基于波形的周期性检测器制造技术

一种用来从一输入信号中产生周期性信息的基于波形的技术，这种技术包括通过对该输入信号采用低通滤波和非线性滤波来产生一预处理信号，其中该预处理信号具有被突出的语言音调音轨。把一种自适应阈值算法用于该预处理信号，以产生一检测信号，该检测信号具有峰值被输入信号的音调周期分开的波形片段。确定该检测信号中峰值之间表示周期性信息的周期。然后，关于该检测信号中峰值之间周期的信息用来使一定标值适于被以后步骤中的自适应阈值算法所采用。该周期性信息可以用于一种电话通信系统中的语音活动检测器中。（*该技术在2018年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及音调周期(pitch period)(周期性)检测，尤其涉及用于语音活动检测的周期性检测器。语音活动检测(VAD)是检测供给一通信系统话筒的噪声音频信号中是否存在语言活动的技术。VAD系统用于电信领域的许多信号处理系统中。例如，在全球移动通信系统(GSM)中，如GSM技术规范中(尤其是1994年5月的GSMO6.10——全速率语音代码转换中；和GSMO6.31——全速率语音通信信道的断续传输中)所述的那样，通过令语音编码器把VAD用作断续传输(DTX)原理的实现方式部分，增大通信处理容量。在噪声抑制系统中，例如在基于波谱减法(spectralsubtraction based)方法中，VAD用来指示何时开始进行噪声估算(和噪声参数适配)。在噪声语音识别中，VAD还用来通过将适量噪声估算值加给基准模板来改善语音识别系统的噪声鲁棒性。新一代GSM免提功能被设计成结合用于通过GSM网络所进行的高品质语音传输的降噪算法。成功背景噪声降低算法的关键部分是加强的语音活动检测算法。选择GSM-VAD算法用于新一代免提噪声抑制算法，以检测来自话筒的噪声信号中存在语音活动与否。若将s(n)定为纯语音信号，而将v(n)定为背景噪声信号，则话筒信号样本x(n)在语音活动过程中为x(n)＝s(n)+v(n) (I)而话筒信号样本在非语音活动过程中为x(n)＝v(n) (II)尤其是在x(n)的语音/噪声比(SNR)值为低时，例如该值是在高速公路上行驶时的汽车环境内存在的值时，对以上公式所述状态(I)和(II)检测非比寻常。GSM VAD算法产生表示当前帧音频信号归类在哪个状态下的信息标记。在波谱减法算法中，对以上两个状态的检测很有用，该检测对背景噪声的特征进行估算，以便改善信噪比而不使语音信号失真。例如，见IEEE Trans.on ASSP.vol.ASSP-27(1979)第113-120页S.F.Boll所著的“使用波谱减法抑制语音中的声噪声(Suppressionof Acoustic Noise in Speech Using Spectral Subtraction)”；J.Makhoul & R.McAulay所著的“从降噪的语音信号中消除噪声”(Removal of Noise From Noise-Degraded SpeechSignals).National Academy Press，Washington，D.C.(1989)；Proceedings of ICASSP-88.vol.1(1988)第481-485页A.Varga等人所著的“基于HMM的语音识别算法的补偿算法(CompensationAlgorithms for HMM Based Speech Recognition Algorithms)”；和Proceedings of EUROSPEECH Conf.，ISSN 1018-4074(1995)第1549-1553页P.Hndel所著的“用于语音增强的低失真波谱减法(LowDistortion Spectral Subtraction for Speech Enhancement)”。GSM VAD算法又在其运算中采用了一种自动相关函数(ACF)和得自语音编码器的周期性信息。因此，必需在获得所执行的任何噪声抑制动作之前运行语音编码器。这种情况示于附图说明图1中。将数字化话筒信号样本x(k)供给语音编码器101，语音编码器101又产生GSMO6.10.所规定的自动相关系数(ACF)和长期预测器滞后值(音调信息)Np。把ACF和Np信号供给VAD103。VAD103产生一个VAD判定结果，把该结果供给基于波谱减法自适应噪声抑制(ANS)单元105的一个输入端。ANS105的第二输入端接收延迟形式的原始话筒信号样本x(n)。ANS105的输出信号是一个降噪信号，然后将该降噪信号供给第二语音编码器107。(图中将第二语音编码器107示为一个分开的单元。不过，可以认为的是，第一和第二语音编码器101、107实际上可以是运行两次的同一个单元。)根据以上的讨论，显然，GSM VAD算法需要运行整个语音编码器，以便能够取出进行VAD判定所必需的短期自动相关和长期周期性信息。通过一个长期预测器利用交叉相关算法来计算语音编码器中的周期性信息。这些算法在计算方面代价很高，并且在免提信号处理过程中会引起不必要的延迟。对新一代编码解码器(例如GSM的新一代增强型全速率(EFR)编码解码器)来说，对一种简单的周期性检测器的需要问题变得更加尖锐，因为它耗占了大量的存储器和处理能力(即，每秒需要执行的指令数)，还因为与GSM的现有全速率(FR)编码解码器相比，它显著的增加了计算性延迟。就延迟、计算性需要和存储需要来说，降噪算法中VAD判定对周期性和来自语音编码器101的ACF信息利用的采用代价很高。此外，在实现成功的语音传输之前，语音编码器必需运行两次。从信号中取出周期性信息也是在计算方面最昂贵的部分。因此，对于未来移动终端和配件中有效地执行背景噪声抑制算法来说，需要一种用来取出信号中周期性信息的复杂性较低的方法。传统的周期性检测器如美国专利US3,920,907和US4,164,626中描述的那些检测器主要基于对信号的模拟处理，它们未能考虑材料老化和处理时间长的问题。另外，这些专利中所述的计算性方面代价很高的技术用来处理仅仅由没有附加噪声的干净信号组成的输入信号。其他传统的周期性检测器如美国专利US5,548,680、US4,074,069和US5,127,053中描述的那些检测器采用了基于输入信号的线性预测编码(LPC)模型化的标准GSM型音调检测器。遇有上述问题的这些技术也不能使处理适应于信号的时变特性，而是采用了非时变的估计模型参数(象LPC顺序、帧长度等等)。因此，本专利技术的目的是提供一种周期性检测方法和装置，它基于自适应信号处理，在计算方面非常简单，并且不作关于信号的任何先验假定(即，不管它是嘈杂的、干净的还是有相关的)。根据本专利技术的一个方面，前面和其他目的在一种用来根据一输入信号产生周期性信息的方法和装置中实现。这种技术包括通过对该输入信号采用低通滤波和非线性滤波来产生一预处理信号，其中该预处理信号具有被突出的语言音调音轨。把一种自适应阈值算法用于该预处理信号，以产生一检测信号，该检测信号具有峰值被输入信号的音调周期分开的波形片段。确定该检测信号中峰值之间的周期以产生周期性信息。然后，关于该检测信号中峰值之间周期的信息用来使一定标值适于被以后步骤中的自适应阈值算法所采用。该周期性信息可以用于一种电话通信系统中的语音活动检测器中。在本专利技术的另一个方面中，根据以下公式执行非线性滤波 其中y(k)是低通滤波后的输入信号的第k个样本。可以把n和β的值选为输入信号一个信噪比的函数。在本专利技术的又一个方面中，自适应阈值算法根据以下公式产生一个阈值信号Vth(i)Vth(i)=G(i)N(i)Σk=0N(i)-1y(k)]]>这里，y(k)是预处理信号的第k个样本，G(i)是时间i时的定标因子，N(i)是以前执行的自适应阈值计算步骤所产本文档来自技高网...

【技术保护点】
一种从一输入信号中产生周期性信息的方法，包括以下步骤： 通过应用低通滤波和非线性滤波而从输入信号中去除信息来产生一个预处理信号，其中去除的信息不表示语言音调信息； 根据一个自适应阈值算法转换该预处理信号，以产生一检测信号，该检测信号具有峰值被输入信号音调周期分开的波形片段； 确定该检测信号中峰值之间的一个周期，以产生周期性信息；和 用关于该检测信号中峰值之间周期的信息使一定标值适于被以后步骤中自适应阈值算法所采用。

【技术特征摘要】
US 1997-8-25 08/917,2241.一种从一输入信号中产生周期性信息的方法，包括以下步骤通过应用低通滤波和非线性滤波而从输入信号中去除信息来产生一个预处理信号，其中去除的信息不表示语言音调信息；根据一个自适应阈值算法转换该预处理信号，以产生一检测信号，该检测信号具有峰值被输入信号音调周期分开的波形片段；确定该检测信号中峰值之间的一个周期，以产生周期性信息；和用关于该检测信号中峰值之间周期的信息使一定标值适于被以后步骤中自适应阈值算法所采用。2.权利要求1的方法，其中根据以下公式进行非线性滤波其中y(k)是低通滤波后的输入信号的第k个样本。3.权利要求2的方法，其中把n和β的值选为输入信号一个信噪比的函数。4.权利要求3的方法，其中自适应阈值算法根据以下公式产生一个阈值信号Vth(i)Vth(i)=G(i)N(i)Σk=0N(i)-1y(k)]]>这里，y(k)是预处理信号的第k个样本，G(i)是时间i时的定标因子，N(i)是以前执行的自适应阈值计算步骤所产生信号中峰值之间的样本数目。5.权利要求4的方法，还包括把定标因子G(i)作为N(i)值的函数而调整的步骤。6.权利要求5的方法，其中调整比例因子G(i)的步骤包括以下步骤把N(i)与一预定值作比较；如果N(i)小于该预定值，则增大G(i)；而如果N(i)大于该预定值，则减小G(i)。7.权利要求2的方法，其中自适应阈值算法根据以下公式产生一个阈值信号Vth(i)Vth(i)=G(i)N(i)Σk=0N(i)-1y(k)]]>这里，y(k)是预处理信号的第k个样本，G(i)是时间i时的定标因子，N(i)是以前执行的自适应阈值计算步骤所产生信号中峰值之间的样本数目。8.权利要求7的方法，还包括把定标因子G(i)作为N(i)值的函数而调整的步骤。9.权利要求8的方法，其中调整定标因子G(i)的步骤包括以下步骤把N(i)与一预定值作比较；如果N(i)小于该预定值，则增大G(i)；而如果N(i)大于该预定值，则减小G(i)。10.权利要求1的方法，其中自适应阈值算法根据以下公式产生一个阈值信号Vth(i)Vth(i)=G(i)N(i)Σk=0N(i)-1y(k)]]>这里，y(k)是预处理信号的第k个样本，G(i)是时间i时的定标因子，N(i)是以前执行的自适应阈值计算步骤所产生信号中峰值之间的样本数目。11.权利要求10的方法，还包括把定标因子G(i)作为N(i)值的函数而调整的步骤。12.权利要求11的方法，其中调整定标因子G(i)的步骤包括以下步骤把N(i)与一预定值作比较；如果N(i)小于该预定值，则增大G(i)；而如果N(i)大于该预定值，则减小G(i)。...

【专利技术属性】
技术研发人员：F迈库艾，
申请(专利权)人：艾利森电话股份有限公司，
类型：发明
国别省市：SE[瑞典]