[go: up one dir, main page]

DE69531710T2 - Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen - Google Patents

Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen Download PDF

Info

Publication number
DE69531710T2
DE69531710T2 DE69531710T DE69531710T DE69531710T2 DE 69531710 T2 DE69531710 T2 DE 69531710T2 DE 69531710 T DE69531710 T DE 69531710T DE 69531710 T DE69531710 T DE 69531710T DE 69531710 T2 DE69531710 T2 DE 69531710T2
Authority
DE
Germany
Prior art keywords
noise
filter
value
circuit
signal
Prior art date
Legal status (The legal status 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 status listed.)
Expired - Lifetime
Application number
DE69531710T
Other languages
English (en)
Other versions
DE69531710D1 (de
Inventor
Joseph Chan
Masayuki Nishiguchi
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Application granted granted Critical
Publication of DE69531710D1 publication Critical patent/DE69531710D1/de
Publication of DE69531710T2 publication Critical patent/DE69531710T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

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
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • 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
    • G10L25/78—Detection of presence or absence of voice signals
    • 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
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02168—Noise filtering characterised by the method used for estimating noise the estimation exclusively taking place during speech pauses
    • 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
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
    • G10L2025/786—Adaptive threshold
    • 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
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • 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
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Noise Elimination (AREA)
  • Time-Division Multiplex Systems (AREA)

Description

  • Die Erfindung betrifft ein Verfahren zum Reduzieren des Rauschens in Sprachsignalen und ein Verfahren zum Detektieren des Rauschbereichs. Sie betrifft insbesondere ein Verfahren zum Reduzieren des Rauschens in Sprachsignalen, bei dem eine Rauschunterdrückung durch adaptives Steuern eines Maximum-Likelihood-Filters für die Berechnung von Sprachkomponenten auf der Basis der Wahrscheinlichkeit des Vorkommens von Sprache und des S/N-Verhältnisses erfolgt, das auf der Basis von Eingangssprachsignalen berechnet wird.
  • Es erscheint notwendig, in mobilen Telefonen oder bei der Spracherkennung das in den aufgenommenen Sprachsignalen enthaltene Umgebungs- oder Hindergrundgeräusch zu unterdrücken und die Sprachkomponenten zu verbessern.
  • Als ein Verfahren zum Verbessern der Sprache oder der Rauschreduzierung ist die Verwendung einer bedingten Wahrscheinlichkeitsfunktion zum Justieren des Dämpfungsfaktors ist gezeigt in: R. J. McAulay and M. L. Malpass, Speech Enhancement Using a Soft-Decision Noise Suppression Filter, IEEE Trans. Acoust, Speech, Signal Processing, Bd. 28, Seiten 137–145, April 1980, und J. Yang, Frequency Domain Noise Suppression Approach in Mobile Telephone System, IEEE ICASSP, Bd. II, Seiten 363–366, April 1993, worauf die zweiteilige Form von Patentanspruch 1 basiert. In diesem Dokument ist das Vorfilter ein Maximum-Likelihood-Filter, welches im Zeitbereich arbeitet. Die relevanten Frequenzkanäle werden durch eine Bank von Bandpassfiltem extrahiert. Die Kennlinien der Bandpassfilter haben die Wirkung, die Hüllkurve des Sprachfrequenzspektrums zu glätten. Die Verstärkungen für nachfolgende Rahmen werden über die Zeit glättungsgefiltert, um das Eindringen von Diskontinuitäten zu vermeiden.
  • Bei diesen Geräuschunterdrückungsverfahren kann es häufig vorkommen, dass ein unnatürlicher Sprachklang oder verzerrte Sprache entstehen, die aufgrund des Betriebs auf der Basis eines unpassenden festen Signal-/Rausch-Verhältnisses (S/N-Verhältnis) oder eines unpassenden Unterdrückungsfaktors entstehen. Bei der praktischen Anwendung ist es unerwünscht, dass der Benutzer das S/N-Verhältnis zu justieren hat, das zu den Parametern des Rauschunterdrückungssystems gehört, mit denen sich eine optimale Leistung erzielen lässt. Es ist außerdem bei den herkömmlichen Verfahren zur Sprachsignalverbesserung schwierig, das Rauschen hinreichend zu beseitigen, ohne dass gleichzeitig die Sprachsignale verzerrt werden, die für grolle Fluktuationen im Kurzzeit-S/N- Verhältnis anfällig sind.
  • Anzustreben ist ein Verfahren zum Reduzieren des Rauschens in Sprachsignalen, wobei der Unterdrückungsfaktor auf einen Wert eingestellt wird, der in bezug auf das S/N-Verhältnis des aktuellen Eingangssignals optimiert ist, der auf Eingangssprachsignale anspricht, und wobei eine ausreichende Rauschbeseitigung ohne Erzeugung von Verzerrung als Sekundäreffekt oder ohne die Notwendigkeit einer Vorjustierung durch den Benutzer erzielt werden kann.
  • Gemäß einem Merkmal der Erfindung wird ein Verfahren zum Reduzieren das Rauschens in einem Eingangssprachsignal bereitgestellt, bei dem die Rauschunterdrückung durch adaptives Steuern eines Maximalwahrscheinlichkeitsfilters ausgeführt wird, welches zum Berechnen von Sprachkomponenten auf der Basis der Sprachauftretungswahrscheinlichkeit und des S/N-Verhältnisses, welches auf der Basis des Eingangssprachsignals berechnet wird, ausgebildet ist,
    wobei die Kennlinie des Maximalwahrscheinlichkeitsfilters längs der Frequenzachse und längs der Zeitachse glättungsgefiltert ist, dadurch gekennzeichnet, dass zum Glättungsfiltem längs der Frequenzachse ein Kennlinienmittelwert des Maximalwahrscheinlichkeitsfilters im betrachteten Frequenzbereich und der Kennlinie des Maximalwahrscheinlichkeitsfilters im benachbarten linken und rechten Frequenzbereich verwendet wird.
  • Im folgenden wird die Erfindung an Ausführungsbeispielen näher erläutert, wobei auf die anliegenden Zeichnungen Bezug genommen wird.
  • 1 zeigt eine Blockschaltung zur Erläuterung einer Schaltungsanordnung zur Durchführung des Rauschreduzierungsverfahrens für Sprachsignale nach einem Ausführungsbeispiel der Erfindung,
  • 2 zeigt ein Blockschaltbild eines Beispiels für eine Geräuschschätzschaltung, die in dem Ausführungsbeispiel von 1 benutzt wird,
  • 3 zeigt eine Graphik, in der Beispiele für die Energie E[k] und die Dämpfungsenergie Edecay[k] in dem Ausführungsbeispiel von 1 dargestellt sind,
  • 4 zeigt eine Graphik, in der Beispiele des Kurzzeit-RMS-Werts RMS[k], der minimalen Rausch-RMS-Werte MinNoise[k] und der maximalen RMS-Signalwerte MaxSignal[k] in dem Ausführungsbeispiel von 1 dargestellt sind,
  • 5 zeigt eine Graphik, in der Beispiele für die relative Energie dBrel[k] in dB, den maximalen SNR-Wert MaxSNR[k] und dBthresrel[k] als einem der Schwellwerte für die Geräuschdiskriminierung dargestellt sind,
  • 6 zeigt eine Graphik, in der der NR-Pegel[k] als Funktion dargestellt ist, die in Bezug auf den maximalen SNR-Wert Max SNR[k] in dem Ausführungsbeispiel von 1 definiert ist.
  • Anhand der Zeichnungen wird ein bevorzugtes Ausführungsbeispiel des Rauschreduzierungsverfahrens für Sprachsignale gemäß der Erfindung näher erläutert. In 1 ist eine schematische Anordnung der Rauschreduzierungsvorrichtung zur Durchführung des Rauschreduzierungsverfahrens für Sprachsignale nach dem bevorzugten Ausführungsbeispiel der Erfindung in Form einer Blockschaltung dargestellt.
  • In der Anordnung von 1 wird einem Eingang 11 ein Eingangssignal y[t] zugeführt, das eine Sprachkomponente und eine Geräuschkomponente enthält. Das Eingangssignal, y[t], das ein digitales Signal mit der Abtastfrequenz FS ist, wird einer Rahmenbildungs-/Fensterschaltung 12 zugeführt, in der es in Rahmen unterteilt wird, deren Länge jeweils FS Abtastproben entspricht, so daß das Eingangssignal anschließend auf Rahmenbasis verarbeitet wird. Das Rahmenintervall, das die Größe der Rahmenverschiebung entlang der Zeitachse darstellt, umfaßt FL Abtastproben, so daß die (k + 1)-te Abtastprobe nach FL Abtastproben von dem K-ten Rahmen gestartet wird. Vor der Verarbeitung in einer Schaltung 13 zur schnellen Fourier-Transformation (FFT-Schaltung), der nachgeordneten Schaltung, führt die Rahmenbildungs-/Fensterschaltung 12 eine Fensterung der rahmenbasierten Signale mit einer Fensterfunktion Winput durch. Nach einer inversen FFT oder IFFT in der letzten Stufe für die Signalverarbeitung der rahmenbasierten Signale wird das Ausgangssignal durch Fensterung mit einer Fensterfunktion Woutput verarbeitet. Beispiele für die Fensterfunktionen Winput und Woutput sind in den folgenden Gleichungen (1) und (2) angegeben:
  • Figure 00040001
  • Wenn die Abtastfrequenz FS gleich 8000 Hz = 8 kHz ist und das Rahmenintervall FI 80 und 160 Abtastproben umfaßt, beträgt das Rahmenintervall 10 ms bzw. 20 ms.
  • Die FFT-Schaltung 13 führt an 256 Punkten eine FFT durch, um Freguenzspektrum-Amplitudenwerte zu erzeugen, die von einer Frequenzteilerschaltung 14 z. B. in 18 Bänder unterteilt werden. Die folgende Tabelle 1 zeigt Beispiele der Frequenzbereiche der betreffenden Bänder.
  • Tabelle 1
    Figure 00040002
  • Bei der Festsetzung dieser Frequenzbänder wurde berücksichtigt, daß die wahrnehmbare Auflösung des menschlichen Gehörsinns zu höheren Frequenzen hin kleiner wird. Als Amplituden der betreffenden Bereiche werden die maximalen FFT-Amplitude in dem betreffenden Frequenzbereichen verwendet.
  • Eine Geräuschschätzschaltung 15 unterscheidet das Rauschen in dem Eingangssignal y[t] von der Sprache und detektiert einen Rahmen, der als Rauschen geschätzt wird. Das Schätzen des Rauschbereichs oder das Detektieren des Rauschrahmens erfolgt durch Kombinieren von drei Arten der Detektierung. Im folgenden wird anhand von 2 ein Beispiel für die Rauschbereichschätzung erläutert.
  • In dieser Figur wird das an dem Eingang 11 anliegende Eingangssignal y[t] einer Schaltung 15A zur Berechnung des quadratischen Mittelwerts (RMS) zugeführt, in der Kurzzeit-RMS-Werte auf Rahmenbasis berechnet werden. Das Ausgangssignal der RMS-Rechenschaltung 15A wird einer Schaltung 15B zur Berechnung der relativen Energie, einer Schaltung 15C zur Berechnung des minimalen RMS-Werts, einer Schaltung 15D zur Berechnung des maximalen Signals und einer Rauschspektrum-Schätzschaltung 15E zugeführt. Der Rauschspektrum-Schätzschaltung 15E werden außerdem das Ausgangssignal der Schaltung 15B zur Berechnung der relativen Energie, das Ausgangssignal der Schaltung 15C zur Berechnung des kleinsten quadratischen Mittelwerts (RMS-Wert) und das Ausgangssignal der Schaltung 15D zur Berechnung des maximalen Signals zugeführt sowie das Ausgangssignal der Frequenzteilerschaltung 14.
  • Die RMS-Rechenschaltung 15A berechnet RMS-Werte der rahmenbasierten Signale. Der RMS-Wert RMS[k] des k-ten Rahmens wird nach der folgenden Gleichung berechnet:
  • Figure 00050001
  • Die Schaltung 15B zur Berechnung der relativen Energie berechnet die relative Energie dBrelk] des k-ten Rahmens, die zu der Dämpfungsenergie eines vorhergehenden Rahmens paßt. Die relative Energie dBrel[k] in dB wird nach der folgenden Gleichung (4) bezeichnet:
  • Figure 00050002
  • In der obigen Gleichung (4) können der Energiewert E[k] und der Wert der Dämpfungsenergie Edecay[k] aus den Gleichungen (5) bzw. (6) berechnet werden:
  • Figure 00060001
  • Da die Gleichung (5) sich durch FL·(RMS [k])2 darstellen läßt, kann das Ausgangssignal RMS[k] der RMS-Rechenschaltung 15A verwendet werden. Der Wert der Gleichung (5), der im Lauf der Berechnung von Gleichung (3) in der RMS-Rechenschaltung gewonnen wird, kann jedoch direkt der Schaltung 15B zur Berechnung der relativen Energie zugeführt werden. In der Gleichung (6) ist die Abfallzeit auf 0,65 s gesetzt, wobei dieser Wert jedoch nur als Beispiel dient.
  • 3 zeigt Beispiele der Energie E[k] und der Dämpfungsenergie Edecay[k].
  • Die Schaltung 15C zur Berechnung des minimalen RMS-Werts ermittelt den minimalen RMS-Wert, der für die Bewertung des Hintergrundrauschpegels geeignet ist. Die rahmenbasierten minimalen Kurzzeit-RMS-Werte auf Rahmenbasis und die minimalen Lanzeit-RMS-Werte, d. h. die minimalen RMS-Werte über mehrere Rahmen, werden ermittelt. Die Langzeit Werte werden benutzt, wenn die Kurzzeit-Werte signifikanten Änderungen in dem Rauschpegel nicht folgen können. Der minimale Kurzzeit-RMS-Rauschwert MinNoise wird nach der folgenden Gleichung (7) berechnet:
  • Figure 00060002
  • Der minimale Kurzzeit-RMS-Rauschwert MinNoise ist so gesetzt, daß er für das Hintergrundgeräusch, d. h. das von Sprache freie Umgebungsgeräusch größer wird. Während die Anstiegsrate für den hohen Rauschpegel exponentiellen Verlauf hat, wird für den niedrigen Rauschpegel eine feste Anstiegsrate verwendet, um eine höhere Anstiegsrate zu erzeugen.
  • Der minimale Langzeit-RMS-Rauschwert MinNoiselong wird alle 0,6 Sekunden berechnet. MinNoiselong ist das Minimum über die vorangehenden 1,8 Sekunden der RMS-Werte des Rahmens, bei denen dBrel > 19 dB ist. Falls in den vorangehenden 1,8 Sekunden keine RMS-Werte mit dBrel > 19 dB auftreten, wird MinNoiselong nicht verwendet, weil die vorangehende 1 Sekunde des Signals keine Rahmen enthalten kann, in denen nur Hintergrundgeräusch auftritt. In diesem Fall wird in jedem 0,6-Sekunden-Intervall MinNoiseshort auf MinNoiselong gesetzt, falls MinNoiselong > MinNoiseshort ist.
  • Die Schaltung 15D zur Berechnung des maximalen Signals berechnet den maximalen RMS-Wert oder den maximalen SNR-Wert (S/N-Verhältnis). Der maximale RMS-Wert wird für die Berechnung des optimalen oder maximalen SNR-Werts benutzt. Für den maximalen RMS-Wert werden sowohl der Kurzzeit- als auch der Langzeit-Wert berechnet. Der maximale Kurzzeit-RMS-Wert MaxSignalshort wird aus der folgenden Gleichung (8) ermittelt:
  • Figure 00070001
  • Der maximale Langzeit-RMS-Rauschwert MaxSignallong wird in einem Intervall von beispielsweise 0,4 Sekunden berechnet. Dieser Wert MaxSignallong ist der Maximalwert des RMS-Werts des Rahmens während der Zeit von 0,8 Sekunden, die zeitlich vor dem laufenden Zeitpunkt liegen. Falls während jedes der Bereiche von 0.4 Sekunden der Wert MaxSignallong kleiner ist als MaxSignalshort, wird MaxSignallong auf den Wert (0,7·MaxSignalshort + 0.3·MaxSignallong) gesetzt.
  • 4 zeigt beispielhafte Werte des Kurzzeit-RMS-Werts RMS[k], des minimalen Rausch-RMS-Werts MinNoise[k] und des maximalen Signal-RMS-Werts MaxSignal[k]. In 4 bezeichnet der minimale Rausch-RMS-Wert MinNoise[k] den Kurzzeit-Wert MinNoiseshort, der den Langzeit-Wert MinNoiselong berücksichtigt. Der maximale Signal-RMS-Wert MaxSignal[k] bezeichnet den Kurzzeit Wert MaxSignalshort, der den Langzeit-Wert MaxSignallong berücksichtigt.
  • Der maximale Signal-SNR-Wert kann geschätzt werden; indem man den maximalen Kurzzeit-Signal-RMS-Wert MaxSignalshort und den minimalen Kurzzeit-Rausch-RMS-Wert MinNoiseshort benutzt. Die Rauschunterdrückungseigenschaften und der Schwellwert für die Rauschbereich-Diskriminierung werden auf der Basis dieser Schätzung modifiziert, um die Möglichkeit der Verzerrung des rauschfreien reinen Sprachsignals zu reduzieren. Der maximale SNR-Wert MaxSNR wird aus der folgenden Gleichung berechnet:
  • Figure 00070002
  • Aus dem Wert MaxSNR wird der normierte Parameter NR_Pegel in einem Bereich von 0 bis 1 berechnet, der den relativen Rauschpegel angibt. Dabei wird die folgende NT_Pegel-Funktion verwendet:
  • Figure 00070003
  • Im folgenden wird die Funktion der Rauschspektrum-Schätzschaltung 15E erläutert. Die von der Schaltung 158 zur Berechnung der relativen Energie, von der Schaltung 15C zur Berechnung des minimalen RMS-Werts und von der Schaltung 15D zur Berechnung des maximalen Signals berechneten Werte werden dazu benutzt, die Sprache von dem Hintergrundgeräusch zu unterscheiden. Wenn die folgenden Bedingungen erfüllt sind, wird das Signal in dem k-ten Rahmen als Hintergrundgeräusch klassifiziert: (11) ((RMS[k] < NoiseRMSthresh[k]] oder (dBrel[k] > dBthresrel[k])) und (RMS[k] < RMS[k – 1] + 200) worin NoiseRMSrel[k] = min(1,05 + 0,45·NR_Pegel[k]) MinNoise[k], MinNoise[k] + Max_Δ_NOISE_RMS) dBthresrel[k] = max(MaxSNR[k] – 4,0, 0,9·MaxSNR[k])
  • 5 zeigt beispielhafte Werte der relativen Energie dBrel[k], des maximalen SNR-Werts MaxSNR[k] und des Werts dBthresrel[k] als eines der Schwellwerte für die Rauschdiskriminierung in der obigen Gleichung (11).
  • 6 zeigt NR_Pegel[k] als Funktion von MaxSNR[k] in Gleichung (10].
  • Wenn der k-te Rahmen als Hintergrundgeräusch oder Rauschen klassifiziert wird, wird der zeitlich Bemittelte Schätzwert des Rauschspektrums Y[w, k] durch das Signalspektrum Y[w, k] des laufenden Rahmens aktualisiert, wie dies in der folgenden Gleichung (12) dargestellt ist:
    Figure 00080001
    worin w die Bandnummer für das Frequenzbandsplitting bezeichnet.
  • Wenn der k-te Rahmen als Sprache klassifiziert wird, wird der Wert N[w, k – 1] direkt für N[w, k] benutzt.
  • Das Ausgangssignal der Rauschschätzschaltung 15 von 2 wird einer Sprachschätrschaltung 16, einer Pr(Sp)-Rechenschaltung 17, einer Pr(Sp | Y)-Rechenschaltung 18 und einem Maximum-Likelihood-Fitter 19 zugeführt.
  • Bei der Durchführung der arithmetisch logischen Operationen in der Rauschspektrum-Schätzschaltung 15E der Rauschschätzschaltung 15 können die arithmetisch-logischen Ope rationen unter Verwendung zumindest einer der Ausgangsdaten der Schaltung 158 zur Berechnung der relativen Energie, der Schaltung 15C zur Berechnung des minimalen RMS-Werts und der Schaltung 15D zur Berechnung des maximalen Signals durchgeführt werden. Die Genauigkeit der van der Schätzschaltung 15E erzeugten Daten wird zwar reduziert, dafür kann Schaltungsumfang der Rauschschätzschaltung 15 verringert werden. Natürlich können hochgenaue Ausgangsdaten der Schätrschaltung 15E erzeugt werden, indem alle Ausgangsdaten der drei Rechenschaltungen 15B, 15C und 15D verwendet werden. Die arithmetisch-Logischen Operationen der Schätzschaltung 15E lassen sich jedoch ausführen, indem die Ausgangssignale von nur zwei der Rechenschaltungen 15B, 15C und 15D verwendet werden.
  • Die Sprachschätzschaltung 16 berechnet das S/N-Verhältnis auf Bandbasis. Der Sprachschätzschaltung 16 werden die Spektralamplitudendaten Y[w, k] aus der Frequenzband-Teilerschaltung 14 und die geschätzten Rausch-Spektralamplituderidaten aus der Rauschschätzschaltung 15 zugeführt. Die geschätzten Sprachspektraldaten S[w, k] werden auf der Basis dieser Daten abgeleitet. Für die Berechnung der Wahrscheinlichkeit Pr(Sp | Y) kann ein roher Schätzwert des rauschfreien reinen Sprachspektrums benutzt werden, wie dies weiter unten erläutert wird. Dieser Wert wird mit Hilfe der Differenz der Spektralwerte nach der folgenden Gleichung (13) berechnet:
  • Figure 00090001
  • Mit dem nach der obigen Gleichung (13) berechneten rohen Schätzwert S'[w, k] des Sprachspektrums wird nach der folgenden Gleichung (14) ein auf Bandbasis zeitlich gemittelter Schätzwert S[w, k] des Sprachspektrums berechnet:
  • Figure 00090002
  • In der Gleichung (14) wird die dort dargestellte Abfall_Rate (decay_rate) verwendet.
  • Das bandbasierte S/N-Verhältnis wird nach der folgenden Gleichung (15) berechnet
    Figure 00090003
    in der der Schätzwert des Rauschspektrums N[w, k] und der Schätzwert des Sprachspektrums aus den Gleichungen (12) bzw. (14) ermittelt werden können.
  • Im folgenden wird die Funktion der Pr(sp)-Rechenschaltung 17 erläutert. Die Wahrscheinlichkeit Pr(Sp) ist die Wahrscheinlichkeit, daß in einem angenommenen Eingangssignal Sprachsignale auftreten. Diese Wahrscheinlichkeit war bisher stets auf 0,5 festgelegt. Für ein Signal mit großem S/N-Verhältnis kann die Wahrscheinlichkeit Pr(sp) vergrößert werden, um eine Verschlechterung der Tonqualität zu verhindern. Die Wahrscheinlichkeit Pr(Sp) kann nach der folgenden Gleichung (16) berechnet werden: (16) Pr(Sp) = 0,5 + 0,45(1,0 – NR_Pegel)wobei die von der Schaltung 15D zur Berechnung des maximalen Signals berechnete NR_Pegel-Funktion benutzt wird.
  • Im folgenden wird die Funktion der Pr(Sp | Y)-Rechenschaltung 18 erläutert. Pr(Sp | Y) ist die Wahrscheinlichkeit dafür, daß das Sprachsignal in dem Eingangssignal y[t] auftritt und wird unter Verwendung von Pr(Sp) und SNR[w, k] berechnet. Der Wert Pr(Sp | Y) wird dazu benutzt, den sprachfreien Bereich auf einen engeren Wert zu reduzieren. Für die Berechnungen wurde das Verfahren benutzt, das in R. J. McAulay und M. L. Malpass; Speech Enhancement Using a Soft-Decision Noise Suppression Filter, IEEE Trans. Acoust, Speech, and Signal Processing, Vo. ASSP-28, Nr. 2, April 1980, beschrieben ist, das nun anhand der Gleichungen (17) bis (20) erläutert wird.
  • Figure 00100001
  • In den obigen Gleichungen (17) bis (20) bezeichnet H0 ein sprachfreies Ereignis, d. h. das Ereignis, daß das Eingangssignal y(t) das Signal n(t) ist, während H1 ein Sprachereignis bezeichnet, d. h. das Ereignis, daß das Eingangssignal y(t) eine Summe aus dem Sprachsignal s(t) und dem Rauschsignal n(t) ist und s(t) von 0 verschieden ist. Ferner bezeichnen w, k, Y, S und σ die Bandnummer, die Rahmennummer, das Eingangssignal [w, k), den Schätzwert des Sprachssgnals S[w, k] bzw. das Quadrat des geschätzten Rauschsignals N[w, k]2.
  • Pr(H1Y)[w, k] wird aus der Gleichung (17) berechnet, während p(YH0) und p(YH1) in der Gleichung (17) aus der Gleichung (19) ermittelt werden können. Die Bessel-Funktion I0(X) wird aus der Gleichung (20) berechnet.
  • Die Bessel-Funktion kann durch die folgende Funktion (21) approximiert werden:
  • Figure 00110001
  • Früher wurde für die Herleitung von Pr(H1Y) ein fester Wert des S/N-Verhältnisses, z. B. SNR = 5, benutzt, ohne daß der geschätzte Sprachsignalwert S[w, k] benutzt wurde. Dadurch wurde p(YH1) vereinfacht, wie dies durch die folgende Gleichung (22) dargestellt ist:
  • Figure 00110002
  • Ein Signal, dessen momentanes S/N-Verhältnis kleiner ist als der bei der Berechnung von p(YH1) benutzte SNR-Wert des S/N-Verhältnisses wird signifikant unterdrückt. Wenn man annimmt, daß der SNR Wert des S/N-Verhältnisses auf einen exzessiv hohen Wert gesetzt wird, wird die durch Rauschen mit. niedrigerem Pegel kurrumpierte Sprache in ihrem Niedrigpegelteil exzessiv abgesenkt, so daß die erzeugte Sprache unnatürlich wird. Wenn umgekehrt der SNR-Wert des S/N-Verhältnisses auf einen exzessiv niedrigen Wert gesetzt wird, wird die durch den größeren Rauschpegel korrumpierte Sprache wenig unterdrückt und klingt selbst in ihrem Niedrigpegelteil rauschbehaftet. Somit erhält man den Wert p(YH7) passend für einen breiten Bereich des Hintergrund-/Spiachpegels, indem man wie in dem vorliegenden Ausführungsbeispiel anstelle des festen S/N-Verhältnisses das variable S/N-Verhältnis SNRnew[w, k) verwendet. Der Wert SNRnew[w, k] kann aus der folgenden Gleichung (23) ermittelt weiden:
    Figure 00110003
    in der der Wert MIN SNR aus der Gleichung (24) ermittelt wird:
    Figure 00110004
  • Der SNR-Wertnew[w, k] ist ein momentaner SNR-Wert in dem k-ten Rahmen, in dem der minimale Wert begrenzt ist. Der SNR-Wertnew[w, k] kann für ein Signal, das insgesamt ein hohes S/N-Verhältnis hat, auf 1,5 herabgesetzt werden. in einem solchen Fall findet in Seg menten mit niedrigem momentanen S/N-Verhältnis keine Unterdrückung statt. Der SNR-Wertnew[w, k] kann für ein Signal, das insgesamt ein niedriges momentanes S/N-Verhältnis hat, nicht unter 3 abgesenkt werden. Deshalb läßt sich eine ausreichende Unterdrückung für Segmente mit niedriegem momentanen S/N-Verhältnis erreichen.
  • Im folgenden wird die Funktion des Maximum-Likelihood-Filters 19 erläutert. Das Maximum-Likelood-Filter 19 ist ein Vörfilter, das vorgesehen ist, um die betreffenden Bänder des Eingangssignals von Rauschsignalen zu befreien. In dem Maximum-Likelihood-Fitten 19 werden die Spektralamplitudendaten Y[w, k] aus dem Frequenzband-Teilungsfilter 14 in ein Signal H[w, k] umgewandelt, wobei die Rausch-Spektralamplitudendaten N[w, k] aus der Rauschschätzschaltung 15 benutzt werden. Das Signal H[w, k] wird nach der folgenden Gleichung (25) berechnet:
  • Figure 00120001
  • Obwohl der Wert in der obigen Gleichung (25) üblicherweise auf 1/2 gesetzt wird, kann der Grad der Rauschunterdrückung in Abhängigkelt von dem maximalen SNR variiert werden, weil ein Näherungswert von SNR bekannt ist.
  • Im folgenden wird die Funktion einer Soft-Decision-Unterdrückungsschaltung 20 erläutert. Die Soft-Decision-Unterdrückungsschaltung 20 bildet eines der Vorfilter zur Verbesserung des Sprachteils des Signals. Die Umwandlung erfolgt nach dem in der folgenden Gleichung (26) angegebenen Verfahren unter Verwendung des Signals H[w, k] und des Werts Pr(H1Y) aus der Pr(SpY)-Rechenschaltung 18: (26) H[w k] ← Pr(H1Y) [w, k] H[w, k] + (1 – Pr(H1Y[w, k] MIN_GAIN
  • In der obigen Gleichung (26) ist MIN_GAIN ein Parameter, der die minimale Verstärkung angibt, und er kann z. B. auf 0,1, d. h. –15 dB, gesetzt werden.
  • Im folgenden wird die Funktion einer Filterverarbeitungsschattung 21 erläutert. Das Signal H[w, k] aus der Soft-Decision-Unterdrückungsschaltung 20 wird sowohl entlang der Frequenzachse als auch entlang der Zeitachse gefiltert. Die Filterung entlang der Frequenzachse hat die Wirkung, daß die effektive Impulsantwortlänge des Signals H[w; k] verkürzt wird. Dadurch werden zirkulare Faltungs-Aliasing-Effekte eliminiert, die mit der Filterung durch. Multiplikation im Frequenzbereich verbunden sind. Die Filterung entlang der Zeitachse hat die Wirkung, daß die Änderungsrate des Filters bei der Unterdrückung von Rausch-Bursts begrenzt wird.
  • Die Filterung entlang der Frequenzachse wird nun erläutert. Die Signale H[w, k] jedes der 18 Bänder, die aus der Frequenzbandteilung resultieren, werden einer Median-Filterung unterzogen. Das Verfahren wird durch die folgenden Gleichungen (27) und (28) erläutert:
  • (27) Schritt 1:
  • H1[w, k] = max(median(H[w – 1, k), H[w, k], H[w + 1, k], H[w, k]worin H1 [w, k] = H[w, k], wenn [w – 1] oder [w + 1] nicht vorhanden Sind,
  • (28) Schritt 2
  • H2[w, k] = min(median(H[w – 1, k], H[w, k], H[w + 1, k], H[w, k] worin H2[w, k] = H[w, k], wenn (w – 1) oder (w + 1) nicht vorhanden sind,
  • In dem Schritt 1 bedeutet H1[w, k] H[w, k] ohne Einzelband-Nullen. In dem Schritt 2 bedeutet H2[w, k] H1 [w, k] ohne Einzelband-Spitzen. Das aus der Filterung entlang der Frequenzachse resultierende Signal ist H2[w, k].
  • Als nächstes wird die Filterung entlang der Zeitachse erläutert. Die Filterung entlang der Zeitachse berücksichtigt drei Zustände des Eingangs-Sprachsignals, nämlich die Sprache, das Hintergrundgeräusch und die Transienten, d. h. den ansteigenden Teil der Sprache. Das Sprachsignal wird entlang der Zeitachse geglättet, wie dies in der folgenden Gleichung (29) dargestellt ist: (29) Hspeech(w, k] = 0,7·H2[w, k] + 0,3·H2[w, k – 1]
  • Das Hintergrundrauschsignal wird entlang der Zeitachse geglättet, wie dies durch die folgende Gleichung (30) dargestellt ist: (30) Hnoise[w, k] = 0,7·Min_H + 0,3·Max_Hhierin bedeuten Min_H und Max_H: Min_H = min(H2[w, k], H2[w, k – 1] Max_H = max(H2[w, k], H2[w, k – 1]
  • Für transiente Signale findet keine Glättung auf der Zeitachse statt. Zuletzt werden Betechnungen nach der folgenden Gleichung (31) durchgeführt, um das geglättete Ausgangssignal Ht_smooth[w, k] zu erzeugen: (31) Ht_smooth[w, k] = (1 – αtr)(αsp·Hspeech[w, k] + (1 – αsp)·Hnoise[w, k] + αtr·H2[w, k]
  • Die Werte αsp und αtr, in der Gleichung (31) werden aus den folgenden Gleichungen (32) bzw. (33) ermittelt:
    Figure 00140001
  • Im folgenden wird die Arbeitsweise einer Bandumsetzungsschaltung 22 erläutert. Die 18 Bandsignale Ht_smooth[w, k] aus der Filterschaltung 21 werden in z. B. 128 Bandsignale H128[w, k] interpoliert. Die Interpolation erfolgt in zwei Stufen, nämlich die Interpolation von 18 auf 64 Bänder, die durch Halten nullter Ordnung erfolgt, und die Interpolation von 64 auf 128 Bänder, die durch eine Tiefpaßfilter-Interpolation vorgenommen wird.
  • Im folgenden wird die Arbeitsweise einer Spektrum-Korrekturschaltung 23 erläutert. Der Realteil und der Imaginärteil der in der FFT-Schaltung 73 gewonnenen FFT-Koeffizienten des Eingangssignafs werden mit dem obigen Signal H128[w, k] multipliziert, mit eins Spektrumkorrektur durchzuführen . Das Ergebnis besteht darin, daß die Spektralamplitude korrigiert wird, während das Spektrum in seiner Phase nicht modifiziert wird.
  • Eine IFFT-Schaltung 24 bewirkt eine inverse FFT des in der Spektrum-Korrekturschaltung 23 gewonnenen Signals.
  • Eine Überlappungs- und Addierschaltung 25 überlappt und addiert die Rahmenbegrenzungsabschnitte der rahmenbasierten IFFT-Ausgangssignale. Durch die oben beschrieben Prozedur wird an dem Ausgang 26 ein rauschreduziertes Ausgangssignal gewonnen.
  • Das so gewonnene Ausgangssignal wird verschiedenen Kodierern eines mobilen Telefongeräts oder einer Signalverarbeitungsschaltung einer Spracherkennungvorrichtung zugeführt. Alternativ können Dekodierer-Ausgangssignele eines mobilen Telefongeräts mit Rauschreduzierung gemäß der Erfindung verarbeitet werden.
  • Die vorliegende Endung ist nicht auf das obige Ausführungsbeispiel beschränkt. Die beschriebene Filterung durch die Filterschaltung 21 kann z. B. auch bei der herkömmlichen Rauschunterdrückungstechnologie verwendet werden, bei der das Maximum-Likelihood-Filter benutzt wird. Das Verfahren zur Detektierung des Rauschbereichs mit Hilfe der Filterverarbeitungsschaltung 15 kann auch in zahlreichen anderen Vorrichtungen benutzt werden als in der Rauschunterdrückungsvorrichtung.

Claims (4)

  1. Verfahren zum Reduzieren des Rauschens in einem Eingangssprachsignal, bei dem die Rauschunterdrückung durch adaptives Steuern eines Maximalwahrscheinlichkeitsfilters ausgeführt wird, welches zum Berechnen von Sprachkomponenten auf der Basis der Sprachauftretungswahrscheinlichkeit und des S/N-Verhältnisses, welches auf der Basis des Eingangssprachsignals berechnet wird, ausgebildet ist, wobei die Kennlinie des Maximalwahrscheinlichkeitsfilters längs der Frequenzachse und längs der Zeitachse glättungsgefiltert ist, dadurch gekennzeichnet, dass zum Glättungsfiltem längs der Frequenzachse ein Kennlinienmittelwert des Maximalwahrscheinlichkeitsfilters im betrachteten Frequenzbereich und der Kennlinie des Maximalwahrscheinlichkeitsfilters im benachbarten linken und rechten Frequenzbereich verwendet wird.
  2. Verfahren nach Anspruch 1, wobei das Glättungsfiltem längs der Frequenzachse die Schritte aufweist, auszuwählen, welch auch immer der größere von dem Mittelwert oder der Kennlinie des Maximalwahrscheinlichkeitsfilters in dem betrachteten Frequenzbereich ist, und auszuwählen, welch auch immer der kleinere von dem Mittelwert für den betrachteten Frequenzbereich ist, der den Verarbeitungsergebnissen entspricht, oder der Kennlinie des Maximalwahrscheinlichkeitsfilters im betrachteten Frequenzbereich.
  3. Verfahren nach Anspruch 1 oder 2, wobei das Glättungsfiltem längs der Zeitachse das Glätten für Signale des Sprachteils und das Glätten für Signale des Rauschteils umfasst.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Maximalwahrscheinlichkeitsfilter im Frequenzbereich arbeitet.
DE69531710T 1994-05-13 1995-05-02 Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen Expired - Lifetime DE69531710T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP9986994 1994-05-13
JP09986994A JP3484757B2 (ja) 1994-05-13 1994-05-13 音声信号の雑音低減方法及び雑音区間検出方法

Publications (2)

Publication Number Publication Date
DE69531710D1 DE69531710D1 (de) 2003-10-09
DE69531710T2 true DE69531710T2 (de) 2004-07-15

Family

ID=14258823

Family Applications (3)

Application Number Title Priority Date Filing Date
DE69531710T Expired - Lifetime DE69531710T2 (de) 1994-05-13 1995-05-02 Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen
DE69522605T Expired - Lifetime DE69522605T2 (de) 1994-05-13 1995-05-02 Verfahren zur Rauschreduktion eines Sprachsignals und zur Detektion des Rauschbereichs
DE69529002T Expired - Lifetime DE69529002T2 (de) 1994-05-13 1995-05-02 Verfahren zur Detektion des Rauschbereichs

Family Applications After (2)

Application Number Title Priority Date Filing Date
DE69522605T Expired - Lifetime DE69522605T2 (de) 1994-05-13 1995-05-02 Verfahren zur Rauschreduktion eines Sprachsignals und zur Detektion des Rauschbereichs
DE69529002T Expired - Lifetime DE69529002T2 (de) 1994-05-13 1995-05-02 Verfahren zur Detektion des Rauschbereichs

Country Status (8)

Country Link
US (3) US5668927A (de)
EP (3) EP0683482B1 (de)
JP (1) JP3484757B2 (de)
KR (1) KR100335162B1 (de)
CN (1) CN1113335A (de)
DE (3) DE69531710T2 (de)
MY (1) MY121946A (de)
TW (1) TW262620B (de)

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3484801B2 (ja) * 1995-02-17 2004-01-06 ソニー株式会社 音声信号の雑音低減方法及び装置
JP3453898B2 (ja) * 1995-02-17 2003-10-06 ソニー株式会社 音声信号の雑音低減方法及び装置
FI100840B (fi) * 1995-12-12 1998-02-27 Nokia Mobile Phones Ltd Kohinanvaimennin ja menetelmä taustakohinan vaimentamiseksi kohinaises ta puheesta sekä matkaviestin
US6256394B1 (en) * 1996-01-23 2001-07-03 U.S. Philips Corporation Transmission system for correlated signals
JP3483695B2 (ja) * 1996-03-14 2004-01-06 株式会社リコー 音声通信装置
KR100250561B1 (ko) * 1996-08-29 2000-04-01 니시무로 타이죠 잡음소거기 및 이 잡음소거기를 사용한 통신장치
US5933495A (en) * 1997-02-07 1999-08-03 Texas Instruments Incorporated Subband acoustic noise suppression
US6104993A (en) * 1997-02-26 2000-08-15 Motorola, Inc. Apparatus and method for rate determination in a communication system
US6353809B2 (en) * 1997-06-06 2002-03-05 Olympus Optical, Ltd. Speech recognition with text generation from portions of voice data preselected by manual-input commands
DE19747885B4 (de) * 1997-10-30 2009-04-23 Harman Becker Automotive Systems Gmbh Verfahren zur Reduktion von Störungen akustischer Signale mittels der adaptiven Filter-Methode der spektralen Subtraktion
US6175602B1 (en) * 1998-05-27 2001-01-16 Telefonaktiebolaget Lm Ericsson (Publ) Signal noise reduction by spectral subtraction using linear convolution and casual filtering
US6549586B2 (en) * 1999-04-12 2003-04-15 Telefonaktiebolaget L M Ericsson System and method for dual microphone signal noise reduction using spectral subtraction
US7209567B1 (en) 1998-07-09 2007-04-24 Purdue Research Foundation Communication system with adaptive noise suppression
US6351731B1 (en) 1998-08-21 2002-02-26 Polycom, Inc. Adaptive filter featuring spectral gain smoothing and variable noise multiplier for noise reduction, and method therefor
US6453285B1 (en) 1998-08-21 2002-09-17 Polycom, Inc. Speech activity detector for use in noise reduction system, and methods therefor
US6122610A (en) * 1998-09-23 2000-09-19 Verance Corporation Noise suppression for low bitrate speech coder
US6711540B1 (en) * 1998-09-25 2004-03-23 Legerity, Inc. Tone detector with noise detection and dynamic thresholding for robust performance
US6574334B1 (en) 1998-09-25 2003-06-03 Legerity, Inc. Efficient dynamic energy thresholding in multiple-tone multiple frequency detectors
US6289309B1 (en) 1998-12-16 2001-09-11 Sarnoff Corporation Noise spectrum tracking for speech enhancement
US6363345B1 (en) * 1999-02-18 2002-03-26 Andrea Electronics Corporation System, method and apparatus for cancelling noise
CN1348583A (zh) * 1999-02-18 2002-05-08 安德烈电子公司 消除噪声的系统、方法和设备
JP2001016057A (ja) * 1999-07-01 2001-01-19 Matsushita Electric Ind Co Ltd 音響装置
US6349278B1 (en) * 1999-08-04 2002-02-19 Ericsson Inc. Soft decision signal estimation
JP3961290B2 (ja) 1999-09-30 2007-08-22 富士通株式会社 雑音抑圧装置
DE69920461T2 (de) * 1999-10-29 2005-12-01 Telefonaktiebolaget Lm Ericsson (Publ) Verfahren und Vorrichtung zur robusten Merkmalsextraktion für die Spracherkennung
JP3454206B2 (ja) * 1999-11-10 2003-10-06 三菱電機株式会社 雑音抑圧装置及び雑音抑圧方法
US7058572B1 (en) * 2000-01-28 2006-06-06 Nortel Networks Limited Reducing acoustic noise in wireless and landline based telephony
US6804640B1 (en) * 2000-02-29 2004-10-12 Nuance Communications Signal noise reduction using magnitude-domain spectral subtraction
US6898566B1 (en) 2000-08-16 2005-05-24 Mindspeed Technologies, Inc. Using signal to noise ratio of a speech signal to adjust thresholds for extracting speech parameters for coding the speech signal
JP3566197B2 (ja) * 2000-08-31 2004-09-15 松下電器産業株式会社 雑音抑圧装置及び雑音抑圧方法
GB2367467B (en) * 2000-09-30 2004-12-15 Mitel Corp Noise level calculator for echo canceller
SE0003608L (sv) * 2000-10-06 2001-12-17 Xcounter Ab Metod för reducering av högfrekvent brus i bilder med hjälp av medelvärdesbildning av pixlar och parvis addering av pixelpar som uppfyller ett villkor
AU2002241476A1 (en) * 2000-11-22 2002-07-24 Defense Group Inc. Noise filtering utilizing non-gaussian signal statistics
EP2242049B1 (de) 2001-03-28 2019-08-07 Mitsubishi Denki Kabushiki Kaisha Rauschunterdrückungsvorrichtung
US7013273B2 (en) * 2001-03-29 2006-03-14 Matsushita Electric Industrial Co., Ltd. Speech recognition based captioning system
JP4127792B2 (ja) * 2001-04-09 2008-07-30 エヌエックスピー ビー ヴィ 音声強化デバイス
US7136813B2 (en) 2001-09-25 2006-11-14 Intel Corporation Probabalistic networks for detecting signal content
US7149684B1 (en) 2001-12-18 2006-12-12 The United States Of America As Represented By The Secretary Of The Army Determining speech reception threshold
US7096184B1 (en) * 2001-12-18 2006-08-22 The United States Of America As Represented By The Secretary Of The Army Calibrating audiometry stimuli
US6864104B2 (en) 2002-06-28 2005-03-08 Progressant Technologies, Inc. Silicon on insulator (SOI) negative differential resistance (NDR) based memory device with reduced body effects
DE10252946B3 (de) * 2002-11-14 2004-07-15 Atlas Elektronik Gmbh Verfahren zur Unterdrückung des Rauschanteils eines Sensorsignals
US6874796B2 (en) * 2002-12-04 2005-04-05 George A. Mercurio Sulky with buck-bar
JP4128916B2 (ja) * 2003-08-15 2008-07-30 株式会社東芝 字幕制御装置および方法ならびにプログラム
US7363221B2 (en) * 2003-08-19 2008-04-22 Microsoft Corporation Method of noise reduction using instantaneous signal-to-noise ratio as the principal quantity for optimal estimation
JP4632047B2 (ja) * 2003-09-02 2011-02-16 日本電気株式会社 信号処理方法および装置
JP3909709B2 (ja) * 2004-03-09 2007-04-25 インターナショナル・ビジネス・マシーンズ・コーポレーション 雑音除去装置、方法、及びプログラム
DE102004017486A1 (de) * 2004-04-08 2005-10-27 Siemens Ag Verfahren zur Geräuschreduktion bei einem Sprach-Eingangssignal
US7729456B2 (en) * 2004-11-17 2010-06-01 Via Technologies, Inc. Burst detection apparatus and method for radio frequency receivers
GB2422237A (en) * 2004-12-21 2006-07-19 Fluency Voice Technology Ltd Dynamic coefficients determined from temporally adjacent speech frames
US20060184363A1 (en) * 2005-02-17 2006-08-17 Mccree Alan Noise suppression
US20060206320A1 (en) * 2005-03-14 2006-09-14 Li Qi P Apparatus and method for noise reduction and speech enhancement with microphones and loudspeakers
EP1861846B1 (de) * 2005-03-24 2011-09-07 Mindspeed Technologies, Inc. Adaptive stimmenmodus-erweiterung für einen stimmenaktivitäts-detektor
CN1841500B (zh) * 2005-03-30 2010-04-14 松下电器产业株式会社 一种基于自适应非线性谱减的抗噪方法和装置
KR100745977B1 (ko) * 2005-09-26 2007-08-06 삼성전자주식회사 음성 구간 검출 장치 및 방법
US20070100611A1 (en) * 2005-10-27 2007-05-03 Intel Corporation Speech codec apparatus with spike reduction
JP4863713B2 (ja) * 2005-12-29 2012-01-25 富士通株式会社 雑音抑制装置、雑音抑制方法、及びコンピュータプログラム
JP4753821B2 (ja) 2006-09-25 2011-08-24 富士通株式会社 音信号補正方法、音信号補正装置及びコンピュータプログラム
DE602006006081D1 (de) * 2006-12-27 2009-05-14 Abb Technology Ag Verfahren zur Bestimmung von Kanalqualität und Modem
KR20090122143A (ko) * 2008-05-23 2009-11-26 엘지전자 주식회사 오디오 신호 처리 방법 및 장치
KR20100006492A (ko) 2008-07-09 2010-01-19 삼성전자주식회사 부호화 방식 결정 방법 및 장치
TWI355771B (en) 2009-02-23 2012-01-01 Acer Inc Multiband antenna and communication device having
EP2401872A4 (de) * 2009-02-25 2012-05-23 Conexant Systems Inc Verzerrungsunterdrückungssystem und -verfahren für lautsprecher
CN101859568B (zh) * 2009-04-10 2012-05-30 比亚迪股份有限公司 一种语音背景噪声的消除方法和装置
FR2944640A1 (fr) * 2009-04-17 2010-10-22 France Telecom Procede et dispositif d'evaluation objective de la qualite vocale d'un signal de parole prenant en compte la classification du bruit de fond contenu dans le signal.
CN101599274B (zh) * 2009-06-26 2012-03-28 瑞声声学科技(深圳)有限公司 语音增强的方法
US8834386B2 (en) * 2009-07-07 2014-09-16 Koninklijke Philips N.V. Noise reduction of breathing signals
WO2011015237A1 (en) * 2009-08-04 2011-02-10 Nokia Corporation Method and apparatus for audio signal classification
JP2011100029A (ja) * 2009-11-06 2011-05-19 Nec Corp 信号処理方法、情報処理装置、及び信号処理プログラム
JP5609157B2 (ja) * 2010-02-26 2014-10-22 ヤマハ株式会社 係数設定装置および雑音抑圧装置
CN103594094B (zh) * 2012-08-15 2016-09-07 湖南涉外经济学院 自适应谱减法实时语音增强
US9107010B2 (en) * 2013-02-08 2015-08-11 Cirrus Logic, Inc. Ambient noise root mean square (RMS) detector
US9231740B2 (en) * 2013-07-12 2016-01-05 Intel Corporation Transmitter noise in system budget
US10141003B2 (en) * 2014-06-09 2018-11-27 Dolby Laboratories Licensing Corporation Noise level estimation
US10149047B2 (en) * 2014-06-18 2018-12-04 Cirrus Logic Inc. Multi-aural MMSE analysis techniques for clarifying audio signals
CN106199549B (zh) * 2016-06-30 2019-01-22 南京理工大学 一种采用谱减法提升lfmcw雷达信噪比的方法
CN106885971B (zh) * 2017-03-06 2020-07-03 西安电子科技大学 一种用于电缆故障检测定点仪的智能背景降噪方法
US10504538B2 (en) 2017-06-01 2019-12-10 Sorenson Ip Holdings, Llc Noise reduction by application of two thresholds in each frequency band in audio signals
CN112000047A (zh) * 2020-09-07 2020-11-27 广东众科智能科技股份有限公司 一种远程智能化监控系统
CN113488032A (zh) * 2021-07-05 2021-10-08 湖北亿咖通科技有限公司 车辆以及车辆用语音识别系统和方法
CN118629417B (zh) * 2024-08-13 2024-11-22 华中师范大学 一种多模态课堂教师教学言语行为分析方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3370423D1 (en) * 1983-06-07 1987-04-23 Ibm Process for activity detection in a voice transmission system
DE3473373D1 (en) * 1983-10-13 1988-09-15 Texas Instruments Inc Speech analysis/synthesis with energy normalization
US4630305A (en) * 1985-07-01 1986-12-16 Motorola, Inc. Automatic gain selector for a noise suppression system
US5036540A (en) * 1989-09-28 1991-07-30 Motorola, Inc. Speech operated noise attenuation device
CA2040025A1 (en) * 1990-04-09 1991-10-10 Hideki Satoh Speech detection apparatus with influence of input level and noise reduced
FI92535C (fi) * 1992-02-14 1994-11-25 Nokia Mobile Phones Ltd Kohinan vaimennusjärjestelmä puhesignaaleille
DE4405723A1 (de) * 1994-02-23 1995-08-24 Daimler Benz Ag Verfahren zur Geräuschreduktion eines gestörten Sprachsignals
JP3484801B2 (ja) * 1995-02-17 2004-01-06 ソニー株式会社 音声信号の雑音低減方法及び装置

Also Published As

Publication number Publication date
EP1065656A3 (de) 2001-01-10
KR100335162B1 (ko) 2002-09-27
CN1113335A (zh) 1995-12-13
JP3484757B2 (ja) 2004-01-06
MY121946A (en) 2006-03-31
EP0683482A2 (de) 1995-11-22
KR950034057A (ko) 1995-12-26
TW262620B (en) 1995-11-11
US5668927A (en) 1997-09-16
JPH07306695A (ja) 1995-11-21
EP1065657A1 (de) 2001-01-03
DE69522605D1 (de) 2001-10-18
EP1065657B1 (de) 2002-11-27
US5771486A (en) 1998-06-23
EP0683482A3 (de) 1997-12-03
DE69529002T2 (de) 2003-07-24
EP0683482B1 (de) 2001-09-12
US5974373A (en) 1999-10-26
DE69529002D1 (de) 2003-01-09
EP1065656B1 (de) 2003-09-03
DE69531710D1 (de) 2003-10-09
DE69522605T2 (de) 2002-07-04
EP1065656A2 (de) 2001-01-03

Similar Documents

Publication Publication Date Title
DE69531710T2 (de) Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen
DE69617069T2 (de) Verfahren und Vorrichtung zur Geräuschverminderung
DE69612770T2 (de) Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen
DE69905035T2 (de) Rauschunterdrückung mittels spektraler subtraktion unter verwendung von linearem faltungsprodukt und kausaler filterung
DE69428119T2 (de) Verringerung des hintergrundrauschens zur sprachverbesserung
EP0912974B1 (de) Verfahren zur verringerung von störungen eines sprachsignals
DE69627580T2 (de) Verfahren zur Rauschverminderung in einem Sprachsignal
DE19747885B4 (de) Verfahren zur Reduktion von Störungen akustischer Signale mittels der adaptiven Filter-Methode der spektralen Subtraktion
DE60116255T2 (de) Rauschunterdückungsvorrichtung und -verfahren
DE3856280T2 (de) Rauschunterdrückungssystem
DE69420027T2 (de) Rauschverminderung
DE69606978T2 (de) Verfahren zur rauschunterdrückung mittels spektraler subtraktion
DE60001398T2 (de) System und verfahren zur rauschverminderung im mikrofonpaarsignal mittels spektraler subtraktion
DE69803203T2 (de) Verfahren und vorrichtung zur rauschunterdrückung eines digitalen sprachsignals
DE60131639T2 (de) Vorrichtungen und Verfahren zur Bestimmung von Leistungswerten für die Geräuschunterdrückung für ein Sprachkommunikationssystem
DE602005000539T2 (de) Verstärkungsgesteuerte Geräuschunterdrückung
DE112009000805T5 (de) Rauschreduktion
DE112011106045B4 (de) Audiosignal-Wiederherstellungsvorrichtung und Audiosignal-Wiederherstellungsverfahren
EP2080197B1 (de) Vorrichtung zur geräuschunterdrückung bei einem audiosignal
DE102013011761A1 (de) Kraftfahrzeug mit einer Freisprecheinrichtung und Verfahren zur Erzeugung eines Frequenzganges für Freisprecheinrichtungen
EP2495724B1 (de) Verfahren und Vorrichtung zum Schätzen eines Störgeräusches
DE102018117558A1 (de) Adaptives nachfiltern
EP0669606B1 (de) Verfahren zur Geräuschreduktion eines gestörten Sprachsignals
CN117351986A (zh) 一种噪声抑制方法及装置
DE3230391C2 (de)

Legal Events

Date Code Title Description
8364 No opposition during term of opposition