[发明专利]用于人工扩展语音信号的带宽的方法和装置

说明书

本申请是已于2006年6月30日提交的以下PCT国际申请的分案 申请：国际申请号为PCT/EP2006/063742；国家申请号为 200680000799.8；发明名称为“用于人工扩展语音信号的带宽的方法 和装置”。

技术领域

本发明涉及用于人工扩展语音信号的带宽的方法以及装置。

背景技术

语音信号覆盖很宽的频率范围，该频率范围大约从与说话者有关 而位于80至160Hz范围内的语音基频到超过10kHz的频率。但是在 通过特定传输介质如电话而进行的语音通信中，由于带宽有效性的原 因只能传输有限片段，其中保证大约98％的单句清晰度。

对应于特定于电话系统的最低带宽300Hz至3.4kHz，语音信号 基本上可以分为3个频率范围。每个频率范围在此都表征特定的语音 特征以及主观感受。从而大约在300Hz以下的更低的频率基本上出现 在有声的语音段期间，例如对于元音而言。在这种情况下，该频率范 围包含音调分量，尤其是语音基频以及与音高有关的可能若干谐波。

这些低音频率对于主观感受语音信号的音量和动态性很重要。相 应地，人类收听者基于虚拟音调高度的心理声学特性即使在缺乏低音 频率时也能从更高频率范围内的谐波结构中感受到语音基频。从而在 语音活动中从大约300Hz到大约3.4kHz范围内的平均频率基本上存 在于语音信号中。该平均频率通过多个共振峰的随时间变化的频谱音 调色彩以及时间和频率的微观结构表征说出的各个声音或音素。通过 这种方式，平均频率传达了对理解语言很重要的信息的主要部分。

另一方面，在无声的音素中，尤其是对于尖锐的音素如“s”或 “f”更是特别强烈地出现位于约3.4kHz以上的高频分量。所谓的爆 破音如“k”或“t”具有含有强高频分量的宽频谱。因此该信号在该 上频率范围中更多为噪声特性而不是音调特性。在该范围中存在的共 振峰的结构相对而言不随时间变化，但是对不同的说话者有所不同。 高频率分量对语音信号的清晰度、精确度以及自然程度而言具有重要 意义，因为没有高频分量语音就显得很沉闷。此外通过这种高频分量 可以更好地区分摩擦音和辅音，该高频分量由此也保证增强对该语音 的理解。

在通过具有有限带宽的传输信道的语音通信系统来传输语音信 号时，原则上希望而且也一直以此作为目标：能够以最可能的高质量 从发送者向接收者传送待传输的语音信号。但是在此该语音质量是具 有多个部分的主观参数，其中语音信号的理解度对这种语音通信系统 最重要。

在现代数字传输系统中已经可以达到比较高的语音理解度。其中 公知通过为电话带宽增加高频(大于3.4kHz)以及低频(小于300Hz) 可以改善对该语音信号的主观判断。因此在主观质量改善的意义下力 求在用于语音通信的系统中实现比常见电话带宽更大的带宽。在此可 能的措施在于，修正该传输并借助编码方法促使传输带宽加宽或者可 替换地执行人工带宽扩展。通过这种带宽扩展在接收端将频率带宽加 宽到50Hz至7kHz的范围。借助合适的信号处理算法从窄带语音信号 的短片段中利用模式识别的方法确定宽带模型的参数，接着将该参数 用于估计该语音所缺乏的信号分量。在这种方法中从窄带语音信号中 产生频率分量在50Hz至7kHz范围内的宽带对应物，并引起对主观感 受的语音质量的改善。

在当前的语音信号和音频信号编码算法中更多地采用人工带宽 扩展的技术。例如在带宽范围(声学带宽50Hz至7kHz)内采用诸如 AMR-WB(适应性多比率宽带)编码解码算法的语音编码标准。在这种 AMR-WB标准中从低频分量外推出上面的子频带(大约6.4至7kHz的 频率范围)。在这种编码解码方法中通常通过比较小数量的辅助信息 进行带宽扩展。该辅助信息例如可以是滤波器系数或放大系数，其中 滤波器系数例如可以通过LPC(线性预测滤波器)方法产生。该辅助 信息以编码的位流传送给接收器。基于扩展带宽技术的其它标准目前 可以在标准AMR-WB+和扩展的aac+语音/音频编码解码方法中找到。 用于对信息进行编码和解码的方法称为Codec(编解码器)，既包括 编码器又包括解码器。每个数字电话，不管是为固网建立的还是为移 动通信网络建立的，都包含这种将模拟信号转换为数字信号并将数字 信号转换为模拟信号的Codec。这种Codec可以用硬件或软件来实现。