-
TECHNISCHES
GEBIET DER ERFINDUNG
-
Diese
Erfindung bezieht sich auf die Sprachcodierung und insbesondere
auf die adaptive Filterung bei der Sprachcodierung mit niedriger
Bitrate.
-
HINTERGRUND
DER ERFINDUNG
-
Die
menschliche Sprache besteht aus einem Strom akustischer Signale
mit Frequenzen, die bis etwa 20 kHz reichen; das Band von etwa 100
Hz bis 5 kHz enthält
jedoch die Masse der akustischen Energie. Die Telephonübertragung
der menschlichen Sprache besteht ursprünglich aus der Umsetzung des
analogen akustischen Signalstroms in einen analogen Spannungssignalstrom
(z. B. unter Verwendung eines Mikrophons) für die Übertragung und aus der Rückumsetzung
zurück
in einen akustischen Signalstrom (z. B. unter Verwendung eines Lautsprechers).
Die elektrischen Signale würden
bandpassgefiltert, um nur das Frequenzband von 300 Hz bis 4 kHz
beizubehalten, um die Bandbreite zu begrenzen und Niederfrequenzprobleme
zu vermeiden. Die Vorteile der digitalen elektrischen Signalübertragung
haben jedoch am Anfang der 1960er Jahre eine Umstellung auf die
digitale Telephonübertragung
angeregt. Die digitalen Telephonsignale werden typischerweise aus
dem Abtasten analoger Signale bei 8 kHz und dem nichtlinearen Quantisieren
der Abtastwerte mit 8-Bit-Codes entsprechend dem μ-Gesetz (Pulscodemodulation
oder PCM) abgeleitet. Ein getakteter Digital/Analog-Umsetzer und
ein Kompandierungsverstärker
rekonstruieren ein analoges elektrisches Signal aus dem Strom der
8-Bit-Abtastwerte. Derartige Signale erfordern Übertragungsraten von 64 kbit/s
(Kilobits pro Sekunde), wobei dies die frühere Übertragungsbandbreite für analoge
Signale übersteigt.
-
Die
Speicherung der Sprachinformationen in einem analogen Format (z.
B. auf einem Magnetband in einem Telephonanruflieantworter) kann
ebenfalls durch die digitale Speicherung ersetzt werden. Die Speicheranforderungen
können
jedoch überwältigend
werden: 10 Minuten einer bei 8 kHz abgetasteten 8-Bit-PCM würden etwa
5 MB (Megabytes) Speicher erfordern.
-
Der
Bedarf an niedrigeren Übertragungsraten
und Speicheranforderungen hat zur Entwicklung der Komprimierung
für Sprachsignale
geführt.
Ein Zugang zu Sprachkomprimierungsmodellen umfasst die physiologische
Erzeugung von Sprache und reduziert dadurch die notwendigen Informationen,
die übertragen
und gespeichert werden müssen.
Insbesondere nimmt das lineare Spracherzeugungsmodell die Erregung
eines variablen Filters (das etwa den Stimmapparat darstellt) entweder
durch einen Impulszug mit der Tonhöhenperiode P (für stimmhafte
Töne) oder
durch weißes
Rauschen (für
stimmlose Töne),
gefolgt von einer Verstärkung,
um die Lautstärke
einzustellen, an. Der Term 1/A(z) bezeichnet üblicherweise die z-Transformation
der Übertragungsfunktion
des Filters. Das Modell erzeugt einen Strom von Tönen, indem
es einfach periodisch eine Stimmhaft-/Stimmlos-Entscheidung trifft,
die die Filterkoeffizienten und die Verstärkung einstellt. Im Allgemeinen
siehe Markel und Gray, Linear Prediction of Speech, (Springer-Verlag 1976).
-
Um
die Bitrate zu verringern, können
die Koeffizienten für
aufeinander folgende Rahmen interpoliert werden. Um jedoch die Tonqualität zu verbessern,
müssen
weitere Informationen aus der Sprache extrahiert, komprimiert und übertragen
oder gespeichert werden. Das lineare Codebuch-Erregungsprädiktions-Verfahren (CELP-Verfahren)
analysiert z. B. zuerst einen Sprachrahmen, um A(z) zu finden und
die Sprache zu filtern. Als Nächstes
wird eine Bestimmung der Tonhöhenperiode
ausgeführt,
wobei ein Kammfilter diese Periodizität beseitigt, um ein Erregungssignal
zu liefern, das wie Rauschen aussieht. Dann werden die Erregungssignale in
einem Codebuch codiert. Folglich überträgt die CELP die LPC-Filterkoeffizienten,
die Tonhöhe
und den Codebuch-Index der Erregung.
-
Ein
weiterer Zugang ist, die stimmhaften und die stimmlosen Erregungen
für das
LPC-Filter zu mischen. McCree, A New LPC Vocoder Model for Low Bit
Rate Speech Coding, Doktorarbeit, Georgia Institute of Technology,
August 1992, unterteilt z. B. den Erregungsfrequenzbereich in Bänder, trifft
eine Stimm haft-/Stimmlos-Mischungsentscheidung in jedem Band separat
und kombiniert die Ergebnisse für
die Gesamterregung. Ein Vocoder für gemischte lineare Erregungsprädiktionskoeffizienten
(MELP-Koeffizienten) ist in einem Artikel von A. McCree u. a. mit
dem Titel "A Mixed
Excitation LPC Vocoder Model for Low Bit Rate Speech Coding", in IEEE Trans.
on Speech and Audio Proc., Bd. 3, Nr. 4, Juli 1995, beschrieben.
-
Die
meisten Sprachcodierer mit niedriger Bitrate verwenden irgendeine
Form eines adaptiven spektralen Verbesserungsfilters oder Nachfilters,
um die wahrgenommene Qualität
des verarbeiteten Sprachsignals zu verbessern. Im gemischten linearen
Erregungsprädiktions-Sprachcodierer
(MELP-Sprachcodierer) in McCree u. a. wird ein adaptives Pol-/Nullstellen-Verbesserungsfilter,
das auf dem LPC-Spektrum
basiert, verwendet. Das adaptive spektrale Verbesserungsfilter unterstützt die
Anpassung der bandpassgefilterten Sprache an die natürlichen
Sprachsignalformen im Formantenbereich. Dieses obenbeschriebene
adaptive Filter verbessert die Sprachqualität für reine Eingangssignale, aber
beim Vorhandensein von akustischem Rauschen kann dieses Filter die
Leistung tatsächlich
verschlechtern. Das Verbesserungsfilter neigt dazu, die Fluktuationen
im Leistungsspektrum des akustischen Hintergrundrauschens zu vergrößern, dies
verursacht einen unnatürlichen "wirbelnden" Effekt, der für die Zuhörer sehr ärgerlich
sein kann. Ein ähnlicher
Effekt tritt im Nachfilter des CELP-Sprachcodierers auf.
-
Gemäß einer
Aufgabe der vorliegenden Erfindung wird eine Verbesserung an diesem
adaptiven spektralen Verbesserungsfilter oder Nachfilter in der
CELP geschaffen, die zu einer besseren Leistung beim Vorhandensein
von akustischem Rauschen führt,
während
die Qualitätsverbesserung
des vorhandenen Verfahrens für
reine Sprachsignale aufrechterhalten wird.
-
ZUSAMMENFASSUNG
DER ERFINDUNG
-
Gemäß einer
Ausführungsform
der vorliegenden Erfindung wird ein Filterungsverfahren zum Verbessern
digital verarbeiteter Sprachsignale geschaffen, mit: Erzeugen eines
Signalwahrscheinlichkeitsschätzwertes
sig-prob anhand eines Vergleichs der Leistung der Sprachsignale
in einem momentanen Rahmen mit einer langfristigen Schätzung der
Rauschleistung; erstes Filtern der Sprachsignale durch eine Verzögerung,
die durch lineare Prädiktionskoeffizienten
und den Signalwahrscheinlichkeitswert gesteuert wird; und zweites
Filtern der Sprachsignale durch eine Übertragungsfunktion der Form:
1 - μz–1 × Signalwahrscheinlichkeitswert, wobei μ ein Skalierungsfaktor
ist und z–1 ein
Einheitsverzögerungsoperator
ist. Da das Filtern durch lineare Prädiktionskoeffizienten-Parameter
und die geschätzte
Wahrscheinlichkeit, dass der Eingangsrahmen Sprache anstatt Hintergrundrauschen
ist, gesteuert wird, werden die Vorteile des Filterns für reine
Sprachsignale verwirklicht, ohne in das verarbeitete Hintergrundrauschen
falsche Abtastwerte einzufügen.
-
Gemäß einem
zweiten Aspekt der Erfindung wird ein Filter zum Verbessern digital
verarbeiteter Sprachsignale geschaffen, mit: Mitteln zum Erzeugen
eines Signalwahrscheinlichkeitsschätzwertes anhand eines Vergleichs
der Leistung der Sprachsignale in einem momentanen Rahmen mit einer
langfristigen Schätzung
der Rauschleistung; einem ersten Filter zum Filtern der Sprachsignale
durch eine Verzögerung,
die durch lineare Prädiktionskoeffizienten
und den Signalwahrscheinlichkeitsschätzwert gesteuert wird; und
einem zweiten Filter, das die Übertragungsfunktion
der Form 1 – μz–1 × Signalwahrscheirilichkeitsschätzwert besitzt,
wobei u ein Skalierungsfaktor ist und z–1 ein
Einheitsverzögerungsoperator
ist.
-
BESCHREIBUNG
DER ZEICHNUNG
-
Diese
und andere Merkmale der Erfindung werden für die Fachleute auf dem Gebiet
aus der folgenden ausführlichen
Beschreibung der Erfindung, zusammengenommen mit der beigefügten Zeichnung,
offensichtlich sein werden, worin:
-
1 ein allgemeiner Blockschaltplan
eines Sprachkommunikationssystems ist;
-
2 ein Blockschaltplan des
Sprachanalysators nach 1 ist;
-
3 ein Blockschaltplan eines
Synthetisierers ist;
-
4a – d natürliche Sprache
gegen zerfallende Signalformen veranschaulichen, wobei 4a einen ersten Formanten
eines Vokals der natürlichen
Sprache veranschaulicht; 4b eine
synthetische exponentiell zerfallende Resonanz veranschaulicht; 4c die Impulsantwort des
Pol-/Nullstellen-Verbesserungsfilters für diese Resonanz veranschaulicht;
und 4d die verbesserte
zerfallende Resonanz veranschaulicht;
-
5 ein Blockschaltplan der
adaptiven spektralen Verbesserung gemäß einer Ausführungsform
der vorliegenden Erfindung ist; und
-
6 ein Ablaufplan der Signalwahrscheinlichkeits-Schätzeinrichtung
ist.
-
AUSFÜHRLICHE
BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORM
-
Das
gesamte Sprachkommunikationssystem mit niedriger Bitrate ist in 1 veranschaulicht, in der die
Eingangssprache durch einen Analog/Digital-Umsetzer (A/D-Umsetzer)
abgetastet wird, wobei die Parameter codiert und zum Analysator 600 geschickt
werden, wobei sie über
den Speicher und den Übertragungskanal
zum Synthetisierer 500 geschickt werden. Die decodierten
Signale vom Synthetisierer 500 werden durch den Digital/Analog-Umsetzer
(DAC) zurück
in Signale für
den Lautsprecher umgesetzt. In 2 sind
einige Blöcke
des Analysators veranschaulicht. Die analoge Eingangssprache wird
im Umsetzer 620 in digitale Sprache umgesetzt und an einen
Sprachanalysator angelegt, der eine LPC-Extraktionseinrichtung 602,
eine Tonhöhenperioden-Extraktionseinrichtung 604,
eine Jitter-Extraktionseinrichtung 606, eine Stimmhaft-/Stimmlos-Mischungssteuerungs-Extraktionseinrichtung 608,
eine Verstärkungs-Extraktionseinrichtung 610 und
einen Codierer 612, um diese fünf Blockeingänge von 602 – 610 und
die Ausgaben zusammenzusetzen und um sie codiert über einen Übertragungskanal
getaktet auszugeben. Am Synthetisierer 500 befindet sich
der Decodierer 536, der die codierte Sprache vom Codierer 612 decodiert,
um die LPC-Parameter, die Tonhöhe,
die Mischung, die Jitter-Merker und die Verstärkung bereitzustellen.
-
In 3 ist ein MELP-Vocoder gemäß einer
Ausführungsform
der vorliegenden Erfindung veranschaulicht, der in der US-Patentanmeldung,
EingangsNr. 08/218.003, eingereicht am 25. März 1994, beschrieben ist, wobei
er zu dem im oben zitierten Artikel von McCree u. a. ähnlich ist.
Der Synthetisierer 500 enthält einen Generator 502 für periodische
Impulszüge,
der durch eine Tonhöhenperiodeneingabe
vom Decodierer 536 gesteuert wird, einen Impulszugverstärker 504,
der durch eine Verstärkungseingabe
vom Decodierer 536 gesteuert wird, einen Impuls-Jitter-Generator 506,
der durch eine Merkereingabe vom Jitter-Ausgang des Decodierers 536 gesteuert
wird, und ein Impulsfilter 508, das durch Fünfband-Stimmhaft-/Stimmlos-Mischungseingaben
vom Decodierer 536 gesteuert wird. Der Synthetisierer 500 enthält ferner
einen Generator 512 für weißes Rauschen,
einen Verstärkungs-Verstärker, der
außerdem
durch die gleiche Verstärkungseingabe
gesteuert wird, ein Rauschfilter 518, das außerdem durch
dieselben Fünfband-Stimmhaft-/Stimmlos-Mischungseingaben
gesteuert wird, und einen Addierer 520, um den gefilterten
Impuls und das Rauschen zu kombinieren. Das Ausgangssignal des Addierers
ist das gemischte Erregungssignal e(n), das an ein adaptives spektrales
Verbesserungsfilter 530 angelegt wird, das zu den Formanten
Betonung hinzufügt,
um e'(n) zu erzeugen. Diese
Ausgabe wird an das durch 10 LPC-Koeffizienten gesteuerte
LPC-Synthesefilter 532 angelegt.
Das Ausgangssignal von diesem wird im Verstärker 533 mit der Verstärkung vom
Decodierer 536 verstärkt
und an ein Impulsdispersionsfilter 534 angelegt, um digitale
synthetische Sprache zu erhalten. Diese digitalisierte Sprache wird
dann unter Verwendung eines Digital/Analog-Umsetzers (DAC) 540 in
analoge Sprache für
einen Lautsprecher umgesetzt. Gemäß einer weiteren Ausführungsform
der vorliegenden Erfindung wird das Ausgangssignal e(n) des Addierers
an ein durch 10 LPC-Koeffizienten gesteuertes Synthesefilter 532 angelegt, wobei
das Ausgangssignal des LPC-Filters
an das adaptive Verbesserungsfilter 530 angelegt wird,
um zu den Formanten Betonung hinzuzufügen, um e'(n) zu erzeugen.
-
Gemäß einer
Ausführungsform
der vorliegenden Erfindung verbessert die vorliegende Erfindung
das adaptive spektrale Verbesserungsfilter 530. Das adap tive
spektrale Verbesserungsfilter 530 im MELP-Codierer ist
ein Pol-/Nullstellen-Filter,
das auf den LPC-Filterkoeffizienten basiert. Dieses adaptive Filter
unterstützt
die Anpassung der bandpassgefilterten synthetischen Sprache an die
natürlichen
Sprachsignalformen in den Formanten-Bereichen. Typische Formanten-Resonanzen
zerfallen in der Zeit zwischen den Tonhöhenimpulsen entweder in natürlicher
oder in synthetischer Sprache normalerweise nicht vollständig, aber
die synthetischen Sprachsignalformen erreichen ein tieferes Tal
zwischen den Spitzen als dies natürliche Sprachsignalformen tun.
Dies wird wahrscheinlich durch die Unfähigkeit der Pole im LPC-Synthesefilter
verursacht, die Merkmale der Formanten-Resonanzen in der natürlichen
menschlichen Sprache zu reproduzieren. Es gibt zwei mögliche Gründe für dieses
Problem. Ein Grund könnte
die ungeeignete LPC-Polbandbreite sein; das synthetische Zeitsignal
kann zu schnell zerfallen, weil der LPC-Pol eine schwächere Resonanz
als der wahre Formant besitzt. Eine andere mögliche Erklärung ist, dass die wahre Formanten-Bandbreite
sich innerhalb der Tonhöhenperiode
ein wenig verändern
kann, und dass die synthetische Sprache dieses Verhalten nicht nachahmen
kann.
-
Das
adaptive spektrale Verbesserungsfilter im oben zitierten McCree-Artikel
aus dem Juli 1995 schafft eine einfache Lösung für das Problem der Anpassung
der Formanten-Signalformen. Ein adaptives Pol-/Nullstellen-Filter
wird in CELP-Codierern
allgemein verwendet, weil es dafür
vorgesehen ist, das Quantisierungsrauschen zwischen den Formanten-Frequenzen
zu verringern. Siehe den Artikel von Chen u. a. mit dem Titel "Real-Time Vector
APC Speech Coding at 4800 bps with Adaptive Post Filtering", in Proc. IEEE Int.
Conf. Accost, Speech Signal Processing, Dallas 1987, S. 2185-2188.
Siehe außerdem
Campbell u. a. mit dem Titel "The
DOD 4.8 kps Standard (proposed Federal Standard 1016)", in Advances in
Speech Coding, Norwell, MA: Kluwer, 1991, S. 121 – 133. Die
Pole werden durch eine Bandbreiten-erweiterte Version des LPC-Synthesefilters
mit a gleich 0,8 erzeugt. Entsprechend dem McCree-Artikel wird,
weil dieses Allpolfilter eine störende
Tiefpassfilterungswirkung durch das Vergrößern der spektralen Neigung
einfügt,
ein mit α gleich
0,5 berechnetes schwächeres
Dauernullfilter verwendet, um die Neigung des Gesamtfilters zu verringern,
ohne die Formanten- Verbesserung
zu verringern. Außerdem
wird ein einfaches FIR-Filter erster Ordnung verwendet, um die Tiefpass-Dämpfungswirkung
weiter zu verringern. Im LPC-Vocoder mit gemischter Erregung besitzt
das Verringern des Quantisierungsrauschens keine Bedeutung, aber
die Eigenschaften im Zeitbereich dieses Filters erzeugen eine Wirkung,
die zur tonhöhensynchronen
Polbandbreitenmodulation ähnlich
ist. Wie in 4 gezeigt
ist, besitzt eine einfache zerfallende Resonanz einen weniger abrupten
Einsatz im Zeitbereich, wenn dieses Verbesserungsfilter angewendet
wird. Dieses Merkmal erlaubt eine bessere Anpassung der Sprachausgabe
des LPC-Vocoders an die Bandpass-Signalformeigenschaften der natürlichen
Sprache in den Formanten-Bereichen, wobei es die wahrgenommene Qualität der synthetischen
Sprache verbessert.
-
Wie
oben erörtert
worden ist, sind die Pole des Verbesserungsfilters die um einen
Faktor von 0,8 in der z-Ebene zum Einheitskreis verschobenen Pole
des LPC-Filters. Gemäß der vorliegenden
Erfindung wird, weil dieses Allpolfilter für sich allein in das verarbeitete
Sprachsignal eine dämpfende
Eigenschaft einfügt,
ein schwächeres
Dauernullfilter in Kaskade verwendet, um die durch die Pole eingefügte spektrale
Neigung zu kompensieren. Außerdem
wird in das Filter eine weitere Nullstelle aufgenommen, um die spektrale
Neigung weiter zu verringern. Chen u. a. verwendeten im US-Patent
Nr. 4.969.192 mit dem Titel "Vector
Adaptive Predictive Coder for Speech and Audio" ein zweites Filter in einem Nachfilter
in einem CELP-Sprachcodierer.
-
Das
Problem bei diesem vorhandenen Verfahren ist, dass es die im akustischen
Hintergrundrauschen vorhandenen Fluktuationen vergrößert. Das
neue Verfahren, das hierin gelehrt wird, passt die Stärke des
spektralen Verbesserungsfilters anhand eines Schätzwertes der Wahrscheinlichkeit,
dass der momentane Eingangsrahmen Sprache anstatt Hintergrundrauschen
ist, an. Diese Wahrscheinlichkeit wird geschätzt, indem die Leistung im
momentanen Sprachrahmen mit einer langfristigen Schätzung der
Rauschleistung verglichen wird. Um mögliche Unstetigkeiten aus dem "EIN"- und "AUS"-Schalten des Verbesserungsfilters
zu verhindern, verändert
sich die Stärke
des Filters über
einen Bereich der Signalwahr scheinlichkeiten allmählich von überhaupt
keiner Filterung zur vollen spektralen Verbesserung.
-
In
5 ist ein Blockschaltplan
des verbesserten Verbesserungsfilters gemäß der vorliegenden Erfindung
veranschaulicht. Das gemischte Erregungssignal e(n) wird an das
Filter
62 angelegt, das durch die LPC-Koeffizienten gesteuert
wird und das die Übertragungsfunktion
besitzt, wobei z die Inverse
des Einheitsverzögerungsoperators
z
–1 ist,
während α und β empirisch
mit einem Kompromiss zwischen spektralen Spitzen, die Chirpen erzeugen,
und dem Nichterreichen der spektralen Verbesserung bestimmte Koeffizienten
sind. Die Prädiktionsfilterkoeffizienten
1 - P(z) sind gleich den Analysefilterkoeffizienten A(z). Der Frequenzgang
in Hz ist der Unterschied zwischen den Frequenzgängen von zwei Allpolfiltern
wie:
-
-
Im
früheren
McCree-Artikel umfassen die Werte für das Verbesserungsfilter ein
erstes Filter mit β =
0,5 und α =
0,8 und ein zweites Filter mit einer Übertragungsfunktion von 1 - μz–1.
Gemäß der vorliegenden
Erfindung wird für
das erste Filter der Signalwahrscheinlichkeitswert (sig-prob) von
der Signalwahrscheinlichkeits-Schätzeinrichtung 63 mit
dem β von
0,5 multipliziert (×)
und mit dem α von
0,8 multipliziert (×),
oder ß = 0,5 × sig-prob
(Signalwahrscheinlichkeit, wie sie durch die Schätzeinrichtung gemessen worden
ist) und α = 0,8 × sig-prob
im Filter 62. Das Ausgangssignal des Filters 62 ist
an ein zweites Filter 65 gekoppelt, das die Übertragungsfunktion
von 1 - μz–1,
multipliziert (×)
mit sig-prob, besitzt, wobei μ typischerweise
0,5 multipliziert (×)
mit k(1) ist. Der Term k(1) ist der erste Reflexionskoeffizient.
Die Signalwahrscheinlichkeits-Schätzeinrichtung 63 bestimmt
in Reaktion auf die Verstärkung
vom Analysator (610 in 4,
decodiert von 536 nach 2),
ob die Leistung im momentanen Rahmen mit einer langfristigen Schätzung der
Rauschleistung zu vergleichen ist. Ein Ablaufplan der Schätzeinrichtung
ist in 6 gezeigt. Die
Schätzeinrichtung 63 setzt
einige Zeitkonstanten und Schrittgrößen und vergleicht dann den
Logarithmus der Verstärkung
mit der Rauschverstärkung
+ 30 dB. Falls der Leistungspegel höher als die Rauschverstärkung +
30 dB ist, wird sig-prob auf 1 gesetzt, während sig-prob auf null gesetzt
wird, um keine Filterung zu haben, falls der Leistungspegel niedriger als
die Rauschverstärkung
+ 12 dB ist. In dieser Weise wird das erste Filter angewendet, falls
ein Signal vorhanden ist, aber nicht, falls Rauschen vorhanden ist.
Falls die Verstärkung
zwischen diesen Extremen liegt, ist der Wert von sig-prob gleich
(logarithmische Verstärkung – 12 dB – Rauschverstärkung) geteilt
durch 18. Dies ist ein linearer Sägezahnwert zwischen 0 und 1
bzw. zwischen 12 dB und 30 dB. Dieser "sig-prob" wird der Multiplikator für α, β und μ. Die Zeitkonstanten
werden gewählt,
um das Sprachsignal herauszumitteln und den Wert des Störpegels
zu approximieren.
-
In
einer Echtzeitimplementierung eines 2,4-kb/s-MELP-Codierers, der
in einem TMS320C31-DSP-Chip ausgeführt wird, führt dieses verbesserte adaptive
spektrale Verbesserungsverfahren zu einer deutlichen Verbesserung
der Sprachqualität
für verrauschte
Eingangssprache, während
dieselbe Qualität
wie beim vorhandenen Verfahren für
reine Eingangssignale aufrechterhalten wird.
-
Die
Schätzeinrichtung 63 kann
Teil des Prozessor-Chips sein, der einen Code ausführt, der
dem Pseudo-Code im Folgenden folgt:
-
-
-
-
Es
wird angemerkt, dass dieses Verfahren leicht in anderen Sprachcodierungsanwendungen
angewendet werden kann, in denen eine spektrale Verbesserung oder
Nachfilterung erwünscht
ist.
-
Chen
u. a. beschrieben im oben zitierten US-Patent Nummer 4.969.192 ein
Nachfilter, in dem die Werte für
das erste Filter β =
0,5 und α =
0,8 sind, während
die Übertragungsfunktion
des zweiten Filters 1 - μz–1 ist.
Entsprechend den Lehren hierin ist das Nachfilter 32a mit
kurzer Verzögerung,
wenn es modifiziert ist, wie oben erörtert worden ist, um Rechenschaft
darüber
abzulegen, dass die geschätzte
Wahrscheinlichkeit Sprache anstatt Hintergrundrauschen ist, so,
dass für
das erste Filter β =
0,5 × sig-prob
und α =
0,8 × sig-prob
gilt. Das zweite Filter würde
die Übertragungsfunktion μz–1 × sig-prob
besitzen, wobei μ gleich
0,5 μ k(1)
ist, wobei k(1) der erste Reflexionskoeffizient ist.
-
Obwohl
die vorliegende Erfindung und ihre Vorteile ausführlich beschrieben worden sind,
sollte es selbstverständlich
sein, dass verschiedene Änderungen,
Ersetzungen und Umgestaltungen daran vorgenommen werden können, ohne
vom Umfang der Erfindung abzuweichen.
