SK281796B6

SK281796B6 - Detektor hlasu

Info

Publication number: SK281796B6
Application number: SK318-96A
Authority: SK
Inventors: Paul Alexander Barrett
Original assignee: British Telecommunications Public Limited Company
Priority date: 1993-09-14
Filing date: 1994-09-14
Publication date: 2001-08-06
Also published as: KR100363309B1; JP3224132B2; GR3031515T3; DK0719439T3; CN1064772C; NO307979B1; FI118195B; EP0719439B1; SK31896A3; HK1014392A1; SG48935A1; CZ67896A3; CA2169745A1; CZ286743B6; MY111134A; FI961158A0; US5749067A; NO961032D0; FI961158A; NZ273045A

Abstract

Detektor hlasu na zisťovanie prítomnosti reči vo vstupnom signáli, ktorý má šumovú zložku, pozostávajúci z prostriedkov (113) na uchovanie modelu šumovej zložky vstupného signálu, z prostriedkov (114, 115) na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu na vytváranie výstupného rozhodovacieho signálu, z prostriedkov (112) na aktualizáciu uloženého modelu šumu a z pomocného detektora (200) na riadenie prostriedkov (112) na aktualizáciu tak, aby k aktualizácii došlo iba v čase, keď pomocný detektor (200) udáva, že vstupný signál neobsahuje reč. Detektor hlasu ďalej zahrnuje prostriedky (303) na výpočet parametra predurčeného zisku vstupného signálu a modifikačné prostriedky (304) na potlačenie aktualizácie v prípade, že predurčený zisk prekročí prahovú hodnotu.ŕ

Description

Oblasť techniky

Vynález sa týka detektora hlasu na zisťovanie prítomnosti reči vo vstupnom signáli, ktorý má šumovú zložku, pozostáva z prostriedkov na uchovanie modelu šumovej zložky vstupného signálu, z prostriedkov na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu na vytváranie výstupného rozhodovacieho signálu, z prostriedkov na aktualizáciu uloženého modelu šumu a z pomocného detektora na riadenie prostriedkov na aktualizáciu tak, aby k aktualizácii došlo iba v čase, keď pomocný detektor udáva, že vstupný signál neobsahuje reč.

Doterajší stav techniky

Detektor hlasu je zariadenie, do ktorého je privádzaný vstupný signál s cieľom stanoviť úseky tohto signálu obsahujúce reč alebo úseky obsahujúce iba šum. Jedným obzvlášť významným použitím takýchto detektorov hlasu, na ktoré však tento vynález nie je obmedzený, sú mobilné rádiové telefonické systémy, kde údaje o prítomnosti či neprítomnosti reči v signáli môžu byť využívané na zníženie spotreby energie a na zníženie interferencie spôsobenej vypínaním telefónu v úsekoch ticha. Pri týchto mobilných systémoch je v dôsledku umiestnenia jednotiek vo vozidlách obvykle vysoká úroveň šumu. Ďalšou možnosťou je použitie pri rádiových systémoch na zlepšenie využitia rádiového spektra.

Na obr. 1 je zobrazený známy detektor hlasu tak, ako je opísaný v PCT patentovej prihláške č. WO 89/08910.

Na jeho vstupe 1 sú prijímané signály. Pamäť 2 potom obsahuje údaje definujúce predpoklad alebo model frekvenčného spektra šumu. Tieto údaje sú následne porovnávané v komparátore 3 so spektrom prichádzajúceho signálu a získa sa miera ich podobnosti, ktorá sa ďalej porovnáva v prvku 4 s prahovou hodnotou. Na sledovanie zmien v šumovej zložke je model šumu aktualizovaný zo vstupu a to iba v čase neprítomnosti reči vo vstupnom signáli. Taktiež uvedená prahová hodnota môže byť upravovaná adaptérom

6.

S cieľom zaručiť, že k úpravám modelu šumu dôjde len v obdobiach, keď vstupný signál obsahuje iba šum, bez nebezpečia postupnej nesprávnej aktualizácie, ktorá by nasledovala po zlom rozhodnutí, je jeho úprava uskutočňovaná za riadenia pomocným detektorom 7, ktorý zahrnuje detektor 8 nehlasových zvukov a detektor 9 hlasových zvukov. Pomocný detektor 7 považuje reč za prítomnú vo vstupnom signáli, ak oba detektory 8 a 9 zistia zvuk. Po tomto zistení je následne umožnená aktualizácia šumového modelu i úprava prahovej hodnoty hlavného detektora. Detektor 8 nehlasových zvukov získava súbor LPC koeficientov signálu a porovnáva autokorelačnú funkciu týchto koeficientov medzi po sebe nasledujúcimi snímkami, zatiaľ čo detektor 9 hlasových zvukov skúma zmeny autokorelácie LPC zvyškového signálu.

Toto usporiadanie je veľmi úspešné na rozlišovanie úsekov reči a úsekov, v ktorých je prijímaný iba šum. Problém je však v tom, že pomocný detektor 7 považuje za bežný šum i signálne tóny (t. j. pomocný detektor 7 v nich nerozpozná reč) tak, že hlavný detektor aktualizuje model šumu podľa týchto tónov, ako keby boli šumom, a ďalej v tom, že dôjde k zabráneniu prenosu signálnych tónov, alebo aspoň k predčasnému prerušeniu ich prenosu.

Tento problém by bolo možné prekonať pridaním tónových detektorov, pričom každý by bol naladený na frekvenciu konkrétneho signálneho tónu. Rozmanitosť jednot livých signálnych tónov vo svete je však značná, takže by bolo potrebné veľké množstvo jednotlivých detektorov, aby napríklad používateľ mobilného telefónu uskutočňujúci medzinárodný hovor mohol počuť obsadzovací tón nezávisle od krajiny, v ktorej vznikol.

Podstata vynálezu

Uvedené nedostatky odstraňuje detektor hlasu na zisťovanie prítomnosti reči vo vstupnom signáli, ktorý má šumovú zložku, pozostávajúci z prostriedkov na uchovanie modelu šumovej zložky vstupného signálu, z prostriedkov na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu na vytváranie výstupného rozhodovacieho signálu, z prostriedkov na aktualizáciu uloženého modelu šumu a z pomocného detektora na riadenie prostriedkov na aktualizáciu tak, aby k aktualizácii došlo iba v čase, keď pomocný detektor udáva, že vstupný signál neobsahuje reč, podľa vynálezu, ktorého podstata spočíva v tom, že ďalej zahrnuje prostriedky na výpočet parametra predurčeného zisku vstupného signálu a modifikačné prostriedky na potlačenie aktualizácie v prípade, že predurčený zisk prekročí prahovú hodnotu.

Podľa výhodného uskutočnenia pomocný detektor zahrnuje detektor hlasových zvukov reagujúci na signály odvodené z kódovania s lineárnou predikciou zvyškového signálu.

Podľa ďalších výhodných uskutočnení sú prostriedky na výpočet parametra predurčeného zisku upravené na výpočet predurčeného zisku kódovania s lineárnou predikciou predurčenia šiesteho alebo nižšieho rádu, prípadne štvrtého alebo nižšieho rádu.

Podľa ďalšieho výhodného uskutočnenia detektor hlasu ďalej zahrnuje prostriedky na zisťovanie jednej alebo viacerých primárnych frekvenčných zložiek vstupného signálu a na porovnanie frekvencie s vopred stanovenou prahovou hodnotou a na umožnenie potlačenia aktualizácie iba v prípade, že uvedená primárna zložka prekračuje prahovú hodnotu.

Pred prostriedky na výpočet parametra predurčeného zisku môže byť predradený filter na odstránenie hornej časti frekvenčného rozsahu vstupného signálu, pričom prostriedky na výpočet parametra predurčeného zisku sú upravené na výpočet parametra predurčeného zisku iba pre frekvenčné zložky ležiace v pásme priepustnosti filtra.

Podľa iného výhodného uskutočnenia má detektor hlasu dva filtre s príslušnými pásmami priepustnosti a príslušné prostriedky na výpočet parametrov predurčeného zisku pri príslušných pásmach priepustnosti a modifikačné prostriedky na potlačenie aktualizácie v prípade, že predurčený zisk presahuje v oboch pásmach priepustnosti prahovú hodnotu.

Je tiež výhodné, pokiaľ detektor hlasu zahrnuje prostriedky na vzorkovanie filtrovaného signálu/signálov.

Podstata riešenia podľa tohto vynálezu potom spočíva v tom, že detektor hlasu zahrnuje prostriedky na výpočet parametra predurčeného zisku vstupného signálu a ďalej modifikačné prostriedky usporiadané na znemožnenie aktualizácie uloženého modelu šumu v prípade, že predurčený zisk prekročí prahovú hodnotu.

Prehľad obrázkov na výkresoch

Následne budú opísané niektoré uskutočnenia tohto vynálezu s odkazom na priložené výkresy, kde:

SK 281796 Β6 obr. 1 zobrazuje blokovú schému známeho detektora hlasu podľa PCT prihlášky vynálezu Č.W089/08910;

obr. 2 predstavuje blokovú schému zvukového kodéra s detektorom hlasu podľa tohto vynálezu;

obr. 3 a obr. 4 ukazujú graficky hodnoty predurčeného zisku pri rôznych vstupných signáloch;

obr. 5, obr. 6 a obr. 7 predstavujú blokové schémy ďalších uskutočnení tohto vynálezu.

Príklady uskutočnenia vynálezu

Bežný zvukový kodér 100 na obr. 2 má zvukový vstup 101. Zvukový signál je tu vzorkovaný pri 8 kHz a prevádzaný do digitálnej formy analógovodigitálnym prevodníkom 102. Jednotka 103 rozdeľuje zvukové vzorky do snímok napríklad so 160 vzorkami (t. j. do 20 ms vzoriek) a znásobuje ich funkciou, ktorá znižuje podiel vzoriek na začiatku a na konci snímky. Korelátor 104 prijíma digitalizované zvukové vzorky a vytvára pre každú snímku autokorelačné koeficienty R,. Jednotka 105 LPC analýzy (LPC = = Linear Predictive Coding = kódovanie s lineárnou predikciou) vypočítava s použitím známej metódy, napr. Levinsonovým-Durbinovým alebo Schurrovým algoritmom, koeficienty aj filtra (niekedy označovaného ako syntézny filter), majúceho frekvenčnú charakteristiku, ktorá zodpovedá frekvenčnému spektru vstupného zvukového signálu.

Digitalizovaný vstupný signál prechádza taktiež inverzným filtrom, alebo analýzovým filtrom 106, ovládaným koeficientmi, na vytvorenie zvyškového signálu, ktoiý je ďalej analyzovaný jednotkou 107 dlhodobého predurčenia, ktorá vypočítava optimálne oneskorenie na predurčenie LPC zvyškového signálu z jeho predchádzajúcich hodnôt a zodpovedajúcu hodnotu zisku na predurčenie. Analýzový filter 106 vytvára tiež druhý zvyškový signál (t. j. rozdiel medzi súčasným LPC zvyškovým signálom a LPC zvyškovým signálom po oneskorení a vyvážení získanými parametrami). Budiaca jednotka 108 získava parametre na prenos do dekodéra zo zvyškového signálu dlhodobého predurčenia (LTP), alebo inými známymi prostriedkami.

LPC koeficienty aj, oneskorenie d, zisk g a budiace parametre e sú prenášané do dekodéra.

Hlavný detektor hlasu podľa skôr zmienenej patentovej prihlášky zisťuje priemer autokorelačných koeficientov Rj pomocou nivelizačného zariadenia 110, ktoré vytvára vážený súčet Rj¹ súčasných koeficientov a koeficientov z predchádzajúcich snímok, uložených v pamäti 111. Prostriedky 112 na aktualizáciu uloženého modelu šumu, tvorené ďalším autokorelátorom, vytvárajú autokorelačné koeficienty Bj týchto LPC koeficientov aj, ktoré prechádzajú do pamäte, ktorá tvorí prostriedky 113 na uchovávanie modelu šumovej zložky. Obsah tejto pamäte je aktualizovaný iba v priebehu úsekov vstupného signálu, o ktorých pomocný detektor, ktoiý bude opísaný ďalej, predpokladá, že obsahujú iba šum. Obsah pamäte Bj potom predstavuje odhad šumového spektra vstupného signálu.

Násobná/súčtová jednotka 114, ktorá je súčasťou prostriedkov na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu, potom vytvára mieru M spektrálnej podobnosti medzi vstupným signálom a šumovým modelom, ktorá je definovaná ako

Nulový spodný index značí počiatočný autokorelačný koeficient a n je počet vzoriek vo zvukovej snímke.

Miera M spektrálnej podobnosti sa potom v komparátore 115, ktorý je súčasťou prostriedkov na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu, porovnáva s prahovou hodnotou a na výstupe 116 sa vytvára signál indikujúci prítomnosť alebo neprítomnosť reči vo vstupnom signáli. Prahová hodnota môže byť prispôsobiteľne nastavená prvkom 117 podľa aktuálnej úrovne šumu.

Aktualizácia modelu šumu uloženého v pamäti prostriedkov 113 na uchovávanie modelu šumovej zložky nie je ovládaná výstupom 116 práve opísaného detektora, lebo chyba v rozpoznaní reči by mala za následok aktualizáciu pamäte informáciou o reči a následné ďalšie chyby v rozpoznávaní. Z tohto dôvodu je aktualizácia riadená pomocným detektorom 200. Aby bolo možné odlíšiť šum a nehlasový zvuk je vytváraný v bloku 201 súčet (nespriemerovaných) autokorelačných koeficientov Bj LPC koeficientov. Odčítač 202 porovnáva tento súčet so zodpovedajúcim súčtom predchádzajúcej zvukovej snímky uloženej v pamäti 203. Tento rozdiel, predstavujúci spektrálnu podobnosť medzi po sebe nasledujúcimi snímkami vstupného signálu, je kvôli vytvoreniu rozhodovacieho signálu porovnaný s prahovou hodnotou v porovnávacej jednotke 204.

Na rozpoznanie hlasového zvuku sa detektorom 205 hlasových zvukov meria oneskorenie d. Výstup detektora 205 hlasových zvukov je v súčtovom hradle 206 zlúčený s výstupom porovnávacej jednotky 204. Pomocný detektor 200 indikuje prítomnosť hlasu vo vstupnom signáli, ak každá z jednotiek 204 a 205 vytvára výstupný signál indikujúci prítomnosti hlasu. Ako bolo diskutované už v úvode, ak má systém prepúšťať signálne tóny, musí tieto rozpoznávať skôr ako reč než ako šum. Práve opísaný pomocný detektor však nie je na dosiahnutie tohto cieľa príliš efektívny. Hoci rozpoznáva určité signálne tóny, iné (všeobecne tie, ktoré majú relatívne chudobný spektrálny obsah) nie sú rozpoznané. Keď dôjde k chybe pomocného detektora 200, dôjde taktiež k chybe hlavného detektora, lebo model šumu v pamäti je potom adaptovaný podľa signálneho tónu.

Na zisťovanie signálnych tónov vo vstupnom signáli je preto vytvorený ďalší pomocný detektor. Výhodne je využívané zistenie, že signálne tóny, ktoré sú umelo generované, obsahujú malý počet kmitočtových zložiek (ktoré môžu byť modulované). Pre také signály je použitím rozlíšenia medzi tónovo založenými signálmi (vrátane viactónových signálov) a pozadím alebo šumovými signálmi okolia výkon LPC predurčovača obzvlášť vysoký.

LPC predurčený zisk G_p je definovaný ako pomer výkonu vstupného signálu a výkonu výstupného signálu pri hlasovej snímke

n-1

Σ v²(i) i- o kde X; je vstup filtra a y je výstup inverzného filtra:

m y(i) - x(i) < Σ y(t - i) >i₍i=i kde m je počet koeficientov filtra, ktorý býva obvykle 8 alebo 10. Signály x(i) a y(i) sa získavajú z LPC hlasového kodéra 100, na výstupoch analógovo-digitálneho prevodníka 102, resp. analýzového filtra 106. Tieto hodnoty sú u mocnené v umocňovacích jednotkách 301 a 302 a predurčený zisk sa stanoví v prostriedkoch 303 na výpočet parametra predurčeného zisku vstupného signálu, ktoré sú tvorené aritmetickou jednotkou, ktorá vypočítava Gp podľa uvedenej rovnice. Výstup tejto jednotky je v komparátore, ktorý tvoria modifikačné prostriedky 304, porovnaný s pevnou prahovou hodnotou T. Ak predurčený zisk presahuje túto prahovú hodnotu (obvykle T = 63 dB alebo T = = 18 dB), je tón pokladaný za rozpoznaný. Existuje niekoľko možných reakcií na rozpoznanie tónu:

a) nahradiť výstup hlavného detektora prostriedkami 303 na výpočet parametra predurčeného zisku vstupného signálu;

b) nahradiť pomocný detektor prostriedkami tretieho vstupu do súčtového hradia 206;

c) obe predchádzajúce možnosti.

Samozrejme namiesto výpočtu podielu môže byť výraz Σχ² porovnávaný s výrazom Zy², vynásobeným prahovou hodnotou. Na obr. 3 sú zobrazené histogramy predurčených ziskov v dB, ktoré boli získané zo šumu pozadia, z reči, zo šumu pozadia v signálnych tónoch a zo samotných signálnych tónov. Na obr. 4 sú potom zobrazené diagramy predurčeného zisku v závislosti od času pri rôznych signálnych tónoch používaných vo Veľkej Británii, konkrétne pri:

- obsadzovacom tóne,

- oznamovacom tóne,

- vyzváňacom tóne,

- tóne „volané číslo neexistuje“, a

- tóne „zariadenie obsadené“.

V praxi sú obsadzovací tón, oznamovací tón a tón „volané číslo neexistuje“ úspešne rozpoznávané ďalším detektorom, rovnako ako multifrekvenčné tóny. VyzváÄací tón a tón „zariadenie obsadené“ sú rozpoznávané detektorom 205 hlasových zvukov.

Ďalší detektor 300 je možné považovať za detektor určitých druhov tónov, alternatívne (pri uskutočnení z obr. 2) môže byť považovaný za detektor situácie, keď zvyškový signál y; je taký malý, že funkcia jednotky 107 dlhodobého predurčenia (a tým detektora 205 hlasových zvukov) nie je silná.

Alternatívnou možnosťou zisťovania hlasového zvuku je nahradiť detektor 205 hlasových zvukov jednotkami analogickými k jednotkám 301, 302, 303 a 304 a založiť vytváranie predurčeného zisku na analýze dlhodobého predurčenia v jednotke 107 dlhodobého predurčenia.

Ďalej budú s odkazom na obr. 5 opísané dve modifikácie zariadenia z obr. 2. Vypočítavaný zisk je v uskutočnení z obr. 2 ziskom LPC analýzy hlasového kodéra 100, ktorá by mohla obvykle používať predurčovač ôsmeho alebo desiateho rádu. Vo vedomí toho, že základom tejto časti analýzy je, že informačné tóny rezultujú vo väčších predurčených ziskoch než šum prostredia a že čím vyšší je rád analýzy, tým vyššia je schopnosť predurčovača modelovať šum prostredia, bolo zistené, že obmedzením výpočtu zisku na analýzu štvrtého rádu dávajú informačné signály, pozostávajúce z jedného alebo dvoch tónov, vysoký predurčený zisk, zatiaľ čo predurčený zisk pri šume prostredia môže byť znížený.

Principiálne by toto bolo možné dosiahnuť použitím analýzy štvrtého rádu a použitím filtra vedľa jednotiek 105, 106 na zásobovanie pomocného detektora signálom, ale ľahšie je vypočítať predurčený zisk z reflexných koeficientov (niekedy uvádzaných ako Parcor koeficienty). Na obr. 5 sú tieto reflexné koeficienty vypočítavané známym spôsobom z autokorelačných koeficientov R_; kalkulátorom 400 reflexných koeficientov (hoci v závislosti od uskutočnenia zvukového kodéra by mohlo byť možné snímať ich z medziľahlého bodu jednotky 105 LPC analýzy). Mieru predurčeného zisku, chybu predurčenia Pe, možno získať výpočtom z prvých štyroch reflexných koeficientov Rq podľa vzorca:

Pe-Π (1-Rcj²). i=l

Tento výpočet sa uskutočňuje v jednotke 401. Veľká chyba predurčenia Pe zodpovedá nízkemu predurčenému zisku a naopak. Signálny tón sa preto považuje za prítomný vo vstupnom signáli, ak hodnota Pe je menšia než prahová hodnota Pth. Toto porovnanie v komparátore 403 nahradilo porovnávanie v modifikačných prostriedkoch 304 z obr. 2.

Šum okolitého prostredia mobilného telefónu obsahuje veľmi silné rezonancie na nízkych frekvenciách. Na zistenie, či je „tón“ pod prahovou frekvenciou, sa uskutočňuje ďalší test. Voľba prahovej hodnoty v sebe zahrnuje určitý stupeň kompromisu, ale odporúčaná je hodnota 385 Hz, lebo väčšina signálnych tónov leží pod 400 Hz.

Tento ďalší test pracuje tak, že sú stanovené pólové frekvencie LPC filtra. Na zmenšenie komplexnosti analýzy je výhodný filter nízkeho rádu. Následne by mohla byť uskutočnená ďalšia LPC analýza, ale jednoduchšie je pokračovať, ako pri uskutočnení na obr. 5, výpočtom LPC koeficientov z reflexných koeficientov. Za predpokladu, že sa použijú iba prvé dva reflexné koeficienty z kalkulátora 400 reflexných koeficientov, sú LPC koeficienty a; vypočítané bežným spôsobom prvkom 404, ktorý je definovaný tak, aby citlivosť syntézneho filtra bola:

H(z) = 1/ (ag t aj z’¹ + a2 z^-2)

Potom sú polohy pólov v rovine z dané riešením kvadratickej rovnice ao z² + a| z + a2 = 0 ao = 1

-a_t / 4a₂ - a|² z = —. ± j y -------.

4

Ak výraz pod druhou odmocninou je záporný, potom póly ležia na reálnej osi a vstupný signál nie je signálnym tónom. Ak je tento výraz kladný, ale reálna časť polohy pólu je záporná (t. j. a₍ < 0), potom je pól v ľavej polovici roviny z. To nevyhnutne znamená, že frekvencia je viac než 25 % hodnoty vzorkovacej frekvencie, t. j. viac než 2000 Hz pre vzorkovaciu frekvenciu fs = 8 kHz. V takomto prípade je výpočet zbytočný a signál „>385“ môže byť ihneď generovaný.

Pólová frekvencia je daná rovnicou:

- Váa2 - a;² f_sľ * arctan (------) x · a ]2 π

Podmienku, že f < 385 Hz možno zapísať (vylúčením druhých odmocnín) ako:

2tc x 385 (4a₂ - a | ²) / a |² < tan² () alebo ako:

(4a₂ a)²) / _a|2 <r 0,0973 pri f_s = 8kHz .

Tento výpočet sa uskutočňuje v jednotke prostriedkov 405 na zisťovanie jednej alebo viacerých primárnych frekvenčných zložiek vstupného signálu. Jej výstup je zlúčený v AND hradle 406 s výstupom komparátora 403, takže roz

SK 281796 Β6 hodnutie o tom, že ide o signálny tón vznikne iba vtedy, keď predurčený zisk je veľký a zároveň, keď je pólová frekvencia väčšia než 385 Hz.

Ak je to požadované, môže byť pólová frekvencia vyššia než 2000 Hz (alebo vyššia než nejaký iný horný limit) tiež odlúčená, aby vysoké frekvencie nad predpokladaným rozsahom signálnych tónov nemohli byť rozpoznané ako signálne tóny.

Ak sa pri riešení kvadratickej rovnice použije zvláštny výpočet, je možné použiť tiež tretí a štvrtý reflexný koeficient. V tomto prípade by mohli byť zistené dva združené komplexné páry pólov s dvoma frekvenciami. Je zrejmé, že v takomto prípade by signálny tón nebol pokladaný za prítomný vo vstupnom signáli, keby obe frekvencie boli pod prahovou hodnotou.

Bolo už uvedené, že uskutočnenia vynálezu podľa obr. 2 a obr. 5 používajú pred autokorelačným výpočtom v jednotke 103 rozdelenie zvukových vzoriek do snímok (ako je bežné pri LPC analýze založenej na autokorelácii). Ak sa pri hlasovom kodéri nepožaduje uskutočňovať túto činnosť, je možnou alternatívou prípadu z obr. 5 vypustiť jednotku 103 a nahradiť výpočet reflexného koeficienta konverziou autokorelačných hodnôt na kovariantné hodnoty, jednotky 401, 404 modifikovať na využitie týchto kovariantných hodnôt oproti využitiu reflexných koeficientov. Alternatívne, ako ukazuje obr. 6 (kde sú zobrazené iba tie časti, ktoré boli oproti obr. 5 zmenené), môže byť počiatočné spracovanie uskutočnené jednotkou 109 kovariantnej analýzy, ktorých výstup je privádzaný do kalkulátora 400' reflexného koeficienta a do autokorelačnej jednotky 104' modifikácie autokorelačného koeficienta. Jednotka 105 LPC analýzy môže byť spojená, ako predtým s autokorelačnou jednotkou 104', alebo, ako je zobrazené, priamo s jednotkou 109 kovariantnej analýzy.

Opísané uskutočnenia na detekciu signálnych tónov majú dobré výsledky, ale môžu zlyhať pri mechanicky generovaných tónoch, ktoré sa používajú v určitých teritóriách. Tieto mechanicky generované tóny majú vyššiu harmonickú zložku rezultujúcu v malom predurčenom zisku. Prosté odfiltrovanie vyšších harmonických zložiek nie je riešením, lebo vloženie filtra vedie k zvýšeniu autokorelácie všetkých signálov a tým k väčším predurčeným ziskom taktiež pri ostatných signáloch. Bolo zistené, že predurčovač má snahu skôr upravovať póly filtra než charakteristiky vstupného signálu. Jednako však bolo tiež zistené, že dobré výsledky je možné získať filtráciou, ak analýza predurčeného zisku je obmedzená na stanovenie predurčenia signálu len vo frekvenčnom rozsahu zodpovedajúcom pásmu priepustnosti harmonického filtra. Toto sa dosiahne vzorkovaním signálu frekvenciou dvojnásobnou oproti šírke pásma filtra pred analýzou predurčeného zisku.

Uskutočnenie vynálezu zobrazené na obr. 7, ktoré je podobné uskutočneniu z obr. 5, preto používa filter 450, ktorým je nízkopriepustný FIR filter, majúci pásmo priepustnosti do 600 (3 dB) a majúci zoslabenie potlačovaného pásma 20 dB pri 1200 Hz. Výhodné je, keď zoslabenie potlačovaného pásma nie je príliš veľké. Výstup filtra 450 je vzorkovaný pri 1200 Hz vo vzorkovacej jednotke 451.

Pri tomto filtrovaní sú veľmi redukované možnosti tónovej detekcie spoločne využívať komponenty s hlasovým kodérom 100. Do filtra 450 je teda digitalizovaný vstupný signál privádzaný priamo z analógovo-digitálneho prevodníka 102 a jeho výstup smeruje do kalkulátora 400' reflexných koeficientov alebo do jednotky kovariantnej alebo autokorelačnej analýzy tak, ako bolo opísané predtým.

Ďalšie uskutočnenie vynálezu zmierňuje problém harmonických zložiek bez nadmerného obmedzovania frek venčného pásma analýzy predurčovaného zisku. Toto sa dosiahne použitím filtrov rozdeľujúcich vstupný signál na dve alebo viac frekvenčných pásiem, kde každé toto pásmo je dostatočne úzke na to, aby nemohlo obsahovať základnú a tretiu harmonickú zložku signálneho tónu. Každý kanál je potom vzorkovaný a podrobený oddelenej analýze predurčeného zisku.

V uskutočnení podľa obr. 8 je signál rozdelený filtrami 450a a 450b na dve frekvenčné pásma 400 až 1200 Hz a 1200 až 2000 Hz a vzorkovaný pri 1,6 kHz v prostriedkoch 451a, 451b na vzorkovanie. Výpočet reflexného koeficientu 400'a a 400'b, analýza chyby predurčenia 401a, 401b a prahovanie sú uskutočňované oddelene pre obe pásma. Dva výstupy z komparátorov, ktoré tvoria prostriedky 403a a 403b na potlačenie aktualizácie, sú vedené na oddelené vstupy súčtového hradia 206 tak, aby vysoký predurčený zisk v oboch kanáloch bol pokladaný za indikáciu prítomnosti signálneho tónu. Ostatné prvky 100 až 303 z obr. 7 nie sú na obr. 8 zobrazené, lebo sú pri oboch uskutočneniach rovnaké.

Claims

PATENTOVÉ NÁROKY

1. Detektor hlasu na zisťovanie prítomnosti reči vo vstupnom signáli, ktorý má šumovú zložku, pozostávajúci z prostriedkov (113) na uchovanie modelu šumovej zložky vstupného signálu, z prostriedkov (114, 115) na zistenie spektrálnej podobnosti vstupného signálu s uloženým modelom šumu na vytváranie výstupného rozhodovacieho signálu, z prostriedkov (112) na aktualizáciu uloženého modelu šumu a z pomocného detektora (200) na riadenie prostriedkov (112) na aktualizáciu tak, aby k aktualizácii došlo iba v čase, keď pomocný detektor (200) udáva, že vstupný signál neobsahuje reč, vyznačujúci sa t ý m , že ďalej zahrnuje prostriedky (303) na výpočet parametra predurčeného zisku vstupného signálu a modifikačné prostriedky (304) na potlačenie aktualizácie v prípade, že predurčený zisk prekročí prahovú hodnotu.
2. Detektor hlasu podľa nároku 1,vyznačujúci sa t ý m , že pomocný detektor (200) zahrnuje detektor (205) hlasových zvukov reagujúci na signály odvodené z kódovania s lineárnou predikciou zvyškového signálu.
3. Detektor hlasu podľa nároku 1 alebo 2, v y zničujúci sa tým,že prostriedky (303) na výpočet parametra predurčeného zisku sú upravené na výpočet predurčeného zisku kódovania s lineárnou predikciou predurčenia šiesteho alebo nižšieho rádu.
4. Detektor hlasu podľa nároku 3, vyznačujúci sa t ý m , že prostriedky (303) na výpočet parametra predurčeného zisku sú upravené na výpočet predurčeného zisku kódovania s lineárnou predikciou predurčenia štvrtého alebo nižšieho rádu.
5. Detektor hlasu podľa ktoréhokoľvek z predchádzajúcich nárokov, vyznačujúci sa tým, že ďalej zahrnuje prostriedky (405) na zisťovanie jednej alebo viacerých primárnych frekvenčných zložiek vstupného signálu a na porovnanie frekvencie s vopred stanovenou prahovou hodnotou a na umožnenie potlačenia aktualizácie iba v prípade, že uvedená primárna zložka prekračuje prahovú hodnotu.
6. Detektor hlasu podľa ktoréhokoľvek z predchádzajúcich nárokov, vyznačujúci sa tým, že pred prostriedky (303) na výpočet parametra predurčeného zisku je predradený filter (450) na odstránenie hornej časti frekvenčného rozsahu vstupného signálu, pričom prostriedky (303) na výpočet parametra predurčeného zisku sú upravené na výpočet parametra predurčeného zisku iba pre frekvenčné zložky ležiace v pásme priepustnosti filtra.
7. Detektor hlasu podľa nároku 6, vyznačujúci sa t ý m , že má dva filtre (450a, 450b) s príslušnými pásmami priepustnosti a príslušné prostriedky na výpočet parametrov predurčeného zisku pri príslušných pásmach priepustnosti a modifikačné prostriedky (403a, 403b) na potlačenie aktualizácie v prípade, že predurčený zisk presahuje v oboch pásmach priepustnosti prahovú hodnotu.
8. Detektor hlasu podľa nároku 6 alebo 7, v y z n a čujúci sa tým, že zahrnuje prostriedky (451a, 451b) na vzorkovanie filtrovaného signálu/signálov.