專利名稱：語(yǔ)音帶寬擴(kuò)展的制作方法
背景接收語(yǔ)音信號(hào)的最常見(jiàn)方式是直接面對(duì)面，只不過(guò)耳朵聽(tīng)力的頻率下限為大約20Hz而頻率上限為大約20kHz。0.3-3.4kHz的普通電話窄帶語(yǔ)音信號(hào)帶寬比人們?cè)谂c某個(gè)音源面對(duì)面時(shí)所聽(tīng)到的要窄許多，但卻足以幫助進(jìn)行可靠的語(yǔ)音通信。但是，將這種窄帶語(yǔ)音信號(hào)擴(kuò)展到更寬帶寬將會(huì)是有益的，因?yàn)檫@會(huì)讓人覺(jué)得語(yǔ)音信號(hào)更自然。
先前提出的帶寬擴(kuò)展方法包括碼本方法[參見(jiàn)例如Y.Yoshida、M Abe的“根據(jù)碼本映射從窄帶語(yǔ)音中重構(gòu)寬帶語(yǔ)音的算法”(Conf.Proc，ICSLP 94，pp.1591-1594，Yokohama，1994)；以及J.Epps、W.H.Holmes的“采用基于STC的帶寬擴(kuò)展的語(yǔ)音增強(qiáng)”(Conf.Proc.ICSLP，1998) 和混疊/折疊方法(參見(jiàn)例如J.Makhoul、M.Berouti的“語(yǔ)音編碼系統(tǒng)中的高頻再生”(Conf.Proc.ICASSP，pp.428-431，Washington，USA，1979)；以及H.Yasukawa的“采用濾波和多速率技術(shù)的頻帶受限語(yǔ)音的質(zhì)量增強(qiáng)”(Conf.Proc.ICSLP94，pp.1607-1610，Yokohama，1994))?；殳B方法在結(jié)構(gòu)上一般是簡(jiǎn)單的。在這種方法中，通過(guò)在窄帶信號(hào)樣本之間插入零值來(lái)對(duì)窄帶信號(hào)進(jìn)行上采樣。在利用這種上采樣時(shí)，采用具有一半新采樣率的截止頻率的重建低通濾波器。當(dāng)整形濾波器取代這種濾波器時(shí)，較高頻率范圍內(nèi)的混疊/折疊頻率內(nèi)容擴(kuò)展語(yǔ)音內(nèi)容。這種技術(shù)的缺陷在于語(yǔ)音諧波結(jié)構(gòu)在較高頻率范圍內(nèi)不是連續(xù)的，一般來(lái)說(shuō)，不是對(duì)所有語(yǔ)聲都可取得較高頻帶的適當(dāng)振幅電平(amplitude level)。
碼本方法是一種更先進(jìn)的解決方案，這種解決方案采用碼本查找方法來(lái)分析窄頻帶。碼本索引與適合于對(duì)激勵(lì)信號(hào)整形的濾波器是一一對(duì)應(yīng)的。例如，激勵(lì)信號(hào)可用混疊/折疊方法來(lái)創(chuàng)建。還針對(duì)較低頻帶測(cè)試了碼本方法(參見(jiàn)以上引用的Y.Yoshida和M Abe的參考資料)。
語(yǔ)音信號(hào)一般用包含濾波器和信號(hào)激勵(lì)的短時(shí)段模型來(lái)描述。濾波器描述人的聲道以及激勵(lì)源和聲道之間的耦合。還可以在這種濾波器中包含口腔的聲輻射特性。一般來(lái)說(shuō)，使用全極點(diǎn)濾波器來(lái)估計(jì)聲道、耦合以及輻射特性就足夠了。然后，這個(gè)濾波器模糊地逼近由例如鼻道或側(cè)輔音生成的零值。這種估計(jì)問(wèn)題可通過(guò)增加濾波器級(jí)數(shù)來(lái)減輕。
語(yǔ)音信號(hào)在10-30ms段中被視為穩(wěn)定的。此段持續(xù)時(shí)間是由以下這一事實(shí)來(lái)確定的聲道中的組織從一個(gè)端部位置變化到另一個(gè)需要大約70ms。因此，在此間隔之后聲道和語(yǔ)聲完全不同，但在較短持續(xù)時(shí)間之后則幾乎沒(méi)有差別。
在濁音段期間，濾波器的極點(diǎn)可描述為語(yǔ)音共振峰的估計(jì)以及共振峰和激勵(lì)源之間的耦合。共振峰是整個(gè)聲道或其部分的共振頻率。因此，假定存在聲帶源，則這些共振峰頻率上的振幅電平較相鄰頻率的大。
在清音段期間，濾波器的極點(diǎn)不描述共振峰，雖然濾波器的極點(diǎn)描述聲道、更準(zhǔn)確地說(shuō)是口腔的共振頻率。幾乎不使用聲道的下部來(lái)產(chǎn)生清音語(yǔ)音。明顯共振的次數(shù)通常因腔室較短而在口腔中限制為一次或兩次。通常引起清音段的短共鳴腔的另一個(gè)方面是語(yǔ)音內(nèi)容的頻率很高，一般包含3.4kHz以上的顯著的、感覺(jué)重要的內(nèi)容。
激勵(lì)濾波器的源可分為兩種類型準(zhǔn)周期和擾動(dòng)噪聲源。咽喉中的聲襞是濁音段期間的主要聲源。這種聲源屬于準(zhǔn)周期類型，通常具有在70-400Hz范圍內(nèi)的基本頻率。這個(gè)基本頻率又稱作基音頻率(pith frequency)，與放松的狀態(tài)相比，人在說(shuō)話過(guò)程中基音頻率會(huì)提高大約100％。聲襞產(chǎn)生的信號(hào)象一個(gè)失真的半波整流正弦波，從而還產(chǎn)生諧波。諧波在感覺(jué)上重要是因?yàn)橐韵逻@個(gè)事實(shí)共振峰是根據(jù)其激勵(lì)的基本頻率來(lái)分組的；也就是說(shuō)，具有相同基本頻率的共振峰將構(gòu)成語(yǔ)聲。已經(jīng)表明在并發(fā)的語(yǔ)音環(huán)境中，基頻甚至比聲音的方向更為重要。
通過(guò)采用收縮將氣流導(dǎo)向障礙物或者僅產(chǎn)生擾動(dòng)氣流速率，來(lái)產(chǎn)生擾動(dòng)噪聲源。使用障礙物時(shí)，所產(chǎn)生的噪聲振幅電平較高。噪聲源可在聲道中的多個(gè)位置上產(chǎn)生，但最顯著的噪聲源是在口腔中產(chǎn)生的。
人的聽(tīng)覺(jué)機(jī)制感知語(yǔ)音具有一些重要功能。人的聽(tīng)覺(jué)通常描述為具有相對(duì)于頻率和振幅電平的對(duì)數(shù)靈敏度。因此，低頻在較小的頻帶中傳送更多信息。對(duì)此進(jìn)行描述的一種方法是采用Barkscale(巴氏刻度)，其在較低頻率范圍中具有100Hz的頻帶，在較高頻率范圍中具有大約1kHz的頻帶。由于這個(gè)對(duì)數(shù)標(biāo)度完全符合人類聽(tīng)覺(jué)的振幅電平靈敏度或者響度知覺(jué)，故振幅電平通常用分貝表示。
概述應(yīng)當(dāng)強(qiáng)調(diào)的是，在本說(shuō)明中，術(shù)語(yǔ)“包括”用來(lái)說(shuō)明存在所述特征、整數(shù)、步驟或組件；但這些術(shù)語(yǔ)的使用并不排除存一個(gè)或多個(gè)其它特征、整數(shù)、步驟、組件或上述各項(xiàng)的組合的存在或的各種版本。
希望有助于以感覺(jué)上可接受的方法將窄帶語(yǔ)音信號(hào)(300-3400Hz)擴(kuò)展成寬帶語(yǔ)音信號(hào)(300-7000Hz)。
根據(jù)本發(fā)明的一個(gè)方面，從第一窄帶語(yǔ)音信號(hào)中生成寬帶語(yǔ)音信號(hào)。其實(shí)現(xiàn)包括以下步驟分析第一窄帶語(yǔ)音信號(hào)以生成一個(gè)或多個(gè)參數(shù)；根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成第一較高頻帶信號(hào)；通過(guò)將第一較高頻帶信號(hào)放大某個(gè)增益量，生成第二較高頻帶信號(hào)，其中所述增益量至少部分基于第一窄帶語(yǔ)音信號(hào)中的一個(gè)或多個(gè)頻譜振幅峰值；以及將第二較高頻帶信號(hào)與從第一窄帶語(yǔ)音信號(hào)派生出來(lái)的第二窄帶語(yǔ)音信號(hào)相組合。在某些實(shí)施例中，第二窄帶語(yǔ)音信號(hào)采用包括對(duì)窄帶語(yǔ)音信號(hào)進(jìn)行上采樣的技術(shù)來(lái)生成。
在本發(fā)明的另一方面，分析第一窄帶語(yǔ)音信號(hào)以生成一個(gè)或多個(gè)參數(shù)包括采用線性預(yù)測(cè)從第一窄帶語(yǔ)音信號(hào)中產(chǎn)生誤差信號(hào)。
對(duì)于生成第一較高頻帶信號(hào)，一個(gè)或多個(gè)參數(shù)可包含識(shí)別窄帶語(yǔ)音信號(hào)的諧音的信號(hào)頻譜信息。這允許第一較高頻帶信號(hào)由這種技術(shù)來(lái)生成這種技術(shù)包括生成頻譜復(fù)制信號(hào)，該頻譜復(fù)制信號(hào)在較高頻率范圍內(nèi)具有在濁音段期間從窄帶語(yǔ)音信號(hào)的諧音復(fù)制的信號(hào)頻譜。
在某些實(shí)施例中，生成第一較高頻帶信號(hào)還可包括通過(guò)對(duì)頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成帶通濾波信號(hào)。
代替帶通濾波或除了帶通濾波之外，生成第一較高頻帶信號(hào)還可包括通過(guò)對(duì)帶通濾波信號(hào)進(jìn)行共振峰濾波。在某些實(shí)施例中，帶通濾波信號(hào)通過(guò)對(duì)頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成。然后，只要判決窄帶語(yǔ)音信號(hào)表示濁音，則將共振峰濾波應(yīng)用于帶通濾波信號(hào)。
在本發(fā)明的另一個(gè)方面，一個(gè)或多個(gè)參數(shù)可包括一組振幅參數(shù)，它們與第一窄帶語(yǔ)音信號(hào)的極點(diǎn)頻率分量的振幅成比例。如果判決第一窄帶語(yǔ)音信號(hào)表示濁音，則第一較高頻帶信號(hào)通過(guò)使用第一增益量來(lái)放大；如果判決第一窄帶語(yǔ)音信號(hào)表示摩擦音，則使用第二增益量。在某些實(shí)施例中，如果判決第一窄帶語(yǔ)音信號(hào)既不表示濁音也不表示摩擦音，則使用第三增益量。第三增益量最好是很低的常數(shù)增益量。
在某些實(shí)施例中，振幅參數(shù)用對(duì)數(shù)標(biāo)度，并且使用第一增益量包括對(duì)振幅參數(shù)進(jìn)行第一線性組合；以及使用第二增益量包括對(duì)振幅參數(shù)進(jìn)行第二線性組合。
在本發(fā)明的另一個(gè)方面，還能夠?qū)⒄瓗дZ(yǔ)音信號(hào)向下擴(kuò)展到比窄帶語(yǔ)音信號(hào)中所見(jiàn)的還要低的頻帶中。這可結(jié)合擴(kuò)展到較高頻帶中來(lái)進(jìn)行，但這不是本質(zhì)的僅擴(kuò)展到較低或者較高頻帶也是可行的。
較低頻帶信號(hào)根據(jù)一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成。對(duì)于上述任何實(shí)施例，將第二較高頻帶信號(hào)與派生于第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)相組合包括組合第二較高頻帶信號(hào)、派生于第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)以及較低頻帶信號(hào)。
為了便于合成較低頻帶信號(hào)，在某些實(shí)施例中，一個(gè)或多個(gè)參數(shù)包括基音頻率參數(shù)。在這些情況下，根據(jù)一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成較低頻帶信號(hào)可包括生成基于基音頻率參數(shù)的連續(xù)正弦音。在某些實(shí)施例中，窄帶語(yǔ)音信號(hào)包含多個(gè)窄帶語(yǔ)音信號(hào)段。在這些情況下，可對(duì)各窄帶語(yǔ)音信號(hào)段估計(jì)基音頻率參數(shù)；以及可在各語(yǔ)音信號(hào)段的第一部分逐步改變連續(xù)的正弦音。
在另一個(gè)方面，根據(jù)一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成較低頻帶信號(hào)還可包括根據(jù)窄帶語(yǔ)音信號(hào)段中至少一個(gè)共振峰的振幅電平自適應(yīng)地改變連續(xù)正弦音的振幅電平。窄帶語(yǔ)音信號(hào)段中的至少一個(gè)共振峰最好是窄帶語(yǔ)音信號(hào)段中的第一共振峰。
在另一個(gè)方面，根據(jù)一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成較低頻帶信號(hào)還可包括對(duì)連續(xù)的正弦音進(jìn)行低通濾波。對(duì)連續(xù)正弦音的這種低通濾波最好是采用基本上等于300Hz的上截止頻率來(lái)執(zhí)行。
附圖簡(jiǎn)述通過(guò)結(jié)合附圖閱讀以下詳細(xì)說(shuō)明，將會(huì)了解本發(fā)明的目的和優(yōu)點(diǎn)，附圖包括圖1是根據(jù)本發(fā)明用于擴(kuò)展語(yǔ)音信號(hào)帶寬的一種示范技術(shù)的方框圖；圖2是根據(jù)本發(fā)明的一個(gè)方面的高頻帶語(yǔ)音合成器的方框圖；圖3是根據(jù)本發(fā)明的一個(gè)方面的低頻帶語(yǔ)音合成器的方框圖；以及圖4是根據(jù)本發(fā)明的一個(gè)方面的窄帶語(yǔ)音分析器的方框圖。
詳細(xì)說(shuō)明參照


本發(fā)明的各種特點(diǎn)，附圖中，相似部分采用相同的標(biāo)號(hào)來(lái)標(biāo)識(shí)。
結(jié)合多個(gè)示范實(shí)施例對(duì)本發(fā)明的各個(gè)方面進(jìn)行說(shuō)明。為了便于理解本發(fā)明，根據(jù)計(jì)算機(jī)系統(tǒng)的部件所執(zhí)行的操作次序來(lái)說(shuō)明本發(fā)明的許多方面。大家知道，在各實(shí)施例中，各種操作可由專用電路(例如用于執(zhí)行專用功能的互連的離散邏輯門)、由一個(gè)或多個(gè)處理器執(zhí)行的程序指令或者甚至由它們的組合來(lái)執(zhí)行，本發(fā)明還可考慮完全在任何形式的計(jì)算機(jī)可讀載體，例如固態(tài)存儲(chǔ)器、磁盤、光盤或載波(例如射頻、音頻或光頻載波)中來(lái)實(shí)現(xiàn)，這些載體中包含使處理器執(zhí)行本文所述技術(shù)的適當(dāng)?shù)挠?jì)算機(jī)指令集。因此，本發(fā)明的各個(gè)方面可以不同的形式來(lái)體現(xiàn)，并且所有這些形式均視為屬于本發(fā)明的范圍。對(duì)于本發(fā)明的各個(gè)方面其中的每一個(gè)方面，任何這種形式的實(shí)施例在本文中可稱作用于執(zhí)行所述操作的“配置邏輯”，或者稱作執(zhí)行所述操作的“邏輯”。
由于開(kāi)始時(shí)極少電話具有寬帶聲碼器裝置，故本文提供這樣一種技術(shù)，用于僅采用接收電話中的設(shè)備將普通窄帶語(yǔ)音信號(hào)擴(kuò)展成寬帶語(yǔ)音信號(hào)。不管使用何種聲碼器，這都會(huì)造成寬帶語(yǔ)音信號(hào)的效果。本文所述的健壯技術(shù)基于語(yǔ)音聲學(xué)以及人的聽(tīng)覺(jué)原理。也就是說(shuō)，在濁音段期間擴(kuò)展語(yǔ)音信號(hào)的諧音結(jié)構(gòu)，引入相對(duì)普通窄頻帶能量正確的語(yǔ)音能量。在清音段期間，在高頻帶中引入摩擦噪聲。
如圖1所示，帶寬擴(kuò)展方法可分為分析部分和合成部分。在圖1所示示范實(shí)施例中，分析部分包括窄帶語(yǔ)音分析器101，它把普通窄帶信號(hào)當(dāng)作其輸入，并產(chǎn)生控制合成部分的參數(shù)。合成部分可包括高頻帶語(yǔ)音合成器103或低頻帶語(yǔ)音合成器105，或者如圖1所示兩者都包括。合成部分生成擴(kuò)展帶寬語(yǔ)音信號(hào)yhigh(n)和/或ylow(i)，它們具有較輸入信號(hào)x(n)高的采樣率(例如高出兩倍)。為了允許原始輸入信號(hào)與合成信號(hào)組合，由上采樣單元107對(duì)原始輸入信號(hào)進(jìn)行上采樣。然后組合單元109將上采樣單元107的輸出X2與擴(kuò)展帶寬語(yǔ)音信號(hào)yhigh(n)和ylow(n)組合，從而生成合成的激勵(lì)信號(hào)y(n)。
如圖2所示，高頻帶語(yǔ)音合成器103包括激勵(lì)頻譜擴(kuò)展器和濾波器，由它們對(duì)高頻帶中的語(yǔ)音內(nèi)容進(jìn)行整形。激勵(lì)頻譜通過(guò)采用頻譜均衡器201來(lái)擴(kuò)展，以便均衡整個(gè)窄帶語(yǔ)音頻譜的振幅，然后由頻譜復(fù)制單元203來(lái)對(duì)其所選部分進(jìn)行復(fù)制。這就得到一個(gè)采樣率比輸入信號(hào)x(n)的更高的信號(hào)，例如該信號(hào)的采樣率為輸入信號(hào)的兩倍，但在其它實(shí)施例中采樣率則有所不同。執(zhí)行復(fù)制以使諧波結(jié)構(gòu)連續(xù)。然后，由具有固定配置的帶通濾波器205對(duì)合成的激勵(lì)信號(hào)D進(jìn)行整形。帶通濾波器205的輸出是帶通濾波信號(hào)DHhigh。帶通濾波器205的作用是使較高頻率的振幅電平下降，以及使低于高頻帶的范圍內(nèi)的頻率截止。擴(kuò)展頻譜的增益由窄帶語(yǔ)音分析器101產(chǎn)生的信號(hào)(Ak，m和CTRL)來(lái)控制。合成的激勵(lì)信號(hào)D提供給各濁音增益單元207和清音增益單元209，由它們根據(jù)振幅控制信號(hào)Ak，m來(lái)生成相應(yīng)的增益信號(hào)gv和gu。還提供了第三增益信號(hào)g0。第三增益信號(hào)g0最好是很低的常數(shù)增益系數(shù)，它在相應(yīng)的語(yǔ)音既不是濁音的也不是摩擦音時(shí)使用，也就是說(shuō)，在語(yǔ)音信號(hào)中沒(méi)有有效語(yǔ)音時(shí)，或者在語(yǔ)聲存在于語(yǔ)音信號(hào)中、但不像在閉塞輔音的閉合部分中那樣具有有效的高頻帶語(yǔ)音內(nèi)容時(shí)使用。CTRL信號(hào)的一個(gè)方面選擇三個(gè)增益信號(hào)(gv、gu以及g0)中的哪一個(gè)將用于調(diào)整帶通濾波信號(hào)DHhigh的振幅。
在本發(fā)明的另一個(gè)方面，振幅譜整形還可用共振峰濾波器211來(lái)加以明確地控制，其傳遞函數(shù)與共振峰結(jié)構(gòu)相似。利用窄帶語(yǔ)音分析器101提供的共振峰濾波器(formant filter)控制信號(hào)Fu0所提供的濾波特性，共振峰濾波器211作用于帶通濾波信號(hào)DHhigh。共振峰濾波器211最好在高頻帶中具有若干峰值。這些共振峰值最好以相等頻率間隔設(shè)置，該間隔與窄頻帶中可見(jiàn)的兩個(gè)最高共振峰峰值之間的間隔相同。共振峰濾波器211的輸出是共振峰濾波信號(hào)DVHhigh。CTRL信號(hào)(由窄帶語(yǔ)音分析器101提供)的一個(gè)方面控制帶通濾波信號(hào)DHhigh或者共振峰濾波信號(hào)DVHhigh是否由三個(gè)增益信號(hào)(gv、gu及g0)其中之一來(lái)放大，以生成擴(kuò)展帶寬語(yǔ)音信號(hào)yhigh(n)。高頻帶語(yǔ)音合成器103的這些及其它方面稍后將在本說(shuō)明中結(jié)合本發(fā)明的一個(gè)示范實(shí)施例作更詳細(xì)的說(shuō)明。
如前所述，結(jié)合(或代替)向上擴(kuò)展帶寬頻率，還可能向下擴(kuò)展帶寬頻率。圖3更詳細(xì)地說(shuō)明用于此目的低頻帶語(yǔ)音合成器105。傳統(tǒng)系統(tǒng)中提供的窄電話帶寬具有300Hz的較低截止頻率。人的聽(tīng)覺(jué)頻率分辨率是對(duì)數(shù)的。將帶寬轉(zhuǎn)換為Barkscale(傳統(tǒng)的對(duì)數(shù)頻率刻度)，50-300Hz和3400-7000Hz范圍分別成為大約三個(gè)和四個(gè)Barkband寬。這意味著較低范圍也是感知上重要的。在此較低頻率范圍中的語(yǔ)音內(nèi)容在濁音段期間主要包含基音頻率及其諧波。在清音段期間，較低頻率范圍不是感知上重要的。根據(jù)本發(fā)明的這個(gè)方面，用于估計(jì)這個(gè)范圍中的語(yǔ)音內(nèi)容的技術(shù)在基音頻率和達(dá)到300Hz的諧波上引入正弦音。一般來(lái)說(shuō)，音的數(shù)量為四或以下，因?yàn)榛纛l率高于70Hz。下面將對(duì)此作更詳細(xì)的說(shuō)明。
如圖4所示，帶寬擴(kuò)展方法分析部分主要包括基音頻率估計(jì)器、基音活動(dòng)檢測(cè)器(PAD)403、摩擦音檢測(cè)器(摩擦音活動(dòng)檢測(cè)器FAD)405以及共振峰峰值振幅估計(jì)器(如下述方框407、409、411以及413所示)的使用?；纛l率檢測(cè)器403用來(lái)確定擴(kuò)展激勵(lì)頻譜上所用的增益量。窄帶語(yǔ)音分析器101的一般特性在于最好為摩擦音段提供較大的增益，因?yàn)槔缒Σ烈粽驾^高頻率范圍中語(yǔ)音能量的相當(dāng)大的部分?；纛l率估計(jì)器401用來(lái)計(jì)算引入較低頻率范圍的正弦音應(yīng)具有哪些頻率。
共振峰峰值振幅估計(jì)通過(guò)估計(jì)線性預(yù)測(cè)濾波器407來(lái)實(shí)現(xiàn)。線性預(yù)測(cè)濾波器407的輸出還用來(lái)計(jì)算頻譜均衡器中的激勵(lì)信號(hào)。窄帶語(yǔ)音信號(hào)x由全極濾波器a和激勵(lì)信號(hào)e來(lái)建模。
x(n)＝e(n)a(0)+e(n-1)a(1)+...+e(n-p)a(p)，(1)其中p是濾波器級(jí)數(shù)。等式(1)在穩(wěn)定信號(hào)期間是有效的，它接近各語(yǔ)音段的情況。然后針對(duì)各語(yǔ)音段改變模型。將濾波器系數(shù)a(n)提供給極點(diǎn)頻率計(jì)算單元409以及振幅計(jì)算單元411。振幅計(jì)算單元411采用濾波器系數(shù)a(n)和極點(diǎn)頻率值FN0來(lái)計(jì)算復(fù)共軛極點(diǎn)的頻率上的振幅值。然后再生成這些振幅值的不同比例版本。在一種版本中，振幅值與常數(shù)C1相乘以產(chǎn)生表示為g1(m)的值，用于低頻帶語(yǔ)音合成器105。在另一種版本中，由對(duì)數(shù)標(biāo)度單元413對(duì)振幅電平進(jìn)行標(biāo)度，以提供知覺(jué)上相對(duì)更正確的表示為Ak，m的振幅電平，其中k是估計(jì)共振峰頻率號(hào)(如1、2、3、4...)以及復(fù)共軛極點(diǎn)對(duì)索引(這些應(yīng)當(dāng)是相同的)，m是分割M個(gè)段的索引而非連續(xù)段號(hào)。高頻帶語(yǔ)音合成器103中的濁音增益單元207和摩擦增益單元209通過(guò)線性組合對(duì)數(shù)振幅電平Ak，m來(lái)計(jì)算其相應(yīng)的增益值。將不同的組合算符用于濁音和摩擦音(清音)段。如上所述，增益用來(lái)放大激勵(lì)頻譜。在窄帶語(yǔ)音分析器101中，摩擦音活動(dòng)檢測(cè)器(FAD)使用對(duì)數(shù)振幅電平Ak，m的其它線性組合來(lái)檢測(cè)摩擦音。窄帶語(yǔ)音分析器101中還配備語(yǔ)音活動(dòng)檢測(cè)器415，以產(chǎn)生表示在輸入信號(hào)x(n)中存在或不存在語(yǔ)音的信號(hào)。將基音活動(dòng)檢測(cè)器403、語(yǔ)音活動(dòng)檢測(cè)器415以及摩擦音活動(dòng)檢測(cè)器405的輸出提供給控制邏輯417，由其產(chǎn)生提供給高頻帶語(yǔ)音合成器103的CTRL信號(hào)。
極點(diǎn)頻率計(jì)算單元409還將其輸出頻率FN0提供給上共振峰合成器419，由其產(chǎn)生用于高頻帶頻率合成器103的合成共振峰FU0。合成上共振峰FN0的產(chǎn)生將在下面作更詳細(xì)的說(shuō)明。
如上所述，將較低語(yǔ)音合成信號(hào)ylow(n)和較高語(yǔ)音合成信號(hào)yhigh(n)與上采樣窄帶信號(hào)x2(n)相組合(或相加)，以生成最終的寬帶語(yǔ)音信號(hào)y(n)＝y(tǒng)low(n)+yhigh(n)+x2(n) (2)
高頻帶語(yǔ)音合成器103下面將結(jié)合一個(gè)示范實(shí)施例更詳細(xì)地說(shuō)明高頻帶語(yǔ)音合成器103。在本示范實(shí)施例中產(chǎn)生的高頻帶具有3.4-7kHz的頻率范圍，但這在其它實(shí)施例中可以有所不同。這個(gè)頻率范圍一般包括濁音段中的第四至第八共振峰，但最高的通常不是感知上重要的。包含例如摩擦或塞擦輔音的清音段在這個(gè)頻率范圍內(nèi)具有其語(yǔ)音能量的相當(dāng)大的部分。
再參照?qǐng)D2，首先向上擴(kuò)展(由反線性預(yù)測(cè)濾波器對(duì)原始信號(hào)x(n)濾波而生成的)激勵(lì)信號(hào)的頻率。完成它的一種簡(jiǎn)單而穩(wěn)固的方法是將頻譜從較低頻率復(fù)制到較高頻率。在這種復(fù)制過(guò)程中，使任何諧波結(jié)構(gòu)連續(xù)是極為重要的。激勵(lì)的振幅頻譜E(f)分為三個(gè)區(qū)較低匹配區(qū)E(fl)；中區(qū)E(fm)；以及較高匹配區(qū)E(fu)。激勵(lì)的振幅譜|E(f)|將具有梳狀結(jié)構(gòu)，其峰值間隔濁音段中的基音頻率一定距離。頻譜均衡器201采用快速傅立葉變換(FFT)來(lái)計(jì)算頻率格柵fI，i＝0...I-1上的整個(gè)復(fù)頻譜，其中I表示格柵中采樣頻率帶(frequency bin)的數(shù)量。在各頻率范圍fi∈fl和fi∈fu內(nèi)檢查最大頻譜振幅|E(fi)|的頻率fi|E(fl，max)|＝max|E(fi)|，fi∈fl，(3)|E(fu，max)|＝max|E(fi)|，fi∈fu由于振幅譜中的最大值可能與基音頻率的諧音一致，故諧波結(jié)構(gòu)得以連續(xù)。當(dāng)語(yǔ)音段是清音時(shí)，該方法以同樣的方式發(fā)揮作用，即使沒(méi)有需要加以連續(xù)化的諧波結(jié)構(gòu)。然后，為了將激勵(lì)頻譜擴(kuò)展到較高頻率中，頻譜復(fù)制單元203反復(fù)復(fù)制兩個(gè)找到的最大值之間的頻譜，直至達(dá)到fI-l
根據(jù)下等式計(jì)算實(shí)值時(shí)間信號(hào)固有的頻譜的復(fù)共軛鏡像部分D(fI+i)＝D*(fI-i)，i＝1，2，...，I-1(5)這使帶寬擴(kuò)展激勵(lì)頻譜D具有雙倍采樣率。頻譜D也能夠通過(guò)內(nèi)插、濾波以及置換的組合來(lái)加以構(gòu)造。
然后，帶通濾波器205對(duì)帶寬擴(kuò)展激勵(lì)頻譜D濾波。這得到濾波擴(kuò)展激勵(lì)頻譜DhighDhigh＝D·Hhigh(6)在示范實(shí)施例中，帶通濾波器205具有這樣的濾波特性即Hhigh(＝時(shí)域中的hhigh)具有3400Hz的較低截止頻率，并且對(duì)各較高頻率具有連續(xù)的下降電平。
在某些實(shí)施例中，為了增強(qiáng)感知的語(yǔ)音信號(hào)，高頻帶語(yǔ)音合成器103還可包括共振峰濾波器211，它在高頻率范圍中估計(jì)共振峰頻率處提供頻譜峰值FU1，F(xiàn)U2，...。在示范實(shí)施例中，對(duì)于各合成共振峰頻率，共振峰濾波器211具有一個(gè)復(fù)共軛極對(duì)和一個(gè)復(fù)共軛零對(duì)，其中極點(diǎn)具有較大的振幅V(f)=g(v0(1-rz(1)ej2πFU1)(1-rz(1)e-j2πFU1)(1-rp(1)ej2πFU1)(1-rp(1)e-j2πFU1)·(1-rz(2)ej2πFU2)(1-rz(2)e-j2πFU2)(1-rp(2)ej2πFU2)(1-rp(2)e-j2πFU2)···)---(7)]]>其中，rz是零值的恒定振幅，rp是極點(diǎn)的恒定振幅，以及vo是固定的規(guī)格化增益。與僅具有極點(diǎn)的濾波器相比，示范共振峰濾波器211的配置降低了極點(diǎn)間的干擾。對(duì)于共振峰頻率，極點(diǎn)和零值具有較低的振幅，以便對(duì)較高共振峰頻率產(chǎn)生增加的帶寬。共振峰之間的頻率間隔最好是相等的。其間隔之所以要相等，是因?yàn)槿缦率聦?shí)較高頻率范圍內(nèi)的共振峰通常是聲道腔或管最前端的共振，因此是最低諧振頻率的若干倍。在以下題為“窄帶語(yǔ)音分析器101”部分給出頻率間隔計(jì)算。
因此，共振峰的輸出Dvhigh由下等式給出Dvhigh＝V·Dhigh(8)在最佳實(shí)施例中，高頻帶語(yǔ)音合成器103也可基于帶通濾波信號(hào)Dhigh或者基于共振峰濾波信號(hào)Dvhigh。這種選擇由CTRL信號(hào)進(jìn)行。因此，提供第一快速傅立葉逆變換單元(IFFT)213，以便將帶通濾波信號(hào)轉(zhuǎn)換到時(shí)域中dhigh(n)=g-1(Dhigh).,---(9)]]>并提供第二IFFT 215以便將共振峰濾波信號(hào)轉(zhuǎn)換到時(shí)域中dvhigh(n)=g-1(Dvhigh)---(10)]]>高頻帶語(yǔ)音合成器103最好包括合適的放大器217，由其根據(jù)窄帶頻率范圍內(nèi)的電平將擴(kuò)展激勵(lì)頻譜放大量g。因此，取決于CTRL信號(hào)的值，高頻帶語(yǔ)音合成器103的輸出為yhigh(n)＝g·dhigh(n)(11)或者yhigh(n)＝g·dvhigh(n)， (12)根據(jù)當(dāng)前語(yǔ)音段中的語(yǔ)音信號(hào)表示濁音還是清音，以不同方法來(lái)計(jì)算增益g。當(dāng)前段包含濁音時(shí)，利用檢測(cè)到的基音頻率，濁音增益單元207生成濁音增益信號(hào)gv，它是根據(jù)線性預(yù)測(cè)濾波器中極點(diǎn)頻率FN1，F(xiàn)N2，...FNN處的對(duì)數(shù)定標(biāo)的振幅導(dǎo)出的
Ak,m=log10Σl=0pαm(l)·γxx,m(l)|Σl=0pαm(l)·e-j2πlfNk|2---(13)]]>g~v=Σk=1PAk,m·hv(k)---(14)]]>gv=10g~v1IΣl=0ID(fi)2,---(15)]]>其中，p是線性預(yù)測(cè)濾波器407的級(jí)數(shù)；γxx，m是最后的M-1濁音段與當(dāng)前清音段上窄帶信號(hào)的自相關(guān)；hv是對(duì)數(shù)振幅Ak，m的線性組合算符；am(1)是最后的M-1濁音段與當(dāng)前清音段上的線性預(yù)測(cè)值以及對(duì)于濁音段，m＝1。使用振幅的對(duì)數(shù)值是因?yàn)檫@符合對(duì)振幅電平的感知，并且可能增益電平應(yīng)當(dāng)取決于對(duì)數(shù)振幅。
在含摩擦音的清音段中，清音增益信號(hào)gu被確定為最后的M-1濁音段和當(dāng)前清音段上的對(duì)數(shù)振幅電平的函數(shù)g~u=Σm=1MΣk=1PAk,m·hu(k,m)---(16)]]>gu=10g~u1IΣl=0ID(fi)2,---(17)]]>其中，Ak，m是最后的M-1濁音段和當(dāng)前段的對(duì)數(shù)振幅。也就是說(shuō)，給定濁音和清音段的混合，為了找出M-1個(gè)最近的濁音段，必須回溯M-1個(gè)以上的先前段。M的值最好憑經(jīng)驗(yàn)確定，值10通常足夠高。最后的增益g則由下等式給出
其中g(shù)0是極低的常數(shù)增益系數(shù)。更具體地說(shuō)，g0最好是比其它增益的長(zhǎng)期平均值至少低20dB，但更一般地來(lái)說(shuō)，g0應(yīng)當(dāng)是取決于應(yīng)用的常數(shù)。例如，在某些應(yīng)用中最好還可能將背景聲復(fù)制到高頻帶，而在其它應(yīng)用中，最好可能完全消除高頻帶中的背景聲。在圖2所示的示范實(shí)施例中，等式(18)所表示的選擇由CTRL信號(hào)控制。
低頻帶語(yǔ)音合成器105如圖3所示，將結(jié)合一個(gè)示范實(shí)施例更詳細(xì)地說(shuō)明低頻帶語(yǔ)音合成器105。在本示范實(shí)施例中產(chǎn)生的低頻帶具有50-300Hz的頻率范圍，但在其它實(shí)施例中可以有所不同。這個(gè)頻率范圍主要包含濁音。濁音的激勵(lì)頻譜是基音頻率及其諧波。諧波振幅隨頻率增加而降低。激勵(lì)頻譜由共振峰結(jié)構(gòu)來(lái)濾波，對(duì)于較低頻率范圍，第一共振峰是重要的。第一共振峰在濁音期間在大約250-850Hz的范圍內(nèi)。因此，頻率范圍50-300Hz中諧波的自然振幅電平近似相等或者隨頻率下降而下降。低頻音能夠在感知上基本上屏蔽較高頻率一這就是所說(shuō)的屏蔽的向上擴(kuò)展。這意味著將音引入低頻率范圍時(shí)必須小心。因此，最好取小于第一共振峰峰值的估計(jì)振幅的估計(jì)增益。所建議的頻率向下帶寬擴(kuò)展是通過(guò)引入連續(xù)正弦音的連續(xù)正弦音發(fā)生器301來(lái)完成的。所有正弦音的振幅電平均隨第一共振峰的部分振幅電平自適應(yīng)地變化g1(m)=C1·Σl=0pα(l)·γxx(l)|Σl=0pα(l)·e-j2πlfNl|2,---(19)]]>其中，C1是常數(shù)，m是連續(xù)段號(hào)。
低頻連續(xù)正弦音發(fā)生器301基于基音頻率以及基音頻率的整數(shù)倍數(shù)。對(duì)各語(yǔ)音段估計(jì)基音頻率。為了避免正弦音中的不連續(xù)性，在各段的第一部分期間使這些音逐步變化。對(duì)于基音頻率的各整數(shù)倍數(shù)i，連續(xù)正弦音發(fā)生器301根據(jù)以下等式生成各正弦音信號(hào)si(n) 其中，φ(m)是保持段之間的連續(xù)正弦曲線所需的相位補(bǔ)償，ω(m)是當(dāng)前段m的基音頻率，L是段中的樣本個(gè)數(shù)，以及L1是段中軟轉(zhuǎn)變(soft transition)的最后一個(gè)樣本值。于是，完整的合成低頻語(yǔ)音信號(hào)s(n)由下等式給出s(n)=Σi=14si(n),---(21)]]>信號(hào)s(n)也可由低通濾波器303可選地加以濾波，本例中，低通濾波器303具有300Hz的極限。在等式(21)中，i＝1，...，4的求和范圍在此僅作為示例給出。實(shí)踐中，應(yīng)當(dāng)對(duì)這個(gè)范圍進(jìn)行選擇，以便將所有正弦音加在一起。所得到的輸出信號(hào)ylow(n)由下等式給出ylow(n)=g1(m)·Σk=0plows(n-k)hlow(k).---(22)]]>窄帶語(yǔ)音分析器101參照?qǐng)D4，采用線性預(yù)測(cè)濾波器(線性預(yù)測(cè)器407)和激勵(lì)信號(hào)的模型來(lái)估計(jì)窄帶語(yǔ)音(參見(jiàn)等式(1))。
較高頻率范圍中的合成共振峰頻率(FU0)的設(shè)置基于窄帶語(yǔ)音信號(hào)中的估計(jì)共振峰頻率(FN0)。估計(jì)線性預(yù)測(cè)濾波器407在窄帶語(yǔ)音信號(hào)的共振峰頻率處具有極點(diǎn)。在最佳實(shí)施例中，兩個(gè)最高頻率FN(N-1)和FNN處的極點(diǎn)用于分析合成共振峰的設(shè)置。其原因在于這些估計(jì)共振峰頻率極可能是同一最前端管的共振頻率。如果認(rèn)為該最前端管是均勻的，即在前端張開(kāi)，后端閉合，則共振出現(xiàn)于
f=2n-14·cl,=1,2,3,...---(23)]]>其中，在體溫及1個(gè)大氣壓下c＝354m/s，1是管道(tue)的長(zhǎng)度。等式(23)中的參數(shù)可通過(guò)計(jì)算平均值n來(lái)估計(jì)，以及c/1可根據(jù)頻率間隔來(lái)計(jì)算nN(N-1)=round(FN(N-1)+FNN2(FNN-FN(N-1)))---(24)]]>cl=2(FNN-FN(N-1))---(25)]]>于是，分?jǐn)?shù)c/l也受到限制20cm的最大管道長(zhǎng)度是合理的物理限度，它提供0.9kHz的諧振頻率之間的較低間隔極限。對(duì)與FU1，F(xiàn)U2，...，相對(duì)應(yīng)的n＝nN(N-1)+2，nN(N-1)+3，...，用等式(23)來(lái)計(jì)算合成共振峰頻率FU0。
用于分析部分的檢測(cè)器為摩擦音活動(dòng)檢測(cè)器(FAD 405)、濁音/清音(基音頻率)判決器(PAD 403)以及一般語(yǔ)音活動(dòng)檢測(cè)器(VAD 415)。VAD 415是眾所周知的，無(wú)需在此進(jìn)行詳細(xì)說(shuō)明。一種可能的選擇是用于GSM AMR聲碼器規(guī)范(參見(jiàn)自適應(yīng)多速率(AMR)語(yǔ)音業(yè)務(wù)信道的語(yǔ)音活動(dòng)檢測(cè)器(VAD)，GSM 06.94，Ver7.1.1，ETSI，1998)。濁音/清音判決是從基音頻率估計(jì)器中導(dǎo)出的?；纛l率估計(jì)器和檢測(cè)器也是眾所周知的，不需要在此進(jìn)行詳細(xì)說(shuō)明。例如，參見(jiàn)W.Hess的“語(yǔ)音信號(hào)的基音頻率確定”(Springer-Verlag，1983)。
摩擦音活動(dòng)檢測(cè)器(FAD 405)用來(lái)檢測(cè)何時(shí)當(dāng)前語(yǔ)音段中包含摩擦或塞擦輔音。隨后可將檢測(cè)結(jié)果用于選擇合適的增益計(jì)算方法。摩擦音活動(dòng)檢測(cè)器在結(jié)構(gòu)上與線性增益估計(jì)方法相似。檢測(cè)器中的第一級(jí)計(jì)算含基音的當(dāng)前段和最后的M-1段中的估計(jì)共振峰振幅Ak，m的線性組合hf(k，m)o=Σm=1MΣk=1pAk,m·hf(k,m).---(26)]]>估計(jì)值o在當(dāng)前段包含摩擦音時(shí)為低。取含濁音的段上o的指數(shù)平均值，形成ō。當(dāng)估計(jì)值o低于平均值ō時(shí)，則估計(jì)該段包含摩擦音。
高頻帶語(yǔ)音合成器103采用不同的高頻帶增益，這取決于它是否正在合成濁音、摩擦音或者既非濁音也非摩擦音的語(yǔ)音的高頻帶信號(hào)。這些情況可利用上述檢測(cè)器和控制邏輯確定為 其中，“&”表示邏輯“與”操作符，“|”表示邏輯“或”操作符，以及變量上的“橫劃線”表示邏輯“非”操作符。
已經(jīng)結(jié)合特定實(shí)施例對(duì)本發(fā)明進(jìn)行了說(shuō)明。然而，本領(lǐng)域的技術(shù)人員非常清楚，能夠采用不同于上述最佳實(shí)施例的其它特定形式來(lái)實(shí)施本發(fā)明。這可以在不背離本發(fā)明的精神的前提下進(jìn)行。
例如，高頻帶語(yǔ)音合成器103能夠以不同于結(jié)合圖2所述的示范實(shí)施例的方法來(lái)實(shí)現(xiàn)。在一種備選方案中將帶通濾波器205完全取消，而將頻譜復(fù)制單元203的輸出直接提供給共振峰濾波器211。這是一種可行的備選方案，因?yàn)榭衫霉舱穹鍨V波器211來(lái)減少3400Hz以下的頻率成分，并且在摩擦音期間中(即沒(méi)有選擇共振峰濾波器的輸出時(shí))，這種減少不是很重要的。
在高頻帶語(yǔ)音合成器103的另一個(gè)備選方案中，用高通濾波器取代帶通濾波器205。
在高頻帶語(yǔ)音合成器103的另一個(gè)備選方案中，頻譜復(fù)制單元203由頻譜搬移單元代替，頻譜搬移單元首先執(zhí)行復(fù)制功能、然后再使已經(jīng)復(fù)制的部分歸零。
在高頻帶語(yǔ)音合成器103的另一個(gè)備選方案中，可以完全取消帶通濾波器205和共振峰濾波器211一如果高頻帶合成信號(hào)中不加衰減地保留3400Hz以下的內(nèi)容，則該內(nèi)容對(duì)聽(tīng)者的干擾將會(huì)很大，但可以使其語(yǔ)音質(zhì)量明顯下降從而保留該內(nèi)容。
上述實(shí)施例所依賴的聲道的管道模型是一種簡(jiǎn)單模型。在其它備選實(shí)施例中，本領(lǐng)域的技術(shù)人員可以輕易地將上面提出的相同原理應(yīng)用于基于更高級(jí)的管道模型的應(yīng)用中。
此外，在如上所述的FAD和增益的說(shuō)明中，使用了術(shù)語(yǔ)“比例”和“線性”。但是，在其它備選方案中，還可采用非線性處理。例如，這可通過(guò)配置在例如前饋后向傳播或星形網(wǎng)絡(luò)中的人工神經(jīng)網(wǎng)絡(luò)(ANN)來(lái)執(zhí)行。一個(gè)ANN將Ak，m作為輸入，并生成等式(16)中的 作為輸出。另一個(gè)ANN將Ak，m作為輸入，并生成等式(26)中的o作為輸出。
最后，還要注意，在執(zhí)行低頻帶合成而沒(méi)有高頻帶合成的實(shí)施例中，不需要對(duì)窄帶信號(hào)進(jìn)行上采樣。
因此，最佳實(shí)施例只是說(shuō)明性的，而絕不應(yīng)當(dāng)看作是限制性的。
權(quán)利要求
1.一種從第一窄帶語(yǔ)音信號(hào)中生成寬帶語(yǔ)音信號(hào)的方法，所述方法包括分析所述第一窄帶語(yǔ)音信號(hào)，以生成一個(gè)或多個(gè)參數(shù)；根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成第一較高頻帶信號(hào)；通過(guò)將所述第一較高頻帶信號(hào)放大一定增益量來(lái)生成第二較高頻帶信號(hào)，其中所述一定增益量至少部分基于所述第一窄帶語(yǔ)音信號(hào)中的一個(gè)或多個(gè)頻譜振幅峰值；以及將所述第二較高頻帶信號(hào)與派生于所述第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)相組合。
2.如權(quán)利要求1所述的方法，其特征在于還包括采用包括對(duì)所述窄帶語(yǔ)音信號(hào)進(jìn)行上采樣的技術(shù)來(lái)生成所述第二窄帶語(yǔ)音信號(hào)。
3.如權(quán)利要求1所述的方法，其特征在于對(duì)所述第一窄帶語(yǔ)音信號(hào)進(jìn)行分析以生成一個(gè)或多個(gè)參數(shù)包括采用線性預(yù)測(cè)從所述第一窄帶語(yǔ)音信號(hào)中產(chǎn)生誤差信號(hào)。
4.如權(quán)利要求1所述的方法，其特征在于所述一個(gè)或多個(gè)參數(shù)包括識(shí)別所述窄帶語(yǔ)音信號(hào)的諧音的信號(hào)頻譜信息；以及根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一生成所述第一較高頻帶信號(hào)包括生成一個(gè)頻譜復(fù)制信號(hào)，該復(fù)制信號(hào)在較高頻率范圍中具有復(fù)制濁音段中所述窄帶語(yǔ)音信號(hào)的諧音的信號(hào)頻譜。
5.如權(quán)利要求4所述的方法，其特征在于生成所述第一較高頻帶信號(hào)還包括通過(guò)對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成帶通濾波信號(hào)。
6.如權(quán)利要求5所述的方法，其特征在于生成所述第一較高頻帶信號(hào)還包括對(duì)所述帶通濾波信號(hào)進(jìn)行共振峰濾波。
7.如權(quán)利要求4所述的方法，其特征在于生成所述第一較高頻帶信號(hào)還包括通過(guò)對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成帶通濾波信號(hào)；以及只要判定所述窄帶語(yǔ)音信號(hào)表示濁音，則對(duì)所述帶通濾波信號(hào)進(jìn)行共振峰濾波。
8.如權(quán)利要求4所述的方法，其特征在于生成所述第一較高頻帶信號(hào)還包括對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行共振峰濾波。
9.如權(quán)利要求1所述的方法，其特征在于所述一個(gè)或多個(gè)參數(shù)包括一組振幅參數(shù)，它們與所述第一窄帶語(yǔ)音信號(hào)的極點(diǎn)頻率分量的振幅成比例；以及放大所述第一較高頻帶信號(hào)包括如果判定所述第一窄帶語(yǔ)音信號(hào)表示濁音，則采用第一增益量；以及如果判定所述第一窄帶語(yǔ)音信號(hào)表示摩擦音，則采用第二增益量。
10.如權(quán)利要求9所述的方法，其特征在于放大所述第一較高頻帶信號(hào)還包括如果判定所述第一窄帶語(yǔ)音信號(hào)既不表示濁音也不表示摩擦音，則采用第三增益量。
11.如權(quán)利要求10所述的方法，其特征在于所述第三增益量是極低的常數(shù)增益量。
12.如權(quán)利要求9所述的方法，其特征在于振幅參數(shù)用對(duì)數(shù)進(jìn)行標(biāo)度；使用所述第一增益量包括對(duì)所述振幅參數(shù)進(jìn)行第一線性組合；以及使用所述第二增益量包括對(duì)所述振幅參數(shù)進(jìn)行第二線性組合。
13.如權(quán)利要求1所述的方法，其特征在于所述第二窄帶語(yǔ)音信號(hào)是所述第一窄帶語(yǔ)音信號(hào)。
14.如權(quán)利要求1所述的方法，其特征在于還包括根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成較低頻帶信號(hào)，以及其中，將所述第二較高頻帶信號(hào)與派生于所述第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)相組合包括將所述第二較高頻帶信號(hào)、派生于所述第一窄帶語(yǔ)音信號(hào)的所述第二窄帶語(yǔ)音信號(hào)和所述較低頻帶信號(hào)相組合。
15.如權(quán)利要求14所述的方法，其特征在于所述一個(gè)或多個(gè)參數(shù)包括基音頻率參數(shù)；以及根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)包括生成基于所述基音頻率參數(shù)的連續(xù)正弦音。
16.如權(quán)利要求15所述的方法，其特征在于所述窄帶語(yǔ)音信號(hào)包括多個(gè)窄帶語(yǔ)音信號(hào)段；對(duì)各所述窄帶語(yǔ)音信號(hào)段估計(jì)所述基音頻率參數(shù)；以及在各語(yǔ)音信號(hào)段的第一部分期間使所述連續(xù)正弦音逐漸變化。
17.如權(quán)利要求16所述的方法，其特征在于根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)還包括根據(jù)所述窄帶語(yǔ)音信號(hào)段中至少一個(gè)共振峰的振幅電平來(lái)自適應(yīng)地改變所述連續(xù)正弦音的振幅電平。
18.如權(quán)利要求17所述的方法，其特征在于所述窄帶語(yǔ)音信號(hào)段中的所述至少一個(gè)共振峰是所述窄帶語(yǔ)音信號(hào)段中的第一共振峰。
19.如權(quán)利要求17所述的方法，其特征在于根據(jù)所述窄帶語(yǔ)音信號(hào)段中的至少一個(gè)共振峰的所述振幅電平來(lái)自適應(yīng)地改變所述連續(xù)正弦音的振幅電平包括使所述連續(xù)正弦音的振幅電平自適應(yīng)地改變由以下等式給出的一定量g1(m)g1(m)=C1·Σl=0p·α(l)·γxx(l)|Σl=0pα(l)·e-j2πlfNl|2,]]>其中C1是常數(shù)；m是段號(hào)；γxx是所述窄帶語(yǔ)音信號(hào)x的自相關(guān)值；fN1是所述窄帶語(yǔ)音信號(hào)的第一共振峰的頻率；以及p是線性預(yù)測(cè)濾波器級(jí)數(shù)。
20.如權(quán)利要求17所述的方法，其特征在于所述連續(xù)正弦音s(n)根據(jù)以下等式產(chǎn)生s(n)=Σi=1Nsi(n),]]>其中對(duì)求和范圍i＝1至N進(jìn)行選擇，以使所有正弦音參與相加，以及 其中，φ(m)是保持段中的連續(xù)正弦曲線所需的相位補(bǔ)償，ω(m)是當(dāng)前語(yǔ)音信號(hào)段m的基音頻率，L1是各語(yǔ)音信號(hào)段中樣本個(gè)數(shù)，以及L1是各語(yǔ)音信號(hào)段中軟轉(zhuǎn)變的最后樣本值。
21.如權(quán)利要求15所述的方法，其特征在于根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)還包括對(duì)所述連續(xù)正弦音進(jìn)行低通濾波。
22.如權(quán)利要求21所述的方法，其特征在于，用基本上等于300Hz的上截止頻率來(lái)對(duì)所述連續(xù)正弦音進(jìn)行低通濾波。
23.一種從第一窄帶語(yǔ)音信號(hào)中生成寬帶語(yǔ)音信號(hào)的裝置，所述方法包括分析所述第一窄帶語(yǔ)音信號(hào)以生成一個(gè)或多個(gè)參數(shù)的邏輯；根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成第一較高頻帶信號(hào)的邏輯；通過(guò)將所述第一較高頻帶信號(hào)放大一定增益量來(lái)生成第二較高頻帶信號(hào)的邏輯，其中所述一定增益量至少部分基于所述第一窄帶語(yǔ)音信號(hào)中的一個(gè)或多個(gè)頻譜振幅峰值；以及把所述第二較高頻帶信號(hào)和派生于所述第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)相組合的邏輯。
24.如權(quán)利要求23所述的裝置，其特征在于還包括采用包括對(duì)所述窄帶語(yǔ)音信號(hào)進(jìn)行上采樣的技術(shù)來(lái)生成所述第二窄帶語(yǔ)音信號(hào)的邏輯。
25.如權(quán)利要求23所述的裝置，其特征在于分析所述第一窄帶語(yǔ)音信號(hào)以生成一個(gè)或多個(gè)參數(shù)的邏輯部件包括采用線性預(yù)測(cè)從所述第一窄帶語(yǔ)音信號(hào)中產(chǎn)生誤差信號(hào)的邏輯。
26.如權(quán)利要求23所述的裝置，其特征在于所述一個(gè)或多個(gè)參數(shù)包括識(shí)別所述窄帶語(yǔ)音信號(hào)的諧音的信號(hào)頻譜信息；以及根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一生成所述第一較高頻帶信號(hào)的邏輯包括生成含較高頻率范圍中信號(hào)頻譜的頻譜復(fù)制信號(hào)的邏輯，其中，所述頻譜復(fù)制信號(hào)復(fù)制濁音段中所述窄帶語(yǔ)音信號(hào)的諧音。
27.如權(quán)利要求26所述的裝置，其特征在于生成所述第一較高頻帶信號(hào)的所述邏輯還包括通過(guò)對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成帶通濾波信號(hào)的邏輯。
28.如權(quán)利要求27所述的裝置，其特征在于生成所述第一較高頻帶信號(hào)的所述邏輯還包括對(duì)所述帶通濾波信號(hào)進(jìn)行共振峰濾波的共振峰濾波器。
29.如權(quán)利要求26所述的裝置，其特征在于生成所述第一較高頻帶信號(hào)的所述邏輯還包括帶通濾波器，它通過(guò)對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行帶通濾波來(lái)生成帶通濾波信號(hào)；以及共振峰濾波器，只要判定所述窄帶語(yǔ)音信號(hào)表示濁音，它就對(duì)所述帶通濾波信號(hào)進(jìn)行共振峰濾波。
30.如權(quán)利要求26所述的方法，其特征在于生成所述第一較高頻帶信號(hào)的所述邏輯還包括對(duì)所述頻譜復(fù)制信號(hào)進(jìn)行共振峰濾波的共振峰濾波器。
31.如權(quán)利要求23所述的裝置，其特征在于所述一個(gè)或多個(gè)參數(shù)包括一組振幅參數(shù)，它們與所述第一窄帶語(yǔ)音信號(hào)的極點(diǎn)頻率分量的振幅成比例；以及放大所述第一較高頻帶信號(hào)的所述邏輯包括如果判定所述第一窄帶語(yǔ)音信號(hào)表示濁音時(shí)則采用第一增益量的邏輯；以及如果判定所述第一窄帶語(yǔ)音信號(hào)表示摩擦音時(shí)則采用第二增益量的邏輯。
32.如權(quán)利要求31所述的裝置，其特征在于放大所述第一較高頻帶信號(hào)的所述邏輯還包括如果判定所述第一窄帶語(yǔ)音信號(hào)既不表示濁音也不表示摩擦音時(shí)則采用第三增益量的邏輯。
33.如權(quán)利要求32所述的裝置，其特征在于所述第三增益量是極低的常數(shù)增益量。
34.如權(quán)利要求31所述的裝置，其特征在于所述振幅參數(shù)用對(duì)數(shù)方法進(jìn)行標(biāo)度；使用所述第一增益量的所述邏輯包括對(duì)所述振幅參數(shù)進(jìn)行第一線性組合的邏輯；以及使用所述第二增益量的所述邏輯包括對(duì)所述振幅參數(shù)進(jìn)行第二線性組合的邏輯。
35.如權(quán)利要求23所述的裝置，其特征在于所述第二窄帶語(yǔ)音信號(hào)是所述第一窄帶語(yǔ)音信號(hào)。
36.如權(quán)利要求23所述的裝置，基特征在于還包括根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成較低頻帶信號(hào)的邏輯，以及其中，將所述第二較高頻帶信號(hào)與派生于所述第一窄帶語(yǔ)音信號(hào)的第二窄帶語(yǔ)音信號(hào)相組合的所述邏輯包括將所述第二較高頻帶信號(hào)、派生于所述第一窄帶語(yǔ)音信號(hào)的所述第二窄帶語(yǔ)音信號(hào)和所述較低頻帶信號(hào)相組合的邏輯。
37.如權(quán)利要求36所述的裝置，其特征在于所述一個(gè)或多個(gè)參數(shù)包括基音頻率參數(shù)；以及根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)的所述邏輯包括生成基于所述基音頻率參數(shù)的連續(xù)正弦音的邏輯。
38.如權(quán)利要求37所述的裝置，其特征在于所述窄帶語(yǔ)音信號(hào)包括多個(gè)窄帶語(yǔ)音信號(hào)段；對(duì)各所述窄帶語(yǔ)音信號(hào)段估計(jì)所述基音頻率參數(shù)；以及在各語(yǔ)音信號(hào)段的第一部分期間使所述連續(xù)正弦音逐步變化。
39.如權(quán)利要求38所述的裝置，其特征在于根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)的所述邏輯還包括根據(jù)所述窄帶語(yǔ)音信號(hào)段中至少一個(gè)共振峰的振幅電平來(lái)自適應(yīng)地改變所述連續(xù)正弦音的振幅電平的邏輯。
40.如權(quán)利要求39所述的裝置，其特征在于所述窄帶語(yǔ)音信號(hào)段中的所述至少一個(gè)共振峰是所述窄帶語(yǔ)音信號(hào)段中的第一共振峰。
41.如權(quán)利要求39所述的裝置，其特征在于根據(jù)所述窄帶語(yǔ)音信號(hào)段中的至少一個(gè)共振峰的振幅電平來(lái)自適應(yīng)地改變所述連續(xù)正弦音的振幅電平的所述邏輯包括自適應(yīng)地使所述連續(xù)正弦音的振幅電平改變由如下等式給出的一定量g1(m)的邏輯g1(m)=C1·Σl=0p·α(l)·γxx(l)|Σl=0pα(l)·e-j2πlfNl|2,]]>其中C1是常數(shù)；m是段號(hào)；γxx是所述窄帶語(yǔ)音信號(hào)x的自相關(guān)值；fN1是所述窄帶語(yǔ)音信號(hào)的第一共振峰的頻率；以及p是線性預(yù)測(cè)濾波器級(jí)數(shù)。
42.如權(quán)利要求39所述的裝置，其特征在于根據(jù)下式產(chǎn)生所述連續(xù)正弦音s(n)s(n)=Σi=1Nsi(n),]]>其中對(duì)求和范圍i＝1至N進(jìn)行選擇以使所有正弦音參與相加，以及 其中，φ(m)是保持段中的連續(xù)正弦曲線所需的相位補(bǔ)償，ω(m)是當(dāng)前語(yǔ)音信號(hào)段m的基音頻率，L是各語(yǔ)音信號(hào)段中的樣本個(gè)數(shù)，以及L1是各語(yǔ)音信號(hào)段中所述軟轉(zhuǎn)變的最后樣本值。
43.如權(quán)利要求37所述的裝置，其特征在于根據(jù)所述一個(gè)或多個(gè)參數(shù)至少其中之一來(lái)合成所述較低頻帶信號(hào)的所述邏輯還包括對(duì)所述連續(xù)正弦音進(jìn)行低通濾波的低通濾波器。
44.如權(quán)利要求43所述的裝置，其特征在于所述低通濾波器具有基本上等于300Hz的上截止頻率。
全文摘要
將普通窄帶語(yǔ)音信號(hào)擴(kuò)展成寬帶語(yǔ)音信號(hào)。無(wú)論接收器中使用何種類型的聲碼器，所擴(kuò)展的信號(hào)均會(huì)提供寬帶語(yǔ)音信號(hào)的效果。本發(fā)明提出的穩(wěn)固的技術(shù)基于語(yǔ)音聲學(xué)和人類聽(tīng)覺(jué)的基本原理。那就是擴(kuò)展?jié)嵋舳沃姓Z(yǔ)音信號(hào)的諧波結(jié)構(gòu)，在寬頻帶中引入線性估計(jì)的語(yǔ)音能量的技術(shù)。在清音段期間，在高頻帶中引入摩擦噪聲。
文檔編號(hào)G10L19/08GK1496559SQ02806198
公開(kāi)日2004年5月12日 申請(qǐng)日期2002年1月8日 優(yōu)先權(quán)日2001年1月12日
發(fā)明者H·古斯塔夫森, U·林德格倫, H 古斯塔夫森, 賂衤 申請(qǐng)人:艾利森電話股份有限公司