WO2006032760A1 - Procede de traitement d'un signal sonore bruite et dispositif pour la mise en œuvre du procede - Google Patents

Procede de traitement d'un signal sonore bruite et dispositif pour la mise en œuvre du procede Download PDF

Info

Publication number
WO2006032760A1
WO2006032760A1 PCT/FR2005/002284 FR2005002284W WO2006032760A1 WO 2006032760 A1 WO2006032760 A1 WO 2006032760A1 FR 2005002284 W FR2005002284 W FR 2005002284W WO 2006032760 A1 WO2006032760 A1 WO 2006032760A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame
estimate
noise reduction
sound signal
noise
Prior art date
Application number
PCT/FR2005/002284
Other languages
English (en)
Inventor
Claude Marro
Cyril Plapous
Pascal Scalart
Original Assignee
France Telecom
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 France Telecom filed Critical France Telecom
Priority to KR1020077008598A priority Critical patent/KR101168002B1/ko
Priority to AT05802589T priority patent/ATE476733T1/de
Priority to DE602005022735T priority patent/DE602005022735D1/de
Priority to JP2007531797A priority patent/JP5068653B2/ja
Priority to US11/662,979 priority patent/US7359838B2/en
Priority to EP05802589A priority patent/EP1789956B1/fr
Priority to CN200580031069XA priority patent/CN101031963B/zh
Publication of WO2006032760A1 publication Critical patent/WO2006032760A1/fr

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech

Definitions

  • the present invention relates to the processing of noisy sound signals. It relates in particular to reducing the noise present in such signals.
  • Noise reduction techniques that is to say a disturbing signal, within a sound signal are known. They are intended to take into account the acoustic environment in which the sound signal appears to improve the quality and intelligibility of this signal. These techniques consist in extracting the useful information of the sound signal considered by performing a treatment on this noisy signal. Such techniques apply for example to spoken communications, in applications such as telephony, teleconferencing, videoconferencing where the sound signal is then transmitted between several interlocutors. They also apply for sound recording applications in noisy environments, or voice recognition whose performance is strongly altered when the voice signal is pronounced in a noisy environment.
  • the sound signal considered x (n) comprises a useful signal component s (n) and a noise component b (n), n representing a time index in discrete time. It will be noted, however, that a representation of the signal in continuous time could also be adopted.
  • the signal x (n) is organized in successive frames x (n, k) of constant length and index k. Each of these frames is first multiplied by a weighting window making it possible to improve the subsequent estimation of the spectral quantities necessary for calculating the noise reduction filter. Each frame thus windowed is then analyzed in the spectral domain, for example using a discrete or fast Fourier transform. This operation is called short-term Fourier transformation (TFCT).
  • TFCT short-term Fourier transformation
  • a return to the time domain of the obtained sjgnal is then performed by an inverse spectral transform.
  • the corresponding time signal is finally synthesized by a block overlap and overlap technique (OLA for "overlap add”) or by a block backup technique (OLS for "overlap save”).
  • OVA block overlap and overlap
  • OLS block backup technique
  • This signal reconstruction operation in the time domain is called short-term inverse Fourier transformation (TFCTI).
  • the short-term spectral attenuation H (k, f) applied to the observation signal X (k, f) on the time segment of index k and the frequency component f, is generally determined from the estimation local signal-to-noise ratio RSB (k, f).
  • RSB estimation local signal-to-noise ratio
  • the noise and the useful signal are statistically decorrelated, the useful signal is intermittent (presence of periods of silence) and the human ear is not sensitive to the phase of the signal (which is not usually modified by the treatment).
  • the commonly used suppression rules exemplary are spectral power subtraction, amplitude spectral subtraction, and direct implementation of the Wiener filter. For these rules, the short-term estimation of the frequency component f of the useful speech signal is written respectively:
  • Y ⁇ k> f respectively represent the power spectral densities of the wanted signal and the noise present within the frequency component f of the observation signal X (k, f) over the time window of index k.
  • the calculation of the short-term spectral attenuation is based on the estimation of the signal-to-noise ratio on each of the spectral components.
  • the equations given above each involve the following quantity:
  • the performances of the noise reduction technique are governed by the relevance of this estimator of the signal-to-noise ratio.
  • This defect constitutes the major limitation of known speech denoising systems. Indeed, current denoising systems are unable to denoise harmonics characterized by a signal to noise ratio too low.
  • denoising algorithms use the SNR to detect the presence or absence of a speech component for each frequency. If the estimated SNR is too unfavorable, then the algorithm considers that there is no signal component and deletes it. Thus, harmonics can be destroyed by the systems of denoising that such harmonics must exist.
  • the voiced sounds harmonics
  • An object of the present invention is to overcome the limitation of known denoising systems.
  • Another object of the invention is to improve the performance of noise reduction methods
  • Another object of the invention is to provide a sound signal processing which does not excessively distort the signal.
  • the signal processing performed preserves all or part of the harmonics included in this signal.
  • Another object of the invention is to limit the appearance of musical noise after the processing of the sound signal.
  • Another object of the invention is to obtain a good estimate of the harmonic comb of a useful signal.
  • the invention thus proposes a method of processing a noisy sound signal organized in successive frames.
  • the method comprises the following steps with respect to at least one of said frames:
  • Such a treatment of the noisy sound signal thus makes it possible to obtain a harmonic regeneration at the output of a first noise reduction filter applied to the signal.
  • the frame of the second signal thus obtained is constructed so as to eliminate the distortions of the frame of the denoised signal which may have appeared during the first filtering.
  • This treatment makes it possible to obtain a good estimate of the harmonic comb of the useful signal, which can be used later.
  • the method further comprises the following steps: calculating a second noise reduction filter based on the estimated power spectral density of the noise and a combination of the powers of the first estimate denoising said frame and the frame of the second signal obtained;
  • the second noise reduction filter is calculated so as to preserve the harmonics, since it is controlled by the signal resulting from the harmonic regeneration.
  • the second denoised estimate of said frame obtained at the end of the second filtering is thus more efficient than those obtained in conventional noise reduction systems, where the harmonics of the input signal are destroyed or at least deteriorated.
  • the calculation of the first and, if appropriate, the second noise reduction filter may comprise a first pass implementing a short-term spectral attenuation technique.
  • a short-term spectral attenuation technique for example a spectral power subtraction, an amplitude spectral subtraction and an open loop Wiener filter, etc.
  • it may also comprise a second pass implementing a short-term spectral attenuation technique, for example a spectral power subtraction, an amplitude spectral subtraction and an open-loop Wiener filter, etc. , and use an estimate of the power spectral density of the useful signal corresponding to said frame taking into account the calculation made during the first pass.
  • obtaining a frame of a second signal comprising harmonics substantially at the same positions as the useful signal corresponding to said frame of the noisy sound signal comprises the application of a non-linear function to the first denoised estimate. of said frame of the noisy sound signal when said first estimate is in the time domain, and the application of a circular convolution between the first denoised estimate of said frame of the noisy sound signal and a frequency domain transform of a nonlinear function when said first estimate is in the frequency domain.
  • the non-linear function can be, for example, one of: a single-wave rectification function, an absolute value, a maximum between said first noise-reduced estimate of said noisy sound signal frame and a threshold, and a minimum between said first noise-reduced estimate said frame of the noisy sound signal and a threshold.
  • the invention further provides a device for processing noisy sound signals, comprising means arranged to implement the aforementioned method.
  • the invention also proposes a computer program on a support information, this program comprising instructions adapted to the implementation of the aforementioned method, when the program is loaded and executed by computer means.
  • FIG. 2 is a diagram showing different functional blocks able to implement one embodiment of the invention.
  • FIG. 3 is a diagram showing an example of restoration of. harmonic lost in a denoised signal
  • FIG. 4 is a diagram showing the effect of harmonic restoration in a signal according to one embodiment of the invention.
  • FIG. 5 is a diagram showing an example of estimation of a second noise reduction filter according to one embodiment of the invention.
  • FIG. 2 shows a device 1 according to one embodiment of the invention.
  • a current frame 2 of a noisy sound signal enters the device 1 to undergo a treatment.
  • This frame is designated by x (k, n) according to the notations introduced above.
  • the device 1 comprises an analysis unit 3 whose role is to carry out the passage of the current frame of the noisy signal x (k, n) in the frequency domain X (k, f).
  • DFT discrete Fourier transform
  • the DFT in question can advantageously be implemented by a Fast Fourier Transform (or Fast Fourier Transform).
  • a Fast Fourier Transform or Fast Fourier Transform
  • other transformations to the frequency domain such as the wavelet transform, are also possible. It is the same for the corresponding inverse operations, that is to say the inverse discrete Fourier transforms (TFDI) which will be mentioned later, for the return in the time domain.
  • TFDI inverse discrete Fourier transforms
  • a voice activity detection function 4 can moreover advantageously be implemented on the current frame 2.
  • the VAD makes it possible to know when to update the estimation of the power spectral density.
  • the parameter a ( kb 'controls the smoothing factor It can vary over time If the current frame 2 is not detected as a noise frame, then the estimation of the spectral power density of the noise is fixed that is, the last DSP value obtained for a previous noise frame is retained.
  • estimating ⁇ bb (h> f) is not limited to this exponential smoothing estimator, any other estimator of power spectral density may be used.
  • AVD Voice over IP
  • An estimate of a first noise reduction filter is then performed by the functional block 7 of FIG. 2.
  • the transfer function of this first noise reduction filter is advantageously estimated in the frequency domain by means of a two-pass technique. (see FR2820227 and C. Plapous, C. Marro, L. Mauuary, P. Scalart, "A Two-Step Noise Reduction Technique", ICASSP 1 May 2004 above).
  • the filter having The following transfer function is calculated:
  • This expression of the filter transfer function is a mathematical expression which depends on the DSP of the useful signal ⁇ * ⁇ k> f) and that of the noise Y bb ⁇ k> f), in this sense the function f s t ep i can be chosen according to a technique
  • estimate of is not limited to this directed decision estimator. Indeed an exponential smoothing estimator or any other power spectral density estimator can be used.
  • the a second pass then consists in calculating the estimator of the transfer function of the first noise reduction filter from f ⁇ 2 ( ⁇ /)
  • a technique of short-term spectral attenuation for example the spectral subtraction rule potential (equation (1)), the subtraction rule spectral amplitude (equation (2)), or that of the open loop Wiener filter (equation (3)).
  • Filtering is then carried out by the functional block 6 of the device 1, according to the first calculated filter H * ( k> f ⁇ II can be carried out in the field frequency, which corresponds to multiplying two spectra.
  • this is equivalent to a circular convolution operation in the time domain. It is thus necessary to take certain precautions to avoid distortions due to the temporal folding which are translated to the listening by clicks to the rhythm of the frames.
  • it is necessary both to add a certain number of null samples to each input frame (so-called "zero padding" technique) and to limit the temporal support of the impulse response of the noise reduction filter (which can be done in the time domain or frequency).
  • Hi a second "direct” spectral transformation to obtain the modified transfer function of the filter from impulse response with constraint A ( M).
  • the impulse response A (M) (time) is obtained by means of an inverse discrete Fourier transform (TFDI), that is:
  • This impulse response is then limited temporally by selecting and weighting the f '" x most significant coefficients by a window W ⁇ lt ⁇ :
  • the first noiseless version of the noisy signal is obtained by frequency filtering, that is to say by multiplying the spectrum of the noisy signal and the transfer function of the noise reduction filter, namely:
  • This frequency filtering step can also be performed in an equivalent manner by temporal filtering, that is to say by directly filtering by "”, then by making a discrete Fourier transform (DFT). of the result.
  • temporal filtering that is to say by directly filtering by ""
  • DFT discrete Fourier transform
  • This first estimate of the useful signal s i ( k> f) has audible distortions because some harmonics have been suppressed by the noise reduction filter as explained in the introduction.
  • the level of distortion is directly related to the SNR. The more noise is powerful in a frequency zone, the more the harmonics of this zone are subject to degradation.
  • the signal p t ⁇ tre been obtained in the time domain or frequency domain.
  • a non-linearity for example a function among: a half-wave rectification function, an absolute value, a minimum / maximum with respect to a threshold, etc.
  • Such a spectrum can for example be obtained by virtue of the time signal d (k, n) which corresponds to a function of 5 i (* ""). It is therefore also possible to obtain the signal s >> ° rmo ⁇ k > f) d in the frequency domain, as follows:
  • the signal whether it is obtained by a temporal nonlinearity or by a circular circular convolution possesses harmonics where those of s ⁇ ( k > f ) have been destroyed or degraded. It constitutes in itself a good estimate of the harmonic comb of the denoised signal, in which the harmonics are preserved at the same positions as in the useful signal. This estimation of the harmonic comb is particularly interesting and can be exploited, in particular, but not exclusively, for denoising purposes.
  • this signal may furthermore make it possible to calculate a noise reduction filter capable of preserving the harmonics normally destroyed by conventional algorithms, as described below.
  • the present invention is not limited to the examples described above to obtain the signal 15 W o (* "• /).
  • EH ⁇ extends indeed to any other method aiming at recreating the harmonics suppressed by the noise reduction filter H i ( k > D)
  • a second filter is then estimated by the functional block 9 of FIG. .
  • the transfer function of the second noise reduction filter ⁇ ⁇ ⁇ is estimated "in the fréquè ⁇ ti ⁇ l domain, as illustrated in Figure 5, as follows, g represents a function:
  • H 2 (k, f) g ( ⁇ ss _ harm0 (k, f), y bb (*, /)). .
  • the parameter p (k, f) is used to control the feedback level of the signal.
  • linearity NL which has been chosen to create the signal Qn will note that this parameter can be fixed or depend on the frequency and / or the time.
  • the function g can be chosen so that ⁇ ( ⁇ / ) implements, for example, the power spectral subtraction rule (equation (1)), the amplitude spectral subtraction rule (equation (2)), or the Wiener filter in open loop (equation (3)). Any other frequency noise suppression rule can of course be implemented to estimate ⁇ . (* '/).
  • This noise reduction transfer function has the advantage of preserving the signal harmonics that are normally destroyed by conventional noise reduction techniques. This therefore limits the distortions of the denoised signal. It should also be noted that this filter retains the good properties of the filter H ⁇ k > f) t that is to say a good tracking of non stationarities and very little residual musical noise.
  • a second filtering is then performed by the functional block 10 of the device 1, based on the second estimated noise reduction filter. So, as for the first transfer function, we get the answer
  • H 2 C k 9 H) TFD 1 (H 2 (Jc, /)).
  • This impulse response is then advantageously temporally limited by selecting and weighting the m most significant coefficients by a window Wf '" 2 , namely:
  • the denoised frequency frame is obtained by frequency filtering, that is to say by multiplying the spectrum of the noisy signal and the transfer function of the noise reduction filter, namely:
  • This frequency filtering step can also be performed in an equivalent manner by temporal filtering, that is to say by filtering directly
  • the denoised output signal is then advantageously synthesized by a technique of overlap and overlap add (OLA for "overlap add”) or even a technique of block backup (OLS for "overlap save”).
  • This signal reconstruction operation in the time domain is called short-term inverse Fourier transformation (TFCTI).
  • TFCTI short-term inverse Fourier transformation
  • This output frame 12 is a denoised estimate of the input frame 2, in which the distortion is limited.
  • advantageous choices for implementing the invention are described. These choices are exemplary embodiments and should not be considered as having a limiting character.
  • the OLA technique is advantageously chosen. There is also an overlap between the scanned frames. For example, a recovery rate of 50% can be chosen.
  • the window used is a Hanning window of size L:
  • Frequency domain switching is advantageously accomplished using fast Fourier Transform (FFT), the digitally optimized version of the Discrete Fourier Transform (DFT).
  • FFT fast Fourier Transform
  • DFT Discrete Fourier Transform
  • a voice activity detection may optionally be performed by the functional block 4.
  • the noise power spectral density Ybb (h> f) t carried out by the functional block 5
  • the noise power spectral density Ybb ( .K> ⁇ is estimated by the following recursive expression:
  • the transfer function slep "' • " of the first noise reduction filter estimated by the function block 7 is advantageously that of an open loop Wiener filter such as:
  • Vi ⁇ f represents the signal-to-noise ratio (RSB) a priori defined theoretically by the ratio of the estimates of the DSP of the useful signal
  • the DSP of the useful signal Y ⁇ k> f) is advantageously obtained by using a directed decision estimator, namely:
  • a second pass then advantageously consists in calculating the estimator of the transfer function H ⁇ k> f) of the first filter of reduction of
  • the transfer function of the noise reduction filter is then obtained by advantageously using the Fast Fourier Transform (FFT), a digitally optimized version of the Discrete Fourier Transform (DFT), that is:
  • the first noiseless version of the noisy signal is obtained by frequency filtering, that is to say by multiplying the spectrum of the noisy signal and the transfer function of the noise reduction filter:
  • the signal s ⁇ ( k > f) is then used to create the artificial signal s >>" rmo ⁇ k> f)
  • the signal temporal s ⁇ ( k >”) is obtained by advantageously using the inverse fast Fourier transform (TFRI):
  • This signal is then used to advantageously calculate the transfer function of a second noise reduction filter.
  • the estimation of such a second filter is performed by the functional block 9 of the device 1 as follows.
  • the transfer function of the second noise reduction filter H ⁇ k 'f is that of an open loop Wiener filter such as:
  • the parameter p (k, f) for controlling the reinjection level of the signal S harmo ⁇ k> f) is ⁇ chosen fixed and equal to 0.5 for the intended application.
  • TFRI Ta inverse fast Fourier transform
  • TFDI digitally optimized version of the inverse discrete Fourier transform
  • H 2 (Kn) TFR 1 (E 2 (Kf)).
  • the corresponding temporal filter is first rendered causal.
  • the L f ii 256 coefficients of this filter corresponding to the significant samples for this application are then selected.
  • the impulse response thus obtained is then weighted by a ⁇ anning window of length m .
  • the weighted impulse response is completed by ⁇ FR ⁇ ⁇ " 2 zeros to give the
  • the transfer function of the noise reduction filter H 2 ( k > f) is then obtained by advantageously using fast Fourier transform (FFT), a digitally optimized version of the discrete Fourier transform (DFT):
  • the noise reduction filter module ⁇ ( ⁇ Z) may possibly be thresholded to avoid too aggressive noise reduction.
  • the denoised frequency frame is obtained by frequency filtering performed by the functional block 10, that is to say by multiplying the spectrum of the noisy signal and the transfer function of the noise reduction filter, namely:
  • TFRI inverse fast Fourier transform
  • s (k, n) TFD1 (s 2 (kjj).
  • the denoised output signal is then synthesized by the OLA overlay and block addition technique.
  • the device 1 illustrated in Figure 2 can be placed in a particular equipment, depending on the intended application, such as sound recording equipment, communication equipment or voice recognition equipment .
  • the processing implemented by the device may be performed locally, as in the case of a communication terminal for example, or centrally in a network, for example in the case of a voice recognition server.
  • a device 1 for processing noisy sound signals consists of hardware (electronic) and / or software means adapted to implement a method of processing a signal, according to the invention. 'invention.
  • the steps of the method of processing a noisy sound signal are determined by the instructions of a computer program used in such equipment according to the invention.
  • the method according to the invention is then implemented when the aforementioned program is loaded into computer means incorporated in the equipment, and whose operation is then controlled by the execution of the program.
  • the term "computer program” herein refers to one or more computer programs forming a set (software) whose purpose is the implementation of the invention, when it is executed by appropriate computer means. Accordingly, the invention also relates to such a computer program, particularly in the form of software stored on an information carrier.
  • an information carrier may be any device or device capable of storing the information contained in the invention.
  • the medium in question may comprise a hardware storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or a magnetic recording means, for example a hard disk.
  • the information carrier may be an integrated circuit in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the method in question.
  • the information medium can also be a transmissible immaterial medium, such as an electrical or optical signal that can be conveyed via an electrical or optical cable, by radio or by other means.
  • a program according to the invention can in particular be downloaded to an Internet type network.
  • a computer program according to the invention can use any programming language and be in the form of source code, object code, or intermediate code between source code and object code (for example a partially compiled form), or in any other form desirable for implementing a method according to the invention.

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Noise Elimination (AREA)
  • Vehicle Body Suspensions (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Pour chaque trame (x(k,n)) d'un signal sonore bruité, on applique une transformée vers le domaine fréquentiei. On estime une DSP du Bruit pour ladite trame (ϒbb (k,f ) ). On calcule un premier filtre de réduction de bruit (H1(k,f)) à partir de la DSP du bruit estimée et d'une estimation de la DSP d'un signal utile correspondant à ladite trame (ϒss (k,f)) On filtre ladite trame (x(k,n);X(k,f)) à l'aide du premier filtre de réduction de bruit calculé, pour obtenir une première estimation débruitée de ladite trame (S1(k,f)). Et on obtient une trame d'un second signal (Sharmo (k,f)) à partir de la première estimation débruitée de ladite trame, comprenant des harmoniques sensiblement aux mêmes positions que le signal utile correspondant à ladite trame du signal sonore bruité.

Description

PROCEDE DE TRAITEMENT D'UN SIGNAL SONORE BRUITE ET DISPOSITIF POUR LA MISE EN ŒUVRE DU PROCEDE
La présente invention concerne le traitement de signaux sonores bruités. Elle concerne en particulier la réduction du bruit présent dans de tels signaux.
Des techniques de réduction de bruit, c'est-à-dire d'un signal perturbateur, au sein d'un signal sonore sont connues. Elles visent à tenir- compte de l'environnement acoustique dans lequel le signal sonore apparaît pour améliorer la qualité et l'intelligibilité de ce signal. Ces techniques consistent à extraire l'information utile du signal sonore considéré en effectuant un traitement sur ce signal bruité. De telles techniques s'appliquent par exemple à des communications parlées, dans des applications telles que la téléphonie, la téléconférence, la visioconférence où le signal sonore est alors transmis entre plusieurs interlocuteurs. Elles s'appliquent en outre pour des applications de prise de son en milieu bruité, ou encore de reconnaissance vocale dont les performances sont fortement altérées lorsque le signal vocal est prononcé dans un environnement bruyant.
Ces techniques consistent le plus souvent à estimer une fonction de transfert d'un filtre de réduction de bruit, puis à réaliser un traitement de filtrage à partir d'une multiplication dans le domaine spectral. Elles relèvent des approches dites de "réduction de bruit par atténuation spectrale à court-terme".
Selon ces techniques, le signal sonore considéré x(n) comprend une composante de signal utile s(n) et une composante de bruit b(n), n représentant un indice temporel en temps discret. On notera cependant qu'une représentation du signal en temps continu pourrait aussi être adoptée. Le signal x(n) est organisé en trames x(n,k) successives de longueur constante et d'indice k. Chacune de ces trames est tout d'abord multipliée par une fenêtre de pondération permettant d'améliorer l'estimation ultérieure des grandeurs spectrales nécessaires au calcul du filtre de réduction de bruit. Chaque trame ainsi fenêtrée est ensuite analysée dans le domaine spectral, par exemple à l'aide d'une transformation de Fourier discrète ou rapide. Cette opération est appelée transformation de Fourier à court terme (TFCT). La représentation fréquentielle X(k,f) ainsi obtenue du signal observé, où f est un indice de fréquence, permet à la fois d'estimer la fonction de transfert H(k,f) du filtre de réduction de bruit, et d'appliquer ce filtre dans le domaine spectral par simple multiplication entre cette fonction de transfert et le spectre à court-terme du signal bruité. Le résultat du filtrage peut ainsi s'écrire :
S(JcJ) = H(k,f)X(k,f).
Un retour dans le domaine temporel du sjgnal obtenu, est ensuite, effectué par une transformée spectrale inverse. Le signal temporel correspondant est enfin synthétisé par une technique de recouvrement et d'addition de blocs (OLA pour "overlap add") ou bien par une technique de sauvegarde de blocs (OLS pour "overlap save"). Cette opération de reconstruction du signal dans le domaine temporel est appelée transformation de Fourier à court terme inverse (TFCTI).
On trouvera une description détaillée des méthodes d'atténuation spectrale à court terme dans les références : J.S. Lim, A. V. Oppenheim,
"Enhancement and bandwidth compression of noisy speech", Proceedings of the IEEE, vol. 67, pp. 1586-1604, 1979 ; et R.E. Crochiere, L.R. Rabiner,
"Multirate digital signal processing", Prentice Hall, 1983.
L'atténuation spectrale à court-terme H(k,f) appliquée au signal d'observation X(k,f) sur le segment temporel d'indice k et à la composante fréquentielle f, est généralement déterminée à partir de l'estimation du rapport signal à bruit local RSB(k,f). Une caractéristique commune à l'ensemble des règles de suppression réside dans leur comportement asymptotique, donné par :
H(k,f) ≈ \ pour RSB(Jc, f) »l H(Jc, f) ≈ 0 pour RSB(Jc, /) « 1.
Dans la plupart des techniques, on fait les hypothèses suivantes : le bruit et le signal utile sont statistiquement décorrélés, le signal utile est intermittent (présence de périodes de silence) et l'oreille humaine n'est pas sensible à la phase du signal (qui n'est en général pas modifiée par le traitement). Parmi les règles de suppression couramment employées, on peut citer à titre d'exemple la soustraction spectrale en puissance, la soustraction spectrale en amplitude et la mise en oeuvre directe du filtre de Wiener. Pour ces règles, l'estimation à court-terme de la composante fréquentielle f du signal utile de parole s'écrit respectivement :
Figure imgf000005_0001
pour la soustraction spectrale en puissance (voir l'article précité de J.S. Lim et A. V. Oppenheim) ;
Figure imgf000005_0002
pour la soustraction spectrale en amplitude (voir S. F. BoII, "Suppression of acoustic noise in speech using spectral subtraction", IEEE Trans. on Audio, Speech and Signal Processing, vol. 27, N°. 2, pp. 113-120, Avril 1979) ; et
sma,Ak,f)= yΛ ,Kjf£)+ktγf bb ) tΨh,f) X(Kf) (3) pour le filtrage de Wiener (cf. article précité de J.S. Lim et A. V. Oppenheim).
Dans ces expressions, YΛk>f)
Figure imgf000005_0003
représentent respectivement les densités spectrales de puissance du signal utile et du bruit présents au sein de la composante fréquentielle f du signal d'observation X(k,f) sur la fenêtre temporelle d'indice k.
A partir des expressions ci-dessus, il est possible d'étudier, en fonction du rapport signal à bruit local mesuré sur une composante fréquentielle donnée f, le comportement de l'atténuation spectrale appliquée au signal bruité. Ces courbes sont tracées sur la figure 1 pour les trois règles de suppression à court-terme susmentionnées. On peut constater que l'ensemble des règles donne une atténuation sensiblement identique lorsque le rapport signal à bruit local est important (partie à droite de la figure 1). La règle de soustraction en puissance optimale au sens du maximum de vraisemblance pour des modèles gaussiens (voir O. Cappé, "Elimination of the musical noise phenomenon with the Ephraim and Malah noise suppressor", IEEE Trans. on Speech and Audio W
- 4 -
Processing, vol. 2, N°. 2, pp. 345-349, Avril 1994) demeure celle pour laquelle la puissance du bruit reste la plus importante en sortie de traitement. Pour les trois règles de suppression, nous pouvons constater qu'une faible variation du rapport signal à bruit local autour d'une valeur de coupure suffit à faire passer 5 du cas de l'atténuation totale (H(k,f)≈O) au cas d'une modification spectrale négligeable (H(k,f)«1).
Cette dernière propriété constitue l'une des causes du phénomène qualifié de "bruit musical". En effet, le bruit ambiant, "comprenant" à là foïs des composantes déterministes et aléatoires, ne peut être caractérisé que durant
10 les périodes de non-activité vocale. Du fait de la présence de composantes aléatoires, il existe de très fortes variations entre la contribution réelle d'une composante fréquentielle f du bruit pendant les périodes d'activité vocale et son estimation en moyenne réalisée sur plusieurs trames pendant les instants de non-activité vocale. Du fait de cette différence, l'estimation du rapport signal
15 à bruit local peut fluctuer autour du niveau de coupure et donc engendrer en sortie de traitement des composantes spectrales qui apparaissent puis disparaissent et dont la durée de vie moyenne ne dépasse pas statistiquement l'ordre de grandeur de la fenêtre d'analyse considérée. La généralisation de ce comportement sur l'ensemble de la bande passante introduit un bruit résiduel
20 audible et gênant.
Plusieurs études se sont attachées à réduire l'influence de ce bruit résiduel. Les solutions préconisées se déclinent suivant plusieurs axes : un moyennage des estimées à court-terme (cf. article précité S.F. BoII), une surestimation du spectre de puissance du bruit (voir M. Berouti et al,
25 "Enhancement of speech corrupted by acoustic noise", Int. Conf. on Speech, Signal Processing, pp. 208-211, 1979; et P. Lockwood, J. Boudy, "Expérimente with a non-linear spectral subtractor, hidden Markov models and the projection for robust speech récognition in cars", Proc. of EUSIPCO'91, pp. 79-82, 1991), ou bien encore une poursuite des minima de la densité spectrale de bruit (voir
30 R. Martin, "Spectral subtraction based on minimum statistics", in Signal Processing VII : Théories and Applications, EUSIPCO'94, pp. 1182-1185, Sept. 1994). Une solution relativement efficace pour supprimer le bruit musical consiste en un estimateur de la densité spectrale de puissance du signal utile dit à "décision dirigée" (voir Y. Ephraim, et D. Malah, "Speech enhancement using a minimun mean square error short-time spectral amplitude estimator", IEEE Trans. on Audio, Speech and Signal Processing, vol. 32, N0 6, pp. 1109- 1121, 1984 et article O. Cappé précité). Cet estimateur réalise un compromis entre la densité spectrale de puissance du signal utile instantanée et à long terme, ce_qui permet d'éliminer efficacement le bruit musical. Il est en outre connu d'améliorer cette solution en rattrapant le retard inhérent à cet estimateur (voir FR2820227 et C. Plapous, C. Marro, L. Mauuary, P. Scalart, "A Two-Step Noise Réduction Technique ", ICASSP, Mai 2004).
Plusieurs études ont également porté sur l'établissement de nouvelles règles de suppression basées sur des modèles statistiques des signaux de parole et de bruit additif. Ces études ont permis d'introduire de nouveaux algorithmes qualifiés d'algorithmes à "décisions souples" car ils possèdent un degré de liberté supplémentaire par rapport aux méthodes classiques (voir RJ. Mac Aulay, M. L. Malpass, "Speech enhancement using a soft-decision noise suppression filter", IEEE trans. on Audio, Speech and Signal Processing, vol. 28, N°. 2, pp. 137-145, Avril 1980, Y. Ephraim, D. Malah, "Speech enhancement using optimal non-linear spectral amplitude estimation", Int. Conf. on Speech, Signal Processing, pp. 1118-1121, 1983, et article Y. Ephraim, D. Malah, "Speech enhancement using a minimun mean square error short-time spectral amplitude estimator", précité).
Comme cela a été mentionné plus haut, le calcul de l'atténuation spectrale à court-terme repose sur l'estimation du rapport signal à bruit sur chacune des composantes spectrales. A titre d'exemple, les équations données plus haut font chacune intervenir la quantité suivante :
JiSB(Ic,/) - .
7bb(k,f)
Ainsi, les performances de la technique de réduction de bruit, notamment en termes de distorsions et de réduction effective du niveau de bruit, sont gouvernées par la pertinence de cet estimateur du rapport signal à bruit. Ce défaut constitue la limitation majeure des systèmes de débruitage de parole connus. En effet, les systèmes de débruitage actuels sont incapables de débruiter les harmoniques caractérisées par un rapport signal à bruit trop faible. En pratique, les algorithmes de débruitage utilisent le RSB pour détecter la présence ou l'absence d'une composante de parole pour chaque fréquence. Si le RSB estimé est trop défavorable, alors l'algorithme considère qu'il n'y a pas de composante de signal et la supprime. Ainsi, des harmoniques peuvent être détruites par les.systemes.de débruitage
Figure imgf000008_0001
que de telles harmoniques doivent exister. Or, il faut noter que dans la majorité des langues, les sons voisés (harmoniques) représentent une très grande partie des sons prononcés.
Un but de la présente invention est de surmonter la limitation des systèmes de débruitage connus.
Un autre but de l'invention est d'améliorer les performances des méthodes de réduction de bruit
Un autre but de l'invention est de proposer un traitement de signal sonore qui ne distorde pas le signal de façon excessive. En particulier, le traitement du signal effectué permet de préserver tout ou partie des harmoniques comprises dans ce signal. Un autre but de l'invention est de limiter l'apparition de bruit musical à l'issue du traitement du signal sonore.
Un autre but de l'invention est d'obtenir une bonne estimation du peigne harmonique d'un signal utile.
L'invention propose ainsi un procédé de traitement d'un signal sonore bruité organisé en trames successives. Le procédé comprend les étapes suivantes relativement à au moins une desdites trames :
- appliquer à ladite trame du signal sonore bruité une transformée vers le domaine fréquentiel ;
- estimer une densité spectrale de puissance du bruit pour ladite trame ; - calculer un premier filtre de réduction de bruit à partir de la densité spectrale de puissance du bruit estimée et d'une estimation de la densité spectrale de puissance d'un signal utile correspondant à ladite trame;
- filtrer ladite trame du signal sonore bruité à l'aide du premier filtre de réduction de bruit calculé, pour obtenir une première estimation débruitée de ladite trame ; et
- obtenir une trame d'un second signal à partir de la première estimation débruitée de ladite trame dur signal sonore bruité, ladite trâmë du second signal comprenant des harmoniques sensiblement aux mêmes positions que le signal utile correspondant à ladite trame du signal sonore bruité.
Un tel traitement du signal sonore bruité permet ainsi d'obtenir une régénération d'harmonicité en sortie d'un premier filtre de réduction de bruit appliqué au signal. La trame du second signal ainsi obtenue est construite de manière à éliminer les distorsions de la trame du signal débruité qui ont pu apparaître lors du premier filtrage.
Ce traitement permet d'obtenir une bonne estimation du peigne harmonique du signal utile, qui peut faire l'objet d'une exploitation ultérieure.
De façon avantageuse, dans le domaine du débruitage, le procédé comprend en outre les étapes suivantes : - calculer un second filtre de réduction de bruit à partir de la densité spectrale de puissance du bruit estimée et d'une combinaison des puissances de la première estimation débruitée de ladite trame et de la trame du second signal obtenue ;
- filtrer ladite trame du signal sonore bruité, à l'aide du second filtre de réduction de bruit calculé, pour obtenir une seconde estimation débruitée de ladite trame ; et
- synthétiser la seconde estimation débruitée de ladite trame.
Dans ce mode de réalisation, le second filtre de réduction de bruit est calculé de manière à préserver les harmoniques, car il est piloté par le signal issu de la régénération d'harmonicité. La seconde estimation débruitée de ladite trame obtenue à l'issue du second filtrage est ainsi plus performante que celles obtenues dans les systèmes de réduction de bruit classiques, où les harmoniques du signal d'entrée sont détruites ou du moins détériorées.
Le calcul du premier et, le cas échéant, du second filtre de réduction de bruit peut comprendre une première passe mettant en œuvre une technique d'atténuation spectrale à court-terme. A titre d'illustration, on peut citer par exemple les techniques suivantes : une soustraction spectrale en puissance, une soustraction spectrale en amplitude et un filtre de Wiener en boucle ouverte, etc. De manière avantageuse, 11 peut également comprendre une seconde passe mettant en œuvre une technique d'atténuation spectrale à court-terme, comme par exemple une soustraction spectrale en puissance, une soustraction spectrale en amplitude et un filtre de Wiener en boucle ouverte, etc., et utiliser une estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame tenant compte du calcul effectué lors de la première passe. De façon avantageuse, l'obtention d'une trame d'un second signal comprenant des harmoniques sensiblement aux mêmes positions que le signal utile correspondant à ladite trame du signal sonore bruité comprend l'application d'une fonction non linéaire à la première estimation débruitée de ladite trame du signal sonore bruité lorsque ladite première estimation est dans le domaine temporel, et l'application d'une convolution circulaire entre la première estimation débruitée de ladite trame du signal sonore bruité et d'une transformée dans le domaine fréquentiel d'une fonction non linéaire lorsque ladite première estimation est dans le domaine fréquentiel.
La fonction non linéaire peut être par exemple l'une parmi : une fonction de redressement mono alternance, une valeur absolue, un maximum entre ladite première estimation débruitée de ladite trame du signal sonore bruité et un seuil, et un minimum entre ladite première estimation débruitée de ladite trame du signal sonore bruité et un seuil.
L'invention propose en outre un dispositif de traitement de signaux sonores bruités, comprenant des moyens agencés pour mettre en œuvre le procédé susmentionné.
L'invention propose aussi un programme d'ordinateur sur un support d'informations, ce programme comportant des instructions adaptées à la mise en œuvre du procédé susmentionné, lorsque le programme est chargé et exécuté par des moyens informatiques.
D'autres particularités et avantages de la présente invention apparaîtront dans la description ci-après d'exemples de réalisation non limitatifs, en référence aux dessins annexés, dans lesquels :
- la figure 1 , déjà commentée, est un schéma comparant le comportement — de trois règles de suppression à Cόurt-tèrmë connues ;
- la figure 2 est un schéma montrant différents blocs fonctionnels aptes à mettre en œuvre un mode de réalisation de l'invention ;
- la figure 3 est un schéma montrant un exemple de restauration des . harmoniques perdues dans un signal débruité ; . ..
- la figure 4 est un schéma montrant l'effet de la restauration d'harmoniques dans un signal selon un mode de réalisation de l'invention ; et
- la figure 5 est un schéma montrant un exemple d'estimation d'un second filtre de réduction de bruit selon un mode de réalisation de l'invention.
La figure 2 montre un dispositif 1 selon un mode de réalisation de l'invention. Une trame courante 2 d'un signal sonore bruité entre dans le dispositif 1 pour y subir un traitement. Cette trame est désignée par x(k,n) selon les notations introduites plus haut.
Le dispositif 1 comprend une unité d'analyse 3 dont le rôle est de réaliser le passage de la trame courante du signal bruité x(k,n) dans le domaine fréquentiel X(k,f). La trame est dans un premier temps multipliée par une fenêtre de pondération w(n) qui délivre le signal xw(k,n) : xw (k, ή) = w(n)x(k, «).
Le passage dans le domaine fréquentiel est ensuite réalisé en utilisant une transformée de Fourier discrète (TFD), soit :
X(k,f) = TFD(xw(k,n)).
La TFD en question peut avantageusement être mise en œuvre par une transformée de Fourier rapide (ou FFT pour "Fast Fourier Transform"). Toutefois, d'autres transformations vers le domaine fréquentiel, telles que la transformée en ondelettes sont également possibles. Il est en de même pour les opérations inverses correspondantes, c'est-à-dire les transformées de Fourier discrète inverse (TFDI) qui seront mentionnées ultérieurement, pour le retour dans le domaine temporel.
Une fonction 4 de détection d'activité vocale (DAV) peut par ailleurs avantageusement être mise en œuvre sur la trame courante 2. La DAV permet de_ savoir quand mettre à jour --l'estimation de la densité spectrale de puissance
(DSP) du bruit. Ainsi, pour chaque trame kb de "bruit seul" détectée par la DAV, la densité spectrale de puissance de bruit ^*(*i»/) est estimée par un bloc fonctionnel 5 suivant l'expression récursive :
Figure imgf000012_0001
Le paramètre a(kb' contrôle le facteur de lissage. Il peut varier au cours du temps. Si la trame courante 2 n'est pas détectée comme une trame de bruit, alors l'estimation de la densité spectrale de puissance du bruit est figée, c'est- à-dire qu'on conserve la dernière valeur de DSP obtenue pour une trame de bruit précédente.
On notera que l'estimation de Ϋbb(h>f) n'est pas limitée à cet estimateur à lissage exponentiel, tout autre estimateur de densité spectrale de puissance peut-être utilisé.
Tout type de DAV peut être utilisé, que celle-ci opère dans le domaine temporel ou dans le domaine fréquentiel. il est même possible de se passer d'une telle détection d'activité vocale. Une estimation d'un premier filtre de réduction de bruit est alors effectuée par le bloc fonctionnel 7 de la figure 2. La fonction de transfert de ce premier filtre de réduction de bruit est avantageusement estimée dans le domaine fréquentiel grâce à une technique en deux passes (voir FR2820227 et C. Plapous, C. Marro, L. Mauuary, P. Scalart, "A Two-Step Noise Réduction Technique ", ICASSP1 Mai 2004 précité). Dans la première passe, le filtre ayant Ia fonction de transfert suivante est calculé :
Hs,ePX (k,f) = fs.epX (fss (*,/),?» (*./))•
Cette expression de la fonction de transfert du filtre est une expression mathématique qui dépend de la DSP du signal utile γ*Λk>f) et de celle du bruit Ybb\k>f), En ce sens, la fonction fstepi peut être choisie selon une technique
d'atténuation, spectrale, à court-terme, pour que s-'^- - - - mette en œuvre par exemple la règle de soustraction spectrale en puissance (équation (1)), la règle de soustraction spectrale en amplitude (équation (2)), celle du filtre de Wiener en boucle ouverte (équation (3)), etc. Toute autre règle de suppression de bruit
en fréquence peut également être mise en œuvre pour estimer Mpl- - .
Le calcul de la densité spectrale de puissance de bruit Tu(K* f) a été détaillé plus haut. Pour ce qui est de la grandeur spectrale ^Λk'f) ι elle ne peut être obtenue directement du fait du mélange du signal et du bruit pendant les périodes d'activité vocale. Pour la calculer, un estimateur à décision dirigée est utilisé (voir Y. Ephraim, D. Malah, "Speech enhancement using a minimum mean square error short-time spectral amplitude estimator", précité), conformément à l'expression suivante :
Figure imgf000013_0001
où *v ' est un paramètre barycentrique pouvant varier au cours du temps et S(k-1 ,f) est le spectre du signal utile estimé relativement à la trame précédente d'indice k-1. La fonction P, qui assure le seuillage de la grandeur
Figure imgf000013_0002
qui risque d'être négative en cas d'erreur d'estimation, est donnée par :
L (.0 sinon.
On notera que l'estimation de
Figure imgf000013_0003
n'est pas limitée à cet estimateur à décision dirigée. En effet un estimateur à lissage exponentiel ou tout autre estimateur de densité spectrale de puissance peut-être utilisé.
H (k f} La fonction de transfert sleplK 'J ' peut ensuite être réutilisée pour affiner l'estimation de la DSP du signal utile
Figure imgf000014_0001
On obtient alors la grandeur Yss2
Figure imgf000014_0002
donnée par :
L
Figure imgf000014_0003
a deuxième passe consiste alors au calcul de l'estimateur de la fonction de transfert du premier filtre de réduction de bruit à partir de f≈2(^/)| SOjt :
»l (*•/) = fs,eP2 (fss2 (*,/).Λ* (*./))• Ce calcul en deux passes, dont la particularité réside dans une mise à jour "plus rapide" de la DSP du signal utile γ≈ \k> *f , confère au premier filtre de réduction de bruit Hάk>f) deux avantages. D'une part, on obtient un suivi plus rapide des non-stationnarités du signal utile, en particulier lors des variations rapides de son enveloppe temporelle (e.g. des attaques ou des extinctions du signal de parole lors d'une transition silence/parole). D'autre part, le filtre de réduction de bruit est mieux estimé, ce qui se traduit par un accroissement des performances de la méthode.
stepΛ >/) et Hx (k,f) peuvent mettre en œuvre une technique d'atténuation spectrale à court-terme, comme par exemple la règle de soustraction spectrale en puissance (équation (1)), la règle de soustraction spectrale en amplitude (équation (2)), ou encore celle du filtre de Wiener en boucle ouverte (équation (3)). Toute autre règle de suppression de bruit en
fréquence peut être également mise en œuvre pour estimer slepi^ '*' et Htf, f) gjen entendu, il est aussi possible de se limiter à la première passe, sans mettre en œuvre la deuxième.
Un filtrage est alors réalisé par le bloc fonctionnel 6 du dispositif 1, selon le premier filtre calculé H*(k>f\ II peut être effectué dans le domaine fréquentiel, ce qui correspond à multiplier deux spectres. En l'état, cela équivaut à une opération de convolution circulaire dans le domaine temporel. Il faut ainsi prendre certaines précautions pour éviter des distorsions dues au repliement temporel qui se traduisent à l'écoute par des clics au rythme des trames. Ainsi, pour satisfaire à la contrainte de convolution linéaire, il est nécessaire à la fois d'ajouter un certain nombre d'échantillons nuls à chaque trame d'entrée (technique dite du "zéro padding") et de limiter le support temporel de La réponse impulsionnelle du filtre de réduction de bruit (ce qui peut être effectué dans le domaine temporel ou bien fréquentiel). On note que, pour limiter le support temporel de la réponse impulsionnelle du filtre de réduction de bruit, on peut introduire une contrainte dans le domaine temporel, ce qui nécessite : i) une première transformation spectrale "inverse" permettant d'obtenir la réponse impulsionnelle A(M) à partir de la connaissance de la fonction de transfert du filtre Hι <*»Λ , ii) une limitation du nombre de points de cette réponse impulsionnelle, pour obtenir un filtre temporel tronqué A(M)t
Hi) une seconde transformation spectrale "directe" permettant d'obtenir la fonction de transfert modifiée du filtre
Figure imgf000015_0001
à partir de la réponse impulsionnelle avec contrainte A(M).
La fonction de transfert du filtre de réduction de bruit Hι(k>f)
(fréquentielle) étant disponible, la réponse impulsionnelle A(M) (temporelle) est obtenue au moyen d'une transformée de Fourier discrète inverse (TFDI), soit :
WKn) = TFDl(HAkJ)). v '
Cette réponse impulsionnelle est ensuite limitée temporellement en sélectionnant et pondérant les f'"x coefficients les plus significatifs par une fenêtre Wβltι :
Figure imgf000016_0001
Cette limitation du support temporel du filtre de réduction de bruit présente un double avantage. D'une part, elle permet d'éviter les problèmes de repliement temporel (respect de la convolution linéaire). D'autre part, elle assure un lissage permettant d'éviter les effets d'un filtre trop agressif.
La fonction de transfert du filtre de réduction de bruit Hι(k>f) est ensuite obtenue par transformée de Fourier discrète (TFD) :
H[(k,f) = TFD[^(k,ri)).
Finalement, la première version débruitée du signal bruité est obtenue par filtrage fréquentiel, c'est-à-dire en multipliant le spectre du signal bruité et la fonction de transfert du filtre de réduction de bruit, soit :
Sx(k,f) = H[(k,f)X{k,f).
Cette étape de filtrage fréquentiel peut aussi être réalisée de façon équivalente par un filtrage temporel, c'est-à-dire en filtrant directement *»&>") par ^'"), puis en faisant une transformée de Fourier discrète (TFD) du résultat.
Cette première estimation du signal utile si(k>f) possède des distorsions audibles car certaines harmoniques ont été supprimées par le filtre de réduction de bruit
Figure imgf000016_0002
comme expliqué en introduction. Bien entendu, le niveau de distorsion est directement lié au RSB. Plus le bruit est puissant dans une zone fréquentielle, plus les harmoniques de cette zone sont sujettes à dégradation.
Pour pallier cet inconvénient, un bloc fonctionnel 8 du dispositif 1
représenté sur la figure 2, crée un signal artificiel Sharmo ' 5^ qui possède des harmoniques là où celles-ci avaient été détruites ou très fortement atténuées.
Le signal
Figure imgf000016_0003
peut §tre obtenu dans le domaine temporel ou dans le domaine fréquentiel. Dans le domaine temporel, il est possible de redonner de l'harmonicité à un signal en lui appliquant une non linéarité, par exemple une fonction parmi : une fonction de redressement mono alternance, une valeur absolue, un minimum/maximum par rapport à un seuil, etc. Si l'on note NL la fonction non linéaire utilisée, comme illustré à l'étape 14 de la figure 3, on a : hamo(k,n) = NL(sx(k,n)),
. où Mk>nl est obtenu, selon l'étape -13 de la figure 3; par transformée de Fourier discrète inverse (TFDI) :
S1(^n) = TFDl (S1Ck,/)).
On obtient ensuite
Figure imgf000017_0001
t comme indiqué à l'étape 15 de la figure
3, par transformée de Fourier discrète (TFD) :
Shanno {k,f) = TFD(sharmo(k,n)).
On notera que les harmoniques sont recréées aux mêmes positions que celles du signal utile. Ceci est implicitement assuré par le fait qu'une non linéarité temporelle est utilisée pour les restaurer.
On notera en outre que, dans le cas où la non linéarité est appliquée dans le domaine temporel, il est possible d'éviter le passage dans le domaine fréquentiel en appliquant la non linéarité au signal s\&>n) obtenu directement par la convolution de *«-(*» w) et hfcn) . La figure 4 illustre l'effet et l'intérêt de la non linéarité. Le premier spectre (courbe 16) correspond à une trame du signal utile non bruité et sert de référence. Le second spectre (courbe 17) correspond au signal
Figure imgf000017_0002
II apparaît clairement sur ce second spectre que certaines harmoniques ont été complètement détruites et d'autres dégradées. Le dernier spectre (courbe 18)
correspond au signal Shamo Ve' f* mentionné plus haut. Il apparaît que la non linéarité appliquée au signal sι(k>") a effectivement permis de recréer les harmoniques manquantes dans le signal Shamo \k'n) . Le spectre de ce signal, shamo \k>f) t possède donc des informations d'harmonicité très utiles notamment pour calculer un nouveau filtre de réduction de bruit qui sera à même de préserver les harmoniques que les techniques de réduction de bruit classiques détruisent. La non linéarité temporelle possède un équivalent fréquentiel qui consiste à réaliser une convolution circulaire entre le spectre du signal $(*>/) _ et le spectre d'un signal qui possède la-même structure harmonique (au niveau des positions des harmoniques) que le signal utile. Un tel spectre peut par exemple être obtenu grâce au signal temporel d(k,n) qui correspond à une fonction de 5i (*»"). On peut donc aussi obtenir le signal s>>°rmo{k>f) dans le domaine fréquentiel, de la façon suivante :
Shamo{k,f)≈Sx (k,f)®TFD{d(k,ή)) |
où le signe ® correspond à l'opérateur de convolution circulaire. Si la non linéarité temporelle choisie est la fonction de valeur absolue, par exemple, alors le signal d(k,n) peut s'exprimer ainsi, la fonction sgn désignant le signe de la valeur à laquelle elle est appliquée : d(k,ή) = sgn(.s, (£,«))•
Ainsi, le signal
Figure imgf000018_0001
qu'il soit obtenu par une non linéarité temporelle ou par une convolution circulaire fréquentielle, possède des harmoniques là ou celles de sι(k>f) ont été détruites ou dégradées. Il constitue en lui-même une bonne estimation du peigne harmonique du signal débruité, dans lequel les harmoniques sont préservées aux mêmes positions que dans le signal utile. Cette estimation du peigne harmonique est particulièrement intéressante et peut être exploitée, notamment, mais non exclusivement, à des fins de débruitage.
De façon avantageuse, ce signal peut en outre permettre de calculer un filtre de réduction de bruit capable de préserver les harmoniques normalement détruites par les algorithmes classiques, comme cela est décrit ci-dessous. On notera que la présente invention n'est pas limitée aux exemples décrits ci-dessus pour obtenir le signal 15Wo (*»•/ ). EHΘ s'étend en effet à toute autre méthode visant à recréer les harmoniques supprimées par le filtre de réduction de bruit Hi(k>D. De façon avantageuse, un second filtre est ensuite estimé par le bloc fonctionnel 9 de la figure 2. La fonction de transfert de ce second filtre de réduction de bruit ^ ^' ^ est estimée "dans le domaine fréquèήtiël, comme illustré sur la figure 5, de la manière suivante, g représentant une fonction :
H2 (k,f) = g(γss_harm0 (k,f),ybb (*,/)). .
.. Cette expression de la fonction de transfert du filtre est une. expression mathématique qui dépend de la DSP du bruit ?"**'*'-Λ)et de celle du signal utile estimé grâce à l'étape de restauration harmonique, soit :
y β_*β^(*./)=p(*.Λ|4(*./)|2 +α-P(*,Λ)|4»«,(*./)|2-
Le paramètre p(k,f) est utilisé pour contrôler le niveau de réinjection du signal la non
linéarité
Figure imgf000019_0001
NL qui a été choisie pour créer le signal Qn notera que ce paramètre peut être fixe ou bien dépendre de la fréquence et/ou du temps.
La fonction g peut être choisie pour que ^(^/) mette en œuvre par exemple la règle de soustraction spectrale en puissance (équation (1)), la règle de soustraction spectrale en amplitude (équation (2)), ou encore celle du filtre de Wiener en boucle ouverte (équation (3)). Toute autre règle de suppression de bruit en fréquence peut bien sûr être mise en œuvre pour estimer ^. (*»/).
Cette fonction de transfert de réduction de bruit,
Figure imgf000019_0002
possède l'avantage de préserver les harmoniques du signal qui sont normalement détruites par les techniques classiques de réduction de bruit. Ceci limite donc les distorsions du signal débruité. Il faut aussi noter que ce filtre conserve les bonnes propriétés du filtre HΛk>f)t c'est-à-dire un bon suivi des non stationnarités et très peu de bruit musical résiduel.
Un second filtrage est ensuite réalisé par le bloc fonctionnel 10 du dispositif 1, sur la base du second filtre de réduction de bruit estimé. Ainsi, comme pour la première fonction de transfert, on obtient la réponse
impulsionnelle ^(*»M) (temporelle) équivalente à la fonction de transfert du filtre de réduction de bruit HΛk>fï (fréquentielle), au moyen d'une transformée de Fourier discrète inverse (TFDI), c'est-à-dire.;
H2Ck9H) = TFDl(H2(Jc,/)).
Cette réponse impulsionnelle est ensuite avantageusement limitée temporellement en sélectionnant et pondérant les m coefficients les plus significatifs par une fenêtre Wf'"2 , soit :
Pi2 (k, ή) = wm («)4 (k, ή).
La fonction de transfert du filtre de réduction de bruit H2(k>f) est ensuite obtenue par transformée de Fourier discrète (TFD) :
Figure imgf000020_0001
Finalement, la trame fréquentielle débruitée est obtenue par filtrage fréquentiel, c'est-à-dire en multipliant le spectre du signal bruité et la fonction de transfert du filtre de réduction de bruit, soit :
S2(k,f) = H2 ' (k,f)X(k,f).
Cette étape de filtrage fréquentiel peut également être réalisée de façon équivalente par un filtrage temporel, c'est-à-dire en filtrant directement
*«.(M) par KCKri) Qans œ caSj on 0Dtjent directement le signal 3^") dans le domaine temporel.
Lorsque le filtrage est effectué dans le domaine fréquentiel, il convient alors de revenir dans le domaine temporel. Ceci est réalisé par le bloc fonctionnel 11 du dispositif 1, par application d'une transformée spectrale inverse (TFDI)1 soit : s(k,ri) = TFDl(s2(k,fi).
Le signal de sortie débruité est ensuite avantageusement synthétisé par une technique de recouvrement et d'addition de blocs (OLA pour "overlap add") ou bien encore une technique de sauvegarde de blocs (OLS pour "overlap save"). Cette opération de reconstruction du signal dans le domaine temporel est appelée transformation de Fourier à court terme inverse (TFCTI). A l'issue de ces étapes, on obtient la trame 12 en sortie du dispositif 1.
Cette trame de sortie 12 est une estimation débruitée de la trame d'entrée 2, dans laquelle la distorsion est limitée. Dans la suite de la description, on décrit des choix avantageux de mise en œuvre de l'invention. Ces choix sont des exemples de réalisation et ne doivent pas être considérés comme ayant un caractère limitatif.
Pour la mise en œuvre de l'analyse et la synthèse réalisées par les blocs fonctionnels 3 et 11 du dispositif 1, on choisit avantageusement la technique OLA. Il existe par ailleurs un recouvrement entre les trames analysées. Par exemple, un taux de recouvrement de 50% peut être choisi. La trame courante 2 du signal bruité x(k,n) {n = 0, .... L-1}, de longueur L, est dans un premier temps multipliée par une fenêtre de pondération w(n) qui délivre le signal xw(k,n) :
Figure imgf000021_0001
Dans l'exemple, la fenêtre utilisée est une fenêtre de Hanning de taille L :
w(w) = 0.5-0.5 cosj — J n = 0, ~,L-l
où L = 256, ce qui correspond à des trames de longueur 32 ms à la fréquence d'échantillonnage Fe = 8 kHz.
Le passage dans le domaine fréquentiel est réalisé avantageusement en utilisant la transformée de Fourier rapide (TFR), version optimisée numériquement de la transformée de Fourier discrète (TFD). Pour avoir une meilleure résolution fréquentielle et pour satisfaire les contraintes de convolution linéaire, on utilise une TFR de longueur LTFR = 512. Il est donc nécessaire au préalable de prolonger le bloc fenêtre xw(k,n) par 256 échantillons nuls ("zero-padding") :
xWR(k,n) = \ y, - T T T
La TFR X(k,f) de la trame d'entrée est alors obtenue par : m,ϋ = T_FR{xJFR(lç,n)).
Une détection d'activité vocale peut être réalisée, de façon optionnelle, par le bloc fonctionnel 4.
Pour ce qui est de l'estimation de la densité spectrale de puissance de bruit Ybb(h>f) t réalisée par le bloc fonctionnel 5, on peut alors procéder avantageusement de la manière suivante. Pour chaque trame kb de "bruit seul" détectée par la DAV, la densité spectrale de puissance de bruit Ybb(.K>Ω est estimée par l'expression récursive suivante :
Figure imgf000022_0001
Si la trame courante n'est pas détectée comme une trame de bruit, alors l'estimation de la densité spectrale de puissance du bruit est figée. La grandeur de lissage α est choisie constante et égale à α=0,8825, ce qui correspond à une constante de temps de 128 ms (compte tenu du recouvrement de 50% et de la fréquence d'échantillonnage Fe = 8 kHz), jugée suffisante pour assurer un compromis entre une estimation fiable et un suivi des variations temporelles des statistiques du bruit.
La fonction de transfert slep" '•" du premier filtre de réduction de bruit estimé par le bloc fonctionnel 7 est avantageusement celle d'un filtre de Wiener en boucle ouverte tel que :
H (k n - η(k>/) ""l( '/} i+**.Λ ,
où Vi^f) représente le rapport signal à bruit (RSB) a priori défini théoriquement par le rapport des estimations des DSP du signal utile
Figure imgf000023_0001
et du bruit Mk>f)t c'est-à-dire :
Figure imgf000023_0002
La DSP du signal utile YΛk>f) est obtenue avantageusement en utilisant un estimateur à décision dirigée, soit :
Figure imgf000023_0003
où le paramètre barycentrique β est choisi constant et égal à β = 0,98. Comme indiqué plus haut, la fonction P assure le seuillage de la grandeur pondérée par (1-β) :
Figure imgf000023_0004
La fonction de transfert slep^ ' *' est ensuite avantageusement réutilisée pour affiner l'estimation de la DSP du signal utile
Figure imgf000023_0005
m On obtient ainsi la grandeur Y≈Λk>f) donnée par :
Figure imgf000023_0006
qui est utilisée pour faire une seconde estimation du rapport signal à bruit a priori η^ '•* ' , donnée par :
Figure imgf000023_0007
Une deuxième passe consiste alors avantageusement au calcul de l'estimateur de la fonction de transfert Hάk>f) du premier filtre de réduction de
bruit à partir de 7^ ' ' *' , soit : η (k,f) Hx(Kf) = '2 K 'J J ι+ηΛk,f) Le filtrage réalisé par le bloc fonctionnel 6 peut alors être réalisé comme indiqué ci-après. La fonction de transfert du filtre de réduction de bruit
Hx{k,f) (fréquentielle) étant disponible, on obtient la réponse temporelle ^(*»w) correspondante en utilisant avantageusement la transformée de Fourier rapide inverse (TFRI), qui est une version optimisée numériquement de la transformée de Fourier discrète inverse (TFDI), soit :
Figure imgf000024_0001
Du fait que le signal h(k,n) so\t r^e\t on rencj dans un premier temps causal le filtre temporel correspondant. On sélectionne ensuite les Lfjiti=256 coefficients de ce filtre correspondant aux échantillons significatifs pour l'application envisagée. La réponse impulsionnelle ainsi obtenue est ensuite pondérée par une fenêtre de Hanning de longueur Lm- Finalement, la réponse impulsionnelle pondérée est complétée par LτFR-Lfiιti zéros, pour donner la réponse impulsionnelle M*»") qui respecte la contrainte de convolution linéaire sans repliement.
La fonction de transfert du filtre de réduction de bruit
Figure imgf000024_0002
est ensuite obtenue en utilisant avantageusement la transformée de Fourier rapide (TFR), version optimisée numériquement de la transformée de Fourier discrète (TFD), soit :
H[VCf) = TFR[K1(Kn)).
Finalement, la première version débruitée du signal bruité est obtenue par filtrage fréquentiel, c'est-à-dire en multipliant le spectre du signal bruité et la fonction de transfert du filtre de réduction de bruit :
Figure imgf000024_0003
Dans l'étape de restauration des harmoniques perdues effectuée par le bloc fonctionnel 8, le signal sι(k>f) est ensuite utilisé pour créer le signal artificiel s>>"rmo\k>f) Dans un premier temps, le signal temporel sι(k>") est obtenu en utilisant avantageusement la transformée de Fourier rapide inverse (TFRI) :
si(k,n) = TFRl(sι(k,f)).
Ensuite, on applique à ce signal la fonction non linéaire de redressement mono alternance qui a pour but de lui redonner de l'harmonicité, soit : harmo (k > «) = 1^aX (.S1 (k, «), 0) .
Bien entendu, tout autre non linéarité que le redressement mono alternance peut être utilisée comme indiqué plus haut (valeur absolue, maximum/minimum par rapport à un seuil, etc.). Finalement, on obtient le signal
Figure imgf000025_0001
en utilisant avantageusement la transformée de Fourier rapide (TFR), soit :
Ce signal est ensuite mis à profit pour calculer avantageusement la fonction de transfert d'un second filtre de réduction de bruit. Dans le présent exemple de réalisation, l'estimation d'un tel second filtre est réalisée par le bloc fonctionnel 9 du dispositif 1 de la façon suivante.
La fonction de transfert du second filtre de réduction de bruit H^k'f) est celle d'un filtre de Wiener en boucle ouverte tel que :
H2(Jc,/) = ^""0 (kJ)
^ ηhamo{k,f) t
où
Figure imgf000025_0002
représente le rapport signal à bruit (RSB) a priori défini théoriquement par le rapport des estimations de la DSP du signai utile r»_hamo{k>f) et de |a DSp du bruit ?**(*• Z)1 soit :
(j_
Figure imgf000025_0003
où la DSP du signal utile ï»J»*»oV*f) est obtenue ainsi : Λ,_ W
Figure imgf000026_0001
(k,f)f
Figure imgf000026_0002
(k,ff .
Le paramètre p(k,f) de contrôle du niveau de réinjection du signal Sharmo \k>f) esχ choisi fixe et égal à 0,5 pour l'application envisagée.
La fonction de transfert du filtre de réduction de bruit H2(k>f)
(fréquentielle) étant disponible, on obtient la réponse temporelle ^^ correspondante en utilisant avantageusement Ta i transformée de Fourier rapide inverse (TFRI), version optimisée numériquement de la transformée de Fourier discrète inverse (TFDI) :
H2(Kn)=TFRi(E2(Kf)).
Du fait que le signal ^(*»M) soit réel, on rend dans un premier temps causal le filtre temporel correspondant. On sélectionne ensuite les Lfiiœ = 256 coefficients de ce filtre correspondant aux échantillons significatifs pour cette application. La réponse impulsionnelle ainsi obtenue est ensuite pondérée par une fenêtre de Ηanning de longueur m . Finalement, la réponse impulsionnelle pondérée est complétée par ^FR ~ β"2 zéros pour donner la
réponse impulsionnelle ^(*'Λ) qui respecte la contrainte de convolution linéaire sans repliement.
La fonction de transfert du filtre de réduction de bruit H2(k>f) est ensuite obtenue en utilisant avantageusement la transformée de Fourier rapide (TFR), version optimisée numériquement de la transformée de Fourier discrète (TFD) :
Figure imgf000026_0003
Les valeurs du module du filtre de réduction de bruit ^(^Z) peuvent éventuellement être seuillées pour éviter une réduction de bruit trop agressive. Finalement, la trame fréquentielle débruitée est obtenue par filtrage fréquentiel réalisé par le bloc fonctionnel 10, c'est-à-dire en multipliant le spectre du signal bruité et la fonction de transfert du filtre de réduction de bruit, soit :
S2{k J) = H2{k J)X(Jc J).
Le retour dans le domaine temporel du signal ainsi obtenu est ensuite effectué, au niveau du bloc fonctionnel 11, par transformée spectrale inverse, en utilisant avantageusement la transformée de Fourier rapide inverse (TFRI), c'est-à-dire : .
s(k,n) = TFDl(s2(kjj).
Le signal de sortie débruité est ensuite synthétisé par la technique OLA de recouvrement et d'addition de blocs.
On notera en outre que le dispositif 1 illustré sur la figure 2 peut être placé dans un équipement particulier, en fonction de l'application visée, tel qu'un équipement de prise de son, un équipement de communication ou encore un équipement de reconnaissance vocale. On notera en outre que le traitement mis en œuvre par le dispositif pourra être effectué de façon locale, comme dans le cas d'un terminal de communication par exemple, ou bien de façon centralisée dans un réseau, par exemple dans le cas d'un serveur de reconnaissance vocale.
Par ailleurs, de manière pratique, un dispositif 1 de traitement de signaux sonores bruités, selon l'invention, est constitué de moyens matériels (électroniques) et/ou logiciels adaptés à mettre en œuvre un procédé de traitement d'un signal, selon l'invention.
Selon une implémentation préférée, les étapes du procédé de traitement d'un signal sonore bruité, selon l'invention, sont déterminées par les instructions d'un programme d'ordinateur utilisé dans un tel équipement selon l'invention.
Le procédé selon l'invention est alors mis en œuvre lorsque le programme précité est chargé dans des moyens informatiques incorporés dans l'équipement, et dont le fonctionnement est alors commandé par l'exécution du programme. On entend ici par "programme d'ordinateur" un ou plusieurs programmes d'ordinateur formant un ensemble (logiciel) dont la finalité est la mise en œuvre de l'invention, lorsqu'il est exécuté par des moyens informatiques appropriés. En conséquence, l'invention a également pour objet un tel programme d'ordinateur, en particulier sous la forme d'un logiciel stocké sur un support d'informations. Un tel support d'informations peut être constitué par n'importe quelle entité ou dispositif capable de stôckêrϋïïprogràTnrrfe sëlόή Finvention.
Par exemple, le support en question peut comporter un moyen de stockage matériel, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple un disque dur. En variante, le support d'informations peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question. D'autre part, le support d'informations peut être aussi un support immatériel transmissible, tel qu'un signal électrique ou optique pouvant être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Un programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet. D'un point de vue conception, un programme d'ordinateur selon l'invention peut utiliser n'importe quel langage de programmation et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet (par exemple une forme partiellement compilée), ou dans n'importe quelle autre forme souhaitable pour implémenter un procédé selon l'invention.

Claims

R E V E N P I C A T I O N S
1. Procédé de traitement d'un signal sonore bruité (x(n)) organisé en trames successives, comprenant les étapes suivantes relativement à au moins une desdites trames (x(k,n)) : - appliquer à ladite trame du signal sonore bruité une transformée vers le domaine fréquentiel ; - —
- estimer une densité spectrale de puissance du bruit pour ladite trame
Figure imgf000029_0001
- calculer un premier filtre de réduction de bruit (H^k>f)) à partir de la densité spectrale de puissance du bruit estimée et d'une estimation de la densité spectrale de puissance d'un signal utile correspondant à ladite trame ;
- filtrer ladite trame du signal sonore bruité (x(k,n);X(k,f)) à l'aide du premier filtre de réduction de bruit calculé, pour obtenir une première estimation débruitée de ladite trame
Figure imgf000029_0002
; et
- obtenir une trame d'un second signal
Figure imgf000029_0003
& partir de la première estimation débruitée de ladite trame du signal sonore bruité, ladite trame du second signal comprenant des harmoniques sensiblement aux mêmes positions que le signal utile correspondant à ladite trame du signal sonore bruité.
2. Procédé selon la revendication 1, comprenant en outre les étapes suivantes :
- calculer un second filtre de réduction de bruit (#2 (*>/)) à partir de la densité spectrale de puissance du bruit estimée et d'une combinaison des puissances de la première estimation débruitée de ladite trame
Figure imgf000029_0004
; - filtrer ladite trame du signal sonore bruité (x(k,n);X(k,f)), à l'aide du second filtre de réduction de bruit calculé, pour obtenir une seconde estimation débruitée de ladite trame (S2(k,β) ; et
- synthétiser la seconde estimation débruitée de ladite trame.
3. Procédé selon la revendication 2, dans lequel, lorsque le résultat du filtrage effectué à l'aide du second filtre de réduction de bruit est dans le domaine fréquentiel, on applique au résultat dudit filtrage une transformée vers le domaine temporel, avant de synthétiser la seconde estimation débruitée de ladite trame.
4. Procédé selon l'une quelconque des revendications précédentes, dans lequel on multiplie ladite trame du signal sonore bruité (x(k,n)) par une fenêtre de pondération (w(n)) avant de lui appliquer une transformée vers le domaine fréquentiel.
5. Procédé selon la revendication 4, dans lequel ladite fenêtre de pondération est une fenêtre de Hanning ayant pour taille la longueur L de ladite trame du signal sonore bruité.
6. Procédé selon la revendication 5, dans lequel ladite fenêtre de
pondération est de la forme w(n) = 0,5 - 0,5.cos I — , où n est un entier allant
de 0 à L- 1 et où L est égal à 256.
7. Procédé selon l'une quelconque des revendications précédentes, dans lequel ladite transformée vers le domaine fréquentiel appliquée à ladite trame du signal sonore bruité (x(k,n)) est une transformée de Fourier rapide de longueur 512.
8. Procédé selon l'une quelconque des revendications précédentes, dans lequel on recherche une activité vocale dans ladite trame du signal sonore bruité (x(k,n)), et dans lequel l'estimation de la densité spectrale de puissance du bruit pour ladite trame (^*(A>/) ) correspond à une estimation de la densité spectrale de puissance du bruit inclus dans ladite trame lorsque aucune activité vocale n'est détectée dans ladite trame et à une estimation de la densité spectrale de puissance du bruit inclus dans au moins une trame du signal sonore bruité précédant ladite trame lorsqu'une activité vocale est détectée dans ladite trame.
9. Procédé selon la revendication 8, dans lequel la densité spectrale de puissance du bruit inclus dans au moins une trame d'indice kb du signal sonore bruité dans laquelle aucune activité vocale est détectée est réalisée par lissage exponentiel de la forme γbb(kb,f)
Figure imgf000031_0001
, où X(kb,f) représente la transformée vers le domaine fréquentiel de la trame d'indice kb du signal sonore bruité et α est une grandeur de lissage.
10. Procédé selon la revendication 9, dans lequel α est sensiblement égal à 0,8825.
11. Procédé selon l'une quelconque des revendications précédentes, dans lequel le calcul du premier filtre de réduction de bruit comprend une première passe mettant en œuvre une technique d'atténuation spectrale à court-terme.
12. Procédé selon la revendication 11, dans lequel le calcul du premier filtre de réduction de bruit comprend une première passe mettant en œuvre un filtre de Wiener en boucle ouverte ayant une fonction de transfert de la forme H;,epl (£,/)= η , où k est un indice de ladite trame du signal sonore bruité
et η(k,f) représente un rapport de l'estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame par la densité spectrale de puissance du bruit estimée.
13. Procédé selon la revendication 12, dans lequel l'estimation de la densité spectrale de puissance d'un signal utile correspondant à ladite trame comprend une estimation à décision dirigée de la forme
Figure imgf000031_0002
J, ou β est un paramètre barycentrique, ou une estimation à lissage exponentiel.
14. Procédé selon la revendication 13, dans lequel l'estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame comprend une estimation à décision dirigée utilisant un paramètre barycentrique β sensiblement égal à 0,98.
15. Procédé selon l'une quelconque des revendications 11 à 14, dans lequel le calcul du premier filtre de réduction de bruit comprend en outre une seconde passe mettant en œuvre une technique d'atténuation spectrale à court-terme, et dans laquelle l'estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame tient compte du calcul effectué lors de la première passe.
16. Procédé selon la revendication 15, dans lequel l'estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame tenant compte du calcul effectué lors de la première passe est de la forme
Figure imgf000032_0001
, où Hslepl(k,f) représente une fonction de transfert calculée lors de la première passe et X(k,f) représente la transformée vers le domaine fréquentiel de ladite trame d'indice k du signal sonore bruité, et dans lequel le calcul du premier filtre de réduction de bruit comprend une seconde passe mettant en œuvre un filtre de Wiener en boucle ouverte ayant une
fonction de transfert de la forme H1(A:,/)= 2 — ., où η (k,f) représente
un rapport de l'estimation de la densité spectrale de puissance du signal utile correspondant à ladite trame tenant compte du calcul effectué lors de la première passe par la densité spectrale de puissance du bruit estimée.
17. Procédé selon l'une quelconque des revendications précédentes, dans lequel le filtrage de ladite trame du signal sonore bruité (x(k,n);X(k,f)) à l'aide du premier filtre de réduction de bruit est effectué sur la transformée vers le domaine fréquentiel de la dite trame (X(k,f)).
18. Procédé selon l'une quelconque des revendications précédentes, dans lequel le filtrage de ladite trame du signal sonore bruité (x(k,n);X(k,f)) à l'aide du premier filtre de réduction de bruit comprend une sélection de coefficients dudit premier filtre de réduction de bruit et une pondération de la réponse impulsionnelle temporelle dudit premier filtre de réduction de bruit.
19. Procédé selon la revendication 18, dans lequel on sélectionne 256 coefficients du premier filtre de réduction de bruit que l'on pondère par une fenêtre de Hanning.
20. Procédé selon la revendication 19, dans lequel ladite transformée vers le domaine-fréquentiel-appliquée à ladite trame du signal sonore bruité est une transformée de Fourier rapide de longueur 512 et dans lequel la réponse impulsionnelle temporelle dudit premier filtre de réduction de bruit (xw(k,n)) est complétée par 256 zéros.
21. Procédé selon l'une quelconque des revendications précédentes, dans lequel l'obtention d'une trame d'un second signal {sharmo(k,ή)) comprenant des harmoniques sensiblement aux mêmes positions que le signal utile correspondant à ladite trame du signal sonore bruité comprend l'application d'une fonction non linéaire à la première estimation débruitée de ladite trame du signal sonore bruité (5I^'")) lorsque ladite première estimation est dans le domaine temporel, et l'application d'une convolution circulaire entre la première estimation débruitée de ladite trame du signal sonore bruité
Figure imgf000033_0001
et d'une transformée dans le domaine fréquentiel d'une fonction non linéaire (d(k,n)) lorsque ladite première estimation est dans le domaine fréquentiel.
22. Procédé selon la revendication 21, dans lequel ladite fonction non linéaire (d(k,n)) est l'une parmi : une fonction de redressement mono alternance, une valeur absolue, un maximum entre ladite première estimation débruitée de ladite trame du signal sonore bruité et un seuil, et un minimum entre ladite première estimation débruitée de ladite trame du signal sonore bruité et un seuil.
23. Procédé selon l'une quelconque des revendications 2 à 22, dans lequel le calcul du second filtre de réduction de bruit (^» (*»/)) met en œuvre une technique d'atténuation spectrale à court-terme.
24. Procédé selon la revendication 23, dans lequel le calcul du second filtre de réduction de bruit met en œuvre un filtre de Wiener en boucle ouverte ayant une fonction de transfert de la forme HJk,/)= ηharmo^ *f> avec
„ (r. f\ _ ?ss_hatmo Vl:>J ) pi.
%~ (*./) " Ukj) ^
Figure imgf000034_0001
- où $(*>/) représente la première estimation débruitée de ladite trame d'indice k, sham0{k,f) représente la trame du second signal et ρ(k,f) est un paramètre de réinjection du second signal.
25. Procédé selon la revendication 24, dans lequel p(k,f) varie en fonction de la fréquence et/ou du temps.
26. Procédé selon la revendication 24, dans lequel p(k,f) est sensiblement fixe et égal à 0,5.
27. Procédé selon l'une quelconque des revendications précédentes, dans lequel le filtrage de ladite trame du signal sonore bruité (x(k,n);X(k,f)) à l'aide du second filtre de réduction de bruit est effectué sur la transformée vers le domaine fréquentiel de la dite trame (X(k,f)).
28. Procédé selon l'une quelconque des revendications 2 à 27, dans lequel le filtrage de ladite trame du signal sonore bruité (x(k,n);X(k,f)) à l'aide du second filtre de réduction de bruit comprend une sélection et une pondération de la réponse impulsionnelle temporelle dudit second filtre de réduction de bruit.
29. Procédé selon la revendication 28, dans lequel on sélectionne 256 coefficients du second filtre de réduction de bruit que l'on pondère par une fenêtre de Hanning.
30. Procédé selon la revendication 29, dans lequel ladite transformée vers le domaine fréquentiel appliquée à ladite trame du signal sonore bruité est une transformée de Fourier rapide de longueur 512 et dans lequel la réponse impulsionnelle temporelle dudit second filtre de réduction de bruit est complétée par 256 zéros.
31. Procédé selon l'une quelconque des revendications 2 à 30, dans lequel la synthèse de la seconde estimation débruitée de ladite trame utilise un recouvrement et une addition de blocs OLA ou une sauvegarde de blocs OLS.
32. Dispositif (1) de traitement de signaux sonores bruités, comprenant des moyens agencés pour mettre en œuvre le procédé selon l'une quelconque des .revendications précédentes.
33. Programme d'ordinateur sur un support d'informations, caractérisé en ce qu'il comporte des instructions adaptées à la mise en œuvre d'un procédé selon l'une quelconque des revendications 1 à 31 , lorsque ledit programme est chargé et exécuté par des moyens informatiques.
PCT/FR2005/002284 2004-09-16 2005-09-14 Procede de traitement d'un signal sonore bruite et dispositif pour la mise en œuvre du procede WO2006032760A1 (fr)

Priority Applications (7)

Application Number Priority Date Filing Date Title
KR1020077008598A KR101168002B1 (ko) 2004-09-16 2005-09-14 잡음 신호 처리 방법 및 상기 방법을 구현하기 위한 장치
AT05802589T ATE476733T1 (de) 2004-09-16 2005-09-14 Verfahren zum verarbeiten eines rauschbehafteten tonsignals und einrichtung zur implementierung des verfahrens
DE602005022735T DE602005022735D1 (de) 2004-09-16 2005-09-14 Verfahren zum verarbeiten eines rauschbehafteten tonsignals und einrichtung zur implementierung des verfahrens
JP2007531797A JP5068653B2 (ja) 2004-09-16 2005-09-14 雑音のある音声信号を処理する方法および該方法を実行する装置
US11/662,979 US7359838B2 (en) 2004-09-16 2005-09-14 Method of processing a noisy sound signal and device for implementing said method
EP05802589A EP1789956B1 (fr) 2004-09-16 2005-09-14 Procede de traitement d'un signal sonore bruite et dispositif pour la mise en oeuvre du procede
CN200580031069XA CN101031963B (zh) 2004-09-16 2005-09-14 处理有噪声的声音信号的方法以及实现该方法的装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0409819 2004-09-16
FR0409819 2004-09-16

Publications (1)

Publication Number Publication Date
WO2006032760A1 true WO2006032760A1 (fr) 2006-03-30

Family

ID=34949870

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2005/002284 WO2006032760A1 (fr) 2004-09-16 2005-09-14 Procede de traitement d'un signal sonore bruite et dispositif pour la mise en œuvre du procede

Country Status (9)

Country Link
US (1) US7359838B2 (fr)
EP (1) EP1789956B1 (fr)
JP (1) JP5068653B2 (fr)
KR (1) KR101168002B1 (fr)
CN (1) CN101031963B (fr)
AT (1) ATE476733T1 (fr)
DE (1) DE602005022735D1 (fr)
ES (1) ES2349718T3 (fr)
WO (1) WO2006032760A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106575509A (zh) * 2014-07-28 2017-04-19 弗劳恩霍夫应用研究促进协会 谐波滤波器工具的谐度依赖控制

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8452316B2 (en) * 2004-06-18 2013-05-28 Qualcomm Incorporated Power control for a wireless communication system utilizing orthogonal multiplexing
US7197692B2 (en) * 2004-06-18 2007-03-27 Qualcomm Incorporated Robust erasure detection and erasure-rate-based closed loop power control
US7594151B2 (en) * 2004-06-18 2009-09-22 Qualcomm, Incorporated Reverse link power control in an orthogonal system
US8942639B2 (en) * 2005-03-15 2015-01-27 Qualcomm Incorporated Interference control in a wireless communication system
US8848574B2 (en) * 2005-03-15 2014-09-30 Qualcomm Incorporated Interference control in a wireless communication system
EP1941638A2 (fr) * 2005-10-27 2008-07-09 Qualcomm Incorporated Procede et dispositif permettant d'estimer la charge en liaison retour dans un systeme de communication sans fil
US20080117849A1 (en) * 2006-09-08 2008-05-22 Qualcomm Incorporated Method and apparatus for interaction of fast other sector interference (osi) with slow osi
US8442572B2 (en) * 2006-09-08 2013-05-14 Qualcomm Incorporated Method and apparatus for adjustments for delta-based power control in wireless communication systems
US8670777B2 (en) 2006-09-08 2014-03-11 Qualcomm Incorporated Method and apparatus for fast other sector interference (OSI) adjustment
US8296135B2 (en) * 2008-04-22 2012-10-23 Electronics And Telecommunications Research Institute Noise cancellation system and method
US8346397B2 (en) * 2008-09-15 2013-01-01 Johnson Controls Technology Company Airflow adjustment user interfaces
US20100205628A1 (en) * 2009-02-12 2010-08-12 Davis Bruce L Media processing methods and arrangements
US8954320B2 (en) * 2009-07-27 2015-02-10 Scti Holdings, Inc. System and method for noise reduction in processing speech signals by targeting speech and disregarding noise
CN103109320B (zh) * 2010-09-21 2015-08-05 三菱电机株式会社 噪声抑制装置
US8818806B2 (en) * 2010-11-30 2014-08-26 JVC Kenwood Corporation Speech processing apparatus and speech processing method
WO2013027138A1 (fr) * 2011-08-19 2013-02-28 Koninklijke Philips Electronics N.V. Combinaison dépendante de la fréquence d'images par rayons x de différentes modalités
JPWO2014017371A1 (ja) * 2012-07-25 2016-07-11 株式会社ニコン 音処理装置、電子機器、撮像装置、プログラム、及び、音処理方法
FR2999776B1 (fr) * 2012-12-19 2015-01-09 Electricite De France Procede d'evaluation du colmatage d'un echangeur thermique
CN104103278A (zh) * 2013-04-02 2014-10-15 北京千橡网景科技发展有限公司 一种实时语音去噪的方法和设备
PL3011557T3 (pl) 2013-06-21 2017-10-31 Fraunhofer Ges Forschung Urządzenie i sposób do udoskonalonego stopniowego zmniejszania sygnału w przełączanych układach kodowania sygnału audio podczas ukrywania błędów
CN104215265A (zh) * 2014-08-18 2014-12-17 中国空间技术研究院 一种高精度的psd信号降噪方法
CN106687027B (zh) * 2014-08-25 2020-10-23 德尔格制造股份两合公司 除去信号中的噪声
EP3230981B1 (fr) 2014-12-12 2020-05-06 Nuance Communications, Inc. Système et procédé d'amélioration de la qualité de la parole mettant en oeuvre un rapport de son cohérent à diffus
CN104637489B (zh) * 2015-01-21 2018-08-21 华为技术有限公司 声音信号处理的方法和装置
US9847093B2 (en) * 2015-06-19 2017-12-19 Samsung Electronics Co., Ltd. Method and apparatus for processing speech signal
CN106328154B (zh) * 2015-06-30 2019-09-17 芋头科技（杭州）有限公司 一种前端音频处理系统
CN105390142B (zh) * 2015-12-17 2019-04-05 广州大学 一种数字助听器语音噪声消除方法
CN105743818A (zh) * 2016-02-03 2016-07-06 国网智能电网研究院 一种分配方法
CN105788607B (zh) * 2016-05-20 2020-01-03 中国科学技术大学 应用于双麦克风阵列的语音增强方法
CN105845146B (zh) * 2016-05-23 2019-09-06 珠海市杰理科技股份有限公司 语音信号处理的方法及装置
WO2017218386A1 (fr) * 2016-06-13 2017-12-21 Med-El Elektromedizinische Geraete Gmbh Estimation de puissance de bruit récursive à adaptation de modèle de bruit
CN109427345B (zh) * 2017-08-29 2022-12-02 杭州海康威视数字技术股份有限公司 一种风噪检测方法、装置及系统
FR3086451B1 (fr) * 2018-09-20 2021-04-30 Sagemcom Broadband Sas Filtrage d'un signal sonore acquis par un systeme de reconnaissance vocale
CN110010144A (zh) * 2019-04-24 2019-07-12 厦门亿联网络技术股份有限公司 语音信号增强方法及装置
CN113015050B (zh) * 2019-12-20 2022-11-22 瑞昱半导体股份有限公司 具有抗噪机制的音频播放装置及方法
US12062369B2 (en) * 2020-09-25 2024-08-13 Intel Corporation Real-time dynamic noise reduction using convolutional networks
CN112242148B (zh) * 2020-11-12 2023-06-16 北京声加科技有限公司 一种基于头戴式耳机的风噪抑制方法及装置
CN112767962B (zh) * 2021-03-01 2021-08-03 北京电信易通信息技术股份有限公司 一种语音增强方法及系统
CN113270113B (zh) * 2021-05-18 2021-12-03 北京理工大学 一种声音信号混杂度的识别方法及系统
WO2022256577A1 (fr) * 2021-06-02 2022-12-08 Board Of Regents, The University Of Texas System Procédé d'amélioration de la parole et dispositif informatique mobile mettant en oeuvre le procédé

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2768546A1 (fr) * 1997-09-18 1999-03-19 Matra Communication Procede de debruitage d'un signal de parole numerique
JP2003280696A (ja) * 2002-03-19 2003-10-02 Matsushita Electric Ind Co Ltd 音声強調装置及び音声強調方法
GB2398913A (en) * 2003-02-27 2004-09-01 Motorola Inc Noise estimation in speech recognition

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE505156C2 (sv) * 1995-01-30 1997-07-07 Ericsson Telefon Ab L M Förfarande för bullerundertryckning genom spektral subtraktion
FR2764469B1 (fr) * 1997-06-09 2002-07-12 France Telecom Procede et dispositif de traitement optimise d'un signal perturbateur lors d'une prise de son
FR2765715B1 (fr) * 1997-07-04 1999-09-17 Sextant Avionique Procede de recherche d'un modele de bruit dans des signaux sonores bruites
FR2771542B1 (fr) * 1997-11-21 2000-02-11 Sextant Avionique Procede de filtrage frequentiel applique au debruitage de signaux sonores mettant en oeuvre un filtre de wiener
US6415253B1 (en) * 1998-02-20 2002-07-02 Meta-C Corporation Method and apparatus for enhancing noise-corrupted speech
US6549586B2 (en) * 1999-04-12 2003-04-15 Telefonaktiebolaget L M Ericsson System and method for dual microphone signal noise reduction using spectral subtraction
US6175602B1 (en) * 1998-05-27 2001-01-16 Telefonaktiebolaget Lm Ericsson (Publ) Signal noise reduction by spectral subtraction using linear convolution and casual filtering
US6459914B1 (en) * 1998-05-27 2002-10-01 Telefonaktiebolaget Lm Ericsson (Publ) Signal noise reduction by spectral subtraction using spectrum dependent exponential gain function averaging
US6453285B1 (en) * 1998-08-21 2002-09-17 Polycom, Inc. Speech activity detector for use in noise reduction system, and methods therefor
US6463408B1 (en) * 2000-11-22 2002-10-08 Ericsson, Inc. Systems and methods for improving power spectral estimation of speech signals
FR2820227B1 (fr) * 2001-01-30 2003-04-18 France Telecom Procede et dispositif de reduction de bruit
US7054453B2 (en) * 2002-03-29 2006-05-30 Everest Biomedical Instruments Co. Fast estimation of weak bio-signals using novel algorithms for generating multiple additional data frames
US7454332B2 (en) * 2004-06-15 2008-11-18 Microsoft Corporation Gain constrained noise suppression

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2768546A1 (fr) * 1997-09-18 1999-03-19 Matra Communication Procede de debruitage d'un signal de parole numerique
JP2003280696A (ja) * 2002-03-19 2003-10-02 Matsushita Electric Ind Co Ltd 音声強調装置及び音声強調方法
GB2398913A (en) * 2003-02-27 2004-09-01 Motorola Inc Noise estimation in speech recognition

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAZAMA, TOHYAMA: "Estimation of Speech Components by ACF Analysis in a Noisy Environment", JOURNAL OF SOUND AND VIBRATION, vol. 241, no. 1, 2001, pages 41 - 52, XP001205574 *
PATENT ABSTRACTS OF JAPAN vol. 2003, no. 12 5 December 2003 (2003-12-05) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106575509A (zh) * 2014-07-28 2017-04-19 弗劳恩霍夫应用研究促进协会 谐波滤波器工具的谐度依赖控制
CN106575509B (zh) * 2014-07-28 2021-05-28 弗劳恩霍夫应用研究促进协会 谐波滤波器工具的谐度依赖控制
US11581003B2 (en) 2014-07-28 2023-02-14 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Harmonicity-dependent controlling of a harmonic filter tool

Also Published As

Publication number Publication date
US20070255535A1 (en) 2007-11-01
EP1789956B1 (fr) 2010-08-04
US7359838B2 (en) 2008-04-15
CN101031963A (zh) 2007-09-05
JP2008513819A (ja) 2008-05-01
KR101168002B1 (ko) 2012-07-26
CN101031963B (zh) 2010-09-15
KR20070055599A (ko) 2007-05-30
DE602005022735D1 (de) 2010-09-16
JP5068653B2 (ja) 2012-11-07
ATE476733T1 (de) 2010-08-15
EP1789956A1 (fr) 2007-05-30
ES2349718T3 (es) 2011-01-10

Similar Documents

Publication Publication Date Title
EP1789956B1 (fr) Procede de traitement d&#39;un signal sonore bruite et dispositif pour la mise en oeuvre du procede
CA2436318C (fr) Procede et dispositif de reduction de bruit
EP1830349B1 (fr) Procédé de débruitage d&#39;un signal audio
EP2002428B1 (fr) Procede de discrimination et d&#39;attenuation fiabilisees des echos d&#39;un signal numerique dans un decodeur et dispositif correspondant
WO1999014738A1 (fr) Procede de debruitage d&#39;un signal de parole numerique
FR3012928A1 (fr) Modificateurs reposant sur un snr estime exterieurement pour des calculs internes de mmse
FR2771542A1 (fr) Procede de filtrage frequentiel applique au debruitage de signaux sonores mettant en oeuvre un filtre de wiener
EP2936488B1 (fr) Atténuation efficace de pré-échos dans un signal audionumérique
WO2014001730A1 (fr) Atténuation efficace de pré-échos dans un signal audionumérique
EP2153438A1 (fr) Post-traitement de reduction du bruit de quantification d&#39;un codeur, au decodage
FR3012929A1 (fr) Modificateur de la presence de probabilite de la parole perfectionnant les performances de suppression du bruit reposant sur le log-mmse
WO1999014737A1 (fr) Procede de detection d&#39;activite vocale
EP3192073B1 (fr) Discrimination et atténuation de pré-échos dans un signal audionumérique
FR3012927A1 (fr) Estimation precise du rapport signal a bruit par progression reposant sur une probabilite de la presence de la parole mmse
EP2515300B1 (fr) Procédé et système de réduction du bruit
FR2768546A1 (fr) Procede de debruitage d&#39;un signal de parole numerique
EP1021805B1 (fr) Procede et disposition de conditionnement d&#39;un signal de parole numerique
WO2001011605A1 (fr) Procede et dispositif de detection d&#39;activite vocale
CA2389785A1 (fr) Procede et systeme de pre et de post-traitement d&#39;un signal audio pour la transmission sur un canal fortement perturbe

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KM KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NG NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SM SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): BW GH GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU LV MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2005802589

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 200580031069.X

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 11662979

Country of ref document: US

Ref document number: 2007531797

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 1020077008598

Country of ref document: KR

WWP Wipo information: published in national office

Ref document number: 2005802589

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 11662979

Country of ref document: US