DE19629132A1

DE19629132A1 - Verfahren zur Verringerung von Störungen eines Sprachsignals

Info

Publication number: DE19629132A1
Application number: DE19629132A
Authority: DE
Inventors: Tim Haulick; Klaus Dr Ing Linhard; Peter Schroegmeier
Original assignee: Daimler Benz AG
Current assignee: Mercedes Benz Group AG
Priority date: 1996-07-19
Filing date: 1996-07-19
Publication date: 1998-01-22
Also published as: CA2260893C; EP0912974A1; CA2260893A1; DE59701446D1; ES2146107T3; EP0912974B1; WO1998003965A1; JP4187795B2; ATE191806T1; US6687669B1; JP2002509620A

Description

Die Erfindung betrifft ein Verfahren zur Verringerung von Störungen eines Sprachsignals.

Ein derartiges Verfahren kann vorteilhaft Anwendung zur Störbefreiung von Sprachsignalen für sprachliche Kommuni kation, insbesondere Freisprechanlagen z. B. in Kraftfahr zeugen, Spracherkennungssystemen und ähnlichem finden.

Ein häufig verwandtes Verfahren zur Reduktion des Ge räuschanteils in störungsbehafteten Sprachsignalen ist die sogenannte spektrale Subtraktion. Dieses Verfahren hat den Vorteil der einfachen aufwandsarmen Implementierung und einer deutlichen Geräuschreduktion.

Eine unangenehme Begleiterscheinung der Geräuschreduktion mittels spektraler Subtraktion ist das Auftreten von kurz zeitig hörbaren tonalen Geräuschanteilen, die aufgrund des vermittelten Höreindrucks als "musical tones" oder "musi cal noise" bezeichnet werden.

Maßnahmen zur Unterdrückung von "musical tones" bei der spektralen Subtraktion sind die Überschätzung der Störlei stung also die Überkompensation der Störung mit dem Nach teil der erhöhten Sprachverzerrung oder das Zulassen eines relativ hohen Geräuschsockels mit dem Nachteil einer nur geringen Geräuschreduktion (z. B. "Enhancement of Speech Corrupted by Acoustic Noise" von Berouti, M.; Schwartz, R.; Makhoul, J.; in Proceedings on ICASSP, pp. 208-211, 1979). Verfahren zur linearen oder nichtlinearen Glättung und damit zur Unterdrückung der "musical tones" werden z. B. in "Suppression of Acoustic Noise in Speech Using Spectral Subtraction" von S.F. Boll in IEEE Vol. ASSP-27, Nr. 2, pp. 113-120 beschrieben. Ein effektives nichtli neares Glättungsverfahren mit Medianfilterung ist in der DE 44 05 723 A1 angegeben.

Bekannt sind auch Verfahren welche zusätzlich zu der spek tralen Subtraktion die psychoakustische Wahrnehmung mitbe rücksichtigen (z. B. T. Petersen und S. Boll, "Acoustic Noise Suppression in a Peceptual Model" in Proc. on ICASSP, pp. 1086-1088, 1981). Die Signale werden in den Bereich der psychoakustischen Lautheit transformiert um so eine gehörgerechtere Verarbeitung durchzuführen. Von D.

Tsoukalas, P. Paraskevas und M. Mourjopoulos wird in "Speech Enhancement Using Psychoacoustic Criteria", Proc. on ICASSP, pp. II359-II362, 1993 und von G. Virag in "Speech Enhancement Based on Masking Properties of the Au ditory System", Proc. on ICASSP, pp. 796-799, 1995, wird die errechnete Verdeckungskurve dazu benutzt, festzustel len, welche Spektrallinien vom Nutzsignal verdeckt sind und somit nicht gedämpft werden müssen. Die Qualität des Sprachsignals wird damit verbessert. Die störenden "musi cal tones" werden damit aber nicht verringert.

Aufgabe der vorliegenden Erfindung ist es, ein verbesser tes Verfahren zur Verringerung von Störungen eines Sprach signals anzugeben.

Die Erfindung ist im Patentanspruch 1 beschrieben. Die Un teransprüche enthalten vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung.

Die Erfindung basiert im wesentlichen darauf, daß Signal anteile, die erst durch die Geräuschreduktion einzeln hör bar in Erscheinung treten, als Störungen erkannt und nach träglich durch selektive Dämpfung verringert oder besei tigt werden. Als Hörbarkeitskriterium wird dabei in an sich bekannter Weise das Überschreiten einer Verdeckungs kurve (masking threshold) herangezogen.

Die Bestimmung von Verdeckungskurven ist z. B. aus Teilen des eingangs genannten Standes der Technik, in ausführli cher allgemeiner Form auch z. B. aus Sound Engineering, Kap. 2., Psychoakustik und Geräuschbeurteilung (S. 10-33), Expert Verlag 1994 bekannt. Die Bestimmung der Verdec kungskurven kann sowohl auf der Basis der aktuellen Sprachsignale als auch auf der Basis eines Geräuschsignals in Sprachpausen erfolgen, wobei verschiedene psychoakusti sche Effekte mit berücksichtigt werden können. Die Verdec kungskurven, die auch als Maskierungskurven, Mithörschwel len, masking threshold und ähnlich in der Fachliteratur bezeichnet sind, können als eine frequenzabhängige Pegel schwelle für die Wahrnehmbarkeit eines schmalbandigen Tons angesehen werden.

Derartige Verdeckungskurven werden neben den Anwendungen zur Störbefreiung z. B. auch zur Datenreduktion bei der Kodierung von Audiosignalen eingesetzt. Eine ausführliche Vorgehensweise zur Bestimmung einer Verdeckungskurve ist neben den bereits genannten Veröffentlichungen auch z. B. aus "Transform Coding of Audio Signals Using Perceptual Noise Criteria" von J. Johnston in IEEE Journal on Select Areas Commun., Vol. 6, pp. 314-323, Febr. 1988 entnehmbar. Wesentliche Schritte eines typischen Verfahrens zur Bestimmung einer Verdeckungskurve aus dem Kurzzeitspektrum eines gestörten Sprachsignals sind insbesondere

- Kritische Bandanalyse, bei welcher das Spektrum eines Signals in sogenannte kritische Bänder auf geteilt und aus dem Leistungsspektrum P(i) durch Aufsummierung innerhalb der kritischen Bänder ein kritisches Band-Spektrum B(n) (auch Bark-Spektrum, mit n als Bandindex) gewonnen wird
- Faltung des Bark-Spektrums mit einer Verbreite rungsfunktion (Spreading-Funktion) zur Berücksich tigung der Verdeckungseffekte über mehrere kriti sche Bänder hinweg; man erhält ein modifiziertes Bark-Spektrum
- evtl. zusätzliche Berücksichtigung der unter schiedlichen Verdeckungseigenschaften von rausch haften und tonhaften Anteilen durch einen aus der Zusammensetzung des Signals bestimmten Offsetfak tor
- Nach Renormierung im Verhältnis zur jeweiligen En ergie in den kritischen Bändern und ggf. Anhebung tieferliegender Werte auf die Werte der Ruhehör schwelle ergibt sich eine barkbezogene Verdec kungskurve T (n) und daraus eine frequenzbezogene Verdeckungskurve V(i) mit V(i) = T(n) für alle Frequenzen i innerhalb des jeweiligen kritischen Bandes n.

Mit der bestimmten Verdeckungskurve V(i) können die Spek tralanteile des Signales durch Vergleich des Leistungs spektrums P(i) mit der Verdeckungskurve V(i) in hörbare, (P(i) < V(i)) und verdeckte (P(i) V(i)) Anteile unter schieden werden.

Die Erfindung ist nachfolgend anhand von Beispielen unter Bezugnahme auf die Abbildungen noch eingehend veranschau licht. Dabei zeigt

Fig. 1 ein Blockschaltbild eines Standardverfahrens zur spektralen Subtraktion,

Fig. 2 ein Blockschaltbild zu einem Verfahren nach der Erfindung,

Fig. 3 ein Sprachsignal in verschiedenen Stufen des er findungsgemäßen Signalverarbeitungsverfahrens.

Die Verfahren zur spektralen Subtraktion beruhen auf der Verarbeitung des Kurzzeitbetragsspektrums des gestörten Eingangssignals. In Sprachpausen wird das Störleistungs spektrum geschätzt und anschließend gleichphasig vom ge störten Eingangssignal subtrahiert. Diese Subtraktion wird üblicherweise als Filterung durchgeführt. Durch die Filte rung erfolgt eine Gewichtung der gestörten Spektralkompo nenten mit einem reellen Faktor, in Abhängigkeit vom ge schätzten Signal-zu-Rauschverhältnis des jeweiligen Spek tralbandes. Die Geräuschreduktion ergibt sich demnach da durch, daß gestörte spektrale Bereiche des Nutzungssignals im Verhältnis ihres Störanteils gedämpft werden. Ein ver einfachtes Blockdiagram in Fig. 1 zeigt eine typische Re alisierung des Spektralsubtraktionsalgorithmus. In einer Analysestufe erfolgt die Zerlegung des gestörten Sprachsi gnals, beispielsweise durch eine diskrete Fourier Trans formation (DFT), in eine Reihe von Kurzzeitspektren Y(i). Aus den Fourier-Koeffizienten bildet die Einheit KM einen Kurzzeitmittelwert, der einen Schätzwert für die mittlere Leistung Y²(i) mit i als diskretem Frequenzindex des ge störten Eingangssignals darstellt. In einer Einheit L- er folgt, gesteuert durch den Sprachpausendetektor SP, die Schätzung eines mittleren Störleistungsspektrums N²(i) in den sprachsignalfreien Abschnitten. Jede Spektrallinie Y(i) des Eingangssignals wird anschließend mit einem reel len Filterkoeffizienten H(i) multipliziert, der aus dem Kurzzeitmittelwert Y²(i) und dem Störleistungsmittelwert N²(i) in der Einheit FK berechnet wird. Der Verfahrens schritt der Geräuschreduktion ist als Multiplikationsstufe GR eingezeichnet. Durch eine inverse diskrete Fourier Transformation (IDFT) ergibt sich am Ausgang der Synthese stufe das geräuschreduzierte Sprachsignal.

Die Berechnung der Filterkoeffizienten H(i) kann nach un terschiedlichen, an sich bekannten Gewichtungsregeln er folgten. Typisch ist die Schätzung der Koeffizienten nach

Mit fl als vorgebbarem Grundwert (auch spectral floor), der eine untere Schranke für die Filterkoeffizienten dar stellt und üblicherweise 0,1 < fl < 0,25 beträgt. Er be stimmt einen im Ausgangssignal der spektralen Subtraktion verbleibenden Restgeräuschanteil, der das Absenken der Mithörschwelle begrenzt und so schmalbandige Anteile im geräuschreduzierten Ausgangssignal der spektralen Subtrak tion teilweise verdeckt. Die Einhaltung eines Grundwerts fl verbessert den subjektiven Höreindruck.

Zur Verdeckung aller Reststörungen der Art der "musical tones" müßte ein Grundwert von ca. 0,5 gewählt werden, wo durch die maximal erreichbare Geräuschreduktion auf etwa 6 dB beschränkt wäre.

Ein bei dem erfindungsgemäßen Verfahren genutztes charak teristisches Merkmal von musical tones ist, daß sie erst im Ausgangssignal des Geräuschreduktionsverfahrens für das menschliche Ohr wahrnehmbar als Störung in Erscheinung treten. Die Wahrnehmbarkeit kann durch die zweite Verdec kungskurve für dieses Ausgangssignal quantitativ erfaßt werden. Gegenüber den gleichfalls die Pegelschwelle der zweiten Verdeckungskurve überschreitenden Sprach-Nutzan teilen im Ausgangssignal, die auch bereits im Eingangssi gnal als Pegelüberschreitung der ersten Verdeckungskurve wahrnehmbar sind, können die musical tones durch Vergleich der wahrnehmbaren Signalanteile im Ausgangssignal und Ein gangssignal der Geräuschreduktion als neue hörbare Anteile unterschieden und in einem nachfolgenden Verarbeitungs schritt gezielt selektiv gedämpft werden.

Das erfindungsgemäße Verfahren zur Detektion und Unter drückung von schmalbandigen Störungen wie musical tones ist anhand des Blockschaltbildes in Fig. 2 erläutert. Es stellt eine Erweiterung des in Fig. 1 dargestellten Stan dardverfahrens zur spektralen Subtraktion dar. Soweit das skizzierte Verfahren in Fig. 2 mit dem in Fig. 1 skizzier ten bekannten Verfahren übereinstimmt, sind gleiche Be zugszeichen verwandt. Aus den Eingangssignalen Y(i) der Geräuschreduktion GR wird in einer Einheit VE eine erste Verdeckungskurve V1(i) bestimmt. Aus den Ausgangssignalen Y′(i) der Geräuschreduktion wird in VA eine zweite Verdec kungskurve V2(i) bestimmt.

Alternativ dazu kann die erste Verdeckungskurve V1(i) auch aus dem mittleren Störleistungsspektrum am Eingang der Ge räuschreduktion in Sprachpausen bestimmt werden. Die zweite Verdeckungskurve kann auch aus der ersten Verdec kungskurve abgeleitet werden, z. B. durch Multiplikation mit dem Grundwert fl, V2(i) = fl · V1(i).

Der Vorteil der Bestimmung der Verdeckungskurven aus den aktuellen Eingangs- und Ausgangssignalen der Geräuschre duktion besteht insbesondere darin, daß auch instationäre Geräuschanteile sowie die verdeckende Wirkung der Sprach anteile mitberücksichtigt werden. Wird dagegen die erste Verdeckungskurve aus dem mittleren Störleistungsspektrum ermittelt und die zweite Verdeckungskurve näherungsweise nach V2(i) = fl · V1(i) bestimmt, so ergibt sich eine erheb liche Verringerung der Rechenaufwands. Der Rechenaufwand kann weiter dadurch verringert werden, daß die Verdec kungskurve wesentlich weniger oft aktualisiert werden muß, da das mittlere Störleistungsspektrum in der Regel nur langsam zeitveränderlich ist. Das qualitativ bessere syn thetisierte Sprachsignal wird aber mit der Bestimmung der Verdeckungskurven aus den aktuellen Signalen Y(i), Y′(i) erzielt.

Eine vorteilhafte Weiterbildung der Erfindung sieht eine weitere Verbesserung durch Detektion von stationären Si gnalanteilen, die von der selektiven Dämpfung ausgenommen werden, auch wenn sie das Kriterium nur im Ausgangssignal Y′(i) wahrnehmbar zu sein, erfüllen. In Fig. 2 ist hierfür ein Stationaritätsdetektor STAT eingezeichnet.

Er kann auf verschiedene Arten realisiert werden, bei spielsweise durch die zeitliche Verfolgung einzelner Spek trallinien oder auch der Filterkoeffizienten. Eine einfa che Realisierungsform ergibt sich mit der Forderung, daß mehrere zeitlich aufeinanderfolgende Filterkoeffizienten jeweils einen bestimmten Schwellwert thr_stat überschreiten müssen, so daß gilt:

H_k-n(i), . . . , Hk_k-l(i), H_k(i) < thr_stat,

mit z. B. n=2 und thr_stat= 0,35.

Im Entscheider ENT werden zunächst mit Hilfe der zweiten Verdeckungskurve V₂(i) hörbare tonale Komponenten im Aus gangssignal des Geräuschreduktionssystems ermittelt. Han delt es sich hierbei nicht um eine stationäre Komponente, wird untersucht, ob der Spektralanteil schon vor der Fil terung (Geräuschreduktion) hörbar war. Dies erfolgt unter Verwendung der ersten Verdeckungskurve V₁(i). Wird der Frequenzanteil im Eingangssignal Y(i) als verdeckt festge stellt, wird die Spektralkomponente im Ausgangssignal als musical tone angenommen und in einer Nachverarbeitungs stufe NV gedämpft. Im anderen Fall, d. h. bei Nichtverdec kung im Eingangssignal wird auf Sprache entschieden und keine zusätzliche Dämpfung vorgenommen.

Die zusätzliche Dämpfung in der Nachverarbeitung kann auf verschiedene Weise erfolgen. So kann z. B. für eine als Störung erkannte neu hörbare spektrale Komponente der Pe gelwert auf den Wert der zweiten Verdeckungskurve gesetzt werden. Vorzugsweise wird der detektierte Pegelwert der störenden spektralen Komponente auf einen korrigierten Wert gesetzt, der sich aus der Filterung der spektral ent sprechenden Eingangssignalkomponente mit dem Grundwert fl als Filterkoeffizient ergibt.

In Fig. 3 sind verschiedene Stadien der Signalverarbeitung für ein gestörtes Sprachsignal nach dem erfindungsgemäßen Verfahren skizziert.

Fig. 3A zeigt ein Leistungsspektrum P(i) eines gestörten Signals am Eingang der Geräuschreduktion sowie eine daraus bestimmte erste Verdeckungskurve V1(i) mit der Verdec kungskurve übersteigenden Signalanteilen s. Nach Durchfüh rung der spektralen Subtraktion ergibt sich ein ge räuschreduziertes Leistungsspektrum P′(i) = Y′²(i) mit ei ner daraus bestimmten zweiten Verdeckungskurve V2(i) in welcher neben den auch in Fig. 3A die Verdeckungskurve V1(i) überschreitenden Signalanteilen s weitere Signalan teile m als die zweite Verdeckungsschwelle überschreitend auftreten, die als nicht verdeckte und somit neu hörbare Signalanteile nach Art der musical tones erscheinen. Diese neu hörbaren Signalanteile können detektiert und durch se lektive Dämpfung ohne Beeinträchtigung der Sprachanteile s unterdrückt werden. Das sich bei der selektiven Dämpfung ergebende Leistungsspektrum P′′(i) ist in Fig. 3C skiz ziert. Nur die als Sprachsignale bewerteten Signalanteile s übersteigen die Verdeckungskurve, wobei diese Signale nunmehr um ein weit größeres Maß über der Verdeckungskurve V2(i) liegen als die entsprechenden Anteile im Eingangssi gnal über der dort geltenden Verdeckungskurve V1(i) (Fig. 3A) und somit deutlicher hörbar sind. Die musical tones m aus Fig. 3B sind im Pegel unter die Verdeckungskurve V2(i) gedrückt und somit nicht mehr als individuelle Töne wahr nehmbar.

Die Erfindung ist nicht auf die spektrale Subtraktion zur Geräuschreduktion beschränkt. Das Verfahren, die Verdec kungskurven am Eingang und am Ausgang einer Geräuschreduk tion zu ermitteln und aufgrund neu hörbarer Anteile am Ausgang Störungen zu detektieren und zu unterdrücken, läßt sich auch auf andere Signalverarbeitungssysteme, z. B. zur Signalkodierung übertragen.

Claims

1. Verfahren zur Verringerung von Störungen eines Sprach signals, bei welchem ein Geräuschreduktionsverfahren ein gesetzt und die spektrale psychoakustische Verdeckung mit berücksichtigt wird, dadurch gekennzeichnet, daß eine er ste spektrale Verdeckungskurve für das Eingangssignal und eine zweite spektrale Verdeckungskurve für das Ausgangssi gnal des Geräuschreduktionsverfahrens bestimmt werden, daß die zweite Verdeckungskurve übersteigende neu hörbare An teile des Ausgangssignals des Geräuschreduktionsverfah rens, denen keine spektral entsprechenden, die erste Ver deckungskurve übersteigenden Anteile des Eingangssignals gegenüberstehen, zusätzlich selektiv gedämpft werden.

2. Verfahren nach Anspruch 1, gekennzeichnet durch ein spektrales Subtraktionsverfahren als Geräuschreduktions verfahren.

3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die neu hörbaren Anteile auf ihren Grundwert der spektra len Subtraktion reduziert werden.

4. Verfahren nach Anspruch 1 oder Anspruch 2, dadurch ge kennzeichnet, daß die neu hörbaren Anteile auf ihren Wert der spektralen Verdeckungskurve reduziert werden.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß über ein vorgebbares Zeitintervall statische neu hörbare Anteile des Ausgangssignals von der zusätzlichen selektiven Dämpfung ausgenommen werden.

6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die zweite Verdeckungskurve aus dem Ausgangssignal der Geräuschreduktionsverfahrens bestimmt wird.

7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die zweite Verdeckungskurve aus der ersten Verdeckungskurve abgeleitet wird.

8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die erste Verdeckungskurve aus dem Eingangssignal des Geräuschreduktionsverfahrens bestimmt wird.

9. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die erste Verdeckungskurve aus Ge räuschsignalen in Sprachpausen bestimmt wird.