Результат интеллектуальной деятельности: Способ разделения речи и пауз путем анализа значений фаз частотных составляющих шума и сигнала

Изобретение относится к области техники передачи и трансляции речевой информации и может найти применение в устройствах связи и в устройствах громкоговорящей связи.

Известно устройство для выделения акустических сигналов в каналах связи, описанное в патенте RU 2171549 H04Q 1/46. Изобретение относится к электросвязи, в частности к автоматическим средствам приема сигналов тональной сигнализации в системах многоканальной связи, и может использоваться, например, для обнаружения акустических сигналов (АС) в телефонных каналах. Функционирование основано на вычислении ряда решающих статистик, которые являются отличительными признаками при распознавании информационного АС от канальных шумов и паразитных речевых сигналов. В качестве решающих статистик используются оценка мощности сигнала в информационной полосе частот, распределение энергии входного сигнала по частотному диапазону и величина неравномерности огибающей отфильтрованного в полосовом фильтре входного сигнала. Для принятия окончательного решения о присутствии в канале связи АС используется вторичная обработка, которая основана на применении мажоритарного правила для последовательной серии первичных решений.

Недостатком известного устройства является его невысокая эффективность при решении задачи разделения речи и пауз.

Известно устройство для выделения тональных сигналов в каналах связи по патенту RU 2214051, H04B 3/46, H04Q 1/457, H04M 1/50. Изобретение относится к области электросвязи, в частности к автоматическим средствам приема сигналов канальной сигнализации в системах многоканальной связи, и может использоваться для обнаружения акустических сигналов в телефонных каналах.

Известное техническое решение обладает недостаточно высокой эффективностью при решении задачи разделения речи и пауз в условиях наличия акустических помех.

Наиболее близким аналогом по технической сущности к предлагаемому является способ разделения речи и пауз, описанный в книге «Цифровая обработка речевых сигналов. //Л.Р. Рабинер, Р.В. Шафер. Перевод с английского под редакцией М.В. Назарова и Ю.Н. Прохорова. Москва, «Радио и связь», 1981», стр. 123 - 126, принятый за прототип.

Способ-прототип заключается в следующем.

Сигнал, поступающий в устройство, дискретизируют в течение интервала времени, установленного для его анализа, и заносят в память для последующей обработки. Обрабатываемый сигнал состоит из интервала, который содержит только шум, длительность данного интервала составляет около 100 мс, и интервала, который содержит аддитивную смесь речевого сигнала и шума (в дальнейшем – смесь сигнала и шума).

В качестве основных параметров используется число переходов через ноль в течение 10 мс и функция среднего значения, вычисленная с использованием окна длительностью 10 мс. По этим отсчетам вычисляются средние значения и дисперсии взвешенной суммы абсолютных значений амплитуд отсчетов и среднего числа переходов через ноль (статистические характеристики шума).

С учетом значений этих характеристик и максимального среднего значения вычисляются пороги для среднего числа переходов через ноль (СЧПН) и энергии сигнала. Определяется фрагмент колебаний, на котором траектория среднего значения энергии сигнала (СЗЭС) превышает верхний порог. Предполагается, что начало и конец слова лежат вне этого фрагмента.

Затем, двигаясь в обратном направлении по оси времени от момента, где среднее значение энергии сигнала впервые превысило порог, определяют момент, в котором СЗЭС впервые оказалось меньше нижнего порога (точка N₁). Этот момент выбирается в качестве предполагаемого начала. Таким же образом определяется и предполагаемое окончание слова (точка N₂).

Следующий шаг состоит в перемещении влево от точки N₁ (вправо от точки N₂) и сравнении числа переходов через ноль с порогом, вычисленным по данным начального участка. Если число переходов через ноль превышает порог в 3 или более раз, начало слова переносится туда, где кривая числа переходов через ноль впервые превысила порог. В противном случае точка N₁ считается началом слова. Аналогичный процесс осуществляется в отношении точки N₂.

Недостатком способа-прототипа является недостаточно высокая точность решения задачи определения момента появления речевого сигнала и высокая вероятность ошибочного решения о появлении сигнала в условиях наличия акустического шум.

Задача предлагаемого способа – повышение точности определения момента появления речевого сигнала и увеличение значения вероятности правильного решения о появлении речевого сигнала в условиях наличия акустического шума.

Для решения поставленной задачи в способе разделения речи и пауз, заключающемся в том, что на всем интервале анализа, состоящего из интервала, который не содержит речевой сигнал, и интервала, который содержит смесь речевого сигнала и шума, шум или смесь речевого сигнала и шума, которые поступают в систему, дискретизируют и заносят в память для последующей обработки, согласно изобретению, «скользящее окно» – интервал заданной длительности, формируют так, что в «скользящем окне» присутствует только шум;

методом спектрального анализа определяют значения частот, фаз и амплитуд гармонических составляющих шума;

смещают «скользящее окно» на величину шага смещения, значение которого определяют заранее;

рассчитывают значения отсчетов огибающей шума для текущего положения «скользящего окна», с использованием результатов спектрального анализа, который был проведен для предыдущего положения «скользящего окна», из последовательности отсчетов, которые были взяты для текущего положения «скользящего окна», вычитают рассчитанные значения амплитуды шума;

полученные значения сравнивают с порогом, значение которого определяют заранее, если ни одно значение не превышает порог, то считают, что шум не изменился, смещают «скользящее окно» на величину шага смещения и описанную процедуру повторяют;

в противном случае с использованием значений, полученных путем вычитания из отсчетов, которые были взяты для текущего положения «скользящего окна» рассчитанных значений амплитуды шума, методом спектрального анализа определяют значения частот, фаз и амплитуд гармонических составляющих;

определяют общее число гармонических составляющих, для каждой гармоники – число значений попарных разностей фаз этой гармоники и остальных гармоник, которые не превышают заданное значение, и определяют максимальное значение из найденных таким образом значений;

рассчитывают отношение найденного максимального значения числа гармоник, для которых значения попарных разностей фаз не превышают заданное значение, к общему числу составляющих;

сравнивают рассчитанное значение отношения максимального числа гармоник к общему числу составляющих с пороговым значением, значение которого определяют заранее;

если рассчитанное значение отношения максимального числа составляющих к их общему числу не превышает пороговое значение, то считают, что в «скользящем окне» речевой сигнал отсутствует;

в этом случае процесс обнаружения появления речевого сигнала продолжают по описанному алгоритму до того момента, когда при очередном смещении «скользящего окна» рассчитанное значение отношения максимального числа гармонических составляющих к их общему числу превысит пороговое значение, в этом случае считают, что в «скользящем окне» речевой сигнал присутствует, время его появления устанавливают равным значению правой границы «скользящего окна», уменьшенному на заранее заданную величину.

Предлагаемый способ заключается в следующем.

Сигналы, поступающие с выхода электроакустического устройства (ЭАУ), прошедшие на выход фильтра низкой частоты (ФНЧ), усиленные в усилителе низкой частоты (УНЧ), дискретизируют с использованием аналого-цифрового преобразователя (АЦП) и заносят в память вычислительного устройства для последующей обработки.

Обнаружение речевого сигнала и определение положения его начала осуществляется следующим образом.

Формируют «скользящее окно» – интервал заданной длительности, начальное положение которого устанавливают так, что в «скользящем окне» присутствует только шум.

Длительности интервала, для которого считают, что он содержит только шум, и «скользящего окна» определяют на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз, под которым понимают обеспечение максимального значения вероятности правильного решения о появлении речевого сигнала в условиях наличия акустического шума, при условии, что значение вероятности ложной тревоги (решение о наличии речевого сигнала при его отсутствии) будет не выше заданного уровня.

Методом спектрального анализа определяют значения частот, фаз и амплитуд гармонических составляющих шума, например, путем использования способа спектрального анализа многочастотных периодических сигналов, представленных цифровыми отсчетами, описанный в книге «Функциональный контроль и диагностика электротехнических систем и устройств по цифровым отсчетам мгновенных значений тока и напряжения. /под редакцией Е.И. Гольдштейна - Томск: Изд. «Печатная мануфактура», 2003, с.92-94.

Смещают «скользящее окно» на величину шага смещения, значение которого определяют заранее.

Величину шага смещения определяют на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз.

Рассчитывают значения отсчетов огибающей шума с использованием результатов спектрального анализа, который был проведен для предыдущего положения «скользящего окна» для моментов времени, в которые были взяты отсчеты для текущего положения «скользящего окна».

Из последовательности отсчетов, которые были взяты для текущего положения «скользящего окна» вычитают рассчитанные значения отсчетов.

Полученные значения сравнивают с порогом, значение которого определяют заранее, если ни одно значение не превышает порог, то считают, что шум не изменился. Смещают «скользящее окно» на величину шага смещения и описанную процедуру повторяют.

Данное пороговое значение определяют на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз.

В противном случае с использованием значений, полученных путем вычитания из отсчетов, которые были взяты для текущего положения «скользящего окна» рассчитанных значений амплитуды шума, методом спектрального анализа определяют значения частот, фаз и амплитуд гармонических составляющих.

Определяют максимальное число гармонических составляющих, для которых разности значений фаз не превышают заданное значение по следующему алгоритму:

1. Произвольным образом нумеруют найденные гармонические составляющие;

2. Для составляющей с первым номером определяют значения разностей фаз данной составляющей и всех остальных составляющих, находят количество составляющих, для которых разности значений фаз не превышает заданное значение – N_с1;

3. Процедуру по п. 2 алгоритма повторяют для всех оставшихся составляющих;

4. Из найденных значений количества составляющих (N_сi), определяют составляющую с наибольшим значением количества составляющих.

5. Процесс завершают.

Иллюстративный пример, поясняющий работу алгоритма, приведен на фиг. 1.

Рассчитывают отношение найденного максимального значения числа гармоник к общему числу гармонических составляющих.

Сравнивают найденное значение отношения максимального числа гармонических составляющих к общему числу составляющих с пороговым значением, значение которого определяют заранее.

Данное пороговое значение и величину, значение которой не должны превышать разности фаз гармонических составляющих, определяют на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз.

Если рассчитанное значение отношения максимального числа гармонических составляющих к общему числу составляющих не превышает пороговое значение, то считают, что в «скользящем окне» речевой сигнал отсутствует.

В этом случае процесс обнаружения появления речевого сигнала продолжают по описанному алгоритму, а именно:

– смещают «скользящее окно» на величину шага смещения, значение которого определяют заранее,

– методом спектрального анализа определяют значения амплитуд, частот и фаз гармонических составляющих;

– рассчитывают значения отсчетов огибающей шума с использованием результатов спектрального анализа, который был проведен для предыдущего положения «скользящего окна» для моментов времени, в которые были взяты отсчеты для текущего положения «скользящего окна»;

– из последовательности отсчетов, которые были взяты для текущего положения «скользящего окна» вычитают рассчитанные значения отсчетов;

– полученные значения сравнивают с порогом, значение которого определяют заранее, если ни одно значение не превышает порог, то считают, что шум не изменился;

– смещают «скользящее окно» на величину шага смещения и описанную процедуру повторяют;

в противном случае с использованием значений, полученных путем вычитания из отсчетов, которые были взяты для текущего положения «скользящего окна» рассчитанных значений амплитуды шума, методом спектрального анализа определяют значения частот, фаз и амплитуд гармонических составляющих;

– определяют максимальное число составляющих, для которых разности значений фаз не превышают заданное значение, по алгоритму, который описан выше;

– рассчитывают отношение найденного максимального значения числа гармонических составляющих к общему числу составляющих, которые определены методом спектрального анализа;

– сравнивают найденное значение отношения максимального числа гармонических составляющих к общему числу составляющих с пороговым значением, значение которого определяют заранее;

– если рассчитанное значение отношения максимального числа гармонических составляющих к общему числу составляющих не превышает пороговое значение, то считают, что в «скользящем окне» речевой сигнал отсутствует, и процесс обнаружения появления речевого сигнала продолжают по описанному алгоритму до тех пор, когда при очередном смещении «скользящего окна» рассчитанное значение отношения максимального числа гармонических составляющих к общему числу составляющих превысит пороговое значение;

– в этом случае считают, что в «скользящем окне» речевой сигнал присутствует, время его появления устанавливают равным значению правой границы «скользящего окна», уменьшенного на заранее заданную величину.

Пороговые значения определяют на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз.

Оптимальное в среднем значение величины, на которую уменьшают значение правой границы «скользящего окна» не может быть получено аналитическим методом, поскольку в настоящее время отсутствуют аналитические выражения, связывающие данную величину и целевую функцию – эффективность решения задачи разделения речи и пауз.

Поэтому оптимальное в среднем значение величины, на которую уменьшают значение правой границы «скользящего окна» может быть определено на этапе разработки экспериментальным путем или методом математического моделирования исходя из условия обеспечения заданного уровня эффективности решения задачи разделения речи и пауз.

Далее приведены результаты моделирования процесса принятия решения о наличии речевого сигнала с использованием системы MATLAB.

Акустический шум при моделировании представлен в виде совокупности гармонических колебаний со случайными значениями амплитуд (U_pi) и фаз (ϕ_pi), которые распределены по нормальному (амплитуды) и равномерному (фазы) законам (см., например, учебное пособие «Основы теории радиотехнических систем». Учебное пособие. //В.И. Борисов, В.М. Зинчук, А.Е. Лимарев, Н.П. Мухин. Под ред. В.И. Борисова. Воронежский научно-исследовательский институт связи, 2004., стр. 51)

U=, (1)

где: ω_pi – частота i-ой составляющей шума;

φ_pi – фаза i-ой составляющей шума;

– амплитуда i-ой составляющей шума;

N_sp – число гармонических составляющих шума, используемых для ее представления.

Сигнал представлен в виде совокупности гармонических колебаний со случайными значениями амплитуд (U_si) и фаз (ϕ_si), которые распределены по нормальному (амплитуды) и равномерному (фазы) законам, причем начальные значения фаз для составляющих сигнала устанавливаются так, что для любой пары гармоник разность их фаз не превышает заранее заданную величину.

При моделировании использовались следующие исходные данные:

– число реализаций – 10⁶;

– длительность интервала, где присутствует только шум – 1000 мс;

– длительность «скользящего окна» – 15 мс;

– величина шага смещения «скользящего окна» – 5 мс.

Усреднение осуществлялось по числу реализаций.

В таблице 1 представлены результаты моделирования процесса определения значения вероятности принятия решения о появлении речевого сигнала при его отсутствии за одно смещение «скользящего окна» (Р_лт1).

Таблица 1

В таблице 1 использованы следующие обозначения:

N_по – пороговое значение отношения максимального числа гармонических составляющих к общему числу составляющих;

R_ф – величина разности фаз, которую не должны превышать разности фаз гармонических составляющих, в процентах от величины диапазона изменения фаз.

Вероятность принятия решения о появлении речевого сигнала при его отсутствии за 200 шагов смещения «скользящего окна» рассчитана по формуле (при величине шага смещения «скользящего окна» 5 мс общая длительность двухсот шагов составляет 1 с)

Р_лт=1-(1- Р_лт1)²⁰⁰, (2)

где Р_лт1 – вероятность принятия решения о появлении речевого сигнала при его отсутствии за одно смещение «скользящего окна».

Результаты расчета значения вероятности принятия решения о появлении речевого сигнала при его отсутствии за 200 шагов смещения «скользящего окна» представлены в таблице 2.

Таблица 2

В таблице 2 использованы те же обозначения, что и в таблице 1.

Из анализа данных, приведенных в таблице 2, следует, что при величине разности фаз, которую не должны превышать разности фаз гармонических составляющих 10% от диапазона изменения фазы, и пороговым значением отношения максимального числа гармонических составляющих к общему числу составляющих равным 0,8, вероятность ложной тревоги не превышает 4⋅10^-4 для любого числа гармонических составляющих шума за время анализа равного 1 секунде.

Поскольку при моделировании начальные значения фаз для составляющих сигнала устанавливают так, что разность их фаз не превышает заранее заданную величину, в данном случае 10% от диапазона изменения фазы, то значение вероятности правильного принятия решения о появлении речевого сигнала при его наличии равна 1.

Поиск оптимального значения величины, на которую уменьшают значение правой границы «скользящего окна», при расчете времени возникновения речевого сигнала, при принятии решения о его наличии, осуществлялся методом прямого перебора. При этом начальное значение величины, на которую уменьшают значение правой границы «скользящего окна», установлено равным нулю, шаг изменения данной величины установлен равным 1 мс.

При проведении оптимизационной процедуры считалось, что положение «скользящего окна» относительно момента появления речевого сигнала, случайно, закон распределения данной случайной величины – равномерный.

По результатам проведения оптимизационной процедуры получено, что при величине шага смещения «скользящего окна» – 5 мс, значение величины, на которую уменьшают значение правой границы «скользящего окна», близкое к оптимальному, составляет 8 мс, при этом средняя ошибка определения времени появления речевого сигнала составляет около ±2,5 мс.

Структурная схема устройства, реализующего предлагаемый способ, приведена на фиг. 2, где обозначено:

1 – электроакустическое устройство (ЭАУ);

2 – фильтр нижних частот (ФНЧ);

3 – усилитель низкой частоты (УНЧ);

4 – аналого-цифровой преобразователь (АЦП);

5 – вычислительное устройство (ВУ).

Устройство содержит последовательно соединенные ЭАУ 1, ФНЧ 2, УНЧ 3, АЦП 4, ВУ 5, выход которого является выходом заявляемого устройства, вход ЭАУ 1 является входом устройства.

Устройство работает следующим образом.

Шум или аддитивную смесь сигнала и шума, которые поступают с выхода ЭАУ 1, фильтруют ФНЧ 2, полоса которого согласована с полосой речевого сигнала, затем шум или аддитивную смесь сигнала и шума усиливают в УНЧ 3 и подают на вход АЦП 4. Отсчеты шума или смеси сигнала и шума, которые формируют в АЦП 4, в цифровом виде поступают на вход ВУ 5.

В ВУ 5, поступившие отсчеты шума или смеси сигнала и шума обрабатывают по алгоритму, приведенному выше.

Результат обработки – решение в цифровом виде о наличии или отсутствии речевого сигнала, например:

1 – сигнал присутствует;

0 –сигнал отсутствует.

На выход устройства поступает также значение времени появления речевого сигнала, в случае, когда принимают решение о наличии речевого сигнала. Методика определения времени появления речевого сигнала приведена выше.

Результаты моделирования процесса обнаружения речевого сигнала и определения точности положения речевого сигнала в зависимости от числа частотных составляющих шума, порогового значения отношения максимального числа гармонических составляющих к общему числу составляющих и величины разности фаз, которую не должны превышать разности фаз гармонических составляющих, приведены в таблицах 1 и 2 соответственно.

В качестве ЭАУ 1 могут использоваться, например, микрофоны или ларингофоны.

УНЧ 3 может быть реализован, например, на микросхеме OP467GS фирмы Analog Devices.

АЦП 4 может быть реализован, например, на микросхеме ADS8422 фирмы Texas Instruments.

Вычислительное устройство 5 может быть выполнено в виде программируемой логической интегральной схемы (ПЛИС), и реализовано, например, на микросхеме XC2V3000-6FG676I фирмы Xilinx.

Таким образом, заявляемый способ может быть реализован описанным устройством и позволяет с высокой эффективностью решить задачу разделения речи и пауз путем сравнения с пороговым значением рассчитанного значения отношения максимального числа гармонических составляющих сигнала или шума, для которых разности значений фаз не превышают заданное значение, и общего числа составляющих сигнала или шума.