DE60020317T2

DE60020317T2 - Rauschunterdrückung unter verwendung eines externen sprach-aktivitäts-detektors

Info

Publication number: DE60020317T2
Application number: DE60020317T
Authority: DE
Inventors: Brian James PIKET; Wayne Christopher SPRINGFIELD; Pei-Ching Ernest CHEN
Original assignee: Motorola Inc
Current assignee: Cdc Propriete Intellectuelle Sa Paris Fr
Priority date: 1999-04-19
Filing date: 2000-03-16
Publication date: 2005-11-17
Anticipated expiration: 2020-03-17
Also published as: JP2002542692A; AU3893700A; HK1041739A1; EP1086453B1; CN1300417A; US20020152066A1; KR20010052483A; US6618701B2; KR100676216B1; DE60020317D1; WO2000063887A1; EP1086453A1; CN1133152C

Description

Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich auf Kommunikationssysteme und im Besonderen auf eine Rauschunterdrückung von übertragenen Sprachsignalen.
Hintergrund der Erfindung
In einem Kommunikationssystem kann eine Übertragungsstation einen Rauschunterdrückungsmechanismus einsetzen, um den Rauschinhalt eines übertragenen Sprachsignals zu verringern. Dies kann im Besonderen nützlich sein, wenn die Übertragungsstation ein mobiles Handgerät oder ein Freisprechtelefon ist, das in Gegenwart von Hintergrundrauschen arbeitet. In diesen Umgebungen kann eine plötzliche Zunahme des Hintergrundrauschens dazu führen, dass ein Hörer am entfernten Leitungsende einen unerwünschten Rauschpegel hört. Dieses Problem zeichnet sich besonders ab, wenn die Übertragungsstation als eine mobile Station arbeitet und die Übertragungsstation eine Rauschunterdrückungstechnik umfasst. Während aktuelle Rauschunterdrückungstechniken Hintergrundrauschen in einer statischen oder sich langsam verändernden Umgebung wirksam verringern, kann die Rauschunterdrückungsleistung wesentlich verschlechtert werden, wenn die Übertragungsstation in Gegenwart einer sich schnell verändernden Rauschumgebung betrieben wird.
In mobilen Umgebungen können große Änderungen des Hintergrundrauschens bewirkt werden, wenn der Anwender des mobilen Senders einen Ventilator aktiviert, ein Fenster schließt, während die mobile Station in Bewegung ist, oder anderweitig wesentlichen und plötzlichen Änderungen hinsichtlich des Hintergrundrauschens in der mobilen Station ausgesetzt wird. Das Hintergrundrauschen in der mobilen Einheit kann außerdem durch zahlreiche andere Änderungen in der mobilen Station beeinflusst werden.
In typischen Sendern, die eine Sprachaktivitätsdetektion verwenden, die sich in einem Rauschunterdrückungsalgorithmus befindet, kann eine Erhöhung des Hintergrundrauschens durch den Rauschunterdrückungsalgorithmus als ein Sprachsignal von dem Anwender des mobilen Senders interpretiert werden. Diese Bedingung wird aufgrund der Wechselwirkung zwischen der Sprachaktivitätsdetektion und dem Rauschpegelschätzwert ("noise floor estimate"), der durch den Rauschunterdrückungsalgorithmus berechnet wird, herbeigeführt. Eine Rauschunterdrückungstechnik, wie zum Beispiel eine stationäre Spektralprüfung, ist mit einigem Erfolg verwendet worden, um die Auswirkungen von plötzlichen Zunahmen des Hintergrundrauschens abzumildern. In der Praxis hat sich jedoch gezeigt, dass diese Lösung, aufgrund der Zeit, die der Rauschunterdrückungsalgorithmus benötigt, um das Hintergrundrauschen auf einen akzeptablen Pegel zu verringern, in vielen Fällen unzulänglich ist. In einigen Fällen kann diese Zeitperiode eine Dauer von 10 – 20 Sekunden betragen. In anderen Fällen kann das System eine verriegelte Fehlerbedingung ("locked fault condition") erfahren, in der keine Rauschpegelaktualisierungen mehr auftreten. Dies führt dazu, dass der Sender in einen Zustand versetzt wird, wo der Hörer über eine verlängerte Zeitperiode einer inakzeptablen Menge von Rauschen ausgesetzt wird.
Im Allgemeinen gibt es Systeme und Verfahren für eine Rauschunterdrückung. Zum Beispiel beschreibt die WO 98/01847 A (British Telecom; Garner Neil Robert (GB); Barrett Paul Alexander), 15. Januar 1998 (1998-01-15), einen Sprachaktivitätsdetektor, der für eine Entwicklung in einem mobilen Telefonapparat geeignet ist, der im Besonderen in einer lauten Umgebung eine Entscheidung darüber zur Verfügung stellt, ob ein Eingangssignal aus Rauschen besteht, das übertragen soll, oder Sprache oder Informationstöne umfasst, die übertragen werden sollen. Zusätzlich beschreibt "Speech/Silence segmentation for Real-time Coding Via Rule Based Adaptive Endpoint Detection" J.F. Lynch Jr. et al, IEEE International Conference on Acoustics, Speech and Signal Processing, 06. April 1987–09, Band 3, Seiten 1348 bis 1351, einen weiteren Sprachaktivitätsdetektor, der einen Hilfsdetektor umfasst, der einen Hintergrundrauschpegel und eine Signalleistung abschätzt und eine auf dem Hintergrundrauschpegelschätzwert und dem Signalleistungsschätzwert basierende Sprachaktivität bestimmt. Diese Sprachaktivitätsdetektoren und andere Aktivitätsdetektoren nach dem Stand der Technik können jedoch durch die Verwendung eines Sprachaktivitätsdetektors mit einer verringerten Wechselwirkung zwischen einer Sprachaktivitätsdetektion und Rauschpegelschätzwerten nicht an plötzliche Zunahmen des Hintergrundrauschens adaptieren.
Es ist daher sehr wünschenswert, dass das Rauschunterdrückungsverfahren und -system an plötzliche Zunahmen des Hintergrundrauschens durch die Verwendung eines Sprachaktivitätsdetektors mit einer verringerten Wechselwirkung zwischen einer Sprachaktivitätsdetektion und Rauschpegelschätzwerten adaptieren. Ein solches System stellt eine Fähigkeit für niedrigere Rauschübertragungen zur Verfügung, während eine mobile Station in Gegenwart eines breit variierenden Hintergrundrauschens arbeitet.
Kurze Beschreibung der Zeichnungen
Die Erfindung wird in den angehängten Ansprüchen definiert. Ein vollständigeres Verständnis der vorliegenden Erfindung kann jedoch dadurch erlangt werden, dass auf die ausführliche Beschreibung und die Ansprüche im Zusammenhang mit den Abbildungen Bezug genommen wird, in denen gleiche Bezugszeichen in allen Abbildungen die selben Elemente bezeichnen und:
1 ein Blockdiagramm eines Senders ist, der eine Sprachaktivitätsdetektion durch Verwenden eines externen Sprachaktivitätsdetektors gemäß einer bevorzugten Ausführungsform der Erfindung einsetzt;
2 ein Flussdiagramm eines Verfahrens zur Rauschunterdrückung ist, das einen externen Sprachaktivitätsdetektor gemäß einer bevorzugten Ausführungsform der Erfindung verwendet; und
3 ein Flussdiagramm eines Verfahrens ist, das durch einen externen Sprachaktivitätsdetektor verwendet wird, um die Aktualisierung eines Rauschinhaltsschätzwertes zu steuern, die durch einen Rauschunterdrückungsalgorithmus gemäß einer bevorzugten Ausführungsform der Erfindung durchgeführt wird.
Beschreibung der bevorzugten Ausführungsform
Ein Verfahren und System für eine verbesserte Rauschunterdrückung, die einen externen Sprachaktivitätsdetektor verwenden, stellen eine Fähigkeit zur Verfügung, Sprachkommunikationen in der Gegenwart eines breit variierenden Hintergrundrauschens durchzuführen. Das Verfahren und System überwinden Nachteile in vielen Rauschunterdrückungstechniken dadurch, dass sie schnellere Rauschaktualisierungen zur Verfügung stellen, was das Rauschen minimiert, das durch die Hörstation gehört wird. Zusätzlich wird die verriegelte Fehlerbedingung, in der keine Rauschaktualisierungen mehr auftritt, vermieden. Dies resultiert in einem Freisprechkommunikationssystem, das einen Hörer am entfernten Leitungsende keinem Rauschburst aussetzt, wenn eine Zunahme des Hintergrundrauschens stattfindet.
1 ist ein Blockdiagramm eines Senders, der eine Sprachaktivitätsdetektion durch Verwenden eines externen Sprachaktivitätsdetektors gemäß einer bevorzugten Ausführungsform der Erfindung einsetzt. In 1 empfängt das Mikrophon 50 eine akustische Energie und wandelt diese akustische Energie in ein elektrisches Signal. Das Mikrophon 50 kann eine beliebige Art von Mikrophon oder ein anderer Wandler sein, der mechanische oder akustische Vibrationen in elektrische Signale wandelt. Das Mikrophon 50 ist an den Analog-zu-Digital-Wandler 75 gekoppelt, der das ankommende analoge elektrische Signal in eine digitale Darstellung wandelt. Der Analog-zu-Digital-Wandler 75 kann ein beliebiger Mehrzweckwandler sein, der vorzugsweise eine ausreichende Abtastrate und einen ausreichenden dynamischen Bereich besitzt, um genaue digitale Darstellungen der ankommenden analogen Sprachsignale von dem Mikrophon 50 zu erzeugen.
Die Ausgabe des Analog-zu-Digital-Wandlers 75 wird in den Rauschunterdrücker 100 eingegeben, der den Vorprozessor 110, den Sprachaktivitätsdetektor 120, die Rauschinhaltsschätzfunktion 130 und das Kanalverstärkungsberechnungselement 140 umfasst. Ein Ausgang des Analog-zu-Digital-Wandlers 75 ist außerdem an den externen Sprachaktivitätsdetektor 150 gekoppelt. In einer bevorzugten Ausführungsform stellt der Rauschunterdrücker 100 eine Mehrzahl von Rauschunterdrückern dar, die geeignet sind, um in Verbindung mit der vorliegenden Erfindung verwendet zu werden. Zusätzlich können die Funktionen des Rauschunterdrückers 100 gänzlich als ein oder mehrere Softwareverarbeitungselemente oder in einer Hardware durchgeführt werden, wo individuelle Funktionen durch diskrete und zugeordnete Verarbeitungselemente durchgeführt werden.
In 1 empfängt der Vorprozessor 110 die digitalen Darstellungen der Sprachsignale von dem Analog-zu-Digital-Wandler 75. In einer bevorzugten Ausführungsform führt der Vorprozessor 110 eine beliebige gewünschte Spektralkonditionierungsfunktion durch, in der bestimmte Spektralbänder, vorzugsweise solche, die in erster Linie Sprache enthalten, hervorgehoben werden, während andere Spektralbänder, wie zum Beispiel solche, die in erster Linie Rauschen enthalten, abgeschwächt werden. Zusätzlich kann der Vorprozessor 110 außerdem eine Wandlung von einem Zeitbereichssignal zu einem Frequenzbereichssignal durchführen, um den restlichen Teilen des Rauschunterdrückers 100 zu erlauben, zusätzliche Manipulationen an den digitalen Darstellungen der Sprachsignale durchzuführen.
Der Ausgang des Vorprozessors 110 ist an den Sprachaktivitätsdetektor 120 und die Rauschinhaltsschätzfunktion 130 gekoppelt. In einer bevorzugten Ausführungsform führt der Sprachaktivitätsdetektor 120 eine Sprachdetektion basierend auf der Rauschpegel- und Kanalenergiestatistik der digitalen Darstellungen der Sprachsignale von dem Vorprozessor 110 aus. Die Rauschinhaltsschätzfunktion 130 misst das Hintergrundrauschen, das in den digitalen Darstellungen der Sprachsignale von dem Vorprozessor 110 vorhanden sind.
Die Ausgänge des Sprachaktivitätsdetektors 120 und der Sprachinhaltsschätzfunktion 130 werden dann an das Kanalverstärkungsberechnungselement 140 gekoppelt. In einer bevorzugten Ausführungsform segmentiert das Kanalverstärkungsberechnungselement 140 die digitalen Darstellungen der Sprachsignale in eine Gruppe von Frequenz-Bins. Durch die Segmentierung von Sprachsignalen in Frequenz-Bins können Kanal- und Verstärkungsberechnungen auf spezifischen Frequenzbändern durchgeführt werden, die in erster Linie Sprachinformationen enthalten. Zusätzlich können solche Frequenzbänder, die in erster Linie Rauschinformationen enthalten, abgeschwächt werden.
Wie in 1 gezeigt, sind die Rauschinhaltsschätzfunktion 130 und der Sprachaktivitätsdetektor 120 gekoppelt, um eine Sprachaktivitätsentscheidung durchzuführen, die auf dem Rauschinhalt der digitalen Darstellungen des Sprachsignals von dem Vorprozessor 110 basiert. Somit bestimmt der Sprachaktivitätsdetektor 120 die Sprachaktivität durch Empfangen einer Eingabe von der Rauschinhaltsschätzfunktion 130.
In 1 führt der externe Sprachaktivitätsdetektor 150 eine getrennte Sprachaktivitätsbestimmung durch, um die Rauschinhaltsschätzfunktion 130 bei der Bestimmung des Rauschinhaltes der digitalen Darstellungen der Sprachsignale von dem Vorprozessor 110 zu unterstützen. In einer bevorzugten Ausführungsform bestimmt ein externer Sprachaktivitätsdetektor die Sprachaktivität ohne eine Eingabe von dem Rauschinhaltschätzwert 130. Es ist wichtig, darauf hinzuweisen, dass der externe Rauschpegelschätzwert nicht fest ist. Durch Entfernen der Abhängigkeit einer Rauschpegelbestimmung von Sprachaktivitätsdetektionsentscheidungen kann ein verlässlicherer Sprachaktivitätsdetektionsmechanismus für eine Verwendung in Umgebungen zur Verfügung gestellt werden, wo sich das Hintergrundrauschen schnell ändert.
Der externe Sprachaktivitätsdetektor 150 akzeptiert Eingänge von digitalen Darstellungen von Sprachsignalen von dem Analog-zu-Digital-Wandler 75. Diese Eingänge sind an die Signalleistungsschätzfunktion 154 und die Rauschpegelschätzfunktion 156 gekoppelt. Die Signalleistungsschätzfunktion 154 führt Berechnungen aus, um die Signalleistung zu bestimmen, die in dem Eingangssignal vorhanden ist. Die Rauschpegelschätzfunktion 156 führt Berechnungen des Eingangssignals durch, um den Rauschpegel des eingegebenen Signals zu ermitteln.
Die Ausgänge von der Signalleistungsschätzfunktion 154 und der Rauschpegelschätzfunktion 156 sind an den Sprachak tivitätsprozessor 158 gekoppelt, der die Pegel der Signalleistung und des Rauschpegels vergleicht, um zu bestimmen, ob eine Aktualisierung der Rauschinhaltschätzfunktion 130 durchgeführt werden soll. Das durch die Signalleistungsschätzfunktion 154, die Rauschpegelschätzfunktion 156 und den Sprachaktivitätsprozessor 158 verwendete Verfahren wird mit Bezug auf 3 weiter diskutiert. Der Ausgang des Sprachaktivitätsprozessors 158 ist an den Rauschunterdrücker 100 gekoppelt. In einer bevorzugten Ausführungsform besteht die Ausgabe aus einem Indikator, der die Rauschinhaltsschätzfunktion 130 zwingen kann, eine Rauschabschätzung der digitalen Darstellungen des Sprachsignals von dem Vorprozessor 110 durchzuführen.
2 ist ein Flussdiagramm eines Verfahrens, das durch einen externen Sprachaktivitätsdetektor gemäß einer bevorzugten Ausführungsform der Erfindung durchgeführt wird. Der externe Sprachaktivitätsdetektor 150 von 1 ist geeignet, um das Verfahren durchzuführen. Das Verfahren von 2 beginnt damit, dass der Sprachaktivitätsdetektor einen Hintergrundrauschpegelschätzwert berechnet. Als Beispiel, und nicht als Beschränkung, basiert diese Schätzfunktion auf eine "langsam erhöhen/schnell abfallen"-Technik, die konstruiert wurde, um Änderungen in dem Rauschpegel eines bestimmten Signals zu verfolgen. Vorzugsweise benötigt die Technik keine Annahme darüber, ob die ankommende digitale Darstellung eines Sprachsignals entweder Sprache oder Rauschen ist. Während jeder mit y(n) bezeichnete Abtastwert verarbeitet wird, wird ein Schätzwert der aktuellen Signalleistung wünschenswerter Weise in dem Schritt 220 durch eine Integrationsfunktion, wie zum Bei spiel dem Leckintegrator, der in der folgenden Gleichung gezeigt wird, aktualisiert. Py (n) = (1- )y2 (n) + Py (n–1),wobei .9875
In dem Schritt 230 wird der aktuelle Signalleistungsschätzwert mit dem Rauschpegelschätzwert verglichen. Wenn der Signalleistungsschätzwert den Rauschpegelschätzwert übersteigt, was eine Abnahme des Rauschpegels des ankommenden Sprachsignals anzeigen kann, wird der aktualisierte Rauschpegel in dem Schritt 245 gleich dem Signalleistungsschätzwert gesetzt. Dies erzeugt den gewünschten "schnellen Abfall" in dem Rauschpegel. Wenn der Signalleistungsschätzwert die Rauschpegelschätzwerte übersteigt, wodurch eine Zunahme des Rauschpegels symbolisiert wird, wird auf den Rauschpegelschätzwert (in dem Schritt 240) ein Steigungsfaktor angewendet, um ein langsam erhöhendes Wandern des aktuellen Rauschpegelschätzwertes bei einer Rate von Dezibel pro Sekunde zu bewirken. Der Algorithmus für die Schritte 230, 240 und 245 kann wie folgt ausgedrückt werden:
if (P_y (n) < NF_y (n–1)) dann NF_y (n) =P_y (n)
else
NF_y (n) = (NF_y (n–1)) wobei β ≈ 2 bis 8 dB pro Sekunde
endif.
In dem Schritt 250 wird ein Sprachaktivitätsfaktor α auf die aktualisierten Rauschpegelschätzwerte angewendet, um einen Sprachaktivitätsschwellenschätzwert, (α(NF_y(n)) zu erzeugen. Das Verfahren fährt dann in dem Schritt 260 fort, wo der Signalleistungsschätzwert mit dem Sprachaktivitätsschwellenschätzwert von dem Schritt 250 verglichen wird. Der Schritt 260 ist die grundlegende Entscheidung darüber, ob die Rauschunterdrückungstechnik gezwungen werden soll, diesen Rauschinhaltschätzwert der digitalen Darstellungen des Sprachsignals zu aktualisieren oder nicht, obwohl eine typische Implementierung vorzugsweise auch gut bekannte Techniken, wie zum Beispiel Überhangperioden und Hysterese, einsetzen.
Wenn der Signalleistungsschätzwert den Sprachaktivitätsschwellenschätzwert übersteigt, dann erlaubt der externe Sprachaktivitätsdetektor der Rauschunterdrückungstechnik den Rauschinhaltsschätzwert, wie in dem Schritt 270, zu aktualisieren. In dem Falle, dass der Signalleistungsschätzwert den Sprachaktivitätsschwellenschätzwert nicht übersteigt, wird der Schritt 262 ausgeführt, in dem eine Bestimmung vorgenommen wird, ob eine Obergrenze eines Ruhezählers ("silence counter") erreicht worden ist. Wenn die Obergrenze des Ruhezählers nicht erreicht worden ist, wird der Schritt 263 ausgeführt, in dem der Zähler inkrementiert wird, und das Verfahren kehrt zu dem Schritt 260 zurück. Eine vollständige Beschreibung des Zwecks und bevorzugte Zahlenwerte des Ruhezählers werden mit Bezug auf 3 beschrieben.
Wenn die Entscheidung von dem Schritt 262 anzeigt, dass die Obergrenze des Ruhezählers erreicht worden ist, wird der Schritt 265 ausgeführt, in dem der externe Sprachaktivitätssensor die Rauschunterdrückungstechnik zwingt, den Rauschinhaltschätzwert zu aktualisieren. Dann wird der Schritt 280 ausgeführt, wo der Ruhezähler zurückgesetzt wird. Nachdem die Schritte 265 bis 280 ausgeführt worden sind, kehrt das Verfahren zu dem Schritt 210 zurück, wo der nächste Rahmen von digitalen Darstellungen von Sprachsigna len ausgewertet wird. Der Algorithmus für die Schritte 250 bis 280 kann wie folgt ausgedrückt werden:
if P_y(n) > α((NF_y(n)), then keine Aktualisierung erzwingen,
else
Aktualisierung erzwingen, Ruhezähler inkrementieren und Schwellenwert prüfen
endif.
3 ist ein Flussdiagramm eines Verfahrens, das durch einen externen Sprachaktivitätsdetektor verwendet wird, um das Aktualisieren eines Rauschinhaltsschätzwertes durch einen Rauschunterdrückungsalgorithmus gemäß einer bevorzugten Ausführungsform der Erfindung zu steuern. Das Verfahren beginnt in dem Schritt 310, wo ein externer Sprachaktivitätsdetektor, wie zum Beispiel der externe Sprachaktivitätsdetektor 150 von 1, bestimmt, ob eine Sprachaktivität vorhanden ist. Der Schritt 310 stellt das Ergebnis einer Sprachaktivitätsdetektion dar, so wie das mit Bezug auf 2 beschriebene, worin ein Rauschinhaltschätzwert erzwungen wird, wenn die geeigneten Bedingungen vorhanden sind. Wenn der Schritt 310 bestimmt, dass es keine Sprachaktivität gibt, wird der Schritt 320 ausgeführt, wo ein Zähler inkrementiert wird. In dem Schritt 330 wird eine Prüfung durchgeführt, um zu bestimmen, ob der aktuelle Wert des Zählers eine Obergrenze erreicht hat. In einer bevorzugten Ausführungsform wird die Obergrenze für den Zähler auf gleich 20 gesetzt.
Wenn die Obergrenze des Zählers erreicht worden ist, erzwingt der externe Sprachaktivitätsdetektor eine Aktualisierung des Rauschinhalts von den ankommenden digitalen Darstellungen eines Sprachsignals und das Verfahren geht zu dem Schritt 310 zurück. Wenn jedoch der Schritt 330 bestimmt, dass die Obergrenze nicht erreicht worden ist, führt das Verfahren den Schritt 350 aus, wo der externe Sprachaktivitätsdetektor dem Rauschunterdrückungsalgorithmus erlaubt, zu bestimmen, ob eine Aktualisierung in dem Rauschinhalt einer ankommenden digitalen Darstellung eines Sprachsignals erforderlich ist. Das Verfahren kehrt dann zu dem Schritt 310 zurück. wenn der externe Sprachaktivitätsdetektor bestimmt, dass ein Sprachsignal anwesend ist, wie in dem Schritt 310, wird in dem Schritt 315 ein Zählen zurückgesetzt und das Verfahren kehrt zu dem Schritt 310 zurück.
Die Schritte 320 bis 340 lassen eine Rauschaktualisierung nur zu, nachdem eine relativ lange "Überhangperiode" aufgetreten ist. Die Verwendung einer Überhangperiode beschränkt den Rauschunterdrückungsalgorithmus darauf, einen Rauschinhaltsschätzwert erst dann durchzuführen, nachdem ein Freisprechteilnehmer aufgehört hat zu sprechen. Somit werden Rauschinhaltsschätzwerte nicht während der Sprachpausen durchgeführt, die im Laufe einer normalen Rede auftreten. Zusätzlich begrenzt die Verwendung eines Zählers, um die Zeit zwischen erzwungenen Aktualisierungen des Rauschinhaltes des Sprachsignals zu begrenzen, die Länge der Überhangperiode. Durch ein Begrenzen der Länge der Überhangperiode kann die verriegelte Fehlerbedingung, in der der Rauschunterdrückungsalgorithmus den Rauschinhaltsschätzwert nicht mehr aktualisiert, vermieden werden. Somit wird verhindert, dass der Hörer am entfernten Leitungsende hohen Rauschpegeln ausgesetzt wird.
Ein Verfahren und System für eine verbesserte Rauschunterdrückung durch Verwenden eines externen Sprachaktivi tätsdetektors stellt eine Fähigkeit zur Verfügung, Sprachkommunikationen in der Gegenwart eines breit variierenden Hintergrundrauschens zu übertragen. Das Verfahren und System beseitigen einen Nachteil, der in vielen Rauschunterdrückungstechniken vorhanden ist, dadurch, dass sie die Rauschunterdrückungstechnik zwingen, unter bestimmten Umständen Rauschinhaltsschätzwerte auf ankommende digitale Darstellungen von Sprachsignalen durchzuführen. Zusätzlich wird die verriegelte Fehlerbedingung, wo keine Rauschaktualisierungen mehr auftreten, vermieden. Das Verfahren und System führen zu einem Freisprechkommunikationssystem, das einen Hörer am entfernten Leitungsende keinem Rauschburst aussetzt, wenn eine Zunahme im Hintergrundrauschen auftritt.

Claims

Verfahren zum Steuern einer Aktualisierung eines Rauschinhaltsschätzwertes eines ankommenden Sprachsignals in einem internen Sprachaktivitätsdetektor (100) eines Senders, der eine Rauschunterdrückungstechnik auf dem ankommenden Sprachsignal durchführt, wobei die Rauschunterdrückungstechnik den internen Sprachaktivitätsdetektor (100) verwendet, wobei das Verfahren die folgenden Schritte umfasst: Abschätzen eines Hintergrundrauschpegels des ankommenden Sprachsignals durch Verwenden eines zweiten, bezüglich der Rauschunterdrückungstechnik externen, Sprachaktivitätsdetektors (150); Abschätzen einer Signalleistung des ankommenden Sprachsignals durch Verwenden des zweiten Sprachaktivitätsdetektors (150); Vergleichen des Hintergrundrauschpegelschätzwertes mit dem Signalleistungsschätzwert; Aktualisieren des Hintergrundrauschpegelschätzwertes basierend auf dem Vergleichsschritt, wobei ein Aktualisieren des Hintergrundrauschpegelschätzwertes basierend auf dem Vergleichsschritt ein Erhöhen des Hintergrundrauschpegelschätzwertes mit einem Steigungsfaktor umfasst, wenn der Signalleistungsschätzwert den Hintergrundrauschpegelschätzwert übersteigt; Anwenden eines Sprachaktivitätsfaktors auf den aktualisierten Hintergrundrauschpegelschätzwert, um einen Sprachaktivitätsschwellenschätzwert zu erzeugen; Vergleichen des Signalleistungsschätzwertes mit dem Sprachaktivitätsschwellenschätzwert; und Erzwingen einer Aktualisierung des Rauschinhaltsschätzwertes in dem internen Sprachaktivitätsdetektor (100), wenn der Signalleistungsschätzwert den Sprachaktivitätsschwellenwert für eine bestimmte Zeitperiode nicht übersteigt.
Verfahren gemäß Anspruch 1, wobei der Steigungsfaktor ungefähr in dem Bereich von 2 bis 8 Dezibel pro Sekunde liegt.
Verfahren gemäß Anspruch 1, wobei der Sprachaktivitätsfaktor ungefähr in dem Bereich von 8 Dezibel liegt.
Verfahren gemäß Anspruch 1, wobei der Steuerschritt weiter den Schritt umfasst, dem internen Sprachaktivitätsdetektor (100) zu erlauben, einen Rauschinhaltschätzwert zu aktualisieren, wenn der Signalleistungsschätzwert größer als der Sprachaktivitätsschwellenschätzwert ist.
Verfahren gemäß Anspruch 1, wobei das Abschätzen der Signalleistung den Schritt umfasst, einen früheren Signalleistungsschätzwert zu integrieren.
Verfahren gemäß Anspruch 5, wobei der Integrierungsschritt weiter den Schritt umfasst, einen Leckintegratorfaktor ("leaky integrator factor") anzuwenden.
Verfahren gemäß Anspruch 6, wobei der Leckintegratorfaktor ungefähr in dem Bereich von 99/100 liegt.
Sender zum Übertragen eines Sprachsignals an einen entfernten Empfänger, der umfasst: einen ersten Sprachaktivitätsdetektor (120); eine Rauschinhaltsschätzfunktion (130), die an den ersten Sprachaktivitätsdetektor (120) gekoppelt ist; und einen zweiten Sprachaktivitätsdetektor (150), der an die Rauschinhaltsschätzfunktion (130) gekoppelt ist, wobei der zweite Sprachaktivitätsdetektor (150) umfasst: eine Signalleistungsschätzfunktion (154) zum Berechnen eines Signalleistungsschätzwertes des Sprachsignals; eine Rauschpegelschätzfunktion (156) zum Abschätzen eines Rauschpegels des Sprachsignals unabhängig von einem Sprachaktivitätszustand; und einen Sprachaktivitätsprozessor (158), der an die Signalleistungsschätzfunktion (154) und die Rauschpegelschätzfunktion (156) gekoppelt ist, wobei der Sprachaktivitätsprozessor (158) Mittel zum Aktualisieren eines Hintergrundrauschpegelschätzwertes basierend auf einem Vergleich des Signalleistungsschätzwertes und des Rauschpegelschätzwertes umfasst, wobei der Sprachaktivitätsprozessor (158) den Hintergrundrauschpegelschätzwert durch ein Erhöhen des Hintergrundrauschpegelschätzwertes mit einem Steigungsfaktor aktualisiert, wenn der Signalleistungsschätzwert den Hintergrundrauschpegelschätzwert übersteigt; Mittel zum Anwenden eines Sprachaktivitätsfaktors auf den aktualisierten Hintergrundrauschpegelschätzwert, um einen Sprachaktivitätsschwellenschätzwert zu erzeugen; Mittel zum Vergleichen des Signalleistungsschätzwertes mit dem Sprachaktivitätsschwellenschätzwert; und Mittel zum Erzwingen einer Aktualisierung der Rauschinhaltsschätzfunktion, wenn der Signalleistungsschätzwert den Sprachaktivitätsschwellenschätzwert für eine bestimmte Zeitperiode nicht übersteigt.
Sender gemäß Anspruch 8, wobei der Steigungsfaktor ungefähr in dem Bereich von 2 bis 8 Dezibel pro Sekunde liegt.
Sender gemäß Anspruch 8, wobei der Sprachaktivitätsprozessor (158) den Hintergrundrauschpegelschätzwert durch Gleichsetzen des Hintergrundrauschpegelschätzwertes mit dem Signalleistungsschätzwert aktualisiert, wenn der Signalleistungsschätzwert den Hintergrundrauschpegelschätzwert nicht übersteigt.
Sender gemäß Anspruch 8, wobei der Sprachaktivitätsfaktor ungefähr in dem Bereich von 8 Dezibel liegt.
Sender gemäß Anspruch 8, wobei die Rauschinhaltsschätzfunktion (130) Aktualisierungen des Rauchinhaltsschätzwertes in dem ersten Sprachaktivitätsdetektor (120) bestimmt, wenn der Signalleistungsschätzwert größer als der Sprachaktivitätsschwellenschätzwert ist.
Sender gemäß Anspruch 8, wobei die Signalleistungsschätzfunktion (154) die Signalleistung abschätzt, wobei dies den Schritt des Integrierens eines früheren Signalleistungsschätzwertes umfasst.
Sender gemäß Anspruch 13, wobei die Signalleistungsschätzfunktion (154) den früheren Leistungsschätzwert durch Anwenden eines Leckintegratorfaktors integriert.
Sender gemäß Anspruch 14, wobei der Leckintegratorfaktor ungefähr in dem Bereich von 99/100 liegt.