DE1572452A1 - Anordnung zur Bestimmung der stimmhaften Anteile von Sprachlauten - Google Patents

Description

V- Γ T L¹THl;¹ -.",fci.-,'!!⁵, Internationale Bärn-Sfatichincn Ceselhcfiaft mhfl

' . - Böblingen den 1. August 1969

bi-sp

Anmelderin: International Business Machines

Corporation, Armonk, N. Y. LQ

Amtliches Aktenzeichen P 15 72 452.4

Aktenzeichen der Anmelderin: Docket 6667

Anordnung zur Bestimmung der stimmhaften Anteile von Sprachlauten

Die Erfindung betrifft die Sprachanalyse und insbesondere eine Anordnung zur Bestimmung der stimmhaften Anteile von Sprachlatiten.

In der Technik der Spracherkennung wurde die Bestimmung der stimmhaften Energie als Hilfsmittel bisher kaum in Erwägung gezogen. Zwei Ansätze in dieser Richtung sind bekannt; der eine zieht lediglich das untere Ende des Frequenzbandes zur Energiebestimmung heran, der andere macht von einem einzigen breiten Bandfilter Gebrauch, das das gesamte Frequenzband der Sprache überdeckt. Beim ersten bleibt ein grosser Teil des harmonischen Energieanteils verborgen und der andere ist wegen der grossen .Variation der Amplituden der Harmonischen sehr unzuverlässig. Bei der vorliegenden Erfindung wird das Sprachspektrum durch einen Vielzahl von Bandpässen analysiert, deren kleinste Bandbreite grosser ist als die höchste Grundfrequenz ,

Docket 6667 0 09810/0972 ■*

6AD

Neue Unt©rfageri («tt-? 11 Äh& a Nr. l Satz 3 dee Xndefungsgs3. v. 4.9.1967)

de3 Sprachspektrums; durch jeden Bandpaß gehen wenigstens zwei Harmonische- Infolgedessen wird der gesamte harmoniachs Energieanteil des Sprachepektrums mit höherer Genauigkeit und Verläßlichkeit erfaßt. Andererseits sind Rauschen und Ilintergrundgerftusche weit weniger wirksam.

Gegenstand "der Erfindung ist demnach, eine Anordnung zur Bestimmung der stimmhaften Anteile von Sprachlauten mit Aufteilung der Sprachlauts in Frequenzbänder und Gleichrichtung der Frequenzanieile, mit dem Merkmal, daß die gleichgerichteten Frequenzanteile der Sprachlaute über ein Widerstandsnetzwerk in einem Summenverstärker vereint und über einen Bandpaß« einen Gleichrichter und einen Tiefpaß in einen Cleichepannungfipegel Umgeformt werden.

Es hat sich als vorteilhaft erwiesen, die Durchlaßbreite der Bandpässe auf den Bereich zwischen 70 und 150 Hz zu legen und dem Tiefpaß eine obere Grenzfrequenz von 15 Hz zu geben.

Um nicht nur den Absolut- sondern auch den Eelativanteil «es stimmhaften Energiegehalts tier Sprachlaute zu bestimmen, wird nach einem weiteren Erfindungsmerkmal außer dem stimmhaften Anteil auch-ce r gesamte Energiegehalt der Sprachlaute gemessen und mittels eines weiteren Summenverstfirkers die Relation beider Energiegehalte bestimmt.

Die Bestimmung des gesamten Energiegehalts der Sp-rachlaute erfolgt

009810/0972 ^

fififi?

Vorteilhaft curoh Summation der .gleichgerichteten Frequensantoile ties ' gesamten Sprachspektrums. Gute "Ergebnisse zeigten sicbywenn die gleichgerichteten Frequenzanteile de«-Sprachspektrums über Tiefpässe in einer Grencfrequenz von 15 Hs dem SummenverstürkGr zugeführt werden.

Das nnahfolgerttbofirhricbeiie Auüflilirungebeisplei wird riurch Zeichnungen erläutert.

Fig. 1 iet eine schematioche Blockdarstellung der erfindungsgemüßen Anordnung und

Fig. 2 ist eine detailliertere Schaltung < er Anordnung nach Fig, I.

Dar Blockst haltbil·. der Fig. 1 gibt einen allgemeinen Überblick über de Anordnung zur Entdeckung stimmhafter Laute, Die Sprachlaute wnr en über da« Mikrophon I eingegeben, <iap Schalloncrgie in elektrische Energie umwandelt; fie^e wir< Ober c'en Ve:«taiker la un< die Leitung 2 in iie Filter-Pank 3 eingegeben, die aus einer Mehrzahl einzelner Bandfilter besteht. Die Ausgangsspannung dieser Filter gelangt über die Leitungen S-Ia, 3-2a bis 3-1 Da (nur drei Leitungen gezeigt) su einzelnen Gleichrichtern in einer Gleichrichter-Bank 4. .Über eile Leitungen 5a, 5b bis 5o gelangen diegleichgerichteten Aus gangs signale der Gleichrichter-Bank 4 zum Detektor für Harmonische 9. Über die Leitungen 4-la, 4-2a bis 4-1 bti, c:ie Tiefpaßfilter-Bank 25 und die Leitungen 27a, 27b bits 27o

009810/09 7 2 ■ _". ^ <

BAD CG67

gelangen die gleichen gleichgerichteten -Auagangssignale auch zum Detektor für die Gesamtenergia 29, Durch den Detektor für Harmonische 9 wird der harmoniacho Anteil einer Sprachflchwingung zu einem Gleich· strompegel umgeformt, der Über die Leitung 16 zu dem Differenzbestimmer 17 gelangt; dort wird er mit einem ähnlichen Gleichstrompegel von Leitung 32 verglichen, welche ein Maß für die gesamte spektrale Energie darstellt. Die Bestimmung der gesamten spektralen Energie der Sprache geschieht durch den Umformer 29, der die Energie in einen Gleichstrompegel tiberführt. Der Differenzbeßtimmer 17 liefert auf seiner Auagangsleitung 2Od eine Anzeige für das Vorliegen von stimmhafter Energie. Durch noch anzugebende Maßnahmen wirdörreicht, daß der Diffcrcnzbestimmer 17 ein niedrige« Auagangspotentlal liefert, wenn im Sp räch spektrum der Anteil be doutungs voller Harmonischer vorherrschtj wenn das Sprachspektrum im wesentlichen aus Reibelauten und Rauschon mit geringem oder ohne bedeutungnvollem harmonischem Energieanteil besteht, wird ein hoher Auegangepegel erzeugt« Der Anteil bedeutungs« voller harmonischer Energie im Sprachspektrum ist das Ergebnis stimm· hafter Energie in dem Schallereignie. Die »timmhafte Energie ist in solchen Teilen der Sprache enthalten, während deren von den SUmmbün-. t.ern eine< Erregung ties Vokaltrakte β etattfinuet. Solche Sprachteile ßind beeoncera reich an Harmonischen« die ganze Vielfache der Cruncifrequehz sind; diene Crandfrequenz erstreckt eich für männliche Stimmen bei normaler Sprache von 70 bis 150 Hz und das bedeutungsvolle Spektrum davon

⁶⁶⁶⁷ , 009810/0972

reicht von 300 bis etwas Über 3000 Ha.

In Zusammenhang mit der mehr ins einzelne gehenden Fig. 2 läßt sich .besser-erkennen auf welche Weise dor harmonische Inhalt ala auch cie gesamte Spektral energie irn Spraehspekirum bestimmt wiru. In Fig. 2 gelangen.die Schallwellen Über das Mikrophon 1 in die Anordnung, cle entsprechenden elektrischen Signale v/erden im Verstärker la verstärkt und der Filterbank 8 über die Leitung 2 zugeleitet. Die Filterbank 3 besteht aus fünfzehn einzelnen Filtern, von denen drei, nflmlich 3-1, 8-2 und 3-1 ä, gezeigt sind. Die hier benutzten Filter sind unter der. Bezeichnung Zwillings-T-Filter bekannt; Jodes hat eine Bandbreite von etwa 3G0 Hs und ist auf die gewünschte Mitteifrequfns abgestimmt. Diese Mittelfrequenzan aiud links in dem die Filterbank anzeigenden Block angeschrieben. Das oberste Filter 3-1 z.B. hat eine Mittelfrequenz von 300 Hz und das unterste Filter 3-1D eine solche von 3QQO Ha. Die Filterbank bildet also eine Mehrzahl von Signalkanälen» die durch auf nebeneinande-!-liegende Frequenzen abgestimmte Filter gesteuert werden; Jedes Filter liefert wahrend eines stimmhaften Sprachlautes eine modulierte Schwingung, deren einhüllende die Sprachgrundschwingung enth&lt. Die Modulation rührt von cer Mischung aev Schwingungen her, welche Harmonische zu der Crundfrequenz Bind, Im vorliegenden Beispiel liefern wenigstens awei Harmonische eine modulierte Schwingung. Diese modulierten Ausgangssignale werden ober die Leitungen 3-la, 3-2a bis S-Ua den Vollweg-

009810/0972

Gleichrichtern 4-1, 4-2 bis 4-1 ό augeführt. Über die Leitungen 4-la, 4-2a biß 4-15a gelangen die gleichgerichteten Ausgangsfdgnale von (iiesen Gleichrichtern zu der Tiefpaß-Filterbank 25, öle aus fünfzehn einzelnen Tiefpaßfiltern besteht (nur drei, 26-1, 26-2 und 2G-Ia sind gezeigt). Diese Tie fpa (3 filter dienen dazu, aus den Au η gangs Signalen der Gleichrichter sozusagen die Gleichstromkomponente zu extrahieren. Die Tiefpaßfilter lasten Frequenzen unter Xj Hs durch; ihn* Au-.gungseignale gelangen tlber mit Widerstand behaftete Pfade 27a, 27U bis zumjjgemeinsamen Knotenpunkt 28. Von dort führt eine Leitung 28a zu dem oinen Eingang 30a des Gleichötrom-Summcnvevstärkerfj 30, ueswen zweite Eingangeklemme 30b mit Masse verbunden int. Die Ausgangsklemme 30c und die Singangsklemrne 30a dieses Verstärkers felnd übar den Cegenkopplungepfad 31, der ein Potentiometer 32 enthält, miteinander verbunden. Der Summerverstärker mit seinem wioerstandsbehafteten Einganga-Neizwerk gibt bei Speisung mit gleichgerichteten Schwingungen niedriger Frequenz einen Cleiehstromwert ab, der ein Maß für die gesamte spektrale Energie der dem System angebotenen Sprachlaute darstellt. Im DifferenzbeStimmer 17 wird dann dieses die Gesamtenergie . uarstellenc'e Gleichetromsignal mit einem anueren C leicJistromtignal verglichen, das den Energieunteil der Hunnoninchea cor in das Syatem eingegebenen Sprachlaute uarstellt.

Die Bestimmung doa Energieanteile der Haimonischon erfolgt tarch uen Detektor für Harmonisehe 9, dem die gleichgerichteten Schwingungen

009810/0972
6667

auf den Leitungen 5-la, 4-2a bis 4-15a zugeführt werden. Die Leitungen * sind über Kondensatoren 6a, 6b bis 6o an die Widerstände 7a, 7b bis 7o angeschlossen. Letztere führen mit ihren zweiten Enden an den Knoten punkt 8 und von dort über Leitung 8a zur Klemme 10b, der einen Eingangsklemme eines Summenverstärkers 10. Die zweite Eingangsklemme 10a dieses Verstärkers liegt an Masse. Über Leitung 11 und das Potentiometers 12a führt von der Ausgangsklemme 10c dieses "Verstärkers ein Gegenkopplungspfad zu seiner Eingangsklemme 10b. Der Verstärkerausgang ist über Leitung 12 an den Bandpass 13 mit dem Durchlassbereich zwischen 70 und 150 Hz angeschlossen; dieser Durchlassbereich entspricht dem Frequenzbereich der Sprachgrundfrequenz.

Das hinter dem Bandpass 13 am Punkte 13a auftretende Ausgangssignal stellt die verstärkte Grundfrequenz dar; sie wird im angeschlossenen Gleichrichter 14 gleichgerichtet. Über den Punkt 14a gelangt das gleichgerichtete Signal zum Tiefpass 15, der Frequenzen unter 15 Hz passieren lässt. Das Aus gangs signal des Tiefpasses 15 ist ein Gleichstromwert, der den harmonischen Energieanteil des Sprachsignals abbildet. Über Leitung 16 gelangt dieses Gleichstromsignal über den Widerstand 18 zur einen Eingangsklemme 20a des Verstärkers 20, der einen Teil des Differenz-

■ ι

bestimrrers ' 17 darstellt. Die Eingangsklemme 20a ist ausserdem über Leitung 23 und den Widerstand 24 mit Masse verbunden. Die zweite Eingangsklemme 20b ist über Leitung 21 und das Potentiometer 22 zur Herstellung einer positiven Rückkopplung mit der Ausgangsklemme 20c

• BAD

009810/0972

Docket 6667

verbunden.

Die Cleiehspannungswerte, welche ein Maß für den gesamten harmonischen Energieanteil und für den gooumten spektralen Hnergieinhalt darstellen/ werden durch Justierung cies Verntfirkungagrafies tier beiden Summenveratarker 10 und 20 aufeinander abgestimmt, so tlafl für stimmhafte Sprachlaute der Gloichspanmmgspegel bei 16 größer ist als üer Gleichepannungßpegel bei 32; der Differenzbeetlmmer 17 gelangt dann in einen seiner beiden stabilen Zußtände. Beim Auftreten stimmloser Sprachlaute oder wenn kein Eingangssignal vorliegt, ist dann der Gleichspannungspegel bei IC kleiner ale der Gleichspannungepegel bei 32 und der Diiferenzbeetimmer geht in seinen anderen stabilen Zustand über. Die Anzeige für das Vorliegen oder Fehlen stimmhafter Sprachwelle erfolgt durch den Gleichepannungspegel am Auegang des Differenzbeetimmers 17 an der Klemme 20ri.

Die Tatsache« daß eine einceutigo Justage für den Verstärkungsfaktor der Verstärker 10 und 30 existiert, so daß die Spannungsptgel bei 16 und 32 entgegengesetzte Werte annehmen, abhängig von stimmhafter oder stimmloser Spx*ache, hoII nachfolgend erläutert werden.

Das Verhältnis der AuHgangeaignale des Filters 13 bei einerseits einem Eingangeeignal an der Filter-Bank 3 mit einem Spektrum mit einer Grundfrequenz von etwa 100 Hz und einor Reihe von ganzzahllgon Haniioniachen

009810/bHr

1M2412

Arnplltutio und bei anderoraeita einem fS

signal mit einem gleichmäßigen Jlauachspektrum mit normaler tuuenverteilungundifejjselben^durchschnittlichenLei&tuiig wio beiin ; . Signal^ ist etwa IBf ff% un«i zwar wegender bekanntem- " , in iipi* kotrclißcemsi' und iüchtkoi'reliorcnde-lleoiant toilejoinos : -

Si{jiiala zu der Amplitude cIoh Cecamtt>ignal8,bei« , tragen l-daä eine lineare Kombinivlion-cicrlvompöaenten carstelll); ö&l^,- * i Siir^chsignalen trittidto grdPte Untei'ficheidUHg zwischen- ,-

undVßtiminlöijen; Spracbläuten bei oen offenert Volmlenmufc - z'. B^ beiMQf, ndi-aii xladie^e t-aüte in ilenhöheren; E'requenzbereictieäi; de^Speiitttim^menritermönigicho Enfergte^entftjtltenal» iiiö gtefichlosaenen oder Halbvokale» z. B; w, r. anw. Bei einem gagebonsii*CoaamtencrgiQH: spoktmm liefert ein feiner Reibelaut, z.B. f oder s_f di3 kteinetei Λ. ; . Ausgangssignal am Tiefpaß 16» wöhrend gewisse slimmhiiftevBeifeela«it(B,fc ZiBv;«»-¹ mlttle^ef^ege^auf Leitung If liefern. Die am wenlgatea verlÄÄ^ ä Aussage»,tretenal&öifSif stimmhaftei Beibelaute uuf und die vetiafl«

kaniiiii3r^vSrfinüüniis»gedaitkfö sobenutzt? ^; ? ciaß nur der harmojaisdhe Inhalt Xe ätge«teilt untr auf summiert <■ ν i} «s jstehtxiftnn ein Ausgang2if;ignal bereit, das die_ zusammengöstrtzte Schwingung f-aratellt. Daraus kann dann ein €leichHpannungs^igna,lj gebilciet und geepoichert -werden, i'äs ein ReJbstöncige: harmonischen Anteil im'SprAchispeÜtrum liefert.

00^810/097 2 t

Claims (1)

1. I, Anordnung sur BoßÜrnmimg dor stimmhaften Anteile voa Snfachläutsn mit 'iUifteilv.ii'^- dor SnivicTiHutfi iri Frc itttcrtsfc^iicie-r xm<.X Clfiidiriehtuuii:

   Frequenzrmteiiü döi .-Sprix-chlautc übor ci-it:V/id^re^n-danotBv.*ork-(:7); In einom SummnnvoiTtfirkcr {10} voralnt undOber -einen Bn einen.Glolchrlcbtor (14> und cin<inTIcfi:aß(l$y lii einen: Clc pogcl umgeformt worden»

   JS, Anortlnungnach Ansprwcli I, dadiirch gekettnssichnati■.;.aail^iier paß (13) ciuen¹ UiircMiSiilaarcilch Süvi aelian-70 uadlüO (13) elnoiObcre Frecitiesizurcinse von JSHsI

   3. Anordaungnach dort Ansprüehny 1 und Zi geltennzotchnat Suinmenverstärker (20), de »Ben beiden Eingingst! Signal© eum Enorgleahteii der stimmhaften kaute bzw» proportional :zugnrg§r* eamten-lSnerglogaliait--der-SpraeW
   Ausgang daa VorUßltrJii beidör Eusrciednicile abiiöhKibar

   Anordnung nach Anspruch 3, dadurch gekennzGlehn&ti daß 4br gesamte Energiegehalt der Sprachlsttite aus den gleiehgörichteten^^oqttiinsan* teflon der Sprachläiitfi gewonnen sylvct indem die FrequeniantellQ Äbor

   0IWIJG/Oi

   Je einen Tiefpaß (z. B, 2G-1) in einem weiteren Sumtnenveritllrker (30) voreinigt werden.

   5. Anordnung nach-Anspruch 4, dadurch gekennzeichnet, daß ciie Tiefpftaae (z.B. 26-1) eine obere Froquetizcrrenro von 15 Ks aufweisen.

   009810/0972

   -η r..

   Leerseite