EP1016071A1 - Procede de detection d'activite vocale - Google Patents

Procede de detection d'activite vocale

Info

Publication number
EP1016071A1
EP1016071A1 EP98943998A EP98943998A EP1016071A1 EP 1016071 A1 EP1016071 A1 EP 1016071A1 EP 98943998 A EP98943998 A EP 98943998A EP 98943998 A EP98943998 A EP 98943998A EP 1016071 A1 EP1016071 A1 EP 1016071A1
Authority
EP
European Patent Office
Prior art keywords
frame
signal
noise
band
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
EP98943998A
Other languages
German (de)
English (en)
Other versions
EP1016071B1 (fr
Inventor
Philip Lockwood
Stéphane LUBIARZ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
EADS Defence and Security Networks SAS
Nortel Networks France SAS
Original Assignee
Matra Nortel Communications SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Matra Nortel Communications SAS filed Critical Matra Nortel Communications SAS
Publication of EP1016071A1 publication Critical patent/EP1016071A1/fr
Application granted granted Critical
Publication of EP1016071B1 publication Critical patent/EP1016071B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals
    • G10L2025/932—Decision in previous or following frames
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals
    • G10L2025/935—Mixed voiced class; Transitions
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals
    • G10L2025/937—Signal energy in various frequency bands

Definitions

  • the present invention relates to digital techniques for processing speech signals. It relates more particularly to techniques using voice activity detection in order to carry out differentiated processing depending on whether the signal supports voice activity or not.
  • the digital techniques in question come from various fields: speech coding for transmission or storage, speech recognition, noise reduction, echo cancellation ...
  • the main difficulty with methods of detecting voice activity is the distinction between voice activity and the accompanying noise.
  • the use of a conventional denoising technique does not make it possible to deal with this difficulty, since these techniques themselves use noise estimates which depend on the degree of vocal activity of the signal.
  • a main aim of the present invention is to improve the noise robustness of the methods for detecting voice activity.
  • the invention thus proposes a method for detecting voice activity in a digital speech signal processed by successive frames, in which the speech signal is subjected to denoising taking into account estimates of the noise included in the signal, updated day for each frame in a manner dependent on at least one degree of voice activity determined for said frame.
  • a priori denoising of the speech signal of each frame is carried out on the basis of noise estimates obtained during the processing of at least one previous frame, and the energy variations of the denoised signal are analyzed.
  • a priori to detect the degree of voice activity of said frame is carried out on the basis of noise estimates obtained during the processing of at least one previous frame, and the energy variations of the denoised signal are analyzed.
  • a priori to detect the degree of voice activity of said frame.
  • the fact of carrying out the detection of voice activity (according to a method which can generally be any known method) on the basis of an a priori denoised signal Significantly improves the performance of this detection when the surrounding noise is relatively high.
  • the method for detecting voice activity according to the invention will be illustrated in a system for denoising a speech signal. It will be understood that this method can find applications in many other types of digital speech processing in which it is desired to have information on the degree of vocal activity of the processed signal: coding, recognition, echo cancellation, etc. .
  • FIG. 1 is a block diagram of a denoising system putting in implements 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
  • - Figure 6 is a block diagram of a noise overestimation module of the system of Figure 1
  • FIG. 7 is a graph illustrating the calculation of a masking curve
  • FIG. 8 is a graph illustrating the use of the masking curves in the system of FIG. 1.
  • the denoising system shown in FIG. 1 processes a digital speech signal s.
  • a windowing module 10 puts this signal s in the form of successive windows or frames, each consisting of a number N of digital signal samples. Conventionally, these frames can have mutual overlaps.
  • N 25 ⁇ samples at a sampling frequency F of 8 kHz, with a weighting of
  • 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.
  • This division into frequency bands can be uniform (f (î) -f ( ⁇ -l) ⁇ F / 2I). It can also be non-uniform
  • a module 12 calculates the respective averages of the spectral components S nf of the speech signal in bands, for example by a uniform weighting such that:
  • the averaged spectral components S_ are addressed to a module 15 for detecting voice activity and to a module 16 for estimating noise.
  • modules 15 and 16 can correspond to the flowcharts represented in FIGS. 2 and 3.
  • the module 15 proceeds a priori to denoising the speech signal in the different bands i for the signal frame n.
  • This a priori denoising is carried out according to a conventional process of non-linear spectral subtraction from noise estimates obtained during one or more previous frames.
  • the module 15 calculates, with the resolution of the bands i, the frequency response Hp n ⁇ of the a priori denoising filter, according to the formula:
  • ⁇ nj _ is a noise overestimation coefficient, the determination of which will be explained below.
  • ⁇ p is a floor coefficient close to 0, conventionally used to avoid that the spectrum of the noise signal takes negative or too low values which would cause musical noise.
  • Steps 17 to 20 therefore essentially consist in subtracting an estimate from the signal spectrum, increased by the coefficient ⁇ n _ ⁇ ⁇ 2 'of the noise spectrum estimated a priori.
  • step 21 the module 15 calculates the energy of the a priori denoised signal in the different bands i
  • the module 15 calculates, for each band i (O ⁇ i ⁇ I), a quantity 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 noise-suppressed signal in band i.
  • the quantity ⁇ E, I_I, X can be calculated by a simplified formula of
  • step 25 the quantity ⁇ E, n_, x is compared to a threshold ⁇ l. If the threshold ⁇ l is not reached, the counter b is incremented by one unit in step 26.
  • step 27 the long-term estimator ba is compared to the value of the smoothed energy E nx . If ba ⁇ E nx , the estimator ba is taken equal to the smoothed value E n in step 28, and the counter b is reset to zero. The quantity p, which is taken equal to the ratio ba / E nx (step 36), is then equal to 1. If step 27 shows that ba ⁇ E nx , the counter b is compared with a limit value bmax at l step 29.
  • step 28 the internal estimator bi is calculated in step 33 according to:
  • the long-term estimator ba is updated with the value of the internal estimator bi in step 35. Otherwise, the long-term estimator ba remains unchanged. This avoids that sudden variations due to a speech signal lead to an update of the noise estimator.
  • the module 15 After having obtained the quantities p, the module 15 proceeds to the voice activity decisions in step 37.
  • the module 15 first updates the state of the detection automaton according to the quantity p Q calculated for the entire signal band.
  • the new state ⁇ of the automaton depends on the previous state ⁇ x and on p Q , as shown in the figure.
  • the module 15 also calculates the degrees of vocal activity ⁇ _ II, 1 • in each band i ⁇ l.
  • This degree i • is preferably a non-binary parameter, that is to say that the function ⁇ XX / is a function continuously varying between 0 and 1 depending on the values taken by the quantity p •. This function has for example the appearance shown in FIG. 5.
  • the module 16 calculates the noise estimates per band, which will be used in the denoising process, using the successive values of the components - and degrees of vocal activity ⁇ XI X •.
  • step 42 the module 16 updates the noise estimates per band according to the formulas:
  • ⁇ ⁇ denotes a forgetting factor such as 0 ⁇ ⁇ ⁇ l.
  • the formula (6) highlights the taking into account of the degree of non binary vocal activity ⁇ ⁇ Il, 1.
  • the long-term noise estimates B n ⁇ are overestimated by a module 45 (FIG. 1), before proceeding to denoising by nonlinear spectral subtraction.
  • Module 45 calculates the overestimation coefficient ⁇ n ⁇ previously
  • the increased estimate B n is obtained by combining the long-term estimate B_. . and an
  • this combination is essentially a simple sum made by an adder 46. It could also be a weighted sum.
  • the overestimation coefficient C n ⁇ is equal to
  • the AS 1 TM measurement 1, 3 -1. of the noise variability reflects the variance of the noise estimator. It is obtained as a function of the values of S_ 11, / _ ⁇ 1_ and of BL n lfd- calculated for a certain number of previous frames on which the speech signal does not present any vocal activity in the
  • band i It is a function of the deviations 3 nk, ⁇ B nk, ⁇ calculated for a number K of frames of silence (nk ⁇ n). In the example shown, this function is simply the maximum (block 50). For each frame n, the degree of vocal activity 1 ⁇ is compared to a threshold (block 51)
  • ⁇ II, 1 does not exceed the threshold (which can be equal to 0 if the function g () has the form of FIG. 5), the FIFO 54 is not supplied, while it is in the opposite case.
  • the maximum value contained in FIFO 54 is then provided as a measure of variability AB 1 TM 1, a -L.
  • the measure of variability may alternatively be obtained as a function of the values S_ Xi. ff J_ (and not S, Xi f 1) and B n _. We then proceed in the same way, except that the FIFO
  • the enhanced estimator B n provides excellent robustness to the musical noises of the denoising process.
  • a first phase of the spectral subtraction is carried out by the module 55 shown in FIG. 1. This pnase provides, with the resolution of the bands i
  • H i max S, s n, ⁇ _ n, ⁇ - B n, ⁇ ' ⁇ _r B n, ⁇ Lf (7)
  • 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 being decreasing based on the estimated signal-to-noise ratio.
  • This function is then equal to ⁇ n ⁇ for the lowest values of the signal-to-noise ratio. Indeed, when the signal is very noisy, it is a priori not useful to reduce the overestimation factor.
  • this function decreases towards zero for the highest values of the signal / noise ratio. This protects the most energetic areas of the spectrum, where the speech signal is most significant, the amount subtracted from the signal then tending towards zero.
  • 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 of a second filter of
  • the module 57 can apply any known method of analysis of the speech signal of the frame to determine the period T, expressed as an integer or fractional number of samples, for example a linear prediction method.
  • the protection provided by the module 56 may consist in carrying out, for each frequency f belonging to a band i: 'n, ⁇ - an, ⁇ n, x> 3Î- B n, ⁇ (8) and 3 ⁇ integer / f - ⁇ . f ⁇ ⁇ Af I 2 (9)
  • This protection strategy is preferably applied for each of the frequencies closest to the harmonics of f, that is to say for any integer ⁇ .
  • ⁇ f the frequency resolution with which the analysis module 57 produces the estimated tone frequency f, that is to say that the actual tone frequency is between f - ⁇ f / 2 and f + ⁇ f / 2
  • the difference between the ⁇ -th harmonic of the real tonal frequency is its estimate ⁇ x D (condition (9)) can go up to ⁇ ⁇ x ⁇ f / 2.
  • this difference can be greater than the spectral half-resolution ⁇ f / 2 of the Fourier transform.
  • H n f can be equal to 1 as indicated above, which corresponds to the subtraction of a zero quantity within the framework of spectral subtraction, that is to say a complete protection of the frequency in question. More generally, this corrected frequency response H n 2 f could be taken equal to a value
  • the spectral components S n f of a denoised signal are calculated by a multiplier 58:
  • This signal S n f 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.
  • M n, q C n, q R q ⁇ 12 > where R depends on the more or less voiced character of the signal.
  • ⁇ denotes a degree of voicing of the speech signal, varying between zero (no voicing) and
  • the parameter ⁇ can be of the known form:
  • the denoising system also includes a module 62 which corrects the frequency response of the denoising, as a function of the masking curve Mn, q calculated by the module 60 and increased estimates B_,, calculated by the module 45.
  • the module 62 decides the level of denoising which must really be achieved. By comparing the envelope of the estimate increased by the noise with the envelope formed by the masking thresholds Ix n, q, it is decided to denoise the signal only
  • the new response H n f r 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 nl of the corresponding spectral component of the noise and the masking curve Mn, q, as follows:
  • the quantity subtracted from a spectral component S n f, in the process of spectral subtraction having the frequency response r 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 a example of a masking curve M effetn, q_. calculated on the basis
  • the quantity finally subtracted from the components S f will be that represented by the hatched areas, that is to say limited to the fraction of the increased estimate B n • of the spectral components of the noise which exceeds the masking curve.
  • a module 65 reconstructs the denoised signal in the time domain, by operating the inverse fast Fourier transform (TFRI) inverse of the samples of frequency S n ⁇ delivered by the multiplier

Abstract

Le signal de parole numérique (s) traité par trames successives est soumis à un débruitage en tenant compte d'estimations du bruit compris dans le signal, mises à jour pour chaque trame d'une manière dépendante d'au moins un degré d'activité vocale ( gamma n,i). On procède à un débruitage a priori du signal de parole de chaque trame sur la base d'estimations du bruit obtenues lors du traitement d'au moins une trame précédente, et on analyse les variations d'énergie du signal débruité a priori pour détecter le degré d'activité vocale de ladite trame.

Description

PROCEDE DE DETECTION D'ACTIVITE VOCALE
La présente invention concerne les techniques numériques de traitement de signaux de parole. Elle concerne plus particulièrement les techniques faisant appel à une détection d'activité vocale afin d'effectuer des traitements différenciés selon que le signal supporte ou non une activité vocale.
Les techniques numériques en question relèvent de domaines variés : codage de la parole pour la transmission ou le stockage, reconnaissance de la parole, diminution du bruit, annulation d'écho...
Les méthodes de détection d' activité vocale ont pour principale difficulté la distinction entre l'activité vocale et le bruit qui l'accompagne. Le recours à une technique de débruitage classique ne permet pas de traiter cette difficulté, puisque ces techniques font elles-mêmes appel à des estimations du bruit qui dépendent du degré d'activité vocale du signal.
Un but principal de la présente invention est d'améliorer la robustesse au bruit des méthodes de détection d'activité vocale.
L'invention propose ainsi un procédé de détection d'activité vocale dans un signal de parole numérique traité par trames successives, dans lequel on soumet le signal de parole à un débruitage en tenant compte d'estimations du bruit compris dans le signal, mises à jour pour chaque trame d'une manière dépendante d'au moins un degré d'activité vocale déterminé pour ladite trame. Selonl' invention, on procède à un débruitage a priori du signal de parole de chaque trame sur la base d'estimations du bruit obtenues lors du traitement d'au moins une trame précédente, et on analyse les variations d'énergie du signal débruité a priori pour détecter le degré d'activité vocale de ladite trame. Le fait de procéder à la détection d'activité vocale (selon une méthode qui peut généralement être toute méthode connue) sur la base d'un signal débruité a priori améliore sensiblement les performances de cette détection lorsque le bruit environnant est relativement important.
Dans la suite de la présente description, on illustrera le procédé de détection d'activité vocale selon l'invention dans un système de débruitage d'un signal de parole. On comprendra que ce procédé peut trouver des applications dans de nombreux autres types de traitement numérique de la parole dans lesquels on souhaite disposer d'une information sur le degré d'activité vocale du signal traité : codage, reconnaissance, annulation d'écho...
D' autres particularités et avantages de la présente invention apparaîtront dans la description ci- apres 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 ; et la figure 8 est un graphique illustrant l'exploitation des courbes de masquage dans le système de la figure 1.
Le système de débruitage représenté sur la figure 1 traite un signal numérique de parole s. Un module de fenêtrage 10 met ce signal s sous forme de fenêtres ou trames successives, constituées chacune d'un nombre N d'échantillons de signal numérique. De façon classique, ces trames peuvent présenter des recouvrements mutuels. Dans la suite de la présente description, on considérera, sans que ceci soit limitatif, que les trames sont constituées de N=25β échantillons a une fréquence d'échantillonnage F de 8 kHz, avec une pondération de
Hamming dans chaque fenêtre, et des recouvrements de 50% entre fenêtres consécutives.
La trame de signal est transformée dans le domaine frequentiel par un module 11 appliquant un algorithme classique de transformée e Fourier rapide (TFR) pour calculer le module du spectre du signal. Le module 11 délivre alors un ensemble de N=256 composantes fréquentielles du signal de parole, notées Sn II, f1, 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 frequentiel, 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 freque tielle 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 î
(l≤i≤I) s'étend entre une fréquence inférieure f(ι-l) et une fréquence supérieure f(ι), avec f(0)=0, et f(I)=F /2.
Ce découpage en bandes de fréquences peut être uniforme (f (î) -f (ι-l)≈F /2I) . Il peut également être non uniforme
(par exemple selon une échelle de barks) . Un module 12 calcule les moyennes respectives des composantes spectrales Sn f du signal de parole par bandes, par exemple par une pondération uniforme telle que :
s« ,f(ι) ,[ sn,f (1>
Ce moyennage diminue les fluctuations entre les bandes en moyennant les contributions du bruit dans ces bandes, ce qui diminuera la vaπance de l'estimateur de bruit. En outre, ce moyennage permet une forte diminution de la complexité du système. Les composantes spectrales moyennées S_, 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 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 à long terme Bn ^ sont utilisées par le module 15 pour procéder à un débruitage a priori du signal de parole dans les différentes bandes pour déterminer les degrés d'activité vocale γn, J..
Le fonctionnement des modules 15 et 16 peut correspondre aux organigrammes représentés sur les figures 2 et 3.
Aux étapes 17 à 20, le module 15 procède au débruitage a priori du signal de parole dans les différentes bandes i pour la trame de signal n. Ce débruitage a priori est effectué selon un processus classique de soustraction spectrale non linéaire 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 Hpn ^ du filtre de débruitage a priori, selon la formule :
sn,i ~ αn-τl,i- Bn-τl,i Hp ± = (2) bn-τ2,i où τl et τ2 sont des retards exprimés en nombre de trames
(τl≥l, τ2>0), et αn j_ 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 Ep n,ι sont calculées selon
jFPn,ι = max Jf n /1. Sn , βp__. Bn_τl où βp est un coefficient de plancher proche de 0, servant classiquement a éviter que le spectre du signal αebruité prenne des valeurs négatives ou trop faibles qui provoqueraient un bruit musical.
Les étapes 17 à 20 consistent donc essentiellement a soustraire du spectre du signal une estimation, majorée par le coefficient α n_τι 2 ' du spectre du bruit estimé a priori.
A l'étape 21, le module 15 calcule l'énergie du signal débruité a priori dans les différentes bandes i
- 2 pour la trame n : E^ = Epn χ . Il calcule aussi une moyenne globale E Q de l'énergie du signal débruité a priori, par une somme des énergies par bande En, i, pondérée par les largeurs de ces bandes. Dans les notations ci-dessous, l'indice ι=0 sera utilise pour désigner la bande globale du signal.
Aux étapes 22 et 23, le module 15 calcule, pour chaque bande i (O≤i≤I) , une grandeur 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, I_I, X peut être calculée par une formule simplifiée de
£n-4,ι + En-3,ι ~ En-l,ι ' ~ En,ι dérivation : AE l„l/J .. = - . Quant à
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 £n, = Bl • Ën-lfl + (1-Bl) . En/1 . Apres avoir calculé les énergies E du signal débruité, ses variations à court terme 1 et ses valeurs a long terme En/1 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 effectue aux étapes 25 à 36 de la figure 3, exécutées pour chaque bande i entre ι=0 et ι=I . Ce calcul fait appel à un estimateur a long terme de l'enveloppe du bruit ba , a un estimateur interne bi et à un compteur de trames bruitées b .
A l'étape 25, la grandeur ΔE,n_, x est comparée a un seuil εl. Si le seuil εl n'est pas atteint, le compteur b est mcrémenté d'une unité à l'étape 26. A l'étape 27, l'estimateur à long terme ba est comparé à la valeur de l'énergie lissée En x . Si ba ≥ En x , l'estimateur ba est pris égal à la valeur lissée En à l'étape 28, et le compteur b est remis à zéro. La grandeur p , qui est prise égale au rapport ba /En x (étape 36) , est alors égale à 1. Si l'étape 27 montre que ba <En x , le compteur b est comparé à une valeur limite bmax à l'étape 29. Si bχ>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 ≤b ax à l'étape 29, l'estimateur interne bi est calculé à l'étape 33 selon :
= (1-Bm) . Enfl + Bm . haχ ( 4 )
Dans cette formule, Bm représente un coefficient de mise à ηour compris entre 0,90 et 1. Sa valeur diffère selon l'état d'un automate de détection d'activité vocale (étapes 30 a 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_x =2 à l'étape 30), le coefficient Bm prend une valeur B p 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 a jour plus significative de l'estimateur de bruit en phase de silence. A l'étape 34, l'écart ba -bi entre l'estimateur à long terme et l'estimateur interne du bruit est comparé à un seuil ε2. Si le seuil ε2 n'est pas atteint, l'estimateur à long terme ba, est mis à jour avec la valeur de l'estimateur interne bi à l'étape 35. Sinon, l'estimateur à long terme ba reste inchangé. On évite ainsi que de brutales variations dues à un signal de parole conduisent à une mise à our 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 x et de pQ, de la manière représentée sur la figure . Quatre états sont possibles : δ=0 détecte le silence, ou absence de parole ; δ=2 détecte la présence d'une activité vocale ; et les états δ=l et δ=3 sont des états intermédiaires de montée et de descente. Lorsque l'automate est dans l'état de silence (δn_χ=0) , il y reste si PQ 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 p0 est plus petit que le seuil SEl, il passe dans l'état de parole si p0 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 ( 1=2) , il y reste si pQ dépasse un troisième seuil SE3 plus petit que le seuil SE2, et il passe dans l'état de descente dans le cas contraire. Dans l'état de descente (δ -,=3), l'automate revient dans l'état de parole si pQ est plus grand que le seuil SE2, il revient dans l'état de silence si pQ est en deçà d'un quatrième seuil SE4 plus petit que le seuil SE2, et il reste dans l'état de descente si SE4<pQ<SE2.
A l'étape 37, le module 15 calcule également les degrés d'activité vocale γ_ II, 1• dans chaque bande i≥l. Ce degré i• est de préférence un paramètre non binaire, c'est-à-dire que la fonction γ XX / 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 - et des degrés d' activité vocale γXI X• .
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 Bn~ι ± et B n-2 i précédemment calculées pour chaque bande i≥l sont corrigées conformément à la valeur de l'estimation précédente £n_3 x • 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 :
ën,ι = λB- ên-l,ι + 0--λB ) . Sn,ι <5>
où 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 γπ Il, 1.
Comme indiqué précédemment, les estimations à long terme du bruit Bn ι font l'objet d'une surestimation, par un module 45 (figure 1), avant de procéder au débruitage par soustraction spectrale non linéaire. Le module 45 calcule le coefficient de surestimation αn χ précédemment
évoque, ainsi qu'une estimation majorée Bn qui correspond r ^ essentiellement à n ι - B n ι - 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 B_. . et une
mesure AB l™lf 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 C n ι est égal au
rapport entre la somme 5 1„1/J_- + ΔJ3 IÏ?lf a-,Lx délivrée p Lar l'additionneur 46 et l'estimation à long terme retardée Bn-τ3 i (diviseur 47), plafonné à une valeur limite ctmaχ, par exemple cc_,_ =4 (bloc 48) . Le retard τ3 sert a corriger le cas échéant, dans les phases de montée (δ=l), la valeur du coefficient αe surestimation αn _ , avant que les estimations à long terme aient été corrigées par les étapes 40 et 41 de la figure 3 (par exemple τ3=3) .
->t
L'estimation majorée B„ , est finalement prise
égale a a n ι- B n-χ2 ι (multiplieur 49).
La mesure AS 1™1,3-1. de la variabilité du bruit reflète la vaπance de l'estimateur de bruit. Elle est obtenue en fonction des valeurs de S_ 11, / _η1_ et de B Lnlfd- 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 3n-k,ι Bn-k,ι calculés pour un nombre K de trames de silence (n-k≤n) . Dans l'exemple représenté, cette fonction est simplement le maximum (bloc 50) . Pour chaque trame n, le degré d'activité vocale 1η est comparé à un seuil (bloc 51)
pour décider si l'écart S n,ι B n,ι , calculé en 52-53, doit ou non être chargé dans une file d' attente 54 de K emplacements organisée en mode premier entré-premier sorti (FIFO) . Si γ II, 1 ne dépasse pas le seuil (qui peut être égal 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 AB 1™1,a-L .
La mesure de variabilité peut, en variante, être obtenue en fonction des valeurs S_ Xi. f fJ_ (et non S,X.i f 1 ) et Bn _ . On procède alors de la même manière, sauf que la FIFO
54 contient non pas Sn-k,ι ~ Bn- k,i pour chacune des bandes
i, mais plutôt max Sn-k,f ~ Bn- f e[fd-l) ,f )[ -k,ι
Grâce aux estimations indépendantes des fluctuations à long terme du bruit B n l et de sa
variabilité à court terme ΔB™a , l'estimateur majoré Bn 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≤Ij, la réponse en fréquence H,. • d'un premier filtre de débruitage, en fonction des composantes -ηL et B-nI/—. et
! des coefficients de surestimation α I,_lfJ,.• . Ce calcul peut être effectué pour chaque bande i selon la formule :
Hi = max S,sn,ι _ n,ι- Bn,ι ' β_r Bn,ι Lf (7)
5n-τ4,i 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 à éviter les valeurs négatives ou trop faibles du signal débruité.
De façon connue (EP-A-0 534 837), le coefficient de surestimation n χ pourrait être remplacé dans la formule (7) par un autre coefficient égal à une fonction de αn . et d'une estimation du rapport signal-sur-bruit
(par exemple S XI / J --/ B inïf -lL ) , cette fonction étant décroissante selon la valeur estimée du rapport signal-sur-bruit . Cette fonction est alors égale à αn χ pour les valeurs les plus faibles du rapport signal-sur-bruit . En effet, lorsque le signal est très bruité, il n'est a priori pas utile de diminuer le facteur de surestimation. Avantageusement, cette fonction décroît vers zéro pour les valeurs les plus élevées du rapport signal/bruit . Ceci permet de protéger les zones les plus énergétiques du spectre, où le signal de parole est le plus significatif, la quantité soustraite du signal tendant alors vers zéro.
Cette stratégie peut être affinée en l'appliquant de manière sélective aux harmoniques de la fréquence tonale (« pitch ») du signal de parole lorsque celui-ci présente une activité vocale. Ainsi, dans la réalisation représentée sur la figure 1, une seconde phase de 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 d'un second filtre de
débruitage en fonction des paramètres Hni ι , θ-'n ι / B n ι r δ ,
S,n,, et de la fréquence tonale 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 n 2 f = Hn1 i 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 : 'n,ι - a n,ι n,x > 3Î- B n,ι (8) et 3η entier / f - η. f \ < Af I 2 (9)
= H n,f sinon
Δf=F /N représente la résolution spectrale αe la
transformée de Fourier. Lorsque H^ ^=1, la quantité soustraite de la composante Sn, r sera nulle. Dans ce
calcul, les coefficients de plancher βα (par exemple
βχ = βχ ) expriment le fait que certaines harmoniques de la fréquence tonale f peuvent être masquées par du bruit, de sorte qu'il n'est pas utile de les protéger.
Cette stratégie de protection est de préférence appliquée pour chacune des fréquences les plus proches des harmoniques de f , c'est-à-dire pour η entier quelconque.
Si on désigne par δf la résolution fréquentielle avec laquelle le module d'analyse 57 produit la fréquence tonale estimée f , c'est-à-dire que la fréquence tonale réelle est comprise entre f -δf /2 et f +δf /2, alors l'écart entre la η-ième harmonique de la fréquence tonale réelle est son estimation ηx D (condition (9) ) peut aller jusqu'à ±ηxδf /2. Pour les valeurs élevées de η, cet écart peut être supérieur à la demi-résolution spectrale Δf/2 de la transformée de Fourier. Pour tenir compte de cette incertitude et garantir la bonne protection des harmoniques de la fréquence tonale réelle, on peut protéger chacune des fréquences de l'intervalle ηxfp- ηxδ _/2 , ηxjf + ηxδf /2 c'est-à-dire remplacer la condition (9) ci-dessus par :
3η entier / \f - η. f. ≤ (η. δfp + Δfj/2 : 9 '
P\ Cette façon de procéder (condition (9')) présente un intérêt particulier lorsque les valeurs de η peuvent être grandes, notamment dans le cas où le procédé est utilisé dans un système à bande élargie. Pour chaque fréquence protégée, la réponse en
2 fréquence corrigée Hn f peut être égale à 1 comme indiqué ci-dessus, ce qui correspond à la soustraction d'une quantité nulle dans le cadre de la soustraction spectrale, c'est-à-dire à une protection complète de la fréquence en question. Plus généralement, cette réponse en fréquence corrigée Hn 2 f pourrait être prise égale a une valeur
comprise entre 1 et Hn ^ selon le degré de protection souhaité, ce qui correspond à la soustraction d'une quantité inférieure à celle qui serait soustraite si la fréquence en question n'était pas protégée.
2
Les composantes spectrales Sn f d'un signal débruité sont calculées par un multiplieur 58 :
sn,f = Hn,f - Sn,f (10)
2
Ce signal Sn f est fourni à un module 60 qui calcule, pour chaque trame n, une courbe de masquage en appliquant un modèle psychoacoustique de perception auditive par l'oreille humaine.
Le phénomène de masquage est un principe connu du fonctionnement de l'oreille humaine. Lorsque deux fréquences sont entendues simultanément, il est possible que l'une des deux ne soit plus audible. On dit alors qu'elle est masquée.
Il existe différentes méthodes pour calculer des courbes de masquage. On peut par exemple utiliser celle développée par J.D. Johnston («Transform Coding of Audio Signais Using Perceptual Noise Criteria », IEEE Journal on Selected Area in Communications, Vol. 6, No. 2, février 1988) . Dans cette méthode, on travaille dans l'échelle fréquentielle des barks. La courbe de masquage est vue comme la convolution de la fonction d'étalement spectral de la membrane basilaire dans le domaine bark avec le signal excitateur, constitue dans la présente
2 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 : qr-1 sn,σ' Q Sn,q'
°"'q = À (ιr/o,ιo)ta-tf> + qyq+1 (1025/ιo)ta'-g> ,U) ou les indices q et q' désignent les bandes de bark (0<q,q'<Q), et 5„ ..» représente la moyenne des composantes
2
Sn f du signal excitateur débruité pour les fréquences discrètes f appartenant à la bande de bark q' . Le seuil de masquage Mn, q est obtenu par le module
60 pour chaque bande de bark q, selon la formule :
Mn,q = Cn,q Rq <12> où R dépend du caractère plus ou moins voisé du signal.
De façon connue, une forme possible de R est : 10.1og10(Rq) = (A+q) .χ + B. (1-χ) (13) avec A=14,5 et B=5,5. χ désigne un degré de voisement du signal de parole, variant entre zéro (pas de voisement) et
1 (signal fortement voisé) . Le paramètre χ peut être de la forme connue :
où SFM représente, en décibels, le rapport entre la moyenne arithmétique et la moyenne géométrique de l'énergie des bandes de bark, et SFIYL =-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 Mn, q calculée par le module 60 et des estimations majorées B_, , 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 Ix n, q, on décide de ne débruiter le signal que
dans la mesure où l'estimation majorée Bn , dépasse la courbe de masquage. Ceci évite de supprimer inutilement du bruit masqué par de la parole.
La nouvelle réponse Hn f r pour une fréquence f appartenant à la bande i définie par le module 12 et à la bande de bark q, dépend ainsi de l'écart relatif entre l'estimation majorée B n l de la composante spectrale correspondante du bruit et la courbe de masquage Mn, q, de la manière suivante :
Bn,ι ~ Mn,q
Hn,f = l - { - Hn 2 ff ] . maxi 14'
B n,ι
En d'autres termes, la quantité soustraite d'une composante spectrale Sn f, dans le processus de soustraction spectrale ayant la réponse fréquentielle r 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 H n f ' et d'autre part la fraction de
l'estimation majorée B de la composante spectrale correspondante du bruit qui, le cas échéant, dépasse la courbe de masquage 1XLri, 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 f du signal debruite, ainsi
que l'estimation majorée Bn ,- du spectre du bruit. La quantité finalement soustraite des composantes S f sera celle représentée par les zones hachurées, c'est-à-dire limitée à la fraction de l'estimation majorée Bn • des composantes spectrales du bruit qui dépasse la courbe de masquage .
Cette soustraction est effectuée en multipliant la
3 réponse fréquentielle Hn ^ du filtre de débruitage par les composantes spectrales S, I.I, 1 du signal de parole
(multiplieur 64). Un module 65 reconstruit alors le signal débruité dans le domaine temporel, en opérant la transformée de Fourier rapide inverse (TFRI) inverse des échantillons de fréquence Sn ^ délivrés par le multiplieur
64. Pour chaque trame, seuls les N/2=128 premiers échantillons du signal produit par le module 65 sont
3 délivrés comme signal débruité final s , après reconstruction par addition-recouvrement avec les N/2=128 derniers échantillons de la trame précédente (module 66) .

Claims

RE VE N D I C A T I O N S
1. Procède de détection d' activité vocale dans un signal de parole numérique (s) traite par trames successives, dans lequel on soumet le signal de parole a un déoruitage en tenant compte d'estimations du bruit compris dans le signal, mises à jour pour chaque trame d'une manière dépendante d'au moins un degré d'activité vocale (γ„n, , i. ) déterminé pour ladite trame, caractérise en ce qu'en procède a un débruitage a priori du signal de parole de chaque trame sur la base d'estimations du bruit
( ccn_τ-|_ ... Bn_ -j_ ) obtenues lors du traitement d'au moins une trame précédente, et on analyse les variations d'énergie du signal débruité a priori ( Ep ) pour détecter le degré d'activité vocale de ladite trame.
2. Procédé selon la revendication 1, dans lequel le degré d'activité vocale (γ II, 1) est un paramètre non binaire .
3. Procédé selon la revendication 2, dans lequel le degré c' activité vocale (γ II, 1) est une fonction, variant continûment entre 0 et 1.
4. Procédé selon l'une quelconque des revendications précédentes, dans lequel les estimations du bruit sont obtenues dans différentes bandes fréquentielles du signal, le débruitage a priori est effectué bande par bande, et il est déterminé un degré d'activité vocale (γ II, 1) pour chaque bande.
5. Procédé selon l'une quelconque des revendications précédentes, dans lequel on obtient une estimation du bruit Bn , pour la trame n dans une bande de fréquences i sous la forme : B n A, n,i- Bn--l,i + d-Y n,ι> B n,ι avec Bnιi = λB. Bn_ + (l-λB) . Sn/i où λ B- est un facteur d'oubli compris entre 0 et 1, 1• est le degré d'activité vocale déterminé pour la trame n dans la bande de fréquences i, et 1• est une moyenne de l'amplitude du spectre du signal de parole de la trame n sur la bande i.
6. Procédé selon la revendication 5, dans lequel le signal débruité a priori Bpn • relativement à une trame n et à une bande de fréquences i est de la forme :
Êpn = max Hpnfi. Snti , βPi. Bn_τl,i
I
3n,i un-τl,i' an-xl,i où Hpn ^ = , τl est un entier au moins sn-τ2,i
I égal à 1, τ2 est un entier au moins égal à 0, α n_τι , est un coefficient de surestimation déterminé pour la trame n-τl et la bande i, et βp± est un coefficient positif.
7. Procédé selon l'une quelconque des revendications précédentes, dans lequel on calcule une estimation à long terme (£_ II,, 1•) de l'énergie du signal débruité a priori
{ Epn j_ ) , et on compare cette estimation à long terme à une estimation instantanée (ba) de cette énergie, calculée sur la trame en cours, pour obtenir le degré d'activité vocale (γ 1,-1,1) de ladite trame.
EP98943998A 1997-09-18 1998-09-16 Procede et dispositif de detection d'activite vocale Expired - Lifetime EP1016071B1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR9711640 1997-09-18
FR9711640A FR2768544B1 (fr) 1997-09-18 1997-09-18 Procede de detection d'activite vocale
PCT/FR1998/001979 WO1999014737A1 (fr) 1997-09-18 1998-09-16 Procede de detection d'activite vocale

Publications (2)

Publication Number Publication Date
EP1016071A1 true EP1016071A1 (fr) 2000-07-05
EP1016071B1 EP1016071B1 (fr) 2002-01-16

Family

ID=9511227

Family Applications (1)

Application Number Title Priority Date Filing Date
EP98943998A Expired - Lifetime EP1016071B1 (fr) 1997-09-18 1998-09-16 Procede et dispositif de detection d'activite vocale

Country Status (7)

Country Link
US (1) US6658380B1 (fr)
EP (1) EP1016071B1 (fr)
AU (1) AU9168898A (fr)
CA (1) CA2304012A1 (fr)
DE (1) DE69803202T2 (fr)
FR (1) FR2768544B1 (fr)
WO (1) WO1999014737A1 (fr)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2797343B1 (fr) * 1999-08-04 2001-10-05 Matra Nortel Communications Procede et dispositif de detection d'activite vocale
GB2367467B (en) 2000-09-30 2004-12-15 Mitel Corp Noise level calculator for echo canceller
GB2384670B (en) * 2002-01-24 2004-02-18 Motorola Inc Voice activity detector and validator for noisy environments
AUPS102902A0 (en) * 2002-03-13 2002-04-11 Hearworks Pty Ltd A method and system for reducing potentially harmful noise in a signal arranged to convey speech
JP4601970B2 (ja) * 2004-01-28 2010-12-22 株式会社エヌ・ティ・ティ・ドコモ 有音無音判定装置および有音無音判定方法
JP4490090B2 (ja) * 2003-12-25 2010-06-23 株式会社エヌ・ティ・ティ・ドコモ 有音無音判定装置および有音無音判定方法
US8788265B2 (en) * 2004-05-25 2014-07-22 Nokia Solutions And Networks Oy System and method for babble noise detection
KR100714721B1 (ko) * 2005-02-04 2007-05-04 삼성전자주식회사 음성 구간 검출 방법 및 장치
EP1861846B1 (fr) * 2005-03-24 2011-09-07 Mindspeed Technologies, Inc. Extension adaptative de mode vocal pour un detecteur d'activite vocale
US20060241937A1 (en) * 2005-04-21 2006-10-26 Ma Changxue C Method and apparatus for automatically discriminating information bearing audio segments and background noise audio segments
US8126706B2 (en) * 2005-12-09 2012-02-28 Acoustic Technologies, Inc. Music detector for echo cancellation and noise reduction
US7366658B2 (en) * 2005-12-09 2008-04-29 Texas Instruments Incorporated Noise pre-processor for enhanced variable rate speech codec
GB0703275D0 (en) * 2007-02-20 2007-03-28 Skype Ltd Method of estimating noise levels in a communication system
CN101981612B (zh) * 2008-09-26 2012-06-27 松下电器产业株式会社 声音分析装置以及声音分析方法
US20130282372A1 (en) * 2012-04-23 2013-10-24 Qualcomm Incorporated Systems and methods for audio signal processing
US9363603B1 (en) 2013-02-26 2016-06-07 Xfrm Incorporated Surround audio dialog balance assessment

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3840708A (en) * 1973-07-09 1974-10-08 Itt Arrangement to test a tasi communication system
US4281218A (en) * 1979-10-26 1981-07-28 Bell Telephone Laboratories, Incorporated Speech-nonspeech detector-classifier
US4277645A (en) * 1980-01-25 1981-07-07 Bell Telephone Laboratories, Incorporated Multiple variable threshold speech detector
US5212764A (en) 1989-04-19 1993-05-18 Ricoh Company, Ltd. Noise eliminating apparatus and speech recognition apparatus using the same
DE4012349A1 (de) * 1989-04-19 1990-10-25 Ricoh Kk Einrichtung zum beseitigen von geraeuschen
AU633673B2 (en) 1990-01-18 1993-02-04 Matsushita Electric Industrial Co., Ltd. Signal processing device
EP0459362B1 (fr) 1990-05-28 1997-01-08 Matsushita Electric Industrial Co., Ltd. Processeur de signal de parole
US5469087A (en) 1992-06-25 1995-11-21 Noise Cancellation Technologies, Inc. Control system using harmonic filters
US5742927A (en) * 1993-02-12 1998-04-21 British Telecommunications Public Limited Company Noise reduction apparatus using spectral subtraction or scaling and signal attenuation between formant regions
JP3685812B2 (ja) * 1993-06-29 2005-08-24 ソニー株式会社 音声信号送受信装置
US5657422A (en) * 1994-01-28 1997-08-12 Lucent Technologies Inc. Voice activity detection driven noise remediator
US5555190A (en) 1995-07-12 1996-09-10 Micro Motion, Inc. Method and apparatus for adaptive line enhancement in Coriolis mass flow meter measurement
US5774837A (en) * 1995-09-13 1998-06-30 Voxware, Inc. Speech coding system and method using voicing probability determination
US5659622A (en) * 1995-11-13 1997-08-19 Motorola, Inc. Method and apparatus for suppressing noise in a communication system
FI100840B (fi) * 1995-12-12 1998-02-27 Nokia Mobile Phones Ltd Kohinanvaimennin ja menetelmä taustakohinan vaimentamiseksi kohinaises ta puheesta sekä matkaviestin

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO9914737A1 *

Also Published As

Publication number Publication date
EP1016071B1 (fr) 2002-01-16
CA2304012A1 (fr) 1999-03-25
FR2768544B1 (fr) 1999-11-19
US6658380B1 (en) 2003-12-02
DE69803202T2 (de) 2002-08-29
DE69803202D1 (de) 2002-02-21
AU9168898A (en) 1999-04-05
WO1999014737A1 (fr) 1999-03-25
FR2768544A1 (fr) 1999-03-19

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
EP1016071B1 (fr) Procede et dispositif de detection d&#39;activite vocale
US7286980B2 (en) Speech processing apparatus and method for enhancing speech information and suppressing noise in spectral divisions of a speech signal
EP2002428B1 (fr) Procede de discrimination et d&#39;attenuation fiabilisees des echos d&#39;un signal numerique dans un decodeur et dispositif correspondant
EP2772916B1 (fr) Procédé de débruitage d&#39;un signal audio par un algorithme à gain spectral variable à dureté modulable dynamiquement
EP2936488B1 (fr) Atténuation efficace de pré-échos dans un signal audionumérique
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.
EP3192073B1 (fr) Discrimination et atténuation de pré-échos dans un signal audionumérique
JP2003280696A (ja) 音声強調装置及び音声強調方法
EP1016073B1 (fr) Procede et dispositif de debruitage d&#39;un signal de parole numerique
EP1021805B1 (fr) Procede et disposition de conditionnement d&#39;un signal de parole numerique
EP2515300B1 (fr) Procédé et système de réduction du bruit
EP1116216A1 (fr) Procede et dispositif de detection d&#39;activite vocale
EP1635331A1 (fr) Procédé d&#39;estimation d&#39;un rapport signal-bruit
JP2006201622A (ja) 帯域分割型雑音抑圧装置及び帯域分割型雑音抑圧方法
FR3051958A1 (fr) Procede et dispositif pour estimer un signal dereverbere
EP4287648A1 (fr) Dispositif électronique et procédé de traitement, appareil acoustique et programme d&#39;ordinateur associés
FR2697937A1 (fr) Procédé de discrimination de la parole en présence de bruits ambiants et vocodeur à faible débit pour la mise en Óoeuvre du procédé.

Legal Events

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

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20000316

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): CH DE FI GB LI SE

RIC1 Information provided on ipc code assigned before grant

Free format text: 7G 10L 11/02 A, 7G 10L 11/06 B

RTI1 Title (correction)

Free format text: METHOD AND APPARATUS FOR DETECTING SPEECH ACTIVITY

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

17Q First examination report despatched

Effective date: 20001130

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: EADS DEFENCE AND SECURITY NETWORKS

Owner name: MATRA NORTEL COMMUNICATIONS

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): CH DE FI GB LI SE

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

Ref country code: FI

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20020116

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REF Corresponds to:

Ref document number: 69803202

Country of ref document: DE

Date of ref document: 20020221

REG Reference to a national code

Ref country code: CH

Ref legal event code: NV

Representative=s name: KELLER & PARTNER PATENTANWAELTE AG

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

Ref country code: SE

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20020416

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

Effective date: 20020501

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

Owner name: EADS DEFENCE AND SECURITY NETWORKS

Owner name: NORTEL NETWORKS FRANCE

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

Ref country code: LI

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

Effective date: 20020930

Ref country code: CH

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

Effective date: 20020930

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

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

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

26N No opposition filed
REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

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

Ref country code: DE

Payment date: 20030930

Year of fee payment: 6

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

Ref country code: DE

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

Effective date: 20050401

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

Ref country code: GB

Payment date: 20050817

Year of fee payment: 8

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

Effective date: 20060916

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

Ref country code: GB

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

Effective date: 20060916