WO2012038998A1

WO2012038998A1 - 雑音抑圧装置

Info

Publication number: WO2012038998A1
Application number: PCT/JP2010/005711
Authority: WO
Inventors: 訓古田; 田崎　裕久
Original assignee: 三菱電機株式会社
Priority date: 2010-09-21
Filing date: 2010-09-21
Publication date: 2012-03-29
Also published as: DE112010005895B4; JP5183828B2; JPWO2012038998A1; US20130138434A1; CN103109320B; CN103109320A; DE112010005895T5; US8762139B2

Abstract

　時間領域の入力信号を周波数領域の信号であるパワースペクトルに変換するパワースペクトル計算部３と、パワースペクトルが音声であるか雑音であるか判定する音声／雑音区間判定部５と、音声／雑音区間判定部５の判定結果に基づきパワースペクトルの雑音スペクトルを推定する雑音スペクトル推定部６と、パワースペクトルを構成する調波構造を分析し、パワースペクトルの周期性情報を推定する周期成分推定部４と、周期性情報、音声／雑音区間判定部５の判定結果、およびパワースペクトルの信号情報に基づき、パワースペクトルに重み付けを行うための重み付け係数を算出する重み係数計算部７と、パワースペクトル、音声／雑音区間判定部５の判定結果および重み付け係数に基づき、パワースペクトルに含まれる雑音を抑制するための抑圧係数を算出するＳＮ比計算部８と、抑圧係数を用いてパワースペクトルの振幅を抑圧するスペクトル抑圧部１０と、スペクトル抑圧部１０において振幅抑圧されたパワースペクトルを時間領域に変換して雑音抑圧信号を得る逆フーリエ変換部１１とを備えた。

Description

雑音抑圧装置

　この発明は、音声通信・音声蓄積・音声認識システムが導入された、カーナビゲーション・携帯電話・インターフォンなどの音声通信システム・ハンズフリー通話システム・ＴＶ会議システム・監視システム等の音質改善や、音声認識システムの認識率の向上に用いられ、入力信号に混入した背景雑音を抑圧する雑音抑圧装置に関するものである。

　近年のディジタル信号処理技術の進展に伴い、携帯電話による屋外での音声通話や、自動車内でのハンズフリー音声通話や音声認識によるハンズフリー操作が広く普及している。これら装置は高騒音環境下で用いられることが多いため、音声と共にマイクに背景雑音も入力されてしまい通話音声の劣化や音声認識率の低下などを招く。そのため、快適な音声通話や高精度の音声認識を実現するには、入力信号に混入した背景雑音を抑圧する雑音抑圧装置が必要である。

　従来の雑音抑圧方法としては、例えば、時間領域の入力信号を周波数領域の信号であるパワースペクトルに変換し、入力信号のパワースペクトルと、入力信号から別途推定した推定雑音スペクトルとを用いて雑音抑圧のための抑圧量を算出し、得られた抑圧量を用いて入力信号のパワースペクトルの振幅抑圧を行い、振幅抑圧されたパワースペクトルと入力信号の位相スペクトルを時間領域へ変換して雑音抑圧信号を得る方法がある（例えば、非特許文献１）。

　この従来の雑音抑圧方法では、音声のパワースペクトルと推定雑音パワースペクトルの比（ＳＮ比）に基づいて抑圧量を算出しているが、その値が負（デシベル値にて）になると正しく抑圧量を算出することができない。例えば、低域に大きなパワーを持つ自動車走行騒音が重畳した音声信号では、音声の低域が騒音に埋もれてしまうためＳＮ比が負となってしまい、その結果、音声信号の低域が過度に抑圧され音質劣化する課題がある。

　上記の課題に対し、欠損した低域信号を生成・復元する方法として、例えば、特許文献１には、音声の基本周波数（ピッチ）信号の高調波成分の一部を入力信号から抽出し、抽出された高調波成分を２乗することで低調波成分を生成し、得られた低調波成分を入力信号に重畳することで音質改善した音声信号を得る音声信号処理装置が開示されている。当該音声信号処理装置を雑音抑圧装置の後段に置くことにより、低域成分が改善した雑音抑圧装置を実現できる。

特開２００８－７６９８８号公報（第５頁～６頁、図１）

Ｙ．Ｅｐｈｒａｉｍ，　Ｄ．Ｍａｌａｈ，"Ｓｐｅｅｃｈ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｕｓｉｎｇ　ａ　Ｍｉｎｉｍｕｍ　Ｍｅａｎ　Ｓｑｕａｒｅ　Ｅｒｒｏｒ　Ｓｈｏｒｔ－Ｔｉｍｅ　Ｓｐｅｃｔｒａｌ　Ａｍｐｌｉｔｕｄｅ　Ｅｓｔｉｍａｔｏｒ"，ＩＥＥＥ　Ｔｒａｎｓ．ＡＳＳＰ，ｖｏｌ．ＡＳＳＰ－３２，Ｎｏ．６　Ｄｅｃ．１９８４

　しかし、特許文献１に開示された従来の音声信号処理装置では、生成された低域信号は入力信号から分析・生成しているため、入力信号に残留雑音が有る場合、即ち雑音抑圧装置の出力信号に残留雑音が有る場合には、低域成分に残留雑音の影響が出るために急激に音質劣化するという課題があった。また、低域成分の生成、フィルタ処理、および低域成分の重畳度合いの制御に多くの演算量・メモリ量が必要となるという課題があった。

　この発明は、上記のような課題を解決するためになされたもので、簡便な処理で高品質な雑音抑圧装置を提供することを目的とする。

　この発明に係る雑音抑圧装置は、時間領域の入力信号を周波数領域の信号であるパワースペクトルに変換するパワースペクトル計算部と、パワースペクトルが音声であるか雑音であるか判定する音声／雑音判定部と、音声／雑音判定部の判定結果に基づきパワースペクトルの雑音スペクトルを推定する雑音スペクトル推定部と、パワースペクトルを構成する調波構造を分析し、パワースペクトルの周期性情報を推定する周期成分推定部と、周期性情報、音声／雑音判定部の判定結果、およびパワースペクトルの信号情報に基づき、パワースペクトルに重み付けを行うための重み付け係数を算出する重み係数計算部と、パワースペクトル、音声／雑音判定部の判定結果および重み付け係数に基づき、パワースペクトルに含まれる雑音を抑制するための抑圧係数を算出する抑圧係数計算部と、抑圧係数を用いてパワースペクトルの振幅を抑圧するスペクトル抑圧部と、スペクトル抑圧部において振幅抑圧されたパワースペクトルを時間領域に変換して雑音抑圧信号を得る変換部とを備えたものである。

　この発明によれば、パワースペクトルを構成する調波構造を分析し、パワースペクトルの周期性情報を推定する周期成分推定部と、周期性情報、音声／雑音判定部の判定結果、およびパワースペクトルの信号情報に基づき、パワースペクトルに重み付けを行うための重み付け係数を算出する重み係数計算部と、パワースペクトル、音声／雑音判定部の判定結果および重み付け係数に基づき、パワースペクトルに含まれる雑音を抑制するための抑圧係数を算出する抑圧係数計算部と、抑圧係数を用いてパワースペクトルの振幅を抑圧するスペクトル抑圧部とを備えるように構成したので、音声が雑音に埋もれてしまう帯域においても音声の調波構造を保持するように補正することができ、音声の過度の抑圧を抑制することができ、高品質な雑音抑圧を行うことができる。

実施の形態１による雑音抑圧装置の構成を示すブロック図である。実施の形態１による雑音抑圧装置の周期成分推定部における音声の調波構造検出を模式的に示した説明図である。実施の形態１による雑音抑圧装置の周期成分推定部における音声の調波構造補正を模式的に示した説明図である。実施の形態１による雑音抑圧装置のＳＮ比計算部における重み付けされた事後ＳＮＲを用いた際の事前ＳＮＲの様態を模式的に示した説明図である。実施の形態１による雑音抑圧装置の出力結果の一例を示す図である。実施の形態４による雑音抑圧装置の構成を示すブロック図である。

　以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
　図１は、この発明の実施の形態１による雑音抑圧装置の構成を示すブロック図である。
　雑音抑圧装置１００は、入力端子１、フーリエ変換部２、パワースペクトル計算部３、周期成分推定部４、音声／雑音区間判定部（音声／雑音判定部）５、雑音スペクトル推定部６、重み係数計算部７、ＳＮ比計算部（抑圧係数計算部）８、抑圧量計算部９、スペクトル抑圧部１０、逆フーリエ変換部（変換部）１１、および出力端子１２で構成されている。

　以下、図１を参照しながら雑音抑圧装置１００の動作原理について説明する。
　まず、マイクロホン（図示せず）などを通じて取り込まれた音声や音楽などが、Ａ／Ｄ（アナログ・デジタル）変換された後、所定のサンプリング周波数（例えば、８ｋＨｚ）でサンプリングされると共にフレーム単位に分割（例えば１０ｍｓ）され、雑音抑圧装置１００へ入力端子１を介して入力される。

　フーリエ変換部２は、入力信号を例えばハニング窓掛けを行った後、例えば次の式（１）のように２５６点の高速フーリエ変換を行って、時間領域の信号からスペクトル成分Ｘ（λ，ｋ）に変換する。

　ここで、λは入力信号をフレーム分割したときのフレーム番号、ｋはパワースペクトルの周波数帯域の周波数成分を指定する番号（以下、スペクトル番号と称する）、ＦＴ［・］はフーリエ変換処理を表す。

　パワースペクトル計算部３では、次の式（２）を用いて、入力信号のスペクトル成分からパワースペクトルＹ（λ，ｋ）を得る。

　ここで、Ｒｅ｛Ｘ（λ，ｋ）｝およびＩｍ｛Ｘ（λ，ｋ）｝は、それぞれフーリエ変換後の入力信号スペクトルの実数部および虚数部を示す。

　周期成分推定部４は、パワースペクトル計算部３が出力するパワースペクトルＹ（λ，ｋ）を入力し、入力信号スペクトルの調波構造の分析を行う。調波構造の分析は、図２に示すように、パワースペクトルが構成する調波構造の山（以降、スペクトルピークと称する）を検出することで行う。具体的には、調波構造とは関係無い微小ピーク成分除去のため、例えば、パワースペクトルの最大値の２０％の値を各パワースペクトル成分から減算した後、低域から順にパワースペクトルのスペクトル包絡の極大値をトラッキングして求める。なお、図２のパワースペクトル例は説明を容易にするために、音声スペクトルと雑音スペクトルを別成分として記載しているが、実際の入力信号は音声スペクトルに雑音スペクトルが重畳（加算）しており、雑音スペクトルよりもパワーが小さい音声スペクトルのピークは観測できない。

　スペクトルピーク探索後、周期性情報ｐ（λ，ｋ）として、パワースペクトルの極大値（スペクトルピークである）であればｐ（λ，ｋ）＝１とし、そうでなければｐ（λ，ｋ）＝０としてスペクトル番号ｋ毎に値をセットする。なお、図２の例では、全てのスペクトルピークの抽出を行っているが、例えば、ＳＮ比の良い帯域のみなど、特定の周波数帯域に限って行ってもよい。

　次に、観測されたスペクトルピークの高調波周期を元に、雑音スペクトルに埋もれている音声スペクトルのピークを推測する。具体的には、例えば図３のように、スペクトルピークが観測されていない区間（雑音に埋もれた低域部分や高域部分）において、観測されたスペクトルピークの高調波周期（ピーク間隔）でスペクトルピークが存在すると見なし、そのスペクトル番号の周期性情報ｐ（λ，ｋ）＝１をセットする。なお、極めて低い周波数帯域（例えば、１２０Ｈｚ以下）では音声成分が存在することは稀なので、その帯域では周期性情報ｐ（λ，ｋ）に“１”をセットしないこともできる。極めて高い周波数帯域でも同様なことが可能である。

　続いて、次の式（３）を用いて、パワースペクトルＹ（λ，ｋ）から正規化自己相関関数ρ_N（λ，τ）を求める。

　ここで、τは遅延時間であり、ＦＴ［・］はフーリエ変換処理を表し、例えば式（１）と同じポイント数＝２５６にて高速フーリエ変換を行えばよい。なお、式（３）はウィナーヒンチン（Ｗｉｅｎｅｒ－Ｋｈｉｎｔｃｈｉｎｅ）の定理であるので説明は省略する。次に式（４）を用いて、正規化自己相関関数の最大値ρ_max（λ）を求める。ここで、

　以上、得られた周期性情報ｐ（λ，τ）と自己相関関数最大値ρ_max（λ）をそれぞれ出力する。なお、周期性の分析には、上記のパワースペクトルのピーク分析や自己相関関数法の他、ケプストラム分析など公知の手法を用いることができる。

　音声／雑音区間判定部５は、パワースペクトル計算部３が出力するパワースペクトルＹ（λ，ｋ）と、周期成分推定部４が出力する自己相関関数最大値ρ_max（λ）と、後述する雑音スペクトル推定部６が出力する推定雑音スペクトルＮ（λ，ｋ）を入力し、現フレームの入力信号が音声であるか雑音であるかどうかの判定を行い、その結果を判定フラグとして出力する。音声／雑音区間の判定方法として、例えば、次の式（５）と式（６）のどちらか一方あるいは両方を満たす場合に、音声であるとして判定フラグＶｆｌａｇを“１（音声）”にセットし、それ以外の場合には雑音であるとして判定フラグＶｆｌａｇを“０（雑音）”にセットして出力する。

　ここで、式（５）において、Ｎ（λ，ｋ）は推定雑音スペクトルであり、Ｓ_powとＮ_powはそれぞれ入力信号のパワースペクトルの総和、推定雑音スペクトルの総和を表す。また、ＴＨ_{FR_SN}およびＴＨ_ACFは、判定用の所定の定数閾値であり、好適な例としてＴＨ_{FR_SN}＝３．０およびＴＨ_ACF＝０．３であるが、入力信号の状態や雑音レベルに応じて適宜変更することもできる。

　雑音スペクトル推定部６は、パワースペクトル計算部３が出力するパワースペクトルＹ（λ，ｋ）と、音声／雑音区間判定部５が出力する判定フラグＶｆｌａｇとを入力し、次の式（７）と判定フラグＶｆｌａｇに従って雑音スペクトルの推定と更新を行い、推定雑音スペクトルＮ（λ，ｋ）を出力する。

　ここで、Ｎ（λ―１，ｋ）は前フレームにおける推定雑音スペクトルであり、雑音スペクトル推定部６内の例えばＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などの記憶手段において保持されている。式（７）において、判定フラグＶｆｌａｇ＝０の場合には、現フレームの入力信号が雑音と判定されていることから、入力信号のパワースペクトルＹ（λ，ｋ）と更新係数αを用いて、前フレームの推定雑音スペクトルＮ（λ－１，ｋ）の更新を行っている。なお、更新係数αは０＜α＜１の範囲の所定の定数であり、好適な例としてα＝０．９５であるが、入力信号の状態や雑音レベルに応じて適宜変更することもできる。
　一方、判定フラグＶｆｌａｇ＝１の場合には、現フレームの入力信号が音声であり、前フレームの推定雑音スペクトルＮ（λ－１，ｋ）を、そのまま現フレームの推定雑音スペクトルＮ（λ，ｋ）として出力する。

　重み係数計算部７は、周期成分推定部４が出力する周期性情報ｐ（λ，ｋ）と、音声／雑音区間判定部５が出力する判定フラグＶｆｌａｇと、後述するＳＮ比計算部８が出力するスペクトル成分毎のＳＮ比（信号対雑音比）とを入力し、当該ＳＮ比に対し、スペクトル成分毎の重み付けを行うための重み係数Ｗ（λ，ｋ）の算出を行う。

　ここで、Ｗ（λ－１，ｋ）は前フレームの重み係数、βは平滑化のための所定の定数であり、β＝０．８が好適である。また、ｗ_p（ｋ）は重み付け定数であり、例えば、次の式（９）のように判定フラグとスペクトル成分毎のＳＮ比とから決定され、当該スペクトル番号での値と隣接するスペクトル番号の値とで平滑化される。隣接するスペクトル成分と平滑化することで、重み付け係数の急峻化抑制やスペクトルピーク分析の誤差を吸収する効果がある。
　なお、ｐ（λ，ｋ）＝０の場合の重み付け定数ｗ_Z（ｋ）については通常は１．０のままの重み付け無しでよいが、必要に応じてｗ_p（ｋ）と同様に判定フラグとスペクトル成分毎のＳＮ比で制御することも可能である。

ただし、
　　周期性情報ｐ（λ，ｋ）＝１、かつ、判定フラグＶｆｌａｇ＝１（音声）の場合

　　周期性情報ｐ（λ，ｋ）＝１、かつ、判定フラグＶｆｌａｇ＝０（雑音）の場合

　ここで、ｓｎｒ（ｋ）はＳＮ比計算部８が出力するスペクトル成分毎のＳＮ比であり、ＴＨ_{SB_SNR}は所定の定数閾値である。式（９）のように、判定フラグとスペクトル成分毎のＳＮ比で重み付け定数を制御することで、入力信号が音声と判定された場合には、音声が雑音に埋もれているような帯域のスペクトルピーク（スペクトルの調波構造の山部分）に大きな重み付けを行い、また、もともとＳＮ比が高い帯域のスペクトル成分には、過剰な重み付けを行わないようにできる。一方、入力信号が雑音と判定された場合には、重み付けを抑制する（重み定数を１．０にする）と共に、ＳＮ比が高いと推定されたスペクトル成分に対して重み付けを行うことで、例えば、現フレームが音声なのに雑音であると判定フラグが誤った場合においても、重み付けを行うことができる。なお、閾値ＴＨ_{SB_SNR}は、入力信号の状態や雑音レベルに応じて適宜変更することもできる。

　ＳＮ比計算部８は、パワースペクトル計算部３が出力するパワースペクトルＹ（λ，ｋ）と、雑音スペクトル推定部６が出力する推定雑音スペクトルＮ（λ，ｋ）と、重み係数計算部７が出力する重み係数Ｗ（λ，ｋ）と、後述する抑圧量計算部９が出力する前フレームのスペクトル抑圧量Ｇ（λ－１，ｋ）とを用いて、スペクトル成分毎の事後ＳＮＲ（ａｐｏｓｔｅｒｉｏｒｉＳＮＲ）と事前ＳＮＲ（ａｐｒｉｏｒｉＳＮＲ）を計算する。
　事後ＳＮＲγ（λ，ｋ）は、パワースペクトルＹ（λ，ｋ）と推定雑音スペクトルＮ（λ，ｋ）とを用いて、次の式（１０）から求めることができる。また、前出の式（９）に基づく重み付けをすることにより、スペクトルピークでは事後ＳＮＲをより高く推定するように補正を行うこととなる。

　また、事前ＳＮＲξ（λ，ｋ）は、前フレームのスペクトル抑圧量Ｇ（λ－１、ｋ）、前フレームの事後ＳＮＲγ（λ－１，ｋ）とを用いて、次の式（１１）で求める。

　ここで、δは０＜δ＜１の範囲の所定の定数であり、本実施の形態ではδ＝０．９８が好適である。また、Ｆ［・］は半波整流を意味し、事後ＳＮＲがデシベル値で負の場合にゼロにフロアリングするものである。
　図４は重み係数Ｗ（λ，ｋ）に基づいて重み付けされた事後ＳＮＲを用いた時の、事前ＳＮＲの様態を模式的に示したものである。図４（ａ）は、図３の波形と同一であり、音声スペクトルと雑音スペクトルとの関係を示している。図４（ｂ）は、重み付けを行わなかった場合の事前ＳＮＲの様態、図４（ｃ）は重み付けを行った場合の事前ＳＮＲの様態を表している。また、図４（ｂ）には方式説明のために閾値ＴＨ_{SB_SNR}を記載している。図４（ｂ）と図４（ｃ）とを比較すると、図４（ｂ）では雑音に埋もれていた音声スペクトルのピーク部分のＳＮ比がうまく抽出できていないのに対し、図４（ｃ）ではピーク部分のＳＮ比がうまく抽出できていることがわかる。また、閾値ＴＨ_{SB_SNR}を越えるピーク部分のＳＮ比も過度に大きくなっておらず、良好に動作することがわかる。

　なお、この実施の形態１では、事後ＳＮＲだけに重み付けを行っているが、事前ＳＮＲに対しても重み付けを行うことも可能であるし、事後ＳＮＲと事前ＳＮＲの両方に対して重み付けを行ってもよい。その場合には、事前ＳＮＲの重み付けとして好適になるように、前出の式（９）の定数を変更すればよい。
　以上、得られた事後ＳＮＲγ（λ，ｋ）と事前ＳＮＲξ（λ，ｋ）とを抑圧量計算部９へ出力するとともに、事前ＳＮＲξ（λ，ｋ）についてはスペクトル成分毎のＳＮ比として、重み係数計算部７へ出力する。

　抑圧量計算部９は、ＳＮ比計算部８が出力する事前ＳＮＲおよび事後ＳＮＲγ（λ，ｋ）から、スペクトル毎の雑音抑圧量であるスペクトル抑圧量Ｇ（λ，ｋ）を求め、スペクトル抑圧部１０へ出力する。

　スペクトル抑圧量Ｇ（λ，ｋ）を求める手法としては、例えば、ＪｏｉｎｔＭＡＰ法を適用できる。ＪｏｉｎｔＭＡＰ法は、雑音信号と音声信号をガウス分布であると仮定してスペクトル抑圧量Ｇ（λ，ｋ）を推定する方法であり、事前ＳＮＲξ（λ，ｋ）および事後ＳＮＲγ（λ，ｋ）を用いて、条件付き確率密度関数を最大にする振幅スペクトルと位相スペクトルを求め、その値を推定値として利用する。スペクトル抑圧量は確率密度関数の形状を決定するνとμをパラメータとして、次の式（１２）で表すことができる。なお、ＪｏｉｎｔＭＡＰ法におけるスペクトル抑圧量導出法の詳細については、以下に示す参考文献１を参照することとし、ここでは省略する。

参考文献１

　Ｔ．Ｌｏｔｔｅｒ，　Ｐ．Ｖａｒｙ，“Ｓｐｅｅｃｈ　Ｅｎｈａｎｃｅｍｅｎｔ　ｂｙ　ＭＡＰ　Ｓｐｅｃｔｒａｌ　Ａｍｐｌｉｔｕｄｅ　Ｕｓｉｎｇ　ａ　Ｓｕｐｅｒ－Ｇａｕｓｓｉａｎ　Ｓｐｅｅｃｈ　Ｍｏｄｅｌ”，ＥＵＲＡＳＩＰ　Ｊｏｕｒｎａｌ　ｏｎ　Ａｐｐｌｉｅｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，ｐｐ．１１１０－１１２６，Ｎｏ．７，２００５

　スペクトル抑圧部１０では、次の式（１３）に従って、入力信号のスペクトル毎に抑圧を行い、雑音抑圧された音声信号スペクトルＳ（λ，ｋ）を求め、逆フーリエ変換部１１へ出力する。

　以上、得られた音声スペクトルＳ（λ，ｋ）を逆フーリエ変換部１１で逆フーリエ変換し、前フレームの出力信号と重ね合わせ処理した後、雑音抑圧された音声信号ｓ（ｔ）を出力端子１２より出力する。

　図５は、この実施の形態１による雑音抑圧装置の出力結果の一例として、音声区間における出力信号のスペクトルを模式的に示したものである。図５（ａ）は、図２に示すスペクトルを入力信号とした場合に、式（１０）に示すＳＮ比の重み付けを行わない従来の方法による出力結果であり、図５（ｂ）は式（１０）に示すＳＮ比の重み付けを行う場合の出力結果である。図５（ａ）では、雑音に埋もれている帯域の音声の調波構造が消失してしまうのに対し、図５（ｂ）では、雑音に埋もれている帯域の音声の調波構造が回復して、良好な雑音抑圧を行えることがわかる。

　以上のように、この実施の形態１によれば、音声が雑音に埋もれてＳＮ比が負になっているような帯域においても、音声の調波構造を保持するように補正してＳＮ比を推定できるため、音声の過度の抑圧を抑制することができ高品質な雑音抑圧を行うことができる。

　また、この実施の形態１によれば、雑音に埋もれた音声の調波構造の補正がＳＮ比への重み付けでできるので擬似低域信号などを生成する必要がなく、少ない処理量・メモリ量で高品質な雑音抑圧を行うことができる。

　さらに、この実施の形態１によれば、音声／雑音区間判定フラグと前フレームのスペクトル成分毎のＳＮ比とを用いて重み付け制御を行っているので、雑音区間やＳＮ比が高い帯域で不必要な重み付けを抑制できる効果があり、更に高品質な雑音抑圧を行うことができる。

　なお、この実施の形態１では、一例として低域および高域の両方の調波構造の補正を行っているが、これに限定されることはなく、必要に応じて低域のみあるいは高域のみの補正でも良いし、例えば５００～８００Ｈｚ近傍のみなど、特定の周波数帯域の補正を行ってもよい。このような周波数帯域の補正は、例えば、風きり音や自動車エンジン音等の狭帯域性ノイズに埋もれた音声の補正に有効である。

実施の形態２．
　上述した実施の形態１では、式（９）において重み付けの値を周波数方向に一定とする構成を示したが、この実施の形態２では重み付けの値を周波数方向に異なる値とする構成を示す。
例えば、音声の一般的な特徴として低域の調波構造ははっきりしていることから重み付けを大きくし、周波数が高くなるにつれて重み付けを小さくすることが可能である。なお、実施の形態２の雑音抑圧装置の構成要素は実施の形態１と同一であることから説明を省略する。

　以上のように、この実施の形態２によればＳＮ比の推定において周波数別に異なる重み付けを行うように構成したので、音声の周波数毎に適した重み付けを行うことができ、さらに高品質な雑音抑制を行うことができる。

実施の形態３．
　上述した実施の形態１では、式（９）において重み付けの値を所定の定数とする構成を示したが、この実施の形態３では入力信号の音声らしさの指標に応じて複数の重み付け定数を切り替えて用いる、あるいは所定の関数を用いて制御する構成を示す。
　入力信号の音声らしさの指標、即ち、入力信号の様態の制御要因として、例えば式（４）において自己相関係数の最大値が高い場合、即ち、入力信号の周期構造が明確（入力信号が音声の可能性が高い）な場合には重みを大きく、低い場合には重みを小さくすることが可能である。また、自己相関関数と音声・雑音区間判定フラグを併せて用いてもよい。なお、実施の形態３の雑音抑圧装置の構成要素は実施の形態１と同一であることから説明を省略する。

　以上のように、この実施の形態３によれば、入力信号の様態に応じて重み付け定数の値を制御するように構成したので、入力信号が音声の可能性が高い場合に、音声の周期性構造を際立たせるように重み付けを行うことが可能となり、音声の劣化を抑制することができる。これによりさらに高品質な雑音抑圧を行うことができる。

実施の形態４．
　図６は、この発明の実施の形態４による雑音抑圧装置の構成を示すブロック図である。
　上述した実施の形態１では、周期成分推定のために全てのスペクトルピークの検出を行う構成を示したが、この実施の形態４では、ＳＮ比計算部８が算出する前フレームのＳＮ比を周期成分推定部４に出力し、周期成分推定部４はスペクトルピークの検出を行う際に、当該前フレームのＳＮ比を用いてＳＮ比が高い帯域のみでスペクトルピークの検出を行う。同様に、正規化自己相関関数ρ_N（λ，τ）の算出においてもＳＮ比が高い帯域のみで算出を行うことも可能である。なお、その他の構成は実施の形態１による雑音抑圧装置と同一であるため説明を省略する。

　以上のように、この実施の形態４によれば、周期成分推定部４が比計算部８から入力される前フレームのＳＮ比を用いてＳＮ比が高い帯域のみでスペクトルピークの検出を行う、あるいはＳＮ比が高い帯域のみで正規化自己相関関数の算出を行うように構成したので、スペクトルピークの検出精度や音声・雑音区間判定の精度を高めることができ、さらに高品質な雑音抑圧を行うことができる。

実施の形態５．
　上述した実施の形態１から実施の形態４では、重み係数計算部７がスペクトルピークを強調するようにＳＮ比の重み付けを行う構成を示したが、この実施の形態５では逆にスペクトルの谷部分を強調するように、即ち、スペクトルの谷においてはＳＮ比を小さくするように重み付けを行う構成について示す。
　スペクトルの谷の検出は、例えば、スペクトルピーク間のスペクトル番号の中央値をスペクトルの谷部分とみなすことにより行う。なお、その他の構成は実施の形態１による雑音抑圧装置と同一であるため説明を省略する。

　以上のように、この実施の形態５によれば、重み係数計算部７がスペクトルの谷部分のＳＮ比を小さくするように重み付けを行うことにより、音声の周波数構造を際立たせることができ、さらに高品質な雑音抑圧を行うことができる。

　上述した実施の形態１から実施の形態５では、雑音抑圧の方法として、最大事後確率法（Ｊｏｉｎｔ　ＭＡＰ法）を用いて説明したが、その他の方法にも適用することができる。例えば、非特許文献１に詳述されている最小平均２乗誤差短時間スペクトル振幅法や、以下に示す参考文献２に詳述されているスペクトル減算法などがある。

参考文献２

　Ｓ．Ｆ．Ｂｏｌｌ，“Ｓｕｐｐｒｅｓｓｉｏｎ　ｏｆ　Ａｃｏｕｓｔｉｃ　Ｎｏｉｓｅ　ｉｎ　Ｓｐｅｅｃｈ　Ｕｓｉｎｇ　Ｓｐｅｃｔｒａｌ　Ｓｕｂｔｒａｃｔｉｏｎ”，ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　ＡＳＳＰ，Ｖｏｌ．ＡＳＳＰ－２７，Ｎｏ．２，ｐｐ．１１３－１２０，Ａｐｒ．１９７９

　また上述した実施の形態１から実施の形態５では、狭帯域電話（０～４０００Ｈｚ）の場合について説明しているが、狭帯域電話音声に限られるものではなく、例えば、０～８０００Ｈｚなどの広帯域電話音声や音響信号に対しても適用可能である。

　上述した各実施の形態において、雑音抑圧された出力信号は、デジタルデータ形式で音声符号化装置、音声認識装置、音声蓄積装置、ハンズフリー通話装置などの各種音声音響処理装置へ送出されるが、本実施の形態の雑音抑圧装置１００は、単独または上述の他の装置とともにＤＳＰ（デジタル信号処理プロセッサ）によって実現したり、ソフトウエアプログラムとして実行することでも実現可能である。プログラムはソフトウエアプログラムを実行するコンピュータ装置の記憶装置に記憶していても良いし、ＣＤ－ＲＯＭなどの記憶媒体にて配布される形式でも良い。また、ネットワークを通じてプログラムを提供することも可能である。また、各種音声音響処理装置へ送出される他、Ｄ／Ａ（デジタル・アナログ）変換の後、増幅装置にて増幅し、スピーカなどから直接音声信号として出力することも可能である。

　なお、上述した実施の形態１から実施の形態５では、パワースペクトルの信号情報として、音声のパワースペクトルと推定雑音パワースペクトルの比であるＳＮ比を用いる構成を示したが、当該ＳＮ比以外にも例えば、音声のパワースペクトルだけを用いることも可能であるし、音声のパワースペクトルから推定雑音パワースペクトルを減算したスペクトル（雑音が無いと仮定した場合の音声のパワースペクトル）と、推定雑音パワースペクトルとの比を用いることも可能である。

　なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

　この発明に係る雑音抑圧装置は、音声通信、音声蓄積、音声認識システムが導入された、カーナビゲーション、携帯電話、インターフォンなどの音声通信システムや、ＴＶ会議システム、監視システムなどの音質改善や、音声認識システムの認識率の向上に利用することができる。

Claims

　時間領域の入力信号を周波数領域の信号であるパワースペクトルに変換するパワースペクトル計算部と、
　前記パワースペクトルが音声であるか雑音であるか判定する音声／雑音判定部と、
　前記音声／雑音判定部の判定結果に基づき前記パワースペクトルの雑音スペクトルを推定する雑音スペクトル推定部と、
　前記パワースペクトルを構成する調波構造を分析し、前記パワースペクトルの周期性情報を推定する周期成分推定部と、
　前記周期性情報、前記音声／雑音判定部の判定結果、および前記パワースペクトルの信号情報に基づき、前記パワースペクトルに重み付けを行うための重み付け係数を算出する重み係数計算部と、
　前記パワースペクトル、前記音声／雑音判定部の判定結果および前記重み付け係数に基づき、前記パワースペクトルに含まれる雑音を抑制するための抑圧係数を算出する抑圧係数計算部と、
　前記抑圧係数を用いて前記パワースペクトルの振幅を抑圧するスペクトル抑圧部と、
　前記スペクトル抑圧部において振幅抑圧されたパワースペクトルを時間領域に変換して雑音抑圧信号を得る変換部とを備えた雑音抑圧装置。
　前記抑圧係数計算部は、前記パワースペクトルの信号情報としてパワースペクトル毎の信号対雑音比を算出し、
　前記重み係数計算部は、前記信号対雑音比に対応した重み付け係数を算出することを特徴とする請求項１記載の雑音抑圧装置。
　前記抑圧係数計算部は、前記音声／雑音判定部の判定結果に応じて重み付けの強度を制御した重み付け係数を算出することを特徴とする請求項１記載の雑音抑圧装置。
　前記抑圧係数計算部は、現フレームの一つ前の前フレームのパワースペクトルの信号対雑音比を算出し、
　前記重み係数計算部は、前記前フレームの信号対雑音比に応じて重み付けの強度を制御した重み付け係数を算出することを特徴とする請求項２記載の雑音抑圧装置。
　前記重み係数計算部は、パワースペクトルの帯域成分に応じて重み付け強度を制御した重み付け係数を算出することを特徴とする請求項１記載の雑音抑圧装置。