JP6300464B2

JP6300464B2 - 音声処理装置

Info

Publication number: JP6300464B2
Application number: JP2013165850A
Authority: JP
Inventors: 太郎松野
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2013-08-09
Filing date: 2013-08-09
Publication date: 2018-03-28
Anticipated expiration: 2033-08-09
Also published as: JP2015034898A

Description

本発明は、音声処理装置に関し、特に、雑音を周波数領域で低減する音声処理装置に関する。

従来、音声信号に混入する雑音を低減する方法として、雑音成分のスペクトルを予め計測しておき、周波数領域において入力音声信号から雑音成分を減算するスペクトルサブトラクト法（ＳＳ法）が知られている。

雑音成分の減算量を規定する減算係数は、一般的には実験的に定めた固定値であるが、特許文献１に記載されるように、音声信号と雑音との比に基づいて減算係数を決定する方法も知られている。

特開２０００−３３０５９７号公報

特許文献１に記載の技術では、音声信号の振幅が時間的に大きく変動する場合に、減衰係数が時間方向で急激に変化し、その結果、雑音低減後の音声信号の振幅（音圧）が急激に変化する。これでは、聴感上の違和感が大きく、音質が劣化してしまう。

また、減算係数の時間方向での急激な変化と、入力信号に含まれる雑音成分の時間変化とにより、周波数帯で雑音成分の除去程度が相違する事態が生じ得る。すなわち、雑音成分を除去しきれている周波数帯と、雑音成分を除去しきれていない周波数帯が生じ得る。この状態では、雑音低減後の逆フーリエ変換（ＩＦＦＴ）で音声信号を復元したときに、ミュージカルノイズと呼ばれる耳触りな雑音が生まれ、音質が劣化してしまう。

本発明は、このような不都合を解消し、少ない音質劣化で雑音を低減する音声処理装置を提示することを目的とする。

本発明に係る音声処理装置は、音声入力手段と、前記音声入力手段により入力された時間領域の音声信号を周波数領域の音声信号スペクトルに変換するフーリエ変換手段と、低減対象となる雑音の周波数振幅成分を示すノイズプロファイルを記憶するノイズプロファイル記憶手段と、前記フーリエ変換手段で求められた音声信号スペクトルと前記ノイズプロファイルとの比を周波数毎に求める周波数成分除算手段と、前記周波数成分除算手段により求められた周波数毎の比を周波数毎に平滑化する時間変化制御手段と、前記時間変化制御手段の出力に従い減算係数を算出する減算係数算出手段と、前記ノイズプロファイルに前記減算係数を乗算する乗算手段と、前記音声信号スペクトルから前記乗算手段の出力を減算する雑音低減手段と、前記雑音低減手段の出力を時間領域の音声信号に復元する逆フーリエ変換手段と、前記逆フーリエ変換手段により復元された音声信号を出力する音声出力手段とを有することを特徴とする。

本発明によれば、周波数領域における個々の周波数成分の信号対雑音比の時間変動を平滑化した後で雑音相当分を除去するので、ミュージカルノイズを軽減でき、音質を改善できる。

本発明の実施例１の概略構成ブロック図を示す。雑音低減処理部の概略構成ブロック図を示す。時間変化制御部の概略構成ブロック図を示す。周波数成分除算部の出力波形例である。時間変化制御部の出力波形例である。減算係数算出部の入出力特性の一例である。本発明の第２実施例の概略構成ブロック図を示す。図７に示す実施例の雑音低減処理部の概略構成ブロック図を示す。図８に示す雑音低減処理部の雑音低減部の概略構成ブロック図を示す。雑音の周波数成分の変動傾向（時間の経過で増加）を示すグラフである。雑音の周波数成分の変動傾向（時間の経過で変化無し）を示すグラフである。雑音の周波数成分の変動傾向（時間の経過で減少）を示すグラフである。減衰倍率算出部の入出力特性例である。変動傾向が減少の場合の、ズーム雑音の周波数成分と時間との関係の一例を示す。ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝０のときの切替え例を示す。ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝１のときの切替え例を示す。ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝２のときの切替え例を示す。モータ位置に対する雑音の周波数成分の変動傾向の一例を示す。

以下、図面を参照して、本発明の実施例を詳細に説明する。

図１は、本発明に係る音声処理装置の一実施例を組み込んだ撮像装置１００の概略構成ブロック図を示す。撮像装置、特に、動画の撮像装置は、撮影レンズに電動のズームレンズを装備するのが一般的である。従って、マイクにより取得される周囲又は被写体からの音声信号にズーム操作に伴うズーム動作音が雑音として混入することがある。すなわち、ズーム駆動系が雑音発生源となりうる。以下では、このズーム操作に伴う雑音を低減する実施例を説明する。

撮像装置１００は、操作部１０１、制御部１０２、撮像部１０３、音声入力部１０４、雑音低減処理部１０５、音声出力部１０６、映像出力部１０７、メモリ１０８及びメモリバス１０９から構成される。操作部１０１、制御部１０２、撮像部１０３、音声入力部１０４、雑音低減処理部１０５、音声出力部１０６及び映像出力部１０７は、メモリバス１０９を介してメモリ１０８にデータを読み書きする。

操作部１０１は、ユーザの指示を撮像装置１００に入力する手段であり、ボタン、タッチパネル又はズームレバー等からなる。制御部１０２は、撮像装置１００を制御するＣＰＵ（中央演算処理装置）からなり、操作部１０１によるユーザからの指示に従い、メモリバス１０９を介して関連するブロックを制御する。

例えば、制御部１０２は、ユーザによる操作部１０１のズーム操作に従い、撮像部１０３のズームレンズを制御すると共に、ズーム制御情報をメモリ１０８の制御信号領域に記憶する。ズーム制御情報は、ズーム駆動の開示時刻及び終了時刻、ズーム駆動中を示すフラグ、ズーム動作方向、並びにズーム駆動モータの回転速度などを示す情報からなる。開始時刻は、絶対時刻でも音声取り込みからの相対時刻でも良い。終了時刻は絶対時刻でも開始からの相対時刻でもよい。詳細は後述するが、ズーム制御情報は、音声信号に混入するズーム駆動音を除去又は低減するために使用される。ズーム制御情報は、ズーム駆動により発生する雑音の鳴り始めの時間及び鳴り終わりの時間を含む雑音時間情報でもあり、メモリ１０８の制御信号領域はいわば雑音時間保持手段である。

撮像部１０３は、ズーム機能を備えたレンズ、絞り、撮像センサ及びＡ／Ｄ変換器からなる。撮像センサは、レンズを透過して撮像面に入射する光学像を画像信号に変換し、Ａ／Ｄ変換器が、撮像センサから出力されるアナログ画像信号をデジタル画像信号に変換する。撮像部１０３から出力されるデジタル画像信号は、メモリ１０８の画像データ領域に書き込まれる。

音声入力部１０４は、例えば、外部の音声を取り込んで音声信号に変換するマイクのような電気音響変換素子と、そのアナログ出力をデジタル信号に変換するＡ／Ｄ変換器からなる。音声入力部１０４は、ある周波数、例えば４８ＫＨｚでサンプリングされたデジタル音声信号をメモリ１０８の音声データ領域に書き込む。

雑音低減処理部１０５は、制御信号領域に記憶されたズーム制御情報に従い、メモリ１０８の音声データ領域に記憶された音声データに対する雑音低減処理を実行する。具体的には、雑音低減処理部１０５は、ズーム制御情報がズーム動作中を示すときには、メモリ１０８から読み出した音声データに一定期間のフレーム単位で雑音低減処理を施し、処理後の音声データをメモリ１０８に書き戻す。ズーム駆動中でないときには、ズーム駆動音が発生していないので、雑音低減処理部１０５は、メモリ１０８から読み出した音声データをそのままメモリ１０８に書き戻す。

雑音低減処理前の音声データを処理後の音声データとは別にメモリ１０８上に確保する必要が無い場合には、雑音低減処理部１０５から出力される音声データを、メモリ１０８の音声データ領域の処理前の音声データに上書きしてもよい。そもそも、雑音低減処理を行わない音声データ部分については、メモリ１０８から読み出さなくてもよい。

音声出力部１０６は、音声データをアナログ音声信号に変換するＤ／Ａ変換器と、スピーカ及び音声出力端子からなる。音声出力部１０６は、メモリ１０８の音声データ領域から音声データを読み出し、アナログ音声信号に変換し、スピーカから音響出力し、音声出力端子から外部に出力する。

映像出力部１０７は、いわゆる表示装置であり、メモリ１０８の画像データ領域から画像データを読み出して、その画像を表示する。

メモリ１０８は、高速でランダムアクセス可能なダイナミックＲＡＭである。メモリ１０８の記憶領域は、音声データを記憶する音声データ領域、画像データを記憶する画像データ領域及び制御信号を記憶する制御信号領域に区分される。制御部１０２は、メモリ１０８に格納される音声データ、画像データ及び制御信号を、フレームごとにどの時刻のデータであるかを識別できるように管理する。

図示しないメモリ制御回路が、メモリバス１０９に接続する各ブロックからのメモリバス１０９を介したメモリ１０８へのアクセスを調停し、時分割でのメモリ１０８への読み書きを可能にする。

図２は、雑音低減処理部１０５の概略構成ブロック図を示す。信号入力制御部２０１はメモリバス１０９とのインターフェースである。メモリ１０８の音声データ領域に記憶されている音声データと制御信号領域に記憶されているズーム制御情報が、メモリバス１０９を介して信号入力制御部２０１に入力する。信号入力制御部２０１は入力する音声データを所定の一定区間毎にフレーム分割し、ズーム制御情報に従い、雑音低減処理をするときにはフーリエ変換部２０２に供給し、雑音低減処理をしないときには信号出力制御部２１０に供給する。すなわち、ズーム制御情報がズーム中、即ち、ズーム駆動による雑音発生中（とその可能性）を示すときには、信号入力制御部２０１は、音声データをフーリエ変換部２０２に供給する。他方、ズーム制御情報がズーム中でないとき、即ち、ズーム駆動による雑音が発生しない状態を示すとき、信号入力制御部２０１は、音声データを信号出力制御部２１０に供給する。何れの場合でも、信号入力制御部２０１は、ズーム制御情報を信号出力制御部２１０に供給する。

フーリエ変換部２０２は、信号入力制御部２０１からのフレーム分割された音声データをフーリエ変換し、周波数毎の位相情報と、周波数毎の振幅の絶対値（周波数振幅成分）を算出する。フーリエ変換部２０２は、周波数毎の周波数振幅成分を周波数成分除算部２０４と雑音低減部２０８に供給し、周波数毎の位相情報を逆フーリエ変換部２０９に供給する。

ノイズプロファイル記憶部２０３は、低減対象となる雑音（ここでは、ズーム駆動音等のズーム駆動時に発生する雑音）の周波数振幅成分をノイズプロファイルとして記憶する。具体的には、低減対象となる雑音のみから成る音声信号をフーリエ変換し、得られた周波数振幅成分を得る。低減対象となる雑音がある程度の時間（例えば４秒間）続く場合、雑音が続く時間内における周波数成分の時間変化に対してピークホールドしたものをノイズプロファイルとする。

ノイズプロファイル記憶部２０３に記憶するノイズプロファイルは、復元可能に圧縮されていてもよい。但し、この場合、復元のための伸長手段をノイズプロファイル記憶部２０３の出力段に配置する必要がある。ノイズプロファイル記憶部２０３は、記憶しているノイズプロファイルを、周波数成分除算部２０４と乗算器２０７に読み出す。

周波数成分除算部２０４は周波数毎の除算器からなり、フーリエ変換部２０２からの周波数振幅成分（Ａ）をノイズプロファイル記憶部２０３からのノイズプロファイルの対応する周波数の値（Ｂ）で周波数毎に除算する。周波数成分除算部２０４は、周波数毎の除算結果を時間変化制御部２０５に供給する。

時間変化制御部２０５は実質的にはローパスフィルタ（ＬＰＦ）からなり、周波数成分除算部２０４からの周波数毎の除算結果を時間軸上で平滑化する。時間変化制御部２０５の具体的な構成は後述する。時間変化制御部２０５は、周波数毎のフィルタ結果、すなわち低域成分を減算係数算出部２０６に出力する。

減算係数算出部２０６は、時間変化制御部２０５からの周波数毎の時間変化の低域成分量から周波数毎の減算係数（ノイズプロファイルに対する重み係数）を算出し、乗算器２０７に出力する。減算係数算出部２０６の具体的な構成は後述する。

乗算器２０７は、減算係数算出部２０６からの周波数毎の減算係数をノイズプロファイル記憶部２０３から読み出されたノイズプロファイルの対応する周波数成分の値に乗算する。換言すると、乗算器２０７は、ノイズプロファイル記憶部２０３から読み出されたノイズプロファイルの強度を減算係数算出部２０６からの周波数毎の減算係数（重み係数）で調整する。この点で、乗算器２０７の出力は重み付きノイズスペクトルを示す。

雑音低減部２０８は減算器からなり、フーリエ変換部２０２からの周波数振幅成分から、乗算器２０７からの重み付きノイズスペクトルを対応する周波数同士で減算する。この減算処理により、周波数領域でズーム駆動に起因する雑音が低減される。雑音低減部２０８の出力信号は雑音低減後の音声信号のスペクトルを示し、逆フーリエ変換部２０９に入力する。

逆フーリエ変換部２０９は、雑音低減部２０８からの音声信号スペクトルを、フーリエ変換部２０２からの位相情報を用いて逆フーリエ変換する。これにより、雑音低減した時間領域の音声データを得ることができる。逆フーリエ変換部２０９は、逆フーリエ変換により復元された音声データを信号出力制御部２１０に供給する。

信号出力制御部２１０は、メモリバス１０９に対するインターフェースである。信号出力制御部２１０は、信号入力制御部２０１からのズーム制御情報に従い、雑音低減処理をするときには、逆フーリエ変換部２０９からの音声データを選択して、メモリバス１０９に出力する。また、信号出力制御部２１０は、ズーム制御情報に従い、雑音低減処理をしないときには、信号入力制御部２０１からのフレーム分割された音声データを選択し、フレーム合成して、メモリバス１０９に出力する。なお、信号出力制御部２１０の、信号入力制御部２０１からの音声信号が入力するポートには、フーリエ変換部２０２から逆フーリエ変換部２０９まで部分での処理時間に相当する遅延を与える遅延器を配置してある。

撮像装置１００の動画撮影の際に音声に混入するズーム動作音を雑音として低減する動作を説明する。

まず、ユーザが操作部１０１により動画撮影開始を撮像装置１００に指示したとする。制御部１０２は操作部１０１からの指示に従い、各ブロックを動画撮影用に始動する。例えば、撮像部１０３は、撮影による動画像の画像データをメモリ１０８の画像データ領域に書き込み、音声入力部１０４は、周囲又は被写体の音声を取り込み、その音声データをメモリ１０８の音声データ領域に書き込む。

動画撮影中に、ユーザが操作部１０１でズーム操作を制御部１０２に指示したとする。制御部１０２は、操作部１０１からのズーム操作信号に従うズーム制御信号を撮像部１０３に供給すると同時に、メモリ１０８の制御信号領域にズーム制御情報を書き込む。撮像部１０３は、制御部１０２からのズーム制御信号に従いズームレンズを駆動する。このとき、ズーム駆動のためのモータとレンズ鏡筒等が回転動作し、雑音を発生する。音声入力部１０４は、この雑音を本来の周囲又は被写体からの音声と一緒に取り込む。音声入力部１０４は、取り込んだ音声の音声データをメモリ１０８の音声データ領域に書き込む。

雑音低減処理部１０５は、メモリ１０８の音声データ領域に記憶される音声データとメモリ１０８の制御信号領域に記憶されるズーム制御情報を読み込み、ズーム制御情報に従い音声データへの雑音低減処理の有無を切り替える。すなわち、雑音低減処理部１０５は、ズームが動作していないときの音声データには雑音低減処理を行わず、読み込んだ音声データをそのままメモリ１０８の音声データ領域に書き戻す。他方、雑音低減処理部１０５は、ズームが動作している時に入力された音声データには雑音低減処理を行い、雑音低減処理後の音声データをメモリ１０８の音声データ領域に書き戻す。

取り込まれた音声を出力する場合、音声出力部１０６が、メモリ１０８の音声データ領域の雑音低減された音声データを読み出して音響出力する。また、映像出力部１０７が、メモリ１０８の画像データ領域に記憶されている画像データを読み出して、動画として出力する。

音声入力部１０４により入力される音声データの雑音低減処理部１０５による雑音低減処理を具体的に説明する。ここでは、説明例として、音声入力部１０４のＡ／Ｄ変換におけるサンプリング周波数は４８ｋＨｚとする。ＦＦＴのためのフレーム分割単位は１０２４点、すなわち、フーリエ変換部２０２及び逆フーリエ変換部２０９の周波数分解能は１０２４点とする。つまり、フーリエ変換部２０２のフーリエ変換結果は、５１２点のスペクトルで２４ｋＨｚまでの周波数成分を表すことになる。

ノイズプロファイル記憶部２０３に記憶されているノイズプロファイルは、低減対象とする雑音（ここではズーム雑音）のみで構成される音声信号をフーリエ変換することで得られる。事前に、音声入力部１０４にこの雑音のみを取り込み、信号入力制御部２０１でフレーム分割し、フーリエ変換部２０２でフーリエ変換する。この処理で得られる５１２点までの周波数成分を時間方向にフレームをまたいでピークホールドしたものをノイズプロファイルとしてノイズプロファイル記憶部２０３に格納する。ノイズプロファイルをｐｒｏｆｉｌｅ［ｎ］と表現する。但し、ｎ＝０，１，２，３，・・・・，５１１である。

雑音低減処理部１０５の信号入力制御部２０１は、メモリ１０８の音声データ領域に記憶されている音声データを、メモリバス１０９を通して読み出し、１０２４サンプル毎にフレーム分割する。このとき、メモリ１０８に記憶されているズーム制御情報も読み出し、ズーム動作中の音声データでなければ音声データを信号出力制御部２１０に供給し、ズーム動作中の音声データであれば音声データをフーリエ変換部２０２に供給する。

フーリエ変換部２０２は、信号入力制御部２０１からの１０２４点の音声データをフーリエ変換する。フーリエ変換結果をｓｏｕｎｄ＿ｆｆｔ［Ｎ］と表現する。但し、Ｎ＝０，１，２，３，・・・・，１０２３である。

フーリエ変換部２０２は、フーリエ変換結果のうちの前半の５１２点までの結果を周波数成分除算部２０４と雑音低減部２０８に供給する。フーリエ変換部２０２は、フーリエ変換結果のうちの前半の５１２点までの結果をｓｏｕｎｄ＿ｆｆｔ［ｎ］と表現する。但し、ｎ＝０，１，２，３，・・・・，５１１である。

周波数成分除算部２０４は、フーリエ変換部２０２からのフーリエ変換結果ｓｏｕｎｄ＿ｆｆｔ［ｎ］をノイズプロファイル記憶部２０３からのノイズプロファイルｐｒｏｆｉｌｅ［ｎ］で除算する。除算結果はいわゆる信号対雑音比（ＳＮ比）であり、
ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ］
＝ｓｏｕｎｄ＿ｆｆｔ［ｎ］／ｐｒｏｆｉｌｅ［ｎ］
となる。ｎ＝０，１，２，・・・・，５１１である。

この演算結果の数値が大きい周波数には、所望音声（周囲又は被写体からの音声）の周波数成分に、低減処理すべき雑音の周波数成分が重畳していると考えられる。逆に、ＳＮ比が１に近ければ近いほど、その周波数における、低減対象となる雑音の占める割合が大きいと考えられる。また、ＳＮ比が１以下の値であった場合は、低減処理すべき雑音の周波数成分がノイズプロファイルに対して変化していると考えられる。

時間変化制御部２０５は、周波数成分除算部２０４の除算結果ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ］に、時間方向への巡回型ローパスフィルタをかける。図３は、時間変化制御部２０５の概略構成ブロック図を示す。時間変化制御部２０５は、加算器３０１、前フレームの雑音低減処理で算出された値を保持するレジスタ３０２、１以下の係数ｃｏｅｆを乗算する乗算器３０３、係数（１−ｃｏｅｆ）を乗算する乗算器３０４から構成される。係数ｃｏｅｆは実験的に求められる値である。

周波数成分除算部２０４の演算結果ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ_Ｆ］が加算器３０１に入力する。ここでＦはフレーム番号を表し、ｎ_Ｆ＝０，１，２，・・・・，５１１である。加算器３０１は、周波数成分除算部２０４の出力ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ_Ｆ］にレジスタ３０２の保持値Ｒｅｇ［ｎ_Ｆ］を加算し、加算結果ｔｍｐ［ｎ_Ｆ］を出力する。レジスタ３０２は、前フレームの加算器３０１の出力ｔｍｐ［ｎ_Ｆ-１］に係数（１−ｃｏｅｆ）を乗算した結果をＲｅｇ［ｎ_Ｆ］として保持する。すなわち、
Ｒｅｇ［ｎ_Ｆ］
＝（ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ_Ｆ−１］＋Ｒｅｇ［ｎ_Ｆ−１］）×（１−ｃｏｅｆ）
ｔｍｐ［ｎ_Ｆ］
＝ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ_Ｆ］＋Ｒｅｇ［ｎ_Ｆ］
である。

乗算器３０３は、加算器３０１の出力ｔｍｐ［ｎ_Ｆ］に係数ｃｏｅｆを乗算する。乗算器３０３の出力は時間変化制御部２０５の出力であり、
ｏｕｔｐｕｔ＿ＬＰＦ［ｎ_Ｆ］＝ｔｍｐ［ｎ_Ｆ］×ｃｏｅｆ
と表される。

以上のように、時間変化制御部２０５は周波数成分除算部２０４の演算結果に時間方向へのローパスフィルタをかける。このローパスフィルタ処理により、周波数成分除算部２０４の出力、すなわちＳＮ比の時間方向への急変を抑制できる。例えば、周波数成分除算部２０４の出力が図４に示すような時間変化を示す場合に、時間変化制御部２０５の出力は、図５に示すように、高周波数成分が低減した、よりスムーズな変化を示す。

時間変化制御部２０５で時間変化を緩和した結果に従い減算係数算出部２０６が、ノイズプロファイルに対する重み係数を決定するので、決定される重み係数は、ＳＮ比の急激な変動の影響を受けにくくなる。この結果、ミュージカルノイズを低減した雑音低減を実現でき、音質劣化を改善出来る。

以後の説明では、フレーム番号Ｆが影響しないので、フレーム番号Ｆの表記を省略する。

減算係数算出部２０６は、時間変化制御部２０５の演算結果ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］を用いて減算係数γ［ｎ］を算出又は決定する。減算係数算出部２０６は例えば、図６に示すようにｏｕｔｐｕｔ＿ＬＰＦ［ｎ］の値によって一意に減算係数γ［ｎ］を決定するルックアップテーブルからなる。

減算係数算出部２０６は、図６に示すように、ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］の値が大きくなればなるほど減算係数γ［ｎ］を小さくし、一定値以上で一定値にする。この理由は次の通りである。すなわち、ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］が十分に大きい場合は、低減対象とする雑音の周波数成分に対して、十分大きな所望音声の周波数成分が重畳されている。このとき、マスキング効果により、人間の聴覚は雑音をほぼ知覚できなくなるので、減算係数γ［ｎ］を小さくすることで、所望音声の劣化を抑制する。減算係数算出部２０６は、周波数毎に決定した減算係数γ［ｎ］を乗算器２０７に供給する。

乗算器２０７は、ノイズプロファイル記憶部２０３からのプロファイルｐｒｏｆｉｌｅ［ｎ］に減算係数算出部２０６からの減算係数γ［ｎ］を周波数毎に乗算する。これにより、低減すべき雑音量ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］が周波数ごとに決定される。すなわち、
ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］＝ｐｒｏｆｉｌｅ［ｎ］×γ［ｎ］
である。

雑音低減部２０８は、フーリエ変換部２０２からの周波数振幅成分ｓｏｕｎｄ＿ｆｆｔ［ｎ］から乗算器２０７からの雑音相当量を周波数ごとに減算し、雑音低減スペクトルａｆｔｅｒ＿ｓｕｂｔｒａｃｔ［ｎ］を出力する。すなわち、
ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ［ｎ］
＝ｓｏｕｎｄ＿ｆｆｔ［ｎ］−ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］
となる。

逆フーリエ変換部２０９は、雑音低減部２０８からの５１２点の雑音低減スペクトルａｆｔｅｒ＿ｓｕｂｔｒａｃｔ［ｎ］（ｎ＝０，１，２，…，５１１）を１０２４点に拡張する。拡張後の雑音低減スペクトルをａｆｔｅｒ＿ｓｕｂｔｒａｃｔ２［Ｎ］とし、Ｎ＝０、１、２、・・・、１０２３とする。Ｎ＜５１２では、ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ２［Ｎ］
＝ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ［ｎ］
とする。Ｎ＝５１２では、
ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ２［Ｎ］＝０
とする。Ｎ＞５１２では、
ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ２［Ｎ］
＝ａｆｔｅｒ＿ｓｕｂｔｒａｃｔ［１０２４−Ｎ］
とする。

逆フーリエ変換部２０９は、１０２４点に拡張した雑音低減スペクトルａｆｔｅｒ＿ｓｕｂｔｒａｃｔ２［Ｎ］を、フーリエ変換部２０２からの位相情報を用いて逆フーリエ変換する。これにより、周波数領域でズーム雑音を低減した音声データが得られる。逆フーリエ変換部２０９は、このようにして得られた音声データを信号出力制御部２１０に供給する。

信号出力制御部２１０は、逆フーリエ変換部２０９からの音声データをフレーム毎に繋ぎ合わせ、メモリバス１０９を通してメモリ１０８の音声データ領域に書き戻す。

本実施例では、ズーム非動作時の音声データを雑音低減処理部１０５がメモリ１０８から読み出してメモリ１０８に書き戻すようにしているが、雑音低減処理部１０５を経由させないようにしてもよい。この場合、雑音低減処理部１０５の信号入力制御部２０１から信号出力制御部２１０に直接至る信号路は不要となる。

図７は、本発明の第２実施例の概略構成ブロック図を示し、図８は、雑音低減処理部７０５の概略構成ブロック図を示す。図７に示す撮像装置７００は、操作部７０１、制御部７０２、撮像部７０３、音声入力部７０４、雑音低減処理部７０５、音声出力部７０６、映像出力部７０７、メモリ７０８及びメモリバス７０９から構成される。雑音低減処理部７０５以外のブロック７０１〜７０４，７０６〜７０９はそれぞれ、図１に示す実施例の対応するブロック１０１〜１０４，１０６〜１０９と同じ機能を果たすので、詳細な説明を省略する。

雑音低減処理部７０５は、制御信号領域に記憶されたズーム制御情報に従い、メモリ７０８の音声データ領域に記憶された音声データに対する雑音低減処理を実行する。具体的には、雑音低減処理部７０５は、ズーム制御情報がズーム動作中を示すときには、メモリ７０８から読み出した音声データに一定期間のフレーム単位で雑音低減処理を施し、処理後の音声データをメモリ７０８に書き戻す。ズーム駆動中でないときには、ズーム駆動音が発生していないので、雑音低減処理部７０５は、メモリ７０８から読み出した音声データをそのままメモリ７０８に書き戻す。

図８を参照して、雑音低減処理部７０５の構成と雑音低減動作を詳細に説明する。

信号入力制御部８０１はメモリバス７０９とのインターフェースである。メモリ７０８の音声データ領域に記憶されている音声データと制御信号領域に記憶されているズーム制御情報が、メモリバス７０９を介して信号入力制御部８０１に入力する。信号入力制御部８０１は入力する音声データを所定の一定区間毎にフレーム分割し、ズーム制御情報に従い、雑音低減処理をするときにはフーリエ変換部８０２に供給し、雑音低減処理をしないときには信号出力制御部８１１に供給する。すなわち、ズーム制御情報がズーム中、即ち、ズーム駆動による雑音発生中（とその可能性）を示すときには、信号入力制御部８０１は、音声データをフーリエ変換部８０２に供給する。他方、ズーム制御情報がズーム中でないとき、即ち、ズーム駆動による雑音が発生しない状態を示すとき、信号入力制御部８０１は、音声データを信号出力制御部８１１に供給する。何れの場合でも、信号入力制御部８０１は、ズーム制御情報を信号出力制御部８１１に供給する。

フーリエ変換部８０２は、フーリエ変換部２０２と同様に動作し、信号入力制御部８０１からのフレーム分割された音声データをフーリエ変換し、周波数毎の位相情報と、周波数毎の振幅の絶対値（周波数振幅成分）を算出する。フーリエ変換部８０２は、周波数毎の周波数振幅成分を周波数成分除算部８０４と雑音低減部８０９に供給し、周波数毎の位相情報を逆フーリエ変換部８１０に供給する。

ノイズプロファイル記憶部８０３は、ノイズプロファイル記憶部２０３と同様に、低減対象となる雑音（ここでは、ズーム駆動音等のズーム駆動時に発生する雑音）の周波数振幅成分をノイズプロファイルとして記憶する。ノイズプロファイル記憶部８０３は、記憶しているノイズプロファイルを、周波数成分除算部８０４と乗算器８０７に読み出す。

周波数成分除算部８０４は周波数成分除算部２０４と同様に、フーリエ変換部８０２からの周波数振幅成分（Ａ）をノイズプロファイル記憶部８０３からのノイズプロファイルの対応する周波数の値（Ｂ）で周波数毎に除算する。周波数成分除算部８０４は、周波数毎の除算結果を時間変化制御部８０５に供給する。

時間変化制御部８０５は実質的にはローパスフィルタ（ＬＰＦ）からなり、周波数成分除算部８０４からの周波数毎の除算結果を時間軸上で平滑化する。時間変化制御部８０５は、周波数毎のフィルタ結果、すなわち低域成分を減算係数算出部８０６と雑音低減部８０９に出力する。

減算係数算出部８０６は、減算係数算出部２０６と同様に動作する。すなわち、減算係数算出部８０６は、時間変化制御部８０５からの周波数毎の時間変化の低域成分量から周波数毎の減算係数（ノイズプロファイルに対する重み係数）を算出し、乗算器８０７に出力する。乗算器８０７は乗算器２０７と同様に、減算係数算出部８０６からの周波数毎の減算係数をノイズプロファイル記憶部８０３から読み出されたノイズプロファイルの対応する周波数成分の値に乗算する。

雑音時間変化情報記憶部８０８は、低減対象となる雑音の周波数毎の時間変化の傾向を記憶し、適時のタイミングで記憶情報を雑音低減部８０９に供給する。雑音時間変化情報記憶部８０８に記憶される情報の詳細は後述する。

雑音低減部８０９には、時間変化制御部８０５の演算結果８０５ｓと、乗算器８０７の乗算結果８０７ｓと、フーリエ変換部８０２からの周波数振幅成分８０２ｓが入力する。雑音低減部８０９は、信号入力制御部８０１からのズーム制御情報８０１ｓと、雑音時間変化情報記憶部８０８からの雑音時間変化傾向情報８０８ｓに従い、周波数振幅成分８０２ｓに含まれる雑音を周波数領域で低減する。雑音低減部８０９は、雑音低減処理を行った音声信号を、逆フーリエ変換部８１０に供給する。雑音低減部８０９の詳細は後述する。

逆フーリエ変換部８１０は、逆フーリエ変換部２０９と同様に、雑音低減部８０９からの音声信号スペクトルをフーリエ変換部８０２からの位相情報を用いて逆フーリエ変換する。これにより、雑音低減した時間領域の音声データを得ることができる。逆フーリエ変換部８１０は、逆フーリエ変換により復元された音声データを信号出力制御部８１１に供給する。

信号出力制御部８１１は、信号出力制御部２１０と同様に動作する。即ち、信号出力制御部８１１は、信号入力制御部８０１からのズーム制御情報に従い、雑音低減処理をするときには、逆フーリエ変換部８１０からの音声データを選択してメモリバス７０９に出力する。また、信号出力制御部８１１は、ズーム制御情報に従い、雑音低減処理をしないときには、信号入力制御部８０１からのフレーム分割された音声データを選択し、フレーム合成して、メモリバス７０９に出力する。

音声入力部７０４により入力される音声データの雑音低減処理部７０５による雑音低減処理を具体的に説明する。ここでは、説明例として、音声入力部７０４のＡ／Ｄ変換におけるサンプリング周波数は４８ｋＨｚとする。ＦＦＴのためのフレーム分割単位は１０２４点、すなわち、フーリエ変換部８０２及び逆フーリエ変換部８１０の周波数分解能は１０２４点とする。つまり、フーリエ変換部８０２のフーリエ変換結果は、５１２点のスペクトルで２４ｋＨｚまでの周波数成分を表すことになる。

ノイズプロファイル記憶部８０３に記憶されているノイズプロファイルは、低減対象とする雑音（ここではズーム雑音）のみで構成される音声信号をフーリエ変換することで得られる。事前に、音声入力部７０４にこの雑音のみを取り込み、信号入力制御部８０１でフレーム分割し、フーリエ変換部８０２でフーリエ変換する。この処理で得られる５１２点までの周波数成分を時間方向にフレームをまたいでピークホールドしたものをノイズプロファイルとしてノイズプロファイル記憶部８０３に格納する。ノイズプロファイルをｐｒｏｆｉｌｅ［ｎ］と表現する。但し、ｎ＝０，１，２，３，・・・・，５１１である。

雑音低減処理部７０５の信号入力制御部８０１は、メモリ７０８の音声データ領域に記憶されている音声データを、メモリバス７０９を通して読み出し、１０２４サンプル毎にフレーム分割する。このとき、メモリ１０８に記憶されているズーム制御情報も読み出し、ズーム動作中の音声データでなければ音声データを信号出力制御部８１１に供給し、ズーム動作中の音声データであれば音声データをフーリエ変換部８０２に供給する。

フーリエ変換部８０２は、信号入力制御部８０１からの１０２４点の音声データをフーリエ変換する。フーリエ変換結果をｓｏｕｎｄ＿ｆｆｔ［Ｎ］と表現する。但し、Ｎ＝０，１，２，３，・・・・，１０２３である。

フーリエ変換部８０２は、フーリエ変換結果のうちの前半の５１２点までの結果を周波数成分除算部８０４と雑音低減部８０９に供給する。フーリエ変換部８０２は、フーリエ変換結果のうちの前半の５１２点までの結果をｓｏｕｎｄ＿ｆｆｔ［ｎ］と表現する。但し、ｎ＝０，１，２，３，・・・・，５１１である。

周波数成分除算部８０４は、フーリエ変換部８０２からのフーリエ変換結果ｓｏｕｎｄ＿ｆｆｔ［ｎ］をノイズプロファイル記憶部８０３からのノイズプロファイルｐｒｏｆｉｌｅ［ｎ］で除算する。除算結果はいわゆる信号対雑音比（ＳＮ比）であり、
ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ］
＝ｓｏｕｎｄ＿ｆｆｔ［ｎ］／ｐｒｏｆｉｌｅ［ｎ］
となる。ｎ＝０，１，２，・・・・，５１１である。

時間変化制御部８０５は、時間変化制御部２０５と同じ構成からなり、周波数成分除算部８０４の除算結果ｓｉｇｎａｌ＿ｎｏｉｓｅ［ｎ］に、時間方向への巡回型ローパスフィルタをかける。

この実施例でも、実施例１と同様に、時間変化制御部８０５のローパスフィルタ処理により、周波数成分除算部８０４の出力、すなわちＳＮ比の時間方向への急変を抑制できる。この抑制の結果として、音圧の急変を抑制してミュージカルノイズを低減でき、音質劣化を改善できる。

実施例１と同様に、以後の説明ではフレーム番号Ｆが影響しないので、フレー得番号Ｆの表記を省略する。

減算係数算出部８０６は、時間変化制御部８０５の演算結果ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］を用いて減算係数γ［ｎ］を算出又は決定する。減算係数算出部８０６は例えば、減算係数算出部２０６と同様に、ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］の値によって一意に減算係数γ［ｎ］を決定するルックアップテーブルからなる。

減算係数算出部８０６は、図６に示すように、ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］の値が大きくなればなるほど、徐々に減算係数γ［ｎ］を小さくする。この理由は次の通りである。すなわち、ｏｕｔｐｕｔ＿ＬＰＦ［ｎ］が十分に大きい場合は、低減対象とする雑音の周波数成分に対して、十分大きな所望音声の周波数成分が重畳されている。このとき、マスキング効果により、人間の聴覚は雑音をほぼ知覚できなくなるので、減算係数γ［ｎ］を小さくすることで、所望音声の劣化を抑制する。減算係数算出部８０６は、周波数毎に決定した減算係数γ［ｎ］を乗算器８０７に供給する。

乗算器８０７は、プロファイル記憶部８０３からのプロファイルｐｒｏｆｉｌｅ［ｎ］に減算係数算出部８０６からの減算係数γ［ｎ］を周波数毎に乗算する。これにより、低減すべき雑音量ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］が周波数ごとに決定される。すなわち、
ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］＝ｐｒｏｆｉｌｅ［ｎ］×γ［ｎ］
である。

雑音時間変化情報記憶部８０８は、雑音が時間方向に変動するときの傾向を周波数毎に記憶している。例えば、ズーム雑音について考えると、ズーム動作の開始から終了までの間で、時間経過と共に雑音の周波数成分が変動する。雑音時間変化情報記憶部８０８は、その時間経過による変動傾向ｆｌｕｃｔｕａｔｉｏｎ［ｎ］を周波数毎に記憶する。図１０、図１１、図１２は、ある周波数ｎ＝ｎ’に着目したときの、周波数成分の変動傾向を示すグラフである。

図１０は、周波数ｎ＝ｎ’における周波数成分のズーム動作時間による変動が、時間の経過につれて増加するような傾向を示す場合を示す。図１０に示す例では、変動傾向ｆｌｕｃｔｕａｔｉｏｎ［ｎ］の値を０とする。

図１１は、周波数成分のズーム動作時間による変動傾向が無い場合を示す。図１１に示す例では、変動傾向ｆｌｕｃｔｕａｔｉｏｎ［ｎ］の値を１とする。

図１２は、周波数成分のズーム動作時間による変動が、時間の経過につれて減少するような傾向を示す場合を示す。図１２に示す例では、変動傾向ｆｌｕｃｔｕａｔｉｏｎ［ｎ］の値を２とする。

雑音時間変化情報記憶部８０８は、変動傾向値ｆｌｕｃｔｕａｔｉｏｎ［ｎ］を雑音時間変化傾向情報８０８ｓとして雑音低減部８０９に供給する。雑音低減部８０９は、信号入力制御部８０１からのズーム制御情報８０１ｓと、時間変化制御部８０５の出力８０５ｓ及び雑音時間変化情報記憶部８０８からの雑音時間変化傾向情報８０８ｓ（ｆｌｕｃｔｕａｔｉｏｎ［ｎ］）に従い、雑音低減処理を切り替える。

図９は、雑音低減部８０９の概略構成ブロック図を示す。雑音低減部８０９は、演算切替え制御部９０１、乗算器９０２、減衰倍率算出部９０３及び減算器９０４で構成される。

減衰倍率算出部９０３は、時間変化制御部８０５の演算結果に対して、図１３に示すような特性の、減衰倍率Ｋ［ｎ］（但しＫ［ｎ］≦１．０）を出力するテーブルからなる。このテーブルは基本的に、減算係数算出部８０６における減算係数γ［ｎ］とは逆の傾きを持つようなテーブルとなる。図１３で、減衰倍率Ｋ［ｎ］の最低値Ｋ［ｎ］＝０．１の区間は、図６における減算係数γ［ｎ］＝１．０の区間と等しくなる。図１３におけるＫ［ｎ］＝１．０の区間は、図６におけるγ［ｎ］＝０の区間と等しくなる。減衰倍率Ｋ［ｎ］の最低値Ｋ［ｎ］＝０．１の値は実験的に求められるものであり、ここで示す数値は一例である。減衰倍率算出部９０３は、時間変化制御部８０５の出力８０５Ｓに応じた減衰倍率Ｋ［ｎ］を乗算器９０２に供給する。

乗算器９０２は、フーリエ変換部８０２からの周波数振幅成分８０２ｓに減衰倍率Ｋ［ｎ］を乗算する。すなわち、乗算器９０２の出力はｓｏｕｎｄ＿ｆｆｔ［ｎ］×Ｋ［ｎ］で与えられる。但し、ｎ＝０、１，２、・・・、５１１である。

また、減算器９０４は、フーリエ変換部８０２からの周波数振幅成分８０２ｓから、乗算器８０７の出力８０７ｓを減算する。減算器９０４の出力は、
ｓｏｕｎｄ＿ｆｆｔ［ｎ］−ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］
で与えられる。ただし、ｎ＝０、１，２、・・・、５１１である。

演算切替え制御部９０１は、信号入力制御部８０１からのズーム制御情報と雑音時間変化情報記憶部８０８からの周波数変動傾向情報ｆｌｕｃｔｕａｔｉｏｎ［ｎ］の値に従い、乗算器９０２又は減算器９０４の出力を選択して逆フーリエ変換部８１０に出力する。

周波数変動傾向情報ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝０の場合、演算切替え制御部９０１は、ズーム動作開始時からズーム動作時間内のある一定時間までは、乗算器９０２の出力を出力信号線８０９ｓに接続する。そして、その一定時間の経過後には、演算切替え制御部９０１は、減算器９０４の出力を出力信号線８０９ｓに接続する。

周波数変動傾向情報ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝１の場合、演算切替え制御部９０１は、ズーム動作中常時、減算器９０４の出力を出力信号線８０９ｓに接続する。

周波数変動傾向情報ｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝２の場合、演算切替え制御部９０１は、ズーム動作開始時からズーム動作時間内のある一定時間までは、減算器９０４の出力を出力信号線８０９ｓに接続する。その一定時間の経過後には、演算切替え制御部９０１は、乗算器９０２の出力を出力信号線８０９ｓに接続する。

逆フーリエ変換部８１０は、逆フーリエ変換部２０９と同じ方法で、雑音低減部８０９から出力される５１２点の雑音低減スペクトルを１０２４点に拡張し、フーリエ変換部８０２からの位相情報を用いて逆フーリエ変換する。これにより、周波数領域でズーム雑音を低減した音声データが得られる。逆フーリエ変換部８１０は、このようにして得られた音声データを信号出力制御部８２２に供給する。

信号出力制御部８１１は、信号出力制御部２１０と同様に、逆フーリエ変換部８１０からの音声データをフレーム毎に繋ぎ合わせ、メモリバス７０９を通してメモリ７０８の音声データ領域に書き戻す。

本実施例でも、ズーム非動作時の音声データを雑音低減処理部７０５がメモリ７０８から読み出してメモリ７０８に書き戻すようにしているが、雑音低減処理部７０５を経由させないようにしてもよい。この場合、雑音低減処理部７０５の信号入力制御部８０１から信号出力制御部８１１に直接至る信号路は不要となる。

雑音時間変化情報記憶部８０８からのズーム雑音の周波数毎の時間変動傾向と、信号入力制御部８０１からのズーム制御情報により、雑音低減部８０９の演算方法を切り替える理由を、説明する。

図１４は、ある周波数ｎ＝ｎ’においてｆｌｕｃｔｕａｔｉｏｎ［ｎ’］＝２の場合、即ち、減少傾向の場合の、ズーム雑音の周波数成分と時間との関係を示す。ノイズプロファイル記憶部８０３に記憶されるノイズプロファイルは、時間で変化するズーム雑音の周波数成分を時間方向にピークホールドしたものであるので、ｐｒｏｆｉｌｅ［ｎ’］は図１４で示す値となる。雑音区間をｔ１〜ｔ３とした時、雑音の周波数成分が時間と共に小さくなるにも関わらず、ｐｒｏｆｉｌｅ［ｎ’］が固定値である。従って、減算器９０４の出力ｓｏｕｎｄ＿ｆｆｔ［ｎ］−ｓｕｂ＿ｐｒｏｆｉｌｅ［ｎ］を出力信号線８０９ｓに接続するケースでは、特にｔ２〜ｔ３の区間で、所望音声が重畳されているときには大きく音質が劣化してしまう。

そこで、本実施例では、変動傾向ｆｌｕｃｔｕａｔｉｏｎ［ｎ’］＝２の場合に、区間ｔ２〜ｔ３においては、演算切替え制御部９０１が、乗算器９０２の出力ｓｏｕｎｄ＿ｆｆｔ［ｎ］×Ｋ［ｎ］を出力信号線８０９ｓに接続するようにした。すなわち、乗算器９０２による雑音低減処理を選択することで、雑音の低減量を適切に制御し、所望音声の劣化を抑えることができる。

演算切替え制御部９０１は、信号入力制御部８０１から供給されるズーム制御情報により時間ｔ１、ｔ２、ｔ３を判断し、乗算器９０２と減算器９０４の出力を切り替える。

図１５はｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝０のときの演算切替え制御部９０１による切替え例を示す。図１６はｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝１のときの演算切替え制御部９０１による切替え例を示す。図１７はｆｌｕｃｔｕａｔｉｏｎ［ｎ］＝２のときの演算切替え制御部９０１による切替え例を示す。

ズーム制御情報として、ズーム時における駆動部（モータ）の回転情報と、駆動部の位置情報を、制御部７０２から信号入力制御部８０１を介して雑音低減部８０９に供給しても良い。この場合、雑音時間変化情報記憶部８０８で記憶される変動傾向情報は、例えばｆｌｕｃｔｕａｔｉｏｎ［ｎ’］＝２の場合（減少傾向の場合）、図１８で示されるようにモータの位置情報に対する雑音の周波数成分の変動傾向となる。

図１８で、ｐ１、ｐ２、ｐ３はズームに関するモータの位置情報である。ｐ１が、撮像装置のズーム操作における広角側を、ｐ３が望遠側を示す。つまり、図１８に示す周波数では、雑音の周波数成分が望遠側にいけばいくほど小さくなる。信号入力制御部８０１から位置情報ｐ１〜ｐ３とズーム回転方向情報を雑音低減部８０９に供給する。雑音低減部８０９は、これらの情報と雑音時間変化情報記憶部８０８からの変動傾向情報に基づき、乗算器９０２の出力か減算器９０４の出力かを切り替える。

Claims

音声入力手段と、
前記音声入力手段により入力された時間領域の音声信号を周波数領域の音声信号スペクトルに変換するフーリエ変換手段と、
低減対象となる雑音の周波数振幅成分を示すノイズプロファイルを記憶するノイズプロファイル記憶手段と、
前記フーリエ変換手段で求められた音声信号スペクトルと前記ノイズプロファイルとの比を周波数毎に求める周波数成分除算手段と、
前記周波数成分除算手段により求められた周波数毎の比を周波数毎に平滑化する時間変化制御手段と、
前記時間変化制御手段の出力に従い減算係数を算出する減算係数算出手段と、
前記ノイズプロファイルに前記減算係数を乗算する乗算手段と、
前記音声信号スペクトルから前記乗算手段の出力を減算する雑音低減手段と、
前記雑音低減手段の出力を時間領域の音声信号に復元する逆フーリエ変換手段と、
前記逆フーリエ変換手段により復元された音声信号を出力する音声出力手段
とを有することを特徴とする音声処理装置。
更に、前記雑音の周波数成分の変化の傾向を示す傾向情報を記憶する変化情報記憶手段を有し、
前記雑音低減手段は、
前記音声信号スペクトルから前記乗算手段の出力を減算する減算器と、
前記時間変化制御手段により平滑化された前記周波数毎の比に従い前記音声信号スペクトルの強度を調整する乗算器と、
前記傾向情報に従い前記減算器と前記乗算器の出力を切り替える切替え手段
とを有することを特徴とする請求項１に記載の音声処理装置。
前記切替え手段は、前記傾向情報が増加傾向を示す場合に、前記乗算器の出力を所定期間選択した後、前記減算器の出力に切り替えることを特徴とする請求項２に記載の音声処理装置。
前記切替え手段は、前記傾向情報が減少傾向を示す場合に、前記減算器の出力を所定期間選択した後、前記乗算器の出力に切り替えることを特徴とする請求項２に記載の音声処理装置。
前記乗算器は、前記時間変化制御手段により平滑化された前記周波数毎の比が小さいほど小さくなる係数を前記音声信号スペクトルに乗算することを特徴とする請求項２から４の何れか１項に記載の音声処理装置。
更に、前記雑音の鳴り始めの時間及び鳴り終わりの時間を含む雑音時間情報を保持する雑音時間保持手段を有し、
前記傾向情報が前記雑音の周波数成分の時間方向の変化の傾向を示し、
前記切替え手段が、前記雑音時間情報と前記傾向情報に従い前記減算器と前記乗算器の出力を切り替える
ことを特徴とする請求項２から５の何れか１項に記載の音声処理装置。
更に、前記雑音の位置情報を保持する手段を有し、
前記傾向情報が前記雑音の周波数成分の位置の変化の傾向を示し、
前記切替え手段が、前記雑音時間情報と前記傾向情報に従い前記減算器と前記乗算器の出力を切り替える
ことを特徴とする請求項６に記載の音声処理装置。
ズームレンズを含む撮像手段を有し、
前記雑音は、前記ズームレンズの駆動により発生する雑音である
ことを特徴とする請求項１から７の何れか１項に記載の音声処理装置。