DE60018690T2 - Verfahren und Vorrichtung zur Stimmhaft-/Stimmlos-Entscheidung - Google Patents

Description

• Die vorliegende Erfindung betrifft Sprachverarbeitung und insbesondere eine Stimmhaftigkeitsbestimmung des Sprachsignals, die eine bestimmte, aber nicht ausschließliche Anwendung im Feld der Mobiltelefone findet.
• In bekannten Sprachcodecs ist die gängigste phonetische Klassifikation eine Stimmhaftigkeitsentscheidung, die einen Sprachrahmen als stimmhaft oder stimmlos klassifiziert. Allgemein gesagt gehen stimmhafte Segmente typischerweise mit hoher lokaler Energie einher und weisen eine deutliche Periodizität auf, die der Grundfrequenz oder äquivalent der Tonhöhe des Sprachsignals entspricht, wohingegen stimmlose Segmente Rauschen ähneln. Ein Sprachsignal enthält jedoch auch Segmente, die als eine Mischung stimmhafter und stimmloser Sprache klassifiziert werden können, wobei beide Komponenten gleichzeitig vorhanden sind. Diese Kategorie beinhaltet stimmhafte Reibelaute sowie rauchige und quietschige Stimmen. Die geeignete Klassifikation gemischter Segmente als entweder stimmhaft oder stimmlos hängt von den Eigenschaften des Sprachcodecs ab.
• In einem typischen bekannten Analyse-durch-Synthesebasierten Sprachcodec (Analysis-by-Synthesis, A-b-S) wird die Periodizität der Sprache mit einem Tonhöhen-Prädiktorfilter modelliert, der auch als ein LTP-Filter (Long-Term Prediction Filter, Langzeit-Vorhersagefilter) bezeichnet wird. Er charakterisiert die harmonische Struktur des Spektrums basierend auf der Ähnlichkeit benachbarter Tonhöhenperioden in einem Sprachsignal. Das gängigste Verfahren, das für die Tonhöhenextraktion verwendet wird, ist die Autokorrelationsanalyse, die die Ähnlichkeit zwischen den gegenwärtigen und verzögerten Sprachsegmenten anzeigt. Bei diesem Ansatz wird der Verzögerungswert, der der Hauptspitze der Autokorrelationsfunktion entspricht, als die Tonhöhenperiode interpretiert. Es ist typisch, dass für stimmhafte Sprachsegmente mit einer deutlichen Tonhöhenperiode die Stimmhaftigkeitsbestimmung in enger Beziehung zur Tonhöhenextraktion steht.
• Die Veröffentlichung US5734789 beschreibt ein Verfahren zur Codierung von Sprache durch Benutzen eines linearen Prädiktors. Das Sprachsignal wird in mehrere Rahmen geteilt, die in Unterrahmen mit variierenden Größen analysiert werden, die von der jeweiligen Analyse abhängen, die im Augenblick ausgeführt wird. Der „Modus" eines Rahmens, der entweder A (stimmhaft und stationär), B (stimmlos/Übergang) oder C (Hintergrundrauschen) ist, wird auf der Grundlage z.B. von Werten bestimmt, die für jeden Unterrahmen berechnet werden.
• Die Veröffentlichung US4074069 beschreibt eine Lösung zur Beurteilung stimmhafter und stimmloser Bedingungen von Sprachsignalen durch Benutzen einer Autokorrelationsfunktion des Sprachsignals zu unterschiedlichen Zeitpunkten.
• Gemäß einem ersten Aspekt der vorliegenden Erfindung wird ein Verfahren zum Bestimmen der Stimmhaftigkeit eines Sprachsignalsegments bereitgestellt, umfassend die folgenden Schritte: Teilen eines Sprachsignalsegments in Untersegmente, Bestimmen eines Werts bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten, Vergleichen der Werte mit einer vorgegebenen Schwelle und Treffen einer Entscheidung über die Stimmhaftigkeit des Sprachsegments basierend auf der Anzahl der Werte auf einer Seite der Schwelle, wobei die letzten, ein oder mehrere, Untersegmente des Segments in der Klassifikationslogik hervorgehoben werden.
• Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird ein Verfahren zum Bestimmen der Stimmhaftigkeit eines Sprachsignalsegments bereitgestellt, umfassend Mittel (106) zum Teilen eines Sprachsignalsegments in Untersegmente, Mittel (110) zum Bestimmen eines Werts bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten, Mittel (112) zum Vergleichen der Werte mit einer vorgegebenen Schwelle und Mittel (112) zum Treffen einer Entscheidung über die Stimmhaftigkeit des Sprachsegments basierend auf der Anzahl der Werte auf einer Seite der Schwelle, wobei die letzten, ein oder mehrere, Untersegmente des Segments in der Klassifikationslogik hervorgehoben werden.
• Die Erfindung stellt ein Verfahren zur Stimmhaftigkeitsbestimmung für die Verwendung insbesondere, aber nicht ausschließlich in einem Schmalband-Sprachcodiersystem bereit. Ein Ziel der Erfindung ist die Behandlung der Probleme des Standes der Technik durch Bestimmen der Stimmhaftigkeit des Sprachsegments basierend auf der Periodizität seiner Untersegmente. Die Ausführungsformen der vorliegenden Erfindung erzielen eine Verbesserung im Betrieb in einer Situation, in der die Eigenschaften des Sprachsignals schnell variieren, sodass der einzelne, über ein langes Fenster errechnete Parametersatz keine zuverlässige Basis zur Stimmhaftigkeitsbestimmung bereitstellt.
• Eine bevorzugte Ausführungsform der Stimmhaftigkeitsbestimmung der vorliegenden Erfindung teilt ein Segment eines Sprachsignals weiter in Untersegmente auf. Typischerweise umfasst das Sprachsignalsegment einen Sprachrahmen. Außerdem kann es optional einen möglichen Vorgriff (Lookahead) beinhalten, der ein gewisser Abschnitt des Sprachsignals vom nächsten Sprachrahmen ist. Für jedes Untersegment wird eine normierte Autokorrelation berechnet. Die normierten Autokorrelationswerte dieser Untersegmente werden zur Klassifikationslogik weitergeleitet, die sie mit den vordefinierten Schwellenwert vergleicht. Wenn in dieser Ausführungsform ein bestimmter Prozentsatz normierter Autokorrelationswerte eine Schwelle überschreitet, wird das Segment als stimmhaft klassifiziert.
• In einer Ausführungsform der vorliegenden Erfindung wird für jedes Untersegment eine normierte Autokorrelation anhand eines Fensters berechnet, dessen Länge zur geschätzten Tonhöhenperiode proportional ist. Dies stellt sicher, dass eine geeignete Anzahl von Tonhöhenperioden im Fenster enthalten ist.
• Zusätzlich zu obigem liegt ein kritisches Entwurfsproblem bei Stimmhaftigkeitsbestimmungs-Algorithmen in der korrekten Klassifikation von Übergangsrahmen. Die trifft besonders auf Übergänge von stimmloser zu stimmhafter Sprache zu, da die Energie des Sprachsignals üblicherweise wächst. Wird kein separater Algorithmus zum Klassifizieren der Übergangsrahmen konzipiert, ist der Stimmhaftigkeitsbestimmungs-Algorithmus stets ein Kompromiss zwischen der Fehlklassifikationsrate und der Empfindlichkeit zum zutreffenden Erkennen von Übergangsrahmen.
• Um die Leistung des Stimmhaftigkeitsbestimmungs-Algorithmus im Verlauf von Übergangsrahmen zu verbessern, ohne die Fehlklassifikationsrate praktisch überhaupt zu erhöhen, stellt eine Ausführungsform der vorliegenden Erfindung Regeln zum Klassifizieren des Sprachrahmens als stimmhaft bereit. Dies erfolgt durch Hervorheben der Stimmhaftigkeitsentscheidungen der letzten Untersegmente in einem Rahmen, um die Übergänge von stimmloser zu stimmhafter Sprache zu erkennen. Das heißt, dass der Rahmen zusätzlich dazu, dass er eine bestimmte Anzahl von Untersegmenten aufweist, die einen normierten Autokorrelationswert aufweisen, der einen Schwellenwert überschreitet, auch dann als stimmhaft klassifiziert wird, wenn alle einer vorher festgelegten Anzahl der letzten Untersegmente einen normierten Autokorrelationswert aufweisen, der denselben Schwellenwert überschreitet. Die Erkennung von Übergängen von stimmlos nach stimmhaft wird somit weiter verbessert, indem die letzten Untersegmente in der Klassifikationslogik hervorgehoben werden.
• Der Rahmen kann als stimmhaft klassifiziert werden, wenn nur das letzte Untersegment einen normierten Autokorrelationswert aufweist, der den Schwellenwert überschreitet.
• Alternativ kann der Rahmen als stimmhaft klassifiziert werden, wenn ein Abschnitt der Untersegmente aus dem gesamten Sprachrahmen einen normierten Autokorrelationswert aufweist, der den Schwellenwert überschreitet. Dieser Abschnitt kann beispielsweise im Wesentlichen eine Hälfte oder im Wesentlichen ein Drittel der Untersegmente des Sprachrahmens sein.
• Die Stimmhaft/Stimmlos-Entscheidung kann zwei Zwecken dienen. Eine Option ist es, Bits innerhalb des Sprachcodecs unterschiedlich für stimmhafte und stimmlose Rahmen zuzuordnen. Im Allgemeinen sind stimmhafte Sprachsegmente von der Wahrnehmung her wichtiger als stimmlose Segmente, und deshalb ist es besonders wichtig, dass ein Sprachrahmen korrekt als stimmhaft klassifiziert wird. Im Falle eines Codecs des Analyse-durch-Synthese-Typs kann dies z.B. durch Neuzuweisung von Bits vom adaptiven Code-Lexikon (z.B. von LTP-Verstärkungs- und LTP-Verzögerungsparametern) zum Erregersignal erfolgen, wenn der Sprachrahmen als stimmlos klassifiziert ist, um die Codierung des Erregersignals zu verbessern. Andererseits kann das adaptive Code-Lexikon in einem Sprachcodec dann sogar während des stimmlosen Sprachrahmens ausgeschaltet werden, was zu einer verringerten Gesamtbitrate führt. Wegen dieses Ein- und Ausschaltens von LTP-Parametern ist es besonders wichtig, dass ein Sprachrahmen korrekt als stimmhaft klassifiziert wird. Es wurde beobachtet, dass es am Empfangsende zu einer verminderten Klangqualität führt, wenn ein stimmhafter Sprachrahmen fälschlicherweise als stimmlos klassifiziert wird und die LTP-Parameter ausgeschaltet werden. Dementsprechend stellt die vorliegende Erfindung ein Verfahren und ein Gerät für eine Stimmhaft/Stimmlos-Entscheidung bereit, um eine zuverlässige Entscheidung zu fällen, insbesondere so, dass stimmhafte Sprachrahmen nicht fälschlicherweise als stimmlos beurteilt werden.
• Ausführungsbeispiele der Erfindung sind nachstehend unter Bezug auf die beiliegenden Zeichnungen beschrieben, wobei
• 1 ein Blockschaltbild einer Vorrichtung der vorliegenden Erfindung zeigt,
• 2 eine Sprachsignal-Rahmenanordnung der vorliegenden Erfindung zeigt,
• 3 Ein Flussdiagramm gemäß der vorliegenden Erfindung zeigt,
• 4 ein Blockschaltbild eines Funktelefons zeigt, das die Erfindung nutzt.
• 1 zeigt ein Gerät 1 zur Stimmhaftigkeitsbestimmung gemäß der ersten Ausführungsform der vorliegenden Erfindung. Das Gerät umfasst ein Mikrofon 101 zum Empfangen eines akustischen Signals 102, typischerweise eines Sprachsignals, das von einem Benutzer generiert wird, und zum Umwandeln desselben in ein analoges elektrisches Signal an Leitung 103. Ein A/D-Wandler 104 empfängt das analoge elektrische Signal an Leitung 103 und erzeugt ein digitales elektrisches Signal y(t) der Stimme des Benutzers an Leitung 105. Ein Segmentierungsblock 106 teilt danach das Sprachsignal in vordefinierte Untersegmente an Leitung 107. Ein Rahmen von 20 ms (160 Abtastungen) kann beispielsweise in 4 Untersegmente von 5 ms geteilt werden. Nach der Segmentierung extrahiert ein Tonhöhenextraktionsblock 108 die optimale Open-Loop-Tonhöhenperiode für jedes Sprach-Untersegment. Die optimale Open-Loop-Tonhöhe wird durch Minimieren der Summe der quadrierten Fehler zwischen dem Sprachsegment und dessen verzögerter und verstärkungsskalierter Variante wie folgt geschätzt:

  

  wobei y(t) die erste Sprachabtastung ist, die zum Fenster der Länge N gehört, τ die ganzzahlige Tonhöhenperiode und g(t) die Verstärkung.
• Den Optimalwert von g(t) erhält man durch Setzen der partiellen Ableitung der Kostenfunktion (1) bezogen auf die Verstärkung zu null. Dies ergibt

  

  wobei

  

  die Autokorrelation von y(t) mit Verzögerung τ und

  

  ist. Durch Substituieren der optimalen Verstärkung in Gleichung (1) wird die Tonhöhenperiode durch Maximieren des letzteren Ausdrucks von

  

  bezogen auf Verzögerung τ geschätzt. Der Tonhöhenextraktionsblock 108 ist auch angeordnet, um die oben bestimmte geschätzte Open-Loop-Tonhöhenschätzung τ an Leitung 113 zum Segmentierungsblock 106 und zu einem Wertbestimmungsblock 110 zu senden. Ein Beispiel für die Arbeitsweise des Segmentierung ist in 2 gezeigt, die später beschrieben wird.
• Der Wertbestimmungsblock 110 empfängt auch das Sprachsignal y(t) vom Segmentierungsblock 106 an Leitung 107. Der Wertbestimmungsblock 110 ist angeordnet, um wie folgt zu arbeiten:
  Zur Beseitigung der Effekte der negativen Werte der Autokorrelationfunktion beim Maximieren der Funktion wird eine Quadratwurzel des letzteren Ausdrucks von Gleichung (5) genommen. Somit ist der zu maximierende Ausdruck C0(t,τ) = R(t,τ)/√R(t – τ) (6)
• Im Verlauf von stimmhaften Segmenten neigt die Verstärkung g(t) dazu, nahe der Einheit zu sein, und wird somit oft zur Stimmhaftigkeitsbestimmung benutzt. Jedoch schwankt die Verstärkung g(t) im Verlauf von stimmlosen und Übergangsbereichen und erreicht ebenfalls Werte nahe der Einheit. Eine robustere Stimmhaftigkeitsbestimmung wird durch Beobachten der Werte von Gleichung (6) erreicht. Um den Leistungsvariationen des Signals gerecht zu werden, wird R(t,τ) normiert, um einen Maximalwert der Einheit aufzuweisen, resultierend in
• 
• Gemäß einem Aspekt der Erfindung wird die Fensterlänge (7) auf die ermittelte Tonhöhenperiode τ plus einem Offset M gesetzt, um die Probleme bezüglich eines Fensters fester Länge zu überwinden. Das verwendete Periodizitätsmaß ist somit

  

  wobei

  

  und
• 
• Der Parameter M kann z.B. auf 10 Abtastungen gesetzt werden. Aufgabe eines Stimmhaftigkeitsentscheidungsblock 112 ist es, das oben bestimmte Periodizitätsmaß C₂(t,τ) an Leitung 111 vom Wertbestimmungsblock 110 und Parameter K, K_tr, C_tr zu empfangen, um die Stimmhaftigkeitsentscheidung zu fällen. Die Entscheidungslogik der Stimmhaft/Stimmlos-Entscheidung wird unten in 3 weiter beschrieben.
• Es muss betont werden, dass die Tonhöhenperiode, die in (8) verwendet wird, auch auf anderen Wegen geschätzt werden kann als oben in den Gleichungen (1) – (6) beschrieben. Eine gängige Modifikation ist die Verwendung von Tonhöhenverfolgung, um Tonhöhenvielfache zu vermeiden, beschrieben in einer finnischen Patentanmeldung FI 971976 . Eine weitere optionale Funktion für die Open-Loop-Tonhöhenextraktion ist, dass der Effekt der Formantfrequenzen aus dem Sprachsignal vor der Tonhöhenextraktion entfernt wird. Die kann zum Beispiel durch einen Gewichtungsfilter erfolgen.
• Modifizierte Signale, z.B. Restsignal, gewichtetes Restsignal oder gewichtetes Sprachsignal, können auch statt des ursprünglichen Sprachsignals zur Stimmhaftigkeitsbestimmung verwendet werden. Das Restsignal erhält man durch Filtern des ursprünglichen Sprachsignals durch lineare Vorhersage-Analyse-Filter.
• Es kann auch vorteilhaft sein, die Tonhöhenperiode aus dem Restsignal des linearen Vorhersagefilters statt aus dem Sprachsignal zu schätzen, weil das Restsignal oft deutlicher periodisch ist.
• Der Rest kann ferner vor obiger Prozedur durch einen Tiefpass gefiltert und heruntergetastet werden (Downsampling). Die Heruntertastung reduziert die Komplexität von Korrelationsberechnungen. In einem weiteren Beispiel wird das Sprachsignal zuerst durch einen Gewichtungsfilter gefiltert, bevor die Berechnung der Autokorrelation wie oben beschrieben angewendet wird.
• 2 zeigt ein Beispiel für das Teilen eines Sprachrahmens in vier Untersegmente, deren Startpositionen t1, t2, t3 und t4 sind. Die Fensterlängen N1, N2, N3 und N4 sind proportional zur Tonhöhenperiode, die wie oben geschrieben ermittelt wurde. Der Vorgriff wird ebenfalls für die Segmentierung benutzt. In diesem Beispiel ist die Anzahl der Untersegmente fest. Alternativ kann die Anzahl von Untersegmenten basierend auf der Tonhöhenperiode variabel sein. Dies kann beispielsweise durch Auswählen der Untersegmente nach t2 = t1 + τ + L, t3 = t2 + τ + L, usw. erfolgen, bis alle verfügbaren Daten genutzt werden. In diesem Beispiel ist L konstant und kann z.B. zu. –10 gesetzt werden, resultierend in überlappenden Untersegmenten.
• 3 zeigt ein Flussdiagramm des Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung. Die Prozedur wird durch Schritt 301 gestartet, in dem die Open-Loop-Tonhöhenperiode τ extrahiert wird, wie oben in den Gleichungen (1) – (6) beispielhaft gezeigt. In Schritt 302 wird C₂(t,τ) für jedes Untersegment der Sprache wie in Gleichung (8) beschrieben berechnet. Als Nächstes wird in Schritt 303 die Anzahl der Untersegmente n berechnet, bei denen C₂(t,τ) oberhalb eines gewissen ersten Schwellenwerts C_tr liegt. Der Komparator 304 bestimmt, ob die Anzahl Untersegmente n, die in Schritt 303 bestimmt wurde, einen gewissen zweiten Schwellenwert K überschreitet. Wird der zweite Schwellenwert K überschritten, wird der Sprachrahmen als stimmhaft klassifiziert. Anderenfalls fährt die Prozedur mit Schritt 305 fort. In dieser Ausführungsform bestimmt der Komparator in Schritt 305, ob eine gewisse Anzahl K_tr letzter Untersegmente einen Wert C, (t,τ) aufweist, der die Schwelle C_tr überschreitet. Wird die Schwelle überschritten, wird der Sprachrahmen als ein stimmhafter Rahmen klassifiziert. Anderenfalls wird der Sprachrahmen als stimmloser Rahmen klassifiziert.
• Die oben vorgestellten, exakten Parameterwerte C_tr, K_tr und K sind nicht auf gewisse Werte begrenzt, sondern abhängig vom vorgegebenen System und können mithilfe einer umfangreichen Sprachdatenbank empirisch ausgewählt werden. Wenn beispielsweise das Sprachsegment in 9 Untersegmente geteilt ist, können geeignete Werte z.B. C_tr = 0.6, K_tr = 4 und K = 6 sein. Ein angemessener Wert von K und K_tr ist proportional zur Anzahl Untersegmente.
• Alternativ wird gemäß vorliegender Erfindung der Rahmen als stimmhaft klassifiziert, wenn nur das letzte Untersegment (d.h, K_tr = 1) einen normierten Autokorrelationswert aufweist, der den Schwellenwert überschreitet. Gemäß noch einer Modifikation wird der Rahmen als stimmhaft klassifiziert, wenn im Wesentlichen die Hälfte der Untersegmente aus dem gesamten Sprachrahmen (d.h. 4 oder 5 Untersegmente von 9) einen normierten Autokorrelationswert aufweisen, der die Schwelle überschreitet.
• 4 ist eine Blockabbildung eines Funktelefons, die die relevanten Teile für die vorliegende Erfindung beschreibt. Das Funktelefon umfasst ein Mikrofon 61, eine Tastatur 62, eine Anzeige 63, einen Lautsprecher 64 und eine Antenne 71 mit Schalter für Duplexbetrieb. Ferner eingeschlossen ist eine Steuereinheit 65, die beispielsweise in einer ASIC-Schaltung implementiert ist, zum Steuern des Betriebs des Funktelefons. 4 zeigt außerdem die Sende- und Empfangsblöcke 67, 68 einschließlich der Sprachcodier- und -decodierblöcke 69, 70. Das Gerät zur Stimmhaftigkeitsbestimmung 1 ist vorzugsweise im Sprachcodierer 69 enthalten. Alternativ kann die Stimmhaftigkeitsbestimmung separat implementiert sein, nicht innerhalb des Sprachcodierers 69. Die Sprachcodier-/-decodierblöcke 69, 70 und die Stimmhaftigkeitsbestimmung 1 können durch eine DSP-Schaltung implementiert sein, die Elemente, die als solche bekannt sind, z.B. interne und externe Speicher und Register, zur Implementierung der vorliegenden Erfindung beinhaltet. Der Sprachcodierer/-decodierer kann auf einem beliebigen Standard bzw. einer beliebigen Technologie basieren, und die vorliegende Erfindung bildet somit ein Teil für den Betrieb eines derartigen Codecs. Das Funktelefon selbst kann in unter beliebigen vorhandenen oder zukünftigen Telekommunikationsstandards betrieben werden, die auf digitaler Technologie basieren.
• Im Anbetracht voranstehender Beschreibung ist es für einen Fachmann offensichtlich, dass innerhalb des Umfangs der vorliegenden Erfindung mannigfaltige Modifikationen vorgenommen werden können.

Claims (12)

1. Verfahren zum Bestimmen der Stimmhaftigkeit eines Sprachsignalsegments, umfassend die folgenden Schritte: Teilen eines Sprachsignalsegments in Untersegmente, Bestimmen eines Werts bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten (302), Vergleichen der Werte mit einer vorgegebenen Schwelle (303) und Treffen einer Entscheidung über die Stimmhaftigkeit des Sprachsegments basierend auf der Anzahl der Werte auf einer Seite der Schwelle (304) und Hervorheben der letzten, ein oder mehrere, Untersegmente in der Klassifikationslogik (305).
2. Verfahren nach Anspruch 1, wobei der Schritt des Entscheidungstreffens darauf basiert, ob der Wert bezüglich der Stimmhaftigkeit des letzten Untersegments auf der einen Seite der Schwelle ist.
3. Verfahren nach Anspruch 1, wobei der Schritt des Entscheidungstreffens darauf basiert, ob die Werte bezüglich der Stimmhaftigkeit von letzten Ktr-Untersegmenten auf der einen Seite der Schwelle sind.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Schritt des Entscheidungstreffens darauf basiert, ob die Werte bezüglich der Stimmhaftigkeit von im Wesentlichen der Hälfte der Untersegmente des Sprachsignalsegments auf der einen Seite der Schwelle sind.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Wert bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten einen Autokorrelationswert umfasst.
6. Verfahren nach Anspruch 5, wobei der Autokorrelationswert basierend auf der geschätzten Tonhöhenperiode bestimmt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Bestimmen der Stimmhaftigkeit eines Sprachsignalsegments eine Stimmhaft/Stimmlos-Entscheidung umfasst.
8. Gerät zum Bestimmen der Stimmhaftigkeit eines Sprachsignalsegments, umfassend Mittel (106) zum Teilen eines Sprachsignalsegments in Untersegmente, Mittel (110) zum Bestimmen eines Werts bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten, Mittel (112) zum Vergleichen der Werte mit einer vorgegebenen Schwelle und Mittel (112) zum Treffen einer Entscheidung über die Stimmhaftigkeit des Sprachsegments basierend auf der Anzahl der Werte, die auf eine Seite der Schwelle fallen, und Hervorheben der letzten, ein oder mehrere, Untersegmente in der Klassifikationslogik.
9. Gerät nach Anspruch 8, wobei das Mittel zum Entscheidungstreffen Mittel zum Bestimmen, ob der Wert des letzten Untersegments auf der einen Seite der Schwelle ist, umfasst.
10. Gerät nach Anspruch 8, wobei das Mittel zum Entscheidungstreffen Mittel zum Bestimmen, ob die Werte von letzten Ktr-Untersegmenten auf der einen Seite der Schwelle sind, umfasst.
11. Gerät nach einem der Ansprüche 8 bis 10, wobei das Mittel zum Entscheidungstreffen Mittel zum Bestimmen, ob die Werte bezüglich der Stimmhaftigkeit von im Wesentlichen der Hälfte der Untersegmente des Sprachsignalsegments auf der einen Seite der Schwelle sind, umfasst.
12. Gerät nach Anspruch 8, wobei das Mittel zum Bestimmen eines Werts bezüglich der Stimmhaftigkeit von jeweiligen Sprachsignaluntersegmenten Mittel zum Bestimmen des Autokorrelationswerts umfasst.