DE19540859A1 - Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch - Google Patents

Description

Die Erfindung betrifft ein Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch nach dem Oberbegriff des Anspruchs 1.

Bei Übertragung von Sportveranstaltungen wünschen manche Fernsehzuschauer, lediglich die Originalgeräuschkulisse zu hören, während der Kommentar eines Kommentators als störend empfunden wird. Sofern es sich um eine Stereoübertragung handelt, könnte der Kommentatorton zwar durch Differenzbildung der Signale der beiden Stereokanäle eliminiert werden, durch diese Maßnahme wird aber auch das Originalgeräusch bei Signalen verfälscht, die aus der Mitte kommen.

Der Erfindung liegt die Aufgabe zugrunde, Sprachkomponenten, die einem Tonsignal zugefügt wurden, unter Beibehaltung des ursprünglichen Tonsignals aus dem Tonsignalgemisch zu entfernen.

Diese Aufgabe wird bei einem Verfahren nach dem Oberbegriff des Anspruchs 1 durch die im kennzeichnenden Teil angegebenen Merkmale gelöst.

Die erfindungsgemäße Lösung basiert auf der Überlegung, daß der Kommentatorton charakteristische Merkmale aufweist, wie z. B. typische Spektralkomponenten, in denen er sich von dem ursprünglichen Tonsignal im Tonsignalgemisch unterscheidet. Mit diesen Merkmalen gelingt daher eine hinreichende Beschreibung des Kommentatortons, ohne dabei sämtliche Wörter oder Wortkombinationen kennen zu müssen.

Die Wort- und/oder Satzgrenzen der Sprachkomponenten können durch Auswertung der Signalenergie und der Nulldurchgangsrate des analogen Tonsignalgemisches ermittelt werden. Damit gelingt es, die Zahl und Länge der Musterdatensätze zu begrenzen und kurze Rechen- und Reaktionszeiten zu erzielen.

Vorzugsweise wird die Analyse der Sprachkomponenten und der Vergleich mit Musterdatensätzen durch neuronale Netze durchgeführt. Neuronale Netze arbeiten ähnlich wie das menschliche Gehirn und zeichnen sich aufgrund der parallelen Arbeitsweise durch Echtzeitfähigkeit, Abstraktion und Lernfähigkeit aus.

Nachfolgend wird das erfindungsgemäße Verfahren anhand der Zeichnung erläutert. In dieser zeigt:

Fig. 1 ein einfaches Blockschaltbild und,

Fig. 2 ein Flußdiagramm zur Durchführung des Verfahrens.

Fig. 1 zeigt den Tonsignalweg eines Fernsehempfängers, mit einem ein neuronales Netz umfassenden Signalprozessor. An den Eingang des Signalprozessors gelang das im Fernsehsignal enthaltene Tonsignalgemisch. Der Signalprozessor welcher durch ein Steuersignal der Fernbedienung des Fernsehempfängers ein- und ausschaltbar ist, eliminiert im eingeschalteten Zustand eine Sprachkomponente aus einem Tonsignalgemisch, die dem ursprünglichen Tonsignal zugemischt wurde.

Fig. 2 zeigt ein Flußdiagramm zur Durchführung des Verfahrens. In einem ersten Verfahrensschritt werden aus dem Tonsignal Wortgrenzen der Sprachkomponenten ermittelt, indem die Signalenergie und der Nulldurchgangsrate des analogen Tonsignalgemisches ausgewertet wird. In einem zweiten Verfahrensschritt werden typische Merkmale der Sprachkomponenten analysiert. Dies kann durch eine Verarbeitung des digitalisierten Tonsignals im Zeit- oder Frequenzbereich erfolgen. In einer ein- oder mehrmaligen Lernphase als drittem Verfahrensschritt werden Parameter gewonnen, die den Informationsgehalt der Sprachkomponenten mit einem Minimum an Redundanz repräsentieren. Diese Parameter bestimmen den Merkmalsvektor, der das Sprachsignal für einen bestimmten Zeitabschnitt beschreibt, und werden als Musterdatensätze in einem vierten Verfahrensschritt gespeichert.

Sobald eine Datei mit ausreichend Musterdatensätzen vorhanden ist, müssen die Verfahrensschritte drei und vier nicht wiederholt werden.

In einem fünften Verfahrensschritt werden nun die laufend analysierten Merkmale mit den Musterdatensätzen verglichen und in einem sechsten Verfahrensschritt werden bei Übereinstimmung oder Ähnlichkeit mit gespeicherten Musterdatensätzen die im Tonsignalgemisch vorhandenen Sprachkomponenten mit inversen Sprachkomponenten gewichtet. Dadurch werden die unerwünschten Sprachkomponenten eliminiert, so daß nur noch das ursprüngliche Tonsignal erhalten bleibt.

Die Verfahrensschritte zwei bis sechs werden mittels eines neuronalen Netzes durch geführt. Ein neuronales Netz besteht aus einer Vielzahl gleichartiger Elemente, die sowohl Informationen speichern, sie verarbeiten als auch weiterleiten, und zwar tun sie dies prinzipiell alle gleichzeitig. Die Elemente werden als Neuronen in Analogie zu den Nervenzellen bezeichnet. Es gibt Netze, die vollständig verbunden sind oder Schichtenmodelle. Beim Schichtenmodell gibt es mehrere Ebenen, die das Netz untergliedern. In der Eingangsschicht sind die Eingänge der Neuronen mit der Außenwelt verbunden. Sie dienen der Eingabe von Daten in das Netz. Die Ausgänge der Neuronen der ersten Schicht sind mit den Neuronen der zweiten Schicht verbunden, deren Ausgänge mit den Eingängen der dritten Schicht. Ist die dritte Schicht die letzte Schicht, dann sind die Ausgänge der dritten Schicht gleichzeitig die Ausgänge des Netzes.

Die Neuronen gewichten die Eingangssignale individuell. Die Gewichtung entspricht einem Multiplikationsfaktor, dessen Vorzeichen zugleich Erregung oder Hemmung verkörpert. Die Gewichtungsfaktoren sind zunächst zufällig initialisiert. Ein solches neuronales Netz kann die Lösung einer gewünschten Aufgabe, also im Anwendungsbeispiel die Elimination von unerwünschten Sprachkomponenten aus einem Tonsignalgemisch lernen, indem an die Eingänge des Netzes verschiedene gültige Eingangszustände angelegt werden. Im Anwendungsbeispiel handelt es sich um Sprachkomponenten, ursprüngliche Tonsignale ohne Sprachkomponenten und Tonsignalgemische aus ursprünglichen Tonsignalen mit Sprachkomponenten. Die Ausgangszustände entsprechen anfangs noch nicht den gewünschten Größen. Dann werden die Gewichtungsfaktoren solange geändert, bis das Ergebnis dem gewünschten ähnlicher wird oder ihm entspricht, also das ursprüngliche Tonsignal ohne Sprachkomponenten erscheint. Dies wird mit verschiedenen Eingangszuständen wiederholt. Ein mögliches Verfahren zur Ermittlung der notwendigen Veränderungen im Netz ist die Fehlerrückführung. Dabei wird die Differenz aus dem jeweiligen Ausgangssignal eines Ausgangsneurons und seinem Sollwert gebildet und so zur Veränderung der Parameter des Neurons und der Neuronen angewendet, von denen es seine Signale erhält.

Claims (3)

1. Verfahren zur Entfernung unerwünschter Sprachkomponenten aus einem Tonsignalgemisch, dadurch gekennzeichnet, daß Wort- und/oder Satzgrenzen der Sprachkomponenten ermittelt werden, daß die innerhalb der ermittelten Wort- und/oder Satzgrenzen liegenden Sprachkomponenten auf Merkmale analysiert werden, daß in einer ein- oder mehrmaligen Lernphase die Merkmale, die den Informationsgehalt der Sprachkomponenten mit einem Minimum an Redundanz repräsentieren, als Musterdatensätze gespeichert werden und daß in einer Betriebsphase die laufend analysierten Merkmale mit den Musterdatensätzen verglichen werden und bei Übereinstimmung oder Ähnlichkeit mit inversen Sprachkomponenten gewichtet werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Wort- und/oder Satzgrenzen der Sprachkomponenten durch Auswertung der Signalenergie und der Nulldurchgangsrate des analogen Tonsignalgemisches ermittelt werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Analyse der Sprachkomponenten und der Vergleich mit Musterdatensätzen durch neuronale Netze durchgeführt wird.