专利名称：用于分离信号路径的方法及用于改善电子喉语音的应用的制作方法
技术领域：
本发明涉及一种用于提高电子喉(EL)说话者的语音质量的方法，其中说话者的语音信号通过适当的手段被数字化。在这里，适当的手段例如是具有相应模数转换器的传声器、电话或者利用电子设备的其他方法。
背景技术：
EL是一种用于例如为手术摘除了喉头的患者形成人造的替代声音的设备。其中 EL放置在下颚的底侧；具有特定频率的声音发生器使口腔中的空气经由软组织在下颚的底侧振动。然后，这个振动被说话器官调制，从而说话成为了可能。因为声音发生器大多以一频率工作，所以声音听起来单调不自然或者“机械”。此外缺点还在于EL的振动干扰语音感知或甚至盖过语音感知，因为一部分声波在口腔中发音。直接由设备或在喉咙会合点处出现的分量叠加到被发音的部分，并且降低了清晰度。尤其是对于在喉咙区域中受到过放射线疗法、因此组织结构僵化的说话者是这样的情况。因此开发了不同的应当相对于干扰信号(即直达声波或未调制的EL振动)放大有效信号(即被发音的振动)的方法。其中这些方法大多在以下情形中使用听者不是直接接受所发射的声音，而是使用电子装置，例如在打电话时、在录音时或一般性地在通过传声器和放大器说话时。在US6359988B1中，EL声音信号经过对数倒频谱分析并且与正常说话者的语音叠加，由此可以使以EL发声的音调变化更自然；同时，由此还抑制了信号中发射的直达声波的分量。该方案的缺点主要在于对于EL说话者的每个发音，同时需要健康的(即在没有 EL发音的情况下)说话者的相同发音，这实际上几乎不能实现。US6975984B2展示了另一方案，其中介绍了用于改善电话通信中EL语音信号的方案。其中，在数字信号处理器中处理语音信号，使得EL嗡嗡的基本噪声被识别出并且从语音信号中去除。为此，语音信号被划分为有声分量和无声分量，并且被分开地处理。有声部分被分块地傅立叶变换、频率过滤(基频和谐波被进一步使用)、逆变换并且然后从整个原始信号中减去。原始信号的无声分量剩下。替代地，也可以通过低通滤波器过滤有声分量， 在识别到说话间隔的情况下完全滤出有声分量并且然后叠加无声分量。Carol Y. Espy-Wilson 等人的文献"Enhancement of Electrolaryngeal Speech by Adaptive Filtering” (JSLHR，41 :1253-1264，1988)介绍了一种提高 EL 说话者语音质量的方法。其中，EL的基本噪声借助于自适应滤波而适配于被EL基本噪声干扰的语音信号 (或发音为语言的EL基本噪声)；在另一步骤中，这些信号被相互提取。误差信号剩下，该误差信号用于控制和适配过滤参数以便使该误差信号最小化。在该方法中的误差信号是从 EL基本噪声释放的语音信号。其中假设虽然语音信号中的干扰信号与EL基本噪声相关，但是感兴趣的语音信号与其他信号无关，那么产生干扰的基本噪声和语音信号源自不同的来源。Hanjun Liu 等人白勺文献"Enhancement of Electrolarynx Speech Based onAuditory Masking，， (IEEE Transactions on Biomedical Engineering,53(3) :865-874, 2006)介绍了尤其是相对于环境嘈杂对EL发音进行信号改善的减法算法。与预先规定减法参数的其他方法不同，在该算法中，减法参数基于听觉掩蔽在频率范围中适配。其中源自于语音和背景噪声是不相关的，并且因此背景噪声可以被评估并且可以在频率范围中从信号中提取。这些方案公共地是使用基于模型的方法，即语音与干扰信号(例如环境噪声，但是还有EL的基本噪声)在统计上是无关的或不相关的。由于这些假设，所述方法以开销非常大的方式实现。如果试图以(自适应的)陷波滤波器抑制直达声波，由此还降低了语音信号的质量，该语音信号于是听起来如耳语一样； 语音信号和干扰噪声处于相同谐波中。US2005/0004604A1介绍了一种喉方案，其中发声器和传声器直接放置在使用者的嘴前，发声器发出音强很小的声音，并且用于进一步处理的信号通过传声器被接收。在进一步处理中，信号基本上被以梳形滤波器滤波，以便减小或去除信号的谐波。但是，语音信号的质量也强烈地受到损害。W02006/099670A1中介绍了一种监视呼吸道的设备，其中可听频率范围中的声波被引入到对象的呼吸道中，并且根据反射或处理后的声波确定呼吸道的状态。因此例如可以检测呼吸道的移位。在该发明的一变体方案中，借助于FFT(快速傅立叶变化)检查超过特定阈值，由此推断所测量的信号的处理。
发明内容
本发明的一个任务是克服现有技术的上述缺点以及提高在使用电子装置(例如传声器)的情况下EL使用者的语音质量。根据本发明，该任务以开头提到的类型的一种方法通过以下步骤来实现a)通过从时域转换为离散频域，将单通道语音信号划分为一系列频道，b)在每个频道中借助于高通滤波器或陷波滤波器滤出EL的调制频率，和c)将滤波后的语音信号从频域反变换到时域中，并且组合为一个单通道的输出信号。本发明利用EL应用的一种改进的模型，由此，被发音为语音信号的EL基本噪声以及EL的干扰语音信号感知的未改变的分量来自共同的源，即EL。因为EL的产生干扰的未发音的基本噪声在调制区域中能被识别为不随时间变化的信号，所以可以通过适当的方式容易地滤出。也就是说，不是由信号源、而是由传播路径(一个通过说话者的说话器官的传播路径，另一个从说话者喉咙处使用位置直接到听者耳朵或者到传声器或记录装置的传播路径)来进行分离。本领域技术人员已知多种可能性来将数字化的单通道信号转换到频域中并因此划分为一系列频道。在每个频道中，EL的调制频率通过适当的滤波器(例如应用于数值的高通滤波器或陷波滤波器)而被抑制，并且因此被发音的信号分量的质量被改善。现有技术中类似的方法将发音的分量以及未改变的分量看作为来自不同的源，并且选择对应于该模型的方式，例如借助于带通滤波器进行滤波，带通滤波器于是显然也使语音信号衰减。
根据本发明的方法因此设计为提高EL使用者的语音的可理解性或使信号更适度和“人性”。目的是减少或消除在经由电子手段(例如电话)进行交流时来自EL的直达声波。根据本发明的方法的实现例如可以通过软件插件作为硬布线方案或者也作为模拟电路来进行。从多种已知的用于将信号转换到频域中或进行相反转换的方法中，根据本发明的方法的步骤a)中转换有利地借助于傅立叶变换进行，步骤c)中的反变换有利地借助于傅立叶逆变换进行。转换分块地(例如20ms的块)以短的间隔(例如每IOms进行刷新)地进行。在将信号转换到频域中时，将信号划分为一系列频道。在本发明的一种变体方案中，步骤a)中语音信号的转换以及步骤c)中的反变换以相应的滤波器组进行。如果在步骤b)中的滤波之前进行信号压缩并且在步骤b)之后进行解压缩，则根据本发明的方法的结果可以进一步改善。通过压缩可以防止对于高振幅其改变占主导地位使得小振幅的改变不被考虑。因此，通过压缩，相对改变对于滤波器而言可见性更好。在根据本发明的另一实施方式中，在步骤C)中的反变换之前进行对负的信号分量的检波。
下面借助于附图中所示的非限制性的实施例纤细描述本发明。附图中图1示意性地示出了 EL使用的一种简化表示以及产生的信号路径；图2示意性地示出了根据本发明的方法能应用于的情形的一种简化表示；以及图3示意性地示出了根据本发明的方法的框图。
具体实施例方式在图1中示出了 EL 1的信号的不同传输路径。其中，EL 1设置在说话者2的喉咙上。由EL 1产生的声波一方面传播通过第一说话者2的正常说话通道(嘴和鼻)，并且在那里被发音为语音；这个第一信号3是显著变化的或随时间变化的。在听者4的耳朵处， 除了这个随时间变化的信号3之外还有EL 1的直达声波形式的第二信号6 (在图1中以虚线示出)，这个信号4很大程度上是不变的并且因此认为是不随时间变化的。总信号的第二部分6(即EL 1的基本噪声)被听者4感知为干扰信号，并且降低了说话者2的语音的清晰度。因此，借助于EL 1进行的原始激发经由两个不同的路径被传输。当然本发明涉及在使用电子装置的情况下而不是对于听者提高EL说话者的语音质量，因此信号例如以传声器被接收。但是为了说明初始状态，处于更清楚地原因选择这个一般性的模型。图2示出了根据本发明的用于抑制进行干扰的第二信号6(参见图1)的方法应用于的情形的一种简化模型图示。能清楚地看出，根据本发明的方法不涉及信号源的分离，而是传播路径的分离。信号源7的源信号X(W)经由两个不同的信号路径传播。在第一信号路径中，输出信号被随时间变化的滤波器H(w，t)调制为随时间变化的信号X(w)H(w，t)。在第二信号路径中，输出信号只被不随时间变化的滤波器F (w)改变为信号X(W)F(W)。这两个路径的信号然后在接收者8 (例如听者的耳朵、传声器等)中相加为供测量的信号S(w，t)。该信号于是由分量的加和构成，S(w，t) =x(w)H(w, t)+χ(w)F(w)0现在，不随时间变化的信号路径的信号分量和随时间变化的信号路径的信号分量可以被分离，其中随时间变化所有信号分量或随时间变化保持不变的所有信号分量被衰减。因此例如只获得随时间变化的分量Sl (w，t) X(w)H(w，t)作为结果。在用于利用EL的语音的情况下，未发音的信号分量χ (w) F (w)(即EL的基本噪声) 叠加到随时间变化的语音信号X(w)H(w，t)，并且由此导致语音信号的可理解性损失。通过将随时间变化的信号分量与不随时间变化的信号分量分开，语音可理解性被改善。图3示出了根据本发明的方法的一种可能转化。其中，在输入端是具有EL的说话者的任意数字语音信号9。在第一步骤10中，利用短期傅立叶变换，语音信号9被分块地变换到频域中，并且因此被划分为一系列频道。本领域技术人员在这里可以从建立的各种用于见信号从时域变换到频域中的方法中进行选择；除了傅立叶变换之外，例如还可以使用离散余弦变换，但是对于根据本发明的应用的前提是该变换是可逆的。信号以特定的刷新速率(例如IOms)被划分为例如20ms长的块，这些块分别展开到一系列频道11中。原始的单通道语音信号9因此被分为多个随着时间变化的频率范围。频率信号是复数的，但是在后面只有绝对值被改变，相位15保持不变。在步骤10中，也可以使用滤波器组，其中信号的采样率在滤波器组之后被减小。 其中，采样率的减小对应于在应用傅立叶变化的情况下的分块。在另一功能框12中，现在每个频道11被滤波，例如利用高通或陷波滤波器。这个滤波使得能够滤出特定的频率，在声学技术中，利用陷波滤波器消除窄带干扰。因为EL在特定频率上振荡(例如100Hz)，所以在频域振幅中在IOOHz通道中以调制频率OHz产生不被说话者的说话器官改变的干扰信号，即EL信号的振幅不变。干扰信号的特征在于其完全不随时间变化。为了过滤EL的基本噪声，使用陷波滤波器或高通滤波器。其中，EL的调制频率用作为高通滤波器的极限频率；陷波滤波器被选择为使得其正好在调制频率闭锁EL。在实际转化中，由于反射、折射、环境噪声以及EL的构造必要性，当然不能实现完美的随时间的恒定性。但是因为滤波器也不限制到仅仅一个频率，而是覆盖一定频率范围， 在本情形下是调制频率范围，所以确保了根据本发明的方法的功能。在最后的功能框13中进行信号到时域的反变换，例如借助于傅立叶逆变换，并且例如借助于交迭相加将频道11组合回为一个通道。其中，交迭相加法是数字信号处理中本领域技术人员已知的一种方法。结果是单通道的输出信号14，其中EL的干扰信号被滤出或者至少被衰减。输出信号然后可以被进一步处理。在步骤10中使用滤波器组的情况下，信号的采样率在步骤12中的滤波之后又被提高，然后如所述的那样继续处理。基本上，这些实施方式只表示了根据本发明的方法的最重要的部分；在框12中的滤波之前可以压缩信号，在滤波之后可以进行解压缩。在反变化到时域中之前还进行检波可以是有利的，因为在处理中可能产生不允许的负值。本发明例如可以用作为用于打电话的附件。对于传统的模拟电话机，该附件可以容易地集成到听筒中。对于集成有数字信号处理器的电话机，本发明的集成可以通过软件插件来实现。也可以在硬布线方案的情况下(例如也在模拟电路中)实现。根据本发明的方法在使用EL的情况下也可以使用，其中可以在两个或更多个频率之间可以来回转换，以便为语音提供更真实的声音。这不仅适用于离散的跳频，而且适用于基频的连续变化，假设进行切换的频率位于基本信号被划分到的频带内的话。其中，调制频率滤波器的宽度确定频率可以多快地变化。对于非常缓慢的连续变化，频率在抑制生效的情况下在该频带的整个范围上变化，起决定作用的不是大小，而是改变的速度。在对应于快速变化的EL接通和关断时，抑制只有在几毫秒之后才发生，取决于陷波滤波器被选择为多宽或高通滤波器的基频位于哪里。其中当然，基频的变化不允许过大。为了确保根据本发明的功能，例如信号被划分到的频带必须被扩展，或者借助于高通滤波器进行的滤波必须设置在更高的频率。
权利要求
1.一种用于提高电子喉(EL)说话者的语音质量的方法，所述说话者的语音信号通过适当的装置被数字化，其特征在于包括以下步骤a)通过从时域转换为离散频域，将单通道语音信号划分为一系列频道，b)在每个频道中借助于高通滤波器或陷波滤波器滤出所述电子喉的调制频率，和c)将滤波后的语音信号从频域反变换到时域中，并且组合为一个单通道的输出信号。
2.如权利要求1所述的方法，其特征在于，步骤a)中语音信号的转换借助于傅立叶变化进行，步骤c)中的反变换借助于傅立叶逆变换进行。
3.如权利要求1所述的方法，其特征在于，步骤a)中语音信号的转换和步骤c)中频道的组合由滤波器组进行。
4.如权利要求1至3之一所述的方法，其特征在于，在步骤b)中的滤波之前进行信号压缩，在步骤b)之后进行解压缩。
5.如权利要求1至4之一所述的方法，其特征在于，在步骤c)中反变换之前，对负的信号分量进行检波。
全文摘要
为了提高电子喉(EL)说话者的语音质量，该说话者的语音信号通过适当的装置被数字化，执行以下步骤a)通过从时域转换为离散频域将单通道语音信号划分为一系列频道，b)在每个频道中借助高通滤波器或陷波滤波器滤出EL的调制频率，和c)将滤波后的语音信号从频域反变换到时域中并且组合为一个单通道的输出信号。
文档编号G10L21/02GK102341853SQ201080010113
公开日2012年2月1日 申请日期2010年2月1日 优先权日2009年2月4日
发明者G·库宾, M·哈格姆勒 申请人:海莫梅德海因泽有限及两合公司