WO2002084644A1 - Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen - Google Patents

Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen Download PDF

Info

Publication number
WO2002084644A1
WO2002084644A1 PCT/DE2002/001200 DE0201200W WO02084644A1 WO 2002084644 A1 WO2002084644 A1 WO 2002084644A1 DE 0201200 W DE0201200 W DE 0201200W WO 02084644 A1 WO02084644 A1 WO 02084644A1
Authority
WO
WIPO (PCT)
Prior art keywords
speech
intensity
signal
value
determined
Prior art date
Application number
PCT/DE2002/001200
Other languages
English (en)
French (fr)
Inventor
Jens Berger
Original Assignee
Deutsche Telekom Ag
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Deutsche Telekom Ag filed Critical Deutsche Telekom Ag
Priority to US10/311,487 priority Critical patent/US7277847B2/en
Priority to EP02727282A priority patent/EP1382034B1/de
Priority to DE50202281T priority patent/DE50202281D1/de
Priority to AT02727282T priority patent/ATE289442T1/de
Publication of WO2002084644A1 publication Critical patent/WO2002084644A1/de

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/69Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78Detection of presence or absence of voice signals
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00Speech 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
    • G10L21/02Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208Noise filtering
    • G10L21/0216Noise filtering characterised by the method used for estimating noise
    • G10L2021/02168Noise filtering characterised by the method used for estimating noise the estimation exclusively taking place during speech pauses
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78Detection of presence or absence of voice signals
    • G10L2025/783Detection of presence or absence of voice signals based on threshold decision
    • G10L2025/786Adaptive threshold

Definitions

  • the invention relates to a method for evaluating background noise in speech pauses of recorded or transmitted speech signals.
  • the perceived speech quality e.g. in telephone connections or radio transmissions, is mainly determined by simultaneous speech disturbances, i.e. disturbances during speech activity. But noises during the pauses in the speech are also included in the quality assessment, especially when it comes to high-quality speech reproduction.
  • the intensity of the background noise in the speech pauses can be used as a supplementary parameter for determining the speech quality (speech quality).
  • Speech quality determinations of speech signals are generally carried out by means of auditory ("subjective") examinations with test subjects.
  • the aim of instrumental ("objective") methods for determining speech quality is to use characteristic computing methods to determine characteristic values from the properties of the speech signal to be evaluated, which describe the speech quality of the speech signal without having to resort to judgments by test subjects.
  • Instrument quality methods which are based on a comparison of undisturbed reference speech signal (source speech signal) and the disturbed speech signal at the end of the transmission chain, provide reliable quality determination. There are many such methods, which are mostly used in so-called sample connection systems. The undisturbed source speech signal is fed in at the source and recorded again after the transmission. State of the art and disadvantages of known methods
  • Known methods for determining the intensity of background noise usually start from the disturbed signal itself and use a defined intensity threshold to distinguish between active speech and speech pauses (FIG. 1).
  • this threshold is set constantly in the process, but can also be adapted on the basis of the signal curve (e.g. defined distance from the signal peak value). The goal is to make a clear distinction between language and language break.
  • the desired intensity characteristics of the background noise can be determined from the signal sections detected as a speech pause.
  • the signal sections detected as a speech pause are generally subdivided into shorter segments (typically 8 ... 40ms) and the intensity calculations (e.g. effective value or loudness) are carried out for them. Intensity parameters can then be determined from the results.
  • Instrumental speech quality measurement methods are mostly based on the principle of signal comparison of undisturbed reference speech signal and disturbed signal to be evaluated. Examples of this are the publications:
  • sample connection systems in which a known reference speech signal (source speech signal) is fed in at the source, via e.g. B. a telephone connection is transmitted and recorded at the sink. After the speech signal has been recorded, the properties of the possibly disturbed signal are compared with those of the undisturbed source speech signal in order to assess the speech quality.
  • source speech signal source speech signal
  • the undisturbed source speech signal is available for determining the background noise during speech pauses, then this can be used to determine the transition times from speech to speech pause or from speech pause to speech. For this, e.g. a method with threshold determination - as described above - applied to the source speech signal.
  • the method provides reliable distinctions between speech and speech pause, since the speech-to-noise ratio in the undisturbed source speech signal is sufficiently high (FIG. 3a).
  • the times of the swell passage, i.e. The beginning or end of the speech activity can now be transmitted to the disturbed speech signal (Fig. 3b).
  • Source voice signal and disturbed signal a constant time difference (e.g. delay due to signal transmission) occurs.
  • this time difference can be reliably determined in advance and then to correct the times at the end or start of the
  • time-invariant systems include, in particular, packet-based transmission systems, where different packet delays and corresponding management in the receiver can cause significant fluctuations in the system delay.
  • speech breaks in the receiver are sometimes extended and later ones shortened.
  • a transmission of the times from the beginning or end of the speech activity is only possible with knowledge of the current delay at these points.
  • the adaptive determination of the time offset is computationally intensive and, particularly in the case of reduced speech-to-noise ratios, is often unsuccessful. If the adaptive determination of the time offset is not successful, the beginning and end of speech pauses cannot be determined exactly or not at all. As a result, no or only an uncertain determination of the intensity characteristic values of pause noises is possible.
  • a method is to be presented with which a reliable and quick determination of intensity characteristics of the background noise during speech pauses is guaranteed even under the conditions mentioned.
  • the condition is that both the source speech signal and the disturbed speech signal are fully recorded.
  • the known methods assume that the time from the beginning and end of a speech pause is determined as precisely as possible. As a result, the signal from the break sections is then available for further evaluation. The intensity parameters are determined from these separated pause sections of the signal. With the present method, intensity characteristic values of background noise in speech pauses of speech signals can be determined without having to determine the exact times from the beginning and end of a pause section. It is also not necessary to separate the speech pause signal for the evaluation.
  • the basis for the method described here for determining intensity characteristics of background noise in speech pauses in speech signals is the cumulative frequency distribution of the intensity values from the signal segments into which the speech signal is previously divided.
  • These short-term signal intensities refer to signal segments with a duration of e.g. 8ms or 16ms.
  • the frequency distribution indicates how high the proportion of short-term intensities is below a defined threshold.
  • the speech signal to be analyzed is divided into short successive signal segments and the intensity value (e.g. loudness or effective value) of each signal segment is determined.
  • FIG. 4 shows a typical curve profile for speech signals with stationary background noise (speech-noise distance approx. 10B).
  • the cumulative frequency distribution is shown using the example of short-term loudness (loudness calculated according to ISO532).
  • the intensity threshold value corresponding to the frequency threshold can be determined from the frequency distribution of the short-term intensities.
  • a proportion of speech pauses of 58% is entered in FIG. 4 as an example.
  • the area below the intensity threshold shows the frequency distribution for intensity values of signal segments in the speech pauses and can be used to determine intensity values of the background noise in the speech pauses.
  • the arithmetic mean of all segments whose intensities are below a previously determined frequency threshold can also be derived from the cumulative distribution function.
  • the cumulative distribution function P (x) must first be differentiated into a distribution density function p (x).
  • the arithmetic mean of all evaluated intensities X of the total signal is calculated from the integral of the distribution density function /? (5e:
  • the intensity threshold x c can be derived from the distribution function P (x). .
  • the arithmetic mean of all segments with an intensity that is less than x G is calculated according to Eq. 2, where x a - 34.5 sone applies.
  • the calculated arithmetic mean can be regarded as the mean value of the intensity during speech pauses.
  • the value for the distribution function G (x, ⁇ ⁇ 2 ) for x—> ⁇ is 1.
  • FIG. 7 uses the example from FIG. 4 to demonstrate how the function can be used to determine the intensity value that is exceeded by only 20% of the speech pause segments (20% percentile loudness).
  • the value is only slightly less than the maximum value due to the little fluctuating noise selected in the example.
  • the exemplary embodiment of the method for determining the intensity of background noise presented here determines the arithmetic mean of all loudnesses of the segments which are below a certain frequency threshold.
  • This frequency threshold corresponds to the proportion of speech pauses in the signal and the calculated arithmetic mean is regarded as the mean loudness in speech pauses.
  • the distribution density function is used in this exemplary embodiment.
  • the precondition is that both signals, i.e. the undisturbed source speech signal and the disturbed signal to be evaluated are fully recorded.
  • the proportion of speech pauses P z in this signal is determined using a suitable threshold based on the source speech signal.
  • the second step is the calculation of the desired intensity values for successive short signal segments of the speech signal to be evaluated.
  • the loudnesses are calculated according to ISO532 in successive signal sections of 16 ms length.
  • the distribution function is approximated by a series of individual values (discrete relative frequency distribution). These individual values are denoted by successive indexes m.
  • the series of individual values is limited at a maximum value M (for example: P "... P m i).
  • each individual value P, "- whose index exceeds the determined intensity X of the evaluated signal segment - is increased by the counter 1.
  • all individual values are divided by the number of all evaluated signal segments.
  • Each individual value P "then contains the relative frequency of the signal segments that have a loudness less than the value of the index.
  • Individual value P s indicates the corresponding loudness, ie the loudness that is not exceeded by a portion P s of all segments.
  • the next step is to convert the discrete frequency distribution P "... P M into a discrete frequency density (streak frequency) p" ... p M _ to make.
  • the differences between two consecutive individual values are formed and stored as a sequence of values pulate... p N _,:
  • the value p, "then contains the relative frequency of the segments whose loudness is between m and m + 1.
  • the correction value Vi corresponds to half the distance between two successive indexes.
  • the value 7 m contains the relative frequency of segments whose loudness is between m and m + 1.
  • the method delivers a discrete frequency distribution with a resolution of 1 sone, since the index m is an integer and the loudness values are assigned directly to the corresponding indexes.
  • the loudness value In order to achieve other higher or reduced resolutions, the loudness value must be multiplied by corresponding factors before calculating the relative frequency distribution.
  • table 1 lists measured values for various signals and background noise. It was
  • continuously spoken language and two sounds from real acoustic environments were used.
  • the mean loudness value (target value) was determined in a reference measurement in which the speech pauses were marked manually and evaluated in segments of 16 ms.
  • the calculated standard deviations relate to the reference loudness measured in this way and provide information about the magnitude of the fluctuations that occur.
  • the measured values in column 5 were determined using the method described in this exemplary embodiment.
  • the measurement certainty increases with an increasing proportion of pauses in the signal to be evaluated.
  • An increase in measurement certainty can also be seen with decreasing noise intensity and less fluctuation in background noise over time.
  • the measured values achieved with the method presented are satisfactory even with strong fluctuations in the background noise (eg speech).
  • This particular exemplary embodiment shows an application of the described simplified method for determining the arithmetic mean using a weighted normal distribution.
  • the simplified method dispenses with the calculation of the streak frequency and derives an estimate for the arithmetic mean of the loudnesses of all segments whose loudnesses are below the predetermined frequency threshold P 7 directly from the relative frequency distribution P, ". As described, only the value K has to be determined for the estimate.
  • the estimated value corresponds to the loudness value, which is not exceeded by a proportion of 0.5 * 1.1 * P 7 of all evaluated segments.
  • this estimate of the arithmetic mean of the loudnesses corresponds to the index m of the frequency value, which is the smallest absolute difference to 0.55 /.
  • Table 2 shows the measured values obtained using this simplified method. To increase the resolution to 0.5 sone, all loudness values were also multiplied by a factor of 2 before the frequency distribution was calculated, and the results were corrected accordingly.
  • the simplified method not only saves computing time, but in the evaluated examples provides measured values with a significantly higher accuracy compared to the values from Table 1. Since the index m is used directly as an estimate, the accuracy of the estimate is based on the resolution of the relative discrete frequency distribution (here: 0.5 sone) limited.
  • the integer index m of the frequency value P, “, which has the smallest absolute difference to P sw% , provides the percentile loudness value sought.
  • Table 3 shows the 10% percentile loudnesses for the examples already listed in Tables 1 and 2 and is compared with a manually determined reference value.
  • Table 3 The measured values show a good estimate of the percentile loudness for background noises with low fluctuation, for speech - especially with a small amount of breaks - insufficient accuracy is achieved. The results are only useful to good at higher speech-to-noise ratios.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Telephone Function (AREA)
  • Noise Elimination (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

Bekannte Verfahren zur Bestimmung von Intensitätskennwerten basieren auf der Auswertung von kurzen Signalsegmenten und deren direkter Zuordnung zu Sprachpausen bzw. zur Sprachaktivität. Zur Unterscheidung von Sprache und Sprachpausen werden häufig Intensitätsschwellen benutzt. Wird das ungestörte Quellsignal zur Markierung der Sprachpausen verwendet, lässt häufig ein auftretender variabler Zeitversatz zwischen Quellsprachsignal und gestörtem Sprachsignal eine exakte Übernahme der Markierung nicht zu. Mit dem vorliegenden Verfahren werden Intensitätskennwerte von Hintergrundgeräuschen in den Sprachpausen aus der Häufigkeitsverteilung der Intensitätswerte für kurze Signalsegmente ermittelt. Für die Zuordnung der Intensitätswerte wird der Anteil an Sprachpausen im Gesamtsignal aus dem ungestörten Quellsignal berechnet und als Häufigkeitsschwelle definiert. Die Intensitätswerte unterhalb der Häufigkeitsschwelle werden den Sprachpausen zugeordnet. Der arithmetische Mittelwert dieser Intensitätswerte wird als Intensitätskennwert für die Hintergrundgeräusche in der Sprachpausen bestimmt. Mit dem vorliegenden Verfahren können auch Perzentil-Kennwerte für die Hintergrundgeräusche in den Sprachpausen berechnet werden.______

Description

Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen
Beschreibung
Vorbemerkung
Die Erfindung bezieht sich auf ein Verfahren zur Bewertung von Hintergrundgeräuschen in Sprachpausen von aufgezeichneten oder übertragenen Sprachsignalen.
Die empfundene Sprachqualität, z.B. in Telefonverbindungen oder Rundfunkübertragungen, wird hauptsächlich von sprachsimultanen Störungen, also von Störungen während der Sprachaktivität, bestimmt. Aber auch Geräusche in den Sprachpausen gehen in das Qualitätsurteil ein, insbesondere bei hochqualitativer Sprachwiedergabe.
Die Intensität des Hintergrundgeräusches in den Sprachpausen kann als ergänzender Kennwert zur Bestimmung der Sprachqualität (Sprachgüte) verwendet werden.
Sprachqualitätsbestimmungen von Sprachsignalen werden in der Regel mittels auditiver ("subjektiver") Untersuchungen mit Versuchspersonen vorgenommen.
Das Ziel von instrumenteilen ("objektiven") Verfahren zur Sprachqualitätsbestimmung ist es dagegen, aus Eigenschaften des zu bewertenden Sprachsignals mittels geeigneter Rechenverfahren Kennwerte zu ermitteln, die die Sprachqualität des Sprachsignals beschreiben, ohne auf Urteile von Versuchspersonen zurückgreifen zu müssen.
Eine sichere Qualitätsbestimmung liefern instrumenteile Verfahren, die auf einem Vergleich von ungestörtem Referenzsprachsignal (Quellsprachsignal) und dem gestörten Sprachsignal am Ende der Übertragungskette beruhen. Es existieren viele solcher Verfahren, die meist in sogenannten Probeverbindungssystemen eingesetzt werden. Dabei wird an der Quelle das ungestörte Quellsprachsignal eingespeist und nach der Übertragung wieder aufgezeichnet. Stand der Technik und Nachteile bekannter Verfahren
Bekannte Verfahren zur Bestimmung der Intensität von Hintergrundgeräuschen gehen meist vom gestörten Signal selbst aus und nutzen eine festgelegte Intensitätschwelle zur Unterscheidung von aktiver Sprache und Sprachpausen (Fig. 1 ). Diese Schwelle ist im einfachsten Fall konstant im Verfahren eingestellt, kann aber auch anhand des Signalverlaufs adaptiert werden (z.B. festgelegter Abstand zum Signal-Spitzenwert). Das Ziel ist eine sichere Unterscheidung zwischen Sprache und Sprachpause. Gelingt die Unterscheidung, können die gesuchten Intensitätskennwerte des Hintergrundgeräuschs aus den als Sprachpause detektierten Signalabschnitten bestimmt werden. Dazu werden im Allgemeinen die als Sprachpause detektierten Signalabschnitte nochmals in kürzere Segmente (typisch sind 8...40ms) unterteilt und für diese die Intensitätsberechnungen (z.B. Effektivwert oder Lautheit) vorgenommen. Aus den Ergebnissen können dann Intensitätskennwerte bestimmt werden.
Die Verfahren liefern bei geringen Geräuschintensitäten in Sprachpausen und gleichzeitig hoher Intensität der Sprache (großes Sprach-Geräusch-Verhältnis) sichere Meßwerte, da die Unterscheidung zwischen Sprache und Sprachpause sicher erfolgen kann (Fig.1 ).
Bei steigenden Geräuschintensitäten in Sprachpausen (abnehmendes Sprach-Geräusch- Verhältnis) treten zunehmend Unsicherheiten in der Unterscheidung zwischen Sprache und Sprachpausen auf. Hier ist es schwierig den Schwellenwert so festzulegen, dass zum einen keine Geräuschabschnitte mit höheren Intensitäten als Sprache detektiert werden (Schwelle zu niedrig) und zum anderen keine Sprachabschnitte geringerer Intensität als Sprachpause gewertet werden (Schwelle zu hoch) (Fig. 2).
Erreicht die Intensität des Geräusches in den Sprachpausen die Intensität der aktiven Sprache oder übersteigt diese sogar, ist keine Intensitätsschwelle zu finden, die eine Unterscheidung zwischen Sprache und Sprachpause ermöglicht. Lösungen für die beschriebenen Probleme sind möglich, wenn z.B. unterschiedliche spektrale Charakteristika von Sprache und Hintergrundgeräuschen vorliegen. Hier kann durch geeignete Vorfϊlterung des Signals bzw. durch eine spektrale Analyse und Auswertung von ausgewählten Frequenzbändern ein höheres Verhältnis von Sprache zu Hintergrundgeräusch in den betrachteten Frequenzbereichen erreicht werden, so dass wieder eine sichere Unterscheidung zwischen aktiver Sprache und Sprachpause möglich ist.
Andere Lösungen bedienen sich bestimmter Parameter, die bei Sprachcodierung ermittelt werden und nutzen diese zur Unterscheidung zwischen Sprache und Abschnitten mit Hintergrundgeräuschen. Dabei ist es das Ziel, aus den Parametern abzuleiten, ob das betrachtete Signal segment typische Eigenschaften von Sprache (z.B. stimmhafte Anteile) aufweist. Ein Beispiel hierfür ist "Voice-Activity Detector" (ETSI Recom endation GSM 06.92, Valboune, 1989).
Diese Verfahren arbeiten bei geringen Sprach-Geräusch- Verhältnissen robuster und werden vorrangig zur Unterdrückung der Übertragung von Sprachpausen z.B. im Mobilfunk eingesetzt. Die Verfahren zeigen jedoch Unsicherheiten, wenn das Hintergrundgeräusch selbst Sprache beinhaltet oder sprachähnlich ist. Solche Abschnitte werden dann als Sprache klassifiziert, obwohl sie von einem Zuhörer als störendes Hintergrundgeräusch empfunden werden.
Instrumentelle Sprachqualitätsmessverfahren basieren meist auf dem Prinzip des Signalvergleichs von ungestörtem Referenzsprachsignal und gestörtem und zu bewertenden Signal. Beispiele hierfür sind die Veröffentlichungen:
"A perceptual speech-quality measure based on a psychacoustic sound representation" (Beerends, J. G.; Stemerdink, J. A., J. Audio Eng. Soc. 42(1994)3, S. l 15-123)
"Auditory distortion measure for speech coding" (Wang, S; Sekey, A.; Gersho, A.: IEEE Proc. Int. Conf. acoust., speech and signalprocessing (1991), S.493-496). Der derzeit gültige ITU-T Standard P.861 beschreibt ebenfalls ein derartiges Verfahren: "Objective quality measurement of telephone-band speech codecs" (ITU-T Rec. P.861 , Genf 1996).
Solche Messverfahren werden in sogenannten Probeverbindungssystemen eingesetzt, bei denen ein bekanntes Referenzsprachsignal (Quellsprachsignal) an der Quelle eingespeist, über z. B. eine Telefonverbindung übertragen und an der Senke aufgezeichnet wird. Nach der Aufzeichnung des Sprachsignals werden zur Bewertung der Sprachqualität des möglicherweise gestörten Signals dessen Eigenschaften mit denen des ungestörten Quellsprachsignals verglichen.
Steht für die Bestimmung des Hintergrundgeräuschs in Sprachpausen das ungestörte Quellsprachsignal zur Verfügung, dann kann dieses zur Festlegung der Übergangszeit- punkte von Sprache zur Sprachpause bzw. von Sprachpause zur Sprache benutzt werden. Dazu wird z.B. ein Verfahren mit Schwellwertbestimmung - wie oben beschrieben - auf das Quellsprachsignal angewandt. Das Verfahren liefert sichere Unterscheidungen zwischen Sprache und Sprachpause, da das Sprach-Geräusch-Verhältnis im ungestörten Quellsprachsignal ausreichend hoch ist (Fig. 3a). Die Zeitpunkte der Schwellpassage, d.h. Beginn bzw. Ende der Sprachaktivität, können nun auf das gestörte Sprachsignal übertragen werden (Fig. 3b).
Unproblematisch kann ein solches Verfahren modifiziert werden, wenn zwischen
Quell Sprachsignal und gestörtem Signal eine konstante Zeitdifferenz (z.B. Verzögerung durch Signalübertragung) eintritt. Bedingung ist aber, dass diese Zeitdifferenz vorab sicher bestimmt werden kann und dann zur Korrektur der Zeitpunkte Ende bzw. Beginn der
Sprachaktivität genutzt wird. Das ist meist bei zeit-invarianten Systemen möglich, da diese eine konstante Verzögerung besitzen (Fig. 3c).
Prinzipiell funktioniert ein solches Verfahren auch, wenn der Zeitversatz zwischen beiden Signalen nicht für die gesamte Signallänge konstant ist, sondern variabel verläuft. Zu diesen zeit-invarianten Systemen zählen insbesondere paket-basierte Übertragungssysteme, bei denen durch unterschiedliche Paketlaufzeiten und entsprechendes Management im Empfänger deutliche Schwankungen in der Systemverzögerung auftreten können. Um Verlusten durch verspätet eintreffende Pakete vorzubeugen, werden teilweise Sprachpausen im Empfänger verlängert und spätere wieder verkürzt. Eine Übertragung der Zeitpunkte von Beginn bzw. Ende der Sprachaktivität ist nur noch bei Kenntnis der aktuellen Verzögerung an diesen Punkten möglich. Die adaptive Bestimmung des Zeitversatzes ist rechenzeitintensiv und gelingt insbesondere bei verringerten Sprach- Geräusch-Verhältnissen oft nur unzureichend. Wenn die adaptive Bestimmung des Zeitversatzes nicht sicher gelingt, können Anfang und Ende von Sprachpausen nicht exakt oder gar nicht ermittelt werden. Dadurch ist keine oder nur eine unsichere Bestimmung der Intensitätskennwerte von Pausengeräuschen möglich.
Aufgabe
Wie beschrieben, ist die Bestimmung von Hintergrundgeräuschen in Sprachpausen auch bei Kenntnis des ungestörten Quellsprachsignals schwierig oder teilweise unmöglich, insbesondere wenn
• ein geringes Verhältnis von Sprache zu Hintergrundgeräusch vorliegt,
• das Hintergrundgeräusch Sprache beinhaltet oder selbst sprachähnlich ist,
• der Zeitversatz zwischen ungestörtem Quellsprachsignal und gestörtem Sprachsignal nicht konstant über die gesamte Signallänge ist.
Es soll ein Verfahren vorgestellt werden, mit dem auch unter den genannten Bedingungen eine sichere und schnelle Bestimmung von Intensitätskennwerten des Hintergrundgeräuschs in Sprachpausen gewährleistet wird. Bedingung ist, dass sowohl Quellsprach- signal als auch gestörtes Sprachsignal vollständig aufgezeichnet zur Verfügung stehen.
Lösungsprinzip
Die bekannten Verfahren gehen davon aus, den Zeitpunkt von Beginn und Ende einer Sprachpause möglichst exakt zu ermitteln. Im Ergebnis steht dann das Signal von den Pausenabschnitten zur weiteren Auswertung zur Verfügung. Aus diesen separierten Pausenabschnitten des Signals werden die Intensitätskennwerte ermittelt. Mit dem vorliegenden Verfahren können Intensitätskennwerte von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen bestimmt werden, ohne dass die exakten Zeitpunkte von Beginn und Ende eines Pausenabschnitts ermitteln werden müssen. Auch ist eine Separierung des Sprachpausensignals für die Auswertung nicht erforderlich.
Basis für das hier beschriebene Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen ist die kumulative Häufigkeitsverteilung der Intensitätswerte von den Signal Segmenten, in die das Sprachsignal zuvor unterteilt wird. Diese Kurzzeit-Signalintensitäten beziehen sich auf Signalsegmente mit einer Dauer von z.B. 8ms oder 16ms. Die Häufigkeitsverteilung gibt an, wie hoch der Anteil an Kurzzeit-Intensitäten unterhalb eines definierten Schwellwertes ist.
Für die Berechnung der Häufigkeitsverteilung wird das zu analysierende Sprachsignal in kurze aufeinanderfolgende Signalsegmente unterteilt und von jedem Signalsegment der Intensitätswert (z.B. Lautheit oder Effektivwert) bestimmt.
Fig. 4 zeigt einen typischen Kurvenverlauf für Sprachsignale mit stationärem Hintergrundgeräusch (Sprach-Geräusch- Abstand ca. lOdB). Die kumulative Häufigkeitsverteilung ist am Beispiel von Kurzzeit-Lautheiten (Lautheiten berechnet nach ISO532) dargestellt.
Ausgewertet wurden 2000 Segmente von 16ms Länge. Es ist zu erkennen, dass keines der Segmente einen geringeren Wert als 30 sone aufweist (P = 0 %) und auch kein Segment eine höhere Lautheit als 80 sone erreicht, da hier schon der Wert P=100 % erreicht wird. Der steile Anstieg der Funktion bei ca. 30 sone lässt auf eine geringe Fluktuation der Signalintensität in großen Bereichen (fast 70%) des Signals schließen. Als Signal wurde hier ein Sprachsignal mit additiven weißen Rauschen benutzt.
Eine solche Verteilungsfunktion soll nun dazu benutzt werden, Intensitätskennwerte von Hintergrundgeräuschen in den Sprachpausen zu ermitteln. Dazu ist es erforderlich, den Anteil an Sprachpausen im Gesamtsignal zu kennen. Dieser Anteil kann aus dem ungestörten Quellsprachsignal bestimmt werden (Fig. 3a). Gesamtlänge der Sprachpausen = (tl - tO) + (t3 - 12) Gesamtlänge des Signalabschnitts = (t4 - tO) e Sprac ,hpausenant .ei .,l = — Gesamt —lä —ng & —e d : —er S -fpr —rach Ap: —aus ; —en : —
Gesamtlange des Signalabschnitts
Wird davon ausgegangen, dass das Verhältnis von aktiver Sprache zu Sprachpausen während der Übertragung weitgehend konstant bleibt, kann dieser Wert auch auf das gestörte Signal übertragen werden.
Ist der Anteil an Sprachpausen am gesamten Sprachsignal bekannt und wird dieser Anteil als Häufigkeitsschwelle definiert, so kann aus der Häufigkeitsverteilung der Kurzzeit- Intensitäten der der Häufigkeitsschwelle entsprechende Intensitätsschwellwert ermittelt werden.
In Fig. 4 ist als Beispiel ein Anteil an Sprachpausen von 58 % eingetragen. Dieser Häufigkeitsschwelle P7 = 0.58 entspricht ein Intensitätsschwellwert von N = 34.5 sone, das bedeutet, dass von 58 % der Signalsegmente der Intensitätswert (Lautheit) von 34,5 sone nicht überschritten wird.
Der Bereich unterhalb des Intensitätsschwellwertes zeigt die Häufigkeitsverteilung für Intensitätswerte von Signalsegmenten in den Sprachpausen und kann für die Ermittlung von Intensitätskennwerten von den Hintergrundgeräuschen in den Sprachpausen benutzt werden.
Es wird davon ausgegangen, dass kein Sprachpausensegment einen höheren Intensitätswert als ein Sprachsegment besitzt, so dass der Intensitätsschwellwert als Maximalwert für das Hintergrundgeräusch in Sprachpausen angesehen werden kann. Ermittlung des arithmetischen Mittelwertes von Intensitäten
Aus der kumulativen Verteilungsfunktion lässt sich auch der arithmetische Mittelwert aller Segmente ableiten, deren Intensitäten sich unter einer vorher ermittelten Häufigkeitsschwelle befinden. Dazu ist zunächst eine Differenzierung der kumulativen Verteilungsfunktion P(x) in eine Verteilungsdichtefunktion p(x) vorzunehmen. Das arithmetische Mittel aller ausgewerteten Intensitäten X des Gesamtsignals berechnet sich wie bekannt aus dem Integral der Verteilungsdichtefunktion /?(5e :
X = x p(x) dx Gl. 1
Eine Begrenzung der Integration bei einem bestimmten Wert xG ermöglicht die Ermittlung des arithmetischen Mittelwertes über alle Werte X, die unter diesem Grenzwert liegen. Dabei ist jedoch das Ergebnis mit der Häufigkeit P(xc) zu wichten. Diese Häufigkeit entspricht dem Integral überpfx) bis zum Wert .xc.
X = G1.2
Figure imgf000010_0001
Der Intensitätsschwellwert xc kann aus der Verteilungsfunktion P(x) abgeleitet werden. Im Beispiel nach Fig. 4 ist der Häufigkeitsschwellwert P(xa) der Anteil von Sprachpausen im Gesamtsignal P7 - 0.58 , dem der Intensitätsschwellwert xc = 34.5 sone zugeordnet ist. Das arithmetische Mittel aller Segmente mit einer Intensität, die geringer als xG ist, berechnet sich nach Gl. 2, wobei xa - 34.5 sone gilt. Die Häufigkeit von 58% entspricht hier dem Wichtungswert P(x„=34.5) = 0.58. Grafisch ist dieses Vorgehen in Fig. 5 dargestellt.
Wird nun wieder davon ausgegangen, dass die Intensitäten von Segmenten in Sprachpausen, die Intensitäten von Sprachsegmenten nicht übersteigen oder das Hintergrundgeräusch nur schwache zeitliche Fluktuationen aufweist, kann der berechnete arithmetische Mittelwert als Mittelwert der Intensität in Sprachpausen betrachtet werden. Vereinfachtes Verfahren zur Bestimmung des arithmetischen Mittelwertes
Ein vereinfachtes Verfahren zur Bestimmung des Mittelwertes über alle X geht von der Annahme aus, dass die relative Häufigkeitsverteilung der Intensitätswerte der Signalsegmente im Bereich P(x) = 0 bis zum Häufigkeitsschwellwert von Sprachpausen Pz durch eine gewichteten Normalverteilung G(x, μ &) angenähert werden kann. Der Wert für die Verteilungsfunktion G(x, μ σ2) für x—>∞ ist 1. Wie bekannt, entspricht der Wert , bei dem gilt G(x, μ &) = 0.5, dem arithmetischen Mittel über alle Einzelwerte X.
Gelingt eine Näherung der relativen Häufigkeitsverteilung P(x) im Bereich von P(x) = 0 bis P_ mit einer gewichteten Normalverteilung κPz G(x, μ, (f), dann entspricht der arithmetische Mittelwert über X für die gewichtete Normalverteilung dem Wert x für den gilt: G(x, μ σ2) = 0.5 κPz. Durch die Annahme, dass κP7 G(x, μ σ2) die Verteilung P(x) im Bereich von P(x) = 0 bis Pzgat annähert und κ≥ 1 ist, entspricht der gesuchte arithmetische Mittelwert dem Wert xA, für den gilt P(x = 0.5 κP7.
Für den hier betrachteten Anwendungsfall von Sprache mit additivem Hintergrundgeräusch zeigen Werte für κ= 1...1.3 gute Approximationsergebnisse. In Fig. 6 ist ein Beispiel für die Annäherung durch gewichtete Normalverteilungen gezeigt. Dabei wurde ein Wert K = 1.1 gewählt. Das Diagramm zeigt Sprache als Hintergrundgeräusch und hat einen Sprachpausenanteil von 58 %. Die starke zeitliche Fluktuation des Sprachhintergrundes lässt sich deutlich als flachere Steigung im Bereich N = 0 ... 40 sone erkennen. Der arithmetische Mittelwert, der aus der Normalverteilungsfunktion mit P(xA) = 0,5 κ P = 0,32 abgeleitet wird, beträgt 20 sone.
Der Vorteil dieses vereinfachten Verfahrens ist die geringere Rechenintensität, da auf die Berechnung der Verteilungsdichte und deren Integration verzichtet werden kann. Es ist ebenfalls nicht notwendig, die Normalverteilungsfunktion κP G(x, μ, er2) exakt zu bestimmen, es genügt bereits die Festlegung von K. Da Pz bekannt ist, wird der Mittelwert über alle X < xG als Wert xA bestimmt, bei dem gilt Pfx = 0.5 κPz . Der arithmetische Mittelwert über alle bis xa entspricht somit dem Intensitätswert, der einem Häufigkeitswert von 0.5 * K * Anteil der Sprachpausen am Gesamtsignal entspricht, d.h. der Intensität, die von einem Anteil von Segmenten von 0.5 * K* Anteil der Sprachpausen nicht überschritten wird.
Bestimmung weiterer statistischer Kennwerte
Auch andere statistische Intensitätskennwerte können mit diesem Verfahren ermittelt werden. In Fig. 7 ist am Beispiel aus Fig. 4 demonstriert, wie aus der Funktion der Intensitätswert ermittelt werden kann, der von nur 20% der Sprachpausensegmente überschritten wird ( 20%-Perzentil-Lautheit).
Im angeführten Beispiel wird der Intensitätswert gesucht, der von 80% der Segmente in Sprachpausen unterschritten wird, d.h. gesucht wird der Abszissenwert, der für den Ordinatenwert P = 0.58 * 0.8 = 0.46 gilt. Der Wert ist aufgrund des im Beispiel gewählten wenig schwankenden Störgeräusches nur wenig geringer als der Maximalwert.
Ausführungsbeispiel für die Bestimmung des arithmetischen Mittelwertes aus der Verteilungsdichtefunktion
Das hier vorgestellte Ausführungsbeispiel des Verfahrens zur Intensitätsbestimmung von Hintergrundgeräuschen ermittelt den arithmetischen Mittelwert aller Lautheiten der Segmente, die unter einer bestimmten Häufigkeitsschwelle liegen. Diese Häufigkeits- schwclle entspricht dem Anteil an Sprachpausen im Signal und der errechnete arithmetische Mittelwert wird als mittlere Lautheit in Sprachpausen betrachtet. Dazu wird in diesem Ausführungsbeispiel die Verteilungsdichtefunktion benutzt.
Vorbedingung ist, dass beide Signale, d.h. das ungestörte Quellsprachsignal und das gestörte zu bewertende Signal, vollständig aufgezeichnet vorliegen.
Zunächst wird mittels einer geeigneten Schwelle anhand des Quellsprachsignals der Anteil an Sprachpausen Pz in diesem Signal bestimmt. Der zweite Schritt ist die Berechnung der gewünschten Intensitätswerte für aufeinanderfolgende kurze Signalsegmente des zu bewertenden Sprachsignals. In diesem Ausführungsbeispiel werden die Lautheiten nach ISO532 in aufeinander folgenden Signalabschnitten von 16ms Länge berechnet. Die Verteilungsfunktion wird durch eine Reihe von Einzelwerten (diskrete relative Häufigkeitsverteilung) angenähert. Diese Einzelwerte werden durch aufeinander folgende Indexe m bezeichnet. Die Reihe von Einzelwerten ist bei einem Maximalwert M begrenzt (z.B.: P„ ... Pmi). In der Auswertung wird jeder Einzelwert P,„- dessen Index die ermittelte Intensität X des ausgewerteten Signalsegments übersteigt - um den Zähler 1 erhöht. Nach Auswertung des gesamten Signals werden alle Einzelwerte durch die Anzahl aller ausgewerteten Signal-segmente dividiert. Jeder Einzelwert P„, enthält dann die relative Häufigkeit der Signal-segmente, die eine Lautheit kleiner als der Wert des Indexes aufweisen.
Anhand des vorher ermittelten Anteils an Sprachpausen Pz, wird derjenige Häufigkeitswert Ps eπnittelt, welcher die geringste absolute Differenz zu Pz besitzt. Der Index S dieses
Einzelwertes Ps gibt die entsprechende Lautheit an, d.h. der Lautheit, die von einem Anteil Ps aller Segmente nicht überschritten wird. Zur Bestimmung des arithmetischen Mittels der Lautheiten aller Segmente, deren Lautheiten sich unter der vorgegebenen Häufigkeitsschwelle Ps befinden, ist als nächstes die Umwandlung der diskreten Häufigkeitsverteilung P„ ... PM in eine diskrete Häufigkeitsdichte (Streifenhäufigkeit) p„ ... pM_, vorzunehmen. Dazu werden die Differenzen zweier aufeinanderfolgender Einzelwerte gebildet und als Wertefolge p„ ... pN_, abgelegt:
P«, = A„+, - P,„ fi>r lle m = 0 ... M-l Gl. 3
Der Wert p,„ enthält dann die relative Häufigkeit der Segmente, deren Lautheit sich zwischen m und m+1 befindet. Der gesuchte arithmetische Mittelwert entspricht der gewichteten Summe über die Streifenhäufigkeit P„ bis m = S, d.h. der Lautheit, die von einem Anteil Ps aller Segmente nicht überschritten wird: N„ P_ Gl. 4
Figure imgf000014_0001
Der Korrekturwert Vi entspricht dem halben Abstand zweier aufeinander folgender Indexe. Der Wert 7m enthält die relative Häufigkeit von Segmenten, deren Lautheiten sich zwischen m und m+ 1 befinden. Der Erwartungswert aller hier erfassten Lautheiten ist, bei angenommener Gleichverteilung der Lautheiten von m ... m+1, daher m+0.5.
Das Verfahren liefert wie im Anwendungsfall beschrieben, eine diskrete Häufigkeitsverteilung mit einer Auflösung 1 sone, da der Index m ganzahlig ist und die Lautheitswerte direkt den entsprechenden Indexen zugeordnet werden. Um gegebenenfalls andere höhere oder verringerte Auflösungen zu erzielen ist der Lautheitswert vor Berechnung der relativen Häufigkeitsverteilung mit entsprechenden Faktoren zu multiplizieren.
Zur Demonstration der Messsicherheit des vorgestellten Verfahrens sind in Tabelle 1 Messwerte für verschiedene Signale und Hintergrundgeräusche aufgeführt. Es wurde
Sprachsignale von 32 s Länge und verschiedenem Anteil an Sprachpausen (35%, 58% und 91%) jeweils mit verschiedenen Geräuschen gemischt. Als Geräusche wurde zunächst weißes Rauschen mit verschiedenen Sprach-Geräusch-Abständen benutzt. Des weiteren wurde auch kontinuierlich gesprochene Sprache sowie zwei Geräusche aus realen akustischen Umgebungen (Straße und Büro) eingesetzt.
Vor Berechnung der Häufigkeitsverteilung wird eine Multiplikation aller Lauheitswerte mit dem Faktor 2 durchgeführt, um die Auflösung der Darstellung bei Benutzung ganzzahliger Indexe zu erhöhen. Dies entspricht dann einer Lautheitsstufung bei ganzzahligen Indexen von 0.5 sone. Mit einer Begrenzung der Häufigkeitsverteilungsfunktion bei Pm, können so Lautheiten von 0 ... 100 sone in Schritten von 0.5 sone abgebildet werden. Es ist aber zu beachten, dass dieser Faktor als Divisor zur Korrektur auf alle Ergebnisse angewendet wird muss. Im hier gewählten Ausführungsbeispiel bedeutet dies, dass der errechnete arithmetische Mittelwert durch 2 zu teilen ist. Erläuterungen zu Tabelle 1 : Der Sprach-Geräusch- Abstand dient lediglich zur Information; Grundlage bildet der Abstand des mittleren Effektivpegels bei Sprachaktivität zum mittleren Effektivpegel des Hintergrundgeräusches. Der mittlere Lautheitswert (Zielwert) wurde in einer Referenzmessung bestimmt, bei der die Sprachpausen manuell markiert und in Segmenten zu 16 ms ausgewertet wurden. Die berechneten Standardabweichungen beziehen sich auf die derart gemessenen Referenz-Lautheiten und geben Information über die Stärke der auftretenden Fluktuationen. Die Messwerte in Spalte 5 wurden mit dem in diesem Ausfuhrungsbeispiel beschriebenen Verfahren ermittelt.
Figure imgf000015_0001
Figure imgf000016_0001
Tabelle 1
Zunächst ist festzustellen, dass die Messsicherheit mit zunehmenden Pausenanteil im zu bewertenden Signal zunimmt. Eine Zunahme der Messsicherheit ist ebenfalls bei sinkender Geräuschintensität sowie geringerer zeitlicher Fluktuation des Hintergrundgeräusches festzustellen. Ausgehend von einem typischen Anteil an Sprachpausen in einer Telefonkommunikation von Pz>50% sind die mit dem vorgestellten Verfahren erreichten Messwerte selbst bei stärkeren Fluktuationen im Hintergrundgeräusch (z.B. Sprache) zufriedenstellend.
Ausführungsbeispiel für die Bestimmung des arithmetischen Mittelwertes mit vereinfachtem Verfahren
Dieses spezielle Ausführungsbeispiel zeigt eine Anwendung des beschriebenen vereinfachten Verfahren zur Bestimmung des arithmetischen Mittels unter Nutzung einer gewichteten Normalverteilung.
Das vereinfachte Verfahren verzichtet auf die Berechnung der Streifenhäufigkeit und leitet einen Schätzwert für das arithmetisches Mittel der Lautheiten aller Segmente, deren Lautheiten sich unter der vorgegebenen Häufigkeitsschwelle P7 befinden, direkt aus der relativen Häufigkeitsverteilung P,„ ab. Wie beschrieben muss lediglich der Wert K für die Schätzung festgelegt werden.
In diesem Ausführungsbeispiel wird mit κ= \ . \ definiert. Der Schätzwert entspricht dann dem Lautheitswert, der von einem Anteil von 0.5 *1.1 * P7 aller ausgewerteten Segmente nicht überschritten wird. Im Ausführungsbeispiel entspricht dieser Schätzwert des arithmetischen Mittels der Lautheiten, dem Index m des Häufigkeitswertes, welcher die geringste absolute Differenz zu 0.55 / besitzt. In Tabelle 2 sind die Messwerte aufgeführt, die mit diesem vereinfachten Verfahren gewonnen worden. Auch hier wurden zur Erhöhung der Auflösung auf 0.5 sone alle Lautheitswerte vor Berechnung der Häufigkeitsverteilung mit dem Faktor 2 multipliziert und die Ergebnisse entsprechend korrigiert.
Figure imgf000017_0001
Figure imgf000018_0001
Tabelle 2
Das vereinfachte Verfahren spart nicht nur Rechenzeit sondern liefert in den ausgewerteten Beispielen Messwerte mit einer deutlich höheren Genauigkeit im Vergleich zu den Werten aus Tabelle 1. Da als Schätzwert direkt der Index m benutzt wird, ist die Genauigkeit der Schätzung auf die Auflösung der relativen diskreten Häufigkeitsverteilung (hier: 0.5 sone) begrenzt.
Mit dem beschriebenen vereinfachten Messverfahren werden auch bei Geräuschen mit stärkerer Fluktuation gute Messwerte erzielt. Bei den gewählten Sprach-Geräusch- Abständen von 6dB kann auch nicht mehr davon ausgegangen werden, dass alle Lautheiten in Sprachpausen eine geringere Lautheit als Sprachsegmente aufweisen. Trotzdem sind die Messwerte kaum verfälscht wurden. Das beschriebene vereinfachte Verfahren eignet sich zudem auch für Signale mit geringerem Pausenanteil.
Ausführungsbeispiel für die Bestimmung von Perzentil-Lautheiten aus der relativen Häufigkeitsverteilung
Die Perzentil-Lautheit aller Segmente, die unter einer bestimmten Häufigkeitsschwelle Pz liegen, kann durch Multiplikation dieser relativen Häufigkeit Pz mit einem Wert 1 - Perzentilwert erfolgen (z.B. 10%-Perzentil-Lautheit: Pzw% = 0.9 * Pz). Der ganzzahlige Index m des Häufigkeitswertes P,„, welcher die geringste absolute Differenz zu Psw% besitzt, liefert den gesuchten Perzentil-Lautheitswert.
In Tabelle 3 sind für die bereits in den Tabellen 1 und 2 aufgeführten Beispiele die 10%- Perzentil-Lautheiten aufgeführt und werden mit einem manuell bestimmten Referenzwert verglichen.
Figure imgf000019_0001
Tabelle 3 Die Messwerte zeigen eine gute Abschätzung der Perzentil-Lautheit für Hintergrundgeräusche mit schwacher Fluktuation, für Sprache werden - vor allem bei geringem Pausenanteil - nur unzureichende Genauigkeiten erzielt. Lediglich bei höheren Sprach- Geräusch-Abständen sind die Ergebnisse brauchbar bis gut.

Claims

Patentansprüche (4)
1. Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen, von denen das ungestörte Quell sprach signal und das gestörte Sprachsignal aufgezeichnet zur Verfügung stehen und aus dem ungestörten Quellsprachsignal der Anteil Sprachpausen im Gesamtsignal nach bekannten Methoden ermittelt wird und das gestörte Sprachsignal in kurze aufeinanderfolgende Signalelemente unterteilt wird und für jedes Signalelement ein Intensitätswert bestimmt wird, d a d u r c h g e k e n n z e i c h n e t, dass aus den Intensitätswerten der einzelnen Signalelemente des gestörten
Sprachsignals die kumulative relative Häufigkeitsverteilung (1 ) gebildet wird, dass der ermittelte Anteil an Sprachpausen im Quellsprachsignal als Häufigkeitsschwelle definiert wird und die Häufigkeitsschwelle auf das gestörte Sprachsignal angewendet wird, dass aus der Häufigkeitsverteilung der Intensitätswerte der Signalsegmente der der definierten Häufigkeitsschwelle (2) entsprechende Intensitätsschwellwert (3) ermittelt wird, dass alle Signalsegmente mit einem geringeren Intensitätswert als dem des
Intensitätsschwellwertes zu den Sprachpausen gehörend bewertet werden, dass die Verteilungsfunktion für die Intensitätswerte der Signalsegmente in dem
Bereich unterhalb des Intensitätsschwellwertes die Häufigkeitsverteilung für die Intensitätswerte in den Sprachpausen (4) darstellt, und dass dieser Bereich der Verteilungsfunktion für die Ermittlung von Intensitätskennwerten von den Hintergrundgeräuschen in den Sprachpausen genutzt werden kann.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als Intensitätskennwert von den Hintergrundgeräuschen in den Sprachpausen der arithmetische Mittelwert der Intensitätswerte der Signalelemente in den Sprachpausen bestimmt wird, und dass der arithmetische Mittelwert berechnet wird, indem aus der Häufigkeitsverteilung die Verteilungsdichte abgeleitet wird und durch eine nachfolgende Integration über die Verteilungsdichte im Bereich unterhalb des Intensitätsschwellwertes der arithmetische Mittelwert der Intensitätswerte in den Sprachpausen ermittelt wird.
3. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als Intensitätskennwert von den Hintergrundgeräuschen in den Sprachpausen der arithmetische Mittelwert der
Intensitätswerte der Signalelemente in den Sprachpausen bestimmt wird, und dass der arithmetische Mittelwert aus der Häufigkeitsverteilung ermittelt wird, indem die Intensitätsverteilung im Bereich unterhalb des Intensitätsschwellwertes durch eine mit einem Faktor gewichtete Normalverteilung angenähert wird und für die Berechnung des arithmetischen Mittelwertes der Intensitätsschwellwert mit 0,5 und dem
Wichtungsfaktor multipliziert wird.
4. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als Intensitätskennwerte von den Hintergrundgeräuschen in den Sprachpausen Perzentil-Kennwerte bestimmt werden können, dass die Perzitil-Kennwerte aus der Häufigkeitsverteilung ermittelt werden können, indem der vorgegebene Perzentilwert von 100 Prozent subtrahiert wird, die Differenz mit dem Häufigkeitsschwellwert multipliziert wird und für den sich ergebenden Häufigkeitswert der diesem Wert entsprechende Intensitätswert als Perzentil-Kennwert aus der Verteilfunktion bestimmt wird.
PCT/DE2002/001200 2001-04-18 2002-04-03 Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen WO2002084644A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US10/311,487 US7277847B2 (en) 2001-04-18 2002-04-03 Method for determining intensity parameters of background noise in speech pauses of voice signals
EP02727282A EP1382034B1 (de) 2001-04-18 2002-04-03 Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen
DE50202281T DE50202281D1 (de) 2001-04-18 2002-04-03 Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen
AT02727282T ATE289442T1 (de) 2001-04-18 2002-04-03 Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE10120168A DE10120168A1 (de) 2001-04-18 2001-04-18 Verfahren zur Bestimmung von Intensitätskennwerten von Hintergrundgeräuschen in Sprachpausen von Sprachsignalen
DE10120168.0 2001-04-18

Publications (1)

Publication Number Publication Date
WO2002084644A1 true WO2002084644A1 (de) 2002-10-24

Family

ID=7682614

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2002/001200 WO2002084644A1 (de) 2001-04-18 2002-04-03 Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen

Country Status (5)

Country Link
US (1) US7277847B2 (de)
EP (1) EP1382034B1 (de)
AT (1) ATE289442T1 (de)
DE (2) DE10120168A1 (de)
WO (1) WO2002084644A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1443498A1 (de) * 2003-01-24 2004-08-04 Sony Ericsson Mobile Communications AB Rauschreduzierung und audiovisuelle Sprachaktivitätsdetektion
CN100356446C (zh) * 2003-01-24 2007-12-19 索尼爱立信移动通讯股份有限公司 近端讲话人检测方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100463657B1 (ko) * 2002-11-30 2004-12-29 삼성전자주식회사 음성구간 검출 장치 및 방법
US7206773B2 (en) * 2003-04-11 2007-04-17 Ricoh Company, Ltd Techniques for accessing information captured during a presentation using a paper document handout for the presentation
US7266568B1 (en) * 2003-04-11 2007-09-04 Ricoh Company, Ltd. Techniques for storing multimedia information with source documents
US7664733B2 (en) * 2003-04-11 2010-02-16 Ricoh Company, Ltd. Techniques for performing operations on a source symbolic document
US8971626B1 (en) * 2013-06-06 2015-03-03 The United States Of America As Represented By The Secretary Of The Navy Systems, methods, and articles of manufacture for generating an equalized image using signature standardization from Weibull space
CN104683547A (zh) * 2013-11-30 2015-06-03 富泰华工业(深圳)有限公司 通信装置音量调节系统、方法及通信装置
US8719032B1 (en) 2013-12-11 2014-05-06 Jefferson Audio Video Systems, Inc. Methods for presenting speech blocks from a plurality of audio input data streams to a user in an interface
US20160036980A1 (en) * 2014-07-29 2016-02-04 Genesys Telecommunications Laboratories, Inc. System and Method for Addressing Hard-To-Understand for Contact Center Service Quality

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811404A (en) * 1987-10-01 1989-03-07 Motorola, Inc. Noise suppression system
US5598466A (en) * 1995-08-28 1997-01-28 Intel Corporation Voice activity detector for half-duplex audio communication system
US6044342A (en) * 1997-01-20 2000-03-28 Logic Corporation Speech spurt detecting apparatus and method with threshold adapted by noise and speech statistics
WO2000052683A1 (en) * 1999-03-05 2000-09-08 Panasonic Technologies, Inc. Speech detection using stochastic confidence measures on the frequency spectrum

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4481593A (en) 1981-10-05 1984-11-06 Exxon Corporation Continuous speech recognition
FI92535C (fi) * 1992-02-14 1994-11-25 Nokia Mobile Phones Ltd Kohinan vaimennusjärjestelmä puhesignaaleille
GB2303471B (en) * 1995-07-19 2000-03-22 Olympus Optical Co Voice activated recording apparatus
US6246978B1 (en) * 1999-05-18 2001-06-12 Mci Worldcom, Inc. Method and system for measurement of speech distortion from samples of telephonic voice signals
EP1297646B1 (de) * 2000-06-12 2006-04-19 BRITISH TELECOMMUNICATIONS public limited company Messung der wahrgenommenen sprachqualität während des betriebs durch messung von objektiven fehlergrössen

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811404A (en) * 1987-10-01 1989-03-07 Motorola, Inc. Noise suppression system
US5598466A (en) * 1995-08-28 1997-01-28 Intel Corporation Voice activity detector for half-duplex audio communication system
US6044342A (en) * 1997-01-20 2000-03-28 Logic Corporation Speech spurt detecting apparatus and method with threshold adapted by noise and speech statistics
WO2000052683A1 (en) * 1999-03-05 2000-09-08 Panasonic Technologies, Inc. Speech detection using stochastic confidence measures on the frequency spectrum

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1443498A1 (de) * 2003-01-24 2004-08-04 Sony Ericsson Mobile Communications AB Rauschreduzierung und audiovisuelle Sprachaktivitätsdetektion
WO2004066273A1 (en) * 2003-01-24 2004-08-05 Sony Ericsson Mobile Communications Ab Noise reduction and audio-visual speech activity detection
CN100356446C (zh) * 2003-01-24 2007-12-19 索尼爱立信移动通讯股份有限公司 近端讲话人检测方法
US7684982B2 (en) 2003-01-24 2010-03-23 Sony Ericsson Communications Ab Noise reduction and audio-visual speech activity detection

Also Published As

Publication number Publication date
US7277847B2 (en) 2007-10-02
DE10120168A1 (de) 2002-10-24
EP1382034B1 (de) 2005-02-16
EP1382034A1 (de) 2004-01-21
ATE289442T1 (de) 2005-03-15
US20030191633A1 (en) 2003-10-09
DE50202281D1 (de) 2005-03-24

Similar Documents

Publication Publication Date Title
DE69520067T2 (de) Verfahren und Einrichtung zur Kennzeichnung eines Eingangssignales
EP1088300B1 (de) Verfahren zur durchführung einer maschinengestützten beurteilung der übertragungsqualität von audiosignalen
DE3752288T2 (de) Sprachprozessor
DE60126274T2 (de) Dynamische dienstqualität überwachung
DE69917361T2 (de) Vorrichtung zur Sprachdetektion bei Umgebungsgeräuschen
DE3856280T2 (de) Rauschunterdrückungssystem
DE60205232T2 (de) Verfahren und vorrichtung zur bestimmung der qualität eines sprachsignals
EP1244094A1 (de) Verfahren und Vorrichtung zur Bestimmung eines Qualitätsmasses eines Audiosignals
DE60308336T2 (de) Verfahren und system zur messung der übertragungsqualität eines systems
EP0251028A2 (de) Verfahren zur Übertragung eines Audiosignales
EP1382034B1 (de) Verfahren zur bestimmung von intensitätskennwerten von hintergrundgeräuschen in sprachpausen von sprachsignalen
DE60311754T2 (de) Verfahren und Vorrichtung zur Schätzung der Gesamtgüte eines Sprachsignals
DE60026058T2 (de) Verarbeitung von variabler verzögerung für objektives ermitteln der sprachqualität
EP1634277B1 (de) Extrahierung von testsignalabschnitten zur qualitätsmessung eines audiosignals
EP2031581A1 (de) Verfahren zum Erkennen eines akustischen Ereignisses in einem Audio-Signal
EP1048025B1 (de) Verfahren zur instrumentellen sprachqualitätsbestimmung
EP0946015B1 (de) Verfahren und Vorrichtung zur Beurteilung der Übertragungsqualität
DE60110541T2 (de) Verfahren zur Spracherkennung mit geräuschabhängiger Normalisierung der Varianz
WO2001084536A1 (de) Verfahren zur berechnung einer sprachaktivitätsentscheidung (voice activity detector)
EP3796676B1 (de) Verfahren zum betrieb eines hörgeräts und hörgerät
EP1005016A2 (de) Verfahren und Schaltungsanordnung zur Sprachpegelmessung in einem Sprachsignalverarbeitungssystem
EP1288914B1 (de) Verfahren zur Korrektur von gemessenen Sprachqualitätswerten
DE102013005844B3 (de) Verfahren und Vorrichtung zum Messen der Qualität eines Sprachsignals
DE4445983A1 (de) Rauschunterdrückung
DE19534981A1 (de) Verfahren zur Hörgeräteanpassung mit Fuzzy-Logik

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2002727282

Country of ref document: EP

AK Designated states

Kind code of ref document: A1

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

WWE Wipo information: entry into national phase

Ref document number: 10311487

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWP Wipo information: published in national office

Ref document number: 2002727282

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 2002727282

Country of ref document: EP