TW403892B - A method for enhancing 3-D localization of speech - Google Patents

Description

—__五、發明説明（1 ) A7 B7 經濟部中央標準局員工消費合作社印製 .發明背景 - !· 發明領域 本發明係關於語言處理。更明.祕 处里更明確地虱，是關於一種增強 叩5二維（3-D)定乓之方法與裝置。 正常人類的語言包含寬廣範園的頻率成分 至數千赫⑽Z)之間變化。例二= ^基本上具有低頻，但是譜波則具有非常寬廣的音階。 '由於人㈣語言具有寬廣範園頻率之發現，所以某人在和 另人説居時，可以將其語言換句話説，通常可以 將與特定個人之語言加以定位。 . 爲了決定語言之或可明瞭性或訊息，聽 高頻率的語言。因此，許多通訊系統，例如，大；：更 話、影像電話與電話系統使用壓縮演算法-广而放棄在語 中發現的高頻資訊。所以，大約在4千赫的多數高頻内 被捨棄捧。當語言不需定位時，此種解答是足夠的。 疋，如果疋而要或一定要作語言定位（例如，虚擬實境） 應用時，成Λ 了失去語言中的高頻成分是不利的。這是叫 爲聽者的語言定位是需要更高頻的、語言中的高頻成分幫 助聽者智慧地感測到聲音之所在地。舉例來説，幫助聽者 決定聲音在聽者的上方或下方；或是在左方或右方；或是 在聽者的前方或後方。因此’所需的乃是一種將通訊系 中所傳送的捨棄高頻成分的語言加以轉換的方法。此種 法將允許聽者將所經過轉換的語言加以定位而且不失其· 電 言 容 但 的 因 統' 方 明 • - II 1 I—-I . —.―.-------裝 _. I (請先閲讀背面之注意事項再填^本頁) 線 4 本紙張尺度適用中國國家標準（CNS.).A4規格（210Χ297公釐） , 經濟部中央標準局黃工消費合作社印製 403892 五、發明説明（2 ) · — 瞭性。 _ 發明之概述 本發明揭露一種由電腦來完成的增強語言三維（3-D )定 位之方法。先接收0—預定速率取樣之語言訊號，接著； 決定該語言訊號之最大頻率；加大取樣速率，一低階、寬 波帶之雜訊加入該語言訊號以產生具有更高頻成分的新語 言訊號。 ' _ 圖式簡述 •本發明藉由舉例…的方式，但不限於附圖中的圖例來解 釋，其中相同代號代表類似元 圖1解釋一種可以完成本發明的典型電腦系統。 圖2爲解釋本發明具體實施例的流程圖。 圖3解釋一種可以用於本發明的一種硬體具體實施例。 一發明之詳細説兩 … 描述一種增強語言三維定位之方法與裝置。在以下的描 述中’許多特定的細節將會公開以徹底了解本發明。然 而，很顯然地；對於已熟知此項技藝之人士來説，可以不 用這些特定的細節而加以演練本發明。在其他的例子中， 著名的架構與設備將以方塊圖的形式來表示以避免對本發 明有不必要.的不了解。 本發明藉著提供語言高頻成分以增強語言之三維定位。 此方式是必須的，因爲，語言的高頻成分（例如，高於4 千赫）在傳送時經常因爲壓縮演算法而移去。結果，就失 去了可以用於空間定位線索之語言的高頻成分。因此，，聽 _5_ 尺度適用中關家標準（CNS ) A4規格（210/ 297公楚7~ '~~~-_ ^ 抑衣 訂 線 -« ^ (請先閲讀背面之注意事項再填寫本頁) 經濟部中央標準局員工消費合作社印製 ^°^892 at ~~_______________B7 _ 五、發明説明(3 ) ' ~ — ~ ~~ 者所得到的經過壓縮與定位的語言就不能準確地感測到語 巨來源之位置。所以，本發明就藉由在加大語言取樣速率 疋後與執行定位之前，將高頻、寬波帶雜訊加入到壓縮的 语f中以改正此問題。 請參考圖1，此爲一種典型的電腦系統，藉此本發明的 —具體實施例可如圖中之1〇〇來完成。該電腦系統1〇〇包 含一匯流排或莫它通訊裝置1〇1以傳達資訊，處理機1〇2 與匯流排101連結以處理資訊。電腦系統1〇〇更包含隨機 接達1己憶（RAM)或其它動態儲存裝置104 (如圖1中之主記 憶），並連結到該匯-流排存.氛息及將由該處理機 1〇2執行之指令。主記憶亦可以儲存暫態之變數値或其它 在處理機102執行指令時之中間訊息。 電腦系統100亦包含僅讀記憶（ROM )與/或其它連結到該 匯排101之靜態儲存裝置〗06以儲存處理’機〗〇2 所需之靜 態t·訊與指令。連結到該匯流排1〇1之資料儲存裝置1〇7 儲存訊息與指令。該資料儲存裝置1〇7，例如爲磁碟或光 碟，與其相當的磁碟機可以連結到電腦系統1〇〇。網路介 面103連結到該匯流排101。操作網路介面1〇3以連結電腦 系統100至網路上的電腦系統（沒在圖中表示）。 電腦系統100亦可利用匯流排1.01與顯示裝置121連結。 該顯示裝置121，例如是陰極射線管（CRT)，以顯示資訊 给電腦使用者。一字符數字輸入裝置122，包含其它字符 數字鍵，連結到該匯流排101以傳達資訊與下答指令至該 處理機102。另一種使用者輸入裝置爲游標控制123，·例 -6- 本紙張尺度適用中國國家標準（CNS ) A4規格（210X 297公釐) --： (請先閲讀背面之注意事項再填寫本頁) -裝 -δ 線 4〇S892 ----—、發明説明（4 A7 B? 經濟部中央標準局員工消費合作社印製 與下或是游標方向键以傳達方向資訊 上之㈣==，1G2 ,並控制游標錢示裝置⑵ (如X)與第二接置具有2自由度與存取，第-接達 位置β 4(>Y)，使得該裝[可以在平面上標示 器其它輸入裝置，如尖筆或筆可以用於與顯示 來二^腦:幕上顯示的物件可以用該尖筆或筆觸摸. .選柽。與系電躅猎由完成一觸摸感測式螢幕來感應到 牛例來説，—系統亦可缺少該鍵盤122且所有的介 面可藉由該尖筆當作是寫作儀似筆），而所寫的字元 :以利用感光字元辨識技術加以解釋。另夕卜，壓縮過的語 舌訊號亦可經由通訊通道如網際網路或區域網路的連接而 到達該電腦。 圖2解释本發明的一·個具體實施例-。在步一驟2〇〇中，從通 訊網路接收到數位語言訊號。例如，可能的數位語言訊號 爲大哥大電話、影像電話或影像電話會議。在這些系統 中’在該語s中，所發現的高頻成分（如大於4千赫）.經常捨 棄掉β這是因爲在該語言中的高頻成分對於語言的了解性 疋不為要的。.尤有甚者，該語言中的高頻成分在亦被語言 的壓縮演算法給捨棄掉。 在步驟202中，分析'所接收到的語言高頻成分。在步躁 204中’由所接收到的語言訊號之取樣速率依據尼克斯特 (Nyquist)法則計算該數位訊號的最大頻率。換句話説， 該取樣速率被侃設成該傳送訊號最大頻率的兩倍。例如”， (靖先聞讀背面之注意事項再填寫本頁} -裝· -訂 .1 11 · -1 . 二·· 1-· 本紙張尺度適用中國國家標準（CNS ) Λ4規格（210X297公釐） Α7 B? 03892 五、發明説明（5 ) - 假設該數位語言訊號的取樣速率是8千赫（KHz )，則最大 頻率爲8千赫的一半’也就是4千赫。所以，該傳送訊號 的最大頻率爲4000赫。 此觀點中’該語言的高頻成分已經被拿掉（如語言的壓 縮演具法）且不可以經由空間的線索來提供方向性。更高 頻的訊息被加入到該語言中以増強三維定位。此結‘果可以 藉由將該語§以_更高.取樣速率再次取樣。步驟208中，將 該取樣速率（如8千赫）加大，通常是以初始取樣速率的2 至6倍因子。在一具體實施例中，該取樣速率可以由8千 赫提高到1 6千赫至4 8-千赫之肩—具體實施例中，該 取樣速率可以由每秒8000次提高到每秒22〇5〇次（約2 2千 赫）。取樣速率爲每秒22050次是中距離的標準取樣速率， 且類似於調頻無線電的品質。例如，在2 2千赫時，可以 不止聽到語言，亦可以聽到儀器的i質與效。所以，取 樣速率提高了；但是沒有增加其它的高頻成分。 在步驟210中，將寬波帶之高斯雜訊加入至該提高取樣 速率的數位語言訊號中。通常，該寬波帶高斯雜訊之頻率 焉所提高取樣速率之尼克斯特（Nyquist)頻率。例如，假 如該取樣速率提高至22千赫或每秒22050次，則該寬波帶 高斯雜訊之頻率爲u〇25赫或是所提高取樣速率的—半。 該高斯雜訊具有與該提高的取樣速率不同頻率的優點。該 寬波帶高斯雜訊亦具有與該提高的取樣速率成比例頻率的 優點。在一具體實施例中，所加入的寬波帶高斯雜訊頻率 可以在8千赫至24千赫之間。該寬波帶高斯雜訊的能量”通 張尺度準 KNS ) A4規格（21GX297公釐） -- ------i-----批衣------ 訂 線 r*--- (請先閲讀背面之注意事項再填寫本頁) , 經濟部中央為準局員工消費合作社印製 408892 Α7 Β7 經濟部中央標準局員工消費合作社印製 五、發明説明（6 ) - ~~-- 常只保持在低到不足以干擾該語言的了解性。紝果，所加 入的寬波帶高斯雜訊只加了約2〇到3〇分貝，較 收的 原始數位語言訊號爲低。 該寬波帶高斯雜，訊將高頻成分加入到原始數位語古訊 號。這對於増強語言之三維定位是很重要的這將經^波 态加以介紹。例如，在虛擬實境的經驗中重新產生聽者的 語言來源。在二具體實施例中，所形成的寬波帶語言可以 傳送到電腦系統的三維語言定位常式中，如步驟2^。另 、外，此時亦可以加入與該數位語言訊號相關的位置訊息。 相當於此語言訊號·的位置訊更實際的虛擬經驗。 例如，假如某人同時與五人進行多點的影像會議，其影像 在各螢幕上是可見的，那麼其語言的位置訊息與影像連結 起來而顯示在螢幕上。例如，顯示在螢幕上左方的影像正 在説話，則語言訊號聽起來就應該展是來-自-榮幕上左方。 該语—s訊號不能讓聽者覺得聽起來像是來自螢幕上的右 方。 本發明的另一應用是在三維虚擬實境螢幕上。例如，某 人處在虚擬空間或是三度空間的室内，其中某人與各人的 影像見面或説話。假如有一特定人士的三度空間影像可聽 到其正在説話，而非只是不動，那麼本發明將使該語言的 接收者能夠將此語言訊號與其三度空間影像連結起來。周 此’假如一使用者從一群説話者中走到另一群説話者中， 該使用者所接收的語言應該随著變化。 -9- (請it·閲讀背面之注意事項再填寫本頁) .裝- 訂 線 〇

I 一 A7 B7 403892 五、發明説明（7 ) " 圖3解釋本發明的一個磲體具體實施例300。數位語言凱 號301由接收機303所接收。該數位語言訊號301是由通訊 網路，如大哥大電話所傳送。人類的語言經常是先接收成 類比訊號，然後再轉換成數位訊號。該數位語言訊號3 〇1 經常在到達該接收機3〇3.之前被塾縮.或限制波帶。因此， 該數位語言訊號301的高頻成分（如大於4千赫）經常被移 去。 該接收機303亦決定該數位語言訊號的最大頻率。在該 •具體實施例中，該·接收機303依據該數位語言訊號的取樣 速率利用尼克斯特（"Nyquist)-法alUJ來.決定其頻率。例如， 假如取樣速率是6千赫，那麼依據尼克斯特（NyqUist)法 則，其最大頻率是3千赫，也就是取樣速率的一半。然 後’轉換器3 0 5將最小的取樣速率加以轉換或提升到另一 _ 加大的取樣速率。在該具體實施例；，該加-大的取樣速率 可以是較大於原始取樣速率2到6倍。 然後’產生器307產生寬波幣高斯雜訊以増加該數位語 言訊號301的高頻成分。這是必須的因爲該語言的高頻成 分使传聽者可以較佳地將該數位語言予以定位。換句話 説，在二維疋位之後，該語言的高頻成分使得聽者可以決 疋該语s在其左方或右方；上方或右下方；前方或右後 方。該語言的三維定位增強聽者對於語言的能力。具有加 大取樣速率的語言訊號與寬波帶高斯雜訊在相加器3 〇 9中 相結合。然後所形成的寬波帶語言訊號在傳送到過濾衍生 單兀313之前被儲存在記憶311之中。在該具體實施，例 -10- 本纸張尺度適用中國國家標準（CNS ) A4規格（210X297公您 j ^ J 扣衣 j 訂 線 (請先閱讀背面之注意事項再填寫本頁) 經濟部中央標準局員工消費合作社印製 403892 _- B7 A7 五、發明説明(8 中，此濾波器可以是有限脈衝響應濾波器（fir)。其具有 叮以.使用其t /慮波器的優點.。在先前的技藝中，不具有高 頻成分的數位語言訊號301經常是直接傳送到過濾衍生單 元313的。結果，邱形成的數位語言經常失去可察覺的三 維定位線索。在強烈的對比之下，本發明允許使用者増強 的二維定位能力或是語言訊號的感測力。因此，聽者將享 受語訊號更.實際的經驗^ 在以上的描述中’許多特定的細節作爲本發明的解釋 '並不是本發明的限制。很顯然地；對於已熟知此項技藝 人士來説，可以不甩這些特忠^加以演練本發明。 尤有甚者’特定的語言處理設備與演算法並沒有詳細地加 以公開以避免對本發明有不必要的不了解。因此，本發 的方法與裝置由所附的申請專利範圍加以定義。 因此’增強語言三維定位之方法碎加以福述。 但 之 明 (請先閲讀背面之注意事項再填寫本頁) .装.

•1T 經 部 中 a 標 準 員 工 消 费 合 作 社 印 製

(210X297公釐）

Claims (1)

1. B8 C8 D8 ,經濟部中央標準局員工消費合作社印製 六、申請專利範圍 . ' Λ —種利用電腦完成增強語言三維定位之方法，包含： 接收以預定速率作取樣的語言訊號； 決定該語言訊號的最大頻率； 加大該語言訊I虎的取樣速率；與 在該語言訊號加入低階、寬波帶雜訊以產生具有高頻 成分的新語言訊號。， 2. 如申請專利範-圍第1項之方法，更包含： 傳送該新語言訊號的步驟。 • -· 3. 如申請專利範圍…第1項之方法，其中所加大的取樣速率 至少是最大頻率的兩倍。、-.， 4·如申請專利範圍第3項之方法，其中該取樣速率以2到6 之間的範圍作爲增加的因子。、 5.如申請專利範圍.第丨項之方法，其中該低階、寬波帶雜 訊_具有爲加大的取樣速率一半的頻率。K . 6·如申請專利範圍第1項之方法，其中該低階、寬波帶雜 訊大約較該語言訊號低20至3〇分貝。、 7. 如申請專利範圍第i項之方法，其中該低階、寬波帶雜 訊具有大約8千赫至2 4千赫之間的頻率。' 8. —種電腦可讀媒介，儲存一串指令，此串指令由一處理 機執行，使得該處理機執行下列步碟： 接收數位語言訊號； 決定發生在該數位語言訊號的最大頻率； 決定該數位語言訊號的取樣速率； 加大該數位語.言.訊號的取樣速率以成爲加 八取樣速 -12- 本紙張尺度適用中國國家標準（〇呢）八4^#(210父297公釐） (請先閎讀背面之注意事項再填寫本頁) -裝 、βτ 線 A8 B8 C8 D8 403892 六、申請專利範圍 率 將寬波帶高斯雜訊加入該數位語言訊號以產生具有高 頻的寬波帶數位語言訊、號；並 傳送該寬波帶敦位語言訊,號。' 9. 如申請專利範圍第8項之電腦可讀媒介，更包含： 提供該寬波帶數位語言訊號位置訊息的步驟。、 10. 如申請專利範圍第8項之電腦可讀媒介，其中最大頻率 $約是4千赫（KHz)。、 -Π.如申請專利範圍第1 〇項之電腦可讀媒介，其中該加大 的取樣速率大約是在16與乏問％ 12.如申請專利範園第8項之電腦可讀媒介，其中該寬波帶 高斯雜訊的頻率與該加大的取樣速率成正比。、 11如申請專利範圍第8項之電腦可讀媒介，其中該寬波帶 商斯雜訊的頻率大約是在8與2 4千赫之簡'、 Η.如申請專利範圍第8項之電腦可讀媒介，其中該寬波帶 南斯雜訊大約較該數位語言訊號低2〇至3〇分貝。、 15. —種增強語言三維定位之可程式化裝置，包含：、 接收語.言訊號的接收機； 與接收機連結以加大該語言訊號的取樣速率以成爲加 大的取樣速率的轉換器；、 產生寬波帶雜訊的產生器； 連結到轉換機與產生機以將寬波帶雜訊結合至具有加 大的取樣速率的語言訊號並產生寬波帶語言訊號的加 益；與、 ' -13- 本紙張尺彦用中囷固定垣痕r ΓΝίς、目故，处 — I J J ； — 裝 ^ 訂' II I I 線 (請先閔讀背面之注意事項再填寫本頁) 經濟部中央標準局員工消費合t社印製 i ? r f I 8 3ο 4, 8 8 8-A1BCD 六、申請專利範圍 連結到加器以儲#該寬波帶語言訊號时記憶。、 16,如申請專利範園第15項之電腦可程式化裝置，更包 含：' 連結到記憶以將該寬波帶語言訊號加以定位的濾波 器。' . 17_如申請專利範園第15項之電腦可程式化裝置，其中該 語言訊號爲數-位化且具有大約爲4千赫的頻率q 18. 如申請專利範園第15項之電腦可程式化裝置，其中該 語s.訊號具有低泰4千赫的頻率。 19. 如申請專利範圍第〗5項之雇式化裝置，其中該 轉換機決定該語言訊號的最大頻率，然後並將該語言訊 號的取樣速率以最大頻率2至6倍的因子加以加大。、 2〇_如申請專利範圍第1 9項之電腦可程式化裝置，其中寬 波帶雜訊具有大約爲該加大的取袅速率二-半的波寬。 21·如申請專利範圍第1 5項之電腦可程式化裝置，其中寬 波帶雜訊大約較該語言訊號低2 〇至3 〇分貝。、 22.如申請專利範圍第2 1項之電腦可程式化裝置，其中寬 波帶雜訊的頻率與加大的取樣速率的頻率不同。 (請先閱讀背面之注意事項再填寫本頁) -裝- 線- 經濟部中央標準局員工消費合作社印製 14- 本紙張尺度適财關家標準（CNS ) ( 21QX297公董）