SE521465C2 - Mobiltelefon med taligenkänningssystem innehållande en beräkningsenhet för spektralavstånd. - Google Patents

Description

U 20 25 30 w . = 2000 -lO-OG \\CURREN'T\DB\PUBLICšDOC\P\l8741355.dpC V0 1.1 ÜJ 2 Några tidigare kända telefoner är försedda med en en- kel art av AVA-funktionalitet baserad på energidetektorer.

Telefonen är känslig för och detekterar ett AVA-kommando när talet har en högre energinivå än en fördefinierad trös- kel. handahállas, vanligtvis väljs "avvisa samtalet".

Som en följd därav kan endast en svarsfunktion till- En tidigare känd mobiltelefon, som tillhandahålls av sökanden, Ericsson Tl8, är försedd med en automatisk tal- uppringningsfunktion.

AVA-funktioner baserade på energidetektorer är be- gränsade att acceptera endast ett kommando enligt ovan. Det är inte lämpligt att tillhandahålla flera kommandon när AVA-funktionerna är baserade på energidetektorer, eftersom det är mycket sannolikt att AVA-funktionerna hos telefonen är känsliga för ljud såsom ringsignalen, som omger telefo- nen. Å andra sidan är AVA-funktioner baserade på taligen- känning känsliga för interferens från andra ljud med lik- nande spektrala karakteristikor såsom tal. En anledning till detta är att den i taligenkänningsenheten använda dis- similaritetsmätningen mestadels är baserad på skillnaden mellan korttidsspektralkarakteristikor hos det förnimmade ljudet eller talet och hos de förtränade talreferenserna eller mallarna.

En annan lösning är baserad på làgpassfiltrering av mikrofonsignalerna, som ökar igenkänningsnivån hos AVA-kom- mandona. En nackdel hos denna lösning är emellertid att all talinformation med frekvenser över filtergränsfrekvensen inte kan användas av en taligenkänningsenhet även om ring- signalen inte täcker alla frekvenser över gränsen.

Vid ytterligare ett angreppssätt för att lösa detta problem kan mobiltelefonen förses med ett adaptivt filter mellan mikrofonen och taligenkänningsenheten för att fil- trera ut olika ringsignaler.

W 20 25 2000-10-06 \\CURRENT\DB\PUBLIBDÉ\PTB74IÃSßlCJCrW/O Det adaptiva filtret kan realiseras såsom ett adap- tivt notchfilter, varvid placeringen av notcharna uppdate- ras kontinuerligt på ett sådant sätt att endast störda fre- kvenser dämpas. Som en följd därav åstadkoms högre igen- känningsnivåer genom att använda denna metod. En sådan adaptiv algoritm kräver emellertid en mängd beräkningar.

Dessutom adapteras de inte momentant och en brytpunkt mellan stabilitet och konvergenstid för adaptionen måste utföras.

GP-A-2 137 791 visar en spektralavståndsprocessor för att jämföra spektra tagna från tal i närvaro av bakgrunds- brus, som måste uppskattas. För att förbereda ett inkom- mande spektrum och ett referensspektrum för jämförelse har processorn organ för att maska det inkommande spektrumet med avseende på en uppskattning av ett inkommande brus- spektrum, organ för att maska referensspektrumet med spek- trum till en uppskattning av ett referensbrusspektrum och organ för att markera sampel hos varje maskat spektrum be- roende på om samplet avser brus eller tal.

Under maskningsoperationerna förbinds brusmarkeringar med det maskade inkommande spektrumet respektive mönster- spektrumet, huruvida värdet uppkommer från brus eller tal och togs i beaktande vid de spektrala avståndsberäkningarna för spektrumen.

Där det större av de maskade spektralsamplen markeras såsom innehållande brus, tilldelas ett defaultbrusavstånd istället för avståndet mellan de två maskade spektrumen.

Eftersom den spektrala avståndsprocessorn enligt GB-A-2 137 791 är avsedd att fungera vid fluktuerande eller höga brusnivåförhållanden är detta sålunda anledningen till den komplexa designen.

Vid taligenkänning i en mobiltel fon där användaren e elefonen enligt ovan, är rf 1 r' 1 A F" 4-4- 4-_..,-.-. an go taikommandon for att styla emel ertid en komplex spektralavståndsprocessor inte nöd- 20 25 30 35 2000-10-06 \\CURRENT\DB\PUBLIC\DOC\P\l874135$.dOC V0 r- . r 21 4e5 I. vändig, eftersom det aktuella bruset inte fluktuerar och inte har någon hög nivå.

Uppfinningen Det är därför ett ändamål med föreliggande uppfinning att tillhandahålla en förbättrad beräkningsenhet för spek- tralavstånd, som är användbar vid varje taligenkänning, som använder den spektrala differensen såsom en dissimilari- tetsmätning, speciellt lämplig vid låga brusnivåförhållan- den.

I enlighet med en aspekt hos föreliggande uppfinning innefattar beräkningsenheten för det spektrala avståndet beräkningsorgan för det spektrala avståndet för att utföra spektralavståndsberäkningar för jämförelse av ett inkom- mande spektrum från en inkommande signal i närvaro av en brussignal och ett referensspektrum, minnesorgan för att förlagra ett brusspektrum från brussignalen och organ för att maska det spektrala avståndet mellan det inkommande spektrumet med hänsyn till det förlagrade brusspektrumet.

I enlighet med en annan aspekt hos föreliggande upp- finning har bruset en lägre nivå än det inkommande spek- trumet.

Ett annat ändamål med uppfinningen är att tillhanda- hålla ett taligenkänningssystem för att jämföra ett inkom- mande spektrum och ett referensspektrum innehållande en be- räkningsenhet för ett spektralavstånd enligt ovan, varvid igenkänningssystemet innefattar utväljningsorgan för att välja ett referensspektrum, som minimerar ett fullständigt spektralavständ mellan de inkommande spektrumen och refe- rensspektrumen.

Ytterligare ett ändamål med uppfinningen är att till- handahålla en mobiltelefon innehållande taligenkännings- system enligt ovan.

En fördel med uppfinningen är att automatiska tal- hos en svarsfunktioner (AVA = Automatic Voice Answering) 20 25 30 y 2000-10-06 \\CURREN'I'\DB\PUBLIC\DOC\P\lB74l35S.dOC V0: mobiltelefon med ett taligenkänningssystem, försett med en beräkningsenhet för spektralavständet enligt uppfinningen är tillförlitlig i att svara på olika AVA-kommandon i när- varo av ringsignaler, som omger telefonen.

Kort beskrivning av ritningarna För att beskriva uppfinningen mera i detalj och för- delarna och egenskaperna hos uppfinningen kommer en före- dragen utföringsform att beskrivas i detalj nedan, varvid hänvisning görs till de bifogade ritningarna, pä vilka FIG 1 visar ett exempel på ett inkommande spektrum innehållande ett känt brus, ett referensspektrum och det kända brusspektrumet; och FIG 2 illustrera bruskompenseringen enligt upp- finningen.

Detaljerad beskrivning av uppfinningen En utföringsform av en beräkningsenhet för spektral- avstànd enligt uppfinningen innefattar beräkningsorgan för spektralavständ för att utföra spektralavstàndsberäkningar för jämförelse av ett inkommande spektrum beroende av brus och ett referensspektrum. För att hantera interfererande brus innefattar avståndsberäkningsenheten dessutom mask- ningsorgan för att maska spektralavstándet mellan det in- kommande spektrumet och referensspektrumet med hänsyn till ett känt eller fördefinierat brus, lagrat i ett minnes- organ.

Avståndsberäkningsorganet i utföringsformen är base- rad på cityavstånd och diskret spektral representation av tal. Denna lösning kan emellertid generaliseras till andra spektrala representationer hos tal inom uppfinningstanken.

En beräkningsenhet för spektralavstànd enligt upp- _ _J_.___--__ 10 15 20 25 30 35 2000 - 10-06 \\CURRENT\DB\PUBLlC\DOC\P\1874135S _ doc V0: f 21 ÅÉ-t-S le' tet eller avstàndsmätning, exempelvis i en mobiltelefon styrd av talkommandon.

En användare av ett taligenkänningssystem talar i en mikrofon, varvid varje ljud bryts ned i sina olika frekven- ser. De mottagna ljuden i varje frekvens digitaliseras så att de kan manipuleras av taligenkänningssystemet. Mikro- fonsignalen betecknas s(n) och dess motsvarande spektrala representation betecknas med Sn(f), där n är tiden för varje sampel och f är den aktuella frekvensen.

Den digitaliserade versionen av ljudet matchas mot en uppsättning mönster eller referenssignaler förlagrade i ett systemminne. Ett mönster eller en referenssignal betecknas med r(n) och en motsvarande spektral representation hos mönstersignalen betecknas med Rn(f). Den kända brussignalen i inmatningen betecknas med x(n) och den motsvarande spek- trala representationen betecknas Xn(f).

Mätningen av de dissimilariteten eller avståndet an- vänt i taligenkänningsenheten ges exempelvis av uttrycket: nn = 2|Rnl i Det inkommande signalspektrumet Sn(f) matchas sålunda mot liknande utformade referenssignaler R¶(f) bland lagrade referenssignaler i det elektroniska minnet. Denna match- ningsprocedur genomförs genom att välja ut referens- signalen, som minimerar det kompletta spektrala avståndet, dvs minimerar följande uttryck: ED n n Denna utväljningsprocedur tar emellertid inte hänsyn till någon information om interfererande brussignaler.

I en mobiltelefon, som tillhandahåller taligen- känningsfunktioner eller speciellt så kallade automatiska talsvars- in- (AVA = Automatic Voice Answering) funktioner, 10 15 20 25 30 35 2000 - 10 -06 \\CURRENT\DB\PUBLIC\DOC\P\15'74135S:dOC VO ' , .

P05 7 terfererar den av telefonen genererade ringsignalen starkt med det givna AVA-kommandot.

Ringsignalen är en känd "brus" -signal och spek- trumet, som representerar ringsignalen, kan följaktligen vara förlagrat i minnesorganet förbundet med beräknings- enheten för spektralavstånd.

Ringsignalen är exempelvis en summer eller en person- lig ringsignal, såsom en enkel melodi, vald eller program- merad av användaren. När ringsignalen är vald eller pro- grammerad är den emellertid "känd" av telefonen och ett spektrum representerande den aktuella ringsignalen kan vara lagrat i minnesorganet för förlagrade brusspektra. I en al- ternativ utföringsform kan ett flertal spektra från olika ringsignaler vara förlagrade och den aktuella valda ring- signalen markeras med en bit satt i minnet. Sedan kan be- räkningsenheten för spektralavstånd identifiera och välja ut det aktuella spektrumet, som skall användas vid mask- ningsproceduren enligt uppfinningen.

Enligt FIG I exponeras den inkommande signalen för en jämförelse med ett känt brus i spektrumet mellan de två frekvenserna fa och fb. Den motsvarande referenssignalen R (f) X1 för jämförelse med den inkommande signalen anses inte innehålla något brus. För att få en fullständig jämförelse mellan insignalen och referenssignalen eller deras spektra mäste sålunda insignalen maskas på något sätt för att kom- pensera för det kända bruset. Enligt uppfinningen modifie- ras den spektrala avständsberäkningen eller mätningen av dissimilariteten med en vikt Ad enligt det följande ut- trycket: D = ÉA« I detta uttryck är Ai lika med noll om frekvensen fi hos den inkommande signalen innehåller något känt brus och är Ai 1 om inget brus är närvarande vid den aktuella fre- kvensen fp 10 15 20 25 2000- 10-06 \\CURRENT\DB\PU'BLICÉOCÖP\18741355 .dQC V0: ' -1 lÉ-tß a FIG 2 illustrerar bruskompenseringen enligt upp- finningen, varvid det spektrala avståndet mellan det inkom- till- delas ett nollvärde i spektrumet mellan de två frekvenserna fa och fb.

I en utföringsform av beräkningsenheten för spektral- mande spektrumet Sn(fi) och referensspektrumet Rn(fQ avstånd enligt uppfinningen är den anordnad i ett taligen- känningssystem för jämförelse av ett inkommande spektrum och ett referensspektrum, innefattande utväljningsorgan för att välja ut ett referensspektrum, som minimerar det kom- pletta spektrala avståndet mellan det inkommande spektrumet och referensspektrumet.

Taligenkänningssystemet inryms i en mobiltelefon för- sedd med AVA-funktioner, såsom "acceptera samtalet" om en användare av telefonen vill besvara samtalet eller "avvisa samtalet" om han inte vill svara på samtalet eller "vidare- koppla" om det inkommande samtalet skall kopplas till röst- brevlåda eller ett annat telefonnummer. Även om uppfinningen har beskrivits med en specifik utföringsform är det uppenbart att föreliggande uppfinning tillhandahåller en beräkningsenhet för viktade spektral- avstånd, som fullständigt uppfyller ändamålen och fördel- arna enligt ovan och alternativ, modifikationer och varia- tioner år uppenbara för fackmannen inom området.

I en annan utföringsform av uppfinningen är exempel- vis beråkningsenheten försedd med ett adaptivt notchfilter, som inte bara filtrerar insignalen men också referens- signalen. Denna lösning har den fördelaktiga effekten att en mera tillförlitlig utväljning av referenssignalen er- hålls, insignal jämförs med en filtrerad referenssignal. Denna eftersom beräkningen blir mera exakt om en filtrerad lösning kräver dessutom inte några adaptiva algoritmer och Än? 'Finne Åhman \r1-1'nv'_| rnvhc- “vc LJJUi-.J ...iiyvn jdcvn* tar momentant och den saknar stabilitetsproblem. Det auto- 10 , v 2000~ 10406 \\CURRENT\DB\PUBLIC\D§P§BïIBSSÄOC IIVO: i -1) 9 (Ü matiska talsvarsorganet kräver emellertid kontinuerlig kännedom om de störda frekvenserna.

I alternativa utföringsformer av den andra utförings- formen tillhandahålls mera sofistikerade vikter, genom an- vändning av realvärdes-Aí, som tillåter olika nivåer hos undertryckningen beroende på hur mycket de specifika fre- kvenserna fi är störda.

Claims (8)

10 ß 20 25 30 35 2000-10- 06 \\CURRENT\DB\PU'BLIC\DOC\P\I874l3Sš-nyêrkraV .dOC V0 521 4@5 W NYA KRAV PATENTKRAV

1. En mobiletelefon med ett taligenkänningssystem innehållande en beräkningsenhet för spektralavstànd, inne- fattande organ för jämförelse av ett inkommande spektrum fràn en insignal i närvaro av en brussignal mot en uppsättning förlagrade referensspektrum, kännetecknad av minnesorgan för förlagring av ett brusspektrum fràn brussignalen, organ för maskning av det spektrala avståndet mellan det inkommande spektrumet och referensspektrumet med hänsyn till det förlagrade brusspektrumet, organ för att välja ut ett referensspektrum fràn uppsättningen av förlagrade referensspektrum, som minimerar ett komplett spektralavstànd mellan det inkommande spektrumet och referensspektrumet, varvid det valda referensspektrumet motsvarar ett röstkommando för att styra telefonen.

2. Mobiltelefon enligt krav 1, kännetecknad av organ för att tilldela spektralavstàndet mellan det inkommande spektrumet och referensspektrumet ett nollvärde för varje frekvens hos det inkommande spektrumet, som innehåller brus.

3. Mobiltelefon enligt krav l eller 2, kännetecknad av att bruset har en nivå lägre än det inkommande spektrumet.

4. Mobiltelefon enligt krav 4, kännetecknad av att det kompletta spektralavstàndet är summan av de spektrala avstàndsberäkningarna för antalet sampel, som urskiljer referensspektrumen från varandra.

5. Mobiltelefon enligt något av föregående krav, kännetecknad av samtalssvarsorgan operativt förbundet med 10 15 2000-10- 06 \\CURRENT\DB\PU'BLIC\DOC\P\18Hllåslnya-krav fdoc V0 521 4165 »l taligenkänningssystemet, varvid svarsorganet reagerar pà talsvarskommandon.

6. Mobiltelefon enligt krav 5, kännetecknad av att svarsorganet reagerar pà ett kommando för att acceptera ett samtal.

7. Mobiltelefon enligt krav 5 eller 5, kännetecknad av att svarsorganet reagerar pà ett kommando för att avvisa ett samtal.

8. Mobiltelefon enligt nàgot av kraven 5-7, känne- tecknad av att svarsorganet reagerar pá ett kommando för vidarekoppling av ett samtal.