[发明专利]语音区分

说明书

本发明涉及信号处理领域，特别是语音信号的处理。更具体地，本发 明涉及一种用于区分第一和第二话音的方法，和涉及一种用于执行该方法 的信号处理器与设备。

例如在电话和电信会议系统中，不同讲话人的话音的区分是一个众所 周知的问题。例如，在不带有可视提示的电信会议系统中，远端收听者将 很难跟上在多个同时讲话的讲话人之间的讨论。即使仅仅一个讲话人在讲 话，远端收听者可能仍很难识别话音且从而识别谁在讲话。在移动电话中， 在嘈杂的环境下，讲话人识别也可能是成问题的，特别是由于这样的事实： 平常的呼叫者由于近的遗传的和/或社会的语言学关系，往往具有相似的话 音。此外，在其中线路是对于几个讲话人开放的虚拟的工作场所应用中， 快速的和精确的讲话人识别可能是重要的。

US 2004/0013252描述了一种用于改进在电话会议期间收听者区分谈 话人的方法和设备。该方法使用通过电信系统传送的信号，该方法包括从 多个谈话人中的每个谈话人到收听者的话音，以及指示符向收听者指示实 际的谈话人。US 2004/0013252提到对于原始音频信号的不同的修改，以 便更好地允许收听者辨认出谈话人。例如，空间区分，其中例如通过使用 双耳合成-诸如对于不同的谈话人施加不同的与头部有关的转移函数 (HRTF)滤波器，而使每个单独的谈话人在听觉空间中被呈现为在不同的视 在(apparent)方向。这样做的动机是由于观察到：如果讲话人出现在不 同的方向，则语音信号是更容易理解的。此外，US 2004/0013252提到： 相似的话音可以以不同的方式稍微改变，以有助于收听者进行话音辨别。 提到了基于频率调制以便提供讲话人的话音之一的微小频移的“鼻音 (nasaling)”算法，以允许更好地区分该话音与另一个讲话人的话音。

在US 2004/0013252中提出的语音区分解决方案具有许多缺点。为了 空间分开讲话人，这样的方法需要两个或更多个音频通道，以便给收听者 提供所需要的空间印象，因此，这样的方法不适用于其中仅仅有一个音频 通道可用的应用，例如，在诸如移动电话那样的普通电话系统中。在US 2004/0013252中提到的“鼻音”算法可以与空间区分方法相组合地被使用。 然而，该算法产生不自然的发声的话音，以及如果被使用来区分多个相似 的话音，则它不能改进区分，因为所有经修改的话音都得到感知的 (perceptual)相似的‘鼻音’质量。此外，US 2004/0013252未提供用于自 动控制由讲话人的话音的属性所致的‘鼻音’效果的手段。

因此，本发明的目的是提供一种方法，其能够自动处理语音信号，以 便帮助收听者立即识别话音，例如在电话中听到的话音，即，帮助收听者 区分多个已知的话音。

在本发明的第一方面，这个目的和几个其它目的是通过提供一种用于 区分第一和第二话音的方法而得到的，该方法包括以下步骤：

1)分析代表相应的第一和第二话音的第一和第二语音信号的信号属 性，

2)确定相应的第一和第二参数组，其代表相应的第一和第二语音信 号的信号属性的测度，

3)提取适合于控制话音修改算法的话音区分模板，该话音区分模板 被提取以便代表至少第一参数组中的至少一个参数的修改，其中该修改用 来在由话音区分模板控制的修改算法进行处理后，增加在第一和第二话音 之间的相互参数距离。

所谓“话音区分模板”被理解为话音修改参数组，用于输入到话音修改 算法，以便控制它的话音修改函数。优选地，话音修改算法能够执行对于 两个或更多个话音参数的修改，因此话音区分模板优选地包括这些参数。 话音区分模板可包括被指配给第一和第二话音的每一个的不同的话音修 改参数，以及在两个以上的话音的情形下，话音区分模板可包括被指配给 话音子组或所有话音的话音修改参数。

按照此方法，有可能基于话音特征的属性而自动地分析代表话音组的 语音信号组，以及达到被指配给话音组中的一个或多个话音的一个或多个 话音区分模板。通过随之对于每个话音个别地、相应地应用相关联的话音 修改算法，有可能产生具有自然声音的话音，但在话音之间具有增加的感 知距离，因此帮助收听者区分话音。