EP2394271B1 - Method for separating signal paths and use for improving speech using electric larynx - Google Patents

Description

Bei der Erfindung handelt es sich um ein Verfahren zur Verbesserung der Sprachqualität eines Elektro-Larynx (EL) Sprechers, wobei das Sprachsignal des Sprechers über geeignete Mittel digitalisiert wird. Unter geeigneten Mitteln werden hier beispielsweise ein Mikrofon mit zugehörigem Analog/Digital-Umsetzer, ein Telefon oder andere Methoden unter Verwendung von elektronischem Equipment verstanden.The invention is a method for improving the speech quality of an electro-laryngeal (EL) speaker, wherein the speech signal of the speaker is digitized by suitable means. By suitable means is meant, for example, a microphone with associated analog / digital converter, a telephone or other methods using electronic equipment.

Bei einem EL handelt es sich um ein Gerät zur Bildung einer künstlichen Ersatzstimme, beispielsweise für Patienten, denen operativ der Kehlkopf entfernt wurde. Der EL wird dabei an der Unterseite des Kiefers angesetzt; ein Tongenerator mit einer bestimmten Frequenz bringt die Luft in der Mundhöhle über die Weichteile an der Unterseite des Kiefers zum Vibrieren. Diese Schwingungen werden dann durch die Artikulationsorgane moduliert, so dass ein Sprechen möglich wird. Da allerdings der Tongenerator meistens nur mit einer Frequenz arbeitet, klingt die Stimme monoton und unnatürlich, bzw. "roboterhaft".An EL is an artificial spare voice device, for example, for patients who have had their larynx surgically removed. The EL is attached to the underside of the jaw; a tone generator with a certain frequency makes the air in the oral cavity vibrate over the soft tissues on the underside of the jaw. These vibrations are then modulated by the articulation organs so that speaking becomes possible. However, since the tone generator usually only works with one frequency, the voice sounds monotonous and unnatural, or "robotic".

Weiters ist von Nachteil, dass die Vibration des EL die Wahrnehmung des Sprechens stört oder sogar übertönt, weil nur ein Teil des Schalls in der Mundhöhle artikuliert wird. Die direkt vom Gerät oder an der Übergangsstelle am Hals austretenden Anteile überlagern die artikulierten Teile und setzen die Verständlichkeit herab. Dies ist besonders bei Sprechern der Fall, die einer Strahlentherapie im Halsbereich unterzogen wurden, wodurch sich die Gewebestruktur versteift. Es wurden daher verschiedene Methoden entwickelt, die das Nutzsignal - also die artikulierten Schwingungen - gegenüber dem Störsignal - also dem Direktschall, bzw. der unmodulierten Vibration des EL - verstärken sollen.Furthermore, it is disadvantageous that the vibration of the EL disturbs the perception of the speech or even drowned out, because only a part of the sound is articulated in the oral cavity. The parts emerging directly from the device or at the transition point on the neck overlay the articulated parts and reduce the intelligibility. This is particularly the case with speakers who have received radiation therapy in the neck area, which stiffens the tissue structure. Various methods have therefore been developed which are intended to amplify the useful signal - ie the articulated vibrations - in relation to the interference signal - ie the direct sound or the unmodulated vibration of the EL.

Diese Methoden kommen dabei überwiegend in Situationen zum Einsatz, bei denen der Zuhörer dem abgestrahlten Schall nicht unmittelbar ausgesetzt ist, sondern elektronische Mittler verwendet werden, beispielsweise beim Telefonieren, bei Schallaufzeichnungen oder allgemein beim Sprechen über Mikrofon und Verstärker.These methods are predominantly used in situations in which the listener is not directly exposed to the radiated sound, but electronic mediators are used, for example, when making a call, with sound recordings or generally when speaking through microphone and amplifier.

In der US 6,359,988 B1 wird ein EL-Stimmsignal einer Cepstrum-Analyse unterworfen und mit der Sprache eines Normalsprechers überlagert, wodurch sich die Tonlagenveränderung des mit EL Sprechenden natürlicher gestalten lässt; gleichzeitig wird dadurch auch der Anteil des abgestrahlten Direktschalls am Signal unterdrückt. Nachteil an dieser Lösung ist vor allem, dass zu jeder Aussage eines EL-Sprechers zeitgleich die gleiche Aussage eines gesunden (also ohne EL sprechenden) Sprechers benötigt wird, was praktisch kaum realisierbar ist.In the US Pat. No. 6,359,988 B1 an EL vocal signal is subjected to cepstrum analysis and superimposed with the speech of a normal speaker, whereby the pitch change of the EL speaker can be made more natural; At the same time, this also suppresses the proportion of direct sound emitted by the signal. The disadvantage of this solution is, above all, that for every statement of an EL spokesman at the same time the same statement of a healthy (ie without EL speaking) speaker is needed, which is practically impossible to achieve.

Eine weitere Lösung zeigt die US 6,975,984 B2 , in der eine Lösung zum Verbessern eines EL-Sprachsignals in der Telephonie beschrieben wird. Dabei wird in einem digitalen Signalprozessor das Sprachsignal derart bearbeitet, dass das brummende Grundgeräusch des EL erkannt und aus dem Sprachsignal entfernt wird. Das Sprachsignal wird dafür in eine stimmhafte und eine stimmlose Komponente aufgeteilt und getrennt verarbeitet. Der stimmhafte Teil wird blockweise fouriertransformiert, frequenzgefiltert (Grundfrequenz und Harmonische werden weiterverwendet), rücktransformiert und in der Folge vom gesamten Originalsignal subtrahiert. Übrig bleibt der stimmlose Anteil des Originalsignals. Alternativ wird auch vorgeschlagen, den stimmhaften Anteil über Tiefpass zu filtern, im Falle der Erkennung einer Sprachpause völlig auszufiltern und den stimmlosen Anteil hinterher zu überlagern.Another solution shows the US 6,975,984 B2 in which a solution for improving an EL speech signal in the telephony will be described. In this case, the speech signal is processed in a digital signal processor such that the buzzing background noise of the EL is detected and removed from the speech signal. The speech signal is divided into a voiced and an unvoiced component and processed separately. The voiced part is Fourier-transformed in blocks, frequency-filtered (fundamental frequency and harmonics are reused), inverse transformed and subsequently subtracted from the entire original signal. What remains is the unvoiced portion of the original signal. Alternatively, it is also proposed to filter the voiced portion over lowpass, completely filter out in case of recognition of a speech break and to superimpose the unvoiced portion afterwards.

Das Dokument " Enhancement of Electrolaryngeal Speech by Adaptive Filtering" von Carol Y. Espy-Wilson et al. (JSLHR, 41: 1253-1264, 1998 ) beschreibt eine Methode zur Verbesserung der Sprachqualität eines EL-Sprechers. Das Grundgeräusch des EL wird dabei mittels adaptiver Filterung an das durch das EL-Grundgeräusch gestörte Sprachsignal (bzw. das zu Sprache artikulierte EL-Grundgeräusch) angeglichen; in einem weiteren Schritt werden die Signale voneinander abgezogen. Übrig bleibt ein Fehlersignal, das zur Kontrolle und Anpassung der Filterparameter mit dem Ziel der Minimierung des Fehlersignals verwendet wird. Das Fehlersignal in der vorliegenden Methode ist das vom EL-Grundgeräusch befreite Sprachsignal. Die Annahme dabei ist, dass zwar das Störsignal im Sprachsignal mit dem EL-Grundgeräusch korreliert ist, das interessierende Sprachsignal aber unabhängig von den anderen Signalen ist, dass also quasi das störende Grundgeräusch und das Sprachsignal von unterschiedlichen Quellen herrühren.The document " Enhancement of Electrolaryngeal Speech by Adaptive Filtering "by Carol Y. Espy-Wilson et al. (JSLHR, 41: 1253-1264, 1998 ) describes a method for improving the speech quality of an EL speaker. The basic noise of the EL is adapted by means of adaptive filtering to the disturbed by the EL fundamental noise speech signal (or the articulated to speech EL fundamental noise); in a further step, the signals are subtracted from each other. What remains is an error signal which is used to control and adapt the filter parameters with the aim of minimizing the error signal. The error signal in the present method is the speech signal freed from EL fundamental noise. The assumption is that although the interference signal in the speech signal is correlated with the EL fundamental noise, the speech signal of interest is independent of the other signals, that is to say that the disturbing background noise and the speech signal originate from different sources.

Das Dokument " Enhancement of Electrolarynx Speech Based on Auditory Masking" von Hanjun Liu et al. (IEEE Transactions on Biomedical Engineering, 53(5): 865-874, 2006 ) beschreibt einen Subtraktionsalgorithmus zur Signalverbesserung eines EL-Sprechenden, insbesondere im Bezug auf Umgebungslärm.The document " Enhancement of Electrolarynx Speech Based on Auditory Masking "by Hanjun Liu et al (IEEE Transactions on Biomedical Engineering, 53 (5): 865-874, 2006 ) describes a subtraction algorithm for improving the signal of an EL speaker, in particular with respect to environmental noise.

Im Gegensatz zu anderen Methoden, die fixe Subtraktionsparameter vorsehen, werden bei diesem Algorithmus die Subtraktionsparameter im Frequenzbereich adaptiert, basierend auf auditorischer Maskierung. Dabei wird davon ausgegangen, dass Sprache und Hintergrundgeräusche unkorreliert sind und deshalb der Hintergrundlärm abgeschätzt und im Frequenzbereich vom Signal abgezogen werden kann.Unlike other methods that provide fixed subtraction parameters, this algorithm adapts the subtraction parameters in the frequency domain based on auditory masking. It is assumed that speech and background noise are uncorrelated and therefore the background noise can be estimated and subtracted from the signal in the frequency domain.

Diesen Lösungen ist gemeinsam, dass Methoden basierend auf einem Modell verwendet werden, wonach Sprache und Störsignal (also Umgebungsgeräusche, aber auch das Grundgeräusch des EL) statistisch unabhängig, bzw. unkorreliert sind.These solutions have in common that methods are used based on a model, according to which speech and noise (ie ambient noise, but also the background noise of the EL) are statistically independent, or uncorrelated.

Aufgrund dieser Annahme erfolgt die Implementierung der genannten Methoden auf sehr aufwändige Art und Weise. Wenn versucht wird, den Direktschall mit einem (adaptiven) Notchfilter zu unterdrücken, wird dadurch auch die Qualität des Sprachsignals vermindert, das dann wie ein Flüstern klingt; Sprachsignal und Störgeräusch liegen auf den gleichen Harmonischen.Based on this assumption, the implementation of the methods mentioned is carried out in a very complex manner. Attempting to suppress direct sound with an (adaptive) notch filter also reduces the quality of the speech signal, which then sounds like a whisper; Speech signal and noise are on the same harmonics.

Die US 2005/0004604 A1 beschreibt eine Larynx-Lösung, bei der ein Tongeber und ein Mikrofon direkt vor dem Mund eines Anwenders platziert werden, wobei der Tongeber einen Ton mit geringer Lautstärke abgibt und das Signal für die Weiterverarbeitung über das Mikrofon aufgenommen wird. Bei der Weiterverarbeitung wird das Signal im Wesentlichen mit einem Kammfilter gefiltert, um die Harmonischen des Signals zu reduzieren bzw. zu entfernen. Dabei wird aber die Qualität des Sprachsignals stark in Mitleidenschaft gezogen.The US 2005/0004604 A1 describes a laryngeal solution in which a sounder and a microphone are placed directly in front of a user's mouth, the sounder delivering a low volume sound and recording the signal for further processing via the microphone. In further processing, the signal is essentially filtered with a comb filter to reduce or remove the harmonics of the signal. However, the quality of the speech signal is badly affected.

In WO 2006/099670 A1 ist eine Vorrichtung zur Überwachung der Atemwege beschrieben, wobei Schall im hörbaren Frequenzbereich in die Atemwege eines Objekts eingebracht wird und aus dem reflektierten bzw. verarbeiteten Schall der Zustand der Atemwege ermittelt wird. So ist es beispielsweise möglich, eine Verlegung der Atemwege nachzuweisen. In einer Variante der Erfindung wird mittels der FFT (Fast-Fourier-Transformation) das Überschreiten von bestimmten Schwellenwerten überprüft, woraus Rückschlüsse auf die Behandlung des gemessenen Signals gezogen werden.In WO 2006/099670 A1 a device for monitoring the airway is described, wherein sound in the audible frequency range is introduced into the respiratory tract of an object and from the reflected or processed sound, the state of the respiratory tract is determined. For example, it is possible to detect airway obstruction. In a variant of the invention, the exceeding of specific threshold values is checked by means of the FFT (fast Fourier transformation), from which conclusions are drawn regarding the treatment of the measured signal.

Es ist eine Aufgabe der Erfindung, die oben genannten Nachteile des Stands der Technik zu überwinden und die Sprachqualität von EL-Anwendern bei Verwendung von elektronischen Mittlern wie beispielsweise Mikrofonen zu verbessern.It is an object of the invention to overcome the above-mentioned disadvantages of the prior art and to improve the speech quality of EL users using electronic mediators such as microphones.

Diese Aufgabe wird mit einem Verfahren der eingangs erwähnten Art erfindungsgemäß durch die folgenden Schritte gelöst:

1. a) Aufteilen eines einkanaligen Sprachsignals S(w,t), das aus der Summe der Komponenten eines zeitvarianten anteils x(w)H(w,t) und eines zeitinvarianten Anteils x(w)F(w) besteht, in eine Reihe von Frequenzkanälen durch Überführen vom Zeitbereich in einen diskreten Frequenzbereich,
2. b) Herausfiltern des zeitinvarianten Anteils x(w)F(w) durch Herausfiltern der Modulationsfrequenz 0 Hz mittels eines Hochpass- bzw. Notchfilters in jedem Frequenzkanal, und
3. c) Rücktransformieren des gefilterten Sprachsignals vom Frequenzbereich in den Zeitbereich und Zusammenführen zu einem einkanaligen Ausgangssignal.

This object is achieved by a method of the type mentioned according to the invention by the following steps:

1. a) dividing a single-channel speech signal S (w, t), which consists of the sum of the components of a time-variant component x (w) H (w, t) and a time-invariant component x (w) F (w), in a series of Frequency channels by transitioning from the time domain to a discrete frequency domain,
2. b) filtering out the time invariant component x (w) F (w) by filtering out the modulation frequency 0 Hz by means of a high pass filter in each frequency channel, and
3. c) inverse transforming the filtered speech signal from the frequency domain to the time domain and merging into a single channel output signal.

Die Erfindung macht sich ein verbessertes Modell der Anwendung eines EL zunutze, wonach das zu einem Sprachsignal artikulierte EL-Grundgeräusch sowie die unveränderten Anteile des EL, die die Wahrnehmung des Sprachsignals stören, von einer gemeinsamen Quelle, nämlich dem EL, kommen. Da das störende unartikulierte Grundgeräusch des EL im Modulationsbereich als zeitlich invariantes Signal erkennbar ist, lässt es sich durch geeignetes Vorgehen leicht ausfiltern. Es erfolgt also eine Trennung nicht von Signalquellen, sondern von Ausbreitungswegen (eines Ausbreitungsweges durch die Artikulationsorgane eines Sprechers, ein weiterer Ausbreitungsweg von der Anwendungsstelle am Hals des Sprechers direkt zum Ohr des Zuhörers, bzw. zum Mikrofon oder Aufnahmemittel).The invention makes use of an improved model of the use of an EL, according to which the EL fundamental sound articulated to a speech signal as well as the unaltered portions of the EL interfering with the perception of the speech signal come from a common source, namely the EL. Since the disturbing inarticulate fundamental noise of the EL in the modulation range is recognizable as a time-invariant signal, it can be easily filtered out by a suitable procedure. Thus, there is a separation not of signal sources, but of propagation paths (a propagation path through the articulation organs of a speaker, another propagation path from the application site on the neck of the speaker directly to the ear of the listener, or to the microphone or recording means).

Dem Fachmann ist eine Vielzahl von Möglichkeiten bekannt, ein digitalisiertes, einkanaliges Signal in den Frequenzbereich zu überführen und so in eine Reihe von Frequenzkanälen aufzuteilen. In jedem Frequenzkanal wird die Modulationsfrequenz des EL durch geeignete Filter - z.B. Notch- oder Hochpassfilter, angewandt auf den Betrag - unterdrückt und so die Qualität der artikulierten Signalanteile verbessert.The person skilled in the art knows a large number of possibilities for converting a digitized, single-channel signal into the frequency domain and thus dividing it into a series of frequency channels. In each frequency channel the modulation frequency of the EL is filtered by suitable filters - e.g. Notch or high pass filter applied to the amount - suppresses and thus improves the quality of the articulated signal components.

Ähnliche Verfahren aus dem Stand der Technik betrachten die artikulierten Anteile sowie die unveränderten Anteile als von verschiedenen Quellen kommend und wählen diesem Modell entsprechende Herangehensweisen, beispielsweise Filterung mittels Bandpassfiltern, die dann allerdings auch das Sprachsignal dämpfen.Similar prior art methods consider the articulated components as well as the unmodified components as coming from different sources, and adopt similar approaches to this model, for example filtering by means of bandpass filters which, however, also attenuate the speech signal.

Das erfindungsgemäße Verfahren zielt also darauf ab, die Verständlichkeit der Sprache von EL-Anwendern zu erhöhen bzw. das Signal angenehmer und "menschlicher" zu machen. Ziel ist es, den Direktschall aus dem EL bei Kommunikation über elektronische Mittel (z.B. Telefon) zu reduzieren bzw. zu eliminieren.The method according to the invention thus aims to increase the intelligibility of the language of EL users or to make the signal more pleasant and "more human". The aim is to reduce or eliminate the direct sound from the EL when communicating via electronic means (e.g., telephone).

Die Realisierung des erfindungsgemäßen Verfahrens kann beispielsweise durch ein Software-Plugin, als fest verdrahtete Lösung oder auch als Analogschaltung erfolgen.The implementation of the method according to the invention can be done for example by a software plug-in, as a hard-wired solution or as an analog circuit.

Aus der Vielzahl bekannter Methoden zur Überführung eines Signals in den Frequenzbereich bzw. zurück erfolgt die Überführung in Schritt a) des erfindungsgemäßen Verfahrens günstigerweise mittels Fourier-Transformation und die Rücktransformation in Schritt c) mittels inverser Fourier-Transformation. Die Überführung erfolgt blockweise (z.B. Blöcke von 20 ms) in kurzen Abständen (Auffrischung beispielsweise alle 10 ms). Die Aufteilung des Signals in eine Reihe von Frequenzkanälen erfolgt beim Überführen des Signals in den Frequenzbereich.From the large number of known methods for transferring a signal into the frequency range or back, the conversion in step a) of the method according to the invention is advantageously carried out by Fourier transformation and the inverse transformation in step c) by means of inverse Fourier transformation. The transfer takes place in blocks (eg blocks of 20 ms) at short intervals (refresh every 10 ms, for example). The division of the signal into a series of frequency channels takes place when transferring the signal into the frequency domain.

In einer Variante der Erfindung erfolgt die Überführung des Sprachsignals in Schritt a) und die Rücktransformation in Schritt c) mit einer entsprechenden Filterbank.In a variant of the invention, the transfer of the speech signal in step a) and the inverse transformation in step c) with a corresponding filter bank.

Die Ergebnisse des erfindungsgemäßen Verfahrens lassen sich weiter verbessern, wenn vor der Filterung in Schritt b) eine Signal-Kompression erfolgt und nach Schritt b) eine Dekompression erfolgt. Durch die Kompression kann verhindert werden, dass bei hohen Amplituden deren Änderungen derart dominant sind, dass die Änderungen kleiner Amplituden nicht berücksichtigt werden. Durch die Kompression werden also relative Änderungen für das Filter besser sichtbar.The results of the method according to the invention can be further improved if signal compression takes place before the filtering in step b) and decompression takes place after step b). The compression can be prevented that at high amplitudes whose changes are so dominant that the changes of small amplitudes are not taken into account. Compression makes relative changes more visible to the filter.

In einer weiteren Ausführung des erfindungsgemäßen Verfahrens erfolgt vor der Rücktransformation in Schritt c) eine Gleichrichtung der negativen Signalkomponenten.In a further embodiment of the method according to the invention, before the inverse transformation in step c), a rectification of the negative signal components takes place.

Im Folgenden wird die Erfindung anhand eines nicht einschränkenden Ausführungsbeispiels, das in der Zeichnung dargestellt ist, näher erläutert. In dieser zeigt schematisch:

Fig. 1

eine vereinfachte Darstellung der Verwendung eines EL und die auftretenden Signalpfade,

Fig. 2

eine vereinfachte Darstellung der Situation, in der die erfindungsgemäße Methode Anwendung findet und

Fig. 3

ein Blockschaltbild der erfindungsgemäßen Methode.

In the following the invention will be explained in more detail with reference to a non-limiting embodiment, which is illustrated in the drawing. In this shows schematically:

Fig. 1

a simplified representation of the use of an EL and the occurring signal paths,

Fig. 2

a simplified representation of the situation in which the method according to the invention finds application and

Fig. 3

a block diagram of the method according to the invention.

In Fig. 1 sind die verschiedenen Übertragungswege des Signals eines EL 1 skizziert. Dabei ist am Hals eines Sprechers 2 ein EL 1 angeordnet. Der vom EL 1 erzeugte Schall breitet sich einerseits durch die normalen Sprachkanäle (Mund und Nase) 5 des ersten Sprechers 2 aus und wird dort zu Sprache artikuliert; dieses erste Signal 3 ist deutlich veränderlich, bzw. zeit-variant. Am Ohr eines Zuhörers 4 kommt neben diesem zeit-varianten Signal 3 auch ein zweites Signal 6 (in Fig. 1 strichpunktiert dargestellt) in Form des Direktschalls des EL 1 an, wobei dieses Signal 4 weitgehend stationär ist und daher als zeitlich invariant angenommen wird. Der zweite Teil 6 des Gesamtsignals, also das Grundgeräusch des EL 1, wird vom Zuhörer 4 als Störsignal wahrgenommen und verringert die Verständlichkeit der Sprache des Sprechers 2. Die ursprüngliche Anregung mittels des EL 1 wird also über zwei verschiedene Pfade übertragen.In Fig. 1 the different transmission paths of the signal of an EL 1 are sketched. In this case, an EL 1 is arranged on the neck of a speaker 2. The sound produced by the EL 1 spreads on the one hand through the normal speech channels (mouth and nose) 5 of the first speaker 2 and is there articulated to language; this first signal 3 is clearly variable, or time-variant. At the ear of a listener 4 comes next to this time-variant signal 3, a second signal 6 (in Fig. 1 dash-dotted lines) in the form of the direct sound of EL 1, this signal 4 is largely stationary and is therefore assumed to be invariant in time. The second part 6 of the total signal, that is, the background noise of the EL 1, is perceived by the listener 4 as an interference signal and reduces the intelligibility of the speech of the speaker 2. The original excitation by means of the EL 1 is thus transmitted via two different paths.

Zwar bezieht sich die Erfindung auf die Verbesserung der Sprachqualität eines EL-Sprechers bei Verwendung von elektronischen Mittlern - anstatt eines Zuhörers würden die Signale also beispielsweise mit einem Mikrofon aufgenommen werden. Zur Illustration der Ausgangslage wurde allerdings aus Gründen der Verständlichkeit dieses allgemeine Modell gewählt.Although the invention relates to the improvement of the speech quality of an EL speaker when using electronic mediators - so instead of a listener, the signals would be recorded, for example, with a microphone. To illustrate the starting position However, for the sake of clarity, this general model has been chosen.

Fig. 2 zeigt eine vereinfachte Modelldarstellung der Situation, auf die die erfindungsgemäßen Methode zur Unterdrückung eines störenden zweiten Signals 6 (siehe Fig. 1) angewendet wird. Es ist gut erkennbar, dass es bei der erfindungsgemäßen Methode nicht zu einer Trennung von Signalquellen, sondern von Ausbreitungswegen kommt. Fig. 2 shows a simplified model representation of the situation to which the inventive method for the suppression of a disturbing second signal 6 (see Fig. 1 ) is applied. It is readily apparent that in the method according to the invention there is no separation of signal sources, but of propagation paths.

Ein Quellensignal x(w) von einer Signalquelle 7 breitet sich über zwei verschiedene Signalpfade aus. Im ersten Signalpfad wird das Ausgangssignal durch ein zeitvariantes Filter H(w, t) zu einem zeitvarianten Signal x(w)H(w, t) moduliert. Im zweiten Signalpfad wird das Ausgangssignal nur durch ein zeitinvariantes Filter F(w) zu einem Signal x(w)F(w) verändert.A source signal x (w) from a signal source 7 propagates over two different signal paths. In the first signal path, the output signal is modulated by a time-variant filter H (w, t) to a time-variant signal x (w) H (w, t). In the second signal path, the output signal is changed only by a time-invariant filter F (w) to a signal x (w) F (w).

Die Signale der beiden Pfade werden dann in einem Empfänger 8 - z.B. dem Ohr eines Zuhörers, einem Mikrofon o.ä. - zu einem zur Messung zur Verfügung stehenden Signal S(w, t) summiert. Das Signal besteht dann aus der Summe der Komponenten, $$\mathrm{S}\left(\mathrm{w},\mathrm{t}\right)=\mathrm{x}\left(\mathrm{w}\right)\mathrm{H}\left(\mathrm{w},\mathrm{t}\right)+\mathrm{x}\left(\mathrm{w}\right)\mathrm{F}\left(\mathrm{w}\right)\mathrm{.}$$

The signals of the two paths are then in a receiver 8 - eg the ear of a listener, a microphone or similar. - Summed to a signal available for measurement S (w, t). The signal then consists of the sum of the components, $$\mathrm{S}\left(\mathrm{w},\mathrm{t}\right)=\mathrm{x}\left(\mathrm{w}\right)\mathrm{H}\left(\mathrm{w},\mathrm{t}\right)+\mathrm{x}\left(\mathrm{w}\right)\mathrm{F}\left(\mathrm{w}\right)\mathrm{,}$$

Es können nun die Signalteile vom zeitinvarianten und vom zeitvarianten Signalpfad getrennt werden, indem entweder alle Signalanteile, die sich zeitlich ändern, bzw. zeitlich konstant sind, gedämpft werden. Man erhält also beispielsweise als Ergebnis nur den zeit-varianten Anteil S1(w, t)~x(w)H(w, t).It is now possible to separate the signal components from the time-invariant and time-variant signal paths, by attenuating either all signal components which change over time or are constant over time. For example, as a result, only the time-variant component S1 (w, t) ~ x (w) H (w, t) is obtained.

Bei der Anwendung für Sprache mit EL überlagert der unartikulierte Signalanteil x(w)F(w) (also das Grundgeräusch des EL) das zeitvariante Sprachsignal x(w)H(w, t) und bewirkt dadurch einen Verständlichkeitsverlust für das Sprachsignal. Die Sprachverständlichkeit wird verbessert, indem der zeitvariante Signalanteil vom zeitinvarianten Signalanteil getrennt wird.In the application for speech with EL, the inarticulate signal component x (w) F (w) (ie the background noise of the EL) superimposes the time-variant speech signal x (w) H (w, t) and thereby causes a loss of intelligibility for the speech signal. Speech intelligibility is improved by separating the time-variant signal component from the time-invariant signal component.

Fig. 3 zeigt eine mögliche Umsetzung der erfindungsgemäßen Methode. Dabei kann am Eingang ein beliebiges digitales Sprachsignal 9 von einem Sprecher mit EL anliegen. In einem ersten Schritt 10 wird unter Anwendung der Kurzzeit-Fouriertransformation das Sprachsignal 9 blockweise in den Frequenzbereich transformiert und so in eine Reihe von Frequenzkanälen aufgeteilt. Der Fachmann kann hier aus verschiedenen etablierten Methoden zur Transformation eines Signals vom Zeit- in den Frequenzbereich wählen; neben der Fourier-Transformation findet beispielsweise auch die Diskrete Kosinustransformation Anwendung - Voraussetzung für eine erfindungsgemäße Anwendung ist allerdings, dass die Transformation umkehrbar ist. Das Signal wird mit einer bestimmten Auffrischungsrate (z.B. 10ms) in Blöcke von beispielsweise 20 ms Länge aufgeteilt, die jeweils in eine Reihe von Frequenzkanälen 11 aufgefächert werden. Das ursprünglich einkanalige Sprachsignal 9 wird also in eine Vielzahl von Frequenzbereichen aufgespaltet, die sich als Folge der Zeit ändern. Das Frequenzsignal ist komplex, es wird aber in weiterer Folge nur der Absolutbetrag modifiziert, die Phase 15 bleibt unverändert. Fig. 3 shows a possible implementation of the method according to the invention. In this case, an arbitrary digital speech signal 9 from a speaker with EL can be present at the input. In a first step 10, using the short-time Fourier transformation, the speech signal 9 is transformed in blocks into the frequency domain and thus divided into a series of frequency channels. The person skilled in the art can choose here from various established methods for the transformation of a signal from the time domain into the frequency domain; In addition to the Fourier transformation, for example, the discrete cosine transformation is also used - however, the prerequisite for an application according to the invention is that the transformation is reversible. The signal is divided at a certain refresh rate (eg 10 ms) into blocks of, for example, 20 ms in length, which are each fanned out into a series of frequency channels 11. The originally single-channel speech signal 9 is thus split into a plurality of frequency ranges, which change as a result of time. The frequency signal is complex, but subsequently only the absolute value is modified, phase 15 remains unchanged.

In Schritt 10 kann auch eine Filterbank verwendet werden, wobei die Abtastrate des Signals nach der Filterbank reduziert wird. Das Reduzieren der Abtastrate entspricht dabei der Blockbildung bei Anwendung der Fourier-Transformation.In step 10, a filter bank may also be used, reducing the sample rate of the signal after the filter bank. The reduction of the sampling rate corresponds to the block formation when using the Fourier transformation.

In einem weiteren Funktionsblock 12 wird nun jeder Frequenzkanal 11 gefiltert, beispielsweise mit einem Hochpass- bzw. Notchfilter. Diese Filterung erlaubt das Ausfiltern bestimmter Frequenzen - in der Tontechnik werden mit Notchfiltern schmalbandige Störungen beseitigt. Da der EL auf einer bestimmten Frequenz oszilliert - beispielsweise 100 Hz - ergibt das Störsignal, das nicht durch die Artikulationsorgane eines Sprechers verändert ist, im Frequenzbereich Amplituden im 100 Hz-Kanal mit der Modulationsfrequenz 0 Hz - d.h., dass sich die Amplitude des EL-Signals nicht ändert. Das Störsignal ist dadurch gekennzeichnet, dass es perfekt zeitlich invariant ist. Zur Filterung des Grundgeräuschs des EL werden ein Notch- bzw. ein Hochpassfilter verwendet. Als Grenzfrequenz für das Hochpassfilter dient dabei die Modulationsfrequenz des EL; das Notchfilter wird so gewählt, dass es genau bei der Modulationsfrequenz des EL sperrt.In a further functional block 12, each frequency channel 11 is filtered, for example with a high-pass filter or notch filter. This filtering allows the filtering of certain frequencies - in the sound technique narrowband interference is eliminated with notch filters. Since the EL oscillates at a certain frequency - for example 100 Hz - the interference signal, which is not changed by the articulation organs of a speaker, results in the frequency range amplitudes in the 100 Hz channel with the modulation frequency 0 Hz - ie the amplitude of the EL Signal does not change. The interference signal is characterized in that it is perfectly time-invariant. To filter the background noise of the EL, a notch or a high pass filter are used. The limiting frequency for the high-pass filter is the modulation frequency of the EL; the notch filter is chosen so that it locks exactly at the modulation frequency of the EL.

In der realen Umsetzung wird natürlich eine perfekte zeitliche Invarianz aufgrund von Reflexionen, Brechungen, Umgebungsgeräuschen und baulicher Notwendigkeiten des EL nicht erreichbar sein. Da allerdings auch das Filter nicht auf nur eine Frequenz eingeschränkt ist, sondern einen bestimmten Frequenzbereich - in diesem Fall einen Modulationsfrequenzbereich - abdeckt, ist die Funktion der erfindungsgemäßen Methode sichergestellt.In the real implementation of course a perfect temporal invariance due to reflections, refractions, ambient noise and structural needs of the EL will not be achievable. However, since the filter is not restricted to just one frequency but covers a specific frequency range-in this case a modulation frequency range-the function of the method according to the invention is ensured.

In einem abschließenden Funktionsblock 13 erfolgt die Rückführung der Signale in den Zeitbereich, beispielsweise mittels inverser Fourier-Transformation und die Zusammenführung der Frequenzkanäle 11 zurück in einen Kanal mittels overlap-add. Das overlap-add Verfahren ist dabei ein dem Fachmann bekanntes Verfahren aus der digitalen Signalverarbeitung. Ergebnis ist ein einkanaliges Ausgangssignal 14, in dem das Störsignal des EL ausgefiltert oder zumindest gedämpft ist. Das Ausgangssignal kann dann weiter verarbeitet werden.In a final function block 13, the feedback of the signals into the time domain, for example by means of inverse Fourier transformation and the merger of the frequency channels 11 back into a channel by means of overlap-add. The overlap-add method is a method of digital signal processing known to the person skilled in the art. The result is a single-channel output signal 14, in which the interference signal of the EL is filtered out or at least attenuated. The output signal can then be processed further.

Bei Anwendung einer Filterbank in Schritt 10 wird die Abtastrate des Signals nach der Filterung in Schritt 12 wieder erhöht und dann wie geschildert weiterbehandelt.When using a filter bank in step 10, the sampling rate of the signal is increased again after the filtering in step 12 and then treated further as described.

Grundsätzlich stellen diese Ausführungen nur die wichtigsten Bestandteile der erfindungsgemäßen Methode dar; vor der Filterung im Block 12 kann das Signal komprimiert werden, nach der Filterung kann eine Dekomprimierung vorgesehen sein. Auch eine Gleichrichtung vor der Rücktransformation in den Zeitbereich kann günstig sein, da bei der Bearbeitung unerlaubte negative Werte entstehen können.Basically, these statements represent only the most important components of the method according to the invention; before the filtering in block 12, the signal can be compressed, after the decompression can be provided. A rectification before the inverse transformation into the time domain can also be favorable, since unauthorized negative values can arise during processing.

Die Erfindung kann beispielsweise als Zusatzgerät zum Telefonieren verwendet werden. Bei einem herkömmlichen analogen Telefon wird das Gerät einfach in den Hörer integriert. Bei einem Telefon mit integriertem Digitalem Signal Prozessor ist die Integration der Erfindung durch ein Software-Plugin möglich. Auch die Realisierung im Rahmen einer fest verdrahteten Lösung, z.B. auch in einer Analogschaltung, ist möglich.The invention can be used, for example, as an additional device for telephoning. In a conventional analogue telephone, the device is simply integrated into the handset. In a telephone with integrated digital signal processor, the integration of the invention by a software plug-in is possible. Also, the realization in the context of a hardwired solution, e.g. also in an analog circuit, is possible.

Die erfindungsgemäße Methode ist auch bei Verwendung eines EL einsetzbar, bei dem zwischen zwei oder mehr Frequenzen hin- und hergeschaltet werden kann um der Sprache einen realistischeren Klang zu geben. Das gilt sowohl für diskrete Frequenzsprünge als auch für kontinuierliche Änderungen der Grundfrequenz unter der Annahme, dass die Frequenzen, zwischen denen gewechselt wird, innerhalb eines Frequenzbandes liegen, in das das Grundsignal aufgeteilt wird.The method according to the invention can also be used when using an EL in which two or more frequencies can be switched back and forth in order to give the speech a more realistic sound. This applies both to discrete frequency jumps and to continuous changes in the fundamental frequency assuming that the frequencies being switched are within a frequency band into which the fundamental signal is split.

Die Breite des Modulationsfrequenzfilters bestimmt dabei, wie schnell sich die Frequenz ändern darf. Bei sehr langsamen, kontinuierlichen Änderungen kann sich die Frequenz bei funktionierender Unterdrückung über den gesamten Bereich des Frequenzbandes ändern - ausschlaggebend ist nicht die Größe, sondern die Geschwindigkeit der Änderung. Beim Ein- und Ausschalten des EL, das einer schnellen Änderungen entspricht, greift die Unterdrückung erst nach einigen Millisekunden - abhängig davon, wie breit das Notchfilter gewählt ist bzw. wo die Grundfrequenz des Hochpassfilters liegt.The width of the modulation frequency filter determines how fast the frequency may change. With very slow, continuous changes, the frequency can change over the entire band of the frequency band if the suppression function works - the decisive factor is not the size but the speed of the change. When switching the EL on and off, which corresponds to rapid changes, the suppression only takes effect after a few milliseconds - depending on how broadly the notch filter is selected or where the fundamental frequency of the high-pass filter lies.

Dabei dürfen allerdings die Änderungen der Grundfrequenz nicht zu groß sein. Um die erfindungsgemäße Funktion sicher zu stellen, müssten beispielsweise die Frequenzkanäle, in die das Signal aufgeteilt wird, erweitert werden, bzw. die Filterung mittels Hochpassfilter müsste an einer etwas höheren Frequenz ansetzen.However, the changes in the fundamental frequency must not be too large. In order to ensure the function according to the invention, for example, the frequency channels into which the signal is split would have to be expanded, or the filtering by means of a high-pass filter would have to start at a somewhat higher frequency.

Claims (5)

1. Method for improving the speech quality of an electric larynx (EL) speaker, whose speech signal S(w,t) is digitised by suitable means, characterised by the following steps:

   a) dividing a single-channel speech signal S(w,t), which consists of the sum of the compounds of a time variant signal x(w)H(w,t) and a time-invariant signal x(w)F(w), into a series of frequency channels by transforming it from a time domain into a discrete frequency domain,

   b) filtering out the time-invariant signal x(w)F(w) by filtering out the modulation frequency 0 Hz by means of a high-pass or notch filter in each frequency channel, and

   c) back-transforming the filtered speech signal from the frequency domain into the time domain and combining it into a single-channel output signal.
2. Method according to claim 1, characterised in that the transforming of the speech signal in step a) is carried out by means of a Fourier transformation and the back-transformation in step c) is carried out by means of an inverse Fourier transformation.
3. Method according to claim 1, characterised in that the transformation of the speech signal in step a) and the synthesis of the frequency channels in step c) is carried out with a corresponding filter bank.
4. Method according to one of claims 1 to 3, characterised in that before the filtering in step b) a signal compression is carried out, and after step b) a decompression is carried out.
5. Method according to one of claims 1 to 4, characterised in that before the back-transformation in step c) a rectification of the negative signal components is carried out.

Images