Sprachverarbeitungsvorrichtung und Mobilfunkendgerät

Beschreibung

[0001] Die Erfindung betrifft ein Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung.

[0002] Auf dem Gebiet der Sprachverarbeitung sind häufig in zu verarbeitenden Sprachsignalen Rauschsignalanteile enthalten, was zur Verringerung der Sprachqualität und damit insbesondere zu einer verschlechterten Sprachverständlichkeit führt. Dieses Problem tritt beispielsweise bei Mobilfunkendgeräten auf, die in Kraftfahrzeugen verwendet werden und eine Freisprecheinrichtung aufweisen. Sprachsignale, die von im Kraftfahrzeug angeordneten Mikrophonen der Freisprecheinrichtung empfangen werden, enthalten einerseits Sprachsignalanteile, die vom jeweiligen Benutzer (Sprachquelle) des Mobilfunkendgerätes innerhalb des Kraftfahrzeuges erzeugt werden, und andererseits Rauschsignalanteile, die aus sonstigen Umgebungsgeräuschen und während einer Fahrt im wesentlichen aus Motor- und Fahrgeräuschen bestehen.

[0003] Aus "IEEE Transactions on Acoustics, Speech, and Signal Processing, VOL. ASSP-29, No. 3, June 1981, pp. 582-587" ist eine Anordnung zur adaptiven Schätzung von Zeitverzögerungen von zwei stark korrelierten Signalen in digitalen Systemen beschrieben. Eines der beiden Signale wird von einem steuerbaren Verzögerungsglied verzögert. Die Verzögerungswerte des Verzögerungsgliedes werden adaptiv an die korrelierten Signale angepaßt. Die Bestimmung der Verzögerungswerte erfolgt mit Hilfe eines Algorithmus, der mittlerweile von der Fachwelt als LMS-Algorithmus (Least Mean Square) bezeichnet wird. Dieser Algorithmus beruht auf der Minimierung der Leistung bzw. des Quadrates von Fehlerwerten, die sich durch Bildung der Differenz von dem verzögerten und dem nicht verzögerten Signal ergeben. Kern des LMS-Algorithmus ist die rekursive Berechnung der Verzögerungswerte mit Hilfe von Schätzwerten für den Gradienten der Leistung der Fehlerwerte.

[0004] Im oben zitierten Stand der Technik wird zur Bildung der Fehlerwerte jeweils die Differenz zweier Abtastwerte von zwei gegeneinander zeitversetzten Signalen gebildet, wobei eines der Signale verzögert wird. Der entsprechende Verzögerungswert ist auf ein ganzzahliges Vielfaches eines Abtastintervalls der Signale gerundet. Dabei treten Konvergenzprobleme derart auf, daß beim Erreichen sehr kleiner Fehlerwerte starke Oszillationen der gerundeten Verzögerungswerte auftreten. Die Verzögerungswerte oszillieren dabei zwischen zwei gerundeten Verzögerungswerten im Abstand eines Abtastintervalls.

[0005] Der Erfindung liegt die Aufgabe zugrunde, die Sprachqualität der zu verarbeitenden Sprachsignale zu verbessern und Konvergenzprobleme zu verringern.

[0006] Die Aufgabe wird dadurch gelöst, daß die Sprachverarbeitungsvorrichtung zur Verarbeitung eines ersten und mindestens eines weiteren aus Rausch- und Sprachsignalanteilen bestehenden und als Abtastwerte vorliegenden Sprachsignals vorgesehen ist, daß Verzögerungsmittel zur Verzögerung des abgetasteten weiteren Sprachsignals vorgesehen sind, daß Steuermittel

• zur Bildung von Gradientenschätzwerten durch Multiplikation von Fehlerwerten für zwei Sprachsignale mit den Ausgangswerten eines Digitalfilters, das eine Phasenverschiebung von 90 Grad bewirkt und zur Filterung eines der zwei Sprachsignale dient,
• zur rekursiven Ermittlung von Verzögerungsschätzwerten aus den Gradientenschätzwerten, wobei aus den Verzögerungsschätzwerten durch Rundung die Verzögerungswerte gebildet werden, die zur Einstellung der Verzögerungsmittel dienen und
• zur Bildung jeweils wenigstens eines Fehlerwertes für einen bestimmten Abtastzeitpunkt aus der Differenz zwischen einem Sprachsignalschätzwert, der zur Abschätzung des weiteren Sprachsignals zu einem gegenüber dem bestimmten Abtastzeitpunkt um den Verzögerungsschätzwert verschobenen Zeitpunkt dient und durch Interpolation von Abtastwerten des weiteren Sprachsignals gebildet wird, und dem Abtastwert eines anderen der zu verarbeitenden Sprachsignale zu dem bestimmten Abtastzeitpunkt

vorgesehen sind und daß eine Addiervorrichtung zum Addieren der gegeneinander zeitversetzten Sprachsignale vorgesehen ist.

[0007] Die Gradientenschätzwerte dienen zur Abschätzung des jeweiligen Gradienten der Leistung der Fehlerwerte oder anders ausgedrückt der quadrierten Fehlerwerte. Die Steuermittel bestimmen die Verzögerungsschätzwerte derart, daß die Leistung der Fehlerwerte verringert wird. Dabei wird die Konvergenz der aus den Verzögerungsschätzwerten ermittelten Verzögerungswerte erheblich verbessert, da die Verzögerungsschätzwerte gegenüber den Verzögerungswerten aufgrund der Rundung eine höhere Auflösung aufweisen. Oszillationen der Verzögerungswerte werden so im wesentlichen vermieden. Die Auflösung der Verzögerungswerte ist gegenüber der Auflösung der Verzögerungsschätzwerte geringer gewählt, um den technischen Aufwand beim Verzögern der Sprachsignale möglichst gering zu halten. Das Signal-/ Rauschleistungsverhältnis und die Sprachqualität eines am Ausgang der Addiervorrichtung anliegenden Summensignals sind gegenüber dem Signal-/ Rauschleistungsverhältnis und der Sprachqualität der einzelnen Sprachsignale verbessert.

[0008] In einer Ausgestaltung der Erfindung ist das Digitalfilter ein digitaler Hilbert-Transformator.

[0009] Ein digitaler Hilbert-Transformator, der eine Phasenverschiebung von 90 Grad für alle Frequenzen bewirkt, besitzt betragsmäßig die Übertragungsfunktion eines Tiefpasses, so daß insbesondere für die tiefen und für ein Sprachsignal wesentlichen Frequenzen die gerundeten Verzögerungswerte gut konvergieren. Der Hilbert-Transformator kann beispielsweise auch durch einen Differenzierer ersetzt werden, der ebenfalls eine Phasenverschiebung von 90 Grad bewirkt. Allerdings hat ein Differenzierer betragsmäßig eine linear ansteigende Übertragungsfunktion, so daß insbesondere die tiefen Frequenzen eines Sprachsignals unterdrückt werden, so daß sich keine so gute Konvergenz wie bei einem Hilbert-Transformator ergibt.

[0010] In einer anderen Ausgestaltung sind Mittel zur Glättung der Gradientenschätzwerte vorgesehen.

[0011] Damit ergibt sich eine verbesserte Schätzung der Verzögerungsschätzwerte.

[0012] In einer weiteren Ausgestaltung ist die Sprachverarbeitungsvorrichtung zur Verarbeitung von drei Sprachsignalen vorgesehen.

[0013] Gegenüber einer Sprachverarbeitungsvorrichtung zur Verarbeitung von nur zwei Sprachsignalen läßt sich auf diese Weise das Signal-/ Rauschleistungsverhältnis und die Sprachqualität des am Ausgang der Addiervorrichtung anliegenden Summensignals verbessern.

[0014] Die Erfindung kann weiterhin dadurch ausgestaltet werden, daß zur Ermittlung eines Verzögerungsschätzwertes für das weitere Sprachsignal die Verwendung einer Linearkombination von Fehlerwerten vorgesehen ist.

[0015] Auf diese Weise wird die Stabilität der Sprachverarbeitungvorrichtung erhöht.

[0016] Für eine andere Ausgestaltung der Erfindung sind Verzögerungsmittel zur Verzögerung des ersten Sprachsignals mit einer festen Verzögerungszeit vorgesehen.

[0017] Ohne die eine feste Verzögerung bewirkenden Verzögerungsmittel sind nur Zeitversätze zwischen dem erstem und dem/den weiteren Sprachsignal(en) einstellbar, mit denen ein Vorlaufen des ersten Sprachsignals bewirkt wird. Je nach Position einer die Sprachsignalanteile erzeugenden Sprachquelle gegenüber Mikrophonen der Sprachverarbeitungsvorrichtung, die zur Umwandlung der von der Sprachquelle erzeugten akustischen Sprachsignale in elektrische Sprachsignale dienen, muß allerdings auch ein Nacheilen des ersten Sprachsignal einstellbar sein, was mit Hilfe dieser Ausgestaltung auf einfache Weise realisierbar ist.

[0018] Zur weiteren Ausgestaltung der Erfindung ist die Sprachverarbeitungsvorrichtung in eine Freisprecheinrichtung integriert.

[0019] Insbesondere bei Freisprecheinrichtungen besteht das Problem, daß empfangene Sprachsignale störende Rauschsignalanteile aufweisen, die das Signal-/ Rauschleistungsverhältnis und die Sprachqualität der Sprachsignale verschlechtern. Gerade bei Mobilfunkendgeräten tritt dieses Problem auf, wenn diese in einer stark verrauschten Umgebung eingesetzt werden, wie z.B. in einem Automobil. Die Verwendung der beschriebenen Erfindung bewirkt deshalb gerade beim Einsatz in Freisprecheinrichtungen eine verbesserte Kommunikation zwischen den Gesprächsteilnehmern.

[0020] Ausführungsbeispiele werden nachstehend anhand der Zeichnungen näher erläutert.

[0021] Es zeigen:

Fig. 1

eine Sprachverarbeitungsvorrichtung für zwei Sprachsignale,

Fig. 2

eine Steuervorrichtung zur Einstellung eines Zeitversatzes zwischen den beiden Sprachsignalen nach Fig. 1,

Fig. 3

eine Sprachverarbeitungsvorrichtung für drei Sprachsignale,

Fig. 4 und 5

Blockschaltbilder mit Steuervorrichtungen zur Einstellung von Zeitversätzen zwischen den drei Sprachsignalen nach Fig. 3,

Fig. 6 und 7

ein Blockschaltbild und ein Flußdiagramm zur Bestimmung des Signal-/ Rauschleistungsverhältnisses eines Sprachsignals,

Fig. 8

eine Einteilung von geglätteten Leistungswerten eines Sprachsignals in Gruppen und Untergruppen und

Fig. 9

ein Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung nach Fig. 1 bis 8.

[0022] Die in Fig. 1 dargestellte Sprachverarbeitungsvorrichtung enthält zwei Mikrophone M1 und M2. Diese dienen zur Umwandlung von akustischen in elektrische Sprachsignale, die sich aus Sprach- und Rauschsignalanteilen zusammensetzen. Die Sprachsignalanteile stammen von einer einzelnen Sprachquelle (Sprecher), die im Regelfall unterschiedliche Abstände zu den beiden Mikrophonen Ml und M2 aufweist. Die Sprachsignalanteile sind somit in hohem Maße korreliert. Die Rauschsignalanteile der beiden von den Mikrophonen M1 und M2 empfangenen Sprachsignale sind nicht von der einzelnen Sprachquelle erzeugte Umgebungsgeräusche, die bei geeigneten Mikrophonabständen im Bereich von 10 bis 60 cm als unkorreliert oder nur wenig korreliert vorausgesetzt werden können, wenn sich die Mikrophone in einer sogenannten verhallten Umgebung wie beispielsweise im Auto oder in einem Büro befinden. Befinden sich Sprachquelle und Sprachverarbeitungsvorrichtung beispielsweise in einem Kraftfahrzeug, werden die Rauschsignalanteile insbesondere durch Motor- und Fahrgeräusche verursacht.

[0023] Die von den Mikrophonen M1 und M2 erzeugten Mikrophonsignale werden von Analog-Digitalumsetzern 1 und 2 digitalisiert. Die sich ergebenden digitalisierten und damit als Abtastwerte x1(i) und x2(i) vorliegenden Mikrophonsignale werden von einer Steuervorrichtung 3 ausgewertet, die zur Steuerung und Einstellung eines Verzögerungsgliedes 4 dient. Die abgetasteten Mikrophonsignale x1(i) und x2(i) werden im folgenden abgekürzt als Mikrophon- oder Sprachsignale bezeichnet. Das Verzögerungsglied 4 verzögert das Mikrophonsignal x1 mit durch die Steuervorrichtung 3 einstellbaren Verzögerungswerten T1. Eine Addiervorrichtung 5 addiert das vom Verzögerungsglied 4 verzögerte Mikrophonsignal x1(i) und das von einem Verzögerungsglied 16 mit einer konstanten Zeitverzögerung T_max verzögerte Mikrophonsignal x2(i). Das Verzögerungsglied 16 ist vorgesehen, um sowohl ein Vorlaufen als auch ein Nacheilen des Mikrophonsignals x1(i) gegenüber dem Mikrophonsignal x2(i) einstellen zu können. Ein am Ausgang der Addiervorrichtung 5 anliegendes Summensignal X(i) ist ein abgetastes Sprachsignal, dessen Signal-/ Rauschleistungsverhältnis gegenüber den Signal-/ Rauschleistungsverhältnissen der Sprachsignale x1(i) und x2(i) erhöht ist. Durch eine geeignete Einstellung der Verzögerungszeit T1 des Verzögerungsglieds 4 wird bei der Addition durch die Addiervorrichtung 5 eine Verstärkung der Leistung der Sprachsignalanteile der beiden Sprachsignale x1(i) und x2(i) ungefähr um den Faktor 4 und eine Verstärkung der Leistung der Rauschsignalanteile nur ungefähr um den Faktor 2 bewirkt. Damit ergibt sich eine Verbesserung des leistungsbezogenen Signal-/ Rauschleistungsverhältnisses von ungefähr 3 dB.

[0024] In Fig. 2 wird die Funktionsweise der Steuerungvorrichtung 3 anhand eines Blockschaltbildes näher erläutert. Aus dem Sprachsignal x2(i) und Sprachsignalschätzwerten x1_int(i) ergeben sich Fehlerwerte e₁₂(i) durch Differenzbildung nach

[0025] Die Sprachsignalschätzwerte x1_int(i) sind Werte, die sich aus einer Interpolation von Abtastwerten des Sprachsignals x1(i) ergeben. Die Bestimmung der Sprachsignalschätzwerte x1_int(i) wird später erläutert. i ist eine Variable, die ganzzahlige Werte annehmen kann und mit der einerseits Abtastzeitpunkte der Sprachsignale x1(i) und x2(i) und andererseits auch Programmzyklen der programmierbaren und Steuermittel aufweisenden Steuervorrichtung 3 indiziert werden, wobei in einem Programmzyklus jeweils ein neuer Abtastwert per Sprachsignal verarbeitet wird.

[0026] Ein digitales Filter 6 führt eine Hilbert-Transformation der Abtastwerte x2(i) durch:

[0027] Das die Werte x2_H(i) von x2(i) liefernde Digitalfilter 6 ist ein FIR-Filter der Ordnung K, das Koeffizienten h(0), h(1), ..., h(K) aufweist. Im vorliegenden Ausführungsbeispiel ist K gleich sechzehn, so daß das Digitalfilter 6 siebzehn Koeffizienten aufweist. Das Digitalfilter 6 besitzt dem Betrage nach die Übertragungsfunktion eines Tiefpasses. Es erzeugt weiterhin eine Phasenverschiebung von 90 Grad. Die feste Phasenverschiebung von 90 Grad ist die entscheidende Eigenschaft des Digitalfilters 6, der Verlauf des Betrages der Übertragungsfunktion ist für das Funktionieren der Sprachverarbeitungsvorrichtung nicht entscheidend. So kann das Digitalfilter 6 auch mit Hilfe eines Differenzierers realisiert werden, was allerdings zu einer Unterdrückung von niederfrequenten Anteilen von x2(i) und damit zu einer verringerten Leistungfähigkeit der Sprachverarbeitungsvorrichtung führen würde.

[0028] Die Ausgangswerte x2_H(i) werden mit den Fehlerwerten e₁₂(i) und dem Kehrwert 1/P_x2(i) einer Kurzzeitleistung P_x2(i) multipliziert, wobei die Kurzzeitleistung P_x2(i) nach

gebildet wird. N gibt die Anzahl der in die Berechnung eingehenden Abtastwerte von x2 an. N ist beispielsweise gleich 65. Die Multiplikation mit 1/P_x2(i) dient zur Vermeidung von Instabilitäten in der Steuervorrichtung 3 beim Steuern des Verzögerungsgliedes 4. Damit ergibt sich durch

ein auf die Kurzzeitleistung P_x2(i) normierter geschätzter Gradient grad(i) der Quadrate bzw. der Leistung der Fehlerwerte e₁₂(i) im Programmzyklus i.

[0029] Ein Funktionsblock 7 bildet fortlaufend aus den Abtastwerten des Sprachsignals x2(i) Schätzwerte SNR(i) des zugehörigen Signal-/ Rauschleistungsverhältnisses, die von einem Funktionsblock 8 ausgewertet werden. Auch eine Auswertung des Sprachsignals x1(i) anstelle des Sprachsignals x2(i) ist möglich, ohne daß die Funktionsfähigkeit der Sprachverarbeitungsvorrichtung eingeschränkt wird. Die Funktionsweise des Funktionsblockes 7 wird später anhand der Figuren 6 bis 8 näher erläutert. Der Funktionsblock 8 führt eine Schwellwertentscheidung bezüglich der Schätzwerte SNR(i) durch. Nur wenn die Schätzwerte SNR(i) über einer vorgebbaren Schwelle liegen, wird ein Zwischenspeicher 9 mit dem neu bestimmten Gradientenschätzwert grad(i) überschrieben. Dieser Fall wird durch die geschlossene Stellung eines Schalters 11 symbolisiert, der von dem Funktionsblock 8 gesteuert wird. Der Speicherinhalt (grad(i)) des Zwischenspeichers 9 wird von einer Funktionseinheit 10 weiterverarbeitet. Für den Fall, daß ein Schätzwert SNR(i) unterhalb des vorgebbaren Schwellwerts liegt, wird der Zwischenspeicher 9 nicht mit dem neu ermittelten Gradientenschätzwert grad(i) überschrieben und er behält seinen alten Speicherinhalt bei, was durch die geöffnete Stellung des Schalters 11 symbolisiert wird. Die vorgebbare Schwelle, von der das Öffnen und Schließen des Schalters 11 durch den Funktionsblock 8 abhängt, liegt vorzugsweise zwischen 0 und 10 dB.

[0030] Der Zwischenspeicher 9 liefert die in ihm gespeicherten Gradientenschätzwerte grad(i) an die Funktionseinheit 10, der auch Abtastwerte des Sprachsignals x1(i) zugeführt werden und die sowohl zur Lieferung der Sprachsignalschätzwerte x1_int(i) als auch zur Einstellung des Verzögerungsgliedes 4 dient.

[0031] Die Gradientenschätzwerte grad(i) werden von einem Funktionsblock 12 nach

zu geglätteten ("smoothed") Gradientenschätzwerten sgrad(i) weiterverarbeitet. α ist eine Konstante, die im Ausführungsbeispiel den Wert 0,95 besitzt. Die Werte sgrad(i) werden von einem Funktionsblock 13 zur Adaption von Verzögerungsschätzwerten T1'(i) nach

verwendet. Die Bestimmung von Verzögerungsschätzwerten T1'(i) erfolgt damit rekursiv. µ ist ein konstanter Faktor bzw. Konvergenzparameter und liegt im Bereich

R_x2x2 bezeichnet eine Autokorrelationsfunktion des Sprachsignals x2(i) an der Stelle Null. Ein besonders vorteilhafter Wertebereich von µ ist im vorliegenden Ausführungsbeispiel 1,5 < µ < 3.

[0032] Die Verzögerungsschätzwerte T1'(i) können auch nicht ganzzahlige Werte d.h nicht ganzzahlige Vielfache eines Abtastintervalls sein. Ein Funktionsblock 14 rundet die Verzögerungsschätzwerte T1'(i) auf ganzzahlige Verzögerungswerte T1(i), mit denen die Verzögerungsvorrichtung 4 eingestellt wird. Die Rundungsoperation durch Funktionsblock 14 ist notwendig, da Werte des durch das Verzögerungsglied 4 zu verzögernden Sprachsignals x1(i) nur zu den entsprechenden Abtastzeitpunkten vorliegen.

[0033] Die Funktionseinheit 10 weist weiterhin einen Funktionblock 15 auf, der die Sprachsignalschätzwerte x1_int(i) nach

durch Interpolation dreier benachbarter Abtastwerte x1(i+T1(i)-1), x1(i+T1(i)) und x1(i+T1(i)+1) des Sprachsignals x1 bildet. Der Funktionsblock 15 ist somit in der Lage, durch den Sprachsignalschätzwert x1_int(i) im Programmzyklus i einen Wert des Sprachsignals x1 zum Zeitpunkt i+T1(i), d.h. zu einem Zeitpunkt zwischen zwei Abtastzeitpunkten, zu bilden bzw. zu interpolieren. Die beschriebene Interpolation durch Funktionsblock 15 kann dadurch ersetzt werden, daß Funktionsblock 15 eine Tiefpaßfilterung der Abtastwerte x1(i) zur Interpolation von Werten zwischen den Abtastzeitpunkten durchführt.

[0034] Würden zur Bestimmung der Fehlerwerte e₁₂(i) anstelle der Sprachsignalschätzwerte x1_int(i) die am Ausgang des Verzögerungsgliedes 4 anliegenden verzögerten Abtastwerte des Sprachsignals x1(i) verwendet, wie dies aus "IEEE Transactions on Acoustics, Speech, and Signal Processing, VOL. ASSP-29, Nr.3, Juni 1981, S. 582-587" bekannt ist, würde beim Erreichen von Fehlerwerten e₁₂(i) = 0 die Verzögerungswerte T1(i), mit denen das Verzögerungsglied 4 eingestellt wird, nicht mehr konvergieren. Es ergäben sich starke Oszillationen der gerundeten Verzögerungswerte T1(i). Diese würden zwischen zwei Verzögerungswerten mit dem Abstand eines Abtastintervalls schwanken. Die entsprechende wahre Zeitverzögerung zwischen den Sprachsignalanteilen, die durch die unterschiedlichen Wegstrecken vom Sprecher zu den Mikrophonen M1 und M2 bestimmt ist, würde dabei zwischen diesen zwei Verzögerungswerten liegen. Im vorliegenden Ausführungsbeispiel werden solche Oszillationen dadurch vermieden, daß bei der Bildung der Fehlerwerte Sprachsignalschätzwerte x1_int(i) verwendet werden, durch die die Werte des Sprachsignals x1(i) auch für Verzögerungen um nicht ganzzahlige Vielfache eines Abtastintervalls verfügbar sind, also auch an Zeitpunkten ungleich der Abtastzeitpunkte i des Sprachsignals x1(i).

[0035] Der zur Glättung der Gradientenschätzwerte grad(i) dienende Funktionsblock 12 bewirkt eine verbesserte Ermittlung der Verzögerungschätzwerte T1'(i).

[0036] Die Steuervorrichtung 3 adaptiert die Verzögerungsschätzwerte T1'(i) bzw. die Verzögerungswerte T1(i) so, daß von einem Programmzyklus zum nächsten das Quadrat bzw. die Leistung der Fehlerwerte e₁₂(i) verringert wird. Die Konvergenz von T1'(i) bzw. T1(i) ist somit sichergestellt.

[0037] In Fig. 3 ist eine prinzipiell wie die Sprachverarbeitungsvorrichtung aus Fig. 1 arbeitende Sprachverarbeitungsvorrichtung mit nun drei Mikrophonen M1, M2 und M3 zur Lieferung von Mikrophon- bzw. Sprachsignalen dargestellt. Die Mikrophonsignale werden Analog-Digital-Umsetzern 20, 21 und 22 zugeführt, die digitalisierte und damit abgetastete Sprachsignale x1(i), x2(i) und x3(i) liefern, die aus Sprach- und Rauschsignalanteilen bestehen. Die Sprachsignale x1(i) und x3(i) werden einstellbaren Verzögerungsgliedern 23 und 24 zugeführt. Analog zu Fig. 1 wird das Sprachsignal x2(i) einem Verzögerungsglied 27 mit einer festen Verzögerungszeit T_max zugeführt.Die Ausgangswerte der Verzögerungsglieder 23, 24 und 27 werden von einer Addiervorrichtung 25 zum Summensignal X(i) aufaddiert. Eine Steuervorrichtung 26 wertet die Abtastwerte der Sprachsignale x1(i), x2(i) und x3(i) aus und leitet aus diesen Abtastwerten analog zur Wirkungsweise der Steuervorrichtung 3 aus Fig. 1 und 2 gerundete ganzzahlige Verzögerungswerte T1(i) und T3(i) ab, die ganzzahligen Vielfachen eines Abtastintervalles der abgetasteten Sprachsignale x1(i), x2(i) und x3(i) entsprechen und mit denen die Verzögerungsglieder 23 und 24 eingestellt werden, so daß eine Erweiterung von zwei auf drei zu verarbeitende Mikrophon- bzw. Sprachsignale ermöglicht wird.

[0038] In Fig. 4 ist eine erste Ausführungsform der Steuervorrichtung 26 aus Fig. 3 dargestellt. Es sind zwei Funktionseinheiten 10 vorgesehen, deren Aufbau gleich dem Aufbau der Funktionseinheit 10 aus Fig. 2 ist und die zur Einstellung der Verzögerungsglieder 23 und 24 mit den gerundeten Zeitverzögerungswerten T1(i) und T3(i) dienen.

[0039] Die obere Funktionseinheit 10 liefert Sprachsignalschätzwerte x1_int(i). Die untere Funktionseinheit 10 liefert Sprachsignalschätzwerte x3_int(i). Aus einer Differenz x1_int(i) - x2(i) und aus einer Differenz x3_int(i) - x2(i) werden Fehlerwerte e₁₂(i) und e₃₂(i) gebildet.

[0040] Auch hier ist ein Digitalfilter 6 vorgesehen, das in den Ausführungen zu Fig. 2 bereits näher beschrieben ist, und das zum Empfang der Abtastwerte x2(i) und zur Lieferung von Werten x2_H(i) dient, die durch eine Hilbert-Transformation der Abtastwerte x2(i) erzeugt werden. Die Werte x2_H(i) werden einerseits mit den Fehlerwerten e₁₂(i) und andererseits mit den Fehlerwerten e₃₂(i) multipliziert. Das erste Produkt x2_H(i)^*e₁₂(i) wird der oberen, das zweite Produkt x2_H(i)^*e₃₂(i) wird der unteren Funktionseinheit 10 zugeführt. Die Anordnung der Funktionsblöcke 7 und 8, des Zwischenspeichers 9 und des Schalters 11 wird analog zu Fig. 2 durchgeführt und ist aus Gründen der Übersichtlichkeit nicht in Fig. 4 dargestellt.

[0041] Fig. 5 zeigt eine gegenüber Fig. 4 erweiterte Fassung der Steuervorrichtung 26. Im Gegensatz zu Fig. 4 sind anstelle nur eines Digitalfilters 6 nun drei Digitalfilter 6 angeordnet. Diese bilden aus den Sprachsignalabtastwerten x1(i), x2(i) und x3(i) durch Hilbert-Transformation die Werte x1_H(i), x2_H(i) und x3_H(i).

[0042] In der oberen Hälfte des in Fig. 5 dargestellten Blockdiagramms werden Fehlerwerte e₁₃(i) aus der Differenz x1_int(i)-x2(i) gebildet, die in ein erstes Produkt 0,3*e₁₃(i)*x3_H(i) eingehen. Ein zweites Produkt ergibt sich aus 0,7*e₁₂(i)*x2_h(i). Die beiden Produkte entsprechen gewichteten Gradientschätzwerten der Quadrate der Fehlerwerte e₁₃(i) und e₁₂(i). Die Summe aus erstem und zweitem Produkt und damit eine Linearkombination der gewichteten Gradientschätzwerten wird der oberen Funktionseinheit 10 zugeführt.

[0043] Analog dazu werden in der unteren Hälfte des in Fig. 5 dargestellten Blockdiagramms Fehlerwerte e₃₁(i) und e₃₂(i) gebildet. Die Fehlerwerte e₃₁(i) ergeben sich aus der Differenz x3_int(i)-x1(i). Die Fehlerwerte e₃₂(i) werden durch die Differenz x3_int(i)-x2(i) gebildet. Ein drittes Produkt 0,3^*e₃₁(i)^*x1_H(i) und ein viertes Produkt 0,7^*e₃₂(i)^*x2_H(i) werden aufaddiert und die sich ergebende Summe wird der unteren Funktionseinheit 10 zugeführt.

[0044] Mit Hilfe der Sprachverarbeitungsvorrichtung nach Fig. 3, die eine Steuervorrichtung nach Fig. 4 oder 5 enthält, läßt sich ein gegenüber der Sprachverarbeitungsvorrichtung mit zwei Mikrophonen nach Fig. 1 verbessertes Summensignal X(i) erzeugen. Das Signal-/ Rauschleistungsverhältnis und damit die Sprachqualität des Summensignals X(i) der Sprachverarbeitungsvorrichtung nach Fig. 3 ist gegenüber dem von der Sprachverarbeitungsvorrichtung nach Fig. 1 erzeugten Summensignal X(i) weiter erhöht. Die Steuervorrichtung nach Fig. 5 weist gegenüber der Steuervorrichtung nach Fig. 4 beim Einsatz in der Sprachverarbeitungsvorrichtung nach Fig. 3 eine erhöhte Stabilität auf.

[0045] Sowohl in Fig. 4 als auch in Fig. 5 ist aus Gründen der Übersichtlichkeit auf eine Darstellung von Mitteln (siehe Funktionsblöcke 7 und 8, Zwischenspeicher 9 und Schalter 11 in Fig. 2) verzichtet worden, die eine Abhängigkeit der Sprachverarbeitung von Schätzwerten SNR(i) für eines der Mikrophonsignale x1(i), x2(i) oder x3(i) bewirken. Ebenfalls aus Gründen der Übersichtlichkeit ist die Normierung von Produkten aus Fehlerwerten und der Ausgangswerte der die Hilbert-Transformation durchführenden Digitalfilter 6 auf die Leistung eines zugehörigen Mikrophonsignals (siehe 1/P_x2(i) in Fig. 2) nicht dargestellt. Die Erweiterung der Steuervorrichtungen 26 nach Fig. 4 und 5 um diese beiden technischen Merkmale ergibt sich aus ihrer Realisierung in der Steuervorrichung 3 nach Fig. 2.

[0046] Zur Erhöhung der Sprachqualität der Summensignale X(i) am Ausgang der Addiervorrichtungen 5 und 25 in Fig. 1 und Fig. 3 kann die Erfindung so ausgestaltet werden, daß die Verzögerungsschätzwerte T1'(i) und T3'(i) (das sind z. B. Fließkommazahlen) zur Bildung der Verzögerungswerte T1(i) und T3(i) nicht auf Werte gerundet werden, die einem ganzzahligen Vielfachen eines Abtastintervalls entsprechen (hier: ganze Zahlen), sondern auf Werte, die einem Vielfachen eines Bruchteils eines Abtastintervalls entsprechen. Insbesondere ist eine Rundung der Verzögerungsschätzwerte auf Vielfache eines Wertes vorteilhaft, der einem Viertel oder der Hälfte eines Abtastintervalls entspricht. Auf diese Weise wird die Auflösung der Verzögerungswerte erhöht, die somit genauer einstellbar sind, so daß auch die Sprachqualität der Summensignale X(i) weiter erhöht wird, da Laufzeitunterschiede von der die Sprachsignalanteile erzeugenden Sprachquelle zu den Mikrophonen M1, M2 und M3 genauer ausgeglichen werden können. Bei der Verzögerung eines Sprachsignals mit einem Vielfachen eines Bruchteils eines Abtastintervalls wird eine Interpolation oder Tiefpaßfilterung von Sprachsignalabtastwerten vorgesehen, um Sprachsignalwerte zu erzeugen, die zwischen jeweils zwei Sprachsignalabtastwerten liegen. Die Interpolation bzw. Tiefpaßfilterung kann insbesondere in die Verzögerungsmittel 4, 23 und 24 integriert werden.

[0047] Mit Hilfe der Fig. 6 und 7 wird das Schema erläutert, anhand dessen der Funktionsblock 7 aus einem abgetasteten Sprachsignal x(i), das aus Rausch- und Sprachsignalanteilen besteht, die zugehörigen Schätzwerte SNR(i) des Signal-/ Rauschleistungsverhältnisses, d.h. des Verhältnisses der Leistungen der Sprachsignalanteile zur Leistung der Rauschsignalanteile, ermittelt. Den Abtastwerten x(i) entsprechen in Fig. 2 die Abtastwerte x2(i). In Fig. 6 ist der Funktionsblock 7 anhand eines Blockschaltbildes dargestellt. Ein Funktionsblock 30 dient zur Bildung von Leistungswerten P_x(i) der Abtastwerte x(i) durch Quadrieren der Abtastwerte. Weiterhin führt der Funktionsblock 30 eine Glättung dieser Leistungswerte P_x(i) durch. Die sich so ergebenden geglätteten Leistungswerte P_x,s(i) werden sowohl dem Funktionsblock 31 als auch dem Funktionsblock 32 zugeführt. Der Funktionsblock 31 ermittelt fortlaufend Schätzwerte P_n(i) zur Abschätzung der Leistung des Raussignalanteils der Abtastwerte x(i), d.h. es wird die Leistung der Rauschsignalanteile der Abtastwerte x(i) ermittelt. Aus den geglätteten Leistungswerten P_x,s(i) und den Schätzwerten P_n(i) bestimmt der Funktionsblock 32 fortlaufend Schätzwerte SNR(i) des Signal-/ Rauschleistungsverhältnisses der Abtastwerte x(i).

[0048] In Fig. 7 ist ein Flußdiagramm dargestellt, das die Funktionsweise des Funktionsblockes 7 näher erläutert. Anhand des Flußdiagramms wird ersichtlich, wie aus den Abtastwerten x(i) des Sprachsignals x durch ein Computerprogramm Schätzwerte SNR(i) des entsprechenden Signal-/ Rauschleistungsverhältnisses gebildet werden. In einem Initialisierungsblock 33 wird zu Beginn des durch Fig. 7 beschriebenen Programms eine Zählervariable Z auf 0 und eine Variable P_Mmin auf einen Wert P_max gesetzt. P_max ist so groß gewählt, daß die geglätteten Leistungswerte P_x,s(i) immer kleiner als P_max sind. P_max kann beispielsweise auf den maximal darstellbaren Zahlenwert eines zur Realisierung des Programms verwendeten Rechners gesetzt werden. In einem Block 34 wird ein neuer Abtastwert x(i) eingelesen. In Block 35 wird eine Zählervariable Z um den Wert 1 erhöht, wonach in Block 36 ein neuer geglätteter Leistungswert P_x,s(i) gebildet wird. Er ergibt sich dadurch, daß zunächst durch

ein Kurzzeitleistungswert P_x(i) und dann durch

ein neuer geglätteter Leistungswert gebildet wird. Mit Formel (9) wird ein Kurzzeitleistungswert P_x(i) einer Gruppe von N aufeinanderfolgenden Abtastwerten x(i) ermittelt. N ist hier beispielsweise gleich 128. Der Wert α aus Gleichung (10) liegt zwischen 0,95 und 0,98. Die Ermittlung von geglätteten Leistungswerten P_x,s(i) kann auch nur durch Gleichung (10) durchgeführt werden, wobei dann allerdings der Wert α ungefähr auf den Wert 0,99 zu erhöhen und P_x(i) durch x²(i) zu ersetzen ist.

[0049] Durch eine Verzweigung 37 wird danach abgefragt, ob der gerade ermittelte geglättete Leistungswert P_x,s(i) kleiner als P_Mmin ist. Wird diese Frage bejaht, d.h. P_x,s(i) ist kleiner als P_Mmin, wird durch Block 38 P_Mmin auf den Wert von P_x,s(i) gesetzt. Falls die Frage von Verzweigung 37 verneint wird, wird Block 38 übersprungen. Damit steht in P_Mmin nach M Programmzyklen das Minimum von M geglätteten Leistungswerten P_x,s. Danach erfolgt mit der Verzweigung 39 die Abfrage, ob die Zählervariable Z einen Wert größer oder gleich einem Wert M hat. Es wird auf diese Weise festgestellt, ob schon M geglättete Leistungswerte abgearbeitet sind.

[0050] Wird die Frage von Verzweigung 39 verneint, d.h. es sind noch nicht M geglättete Leistungswerte abgearbeitet, wird das Programm mit Block 40 fortgesetzt. Dort wird ein vorläufiger Schätzwert P_n(i) der Rauschsignalleistung des Sprachsignals x durch

bestimmt. Diese Operation stellt sicher, daß der vorläufige Schätzwert P_n(i) nicht größer als der aktuelle geglättete Leistungswert P_x,s(i) sein kann. Danach wird mit Block 41 nach der Formel

ein aktueller Schätzwert SNR(i) des Signal-/Rauschleistungsverhältnisses des Sprachsignals x(i) ermittelt. Im Normalfall dient das Produkt c^*P_n(i) zur Abschätzung der aktuellen Leistung des Rauschsignalanteils, und die Differenz P_x,s(i)-c^*P_n(i) dient zur Abschätzung der aktuellen Leistung des Sprachsignalanteils des Sprachsignals x(i). Die aktuelle Leistung des Sprachsignals wird durch den geglätteten Leistungswert P_x,s(i) geschätzt. Die Gewichtung mit einem Skalierungsfaktor c verhindert, daß durch P_n(i) die Rauschsignalleistung mit einem zu kleinen Wert abgeschätzt wird. Der Skalierungsfaktor c liegt typisch im Bereich von 1,3 bis 2. Durch die Minimumbildung in Block 41 bzw. Gleichung (12) wird sichergestellt, daß das nicht logarithmierte Signal-/ Rauschleistungsverhältnis SNR(i) auch dann positiv ist, wenn im Ausnahmefall c^*P_n(i) größer als P_x,s(i) ist. Dann wird die Leistung des Rauschsignalanteils des Sprachsignals gleich der durch P_x,s(i) geschätzten Leistung des Sprachsignals gesetzt. Die durch P_x,s(i)-P_x,s(i) geschätzte Leistung des Sprachsignalanteils des Sprachsignals ist dann wie auch das nicht logarithmische Signal-/ Rauschleistungsverhältnis gleich Null. Das Programm wird nach der Berechnung des Schätzwertes SNR(i) mit dem Einlesen eines neuen Sprachsignalabtastwertes x(i) durch Block 34 fortgesetzt.

[0051] Wird die Abfrage von Verzweigung 39 bejaht, d.h. es sind M geglättete Abtastwerte P_x,s(i) abgearbeitet, werden in Block 42 durch

die Komponenten eines Vektors minvec der Dimension W aktualisiert. Danach wird durch Verzweigung 43 abgefragt, ob die Komponenten minvec₁ bis minvec_w mit ansteigendem Vektorindex ansteigen, d.h. ob gilt:

[0052] Wird die Abfrage von Verzweigung 43 verneint, d.h. die zuletzt ermittelten in den Komponenten des Vektors minvec stehenden zuletzt ermittelten W Minima steigen nicht monoton an, wird durch Block 44 nach

der vorläufige Schätzwert P_n(i) der Rauschsignalleistung aus den Minima der Komponenten des Vektors minvec, d.h aus dem Minimum der letzten L=W^*M aufeinanderfolgenden geglätteten Leistungswerte P_x,s(i), bestimmt. Bei einer Bejahung der durch Verzweigung 43 gestellten Frage, d.h. bei einem monotonen Ansteigen der zuletzt ermittelten in den Komponenten des Vektors minvec stehenden W Minima wird in Block 45 P_n(i) gleich P_Mmin gesetzt, so daß eine Anpassung der Abschätzung des Rauschsignalanteils beschleunigt erfolgt, da P_n(i) an dem Minimum des letzten (M < L) Werte bestimmt wird. Danach wird in Block 46 die Zählervariable Z wieder auf 0 gesetzt und P_Mmin erhält erneut den Wert P_max.

[0053] Durch das beschriebene Programm werden jeweils M aufeinanderfolgende geglättete P_x,s(i) Abtastwerte x(i) des Sprachsignals x zu einer Untergruppe zusammengefaßt. Innerhalb einer solchen Untergruppe wird durch die mit Verzweigung 37 und Block 38 durchgeführten Operationen das Minimum der geglätteten Leistungswerte P_x,s(i) ermittelt. Die zuletzt ermittelten W Minima werden in den Komponenten des Vektors minvec abgespeichert. Sind die letzten W Minima nicht monoton ansteigend (siehe Verzweigung 43), so wird nach Block 44 ein vorläufiger Schätzwert P_n(i) der Leistung des Rauschsignalanteils aus dem Minimum der Minima der letzten W Untergruppen, d.h. aus dem Minimum einer Gruppe, bestimmt. Es werden jeweils zur Bildung einer Gruppe mit L=W^*M aufeinanderfolgenden geglätteten Leistungswerten P_x,s(i) W aufeinanderfolgende Untergruppen zusammengefaßt. Die Gruppen mit jeweils L Werten folgen lückenlos aufeinander und überlappen sich jeweils mit L-M gelätteten Leistungen P_x,s(i).

[0054] Für den Fall, daß die Minima von W aufeinanderfolgenden Untergruppen monoton ansteigen (siehe Verzweigung 43), wird durch Block 45 zur Abschätzung des aktuellen Schätzwertes P_n(i) der Leistung des Rauschsignalanteils jeweils das Minimum der letzten Untergruppe mit M geglätteten Leistungswerten P_x,s(i) verwendet. Die Zeitspanne, mit der monoton ansteigende geglättete Leistungswerten P_x,s(i) auch eine Änderung der Schätzwerte SNR(i) bewirken, wird damit verkürzt.

[0055] Fig. 8 verdeutlicht, wie die geglätteten Leistungswerte P_x,s in Gruppen und Untergruppen zusammengefaßt werden. Es werden jeweils M geglättete Leistungswerte P_x,s(i), die jeweils zu Abtastzeitpunkten i vorliegen, zu einer Untergruppe zusammengefaßt. Die Untergruppen grenzen aneinander. Für jede Untergruppe wird das Minimum der geglätteten Leistungswerte P_x,s(i) bestimmt. Jeweils W Untergruppenminima werden in dem Vektor minvec abgespeichert. In der Regel, d.h. bei nicht monoton ansteigenden W Untergruppen Minima, werden W Untergruppen zu einer Gruppe mit L = W^*M geglätteten Leistungswerten P_x,s(i) zusammengefaßt. Nach jeweils M geglätteten Leistungen P_x,s(i) wird aus dem Minimum der letzten W Untergruppenminima bzw. der letzten L geglätteten Leistungswerte P_x,s(i) der Wert P_n(i) bestimmt, der zur Abschätzung der Rauschsignalleistung dient. In Fig. 8 sind acht Gruppen mit jeweils L Abtastwerten x(i) dargestellt, die jeweils W = 4 Untergruppen mit M geglätteten Leistungswerten P_x,s(i) enthalten. Die acht Gruppen überlappen sich teilweise. So enthalten zwei aufeinanderfolgende Gruppen jeweils L-M gleiche geglättete Leistungswerte P_x,s(i). Auf diese Weise wird ein guter Kompromiß zwischen dem erforderlichen Rechenaufwand und der jeweiligen Verzögerungszeit erreicht, mit der eine Aktualisierung eines Schätzwertes P_n(i) der Rauschsignalleistung zur Aktualisierung eines Schätzwertes SNR(i) des Signal/ Rauschleistungsverhältnisses erfolgt. Eine Realisierung mit aneinandergrenzenden, d.h. sich nicht überlappenden Gruppen ist auch denkbar. Allerdings ist dann bei verringertem Rechenaufwand die Zeitspanne zwischen zwei Schätzwerten SNR(i) vergrößert, so daß die Reaktionszeit auf sich ändernde SNR des Sprachsignals x(i) vergrößert ist.

[0056] Die beschriebene Sprachverarbeitungsvorrichtung weist damit eine Schätzvorrichtung auf, die zum fortlaufenden Bilden von Schätzwerten SNR(i) des Signal-/ Rauschleistungsverhältnisses von verrauschten Sprachsignalen x(i) geeignet ist. Insbesondere sind keine Sprachpausen zur Abschätzung der Rauschsignalleistung erforderlich. Die beschriebene Schätzvorrichtung nutzt den besonderen Zeitverlauf von geglätteten Leistungswerten des Sprachsignals x(i) aus, der durch Spitzen und dazwischenliegende Bereiche mit kleineren geglätteten Leistungswerten P_x,s(i) gekennzeichnet ist, deren zeitliche Ausdehnung von der jeweiligen Sprachquelle, d.h. dem jeweiligen Sprecher, abhängt. Dabei werden die Bereiche zwischen den Spitzen zur Abschätzung der Leistung des Rauschsignalanteils verwendet. Die Gruppen mit jeweils L geglätteten Leistungswerten P_x,s(i) müssen lückenlos aufeinanderfolgen, d.h. sie müssen entweder aneinandergrenzen oder sich überlappen. Weiterhin muß sichergestellt sein, daß mindestens ein Wert eines zwischen zwei Spitzen liegenden Bereichs mit kleineren geglätteten Leistungswerten P_x,s(i) von jeder Gruppe erfaßbar ist, d.h. jede Gruppe muß soviele geglättete Leistungswerte P_x,s(i) enthalten, daß mindestens alle zu einer beliebigen Spitze gehörenden Werte erfaßbar sind. Da die zeitlich ausgedehntesten Spitzen jeweils durch die zeitlich ausgedehntesten Phoneme eines Sprachsignals, d.h. die Vokale, abschätzbar sind, kann daraus die die Gruppengröße beschreibende Zahl L abgeleitet werden. Für eine Abtastrate des Sprachsignals von 8 kHz liegt ein sinnvoller Wert von L im Bereich zwischen 3000 und 8000. Ein vorteilhafter Wert für W ist 4. Bei einer solchen Dimensionierung ergibt sich ein guter Kompromiß zwischen Rechenaufwand und Reaktionsschnelligkeit des Funktionsblockes 7.

[0057] In Fig. 9 ist eine Verwendung der Sprachverarbeitungsvorrichtung aus Fig. 3 in einem Mobilfunkendgerät 50 dargestellt. Die Sprachverarbeitungsmittel 20 bis 26 sind in einem Funktionsblock 51 zusammengefaßt, der aus den von den Mikrophonen M1, M2 und M3 erzeugten Mikrophon- bzw. Sprachsignalen die Summensignalwerte X(i) bildet. Die Mikrophone M1, M2 und M3 haben vorteilhaft einen Abstand von 10 bis 60 cm, so daß in einer sogenannten "verhallten" Umgebung (z.B. Auto, Büro) die Störsignalanteile der von den Mikrophonen M1, M2 und M3 gelieferten Sprachsignale weitgehend unkorreliert sind. Dies gilt auch beim Einsatz von nur zwei Mikrophonen wie in Fig. 1. Ein die Summensignalwerte X(i) verarbeitender Funktionsblock 52 faßt alle übrigen Mittel des Mobilfunkendgerätes 50 zum Empfang, Verarbeiten und Senden von Signalen zusammen, welche zur Kommunikation mit einer nicht dargestellten Basisstation dienen, wobei das Senden und Empfangen von Signalen über eine an den Funktionsblock 52 gekoppelte Antenne 54 erfolgt. Weiterhin ist ein mit dem Funktionsblock 52 gekoppelter Lautsprecher 53 vorgesehen. Die akustische Kommunikation eines Benutzers (Sprecher, Hörer) mit dem Mobilfunkendgerät 50 erfolgt über die Mikrophone M1 bis M3 und den Lautsprecher 53, die Teile einer in das Mobilfunkendgerät 50 integrierten Freisprecheinrichtung sind. Die Anwendung eines solchen Mobilfunkendgerätes 50 ist insbesondere in Kraftfahrzeugen von Vorteil, da dort das Freisprechen über das Mobilfunkendgerät insbesondere durch Motor- oder Fahrgeräusche (Rauschen) gestört ist.

Ansprüche

1. Sprachverarbeitungsvorrichtung zur Verarbeitung eines ersten (x2(i)) und mindestens eines weiteren (x1(i), x3(i)) aus Rausch- und Sprachsignalanteilen bestehenden und als Abtastwerte vorliegenden Sprachsignals mit Verzögerungsmitteln (4, 23, 24) zur Verzögerung des abgetasteten weiteren Sprachsignals (x1(i), x3(i)), mit Steuermitteln (3, 26)

- zur Bildung von Gradientenschätzwerten (grad(i), sgrad(i)) durch Multiplikation von Fehlerwerten (e₁₂(i), e₃₂(i), e₁₃(i), e₃₁(i)) für zwei Sprachsignale (z.B. x1(i) und x2(i)) mit den Ausgangswerten eines Digitalfilters (6), das eine Phasenverschiebung von 90 Grad bewirkt und zur Filterung eines der zwei Sprachsignale (z.B. x2(i)) dient,

- zur rekursiven Ermittlung von Verzögerungsschätzwerten (T1'(i), T3'(i)) aus den Gradientenschätzwerten (grad(i), sgrad(i)), wobei aus den Verzögerungsschätzwerten (T1'(i), T3'(i)) durch Rundung die Verzögerungswerte (T2(i), T3(i)) gebildet werden, die zur Einstellung der Verzögerungsmittel (4, 23, 24) dienen und

- zur Bildung jeweils wenigstens eines Fehlerwertes (e₁₂(i), e₃₂(i), e₁₃(i), e₃₁(i)) für einen bestimmten Abtastzeitpunkt (i) aus der Differenz zwischen einem Sprachsignalschätzwert (x1_int(i), x3_int(i)), der zur Abschätzung des weiteren Sprachsignals (x1(i), x3(i)) zu einem gegenüber dem bestimmten Abtastzeitpunkt (i) um den Verzögerungsschätzwert (T1'(i), T3'(i)) verschobenen Zeitpunkt dient und durch Interpolation von Abtastwerten des weiteren Sprachsignals (x1(i), x3(i)) gebildet wird, und dem Abtastwert eines anderen der zu verarbeitenden Sprachsignale (x1(i), x2(i), x3(i)) zu dem bestimmten Abtastzeitpunkt (i) und mit einer Addiervorrichtung (5, 25) zum Addieren der gegeneinander zeitversetzten Sprachsignale (x1(i), x2(i), x3(i)).

2. Mobilfunkendgerät mit einer Sprachverarbeitungsvorrichtung nach Anspruch 1.

3. Mobilfunkendgerät nach Anspruch 2,
dadurch gekennzeichnet,
daß das Digitalfilter (6) ein digitaler Hilbert-Transformator ist.

4. Mobilfunkendgerät nach Anspruch 3,
dadurch gekennzeichnet,
daß Mittel (12) zur Glättung der Gradientenschätzwerte (grad(i)) vorgesehen sind.

5. Mobilfunkendgerät nach einem der Ansprüche 2 bis 4,
dadurch gekennzeichnet,
daß die Sprachverarbeitungsvorrichtung zur Verarbeitung von drei Sprachsignalen (x1(i), x2(i), x3(i)) vorgesehen ist.

6. Mobilfunkendgerät nach einem der Ansprüche 2 bis 5,
dadurch gekennzeichnet,
daß zur Ermittlung eines Verzögerungsschätzwertes (T1'(i), T3'(i)) für das weitere Sprachsignal (x1(i), x3(i)) die Verwendung einer Linearkombination von Fehlerwerten (e₁₂(i) mit e₁₃(i), e₃₁(i) mit e₃₂(i)) vorgesehen ist.

7. Mobilfunkendgerät nach einem der Ansprüche 2 bis 6,
dadurch gekennzeichnet,
daß Verzögerungsmittel (16,27) zur Verzögerung des ersten Sprachsignals (x2(i)) mit einer festen Verzögerungszeit (T_max) vorgesehen sind.

8. Mobilfunkendgerät nach einem der Ansprüche 2 bis 7,
dadurch gekennzeichnet,
daß die Sprachverarbeitungsvorrichtung in eine Freisprecheinrichtung (M1, M2, M3, 51, 52, 53) integriert ist.

Claims

1. A speech processor provided for processing a first (x2(i)) and at least a further speech signal (x1(i), x3(i)) consisting of noise and speech signal components and available as sample values, comprising delay means (4, 23, 24) for delaying the sampled further speech signal (x1(i), x3(i)), comprising control means (3, 26)

- for forming gradient estimates (grad(i), sgrad(i)) by multiplying error values (e₁₂(i), (e₃₂(i), (e₁₃(i), (e₃₁(i)) for two speech signals (for example, x1(i) and x2(i)) by the output values of a digital filter (6), which filter causes a 90° phase shift to occur and is used for filtering one of the two speech signals (for example, x2(i)),

- for recursively determining delay estimates (T1'(i), T3'(i)) from the gradient estimates (grad(i), sgrad(i)), while the delay values (T2(i), T3(i)) used for setting the delay means (4, 23, 24) are formed from the delay estimates (T1'(i), T3'(i)) via a rounding operation, and

- for forming at least one respective error value (e₁₂(i), (e₃₂(i), (e₁₃(i), (e₃₁(i)) for a specific sampling instant (i) from the difference between a speech signal estimate (x1_int(i), x3_int(i)) which estimate is used for estimating the further speech signal (x1(i), x3(i)) at an instant shifted in time by the delay estimate (T1'(i), T3'(i)) relative to the specific sampling instant (i), and is formed by interpolating sample values of the further speech signal (x1(i), x3(i)) and the sample value of another one of the speech signals to be processed (x1(i), x2(i), x3(i)) at the specific sampling instant (i), and an adder device (5, 25) for adding together the mutually time-shifted speech signals (x1(I), x2(I), x3(I)).

2. A mobile radio terminal unit comprising a speech processor as claimed in Claim 1.

3. A mobile radio terminal unit as claimed in Claim 2, characterized in that the digital filter (6) is a digital Hilbert transform.

4. A mobile radio terminal unit as claimed in Claim 3, characterized in that smoothing means (12) are provided for smoothing the gradient estimates (grad(i)).

5. A mobile radio terminal unit as claimed in one of the Claims 2 to 4, characterized in that the speech processor is provided for processing three speech signals (x1(i), x2(i), x3(i)).

6. A mobile radio terminal unit as claimed in one of the Claims 2 to 5, characterized in that a linear combination of error values (e₁₂(i) with (e₁₃(i), e₃₁(i) with e₃₂(i)) is used for determining a delay estimate (T1'(i), T3'(i)) for the further speech signal (x1(i), x3(i)).

7. A mobile radio terminal unit as claimed in one of the Claims 2 to 6, characterized in that the delay means (16, 27) are provided for delaying the first speech signal (x2(i)) by a fixed delay time (T_max).

8. A mMobile radio terminal unit as claimed in one of the Claims 2 to 7, characterized in that the speech processor is integrated with a hands-free facility (M1, M2, M3, 51, 52, 53).

Revendications

1. Dispositif de traitement de la parole en vue du traitement d'un premier (x₂(i)) et d'au moins un autre (x1(i), x3,(i)) signaux de parole composés de composantes de signal de bruit et de signal de parole et présent sous forme de valeurs de balayage avec des moyens de retardement (4, 23, 24) en vue du retardement du signal de parole supplémentaire balayé (x1(i), x3(i)) avec des moyens de commande (3, 26):

- en vue de la formation de valeurs estimées de gradient (grad(i), sgrad(i)) par multiplication de valeurs d'erreur (e₁₂(i), e₃₂(i), e₁₃(i), e₃₁(i)) pour deux signaux de parole (par exemple x1(i) et x2(i)) avec les valeurs de sortie d'un filtre numérique (6) qui provoque un déphasage de 90° et sert au filtrage d'un des deux signaux de parole (par exemple x2(i))

- en vue de la détermination récurrente de valeur estimées du retardement (T1'(i), T3'(i)) à partir des valeurs estimées de gradient (grad(i), sgrad(i)), les valeurs de retardement (T2(i), T3(i)) qui servent au réglage des moyens de retardement (4, 23, 24) étant formées à partir des valeurs estimées de retardement (T1'(i), T3'(i)) par arrondissement et

- en vue de la formation d'au moins une valeur d'erreur (e₁₂(i), e₃₂(i), e₁₃(i), e₃₁(i)) pour un moment de balayage déterminé (i) à partir de la différence entre une valeur estimée du signal de parole supplémentaire (x1_int(i), x3_int(i)) qui sert à l'estimation du signal de parole supplémentaire (x1(i),x3(i)) à un moment décalé par rapport au moment de balayage(i) déterminé de la valeur estimée du retardement (T1'(i), T3'(i)) et est formé par interpolation de valeurs de balayage du signal de parole supplémentaire (x1(i), x3(i)) et la valeur de balayage d'un autre des signaux de parole à traiter (x1(i), x2(i), x3(i)) au moment du balayage(i) déterminé.

2. Radiotéléphone mobile avec un dispositif de traitement de la parole selon la revendication 1.

3. Radiotéléphone mobile selon la revendication 2,
caractérisé en ce
que le filtre numérique (6) est un transformateur numérique de Hilbert.

4. Radiotéléphone mobile selon la revendication 3,
caractérisé en ce
que les moyens 12 sont prévus en vue du lissage des valeurs estimées de gradient (grad(i)).

5. Radiotéléphone mobile selon l'une des revendications 2 à 4,
caractérisé en ce
que le dispositif du traitement de la parole est prévu pour le traitement de trois signaux de parole (x1(i), x2(i), x3(i)).

6. Radiotéléphone mobile selon l'une des revendications 2 à 5,
caractérisé en ce
que, pour la détermination d'une valeur estimée du retardement (T1'(i), T3'(i)) pour l'autre signal de parole (x1(i), x3(i)), l'utilisation d'une combinaison linéaire de valeurs d'erreur (e₁₂(i) avec e₁₃(i) e₃₁(i) avec e₃₂(i)) est prévue.

7. Radiotéléphone mobile selon l'une des revendications 2 à 6,
caractérisé en ce
que des moyens de retardement (16, 27) sont prévus en vue du retardement du premier signal de parole (x2,(i)) avec un temps de retardement fixe (T_max).

8. Radiotéléphone mobile selon l'une des revendications 2 à 7,
caractérisé en ce
que le dispositif de traitement de la parole est intégré dans un dispositif à main libre (M1, M2, M3, 51, 52, 53).

Zeichnung