JPH08506427A - 雑音減少 - Google Patents

Abstract

(57)【要約】 雑音減少用のスペクトル減算（３、４、５、６、７、８）（またはスペクトルスケーリング、図７）の後に線形予測解析（21）により弁別される内部フォルマント領域の減衰（20）が行われる。

Description

【発明の詳細な説明】 雑音減少 広帯域の雑音がスピーチ信号に付加されると、信号の品質を悪化し、明瞭さを 減少し、聴取者の疲労を増加させる。実際多くのスピーチは録音され、雑音の存 在において送信されるので雑音減少の問題は世界的規模の通信に重要であり、近 年特に注目されている。 雑音抑制フィルタリング、コームフィルタリングおよびモデルベース方法を含 んだ種々のクラスの雑音減少アルゴリズムが開発されている。既知の雑音抑圧技 術はスペクトルおよびセプストラル（cepstral）減算とウィーナ（Wiener）フィ ルタリングを含んでいる。 スペクトル減算はスピーチ信号の雑音減少に非常に有効な技術である。これは 例えば文献（Bollの“Suppression of Acoustic Noise in Speech using Spectr al Subtraction”、IEEE Trans．またはAcoustics Speech and Signal Processi ng、ASSP-27巻、No.2、1979年４月、113頁）に記載されているようにスピーチ信 号の時間ドメイン（波形）表示を周波数ドメインに変換することにより、例えば 短期間のスピーチのパワースペクトルを表わす１組の信号を得るためにスピーチ のセグメントのフーリエ変換を行うことによって動作する。雑音パワースペクト ルの（スピーチのない期間）の算定が行われ、これらの値はスピーチパワースペ クトル信号から減算され、逆フーリエ変換は雑音減少パワースペクトルと変更さ れていない位相スペクトルから時間ドメイン信号を再構成するために使用される 。 スペクトルスケーリングの関連技術が文献（Egerの“Nonlinear Processing T echnique for Speech Enhancement”、Proc．ICASSP、1983年（IEEE）、18Ａ.1. 1〜18Ａ.1.4頁）に記載されており、信号は好ましくは逆変換の前に低い大きさ の周波数成分を優先的に減衰するために非線型変換特性により乗算される周波数 ドメイン信号に変換される。この技術の開発は国際特許PCT/GB89/00049(W089/06 877)号明細書または米国特許第5,133,013号明細書に記載されている。 雑音が一定でないために、スペクトル減算に使用される算定された雑音スペク トルはスピーチ期間中の実際の雑音スペクトルと異なっている。この雑音算定の エラーは出力の小さいスペクトル領域に悪影響しがちであり、短期間のランダム トーンまたは音楽雑音として知覚される。本来の雑音よりも総エネルギが非常に 低いこの音楽雑音は非常に聴取しづらい。類似の効果がスペクトルスケーリング の場合に生じる。 音楽雑音を最小化するための幾つかの方法が使用されている。スピーチが一定 ではないことによる一時的に不鮮明を生じるが、大きさの平均化はこれらを減少 するために使用されることができる。別の方法は雑音スペクトルの過剰算定を減 算し、出力スペクトルが予め設定した最小レベルよりも下にならないようにする ことを含んでいる。この技術は非常に効果的であるが、スピーチに大きな歪みを 導く可能性がある。 本発明によると、雑音減少装置が提供され、この装置は、 時間的に変化する入力信号を入力信号のスペクトル成分の大きさを示す信号に 変換する変換手段と、 高い大きさの前記スペクトル成分信号の大きさに関して低い大きさの前記スペ クトル成分信号の大きさを減少するように動作する処理手段と、 前記スペクトル成分信号を時間的に変化する信号に変換する再変換手段とを具 備し、 スピーチスペクトルのフォルマント領域を弁別する手段と、 フォルマント領域の外部に位置する周波数成分を減衰する手段とを具備してい ることを特徴とする。 本発明のいくつかの実施例を添付図面を参照して例示により説明する。 スペクトル減算の既知の方法は図１で示されているようにスピーチプラス雑音 の短期間のパワースペクトルからの短期間の雑音パワースペクトルの算定の減算 を含んでいる。例えば１０ｋＨｚのサンプリング速度のデジタルサンプルの形態 の雑音の含まれたスピーチ信号は入力１で受信される。スピーチは５１ｍｓの継 続期間の５０％の重複したハニング窓にセグメント化（２）され、ユニット３は 別々の短時間のフーリエ変換を使用して各セグメントに対して１組のフーリエ係 数を発生する。 スピーチ｛ｓ（ｔ）｝のセグメントが付加雑音｛ｎ（ｔ）｝により崩壊される ならば、崩壊した信号｛ｙ（ｔ）｝は次式のように書かれることができる。 ｙ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ） 即ち、崩壊信号の短期間のパワースペクトルＰ_y（ω）は同様に雑音とスピー チパワースペクトルの合計として書かれることができることが示されている。 Ｐ_y（ω）＝Ｐ_s（ω）＋Ｐ_n（ω） り得られる。 短期間のパワースペクトルＰ_y（ω）はユニット３からのフーリエ係数を二乗 する（４）ことにより得られる。 雑音スペクトルは正確に計算されることはできないが、スピーチが入力信号に 存在しない期間中に算定されることができる。この状態はスピーチが現在のセグ メントにないときにＰ_y（ω）で記憶装置６の更新を許容する制御信号Ｃを発生 するために音声活動検出器５により認識される。このスペクトルは例えば最初に 各周波数サンプルＰ_y（ω）を幾つかの _y（ω）即ち、現在のフレームの平滑にされた短期間のパワースペクトルを与え る。５１２サンプルのフレーム長で、平滑は例えば９個の近接サンプルを平均す ることにより行われてもよい。 この平滑にされたパワースペクトルは雑音のスペクトル算定を更新することに 使用され、これは前の雑音算定の割合と現在のセグメントの平滑にされた短期間 のパワースペクトルの割合を含んでいる。従って、雑音パワースペクトルは徐々 に雑音の実際のスペクトルの変化に適合する。これは式（3） 態の現在のフレームであり、λは崩壊係数（例えば値λ＝０．８５）である。記 憶装置６の内容は従って短期間の雑音パワ この算定は減算器７で雑音を含むスピーチパワースペクトルから減算される。 減算の厳格さは（乗算器８で）スケール係数αを適用することにより変化される ことができ、従って、 スケール係数αは標準的なスペクトル減算で約２．３の値を有し、信号対雑音 比は１０ｄＢである。より高い値がもっと低い信号対雑音比では使用されるであ ろう。周波数成分が負のパワーを有することができないので結果的に負の項はゼ ロに設定され、代りにゼロでない最小パワーレベルは限定さ レベルまたは´スペクトルフロア´を決定する。βのゼロでない値は少量の本来 の雑音信号を維持することにより音楽雑音の影響を減少する。 減算後、パワー項の平方根は対応するフーリエ振幅成分を提供するためユニッ ト９により計算され、時間ドメイン信号セグメントは（ライン11を経て）ＦＦＴ ユニット３から直接 に位相成分Φ_y（ω）と共にこれらから逆フーリエ変換ユニット10により再構成 される。窓処理されたスピーチセグメントは出力13において再構成された出力信 号を提供するためにユニット12で重複される。 説明の導入部分で既に説明したように図１の装置で使用されているスペクトル 減算技術は入力信号よりも雑音は少ないが出力が音楽雑音を含む欠点を有する。 雑音のないスピーチのセグメント内の情報の大部分はフォルマントとして知られ ている１以上の高エネルギ周波数帯域内に含まれている。白色付加雑音により崩 壊されたスピーチの場合、スペクトル減算後に残された音楽雑音は全ての周波数 でほぼ等しい。その結果、周波数スペクトルのフォルマント領域は全体として信 号の平均的な信号対雑音比（ｓ．ｎ．ｒ．）よりも高い局部的ｓ．ｎ．ｒ．を有 する。 フォルマント領域内では、音楽雑音はスピーチ自体により大部分遮蔽されてい る。図２はフォルマント領域の間に位置する周波数スペクトル領域の信号を減衰 することにより可聴音楽雑音を減少することを目的とした本発明の第１の実施例 を示している。フォルマントの間の領域の減衰は知覚されたスピーチ自体の品質 にほとんど影響せず、従ってこの方法は顕著にスピーチに歪みを与えずに音楽雑 音の実質的な減少に効果を与えることができる。 この減衰はユニット20により行われこれは周波数応答特性Ｈ（ω）の各項によ りフーリエ係数を乗算する（図２の装置の同じ部分は既に説明した図１と同一の 参照符号を有する）。 応答特性Ｈ（ω）は線形予測解析ユニット21により得られるＬ．Ｐ．Ｃ．（線 形予期コード化）スペクトルＬ（ω）から導出される。Ｌ．Ｐ．Ｃ．解析はスピ ーチコード化および処理の分野でよく知られた技術であるので、ここではさらに 説明しない。減衰動作は、Ｌ．Ｐ．Ｃ．スペクトルの対応する周波数項がしきい 値τよりも下でありさえすれば、スペク ようにされている。従って応答特性Ｈ（ω）はＬ（ω）の線形関数であり、以下 の規定に従って非線型処理ユニット22により得られる。 Ｌ（ω）≧τならば、Ｈ（ω）＝１であり、 Ｌ（ω）＜τならば、Ｈ（ω）＝［Ｌ（ω）／τ］^σである。 好ましくはしきい値τは全ての周波数と全てのスピーチセグメントに対して一 定であり、それ故、スピーチ中の強い音声のセグメントでは小部分のスペクトル が減衰され、一方静かなセグメントではほとんどまたは全てのスペクトルが減衰 される。スピーチのピーク増幅の約０．１％の典型的な値は適切に動作すること が発見されている。τの値を低くすると、より厳格なフィルタリング動作が生じ る。従って値はより高い信号対雑音比で増加し、より低い信号対雑音比で減少す る。累乗項σは減衰の粗さ（harshness）を変化するために使用され、σが大き い値であれば減衰はより粗くなる。２乃至４の値のσが実用上適切に動作するこ とが発見されている。図３は典型的なＬ．Ｐ．Ｃ．スペクトルＬ（ω）に対する 値Ｈ （ω）を示したグラフである。 よく知られているように、Ｌ．Ｐ．Ｃ．解析は解析されるスピーチ信号中の雑 音の存在に非常に敏感である。しかしながら、雑音が存在するＬ．Ｐ．Ｃ．パラ メータの算定はＬ．Ｐ．Ｃ．解析前にスペクトル減算を使用することにより改良 され、その理由で、図２の算定装置21は入力として減算器７の出力を採用してい る。 スペクトル減算の後に加重機能Ｈ（ω）が続くとき、スケール係数の低い値が 使用されることができる（図４、５のα₁）。１０ｄＢの信号対雑音比に対して 値１．５が適切に動作することが発見されている。 大きな値のαは補助スペクトル減算でよりよい結果を与えることが発見されて いる（図４、５のα₂）。（値２．５は１０ｄＢの信号対雑音比で適切に動作す ることが発見されているので）図４では分離した乗算器８¹と減算段階７¹はＬＰ Ｃスペクトル算定21を供給するために使用される。 応答特性Ｈ（ω）が振幅項に供給され、位相スペクトルΦ_s（ω）に影響しな いとき、原理上、符号10の逆フーリエ変換後、Ｈ（ω）によりフィルタリングを 適用することが可能であるが、この減衰は厳密なフィルタリング動作ではない。 代りに平方根処理（9）前に減衰を適用することも可能である。 フィルタのポールの帯域幅または周波数の小さいエラーが僅かにフィルタリン グに影響するので、Ｌ．Ｐ．Ｃ．パラメータの算定はこの文脈ではコード化また は認識応用ほど臨界的ではなく、従って通常、雑音状態に不適切であると考えら れているＬ．Ｐ．Ｃ．アルゴリズムがそれでもやはりここで使用されることを少 し留意すべきである。 しかしながら、図４を参照して説明するようにＬ．Ｐ．Ｃ．算定の正確性を改 良するようにさらに行うことができる複数のステップが存在する。非相関雑音を 含んだスピーチのセグメントが解析されるとき、（雑音成分に対して反対である ）スピーチ成分の結果への貢献はセグメントの長さに依存する係数により強化さ れる。理論はスピーチが全体的に一定であるとき（即ちＰ_s（ω）が時間的に変 化しないとき）強化の度合いはセグメントの長さの平方根に比例することを予測 している。従って、Ｌ．Ｐ．Ｃ．解析に先行するスペクトル減算でスピーチが一 定のとき、より長いセグメントの長さを使用することが好ましい。従って図５の 装置はセグメントの長さを除いて全ての面でユニット２乃至８と同一のユニット ２´乃至８´を具備する補助スペクトル減算装置を含んでいる。Ｌ．Ｐ．Ｃ．算 定装置21は補助減算装置７´から入力を供給される。 スピーチは一定部分と、整合するように調節されたセグメントの長さに分割さ れる。さらにユニット23は入力スピーチ信号の一定性を監視し、使用されるセグ メントの長さを示す制御信号ＣＳＬを窓ユニット２´（および図示されていない コネクタを経てユニット３´乃至８´へ）に提供する。セグメントの長さの変化 の典型的な範囲は３８乃至２０５ｍｓであることが試験により示されている。 検出器23の動作方法を以下に示す。 （ｉ）本発明の雑音を含むスピーチの現在のフレームの中心２５ｍｓのＬＰ スペクトルが計算される。 （ii）近接する２５ｍｓのＬＰスペクトル部分もまた計算され、中心ＬＰス ペクトルと近接ＬＰスペクトルの間のスペクトル距離が計算される。 （iii）現在の部分に十分類似すると判断された近接２５ｍｓ部分は´一定 部分´に含まれる。現在の部分から前後に最大４つの２５ｍｓセグメントが使用 される。従って一定部分は２５ｍｓ乃至２２５ｍｓの長さの範囲であり、現在の 窓フレーム周辺を必ずしも中心とする必要はない。 （iv）スペクトル減算は全体として一定部分について行われ、ＬＰスペクト ル算定が計算される。 付加的に、スペクトル的に減算されたスピーチから得られるＬ．Ｐ．Ｃ．パラ メータは雑音のない場合のスピーチの解析により得られる真の位置と比較して、 ユニットサイクル方向（即ちＬ．Ｐ．Ｃ．パラメータが直接雑音を含むスピーチ から計算されるときに生じるのと反対方向）に応答特性のポールを移動する傾向 があることが発見されている。この効果はＬ．Ｐ．Ｃ．スペクトルＬ（ω）の計 算前にパラメータを制動することにより緩和されることができる。従って、図５ のＬ．Ｐ．Ｃ．算定ユニット21は以下のように動作する。 （ｉ）順序ｐのＬ．Ｐ．Ｃ．フィルタの係数ａ₁（１≦ｉ≦ｐ）を導出して 、 （ii）変換、ａ₁´＝ａ_i・σ_iを使用して係数を制動し、ここでσは１より も小さい（例えば０．９７）定数であり、 （iii）制動された係数ａ₁´からフィルタ応答特性Ｌ（ω）を計算する。 図６は得られた結果の比較のグラフを示している。 第１の曲線はスペクトル減算による強化後の、単語´ｈｏｇｓ´から破壊され た母音´ｏ´の短期間のスペクトルを示している。第２の曲線はスペクトル減算 とその後に続くポスト処理アルゴリズムの後に破壊されたスピーチの同一フレー ムを示している。第１の曲線の＃でマークされたピークは第２の曲線ではスペク トル加重関数により除去されている。これらのピークはスピーチと相関されてお らず、音楽雑音の原因であることが示されている。第２に、低振幅フォルマント の減衰は値αが高いことによって図１では高くなり、より歪みのあるスピーチに なる。 さらに本発明の実施例はスペクトル減算よりもスペクトルスケーリングを使用 する。図７はこれについての基本原理を示しており、変換された係数は（主に雑 音で構成されていると仮定する）低強度のスペクトル成分を順次減衰する非線型 変換特性により（ユニット30で）処理を受けるが、比較的減衰されていない高強 度のスペクトル成分を通過させる。Munday氏（米国特許第5,133,013号明細書） により記載されているように異なった変換特性が異なった周波数成分で使用され てもよく、および／またはレベル自動利得制御またはその他の装置が信号振幅に 応じて非線型特性をスケーリングするために設けられてもよい。 本発明により構想されているスペクトル減衰はこの場合に はまた図８で示されているように使用されてもよく、それにおいてはユニット20 は非線型処理装置30と逆ＦＦＴユニット10との間に挿入されている。図４の場合 のように、応答特性Ｈ（ω）はＬ．Ｐ．Ｃ．算定ユニット21と非線型ユニット22 により与えられ、これはスペクトル算定装置への入力が非線型処理段30から得ら れる点を除いて前述したように機能する。図４または５の装置の場合と類似して 、この入力は異なった値のαおよび／または異なったまたは適合可能に可変のセ グメント長を有する補助スペクトルスケーリング装置から得られる。 Ｌ．Ｐ．Ｃ．スペクトル算定と主要なスペクトル減算またはスケーリングのた めの事前処理は必ずしも同一のタイプでなくてもよいことに留意すべきであり、 すなわち、所望ならば図５の装置はＬ．Ｐ．Ｃ．解析ユニット21に供給するため にスペクトルのスケーリングを使用し、または図８の装置はスペクトル減算を使 用する。

Claims (1)

1. 【特許請求の範囲】 （１）時間的に変化する入力信号を入力信号のスペクトル成分の大きさを表す信 号に変換する変換手段と、 高い大きさの前記スペクトル成分信号の大きさに関して低い大きさの前記スペ クトル成分信号の大きさを減少するように動作する処理手段と、 前記スペクトル成分信号を時間的に変化する信号に変換する再変換手段とを具 備している雑音減少装置において、 スピーチスペクトルのフォルマント領域を弁別するための手段と、 フォルマント領域外に位置する周波数成分を減衰する手段とを具備しているこ とを特徴とする雑音減少装置。 （２）変換手段が入力信号のセグメントについて別々のフーリエ変換を行うよう に動作する請求項１記載の雑音減少装置。 （３）入力信号にスピーチが存在しない期間を認識し、入力信号の算定された雑 音スペクトルを表す期間中の入力信号のパワースペクトルを表す信号を記憶する 手段を含み、処理手段は入力信号のパワースペクトルを表す信号から入力信号の 算定された雑音スペクトルを表す信号を減算するように動作可能である請求項１ または２記載の雑音減少装置。 （４）高い大きさのスペクトル成分信号に関して低い大きさのスペクトル成分信 号を減衰するように処理手段が前記大きさの信号に非線型変換特性を与えるよう に動作可能である請求項１または２記載の雑音減少装置。 （５）フォルマント領域を弁別する手段が周波数応答信号を 発生するために入力信号またはその導関数に応答して周波数応答信号を発生し、 減衰手段は周波数応答信号と信号のパワースペクトルとを乗算するように動作可 能である請求項１乃至４のいずれか１項記載の雑音減少装置。 （６）フォルマント領域を弁別する手段がＬＰスペクトルを発生するために線形 予測解析手段を含んでいる請求項５記載の雑音減少装置。 （７）フォルマント領域を弁別する手段はしきい値手段を含み、周波数応答信号 はＬＰスペクトルがしきい値よりも上であれば１であり、そうでなければＬＰス ペクトルの関数である請求項６記載の雑音減少装置。 （８）フォルマント領域を弁別する手段が処理手段の出力に応答性である請求項 ５、６または７記載の雑音減少装置。 （９）フォルマント領域を弁別する手段がスペクトル信号に応答性であり、その 後に高い大きさの前記スペクトル成分信号の大きさに関して低い大きさの前記ス ペクトル成分信号の大きさを減少するように動作する補助処理手段により処理さ れる請求項５、６または７記載の雑音減少装置。 （１０）時間的に変化する入力信号を入力信号のスペクトル成分の大きさを表す 信号に変換する補助変換手段と、高い大きさの前記スペクトル成分信号の大きさ に関して低い大きさの前記スペクトル成分信号の大きさを減少するように動作す る補助処理手段とを含んでおり、フォルマント領域を弁別する手段は補助処理手 段の出力に応答する請求項５、６または７記載の雑音減少装置。 （１１）変換手段が入力信号のそれぞれ適切な固定時間でスペクトル成分信号を 発生するように動作可能であり、補助変換手段はスピーチのそれぞれ連続する時 間に対してスペクトル成分信号を発生するように動作可能であり、これらの期間 は前記固定時間とは異なった継続時間を有する請求項１０記載の雑音減少装置。 （１２）入力スピーチ信号の一定性を監視し、補助変換手段により使用される継 続時間を制御する手段を含んでいる請求項１１記載の雑音減少装置。 （１３）添付図面の図２乃至６および８を参照して説明されている雑音減少装置 。