WO1999014739A1 - Procede de debruitage d'un signal de parole numerique - Google Patents

Procede de debruitage d'un signal de parole numerique Download PDF

Info

Publication number
WO1999014739A1
WO1999014739A1 PCT/FR1998/001981 FR9801981W WO9914739A1 WO 1999014739 A1 WO1999014739 A1 WO 1999014739A1 FR 9801981 W FR9801981 W FR 9801981W WO 9914739 A1 WO9914739 A1 WO 9914739A1
Authority
WO
WIPO (PCT)
Prior art keywords
speech signal
frame
frequency
noise
signal
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.)
Ceased
Application number
PCT/FR1998/001981
Other languages
English (en)
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
Priority to CA002304015A priority Critical patent/CA2304015A1/fr
Priority to AU91690/98A priority patent/AU9169098A/en
Priority to EP98944000A priority patent/EP1016073B1/fr
Priority to BR9812655-5A priority patent/BR9812655A/pt
Priority to DE69804329T priority patent/DE69804329T2/de
Priority to JP2000512196A priority patent/JP2001516902A/ja
Publication of WO1999014739A1 publication Critical patent/WO1999014739A1/fr
Anticipated expiration legal-status Critical
Ceased 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
    • G10L21/0208—Noise filtering
    • 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
    • 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
    • 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
    • G10L21/0264—Noise filtering characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
    • 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
    • G10L25/90—Pitch determination of speech signals

Definitions

  • the present invention relates to digital techniques for denoising speech signals. It relates more particularly to denoising by nonlinear spectral subtraction.
  • This technique makes it possible to obtain an acceptable denoising for strongly voiced signals, but totally distorts the speech signal. Faced with a relatively coherent noise, such as that caused by the contact of car tires or the rattling of an engine, the noise can prove to be more easily predictable than the unvoiced speech signal. There is then a tendency to project the speech signal into a part of the vector space of the noise. The method ignores the speech signal, especially the unvoiced speech areas where the predictability is reduced. In addition, predicting the speech signal from a reduced set of parameters does not take into account all the intrinsic richness of the speech. We understand here the limits of techniques based solely on mathematical considerations while forgetting the particular character of speech. Finally, other techniques are based on consistency criteria.
  • the coherence function is particularly well developed by JA Cadzow and 0. M. Solomon ("Lmear modelmg and the coherence function", IEEE Trans. On Acoustics, Speech and Signal Processing, Vol. ASSP-35, n ° 1, January 1987 , pages 19-28), and its application to denoising has been studied by R. Le Bouquin ( ⁇ . ⁇ Enhancement of noisy speech signais: application to moo radio communications ", Speech Communication, Vol. 18, pages 3-19) .
  • This method is based on the fact that the speech signal has a significantly greater coherence than noise provided that several independent channels are used. The results seem to be quite encouraging. But unfortunately, this technique requires having multiple sources of sound, which is not always achieved.
  • US Patent 5,228,088 describes a denoising system operating in the frequency domain, provided with a tone frequency detector. The result of this detection is used on the one hand to adjust the noise suppression coefficients, and on the other hand to locate a "voice band".
  • the noise suppression coefficients are used by a spectral subtraction module to weight the noise estimate before subtracting it from the signal.
  • the module which adjusts the suppression coefficients only uses the information according to which a tone frequency has been detected or not. However, the value taken by the tone frequency has no influence on the suppression coefficients used.
  • the “voice band” determined using the detected tone frequency is subject to an overall signal enhancement. It can, as a variant, be used to determine a contrario a "noise band", band in which an overall attenuation is then applied.
  • a main aim of the present invention is to propose a new denoising technique which takes into account the characteristics of speech production, thus allowing effective denoising without deteriorating the perception of speech.
  • the invention thus proposes a method for denoising a digital speech signal processed by successive frames, in which:
  • spectral subtraction is carried out comprising at least one step consisting in respectively subtracting, from each spectral component of the speech signal on the frame, a quantity depending on parameters including the increased estimate of the corresponding spectral component of the noise for said frame; and - a transformation to the time domain is applied to the result of the spectral subtraction to construct a denoised speech signal.
  • a harmonic analysis of the speech signal is performed to estimate a tonal frequency of the speech signal on each frame where it exhibits speech activity.
  • the parameters on which the quantities subtracted depend include the tone frequency thus estimated.
  • the speech signal of the frame is conditioned by oversampling it at a oversampling frequency multiple of the estimated tonal frequency, and the components are calculated. spectral of the speech signal on the frame based on the conditioned signal to subtract said quantities from them. This arrangement makes it possible to favor the frequencies closest to the estimated tone frequency over the other frequencies. This avoids protecting harmonics relatively far from those of the tone frequency. The harmonic nature of the speech signal is therefore best preserved.
  • 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 has 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.
  • the fact of having conditioned the signal by the oversampling technique makes it possible to obtain a good measure of the degree of voicing of the speech signal on the frame, from a calculation of the entropy of the autocorrelation of the calculated spectral components. based on the signal conditions. The more the spectrum is disturbed, that is to say the more it is seen, the lower the values of the entropy.
  • the conditioning of the speech signal accentuates the irregular aspect of the spectrum and therefore the variations of the entropy, so that this constitutes a measure of good sensitivity.
  • the autocorrelations will usually be calculated based on the denoised signal to obtain the best performance. It would however be possible to calculate them on the basis of the conditioned signal before noise reduction.
  • the spectral components of the noise signal obtained by subtracting said quantities from the spectral components of the speech signal, can be used to calculate a masking curve by applying a model of this auditory perception.
  • the parameters on which the quantity subtracted from a spectral component of the speech signal on a frame depends then include a difference between the increased estimate oe the corresponding spectral component of the noise and the calculated masking curve.
  • This subtracted quantity can in particular be limited to the fraction of the estimate increased by the corresponding spectral component of the noise which exceeds the masking curve. This procedure is based on the observation that it is sufficient to denoise the audible noise frequencies. Conversely, there is no point in eliminating noise which is masked by speech.
  • each increased estimate of the noise included in the speech signal is obtained by combining a long-term estimate of said spectral component of noise, and a measure of the variability of said spectral component of noise around its estimate. long-term.
  • FIG. 1 is a block diagram of a denoising system implementing the present invention
  • 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
  • FIG. 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;
  • - Figure 8 is a graph illustrating the operation of the masking curves in the system of Figure 1;
  • FIG. 9 is a block diagram of another denoising system implementing the present invention.
  • FIG. 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 FIG. 9.
  • the denoising system shown in FIG. 1 processes a digital speech signal s.
  • the signal frame is transformed in the frequency domain by a module 11 applying a conventional fast Fourier transform (TFR) algorithm to calculate the module of the signal spectrum.
  • TFR fast Fourier transform
  • 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 averages of the spectral components Si_l., 1 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 Sil, 1 • are addressed to a module 15 for detecting voice activity and to a module 16 for estimating noise. These two modules 15,
  • the module 15 proceeds a priori to debruita ⁇ e the speech signal in the different bands i for the signal frame n.
  • This a priori noise reduction 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 Hp ⁇ n, i of the a priori denoising filter, according to the formula:
  • s n, ⁇ ⁇ a n- ⁇ l, ⁇ - B n- ⁇ l, ⁇ Hp - b n- ⁇ 2, ⁇ or ⁇ l and ⁇ 2 are delays expressed in number of frames
  • CA Il, - L is a noise overestimation coefficient, the determination of which will be explained below.
  • Ep n are calculated according to:
  • Ep fl max
  • Steps 17 to 20 therefore essentially consist in subtracting from the signal spectrum an estimate, increased by the coefficient ⁇ n _ ⁇ - j _, of the noise spectrum estimated a priori.
  • module 15 calculates, for each band i (O ⁇ i ⁇ I), a quantity ⁇ E, I_I, 1 representing the short-term variation of the energy of the noise-suppressed signal in band i, as well as 'a long-term value E n -, _ of the energy of the denoised signal in band i.
  • the quantity ⁇ E 1, _1, 1 can be calculated by a simplified formula of
  • step 26 the counter b is incremented by one unit in step 26.
  • the long-term estimator ba is compared to the value of the smoothed energy E n / 1 . If ba ⁇ E n ⁇ , the estimator ba is taken equal to the smoothed value E n -, _ in step 28, and the counter o, is reset to zero. The quantity p, which is taken equal to the ratio ba / E n? 1 (step 36), is then equal to 1.
  • step 27 shows that ba ⁇ E n -, _
  • the counter b is compared with a limit value bmax in step 29. If b> bmax, the signal is considered to be too stationary to support vocal activity .
  • step 34 the difference a ⁇ -bi ⁇ between the long-term estimator and the internal noise estimator is compared to a threshold ⁇ 2.
  • the module 15 proceeds to the voice activity decisions in step 37.
  • the module 15 first updates the state of the detection automaton according to the quantity p Q calculated for l of the signal band.
  • the new state ⁇ of the automaton depends on the previous state ⁇ -, and of Pg, as shown in Figure 4.
  • the module 15 also calculates the degrees of vocal activity ⁇ II, 1 • in each band i ⁇ l.
  • This degree ⁇ critique-i is preferably a non-binary parameter, that is to say that the function ⁇ 11 is a function varying continuously between 0 and 1 according to the values taken by the quantity p.
  • This function has for example the appearance shown in FIG. 5.
  • Module 16 calculates the band noise estimates, which will be used in the denoising process, using the successive values of the components S_. and degrees of vocal activity ⁇ ⁇ ,.
  • the module 16 updates the noise estimates per band according to the formulas:
  • ⁇ n f ⁇ ⁇ B- ê n- + (1 - ⁇ S ) - 5 n, i (5 > / 14739
  • the long-term noise estimates B n ⁇ are overestimated, by a modu_e 45 (FIG. 1), before proceeding to denoising by nonlinear spectral subtraction.
  • Module 45 calculates the overestimation coefficient ⁇ , previously
  • I basically has OA li f -.L. B i- ⁇ , f -L ..
  • the organization of the overestimation module 45 is shown in FIG. 6.
  • the increased estimate B n . is obtained by combining the long-term estimate JE. and an
  • measure AB TM has the variability of the noise component in band i around its long-term estimate.
  • this combination is essentially a simple sum made by an adder 46. It could also be a weighted sum.
  • band i It is a function of the deviations S n-k, i - B n-k, i 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)
  • FIFO FIFO
  • ⁇ II, 1 • does not exceed the threshold (which can be equal to 0 if the function g () has the form of figure 5)
  • 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 .
  • the measure of variability AB I "l f J, .- can, as a variant, be obtained as a function of the values S grip (and not S n •) and
  • the major estimator B n * f -_I 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 pnase provides, with the resolution of the bands i
  • the coefficient ⁇ " ⁇ represents, like the coefficient ⁇ p of formula (3), a floor conventionally used to avoid negative or too low values of the denoised signal.
  • this function decreasing according to the estimated value of the signal-to-noise ratio.
  • This function is then equal to n 2 for the lowest values of the signal-
  • this function decreases towards zero for the highest values of the signal / noise ratio. protect the most energetic areas of the spectrum, where the signal - 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 denoising 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 for determine the period T, expressed as an integer or fractional number of samples, for example a linear prediction method.
  • 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 harmonic frequencies of f, that is to say for any arbitrary integer.
  • condition (9) the difference between the ⁇ -th harmonic of the real tone frequency is its estimate f n (condition (9)) can go up to ⁇ ⁇ x ⁇ f / 2.
  • this difference can be greater than the spectral half-resolution ⁇ f / 2 of .5 the Fourier transform.
  • condition (9) one can protect each of the frequencies of the interval ⁇ xf p - ⁇ x ⁇ jf / 2, ⁇ xf ' + ⁇ x ⁇ i / 2, i.e. replace condition (9) above with:
  • the corrected frequency response H n ⁇ can be equal to 1 as indicated above, which corresponds to the subtraction of a zero quantity within the framework of spectral subtraction, 0 i.e. tell a full protection of the frequency in question. More generally, this frequency response corrected H ⁇ t.A f could be taken equal to a value
  • the spectral components 5 I n l f J f . of a noise signal are calculated by a multiplier 58:
  • This signal S nf 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 curve is seen as the convolution of the spectral spreading function of the basilar membrane in the bark domain with the excitatory signal, constituted in the present application by the signal S n ⁇ .
  • the spectral spreading function can be modeled as shown in Figure 7.
  • the masking threshold réelle q is obtained by the module
  • R depends on the more or less voiced character of the signal.
  • R depends on the more or less voiced character of the signal.
  • the parameter ⁇ can be of the known form:
  • the denoising system also includes a module
  • Module 62 decides the level of denoising which must really be achieved.
  • 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 n of the corresponding spectral component of the noise and the masking curve v_ ⁇ _. as follows :
  • H n 3 f is substantially equal to the minimum between on the one hand the quantity subtracted from this spectral component in the process of spectral subtraction having the frequency response H n f, and on the other hand the fraction of
  • FIG. 8 illustrates the principle of the correction applied by the module 62. It schematically shows an example of a masking curve M, n., Q calculated on the basis
  • the quantity finally subtracted from the components Sn, r will be that represented by the hatched areas, that is to say limited to the fraction of the increased estimate B. spectral components of the noise that exceeds the masking curve. This subtraction is done by multiplying the
  • a module 65 reconstructs the noise signal in the time domain, by operating the inverse fast Fourier transform (TFRI) of the
  • 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 methods of harmonic analysis that can be implemented by the module 57 are capable of providing a fractional value of the delay T, expressed as a number of samples at the initial sampling frequency F.
  • a new sampling frequency f is then chosen so that it is equal to an integer multiple of the estimated tone frequency, ie F ti, with whole p. In order not to lose signal samples, f should be greater than F.
  • F One can in particular impose that it is between F ⁇ and 2F (1 ⁇ K ⁇ 2), to facilitate the implementation of the conditioning.
  • 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
  • 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 S J n beau, i '
  • 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%.
  • S_ Il - For each of the two blocks, we obtain a set of Fourier components S_ Il -.
  • These components S_II f J are supplied to the multiplier 58, which multiplies them by the spectral response H n 2 f to deliver the spectral components S n ? ⁇ 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 standardized entropy H constitutes a measurement of voicing very robust to noise and variations in the tonal frequency.
  • the correction module 62 operates in the same way as that of the system in 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 noise reduction filter, which is multiplied by the spectral components Sn n , r 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 TFR 75. This combination can consist of a sum with Hamming weighting of the samples, to form a denoised conditioned signal frame of K ⁇ 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 ruptures of the speech signal att ⁇ buables at closings 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 wm. 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.
  • the module 56 for protecting the harmonics of the tone frequency operates in the same manner as above, using for condition (9) the spectral resolution ⁇ f provided by the block 91 and the tone frequency f -f / p defined according to the value of the integer delay p supplied P * - by block 91.
  • 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)
  • Noise Elimination (AREA)
  • Picture Signal Circuits (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

Pour débruiter un signal de parole numérique traité par trames successives: on calcule des composantes spectrales (Sn,f, Sn,i) du signal sur chaque trame; on calcule des estimations majorées (B'?n,i?) de composantes spectrales du bruit compris dans le signal de parole; on effectue une analyse harmonique du signal pour estimer une fréquence tonale; on effectue une soustraction spectrale comportant au moins une étape consistant à soustraire respectivement, de chaque composante spectrale du signal de parole sur la trame (Sn,f), une quantité dépendant de paramètres incluant l'estimation majorée de la composante spectrale correspondante du bruit et la fréquence tonale estimée; et on applique au résultat de la soustraction spectrale une transformation vers le domaine temporel pour construire un signal de parole débruité (s<3>).

Description

PROCEDE DE DEBRUITAGE D'UN SIGNAL DE PAROLE NUMERIQUE
La présente invention concerne les techniques numériques de débruitage de signaux de parole. Elle concerne plus particulièrement le débruitage par soustraction spectrale non linéaire.
Du fait de la généralisation des nouvelles formes de communication, en particulier des téléphones mobiles, les communications se font de plus en plus dans des ambiances fortement bruitées . Le bruit, additionné à la parole, a alors tendance à perturber les communications en empêchant une compression optimale du signal de parole et en créant un bruit de fond non naturel. D'autre part, le bruit rend difficile et fatigante la compréhension du message parlé. De nombreux algorithmes ont été étudiés pour essayer de diminuer les effets du bruit dans une communication. S. F. Boll («Suppression of acoustic noise m speech using spectral subtraction », IEEE Trans . on Acoustics, Speech and Signal Processing », Vol. ASSP-27, n° 2, avril 1979) a proposé un algorithme basé sur la soustraction spectrale. Cette technique consiste a estimer le spectre du bruit pendant les phases de silence et à le soustraire du signal reçu. Elle permet une réduction du niveau de bruit reçu. Son principal défaut est de créer un bruit musical particulièrement gênant, car non naturel.
Ces travaux, repris et améliorés par D. B. Paul
(« The spectral enveloppe estimation vocoder », IEEE
Trans. on Acoustics, Speech and Signal Processing », Vol.
ASSP-29, n° 4, août 1981) et par P. Lockwood et J. Boudy (« Expeπments with a nonlinear spectral subtractor (NSS) , Hidden Markov Models and the projection, for robust speech récognition m cars », Speech Communication, Vol. 11, juin 1992, pages 215-228, et EP-A-0 534 837) ont permis de diminuer sensiblement le niveau de bruit tout en lui conservant un caractère naturel. De plus, cette contribution a eu le mérite d' incorporer pour la première fois le principe de masquage dans le calcul du filtre de débruitage. A partir de cette idée, une première tentative a ete faite par S. Nandkumar et J. H. L. Hansen (« Speech enhancement on a new set of auditory constramed parameters », Proc. ICASSP 94, pages 1.1-1.4) pour utiliser dans la soustraction spectrale des courbes de masquage calculées explicitement. Malgré les résultats décevants de cette technique, cette contribution a eu le mente de mettre l'accent sur l'importance de ne pas dénaturer le signal de parole pendant le débruitage.
D'autres méthodes basées sur la décomposition du signal de parole en valeurs singulières, et donc sur une projection du signal de parole dans un espace plus réduit, ont ete étudiées par Bart De Moore (« The smgular value décomposition and long and short spaces of noisy matrices », IEEE Trans. on Signal Processing, Vol. 41, n° 9, septembre 1993, pages 2826-2838) et par S. H. Jensen et al (« Réduction of broad-band noise m speech by truncated QSVD », IEEE Trans. on Speech and Audio Processing, Vol. 3, n° 6, novembre 1995) . Le principe de cette technique est de considérer le signal de parole et le signal de bruit comme totalement décorrélés, et de considérer que le signal de parole a une prédictibilité suffisante pour être prédit à partir d'un jeu restreint de paramètres. Cette technique permet d'obtenir un débruitage acceptable pour des signaux fortement voisés, mais dénature totalement le signal de parole. Face a un bruit relativement cohérent, tel que celui provoqué par le contact de pneus de voitures ou le cliquetis d'un moteur, le bruit peut s'avérer plus facilement prédictible que le signal de parole non voisé. On a alors tendance à projeter le signal de parole dans une partie de l'espace vectoriel du bruit. La méthode ne tient pas compte du signal de parole, en particulier des zones de parole non voisée où la prédictibilité est réduite. De plus, prédire le signal de parole a partir d'un eu de paramètres réduit ne permet pas de prendre en compte toute la richesse intrinsèque de la parole. On comprend ici les limites de techniques basées uniquement sur des considérations mathématiques en oubliant le caractère particulier de la parole. D'autres techniques enfin sont basées sur des critères de cohérence. La fonction de cohérence est particulièrement bien développée par J. A. Cadzow et 0. M. Solomon (« Lmear modelmg and the cohérence function », IEEE Trans. on Acoustics, Speech and Signal Processing, Vol. ASSP-35, n° 1, janvier 1987, pages 19-28), et son application au débruitage a été étudiée par R. Le Bouquin (<.< Enhancement of noisy speech signais : application to moo le radio communications », Speech Communication, Vol. 18, pages 3-19) . Cette méthode se base sur le fait que le signal de parole a une cohérence nettement plus importante que le bruit a condition d'utiliser plusieurs canaux indépendants. Les résultats obtenus semblent être assez encourageants. Mais malheureusement, cette technique impose d'avoir plusieurs sources de prise de son, ce qui n'est pas toujours réalisé.
Le brevet américain 5 228 088 décrit un système de débruitage fonctionnant dans le domaine fréquentiel, pourvu d'un détecteur de fréquence tonale. Le résultat de cette détection sert d'une part à régler des coefficients de suppression du bruit, et d'autre part a localiser une « bande de la voix ». Les coefficients de suppression de bruit sont utilisés par un module de soustraction spectrale pour pondérer l'estimation du bruit avant de la soustraire du signal. Le module qui règle les coefficients de suppression exploite seulement l'information selon laquelle une fréquence tonale a été détectée ou non. Mais la valeur prise par la fréquence tonale est sans influence sur les coefficients de suppression utilisés. La « bande de la voix » déterminée à l'aide de la fréquence tonale détectée fait l'objet d'une accentuation globale du signal. Elle peut, en variante, servir a déterminer a contrario une « bande du bruit », bande dans laquelle une atténuation globale est alors appliquée. Une telle accentuation ou atténuation d'une portion du spectre et du signal est une méthode de débruitage très différente de la soustraction spectrale. Un but principal de la présente invention est de proposer une nouvelle technique de débruitage qui prenne en compte les caractéristiques de production de la parole, permettant ainsi un débruitage efficace sans détériorer la perception de la parole.
L' invention propose ainsi un procédé de débruitage d'un signal de parole numérique traité par trames successives, dans lequel :
- on calcule des composantes spectrales du signal de parole sur chaque trame ;
- on calcule pour chaque trame des estimations majorées de composantes spectrales du bruit compris dans le signal de parole ; on effectue une soustraction spectrale comportant au moins une étape consistant à soustraire respectivement, de chaque composante spectrale du signal de parole sur la trame, une quantité dépendant de paramètres incluant l'estimation majorée de la composante spectrale correspondante du bruit pour ladite trame ; et - on applique au résultat de la soustraction spectrale une transformation vers le domaine temporel pour construire un signal de parole débruité.
Une analyse harmonique du signal de parole est effectuée pour estimer une fréquence tonale du signal de parole sur chaque trame où il présente une activité vocale. Les paramètres dont dépendent les quantités soustraites incluent la fréquence tonale ainsi estimée.
La surestimation de l'enveloppe spectrale du bruit est généralement souhaitable pour que l'estimation majorée ainsi obtenue soit robuste aux brusques variations du bruit. Néanmoins, cette surestimation a habituellement l'inconvénient de distordre le signal de parole lorsqu'elle devient trop importante. Ceci a pour effet d'affecter le caractère voisé du signal de parole en supprimant une partie de sa prédictibilité . Cet inconvénient est très gênant dans les conditions de la téléphonie, car c'est pendant les zones de voisement que le signal de parole est alors le plus énergétique. Le fait de prendre en compte dans le débruitage la fréquence tonale du signal de parole permet de protéger 1' harmonicite de ce signal dans ces zones voisées.
En général, pour soustraire d'une composante spectrale donnée du signal de parole, on adoptera une quantité plus faible si ladite composante spectrale correspond à une fréquence protégée, c'est-a-dire la plus proche d'un multiple entier de la fréquence tonale estimée que si ladite composante spectrale ne correspond pas à une telle fréquence protégée. Cette quantité plus faible peut notamment être nulle. Dans ce dernier cas, la soustraction spectrale n'affecte pas le signal à la fréquence tonale estimée et/ou a ses harmoniques. On supprime alors une partie des non-lmeaπtés apportées par la surestimation du bruit, qui sont particulièrement sensibles pour les zones voisées. Les zones non voisées, du fait du caractère plus aléatoire de leur signal d'excitation, y sont moins sensibles .
Dans un mode de réalisation avantageux, 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 multiple de la fréquence tonale estimée, et on calcule les composantes spectrales du signal de parole sur la trame sur la base du signal conditionné pour leur soustraire lesdites quantités. Cette disposition permet de privilégier les fréquences les plus proches de la fréquence tonale estimée par rapport aux autres fréquences. On évite ainsi de protéger des harmoniques relativement éloignées de celles de la fréquence tonale. On préserve donc au mieux le caractère harmonique du signal de parole. Pour calculer les composantes spectrales du signal de parole, on distribue le signal conditionné par blocs de N échantillons soumis à une transformation dans le domaine fréquentiel, 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 a 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, a partir d'un calcul de l'entropie de l'autocorrélation des composantes spectrales calculées sur la base du signal conditionne. 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. Les autocorrélations seront généralement calculées sur la base du signal débruité pour obtenir les meilleures performances. Il serait toutefois envisageable de les calculer sur la base du signal conditionné avant debruitage.
Les composantes spectrales du signal debruite, obtenues en soustrayant lesdites quantités des composantes spectrales du signal de parole, peuvent être utilisées pour calculer une courbe de masquage en appliquant un modèle ce perception auditive. De préférence, les paramètres dont dépend la quantité soustraite d'une composante spectrale du signal de parole sur une trame incluent alors un écart entre l'estimation majorée oe la composante spectrale correspondante du bruit et la courbe de masquage calculée. Cette quantité soustraite peut notamment être limitée à la fraction de l'estimation majorée de la composante spectrale correspondante du bruit qui dépasse la courbe de masquage. Cette façon de procéder repose sur l'observation qu'il suffit de débruiter les fréquences de bruit audibles. A contrario, il ne sert a rien d'éliminer du bruit qui est masqué par de la parole.
Dans un mode de réalisation avantageux, chaque estimation majorée du bruit compris dans le signal de parole est obtenue en combinant une estimation à long terme de ladite composante spectrale du bruit, et une mesure de la variabilité de ladite composante spectrale du bruit autour de son estimation à long terme. On obtient ainsi un estimateur de bruit particulièrement robuste aux variations du bruit du fait qu'il combine deux estimateurs distincts, l'un rendant compte des fluctuations à long terme du bruit, et l'autre de sa variabilité a court terme .
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 annexes, dans lesquels : - la figure 1 est un schéma synoptique d'un système de débruitage mettant en œuvre la présente invention ;
- 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 procédé 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 M 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=25β 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. 99/14739
- 9 -
La trame de signal est transformée dans le domaine fréquentiel 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 fréquent elles du signal de parole, notées Sn <=, où 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 fréquentiel, seuls les N/2=128 premiers échantillons sont utilisés.
Pour calculer les estimations du bruit contenu dans le signal s, on n'utilise pas la résolution fréquentielle disponible en sortie de la transformée de Fourier rapide, mais une résolution plus faible, déterminée par un nombre I de bandes de fréquences couvrant la bande [0,F /2] du signal. Chaque bande i
(l≤i≤I) s'étend entre une fréquence inférieure f(i-l) et une fréquence supérieure f(i), avec f(0)=0, et f(I)=F /2.
Ce découpage en bandes de fréquences peut être uniforme (f (i) -f (i-1) =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 Si_l., 1 du signal de parole par bandes, par exemple par une pondération uniforme telle que :
Sn - = ; S„ ( 1 ) '1 f(i) - f(i-l) r r n>f f e[f(ι-l) , f(ι)[
Ce moyennage diminue les fluctuations entre les bandes en moyennant les contributions du bruit dans ces bandes, ce qui diminuera la variance de l'estimateur de bruit. En outre, ce moyennage permet une forte diminution de la complexité du système.
Les composantes spectrales moyennées Sil, 1• sont adressées à un module 15 de détection d'activité vocale et à un module 16 d'estimation du bruit. Ces deux modules 15,
16 fonctionnent conjointement, en ce sens que des degrés d'activité vocale γ_ II, 1. mesurés pour les différentes bandes par le module 15 sont utilisés par le module 16 pour estimer l'énergie à long terme du bruit dans les différentes bandes, tandis que ces estimations a long terme B, 1_1,-. sont utilisées par le module 15 pour procéder a un debrαitage a priori du signal de parole dans les différentes bandes pour déterminer les degrés d'activité vocale γ lx , 1.
Le fonctionnement des modules 15 et 16 peut correspondre aux organigrammes représentes sur les figures 2 et 3. ^x étapes 17 a 20, le module 15 procède au debruitaσe a priori du signal de parole dans les différentes bandes i pour la trame de signal n. Ce debruitage a priori est effectué selon un processus classique de soustraction spectrale non linéaire à 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 Hpπn, i du filtre de débruitage a priori, selon la formule :
sn,ι ~ an-τl,ι- Bn-τl,ι Hp -- bn-τ2,ι ou τl et τ2 sont des retards exprimés en nombre de trames
1
(τl≥l, τ2>0), et CA Il,--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. II est d'autant plus faible qu'on est confiant dans la détection d'activité vocale.
Aux étapes 18 à 20, les composantes spectrales
Epn sont calculées selon :
Ep fl = max|ffn . n , β χ- τl,ιj <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 αn_τ-j_ , du spectre du bruit estime a priori .
A l'étape 21, le module 15 calcule l'énergie du signal deoruite a priori dans les différentes bandes i 2 pour la trame n : En χ = Epn χ . Il calcule aussi une moyenne globale E g de l'énergie du signal débruité a priori, par une somme des énergies par bande E , i , pondérée par les largeurs de ces bandes. Dans les notations ci-dessous, l'indice ι=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, I_I, 1 représentant la variation à court terme de l'énergie du signal débruité dans la bande i, ainsi qu'une valeur à long terme En -,_ de l'énergie du signal débruité dans la bande i. La grandeur ΔE 1,_1, 1 peut être calculée par une formule simplifiée de
En- ,ι + En-3fi ~ En-l,ι ' En,ι dérivation : AE„ . = . Quant a
10 l'énergie à long terme En , elle peut être calculée à l'aide d'un facteur d'oubli Bl tel que 0<B1<1, à savoir nfι = Bl . Ën_lfl + (1-B1) . E^ .
Apres avoir calculé les énergies En, i du signal débruité, ses variations a court terme
Figure imgf000013_0001
1_ et ses valeurs à long terme En -,_ 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 débruité. Ce calcul est effectué aux étapes 25 a 36 de la figure 3, exécutées pour chaque bande i entre =0 et ι=I . Ce calcul fait appel à un estimateur a long terme de l'enveloppe du bruit ba , a un estimateur interne ci et à un compteur de trames bruitees b . A l'étape 25, la grandeur ΔEnn, i est comparée a un seuil εl . Si le seuil εl n'est pas atteint, le compteur b est mcrementé 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/1. Si ba ≥ En ι , l'estimateur ba est pris égal a la valeur lissée En -,_ à l'étape 28, et le compteur o, est remis a zéro. La grandeur p , qui est prise égale au rapport ba /En?1 (étape 36) , est alors égale a 1.
Si l'étape 27 montre que ba <En -,_ , le compteur b est comparé à une valeur limite bmax à l'étape 29. Si b >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 a l'étape 29, l'estimateur interne bi est calculé à l'étape 33 selon : bι = (1-Bm) . ~Ê~ nfl + 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 (δn_1= 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 our plus significative de 9/14739
- 13 - l'estimateur de bruit en phase de silence. A l'étape 34, l'écart a^-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 i^ 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 jour l'état de l'automate de détection selon la grandeur pQ calculée pour l'ensemble de la bande du signal. Le nouvel état δ de l'automate dépend de l'état précédent δ -, et de Pg, 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
Figure imgf000015_0001
il Y reste si Pg ne dépasse pas un premier seuil SEl, et il passe dans l'état de montée dans le cas contraire. Dans l'état de montée (δ ι=l), il revient dans l'état de silence si pg est plus petit que le seuil SEl, il passe dans l'état de parole si pQ est plus grand qu'un second seuil SE2 plus grand que le seuil SEl, et il reste dans l'état de montée si SEl≤ p0≤SE2. Lorsque l'automate est dans l'état de parole (δn_ι =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 - 14 - descente
Figure imgf000016_0001
l'automate revient dans l'état de parole si Pg est plus grand que le seuil SE2, il revient dans l'état de silence si Pg est en deçà d'un quatrième seuil SΞ4 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 γ II, 1• dans chaque bande i≥l. Ce degré γ„ -i est de préférence un paramètre non binaire, c'est-à-dire que la fonction γ 11
Figure imgf000016_0002
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_ . et des degrés d'activité vocale γ^ , .
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 B n-l i e^ Bn-2 i précédemment calculées pour chaque bande i≥l sont corrigées conformément à la valeur de l'estimation précédente B 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 :
ënfι = λB- ên- + (1-λS)-5n,i (5> /14739
- 15 -
B n/ι = nfι- Bn-lf + ^ n^ • Bnfι <6) 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 γn, i .
Comme indiqué précédemment, les estimations à long terme de bruit Bn ι font l'objet d'une surestimation, par un modu_e 45 (figure 1), avant de procéder au debruitage par soustraction spectrale non linéaire. Le module 45 calcule le coefficient de surestimation α , précédemment
evoσue, ainsi qu'une estimation majorée f?_ . qui correspond
I essentiellement a OA lif-.L . B i-ï,f-L..
L'organisation du module de surestimation 45 est représentée sur la figure 6. L'estimation majorée Bn . est obtenue en combinant l'estimation à long terme JÉ . et une
mesure AB™a de la variabilité de la composante du bruit dans la bande i autour de son estimation à 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 α InfX, est égal au
rapport entre la somme Bn , + ΔBi?a,x délivrée par l'additionneur 46 et l'estimation a long terme retardée Bn-τ3 1 (diviseur 47), plafonné à une valeur limite x. χ, par exemple α_-, =4 (bloc 48) . Le retard τ3 sert a corriger le cas échéant, dans les phases de montée (δ=l), la valeur du coefficient de surestimation αn - , avant que les estimations à long terme aient été corrigées par les étapes 40 et 41 de la figure 3 (par exemple . 9/14739
- 16
-'estimation majorée β InlfJ,-. est finalement prise
égale à n,i- Bn- -τ3 i (multiplieur 49)
-.a mesure AB InI, J,-. de la variabilité du bruit reflète la varia ce de l'estimateur de bruit. Elle est obtenue en fonction des valeurs de S^ • et de Bn ,- 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 n-k,i - B n-k,i 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 Π, calculé en 52-53, doit
Figure imgf000018_0001
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 à 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
Figure imgf000018_0002
.
La mesure de variabilité AB I"lfJ,.- peut, en variante, être obtenue en fonction des valeurs S„ (et non Sn • ) et
B n„,ι,• . On procède alors de la même manière, sauf que la FIFO
54 contient non pas sn-k,i Bn-kfi pour chacune des bandes
i , mais plutôt max S n-k,f ~~ Bn-kfi f [f(i-l) ,f(i)[ Grâce aux estimations indépendantes des fluctuations à long terme du bruit B n,ι et de sa 99/14739
- 17 -
variabilité à court terme Δβnif-,L , l'estimateur majore Bn*f-_I 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 pnase fournit, avec la résolution des bandes i
(l≤i≤I), la réponse en fréquence H Inlf±. d'un premier filtre
de debruitage, en fonction des composantes S I-,l , 1. et 2nf-.I et
1 des coefficients de surestimation α Inlf ... Ce calcul peut être effectue pour chaque bande i selon la formule :
Figure imgf000019_0001
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 βp de la formule (3) , un plancher servant classiquement a éviter les valeurs négatives ou trop faibles du signal débruité.
De façon connue (EP-A-0 534 837) , le coefficient
1 de surestimation α Inlf±, pourrait être remplacé dans la formule (7) par un autre coefficient égal à une fonction de θin ι et d'une estimation du rapport signal-sur-bruit
(par exemple S_ 11,/ X J. B Inlf JJ- , cette fonction étant décroissante selon la valeur estimée du rapport signal-sur-bruit . Cette fonction est alors égale à n 2 pour les valeurs les plus faibles du rapport signal-sur-brui . 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, où le signal - lî 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 débruitage est réalisée par un module 56 de protection des harmoniques. Ce module calcule, avec la résolution de la transformée de Fourier, la réponse en fréquence Hn f d'un second filtre de
deoruitage en fonction des paramètres Hn α n,ι B n,ι V __ et de la fréquence tonale fp-F Q/T p 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 H ln,f ' H "rtifi 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 :
Figure imgf000020_0001
Δf=F /N représente la résolution spectrale de la
transformée de Fourier. Lorsque Hny ~ 1 ' la quantité soustraite de la composante Snn, fi sera nulle. Dans ce
calcul, les coefficients de plancher β 22 (par exemple 1 β2 =β. ) 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 Ξ appliquée pour chacune des fréquences les plus proches oes harmoniques de f , c'est-à-dire pour η entier quelconque.
Si on désigne par δf la resolution fréquentielle avec laquelle le module d'analyse 57 produit la fréquence tonale estimée f , c'est-à-dire que la fréquence tonale
A réelle est comprise entre et f
Figure imgf000021_0001
P+δf„P/2, alors l'écart entre la η-ieme harmonique de la fréquence tonale réelle est son estimation fn (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 .5 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 ηxfp- ηxδjf /2 , ηxf ' + ηxδi /2 , c'est-à-dire remplacer la condition (9) ci-dessus par :
3η entier / f - η. f ≤ η. δf + Δx /2 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 5 dans un système à bande élargie.
Pour chaque fréquence protégée, la réponse en fréquence corrigée Hn ^ peut être égale à 1 comme indique ci-dessus, ce qui correspond à la soustraction d'une quantité nulle dans le cadre de la soustraction spectrale, 0 c'est-à-dire à une protection complète de la fréquence en question. Plus généralement, cette réponse en fréquence corrigée Hπt.A f pourrait être prise égale a une valeur
comprise entre 1 et Hn f selon le degré de protection souhaite, ce qui correspond à la soustraction d'une quantité inférieure à celle qui serait soustraite si la fréquence en question n'était pas protégée.
Les composantes spectrales 5 Inl fJ f. d'un signal debruite sont calculées par un multiplieur 58 :
Figure imgf000022_0001
2
Ce signal Sn f 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 Codmg of Audio Signais Usmg Perceptual Noise Cπteria », IEEE Journal on Selected Area m 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 application par le signal Sn ^ . 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 : Cn'q (U)
Figure imgf000023_0001
où les indices q et q' désignent les bandes de bark q,q'<Q), et S - 2
0< 2
5nn,g „'< représente la moyenne des composantes
2
Sn f du signal excitateur débruité pour les rrequences discrètes f appartenant à la bande de bark q' .
Le seuil de masquage „
Figure imgf000023_0002
q est obtenu par le module
60 pour chaque bande de bark q, selon la formule :
Figure imgf000023_0003
où R dépend du caractère plus ou moins voisé du signal. De façon connue, une forme possible de R est :
10.1og10(Rq) = (A+q) .χ + B.(l-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 :
Figure imgf000023_0005
- minfcf SFM
Figure imgf000023_0004
où SFM représente, en décibels, le rapport entre la moyenne arithmétique et la moyenne géométrique de l'énergie des bandes de bark, et SFM^ ==-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 1n1,1• 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 q, on décide de ne débruiter le signal que
Figure imgf000023_0006
dans la mesure où l'estimation majorée Bn ^ dépasse la courbe de masquage. Ceci évite de supprimer inutilement du bruit masque 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 a la bande de bark q, dépend ainsi de l'écart relatif entre l'estimation majorée Bn de la composante spectrale correspondante du bruit et la courbe de masquage
Figure imgf000024_0001
v_<_ . de la manière suivante :
Figure imgf000024_0002
En d'autres termes, la quantité soustraite d'une composante spectrale Sn f, dans le processus de soustraction spectrale ayant la réponse fréquentielle
H n 3 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 M-il, q_. La figure 8 illustre le principe de la correction appliquée par le module 62. Elle montre schématiquement un exemple de courbe de masquage M,n., q calculée sur la base
2 des composantes spectrales Sn ^ du signal débruité, ainsi
que l'estimation majorée B InlfJ,. du spectre du bruit. La quantité finalement soustraite des composantes Sn, r sera celle représentée par les zones hachurées, c'est-à-dire limitée à la fraction de l'estimation majorée B . des composantes spectrales du bruit qui dépasse la courbe de masquage . Cette soustraction est effectuée en multipliant la
3 réponse fréquentielle Hn f du filtre de débruitage par les composantes spectrales Sn, fi du signal de parole
(multiplieur 64). Un module 65 reconstruit alors le signal debruite dans le domaine temporel, en opérant la transformée de Fourier rapide inverse (TFRI) inverse des
3 échantillons de fréquence Sn f délivrés par le multiplieur
64. Peur chaque trame, seuls les N/2=128 premiers échantillons du signal produit par le module 65 sont
3 délivres comme signal débruité 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, l_l / Jη- , B i.lf-.L , α I„lfJ,. , B I„lfJ,. et H 1„ 1 fj -_r pour effectuer le debruitage 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 conditionne. 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 , exprime en nomore 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 a un multiple entier de la fréquence tonale estimée, soit F
Figure imgf000026_0001
ti, 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 FΩ 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 a maximiser α, mais suffisamment grand pour suréchantillonner . Dans l'exemple considéré, ou 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 ir 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
'P fournie par le module d'analyse 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 S Jn„,i'
B n,ι ' α"•/,.,! ' Bn,i et H n,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
Figure imgf000027_0001
du
2 filtre de débruitage. Cette réponse Hn 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 f =f /p est définie
P " 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_ Il - . Ces composantes S_II f J sont fournies au multiplieur 58, qui les multiplie par la réponse spectrale Hn 2 f pour délivrer les composantes spectrales Sn? ψ du premier signal débruité.
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 composantes spectrales Sn f du signal conditionné débruité. Les autocorrélations A(k) sont calculées par un module 76, par exemple selon la formule : N/2-1
∑ Sn,f ' Sn,f+k f=0
A(k) = 2_ι tf/2_ι (15)
Σ Σ sn,f• sn,f+r f=0 =o
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[A(λ)] k=0
H = (16) log (N/2)
Grâce au conditionnement du signal, ainsi qu'à son débruitage par le filtre Hn f , 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 debruitage définitif, qui est multipliée par les composantes spectrales Snn, r du signal conditionné par le multiplieur
3
64. Les composantes Sn f -11 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 débruité de KΝ échantillons. Le signal conditionné débruité 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. Apres 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 debrαite 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
Figure imgf000030_0001
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 a 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 attπbuables 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 à 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 new statistical approach for the automatic segmentation of cont ucus 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 giottal 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 wm. 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 :
Figure imgf000031_0001
ou et σ .2 représentent le résidu calculé au moment de l'échantillon m de la trame et la variance du modèle à long terme, em1 et σ2-|_ représentant de même le résidu et la variance du modèle à court terme. Plus les deux modèles sont proches, plus la valeur wm du test statistique est proche de 0. Par contre, lorsque les deux modèles sont éloignés l'un de l'autre, cette valeur wm 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 signai de parole. Les intervalles de temps t
(r = 1,2,...) entre deux ruptures consécutives R sont calculés, et exprimés en nombre d'échantillons du signal de parole. Chacun de ces intervalles t est inversement proportionnel à la fréquence tonale f , qui est ainsi estimée localement : f D =F e/tr sur le r-ième intervalle.
On peut alors corriger les variations temporelles de la fréquence tonale (c'est-à-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 à 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 à 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 à mettre en œuvre la méthode d'analyse ci-dessus, et à fournir les intervalles t relatifs à 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 Kr=pr/tr, où l'entier pr est donné 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 sélectionne par le module 70 (bloc 91 sur la figure 11) pour obtenir un couple p,α comme indique dans le tableau I. La fréquence d'échantillonnage modifiée est alors fe =P-F Θ/τ D comme précédemment, la résolution spectrale Δf de la transformée de Fourier discrète du signal conditionné étant toujours donnée par Δf=Fe/(α.Tp) . 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 f -f /p définie selon la valeur du retard entier p fournie P *- 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 débruité a 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 debruitage d'un signal de parole numérique (s) traité par trames successives, dans lequel :
- 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 ;
- on calcule des composantes spectrales (S- II,, ^i.,
S ) du signal de parole sur chaque trame ; - on calcule pour chaque trame des estimations de composantes spectrales du bruit compris dans le signal de parole ;
- on effectue une soustraction spectrale comportant au moins une étape consistant a soustraire respectivement, de chaque composante spectrale du signal de parole sur la trame (S ) , une quantité dépendant de paramètres incluant au moins l'estimation de la composante spectrale correspondante du bruit pour ladite trame et la valeur de la fréquence tonale estimée ; et - on applique au résultat de la soustraction spectrale une transformation vers le domaine temporel pour
3 construire un signal de parole débruité (s ) .
2. Procédé selon la revendication 1, dans lequel on utilise la valeur de la fréquence tonale estimée (f ) pour sélectionner des fréquences protégées parmi l'ensemble des fréquences pour lesquelles on calcule des composantes spectrales du signal de parole, et dans lequel, pour soustraire d'une composante spectrale donnée (Sn, rA du signal de parole, on adopte une quantité plus faible si ladite composante spectrale correspond à une fréquence protégée que si ladite composante spectrale ne correspond pas à une fréquence protégée.
3. Procédé selon la revendication 2, dans lequel les fréquences protégées sont sélectionnées de façon que la composante spectrale du signal de parole correspondant a chaque fréquence protégée dépasse un niveau de bruit déterminé à partir de l'estimation correspondante de la composante spectrale du bruit.
4. Procédé selon la revendication 2 ou 3, dans lequel chaque fréquence protégée est, parmi l'ensemble des fréquences pour lesquelles on calcule des composantes spectrales du signal de parole, la plus proche d'un multiple entier de la fréquence tonale estimée (f ) .
5. Procédé selon la revendication 2 ou 3, dans lequel chaque fréquence protégée est, parmi l'ensemble des fréquences pour lesquelles on calcule des composantes spectrales du signal de parole, la plus proche d'une fréquence d'un intervalle de la forme ηxfp- ηxδ ' /2 , r\xf + ηxδi /2 f désignant la fréquence tonale estimée, δf désignant la résolution en fréquence de l'estimation de la fréquence tonale, et η désignant un entier, et dans lequel
6. Procédé selon l'une quelconque des revendications 2 à 5, dans lequel la quantité soustraite de la composante spectrale (Sn„, yr du signal de parole à une fréquence protégée est sensiblement nulle.
7. Procédé selon l'une quelconque des revendications 1 à 6, dans lequel, après avoir estimé la fréquence tonale (f ) du signal de parole sur une trame, on conditionne le signal de parole de la trame en le surechantillonnant a une fréquence de suréchantillonnage (f ) multiple de la fréquence tonale estimée, et on calcule les composantes spectrales (S-n-, r) du signal de parole sur la trame sur la base du signal conditionné (s') pour leur soustraire lesdites quantités. /14739
- 34 -
8. Procédé selon la revendication 7, dans lequel on calcule des composantes spectrales (S I_I,, f) du signal de parole en distribuant le signal conditionné (s') par blocs de N échantillons soumis à une transformation dans le domaine fréquentiel, et dans lequel le rapport (p) entre la fréquence de suréchantillonnage (f ) et la fréquence tonale estimée est un diviseur du nombre N.
9. Procède selon la revendication 7 ou 8, 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 des composantes spectrales calculées sur la base du signal conditionné.
10. Procédé selon la revendication 9, dans lequel
2 lesdites composantes spectrales ( Sn ) dont on calcule l'autocorrélation (H) sont celles calculées sur la base du signal conditionné (s' ) après soustraction desdites quantités .
11. Procédé selon la revendication 9 ou 10, dans lequel le degré de voisement (χ) est mesuré a partir une entropie normalisée H de la forme :
N/2-1
∑ A(k) . log[A(k)] k=0 H = — log (N/2) où Ν est le nombre d'échantillons utilisés pour calculer les composantes spectrales (S_ II., Ψ1) sur la base du signal conditionné ( s ' ) , et A ( k) est l ' autocorrélation normalisée définie par :
N/2-1
2-, sn,f- sn,f+k f=0 A(k) N/2-1 N/2-1
Σ ∑ Sn,f- Sn,f+F 5^ désignant la composante spectrale de rang f calculée sur la base du signal conditionné.
12. Procédé selon l'une quelconque des revendications précédentes, dans lequel, après le traitement de chaque trame, on conserve, parmi les échantillons du signal de parole débruité 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 ι~ ^- la fréquence tonale estimée (f ) .
13. Procédé selon l'une quelconque des revendications 1 à 11, dans lequel l'estimation de la fréquence tonale du signai 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.
14. Procédé selon la revendication 13, dans lequel, après le traitement de chaque trame, on conserve, parmi les échantillons du signal de parole débruité fournis par ce traitement, un nombre d'échantillons (M) correspondant à un nombre entier d'intervalles de temps estimés (t ) .
15. Procédé selon l'une quelconque des revendications précédentes, dans lequel on estime dans le domaine spectral des valeurs d'un rapport signal-sur-bruit que présente le signal de parole sur chaque trame, et dans lequel les paramètres dont dépendent les quantités soustraites incluent les valeurs estimées du rapport signal-sur-bruit, la quantité soustraite de cnaque composante spectrale du signal de parole sur la trame étant une fonction décroissante de la valeur estimée correspondante du rapport signal-sur-bruit .
16. Procède selon la revendication 15, dans lequel ladite fonction décroît vers zéro pour les valeurs les plus élevées du rapport signal-sur-bruit .
17. Procédé selon l'une quelconque des revendications précédentes, dans lequel des composantes spectrales ( S^ j ) d'un signal débruité, obtenues en soustrayant lesdites quantités des composantes spectrales (S_n_, fr) du signal de parole, sont utilisées pour calculer une courbe de masquage (Mil, y en appliquant un modèle de perception auditive .
18. Procédé selon les revendications 11 et 17, dans lequel le calcul de la courbe de masquage (M-n,, yq fait intervenir le degré de voisement (χ) mesuré par l'entropie normalisée H.
19. Procédé selon la revendication 17 ou 18, dans lequel les paramètres dont dépend la quantité soustraite d'une composante spectrale (S_ y du signal de parole sur une trame incluent un écart entre une estimation majorée
Λ 1
( Bn ) de la composante spectrale correspondante du bruit et la courbe de masquage calculée (Mn, q) .
20. Procédé selon la revendication 19, dans lequel on compare les estimations majorées ( Bn ∑ ) des composantes spectrales du bruit pour une trame à la courbe de masquage calculée (M„n, q_) , et dans lequel la quantité soustraite d'une composante spectrale (Sn_, i) du signal de parole,
3 pour l'obtention des composantes ( Sn f ) soumises à la transformation vers le domaine temporel, est limitée à la fraction de l'estimation majorée de la composante spectrale correspondante du bruit qui dépasse la courbe de masquage .
21. Procédé selon l'une quelconque des revendications précédentes, dans lequel la soustraction spectrale comporte :
- une première étape de soustraction dans laquelle on soustrait respectivement, de chaque composante spectrale (S I_I, f1) du signal de parole sur la trame, une première quantité dépendant de paramètres incluant une estimation majorée ( B I_l ±_ ) de la composante spectrale correspondante du bruit pour ladite trame et la fréquence tonale estimée (fD)' de manière à obtenir des composantes
2 spectrales ( Sn ^ ) d'un premier signal débruité ;
- le calcul d'une courbe de masquage (M_il, q_) en appliquant un modèle de perception auditive à partir des
2 composantes spectrales ( Sn ^ ) du premier signal débruité ;
^ t
- la comparaison des estimations majorées (B Inl η- ) des composantes spectrales du bruit pour la trame à la courbe de masquage calculée (M-n,, q ; et
- une seconde étape de soustraction dans laquelle on soustrait respectivement, de chaque composante spectrale (S_ II, 1 Ψ) du signal de parole sur la trame, une seconde quantité égale au minimum entre ladite première quantité correspondante et la fraction de l'estimation majorée de la composante spectrale correspondante du bruit qui dépasse la courbe de masquage, de manière a obtenir
3 des composantes spectrales ( Sn f ) d'un second signal débruité soumises à la transformation vers le domaine temporel .
22. Procède selon l'une quelconque des revendications précédentes, dans lequel chaque les estimations de composantes spectrales du bruit prises en compte dans la soustraction spectrale sont des estimations majorées,
Λ 1 chaque estimation majorée ( B- 1,1,1. ) d'une composante spectrale du bruit compris dans le signal de parole étant obtenue en combinant une estimation à long terme ( B Inl /JA. de ladite composante spectrale du bruit, et une mesure (
Figure imgf000040_0001
) de la variabilité de ladite composante spectrale du bruit autour de son estimation à long terme.
23. Procède selon la revendication 22, dans lequel l'estimation à long terme Bn d'une composante spectrale du bruit sur une trame n, correspondant à une fréquence incluse dans une bande i, est calculée sous la forme :
Bn,ι = n,ι- Bn-lfι + ^ n^ • Bnfι
ou B ιl = λB. Bn_lfl + (l-λβ) . Sn/1 ,
yn ι désigne un degré d'activité vocale non binaire du signal de parole, déterminé pour la trame n relativement a la bande de fréquences i, Sn -, désigne une moyenne de l'amplitude du spectre du signal de parole de la trame n sur la bande i, et λβ désigne un facteur d'oubli.
24. Procédé selon la revendication 23, dans lequel les degrés d'activité vocale (γ Inl,±,) pour la trame n sont détermines en procédant a un débruitage a priori du signal de parole de la trame n sur la base d'estimations du bruit αn-τl v Bn-τl i ) obtenues lors d'au moins une trame précédente, et en analysant les variations d'énergie du signal débruité a priori.
25. Procédé selon la revendication 24, dans lequel le degré d'activité vocale (γ InlfJ7.) relativement à une bande de fréquences i est une fonction variant continûment entre 0 et 1.
26. Procédé selon la revendication 24 ou 25, dans lequel on calcule une estimation à long terme ( En -,_ ) de l'énergie du signal débruité a priori dans la bande de fréquence i, et on compare cette estimation à long terme à une estimation instantanée (E_ II, 1. ) de cette énergie, calculée sur la trame n, pour obtenir le degré d'activité vocale (γ ,) du signal de parole pour la trame n dans la bande de fréquence i .
27. Procédé selon l'une quelconque des revendications 23 à 26, dans lequel la mesure (
Figure imgf000041_0001
) de la variabilité d'une composante spectrale du bruit autour de son estimation à long terme ( B n ι ) pour une trame n, ladite composante spectrale correspondant à une fréquence incluse dans une bande i, est une fonction des écarts
S n-k, i B n-k,i calculés pour un nombre donné de trames n-k < n sur lesquelles le signal de parole ne présente pas d'activité vocale dans la bande i.
28. Procédé selon l'une quelconque des revendications 23 à 26, dans lequel la mesure ( AB 11,a1;x ) de la variabilité d'une composante spectrale du bruit autour de son estimation à long terme ( Bn ) pour une trame n, ladite composante spectrale correspondant à une fréquence incluse dans une bande i, est une fonction des écarts maximum max sn-k,f Bn-kfi calculés pour un nombre donné de f e[f(ι-l) ,fU)[ trames n-k≤n sur lesquelles le signal de parole ne présente pas d'activité vocale dans la bande i, S„n_Ku, fr désignant la composante spectrale correspondant à une fréquence f pour la trame n-k, et l'intervalle de fréquences [j(i-l) , f(i)[ correspondant à la bande i.
PCT/FR1998/001981 1997-09-18 1998-09-16 Procede de debruitage d'un signal de parole numerique Ceased WO1999014739A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CA002304015A CA2304015A1 (fr) 1997-09-18 1998-09-16 Procede de debruitage d'un signal de parole numerique
AU91690/98A AU9169098A (en) 1997-09-18 1998-09-16 Method for suppressing noise in a digital speech signal
EP98944000A EP1016073B1 (fr) 1997-09-18 1998-09-16 Procede et dispositif de debruitage d'un signal de parole numerique
BR9812655-5A BR9812655A (pt) 1997-09-18 1998-09-16 Processo de eliminação de ruìdo de um sinal de fala numérico
DE69804329T DE69804329T2 (de) 1997-09-18 1998-09-16 Verfahren und vorrichtung zur rauschunterdrückung eines digitalen sprachsignals
JP2000512196A JP2001516902A (ja) 1997-09-18 1998-09-16 デジタル音声信号中のノイズを抑制する方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR97/11642 1997-09-18
FR9711642A FR2768546B1 (fr) 1997-09-18 1997-09-18 Procede de debruitage d'un signal de parole numerique

Publications (1)

Publication Number Publication Date
WO1999014739A1 true WO1999014739A1 (fr) 1999-03-25

Family

ID=9511229

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR1998/001981 Ceased WO1999014739A1 (fr) 1997-09-18 1998-09-16 Procede de debruitage d'un signal de parole numerique

Country Status (10)

Country Link
EP (1) EP1016073B1 (fr)
JP (1) JP2001516902A (fr)
CN (1) CN1276896A (fr)
AU (1) AU9169098A (fr)
BR (1) BR9812655A (fr)
CA (1) CA2304015A1 (fr)
DE (1) DE69804329T2 (fr)
ES (1) ES2174484T3 (fr)
FR (1) FR2768546B1 (fr)
WO (1) WO1999014739A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045718B2 (en) 2006-03-28 2011-10-25 France Telecom Method for binaural synthesis taking into account a room effect

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2379550A (en) * 2001-09-11 2003-03-12 Barrington Dyer Printed code recording and playing system, for music, speech and sounds
JP5068653B2 (ja) * 2004-09-16 2012-11-07 フランス・テレコム 雑音のある音声信号を処理する方法および該方法を実行する装置
KR101390433B1 (ko) 2009-03-31 2014-04-29 후아웨이 테크놀러지 컴퍼니 리미티드 신호 잡음 제거 방법, 신호 잡음 제거 장치, 및 오디오 디코딩 시스템
CN101859569B (zh) * 2010-05-27 2012-08-15 上海朗谷电子科技有限公司 数字音频信号处理降噪的方法
CN104251934B (zh) * 2013-06-26 2018-08-14 华为技术有限公司 谐波分析方法和装置以及确定谐波间杂波的方法和装置
CN112908345B (zh) * 2019-01-29 2022-05-31 桂林理工大学南宁分校 一种物联网语音压缩与解压方法
CN109817241B (zh) * 2019-02-18 2021-06-01 腾讯音乐娱乐科技（深圳）有限公司 音频处理方法、装置及存储介质
CN116580712B (zh) * 2023-07-14 2023-09-15 深圳攀高医疗电子有限公司 一种语音处理方法、系统及腰部治疗仪

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0438174A2 (fr) * 1990-01-18 1991-07-24 Matsushita Electric Industrial Co., Ltd. Dispositif de traitement d'un signal
US5228088A (en) * 1990-05-28 1993-07-13 Matsushita Electric Industrial Co., Ltd. Voice signal processor
US5469087A (en) * 1992-06-25 1995-11-21 Noise Cancellation Technologies, Inc. Control system using harmonic filters
US5555190A (en) * 1995-07-12 1996-09-10 Micro Motion, Inc. Method and apparatus for adaptive line enhancement in Coriolis mass flow meter measurement

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0438174A2 (fr) * 1990-01-18 1991-07-24 Matsushita Electric Industrial Co., Ltd. Dispositif de traitement d'un signal
US5228088A (en) * 1990-05-28 1993-07-13 Matsushita Electric Industrial Co., Ltd. Voice signal processor
US5469087A (en) * 1992-06-25 1995-11-21 Noise Cancellation Technologies, Inc. Control system using harmonic filters
US5555190A (en) * 1995-07-12 1996-09-10 Micro Motion, Inc. Method and apparatus for adaptive line enhancement in Coriolis mass flow meter measurement

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LE BOUQUIN: "Enhancement of noisy speech signals: Application to mobile radio communications", SPEECH COMMUNICATION, vol. 18, no. 1, January 1996 (1996-01-01), AMSTERDAM, NL, pages 3-19, XP004008920 *
LOCKWOOD ET AL.: "Experiments with a Nonlinear Spectral Subtractor (NSS), Hidden Markov Models and the projection, for robust speech recognition in cars", SPEECH COMMUNICATION, vol. 11, no. 2/3, 1 June 1992 (1992-06-01), AMSTERDAM, NL, pages 215 - 228, XP000279184 *
NANDKUMAR ET AL.: "Speech enhancement based on a new set of auditory constrained parameters", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, SIGNAL PROCESSING (ICASSP 1994), vol. 1, 19 April 1994 (1994-04-19) - 22 April 1994 (1994-04-22), ADELAIDE, AU, pages 1 - 4, XP000529345 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8045718B2 (en) 2006-03-28 2011-10-25 France Telecom Method for binaural synthesis taking into account a room effect

Also Published As

Publication number Publication date
EP1016073A1 (fr) 2000-07-05
FR2768546B1 (fr) 2000-07-21
FR2768546A1 (fr) 1999-03-19
BR9812655A (pt) 2000-08-22
EP1016073B1 (fr) 2002-03-20
AU9169098A (en) 1999-04-05
JP2001516902A (ja) 2001-10-02
CA2304015A1 (fr) 1999-03-25
DE69804329D1 (de) 2002-04-25
ES2174484T3 (es) 2002-11-01
CN1276896A (zh) 2000-12-13
DE69804329T2 (de) 2002-11-14

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
EP1356461B1 (fr) Procede et dispositif de reduction de bruit
EP2002428B1 (fr) Procede de discrimination et d&#39;attenuation fiabilisees des echos d&#39;un signal numerique dans un decodeur et dispositif correspondant
US7286980B2 (en) Speech processing apparatus and method for enhancing speech information and suppressing noise in spectral divisions of a speech signal
EP0918317B1 (fr) Procédé de filtrage fréquentiel appliqué au débruitage de signaux sonores mettant en oeuvre un filtre de Wiener
EP1016071B1 (fr) Procede et dispositif de detection d&#39;activite vocale
EP2772916B1 (fr) Procédé de débruitage d&#39;un signal audio par un algorithme à gain spectral variable à dureté modulable dynamiquement
JP5752324B2 (ja) 雑音の入った音声信号中のインパルス性干渉の単一チャネル抑制
JP3960834B2 (ja) 音声強調装置及び音声強調方法
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
EP3192073A1 (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
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
FR2799601A1 (fr) Dispositif et procede d&#39;annulation de bruit
FR2878399A1 (fr) Dispositif et procede de debruitage a deux voies mettant en oeuvre une fonction de coherence associee a une utilisation de proprietes psychoacoustiques, et programme d&#39;ordinateur correspondant
EP1605440A1 (fr) Procédé de séparation de signaux sources à partir d&#39;un signal issu du mélange

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 98810358.3

Country of ref document: CN

AK Designated states

Kind code of ref document: A1

Designated state(s): AL AM AT AU AZ BA BB BG BR BY CA CH CN CU CZ DE DK EE ES FI GB GE GH GM HR HU ID IL IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MD MG MK MN MW MX NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT UA UG US UZ VN YU ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW SD SZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
ENP Entry into the national phase

Ref document number: 2304015

Country of ref document: CA

Ref document number: 2304015

Country of ref document: CA

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 1998944000

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: KR

WWE Wipo information: entry into national phase

Ref document number: 09509151

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 1998944000

Country of ref document: EP

REG Reference to national code

Ref country code: DE

Ref legal event code: 8642

WWG Wipo information: grant in national office

Ref document number: 1998944000

Country of ref document: EP