EP1021805A1 - Procede de conditionnement d'un signal de parole numerique - Google Patents

Procede de conditionnement d'un signal de parole numerique

Info

Publication number
EP1021805A1
EP1021805A1 EP98943997A EP98943997A EP1021805A1 EP 1021805 A1 EP1021805 A1 EP 1021805A1 EP 98943997 A EP98943997 A EP 98943997A EP 98943997 A EP98943997 A EP 98943997A EP 1021805 A1 EP1021805 A1 EP 1021805A1
Authority
EP
European Patent Office
Prior art keywords
signal
frequency
frame
speech signal
module
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
Application number
EP98943997A
Other languages
German (de)
English (en)
Other versions
EP1021805B1 (fr
Inventor
Philip Lockwood
Stéphane LUBIARZ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nortel Networks France SAS
Original Assignee
Matra Nortel Communications SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matra Nortel Communications SAS filed Critical Matra Nortel Communications SAS
Publication of EP1021805A1 publication Critical patent/EP1021805A1/fr
Application granted granted Critical
Publication of EP1021805B1 publication Critical patent/EP1021805B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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
    • G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
    • G10L21/0364—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude for improving intelligibility
    • 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
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • 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
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Definitions

  • the present invention relates to digital techniques for processing speech signals.
  • a commonly used method is based on a linear prediction by which we evaluate a prediction delay inversely proportional to the tonal frequency. This delay can be expressed as a whole or fractional number of sample times of the digital signal.
  • Other methods directly detect breaks in the signal due to closures of the speaker's glottis, the time intervals between these breaks being inversely proportional to the tone frequency.
  • the discrete frequencies considered are those of the form (a / N) xF, where F is the sampling frequency, N the number of samples of the blocks used in the discrete Fourier transform, and has an integer ranging from 0 to N / 2-1. These frequencies do not necessarily include the estimated tone frequency and / or its harmonics. The result is an imprecision in the operations performed in conjunction with the estimated tone frequency, which can cause distortion of the processed signal by affecting its harmonic character.
  • a main object of the present invention is to propose a way of conditioning the speech signal which makes it less sensitive to the above drawbacks.
  • the invention thus provides a method of conditioning a digital speech signal processed by successive frames, in which a harmonic analysis of the speech signal is carried out to estimate a tonal frequency of the speech signal on each frame where it exhibits vocal activity. .
  • the speech signal of the frame is conditioned by oversampling it at a frequency of oversampling multiple of the estimated tone frequency.
  • the conditioned signal is distributed in blocks of N samples subjected to a transformation in the frequency domain, and the ratio between the oversampling frequency and the estimated tone frequency is chosen as a divisor of the number N .
  • the previous technique can be further refined by estimating the tonal frequency of the speech signal on a frame as follows:
  • the speech signal is interpolated in said time intervals, so that the conditioned signal resulting from this interpolation presents a constant time interval between two consecutive breaks.
  • This procedure artificially constructs a signal frame on which the speech signal breaks at constant intervals. We thus take into account possible variations in the tonal frequency over the duration of a frame.
  • An additional improvement consists in that, after the processing of each frame, a number of samples equal to an integer multiple of times the ratio between the frequency of the noise-free speech signal provided by this processing is retained. sampling and estimated tone frequency. This avoids the problems of distortion caused by phase discontinuities between frames, which are generally not completely corrected by conventional overlap-add techniques.
  • FIGS. 2 and 3 are flowcharts of procedures used by a voice activity detector of the system of Figure 1;
  • FIG. 4 is a diagram representing the states of a voice activity detection automaton
  • FIG. 5 is a graph illustrating the variations of a degree of vocal activity
  • - Figure 6 is a block diagram of a noise overestimation module of the system of Figure 1
  • FIG. 7 is a graph illustrating the calculation of a masking curve
  • FIG. 8 is a graph illustrating the use of the masking curves in the system of FIG. 1;
  • - Figure 9 is a block diagram of another denoising system implementing the present invention.
  • - Figure 10 is a graph illustrating a harmonic analysis method usable in a method according to the invention.
  • FIG. 11 partially shows a variant of the block diagram of Figure 9.
  • the signal frame is transformed in the frequency domain by a module 11 applying an algorithm fast Fourier transform classic (TFR) to calculate the modulus of the signal spectrum.
  • TFR algorithm fast Fourier transform classic
  • the frequency resolution available at the output of the fast Fourier transform is not used, but a lower resolution, determined by a number I of frequency bands covering the band [0 , F / 2] of the signal.
  • a module 12 calculates the respective means of the spectral components S of the speech signal in bands, for example by a uniform weighting such that:
  • This averaging decreases the fluctuations between the bands by averaging the noise contributions in these bands, which will decrease the variance of the noise estimator. In addition, this averaging allows a significant reduction in the complexity of the system.
  • the averaged spectral components Sn n , i are addressed to a voice activity detection module 15 and to a noise estimation module 16. These two modules 15,
  • module 16 operate jointly, in the sense that degrees of voice activity 1 measured for the different bands by module 15 are used by module 16 to estimate the long-term energy of noise in different bands, while these long-term estimates are used by module 15 to carry out a priori denoising of the speech signal in the different bands to determine the degrees of vocal activity ⁇ ,.
  • modules 15 and 16 can correspond to the flowcharts represented in FIGS. 2 and 3.
  • the module 15 proceeds a priori to denoising the speech signal in the different bands i for the signal frame n.
  • This a priori denoising is carried out according to a conventional process of non-linear spectral subtraction from noise estimates obtained during one or more previous frames.
  • the module 15 calculates, with the resolution of the bands i, the frequency response 1 of the a priori denoising filter, according to the formula:
  • Epmony11, X_ are calculated according to:
  • Steps 17 to 20 therefore essentially consist in subtracting from the signal spectrum an estimate, increased by the coefficient 0L n _ ⁇ ⁇ [ _ ⁇ , of the noise spectrum estimated a priori.
  • the module 15 calculates, for each band i (O ⁇ i ⁇ I), a quantity ⁇ E II, 1 representing the short-term variation of the signal energy denoised in the band i, as well as a long-term value E n 1 of the signal energy denoised in the band i.
  • the quantity ⁇ E II, 1 can be calculated by a simplified formula of
  • the long-term energy E nx it can be calculated using a forgetting factor Bl such that 0 ⁇ B1 ⁇ 1, namely
  • step 25 the quantity ⁇ E, I_I, 1 • is compared with a threshold ⁇ l. If the threshold ⁇ l is not reached, the counter b - is incremented by one unit in step 26.
  • step 27 the long-term estimator ba is compared to the value of the smoothed energy E n ⁇ x . If ba ⁇ > E n / , the estimator ba ⁇ is taken equal to the smoothed value E nx in step 28, and the counter b ⁇ is reset to zero.
  • the quantity p - which is taken equal to the ratio ba / E n ⁇ x (step 36), is then equal to 1.
  • step 27 shows that ba • E n ⁇
  • the counter fa- is compared with a limit value bmax in step 29. If b j > bmax, the signal is considered to be too stationary to support vocal activity .
  • Bm represents an update coefficient between 0.90 and 1. Its value differs depending on the state of a voice activity detection automaton (steps 30 to 32). This state ⁇ -, is that determined during the processing of the previous frame.
  • the coefficient Bm takes a value Bmp very close to 1 so that the noise estimator is very slightly updated in the presence of speech. Otherwise, the coefficient Bm takes a lower value Bms, to allow a more significant update of the noise estimator in the phase of silence.
  • the difference ba -bi between the long-term estimator and the internal noise estimator is compared to a threshold ⁇ 2.
  • the long-term estimator ba. is updated with the value of the internal estimator bi in step 35. Otherwise, the long-term estimator ba. remains unchanged. This avoids that sudden variations due to a speech signal lead to an update of the noise estimator.
  • the module 15 After having obtained the quantities p, the module 15 proceeds to the voice activity decisions in step 37.
  • the module 15 first sets the state of the detection automaton according to the quantity P Q calculated for the entire signal band.
  • the new state ⁇ n of the automaton depends on the previous state ⁇ -, and on P Q , as shown in Figure 4.
  • P Q is smaller than the threshold SE1, it goes into the speech state if P Q is greater than a second threshold SE2 greater than the threshold SE1, and it remains in the rising state if SEl ⁇ P Q ⁇ SE2.
  • the PLC returns to the state of speech if p Q is greater than the threshold SE2, it returns to the state of silence if p Q is below a fourth threshold SE4 smaller than the threshold SE2, and it remains in the state of descent if SE4 ⁇ p Q ⁇ SE2.
  • the module 15 also calculates the degrees of voice activity 1. in each strip ⁇ l.
  • Module 16 calculates the noise band estimates, which will be used in the denoising process, using the successive values of the components S penetrate11 / _ and the degrees of voice activity ⁇ , il ⁇ _.
  • step 42 the module 16 updates the noise estimates per band according to the formulas:
  • B n, ⁇ B- ê nl, ⁇ + d- B ) • ⁇ ( 5 )
  • B n, ⁇ nf ⁇ - B nl, ⁇ + Q - Vn, j) B n, ⁇ or ⁇ ⁇ denotes a forgetting factor such as 0 ⁇ ⁇ ⁇ l.
  • the formula (6) highlights the taking into account of the degree of non binary vocal activity ⁇ , ⁇ .
  • the long-term noise estimates B_ are overestimated by a module 45 (FIG. 1) before denoising by nonlinear spectral subtraction.
  • Module 45 calculates the overestimation coefficient ⁇ n 7 previously
  • the organization of the overestimation module 45 is shown in FIG. 6.
  • the measurement ⁇ B I TM l f ax of the noise variability reflects the variance of the noise estimator. It is obtained as a function of the values of S ⁇ , and of B fatigue-, calculated for a certain number of previous frames on which the speech signal does not present any vocal activity in the
  • band i It is a function of the deviations S p n-k, ⁇ n-k, ⁇ calculated for a number K of frames of silence (n-k ⁇ n). In the example shown, this function is simply the maximum (block 50). For each frame n, the degree of voice activity ⁇ - I-I, 1_ is compared to a threshold (block 51)
  • ⁇ _ II 1. does not exceed the threshold (which can be equal to 0 if the function g () has the form of figure 5), the FIFO 54 is not supplied, while it is in the opposite case.
  • the maximum value contained in FIFO 54 is then provided as a measure of variability ⁇ B I TM l f a .
  • the measure of variability ⁇ B I TM l f ax can, as a variant, be obtained as a function of the values S ⁇ (and not S »_) and B n ⁇ . We then proceed in the same way, except that the FIFO
  • the enhanced estimator B n ⁇ provides excellent robustness to the musical noises of the denoising process.
  • a first phase of the spectral subtraction is carried out by the module 55 shown in FIG. 1.
  • This phase provides, with the resolution of the bands i
  • the coefficient ⁇ represents, like the coefficient ⁇ of formula (3), a floor conventionally used to avoid negative or too low values of the denoised signal.
  • this function being decreasing according to the estimated value of the signal-to-noise ratio.
  • This function is then equal to ⁇ n ⁇ for the lowest values of the signal-to-noise ratio. Indeed, when the signal is very noisy, it is a priori not useful to reduce the overestimation factor.
  • this function decreases towards zero for the highest values of the signal / noise ratio. This protects the most energetic areas of the spectrum, or the signal of speech is the most significant, the quantity subtracted from the signal then tending towards zero.
  • This strategy can be refined by applying it selectively to the harmonics of the pitch frequency of the speech signal when it has vocal activity.
  • a second noise reduction phase is carried out by a module 56 for protecting harmonics.
  • This module calculates, with the resolution of the Fourier transform, the frequency response H n f of a second filter of
  • the module 57 can apply any known method of analysis of the speech signal of the frame to determine the period T, expressed as an integer or fractional number of samples, for example a method of linear prediction.
  • the protection provided by the module 56 may consist in carrying out, for each frequency f belonging to a band i:
  • the floor coefficients ⁇ 2 2 express the fact that certain harmonics of the tonal frequency f can be masked by noise, so that it is not useful to protect them.
  • This protection strategy is preferably applied for each of the frequencies closest to the harmonics of f, that is to say for any integer ⁇ .
  • ⁇ f the frequency resolution with which the analysis module 57 produces the estimated tone frequency f, that is to say that the actual tone frequency is between f - ⁇ f / 2 and f + ⁇ f / 2, so
  • condition (9 ') is of particular interest when the values of ⁇ can be large, in particular in the case where the method is used in a broadband system.
  • the corrected frequency response H n f can be equal to 1 as indicated above, which corresponds to the subtraction of a zero quantity in the context of spectral subtraction, that is to say full protection of the frequency in question. More generally, this frequency response 2 corrected H n f could be taken equal to a value
  • the spectral components ⁇ n f of a noisy signal are calculated by a multiplier 58:
  • This signal S n ⁇ is supplied to a module 60 which calculates, for each frame n, a masking curve by applying a psychoacoustic model of auditory perception by the human ear.
  • the masking phenomenon is a known principle of the functioning of the human ear. When two frequencies are heard simultaneously, one of them may no longer be heard. We then say that it is masked.
  • the masking threshold Mil, q is obtained by the module
  • the parameter ⁇ can be of the known form:
  • the denoising system also includes a module
  • the module 62 decides the level of denoising which must really be reached.
  • the new response H nf for a frequency f belonging to the band i defined by the module 12 and to the bark band q, thus depends on the relative difference between the increased estimate B Il f • of the corresponding spectral component of the noise and the masking curve Mn, q, as follows
  • FIG. 8 illustrates the principle of the correction applied by the module 62. It schematically shows an example of the masking curve Mil, q calculated on the basis 2 of the spectral components S n ⁇ of the denoised signal, thus
  • the quantity finally subtracted from the components S f will be that represented by the hatched areas, that is to say limited to the fraction of the increased estimate BI n l f J- • of the spectral components of the noise which exceeds the masking curve .
  • This subtraction is carried out by multiplying the frequency response H n ⁇ of the noise reduction filter by the spectral components f 1 of the speech signal
  • a module 65 reconstructs the noisy signal in the time domain, by operating the inverse fast Fourier transform (TFRI) of inverse frequency samples S n f delivered by the multiplier.
  • TFRI inverse fast Fourier transform
  • FIG. 9 shows a preferred embodiment of a denoising system implementing the invention.
  • This system comprises a certain number of elements similar to corresponding elements of the system of FIG. 1, for which the same reference numbers have been used. So, modules 10, 11,
  • Fast Fourier 11 is a limitation of the system of FIG. 1.
  • the frequency subject to protection by the module 56 is not necessarily the precise tone frequency f, but the frequency closest to it. in the discrete spectrum. In some cases, it is then possible to protect harmonics relatively far from that of the tone frequency.
  • the system of FIG. 9 overcomes this drawback thanks to an appropriate conditioning of the speech signal.
  • the sampling frequency of the signal is modified so that the period 1 / f covers exactly an integer number of sample times of the conditioned signal.
  • Many harmonic analysis methods that can be implemented by the module 57 are capable of providing a fractional value of the delay T, expressed in number of samples at the initial sampling frequency F.
  • f should be greater than F.
  • F is between F and 2F (1 ⁇ K ⁇ 2), to facilitate the implementation of the packaging.
  • This size N is usually a power of 2 for the implementation of the TFR. It is 256 in the example considered.
  • This choice is made by a module 70 according to the value of the delay provided by the analysis module.
  • the module 70 provides the ratio K between the sampling frequencies to three frequency change modules 71, 72, 73.
  • the module 71 is used to transform the values Sn, ⁇ '
  • the module 72 proceeds to oversampling the frame of N samples provided by the windowing module 10.
  • Oversampling in a rational factor K K1 / K2 consists in first carrying out an oversampling in the integer factor K1, then a sub-sampling in the integer factor K2.
  • the conditioned signal frame supplied by the module 72 includes KN samples at the frequency f. These samples are sent to a module 75 which calculates their Fourier transform.
  • the two blocks therefore have an overlap of (2-K) xl00%.
  • These components S ⁇ are supplied to the multiplier 58, which multiplies them by the spectral response H n 2 f to deliver the spectral components S n 2 f of the first denoised signal.
  • the module 60 which calculates the masking curves in the manner previously indicated.
  • the autocorrelations A (k) are calculated by a module 76, for example according to the formula: N / 2-1
  • a module 77 then calculates the normalized entropy
  • the correction module 62 operates in the same way as that of the system of FIG. 1, taking into account the overestimated noise B n ⁇ - resized by the frequency change module 71. It provides the frequency response H n ⁇ of the final denoising filter, which is multiplied by the spectral components S. I_I, 1 of the signal conditioned by the multiplier
  • a module 80 combines, for each frame, the two signal blocks resulting from the processing of the two overlapping blocks delivered by the TFR 75. This combination can consist of a sum with Hamming weighting of the samples, to form a conditioned signal frame denoised of KN samples.
  • the management module 82 manages the windows formed by the module 10 and saved by the module 66, so that a number M of samples is saved equal to an integer multiple of. This avoids the problems of phase discontinuity between the frames.
  • the management module 82 controls the windowing module 10 so that the overlap between the current frame and the next one corresponds to NM. This recovery of NM samples will be required in the recovery sum carried out by the module 66 during the processing of the next frame. From the value of T provided by the harmonic analysis module 57, the module 82 calculates the number of samples to be saved
  • M T xE [N / (2T)], E [] designating the whole part, and correspondingly controls the modules 10 and 66.
  • the tonal frequency is estimated on an average basis on the frame.
  • the tonal frequency may vary somewhat over this period. It is possible to take these variations into account in the context of the present invention, by conditioning the signal so as to artificially obtain a constant tone frequency in the frame.
  • the harmonic analysis module 57 provide the time intervals between the consecutive breaks in the speech signal attributable to closures of the glottis of the intervening speaker for the duration of the frame.
  • Methods usable for detecting such micro-ruptures are well known in the field of harmonic analysis of speech signals.
  • the principle of these methods is to perform a statistical test between two models, one in the short term and the other in the long term. Both models are adaptive linear prediction models.
  • the value of this statistical test w is the cumulative sum of the posterior likelihood ratio of two distributions, corrected by the Kullback divergence. For a distribution of residuals having a Gaussian statistic, this value w.m is given by:
  • FIG. 10 thus shows a possible example of evolution of the value w, showing the breaks R of the speech signal.
  • FIG. 11 shows the means used to calculate the conditioning of the signal in the latter case.
  • the harmonic analysis module 57 is produced so as to implement the above analysis method, and to provide the intervals t relative to the signal frame produced by the module 10.
  • These reports oversampling K r are supplied to the frequency change modules 72 and 73, so that the interpolations are carried out with the sampling ratio K over the corresponding time interval t.
  • the largest T of the time intervals t supplied by the module 57 for a frame is selected by the module 70 (block 91 in FIG. 11) to obtain a torque p, ⁇ as indicated in table I.
  • This embodiment of the invention also involves an adaptation of the window management module 82.
  • the number M of samples of the denoised signal to be saved on the current frame here corresponds to an integer number of consecutive time intervals t between two glottal breaks (see FIG. 10). This arrangement avoids the problems of phase discontinuity between frames, while taking into account the possible variations of the time intervals t on a frame.

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)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)

Abstract

Pour conditionner un signal numérique de parole(s) traité par trames successives, on en effectue une analyse harmonique pour estimer une fréquence tonale sur chaque trame où il présente une activité vocale, et on le suréchantillonne à une fréquence de suréchantillonnage (fe) multiple de la fréquence tonale estimée.

Description

PROCEDE DE CONDITIONNEMENT D'UN SIGNAL DE PAROLE NUMERIQUE
La présente invention concerne les techniques numériques de traitement de signaux de parole.
De nombreuses représentations des signaux de parole tiennent compte de l' harmonicite de ces signaux résultant de la façon dont ils sont produits. Dans la plupart des cas, ceci se traduit par la détermination d'une fréquence tonale du signal de parole.
Les traitements numériques des signaux de parole ont récemment connu d'importants développements dans des domaines varies : codage de la parole pour la transmission ou le stockage, reconnaissance de la parole, diminution du bruit, annulation d'echo... Très fréquemment, ces traitements font intervenir une estimation de la fréquence tonale et des opérations particulières en liaison avec la fréquence estimée.
De nombreuses méthodes ont été conçues pour estimer la fréquence tonale. Une méthode couramment utilisée repose sur une prédiction linéaire par laquelle on évalue un retard de prédiction inversement proportionnel a la fréquence tonale. Ce retard peut être exprime comme un nombre entier ou fractionnaire de temps d'échantillon du signal numérique. D'autres méthodes détectent directement des ruptures du signal attribuables aux fermetures de la glotte du locuteur, les intervalles de temps entre ces ruptures étant inversement proportionnels à la fréquence tonale.
Lorsqu'une transformation dans le domaine frequentiel, telle qu'une transformée de Fourier discrète, est opérée sur le signal de parole numérique, on est amené a considérer un spectre discret du signal de parole. Les fréquences discrètes considérées sont celles de la forme (a/N)xF , où F est la fréquence d'échantillonnage, N le nombre d'échantillons des blocs utilises dans la transformée de Fourier discrète, et a un entier allant de 0 a N/2-1. Ces fréquences ne comprennent pas nécessairement la fréquence tonale estimée et/ou ses harmoniques. Il en resuite une imprécision dans les opérations effectuées en liaison avec la fréquence tonale estimée, qui peut provoquer des distorsions du signal traité en affectant son caractère harmonique.
Un but principal de la présente invention est de proposer une façon de conditionner la signal de parole qui le rende moins sensible aux inconvénients ci-dessus.
L' invention propose ainsi un procédé de conditionnement d'un signal numérique de parole traite par trames successives, dans lequel on effectue une analyse harmonique du signal de parole pour estimer une fréquence tonale du signal de parole sur chaque trame où il présente une activité vocale. Après avoir estime la fréquence tonale du signal de parole sur une trame, on conditionne le signal de parole de la trame en le suréchantillonnant a une fréquence de suréchantillonnage multiple de la fréquence tonale estimée.
Cette disposition permet, dans le traitement effectué sur le signal de parole, de privilégier les fréquences les plus proches de la fréquence tonale estimée par rapport aux autres fréquences. On préserve donc au mieux le caractère harmonique du signal de parole. Pour calculer des composantes spectrales du signal de parole, on distribue le signal conditionné par blocs de N échantillons soumis à une transformation dans le domaine frequentiel, et on choisit le rapport entre la fréquence de suréchantillonnage et la fréquence tonale estimée comme un diviseur du nombre N.
La technique précédente peut encore être affinée en estimant la fréquence tonale du signal de parole sur une trame de la manière suivante :
- on estime des intervalles de temps entre deux ruptures consécutives du signal attπbuables à des fermetures de la glotte du locuteur intervenant pendant la durée de la trame, la fréquence tonale estimée étant inversement proportionnelle auxdits intervalles de temps ;
- on interpole le signal de parole dans lesdits intervalles de temps, afin que le signal conditionné résultant de cette interpolation présente un intervalle de temps constant entre deux ruptures consécutives.
Cette façon de procéder construit artificiellement une trame de signal sur laquelle le signal de parole présente des ruptures à intervalles constants. On prend ainsi en compte d'éventuelles variations de la fréquence tonale sur la durée d'une trame.
Une amélioration supplémentaire consiste en ce que, après le traitement de chaque trame, on conserve, parmi les échantillons du signal de parole débruité fournis par ce traitement, un nombre d'échantillons égal à un multiple entier de fois le rapport entre la fréquence d'échantillonnage et la fréquence tonale estimée. Ceci évite les problèmes de distorsion provoqués par les discontinuités de phase entre trames, qui ne sont généralement pas corrigées totalement par les techniques classiques de somme à recouvrement (overlap-add) .
Le fait d'avoir conditionné le signal par la technique de suréchantillonnage permet d'obtenir une bonne mesure du degré de voisement du signal de parole sur la trame, à partir d'un calcul de l'entropie de l'autocorrélation des composantes spectrales calculées sur la base du signal conditionné. Plus le spectre est perturbé, c'est-à-dire plus il est voisé, plus les valeurs de l'entropie sont faibles. Le conditionnement du signal de parole accentue l'aspect irrégulier du spectre et donc les variations de l'entropie, de sorte que celle-ci constitue une mesure de bonne sensibilité.
Dans la suite de la présente description, on illustrera le procédé de conditionnement selon l'invention dans un système de débruitage d'un signal de parole. On comprendra que ce procédé peut trouver des applications dans de nombreux autres types de traitement numérique de la parole : codage, reconnaissance, annulation d'écho... D'autres particularités et avantages de la présente invention apparaîtront dans la description ci- après d'exemples de réalisation non limitatifs, en référence aux dessins annexés, dans lesquels : la figure 1 est un schéma synoptique d'un système de debruitage ;
- les figures 2 et 3 sont des organigrammes de procédures utilisées par un détecteur d'activité vocale du système de la figure 1 ;
- la figure 4 est un diagramme représentant les états d'un automate de détection d'activité vocale ; la figure 5 est un graphique illustrant les variations d'un degré d'activité vocale ; - la figure 6 est un schéma synoptique d'un module de surestimation du bruit du système de la figure 1 ; la figure 7 est un graphique illustrant le calcul d'une courbe de masquage ; la figure 8 est un graphique illustrant l'exploitation des courbes de masquage dans le système de la figure 1 ;
- la figure 9 est un schéma synoptique d'un autre système de débruitage mettant en œuvre la présente invention ; - la figure 10 est un graphique illustrant une méthode d'analyse harmonique utilisable dans un procède selon l'invention ; et
- la figure 11 montre partiellement une variante du schéma synoptique de la figure 9. Le système de débruitage représenté sur la figure
1 traite un signal numérique de parole s. Un module de fenêtrage 10 met ce signal s sous forme de fenêtres ou trames successives, constituées chacune d'un nombre N d'échantillons de signal numérique. De façon classique, ces trames peuvent présenter des recouvrements mutuels. Dans la suite de la présente description, on considérera, sans que ceci soit limitatif, que les trames sont constituées de N=256 échantillons à une fréquence d'échantillonnage F de 8 kHz, avec une pondération de Hamming dans chaque fenêtre, et des recouvrements de 50° entre fenêtres consécutives.
La trame de signal est transformée dans le domaine frequentiel par un module 11 appliquant un algorithme classique de transformée de Fourier rapide (TFR) pour calculer le module du spectre du signal. Le module 11 délivre alors un ensemble de N=256 composantes frequentielles du signal de parole, notées S„ II, f, ou n désigne le numéro de la trame courante, et f une fréquence du spectre discret. Du fait des propriétés des signaux numériques dans le domaine frequentiel, seuls les N/2=128 premiers échantillons sont utilises.
Pour calculer les estimations du bruit contenu dans le signal s, on n'utilise pas la resolution frequentielle disponible en sortie de la transformée de Fourier rapide, mais une resolution plus faible, déterminée par un nombre I de bandes de fréquences couvrant la bande [0,F /2] du signal. Chaque bande î (l≤i≤I) s'étend entre une fréquence inférieure f(ι-l) et une fréquence supérieure f(ι), avec f(0)=0, et f(I)=F /2.
Ce découpage en bandes de fréquences peut être uniforme (f (î) -f (î-l) =F /2I) . Il peut également être non uniforme
(par exemple selon une échelle de barks) . Un module 12 calcule les moyennes respectives des composantes spectrales S du signal de parole par bandes, par exemple par une pondération uniforme telle que :
S^ = - f -D f e[rf(ι^-l) ,f(ι) τ[ Sn,f U)
Ce moyennage diminue les fluctuations entre les bandes en moyennant les contributions du bruit dans ces bandes, ce qui diminuera la vaπance de l'estimateur de bruit. En outre, ce moyennage permet une forte diminution de la complexité du système.
Les composantes spectrales moyennées Snn, i sont adressées a un module 15 de détection d'activité vocale et a un module 16 d'estimation du bruit. Ces deux modules 15,
16 fonctionnent conjointement, en ce sens que des degrés d'activité vocale 1 mesurés pour les différentes bandes par le module 15 sont utilisés par le module 16 pour estimer l'énergie a long terme du bruit dans les différentes bandes, tandis que ces estimations a long terme sont utilisées par le module 15 pour procéder a un débruitage a priori du signal de parole dans les différentes bandes pour déterminer les degrés d'activité vocale γ , .
Le fonctionnement des modules 15 et 16 peut correspondre aux organigrammes représentés sur les figures 2 et 3.
Aux étapes 17 a 20, le module 15 procède au debruitage a priori du signal de parole dans les différentes bandes i pour la trame de signal n. Ce débruitage a priori est effectué selon un processus classique de soustraction spectrale non linéaire a partir d'estimations du bruit obtenues lors d'une ou plusieurs trames précédentes. A l'étape 17, le module 15 calcule, avec la résolution des bandes i, la réponse en fréquence 1 du filtre de débruitage a priori, selon la formule :
sn,ι ~ an-τl,i' Bn-τl,ι
HPn,ι = ς (2) bn-τ2,ι ou τl et τ2 sont des retards exprimés en nombre de trames (τl≥l, τ2>0), et α I„l /±- est un coefficient de surestimation du bruit dont la détermination sera expliquée plus loin. Le retard τl peut être fixe (par exemple τl=l) ou variable. Il est d'autant plus faible qu'on est confiant dans la détection d'activité vocale. Aux étapes 18 à 20, les composantes spectrales
Ep„ 11,X_ sont calculées selon :
EPn,ι = max{ ,rsn,ι' P ' Bn-xl ,x) <3> où βp est un coefficient de plancher proche de 0, servant classiquement à éviter que le spectre du signal débruité prenne des valeurs négatives ou trop faibles qui provoqueraient un bruit musical. Les étapes 17 a 20 consistent donc essentiellement a soustraire du spectre du signal une estimation, majorée par le coefficient 0Ln_τη[_ λ , du spectre du bruit estimé a priori . A l'étape 21, le module 15 calcule l'énergie du signal débruite a priori dans les différentes bandes i pour la trame n : £ ± = Epn2 χ . Il calcule aussi une moyenne globale E Q de l'énergie du signal débruite a priori, par une somme des énergies par bande E Il / Δ- , pondérée par les largeurs de ces bandes. Dans les notations ci-dessous, l'indice 1=0 sera utilisé pour designer la bande globale du signal.
Aux étapes 22 et 23, le module 15 calcule, pour chaque bande i (O≤i≤I), une grandeur ΔE II, 1 représentant la variation à court terme de l'énergie du signal débruite dans la bande i, ainsi qu'une valeur à long terme En 1 de l'énergie du signal débruite dans la bande i. La grandeur ΔE II, 1 peut être calculée par une formule simplifiée de
E n-4rι + E n-3,ι - E n-1,1 - E n,ι dérivation Δ£ n,ι Quant a
10 l'énergie à long terme En x , elle peut être calculée à l'aide d'un facteur d'oubli Bl tel que 0<B1<1, à savoir
'En,! = Bl .Ë. n_l,_ι + (1--B1) . E^ .
Après avoir calculé les énergies En, i du signal débruite, ses variations à court terme ΔEn, i et ses valeurs à long terme En x de la manière indiquée sur la figure 2, le module 15 calcule, pour chaque bande i (O≤i≤I), une valeur p représentative de l'évolution de l'énergie du signal débruite. Ce calcul est effectué aux étapes 25 à 36 de la figure 3, exécutées pour chaque bande i entre ι=0 et ι=I . Ce calcul fait appel à un estimateur a long terme de l'enveloppe du bruit ba , à un estimateur interne b • et à un compteur de trames bruitées b< .
A l'étape 25, la grandeur ΔE, I_I, 1• est comparée à un seuil εl . Si le seuil εl n'est pas atteint, le compteur b - est incrémenté d'une unité à l'étape 26. A l'étape 27, l'estimateur à long terme ba est comparé à la valeur de l'énergie lissée En^x . Si baχ>En/ , l'estimateur baχ est pris égal à la valeur lissée En x à l'étape 28, et le compteur bχ est remis à zéro. La grandeur p - , qui est prise égale au rapport ba /En^x (étape 36) , est alors égale à 1.
Si l'étape 27 montre que ba • En^ , le compteur fa- est comparé à une valeur limite bmax à l'étape 29. Si bj>bmax, le signal est considéré comme trop stationnaire pour supporter de l'activité vocale. L'étape 28 précitée, qui revient à considérer que la trame ne comporte que du bruit, est alors exécutée. Si b-≤bmax à l'étape 29, l'estimateur interne bi- est calculé à l'étape 33 selon : bij_ = (1-Bm) . ~E~ nrj_ + Bm . ba ( 4 ) Dans cette formule, Bm représente un coefficient de mise à jour compris entre 0,90 et 1. Sa valeur diffère selon l'état d'un automate de détection d'activité vocale (étapes 30 à 32) . Cet état δ -, est celui déterminé lors du traitement de la trame précédente. Si l'automate est dans un état de détection de parole (δ _-, =2 à l'étape 30), le coefficient Bm prend une valeur Bmp très proche de 1 pour que l'estimateur du bruit soit très faiblement mis à jour en présence de parole. Dans le cas contraire, le coefficient Bm prend une valeur Bms plus faible, pour permettre une mise à jour plus significative de l'estimateur de bruit en phase de silence. A l'étape 34, l'écart ba -bi entre l'estimateur à long terme et l'estimateur interne du bruit est comparé à un seuil ε2.
Si le seuil ε2 n'est pas atteint, l'estimateur à long terme ba. est mis à jour avec la valeur de l'estimateur interne bi à l'étape 35. Sinon, l'estimateur à long terme ba. reste inchangé. On évite ainsi que de brutales variations dues à un signal de parole conduisent à une mise à jour de l'estimateur de bruit.
Après avoir obtenu les grandeurs p , le module 15 procède aux décisions d'activité vocale à l'étape 37. Le module 15 met d'abord à our l'état de l'automate de détection selon la grandeur PQ calculée pour l'ensemble de la bande du signal. Le nouvel état δn de l'automate dépend de l'état précédent δ -, et de PQ, de la manière représentée sur la figure 4.
Quatre états sont possibles : δ=0 détecte le silence, ou absence de parole ; δ=2 détecte la présence d'une activité vocale ; et les états δ=l et δ=3 sont des états intermédiaires de montée et de descente. Lorsque l'automate est dans l'état de silence (δn_ι =0) / il Y reste si PQ ne dépasse pas un premier seuil SE1, et il passe dans l'état de montée dans le cas contraire. Dans l'état de montée (δn il revient dans l'état de silence si
PQ est plus petit que le seuil SE1, il passe dans l'état de parole si PQ est plus grand qu'un second seuil SE2 plus grand que le seuil SE1, et il reste dans l'état de montée si SEl≤ PQ≤SE2. Lorsque l'automate est dans l'état de parole (δn_ =2), il y reste si pQ dépasse un troisième seuil SE3 plus petit que le seuil SE2, et il passe dans l'état de descente dans le cas contraire. Dans l'état de descente (δn_x =3) , l'automate revient dans l'état de parole si pQ est plus grand que le seuil SE2, il revient dans l'état de silence si pQ est en deçà d'un quatrième seuil SE4 plus petit que le seuil SE2, et il reste dans l'état de descente si SE4<pQ<SE2. A l'étape 37, le module 15 calcule également les degrés d'activité vocale 1. dans chaque bande ι≥l. Ce degré γ,n_, i est de préférence un paramètre non binaire, c'est-a-dire que la fonction γ =g(p ) est une fonction variant continûment entre 0 et 1 en fonction des valeurs prises par la grandeur p . Cette fonction a par exemple l'allure représentée sur la figure 5.
Le module 16 calcule les estimations du bruit par bande, qui seront utilisées dans le processus de débruitage, en utilisant les valeurs successives des composantes S„ 11 / _ et des degrés d'activité vocale γ,i.l η_.
Ceci correspond aux étapes 40 à 42 de la figure 3. A l'étape 40, on détermine si l'automate de détection d'activité vocale vient de passer de l'état de montée à l'état de parole. Dans l'affirmative, les deux dernières estimations ^ -l i et Bn-2 ι précédemment calculées pour chaque bande ι>l sont corrigées conformément à la valeur de l'estimation précédente ^n-3 i ' Cette correction est effectuée pour tenir compte du fait que, dans la phase de montée (δ=l), les estimations à long terme de l'énergie du bruit dans le processus de détection d'activité vocale (étapes 30 à 33) ont pu être calculées comme si le signal ne comportait que du bruit (Bm=Bms), de sorte qu'elles risquent d'être entachées d'erreur.
A l'étape 42, le module 16 met à jour les estimations du bruit par bande selon les formules :
Bn,ι = B- ên-l,ι + d- B ) • ^ (5) B n,ι = nfι- Bn-l,ι + Q--Vn,j) B n,ι ou λβ désigne un facteur d'oubli tel que 0<λβ<l. La formule (6) met en évidence la prise en compte du degré d' activité vocale non binaire γιι,ι .
Comme indique précédemment, les estimations a long terme du bruit B_ , font l'objet d'une surestimation, par un module 45 (figure 1), avant de procéder au debruitage par soustraction spectrale non linéaire. Le module 45 calcule le coefficient de surestimation αn 7 précédemment
Λl évoque, ainsi qu'une estimation majorée Bn qui corresponα
essentiellement à OA IlfJ... B I„f...
L'organisation du module de surestimation 45 est représentée sur la figure 6. L'estimation majorée B InlfJ ,. est
obtenue en combinant l'estimation à long terme B Inlι et une
mesure Δ3 I^lι f a 1 x de la variabilité de la composante du bruit dans la bande i autour de son estimation a long terme. Dans l'exemple considéré, cette combinaison est, pour l'essentiel, une simple somme réalisée par un additionneur 46. Ce pourrait également être une somme pondérée. Le coefficient de surestimation n λ est égal au
rapport entre la somme B I„lfJ,. + Δ-3 I™lf a-x. délivrée par l'additionneur 46 et l'estimation à long terme retardée B 1n1 _ fJ-,. (diviseur 47) , plafonné à une valeur limite par exemple α__ =4 (bloc 48) . Le retard τ3 sert à corriger le cas échéant, dans les phases de montée (δ=l), la valeur du coefficient de surestimation n l / avant que les estimations à long terme aient été corrigées par les étapes 40 et 41 de la figure 3 (par exemple τ3=3) . L'estimation majorée Bn χ est finalement prise
égale à αj_. If-,L.B IrI.__-Df,. (multiplieur 49).
La mesure ΔB I™lf ax de la variabilité du bruit reflète la variance de l'estimateur de bruit. Elle est obtenue en fonction des valeurs de S^ , et de B„ -, calculées pour un certain nombre de trames précédentes sur lesquelles le signal de parole ne présente pas d'activité vocale dans la
bande i. C'est une fonction des écarts S p n-k,ι n-k,ι calculés pour un nombre K de trames de silence (n-k≤n) . Dans l'exemple représenté, cette fonction est simplement le maximum (bloc 50) . Pour chaque trame n, le degré d'activité vocale γ- I-I, 1_ est comparé à un seuil (bloc 51)
pour décider si l'écart -n,ι calculé en 52-53, doit ou non être chargé dans une file d'attente 54 de K emplacements organisée en mode premier entré-premier sorti (FIFO) . Si γ_ II, 1. ne dépasse pas le seuil (qui peut être égal a 0 si la fonction g() a la forme de la figure 5), la FIFO 54 n'est pas alimentée, tandis qu'elle l'est dans le cas contraire. La valeur maximale contenue dans la FIFO 54 est alors fournie comme mesure de variabilité ΔB I™lf a .
La mesure de variabilité ΔB I™lf ax peut, en variante, être obtenue en fonction des valeurs S^ (et non S» _ ) et Bn ± . On procède alors de la même manière, sauf que la FIFO
54 contient non pas n-k,ι Bn-k,ι pour chacune des bandes
i, mais plutôt max S n-k,f Bn, -k,ι fe[f(ι-l),f(ι)[
Grâce aux estimations indépendantes des fluctuations long terme du bruit B n,ι et de sa variabilité à court terme ΔB™^x , l'estimateur majoré Bn χ procure une excellente robustesse aux bruits musicaux du procédé de débruitage.
Une première phase de la soustraction spectrale est réalisée par le module 55 représenté sur la figure 1.
Cette phase fournit, avec la résolution des bandes i
U≤i≤I), la réponse en fréquence R~ n χ d'un premier filtre de débruitage, en fonction des composantes 1 et fi-'-, et
! des coefficients de surestimation a n ι - Ce calcul peut être effectue pour chaque bande i selon la formule :
où τ4 est un retard entier déterminé tel que τ4>0 (par exemple τ4=0) . Dans l'expression (7), le coefficient β représente, comme le coefficient β de la formule (3) , un plancher servant classiquement à éviter les valeurs négatives ou trop faibles du signal débruite.
De façon connue (EP-A-0 534 837), le coefficient
I de surestimation α I„lf , pourrait être remplacé dans la formule (7) par un autre coefficient égal à une fonction de n et d'une estimation du rapport signal-sur-bruit
(par exemple S^ J Bn ι ) , cette fonction étant décroissante selon la valeur estimée du rapport signal-sur-bruit . Cette fonction est alors égale à αn ± pour les valeurs les plus faibles du rapport signal-sur-bruit . En effet, lorsque le signal est très bruité, il n'est a priori pas utile de diminuer le facteur de surestimation. Avantageusement, cette fonction décroît vers zéro pour les valeurs les plus élevées du rapport signal/bruit . Ceci permet de protéger les zones les plus énergétiques du spectre, ou le signal de parole est le plus significatif, la quantité soustraite du signal tendant alors vers zéro.
Cette stratégie peut être affinée en l'appliquant de manière sélective aux harmoniques de la fréquence tonale (« pitch ») du signal de parole lorsque celui-ci présente une activité vocale.
Ainsi, dans la réalisation représentée sur la figure 1, une seconde phase de debruitage est réalisée par un module 56 de protection des harmoniques. Ce module calcule, avec la resolution de la transformée de Fourier, la réponse en fréquence H n f d'un second filtre de
1 Λ debruitage en fonction des paramètres #nfj 1- t α i„f .. , B i„ifj n. , δ„ n., n, i et de la calculée en dehors des phases de silence par un module d'analyse harmonique 57. En phase de silence (δ =0) , le module 56 n'est pas en
service, c' est-à-dire que Hn 2 f = Hn1 2 pour chaque fréquence f d'une bande i. Le module 57 peut appliquer toute méthode connue d' analyse du signal de parole de la trame pour déterminer la période T , exprimée comme un nombre entier ou fractionnaire d'échantillons, par exemple une méthode de prédiction linéaire.
La protection apportée par le module 56 peut consister à effectuer, pour chaque fréquence f appartenant à une bande i :
5 n,ι n, Bn,ι > β . β n,ι
H n,f Si et 5η entier / lf - η- f Af / 2
P-, ≤ (9) 2
H n,f H n,f sinon
Δf=F /N représente la résolution spectrale de la
transformée de Fourier. Lorsque r2
Hnrf -1 , la quantité soustraite de la composante 1 sera nulle. Dans ce
calcul, les coefficients de plancher β 22 (par exemple β = β3;. ) expriment le fait que certaines harmoniques de la fréquence tonale f peuvent être masquées par du bruit, de sorte qu'il n'est pas utile de les protéger.
Cette stratégie de protection est de préférence appliquée pour chacune des fréquences les plus proches des harmoniques de f , c'est-à-dire pour η entier quelconque.
Si on désigne par δf la résolution fréquentielle avec laquelle le module d'analyse 57 produit la fréquence tonale estimée f , c'est-à-dire que la fréquence tonale réelle est comprise entre f -δf /2 et f +δf /2, alors
Jr ir P l'écart entre la η-ième harmonique de la fréquence tonale réelle est son estimation ηxfD (condition (9)) peut aller jusqu'à ±ηxδf /2. Pour les valeurs élevées de η, cet écart peut être supérieur à la demi-résolution spectrale Δf/2 de la transformée de Fourier. Pour tenir compte de cette incertitude et garantir la bonne protection des harmoniques de la fréquence tonale réelle, on peut protéger chacune des fréquences de l'intervalle ηxf. ηxδ " p/2 ηxp + ηxδip/2 c'est-à-dire remplacer la
P condition (9) ci-dessus par :
3η entier / f - η. f ≤ η. δf + (9')
Cette façon de procéder (condition (9')) présente un intérêt particulier lorsque les valeurs de η peuvent être grandes, notamment dans le cas où le procédé est utilisé dans un système à bande élargie.
Pour chaque fréquence protégée, la réponse en fréquence corrigée Hn f peut être égale à 1 comme indiqué ci-dessus, ce qui correspond à la soustraction d'une quantité nulle dans le cadre de la soustraction spectrale, c'est-à-dire à une protection complète de la fréquence en question. Plus généralement, cette réponse en fréquence 2 corrigée Hn f pourrait être prise égale a une valeur
comprise entre 1 et Hn f selon le degré de protection souhaité, ce qui correspond à la soustraction d'une quantité inférieure à celle qui serait soustraite si la fréquence en question n'était pas protégée.
2
Les composantes spectrales ^n f d'un signal débruite sont calculées par un multiplieur 58 :
Sn,f = Hn,f - Sn,f (1°)
2
Ce signal Sn ^ est fourni a un module 60 qui calcule, pour chaque trame n, une courbe de masquage en appliquant un modèle psychoacoustique de perception auditive par l'oreille humaine.
Le phénomène de masquage est un principe connu du fonctionnement de l'oreille humaine. Lorsque deux fréquences sont entendues simultanément, il est possible que l'une des deux ne soit plus audible. On dit alors qu'elle est masquée.
Il existe différentes méthodes pour calculer des courbes de masquage. On peut par exemple utiliser celle développée par J.D. Johnston («Transform Coding of Audio Signais Using Perceptual Noise Criteria », IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, février 1988) . Dans cette méthode, on travaille dans l'échelle fréquentielle des barks. La courbe de masquage est vue comme la convolution de la fonction d'étalement spectral de la membrane basilaire dans le domaine bark avec le signal excitateur, constitué dans la présente
2 application par le signal S Inlr± f . La fonction d'étalement spectral peut être modélisée de la manière représentée sur la figure 7. Pour chaque bande de bark, on calcule la contribution des bandes inférieures et supérieures convoluées par la fonction d'étalement de la membrane basilaire : 99/14744
- 1 7 -
où les indices q et q' désignent les bandes de bark
9
(0≤q,q'≤Q), et 5inl,y_,» représente la moyenne des composantes
S^ f du signal excitateur débruite pour les fréquences discrètes f appartenant à la bande de bark q' .
Le seuil de masquage Mil, q est obtenu par le module
60 pour chaque bande de bark q, selon la formule :
Mn,q = Cn,q Rq <12> où R dépend du caractère plus ou moins voisé du signal . i De façon connue, une forme possible de R est :
10.1og10(Rq) = (A+q) .χ + B. (1-χ) (13) avec A=14,5 et B=5,5. χ désigne un degré de voisement du signal de parole, variant entre zéro (pas de voisement) et
1 (signal fortement voisé) . Le paramètre χ peut être de la forme connue :
où SFM représente, en décibels, le rapport entre la moyenne arithmétique et la moyenne géométrique de l'énergie des bandes de bark, et SF1 =-60 dB . Le système de débruitage comporte encore un module
62 qui corrige la réponse en fréquence du filtre de débruitage, en fonction de la courbe de masquage M
calculée par le module 60 et des estimations majorées B I_l ,• calculées par le module 45. Le module 62 décide du niveau de débruitage qui doit réellement être atteint.
En comparant l'enveloppe de l'estimation majorée du bruit avec l'enveloppe formée par les seuils de masquage M_il, q__, on décide de ne débruiter le signal que
dans la mesure où l'estimation majorée Bn ^ dépasse la courbe de masquage. Ceci évite de supprimer inutilement du bruit masqué par de la parole.
3
La nouvelle réponse Hn f , pour une fréquence f appartenant à la bande i définie par le module 12 et à la bande de bark q, dépend ainsi de l'écart relatif entre l'estimation majorée B Ilf • de la composante spectrale correspondante du bruit et la courbe de masquage Mn, q, de la manière suivante
Hn,f = 1 - l " Hnrf) • max1 ;i4' En d'autres termes, la quantité soustraite d'une composante spectrale S 11, Ψ1, dans le processus de soustraction spectrale ayant la réponse fréquentielle n f , est sensiblement égale au minimum entre d'une part la quantité soustraite de cette composante spectrale dans le processus de soustraction spectrale ayant la réponse fréquentielle Hn f , et d'autre part la fraction de
l'estimation majorée Bn ± de la composante spectrale correspondante du bruit qui, le cas échéant, dépasse la courbe de masquage Mn, q . La figure 8 illustre le principe de la correction appliquée par le module 62. Elle montre schématiquement un exemple de courbe de masquage Mil, q calculée sur la base 2 des composantes spectrales Sn ^ du signal débruite, ainsi
que l'estimation majorée B I„lf • du spectre du bruit. La quantité finalement soustraite des composantes S f sera celle représentée par les zones hachurées, c'est-à-dire limitée à la fraction de l'estimation majorée B InlfJ-• des composantes spectrales du bruit qui dépasse la courbe de masquage . Cette soustraction est effectuée en multipliant la réponse fréquentielle Hn ^ du filtre de debruitage par les composantes spectrales f1 du signal de parole
(multiplieur 64). Un module 65 reconstruit alors le signal débruite dans le domaine temporel, en opérant la transformée de Fourier rapide inverse (TFRI) inverse des échantillons de fréquence Sn f délivres par le multiplieur
64. Pour chaque trame, seuls les N/2=128 premiers échantillons du signal produit par le module 65 sont
3 délivrés comme signal débruite final s , après reconstruction par addition-recouvrement avec les N/2=128 derniers échantillons de la trame précédente (module 66) .
La figure 9 montre une forme de réalisation préférée d'un système de débruitage mettant en œuvre l'invention. Ce système comporte un certain nombre d' éléments semblables à des éléments correspondants du système de la figure 1, pour lesquels on a utilisé les mêmes références numériques. Ainsi, les modules 10, 11,
12, 15, 16, 45 et 55 fournissent notamment les quantités S^ 11 / 1• , B InlfJ.,•. , α inlf- ηL- , B -*n-* .,• et # -„•* '- - pour effectuer le débruitage sélectif .
La résolution en fréquence de la transformée de
Fourier rapide 11 est une limitation du système de la figure 1. En effet, la fréquence faisant l'objet de la protection par le module 56 n'est pas nécessairement la fréquence tonale précise f , mais la fréquence la plus proche de celle-ci dans le spectre discret. Dans certains cas, on peut alors protéger des harmoniques relativement éloignées de celle de la fréquence tonale. Le système de la figure 9 pallie cet inconvénient grâce à un conditionnement approprié du signal de parole.
Dans ce conditionnement, on modifie la fréquence d' échantillonnage du signal de telle sorte que la période 1/f couvre exactement un nombre entier de temps d'échantillon du signal conditionné. De nombreuses méthodes d' analyse harmonique pouvant être mises en œuvre par le module 57 sont capables de fournir une valeur fractionnaire du retard T , exprimé en nombre d'échantillons à la fréquence d'échantillonnage initiale F . On choisit alors une nouvelle fréquence d'échantillonnage f de telle sorte qu'elle soit égale à un multiple entier de la fréquence tonale estimée, soit f =p. f =p. F /T =K. F , avec p entier. Afin de ne pas perdre d'échantillons de signal, il convient que f soit supérieure à F . On peut notamment imposer qu'elle soit comprise entre F et 2F (1<K<2), pour faciliter la mise en œuvre du conditionnement.
Bien entendu, si aucune activité vocale n'est détectée sur la trame courante (δn≠0) , ou si le retard T estimé par le module 57 est entier, il n'est pas nécessaire de conditionner le signal.
Afin que chacune des harmoniques de la fréquence tonale corresponde également à un nombre entier d'échantillons du signal conditionné, l'entier p doit être un diviseur de la taille N de la fenêtre de signal produite par le module 10 : N=αp, avec α entier. Cette taille N est usuellement une puissance de 2 pour la mise en œuvre de la TFR. Elle est de 256 dans l'exemple considéré . La résolution spectrale Δf de la transformée de
Fourier discrète du signal conditionné est donnée par Δf=p.f /N=f /α. On a donc intérêt à choisir p petit de façon à maximiser α, mais suffisamment grand pour suréchantillonner. Dans l'exemple considéré, où F =8 kHz et N=256, les valeurs choisies pour les paramètres p et α sont indiquées dans le tableau I . 500 Hz < f < 1000 Hz 8 < T < 16 P = 16 α = 16
250 Hz < f < 500 Hz 16 < T < 32 P = 32 α = = 8
125 Hz < f < 250 Hz 32 < T < 64 P = 64 α = = 4
62, 5 Hz < f < 125 Hz 64 < T < 128 P = 128 α = = 2
31,25 Hz < f < 62,5 Hz 128 < T < 256 P = 256 α = = 1
Tableau I
Ce choix est effectué par un module 70 selon la valeur du retard fournie par le module d' analyse
"P harmonique 57. Le module 70 fournit le rapport K entre les fréquences d'échantillonnage à trois modules de changement de fréquence 71, 72, 73.
Le module 71 sert à transformer les valeurs Sn,ι'
B n,ι ' α ^n,,ι ' Bn,i et Hn,f relatives aux bandes i définies par le module 12, dans l'échelle des fréquences modifiées fréquence d'échantillonnage f Cette transformation consiste simplement à dilater les bandes i dans le facteur K. Les valeurs ainsi transformées sont fournies au module 56 de protection des harmoniques.
Celui-ci opère alors de la même manière que précédemment pour fournir la réponse en fréquence BA iifJ f. du
filtre de débruitage. Cette réponse Hn f est obtenue de la même manière que dans le cas de la figure 1 (conditions (8) et (9)), à cette différence près que, dans la condition 9) , la fréquence tonale fp=fc/p est définie selon la valeur du retard entier p fourni par le module 70, la résolution en fréquence Δf étant également fournie par ce module 70.
Le module 72 procède au suréchantillonnage de la trame de N échantillons fournie par le module de fenêtrage 10. Le suréchantillonnage dans un facteur K rationnel (K=K1/K2) consiste à effectuer d'abord un suréchantillonnage dans le facteur entier Kl, puis un sous-échantillonnage dans le facteur entier K2. Ces suréchantillonnage et sous-échantillonnage dans des facteurs entiers peuvent être effectués classiquement au moyen de bancs de filtres polyphasé.
La trame de signal conditionné s' fournie par le module 72 comporte KN échantillons à la fréquence f . Ces échantillons sont adressés à un module 75 qui calcule leur transformée de Fourier. La transformation peut être effectuée à partir de deux blocs de N=256 échantillons : l'un constitué par les N premiers échantillons de la trame de longueur KN du signal conditionné s', et l'autre par les N derniers échantillons de cette trame. Les deux blocs présentent donc un recouvrement de (2-K) xl00% . Pour chacun des deux blocs, on obtient un jeu de composantes de Fourier S . Ces composantes S ψ sont fournies au multiplieur 58, qui les multiplie par la réponse spectrale Hn 2 f pour délivrer les composantes spectrales Sn2 f du premier signal débruite.
Ces composantes Sn f sont adressées au module 60 qui calcule les courbes de masquage de la manière précédemment indiquée. De préférence, dans ce calcul des courbes de masquage, la grandeur χ désignant le degré de voisement du signal de parole (formule (13) ) est prise de la forme χ=l-H, où H est une entropie de l'autocorrélation des
2 composantes spectrales Sn f du signal conditionné débruite. Les autocorrélations A(k) sont calculées par un module 76, par exemple selon la formule : N/2-1
Σ S >nn,.ff -- ° Snr ,f+k f=
A{k) = N/2-1 N/2-1 (15)
Σ Σ sn,f- Snff+
Un module 77 calcule ensuite l'entropie normalisée
H, et la fournit au module 60 pour le calcul de la courbe de masquage (voir S.A. McClellan et al : « Spectral Entropy : an Alternative Indicator for Rate
Allocation ? », Proc. ICASSP'94, pages 201-204) :
N/2-1
∑ A(k) . log[Λ(it)] k=0
H = (16) log (N/2)
Grâce au conditionnement du signal, ainsi qu'à son
2 débruitage par le filtre Hn f r l'entropie normalisée H constitue une mesure de voisement très robuste au bruit et aux variations de la fréquence tonale.
Le module de correction 62 opère de la même manière que celui du système de la figure 1, en tenant compte du bruit surestimé Bn ±- remis à l'échelle par le module de changement de fréquence 71. Il fournit la réponse en fréquence Hn ^ du filtre de débruitage définitif, qui est multipliée par les composantes spectrales S. I_I, 1 du signal conditionné par le multiplieur
3 64. Les composantes Sn ^ qui en résultent sont ramenées dans le domaine temporel par le module de TFRI 65. En sortie de cette TFRI 65, un module 80 combine, pour chaque trame, les deux blocs de signal issus du traitement des deux blocs recouvrants délivrés par la TFR 75. Cette combinaison peut consister en une somme avec pondération de Hamming des échantillons, pour former une trame de signal conditionné débruite de KN échantillons. Le signal conditionné débruite fourni par le module 80 fait l'objet d'un changement de fréquence d'échantillonnage par le module 73. Sa fréquence d' échantillonnage est ramenée à F =f /K par les opérations inverses de celles effectuées par le module 75. Le module 73 délivre N=256 échantillons par trame. Après la reconstruction par addition-recouvrement avec les N/2=128 derniers échantillons de la trame précédente, seuls les N/2=128 premiers échantillons de la trame courante sont finalement conservés pour former le signal débruite final
3 s (module 66) .
Dans une forme de réalisation préférée, un module
82 gère les fenêtres formées par le module 10 et sauvegardées par le module 66, de façon telle qu'on sauvegarde un nombre M d'échantillons égal à un multiple entier de . On évite ainsi les problèmes de discontinuité de phase entre les trames. De façon correspondante, le module de gestion 82 commande le module de fenêtrage 10 pour que le recouvrement entre la trame courante et la prochaine corresponde à N-M. Il sera tenu de ce recouvrement de N-M échantillons dans la somme à recouvrement effectuée par le module 66 lors du traitement de la prochaine trame. A partir de la valeur de T fournie par le module d'analyse harmonique 57, le module 82 calcule le nombre d'échantillons à sauvegarder
M=T xE[N/(2T )], E[] désignant la partie entière, et commande de façon correspondante les modules 10 et 66.
Dans le mode de réalisation qu'on vient de décrire, la fréquence tonale est estimée de façon moyenne sur la trame. Or la fréquence tonale peut varier quelque peu sur cette durée. Il est possible de tenir compte de ces variations dans le cadre de la présente invention, en conditionnant le signal de façon à obtenir artificiellement une fréquence tonale constante dans la trame.
Pour cela, on a besoin que le module 57 d'analyse harmonique fournisse les intervalles de temps entre les ruptures consécutives du signal de parole attribuables a des fermetures de la glotte du locuteur intervenant pendant la durée de la trame. Des méthodes utilisables pour détecter de telles micro-ruptures sont bien connues dans le domaine de l'analyse harmonique des signaux de paroles. On pourra a cet égard consulter les articles suivants : M. BASSEVILLE et al., « Sequential détection of abrupt changes m spectral characteristics of digital signais », IEEE Trans . on Information Theory, 1983, Vol. IT-29, n°5, pages 708-723 ; R. ANDRE-OBRECHT, « A ne statistical approach for the automatic segmentation of contmuous speech signais », IEEE Trans. on Acous . , Speech and Sig. Proc, Vol. 36, N°l, janvier 1988 ; et C. MURGIA et al., « An algoπthm for the estimation of glottal closure instants usmg the sequential détection of abrupt changes m speech signais », Signal Processing VII, 1994, pages 1685-1688.
Le principe de ces méthodes est d'effectuer un test statistique entre deux modèles, l'un à court terme et l'autre à long terme. Les deux modèles sont des modèles adaptatifs de prédiction linéaire. La valeur de ce test statistique w est la somme cumulée du rapport de vraisemblance a posteriori de deux distributions, corrigée par la divergence de Kullback. Pour une distribution de résidus ayant une statistique gaussienne, cette valeur w.m est donnée par :
où et O2Q représentent le résidu calculé au moment de l'échantillon m de la trame et la variance du modèle à long terme, e 1m et σ2-j_ représentant de même le résidu et la variance du modèle à court terme. Plus les deux modèles sont proches, plus la valeur w du test statistique est proche de 0. Par contre, lorsque les deux modèles sont éloignes l'un de l'autre, cette valeur w devient négative, ce qui dénote une rupture R du signal.
La figure 10 montre ainsi un exemple possible d' évolution de la valeur w , montrant les ruptures R du signal de parole. Les intervalles de temps t
(r = 1,2,...) entre deux ruptures consécutives R sont calcules, et exprimes en nombre d'échantillons du signal de parole. Chacun de ces intervalles t est inversement proportionnel a la fréquence tonale f , qui est ainsi estimée localement : f =F /t sur le r-ieme intervalle.
On peut alors corriger les variations temporelles de la fréquence tonale (c' est-a-dire le fait que les intervalles t ne sont pas tous égaux sur une trame donnée), afin d'avoir une fréquence tonale constante dans chacune des trames d'analyse. Cette correction est effectuée par une modification de la fréquence d' échantillonnage sur chaque intervalle t , de façon a obtenir, après suréchantillonnage, des intervalles constants entre deux ruptures glottiques. On modifie donc la durée entre deux ruptures en faisant un suréchantillonnage dans un rapport variable, de façon a se caler sur l'intervalle le plus grand. De plus, on fait en sorte de respecter la contrainte de conditionnement selon laquelle la fréquence de suréchantillonnage est multiple de la fréquence tonale estimée.
La figure 11 montre les moyens utilisés pour calculer le conditionnement du signal dans ce dernier cas. Le module 57 d'analyse harmonique est réalisé de façon a mettre en œuvre la méthode d'analyse ci-dessus, et a fournir les intervalles t relatifs a la trame de signal produite par le module 10. Pour chacun de ces intervalles, le module 70 (bloc 90 sur la figure 11) calcule le rapport de suréchantillonnage K =p /t , ou l'entier p est donne par la troisième colonne du tableau I lorsque t prend les valeurs indiquées dans la deuxième colonne. Ces rapports de suréchantillonnage Kr sont fournis aux modules de changement de fréquence 72 et 73, pour que les interpolations soient effectuées avec le rapport d'échantillonnage K sur l'intervalle de temps correspondant t .
Le plus grand T des intervalles de temps t fournis par le module 57 pour une trame est sélectionné par le module 70 (bloc 91 sur la figure 11) pour obtenir un couple p,α comme indiqué dans le tableau I. La fréquence d'échantillonnage modifiée est alors f =p.Fe/T comme précédemment, la résolution spectrale Δf de la transformée de Fourier discrète du signal conditionné étant toujours donnée par . Pour le module de changement de fréquence 71, le rapport de suréchantillonnage K est donné par K=p/T (bloc 92) . Le module 56 de protection des harmoniques de la fréquence tonale opère de la même manière que précédemment, en utilisant pour la condition (9) la résolution spectrale Δf fournie par le bloc 91 et la fréquence tonale fp=fe/p définie selon la valeur du retard entier p fournie par le bloc 91.
Cette forme de réalisation de l'invention implique également une adaptation du module 82 de gestion des fenêtres. Le nombre M d'échantillons du signal débruite à sauvegarder sur la trame courante correspond ici à un nombre entier d'intervalles de temps t consécutifs entre deux ruptures glottiques (voir figure 10) . Cette disposition évite les problèmes de discontinuité de phase entre trames, tout en tenant compte des variations possibles des intervalles de temps t sur une trame.

Claims

R E V E N D I C A T I O N S
1. Procédé de conditionnement d'un signal numérique de parole (s) traité par trames successives, caractérisé en ce qu'on effectue une analyse harmonique du signal de parole pour estimer une fréquence tonale (f ) du signal de parole sur chaque trame où il présente une activité vocale, et en ce que, après avoir estimé la fréquence tonale du signal de parole sur une trame, on conditionne le signal de parole de la trame en le suréchantillonnant à une fréquence de suréchantillonnage (f ) multiple de la fréquence tonale estimée.
2. Procédé selon la revendication 1, dans lequel on calcule des composantes spectrales f 1) du signal de parole en distribuant le signal conditionné (s' ) par blocs de N échantillons soumis à une transformation dans le domaine frequentiel, et dans lequel le rapport (p) entre la fréquence de suréchantillonnage (f ) et la fréquence tonale estimée est un diviseur du nombre N.
3. Procédé selon la revendication 2, dans lequel le nombre N est une puissance de 2.
4. Procédé selon la revendication 2 ou 3, dans lequel on estime un degré de voisement (χ) du signal de parole sur la trame à partir d'un calcul de l'entropie (H) de l'autocorrélation de composantes spectrales (S A n,f calculées sur la base du signal conditionné (s').
5. Procédé selon la revendication 4, dans lequel le degré de voisement (χ) est mesuré à partir une entropie normalisée H de la forme :
N/2-1 ∑ A(k) . log[A(J)] k=0
H = — log (N/2) où A(k) est l'autocorrélation normalisée définie par :
N/2-1
Σ Σ sn,f- Sn,f+f'
2 S désignant ladite composante spectrale de rang f calculée sur la base du signal suréchantillonné.
6. Procédé selon l'une quelconque des revendications précédentes, dans lequel, après le traitement de chaque trame de signal conditionné, on conserve, parmi les échantillons de signal fournis par ce traitement, un nombre d'échantillons (M) égal à un multiple entier de fois le rapport (T ) entre la fréquence d'échantillonnage
(F ) et la fréquence tonale estimée (f ) .
7. Procédé selon l'une quelconque des revendications 1 à 5, dans lequel l'estimation de la fréquence tonale du signal de parole sur une trame comporte les étapes suivantes :
- on estime des intervalles de temps (t ) entre deux ruptures consécutives (R) du signal attribuables à des fermetures de la glotte du locuteur intervenant pendant la durée de la trame, la fréquence tonale estimée étant inversement proportionnelle auxdits intervalles de temps ;
- on interpole le signal de parole dans lesdits intervalles de temps, afin que le signal conditionné (s' ) résultant de cette interpolation présente un intervalle de temps constant entre deux ruptures consécutives.
8. Procédé selon la revendication 7, dans lequel, après le traitement de chaque trame, on conserve, parmi les échantillons du signal de parole débruite fournis par ce traitement, un nombre d'échantillons (M) correspondant à un nombre entier d'intervalles de temps estimés (t ) .
EP98943997A 1997-09-18 1998-09-16 Procede et disposition de conditionnement d'un signal de parole numerique Expired - Lifetime EP1021805B1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR9711641 1997-09-18
FR9711641A FR2768545B1 (fr) 1997-09-18 1997-09-18 Procede de conditionnement d'un signal de parole numerique
PCT/FR1998/001978 WO1999014744A1 (fr) 1997-09-18 1998-09-16 Procede de conditionnement d'un signal de parole numerique

Publications (2)

Publication Number Publication Date
EP1021805A1 true EP1021805A1 (fr) 2000-07-26
EP1021805B1 EP1021805B1 (fr) 2001-11-07

Family

ID=9511228

Family Applications (1)

Application Number Title Priority Date Filing Date
EP98943997A Expired - Lifetime EP1021805B1 (fr) 1997-09-18 1998-09-16 Procede et disposition de conditionnement d'un signal de parole numerique

Country Status (7)

Country Link
US (1) US6775650B1 (fr)
EP (1) EP1021805B1 (fr)
AU (1) AU9168798A (fr)
CA (1) CA2304013A1 (fr)
DE (1) DE69802431T2 (fr)
FR (1) FR2768545B1 (fr)
WO (1) WO1999014744A1 (fr)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1278185A3 (fr) * 2001-07-13 2005-02-09 Alcatel Procédé pour améliorer la reduction de bruit lors de la transmission de la voix
US7103539B2 (en) * 2001-11-08 2006-09-05 Global Ip Sound Europe Ab Enhanced coded speech
WO2004042722A1 (fr) * 2002-11-07 2004-05-21 Samsung Electronics Co., Ltd. Procede et appareil de codage audio mpeg
CN101790756B (zh) * 2007-08-27 2012-09-05 爱立信电话股份有限公司 瞬态检测器以及用于支持音频信号的编码的方法
WO2009059300A2 (fr) * 2007-11-02 2009-05-07 Melodis Corporation Modules de sélection de la hauteur tonale, de détection de la voix et de détection de vibrato dans un système de transcription automatique de mélodies chantées ou fredonnées
US8924200B2 (en) * 2010-10-15 2014-12-30 Motorola Mobility Llc Audio signal bandwidth extension in CELP-based speech coder
US9384729B2 (en) * 2011-07-20 2016-07-05 Tata Consultancy Services Limited Method and system for detecting boundary of coarticulated units from isolated speech

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3785189T2 (de) * 1987-04-22 1993-10-07 Ibm Verfahren und Einrichtung zur Veränderung von Sprachgeschwindigkeit.
US5384891A (en) * 1988-09-28 1995-01-24 Hitachi, Ltd. Vector quantizing apparatus and speech analysis-synthesis system using the apparatus
AU633673B2 (en) 1990-01-18 1993-02-04 Matsushita Electric Industrial Co., Ltd. Signal processing device
EP0459362B1 (fr) 1990-05-28 1997-01-08 Matsushita Electric Industrial Co., Ltd. Processeur de signal de parole
US5400434A (en) * 1990-09-04 1995-03-21 Matsushita Electric Industrial Co., Ltd. Voice source for synthetic speech system
US5226084A (en) * 1990-12-05 1993-07-06 Digital Voice Systems, Inc. Methods for speech quantization and error correction
FR2679689B1 (fr) * 1991-07-26 1994-02-25 Etat Francais Procede de synthese de sons.
US5469087A (en) 1992-06-25 1995-11-21 Noise Cancellation Technologies, Inc. Control system using harmonic filters
US5787398A (en) * 1994-03-18 1998-07-28 British Telecommunications Plc Apparatus for synthesizing speech by varying pitch
JP3528258B2 (ja) * 1994-08-23 2004-05-17 ソニー株式会社 符号化音声信号の復号化方法及び装置
US5641927A (en) * 1995-04-18 1997-06-24 Texas Instruments Incorporated Autokeying for musical accompaniment playing apparatus
US5555190A (en) 1995-07-12 1996-09-10 Micro Motion, Inc. Method and apparatus for adaptive line enhancement in Coriolis mass flow meter measurement
BE1010336A3 (fr) * 1996-06-10 1998-06-02 Faculte Polytechnique De Mons Procede de synthese de son.
JP3266819B2 (ja) * 1996-07-30 2002-03-18 株式会社エイ・ティ・アール人間情報通信研究所 周期信号変換方法、音変換方法および信号分析方法
WO1999010719A1 (fr) * 1997-08-29 1999-03-04 The Regents Of The University Of California Procede et appareil de codage hybride de la parole a 4kbps
US6064955A (en) * 1998-04-13 2000-05-16 Motorola Low complexity MBE synthesizer for very low bit rate voice messaging

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO9914744A1 *

Also Published As

Publication number Publication date
AU9168798A (en) 1999-04-05
FR2768545A1 (fr) 1999-03-19
WO1999014744A1 (fr) 1999-03-25
CA2304013A1 (fr) 1999-03-25
DE69802431T2 (de) 2002-07-18
EP1021805B1 (fr) 2001-11-07
US6775650B1 (en) 2004-08-10
DE69802431D1 (de) 2001-12-13
FR2768545B1 (fr) 2000-07-13

Similar Documents

Publication Publication Date Title
EP1016072B1 (fr) Procede et dispositif de debruitage d&#39;un signal de parole numerique
EP1789956B1 (fr) Procede de traitement d&#39;un signal sonore bruite et dispositif pour la mise en oeuvre du procede
EP2002428B1 (fr) Procede de discrimination et d&#39;attenuation fiabilisees des echos d&#39;un signal numerique dans un decodeur et dispositif correspondant
EP1356461B1 (fr) Procede et dispositif de reduction de bruit
EP1016071B1 (fr) Procede et dispositif de detection d&#39;activite vocale
EP2586133B1 (fr) Contrôle d&#39;une boucle de rétroaction de mise en forme de bruit dans un codeur de signal audionumérique
EP1051703B1 (fr) Procede decodage d&#39;un signal audio avec correction des erreurs de transmission
FR2907586A1 (fr) Synthese de blocs perdus d&#39;un signal audionumerique,avec correction de periode de pitch.
EP2936488B1 (fr) Atténuation efficace de pré-échos dans un signal audionumérique
EP1849157B1 (fr) Procede de mesure de la gene due au bruit dans un signal audio
EP0490740A1 (fr) Procédé et dispositif pour l&#39;évaluation de la périodicité et du voisement du signal de parole dans les vocodeurs à très bas débit.
EP1016073B1 (fr) Procede et dispositif de debruitage d&#39;un signal de parole numerique
EP3192073B1 (fr) Discrimination et atténuation de pré-échos dans un signal audionumérique
EP1021805B1 (fr) Procede et disposition de conditionnement d&#39;un signal de parole numerique
EP2515300B1 (fr) Procédé et système de réduction du bruit
FR2888704A1 (fr)
EP4287648A1 (fr) Dispositif électronique et procédé de traitement, appareil acoustique et programme d&#39;ordinateur associés
FR3051958A1 (fr) Procede et dispositif pour estimer un signal dereverbere
FR2664446A1 (fr) Codeur differentiel a filtre predicteur auto-adaptatif a adaptation rapide de gain et decodeur correspondant.
FR2885462A1 (fr) Procede d&#39;attenuation des pre-et post-echos d&#39;un signal numerique audio et dispositif correspondant

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20000316

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): DE FR GB

RIC1 Information provided on ipc code assigned before grant

Free format text: 7G 10L 11/04 A, 7G 10L 21/02 B

RTI1 Title (correction)

Free format text: METHOD AND APPARATUS FOR CONDITIONING A DIGITAL SPEECH SIGNAL

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

17Q First examination report despatched

Effective date: 20001123

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): DE FR GB

REF Corresponds to:

Ref document number: 69802431

Country of ref document: DE

Date of ref document: 20011213

REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 20020130

RAP2 Party data changed (patent owner data changed or rights of a patent transferred)

Owner name: NORTEL NETWORKS FRANCE

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20050817

Year of fee payment: 8

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: FR

Payment date: 20050902

Year of fee payment: 8

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20050930

Year of fee payment: 8

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20070403

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20060916

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20070531

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20060916

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20061002