FR2906070A1

FR2906070A1 - Reduction de bruit multi-reference pour des applications vocales en environnement automobile

Info

Publication number: FR2906070A1
Application number: FR0608127A
Authority: FR
Inventors: Abderrahman Assebbar; Tristan Poinsard; Michel Gaeta
Original assignee: IMRA Europe SAS
Current assignee: IMRA Europe SAS
Priority date: 2006-09-15
Filing date: 2006-09-15
Publication date: 2008-03-21
Anticipated expiration: 2026-09-15
Also published as: FR2906070B1; JP2008070878A

Abstract

Afin d'améliorer le système de reconnaissance vocale dans un véhicule ou pour l'utilisation d'un téléphone mains libre, des techniques sont décrites pour réduire le bruit à bord d'un véhicule à partir d'un microphone placé a proximité du conducteur. Un premier aspect de l'invention consiste à utiliser une combinaison d'un filtrage cohérent et d'un filtrage non cohérent, chaque filtre utilisant une référence respective non acoustique de bruit. Le filtrage cohérent peut être effectué avant le filtrage non cohérent. Un deuxième aspect concerne l'implémentation d'un filtrage par soustraction spectrale à deux entrées et l'utilisation d'un gain de calibration. Des contraintes sur le taux de variation maximal du gain de calibration sont fixées et sont liées à l'estimation d'une fonction de transfert entre la référence de bruit et le microphone. Ces contraintes permettent tout d'abord de rejeter des perturbations provoquées par un bruit transitoire ou par la parole en évitant ainsi l'utilisation d'un détecteur conventionnel d'activité vocale ; ces contraintes permettent aussi un traitement continu du signal d'entrée et ce même pendant les périodes d'activité vocale.

Description

1 RÉDUCTION DE BRUIT MULTI-REFERENCE POUR DES APPLICATIONS VOCALES EN

ENVIRONNEMENT AUTOMOBILE Champ de l'invention La présente invention concerne un prétraitement de signal de parole en vue de réduire les composantes bruitées contaminant le signal utile. L'invention est particulièrement appropriée à un signal utilisé en entrée d'un système de reconnaissance vocale, et/ou d'un téléphone (par exemple un mains libre). L'invention est particulièrement appropriée à un usage dans des applications automobiles, où la part relativement élevée de bruit peut souvent interférer avec la reconnaissance vocale, la rendant de fait souvent difficile, imprécise et peu fiable. Un aspect de l'invention concerne une technique pour réduire plusieurs types de bruit d'origines diverses. Un autre aspect de l'invention concerne une technique basée sur le principe de soustraction spectrale sans l'utilisation d'un détecteur d'activité vocale (VAD) généralement utilisé dans la plupart des filtrages de soustraction spectrale destiné au débruitage d'un signal vocal. Introduction de l'invention Dans les applications automobiles, il y a un intérêt grandissant pour l'usage de la parole dans le contrôle de certaines applications ou bien encore l'usage du main libre. Cependant, la reconnaissance vocale employée pour de la commande vocale suppose d'avoir un signal de parole reçu par un microphone relativement propre c'est-à-dire exempt de bruit contaminant. Dans un environnement automobile, de nombreuses sources de bruit de types variés dégradent de manière significative le signal audio acquis, et rendent la reconnaissance vocale difficile ou incertaine. Par exemple, les sources de bruit peuvent inclure les bruits de roulement sur la route, les bruits du moteur, les bruit de pneus, les bruits aérodynamiques, les bruits de pluie, les bruit de la radio, les bruits de vibration à l'intérieur du véhicule, le bruit des essuie-glaces et aussi les bruits extérieurs au véhicule. Il est difficile de filtrer une si grande variété de bruits sans également détériorer certaines composantes du signal utile et ainsi affecter la reconnaissance vocale. Un autre point est que, pour que le système soit viable et accepté commercialement par les équipementiers et fabricants automobile, les techniques utilisées se doivent d'être performantes et le système robuste et fiable. Cela implique un faible 2906070 2 cout de fabrication, une utilisation aisée sans installation de matériel supplémentaire et ne nécessitant pas de traitement complexe. L'état de l'art propose une variété de techniques pour réduire les bruits contaminant la parole 5 et pour améliorer les composantes utiles de la parole dans le signal global. Une technique connue consiste à employer un réseau de microphones afin d'appliquer des techniques de traitement d'antenne qui s'appuient sur les caractéristiques directionnelles du bruit ou de la parole. Par exemple, les techniques de traitement d'antenne peuvent utiliser les 10 caractéristiques de direction et de position du conducteur. Cependant, les interférences directionnelles à bord d'un véhicule constituent rarement les bruits les plus gênants. Une solution basée uniquement sur la réduction des interférences directionnelles offrira une réduction de bruit relativement faible et la plupart du temps ne pourra justifier un coût additionnel imputé à l'utilisation d'un réseau de microphones dans le véhicule.

15 Une autre technique consiste à employer deux microphones, le premier est utilisé pour capter le signal de parole ainsi que le bruit contaminant, et le second est utilisé pour capter principalement le bruit contaminant le signal de parole. Le deuxième microphone est alors utilisé comme référence de bruit pour un filtre de soustraction de bruit permettant la réduction 20 du bruit reçu par le premier microphone. Cependant, une telle technique se montre limitée et souffre d'une incompatibilité inhérente à la disposition des microphones. Afin de limiter la part de signal de parole reçue par le deuxième microphone, le deuxième microphone devrait être assez éloigné du premier. Mais, plus l'éloignement entre les deux microphones est grand et plus la capacité du deuxième microphone à être utilisée comme référence de bruit pour le 25 premier microphone est limitée. Le brevet JP2244099 décrit un système recevant une entrée électronique directe dérivant du signal et alimentant les haut-parleurs du système audio du véhicule. L'entrée directe fournit une représentation précise du bruit généré par le système audio altérant le signal de parole et 30 qui devrait ainsi être filtré du signal de microphone. Cette entrée directe est utilisée comme référence de bruit dans un système de soustraction de bruit et ne nécessite donc aucun capteur additionnel pour capter ce signal de référence. Cependant, un tel système ne permet pas la réduction d'autres bruits provenant de sources diverses telles que le moteur, la route, les pneus, le vent, la pluie et les vibrations du véhicule.

2906070 3 La demande de brevet français FR0503008 classée le 25 mars 2005 et actuellement non publié, décrit un système de réduction continue de bruit dans lequel un signal reçu par un microphone est divisé en bandes de fréquence, et pour chaque bande, une décision permet de 5 séparer les composantes significatives du bruit en composantes cohérentes et incohérentes. Un filtrage cohérent ou bien un filtrage non cohérent adaptatif de réduction de bruit est choisi dans chaque bande suite à la précédente décision. Après qu'un filtrage soit appliqué sur chaque bande selon la meilleure technique, les signaux sur chaque bande de fréquence sont recombinés pour former le signal de sortie. Des bruits transitoires qui pourraient perturber 10 l'opération de filtrage sont détectés en amont du filtrage principal. Le filtre non cohérent adaptatif reçoit en entrée le signal d'un capteur non-acoustique externe, tel qu'un capteur de vibration, et utilise une technique de soustraction spectrale après évaluation de la fonction de transfert entre le microphone et le capteur non-acoustique. Un VAD fournit un signal de commande pour la mise à jour adaptative de l'estimation de la fonction de transfert ; la mise à 15 jour est suspendue quand un signal de voix est détecté par le VAD. Le système ne repose pas sur la détection rigoureuse de parole par le VAD car on suppose que la fonction de transfert n'évolue généralement pas de façon rapide. Ainsi, on considère que la fonction de transfert reste constante pendant les périodes de parole. Néanmoins, l'utilisation d'un VAD est une condition absolue de fonctionnement pour le système.

20 On peut considérer la présente invention comme une amélioration et un développement de certaines des techniques décrites dans le brevet FR0503008. Résumé de l'invention Un premier aspect de l'invention concerne le filtrage effectif de plusieurs types de bruits contenu dans le signal utile de parole. De façon générale, le premier aspect de l'invention permet de fournir un système de filtres comportant deux filtres en série. Le premier filtre pourrait être un filtre linéaire permettant une réduction des bruits cohérents avec les bruits reçus par le microphone. Le deuxième filtre 25 30 2906070 4 pourrait être un filtre non-linéaire permettant une réduction des bruits non cohérents avec les bruits reçus par le microphone. Une telle combinaison de techniques de filtrage en série peut permettre le filtrage efficace 5 d'une grande variété de composantes de bruit, particulièrement pour une application automobile. Sous une certaine forme du système, le premier étage de filtrage pourrait être constitué par le filtrage cohérent et le deuxième étage de filtrage par le filtrage non cohérent. Le fait de 10 filtrer d'abord les composantes cohérentes puis ensuite les composantes non cohérentes permet la réduction optimale des composantes cohérentes, et évite de biaiser le filtrage non cohérent avec des composantes cohérentes qui seraient mieux atténuées par le filtrage cohérent.

15 Chacun des étages de filtrage cohérent et non cohérent peut recevoir respectivement un signal de référence de bruit de deux capteurs respectifs. Chaque référence de bruit peut être une référence non-acoustique de bruit. Le terme non-acoustique signifie que la référence de bruit ne détecte pas directement des vibrations acoustiques dans l'air. Cependant, la référence non-acoustique de bruit peut détecter des vibrations dans les fréquences audibles et 20 ce, dans différents endroits du véhicule, et/ou peut générer un signal ayant ou représentant une composante dans la gamme de fréquences audibles. Un deuxième aspect de l'invention concerne l'implémentation d'un filtre basé sur le principe de la soustraction spectrale utilisant deux signaux d'entrée. Le filtre peut être un filtre itératif.

25 Le filtre peut inclure la génération d'un gain de calibration qui est lié à l'estimation du module d'une fonction de transfert entre une référence de bruit et un microphone. Le gain de calibration peut être soit une valeur scalaire ou un signal temporel, soit un signal spectral. De façon générale, le deuxième aspect de l'invention est de fournir un système de contrôle 30 pour contrôler et limiter le taux maximum de variation du gain de calibration. La technique du deuxième aspect de l'invention abordée ci-dessus provient de l'hypothèse que dans la plupart des conditions normales qui peuvent être envisagées, le module de la fonction de transfert évoluera de façon relativement lente (c.-à-d. avec un taux de variation 2906070 5 inférieur à un certain seuil). Si le gain de calibration calculé se met à évoluer rapidement, alors ceci peut signifier que le signal de microphone est perturbé par une composante de bruit qui n'est pas liée à la référence de bruit, telle que la parole ou du bruit transitoire.

5 Ainsi l'étape de contrôle peut automatiquement bloquer l'estimation du gain de calibration lorsque des perturbations résultant de bruits transitoires et de la parole apparaissent, et peut donc éviter le besoin de mettre en application un détecteur dédié au bruit transitoire ainsi qu'un VAD pour détecter la présence de parole.

10 Le seuil doit être suffisamment élevé pour permettre au gain de calibration de s'adapter aux variations de la fonction de transfert, qui sont dans des limites fixées à l'avance. Le seuil doit être suffisamment bas pour éviter que le gain de calibration ne soit perturbé par des composantes de bruits indépendantes de la fonction de transfert.

15 Le gain de calibration peut être généré périodiquement et celui ci peut être comparé à une valeur de référence ou une valeur de comparaison. La valeur de comparaison peut être une combinaison d'une ou plusieurs valeurs précédentes du gain de calibration. Si le module de la différence entre les deux valeurs excède un certain seuil, alors la valeur nouvellement calculée peut être remplacée par la valeur de comparaison. Le seuil peut être un taux de 20 variation prédéterminé, par exemple, environ 20%. Le gain de calibration peut inclure un facteur de pondération variable. Le facteur de pondération variable peut dépendre de la vitesse du véhicule, afin de tenir compte du bruit dépendant de la vitesse du véhicule.

25 Les systèmes choisis présentent des aspects pour réduire le bruit d'un signal reçu par un microphone dans un véhicule afin d'obtenir un signal de parole plus clair soit pour permettre une meilleure reconnaissance vocale dans un système de reconnaissance de la parole soit pour l'utilisation d'un téléphone mains libres. Un aspect de l'invention consiste à appliquer une 30 série de filtrages cohérent et non cohérent, chaque filtre utilisant respectivement une référence non-acoustique de bruit. Le filtrage cohérent peut être effectué avant le filtrage non cohérent. Un autre aspect de l'invention concerne l'implémentation d'un filtrage basée sur le principe de la soustraction spectrale en appliquant des limitations au taux de variation maximum d'un gain de calibration lié à l'estimation du module de la fonction de transfert entre la référence 2906070 6 de bruit et le microphone. Cette limitation peut automatiquement rejeter la prise en compte des perturbations provoquées par un bruit transitoire et par la parole pour l'estimation du gain de calibration, et évite de ce fait la nécessité d'utiliser un VAD.

5 Bien que les aspects décrits ci-dessus de l'invention puissent être employés indépendamment, il peut être avantageux d'employer les différents aspects de l'invention en association. Les principales caractéristiques de l'invention, celles censées être les plus significatives, sont récapitulées ci-dessus et dans les revendications jointes. Cependant, le demandeur revendique 10 la protection de toute nouvelle idée décrite ci-dessus et/ou illustrée dans les schémas suivants, que cette idée soit plus ou moins développée. Description sommaire des schémas 15 Les modes de réalisation de l'invention (non limitatifs) sont décrits ci dessous, à titre d'exemple seulement, référence étant faite aux schémas d'accompagnement suivants: Fig.1 est un diagramme schématique montrant les principes d'un système de prétraitement de parole de la première réalisation de l'invention ; Fig.2 est un diagramme schématique montrant un exemple de placement du microphone et des références non-acoustiques de bruit dans un véhicule ; Fig.3 est un schéma fonctionnel plus détaillé du système de prétraitement de parole ; 25 Fig. 4 est un diagramme schématique montrant le principe du filtrage cohérent ; Fig.5 est un diagramme schématique montrant une structure de filtre cohérent; 30 Fig.6 est un diagramme schématique montrant les principes d'un filtre non cohérent dans une deuxième réalisation de l'invention ; Fig.7 est un schéma fonctionnel illustrant le filtre non cohérent ; Fig.8 est un schéma fonctionnel montrant en plus détaillé le filtre non cohérent ; 20 2906070 7 Fig.9 est un diagramme schématique montrant le placement du microphone et de la référence non-acoustique de bruit quand la deuxième réalisation de l'invention est employée indépendamment de la première réalisation ; Fig.10 est un diagramme schématique montrant les principes de la soustraction spectrale utilisant le signal unique d'un microphone. Description détaillée des modes de réalisation préférés Mode de réalisation 1 : Fig.l peut illustrer les principes de fonctionnement d'un système de prétraitement 10 de la première réalisation. Le système de prétraitement 10 peut être configuré pour réduire le bruit 15 contaminant un signal de parole reçu par le microphone 12. Le microphone 12 peut être un simple microphone pour des raisons de coût mais le système peut également être employé avec un réseau plus complexe de microphones. La sortie 14 du système de prétraitement peut être associée à un système 16 de reconnaissance vocale. Le système s'avère particulièrement approprié à un usage en environnement automobile. Le système de prétraitement peut être 20 spécialement configuré pour réduire les bruits se produisant dans un véhicule. La sortie du système 16 de reconnaissance vocale peut, par exemple, être employé pour contrôler ou fournir des signaux d'entrée aux équipements électriques à bord du véhicule. De plus ou alternativement, le système de prétraitement 10 peut être utilisé pour fournir un signal de voix filtré et amélioré, avec ou sans reconnaissance vocale, pour l'usage dans un système de 25 communications automobile, tel qu'un téléphone mobile. Le téléphone mobile peut être de type mains libres. Le système de prétraitement 10 peut être implémenté avec des circuits hardware dédiés , ou avec des circuits hardware configurables ou avec des algorithmes exécutés par un processeur, 30 ou une combinaison de ces possibilités. Le système de prétraitement 10 peut être implémenté dans un circuit intégré, par exemple un ASIC. Le système de prétraitement 10 peut être implémenté avec le système 16 de reconnaissance vocale dans le même circuit intégré.

10 2906070 8 Le signal acoustique x(n) reçu par le microphone 12 est généralement composé d'un ou plusieurs des signaux suivants : Une composante de parole s(n) , présent pendant les périodes d'activité de parole, et 5 représentant le signal de sortie désiré avant d'attaquer le système 16 de reconnaissance vocale ; Une composante cohérente c(n) qui est cohérente avec au moins une référence de bruit. Par exemple, la composante cohérente c(n) peut comporter une sortie du système audio du 10 véhicule (par exemple la radio, un système vidéo). Une composante non cohérente nc(n) qui n'est cohérente avec aucune des références de bruit dans le véhicule. La composante non cohérente peut comporter une ou plusieurs des composantes suivantes : une composante non cohérente ncv(n) qui est corrélée en puissance avec une deuxième référence de bruit, bien que les signaux ne soient pas cohérents. La composante non cohérente peut, par exemple, comporter un ou plusieurs signaux de : bruits de moteur ou bruit de roulement ; une composante externe d(n) (relativement) stable qui n'est pas liée spécifiquement à la deuxième référence de bruit, mais qui varie relativement lentement au cours du temps. La composante d(n) peut, par exemple, inclure le bruit de pluie et le bruit aérodynamique. une composante transitoire t(n) comme par exemple, le klaxon du véhicule, ou les bruits transitoires à l'extérieur du véhicule comme le bruit d'un autre véhicule passant à proximité.

15 20 25 30 Ainsi nc(n) = ncv(n)+ d(n) + t(n) 2906070 9 Le système de prétraitement 10 peut généralement comporter un premier étage de filtre 20 et un deuxième étage de filtre 22 couplés, ou exécutés, en série l'un après l'autre. Un du premier ou deuxième étage de filtre 20 et 22 peut être une étape de filtrage cohérent 24 permettant une réduction de bruit en utilisant un algorithme cohérent CNRA (Coherent Noise 5 Reduction Algorithm), par exemple un filtre linéaire, de réduction de bruit. Le filtrage cohérent 24 peut réduire la composante cohérente de bruit. L'autre étage parmi les étages 20, 22 peut être un étage de filtrage non cohérent 26 permettant une réduction de bruit en utilisant un algorithme non cohérent (par exemple un filtre non linéaire, ou algorithme NLNR de réduction de bruit (Non Linear Noise Reduction). L'étage de filtrage non cohérent 26 peut 10 réduire la composante non cohérente de bruit (ou au moins la composant non cohérente ncv(n) et sur option la composante externe stable d (n) ). Dans la réalisation actuelle, le filtrage cohérent 24 peut être exécuté avant le filtrage non cohérent 26, cette combinaison fournissant une meilleure efficacité et évitant que l'étage 26 15 ne soit biaisé par des composantes qui seraient plus efficacement réduites par le filtre 24. L'utilisation conjointe du filtrage cohérent et non cohérent en série peut permettre une réduction bien plus efficace et avec une plus grande variété de bruit qu'avec les techniques de l'état de l'art actuel.

20 Chaque étage des étages du filtrage cohérent et du filtrage non cohérent 24, 26 peut recevoir un signal d'une référence respective de bruit, le signal étant utilisé respectivement par chaque filtre pour réduire les composantes cohérentes ou non cohérents de bruit. Ces références de bruit peuvent être des références non-acoustiques. Ceci permet de recevoir des signaux qui ne 25 contiennent uniquement des bruits sans contenir de la parole. La première référence de bruit 28 utilisée par le filtrage cohérent 24 peut, par exemple, être un raccordement au câble d'alimentation des haut-parleurs de l'autoradio. Le signal en amont des haut-parleurs peut être mono, stéréo ou multidimensionnel. Dans le cas d'un signal stéréo ou 30 multidimensionnel, les signaux séparés peuvent être utilisés comme différentes références de bruit, comme entrées de référence de bruit multiples au filtrage cohérent 24. L'exploitation de ces références de bruit multiples peut améliorer les performances du filtrage cohérent 24, mais avec une augmentation de la complexité du filtre cohérent.

2906070 10 Alternativement, tous ces signaux ou une partie d'entre eux peuvent être combinés pour réduire le nombre de références, ce qui permet ainsi de réduire la complexité du filtre. Par exemple, les deux composantes d'un signal stéréo peuvent être additionnées pour avoir un signal mono, pour fournir une seule entrée de référence de bruit à partir des deux composantes 5 stéréo originales du signal. Bien que cette addition des signaux puisse réduire les performances du filtre 24, on a constaté que dans la pratique l'addition (cas stéréo) reste efficace et permet de réduire le coût de calcul en optimisant les performances. Les signaux peuvent être combinés avec ou sans pondérations.

10 La deuxième référence de bruit 30 utilisé par le filtrage non cohérent 26 peut être reçue avec un capteur non-acoustique. Le capteur non-acoustique peut, par exemple, être un accéléromètre ou un capteur de vibration monté dans l'habitacle intérieur du véhicule, et ou sur le plancher du véhicule. La figure 2 peut illustrer un exemple de placement de la première et de la deuxième référence de bruit 28 et 30, ainsi que le microphone 12. Le microphone 12 15 peut être situé en face du conducteur pour recevoir la voix du conducteur acoustiquement. La première référence de bruit 28 peut être directement couplée au système audio du véhicule. Le capteur pour la deuxième référence de bruit 30 peut typiquement être positionné sur l'habitacle intérieur du véhicule ou au plancher du véhicule pour recevoir des vibrations 20 mécaniques. La Figure 3 peut illustrer en détails la structure du système de prétraitement 10. Le système de prétraitement peut comporter une section d'entrée 32 pour recevoir le signal du microphone 12, et les signaux de la première et deuxième référence de bruit 28 et 30. La section d'entrée 32 peut inclure une section de numérisation (non montrée) pour numériser les signaux s'ils ne sont pas déjà numérique. La section d'entrée 32 peut être composée d'une 25 section de conditionnement du signal qui permet de diviser les signaux numériques en trames temporelles avec recouvrement. Chaque trame peut, par exemple, avoir une durée de 10ms. La section d'entrée 32 permet aussi de diviser la bande fréquentielle des signaux en N sous-bandes fréquentielles. Par exemple, on utilise la transformée de Fourier rapide (FFT) pour le passage du domaine temporel au domaine fréquentiel. Les sous-bandes de fréquence peuvent 30 avoir une échelle logarithmique ou en tiers d'octaves. Ce choix est couramment utilisé dans des applications en traitement du signal de la parole. Il peut permettre de maintenir une qualité uniforme d'un signal couvrant plusieurs octaves, et permet également de réduire la complexité de traitement. Les sorties de la section d'entrée 32 peuvent contenir des versions digitalisées des signaux 12a, 28a et 30a du microphone 12 et des références de bruit 28 et 30 2906070 11 respectivement, divisé en trames dans le domaine temporel, et également divisé en N sous-bandes de fréquence dans le domaine fréquentiel. La valeur de N peut être égale à 11, couvrant par exemple une gamme de fréquence comprise entre 250 Hz et 6 kHz.

5 Le système de prétraitement 10 peut avoir en sortie la section 36 qui permet de reconstituer le signal de sortie des signaux filtrés de N sous-bandes. La sortie de la section 36 peut contenir aussi une FFT inverse pour convertir les signaux de N sous-bandes du domaine fréquentiel au domaine temporel. La sortie de la section 36 peut contenir une section de méthodeOLA (OverLap-and-Add) pour reconstruire le signal de parole estimé.

10 N'importe quel filtre approprié peut être utilisé pour le filtrage cohérent 24 et le filtrage non cohérent 26. Le filtre cohérent 24 peut être un filtre linéaire pour la réduction du bruit qui est cohérent avec la première référence de bruit. Le filtre non cohérent 26 peut être un filtre non linéaire pour réduire le bruit qui est une corrélé par la puissance spectrale avec la deuxième 15 référence de bruit, mais peut ne pas être cohérent avec la deuxième référence de bruit. Un exemple de l'étage du filtrage cohérent 24 peut être illustré dans les figures 4 et 5. Se référant à la figure 4 (et en considérant seulement le bruit cohérent en amont des haut-parleurs de la radio du véhicule), le signal x(n) reçu par le microphone 12 peut s'écrire : 20 x(n) = s(n) + gc (a(n)) , où: s(n) est le signal de la parole (utile sans bruit additif), 25 a(n) est le signal fourni en amont des haut-parleurs (et également le signal de la première référence de bruit (28)), gc est la fonction de transfert entre le signal en amont des haut-parleurs et le signal reçu sur le microphone 12. Cette fonction peut être linéaire.

30 Après division des signaux temporels en trames avec recouvrement et application de la FFT sur chacun des signaux, nous avons pour chaque trame i et chaque indice de fréquence k : X. (k) =FFT( x; ), Si (k) =FFT( s; ), Ai (k) =FFT( a;) and G~ (k) = FFT(g) 2906070 12 Avec ces notations, le filtrage cohérent du 24 peut être représenté dans la figure 5. Pour plus de clarté dans les formules, l'indice i sera supprimé. X(k) : représente le signal de sortie du microphone pour la trame courante 5 S(k) : représente le signal utile recherché pour la trame courante Gc (k) : représente la fonction de transfert entre l'amont des haut-parleurs et le microphone pour la trame courante ; A(k) : représente la référence audio (en amont des haut-parleurs) pour la trame courante ; 10 H(k) : représente une estimation de la fonction de transfert avec un algorithme de Wiener pour la trame courante; et S(k) : représente le signal utile estimé à la sortie du filtre cohérent estimé pour la trame courante.

15 Le calcul de H(k) peut être basé sur le filtrage de Wiener dans le domaine fréquentiel. La propagation du signal entre l'amont des haut-parleurs et le microphone 12 peut être considérée comme linéaire. L'algorithme pour estimer H(k) peut être itératif et non adaptatif. En utilisant un algorithme 20 itératif, la mise à jour du filtre peut être faite indépendamment de la sortie estimée, en utilisant seulement les entrées X(k) et A(k) . Par exemple, les coefficients de filtre H(k) peuvent être estimés selon la formule suivante : H(k) = YXA (k)YAA (k) , où : yXA (k) est l'inter-spectre estimé entre X (k) et A(k) ; 25 yAA(k) est l'auto-spectre estimé du signal de référence A(k) ; YXA (k) et yAA (k) sont estimés itérativement à partir de la trame courante, et dépendent aussi de l'estimation de la trame précédente. Le filtre cohérent 24 peut en plus être associé à une section de commutation 34 pour 30 déterminer si la radio (ou autre matériel audio/vidéo) du véhicule est actuellement allumée.

2906070 13 La section de commutation 34 peut commander le filtre cohérent 26 pour fonctionner seulement quand la radio (ou autre matériel audio/vidéo) du véhicule est allumée. La section de commutation 34 peut, par exemple, comporter un signal "Marche/Arrêt" direct 5 d'indication de l'état de la radio (ou autre matériel audio/vidéo) du véhicule, ou d'un commutateur de seuil pour déterminer si le niveau du signal 28a excède un certain seuil. La section de commutation 34 peut fournir une commande "Marche/Arrêt" simple pour toutes les bandes du filtre, ou elle peut commander chaque bande du filtre séparément. Un exemple d'un filtre non cohérent approprié 26 peut être décrit ci-dessous dans la deuxième réalisation. Mode de réalisation 2 : Comme deuxième réalisation, 15 Les Figures 6 et 7 peuvent illustrer un exemple du filtrage non cohérent 26. L'exemple illustré est particulièrementapproprié pour un usage dans le système de prétraitement 10 de la première réalisation, mais la deuxième réalisation n'est pas limitée exclusivement à ceci, et peut être employé dans toute application (particulièrement une application automobile) où on 20 désire réduire le bruit en se basant sur une référence de bruit qui est corrélé en puissance au bruit contenu dans le signal du microphone. Le dispositif de la deuxième réalisation peut être implémenté sans utiliser un détecteur d'activité de vocale (VAD). Un détecteur VAD est utilisé dans des filtrages se basant sur le 25 principe de la soustraction spectrale, et représente un outil critique et important pour l'efficacité de la soustraction spectrale. Avant d'expliquer la deuxième réalisation en détail, il peut être utile de rappeler les principes de la soustraction spectrale n'utilisant qu'un seul canal (la sortie du microphone) et qui sont 30 récapitulés comme suit: Se référant à la figure 10, X (k) représente le signal reçu sur le microphone, dans le domaine fréquentiel, contenant la parole S(k) et le bruit additif B(k) .

10 2906070 14 Le signal estimé S(k) est le signal de la parole amélioré. Dans le domaine fréquentiel et avec les mêmes notations que précédemment pour chaque trame nous avons : (k) =G(k)X(k) 5 Où A'(k) est une estimation du bruit pendant les périodes où la parole est absente (en utilisant un VAD), la fonction de gain G(k) est: G(k) = h(X(k),M(k)) Où h(.) est une fonction de gain dépendant des différentes variantes de la soustraction spectrale référencées dans le livre de S.V. Vaseghi "Advanced Digital Signal Processing and 10 Noise Reduction" John Wiley & Sons Ltd, 2000. Les méthodes basées sur le principe de la soustraction spectrale utilisant seulement la sortie du microphone dépendent de la robustesse du VAD.

15 Se référant maintenant à la deuxième réalisation illustrée dans la figure 6, x(n) représente le signal du microphone 12, en ignorant toute composante cohérente qui aurait déjà pu être réduite par le filtre cohérent 24 de la première réalisation. La description suivante de la deuxième réalisation ne tient pas compte du filtre 24, bien que les deux filtres puissent être utilisés en série comme dans la première réalisation. x(n) contient le signal de parole s(n) , 20 et le signal non cohérent nc(n) . nc(n) contient des bruits non-cohérents ncv(n) vis-à-vis du signal s(n) , contient aussi du bruit stable externe d (n) et de du bruit transitoire t(n) . Le bruit ncv(n) reçu sur le microphone peut être lié au signal reçu à la deuxième référence de bruit r(n) 30 par une fonction non linéaire fNC : ncv(n) = fNC (r(n)) 25 Après division des signaux temporels en trames avec recouvrement et application de la FFT sur chacune des trames, nous prenons pour chaque trame i d'indice de fréquence k : X, (k) =FFT( x, ), S. (k) =FFT( s, ), NCV, (k) =FFT( ncv, ), D, (k) =FFT( d, ),T, (k) =FFT( t, ) Avec ces notations, le filtre non linéaire 26 peut être représenté comme dans la figure 7, l'indice i ce dernier étant supprimé pour plus de clarté dans les formules : 30 X(k) = S(k) +NCV(k) +D(k) +T(k) 2906070 15 Si nous supposons qu'une grande partie du bruit reçu par le microphone (bruit de moteur, de roulement) est également reçu par le capteur de vibration, l'idée est d'utiliser le signal du capteur de vibration comme référence de bruit pour supprimer le bruit contenu dans le bruit de vibration en sortie de l'étage de filtrage cohérent et en se basant sur le principe de la méthode 5 de soustraction spectrale avec deux entrées au lieu d'une entrée comme pour la méthode classique décrite plus haut. Les composantes du bruit en sortie de l'étage de filtrage cohérent et les composantes du signal de référence de vibration sont corrélées par leur spectre de puissance mais ils ne sont pas 10 cohérents. Le filtre peut être composé d'une section 40 de gain utilisé dans une fonction de transfert GNC sur le signal de microphone X . GNC (k) = GNC [R(k), X(k), ref _ calib] est une fonction non linéaire de ces paramètres et peut être semblable au gain utilisé dans la soustraction 15 spectrale avec un seul canal. Le signal estimé S(k) est comme suit : S(k) = GNC (R, X, ref _ calib).X (k) Le gain de la section 40 peut recevoir le signal de microphone X (k) , et une nouvelle référence de bruit ref _ calib * R(k) 42 qui est le produit du gain estimé par la référence de 20 bruit. On peut noter ici que, puisque le filtre 26 est un filtre non linéaire, le filtre permet de réduire le bruit par soustraction spectrale de puissance. Le filtrage non cohérent 26 contient une section 44 d'estimation pour le gain de calibration ref _calib , ce gain est reliée au carrée de la fonction de transfert entre le capteur de 25 vibration et le microphone. Le gain de calibration peut être une valeur ou un signal simple, ou il peut comporter des composantes spectrales. Le filtre peut contenir un multiplicateur 46 pour multiplier le signal de la deuxième référence de bruit par le gain de calibration. L'estimation peut être basée sur un algorithme de mise à jour continu, selon les principes suivants : 30 (a) La fonction de transfert entre la référence de vibration et le microphone peut varier relativement lentement sur une période (par exemple, de l'ordre d'une seconde). Dans les conditions de conduite normale, la variation de puissance sur le microphone 12 peut être approximativement proportionnelle à la variation de la puissance sur la deuxième référence 30 2906070 16 de bruit. Même si les signaux du microphone et de la référence de bruit varient rapidement, la variation reste normalement proportionnelle grâce à la corrélation dans le spectre de puissance des composantes NCV (k) et R(k) . 5 (b) La composante stable D(k) peut être supposée à variation lente, et varie aussi avec la vitesse du véhicule. Le bruit peut être adapté par un facteur de pondération 1 dans ref calib . (c) Il y a plusieurs possibilités pour estimer ref _ calib . La formule suivante peut être choisie : 10 ref _calib = 2 Ex / Er où : Ex est une estimation de l'énergie du signal de microphone. Par exemple, Ex = 1/ LE x2 (n) , sur L trames, L trames peut avoir typiquement une durée d'une fraction de seconde, telle que 0.5 secondes ; 15 Er est une estimation de l'énergie du signal de la référence bruit. Par exemple, Er = 1/ LE r 2 (n) , sur L trames, L trames peut avoir typiquement une durée d'une fraction de seconde, telle que 0.5 seconde ; 20 X (51) est le facteur de pondération employé pour ne pas surestimer la contribution du bruit non cohérent NCV(k) et en tenant compte de bruit extérieur stable D(k) . 1 peut varier entre 0.7 et 1, et peut également dépendre de la vitesse du véhicule. L'estimation de l'énergie peut être faite toutes les 0.5 à 1 secondes. Et ref _calib peut 25 être estimé toutes les 1 à 3 secondes. (d) Puisque la fonction de transfert (entre la référence et le microphone) et D(k)I2 varient relativement lentement, si une disparité disproportionnée se produit entre l'amplitude carrée des deux signaux X(k) et R(k) , ceci peut être une indication d'une 30 perturbation externe dans le signal de parole S(k) ou d'un bruit transitoire T(k) . Un seuil de variation maximal, peut être appliqué à ref _calib afin d'éviter que ref calib soit distordu 2906070 17 par une telle perturbation. Par exemple, si la valeur de ref _calib varie de plus de 20% (par exemple) par rapport à la valeur précédente, alors ref _calib garde sa valeur précédente. Une telle technique a l'avantage de ne pas utiliser un VAD qui peut être moins 5 robuste en présence de bruits non stationnaires, et peut également éviter le besoin d'un détecteur de bruit transitoire. Au lieu de cela, le seuil de variation peut fournir un contrôle global du gain de calibration pour éviter la perturbation par la parole S(k) ou par le bruit transitoire T (k) . 10 (e) La valeur du seuil de variation peut être choisie de sorte qu'elle soit : - Suffisamment grande pour que le gain de calibration ref _calib suit les variations normales de la valeur de la fonction de transfert entre le signal du capteur de vibration et le signal du microphone. 15 - Suffisamment petite pour que le gain de calibration ref _calib ne soit pas perturbé par des composantes de signal ayant une vitesse de variation trop rapide pour être liée à la variation de la fonction de transfert. Comme mentionné ci-dessus, un seuil d'environ 20% s'est avéré efficace.

20 Se référant à la figure 8, le filtre 26 peut être divisé en plusieurs sous-filtres, chaque sous-filtre correspond à une bande de fréquence, de façon semblable à celle décrite dans la première réalisation. Le filtre peut comporter une section d'entrée 50, pour une division temporelle en trames, après la FFT, la bande fréquentielle utile est divisée en sous-bande de fréquence pour le signal d'entrée x(n) et pour le signal d'entrée r(n) de la référence non 25 cohérente de bruit. Le filtre 26 peut contenir une section 52 pour reconstituer le signal à partir des sous-sections 26 de sous-filtre 26'. La sortie de la section 52 de reconstruction peut inclure une section de la FFT inverse. Si le filtre de la deuxième réalisation est inclue dans la première réalisation, alors les sections 50 et 52 d'entrée et de sortie peuvent utiliser les sections d'entrée et de sortie 32 et 36 de la première réalisation, et n'ont pas besoin d'être 30 répétée pour le deuxième étage de filtrage 26. Dans le cas où la deuxième réalisation est utilisée indépendamment, la figure 9 illustre le placement typique du microphone 12 et du capteur de vibration qui est non acoustique et 2906070 18 reçoit la référence de bruit 30 dans le véhicule. Le microphone 12 peut être localisé étroitement près du conducteur pour recevoir la voix (signal) du conducteur. Le capteur de vibration 30 peut typiquement être fixé à l'habitacle du véhicule près du moteur ou au plancher de véhicule pour recevoir des vibrations mécaniques. Le signal de sortie du filtre 26 5 peut être fourni à un système de reconnaissance vocale (non montré) comme pour la première réalisation. La description ci dessus est simplement une illustration des formes préférées de la réalisation. Beaucoup de modifications, équivalences et améliorations peuvent être apportés à 10 cette réalisation.

Claims

REVENDICATIONS

1. Un système de prétraitement pour traiter un signal électronique contenant la parole, pour réduire les composantes de bruit contaminant le signal utile, ce système contient: un premier et un second étage de filtrage pour réduire le bruit ; caractérisé par : un premier étage de filtrage est un étage de filtre cohérent pour réduire le bruit par filtrage cohérent ; et le second étage de filtrage est un étage de filtre non cohérent pour réduire le bruit par filtrage non cohérent ; et les premier et second étages de filtrage sont configurés en série, tels que le deuxième étage de filtre est configuré pour filtrer la sortie du premier étage de filtre, de façon à ce que le signal électronique soit soumis à un filtrage cohérent et non cohérent l'un après l'autre.

2. Le système de prétraitement défini dans la revendication 1, où le premier étage de filtrage est le filtrage cohérent, et le deuxième étage de filtrage est le filtrage non cohérent.

3. Le système de prétraitement défini dans toute revendication précédente, où l'étage du filtre cohérent comporte un filtre linéaire.

4. Le système de prétraitement défini dans toute revendication précédente, où l'étage de 25 filtrage cohérent comporte un filtre de Wiener.

5. Le système de prétraitement défini dans la revendication précédente, où l'étage de filtrage cohérent est conçu pour recevoir un premier signal de référence d'une référence cohérente non-acoustique de bruit qui est cohérente à une source de bruit présente dans le signal de la 30 parole reçu par le microphone.

6. Le système de prétraitement défini dans la revendication 5, où l'étage du filtre cohérent contient une section de calcul des coefficients de filtre pour calculer itérativement les coefficients du filtre à partir du signal de parole et du premier signal de référence. 19 2906070 20

7. Le système de prétraitement défini dans toute revendication précédente, où l'étage du filtrage non cohérent comporte un filtre non linéaire. 5

8. Le système de prétraitement défini dans toute revendication précédente, où l'étage de filtrage non cohérent contient un filtre basé sur l'estimation d'un gain spectral.

9. Le système de prétraitement défini dans toute revendication précédente, où l'étage de filtrage non cohérent est configuré pour recevoir un deuxième signal de référence d'une 10 référence de bruit non-acoustique et non cohérente qui est corrélée en puissance spectrale à une source de bruit présente dans le signal de parole bruité.

10. Le système de prétraitement défini dans la revendication 9, où l'étage de filtrage non cohérent contient une section de calcul des coefficients de filtre pour calculer les coefficients 15 du filtre à partir du signal de la parole bruité et du deuxième signal de référence.

11. Le système de prétraitement défini dans toute revendication précédente, où le premier et le deuxième filtre se composent de plusieurs filtres pour traiter chaque sous-bande fréquentielle. 20

12. Le système de prétraitement défini dans la revendication II, contient en outre un étage d'entrée pour diviser la bande fréquentielle du signal en sous-bandes de fréquence, et un étage de reconstruction pour reconstruire le signal à partir de sous-bandes de fréquence après filtrage.

13. Le système de prétraitement défini dans toute revendication précédente, où le premier et le deuxième filtre sont configurés pour traiter des trames de signaux, chaque trame représente le signal temporel dans une fenêtre ayant une durée prédéterminée.

14. Le système de prétraitement défini dans la revendication 13, contient en outre un étage 30 d'entrée pour diviser le signal en séquence de trames, et un étage de reconstruction pour reconstruire le signal à partir d'une séquence de trames.

15. Le système de prétraitement défini dans toute revendication précédente, où le système de prétraitement est dans un circuit intégré. 2906070 21

16. Le système de prétraitement défini dans toute revendication précédente, où le système de prétraitement est configuré pour l'usage dans un véhicule pour réduire le bruit environnant à 5 l'intérieur et à l'extérieur du véhicule.

17. Un système pour recevoir et traiter un signal électronique contenant la parole, le système contient: un système de prétraitement comme défini dans toute revendication précédente ; 10 un microphone pour recevoir un signal acoustique, et pour fournir ledit signal électronique en entrée au dit système de prétraitement ; une première référence non-acoustique de bruit pour générer un premier signal électronique de référence de bruit qui est cohérent avec une première source de bruit reçu par le microphone, et pour fournir le premier signal de référence de bruit cohérent; 15 et une deuxième référence non-acoustique de bruit pour générer un deuxième signal électronique de référence de bruit qui est (i) non cohérent avec une deuxième source de bruit reçu par le microphone et (ii) corrélé en puissance spectrale avec ladite deuxième source de bruit, et pour fournir le deuxième signal de référence de bruit pour l'étage de filtrage non cohérent. 20

18. Le système défini dans la revendication 17, contenant en outre une section de reconnaissance vocale couplée à la sortie du système du prétraitement.

19. Le système défini dans les revendications 17 ou 18, configuré pour l'usage dans un 25 véhicule.

20. Le système défini dans la revendication 19, où la première référence de bruit contient un couplage non-acoustique avec un système audio d'un véhicule.

21. Le système défini dans les revendications 19 ou 20, où la deuxième référence de bruit est configurée pour recevoir des vibrations dans une partie du véhicule.

22. Le système défini dans la revendication 21, où la deuxième référence de bruit est reçue à partir : d'un capteur de vibration ; et/ou un accéléromètre. 2906070 22

23. Une méthode de traitement d'un signal électronique contenant de la parole, pour réduire des composantes de bruit, comportant les étapes de : (a) filtrage du signal par un premier étage de filtrage ; et 5 (b) filtrage du signal par un deuxième étage de filtrage ; caractérisée par : le premier des deux étages de filtrages est un étage de filtrage cohérent pour réduire le bruit par le filtre linéaire ; et le deuxième étage des deux étages de filtrage est un étage de filtrage non 10 cohérent pour réduire le bruit par le filtre non linéaire ; et les deux étages de filtrages sont exécutés en série, tels que le deuxième étage de filtrage est exécutée après le premier étage de filtrage, et dans lequel le signal électronique est soumis à un filtrage cohérent et non cohérent l'un après l'autre. 15

24. La méthode selon la revendication 23, où le premier étage de filtrage est l'étage de filtrage cohérent, et le deuxième étage de filtrage est l'étage de filtrage non cohérent.

25. Le système de prétraitement selon l'une quelconque des revendications 1 à 16, comprenant un processeur apte à exécuter les étapes de filtrage du signal de la méthode de 20 traitement d'un signal électronique selon la revendication 23 ou 24.

26. La méthode selon la revendication 23 ou 24, dans laquelle les étapes sont mises en oeuvre au moyen d'un processeur.