JP2008537174A - 音声の品質および了解度を改善するためのシステム - Google Patents

Abstract

音声信号の品質および了解度を改善するためのシステムおよび方法が、提供される。このシステムおよび方法は、音声信号の高周波数成分に周波数圧縮を適用する一方で、低周波数成分を実質的に不変のまま残す。これによって、フィルタリングおよび通過帯域制約によって典型的には失われる子音に関連する高周波数情報が保持される。この音声信号が再生されるとき、その全体的なトーン品質が保持されるように、この情報は、音声信号の基本ピッチを著しく改変することなしに、保持される。このシステムおよび方法は、音声信号に周波数拡張をさらに適用する。圧縮と同様に、受信音声信号の上側の周波数のみが、拡張される。周波数拡張が、本発明に従って圧縮された音声信号に適用されるとき、その音声信号は、圧縮される前の状態に実質的に戻る。

Description

（発明の背景）
本発明は、通信システムにおける音声信号の品質および了解度を改善するための方法およびシステムに関する。全ての通信システムは、特に、無線通信システムは、帯域幅の制限を受ける。このようなシステムで送信される音声信号の品質および了解度は、システムに利用可能な限られた帯域幅に対してバランスされなくてはならない。無線電話ネットワークにおいて、例えば、典型的には、帯域幅は、成功裏に通信するために必要な最小限の帯域幅に従って設定される。母音を理解するのに重要な最小周波数は、約２００Ｈｚであり、最大周波数の母音ホルマントは、約３０００Ｈｚである。しかしながら、大多数の子音は、広帯域であり、通常、約３４００Ｈｚ未満の周波数にエネルギを有する。したがって、大多数の無線音声通信システムは、３００Ｈｚと３４００Ｈｚとの間で通じるように最適化される。

音声通信システムに対する典型的な通過帯域１０が、図１に示される。一般に、通過帯域１０は、了解可能であり、かつ人間の話し声の妥当な複製である音声信号を配信するのに十分である。それにも関わらず、通過帯域１０の外側のより高い周波数に含まれる多くの音声情報、主として、子音のサウンディングに関連する音声情報が、通過帯域フィルタリングのために失われる。このことが、有意な量のノイズが存在する環境における了解度に、有害な影響を及ぼし得る。

図１に示される典型的な通過帯域１０のもととなった通過帯域基準は、話者の声を拾うマイクが話者の口から１０ｃｍ以内に位置する近場測定に基づく。このような場合、信号対ノイズ比は、高く、十分高い周波数情報は、ほとんどの子音を了解可能な状態で保持される。ハンズフリー電話システムのような遠場配置において、マイクは、話者の口から２０ｃｍ以上離れて位置する。これらの条件下で、信号対ノイズ比は、従来のハンドセットを使用するときよりも、かなり低くなる。ハンズフリー電話が、移動する自動車の中で使用されるとき、ノイズの問題は、道路、風、およびエンジンのノイズによって悪化する。実際、ハンズフリー電話を有する車内のノイズレベルは、非常に高いので、多くの広帯域低エネルギの子音は、完全にマスクされ得る。

一例として、図２は、話された単語「セブン（ｓｅｖｅｎ）」の２つのスペクトログラフを示す。第一のスペクトログラフ１２は、静かな近場条件下で採られている。第二のスペクトログラフは、移動する自動車内のハンズフリー電話の典型である騒々しい遠場条件下で採られている。最初に、「静かな」セブン１２を参照すると、話された単語セブンを形成するサウンドのそれぞれの根拠（ｅｖｉｄｅｎｃｅ）が見られ得る。まず、「Ｓ」１６のサウンドが見られる。これは、より高い周波数に自身のエネルギのほとんどを有する広帯域サウンドである。第一のＥおよび第二のＥならびにそれらの全ての高調波１８、２２と、両者の間に挟まれた「Ｖ」２０の広帯域サウンドが見られる。単語の最後の「Ｎ」のサウンドは、舌が口蓋から離されるまで、第二のＥ２２と合体され、単語の最後に、短い広帯域エネルギ２４を引き起こす。

子音を聞く能力は、音声信号の了解度を支配する単一の最も重要な因子である。「静かな」セブン１２を「騒々しい」セブン１４と比較すると、「Ｓ」のサウンド１６は、第二のスペクトログラフ１４において、完全にマスクされることが分かる。「騒々しい」セブンのスペクトログラフ１４において、幾分か明確に分かり得る唯一のサウンドは、第一のＥ１８および第二のＥ２２のサウンドである。したがって、騒々しい条件下で、話された単語「セブン」の了解度は、著しく低減される。ノイズエネルギが、子音のエネルギ（例えば、３ｄＢ）よりも著しく高い場合、通過帯域内で、いかなるノイズの量を除去またはフィルタリングしても、了解度は改善されない。

車のノイズは、周波数とともに減る傾向がある。一方、多くの子音（例えば、Ｆ、Ｔ、Ｓ）は、かなり高い周波数で、有意なエネルギを有する傾向にある。例えば、１０ｋＨｚを超える音声信号における唯一の情報は、しばしば、子音に関連する。図３は、騒々しい環境で録音された単語「セブン」のスペクトログラフを再掲しているが、これは、より幅広い周波数範囲にわたって拡張されている。「Ｓ」１６のサウンドは、たとえ、有意な量のノイズが存在しても、明確に見ることができる。しかし、約６０００Ｈｚを超える周波数においてのみである。セル電話の通過帯域は、３４００Ｈｚより大きな周波数を除外するので、この高周波数情報は、従来のセル電話通信の中で失われる。帯域幅能力に対する需要は大きいので、通過帯域を拡張して、この高周波数情報を保持することは、音声通信の了解度を改善するための実用的な解決策ではない。

音声信号を圧縮して、そのスペクトル全体（あるいは通常失われる高周波数コンテンツの少なくとも有意な部分）が、この通過帯域内に収まるようにする試みが、行われてきた。図４は、この方法で圧縮されるべき５５００Ｈｚの音声信号２６を示す。図５の信号２８は、より狭い３０００Ｈｚの範囲に線形に圧縮された図４の５５００Ｈｚの信号２６である。圧縮信号２８は、３０００Ｈｚに拡がるのみであるが、３０００〜５５００の周波数範囲に含まれる当初の信号２６の高周波数コンテンツの全ては、圧縮信号２８の中に保持される。しかし、この代償として、当初の信号の基本ピッチとトーン品質を著しく改変する。当初の信号２６の周波数全ては、ピッチを制御する母音に関する低周波数も含めて、より低い周波数範囲に圧縮される。圧縮信号２８が、引き続いて、再拡張されることなく再生される場合、音声は、音声通信に対して許容可能でない不自然に低いピッチを有する。受信機で圧縮信号を拡張することは、この問題を解決するが、このためには、送信機によって適用された圧縮を受信機が知っていることを要求する。音声信号と一緒にコード化情報を送信する備えのないほとんどの電話アプリケーションに対して、このような解決策は、実用的ではない。

より高い周波数の音声情報を保持するために、音声信号の送信機と受信機とがその相手部材の能力に関する知識を有しない電話または他のオープンネットワークアプリケーションに対するコード化システムまたは圧縮技術は、十分な融通性を有しなくてはならない。それは、受信機で再生される音声信号の品質が、圧縮信号が受信機で再拡張されるかどうか、あるいは圧縮されなかった信号が、引き続き拡張されるかどうかに関わらず、許容可能とするためである。改善されたコード化システムまたは技術に従うと、送信機は、通信の相手側の受信機が信号をデコードする能力を有するかどうかに関わらず、音声信号をコード化し得る。同様に、受信機は、信号が送信機で最初にコード化されたかどうかに関わらず、受信信号をデコードし得る。換言すれば、改善されたコード化システムまたは圧縮技術は、再生された音声信号の品質が、たとえ信号が受信機で再拡張されない場合でも、満足いくように、音声信号を圧縮すべきである。受信信号が送信機で最初にコード化されなかったにも関わらず、受信機が音声信号を拡張する場合にも、音声品質はまた、満足いくものとなる。さらに、送信された声の信号が、送信機で改善された技術に従って圧縮されるとき、このような改善されたシステムは、送信された音声信号の了解度における著しい改善を示すべきである。

（発明の概要）
本発明は、送信された音声信号における音声了解度を改善するためのシステムおよび方法に関する。高周波数情報は、ほとんどの従来の通信システムにおいて、典型的には処分されるか、あるいは失われてきたが、本発明は、この高周波数情報を保持することによって、音声が正確に認識され、解釈される可能性を向上する。本発明は、影響を受けた音声信号のピッチおよび他のトーンサウンド品質を基本的に改変することなく、これを行う。

本発明は、周波数圧縮の形式を用いて、高周波数情報を通信システムの通過帯域内にある低周波数に移す。その結果、明瞭な子音に典型的に関連する高周波数情報は、システムの帯域幅を限定するフィルタリングまたは他の因子によって失われない。

本発明は、二段階のアプローチを使用する。母音サウンドと関連する音声信号の低周波数成分のような音声信号の低周波数成分は、不変のまま残される。このことによって、当初の音声信号の全体的なトーン品質およびピッチを実質的に保持される。圧縮された音声信号が、引き続いて再拡張されることなく再生される場合、その信号は、圧縮されずに再生された音声信号と同様に妥当に聞こえる。しかしながら、通過帯域の一部分は、圧縮された高周波数情報のために、リザーブされる。子音と通常は関連し、またほとんどの従来の通信システムにおいて、フィルタリングによって典型的には失われる音声信号の高周波数成分は、高周波数情報をこの通過帯域のリザーブされた部分に圧縮することによって、保持される。この方法で圧縮されて送信された音声信号は、受信信号の了解度を大きく向上する子音情報を保持する。本発明は、送信信号のピッチを基本的に変化させることなく、これを行う。圧縮された周波数を含む通過帯域のリザーブされた部分は、受信機で再拡張されて、受信音声信号の品質をさらに改善し得る。

本発明は、自動車内のハンズフリーセルラ電話のようなハンズフリー通信システムで使用するのに特に好適である。背景で述べたように、車両ノイズは、特に、マイクが話者の口から著しく離れているハンズフリーシステムにおいて、音声信号に非常に有害な影響を及ぼし得る。より高い周波数情報を保持することによって、了解度における重要な因子である子音は、より容易に区別され、車両ノイズによってマスクされる可能性が低くなる。

本発明の他のシステム、方法、特徴、および利点は、以下の図面および詳細な説明を検討することで、当業者にとって明らかであるか、あるいは明らかになる。全てのこのような追加のシステム、方法、特徴、および利点は、この説明の中に含まれ、本発明の範囲内であり、以下の請求項によって保護されることが、意図される。

本発明は、以下の図面および説明を参照して、より良く理解され得る。図面におけるコンポーネントは、必ずしも縮尺どおりではなく、その代わり、本発明の原理を説明するために、強調されている。さらに、図面において、同様の参照番号は、異なる図面にわたって対応するパーツを示す。

（発明の詳細な説明）
図６は、本発明に従って音声信号をコード化する方法の流れ図を示す。第一のステップＳ１は、通過帯域を規定することである。通過帯域は、通信システムによって実際に送信される音声信号の周波数上限および周波数下限を規定する。通過帯域は、本発明が使用されるシステムの要求に従って、一般的に確立される。例えば、本発明がセルラ通信システムで使用される場合、通過帯域は、典型的には、３００〜３４００Ｈｚに拡がる。本発明が等しく良好に適合される他のシステムは、異なる通過帯域を規定し得る。

第二のステップＳ２は、通過帯域内に閾値周波数を規定することである。閾値周波数未満の周波数を有する音声信号の成分は、圧縮されない。閾値周波数より高い周波数を有する音声信号の成分は、圧縮される。母音は、主として、ピッチを決定する役割を担うので、また母音の最大周波数ホルマントは、約３０００Ｈｚであるので、周波数閾値を約３０００Ｈｚに設定することが望ましい。これは、受信音声信号の全体的なトーン品質およびピッチを保持する。音声信号は、ステップＳ３で受信される。これは、圧縮されて、リモートな受信機に送信される音声信号である。次のステップＳ４は、保持されるべき受信信号の最大周波数成分を識別することである。この限界より高い周波数に含まれる全ての情報は、失われ、この周波数限界未満の情報は、保持される。本発明に従って音声信号をコード化する最後のステップＳ５は、受信音声信号を選択的に圧縮することである。閾値周波数から保持されるべき受信信号の最大周波数までの周波数範囲にある受信音声信号の周波数成分は、閾値周波数から通過帯域の周波数上限までに拡がる周波数範囲に圧縮される。閾値周波数未満の周波数は、不変のまま残される。

図７は、上述の処理に従って選択的に圧縮を実行する幾つかの異なる圧縮機能を示す。各圧縮機能の目的は、当初の信号の全体的なトーン品質およびピッチを保持するために、低周波数（すなわち、閾値周波数未満の周波数）を実質的に圧縮させずに残す一方で、閾値周波数より高いこれらの周波数に対して、強度な圧縮を適用する。高周波数を圧縮すると、通常は失われるかなり高い周波数情報が保持され、音声信号の了解度が向上する。図７のグラフは、３つの異なる圧縮機能を示す。グラフの横軸は、圧縮されていない音声信号の周波数を表わし、縦軸は、圧縮された周波数を表わす。この圧縮された周波数に対して、横軸に沿った周波数が、マッピングされる。破線３０で示される第一の機能は、閾値より高いと線形圧縮で、閾値より低いと圧縮がないことを示す。実線３２で示される第二の圧縮機能は、閾値周波数より高いと非線形圧縮を用い、閾値より低いと圧縮をしない。閾値周波数より高いと、周波数が増加するにつれて、増加的に強度な圧縮が適用される。したがって、閾値周波数よりかなり高い周波数は、閾値周波数により近い周波数よりも、より大きな範囲まで圧縮される。最後に、第三の圧縮機能が、点線３４によって示される。この機能は、受信音声信号のスペクトル全体にわたって、非線形圧縮を適用する。しかしながら、圧縮機能は、閾値周波数より低い周波数でほとんど発生しないか、あるいは全く発生しない一方で、より高い周波数で、増加的に強度な圧縮が適用されるように、選択される。

図８は、圧縮されていない５５００Ｈｚの音声信号３６のスペクトルを示す。図９は、図７に示される閾値圧縮機能３０を用いる線形圧縮を使用して圧縮された後の図８の音声信号３６のスペクトル３８を示す。閾値周波数（約３０００Ｈｚ）未満の周波数は、不変のまま残される一方、閾値周波数を超える周波数は、線形に圧縮される。図８および図９の２つの信号は、０〜３０００Ｈｚの周波数範囲では同じである。しかしながら、３０００Ｈｚ〜５５００Ｈｚの周波数範囲にある当初の信号３６の部分は、図９の信号３８の中で、３０００Ｈｚと３５００Ｈｚとの間に規制される。したがって、図８の当初の音声信号３６の高周波数範囲に含まれる情報は、図９の圧縮信号３８の中に保持されるが、低周波数にトランスポーズされる（ｔｒａｎｓｐｏｓｅｄ）。これによって、高周波数成分のピッチは改変されるが、テンポは改変されない。しかしながら、圧縮信号３８の基本ピッチ特性は、当初の信号３６と同じままに留まる。なぜなら、低周波数範囲は、不変のまま残されるからである。

圧縮信号３８の３０００〜３４００Ｈｚの範囲に圧縮されている高周波数情報は、当初の音声信号３６が、３００〜３４００Ｈｚの通過帯域を有する典型的な通信システムで送信された場合、その大部分がフィルタリングで失われる情報である。高周波数コンテンツは、一般に明瞭な子音に関連するので、それが再生されるとき、圧縮信号は、それが失われない場合よりも、より高い了解度になる。さらに、改善された了解度は、当初の音声信号の基本ピッチ特性を不当に改変することなく、達成される。

圧縮信号が、引き続いて再拡張されることなしに再生されるときでさえも、有益な効果は、達成される。圧縮を一切受けなかった音声信号より良好な了解度を有する音声信号を再生するために、圧縮信号を受信する通信端末は、逆拡張（ｉｎｖｅｒｓｅ ｅｘｐａｎｓｉｏｎ）を実行可能である必要はなく、受信信号が圧縮されたことに気付く必要さえもない。しかしながら、補足的な再拡張が受信機によって、実際に実行されるとき、その結果は、さらに満足いくものとなることには、留意すべきである。

上述の方法で圧縮されて送信される音声信号の改善された了解度は、当初の音声信号の基本ピッチおよびトーン品質を著しく改変することなく達成されるが、このことは、だからといって、圧縮信号のサウンドまたは品質に何ら変化がないことを意味するわけではない。音声信号が、圧縮されるとき、当初の信号の全パワーは、保持される。換言すると、圧縮信号の圧縮部分の全パワーは、当初の音声信号の圧縮されることになる部分の全パワーに等しいまま留まる。しかしながら、瞬間ピークパワーは、保持されない。全パワーは、図８および図９に示される曲線の下の面積によって表わされる。図８の当初の音声信号の周波数（面積の横成分）は、かなり狭い周波数範囲に圧縮されるので、曲線の下の面積が同じままに留まる場合、曲線の縦成分（すなわち、振幅）（ピーク信号パワー）は、必然的に増加しなくてはならない。圧縮音声信号の高周波数成分のピークパワーの増加は、音声信号の基本ピッチには影響しないが、音声信号の全体的なサウンド品質に、有害な影響を与え得る。圧縮信号が、引き続いて再拡張されることなく再生されるとき、子音と高周波数母音のホルマントは、歯擦音で（ｓｉｂｉｌａｎｔ）あるいは不自然に強く聞こえ得る。この影響は、圧縮信号のピークパワーを規格化することによって最小化され得る。規格化は、圧縮の量に比例する量だけ、ピークパワーを減らすことによってインプリメントされ得る。例えば、周波数範囲が、２：１のファクタで圧縮される場合、圧縮信号のピークパワーは、ほぼ２倍にされる。したがって、出力パワーを規格化するための適切なステップは、圧縮信号のピークパワーを半分すなわち−３ｄＢだけ減らすことである。図１０は、この方法で規格化された図９の圧縮音声信号４０を示す。

上述の方法で音声信号を圧縮することは、了解度を改善するために、それだけで十分である。しかしながら、圧縮信号上に引き続いて再拡張を実行し、その信号がその当初の圧縮されていない状態に戻される場合、その改善度合いは、さらに大きくすらなる。了解度が改善されるのみならず、当初の信号の高周波数特性が、その当初の圧縮されてる前の状態に、実質的に戻る。

圧縮信号を拡張することは、既述された圧縮手順の単に逆にすることである。本発明に従う音声信号を拡張する方法を示す流れ図が、図１１に示される。第一のステップＳ１０は、通過帯域限定信号を受信することである。第二のステップＳ１１は、通過帯域内に閾値周波数を規定することである。好ましくは、これは、圧縮アルゴリズムで規定された閾値周波数と同じである。しかしながら、拡張は、受信信号に圧縮が適用されたか否か、また適用された場合、どの閾値周波数が当初に確立されたかを知り得ない受信機で実行されるので、拡張のために選択される閾値周波数は、信号を圧縮するために選択された閾値周波数が、たとえ存在したとしても、その周波数と必ずしも合致する必要はない。次のステップＳ１２は、デコードされた音声信号の周波数上限を規定することである。この上限は、拡張信号の周波数上限を表わす。最後のステップＳ１３は、閾値周波数から通過帯域の上限まで拡がる周波数範囲に存在する受信信号の部分を拡張して、閾値周波数から拡張音声信号に対して規定された周波数上限に拡がる周波数を満たすことである。

図１２は、拡張前の受信通過帯域限定音声信号のスペクトル４２を示す。図１３は、本発明に従って拡張された後の同じ信号のスペクトル４４を示す。０〜３０００Ｈｚの周波数範囲にある信号の部分は、実質的に不変のまま留まる。しかしながら、３０００〜３４００Ｈｚの周波数範囲の部分は、３４００Ｈｚ〜５５００Ｈｚの周波数範囲全体を満たすように、横方向に伸びる。

上述のスペクトル圧縮処理と同様に、受信信号を拡張する行為は、拡張信号のピークパワーに対して似ているが、反対の影響を与える。拡張の間に、受信信号のスペクトルは、拡張周波数範囲を満たすように伸びる。ここでも、受信信号の全パワーは、保存されるが、ピークパワーは、保存されない。したがって、子音および高周波数母音のホルマントは、ピークパワーが保存される場合よりも低いエネルギを有する。このことは、音声信号が再生されるとき、音声の品質に対して、有害であり得る。コード化処理と同様に、この問題は、拡張信号を規格化することによって、矯正され得る。図１４は、規格化された後の拡張音声信号のスペクトル４６を示す。ここでも、規格化の量は、拡張の度合いによって決定される。

拡張された音声信号が、上述のように圧縮され、規格化された場合、受信機で信号を拡張し、規格化すると、結果的に、当初の信号と概ね同じ全パワーおよびピークパワーになる。しかしながら、上述の拡張技術がシステムで使用される見込みであり、信号をデコードする受信機は、受信信号がコード化され、規格化されたかどうかに関する知識を有さないことを考慮すると、拡張信号を規格化することは、当初の信号に存在しなかった周波数に、パワーを追加し得る。このことは、実際に圧縮され、規格化された拡張信号を規格化することによる失敗よりも、信号品質に、より大きなマイナスの影響を与え得る。したがって、デコーダによって受信された信号が以前にコード化され、規格化されたかどうかを知らないシステムにおいて、拡張され、デコードされた信号の規格化を控えるか、あるいは制限することがより望ましい。

任意の場合において、本発明の圧縮および拡張の技術は、音声信号の了解度を改善する効率的なメカニズムを提供する。これらの技術は、送信される音声信号のサウンド品質全体に著しい悪影響を与えることなしに、圧縮と拡張との双方が、他方とは独立に適用され得るという重要な利点を有する。本明細書に開示される圧縮技術は、たとえ、引き続いて再拡張しなくても、了解度における著しい改善を提供する。本発明に従う音声信号のコード化およびデコードする方法は、騒々しい環境および音声信号を拾うマイクが話者の口から実質的に距離を置き得るハンズフリーシステムにおいて、音声信号了解度に対する著しい改善を提供する。

図１５は、本発明の信号圧縮および信号拡張の技術をインプリメントする通信システム１００のハイレベルなブロック図を示す。通信システム１００は、送信機１０２、受信機１０４、および両者間に伸びる通信チャネル１０６を含む。送信機１０２は、送信機で発生する音声信号を受信機１０４に、通信チャネル１０６を介して送信する。受信機１０４は、通信チャネル１０６から音声信号を受信し、受信機１０４の近傍にいるユーザのためにその音声信号を再生する。システム１００において、送信機１０２は、高周波数エンコーダ１０８を含み、受信機１０４は、帯域幅拡張器１１０を含む。しかしながら、本発明は、送信機１０２が高周波数拡張器を含むが、受信機が帯域幅拡張器を含まない通信システム、あるいは送信機１０２が高周波数エンコーダを含まないが、それにも関わらず、受信機が帯域幅エンコーダ１１０を含む通信システムでもまた使用され得ることに留意しなくてはならない。

図１６は、図１５の高周波数エンコーダ１０８のより詳細な図を示す。高周波数エンコーダは、Ａ／Ｄ変換器（ＡＤＣ）１２２、時間ドメイン−周波数ドメイン変換１２４、高周波数圧縮器１２６、周波数ドメイン−時間ドメイン変換１２８、ダウンサンプラ３０、およびＤ／Ａ変換器１３２を含む。

ＡＤＣ１２２は、通信チャネル１０６を介して送信されることになる入力音声信号を受信する。ＡＤＣ１２２は、アナログ音声信号をデジタル音声信号に変換し、デジタル化された信号を時間ドメイン−周波数ドメイン変換に出力する。時間ドメイン−周波数ドメイン変換１２４は、デジタル音声信号を時間ドメインから周波数ドメインに変換する。時間ドメインから周波数ドメインへの変換は、幾つかの異なるアルゴリズムによって達成され得る。例えば、時間ドメイン−周波数ドメイン変換１２４は、高速フーリエ変換（ＦＦＴ）、デジタルフーリエ変換（ＤＦＴ）、デジタル余弦変換（ＤＣＴ）；デジタルフィルタバンク；ウェーブレット変換；または何らかの他の時間ドメイン−周波数ドメイン変換を使用し得る。

一度、音声信号が周波数ドメインに変換されると、この音声信号は、高周波数圧縮器１２６でスペクトルトランスポーズを介して圧縮され得る。高周波数圧縮器１２６は、デジタル化された音声信号の高周波数成分を通信チャネル１０６の通過帯域の上側の周波数の狭い帯域に圧縮する。

図１７および図１８は、高周波数圧縮器をより詳細に示す。図６の流れ図に戻ると、当初の受信音声信号は、部分的に圧縮されるのみである。所定の閾値周波数未満の周波数は、不変のまま残されるのに対し、閾値周波数を超える周波数は、閾値周波数から通信チャネル１０６通過帯域の周波数上限に拡がる周波数帯域に圧縮される。高周波数圧縮器１２６は、周波数ドメイン音声信号を時間ドメイン−周波数ドメイン変換１２４から受信する。高周波数圧縮器１２６は、この信号を２つの経路に分ける。その第一は、ハイパスフィルタ（ＨＰＦ）１３４に入力され、その第二は、ローパスフィルタ（ＬＰＦ）１３６に付与される。ＨＰＦ１３４とＬＰＦ１３４は、音声信号を高周波数成分と低周波数成分との実質的に２つの成分に分ける。この２つの成分は、図１７に示される２つの別個の信号経路に従って、別々に処理される。ＨＰＦ１３４およびＬＰＦ１３６は、どの周波数が圧縮されて、どの周波数が圧縮されないかを決定するために確立された閾値周波数とほぼ等しいカットオフ周波数を有する。上部信号経路において、ＨＰＦ１３４は、圧縮されることになる音声信号の高周波数成分を出力する。下部信号経路ＬＰＦ１３８は、不変のまま残ることになる音声信号の低周波数成分を出力する。したがって、ＨＰＦ１３４からの出力は、周波数圧縮器１３８に入力される。周波数圧縮器１３８の出力は、信号結合器１４０に入力される。下部信号経路において、ＬＰＦ１３６からの出力は、圧縮なしに、信号結合器１４０に直接付与される。したがって、ＨＰＦ１３４を通過した高周波数は、圧縮され、ＬＰＦ１３６を通過した低周波数は、不変のまま残る。圧縮された高周波数と圧縮されなかった低周波数とは、結合器１４０で結合される。結合された信号は、実質的に不変である当初の音声信号の下側の周波数成分（閾値周波数未満の周波数成分）と、通信チャネル１０６の通過帯域内にある狭い周波数範囲に圧縮された当初の音声信号の上側の周波数成分（閾値周波数を超える周波数成分）とを含む所望の属性を有する。

図１８は、圧縮器１３８そのものを示す。ＨＰＦ１３４から出力された音声信号の高周波数成分は、圧縮器１３８に到達するとき、再び、２つの信号経路に分かれる。第一の信号経路は、周波数マッピングマトリックス１４２に付与される。第二の信号経路は、ゲインコントローラ１４４に直接付与される。周波数マッピングマトリックスは、圧縮されなかった信号ドメインの周波数ビンを圧縮信号範囲の周波数ビンにマッピングする。周波数マッピングマトリックス１４２からの出力もまた、ゲインコントローラ１４４に付与される。ゲインコントローラ１４４は、第二の信号経路によって供給された当初の信号のスペクトル形状に基づいて、周波数マッピングマトリックス１４２の出力を形成する適応コントローラである。ゲインコントローラは、当初の信号が圧縮された後に、その信号のスペクトル形状または「チルト」を維持するのに役立つ。ゲインコントローラ１４４の出力は、図１７の結合器１４０に入力される。結合器１４０の出力は、高周波数圧縮器１２６（図１６）の実際の出力を備え、図１６に示されるように、周波数ドメイン−時間ドメイン変換１２８に入力される。

周波数ドメイン−時間ドメイン変換１２８は、圧縮された音声信号を変換して時間ドメインに戻す。周波数ドメインから時間ドメインに戻す変換は、時間ドメイン−周波数ドメイン変換１２４によって実行された時間ドメイン−周波数ドメイン変換の逆変換であり得るが、必ずしも、そのようである必要はない。実質的に任意の周波数ドメインから時間ドメインへの変換は、十分である。

次いで、ダウンサンプラ１３０が、周波数ドメイン−時間ドメイン変換１２８からの時間ドメインデジタル音声信号出力をサンプリングする。ダウンサンプラ１３０は、圧縮信号の最大周波数成分と整合するサンプルレートで信号をサンプリングする。例えば、圧縮信号の最大周波数成分が、４０００Ｈｚである場合、ダウンサンプラは、少なくとも８０００Ｈｚのレートで、圧縮信号をサンプリングする。ダウンサンプリングされた信号は、次いで、デジタルアナログ変換器（ＤＡＣ）１３２に付与され、ＤＡＣ１３２は、圧縮されたアナログ音声信号を出力する。ＤＡＣ１３２は、通信チャネル１０６を介して送信され得る。音声信号に圧縮が付与されるので、当初の音声信号の高周波数は、通信チャネル１０６の限定帯域幅によって失われない。代替として、デジタルからアナログへの変換は、省略され得、圧縮されたデジタル音声信号は、自動音声認識システムのような他のシステムに直接入力され得る。

図１９は、図１５の帯域幅拡張器１１０のより詳細な図を示す。図１１の流れ図に戻ると、帯域幅拡張器の目的は、通信チャネル１０６を介して受信された受信帯域限定音声信号を部分的に拡張することである。帯域幅拡張器は、所定の周波数閾値を超える受信音声信号の周波数成分のみを拡張するためである。帯域幅拡張器１１０は、アナログデジタル変換器（ＡＤＣ）１４６、アップサンプラ１４８、時間ドメイン−周波数ドメイン変換１５０、スペクトルエンベロープ拡張器１５２、励起信号生成器１５４、結合器１５６、周波数ドメイン−時間ドメイン変換１５８、およびデジタルアナログ変換器（ＤＡＣ）１６０を含む。

ＡＤＣ１４６は、通信チャネル１０６からの帯域限定アナログ音声信号を受信し、これをデジタル信号に変換する。次いで、アップサンプラ１４８は、拡張される信号の意図される最大周波数の最高レートに対応するサンプルレートで、デジタル音声信号をサンプリングする。アップサンプリングされた信号は、次いで、時間ドメイン−周波数ドメイン変換１５０によって、時間ドメインから周波数ドメインに変換される。高周波数エンコーダ１０８と同様に、この変換は、高速フーリエ変換（ＦＦＴ）、デジタルフーリエ変換（ＤＦＴ）、デジタル余弦変換（ＤＣＴ）；デジタルフィルタバンク；ウェーブレット変換などであり得る。この周波数ドメイン信号は、次いで、２つの別個の経路に分かれる。その第一は、スペクトルエンベロープ拡張器１５２に入力され、その第二は、励起信号生成器１５４に付与される。

スペクトルエンベロープ拡張器は、より詳細に図２０に示される。エンベロープ拡張器１４２への入力は、周波数デマッピングマトリックス１６２とゲインコントローラ１６４との双方に付与される。周波数デマッピングマトリックス１６２は、受信して圧縮された音声信号の低周波数ビンを圧縮されなかった信号の拡張される周波数の高周波数ビンにマッピングする。周波数デマッピングマトリックス１６２の出力は、帯域幅拡張器１１０の所望の最大周波数出力に対応する最大周波数成分を有する音声信号の拡張スペクトルである。周波数デマッピングマトリックスからの信号出力のスペクトルは、次いで、ゲインコントローラ１６４によって形成される。この形成は、前述のように、ゲインコントローラ１６４への入力でもある当初の拡張されていない信号のスペクトル形状に基づく。ゲインコントローラ１６４の出力は、スペクトルエンベロープ拡張器１６２の出力を形成する。

ここで丁度述べたような方法において、音声信号のスペクトルを拡張するときに生じる問題は、高調波および位相の情報が失われることである。励起信号生成器は、当初の拡張されていない信号に基づいて高調波情報を生成する。結合器１５６は、スペクトルエンベロープ拡張器１５２から出力されたスペクトル的に拡張された音声信号を励起信号生成器１５４の出力と結合する。結合器は、励起信号生成器の出力を用いて、拡張信号を形成し、適切な高調波を追加して、それらの位相関係を修正する。結合器１５６の出力は、次いで、周波数ドメイン−時間ドメイン変換１５８によって変換され、時間ドメインに戻る。周波数ドメイン−時間ドメイン変換は、時間ドメイン−周波数ドメイン変換１５０の逆を使用し得るか、あるいは何らかの他の変換を使用し得る。一度、時間ドメインに戻ると、拡張された音声信号は、ＤＡＣ１６０によって変換され、アナログ信号に戻る。アナログ信号は、次いで、受信機のユーザのためにラウドスピーカによって再生され得る。

図６および図１１の流れ図に記載された音声信号の圧縮および拡張の技術を用いることによって、通信システム１００は、従来の帯域限定システムにおける送信音声信号よりも、了解度が高く、良好な品質を有する音声信号の送信を提供する。通信システム１００は、通信チャネルの通過帯域制限によって典型的に失われる高周波数音声信号を保持する。さらに、通信システム１００は、圧縮信号が、受信されるときに、再拡張されるか否かに関わらず、了解度が改善されるように、高周波数を保持する。信号はまた、その信号が送信前に圧縮されたか否かに関わらず、サウンド品質に著しく有害な影響を与えることなく、拡張され得る。したがって、高周波数エンコーダを含む送信機１０２は、受信機１０４とは異なり、帯域幅拡張器を含まない受信機に圧縮信号を送信し得る。同様に、受信機１０４は、送信機１０２とは異なり、高周波数エンコーダを含まない送信機から信号を受信し得て、受信信号を拡張し得る。いずれの場合も、送信された音声信号の了解度は、改善される。

添付の請求項により具体的に詳細を示される本発明の精神および範囲から逸脱することなく、当業者によって、本発明の様々な変更および改変がなされ得ることには、留意すべきである。さらに、以上の記述は、単なる例示に過ぎず、このような添付の請求項に記載されるように、本発明を限定することが意図されないことを当業者は、理解する。

本発明の様々な実施形態が記載されてきたが、多数のさらなる実施形態およびインプリメンテーションが、本発明の範囲内で可能であることは、当業者に明らかである。したがって、本発明は、添付の請求項およびそれらの均等物の観点以外では、制約されない。

図１は、セルラ通信システムに対する典型的な通過帯域を示す。 図２は、静かな条件と騒々しい条件とで、話された単語「セブン」のスペクトログラフを示す。 図３は、騒々しい条件で、話された単語セブンのスペクトログラフであり、図２のスペクトログラフより広い周波数範囲を示す。 図４は、圧縮されていない５５００Ｈｚの音声信号のスペクトルである。 図５は、完全なスペクトル線形圧縮を受けた後の図４の音声信号のスペクトルである。 図６は、本発明に従って音声信号に周波数圧縮を実行する方法の流れ図である。 図７は、本発明に従って音声信号を圧縮する幾つかの異なる圧縮機能のグラフである。 図８は、圧縮されていない音声信号のスペクトルである。 図９は、本発明に従って圧縮された後の図８の音声信号のスペクトルである。 図１０は、圧縮音声信号の瞬間ピークパワーを減らすように規格化された圧縮音声信号のスペクトルである。 図１１は、本発明に従って音声信号に周波数拡張を実行する方法の流れ図である。 図１２は、本発明に従って拡張される前の圧縮音声信号のスペクトルである。 図１３は、本発明に従って圧縮された音声信号のスペクトルである。 図１４は、拡張の結果得られる拡張信号のピークパワーの減少に対して補償するように規格化された図１２の拡張音声信号のスペクトルである。 図１５は、本発明を用いる通信システムのハイレベルなブロック図である。 図１６は、図１５の高周波数エンコーダのブロック図である。 図１７は、図１６の高周波数圧縮器のブロック図である。 図１８は、図１７の圧縮器１３８のブロック図である。 図１９は、図１５の帯域幅拡張器のブロック図である。 図２０は、図１９のスペクトルエンベロープ拡張器のブロック図である。

Claims (24)

1. 通過帯域周波数下限と通過帯域周波数上限とを有する周波数通過帯域を識別するステップと、
   該通過帯域内に閾値周波数を規定するステップと、
   周波数スペクトルを有する音声信号を受信するステップであって、該音声信号の最大周波数成分は、該通過帯域周波数上限より大きい、ステップと、
   該閾値周波数と該音声信号の該最大周波数成分との間の第一の周波数範囲にある該音声信号スペクトルの一部分を該閾値周波数と該通過帯域周波数上限との間の周波数範囲に圧縮するステップと
   を包含する、音声信号の了解度を改善する方法。
2. 前記圧縮音声信号を送信するステップと、
   該圧縮音声信号を受信するステップと、
   該圧縮音声信号を聞こえるように再生するステップと
   をさらに包含する、請求項１に記載の音声信号の了解度を改善する方法。
3. 前記圧縮音声信号を送信するステップと、
   該圧縮音声信号を受信するステップと、
   該受信圧縮音声信号を拡張するステップと
   をさらに包含する、請求項１に記載の音声信号の了解度を改善する方法。
4. 前記圧縮音声信号のピークパワーを規格化するステップ
   をさらに包含する、請求項１に記載の音声信号の了解度を改善する方法。
5. 前記圧縮規格化音声信号を送信するステップと、
   該圧縮規格化音声信号を受信するステップと、
   該受信圧縮規格化信号を拡張するステップと
   をさらに包含する、請求項４に記載の音声信号の了解度を改善する方法。
6. 前記拡張受信音声信号を再規格化するステップと、
   該再規格化拡張音声信号を聞こえるように再生するステップと
   をさらに包含する、請求項５に記載の音声信号の了解度を改善する方法。
7. 前記拡張受信信号を聞こえるように再生するステップ
   をさらに包含する、請求項５に記載の音声信号の了解度を改善する方法。
8. 前記音声信号スペクトルの一部分を圧縮するステップは、前記閾値周波数より上で線形周波数圧縮を適用するステップを包含する、請求項１に記載の音声信号の了解度を改善する方法。
9. 前記音声信号スペクトルの一部分を圧縮するステップは、前記閾値周波数より上で非線形周波数圧縮を適用するステップを包含する、請求項１に記載の音声信号の了解度を改善する方法。
10. 前記音声信号スペクトルの一部分を圧縮するステップは、該音声信号のスペクトル全体に非線形周波数圧縮を適用するステップを包含し、該圧縮を実行するために使用される圧縮機能は、最小圧縮が低周波数で適用され、増加的圧縮が高周波数で適用されるように選択される、請求項１に記載の音声信号の了解度を改善する方法。
11. 周波数下限と周波数上限とを有する通過帯域限定信号を受信するステップと、
    該受信音声信号の通過帯域内に閾値周波数を規定するステップと、
    拡張信号周波数上限を規定するステップと、
    該閾値周波数と該通過帯域の該周波数上限との間の周波数範囲にある該受信音声信号の周波数成分が、該閾値周波数と該拡張信号周波数上限との間の周波数範囲を満たすように拡張されるように、該受信音声信号の一部分に周波数拡張を実行するステップと、
    該拡張音声信号を聞こえるように再生するステップと
    を包含する、音声信号の了解度を改善する方法。
12. 前記拡張信号のピークパワーを規格化するステップをさらに包含する、請求項１１に記載の音声信号の了解度を改善する方法。
13. 前記周波数拡張は、前記閾値周波数で開始する線形拡張を包含する、請求項１１に記載の音声信号の了解度を改善する方法。
14. 前記周波数拡張は、前記閾値周波数で開始する非線形拡張を包含する、請求項１１に記載の音声信号の了解度を改善する方法。
15. 前記周波数拡張は、前記受信信号のスペクトル全体にわたる非線形拡張を包含し、該拡張をインプリメントするために使用される拡張器能は、該受信信号の低周波数部分に、ほとんど適用されないか、あるいは全く拡張を適用せず、該受信信号の高周波数部分には、増加的拡張を適用する、請求項１１に記載の音声信号の了解度を改善する方法。
16. 通信チャネルの通過帯域の外側にある音声信号の高周波数成分を、該通信チャネルの該通過帯域内の周波数範囲に圧縮する一方で、該音声信号の低周波数成分は、実質的に不変のまま残すように適合された高周波数エンコーダと、
    該高周波数エンコーダによって圧縮された音声信号を、該通信チャネルを介して送信する送信機と
    を備える、送信音声信号の了解度を改善するシステム。
17. 前記高周波数エンコーダは、
    時間ドメイン音声信号を周波数ドメイン信号に変換する時間ドメイン−周波数ドメイン変換と、
    該周波数ドメイン信号の前記高周波数成分を圧縮する高周波数圧縮器と、
    該高周波数圧縮器から出力された該圧縮音声信号を時間ドメイン信号に変換する周波数ドメイン−時間ドメイン変換と
    を備える、請求項１６に記載のシステム。
18. 前記高周波数圧縮器は、
    前記音声信号の前記低周波数成分から該音声信号の前記高周波数成分を分離するハイパスフィルタおよびローパスフィルタと、
    前記圧縮されなかった周波数ドメインの周波数ビンから、前記圧縮された周波数範囲の周波数ビンに、該音声信号の該高周波数成分をマッピングする周波数マッピングマトリックスと、
    該音声信号の前記圧縮高周波数成分を該音声信号の該低周波数成分と結合する結合器と
    を備える、請求項１７に記載のシステム。
19. 前記通信チャネルを介して音声信号を受信する受信機と、
    前記通信チャネル通過帯域の上部にある受信信号の周波数成分を該通過帯域の上限より上に広がる周波数範囲に拡張する一方で、該通過帯域の下部にある該受信信号の周波数成分は、実質的に不変のまま残すように適合された帯域幅拡張器と
    をさらに備える、請求項１６に記載のシステム。
20. 前記帯域幅拡張器は、
    受信信号のサンプルレートを増加させるアップサンプラと、
    該アップサンプリングされた信号を周波数ドメインに変換する時間ドメイン−周波数ドメイン変換と、
    該アップサンプリングされた周波数ドメイン信号の周波数成分を、前記拡張されなかった周波数範囲の周波数ビンから前記拡張された周波数範囲のより大きな周波数ビンに、マッピングするための周波数デマッピングマトリックスを含むスペクトルエンベロープ拡張器と、
    該アップサンプリングされた周波数ドメイン信号から高調波および位相情報を生成する励起信号生成器と、
    該スペクトルエンベロープ拡張器と該励起信号生成器との出力を結合する結合器と、
    該結合された信号を時間ドメインに変換する時間ドメイン−周波数ドメイン変換と
    をさらに備える、請求項１９に記載のシステム。
21. アナログ音声信号をデジタル時間ドメイン音声信号に変換するＡ／Ｄ変換器と、
    該時間ドメイン音声信号を周波数ドメイン音声信号に変換する時間ドメイン−周波数ドメイン変換と、
    該周波数ドメイン音声信号の高周波数成分を低周波数にスペクトル的にトランスポーズして、圧縮周波数ドメイン音声信号を形成する高周波数圧縮器と、
    該圧縮周波数ドメイン音声信号を圧縮時間ドメイン音声信号に変換する周波数ドメイン−時間ドメイン変換と、
    該圧縮時間ドメイン音声信号の最大周波数に対して適切なサンプルレートで、該圧縮時間ドメイン信号をサンプリングするダウンサンプラと
    を備える、高周波数エンコーダ。
22. 前記高周波数圧縮器は、
    前記周波数ドメイン音声信号の高周波数成分を抽出するためのハイパスフィルタと、
    該周波数ドメイン音声信号の該高周波数成分を、該高周波数成分がスペクトル的にトランスポーズする低周波数にマッピングするための周波数マッピングマトリックスと
    を備える、請求項２１に記載の高周波数エンコーダ。
23. 前記高周波数圧縮器は、
    前記周波数ドメイン音声信号の低周波数成分を抽出するためのローパスフィルタと、
    該周波数ドメイン音声信号の該抽出された低周波数成分を低周波数にスペクトル的にトランスポーズされた該周波数ドメイン音声信号の前記高周波数成分と結合する結合器と
    をさらに備える、請求項２１に記載の高周波数エンコーダ。
24. 周波数通過帯域を識別するステップと、
    周波数スペクトルを有する音声信号を受信するステップであって、該音声信号の最大周波数成分は、該通過帯域の周波数上限よりも大きい、ステップと、
    圧縮音声スペクトルが該通過帯域内に入るように、最小圧縮が該音声信号スペクトルの下側の周波数範囲に適用され、著しく大きな圧縮が該音声信号スペクトルの上側の周波数範囲に適用される周波数圧縮機能を適用することによって、該音声信号の該周波数スペクトル全体に非線形周波数圧縮を適用するステップと
    を包含する、音声信号の了解度を改善する方法。

Images