei die Bestimmung der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des ersten und zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),r̂ỹỹ,g (m,n)) ausgeführt wird.
  25. Verfahren (1140) nach Anspruch 24, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein adaptives Kompensieren der Werte des ersten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n) mit einem ersten Korrekturfaktor (Δ(m,n)), welcher auf einem Wert des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) basiert, um einen kompensierten ersten Satz von Werten zu erhalten, und ein Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) umfasst.
  26. Verfahren (1040) nach Anspruch 25, dadurch gekennzeichnet, dass der Schritt des Kompensierens ein Multiplizieren des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) mit einem niedrig begrenzten Quotienten zwischen einem Wert des ersten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n)) und einem Wert des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) umfasst, um den kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) zu erhalten.
  27. Verfahren (1140) nach Anspruch 26, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Kombinieren des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und des zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) umfasst, um einen erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) zu erhalten, wobei die Werte des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) entsprechende Werte von dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)), dem zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) oder Werten zwischen dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) und dem zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹ,g (m,n)) annehmen, und wobei der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ferner ein Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) auf der Basis des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) umfasst.
  28. Verfahren (1140) nach einem der Ansprüche 23-27, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) durch Suchen des Index eines Maximalwertes (τp (n)) aus dem erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) innerhalb einer vorbestimmten Anzahl von Indizes (k) der Werte von dem erweiterten Satz von Korrelationswerten (r̂ỹỹ,erw (k,n)), aus dem ersten oder zweiten Satz von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n), (r̂ỹỹ,g (m,n)) innerhalb einer vorbestimmten Anzahl von Indizes (m) von Werten des ersten bzw. zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),(r̂ỹỹ,g (m,n)) oder aus dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) innerhalb der vorbestimmten Anzahl von Indizes (m) von Werten des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) umfasst, und wobei der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ferner ein Bestimmen der Sprachgrundfrequenzschätzung (fp(n)) als das Produkt einer Abtastfrequenz (fs) und eines Reziprokwertes des gesuchten Index (τp (n)) umfasst.
  29. Verfahren (1140) nach Anspruch 28, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Bestimmen eines Zuverlässigkeitsfaktors (pfp (n)) für die bestimmte Sprachgrundfrequenzschätzung (fp(n)) und zum Blockieren einer Ausgabe der bestimmten Sprachgrundfrequenzschätzung (fp(n)) in dem Fall, dass der bestimmte Zuverlässigkeitsfaktor (pfp (n)) für die bestimmte Sprachgrundfrequenzschätzung (fp(n)) unterhalb eines vorbestimmten Zuverlässigkeitsfaktors (po) ist, umfasst.
  30. Verfahren (1140) nach Anspruch 29, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Bestimmen des Zuverlässigkeitsfaktors (pfp (n)) durch Dividieren des Maximalwertes (τ̃p (n)) an dem gesuchten durch den ersten Wert des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) oder bzw. des ersten, des kompensierten ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),r̂ ỹỹd ,g,mod(m,n),r̂ỹỹ,g (m,n)) umfasst.
  31. Verfahren (1140) nach einem der Ansprüche 23-30 und Anspruch 24, dadurch gekennzeichnet, dass der Schritt des Bereitstellens von Werten eines zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ,n)) ein Bestimmen einer Schätzung des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ,n)) und ein Bestimmen eines Rauschunterdrückungsfaktors (V(e jΩµ ,n)) auf der Basis des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ,n)) umfasst, und dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Multiplizieren des ersten und zweiten Leistungsdichtespektrums mit dem Rauschunterdrückungsfaktor (V(e jΩµ ,n)) vor der Frequenz-Zeit-Transformation des ersten bzw. zweiten Leistungsdichtespektrums (Ŝỹỹd (Ω µ ,n),(Ŝỹỹ (Ω µ,n)) umfasst.
  32. Verfahren (1140) nach Anspruch 31, dadurch gekennzeichnet, dass der Schritt des Bereitstellens von Werten eines zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ,n)) ein Bestimmen des Rauschunterdrückungsfaktors als das Maximum eines vorbestimmten maximalen Unterdrückungskoeffizienten (Vo) und eines Terms, welcher von einem Quotienten der Schätzung des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ,n)) und des zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ,n)) abhängt, umfasst.
  33. Verfahren (1140) nach Anspruch 32, dadurch gekennzeichnet, dass der Schritt des Bereitstellens von Werten eines zweiten Leistungsdichtespektrums (Ŝỹỹ (Ω µ,n)) ein Bestimmen der Schätzung des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ,n)) in Sprachpausen oder ein Bestimmen der Schätzung des Leistungsdichtespektrums von Hintergrundrauschen (Ŝnn (Ω µ,n)) aus einer segmentweisen Schätzung des Minimums der Leistung eines Mikrofonsignals umfasst.
  34. Verfahren (1140) nach einem der Ansprüche 31-33, dadurch gekennzeichnet, dass der Rauschunterdrückungsfaktor definiert wird durch V e j Ω μ n = max V 0 , 1 − β S ^ nn Ω μ n S ^ yy Ω μ n
    Figure imgb0052
     wobei Ŝnn (Ω µ,n) die Schätzung des Leistungsdichtespektrums des Hintergrundrauschens bezeichnet, Ŝyy (Ω µ,n) das zweite Leistungsdichtespektrum bezeichnet, V0 einen vordefinierten maximalen Dämpfungsfaktor bezeichnet und β einen Wert für ein Überschätzen des Leistungsdichtespektrums des Hintergrundrauschens (Ŝnn (Ω µ,n)) bezeichnet.
  35. Verfahren (1140) nach einem der Ansprüche 24-34, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Neuschätzen der Sprachgrundfrequenzschätzung (fp(n)) in dem Fall, dass die bestimmte Sprachgrundfrequenzschätzung unterhalb des vordefinierten Frequenzwertes (fk) ist, umfasst, wobei der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Ausführen der Neuschätzung durch Suchen eines weiteren Index (k, m) eines weiteren Maximalwertes (τ̃p (n)) des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)), des ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),r̂ỹỹ,g (m,n)) oder des kompensierten ersten Satzes von Korrelationsfunktionswerten (r̂ ỹỹd ,g,mod(m,n)) innerhalb einer weiteren Anzahl von Werten des Satzes von Korrelationsfunktionswerten und ein Ausgeben eines Produkts einer Abtastfrequenz (fs) und eines Reziprokwertes des weiteren Index (τ̃p (n)) als die bestimmte Sprachgrundfrequenzschätzung umfasst.
  36. Verfahren (1140) nach Anspruch 35, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Suchen des Index (k, m) des weiteren Maximalwertes (τ̃p (n)) unter Verwendung einer Anzahl von Werten k der Sätze von Korrelationsfunktionswerten umfasst, welche definiert ist durch f s f p , max ≤ k < f s 2 f p n + k 0
    Figure imgb0053
     wobei k die Anzahl von Werten der Sätze von Korrelationsfunktionswerten bezeichnet, (fp(n)) die zuvor bestimmte Sprachgrundfrequenzschätzung bezeichnet, fp,max einen vorbestimmten Wert einer maximal möglichen Sprachgrundfrequenz bezeichnet, fs eine Abtastfrequenz bezeichnet und k0 eine Konstante bezeichnet.
  37. Verfahren (1140) nach einem der Ansprüche 35 oder 36, dadurch gekennzeichnet, dass der Schritt des Bestimmens (1156) der Sprachgrundfrequenzschätzung (fp(n)) ein Ausgeben des Produktes als die vorbestimmte Sprachgrundfrequenzschätzung (fp(n)) nur in dem Fall umfasst, dass der weitere Index (τ̃p (n)) größer als 60 % des zuvor gesuchten maximalen Index (τp (n)) sowie dass der Wert (r̂ỹỹ,erw (τ̃p (n),n)) des erweiterten Satzes von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) an dem weiteren Index (τ̃p (n)) größer als ein zuvor definierter Amplitudenwert (p̃0 ) ist.
  38. Verfahren (1140) nach einem der Ansprüche 24-37, dadurch gekennzeichnet, dass der Schritt des Bestimmens der Sprachgrundfrequenzschätzung (fp(n)) ein Modifizieren einer Sprachgrunddauer (τ̃p (n)), welche der bestimmten Sprachgrundfrequenzschätzung (fp(n)) entspricht, mit einem Interpolationskorrekturterm (Δ p (n)) vor einem Ausgeben der Sprachgrundfrequenzschätzung (fp(n)) umfasst, wobei der Interpolationskorrekturterm (Δ p (n)) von Werten des ersten oder zweiten Satzes von Korrelationsfunktionswerten (r̂ỹỹd,g (m,n),r̂ỹỹ,g (m,n)), von dem erweiterten Satz von Korrelationsfunktionswerten (r̂ỹỹ,erw (k,n)) bzw. dem kompensierten ersten Satz von Korrelationsfunktionswerten (r̂ ỹỹd,g,mod(m,n)) abhängig ist.
  39. Verfahren (1140) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren ferner umfasst einen Schritt eines Empfangens der Frequenzbereichsversionen (Y1, Y2) des ersten und zweiten Satzes von Zeitbereichsignalwerten (y1, y2), ein Frequenzbereichfiltern der Frequenzbereichversionen, um den ersten bzw. zweiten Satz von Werten (Ỹ 1,Ỹ 2) zu erhalten, und Bereitstellen des ersten und zweiten Satzes von Werten (Ỹ 1,Ỹ 2) für den ersten bzw. zweiten Leistungsdichtespektrumkalkulator.
  40. Verfahren (1140) nach Anspruch 39, dadurch gekennzeichnet, dass der Schritt des Frequenzbereichfilterns nur für Frequenzen unterhalb einer vorbestimmten Grenzfrequenz durchgeführt wird.
  41. Verfahren (1140) nach Anspruch 40, dadurch gekennzeichnet, dass der Schritt des Frequenzbereichfilterns ein Verzögern von Werten der Frequenzbereichversionen umfasst, welche über der vordefinierten Grenzfrequenz sind.
  42. Computerprogrammprodukt mit einem Programmcode zum Ausführen des Verfahrens nach einem der Ansprüche 23-41, wenn das Computerprogramm auf einem Computer läuft.
EP07000568.1A 2007-01-12 2007-01-12 Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz Not-in-force EP1944754B1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP07000568.1A EP1944754B1 (de) 2007-01-12 2007-01-12 Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP07000568.1A EP1944754B1 (de) 2007-01-12 2007-01-12 Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz

Publications (2)

Publication Number Publication Date
EP1944754A1 EP1944754A1 (de) 2008-07-16
EP1944754B1 true EP1944754B1 (de) 2016-08-31

Family

ID=37898474

Family Applications (1)

Application Number Title Priority Date Filing Date
EP07000568.1A Not-in-force EP1944754B1 (de) 2007-01-12 2007-01-12 Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz

Country Status (1)

Country Link
EP (1) EP1944754B1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021138201A1 (en) * 2019-12-30 2021-07-08 Texas Instruments Incorporated Background noise estimation and voice activity detection system

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2249333B1 (de) * 2009-05-06 2014-08-27 Nuance Communications, Inc. Verfahren und Vorrichtung zur Schätzung einer Grundfrequenz eines Sprachsignals
US9208799B2 (en) * 2010-11-10 2015-12-08 Koninklijke Philips N.V. Method and device for estimating a pattern in a signal
CN111400883B (zh) * 2020-03-10 2023-05-09 南昌航空大学 基于频谱压缩的磁声发射信号特征提取方法
CN117688371B (zh) * 2024-02-04 2024-04-19 安徽至博光电科技股份有限公司 一种二次联合广义互相关时延估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587816B1 (en) * 2000-07-14 2003-07-01 International Business Machines Corporation Fast frequency-domain pitch estimation

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021138201A1 (en) * 2019-12-30 2021-07-08 Texas Instruments Incorporated Background noise estimation and voice activity detection system
US11270720B2 (en) 2019-12-30 2022-03-08 Texas Instruments Incorporated Background noise estimation and voice activity detection system

Also Published As

Publication number Publication date
EP1944754A1 (de) 2008-07-16

Similar Documents

Publication Publication Date Title
US11031029B2 (en) Pitch detection algorithm based on multiband PWVT of teager energy operator
EP2031583B1 (de) Schnelle Schätzung der Spektraldichte der Rauschleistung zur Sprachsignalverbesserung
EP1918910B1 (de) Modellbasierte Verbesserung von Sprachsignalen
US7286980B2 (en) Speech processing apparatus and method for enhancing speech information and suppressing noise in spectral divisions of a speech signal
Martin Bias compensation methods for minimum statistics noise power spectral density estimation
KR100330230B1 (ko) 잡음 억제 방법 및 장치
KR100770839B1 (ko) 음성 신호의 하모닉 정보 및 스펙트럼 포락선 정보,유성음화 비율 추정 방법 및 장치
US7957964B2 (en) Apparatus and methods for noise suppression in sound signals
EP1806739A1 (de) Rauschunterdrücker
KR19980701735A (ko) 스펙트럼 감산 잡음억제방법
EP2249333B1 (de) Verfahren und Vorrichtung zur Schätzung einer Grundfrequenz eines Sprachsignals
Yuo et al. Robust features for noisy speech recognition based on temporal trajectory filtering of short-time autocorrelation sequences
CN102612711A (zh) 信号处理方法、信息处理装置和用于存储信号处理程序的存储介质
EP1944754B1 (de) Sprachgrundfrequenzkalkulator und Verfahren zur Kalkulation einer Sprachgrundfrequenz
CN110349598A (zh) 一种低信噪比环境下的端点检测方法
CN114005457A (zh) 一种基于幅度估计与相位重构的单通道语音增强方法
US10083705B2 (en) Discrimination and attenuation of pre echoes in a digital audio signal
US20230095174A1 (en) Noise supression for speech enhancement
US7003452B1 (en) Method and device for detecting voice activity
EP1635331A1 (de) Verfahren zur Abschätzung eines Signal-Rauschverhältnisses
JP4125322B2 (ja) 基本周波数抽出装置、その方法、そのプログラム並びにそのプログラムを記録した記録媒体
Chang et al. Pitch estimation of speech signal based on adaptive lattice notch filter
Funaki Speech enhancement based on iterative wiener filter using complex speech analysis
Lim et al. Acoustic blur kernel with sliding window for blind estimation of reverberation time
Patil et al. Use of baseband phase structure to improve the performance of current speech enhancement algorithms

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

17P Request for examination filed

Effective date: 20080527

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 LV MC NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK RS

AKX Designation fees paid

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: NUANCE COMMUNICATIONS, INC.

17Q First examination report despatched

Effective date: 20120118

REG Reference to a national code

Ref country code: DE

Ref legal event code: R079

Ref document number: 602007047685

Country of ref document: DE

Free format text: PREVIOUS MAIN CLASS: G10L0011040000

Ipc: G10L0025900000

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

RIC1 Information provided on ipc code assigned before grant

Ipc: G10L 25/90 20130101AFI20160229BHEP

Ipc: G10L 21/0216 20130101ALN20160229BHEP

INTG Intention to grant announced

Effective date: 20160315

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): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

Ref country code: GB

Ref legal event code: FG4D

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 602007047685

Country of ref document: DE

REG Reference to a national code

Ref country code: AT

Ref legal event code: REF

Ref document number: 825594

Country of ref document: AT

Kind code of ref document: T

Effective date: 20161015

REG Reference to a national code

Ref country code: LT

Ref legal event code: MG4D

REG Reference to a national code

Ref country code: NL

Ref legal event code: MP

Effective date: 20160831

REG Reference to a national code

Ref country code: AT

Ref legal event code: MK05

Ref document number: 825594

Country of ref document: AT

Kind code of ref document: T

Effective date: 20160831

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

Ref country code: LT

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: 20160831

Ref country code: FI

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: 20160831

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

Ref country code: GR

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: 20161201

Ref country code: SE

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: 20160831

Ref country code: AT

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: 20160831

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: 20160831

Ref country code: LV

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: 20160831

Ref country code: NL

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: 20160831

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

Ref country code: RO

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: 20160831

Ref country code: EE

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: 20160831

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: 20160831

Ref country code: BG

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: 20161130

Ref country code: CZ

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: 20160831

Ref country code: DK

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: 20160831

Ref country code: PT

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: 20170102

Ref country code: BE

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: 20160831

Ref country code: SK

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: 20160831

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 602007047685

Country of ref document: DE

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: 20160831

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

REG Reference to a national code

Ref country code: DE

Ref legal event code: R119

Ref document number: 602007047685

Country of ref document: DE

26N No opposition filed

Effective date: 20170601

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

Ref country code: SI

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: 20160831

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

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

Effective date: 20170112

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

Ref country code: MC

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: 20160831

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20170929

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

Ref country code: FR

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

Effective date: 20170131

Ref country code: CH

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

Effective date: 20170131

Ref country code: LI

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

Effective date: 20170131

REG Reference to a national code

Ref country code: IE

Ref legal event code: MM4A

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: 20170801

Ref country code: GB

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

Effective date: 20170112

Ref country code: LU

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

Effective date: 20170112

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

Ref country code: IE

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

Effective date: 20170112

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

Ref country code: HU

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT; INVALID AB INITIO

Effective date: 20070112

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

Ref country code: CY

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

Effective date: 20160831

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

Ref country code: TR

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: 20160831

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

Ref country code: IS

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: 20161231