DE10025655A1 - Adaptives Signaltrennsystem und -verfahren - Google Patents
Adaptives Signaltrennsystem und -verfahrenInfo
- Publication number
- DE10025655A1 DE10025655A1 DE10025655A DE10025655A DE10025655A1 DE 10025655 A1 DE10025655 A1 DE 10025655A1 DE 10025655 A DE10025655 A DE 10025655A DE 10025655 A DE10025655 A DE 10025655A DE 10025655 A1 DE10025655 A1 DE 10025655A1
- Authority
- DE
- Germany
- Prior art keywords
- component
- error component
- signal
- module
- auto
- 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.)
- Granted
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 title claims abstract 3
- 238000000926 separation method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000000694 effects Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000011410 subtraction method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 101150087426 Gnal gene Proteins 0.000 description 1
- 206010040007 Sense of oppression Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035987 intoxication Effects 0.000 description 1
- 231100000566 intoxication Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
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
- 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
- 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)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
Ein Verfahren zum Unterdrücken von unerwünschten Komponenten in einem Signal, das eine erwünschte Komponente und unerwünschte Komponenten aufweist, wendet eine Autoregressions-Modelltechnik an. Ein Autoregressionsmodul (24) bestimmt eine spaktrale Leistungsdichteapproximation des Signals. Eine Fehlerkomponente der spektralen Leistungsdichteapproximation weist die erwünschte Komponente auf. Anteile der Fehlerkomponente, die Frequenzen außerhalb des erwarteten Bereichs der erwünschten Komponente haben, werden bevorzugt herausgefiltert (28), so daß das Ergebnis die erwünschte Komponente ist, aus der die unerwünschte Komponente entfernt ist. Die Erfindung ist beispielsweise zum Unterdrücken von unerwünschten Rauschkomponenten aus Schallsignalen brauchbar.
Description
Die vorliegende Erfindung betrifft allgemein ein Verfahren
zum Unterdrücken einer unerwünschten Komponente in einem Si
gnal, das eine erwünschte und eine unerwünschte Komponente
hat.
Es gibt viele verschiedene Anwendungen, bei denen eine Tren
nung von Signalkomponenten nützlich oder erforderlich ist. In
manchen Situationen muß eine unerwünschte Rauschkomponente
herausgefiltert oder im Vergleich zu einer erwünschten
Schallkomponente unterdrückt werden, um verständliche Über
tragungen zu erzielen.
Als ein Beispiel sei der Fall genannt, in dem jemand mit
einem Mobiltelephon in einem Kraftfahrzeug spricht. Das Vor
handensein von Umgebungsrauschen beeinträchtigt oft die Fä
higkeit der Person, mit der der Betreffende spricht, das zu
hören, was der Betreffende während des Fahrens sagt. Dies
trifft insbesondere dann zu, wenn man versucht, einen Frei
sprech-Lautsprecher in dem Fahrzeug während der Fahrt zu ver
wenden.
Die Möglichkeit, einen Lautsprecher in einem Fahrzeug zu ver
wenden, ist erwünscht, weil dadurch die Sicherheit beim Fah
ren erhöht wird und der Fahrer beide Hände am Lenkrad lassen
kann und er daher von der Aufgabe, das Fahrzeug zu fahren,
nicht so sehr abgelenkt wird wie dann, wenn der Fahrer bei
spielsweise ein Mobiltelephon halten muß. Die fehlende Fähig
keit, effektiv zu kommunizieren, beschränkt jedoch die
Brauchbarkeit von gegenwärtig erhältlichen Fahrzeug-Laut
sprechern.
Es gibt viele verschiedene andere Anwendungen, bei denen Um
gebungsrauschen ebenfalls von einem Mikrophon aufgenommen
wird, was die Projektion der gewünschten Sprachkomponente
stört. Andere Anwendungen, bei denen eine einfache, klare und
genaue Sprachkommunikation erforderlich ist, sind z. B.
Spracherkennungssysteme, Sgrachsteuerungssysteme und Bord
kommunikationssysteme.
Angesichts der vielen verschiedenen Anwendungen von Rausch
unterdrückungssystemen ist es nicht überraschend, daß ver
schiedene Versuche gemacht worden sind, dieses Erfordernis zu
befriedigen. Ein Beispiel eines Rauschunterdrückungsverfah
rens wird manchmal als "Spektral- bzw. Frequenzsubtraktion"
bezeichnet. Diese Vorgehensweise arbeitet typischerweise im
sogenannten Frequenzbereich und ist abhängig von der Trennung
von Sprache, die typischerweise eine nichtstationäre Stati
stik hat, von Rauschen, das typischerweise eine stationäre
Statistik hat. Spektralsubtraktionsverfahren sind z. B. erör
tert in: Dirk Van Compernolle, Speech Enhancement, § 10.3,
Victor Zue, Ed., in Survey of the State of the Art in Human
Language Technology, Ronald A. Cole, Ed.,HTTP: / / WWW. KGW. TU-
Berlin-De/~Negel/SpeechTech/HLTsurvey.html.
Spektralsubtraktionsverfahren sind zwar brauchbar; sie sind
jedoch nicht ohne Mängel oder Nachteile. Beispielsweise kann
die durch solche Verfahren erhaltene Rauschunterdrückung mu
sikalische Artefakte in der wiedergegebenen Sprache aufwei
sen. Außerdem besteht typischerweise eine Notwendigkeit,
Sprechaktivitätsdetektoren in der Anlage vorzusehen, die zur
Durchführung des Verfahrens verwendet wird.
Spektralsubtraktionsverfahren erfordern ferner einen be
trächtlichen Rechenaufwand für schnelle Fouriertransforma
tionen und können Verarbeitungsverzögerungen zeigen, die die
Qualität der wiedergegebenen Sprache beeinträchtigen. Die be
achtliche Rechenzeit beeinträchtigt nicht nur die Qualität
der wiedergegebenen Sprache, sondern kann auch zu relativ ho
hen Kosten bei einem Rauschunterdrückungssystem führen.
Bei vielen Anwendungen, wie etwa dem obengenannten Frei
sprech-Mobiltelephon in einem Fahrzeug, machen die Kosten,
die damit verbunden sind, ausreichende Rechenkapazität und
Rechenspeicherplatz vorzusehen, um ein Spektralsubtraktions
verfahren durchzuführen, dieses für solche Anwendungen nicht
praktikabel.
Es besteht ein Bedarf an einem effizienteren, effektiveren
und wirtschaftlichen Signaltrennverfahren, das umfassend an
wendbar ist. Die vorliegende Erfindung stellt ein solches
Verfahren bereit und vermeidet die oben beschriebenen Mängel
und Nachteile.
Allgemein ausgedrückt, gibt die vorliegende Erfindung ein
Verfahren zum Unterdrücken einer unerwünschten Komponente aus
einem Signal an, das eine erwünschte Komponente, wie etwa
Sprache enthält. Das Verfahren gemäß der Erfindung weist meh
rere Grundschritte auf. Zunächst wird ein Signal, das eine
erwünschte Komponente und eine unerwünschte Komponente hat,
eingefangen. Dann wird eine spektrale Leistungsdichteapproxi
mation des eingefangenen Signals erstellt, und eine Fehler
komponente wird aus dieser Approximation abgetrennt. Die er
wünschte Komponente wird dann aus der Fehlerkomponente der
spektralen Leistungsdichteapproximation bestimmt.
Bei der bevorzugten Ausführungsform wird die Fehlerkomponente
der spektralen Leistungsdichteapproximation herausgefiltert,
um Anteile abzutrennen, die eine Frequenz oberhalb eines vor
gewählten Maximums haben. Wenn beispielsweise die erwünschte
Komponente Sprache ist, werden sämtliche Schallkomponenten
mit einer Frequenz, die die typische Frequenz der menschli
chen Sprache im oberen Bereich (beispielsweise 1500 Hz) über
schreitet, unter Verwendung von zum Beispiel einem Bandpaß
filter herausgefiltert.
Ein gemäß der vorliegenden Erfindung ausgebildetes System
weist bevorzugt einen Kollektor, wie etwa ein Mikrophon auf,
der Signale oder Schwingungen einfängt, die eine erwünschte
Komponente aufweisen. Der Kollektor erzeugt ein Signal, das
für die eingefangenen Signale kennzeichnend ist.
Ein Autoregressionsmodul kommuniziert mit dem Kollektor und
empfängt das Signal von dem Kollektor. Das Autoregressionsmo
dul bestimmt eine eine Fehlerkomponente aufweisende spektrale
Leistungsdichteapproximation des Signals von dem Kollektor.
Ein Filtermodul filtert die Fehlerkomponente heraus, um An
teile der Fehlerkomponente zu entfernen, die eine Frequenz
oberhalb eines vorgewählten Maximum haben, so daß die heraus
gefilterte Fehlerkomponente eine reduzierte Menge an uner
wünschten Komponenten aufweist und die erwünschte Komponente
klarer unterscheidbar ist.
Die Erfindung wird nachstehend, auch hinsichtlich weiterer
Merkmale und Vorteile, anhand der Beschreibung von Ausfüh
rungsbeispielen unter Bezugnahme auf die beiliegenden Zeich
nungen näher erläutert. Die Zeichnungen zeigen in:
Fig. 1 schematisch ein gemäß der vorliegenden Erfindung
ausgebildetes System;
Fig. 2 schematisch eine alternative Ausführungsform eines
gemäß der vorliegenden Erfindung ausgebildeten Sy
stems; und in
Fig. 3 die Ergebnisse eines Teils des Verfahrens der vor
liegenden Erfindung in Diagrammform.
Fig. 1 zeigt schematisch ein System 20 zum Unterdrücken des
Umfangs von unerwünschten Signalkomponenten, wie etwa Rau
schen, in einem hörbaren Schallsignal. Rauschen wird in der
gesamten Beschreibung als ein Beispiel einer unerwünschten
Komponente verwendet. Die Erfindung ist jedoch nicht auf die
Unterdrückung von Rauschen aus einem hörbaren Signal be
schränkt.
Ein Kollektor 22, wie etwa ein herkömmliches Mikrophon, fängt
hörbaren Schall ein. Da fast immer etwas Grundrauschen vor
handen ist, fängt der Kollektor 22 die erwünschte Schallkom
ponente, wie etwa die Sprache einer Person, und eine uner
wünschte Rauschkomponente, wie etwa Grundrauschen ein.
Der Kollektor 22 erzeugt ein elektrisches Signal, das für den
eingefangenen Schall repräsentativ ist. Ein Autoregressions
modul 24 verarbeitet das von dem Kollektor 22 gelieferte Si
gnal. Das Autoregressionsmodul ist bevorzugt ein Softwaremo
dul in einem Mikroprozessor oder Computer.
Autoregressions-Modellieren von Signalen ist im Stand der
Technik bekannt und beispielsweise beschrieben in: S.
Lawrence Marple, Jr., Digital Spectral Analysis With Applica
tions, Prentice Hall, Englewood Cliffs, New Jersey, 1987; und
Steven M. Kay, Modern Spectral Estimation, Prentice Hall,
Englewood Cliffs, New Jersey, 1988. Aus diesem Grund wird das
Autoregressions-Modellieren in der vorliegenden Beschreibung
nicht näher erläutert.
Das Autoregressionsmodul 24 bestimmt bevorzugt eine Allpol
approximtion niedriger Ordnung der spektralen Leistungsdichte
des Signals von dem Kollektor 22. Eine Autoregressions-Model
liertechnik weist immer eine Fehlerkomponente auf, was für
den Fachmann klar ist.
Die Fehlerkomponente hat typischerweise ein weißes (d. h.
Gaußsches) Spektrum. Angesichts der Eigenart der Sprache wird
die Sprachkomponente des eingefangenen Signals in der Fehler
komponente der spektralen Leistungsdichteapproximation gefun
den, die am Ausgang 26 des Autoregressionsmoduls 24 verfügbar
ist.
Die Fehlerkomponente wird unter Verwendung eines Filtermoduls
28 bevorzugt herausgefiltert, um die Anteile der Fehlerkompo
nente zu entfernen, die Frequenzen außerhalb eines vorgewähl
ten Bereichs haben. Wenn die erwünschte Schallkomponente bei
spielsweise menschliche Sprache aufweist, werden die Anteile
der Fehlerkomponente, die eine Frequenz oberhalb einer ge
wählten Grenze (beispielsweise 1500 Hz) haben, bevorzugt von
dem Filtermodul 28 herausgefiltert.
Unter diesen Bedingungen ist die Sprachkomponente, die im Be
reich von 300 Hz bis 1500 Hz wäre, diejenige, die bei 30 ab
gegeben wird, nachdem die Fehlerkomponente von dem Filtermo
dul 28 herausgefiltert worden ist.
Eine andere bevorzugte Ausführungsform ist in Fig. 2 ge
zeigt. Diese Ausführungsform weist die gleichen Komponenten,
die oben beschrieben und in Fig. 1 gezeigt sind, auf. Außer
dem weist die Ausführungsform von Fig. 2 ein Sprechaktivi
tätsdetektormodul 32 auf. Bei dieser Ausführungsform wird das
Autoregressionsverfahren bevorzugt nur während der Sprachpau
sen, wie sie von dem Sprechaktivitätsdetektormodul 32 ermit
telt werden, angepaßt.
Alternativ weist das Autoregressionsmodul 24 eine solche Pro
grammierung auf, daß es auf das Sprechaktivitätsdetektormodul
32 nur dann anspricht, wenn die Änderung des Rauschens des
eingefangenen Signals über die Zeit ausreichend lang ist, so
daß eine kontinuierliche Anpassung des Autoregressions-Model
lierens mit niedriger Rate durchgeführt werden kann.
Fig. 3 zeigt in Diagrammform eine Darstellung 40 von bei
spielhaften Ergebnissen der Anwendung des Verfahrens gemäß
der Erfindung. Die Kurve 42 stellt ein eingefangenes Signal
dar, das eine erwünschte Schallkomponente, wie etwa Sprache,
und die unerwünschte Rauschkomponente aufweist.
Die Kurve 44 stellt eine Fehlerkomponente der von dem Auto
regressionsmodul 24 bereitgestellten spektralen Leistungs
dichteapproximation dar. Die Fehlerkomponente 44 weist die
erwünschte Schallkomponente und etwas unerwünschtes Rauschen
auf.
In dem Beispiel, in dem die erwünschte Schallkomponente die
Sprache einer Person aufweist, entfernt das Filtermodul 28
bevorzugt den Anteil des Signals 44, der bei 46 gezeigt ist.
Durch Herausfiltern sämtlicher Komponenten, die eine Frequenz
oberhalb der gewählten Grenze (beispielsweise 1500 Hz) haben,
werden die Komponenten, die außerhalb des normalen Sprachbe
reichs sind, entfernt, und der resultierende Anteil, der bei
48 gezeigt ist, enthält die erwünschte Schallkomponente.
Wie aus der Zeichnung ersichtlich, hat der bei 44 gezeigte
Anteil 48 des Signals ein viel geringeres Rauschen und eine
viel geringere Verzerrung als das bei 42 gezeigte Signal.
Bei der bevorzugten Ausführungsform sind das Autoregressions
modul 24, das Filtermodul 28 und das Sprechaktivitätsdetek
tormodul 32 sämtlich bevorzugt unter Verwendung von Software
implementiert. Alternativ können in Abhängigkeit von den Er
fordernissen der speziellen Situation Hardwarekomponenten zur
Realisierung von einem oder mehreren der Module verwendet
werden. Angesichts der vorliegenden Beschreibung ist der
Fachmann imstande, geeignete Komponenten zu wählen oder den
für ihre speziellen Umstände erforderlichen Computercode zu
schreiben.
Das Filtermodul 28 arbeitet bevorzugt als Bandpaßfilter oder
Tiefpaßfilter, das die Anteile der aus der spektralen Lei
stungsdichteapproximation resultierenden Fehlerkomponente
herausfiltert, die eine Frequenz außerhalb des erwarteten
Bereichs der erwünschten Schallkomponente haben.
Bei Anwendungen, bei denen die Ausführungsform gemäß Fig. 1
verwendet wird, wird die Autoregressions-Modellierung bevor
zugt kontinuierlich mit niedriger Rate angepaßt. Bei Imple
mentierung der Ausführungsform gemäß Fig. 2 wird das Auto
regressionsverfahren bevorzugt nur während der Sprachpausen,
die von dem Sprechaktivitätsdetektormodul 32 detektiert wer
den, angepaßt.
Die Erfindung bietet einen beachtlichen Vorteil gegenüber be
kannten Versuchen, unerwünschtes Rauschen aus Signalen zu
entfernen, die erwünschte Schallkomponenten enthalten, weil
die Rechneranforderungen viel geringer sind. Die Spektralsub
traktionsverfahren erfordern beispielsweise nlog2(n) Opera
tionen, wobei n typischerweise 128 oder 256 ist.
Diese Rechenmenge führt sonst nicht nur zu Verzögerungen, die
die Qualität der wiedergegebenen Sprache beeinträchtigen,
sondern stellt auch Rechner- und Rechnerspeicherplatzanforde
rungen, die solche Verfahren für viele Situationen nicht
praktikabel machen.
Dagegen erfordert das Verfahren der Erfindung typischerweise
nur k Operationen, wobei k die Anzahl von Autoregressions-
Koeffizienten ist, die typischerweise in dem Bereich von 3
bis 7 sein können.
Die geringeren Rechneranforderungen der Erfindung eliminieren
unangenehme Zeitverzögerungen in dem gefilterten Sprach
signal. Außerdem ermöglichen die geringeren Rechneranforde
rungen ein leichteres Implementieren des Verfahrens gemäß der
Erfindung beispielsweise in einem Mikroprozessorspeicher.
Ein weiterer Vorteil der vorliegenden Erfindung ist, daß sie
Tonstörungen in einem ursprünglichen Mikrophonsignal durch
Bewegen eines Paars von Polen zu der Frequenz und der Phase
des Tons automatisch verfolgt und eliminiert. Diese Eigen
schaft ist besonders nützlich, wenn das Umgebungsrauschen
diskrete Töne und Oberschwingungen, wie sie typischerweise in
sich bewegenden Fahrzeugen auftreten, enthält.
Daher ist die Erfindung zum Unterdrücken von unerwünschtem
Rauschen in einem Signal, das von einem in einem Fahrzeug
verwendeten Mobiltelephon stammt, besonders brauchbar. Die
Erfindung macht den Gebrauch von Mobiltelephon-Kommunikatio
nen mit Freisprech-Lautersprecher aus dem Fahrzeuginneren
viel effektiver.
Wie oben erwähnt, ist die Erfindung nicht auf die Rauschun
terdrückung beschränkt. Andere Systeme, die eine Signaltren
nung erfordern, können ebenso aus der Erfindung Nutzen zie
hen. Beispielsweise kann ein Beschleunigungsmesser, der ein
Schwingungssignal aufnimmt, auch unerwünschte Schwingungen,
die in unerwünschten Signalkomponenten resultieren, aufneh
men. Der Fachmann erkennt, daß die Erfindung für viele ver
schiedene Situationen brauchbar ist.
Die vorstehende Beschreibung gibt beispielhafte Implementie
rungen der Erfindung an, die den gegenwärtig bevorzugten Aus
führungsformen entsprechen. Änderungen und Modifikationen,
die nicht notwendigerweise vom Gegenstand der vorliegenden
Erfindung abweichen, sind für den Fachmann ersichtlich.
Claims (15)
1. Verfahren zum Entfernen einer unerwünschten Komponente
aus einem Signal, das auch eine erwünschte Komponente
enthält,
gekennzeichnet durch die folgenden Schritte:
- a) Einfangen eines Signals, das eine erwünschte Kompo nente und eine unerwünschte Komponente hat;
- b) Bestimmen der spektralen Leistungsdichteapproxima tion des eingefangenen Signals;
- c) Abtrennen einer Fehlerkomponente von der spektralen Leistungsdichteapproximation gemäß Schritt (b); und
- d) Bestimmen der erwünschten Komponente aus der Feh lerkomponente gemäß Schritt (c).
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß Schritt (b) unter Anwendung eines adaptiven Autore
gressions-Modellierverfahrens durchgeführt wird.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß der Schritt (d) das Herausfiltern der Fehlerkompo
nente gemäß Schritt (c) aufweist, um unerwünschte Kompo
nenten mit einer Frequenz, die ein vorgewähltes Maximum
überschreitet, aus der Fehlerkomponente zu entfernen.
4. Verfahren nach einem der Ansprüche 1 bis 3,
dadurch gekennzeichnet,
daß der Anteil der Fehlerkomponente, der nicht herausge
filtert wird, die erwünschte Komponente aufweist.
5. Verfahren nach einem der Ansprüche 1 bis 4,
dadurch gekennzeichnet,
daß der Schritt (d) unter Verwendung eines Bandpaßfil
ters durchgeführt wird.
6. Verfahren nach einem der Ansprüche 1 bis 5,
dadurch gekennzeichnet,
daß die Schritte (b) bis (d) unter Verwendung von Soft
ware durchgeführt werden.
7. Verfahren nach einem der Ansprüche 1 bis 6,
dadurch gekennzeichnet,
daß die erwünschte Schallkomponente den Schall einer
sprechenden Person aufweist und das Verfahren ferner das
Durchführen von Schritt (b) in Abhängigkeit von Pausen
beim Sprechen der Person aufweist.
8. System zum Unterscheiden zwischen unerwünschten und er
wünschten Signalkomponenten,
gekennzeichnet durch
einen Kollektor (22), der Signale einfängt, die eine er wünschte Komponente und eine unerwünschte Komponente aufweisen, und der ein Signal erzeugt, das für die ein gefangenen Signale repräsentativ ist;
ein Autoregressionsmodul (24) in Verbindung mit dem Kol lektor (22), das das erzeugte Signal von dem Kollektor (22) empfängt und eine spektrale Leistungsdichteapproxi mation des erzeugten Signals bestimmt, die eine Fehler komponente aufweist; und
ein mit dem Autoregressionsmodul (24) in Verbindung ste hendes Filtermodul (28), das die Fehlerkomponente her ausfiltert, um Anteile der Fehlerkomponente zu entfer nen, die eine Frequenz oberhalb eines vorgewählten Maxi mums haben, so daß die herausgefilterte Fehlerkomponente die erwünschte Komponente aufweist.
einen Kollektor (22), der Signale einfängt, die eine er wünschte Komponente und eine unerwünschte Komponente aufweisen, und der ein Signal erzeugt, das für die ein gefangenen Signale repräsentativ ist;
ein Autoregressionsmodul (24) in Verbindung mit dem Kol lektor (22), das das erzeugte Signal von dem Kollektor (22) empfängt und eine spektrale Leistungsdichteapproxi mation des erzeugten Signals bestimmt, die eine Fehler komponente aufweist; und
ein mit dem Autoregressionsmodul (24) in Verbindung ste hendes Filtermodul (28), das die Fehlerkomponente her ausfiltert, um Anteile der Fehlerkomponente zu entfer nen, die eine Frequenz oberhalb eines vorgewählten Maxi mums haben, so daß die herausgefilterte Fehlerkomponente die erwünschte Komponente aufweist.
9. System nach Anspruch 8,
dadurch gekennzeichnet,
daß das Autoregressionsmodul (24) und das Filtermodul
(28) Software aufweisen.
10. System nach Anspruch 8 oder 9,
dadurch gekennzeichnet,
daß die erwünschte Schallkomponente den Schall einer
einzelnen Stimme aufweist.
11. System nach einem der Ansprüche 8 bis 10,
dadurch gekennzeichnet,
daß es ein Sprechaktivitätsdetektormodul (32) in Verbin
dung mit dem Autoregressionsmodul (24) aufweist und daß
das Autoregressionsmodul (24) auf Pausen im individuel
len Sprechmuster anspricht.
12. System nach Anspruch 11,
dadurch gekennzeichnet,
daß das Autoregressionsmodul (24), das Filtermodul (28)
und das Sprechaktivitätsdetektormodul (32) Software auf
weisen.
13. System nach einem der Ansprüche 8 bis 12,
dadurch gekennzeichnet,
daß das Filtermodul (28) ein Bandpaßfilter aufweist.
14. System nach einem der Ansprüche 8 bis 13,
dadurch gekennzeichnet,
daß das Autoregressionsmodul (24) einen Mikroprozessor
aufweist.
15. System nach einem der Ansprüche 8 bis 14,
dadurch gekennzeichnet,
daß der Kollektor (22) ein Mikrophon aufweist.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US321237 | 1989-03-09 | ||
US09/321,237 US6314394B1 (en) | 1999-05-27 | 1999-05-27 | Adaptive signal separation system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10025655A1 true DE10025655A1 (de) | 2000-11-30 |
DE10025655B4 DE10025655B4 (de) | 2012-07-26 |
Family
ID=23249766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10025655A Expired - Fee Related DE10025655B4 (de) | 1999-05-27 | 2000-05-24 | Verfahren zum Entfernen einer unerwünschten Komponente aus einem Signal und System zum Unterscheiden zwischen unerwünschten und erwünschten Signalkomponenten |
Country Status (2)
Country | Link |
---|---|
US (1) | US6314394B1 (de) |
DE (1) | DE10025655B4 (de) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512083B2 (en) * | 2003-04-07 | 2009-03-31 | Shaolin Li | Single chip multi-antenna wireless data processor |
US8014374B2 (en) | 2003-04-07 | 2011-09-06 | Bellow Bellows Llc | System and method for achieving timing compatibility with multi-antenna wireless data protocols |
US7389096B2 (en) * | 2003-04-07 | 2008-06-17 | Bellow Bellows Llc | Monitoring system using multi-antenna transceivers |
US7646744B2 (en) * | 2003-04-07 | 2010-01-12 | Shaolin Li | Method of operating multi-antenna wireless data processing system |
US7933255B2 (en) * | 2003-04-07 | 2011-04-26 | Bellow Bellows Llc | Multi-antenna wireless data processing system |
JP2005260294A (ja) * | 2004-03-09 | 2005-09-22 | Nec Corp | 携帯型通信端末の照光装置 |
US20170366897A1 (en) * | 2016-06-15 | 2017-12-21 | Robert Azarewicz | Microphone board for far field automatic speech recognition |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5402520A (en) * | 1992-03-06 | 1995-03-28 | Schnitta; Bonnie S. | Neural network method and apparatus for retrieving signals embedded in noise and analyzing the retrieved signals |
SE505156C2 (sv) * | 1995-01-30 | 1997-07-07 | Ericsson Telefon Ab L M | Förfarande för bullerundertryckning genom spektral subtraktion |
SE513892C2 (sv) * | 1995-06-21 | 2000-11-20 | Ericsson Telefon Ab L M | Spektral effekttäthetsestimering av talsignal Metod och anordning med LPC-analys |
US5768392A (en) * | 1996-04-16 | 1998-06-16 | Aura Systems Inc. | Blind adaptive filtering of unknown signals in unknown noise in quasi-closed loop system |
FR2764469B1 (fr) * | 1997-06-09 | 2002-07-12 | France Telecom | Procede et dispositif de traitement optimise d'un signal perturbateur lors d'une prise de son |
-
1999
- 1999-05-27 US US09/321,237 patent/US6314394B1/en not_active Expired - Fee Related
-
2000
- 2000-05-24 DE DE10025655A patent/DE10025655B4/de not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US6314394B1 (en) | 2001-11-06 |
DE10025655B4 (de) | 2012-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69617069T2 (de) | Verfahren und Vorrichtung zur Geräuschverminderung | |
EP0411360B1 (de) | Verfahren und Anordnung zur Störbefreiung von Sprachsignalen | |
DE2719973C2 (de) | ||
DE69612770T2 (de) | Verfahren und Vorrichtung zur Verminderung von Rauschen bei Sprachsignalen | |
DE19948308C2 (de) | Verfahren und Vorrichtung zur Geräuschunterdrückung bei der Sprachübertragung | |
EP0668007B1 (de) | Mobilfunkgerät mit freisprecheinrichtung | |
EP3375204B1 (de) | Audiosignalverarbeitung in einem fahrzeug | |
EP1456839B1 (de) | Verfahren und vorrichtung zur unterdrückung von periodischen störsignalen | |
DE10018666A1 (de) | Vorrichtung und Verfahren zum geräuschabhängigen Anpassen eines akustischen Nutzsignals | |
DE112017007005B4 (de) | Akustiksignal-verarbeitungsvorrichtung, akustiksignalverarbeitungsverfahren und freisprech-kommunikationsvorrichtung | |
DE112007003625T5 (de) | Echounterdrückungsvorrichtung, echounterdrückungssystem, Echounterdrückungsverfahren und Computerprogramm | |
DE69130687T2 (de) | Sprachsignalverarbeitungsvorrichtung zum Herausschneiden von einem Sprachsignal aus einem verrauschten Sprachsignal | |
DE10043064B4 (de) | Verfahren und Vorrichtung zur Elimination von Lautsprecherinterferenzen aus Mikrofonsignalen | |
DE10020756B4 (de) | Vorrichtung und Verfahren zum geräuschabhängigen Anpassen eines akustischen Nutzsignals | |
EP0623995B1 (de) | Anordnung zur geräuschabhängigen Regelung der Lautstärke eines Autoradios | |
DE4106405C2 (de) | Geräuschunterdrückungseinrichtung für ein Spracherkennungsystem | |
DE602005000897T2 (de) | Eingangsschallprozessor | |
DE102013011761A1 (de) | Kraftfahrzeug mit einer Freisprecheinrichtung und Verfahren zur Erzeugung eines Frequenzganges für Freisprecheinrichtungen | |
DE10025655A1 (de) | Adaptives Signaltrennsystem und -verfahren | |
DE102018117558A1 (de) | Adaptives nachfiltern | |
WO2001047335A2 (de) | Verfahren zur elimination von störsignalanteilen in einem eingangssignal eines auditorischen systems, anwendung des verfahrens und ein hörgerät | |
EP1304902A1 (de) | Verfahren und Vorrichtung zur Störbefreiung eines redunanten akustischen Signals | |
WO2007036443A1 (de) | Verfahren zur aktiven geräuschverminderung und eine vorrichtung zur durchführung des verfahrens | |
DE4012349A1 (de) | Einrichtung zum beseitigen von geraeuschen | |
EP0309869B1 (de) | Verfahren zur Kompensation von mit Störungen behafteten Sprachsignalen für Spracherkennungssysteme |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |
Effective date: 20121027 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20131203 |