AT514412A1

AT514412A1 - Verfahren zur Erhöhung der Sprachverständlichkeit

Info

Publication number: AT514412A1
Application number: ATA207/2013A
Authority: AT
Original assignee: Commend Internat Gmbh
Priority date: 2013-03-15
Filing date: 2013-03-15
Publication date: 2014-12-15
Also published as: WO2014138758A3; WO2014138758A2

Abstract

Die Erfindung betrifft ein Verfahren zur Erhöhung der Sprachverständlichkeit eines Audiosignals (6), das aus einem Gemisch von Störgeräuschen (3) und Sprachsignalen (5) besteht, in digitalen elektroakustischen Kommunikationsanlagen (1 ). Die Sprachverständlichkeit wird durch Verminderung der Lautstärke der Störgeräusche (3) vom Ort eines Sprechers (4) erreicht. Zur Aufnahme des Audiosignals (6) werden zumindest zwei Mikrofonkanäle verwendet, welche das Audiosignal (6) an eine Auswerteeinheit (8) weiterleiten, in der das Störgeräusch (3) auf elektronischem Wege minimiert wird und das erzeugte Sprachsignal (5) von der Kommunikationsanlage (1) über eine Ausgabeeinheit (9) wiedergegeben wird. Der Betrieb der Kommunikationsanlage (1) und/oder der Auswerteeinheit (8) wird über eine Betriebssoftware, sichergestellt. Die Auswerteeinheit (8) umfasst - ein erstes Modul (12), insbesondere ein DOA-Estimation-Modul (12), zur Bestimmung der Richtung des Sprachsignals (5), - ein zweites Modul (13), insbesondere ein GSC-Beamforming-Modul (13), zur Feststellung und Trennung des Sprachsignals (5) von den Störgeräuschen (3) und - ein drittes Modul (14), insbesondere ein Multichannei-Postfilter-Modul (14), zur Subtraktion des Störgeräusches (3) vom Sprachsignal (5).

Description

..2 ..2

• · ♦ • · ♦ ../14.3.13

Die Erfindung beschreibt ein Verfahren zur Erhöhung der Sprachverständlichkeit eines Audiosignals, eines Schrankensystems mit einer Kommunikationsanlage, einer Notrufanlage und einer Kommunikationseinheit, gemäß dem Oberbegriff der Ansprüche 1, 34, 36 und 39.

Es sind bereits Systeme bekannt, bei denen aus einem Gemisch von Störgeräuschen und Sprachsignalen zur besseren Verständlichkeit versucht wird, die Störgeräusch auszufiltern. Hierzu erfolgt die Aufnahme über ein einziges Mikrofon, von dem aus der aufgenommene Schall, bzw. das Audiosignal an eine Auswerteeinheit übertragen wird. In der Auswerteeinheit wird anschließend bevorzugt über eine Software versucht die Störgeräusche mit den verschiedensten bekannten Algorithmen auszufiltern. Nachteilig ist hierbei, dass durch die Verwendung eines einzelnen Mikrofones stets ein Kompromiss zwischen Störgeräusch-Reduktion und erzielbarer Sprachqualität zu treffen ist.

Weiters ist aus dem Stand der Technik bekannt, dass derartige Systeme dazu neigen, selbst störende Nebengeräusche zu erzeugen, welche unter dem Begriff „musical artefacts“ bekannt sind.

Die Aufgabe der Erfindung liegt darin, ein Verfahren zur Erhöhung der Sprachverständlichkeit eines Audiosignals, eines Schrankensystems mit einer Kommunikationsanlage, einer Notrufanlage und einer Kommunikationseinheit zu schaffen, bei dem die Wiedergabe-Qualität des Sprachsignals verbessert wird.

Eine weitere Aufgabe der Erfindung liegt darin, die Aufnahmequalität des Sprachsignals zu verbessern. Darüber hinaus liegt die Aufgabe der Erfindung darin, die bekannten Nachteile aus dem Stand der Technik zu vermeiden und zu verbessern.

Eine weitere Aufgabe der Erfindung liegt darin, durch optimale Auswertung des Sprachsignals die bestmögliche Sprachqualität bei gleichzeitiger Vorgabe der 2/41

Störgeräusch-Unterdrückung zu erzielen. Diese Vorgabe erfolgt als numerischer Wert in dB (Dezibel).

Die Aufgabe der Erfindung wird dadurch gelöst, dass die Sprachverständlichkeit durch Verminderung der Lautstärke der Störgeräusche vom Ort des Sprechers erreicht wird, wobei zur Aufnahme des Audiosignals zumindest zwei Mikrofonkanäle verwendet werden, welche das Audiosignal an eine Auswerteeinheit weiterleiten, in der das Störgeräusch auf elektronischem Wege minimiert wird und das erzeugte Sprachsignal von der Kommunikationsanlage über eine Ausgabeeinheit wiedergegeben wird und dass der Betrieb der Kommunikationsanlage und/oder der Auswerteeinheit über eine Betriebssoftware, sichergestellt wird und dass die Auswerteeinheit - ein erstes Modul, insbesondere ein DOA-Estimation-Modul, zur Bestimmung der Richtung des Sprachsignals, - ein zweites Modul, insbesondere ein GSC-Beamforming-Modul, zur Feststellung und Trennung des Sprachsignals von den Störgeräuschen und - ein drittes Modul, insbesondere ein Multichannel-Postfilter-Modul, zur Subtraktion des Störgeräusches vom Sprachsignal umfasst.

Vorteilhaft ist dabei, dass durch die modularisierte Auswertung in einfache Art und Weise eine Erweiterung der Auswertemöglichkeiten geschaffen wird, sodass eine vielfältige Einsatzmöglichkeit geschaffen wird. Beispielsweise ist es dabei möglich, dass eine einseitige Spracherkennung durch Ergänzung eines weiteren Moduls auf eine beidseitige Sprachkommunikation ausgebaut werden kann. Ein wesentlicher Vorteil bei der erfindungsgemäßen Lösung ist auch, dass bereits aus dem Stand der Technik bekannte Analysen mit neuen Analysen und Technologien auf einfache Art und Weise ergänzt oder ausgetauscht werden können. Von Vorteil ist auch, dass je nach Anwendungsgebiet die unterschiedlichen Module optimal angepasst werden können, so dass die bestmögliche Spracherkennung und Sprachwiedergabe geschaffen werden kann. 3/41 • · ....... ····· · I . ·· *· ···· ···· ··· ··

Darüber hinaus ist ein wesentlicher Vorteil gegenüber dem Stand der Technik, dass zuerst eine Richtungserkennung des Sprachsignals durchgeführt wird, sodass dadurch eine optimierte Aufnahme des Sprachsignals ungedämpft vorgenommen werden kann, wodurch die restlichen Bereich außerhalb der 5 Aufnahmerichtung besser ausgefiltert, bzw. nur gedämpft aufgenommen werden. Vorteilhaft ist bei der erfindungsgemäßen Lösung aber auch, dass die Richtungserkennung auch bei hohen Störgeräuschpegeln robust genug arbeitet, um die Richtung und die Aktivität des Sprechers zuverlässig zu erkennen. Diese Information ist in vielen Kommunikationssystemen (Schranken, etc.) nützlich um 10 eine sprachgesteuerte Verbindung aufzubauen.

Es sind aber auch die Maßnahmen von Vorteil, bei dem im ersten Modul, dem DOA-Estimation-Modul, eine Richtwirkung der Mikrofonempfindlichkeit in Richtung des Sprechers erzeugt wird, wobei die Hauptkeule mit der Bewegung des 15 Sprechers nachgeführt wird, damit wird der Aufnahmepegel für das Sprachsignal im Verhältnis zum Störgeräusch verbessert.

Bei der Maßnahme, bei der die Hauptkeule eine Breite von -20° und +20° um die aktuelle Position des Sprechers umfasst, wobei der nutzbare Frequenzbereich 20 20 bis 20 000 Hz umfasst, wird in vorteilhafter weise erreicht, dass eine optimierte Aufnahme erfolgen kann und eine einfachere Ausblendung der umliegenden Geräusche möglich ist. Durch die Begrenzung der Hauptkeule und ev. einer Nachführung der Hauptkeule kann eine konzentriertere Auswertung erfolgen, sodass eine wesentlich höhere Sprachqualität erzielt wird, da eventuelle 25 Überschneidungen mit den Störgeräuschen reduziert werden.

Eine vorteilhafte Maßnahme liegt darin, dass die Breite der Hauptkeule mit steigender Frequenz in der Bandbreite abnimmt, da dadurch wiederum eine konzentriertere Auswertung geschaffen wird.

Vorteilhaft ist auch eine Maßnahme, bei der die Hauptkeule derart ausgelegt wird, dass minimale Schwankungen, wie beispielsweise Kopfbewegungen des Sprechers, automatisch ausgeglichen werden, da dadurch immer eine optimale 4/41 30 • φ ♦ · ··♦♦ φφ • φ Φ Φ Φ Φ • · Φ Φ ··< • · • Φ

Sprachaufnahme für die Auswertung ermöglicht wird. Auch kann damit eine Vereinfachung der Richtungsbestimmung des Sprachsignals, insbesondere des Standort des Sprechers, erzielt werden, da diese Daten für die Richtungsbestimmung herangezogen werden können. 5

Bei den Maßnahmen, bei dem im ersten Modul, insbesondere in dem DOA-Estimation Modul, folgender Algorithmus „Direct-to-Diffiffusion Ratio“ zur Schätzung bzw. Festlegung der Richtung des Sprachsignals läuft bzw. abgearbeitet wird, ist von Vorteil, dass durch die Verwendung eines speziellen 10 Algorithmus eine qualitativ hohe Auswertung durchgeführt werden kann.

Von Vorteil ist bei dem Vorgehen, bei dem sich das Audiosignal, insbesondere ein Mikrofonsignal, am Mikrofon durch das Störgeräusch und das Sprachsignal derart zusammen setzt und derart definiert wird zmm = 15 wobei Zm(j) das Audiosignal, insbesondere des m-ten Mikrofonsignal, NO) das Störsignal, SO) das Sprachsignal und Äxm die Richtung definieren, 20 da dadurch eine automatische Zuordnung der aufgenommen Signale geschaffen wird, sodass eine automatische Auswertung möglich ist.

Es ist aber auch eine Maßnahme von Vorteil, bei der im ersten Modul eine Spektraldichteschätzung über eine Zeitmittelung entsprechend dem folgenden 25 Algorithmus = E{|Zm0-Q)(2} = ΦββΟΏ) + Φνν(Μ· berechnet wird.

Bei einem Vorgehen, bei dem aus der Spektraldichteschätzung eine komplexe 30 räumlich Kohärenz zwischen dem ersten Audiosignal und dem weiteren Audiosignal, insbesondere Mikrofonsignalen, über den Algorithmus 5/41 • .6 · • · · · · · ·.· * · · · · · < • · · · · · , ·· ·· >··· ···· ·· 7zmzra,0'ii) y φζ,ηζ!α 0Ώ)φζΛ, z.mi Uty rDDR(ja)e-m‘ATm +7AW^0i Γβ£>/?ϋ^) +1 berechnet wird, wobei ΓDdr 0Ω) das Verhältnis aus den Energien des Direktschalles zum diffusen Schall beschreibt, wird in vorteilhafterWeise erreicht, dass eine optimale Einschätzung der Richtung des nützlichen Sprachsignals ermöglicht wird.

Von Vorteil ist dabei das Vorgehen, das Sprachsignal dem Direktschall und das Störsignal dem diffusen Schall zuzuordnen und ein derartiges Verhältnis wie folgt zu bilden: rDöÄ(jO) *ss(m

Ο'Ω) ~ 7zmzm, (ßl) n(zmzm'{jto) - e-i«/.AW

Vorteilhaft ist die Maßnahme, bei dem das Störgeräusch als ideal isotropisch betrachtet wird und derart definiert wird:

Sill kdy.

Durch die Maßnahme, bei der durch Integration über das komplexe Fourierspektrum entsprechend der Formel t-‘2w ,J(Ärmm.') = / ./ω=0 ,m

_ e-jn/,AT

dO eine Kostenfunktion gebildet wird, wird erreicht, dass eine optimale Basis für die Richtungsbestimmung gebildet wird.

Von Vorteil sind die Maßnahmen, bei dem durch Vorgabe von mehreren, insbesondere fünfzig, möglichen Einfallswinkeln zwischen -90° und +90° man den wahrscheinlichen Einfallswinkel für das Maximum der Kostenfunktion gemäß der Formel

Afm = argmax,7(Arm) έ-^Τττί 6/41 ..7 ·· ·· ···· • · · · · · • · ·♦· ··· • · ·· ♦ • · φ · « ··········· #φ erhält, da dadurch in einfacher Weise die Richtungsbestimmung vorgenommen werden kann.

Bei einem Vorgehen, bei dem im Modul „RTF-Estimation“ der Betrag der 5 Übertragungsfunktion zwischen dem m-ten und dem m‘-ten Mikrofon gemäß der Formel 10 berechnet wird, wird erreicht, dass Exemplartoleranzen der Mikrofone ausgeglichen werden. Dadurch kann der teure uns aufwändige Abgleich der verwendeten Mikrofone entfallen.

Die Maßnahmen, bei dem mit dem Vorhandensein eines Sprachsignals und einem ermittelten Einfallswinkel eine Transferfunktion gemäß der Formel 15 ermittelt wird, sind von Vorteil, da dadurch eine Weiterverarbeitung der Daten und/oder Signale vereinfacht wird.

Bei einem Vorgehen, bei dem im zweiten Modul die Aufteilung der über die Mikrofonkanäle aufgenommenen Audiosignale in ein Sprachsignal und in ein 20 Störgeräusch erfolgt, ist von Vorteil, dass dazu entsprechende Algorithmen verwendet werden können. Diese entsprechen dem Stand der Technik.

Von Vorteil ist ein Vorgehen, bei dem die ermittelte Richtung des Sprachsignals und/oder die Daten hierfür vom ersten Modul an das zweite Modul übergeben 25 werden, da dadurch eine qualitativ hochwertige Auswertung des Sprachsignals möglich ist.

Durch die Maßnahmen, bei dem bei der Aufteilung des Audiosignales in das Sprachsignal und dem Störgeräusch die Richtung des Sprachsignals und/oder die so Daten des ersten Moduls berücksichtigt werden, wird in vorteilhafterWeise erreicht, dass dadurch die in Richtung des Nutzers erzeugten Daten bzw. Signale 7/41 »· 8 ·· • · ·······. bevorzugt werden können und somit eine wesentlich bessere Auswertung durchgeführt werden kann.

Vorteilhaft ist auch eine Maßnahme, bei der im dritten Modul, im so genannten 5 Multichannel-Postfilter-Modul, ein mathematisches Verfahren basierend auf einer räumlichen Autokorrelationsmatrix der Signale zum Einsatz kommt, welches das Verhältnis von Sprachsignal-Energie zu Störsignal-Energie (SNR) im Ausgabesignal des zweiten Modules ermittelt.

Auch ist ein Vorgehen von Vorteil, bei dem im dritten Modul unter Verwendung 10 einer Filterfunkton “\¥(]Ω)“ eines GSC-Beamformers die Schätzung des Sprachsignals und des Störgeräusches wie folgt angegeben wird:

Sun) = Ä{j9.)wH(ji>mm dabei beschreibt der Vektor A(Qj) die Transferfunktionen vom Sprecher zu allen Mikrofonen. 15

Von Vorteil ist ein Vorgehen, bei dem sich aus der Formel

M *ss = Σ τη=1

M «Λ-.« = Σ m=l die Langzeit-Spektraldichteschätzung des Sprachsignals und respektive des Störgeräusches ergibt, da dadurch eine bessere Trennung des Sprachsignals vom 20 Störgeräuschen ermöglicht wird.

Ein Vorteil ergibt sich durch die Maßnahmen, bei der eine effiziente Implementation für die Langzeit-Spektraldichteschätzung gemäß der Formel

Tr (Γ,νΛ-) = M

M

Tr (r^Wi^) = Tr (,ÄWHΓ*λτ) - Σ Am (WHrNN)m m=1

M

Tr (ÄWhTnnWÄh) = Tr - V \AmfWHTNNW \ / \ ß mmmif 8/41 ..9 • · ♦ • ♦ • · · • · • · ♦ ··· ··· • · · • · · • · · • · erfolgt, da dadurch eine optimale Ausfilterung der Störgeräusche möglich ist.

Auch eine Verbesserung der Trennung der Signale, wird durch die Maßnahmen erreicht, bei der die Kurzzeit-Spektralschätzung durch direkte Berechnung gemäß der Formel φμ = äwutnnwAh

Φ <Λ- - ΓΝΝ - rNNWÄn - + ÄWHrNNWÄH erhalten wird.

Durch die Maßnahmen, bei der das Verhältnis des Sprachsignals zum Störgeräusch gemäß dem Algorithmus

-1

COT berechnet wird, ist eine Ausfilterung der Störgeräusche effizient möglich.

Bei einem Vorgehen, bei dem im dritten Modul die vom zweiten Modul übergebenen Signale annähernd in Echtzeit, vorzugsweise mit 32 ms Verzögerung, verarbeitet werden, wird in vorteilhafter weise erreicht, dass für den Nutzer so gut wie keine Zeitverzögerungen wahrnehmbar sind.

Das Vorgehen, bei dem vom dritten Modul eine Absenkung des Störgeräusches um 25 dB erreicht wird, hat zum Vorteil, dass dadurch bereits die Störgeräusche nur mehr gedämpft aufgenommen werden. Somit ist die Qualität des aufgenommen Sprachsignals wesentlich besser.

Von Vorteil ist, dass eine optimale Parametrierung der Auswerteeinheit über umfangreiche automatisierte Sprachtests, welche auf deutschen und englischen Sprachkorpora basieren, erfolgt, da dadurch eine optimale Anpassung der Anlage vor Ort unter Berücksichtigung der baulichen Gegebenheiten vorgenommen werden kann. Insbesondere kann dabei auf Echos an der Sprachstelle Rücksicht genommen werden. 9/41

• · · · • · · · • · · · · ·· ·· ···# ·· ···· ·· • · · · • ··· ··· • · · · • · · · ······· ··

Um eine umfangreiche Einsatzmöglichkeit zu schaffen, ist es von Vorteil, wenn eine zusätzliche weitere Software zur Steuerung angeschlossener Komponenten in der Kommunikationsanlage abgearbeitet wird und/oder Daten von der Kommunikationsanlage an angeschlossene Komponenten übergeben werden. 5

Durch die Maßnahmen, bei denen bei einem Einsatz in einer Gegensprechanlage ein weiteres Modul, insbesondere ein sogenanntes Echocanceller-Modul, zur Reduzierung von akustischen Echos, zusammen mit den Modulen eins bis drei in einer einzigen Betriebssoftware eingesetzt wird, wird in vorteilhafter weise 10 erreicht, dass dadurch Echos und Rückkopplungen für die Spracheingabe und Sprachausgabe verhindert werden können.

Auch ist ein Vorgehen von Vorteil, bei dem ein weiteres zusätzliches Modul, insbesondere ein sogenanntes RTF-Estimation-Modul, welches aus der 15 Richtungsinformation des ersten Moduls die relativen akustischen

Transferfunktionen zwischen den Mikrofonen berechnet, eingesetzt wird, da dadurch eine Verbesserung der Qualität erzielt werden kann. Für die bestmögliche Sprachaufnahme ist es von Vorteil, wenn die Anordnung der 20 Mikrofone während des Betriebes ermittelt wird, wobei lediglich ein Bereich für den Abstand der Mikrofone vorgegeben wird.

Auch ist ein Vorgehen möglich, bei dem das resultierende Sprachsignal entweder direkt ausgegeben wird und/oder, vorzugsweise permanent, in einem 25 Sprachspeicher abgelegt wird, wobei der Signaltransport über ein beliebiges Medium und/oder Protokoll erfolgt.

Vorteilhaft ist auch ein Vorgehen, bei dem von der Kommunikationsanlage aufgrund von hinterlegten Sprachbefehlen angeschlossene Komponenten aktiviert 30 und deaktiviert werden, da dadurch keine Aktivierungselemente benötigt werden, sondern alles per Sprache ansteuerbar ist. Somit sind theoretisch beliebig viele Steuermöglichkeiten vorhanden. 10/41

41 • · • · • ·

·♦ ·· ···· ψφ ♦ ♦ · φ · • · ··· ·«· . .· · · · Ζ · · · · ·········· ·«

Weiters werden die Aufgaben der Erfindung auch durch ein Schrankensystem mit einer Kommunikationsanlage gelöst, bei dem die Kommunikationsanlage und/oder die Zentraleinheit zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 18 ausgebildet ist. Vorteilhaft ist dabei, dass dadurch ein Einsatzgebiet geschaffen wird, bei dem mit sehr vielen umliegenden Störgeräuschen, insbesondere von vorbeifahrenden Fahrzeugen, zu rechnen ist.

Dabei ist ein Vorgehen von Vorteil, bei dem die Wiedergabe des Sprachsignals über die Ausgabeeinheit in der Meldezentrale erfolgt, dass dadurch bei Problemen an der Schrankenanlage oder bei Fragen eines Kunden bzw. Nutzers diesem auch über die erfindungsgemäße Kommunikationsanlage eine Sprachausgabe und somit eine Rückmeldung ermöglicht wird.

Auch werden die Aufgaben der Erfindung durch eine Notrufanlage gelöst, bei der die Zentraleinheit und/oder Kommunikationsanlage zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 18 ausgebildet ist. Von Vorteil ist hierbei, dass dadurch der Einsatz mehrerer Kommunikationsanlagen in einem Gesamtsystem möglich ist.

Von Vorteil ist eine Anordnung, bei der die Übertragungseinheit durch Datenleitungen, Telefonleitungen, Funksignale und/oder Internetverbindungen gebildet ist, da dadurch die optimale Verbindungsart für die Datenübertragung ausgewählt werden kann. Somit wird eine sichere und bestmögliche Übertragung erreicht.

Auch ist eine Anordnung von Vorteil, bei der die Ausgabeeinheit für das Sprachsignal mit der Übertragungseinheit für die externe Meldestelle verbunden ist, da dadurch eine direkte Datenübertragung, insbesondere des Sprachsignals, möglich ist.

Schließlich werden die Aufgaben der Erfindung auch durch eine Kommunikationseinheit gelöst, bei der die Kommunikationsanlage in Verkehrstunneln, Industrieparks, Hotelanlagen, usw. einsetzbar ist. 11/41 5 5 • · • · • •12 ·· » · · • · · · • · · · • ·· ···· ·· ··«· ·· • · · • ··· ··· • · · · • · · · ······ ·«

Die Erfindung wird nachstehend mit mehreren Ausführungsbeispielen beschrieben.

Es zeigen:

Fig. 1 eine schematische Darstellung einer Kommunikationsanlage;

Fig.2 eine symbolhafte Darstellung eines Richtdiagramms für eine Schallquelle zu Mikrofonen der Kommunikationsanlage;

Fig.3 eine schaubildliche Darstellung für einen Einfallswinkel eines Sprachsignals eines Nutzers; 10

Fig.4 eine Draufsicht auf eine Schrankenanlage, in vereinfachter, schematischer Darstellung;

Fig.5 eine weitere Draufsicht eines Ausführungsbeispiels für ein Notrufsystem, in vereinfachter, schematischer Darstellung. 15 Einführend sei festgehalten, dass in den beschriebenen Ausführungsformen gleiche Teile mit gleichen Bezugszeichen bzw. gleichen Bauteilbezeichnungen versehen werden, wobei die in der gesamten Beschreibung enthaltenen Offenbarungen sinngemäß auf gleiche Teile mit gleichen Bezugszeichen bzw. gleichen Bauteilbezeichnungen übertragen werden können. Auch sind die in der 20 Beschreibung gewählten Lageangaben, wie z.B. oben, unten, seitlich usw. auf die unmittelbar beschriebene sowie dargestellte Figur bezogen und sind bei einer Lageänderung sinngemäß auf die neue Lage zu übertragen. Weiters können auch Einzelmerkmale oder Merkmalskombinationen aus den gezeigten und beschriebenen unterschiedlichen Ausführungsbeispielen für sich eigenständige, 25 erfinderische oder erfindungsgemäße Lösungen darstellen.

In den Figuren 1 bis 3 ist eine bevorzugt digitale elektroakustische Kommunikationsanlage 1 mit unterschiedlich symbolhaft dargestellten Schallquellen 2 zum Erzeugen eines Störgeräusche 3, wie beispielsweise 30 Industrielärm, Autolärm, Musiklärm, Handylärm, usw., gezeigt. Weiters ist schaubildlich ein Nutzer 4 zum Erzeugen eines Sprachsignals 5 dargestellt. Die beiden Schallquellen 2, insbesondere die Störgeräusche 3 und das Sprachsignal 12/41 .43 • · · • · · • · · • · · • · ·· • ♦ ··· ·· ···· ·· • · « · · • · ··· ··· • · · · • · · · • ···· ··· ·· 5, bilden zusammen ein Audiosignal 6, welches von einem Aufnahmemittel 7 aufgenommen wird.

Die Kommunikationsanlage 1 ist zur Erhöhen der Sprachverständlichkeit des 5 Audiosignals 6, insbesondere des Sprachsignals 5, ausgebildet und umfasst bei dem dargestellten Ausführungsbeispiel beispielsweise ein Auswerteeinheit 8 und eine Ausgabeeinheit 9, wobei die einzelnen Komponenten bevorzugt modular aufgebaut sind. Dabei wird die Sprachverständlichkeit durch Verminderung der Lautstärke der Störgeräusche 3 vom Ort eines Sprechers bzw. Nutzers 4 erreicht, io Hierzu ist mit der Auswerteeinheit 8 das Aufnahmemittle 7 verbunden, wobei zur Aufnahme des Audiosignals 6 das Aufnahmemittel 7 aus zumindest zwei Mikrofonen 10, 11 gebildet ist. Grundsätzlich ist es mögliche, eine beliebige Anzahl an Mikrofonen 10, 11 für die Aufnahme des Audiosignals 6 zu verwenden, wobei es sich jedoch gezeigt hat, dass bis zu vier Mikrofone 10, 11 sich als 15 geeignet herausgestellt haben. Dabei ist nämlich zu beachten, je mehr Mikrofone 10, 11 angeschlossen werden, desto höher ist der Aufwand für die Auswertung des Sprachsignals 5, wodurch sich längere Laufzeiten bzw. Verzögerungen ergeben können. D.h., dass das von den hier gezeigten zwei Mikrofonen 10,11 aufgenommene Audiosignal 6, welches sich aus dem Sprachsignal 5 und 20 Störgeräuschen 3 zusammen setzt, an die Kommunikationsanlage 1, insbesondere der Auswerteeinheit 8, weitergeleitet wird, in der das Störgeräusch 3 auf elektronischem Wege minimiert wird und das erzeugte Sprachsignal 5 von der Kommunikationsanlage über die Ausgabeeinheit 9 wiedergegeben wird. 25 Dabei ist die Kommunikationsanlage 1, insbesondere die Auswerteeinheit 8 und die Ausgabeeinheit 9, derart ausgebildet, dass der Betrieb über eine Betriebssoftware sichergestellt ist, d.h., dass in den einzelnen Modulen eine bzw. mehrere Programme laufen und darin entsprechende Algorithmen, Verfahrensabläufe, usw. abgearbeitet werden. Die Auswerteeinheit 8, wird dabei 30 aus drei Modulen 12, 13 und 14 mit unterschiedlichen Funktionen gebildet, wobei das erste Modul 12, insbesondere ein DOA-Estimation-Modul 12, zur Bestimmung der Richtung des Sprachsignals 5, das zweite Modul 13, insbesondere ein GSC-Beamforming-Modul 13, zur Feststellung und Trennung des Sprachsignals 5 von 13/41 •44 ·· • r· • · · • · · • · 4 ·· ·♦ ···« Μ • · · · · · · • · · ··· ··· • · · » ι • · · · · ···· ···# ··· ·· den Störgeräuschen 3 und das dritte Modul 14, insbesondere ein Multichannel-Postfilter-Modul 14, zur Subtraktion des Störgeräusches 3 vom Sprachsignal 5 umfasst. 5 Bei der erfindungsgemäßen Lösung wird ein sogenanntes „Dual Channal Speech Erhancement“, abgekürzt DCSE-System, durchgeführt, wobei das DCSE-System ein technisch-mathematisches Verfahren beschreibt, welches von der Kommunikationsanlage 1, insbesondere der einzelnen Module, umgesetzt wird. Der Vorteil des DCSE liegt darin, dass das Sprachsignal 5 klar verständlich und io mit hoher Qualität an der Gegenstelle wiedergegeben wird, wobei dazu eine optimale Minimierung bzw. Ausfilterung der Störgeräusche, wie beispielsweise Echos und Umgebungslärm, durchgeführt wird.

Wie bereits zuvor kurz erwähnt, wird das Sprachsignal 5 des Nutzers 4 über die 15 Mikrofone 10, 11 aufgenommen, wobei die Mikrofon 10, 11 auch die

Nebengeräusche um den Nutzer 4 in Form von den Störgeräuschen 3 aufnimmt. Dieses aufgenommen Signal wird als Audiosignal 6 an die Auswerteeinheit 8 übergeben, von der nunmehr die Aufbereitung des Audiosignals 8 erfolgt. 20 Vom ersten Modul 12 wird zuerst die Richtung des Sprachsignals 5 ermittelt, wozu eine Richtwirkung der Mikrofonempfindlichkeit in Richtung des Sprechers bzw. Nutzers 4 erzeugt wird, wobei eine Hauptkeule 15, wie aus Fig. 2 ersichtlich, mit der Bewegung eines Sprechers 4 nachgeführt wird. Dabei ist in Fig. 2 ein Diagramm für die Mikrofonempfindlichkeit für zwei Mikrofone 10, 11 dargestellt, 25 wobei hierbei die Einfallsrichtung des Schalles gegen die Frequenz aufgetragen ist. Der schraffierte Bereich in der Mitte wird dabei unbedämpft übertragen und bildet die Hauptkeule 15, wogegen die restlichen Bereiche mit -20dB stark unterdrückt werden. Der Bereich der größten Empfindlichkeit (Hauptkeule 15) ist zwischen -20° und +20°, entsprechend dem schraffierten Bereich zu finden. Diese 30 Hauptkeule 15 wird mit den Bewegungen des Sprechers nachgeführt, und ist auch ausreichend breit, um minimale Schwankungen wie etwa Kopfbewegungen auszugleichen. D.h., dass der Nutzer 4 oftmals beim Sprechen den Kopf leicht bewegt, wobei dies erkannt wird und durch Nachführen der Hauptkeule 15 14/41 ·· ·» ···· «· • • · t · • • • • • ··· ··(* • • • • • • • ··· · • ···· • «·· • ·· ••15 • · · wiederum die bestmögliche Aufnahme erzielt wird. Die weiteren Bereiche oberhalb von 6000Hz bei +-90° sind die sog. Nebenkeulen 16 (Sidelobes). Aufgrund der hohen Frequenz stellen diese jedoch keine Qualitätsbeeinträchtigung dar. 5 Die Hauptkeule 15 umfasst also eine Breite von -20° und +20° um die aktuelle Position des Sprechers 4 umfasst, wobei der nutzbare Frequenzbereich 20 bis 20 000 Hz umfasst. Gleichzeitig nimmt die Breite der Hauptkeule 15 mit steigender Frequenz in der Bandbreite ab, wobei die Hauptkeule 15 derart ausgelegt wird, dass minimale Schwankungen, wie beispielsweise Kopfbewegungen des io Sprechers, automatisch ausgeglichen werden.

Um eine Richtungsbestimmung durchführen zu können, wird im ersten Modul 12, insbesondere in dem DOA-Estimation Modul 12, folgender Algorithmus „Direct-to-Diffiffusion Ratio“ zur Schätzung bzw. Festlegung der Richtung des Sprachsignals 15 5 abgearbeitet. Dabei wird das Audiosignal 6, insbesondere ein Mikrofonsignal, am Mikrofon 10, 11 durch das Störgeräusch 3 und das Sprachsignal 5 derart zusammen gesetzt und derart definiert: = 5ϋΩ)β-^ηΛΔτ« + iV(jO). (1.1) 20 Zm(j) definiert dabei das Audiosignal 6, insbesondere des m-ten Mikrofonsignal, N(j) das Störsignal 3, S(j) das Sprachsignal 5 und Δτιτι die Richtung definieren. Daraus wird nunmehr eine Spektraldichteschätzung über eine Zeitmittelung entsprechend dem folgenden Algorithmus = E{\Zm(jtt)\2} = %s(jO) + ΦΝΝ(βϊ). (1.2) berechnet. Aus der Spektraldichteschätzung wird die komplexe räumliche Kohärenz zwischen dem m-ten und dem m’-ten Mikrofon 10, 11 über folgenden Zusammenhang ermittelt: 15/41 16

• · ··· ··· • · · ♦ · • · · · · ···· ·♦·· ♦·· ·· Φζ^Ζ,^ίβΡ (1-3) ΤρΡΒ.(βΐ)^~3Ώΐ’ίΔΤ'!1 +7NnNtn,(j^} Γ DDRifä) + 1 wobei TDDR(jü) das Verhältnis aus den Energien des Direktschalles zum diffusen Schall beschreibt. Eine wesentliche Grundvoraussetzung ist dabei die 5 Beobachtung, dass der Direktschall hauptsächlich aus dem Sprachsignal 5, und der diffuse Schall hauptsächlich aus dem Störgeräusch 3 besteht: (1.4)

Iffi) ~ 7ZnZm, (jty 7ZmZm, (jtt) - e-3nf»*Tmtn'

Dabei wird das Schallfeld des Störgeräusches 3 als ideal isotropisch betrachtet: io / JY fni\’

Sinikdmjni) kd (1.5) mm*

Durch Integration von Gleichung 1.4 überdas komplexe Fourierspektrum erhält man eine Kostenfunktion, welche ein eindeutiges Maximum beim Einfallswinkel des Sprachsignals 5 aufweist: 2?r - Ίζ^ζ.,ββΐ) d0 ./n=o 7zmz„ _ p-in/iAr„ (1.6)

Durch Vorgabe von 50 möglichen Einfallswinkeln m zwischen -90° und +90° und jeweiliges Lösen von Gleichung 1.6 erhält man den wahrscheinlichsten 20 Einfallswinkel als Maximum dieser Kostenfunktion:

Atm = arg max J (Δτ™). (1.7)

Dabei erhält man eine globale Bedingung für das Vorhandensein eines 25 Sprachsignales 5 durch ύ(Δπη) > 1. Diese Bedingung wird verwendet um ein 16/41 17 • ·· · · ····♦♦· ·«·· · · · · · ····· · · · · ·♦ ·· ···· ···· ··· ··

Zusatzmodul 17 (RTF-estimation Modul 17), welches später noch im Detail beschrieben wird und in Fig. 1 dargestellt ist, aufzurufen. In diesem Zusatzmodul 17 wird der Absolutbetrag der relativen Übertragungsfunktion zwischen dem m-ten und dem m’-ten Mikrofon 10, 11 geschätzt. Dieser Betrag wird aus den Kurzzeit-5 Leistungsdichtespektren der Mikrofonsignale berechnet: (1.8)

Diese Schätzung ist nur bei Vorhandensein eines Sprachsignales 5 gültig. Damit io und mit dem Einfallswinkel Δτιύί ergibt sich die relative Transferfunktion AA(üj) zu im(jO) = (1-9)

Die korrekte Funktion des GSC-Beamformer-Modules 13, also des zweiten Moduls 13, hängt unmittelbar von dieser Transferfunktion ab. Sie wird für jedes 15 derm Mikrofone 10, 11 berechnet.

Zusammenfassend kann also gesagt werden, dass im ersten Modul 12 die Schätzung der Richtung, aus welcher der Nutzschall auf das Mikrofonarray trifft (also der Ort, wo der Sprecher 4 vor dem Gerät steht) beschrieben wird. Der 20 Störschall 3 kann dabei jegliche Art von Lärm sein, aber auch das Echo von einer ggf. vorhandenen Gegensprechanlage, wozu das Zusatzmodul 17 vorhanden ist. Dem Störgeräusch 3 ist dabei nicht zwingend ein akustisches Zentrum zugeordnet. Das erste Modul 12 umfasst also die Bestimmung der Einfallsrichtung des Sprachsignales 5, welche für die nachfolgenden Module 13 und 14 benötigt 25 wird. Nachstehende Skizze in Fig. 3 veranschaulicht das Zustandekommen der Einfallsrichtung eines Sprachsignales 5 s(k) am Mikrofonarray.

In Fig. 3 ist eine schaubildliche Darstellung zum Veranschaulichen vom Zustandekommen der Einfallsrichtung des Sprachsignals 5 am Mikrofon 10, 11 30 gezeigt. Hierzu wurden jedoch eine Anordnung mit drei Mikrofonen 10 und 11 als Mikrofonarray gezeigt, um eine bessere Wirkungsweise erkennen zu können. 17/41 φ φφφφ φφφφ φ φφφφ · · φφφ φφφ φφφφ · φ ··· φ φ φ ♦ φ φ φφφ φφ φφ φφφφ φφφφ φφφ φφ

Daraus ist ersichtlich, dass sich aufgrund der unterschiedlichen Positionen der Mikrofone 10, 11 unterschiedliche Abstände 18 bis 20 zu den Mikrofonen 10, 11 ergeben. Somit kommen auch unterschiedlich Aufnahmezeiten zu Stande, sodass aufgrund der unterschiedlichen Aufnahmezeiten auch die Richtung der 5 Schallquelle 2, insbesondere des Sprachsignals 5, grob herleitbar ist.

Zurückkommend zu Fig.1 wird die ermittelte Richtung des Sprachsignals 5 und/oder die Daten hierfür vom ersten Modul 12 an das zweite Modul 13 übergeben. Im zweiten Modul 13 erfolgt die Aufteilung der über die Mikrofonkanäle io aufgenommenen Audiosignale 6 in ein Sprachsignal 5 und in ein Störgeräusch 3. Dabei werden bei der Aufteilung des Audiosignales 6 in das Sprachsignal 5 und das Störgeräusch 3 die Richtung des Sprachsignals 5 und/oder die Daten des ersten Moduls 12 berücksichtigt. 15 Dieses Modul 13 liefert also eine Schätzung des Nutz- und Störschalles getrennt voneinander. Diese Schätzung ist umso genauer, je exakter die Richtung des Sprechers 4 im vorher genannten Modul 12 ermittelt werden kann. Dem Sprachsignal 5 wird dabei ein gerichtetes Schallfeld zu Grunde gelegt, und den Störgeräuschen 3 ein diffuses bzw. isotropes Schallfeld. 20

Dabei sind schon einige aus dem Stand der Technik bekannte Verfahren zum Trennen des Audiosignals 6 in das Sprachsignal 5 und den Störgeräuschen 3 bekannt, die entsprechend eingesetzt werden, wozu hierzu nicht mehr näher auf den Ablauf des Trennverfahrens eingegangen wird. 25

Wesentlich ist nur, dass zuerst die Richtungsbestimmung mit dem gesamten aufgenommen Schallspektrum, also den Störschall 3 und dem Sprachsignal 5, durchgeführt wird und erst anschließend die Auftrennung der Signale vorgenommen wird. Damit können auch für die Richtungsbestimmung die 30 Störsignale 3 herangezogen werden. Würde nämlich zuerst eine Aufteilung in die Störgeräusche 3 und das Sprachsignal 5 erfolgen und für die Richtungsbestimmung nur das Sprachsignal 5 herangezogen werden, so würde die Daten von den Störsignalen 3 nicht mehr zur Verfügung stehen und die 18/41 19

Richtungsbestimmung nicht so exakt erfolgen können. Grundsätzlich wäre es möglich, dass die Daten für die Störsignale 3 gespeichert werden und für die Richtungsbestimmung mit einfließen können, sodass die beiden Module getauscht werden könnten. Hierbei ist jedoch der Rechenaufwand höher und es müssten die Algorithmen entsprechend angepasst werden.

Nachdem eine Auftrennung des Audiosignals 6 im zweiten Modul 13 vollbracht ist, werden die Daten bzw. die Signale, insbesondere das Sprachsignal 5 und die Störgeräusche 3, an das dritte Modul 14 übergeben. Im dritten Modul 14, im so genannten Multichannel-Postfilter-Modul, kommt ein mathematisches Verfahren basierend auf einer räumlichen Autokorrelationsmatrix der Signale zum Einsatz, welches das Verhältnis von Sprachsignal-Energie zu Störsignal-Energie (SNR) im Ausgabesignal des zweiten Modules 13 ermittelt.

Unter Verwendung der Filterfunktion W(jQ) des GSC-Beamformers (drittes Modul 14) kann die Schätzung des Sprachsignales 5 und des Störgeräusches 3 am GSC-Modul 13 wie folgt angegeben werden: s(jü) = Ä(jn)wH(ßi)z(jü) N(jii) = zm) - s(m.

Dabei beschreibt der Vektor Z(jQ) das Audiosignal 6 an allen M Mikrofonen 10, 11 nach Gleichung 1.1. Der Vektor AA(üj) beschreibt die relativen Transferfunktionen zwischen den Mikrofonen 10, 11 aus Gleichung 1.9, welche mit dem DOA Algorithmus ermittelt wurden. Die Kurzzeit-Spektralschätzungen des Sprachsignales 5 und des Störgeräusches 3 erhält man durch direkte Berechnung der jeweiligen Signalenergien:

M m=l M (2.2) = ]T iAWiü)!2· m=l 19/41 20 • · t · t ·· ·· » • · · · · · ··· ··· • · · · · · · · · «···· · · · ·

Unter der Annahme eines idealen isotropischen Störgeräusch-Schallfeldes lässt sich die Matrix ΓΝΝ definieren. Sie beschreibt die räumliche Kohärenz zwischen allen Kombinationen aus allen Mikrofonsignalen. Jedes Element dieser Matrix ist durch Gleichung 1.5 definiert. Damit ergeben sich die langzeit-Spektraldichteschätzungen des Sprachsignales 5 und des Störgeräusches 3:

- ÄWHrN^WÄH (2 3) ΦΜ = ΓΝΝ - TnnWÄh - äwhtnn + äwhtnnwäh.'

Hierbei wurde zur besseren Lesbarkeit das komplexe Argument jü weggelassen. Das gesuchte Verhältnis der Energien des Sprachsignales 5 und der Störgeräusche 3 am Ausgang des GSC-Beamformer-Modules 13 ergibt sich dann zu:

Φ NN Tr f Φ - JVJV - 1. (2.4)

' SS

Zur effizienten Implementation von Gleichung 2.3 werden folgende Identitäten verwendet:

Tr (Tjyjv) = M

M (2.5)

Tr (rMFiw) = Tr (äWhTwn) = *£ Am (WHTNN)m m= 1

M

Tr (ÄWhTnnWÄh} = Tr(ÄHÄWHFNN'W) = \AwlfWHrNNW. m=l

Nachdem die Auswertung durchgeführt wurde, wird das ermittelte Sprachsignal 5 an die Ausgabeeinheit 9 übergegeben. Im dritten Modul 14 werden die vom zweiten Modul 13 übergebenen Signale annähernd in Echtzeit, vorzugsweise mit 32 ms Verzögerung, verarbeitet werden, sodass so gut wie keine wahrnehmbare Zeitverzögerung auftritt. Weiters wird vom dritten Modul 14 eine Absenkung des Störgeräusches 3 um 25 dB erreicht. 20/41 21 ·· ·· ·♦·· ···· ···

Weiters ist aus Fig. 1 ersichtlich, dass an die Ausgabeeinheit 9 ein Ausgabemittel 21, insbesondere ein Lautsprecher 22, verbunden ist. Dabei ist das Ausgabemittel 21 nicht direkt in der Kommunikationsanlage 1 integriert, sondern über Leitungen extern angeordnet. Selbstverständlich ist es möglich, dass Ausgabemittel 21 direkt 5 in die Kommunikationsanlage 1 zu integrieren, um beispielsweise einen kompakten Aufbau zu erhalten. Es ist aber auch möglich, die Kommunikationsanlage 1 dezentral zur Spracheingabeposition, insbesondere dem Ort des Nutzers 4, zu positionieren, sodass dadurch das Aufnahmemittel 7 vor Ort beim Nutzer 4 angeordnet ist und dieses über eine oder mehrere Leitungen mit io der Kommunikationsanlage 1, insbesondere der Auswerteeinheit 8, verbunden wird.

Damit bei der Installation der Kommunikationsanlage 1 eine optimale Einstellung vorgenommen werden kann, sind in der Kommunikationsanlage 1 15 unterschiedlichsten Tools und/oder Test-Software, wie beispielsweise ein Installationstool, ein Spracherkennungstool, Sprachtest, usw., integriert. Beispielsweise kann eine optimale Parametrierung der Auswerteeinheit 8 über umfangreiche automatisierte Sprachtests, welche auf deutsche und englische Sprachkorpora basieren, erfolgen. 20

Auch ist es möglich, dass die Kommunikationsanlage 1 eine oder mehrere Schnittstellen 23 aufweist, mit der Daten mit externen angeschlossenen bzw. drahtlos verbundenen Komponenten ausgetauscht und/oder gesteuert werden. Dabei wird beispielsweise eine zusätzliche weitere Software zur Steuerung 25 angeschlossener Komponenten in der Kommunikationsanlage 1 abgearbeitet und/oder Daten von der Kommunikationsanlage 1 an angeschlossene bzw. verbundenen Komponenten übergeben.

Wie zuvor bereits erwähnt, kann in der Kommunikationsanlage 1 ein weiteres 30 zusätzliches Modul 17, insbesondere das sogenannte RTF-Estimation-Modul 17, welches aus der Richtungsinformation des ersten Moduls 12 die relativen akustischen Transferfunktionen zwischen den Mikrofonen 10, 11 berechnet, eingesetzt werden. Bei einem Einsatz der Kommunikationsanlage 1 in einer 21/41 22 ···· · · ··· ····· · · · · ·· ·· ···· ···· ··· ··

Gegensprechanlage wird ein weiteres Modul 24, insbesondere ein sogenanntes Echochanceller-Modul 24, zur Reduzierung von akustischen Echos, zusammen mit den Modulen 12 bis 14 eins bis drei in einer einzigen Betriebssoftware eingesetzt, wie dies schematisch dargestellt ist. Darüber hinaus ist es möglich, 5 dass die Anordnung der Mikrofone 10, 11 während des Betriebes ermittelt wird, wobei lediglich ein Bereich für den Abstand der Mikrofone 10, 11 vorgegeben wird, d.h., dass Vorort eine optimale Einstellung im Bezug auf die mögliche Sprachposition des Nutzers 4 vorgenommen werden kann. io Aufgrund der optimale Sprachaufbereitung ist es auch möglich, dass das resultierende Sprachsignal 5 entweder direkt ausgegeben wird und/oder, vorzugsweise permanent, in einem Sprachspeicher abgelegt wird, wobei der Signaltransport über ein beliebiges Medium und/oder Protokoll erfolgen kann. Somit können von der Kommunikationsanlage aufgrund von hinterlegten 15 Sprachbefehlen angeschlossene Komponenten aktiviert und deaktiviert werden.

Man kann also sagen, dass die Sprachverständlichkeit erhöht wird, indem bei gleichbleibender Sprachqualität die Lautheit der Störgeräusche 3 vermindert wird. Dies erfolgt auf elektronischem Wege als Teil der Betriebssoftware der 20 Kommunikationsanlagen 1. Das Verfahren nutzt dabei die Information mehrerer, insbesondere zweier Mikrofonkanäle, um zwischen Stör- und Nutzschall 3 und 5 zu unterscheiden. Grundsätzlich wird weiters darauf hingewiesen, dass anstelle eines modularen Aufbaus jede andere bekannte Aufbaumöglichkeit gewählt werden kann, insbesondere durch eine Mikroprozessorsteuerung. Hierbei ist es 25 lediglich wichtig, dass bei einer Implementierung in andere Systeme bzw. Aufbauten die entsprechenden Algorithmen verwendet werden, um eine verbesserte Sprachausgabe zu erreichen.

In Fig. 4 ist eine Schrankenanlage 25 beispielsweise für ein Parkhaus u/o 30 Tiefgarage, usw., schematisch und symbolhaft dargestellt.

Wie schematisch dargestellt, befindet sich die Schrankenanlage 25 an einer Zufahrt 26. Üblicherweise weisen derartige Anlagen dezentrale Meldezentralen 27 22/41 23 23 • · • · · t · · ··· ····· · ··· ·· ·· ···· ···· ··· ·· auf, in der eine Zentraleinheit 28 zur Steuerung aller Komponenten angeordnet ist, d.h., dass an der Zentraleinheit 28 die Kommunikationsanlage 1, die bevorzugt ebenfalls dezentral positioniert ist, eine Steuereinheit 29 der Schrankenanlage 25 mit dem Schranken 30 angeschlossen bzw. verbunden sind, wobei hierzu bevorzugt ein serielles oder paralleles Daten-/Steuer-Netzwerk 31 verwendet wird. Hierbei ist es möglich, dass beispielsweise nunmehr die Auswertung des Sprachsignals 5 in der Zentraleinheit 28 erfolgt, sodass an jenem Ort, wo sich der Nutzer 4 befindet, also im Ein- oder Ausgangsbereich, die Kommunikationsanlage 1 durch das Aufnahmemittel 7 gebildet wird. Die Wiedergabe des Sprachsignals 5 über die Ausgabeeinheit 9, insbesondere über das Ausgabemittel 21, erfolgt in der Meldezentrale 27. Da bei derartigen Anlagen jedoch ein gegenseitiger Sprechverkehr notwendig ist, ist sowohl in der Meldezentrale 27 als auch an der Kommunikationsanlage 1 Vorort beim Nutzer ein Aufnahmemittel 7 und ein Ausgabemittel 21, gemäß Beschreibung zu Fig. 1, vorhanden. Dadurch kann der Nutzer 4 an der Schrankenanlage 21 mit einem Nutzer 4 in der Meldezentrale (nicht dargestellt) kommunizieren. Selbstverständlich ist es auch möglich, dass in der Kommunikationsanlage 1 die Auswertung des Sprachsignals 5 stattfinden kann, d.h., also, dass die Zentraleinheit und/oder Kommunikationsanlage zur Durchführung des Verfahrens, wie zuvor beschrieben, ausgebildet ist.

In Fig. 5 ist ein weiteres Ausführungsbeispiel für die Anwendung einer Kommunikationsanlage 1 gezeigt. Hierbei wird die Kommunikationsanlage 1 in einer Notrufanlage 32 beispielsweise für Verkehrsstraßen, insbesondere Autobahnen 33, Schnellstraßen, Highways, usw., eingesetzt, wobei hierzu eine Vielzahl von Meldestellen 34 installiert bzw. eingesetzt werden, d.h., dass bei diesem Ausführungsbeispiel mehrere Kommunikationsanlagen 1 zusammen wirken, wobei jede Kommunikationsanlage 1 für sich eigenständig das DCSE-System zum Aufbereiten des Sprachsignals 5 durchführt oder dies zentral in einer Zentraleinheit 28 für alle Meldestellen 34 mit der Kommunikationsanlage 1 durchführt, d.h., dass die Zentraleinheit 28 und/oder Kommunikationsanlage 1 zur Durchführung des Verfahrens, wie zuvor beschrieben, ausgebildet ist. 23/41 24

··· • · 4 • · 4

Bei dem Ausführungsbeispiel weist jede Meldestelle 34 und die Zentraleinheit 28 eine Übertragungseinheit 35 auf. Die die Übertragungseinheit 35 ist durch Datenleitungen, Telefonleitungen, Funksignale und/oder Internetverbindungen gebildet. Dabei ist es auch möglich, dass die unterschiedlichen Systeme 5 miteinander kombiniert werden, d.h., dass beispielsweise alle Meldestellen 34 über Daten leitu ngen 36 miteinander verbunden sind und an einer Zentrallen Stelle 37 eine Übersetzung auf ein Funksignal oder eine Internetverbindung 38 für das Internat 39 stattfindet, sodass eine weit entfernte Zentraleinheit 28 über das Funksignal oder die Internetverbindung 38 verbunden wird, wie dies schematisch io beim Ausführungsbeispiel in Fig. 5 dargestellt ist. Damit ein unverwechselbarer Datenaustausch zwischen den Meldestellen 34 untereinander und der Zentraleinheit 28 reibungslos funktioniert, ist es von Vorteil, wenn jede Meldestelle 34 und somit die Kommunikationseinheit 1 und die Zentraleinheit 28 codiert sind, sodass die einzelnen Meldestellen 34 einzelnen angesprochen werden können. 15 Dabei ist es auch möglich, dass die Ausgabeeinheit 9 für das Sprachsignal 5 mit der Übertragungseinheit 35 für die externe Meldestelle 34 verbunden ist, sodass von der Zentraleinheit 28 direkt die Ausgabeeinheit 9 aktiviert werden kann, bzw. ein Sprachsignal 5 vom Nutzer 4 in der Zentrale ausgegeben werden kann. 20 Grundsätzlich wird darauf hingewiesen, dass die Kommunikationseinheit 1 auch in anderen Gebieten eingesetzt werden kann, wie beispielsweise in Verkehrstunnel, Industrieparks, Hotelanlagen, usw. Auch ist es möglich, dass die Kommunikationseinheit 1 noch weitere Module, wie beispielsweise ein Display zum Anzeigen von Informationen, ein Eingabeblock zum Eingeben von Codes, 25 Nummern, Namen, usw., aufweist. Weiters ist es auch möglich, dass zum Aktivieren der Kommunikationsanlage 1 diese mit einem Aktivierungsmittel verbunden sind. Insbesondere wenn die Kommunikationsanlage 1 als Gegensprechanlage eingesetzt wird, kann diese mit einem Aktivierungsknopf bzw. Schalter verbunden sein.

Der Ordnung halber sei abschließend darauf hingewiesen, dass zum besseren Verständnis des Aufbaus dieser bzw. dessen Bestandteile teilweise unmaßstäblich und/oder vergrößert und/oder verkleinert dargestellt wurden. 24/41 30 25 25 • · · • · · • · · • · • · · · • · · · • t · · ·· ··

Die den eigenständigen erfinderischen Lösungen zugrunde liegende Aufgabe kann der Beschreibung entnommen werden.

Vor allem können die einzelnen in den Fig. 1 bis 3, 4, 5 gezeigten Ausführungen 5 den Gegenstand von eigenständigen, erfindungsgemäßen Lösungen bilden. Die diesbezüglichen, erfindungsgemäßen Aufgaben und Lösungen sind den Detailbeschreibungen dieser Figuren zu entnehmen. 25/41 26 26

Bezugszeichenliste:

Kommunikationsanlage

Schallquelle

Störgeräusche

Nutzer

Sprachsignal

Audiosignal

Aufnahmemittel

Auswerteeinheit

Ausgabeeinheit

Mikrofon

Modul

Hauptkeule

Nebenkeule

Zusatzmodul

Abstand

Ausgabemittel

Lautsprecher

Schnittstelle

Modul

Schrankenanlage

Zufahrt

Meldezentrale

Zentraleinheit

Steuereinheit

Schranken

Netzwerk 26/41 32 Notrufanlage 33 Autobahn 34 Meldestelle 35 Übertragungseinheit 36 Datenleitung 37 Stelle 38 Internetverbindung 39 Internet

Claims

-1 20 berechnet wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass im ersten Modul (12), dem DOA-Estimation-Modul (12), eine Richtwirkung der Mikrofonempfindlichkeit in Richtung des Sprechers (4) erzeugt wird, wobei eine Hauptkeule (15) mit der Bewegung des Sprechers (4) nachgeführt wird.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Hauptkeule (15) eine Breite von -20° und +20° um die aktuelle Position des Sprechers (4) umfasst, wobei der nutzbare Frequenzbereich 20 bis 20 000 Hz umfasst. 28/41
4. Verfahren nach mindestens einem der vorhergehenden Ansprüche 2 oder 3, dadurch gekennzeichnet, dass die Breite der Hauptkeule (15) mit steigender Frequenz in der Bandbreite abnimmt.
5. Verfahren nach mindestens einem der vorhergehenden Ansprüche 2 bis 4, dadurch gekennzeichnet, dass die Hauptkeule (15) derart ausgelegt wird, dass minimale Schwankungen, wie beispielsweise Kopfbewegungen des Sprechers (4), automatisch ausgeglichen werden. io
6. Verfahren nach mindestens einem der vorhergehenden Ansprüche 1 bis 5, dadurch gekennzeichnet, dass im ersten Modul (12), insbesondere in dem DOA-Estimation Modul (12), folgender Algorithmus „Direct-to-Diffiffusion Ratio“ zur Schätzung bzw. Festlegung der Richtung des Sprachsignals (5) läuft bzw. abgearbeitet wird. 15
7. Verfahren nach mindestens einem der vorhergehenden Ansprühe 1 bis 6 dadurch gekennzeichnet, dass das Audiosignal (6), insbesondere ein Mikrofonsignal, am Mikrofon (10, 11) durch das Störgeräusch (3) und das Sprachsignal (5) derart zusammen setzt und derart definiert wird zm(jü) = S(jn)e-M'ATm -r N(jü) 20 wobei Zm(j) das Audiosignal (6), insbesondere des m-ten Mikrofonsignal, N(j) das Störsignal (3), S(j) das Sprachsignal (5) und Axm die Richtung definieren. 25
8. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 7, dadurch gekennzeichnet, dass im ersten Modul (12) eine Spektraldichteschätzung über eine Zeitmittelung entsprechend dem folgenden Algorithmus &ZmZm(jty — Zm(jü)\2} = #5S0i2) + #Awt?0). berechnet wird. 29/41 30 30 • · · ·· ·· · · · • · · · · · ··· ··· ···· · ··· ····· · ··· ·« ·· ·*·· «#·· ··· ··
9. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 8, dadurch gekennzeichnet, dass aus der Spektraldichteschätzung eine komplexe räumlich Kohärenz zwischen dem ersten Audiosignal (6) und dem weiteren Audiosignal (6), insbesondere Mikrofonsignalen, 5 über den Algorithmus yzmz„ &zmzm, (ß-)_ y ^zmzm{3^)^zm>zm, 0'^) r ddrU Ω) + 1 berechnet wird, wobei l~DDR(jö) + 1 das Verhältnis aus den Energien des Direktschalles zum diffusen Schall beschreibt. io
10. Verfahren nach mindestens einem oder mehreren der vorherhehenden Ansprüche 1 bis 9, dadurch gekennzeichnet, dass aus dem Sprachsignal (5) der Direktschall und aus dem Störsignal (3) der diffuse Schall gebildet wird und ein derartiges Verhältnis wie folgt bilden: $ss(j0) Φ Νχίβΐ) QWmAwtffi) ~ Ίzmzm, O'ii) -
11. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 10, dadurch gekennzeichnet, dass das Störgeräusch (3) als ideal isotropisch betrachtet wird und derart definiert wird: kd„
12. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 11, dadurch gekennzeichnet, dass durch Integration über das komplexe Fourierspektrum entsprechend der Formel ./o=o Ü--) ~ 1ζηζη,(βΊ) "V Τ' r? ^} ( ) 5 Δτ-ίτι 25 eine Kostenfunktion gebildet wird. 30/41 31 • · · · · 9 999 999 9 9 9 9 « 9 9 9 9 9 9 9 9 9 · 9 · 9 • t 99 ···· 9*99 ··· ··
13. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 12, dadurch gekennzeichnet, dass durch Vorgabe von mehreren, insbesondere fünfzig, möglichen Einfallswinkeln zwischen -90° und +90° man den wahrscheinlichen Einfallswinkel für das Maximum der Kostenfunktion gemäß der 5 Formel Atm = arg max Δγτλ erhält.
14. Verfahren nach mindestens einem oder mehreren der vorhergehenden io Ansprüche 1 bis 13, dadurch gekennzeichnet, dass im Zusatzmodul (17) „RTF-Estimation“ ein Betrag der Übertragungsfunktion zwischen dem m-ten und dem m‘-ten Mikrofon gemäß der Formel Anim j ^Zrr,Zm(m V Φζ ·2 berechnet wird.
15. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 14, dadurch gekennzeichnet, dass mit dem Vorhandensein eines Sprachsignals und einem ermittelten Einfallswinkel eine Transferfunkton gemäß der Formel Ämim = \Äm(m\e-inf*Afm· 20 ermittelt wird.
16. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 14, dadurch gekennzeichnet, dass im zweiten Modul (13) die 25 Aufteilung der über die Mikrofonkanäle aufgenommenen Audiosignale (6) in ein Sprachsignal (5) und in ein Störgeräusch (3) erfolgt.
17. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 16, dadurch gekennzeichnet, dass die ermittelte Richtung des 31/41 32 32 • · ···· ··*· ·« Sprachsignals (5) und/oder die Daten hierfür vom ersten Modul (12) an das zweite Modul (13) übergeben werden.
18. Verfahren nach mindestens einem oder mehreren der vorhergehenden 5 Ansprüche 1 bis 17, dadurch gekennzeichnet, dass bei der Aufteilung des Audiosignales (6) in das Sprachsignal (5) und dem Störgeräusch (3) die Richtung des Sprachsignals (5) und/oder die Daten des ersten Moduls (12) berücksichtigt werden. io
19. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 18, dadurch gekennzeichnet, dass im dritten Modul (14), im so genannten Multichannel-Postfilter-Modul (14), ein mathematisches Verfahren basierend auf einer räumlichen Autokorrelationsmatrix der Signale zum Einsatz kommt, welches das Verhältnis von Sprachsignal-Energie zu Störsignal-Energie 15 (SNR) im Ausgabesignal des zweiten Modules (13) ermittelt.
20. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 19, dadurch gekennzeichnet, dass im dritten Modul (14) unter Verwendung einer Filterfunkton “W(jQ)‘‘ eines GSC-Beamformers die Schätzung 20 des Sprachsignals (5) und des Störgeräusches (3) wie folgt angegeben wird: S(jü) = Ä(jn)WH(jü)Z(jü) Mßl) = Z(jiV) - SQÜ). J dabei beschreibt der Vektor A(Qj) das Audiosignal (6) an allen Mikrofonen (10, 11).
21. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 20, dadurch gekennzeichnet, dass sich aus der Formel M φ§§ = Σ i$»ewi2 m=l M = Σ i2. m= 1 32/41 33 die Langzeit-Spektraldichteschätzung des Sprachsignals (5) und respektive des Störgeräusches (3) ergibt.
22. Verfahren nach mindestens einem oder mehreren der vorhergehenden 5 Ansprüche 1 bis 21, dadurch gekennzeichnet, dass eine effizienten Implementation für die Langzeit-Spektraldichteschätzung gemäß der Formel Tr (TjYjy) = M M Tr (rj¥.,WiF) = Tr (iFffrw) (Wffr,VJV)m m=l M Tr (ÄWHrNNWÄH>j == Tr = £ \AmfWHTNNW m—i erfolgt. io
23. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 22, dadurch gekennzeichnet, dass die Kurzzeit-Spektralschätzung durch direkte Berechnung gemäß der Formel Φ§§ = ÄWaTNNWÄu ΦΜ = ΓΝΝ - rNNWÄH - ÄWarNx + ÄWhTnnWÄh erhalten wird.
24. Verfahren nach mindestens einem oder mehreren der vorhergehenden Ansprüche 1 bis 23, dadurch gekennzeichnet, dass das Verhältnis des Sprachsignals (5) zum Störgeräusch (3) gemäß dem Algorithmus
25. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 24, dadurch gekennzeichnet, dass im dritten Modul (14) die vom zweiten Modul (13) übergebenen Signale annähernd in Echtzeit, vorzugsweise mit 32 ms Verzögerung, verarbeitet werden. 33/41 25 34 • · • · · · · · • · · · · · · • · · · t • · · · · • · · · · · · · · ·· ·· ··········· §φ
26. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 25, dadurch gekennzeichnet, dass vom dritten Modul (14) eine Absenkung des Störgeräusches (3) um 25 dB erreicht wird.
27. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 26, dadurch gekennzeichnet, dass eine optimale Parametrierung der Auswerteeinheit (8) über umfangreiche automatisierte Sprachtests, welche auf deutsche und englische Sprachkorpora basieren, erfolgt.
28. Verfahren nach einem oder mehreren der vorhergehenden Ansprüchen 1 bis 27, dadurch gekennzeichnet, dass eine zusätzliche weitere Software zur Steuerung angeschlossener Komponenten in der Kommunikationsanlage (1) abgearbeitet wird und/oder Daten von der Kommunikationsanlage (1) an angeschlossene Komponenten übergeben werden.

28 • · « · * ·· « · · • · · · · ······· • · · · · · · · · t · · · · · · · · ·· ·· ···· ···· ··· ·· ../14.3.13 Patentansprüche: 1. Verfahren zur Erhöhung der Sprachverständlichkeit eines Audiosignals (6), das aus einem Gemisch von Störgeräuschen (3) und Sprachsignalen (5) besteht, in digitalen elektroakustischen Kommunikationsanlagen (1), dadurch gekennzeichnet, dass die Sprachverständlichkeit durch Verminderung der Lautstärke der Störgeräusche (3) vom Ort eines Sprechers (4) erreicht wird, wobei zur Aufnahme des Audiosignals (6) zumindest zwei Mikrofonkanäle verwendet werden, welche das Audiosignal (6) an eine Auswerteeinheit (8) weiterleiten, in der das Störgeräusch (3) auf elektronischen Wege minimiert wird und das erzeugte Sprachsignal (5) von der Kommunikationsanlage (1) über eine Ausgabeeinheit (9) wiedergegeben wird und dass der Betrieb der Kommunikationsanlage (1) und/oder der Auswerteeinheit (8) über eine Betriebssoftware, sichergestellt wird und dass die Auswerteeinheit (8) - ein erstes Modul (12), insbesondere ein DOA-Estimation-Modul (12), zur Bestimmung der Richtung des Sprachsignals (5), - ein zweites Modul (13), insbesondere ein GSC-Beamforming-Modul (13), zur Feststellung und Trennung des Sprachsignals (5) von den Störgeräuschen (3) und - ein drittes Modul (14), insbesondere ein Multichannel-Postfilter-Modul (14), zur Subtraktion des Störgeräusches (3) vom Sprachsignal (5) umfasst.
29. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 28, dadurch gekennzeichnet, dass bei einem Einsatz in einer Gegensprechanlage ein weiteres Modul (24), insbesondere ein sogenanntes Echochanceller-Modul (24), zur Reduzierung von akustischen Echos, zusammen mit den Modulen (10,11,12) eins bis drei in einer einzigen Betriebssoftware eingesetzt wird.
30. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein weiteres zusätzliches Modul (17), insbesondere ein sogenanntes RTF-Estimation-Modul (17), welches aus der Richtungsinformation des ersten Moduls (12) die relativen akustischen Transferfunktionen zwischen den Mikrofonen (10, 11) berechnet, eingesetzt wird.
31. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 30, dadurch gekennzeichnet, dass die Anordnung der Mikrofone (10, 11) während des Betriebes ermittelt wird, wobei lediglich ein Bereich für den Abstand der Mikrofone (10, 11) vorgegeben wird. 34/41 35 .*·. • ···· ·· • · · • ♦·· ♦·· * · · « • · «
32. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 31, dadurch gekennzeichnet, dass das resultierende Sprachsignal (5) entweder direkt ausgegeben wird und/oder, vorzugsweise permanent, in einem sprachspeicher abgelegt wird, wobei der Signaltransport über ein beliebiges 5 Medium und/oder Protokoll erfolgt.
33. Verfahren nach einem oder mehreren der vorhergehenden Ansprüche 1 bis 32, dadurch gekennzeichnet, dass von der Kommunikationsanlage (1) aufgrund von hinterlegten Sprachbefehlen angeschlossene Komponenten aktiviert und io deaktiviert werden.
34. Schrankensystem (25) mit einer Kommunikationsanlage (1), die eine Zentraleinheit aufweist, an der die Kommunikationsanlage (1), die Schrankenanlagen (25), eine Meldezentrale (27) und weitere Komponenten 15 angeschlossen sind, dadurch gekennzeichnet, dass die Kommunikationsanlage (1) und/oder die Zentraleinheit (28) zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 18 ausgebildet ist.
35. Schrankensystem (25) nach Anspruch 18, dadurch gekennzeichnet, dass die 20 Wiedergabe des Sprachsignals (5) über die Ausgabeeinheit (9) in der Meldezentrale (27) erfolgt.

36. Notrufanlage (32), umfassend eine Zentraleinheit (28) an der eine Kommunikationsanlage (1) angeschlossen ist, wobei die Zentraleinheit (28) 25 bevorzugt über Übertragungseinheit (35) mit einer externen Meldestelle (34) verbunden ist, dadurch gekennzeichnet, dass die Zentraleinheit (28) und/oder Kommunikationsanlage (1) zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 18 ausgebildet ist.

37. Notrufanlage (32) nach Anspruch 36, dadurch gekennzeichnet, dass die Übertragungseinheit (35) durch Datenleitungen (36), Telefonleitungen, Funksignale und/oder Internetverbindungen (38) gebildet ist 35/41 36 • · • · • · • ···

38. Notrufanlage (32) nach Anspruch 36 oder 37, dadurch gekennzeichnet, dass die Ausgabeeinheit (9) für das Sprachsignal (5) mit der Übertragungseinheit (35) für die externe Meldestelle (34) verbunden ist.

39. Kommunikationseinheit (1), die zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 18 geeignet ist, dadurch gekennzeichnet, dass diese in Verkehrstunnel, Industrieparks, Hotelanlagen, usw. einsetzbar ist. io Commend International GmbH
36/41