RU2389086C2 - Способ и устройство для улучшения речи с помощью нескольких датчиков - Google Patents
Способ и устройство для улучшения речи с помощью нескольких датчиков Download PDFInfo
- Publication number
- RU2389086C2 RU2389086C2 RU2005127419/09A RU2005127419A RU2389086C2 RU 2389086 C2 RU2389086 C2 RU 2389086C2 RU 2005127419/09 A RU2005127419/09 A RU 2005127419/09A RU 2005127419 A RU2005127419 A RU 2005127419A RU 2389086 C2 RU2389086 C2 RU 2389086C2
- Authority
- RU
- Russia
- Prior art keywords
- signal
- speech
- channel response
- value
- alternative sensor
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002708 enhancing effect Effects 0.000 title 1
- 230000004044 response Effects 0.000 claims abstract description 58
- 230000000694 effects Effects 0.000 claims abstract 4
- 238000012549 training Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 10
- 239000012634 fragment Substances 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- CDFKCKUONRRKJD-UHFFFAOYSA-N 1-(3-chlorophenoxy)-3-[2-[[3-(3-chlorophenoxy)-2-hydroxypropyl]amino]ethylamino]propan-2-ol;methanesulfonic acid Chemical compound CS(O)(=O)=O.CS(O)(=O)=O.C=1C=CC(Cl)=CC=1OCC(O)CNCCNCC(O)COC1=CC=CC(Cl)=C1 CDFKCKUONRRKJD-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- 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
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2460/00—Details of hearing devices, i.e. of ear- or headphones covered by H04R1/10 or H04R5/033 but not provided for in any of their subgroups, or of hearing aids covered by H04R25/00 but not provided for in any of its subgroups
- H04R2460/13—Hearing devices using bone conduction transducers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Otolaryngology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Machine Translation (AREA)
Abstract
Изобретение относится к понижению шума, в частности к удалению шума из речевых сигналов. Способ и устройство для определения оценки значения речевого сигнала определяют канальный отклик альтернативного датчика с использованием сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости. Затем канальный отклик используется для оценивания чистого речевого значения с использованием, по меньшей мере, части сигнала альтернативного датчика. Технический результат - обеспечение оптимальной оценки значения речевых сигналов, когда шумовые условия тест-сигналов согласуются с шумовыми условиями обучающих сигналов. 3 н. и 23 з.п. ф-лы, 7 ил.
Description
УРОВЕНЬ ТЕХНИКИ
Настоящее изобретение относится к понижению шума. В частности, настоящее изобретение относится к удалению шума из речевых сигналов.
Общей проблемой распознавания речи и передачи речи является искажение речевого сигнала аддитивным шумом. В частности, доказано, что искажение вследствие речи другого говорящего трудно обнаружить и/или исправить.
В последнее время была разработана система, которая пытается устранить шум с использованием комбинации альтернативного датчика, например, микрофона костной звукопроводимости, и микрофона воздушной звукопроводимости. Эта система обучается с использованием трех каналов обучения: зашумленного обучающего сигнала альтернативного датчика, зашумленного обучающего сигнала микрофона воздушной звукопроводимости и чистого обучающего сигнала микрофона воздушной звукопроводимости. Каждый из этих сигналов преобразуется в область признаков (компонентов речи). Признаки (характеристики) для зашумленного сигнала альтернативного датчика и зашумленного сигнала микрофона воздушной звукопроводимости комбинируются в единый вектор, представляющий зашумленный сигнал. Признаки для чистого сигнала микрофона воздушной звукопроводимости образуют единый чистый вектор. Затем эти векторы используются для обучения отображения между зашумленными векторами и чистыми векторами. После обучения отображения применяются к зашумленному вектору, образованному из комбинации зашумленного тест-сигнала альтернативного датчика и зашумленного тест-сигнала микрофона воздушной звукопроводимости. Это отображение создает вектор чистого сигнала.
Эта система недостаточно оптимальна, когда шумовые условия тест-сигналов не согласуются с шумовыми условиями обучающих сигналов, так как отображения предназначены для шумовых условий обучающих сигналов.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Способ и устройство позволяют определять канальный отклик для альтернативного датчика с использованием сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости. Затем канальный отклик используется для оценки чистого речевого значения с использованием, по меньшей мере, части сигнала альтернативного датчика.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Фиг.1 - блок-схема одной вычислительной среды, в которой можно практически осуществить настоящее изобретение.
Фиг.2 - блок-схема альтернативной вычислительной среды, в которой можно практически осуществить настоящее изобретение.
Фиг.3 - блок-схема системы общей обработки речи, отвечающей настоящему изобретению.
Фиг.4 - блок-схема системы для улучшения речи согласно одному варианту осуществления настоящего изобретения.
Фиг.5 - блок-схема операций для улучшения речи согласно одному варианту осуществления настоящего изобретения.
Фиг.6 - блок-схема операций для улучшения речи согласно другому варианту осуществления настоящего изобретения.
Фиг.7 - блок-схема операций для улучшения речи согласно еще одному варианту осуществления настоящего изобретения.
ПОДРОБНОЕ ОПИСАНИЕ ИЛЛЮСТРАТИВНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ
На фиг.1 показан пример подходящей среды 100 вычислительной системы, в которой можно реализовать изобретение. Среда 100 вычислительной системы является лишь одним примером подходящей вычислительной среды и не призвана накладывать какие-либо ограничения на объем использования или функциональные возможности изобретения. Кроме того, вычислительную среду 100 не следует рассматривать как имеющую какую-либо зависимость или требование в отношении любого компонента, проиллюстрированного в иллюстративной рабочей среде 100 или их комбинации.
Изобретение применимо ко многим другим средам или конфигурациям вычислительных систем общего назначения или специального назначения. Примеры общеизвестных вычислительных систем, сред и/или конфигураций, пригодных для применения изобретения, включают в себя, но без ограничения, персональные компьютеры, компьютеры-серверы, карманные или портативные устройства, многопроцессорные системы, системы на основе микропроцессора, телевизионные приставки, программируемую бытовую электронику, сетевые ПК, мини-компьютеры, универсальные компьютеры, телефонные системы, распределенные вычислительные среды, которые включают в себя любые из вышеперечисленных систем или устройств, и т.п.
Изобретение можно описать в общем контексте компьютерно-выполняемых команд, например, программных модулей, выполняемых компьютером. В общем случае, программные модули включают в себя процедуры, программы, объекты, компоненты, структуры данных и т.д., которые выполняют конкретные задачи или реализуют специфические абстрактные типы данных. Изобретение можно применять на практике в распределенных вычислительных средах, где задачи выполняются удаленными устройствами обработки, связанными друг с другом посредством сети передачи данных. В распределенной вычислительной среде программные модули размещаются как на локальных, так и на удаленных компьютерных носителях данных, включая запоминающие устройства.
Согласно фиг.1, иллюстративная система для реализации изобретения включает в себя вычислительное устройство общего назначения в виде компьютера 110. Компоненты компьютера 110 включают в себя, но без ограничения, процессор 120, системную память 130 и системную шину 121, которая подключает различные компоненты системы, в том числе системную память, к процессору 120. Системная шина 121 может относиться к любому из нескольких типов шинных структур, включая шину памяти или контроллер памяти, периферийную шину и локальную шину с использованием различных шинных архитектур. В порядке примера, но не ограничения, такие архитектуры включают в себя шину «архитектуры промышленного стандарта» (ISA), шину «микроканальной архитектуры» (MCA), шину расширенной ISA (EISA), локальную шину «ассоциации по стандартизации видеоэлектроники» (VESA) и шину «взаимосоединения периферийных компонентов» (PCI), также именуемую шиной расширения.
Компьютер 110 обычно включает в себя различные считываемые компьютером среды. Считываемые компьютером среды могут представлять собой любые имеющиеся среды, к которым компьютер 110 может осуществлять доступ, и включают в себя энергозависимые и энергонезависимые среды, сменные и стационарные среды. В порядке примера, но не ограничения, считываемые компьютером среды могут содержать компьютерные носители данных и среды передачи данных. Компьютерные носители данных включает в себя энергозависимые и энергонезависимые, сменные и стационарные носители, реализованные с помощью любого метода или технологии для хранения информации, например, считываемых компьютером команд, структур данных, программных модулей или других данных. Компьютерные носители данных включает в себя, но без ограничения, ОЗУ, ПЗУ, ЭСППЗУ, цифровые универсальные диски (DVD) или другие оптические диски, магнитные кассеты, магнитную ленту или другие магнитные запоминающие устройства или любой другой носитель, который можно использовать для хранения полезной информации и к которому компьютер 110 может осуществлять доступ. Среды передачи данных обычно реализуют считываемые компьютером команды, структуры данных, программные модули или другие данные в сигнале, модулированном данными, например, несущей волне или другом транспортном механизме, и включают в себя любые среды доставки информации. Термин «сигнал, модулированный данными» означает сигнал, одна или несколько характеристик которого изменяются таким образом, чтобы кодировать информацию в сигнале. В порядке примера, но не ограничения, среды передачи данных включает в себя проводные среды, например, проводную сеть или прямое проводное соединение, и беспроводные среды, например, акустические, РЧ, инфракрасные и другие беспроводные среды. Комбинации любых вышеперечисленных сред также подлежат включению в понятие считываемых компьютером сред.
Системная память 130 включает в себя компьютерные носители данных в виде энергозависимой и/или энергонезависимой памяти, например, постоянной памяти (ПЗУ) 131 и оперативной памяти (ОЗУ) 132. Базовая система ввода/вывода 133 (BIOS), содержащая основные процедуры, которые помогают переносить информацию между элементами компьютера 110, например, при запуске, обычно хранятся в ПЗУ 131. ОЗУ 132 обычно содержит данные и/или программные модули, к которым процессор 120 может непосредственно обращаться или которыми он в данный момент оперирует. В порядке примера, но не ограничения, на фиг.1 показаны операционная система 134, прикладные программы 135, другие программные модули 136 и программные данные 137.
Компьютер 110 также может включать в себя другие сменные/стационарные, энергозависимые/энергонезависимые компьютерные носители данных. Исключительно для примера, на фиг.1 показаны накопитель 141 на жестком диске, который считывает с или записывает на стационарный энергонезависимый магнитный носитель, накопитель 151 на магнитном диске, который считывает с или записывает на сменный энергонезависимый магнитный диск 152, и накопитель 155 на оптическом диске, который считывает с или записывает на сменный энергонезависимый оптический диск 156, например, CD-ROM или другой оптический носитель. Другие сменные/стационарные, энергозависимые/энергонезависимые компьютерные носители данных, которые можно использовать в иллюстративной рабочей среде, включают в себя, но без ограничения, кассеты с магнитной лентой, карты флэш-памяти, цифровые универсальные диски, цифровую видеоленту, полупроводниковое ОЗУ, полупроводниковое ПЗУ и т.д. Накопитель 141 на жестком диске обычно подключен к системной шине 121 через интерфейс стационарной памяти, например интерфейс 140, и накопитель 151 на магнитном диске и накопитель 155 на оптическом диске обычно подключены к системной шине 121 посредством интерфейса сменной памяти, например, интерфейса 150.
Накопители и соответствующие компьютерные носители данных, рассмотренные выше и показанные на фиг.1, обеспечивают хранение считываемых компьютером команд, структур данных, программных модулей и других данных для компьютера 110. Например, на фиг.1 показано, что в накопителе 141 жесткого диска хранятся операционная система 144, прикладные программы 145, другие программные модули 146 и программные данные 147. Заметим, что эти компоненты могут совпадать с или отличаться от операционной системы 134, прикладных программ 135, других программных модулей 136 и программных данных 137. Операционная система 144, прикладные программы 145, другие программные модули 146 и программные данные 147 обозначены здесь другими позициями, чтобы подчеркнуть, что они являются, как минимум, разными копиями.
Пользователь может вводить команды и информацию в компьютер 110 через устройства ввода, например, клавиатуру 162, микрофон 163 и указательное устройство 161, например, мышь, шаровой манипулятор или сенсорную панель. Другие устройства ввода (не показаны) могут включать в себя джойстик, игровую панель, спутниковую антенну, сканер и т.п. Эти и другие устройства ввода часто подключены к процессору 120 через интерфейс 160 пользовательского ввода, который подключен к системной шине, но могут подключаться посредством других интерфейсов и шинных структур, например, параллельного порта, игрового порта или универсальной последовательной шины (USB). Монитор 191 или устройство отображения другого типа также подключен к системной шине 121 через интерфейс, например, видеоинтерфейс 190. Помимо монитора, компьютеры также могут включать в себя другие периферийные устройства вывода, например громкоговорители 197 и принтер 196, которые могут подключаться через интерфейс 195 выходной периферии.
Компьютер 110 работает в сетевой среде с использованием логических соединений с одним или несколькими удаленными компьютерами, например удаленным компьютером 180. Удаленный компьютер 180 может представлять собой персональный компьютер, карманное устройство, сервер, маршрутизатор, сетевой ПК, равноправное устройство или другой общий сетевой узел, и обычно включает в себя многие или все элементы, описанные выше применительно к компьютеру 110. Логические соединения, описанные на фиг.1, включают в себя локальную сеть (ЛС) 171 и глобальную сеть (ГС) 173, но также могут включать в себя другие сети. Такие сетевые среды обычно применяются в учреждениях, компьютерных сетях в масштабе предприятия, интранетах и Интернете.
При использовании в сетевой среде ЛС, компьютер 110 подключен к ЛС 171 через сетевой интерфейс или адаптер 170. При использовании в сетевой среде ГС, компьютер 110 обычно включает в себя модем 172 или другое средство установления связи в ГС 173, например, Интернете. Модем 172, который может быть внутренним или внешним, может быть подключен к системной шине 121 через интерфейс 160 пользовательского ввода или другой пригодный механизм. В сетевой среде программные модули, описанные применительно к компьютеру 110, или часть из них могут храниться в удаленном запоминающем устройстве. В порядке примера, но не ограничения, на фиг.1 показано, что удаленные прикладные программы 185 размещены на удаленном компьютере 180. Заметим, что показанные сетевые соединения являются иллюстративными и можно использовать другие средства установления линии связи между компьютерами.
На фиг.2 показана блок-схема мобильного устройства 200, которое является иллюстративной вычислительной средой. Мобильное устройство 200 включает в себя микропроцессор 202, память 204, компоненты 206 ввода/вывода и интерфейс 208 передачи данных для связи с удаленными компьютерами или другими мобильными устройствами. В одном варианте осуществления вышеупомянутые компоненты соединены для связи друг с другом посредством подходящей шины 210.
Память 204 реализована как энергонезависимая электронная память, например, оперативная память (ОЗУ) с блоком батарейной поддержки (не показан), так что информация, хранящаяся в памяти 204, не теряется при отключении общего питания мобильного устройства 200. Часть памяти 204, предпочтительно, выделена как адресуемая память для выполнения программ, тогда как другая часть памяти 204, предпочтительно, используется для хранения, например, для имитации хранения в дисководе.
Память 204 включает в себя операционную систему 212, прикладные программы 214, а также хранилище 216 объектов. В ходе работы операционная система 212, предпочтительно, выполняется процессором 202 из памяти 204. Операционная система 212 в одном предпочтительном варианте осуществления представляет собой операционную систему WINDOWS® CE, коммерчески доступную от Microsoft Corporation. Операционная система 212, предпочтительно, предназначена для мобильных устройств и реализует особенности базы данных, которые могут использоваться приложениями 214 через набор открытых программных интерфейсов приложений и методов. Объекты в хранилище 216 объектов поддерживаются приложениями 214 и операционной системой 212, по меньшей мере, частично, в ответ на вызовы к открытым программным интерфейсам приложений и методам.
Интерфейс 208 передачи данных представляет многочисленные устройства и технологии, которые позволяют мобильному устройству 200 передавать и принимать информацию. Устройства включают в себя, помимо прочего, проводной и беспроводной модемы, спутниковые приемники и широковещательные тюнеры. Мобильное устройство 200 также может непосредственно подключаться к компьютеру для обмена данными с ним. В таких случаях интерфейс 208 передачи данных может представлять собой инфракрасный приемопередатчик или последовательное или параллельное соединение с передачей данных, любое устройство из которых способно передавать потоковую информацию.
Компоненты 206 ввода/вывода включают в себя разнообразные устройства ввода, например, сенсорный экран, кнопки, ролики и микрофон, а также разнообразные устройства вывода, включая аудиогенератор, вибрационное устройство и дисплей. Вышеперечисленные устройства носят иллюстративный характер и не обязаны присутствовать в мобильном устройстве 200. Кроме того, другие устройства ввода/вывода могут быть присоединены к мобильному устройству 200 или входить в его состав, в рамках объема настоящего изобретения.
На фиг.3 изображена основная блок-схема вариантов осуществления настоящего изобретения. Согласно фиг.3 говорящий 300 генерирует речевой сигнал 302 (X), который регистрируется микрофоном 304 воздушной звукопроводимости и альтернативным датчиком 306. Примеры альтернативных датчиков включают в себя ларингофон, который измеряет горловые вибрации пользователя, датчик костной звукопроводимости, размещенный на или рядом с лицевой или черепной костью пользователя (например, челюстной костью) или в ухе пользователя, и воспринимает вибрации черепа и челюсти, которые соответствуют речи, генерируемой пользователем. Микрофон 304 воздушной звукопроводимости представляет собой микрофон такого типа, который обычно используется для преобразования акустических волн, распространяющихся в воздухе, в электрические сигналы.
Микрофон 304 воздушной звукопроводимости также принимает шум 308 окружающей среды (U), генерируемый одним или несколькими источниками 310 шума, и фоновую речь 312 (V), генерируемую фоновым(и) говорящим(и) 314. В зависимости от типа альтернативного датчика и уровня фоновой речи, фоновая речь 312 также может регистрироваться альтернативным датчиком 306. Однако, согласно вариантам осуществления настоящего изобретения, альтернативный датчик 306 обычно менее чувствителен к шуму окружающей среды и фоновой речи, чем микрофон 304 воздушной звукопроводимости. Таким образом, сигнал 316 альтернативного датчика (B), генерируемый альтернативным датчиком 306, в общем случае включает в себя меньше шума, чем сигнал 318 микрофона воздушной звукопроводимости (Y), генерируемый микрофоном 304 воздушной звукопроводимости. Хотя альтернативный датчик 306 менее чувствителен к шуму окружающей среды, он генерирует некоторый шум 320 датчика (W).
Путь от говорящего 300 к сигналу 316 альтернативного датчика можно смоделировать как канал, имеющий канальный отклик H. Путь от фонового(ых) говорящего(их) 314 к сигналу 316 альтернативного датчика можно смоделировать как канал, имеющий канальный отклик G.
Сигнал 316 альтернативного датчика (B) и сигнал 318 микрофона воздушной звукопроводимости (Y) поступают на блок 322 оценки чистого сигнала, который оценивает чистый сигнал 324 и в некоторых вариантах осуществления оценивает фоновый речевой сигнал 326. Оценка 324 чистого сигнала поступает на блок 328 обработки речи. Оценка 324 чистого сигнала может представлять собой либо сигнал, отфильтрованный во временной области, либо вектор преобразования Фурье. Если оценка 324 чистого сигнала является сигналом во временной области, то блок 328 обработки речи может представлять собой слушающего, систему кодирования речи или систему распознавания речи. Если оценка 324 чистого сигнала является вектором преобразования Фурье, то блок 328 обработки речи обычно является системой распознавания речи или содержит обратное преобразование Фурье для преобразования вектора преобразования Фурье в формы волны.
В блоке 322 улучшения методом прямой фильтрации, сигнал 316 альтернативного датчика и сигнал 318 микрофона преобразуются в частотную область для оценивания чистой речи. Как показано на фиг.4, сигнал 316 альтернативного датчика и сигнал 318 микрофона воздушной звукопроводимости поступают на аналого-цифровые преобразователи 404 и 414 соответственно для генерации последовательности цифровых значений, которые группируются в кадры значений блоками 406 и 416 построения кадров соответственно. В одном варианте осуществления АЦП 404 и 414 дискретизируют аналоговые сигналы на частоте 16 кГц и 16 битов на выборку, создавая таким образом 32 килобайта речевых данных в секунду, и блоки 406 и 416 построения кадров каждые 10 миллисекунд создают новый соответствующий кадр, который включает в себя 20 миллисекунд полезных данных.
Каждый соответствующий кадр данных, обеспеченный блоками 406 и 416 построения кадров, преобразуется в частотную область с использованием блоков 408 и 418 быстрого преобразования Фурье (БПФ) соответственно.
Значения частотной области для сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости поступают на блок 420 оценки чистого сигнала, который использует значения частотной области для оценивания чистого речевого сигнала 324 и в некоторых вариантах осуществления - фонового речевого сигнала 326.
В некоторых вариантах осуществления чистый речевой сигнал 324 и фоновый речевой сигнал 326 преобразуются обратно в частотную область с использованием блоков 422 и 424 обратного быстрого преобразования Фурье. В результате получаются версии временной области для чистого речевого сигнала 324 и фонового речевого сигнала 326.
Настоящее изобретение предусматривает методы прямой фильтрации для оценивания чистого речевого сигнала 324. В процессе прямой фильтрации оценка максимального правдоподобия канального(ых) отклика(ов) для альтернативного датчика 306 определяется путем минимизации функции относительно канального(ых) отклика(ов). Затем эти оценки используются для определения оценки максимального правдоподобия чистого речевого сигнала путем минимизации функции относительно чистого речевого сигнала.
Согласно одному варианту осуществления настоящего изобретения, канальный отклик G, соответствующий фоновой речи, регистрируемый альтернативным датчиком, полагается равным нулю, и фоновая речь и шум окружающей среды комбинируются для формирования единого шумового члена. Это приводит к модели между чистым речевым сигналом и сигналом микрофона воздушной звукопроводимости и сигнала альтернативного датчика следующим образом:
где - сигнал микрофона воздушной звукопроводимости, - сигнал альтернативного датчика, - чистый речевой сигнал, - комбинированный шумовой сигнал, который включает в себя фоновую речь и шум окружающей среды, - шум альтернативного датчика и - канальный отклик на чистый речевой сигнал, связанный с альтернативным датчиком. Таким образом, в уравнении 2, сигнал альтернативного датчика моделируется как отфильтрованная версия чистой речи, где фильтр имеет импульсный отклик .
В частотной области, уравнения 1 и 2 можно выразить так:
где обозначение представляет k-ю частотную составляющую кадра сигнала с центром в моменте времени t. Это обозначение применяется к , , , и . В нижеследующем рассмотрении ссылка на частотную составляющую k опущена для простоты. Однако специалистам в данной области очевидно, что производимые ниже вычисления производятся для каждой частотной составляющей в отдельности.
Согласно этому варианту осуществления, действительная и мнимая части шума и моделируются как независимые гауссовы распределения с нулевым математическим ожиданием, так что:
При данных параметрах модели вероятность чистого речевого значения и значения канального отклика описывается условной вероятностью:
которая пропорциональна
которая равна
В одном варианте осуществления априорная вероятность для канального отклика, , и априорная вероятность для чистого речевого сигнала, , игнорируются, и остальные вероятности рассматриваются как распределения Гаусса. Используя эти упрощения, преобразуем уравнение 10:
Таким образом, оценка максимального правдоподобия для фрагмента речи определяется путем минимизации экспоненциального члена уравнения 11 по всем временным кадрам T во фрагменте речи. Таким образом, оценка максимального правдоподобия задается минимизацией:
Поскольку уравнение 12 минимизируется относительно двух переменных, , для определения значения этой переменной, которое минимизирует функцию, можно взять частную производную по каждой переменной. В частности, дает:
Подставляя это значение в уравнение 12, задавая частную производную , и затем предполагая, что H постоянна по всем временным кадрам Т, получаем решение для Н:
В уравнении 14 для оценивания Н требуется вычислить несколько сумм по последним Т кадрам в виде:
В этой формуле первый кадр (t=1) столь же важен, как и последний кадр (t=T). Однако в других вариантах осуществления предпочтительно, чтобы последние кадры вносили больший вклад в оценку Н, чем более старые кадры. Один из методов, позволяющий добиться этого, называется «экспоненциальное старение», в котором суммирование уравнения 15 заменяется на
где . Если с=1, то уравнение 16 эквивалентно уравнению 15, если c<1, то последний кадр взвешивается с коэффициентом 1, предпоследний кадр взвешивается с коэффициентом с (т.е. его вклад меньше, чем вклад последнего кадра), и первый кадр взвешивается с коэффициентом cT−1 (т.е. его вклад значительно меньше вклада последнего кадра). Рассмотрим пример. Пусть c=0,99 и T=100, тогда вес первого кадра составляет только 0,9999=0,37.
Согласно одному варианту осуществления уравнение 16 рекурсивно оценивается как
Поскольку уравнение 17 автоматически взвешивает старые данные меньше, не требуется использовать окно фиксированной длины, и данные последних Т кадров не нужно хранить в памяти. Вместо этого, нужно хранить только значение S(T-1) на предыдущем кадре.
Используя уравнение 17, преобразуем уравнение 14:
где
Значение с в уравнениях 19 и 20 обеспечивает эффективную длину для количества прошлых кадров, которые использовались для вычисления текущего значения J(T) и K(T). В частности, эффективная длина задается
Асимптотическая эффективная длина задается
или, эквивалентно,
Таким образом, используя уравнение 23, можно задать с, чтобы получить разные эффективные длины в уравнении 18. Например, чтобы получить эффективную длину в 200 кадров, с задается как:
Оценив Н с использованием уравнения 14, его можно использовать вместо всех из уравнения 13 для определения отдельного значения на каждом временном кадре t. Альтернативно, уравнение 18 можно использовать для оценивания на каждом временном кадре t. Значение на каждом кадре затем используется в уравнении 13 для определения .
На фиг.5 показана последовательность этапов способа, отвечающего настоящему изобретению, согласно которому используют уравнения 13 и 14, чтобы оценить чистое речевое значение для фрагмента речи.
На этапе 500 частотные составляющие кадров сигнала микрофона воздушной звукопроводимости и сигнал альтернативного датчика захватывают по всему фрагменту речи.
На этапе 502 дисперсию шума микрофона воздушной звукопроводимости и шума альтернативного датчика определяют из кадров сигнала микрофона воздушной звукопроводимости и сигнала альтернативного датчика соответственно, которые захвачены заранее во фрагменте речи, когда говорящий не говорит.
Согласно способу, определяют, когда говорящий не говорит, идентифицируя низкоэнергичные части сигнала альтернативного датчика, поскольку энергия шума альтернативного датчика гораздо меньше, чем речевой сигнал, захваченный сигналом альтернативного датчика. В других вариантах осуществления известные методы обнаружения можно применять к речевому сигналу воздушной звукопроводимости, чтобы идентифицировать, когда говорящий говорит. В течение периодов, когда не считается, что говорящий говорит, полагают равным нулю, и любой сигнал от микрофона воздушной звукопроводимости или альтернативного датчика рассматривается как шум. Выборки этих шумовых значений собирают из кадров отсутствия речевой активности и используют для оценивания дисперсии шума в сигнале воздушной звукопроводимости и сигнале альтернативного датчика.
На этапе 504 значения сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости по всем кадрам фрагмента речи используют для определения значения Н с использованием вышеприведенного уравнения 14. На этапе 506 это значение Н используют совместно с отдельными значениями сигнала микрофона воздушной звукопроводимости и сигнала альтернативного датчика на каждом временном кадре для определения улучшенного речевого значения или речевого значения с пониженным шумом для каждого временного кадра с использованием вышеприведенного уравнения 13.
В других вариантах осуществления вместо того, чтобы использовать все кадры фрагмент речи для определения единого значения Н с использованием уравнения 14, определяют для каждого кадра с использованием уравнения 18. Затем значение используют для вычисления для кадра с использованием вышеприведенного уравнения 13.
Во втором варианте осуществления настоящего изобретения, канальный отклик альтернативного датчика на фоновую речь считают неравным нулю. В этом варианте осуществления сигнал микрофона воздушной звукопроводимости и сигнал альтернативного датчика моделируют как:
где шум делится на фоновую речь и шум окружающей среды , и канальный отклик альтернативного датчика на фоновую речь является ненулевым значением .
В этом вариант осуществления априорное знание чистой речи продолжают игнорировать. Исходя из этого предположения, максимальное правдоподобие для чистой речи можно найти, минимизировав целевую функцию:
В результате уравнение для чистой речи приобретает вид:
Чтобы решить уравнение 28, нужно знать дисперсии , и , а также значения канального отклика и . На фиг.6 изображена последовательность операций для идентификации этих значений и для определения улучшенных речевых значений для каждого кадра.
На этапе 600 идентифицируют кадры фрагмента речи, когда пользователь не говорит и отсутствует фоновая речь. Затем эти кадры используют для определения дисперсии и для альтернативного датчика и микрофона воздушной звукопроводимости соответственно.
Чтобы идентифицировать кадры, когда пользователь не говорит, можно проверять сигнал альтернативного датчика. Поскольку сигнал альтернативного датчика создает гораздо меньшие значения сигнала для фоновой речи, чем для шума, если энергия сигнал альтернативного датчика низка, можно предположить, что говорящий не говорит. В кадрах, идентифицированных на основании альтернативного сигнала, можно применять алгоритм обнаружения речи к сигналу микрофона воздушной звукопроводимости. Эта система обнаружения речи будет выявлять, присутствует ли фоновая речь в сигнале микрофона воздушной звукопроводимости, когда пользователь не говорит. Такие алгоритмы обнаружения речи широко известны в уровне техники и включают в себя, например, системы отслеживания высоты тона.
После определения дисперсий для шума, связанного с микрофоном воздушной звукопроводимости и альтернативны датчиком, способ, представленный на фиг.6, переходит к этапу 602, на котором идентифицируют кадры, когда пользователь не говорит, но присутствует фоновая речь. Эти кадры идентифицируют с использованием вышеописанного метода, но выбирают те кадры, которые включают в себя фоновую речь, когда пользователь не говорит. Для тех кадров, которые включают в себя фоновую речь, когда пользователь не говорит, предполагается, что фоновая речь гораздо больше, чем шум окружающей среды. Поэтому считается, что любая дисперсия в сигнале микрофона воздушной звукопроводимости в течение этих кадров связана с фоновой речью. В результате, дисперсию можно задать непосредственно из значений сигнал микрофона воздушной звукопроводимости в течение, когда пользователь не говорит, но присутствует фоновая речь.
На этапе 604 идентифицированные кадры, когда пользователь не говорит, но присутствует фоновая речь, используют для оценивания канального отклика G альтернативного датчика для фоновой речи. В частности, G определяют как:
где D - количество кадров, в которых пользователь не говорит, но присутствует фоновая речь. В уравнении 29 предполагается, что G остается постоянным на протяжение всех кадров фрагмента речи и, таким образом, уже не зависит от временного кадра t.
На этапе 606 значение канального отклика G альтернативного датчика на фоновую речь используют для определения канального отклика альтернативного датчика на чистый речевой сигнал. В частности, Н вычисляют как:
В уравнении 30 суммирование по t можно заменить рекурсивным вычислением экспоненциального спада, описанным выше в связи с уравнениями 15-24.
После определения H на этапе 606 уравнение 28 можно использовать для определения чистого речевого значения для всех кадров. При использовании уравнения 28 и заменяют независящими от времени значениями H и G соответственно. Кроме того, согласно некоторым вариантам осуществления, член в уравнении 28 заменяют , поскольку оказалось трудно точно определить разность фаз между фоновой речью и ее рассеиванием в альтернативном датчике.
Если рекурсивное вычисление экспоненциального спада использовать вместо суммирований в уравнении 30, для каждого временного кадра можно определить отдельное значение и можно использовать как в уравнении 28.
В дальнейшем расширении вышеописанного варианта осуществления можно обеспечить оценку фонового речевого сигнала в каждом временном кадре. В частности, когда значение чистой речи определено, фоновое речевое значение в каждом кадре можно определить как:
Этот необязательный этап показан как этап 610 на фиг.6.
В вышеописанных вариантах осуществления априорное знание канального отклика альтернативного датчика на чистый речевой сигнал игнорировалось. В другом варианте осуществления это априорное знание можно использовать, если оно обеспечено, для генерирования оценки канального отклика в каждом временном кадре и для определения чистого речевого значения .
В этом варианте осуществления канальный отклик на шум фоновой речи снова полагают равным нулю. Таким образом, модель сигнала воздушной звукопроводимости и сигнала альтернативного датчика такая же, как модель, показанная в вышеприведенных уравнениях 3 и 4.
Уравнения для оценивания чистого речевого значения и канального отклика в каждом временном кадре определяются путем минимизации целевой функции:
Для минимизации этой целевой функции относительно и берут частные производные по этим двум переменным независимо и приравнивают результаты нулю. Таким образом, получаются следующие уравнения для и :
где и - математическое ожидание и дисперсия соответственно априорной модели для канального отклика альтернативного датчика к чистому речевому сигналу. Поскольку уравнение для включает в себя , и уравнение для включает в себя переменную , уравнения 33 и 34 нужно решать методом итераций. На фиг.7 показана последовательность операций для осуществления такой итерации.
На этапе 700, показанном на фиг.7, определяют параметры априорной модели для канального отклика. На этапе 702 определяют оценку . Эту оценку можно определить с использованием любого из предыдущих вариантов осуществления, описанных выше, в которых априорная модель канального отклика игнорируется. На этапе 704 параметры априорной модели и начальную оценку используют для определения с помощью уравнения 34. Затем используют для обновления чистых речевых значений с помощью Уравнения 3 на этапе 706. На этапе 707 определяют, нужны ли дополнительные итерации. Если дальнейшие итерации нужны, возвращаются к этапу 704 и обновляют значение с использованием обновленных значений , определенных на этапе 706. Этапы 704 и 706 повторяют, пока на этапе 708 не будет определено, что итерации больше не нужны, и в этот момент процесс оканчивается на этапе 710.
Хотя настоящее изобретение было описано со ссылкой на конкретные варианты осуществления, специалисты в данной области должны понимать, что возможны различные изменения, касающиеся формы и деталей, не выходящие за рамки сущности и объема изобретения.
Claims (26)
1. Способ определения оценки значения речевого сигнала, причем способ содержит этапы, на которых
генерируют речевой сигнал говорящего, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика, причем сигнал альтернативного датчика соответствует речевому сигналу говорящего,
генерируют электрический сигнал от микрофона воздушной звукопроводимости,
используют упомянутый сигнал альтернативного датчика и сигнал микрофона воздушной звукопроводимости, чтобы оценить значение канального отклика сигнала альтернативного датчика, и
используют упомянутое оцененное значение канального отклика для получения оценки речевого сигнала с пониженным шумом.
генерируют речевой сигнал говорящего, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика, причем сигнал альтернативного датчика соответствует речевому сигналу говорящего,
генерируют электрический сигнал от микрофона воздушной звукопроводимости,
используют упомянутый сигнал альтернативного датчика и сигнал микрофона воздушной звукопроводимости, чтобы оценить значение канального отклика сигнала альтернативного датчика, и
используют упомянутое оцененное значение канального отклика для получения оценки речевого сигнала с пониженным шумом.
2. Способ по п.1, в котором для оценивания значения канального отклика находят экстремум целевой функции.
3. Способ по п.1, в котором для оценивания канального отклика моделируют сигнал альтернативного датчика как чистый речевой сигнал, свернутый с канальным откликом, и суммируют результат с шумовым членом.
4. Способ по п.1, в котором канальный отклик содержит канальный отклик на чистый речевой сигнал.
5. Способ по п.4, дополнительно содержащий этап, на котором определяют значение канального отклика альтернативного датчика на генерируемый фоновый речевой сигнал.
6. Способ по п.5, в котором при использовании канального отклика для оценивания значения речевого сигнала с пониженным шумом используют канальный отклик на чистый речевой сигнал и канальный отклик на фоновый речевой сигнал, чтобы оценить значение с пониженным шумом.
7. Способ по п.1, дополнительно содержащий этап, на котором используют оценку значения речевого сигнала с пониженным шумом, чтобы оценить значение фонового речевого сигнала.
8. Способ по п.1, в котором при оценивании значения канального отклика используют последовательность кадров сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости, чтобы оценить одно значение канального отклика для кадров в последовательности кадров.
9. Способ по п.8, в котором при использовании канального отклика для оценивания значения речевого сигнала с пониженным шумом оценивают отдельное значение с пониженным шумом для каждого кадра в последовательности кадров.
10. Способ по п.1, в котором при оценивании значения канального отклика оценивают это значение для текущего кадра, придавая значениям для сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости в текущем кадре более высокий вес, чем значениям для сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости в предыдущем кадре.
11. Считываемый компьютером носитель, имеющий выполняемые компьютером команды для реализации способа оценки значения речевого сигнала, содержащего этапы:
генерирование речевого сигнала, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика,
определение канального отклика альтернативного датчика с использованием сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости,
использование определенного канального отклика для оценивания чистого речевого значения с использованием, по меньшей мере, части сигнала альтернативного датчика.
генерирование речевого сигнала, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика,
определение канального отклика альтернативного датчика с использованием сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости,
использование определенного канального отклика для оценивания чистого речевого значения с использованием, по меньшей мере, части сигнала альтернативного датчика.
12. Считываемый компьютером носитель по п.11, в котором определение канального отклика содержит определение одного канального отклика для последовательности кадров сигнала альтернативного датчика и сигнала микрофона воздушной звукопроводимости.
13. Считываемый компьютером носитель по п.11, в котором канальный отклик содержит канальный отклик на чистый речевой сигнал.
14. Считываемый компьютером носитель по п.13, дополнительно содержащий определение канального отклика на генерируемый фоновый речевой сигнал.
15. Считываемый компьютером носитель по п.14, дополнительно содержащий использование канального отклика на упомянутый фоновый речевой сигнал совместно с канальным откликом на чистый речевой сигнал для оценивания чистого речевого значения.
16. Считываемый компьютером носитель по п.11, дополнительно содержащий использование чистого речевого значения для оценивания фонового речевого значения.
17. Способ идентификации чистого речевого сигнала, содержащий этапы, на которых
генерируют речевой сигнал, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика,
оценивают шумовые параметры, которые описывают шум в сигнале альтернативного датчика,
используют шумовые параметры для оценивания канального отклика альтернативного датчика и
используют канальный отклик для оценивания значения чистого речевого сигнала.
генерируют речевой сигнал, который регистрируют с помощью микрофона воздушной звукопроводимости и альтернативного датчика,
оценивают шумовые параметры, которые описывают шум в сигнале альтернативного датчика,
используют шумовые параметры для оценивания канального отклика альтернативного датчика и
используют канальный отклик для оценивания значения чистого речевого сигнала.
18. Способ по п.17, в котором при оценивании шумовых параметров используют сигнал альтернативного датчика, чтобы идентифицировать периоды, когда пользователь не говорит.
19. Способ по п.18, дополнительно содержащий этап, на котором осуществляют обнаружение речи в частях сигнала микрофона воздушной звукопроводимости, связанных с периодами, когда пользователь не говорит, чтобы идентифицировать периоды отсутствия речевой активности и периоды фоновой речи.
20. Способ по п.19, дополнительно содержащий этап, на котором используют части сигнала альтернативного датчика, связанные с периодами отсутствия речевой активности, чтобы оценить шумовые параметры.
21. Способ по п.20, дополнительно содержащий этап, на котором используют периоды отсутствия речевой активности для оценивания шумовых параметров, которые описывают шум в сигнале микрофона воздушной звукопроводимости.
22. Способ по п.20, дополнительно содержащий этап, на котором используют части сигнала альтернативного датчика, связанные с периодами фоновой речи, чтобы оценить канальный отклик на фоновую речь.
23. Способ по п.22, дополнительно содержащий этап, на котором используют канальный отклик на фоновую речь, чтобы оценить чистую речь.
24. Способ по п.17, дополнительно содержащий этап, на котором определяют оценку значения фоновой речи.
25. Способ по п.24, в котором при определении оценки фонового речевого значения используют оценку значения чистой речи, чтобы оценить значение фоновой речи.
26. Способ по п.17, дополнительно содержащий этап, на котором используют априорную модель канального отклика, чтобы оценить значение чистой речи.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/944,235 US7574008B2 (en) | 2004-09-17 | 2004-09-17 | Method and apparatus for multi-sensory speech enhancement |
US10/944,235 | 2004-09-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2005127419A RU2005127419A (ru) | 2007-03-10 |
RU2389086C2 true RU2389086C2 (ru) | 2010-05-10 |
Family
ID=35430655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2005127419/09A RU2389086C2 (ru) | 2004-09-17 | 2005-08-31 | Способ и устройство для улучшения речи с помощью нескольких датчиков |
Country Status (11)
Country | Link |
---|---|
US (1) | US7574008B2 (ru) |
EP (1) | EP1638084B1 (ru) |
JP (1) | JP4842583B2 (ru) |
KR (1) | KR101153093B1 (ru) |
CN (1) | CN100583243C (ru) |
AT (1) | ATE448541T1 (ru) |
AU (1) | AU2005202858A1 (ru) |
CA (1) | CA2513195C (ru) |
DE (1) | DE602005017549D1 (ru) |
MX (1) | MXPA05008740A (ru) |
RU (1) | RU2389086C2 (ru) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6675027B1 (en) * | 1999-11-22 | 2004-01-06 | Microsoft Corp | Personal mobile computing device having antenna microphone for improved speech recognition |
US20050033571A1 (en) * | 2003-08-07 | 2005-02-10 | Microsoft Corporation | Head mounted multi-sensory audio input system |
US7383181B2 (en) * | 2003-07-29 | 2008-06-03 | Microsoft Corporation | Multi-sensory speech detection system |
US7447630B2 (en) * | 2003-11-26 | 2008-11-04 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement |
US7499686B2 (en) * | 2004-02-24 | 2009-03-03 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement on a mobile device |
US7574008B2 (en) | 2004-09-17 | 2009-08-11 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement |
US7283850B2 (en) * | 2004-10-12 | 2007-10-16 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement on a mobile device |
US7346504B2 (en) * | 2005-06-20 | 2008-03-18 | Microsoft Corporation | Multi-sensory speech enhancement using a clean speech prior |
US7680656B2 (en) * | 2005-06-28 | 2010-03-16 | Microsoft Corporation | Multi-sensory speech enhancement using a speech-state model |
US7406303B2 (en) | 2005-07-05 | 2008-07-29 | Microsoft Corporation | Multi-sensory speech enhancement using synthesized sensor signal |
KR100738332B1 (ko) * | 2005-10-28 | 2007-07-12 | 한국전자통신연구원 | 성대신호 인식 장치 및 그 방법 |
US7930178B2 (en) * | 2005-12-23 | 2011-04-19 | Microsoft Corporation | Speech modeling and enhancement based on magnitude-normalized spectra |
KR100857877B1 (ko) * | 2006-09-14 | 2008-09-17 | 유메디칼 주식회사 | 자동차폐가 가능한 순음청력검사장치 |
US7925502B2 (en) * | 2007-03-01 | 2011-04-12 | Microsoft Corporation | Pitch model for noise estimation |
ES2613693T3 (es) * | 2008-05-09 | 2017-05-25 | Nokia Technologies Oy | Aparato de audio |
US9767817B2 (en) * | 2008-05-14 | 2017-09-19 | Sony Corporation | Adaptively filtering a microphone signal responsive to vibration sensed in a user's face while speaking |
US8639499B2 (en) * | 2010-07-28 | 2014-01-28 | Motorola Solutions, Inc. | Formant aided noise cancellation using multiple microphones |
EP2482566B1 (en) * | 2011-01-28 | 2014-07-16 | Sony Ericsson Mobile Communications AB | Method for generating an audio signal |
US8670554B2 (en) * | 2011-04-20 | 2014-03-11 | Aurenta Inc. | Method for encoding multiple microphone signals into a source-separable audio signal for network transmission and an apparatus for directed source separation |
US10067093B2 (en) | 2013-07-01 | 2018-09-04 | Richard S. Goldhor | Decomposing data signals into independent additive terms using reference signals |
US10540992B2 (en) | 2012-06-29 | 2020-01-21 | Richard S. Goldhor | Deflation and decomposition of data signals using reference signals |
US10473628B2 (en) * | 2012-06-29 | 2019-11-12 | Speech Technology & Applied Research Corporation | Signal source separation partially based on non-sensor information |
CN103871419B (zh) * | 2012-12-11 | 2017-05-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
JP6446913B2 (ja) | 2014-08-27 | 2019-01-09 | 富士通株式会社 | 音声処理装置、音声処理方法及び音声処理用コンピュータプログラム |
US10726859B2 (en) | 2015-11-09 | 2020-07-28 | Invisio Communication A/S | Method of and system for noise suppression |
CN110085250B (zh) * | 2016-01-14 | 2023-07-28 | 深圳市韶音科技有限公司 | 气导噪声统计模型的建立方法及应用方法 |
WO2018083511A1 (zh) * | 2016-11-03 | 2018-05-11 | 北京金锐德路科技有限公司 | 一种音频播放装置及方法 |
US10062373B2 (en) * | 2016-11-03 | 2018-08-28 | Bragi GmbH | Selective audio isolation from body generated sound system and method |
CN106686494A (zh) * | 2016-12-27 | 2017-05-17 | 广东小天才科技有限公司 | 一种可穿戴设备的语音输入控制方法及可穿戴设备 |
GB201713946D0 (en) * | 2017-06-16 | 2017-10-18 | Cirrus Logic Int Semiconductor Ltd | Earbud speech estimation |
CN107910011B (zh) | 2017-12-28 | 2021-05-04 | 科大讯飞股份有限公司 | 一种语音降噪方法、装置、服务器及存储介质 |
US11854566B2 (en) * | 2018-06-21 | 2023-12-26 | Magic Leap, Inc. | Wearable system speech processing |
CN113748462A (zh) | 2019-03-01 | 2021-12-03 | 奇跃公司 | 确定用于语音处理引擎的输入 |
US11049509B2 (en) | 2019-03-06 | 2021-06-29 | Plantronics, Inc. | Voice signal enhancement for head-worn audio devices |
US11328740B2 (en) | 2019-08-07 | 2022-05-10 | Magic Leap, Inc. | Voice onset detection |
US11917384B2 (en) | 2020-03-27 | 2024-02-27 | Magic Leap, Inc. | Method of waking a device using spoken voice commands |
CN111696564B (zh) * | 2020-06-05 | 2023-08-18 | 北京搜狗科技发展有限公司 | 语音处理方法、装置和介质 |
CN116098608B (zh) * | 2021-11-10 | 2024-09-10 | 复旦大学 | 喉部运动信息捕获系统 |
Family Cites Families (109)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3383466A (en) * | 1964-05-28 | 1968-05-14 | Navy Usa | Nonacoustic measures in automatic speech recognition |
US3389391A (en) * | 1967-05-05 | 1968-06-18 | Miner S Keeler | Vehicle identification responder |
US3746789A (en) * | 1971-10-20 | 1973-07-17 | E Alcivar | Tissue conduction microphone utilized to activate a voice operated switch |
US3787641A (en) * | 1972-06-05 | 1974-01-22 | Setcom Corp | Bone conduction microphone assembly |
US4382164A (en) * | 1980-01-25 | 1983-05-03 | Bell Telephone Laboratories, Incorporated | Signal stretcher for envelope generator |
JPS62239231A (ja) * | 1986-04-10 | 1987-10-20 | Kiyarii Rabo:Kk | 口唇画像入力による音声認識方法 |
JPH0755167B2 (ja) * | 1988-09-21 | 1995-06-14 | 松下電器産業株式会社 | 移動体 |
JPH03160851A (ja) * | 1989-11-20 | 1991-07-10 | Fujitsu Ltd | 携帯電話機 |
US5054079A (en) * | 1990-01-25 | 1991-10-01 | Stanton Magnetics, Inc. | Bone conduction microphone with mounting means |
US5404577A (en) * | 1990-07-13 | 1995-04-04 | Cairns & Brother Inc. | Combination head-protective helmet & communications system |
US5241692A (en) * | 1991-02-19 | 1993-08-31 | Motorola, Inc. | Interference reduction system for a speech recognition device |
US5295193A (en) * | 1992-01-22 | 1994-03-15 | Hiroshi Ono | Device for picking up bone-conducted sound in external auditory meatus and communication device using the same |
US5590241A (en) * | 1993-04-30 | 1996-12-31 | Motorola Inc. | Speech processing system and method for enhancing a speech signal in a noisy environment |
US5446789A (en) * | 1993-11-10 | 1995-08-29 | International Business Machines Corporation | Electronic device having antenna for receiving soundwaves |
AU684872B2 (en) * | 1994-03-10 | 1998-01-08 | Cable And Wireless Plc | Communication system |
US5828768A (en) * | 1994-05-11 | 1998-10-27 | Noise Cancellation Technologies, Inc. | Multimedia personal computer with active noise reduction and piezo speakers |
EP0984660B1 (en) * | 1994-05-18 | 2003-07-30 | Nippon Telegraph and Telephone Corporation | Transmitter-receiver having ear-piece type acoustic transducer part |
JP3189598B2 (ja) * | 1994-10-28 | 2001-07-16 | 松下電器産業株式会社 | 信号合成方法および信号合成装置 |
JPH08186654A (ja) | 1994-12-22 | 1996-07-16 | Internatl Business Mach Corp <Ibm> | 携帯端末装置 |
JPH08223677A (ja) * | 1995-02-15 | 1996-08-30 | Nippon Telegr & Teleph Corp <Ntt> | 送話器 |
US5701390A (en) * | 1995-02-22 | 1997-12-23 | Digital Voice Systems, Inc. | Synthesis of MBE-based coded speech using regenerated phase information |
US5692059A (en) * | 1995-02-24 | 1997-11-25 | Kruger; Frederick M. | Two active element in-the-ear microphone system |
US5555449A (en) * | 1995-03-07 | 1996-09-10 | Ericsson Inc. | Extendible antenna and microphone for portable communication unit |
JP3264822B2 (ja) | 1995-04-05 | 2002-03-11 | 三菱電機株式会社 | 移動体通信機器 |
US5651074A (en) | 1995-05-11 | 1997-07-22 | Lucent Technologies Inc. | Noise canceling gradient microphone assembly |
KR960042590A (ko) * | 1995-05-23 | 1996-12-21 | 김광호 | 테이프 재생용 음량기기에서의 발음비교방법 |
JP3591068B2 (ja) * | 1995-06-30 | 2004-11-17 | ソニー株式会社 | 音声信号の雑音低減方法 |
US5647834A (en) * | 1995-06-30 | 1997-07-15 | Ron; Samuel | Speech-based biofeedback method and system |
JP3674990B2 (ja) * | 1995-08-21 | 2005-07-27 | セイコーエプソン株式会社 | 音声認識対話装置および音声認識対話処理方法 |
JPH09172479A (ja) * | 1995-12-20 | 1997-06-30 | Yokoi Kikaku:Kk | 送受話器およびそれを用いた通話装置 |
US6377919B1 (en) * | 1996-02-06 | 2002-04-23 | The Regents Of The University Of California | System and method for characterizing voiced excitations of speech and acoustic signals, removing acoustic noise from speech, and synthesizing speech |
US6006175A (en) * | 1996-02-06 | 1999-12-21 | The Regents Of The University Of California | Methods and apparatus for non-acoustic speech characterization and recognition |
US6243596B1 (en) * | 1996-04-10 | 2001-06-05 | Lextron Systems, Inc. | Method and apparatus for modifying and integrating a cellular phone with the capability to access and browse the internet |
US5943627A (en) * | 1996-09-12 | 1999-08-24 | Kim; Seong-Soo | Mobile cellular phone |
JPH10261910A (ja) | 1997-01-16 | 1998-09-29 | Sony Corp | 携帯無線装置およびアンテナ装置 |
JP2874679B2 (ja) * | 1997-01-29 | 1999-03-24 | 日本電気株式会社 | 雑音消去方法及びその装置 |
JPH10224253A (ja) * | 1997-02-10 | 1998-08-21 | Sony Corp | 携帯通信機 |
US6308062B1 (en) * | 1997-03-06 | 2001-10-23 | Ericsson Business Networks Ab | Wireless telephony system enabling access to PC based functionalities |
US5983073A (en) * | 1997-04-04 | 1999-11-09 | Ditzik; Richard J. | Modular notebook and PDA computer systems for personal computing and wireless communications |
US6175633B1 (en) * | 1997-04-09 | 2001-01-16 | Cavcom, Inc. | Radio communications apparatus with attenuating ear pieces for high noise environments |
US6151397A (en) * | 1997-05-16 | 2000-11-21 | Motorola, Inc. | Method and system for reducing undesired signals in a communication environment |
JP4216364B2 (ja) * | 1997-08-29 | 2009-01-28 | 株式会社東芝 | 音声符号化/復号化方法および音声信号の成分分離方法 |
US6434239B1 (en) * | 1997-10-03 | 2002-08-13 | Deluca Michael Joseph | Anti-sound beam method and apparatus |
JPH11249692A (ja) | 1998-02-27 | 1999-09-17 | Nec Saitama Ltd | 音声認識装置 |
DE69926290T2 (de) | 1998-03-18 | 2006-04-13 | Nippon Telegraph And Telephone Corp. | Tragbares Kommunikationsgerät mit Anordnung zum Knochenleitungshören |
JPH11265199A (ja) * | 1998-03-18 | 1999-09-28 | Nippon Telegr & Teleph Corp <Ntt> | 送話器 |
US6590651B1 (en) * | 1998-05-19 | 2003-07-08 | Spectrx, Inc. | Apparatus and method for determining tissue characteristics |
US6717991B1 (en) * | 1998-05-27 | 2004-04-06 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for dual microphone signal noise reduction using spectral subtraction |
US6052464A (en) * | 1998-05-29 | 2000-04-18 | Motorola, Inc. | Telephone set having a microphone for receiving or an earpiece for generating an acoustic signal via a keypad |
US6137883A (en) * | 1998-05-30 | 2000-10-24 | Motorola, Inc. | Telephone set having a microphone for receiving an acoustic signal via keypad |
JP3160714B2 (ja) * | 1998-07-08 | 2001-04-25 | 株式会社シコー技研 | 携帯無線通信機 |
US6292674B1 (en) * | 1998-08-05 | 2001-09-18 | Ericsson, Inc. | One-handed control for wireless telephone |
JP3893763B2 (ja) * | 1998-08-17 | 2007-03-14 | 富士ゼロックス株式会社 | 音声検出装置 |
US6289309B1 (en) * | 1998-12-16 | 2001-09-11 | Sarnoff Corporation | Noise spectrum tracking for speech enhancement |
US6760600B2 (en) * | 1999-01-27 | 2004-07-06 | Gateway, Inc. | Portable communication apparatus |
JP2000261534A (ja) * | 1999-03-10 | 2000-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 送受話器 |
DE19917169A1 (de) | 1999-04-16 | 2000-11-02 | Kamecke Keller Orla | Verfahren zur Speicherung und Wiedergabe von Audio-, Video- und Anwendungsprogrammdaten in Mobilfunkendgeräten |
US6542721B2 (en) * | 1999-10-11 | 2003-04-01 | Peter V. Boesen | Cellular telephone, personal digital assistant and pager unit |
US6738485B1 (en) * | 1999-05-10 | 2004-05-18 | Peter V. Boesen | Apparatus, method and system for ultra short range communication |
US20020057810A1 (en) * | 1999-05-10 | 2002-05-16 | Boesen Peter V. | Computer and voice communication unit with handsfree device |
US6094492A (en) * | 1999-05-10 | 2000-07-25 | Boesen; Peter V. | Bone conduction voice transmission apparatus and system |
US6952483B2 (en) * | 1999-05-10 | 2005-10-04 | Genisus Systems, Inc. | Voice transmission apparatus with UWB |
US6560468B1 (en) * | 1999-05-10 | 2003-05-06 | Peter V. Boesen | Cellular telephone, personal digital assistant, and pager unit with capability of short range radio frequency transmissions |
US6594629B1 (en) * | 1999-08-06 | 2003-07-15 | International Business Machines Corporation | Methods and apparatus for audio-visual speech detection and recognition |
US6594367B1 (en) * | 1999-10-25 | 2003-07-15 | Andrea Electronics Corporation | Super directional beamforming design and implementation |
US6339706B1 (en) * | 1999-11-12 | 2002-01-15 | Telefonaktiebolaget L M Ericsson (Publ) | Wireless voice-activated remote control device |
US6603823B1 (en) * | 1999-11-12 | 2003-08-05 | Intel Corporation | Channel estimator |
US6675027B1 (en) * | 1999-11-22 | 2004-01-06 | Microsoft Corp | Personal mobile computing device having antenna microphone for improved speech recognition |
US6411933B1 (en) * | 1999-11-22 | 2002-06-25 | International Business Machines Corporation | Methods and apparatus for correlating biometric attributes and biometric attribute production features |
JP3736785B2 (ja) * | 1999-12-15 | 2006-01-18 | 日本電信電話株式会社 | 通話装置 |
GB2357400A (en) * | 1999-12-17 | 2001-06-20 | Nokia Mobile Phones Ltd | Controlling a terminal of a communication system |
US6879952B2 (en) * | 2000-04-26 | 2005-04-12 | Microsoft Corporation | Sound source separation using convolutional mixing and a priori sound source knowledge |
US20030179888A1 (en) * | 2002-03-05 | 2003-09-25 | Burnett Gregory C. | Voice activity detection (VAD) devices and methods for use with noise suppression systems |
US7246058B2 (en) * | 2001-05-30 | 2007-07-17 | Aliph, Inc. | Detecting voiced and unvoiced speech using both acoustic and nonacoustic sensors |
US20020039425A1 (en) * | 2000-07-19 | 2002-04-04 | Burnett Gregory C. | Method and apparatus for removing noise from electronic signals |
JP3339579B2 (ja) * | 2000-10-04 | 2002-10-28 | 株式会社鷹山 | 電話装置 |
KR100394840B1 (ko) * | 2000-11-30 | 2003-08-19 | 한국과학기술원 | 독립 성분 분석을 이용한 능동 잡음 제거방법 |
US6853850B2 (en) * | 2000-12-04 | 2005-02-08 | Mobigence, Inc. | Automatic speaker volume and microphone gain control in a portable handheld radiotelephone with proximity sensors |
US20020075306A1 (en) * | 2000-12-18 | 2002-06-20 | Christopher Thompson | Method and system for initiating communications with dispersed team members from within a virtual team environment using personal identifiers |
US6754623B2 (en) * | 2001-01-31 | 2004-06-22 | International Business Machines Corporation | Methods and apparatus for ambient noise removal in speech recognition |
US6985858B2 (en) * | 2001-03-20 | 2006-01-10 | Microsoft Corporation | Method and apparatus for removing noise from feature vectors |
WO2002098169A1 (en) * | 2001-05-30 | 2002-12-05 | Aliphcom | Detecting voiced and unvoiced speech using both acoustic and nonacoustic sensors |
JP2002358089A (ja) * | 2001-06-01 | 2002-12-13 | Denso Corp | 音声処理装置及び音声処理方法 |
US6987986B2 (en) * | 2001-06-21 | 2006-01-17 | Boesen Peter V | Cellular telephone, personal digital assistant with dual lines for simultaneous uses |
US20030128848A1 (en) * | 2001-07-12 | 2003-07-10 | Burnett Gregory C. | Method and apparatus for removing noise from electronic signals |
US7054423B2 (en) * | 2001-09-24 | 2006-05-30 | Nebiker Robert M | Multi-media communication downloading |
US6959276B2 (en) * | 2001-09-27 | 2005-10-25 | Microsoft Corporation | Including the category of environmental noise when processing speech signals |
US6952482B2 (en) * | 2001-10-02 | 2005-10-04 | Siemens Corporation Research, Inc. | Method and apparatus for noise filtering |
JP3532544B2 (ja) * | 2001-10-30 | 2004-05-31 | 株式会社テムコジャパン | 面体又は帽体のストラップ装着用送受話装置 |
US7162415B2 (en) * | 2001-11-06 | 2007-01-09 | The Regents Of The University Of California | Ultra-narrow bandwidth voice coding |
US6707921B2 (en) * | 2001-11-26 | 2004-03-16 | Hewlett-Packard Development Company, Lp. | Use of mouth position and mouth movement to filter noise from speech in a hearing aid |
DE10158583A1 (de) * | 2001-11-29 | 2003-06-12 | Philips Intellectual Property | Verfahren zum Betrieb eines Barge-In-Dialogsystems |
US6664713B2 (en) * | 2001-12-04 | 2003-12-16 | Peter V. Boesen | Single chip device for voice communications |
US7219062B2 (en) * | 2002-01-30 | 2007-05-15 | Koninklijke Philips Electronics N.V. | Speech activity detection using acoustic and facial characteristics in an automatic speech recognition system |
US9374451B2 (en) | 2002-02-04 | 2016-06-21 | Nokia Technologies Oy | System and method for multimodal short-cuts to digital services |
WO2003096031A2 (en) * | 2002-03-05 | 2003-11-20 | Aliphcom | Voice activity detection (vad) devices and methods for use with noise suppression systems |
JP2003264883A (ja) * | 2002-03-08 | 2003-09-19 | Denso Corp | 音声処理装置および音声処理方法 |
US7117148B2 (en) * | 2002-04-05 | 2006-10-03 | Microsoft Corporation | Method of noise reduction using correction vectors based on dynamic aspects of speech and noise normalization |
JP4095348B2 (ja) * | 2002-05-31 | 2008-06-04 | 学校法人明治大学 | 雑音除去システムおよびプログラム |
US7190797B1 (en) * | 2002-06-18 | 2007-03-13 | Plantronics, Inc. | Headset with foldable noise canceling and omnidirectional dual-mode boom |
US7092529B2 (en) * | 2002-11-01 | 2006-08-15 | Nanyang Technological University | Adaptive control system for noise cancellation |
TW200425763A (en) * | 2003-01-30 | 2004-11-16 | Aliphcom Inc | Acoustic vibration sensor |
US7593851B2 (en) * | 2003-03-21 | 2009-09-22 | Intel Corporation | Precision piecewise polynomial approximation for Ephraim-Malah filter |
US20060008256A1 (en) * | 2003-10-01 | 2006-01-12 | Khedouri Robert K | Audio visual player apparatus and system and method of content distribution using the same |
US7447630B2 (en) * | 2003-11-26 | 2008-11-04 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement |
US7499686B2 (en) | 2004-02-24 | 2009-03-03 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement on a mobile device |
US8095073B2 (en) * | 2004-06-22 | 2012-01-10 | Sony Ericsson Mobile Communications Ab | Method and apparatus for improved mobile station and hearing aid compatibility |
US7574008B2 (en) | 2004-09-17 | 2009-08-11 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement |
US7283850B2 (en) * | 2004-10-12 | 2007-10-16 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement on a mobile device |
-
2004
- 2004-09-17 US US10/944,235 patent/US7574008B2/en not_active Expired - Fee Related
-
2005
- 2005-06-29 AU AU2005202858A patent/AU2005202858A1/en not_active Abandoned
- 2005-07-25 CA CA2513195A patent/CA2513195C/en not_active Expired - Fee Related
- 2005-07-29 KR KR1020050069632A patent/KR101153093B1/ko active IP Right Grant
- 2005-08-09 JP JP2005231246A patent/JP4842583B2/ja not_active Expired - Fee Related
- 2005-08-17 CN CN200510092458A patent/CN100583243C/zh not_active Expired - Fee Related
- 2005-08-17 MX MXPA05008740A patent/MXPA05008740A/es not_active Application Discontinuation
- 2005-08-30 DE DE602005017549T patent/DE602005017549D1/de active Active
- 2005-08-30 EP EP05107921A patent/EP1638084B1/en not_active Not-in-force
- 2005-08-30 AT AT05107921T patent/ATE448541T1/de not_active IP Right Cessation
- 2005-08-31 RU RU2005127419/09A patent/RU2389086C2/ru not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
CA2513195C (en) | 2013-12-03 |
CA2513195A1 (en) | 2006-03-17 |
RU2005127419A (ru) | 2007-03-10 |
JP4842583B2 (ja) | 2011-12-21 |
EP1638084A1 (en) | 2006-03-22 |
JP2006087082A (ja) | 2006-03-30 |
US20060072767A1 (en) | 2006-04-06 |
CN1750123A (zh) | 2006-03-22 |
AU2005202858A1 (en) | 2006-04-06 |
ATE448541T1 (de) | 2009-11-15 |
MXPA05008740A (es) | 2007-12-11 |
DE602005017549D1 (de) | 2009-12-24 |
US7574008B2 (en) | 2009-08-11 |
CN100583243C (zh) | 2010-01-20 |
KR20060048954A (ko) | 2006-05-18 |
KR101153093B1 (ko) | 2012-06-11 |
EP1638084B1 (en) | 2009-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2389086C2 (ru) | Способ и устройство для улучшения речи с помощью нескольких датчиков | |
RU2407074C2 (ru) | Улучшение речи с помощью нескольких датчиков с использованием предшествующей чистой речи | |
RU2420813C2 (ru) | Повышение качества речи с использованием множества датчиков с помощью модели состояний речи | |
CN108615535B (zh) | 语音增强方法、装置、智能语音设备和计算机设备 | |
RU2370831C2 (ru) | Способ оценки шума с использованием пошагового байесовского изучения | |
RU2373584C2 (ru) | Способ и устройство для повышения разборчивости речи с использованием нескольких датчиков | |
CN111048061A (zh) | 回声消除滤波器的步长获取方法、装置及设备 | |
JP6891144B2 (ja) | 生成装置、生成方法及び生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20130901 |