DE1963082C2 - Verfahren und Schaltungsanordnung zur automatischen Sprachverarbeitung - Google Patents

Description

1/j/l + (X/eaRCj².

Die Erfindung betrifft ein Verfahren und eine zugehörige Schallungsanordnung zur Sprachanalyse mittels E^:.xtrahicrung der Extrema der Hüllkurve über das Sprachsignal.

Unier den neueren Methoden zur Sprachverarbeitung sind Frequenz-Amplituden-Zcit-Verfahren von besonderen Interesse. Die Aufgabe dieser Verfahren besteht u.a. darin, redundante Bestandteile des Sprachsignals zu entfernen und Informationen abzuleiten, die eine zweckmäßige Signalverarbeitung insbesondere eine automatische Erkennung ermöglichen. Um dieses zu erreichen werden überwiegend die Frequenzanteile des Sprachsignals analysiert, wobei die Sprache in Form abgetasteter Zeitfunktionen verarbeitet wird. Es sind auch Vorschläge bekannt, die Signale ganz oder überwiegend aus Form-Merkmalen der Sprachschwingungen gewinnen. Neben Abtastverfahren, die mit äquidistanten Abständen aus dem Signal Proben entnehmen Die Hochpaßwirkung des R, C Gliedes bewirkt eine ungünstige Bevorzugung der Frequenzen.

Es ist zur Spracherkennung aus der DE-AS 11 97 638 schon bekannt, durch Extrema (Maxima oder Minima) der Hüllkurve über das Sprachfrequenzgemisch Grenzen von Lautabschnitten — ermittelbar durch die Frequenz benachbarter Amplituden und/oder Schwingungsdauerwerte — festzustellen. Die Lehre nach der DE-OS 14 87 540 geht einen Schritt weiter, indem sie die einzelnen, und zwar die am besten ausgebildeten (von gleichartigen) Abschnitte, sogenannte Kernsegmente, auswählt, da solche bereits für die Signalerkennung genügen. Das Maximum 4,^r über die Sprachschwingung gelegten Hüllkurve kennzeichnet ein solches Kernsegment Nochmals einen Schritt weiter geht das vorliegende Verfahren, indem ganze Gruppen von am besten ausgebildeten Abschnitten zusammengefaßt und diese extrahiert werden; denn diese Gruppen, sogenannte typische Gruppen, sind bei weniger Aufwand noch besser geeignet, die Sprachinformationen zu erkennen. Diese Gruppenbildung basiert auf der Bildung von aufeinanderfolgenden Verhältniswerten der Zeit und/oder der Amplitudenabstände benachbarter Extremwerte.
Aufgabe der Erfindung ist es, aus den durch die Extremwerte gebildeten Verhältniswerten ^:n leicht durchzuführender Weise eine Kodierung zu bilden, die das Sprachsignal einfach und eindeutig kennzeichnet und so eine automatische Erkennung ermöglicht.
Gemäß der Erfindung wird diese Aufgabe durch die

j^ im kennzeichnenden Teil des Patentanspruches 1 angegebenen Merkmale gelöst. Das Sprachsignal wird dabei in seine Extremwerte gegliedert, deren aufeinanderfolgende Abstände ins Verhältnis gesetzt werden und so typische Gruppen (Laute) des Sprachsignals charakterisieren. die wiederum z« Wortkombinationen zusammengefaßt werden. Es ist weiter vorgesehen, die Funktionen der erkannten Laute zur Vornahme von Schalthandliingen einzusetzen, ferner diese für Sprachkompression zu verwenden.

J5 Weiterhin werden Verfahren und Einrichtungen, die eine besondere Verarbeitung der relevanten Extremwerte vorsehen, beschrieben. Dabei wird ein Signal-Verhältnisgruppen-Verfahren vorgeschlagen, mit dem typische Signal-Verhältnisgruppen-Folgen extrahiert

bo werden. Dies wird dadurch erreicht, daß die Abstände der Extremwerte zueinander ins Verhältnis gesetzt werden und diese Verhältniswerte zu typischen Gruppen zusammengefaßt als neue Informationsgröße Aussagen über Invarianten der Sprache darstellen. Redundante

t>5 Bestandteile des Sprachsignais, Flanken verläufe und absolute Werte entfallen dadurch. Wiederholungen werden dagegen durch Zählen berücksichtigt und das Ergebnis kodiert. Die Kodierung der solcher Art gewon-

nenen Größen führt zu einer automatischen Erkennung der Sprache. Die Möglichkeit, daß man aus einer Schwingung Proben gerade an den Stellen ihrer Scheitel entnehmen kann, ist an sich nicht unbekannt. Die Erfindung hat aber den Verdienst, neben einem sehr einfachen Extrahierungsverfahren erkannt zu haben, daß man beim Sprachsigna! durch Verhältnisbildung der Extremwertabstände dem Sprachsignal äquivalente und durch Gruppenbildung dieser stark vereinfachte typische Signalfolgen erhält, die zur Lösung der eingangs genannten Aufgaben führen.

Nachfolgend werden beispielsweise Ausführungsmöglichkeiten der Erfindung an Hand der Zeichnungen näher beschrieben. Es bedeutet

F i g. 1 Extraktion der Extremwerte aus dem Sprachsignal. Stand der Technik,

F i g. 2 Verhältnisbildung aus den Abständen benachbarter Extremwerte,

F i g. 3 Widerstandsmatrix für Lautkorrelation,

Fig.4 Zusammenfassung von Verhältnisfolgen zu Gruppen.

Im ersten Beispie! wird eine bekannte Schaltungsanordnung nach F i g. 1 gezeigt, die in einfacher ^v>'eise eine Auf- und Entladung eines Speicherkondensators C durch ein in gegensätzlicher Richtung geschaltetes Diodenpaar vornimmt. In der Zeitspanne zwischen Auf- und Entladung des Kondensators durch das Signal f(t) entsteht ein Spannungsabfall zwischen den Extremwerten an den Dioden D1, D 2, der von einem Komparator K angezeigt wird. jo

Der Impuls am Ausgang des Komparators markiert so die Extremwerte E, e des Signals, wobei fein Maximum und eein Minimum des Signals darstellt

In der Schaltungsanordnung gemäß F i g. 2 wird ein zweites Beispiel erläutert, das die Verhältnisse von den Abständen benachbarter Extremwerte (ebenfalls fortlaufend) bestimmt Die Werte des Signals f(t) werden zunächst von Extremwert Fzu Extremwert e durch ein getrenntes Diodenpaar Dl, D2m den nachfolgenden Kondensatoren C1, C2 gespeichert. Durch die Schalter Sl, S2 wer-ien die Dioden wechselweise überbrückt. Gesteuert werden die Schalter über ein Flip Flop durch den Komparatorimpuls E, e. Die Spannung über den Dioden D\ und D 2 werden von den Differenzverstärkern DVX, DV2 abgenommen und einzeln über Logarithmierverstärker LV\, LV2 geleitet. Durch die Differenzenbildi'iig mittels eines DifferenE inverstärkers DV, der an beide Logarithmierverstärkerausgänge angeschlossen ist, entsteht:

50

log Kl - log v2 = \r)g(V\lv2)

Diese Schaltung erlaubt also neben der Bildung der Abstände E-e von Extremwert £f (Maxima) zu Extremwert e (Minima) noch die Bestimmung der Verhältnisse VI/vl. ν Il V2,... (von Abstand EI, ei zu Abstand e 1, E2) = Vl und (von Abstand e 1, E2 zu Abstand E2, e2) = ν 1... Es entsteht so neben einer Differenzenfolge DEX, e2\ De2, El;... eine Verhältnisfolge V X/ν X; v\, V2;... bo

Im dritten Beispiel wird in Fig.4 eine Schaltungsanordnung gezeigt, die Verhältnisfolgen zu Gruppen zusammenfaßt Dieses geschieht durch einen Steuerteil ST und einen Codierteil CT, ferner durch eine Anzeige A,

die das Codeergebnis des erkannten Lautes L 1, L 2 h5

anzeigt, wobei vom Eingangssignal f(t)d\e Extremwerte Maxima Eund Minima c wie in F i g. 1, 2 erläutert abgeleitet werden und als Stcf rimpulse E. e in Fi g. 3 und 4 verwendet werden. Eine Ausfuhrungsmöghchkeit besteht hierbei gemäß F i g. 3 aus einer Widerstandsmatrix RM für jeden Laut deren Widerstände se ausgelegt werden, daß die Korrelation mit dem Signal den kleinsten Abstand ergeben nach der Formel:

n-l

Σ L_UL_KJ

Die Referenzspannungen Rs werden dabei durch eine Schalteranordnung 5, die von einem Schieberegister SR gesteuert werden durchlaufend abgefragt. Der Beginn und das Ende der Abfrage wird fortlaufend bei Übereinstimmung der Referenzspannung mit der Codierung ausgelöst. Es wird also bei Obereinstimmung der jeweilige Laut Ln erkannt.

Eine andere Ausführungsmöglich ¹T-^t wird dadurch erhalten, daß die Extremwerte der HiHkurve über das Eingangssignal die Anfangs- und Endpunkte des Lautes und damit für die Abfrage der Codiermatrix-Länge festlegt, wobei statt der Widerstandsmatrix Verhältnisbereiche VT? codiert werden, siehe Fig.4, die dann den entsprecnenden Laut Ln in A anzeigen, der zwischen diesen Anfangs- und Endpunkten liegt

Hierzu 2 Blatt Zeichnungen

Claims (6)

Patentansprüche:

1. Verfahren zur Sprachanalyse mittels Extrahierung der Extrema der Hüllkurve über das Sprachsignal, dadurch gekennzeichnet, daß aus derv zeitlichen und/oder den Amplitudenabständen benachbarter Extremwerte Verhältniswerte gebildet werden und daß aus mehreren aufeinanderfolgenden Verhältniswerten eine das anliegende Sprachsignal kennzeichnende Kodierung gebildet wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß Gruppen von Verhältniswerten gebildet werden durch Feststellung gleicher Wiederholungen der Werte und/oder durch die Extrema der Hülikurven, die über die Werte und/oder die Amplituden und/oder Zeitwerte des Sprachsignals gebildet werden.

3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß gleiche Gruppen gezählt oder koakrrt werden oder zu neuen Gruppen zusammengefaßt oder nur jeweils eine der gleichen Gruppen allein weiter verarbeitet wird.

4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß die Werte in den Gruppen oder der gesamten Gruppen oder mehrerer Gruppen durch Kodierung oder einer Widerstandsmatrix durch Korrelation zusammengefaßt werden.

5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß eine Kodierung der Laute zu Worten erfolgt.

6. Schaltungsanordnung zur Durchführung des Verfahrens nach einem der Ansprüche I bis 5, dadurch gekennzeichnet, daß das Spri jhsignal f(t) sowohl einer Extremwerterkennungsschaltung (E. e]T zugeführt wird, die fortlaufend bei jedem auftretenden Extremwert E, e des Sprachsignals f(t) einen Impuls abgibt, als auch einer durch diese Impulse gesteuerten Schaltung (DE, De)*; (Vi, ν 1)*, welche die Abstandsverhältnisse V. ν benachbarter Extremwerte E, e bildet, und daß die entstehende Folge von Abstandsverhältnissen unter Steuerung 57" durch die Impulse in einem Kodierteil CTzu Sprachlauten /./kodiert werden.

und durch Vergleich relevante Extremwerte feststellen, gibt es auch Verfahren, die Extremwerte durch die Nulldurchgänge der ersten Ableitung f'(t) markieren. Die Genauigkeit dieser Verfahren ist aber über einen größeren Frequenzbereich nicht groß. Bei dem ersten ist die Ungenauigkeit durch die Breite der äquidistanten Abstände gegeben und bei der technischen Differentation durch die Konstante τ von R, C. Die ungünstige Amplituden- und Frequenzabhängigkeit ist aus der Formel ersichtlich. Ue = U sin cot erleidet durch das R, C-C üed eine Phasenverschiebung von tan φ = Μ ω RC unter gleichzeitiger Abnahme der Amplitude um den Faktor