KR100347699B1

KR100347699B1 - 전력스펙트럼밀도추정방법및장치

Info

Publication number: KR100347699B1
Application number: KR1019970709622A
Authority: KR
Inventors: 핸델 페터
Original assignee: 텔레폰아크티에볼라게트 엘엠 에릭슨
Priority date: 1995-06-21
Filing date: 1996-06-07
Publication date: 2002-11-29
Also published as: SE9502261L; WO1997001101A1; BR9608845A; CA2224680A1; SE9502261D0; US6014620A; AU6246496A; AU705590B2; EP0834079A1; SE513892C2; JPH11508372A; KR19990028308A

Abstract

자기 회귀 스펙트럼 추정기의 주파수 영역 바이어스용 잔여 에러를 기초로 한 보상기가 서술되어 있다. LPC 분석(16)은 잔여 신호에 대해 실행되고 파라메트릭 PSD 추정기(18)에는 획득된 LPC 파라메터가 형성된다. 잔여 신호의 PSD 추정값은 입력 신호의 PSD 추정과 승산한다(20).

Description

전력 스펙트럼 밀도 추정 방법 및 장치{A POWER SPECTRAL DENSITY ESTIMATION METHOD AND APPARATUS}

본 발명은 예를 들어 셀룰러 뿐만아니라 종래의 전화 시스템에서의 잡음 억제 [1, 2]에 적용할 수 있는데, 여기서 적응 알고리즘은 단일 마이크로폰 측정을 기초로 한 잡음이 있는 음성을 모델링하고 강화하기 위하여 사용된다.

스펙트럼 감법에 의한 음성 강화는 잡음이 있는 음성으로부터 계산된 정확한 전력 스펙트럼 밀도 추정값에 명백히 또는 절대적으로 의존한다. 그러한 추정값을 얻기 위한 고전적인 방법은 고속 푸리에 변환(Fast Fourier Transform : FFT)을 기초로 한 페리오드그램(periodogram)이다. 그러나, 최근에 또 다른 방식, 즉 파라메트릭 전력 스펙트럼 밀도 추정이 제공되었는데, 이 방식은 덜 왜곡된 음성 출력과, 보다 양호한 잡음 레벨의 감소 및 성가신 인위음("음악적 잡음")이 없는 잔여 잡음을 제공한다. 일반적으로 파라메트릭 전력 스펙트럼 밀도 추정에 대한 세부적인 사항을 알기 위해서는 [3, 4]를 참조하라.

일반적으로, 모델 에러로 인해, 파라메트릭 전력 스펙트럼 밀도 값의 스펙트럼 밸리(valley)에 어느 정도의 바이어스가 나타난다. 잡음 소거기를 기초로 한 잡음 감법으로부터의 출력에서, 이 바이어스는 배경 잡음에 바람직하지 않은 "레벨 펌핑(level pumping)"을 야기한다.

본 발명은 파라메트릭 자기 회귀 모델(parametric autoregressive model)을 기초로 하는 바이어스 보상된 스펙트럼 추정 방법 및 장치에 관한 것이다.

도 1은 본 발명에 따른 장치의 실시예를 설명하는 블록도.

도 2는 본 발명에 다른 장치의 다른 실시예를 설명하는 블록도.

도 3은 참(true) 전력 스펙트럼 밀도, 참 전력 스펙트럼 밀도의 파라메트릭 추정값 및 참 전력 스펙트럼 밀도의 바이어스 보상된 추정값을 설명하는 도면.

도 4는 참 전력 스펙트럼 밀도, 실 스펙트럼 밀도의 파라메트릭 추정값, 및 참 전력 스펙트럼 밀도의 바이어스 보상된 추정값을 설명하는 다른 도면.

도 5는 도 1의 실시예에 의해 실행되는 방법을 설명하는 흐름도.

도 6은 도 2의 실시예에 의해 실행되는 방법을 설명하는 흐름도.

본 발명의 목적은 비교적 덜 복잡하며 또한 수치적인 안정성의 문제없이 배경 잡음의 "레벨 펌핑"을 추정 또는 감소시키는 방법과 장치에 관한 것이다.

이 목적은 첨부된 청구항에 따른 방법과 장치에 의해 이루어진다.

본 발명의 주안점은 잡음 소거기를 기초로 한 스펙트럼 감법에서 가청 음성품질을 개선하기 위하여 파라메트릭 스펙트럼 모델에 대해 데이터 종속(또는 적응) 동적 범위 확장(a data dependent (or adaptive) dynamic range expansion)을 사용한다.

본 발명의 목적 및 장점과 이외 다른 목적 및 장점은 첨부 도면을 참조하여 설명된 이하의 설명을 통해서 보다 잘 이해할 수 있을 것이다.

도면 전체를 통해 동일한 참조 문자들이 대응하는 또는 유사한 요소에 사용된다.

또한, 본 발명의 설명을 간략하게 하기 위하여, 본 발명의 수학적인 배경은 첨부된 부록에 기재되었다. 다음 설명에서, 괄호 내의 번호는 이 첨부 부록의 상응하는 식을 언급한다.

도 1은 본 발명에 따른 장치의 실시예의 블록도 이다. 음성 프레임{x(k)}은 LPC 분석기(LPC 분석은 예컨대 [5]에 설명된다)로 전송된다. LPC 분석기(10)는 한 세트의 필터 계수(LPC 파라메터)를 결정하고, 이 필터 계수들은 PSD 추정기(12) 및 역 필터(14)을 전송된다. PSD 추정기(12)는 LPC 파라메터로부터 입력 프레임{x(k)}의 파라메트릭 전력 스펙트럼 밀도 추정값을 결정한다(부록의 (1)을 참조하라). 도 1에서, 입력 신호의 분산(variance)은 PSD 추정기(12)로의 입력으로서 사용되지 않는다. 대신에, 단위 신호 "1"이 PSD 추정기(12)로 전송된다. 이러한 이유는 단지 이 분산이 PSD 추정값만을 스케일(scale)하고, 이 스케일링 인자(scaling factor)가 최종 결과에서 제거됨으로(부록 (9)를 참조하라), 이를 PSD 계산으로부터 제거하는 것이 보다 간단하기 때문이다. PSD 추정기(12)로부터의 추정값은 상술된 "레벨 펌핑" 바이어스를 포함할 것이다.

"레벨 펌핑" 바이어스를 보상하기 위하여, 입력 프레임{x(k)}은 또한 역 필터(14)로 전송되어 잔여 신호(residual signal)를 형성하고(부록 (7)을 참조하라), 이 잔여 신호는 또 다른 LPC 분석기(16)로 전송된다. LPC 분석기(16)는 잔여 신호를 분석하고 대응하는 LPC 파라메터(분산 및 필터 계수)를 잔여 PSD 추정기(18)로 전송하는데, 이것이 잔여 신호의 파라메트릭 전력 스펙트럼 밀도 추정값을 형성한다(부록 (8)을 참조하라).

최종적으로, 입력 신호 및 잔여 신호 두개의 파라메트릭 전력 스펙트럼 밀도 추정값 각각은 입력 신호 프레임{x(k)}의 바이어스 보상된 파라메트릭 전력 스펙트럼 밀도 추정값을 얻기 위하여 승산기(20)에서 서로 승산된다(이것은 부록의 식(9)에 대응한다).

예

다음 시나리오를 고려하자: 프레임 길이 N=1024 및 AR (AR=AutoRegressive) 모델 차수 p=10. 밑에 놓이는 참 시스템(the underlying true system)은 ARMA(ARMA=AutoRegressive-Moving Average) 프로세스로 모델링 된다.

여기서 e(k)는 백색 잡음이다.

도 3은 본 발명을 따른 상기 프로세스의 참 전력 스펙트럼 밀도(실선), PSD 추정기(12)로부터의 바이어스된 전력 스펙트럼 밀도 추정값(파선-점선), 및 바이어스 보상된 전력 스펙트럼 밀도 추정값(파선)을 도시한다. 도 3으로부터, 일반적으로 바이어스 보상된 전력 스펙트럼 밀도 추정값은 밑에 놓이는 참 전력 스펙트럼밀도에 가깝다는 것을 알 수 있다. 특히, 깊은 밸리(예컨대, ω/2(π)0.17)에서, 바이어스 보상된 추정값은 참 전력 스펙트럼 밀도에 훨씬 더 가깝다(5 dB 만큼).

본 발명의 바람직한 실시예에서, 설계 파라메터(design parameter)(γ)는 바이어스 보상된 추정값을 승산하기 위하여 사용될 수 있다. 도 3에서, 파라메터(γ)는 1과 동일한 것으로 가정하였다. 일반적으로, γ는 1에 가까운 앙수이다. 바람직한 실시예에서, γ는 부록의 알고리즘 섹션에 나타난 값을 갖는다. 따라서, 이 경우에, γ는 전체 프레임에서 다르다. 도 4는 도 3의 다이어그램과 유사한 다이어그램인데, 여기서 바이어스 보상된 추정값은 γ의 값과 스케일링된다.

도1의 상술된 실시예는 실제 보상이 두 개의 전력 스펙트럼 밀도 추정값을 서로 승산하여 주파수 영역에서 실행되기 때문에 주파수 영역 보상으로서 특징지워질 수 있다. 그러나 그러한 연산은 시간 영역에서 콘벌루션(convolution)에 대응한다. 따라서, 본 발명의 동등한 시간 영역 수행이 존재한다. 그러한 실시예는 도 2에 도시되어 있다.

도 2에서, 입력 신호 프레임은 도 1과 같이 LPC 분석기(10)로 전송된다. 그러나, 획득된 LPC 파라메터로 실행되는 전력 스펙트럼 밀도 추정이 없다. 대신에, 입력 신호 및 잔여 신호의 LPC 분석으로부터의 필터 파라메터가 콘벌루션 회로(22)로 전송되는데, 이 콘벌루션 회로는 콘벌루팅된 파라메터들을 PSD 추정기(12')로 전송하며, 이 PSD 추정기는 γ에 의해 승산될 수 있는 바이어스 보상된 추정값을 형성한다. 콘벌루션 단계는 다항식의 승산으로서 관찰될 수 있는데, 여기서 입력 신호의 필터 파라메터에 의해 규정된 다항식은 잔여 신호의 필터 파라메터에 의해규정된 다항식과 승산된다. 최종 다항식의 계수는 바이어스 보상된 LPC-파라메터를 나타낸다. 다항식 승산은 높은 차수의, 즉 보다 많은 계수의 다항식으로 될 것이다. 그러나, PSD 추정값의 충분한 수의 샘플을 얻기 위하여 PSD 추정기로의 입력을 "제로 패드(zero pad)"하는 것이 통상적이기 때문에, 이것은 아무런 문제가 없다. 콘벌루션에 의해 획득된 높은 차수의 다항식의 결과는 극히 작은 수의 제로로 될 것이다.

도 1 및 도 2의 실시예에 대응하는 흐름도가 도 5 및 도 6에 주어져 있다. 또한 대응하는 주파수 및 시간 영역 알고리즘이 부록에 주어져 있다.

수치적인 복잡성의 대충적인 추정은 다음과 같이 구해질 수 있다. 잔여 필터링(7)은Np 연산(operation)(합+가산)을 필요로 한다. e(k)의 LPC 분석은 대응하는 식(3)의 세트를 풀기 위한 공분산(covariance) 요소 및p²연산을 형성하기 위한Np 연산을 필요로 한다. 알고리즘(주파수 및 시간 영역)중 시간 영역 알고리즘이 가장 효율적인데, 이것은 콘벌루션을 수행하기 위한p²연산을 필요로 하기 때문이다. 요약하면, 바이어스 보상은2p(N+p) 연산/프레임에서 실행될 수 있다. 예컨대, n=256 및 p=10 및 50% 프레임 중첩에 따라서, 바이어스 보상 알고리즘은 거의 0.5×10⁶명령/초를 필요로 한다.

이 명세서에서, 본 발명이 음성신호를 참조하여 설명되었다. 그러나, 동일한 개념이 또한 측정된 신호의 파라메트릭 스펙트럼 추정에 의존하는 다른 애플리케이션에 적용될 수 있다. 이와 같은 응용은 예컨대, 레이더와 소나 분야, 경제분야,광학 간섭계, 생의학, 진동 분석, 영상처리, 전파 천문학, 해양학에서 발견할 수 있다.

당업자라면 첨부된 청구항의 사상과 범위를 벗어남이 없이 본 발명에 다양한 수정과 변형이 이루어질 수 있다는 것을 이해할 수 있을 것이다.

참조문헌

[1] S. F. Boll, "Suppression of Acoustic Noise in Speech Using Spectral subtraction", IEEE Transactions on Acoustics, Speech and Signal Processing, Vol. ASSP-27, April 1979, pp 113-120.

[2] J. S. Lim and A. V. Oppenheim, "Enhancement and Bandwidth Compression of Noisy Speech", Proceedings of the IEEE, Vol. 67, No. 12, December 1979, pp. 1586-1604.

[3] S. M. Kay, Modern Spectral estimation: Theory and Application, Prentice Hall, Englewood Cliffs, NJ, 1988, pp. 237-240.

[4] J. G. Proakis et al, Advanced Digital Signal Processing, Macmillam Publishing Company, 1992, pp. 498-510.

[5] J. G. Proakis, Digital Communications, MacGraw Hill, 1989, pp. 101-110.

[6] P. Handel et al. "Asymptotic variance of the AR spectral estimator for noisy sinusoidal data", Signal Processing, Vol. 35, No. 2, January 1994, pp. 131-139.

부록

실수값의 제로 평균 신호(real-valued zero mean signal){x(k)}, k=1 .... N,을 고려하자. 여기서, N은 프레임 길이(예컨대 N=160)를 나타낸다. 자기 회귀 스펙트럼 추정기(ARSPE)는 다음과 같이 주어진다, [3, 4]를 참조하라.

여기서 ω는 각 주파수이다. ω∈(0, 2π). (1)에서,는 다음과 같이 주어진다.

여기서,는 추정된 AR계수(LPC 분석에 의해 발견됨, [5]를 참조하라)이고는 잔여 에러 분산이다. 추정된 파라메터 백터와들은 다음과 같이 {x(k)}에 따라 계산된다.

여기서

이고, 여기서

선형 방정식 세트(3)는 레빈슨-더빈 알고리즘(Levinson-Durbin algorithm)을 사용하여 해결될 수 있다([3]을 참조하라). 스펙트럼 추정값(1)이 원만하게 된다는 것을 알 수 있고 그리고 이의 통계적인 특성들이 [6]에서 광대역 및 잡음이 있는 협대역 신호에 대해 각각 분석되었다.

일반적으로, 모델 에러로 인해, 스펙트럼 밸리에 얼마간의 바이어스가 나타난다. 대략적으로, 이는 다음과 같이 설명될 수 있다.

이때,는 추정값(1)이고는 x(k)의 참(및 공지되지 않은) 전력 스펙트럼 밀도이다.

스펙트럼 밸리에서 나타나는 바이어스를 감소시키기 위하여, 나머지는 다음에 따라 계산된다.

{ε(k)}를 토대로 LPC 분석을 실행하면, 잔여 전력 스펙트럼 밀도가 식(1)로부터 계산될 수 있다.

여기서, 식 (2)와 비슷하게,는 추정된 AR계수를 나타내고는 에러 분산을 나타낸다. 일반적으로, 모델 차수는 q≠p이지만, 여기서는 p=q로 하는 것이 타당한 것으로 여겨진다. 바람직하게,이고, N은 예를 들어 거의 10으로 선택될 수 있다.

아래에서 제안된 주파수 영역 알고리즘에서, 추정값(1)은 다음에 따라 보상된다.

여기서는 설계 변수이다. 주파수 영역 알고리즘은 아래 알고리즘 섹션에서 요약되고 도 1 및 도 5의 블록도에 도시되어 있다.

대응하는 시간 영역 알고리즘이 또한 알고리즘 섹션 및 도 2 및 도에 요약되어 있다. 이 경우에, 보상은 콘벌루션 단계에서 실행되는데, 여기서 LPC 필터 계수가 보상된다. 이 실시예는 보다 효율적인데, 그 이유는 하나의 PSD 추정이 보다 덜 복잡한 콘벌루션으로 대체되기 때문이다. 이 실시예에서, 스케일링 인자 γ는 단지 1과 동일하거나 거의 1인 상수로 설정될 수 있다. 그러나, 단위 원(unit circle)에 가장 가깝게 놓여지는에 의해 규정되는 특징적인 다항식의 근을 계산함으로써, 주파수 영역 알고리즘과 마찬가지로 매 프레임에 대해 γ를 계산할 수있다. 만일 이 근의 각이로 표시된다면,

알고리즘

입력

x 입력 데이터 x=(x=(1)…x(N))^T

p LPC 모델 차수

출력

주파수 영역 알고리즘

매 프레임에 대해 다음 단계를 행한다:

(전력 스펙트럼 밀도 추정)

(바이어스 보상)

시간영역 알고리즘

매 프레임에 대해 다음 단계를 실행한다:

Claims

제1 세트의 LPC 필터 파라메터를 결정하기 위해 입력 신호 벡터에 대한 LPC 분석을 실행하는 단계와;

상기 제1 세트의 LPC 필터 파라메터를 토대로 상기 입력 신호 벡터의 제1 전력 스펙트럼 밀도 추정값을 결정하는 단계와;

잔여 신호 벡터를 구하기 위하여 상기 제1 세트의 LPC 필터 파라메터에 의해 결정된 역 LPC 필터를 통해 상기 입력 신호 벡터를 필터링하는 단계와;

제2 세트의 LPC필터 파라메터를 결정하기 위해 상기 잔여 신호 벡터에 대해 LPC 분석을 실행하는 단계와;

상기 제2 세트의 LPC 필터 파라메터를 토대로 상기 잔여 신호 벡터의 제2 전력 스펙트럼 밀도 추정값을 결정하는 단계 및;

상기 제1 및 제2 전력 스펙트럼 추정값의 곱에 비례하는 상기 입력 신호 벡터의 바이어스 보상된 전력 스펙트럼 밀도 추정값을 형성하는 단계를 포함하는 전력 스펙트럼 밀도 추정 방법.
제 1 항에 있어서,

상기 곱은 1 보다 작거나 같은 양의 스케일링 인자와 승산되는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제 2 항에 있어서,

상기 스케일링 인자는 상기 제2전력 스펙트럼 밀도 추정값의 최대값의 역의 값인 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제 1 항, 제 2 항 또는 제 3 항에 있어서,

상기 입력 신호 벡터는 음성 샘플을 포함하는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제1세트의 LPC 필터 파라메터를 결정하기 위하여 입력 신호 벡터에 대한 LPC 분석을 실행하는 단계와;

잔여 신호 벡터를 구하기 위해 상기 제1 세트의 LPC 필터 파라메터에 의해 결정된 역 LPC 필터를 통해 상기 입력 신호 벡터를 필터링하는 단계와;

제2 세트의 LPC 필터 파라메터를 결정하기 위해 상기 잔여 신호 벡터에 대해 LPC 분석을 실행하는 단계와;

보상된 세트의 LPC 필터 파라메터를 형성하기 위하여 상기 제2 세트의 LPC 필터 파라메터로 상기 제1 세트의 LPC 필터 파라메터를 콘벌빙하는 단계와;

상기 보상된 세트의 LPC 필터 파라메터를 토대로 상기 입력 신호 벡터의 바이어스 보상된 전력 스펙트럼 밀도 추정값을 결정하는 단계를 포함하는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제 5 항에 있어서,

상기 바이어스 보상된 전력 스펙트럼 밀도 추정값은 1보다 작거나 동일한 양의 스케일링 인자와 승산되는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제 6 항에 있어서,

상기 스케일링 인자는 상기 잔여 신호 벡터의 전력 스펙트럼 밀도 추정값의 최대값의 역의 값인 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제 5 항, 제 6 항 또는 제 7 항에 있어서,

상기 입력 신호 벡터는 음성 샘플을 포함하는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 방법.
제1 세트의 LPC 파라메터를 결정하기 위하여 입력 신호 벡터에 대해 LPC 분석을 실행하는 수단(10)과;

상기 제1 세트의 LPC 파라메터를 토대로 상기 입력 신호 벡터의 제1 전력 스펙트럼 밀도 추정값을 결정하는 수단(12)과;

잔여 신호 벡터를 구하기 위해 상기 제1 세트의 LPC 파라메터에 의해 결정된 역 LPC 필터를 통해 상기 입력 신호 벡터를 필터링하는 수단(14)과;

제2 세트의 LPC 파라메터를 결정하기 위하여 상기 잔여 신호 벡터에 대해 LPC 분석을 실행하는 수단(16)과;

상기 제2 세트의 LPC 파라메터를 토대로 상기 잔여 신호 백터의 제2 전력 스펙트럼 밀도 추정값을 결정하는 수단(18) 및;

상기 제1 및 제2전력 스텍트럼 추정값의 곱에 비례하는 상기 입력 신호 벡터의 바이어스 보상된 전력 스펙트럼 추정값을 형성하는 수단(20)을 포함하는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 장치.
제1 세트의 LPC 필터 파라메터를 결정하기 위하여 입력 신호 벡터에 대해 LPC 분석을 실행하는 수단(10)과;

잔여 신호 벡터를 구하기 위해 상기 제1 세트의 LPC 필터 파라메터에 의해 결정된 역 LPC 필터를 통해 상기 입력 신호 백터를 필터링하는 수단(14)과;

제2 세트의 LPC 필터 파라메터를 결정하기 위하여 상기 잔여 신호 벡터에 대해 LPC 분석을 실행하는 수단(16)과;

보상된 세트의 LPC 필터 파라메터를 형성하기 위하여 상기 제2 세트의 LPC 필터 파라메터로 상기 제1 세트의 LPC필터 파라메터를 콘벌빙하는 수단(22) 및;

상기 보상된 세트의 LPC 필터 파라메터를 토대로 상기 입력 신호 벡터의 바이어스 보상된 전력 스펙트럼 밀도 추정값을 결정하는 수단(12')을 구비하는 것을 특징으로 하는 전력 스펙트럼 밀도 추정 장치.