CN101653015A - 信号处理装置 - Google Patents

信号处理装置 Download PDF

Info

Publication number
CN101653015A
CN101653015A CN200880010692A CN200880010692A CN101653015A CN 101653015 A CN101653015 A CN 101653015A CN 200880010692 A CN200880010692 A CN 200880010692A CN 200880010692 A CN200880010692 A CN 200880010692A CN 101653015 A CN101653015 A CN 101653015A
Authority
CN
China
Prior art keywords
signal
noise
mentioned
separation
separation signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200880010692A
Other languages
English (en)
Other versions
CN101653015B (zh
Inventor
猿渡洋
森康充
马场荣治
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NAT UNIVERSITY CORP NARA I OF
Original Assignee
NAT UNIVERSITY CORP NARA I OF
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NAT UNIVERSITY CORP NARA I OF filed Critical NAT UNIVERSITY CORP NARA I OF
Publication of CN101653015A publication Critical patent/CN101653015A/zh
Application granted granted Critical
Publication of CN101653015B publication Critical patent/CN101653015B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G10L21/028—Voice signal separating using properties of sound source
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Noise Elimination (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明的目的在于：提供一种能够从混合了多个源信号的混合信号良好地复原对象源信号的信号处理装置。分离信号生成部件(20)根据被变换为频率区域的1帧的混合信号，生成相互独立的多个分离信号。掩模处理部件(30)根据第一和第二分离信号，针对每个频率区判断第一分离信号的噪音状况。另外，掩模处理部件(30)从第一分离信号中除去根据噪音状况的判断结果求出的第一噪音分量。噪音量测量部件(40)测量第一分离信号的噪音量。噪音信号选择部件(50)根据由噪音量测量部件(40)测量出的噪音量，对每个频率区选择噪音信号。噪音除去处理部件(60)针对每个频率区，从由掩模处理部件(30)输入的噪音除去信号中除去第二噪音分量。噪音除去处理部件(60)将除去了第二噪音分量的噪音除去信号作为目标信号而输出。

Description

信号处理装置
技术领域
本发明涉及一种将从多个波动源中的作为对象的波动源输出的源信号复原为目标信号的信号处理装置。
背景技术
以前，已知以下这样的技术：对于从多个音源输出的音源信号，通过利用基于频率区域的独立分量分析法而进行的封闭(blind)音源分离方式的音源分离处理，根据重叠了各音源信号的多个混合音源信号，生成与音源信号对应的分离信号(例如专利文献1～专利文献3)。
在专利文献1的技术中，对每个频率区(frequency bin)，生成SIMO(single-input multiple output)信号作为多个分离信号。接着，针对每个频率区，对多个分离信号中的与分离对象的音源对应的第一分离信号和与该音源对应的分离信号以外的第二分离信号进行比较。然后，通过基于分离信号的比较结果的掩模(mask)处理，针对每个频率区从第一分离信号中除去噪音分量，生成目标信号。
在专利文献2的技术中，利用从分离对象的音源输出的音源信号的到来方向与噪音信号的到来方向不同的情况，执行音源分离处理。即，在基于频率区域的独立分量分析法的音源分离处理之后，计算与目标信号对应的直接(straight)分量的分离信号和与妨碍音对应的接近(close)分量的分离信号的相互相关性，根据该相互相关性最大时的延迟量，求出用于推测噪音的系数。然后，根据该求出的系数，从与目标信号对应的分离信号中除去噪音分量。
进而，在专利文献3的技术中，基于在同一时刻和同一频率，从目标音源输出的音源信号和噪音信号的振幅频谱不同时为大值的假设，而执行噪音推测和噪音除去。
专利文献1：特开2006-154314号公报
专利文献2：专利3831220号公报
专利文献3：特开2005-308771号公报
但是，在室外利用专利文献1～专利文献3的技术执行音源分离处理的情况下，产生以下这样的问题。即，在室外，包含很多如虫子的声音、雨声、风和波浪的声音等环境音和回声音那样的覆盖在从分离对象的音源输出的声音周围的噪音。因此，在这样的噪音状况下，即使根据专利文献1的技术，也会产生无法从噪音信号中良好地分离并抽出分离对象的音源信号的情况。
另外，在专利文献2的技术中，如上所述，利用了分别从不同的方向输出来自分离对象的目标音源的音源信号和噪音信号的情况。因此，在如环境音和回声音那样，噪音信号覆盖了从目标音源输出的音源信号，目标音源信号与噪音信号重合的情况下，会产生无法良好地分离出分离对象的音源信号的问题。
进而，在专利文献3的技术中，是以以下的情况为前提的：即使分离对象的音源信号和噪音信号的稀疏性大，即该音源信号和噪音信号是混合的，频率区域的这些信号的重叠也很少。因此，对于专利文献3的技术，与专利文献1和2的技术同样，在室外环境中，也会产生无法良好地分离出分离对象的音源信号的问题。
另外，该问题并不限于音波，在如电磁波和脑波那样，将从多个波动源中的对象波动源输出的源信号复原为目标信号的情况下，也同样产生。
发明内容
因此，在本发明中，其目的在于：提供一种能够从混合了多个源信号的混合信号良好地复原对象源信号的信号处理装置。
为了解决上述课题，第一发明是一种将从多个波动源中的对象波动源输出的源信号复原为目标信号的信号处理装置，其特征在于包括：多个观测部件，分别针对从上述多个波动源输出的多个源信号，能够将该多个源信号观测为混合信号；分离信号生成部件，根据由各观测部件观测并变换为频率区域的1帧的上述混合信号，针对上述帧内的每个频率区，生成相互独立的多个分离信号；掩模处理部件，针对上述帧内的每个频率区，执行以下的处理：根据上述多个分离信号中的与上述目标信号对应的第一分离信号、上述多个分离信号中的上述第一分离信号以外的第二分离信号，判断上述第一分离信号的噪音状况的处理、通过从上述第一分离信号中除去根据噪音状况的判断结果求出的第一噪音分量而生成噪音除去信号的处理、根据上述噪音状况的判断结果生成噪音状况信号的处理；噪音量测量部件，根据从上述掩模处理部件侧输入的上述每个频率区的噪音状况信号，针对每个上述帧，测量包含在上述第一分离信号中的噪音量；噪音信号选择部件，针对每个上述频率区，根据由上述噪音量测量部件测量出的上述噪音量，选择上述第二分离信号中的1个信号作为噪音信号；噪音除去处理部件，针对每个上述频率区从上述噪音除去信号中除去根据上述噪音信号生成的第二噪音分量，并且将除去了上述第二噪音分量的上述噪音除去信号作为目标信号输出。
另外，第二发明是在第一发明的信号处理装置中，其特征在于：上述掩模处理部件针对每个上述频率区，基于对与上述目标信号对应的上述第一分离信号的振幅频谱与上述第二分离信号的振幅频谱的大小比较，进行上述噪音状况的判断、上述噪音状况信号的生成，上述噪音量测量部件通过对上述噪音状况信号进行计数，来测量上述噪音量。
另外，第三发明是一种将从多个波动源中的对象波动源输出的源信号复原为目标信号的信号处理装置，其特征在于包括：多个观测部件，分别针对从上述多个波动源输出的多个源信号，能够将该多个源信号观测为混合信号；分离信号生成部件，根据由各观测部件观测并变换为频率区域的1帧的上述混合信号，针对上述帧内的每个频率区，生成相互独立的多个分离信号；掩模处理部件，针对上述帧内的每个频率区，执行以下的处理：根据上述多个分离信号中的与上述目标信号对应的第一分离信号、上述多个分离信号中的上述第一分离信号以外的第二分离信号，判断上述第一分离信号的噪音状况的处理、通过从上述第一分离信号中除去根据噪音状况的判断结果求出的第一噪音分量而生成噪音除去信号的处理；噪音量测量部件，根据从上述分离信号生成部件输入的上述多个分离信号，针对每个上述帧，测量包含在上述第一分离信号中的噪音量；噪音信号选择部件，针对每个上述频率区，根据由上述噪音量测量部件测量的上述噪音量，选择上述第二分离信号中的1个信号作为噪音信号；噪音除去处理部件，针对每个上述频率区从上述噪音除去信号中除去根据上述噪音信号生成的第二噪音分量，并且将除去了上述第二噪音分量的上述噪音除去信号作为目标信号输出。
另外，第四发明是在第三发明的信号处理装置中，其特征在于：上述噪音量测量部件将从上述分离信号生成部件输入的频率区域的第一分离信号变换为时间区域，并且根据使用变换后的上述第一分离信号计算出的尖锐度，测量包含在上述第一分离信号中的上述噪音量。
另外，第五发明是在第三发明的信号处理装置中，其特征在于：上述噪音量测量部件根据从上述分离信号生成部件输入的第二分离信号的扩展状况，针对每个上述帧，测量包含在上述第一分离信号中的噪音量。
另外，第六发明是在第五发明的信号处理装置中，其特征在于：上述扩展状况是第二分离信号的方向的离散状况。
另外，第七发明是在第一～第五发明的信号处理装置中的任意一个中，其特征在于：上述噪音除去处理部件根据从上述噪音量测量部件侧输入的上述噪音量和由上述噪音信号选择部件选择出的噪音信号，生成上述第二噪音分量。
另外，第八发明是在第一或第三发明的信号处理装置中，其特征在于：上述噪音除去处理部件通过从上述噪音除去信号的振幅频谱减去上述第二噪音分量的振幅频谱，针对每个上述频率区，计算上述目标信号的振幅频谱。
另外，第九发明是在第一或第三发明的信号处理装置中，其特征在于：分别由N个观测部件观测从M个波动源输出的M个源信号(M、N分别是2以上的自然数)，上述掩模处理部件根据1个第一分离信号、(M-1)×N个第二分离信号判断噪音状况，上述噪音信号选择部件将(M-1)×N个第二分离信号中的1个选择为噪音信号。
根据第一～第九发明，与第一分离信号的噪音状况对应地，由掩模处理部件和噪音除去处理部件执行噪音除去。即，从由掩模处理部件进行了噪音除去的噪音除去信号中，进一步除去与第一分离信号的噪音状况对应的第二噪音分量。因此，即使在包含了很多如环境音和回声音那样覆盖在从波动源输出的源信号的周围的噪音信号的情况下，能够更良好地除去噪音分量。
另外，根据第一、第二和第七～第九发明，噪音量测量部件能够利用由掩模处理部件得到的噪音状况的判断结果，测量噪音量。因此，能够简化噪音量测量部件的硬件结构，能够降低装置整体的制造成本。
另外，根据第三～第九发明，噪音量测量部件能够使用从分离信号生成部件输出的分离信号，测量噪音量。即，噪音量的测量不需要经由掩模处理部件。因此，不需要在噪音量测量部件和掩模处理部件之间执行的处理(例如同步处理)，能够简化噪音量测量部件和掩模处理部件的电路结构。
特别地，根据第二发明，噪音量测量部件针对通过与目标信号对应的第一分离信号的振幅频谱与第二分离信号的振幅频谱的大小比较而生成的噪音状况信号，能够通过对该噪音状况信号进行计数，来测量噪音量。因此，能够通过容易的计算处理求出噪音量，能够降低噪音量测量部件的计算成本。
特别地，根据第四发明，噪音量测量部件能够根据与目标信号对应的第一分离信号的统计量(尖锐度)，测量包含在第一分离信号中的噪音量。因此，能够正确地掌握第一分离信号的噪音状况，能够良好地执行噪音除去处理部件的噪音除去。
特别地，根据第五和第六发明，噪音量测量部件针对与第一分离信号相比包含很多噪音分量的第二分离信号，能够根据该第二分离信号的扩展状况(第二分离信号的方向的离散状况)，对配置了波动源的空间的噪音状况进行定量化。因此，能够正确地掌握第一分离信号的噪音状况，能够良好地执行噪音除去处理部件的噪音除去。
特别地，根据第七发明，在根据噪音信号生成第二噪音分量的情况下，噪音除去处理部件也考虑到由噪音量测量部件生成的噪音量，而生成第二噪音分量。因此，能够更良好地从与目标信号对应的噪音除去信号除去噪音分量。
特别地，根据第八发明，噪音除去处理部件能够通过减法处理，计算目标信号的振幅频谱。因此，能够降低噪音除去处理部件的计算成本。
通过以下的详细说明和附图，能够更了解本发明的目的、特征、方面和优点。
附图说明
图1是表示本发明的实施例1的信号处理装置的全体结构的框图。
图2是表示实施例1～3的分离信号生成部件的结构的一个例子的框图。
图3是表示实施例1～3的掩模处理部件的结构的一个例子的框图。
图4是用于说明掩模处理部件的第一噪音分量的除去方法的图。
图5是用于说明掩模处理部件的第一噪音分量的除去方法的图。
图6是用于说明掩模处理部件的第一噪音分量的除去方法的图。
图7是表示实施例1的噪音量测量部件的结构的一个例子的框图。
图8是表示实施例1～3的噪音信号选择部件的结构的一个例子的框图。
图9是表示实施例1～3的噪音除去处理部件的结构的一个例子的框图。
图10是表示实施例2和3的信号处理装置的结构的一个例子的框图。
图11是表示实施例2的噪音量测量部件的结构的一个例子的框图。
图12是表示实施例3的噪音量测量部件的结构的一个例子的框图。
图13是用于说明第二分离信号的扩展状况的图。
图14是用于说明第二分离信号的扩展状况的图。
具体实施方式
以下，参考附图，详细说明本发明的实施例。
(1.实施例1)
(1.1.信号处理装置的结构)
图1是表示实施例1的信号处理装置1的结构的一个例子的框图。在此，信号处理装置1是将从多个音源(波动源)10(10a、10b)中的对象音源10输出的源信号复原为目标信号的信号处理装置。在信号处理装置1中，作为分离方法，采用了基于所谓的独立分量分析法的封闭音源分离方式。
如图1所示，信号处理装置1主要具备观测部件15、分离信号生成部件20、掩模处理部件30、噪音量测量部件40、噪音信号选择部件50、噪音除去处理部件60。
多个麦克风15(15a、15b)的各个是针对从音源10(10a、10b)输出的各音源信号(源信号)s1(t)、s2(t)，观测这些音源信号的混合信号的观测部件。即，在各麦克风15中，重叠了从多个(在本实施例的情况下，是2个)音源10的各个输出的音源信号。
另外，麦克风15a、15b被分别配置在音源10a、10b侧。因此，根据独立分量分析法，从由麦克风15a接收到的时间区域的混合信号x1(t)中，分离与目标信号y1(t)对应的频率区域的分离信号y11(f，t)(参考图2)。另外，同样从由麦克风15b接收到的混合信号x2(t)中，分离与目标信号y2(t)对应的分离信号y21(f，t)(参考图2)。
傅立叶变换部件17(17a、17b)将从麦克风15(15a、15b)输入的时间区域的混合信号x1(t)、x2(t)变换为频率区域的混合信号x1(f，t)、x2(f，t)。另外，在本实施例中，将规定时间内的混合信号x1(t)、x2(t)作为帧，对每个帧实施离散傅立叶变换。另外，作为离散傅立叶变换的计算算法，使用高速傅立叶变换(FFT：Fast FourierTransform)。
图2是表示分离信号生成部件20的结构的一个例子的框图。分离信号生成部件20从由各麦克风15观测并由对应的傅立叶变换部件17变换为频率区域的1帧的混合信号x1(f，t)、x2(f，t)，生成相互独立的多个(在本实施例中为4个)分离信号。如图2所示，分离信号生成部件20主要具有独立分量分析部件21、逆映射计算部件22、分离信号计算部件25。
在此，针对帧内的每个频率区(特定宽度的频带)，生成该分离信号。另外，在本实施例中，各帧被分割为1024个频率区，但帧内的频率区的个数并不限于此，可以根据需要进行增减。
独立分量分析部件21求出在频率区域的独立分量分析法中使用的分离矩阵(w11，w22)。如公式1和公式(2)所示，为了根据基于2个麦克风15a、15b的混合信号x1(f，t)、x2(f，t)计算出与各音源10a、10b对应的分离信号y11(f，t)、y21(f，t)，而使用该系数w11、w22。
[公式1]
y 1 ICA 1 ( f , t ) = w 11 ( f ) · x 1 ( f , t )
[公式2]
y 2 ICA 1 ( f , t ) = w 22 ( f ) · x 2 ( f , t )
另外，在独立分量分析部件21中，作为用于求出系数w11、w22的学习算法，例如使用由Amari提出的高速算法(基于Kullback-Leibler divergence的最小化的无教师的适应算法)。
逆映射计算部件22通过计算出由独立分量分析部件21学习的分离矩阵(w11、w22)的逆映射，求出分离矩阵(w12、w21)。如公式3和公式4所示，为了根据混合信号x1(f，t)、x2(f，t)计算出2个麦克风15a、15b的对角线上的信号分量(分离信号y22(f，t)、y12(f，t))，而使用该系数w12、w21。
[公式3]
y 1 ICA 2 ( f , t ) = w 12 ( f ) · x 2 ( f , t )
[公式4]
y 2 ICA 2 ( f , t ) = w 21 ( f ) · x 1 ( f , t )
在此，对角线上的信号分量分别是指从音源10b输出并由麦克风15a观测到的音源信号(与分离信号y22(f，t)对应)、从音源10a输出并由麦克风15b观测到的音源信号(与分离信号y12(f，t)对应)。
分离信号计算部件25通过将由独立分量分析部件21和逆映射计算部件22求出的分离矩阵(w11、w22、w12、w22)和与从各麦克风15a、15b输入的混合信号x1(f，t)、x2(f，t)代入到公式1～公式4中，来计算分离信号y11(f，t)、y12(f，t)、y21(f，t)、y22(f，t)。
这样，在本实施例的分离信号生成部件20中，通过基于SIMO(Single-Input Multiple-Output)模型的独立分量分析，来求出各分离信号y11(f，t)、y12(f，t)、y21(f，t)、y22(f，t)。
图3是表示掩模处理部件30的结构的一个例子的框图。图4～图6是用于说明掩模处理部件30的噪音分量(第一噪音分量)的除去方法的图。掩模处理部件30根据从分离信号生成部件20输入的多个分离信号y11(f，t)、y12(f，t)、y21(f，t)、y22(f，t)中的与目标信号对应的分离信号(以下，也称为“第一分离信号”)、该多个分离信号中的第一分离信号以外的分离信号(以下，也称为第二分离信号)，判断第一分离信号的噪音状况(与噪音状况判断部件31对应)。
另外，掩模处理部件30通过从第一分离信号中除去根据噪音状况的判断结果求出的噪音分量(第一噪音分量)，生成噪音除去信号(与除去部件35对应)。
如图3所示，掩模处理部件30主要具有噪音状况判断部件31、除去部件35。
噪音状况判断部件31(31a、31b)根据来自分离信号生成部件20的分离信号，判断包含在目标信号中的噪音的状况。在此，将分离信号y21(f，t)、y12(f，t)、y22(f，t)作为第二分离信号输入到判断与目标信号y1(t)对应的第一分离信号y11(f，t)的噪音状况的噪音状况判断部件31a。另一方面，将分离信号y11(f，t)、y22(f，t)、y12(f，t)作为第二分离信号输入到判断与目标信号y2(t)对应的第一分离信号y21(f，t)的噪音状况的噪音状况判断部件31b。
各噪音状况判断部件31的选择部件32(32a、32b)对输入的各第二分离信号的振幅频谱的绝对值进行比较，选择其绝对值最大的第二分离信号。
比较部件33(33a、33b)针对与目标信号对应的第一分离信号和由选择部件32选择出的第二分离信号，对每个频率区进行振幅频谱的绝对值的大小比较。
在第一分离信号的振幅频谱的绝对值比第二分离信号的振幅频谱的绝对值大的情况下(参考图4和图5的频率区FB5)，比较部件33(33a、33b)判断为第一分离信号的信号分量不与噪音分量(第一噪音分量)对应。然后，比较部件33a、33b生成“1”作为噪音状况信号m1(f，t)、m2(f，t)。
另一方面，在第一分离信号的振幅频谱的绝对值小于等于第二分离信号的振幅频谱的绝对值的情况下(参考图4和图5的频率区FB1～FB4)，比较部件33(33a、33b)判断为第一分离信号的信号分量与噪音分量对应。然后，比较部件33a、33b生成“0”作为噪音状况信号m1(f，t)、m2(f，t)。
除去部件35(35a、35b)根据对应的噪音状况信号m1(f，t)、m2(f，t)，执行噪音除去处理。即，在噪音状况信号m1(f，t)为“0”的情况下，除去部件35a从第一分离信号中除去与噪音状况信号m1(f，t)对应的频率区的信号分量(第一噪音分量)(参考图6的频率区FB1～FB4)。然后，除去部件35输出除去了第一噪音分量的噪音除去信号y11`(f，t)。
另一方面，在噪音状况信号m1(f，t)为“1”的情况下，除去部件35a不除去与噪音状况信号m1(f，t)对应的频率区的信号分量(参考图6的频率区FB5)。然后，除去部件35将分离信号y11(f，t)作为噪音除去信号y11`(f，t)输出。
对于除去部件35b，也通过执行与除去部件35a同样的处理，来根据噪音状况信号m2(f，t)除去噪音分量，输出噪音除去信号y21`(f，t)。
图7是表示本实施例的噪音量测量部件40的结构的一个例子的框图。噪音量测量部件40根据从掩模处理部件30侧输入的每个频率区的噪音状况信号m1(f，t)、m2(f，t)，对每个帧，测量包含在上述第一分离信号中的噪音量。如图7所示，噪音量测量部件40主要具有计数部件41(41a、41b)。
计数部件41(41a、41b)对从对应的比较部件33(33a、33b)输出的上述噪音状况信号进行计数，将其计数结果作为噪音量nc1(t)、nc2(t)输出。这样，噪音量测量部件40能够通过容易的计算处理而求出噪音量nc1(t)、nc2(t)。因此，能够降低噪音量测量部件40的计算成本。
图8是表示噪音信号选择部件50的结构的一个例子的框图。噪音信号选择部件50根据由噪音量测量部件40测量出的噪音量nc1(t)、nc2(t)，对每个频率区执行选择噪音信号的处理。如图8所示，噪音信号选择部件50主要具有选择信号生成部件51(51a、51b)、选择部件53(53a、53b)。
选择信号生成部件51a针对与来自音源10a的音源信号(目标信号)对应的噪音除去信号y11`(f，t)，对每个频率区，生成在从该信号除去的噪音信号的选择中使用的选择信号。
即，针对输入到选择信号生成部件51a的噪音量nc1(t)，在噪音量nc1(t)＜阈值Th10的情况下，选择信号生成部件51a将从目标音源10a输出的音源信号与噪音信号的重合小的判断为噪音除去信号y11`(f，t)。然后，选择信号生成部件51a生成选择信号，使得选择麦克风15b的对角线上的信号分量(即，由麦克风15b接收到的与音源10a对应的分离信号y12(f，t))作为噪音信号yn1(f，t)。
在此，根据该选择信号选择的分离信号y12(f，t)包含和与目标信号对应的噪音除去信号y11`(f，t)同样的信号。因此，在与目标信号对应的信号是分离信号y11(f，t)(噪音除去信号y11`(f，t))的情况下，分离信号y12(f，t)的噪音含有量比其他的第二分离信号(分离信号y22(f，t)、y21(f，t))少。
另外，在阈值Th10≤噪音量nc1(t)＜阈值Th11的情况下，选择信号生成部件51a判断为目标音源10a的音源信号与噪音信号的重合是中程度的。然后，选择信号生成部件51a生成选择信号，使得选择麦克风15a的对角线上的信号分量(即，由麦克风15a接收到的与音源10b对应的分离信号y22(f，t))作为噪音信号yn1(f，t)。
在此，根据该选择信号选择的分离信号y22(f，t)与来自音源10b的目标信号对应，是与分离信号y21(f，t)对应的信号。另外，分离信号y22(f，t)是麦克风15a的对角线上的信号分量，与分离信号y21(f，t)相比，振幅频谱的绝对值小。因此，在与目标信号对应的信号是分离信号y11(f，t)的情况下，分离信号y22(f，t)的噪音含有量与其他的第二分离信号(分离信号y12(f，t)、y21(f，t))相比是中程度的。
进而，在阈值Th11≤噪音量nc1(t)的情况下，选择信号生成部件51a判断为音源10a的音源信号与噪音信号的重合大。然后，选择信号生成部件51a选择与来自麦克风15b的目标信号对应的分离信号y21(f，t)作为噪音信号yn1(f，t)。
在此，根据该选择信号选择的分离信号y21(f，t)与来自音源10b的目标信号对应。因此，在与目标信号对应的信号是分离信号y11(f，t)的情况下，分离信号y22(f，t)的噪音含有量比其他的第二分离信号(分离信号y12(f，t)、y22(f，t))大。
这样，选择部件53a根据从选择信号生成部件51a侧输入的选择信号，对每个频率区，选择从分离信号生成部件20侧作为第二分离信号输入的分离信号y21(f，t)、y12(f，t)、y22(f，t)中的1个分离信号作为噪音信号yn1(f，t)。然后，选择出的噪音信号yn1(f，t)被输出到噪音除去处理部件60侧。
即，选择部件53a可以根据噪音量nc1(t)，从第二分离信号中选择1个分离信号作为噪音信号yn1(f，t)。例如，在噪音量nc1(t)少的情况下，针对目标信号选择噪音含有量小的噪音信号。因此，能够抑制由于噪音除去处理部件60的除去处理而目标信号恶化的情况。
选择信号生成部件51b针对与来自音源10b的音源信号(目标信号)对应的噪音除去信号y21`(f，t)，对每个频率区，生成在从该信号除去的噪音信号的选择中使用的选择信号。
即，针对输入到选择信号生成部件51b的噪音量nc2(t)，在噪音量nc2(t)＜阈值Th20的情况下，选择信号生成部件51b将从目标音源10b输出的音源信号与噪音信号的重合小的判断为噪音除去信号y21`(f，t)。然后，选择信号生成部件51b生成选择信号，使得选择麦克风15a的对角线上的信号分量(即，由麦克风15a接收到的与音源10b对应的分离信号y22(f，t))作为噪音信号yn2(f，t)。在此，根据该选择信号选择的分离信号y22(f，t)包含和与目标信号对应的噪音除去信号y21`(f，t)同样的信号。因此，在与目标信号对应的信号是噪音除去信号y11`(f，t)(分离信号y11(f，t))的情况下，分离信号y22(f，t)的噪音含有量比其他的第二分离信号(分离信号y22(f，t)、y11(f，t))少。
另外，在阈值Th20≤噪音量nc2(t)＜阈值Th21的情况下，选择信号生成部件51b判断为目标音源10b的音源信号与噪音信号的重合是中程度的。然后，选择信号生成部件51b生成选择信号，使得选择麦克风15b的对角线上的信号分量(即，由麦克风15b接收到的与音源10a对应的分离信号y12(f，t))作为噪音信号yn2(f，t)。
在此，根据该选择信号选择的分离信号y12(f，t)与来自音源10a的目标信号对应，是与分离信号y11(f，t)对应的信号。另外，分离信号y12(f，t)是麦克风15b的对角线上的信号分量，与分离信号y11(f，t)相比，振幅频谱的绝对值小。因此，在与目标信号对应的信号是分离信号y21(f，t)的情况下，分离信号y12(f，t)的噪音含有量与其他的第二分离信号(分离信号y11(f，t)、y22(f，t))相比是中程度的。
进而，在阈值Th21≤噪音量nc2(t)的情况下，选择信号生成部件51b判断为目标音源10b的音源信号与噪音信号的重合大。然后，选择信号生成部件51b选择与来自麦克风15a的目标信号对应的分离信号y11(f，t)作为噪音信号yn2(f，t)。
在此，根据该选择信号选择的分离信号y11(f，t)与来自音源10a的目标信号对应。因此，在与目标信号对应的信号是分离信号y21(f，t)的情况下，分离信号y11(f，t)的噪音含有量比其他的第二分离信号(分离信号y12(f，t)、y22(f，t))大。
这样，选择部件53b根据从选择信号生成部件51b侧输入的选择信号，对每个频率区，选择从分离信号生成部件20侧作为第二分离信号输入的分离信号y11(f，t)、y12(f，t)、y22(f，t)中的1个分离信号作为噪音信号yn2(f，t)。然后，选择出的噪音信号yn2(f，t)被输出到噪音除去处理部件60侧。
即，选择部件53b可以根据噪音量nc2(t)，从第二分离信号中选择1个分离信号作为噪音信号yn2(f，t)。例如，在噪音量nc2(t)少的情况下，针对目标信号选择噪音含有量小的噪音信号。因此，能够抑制由于噪音除去处理部件60的除去处理而目标信号恶化的情况。
图9是表示噪音除去处理部件60的结构的一个例子的框图。噪音除去处理部件60针对每个频率区，从由掩模处理部件30输入的噪音除去信号y11`(f，t)、y21`(f，t)中除去噪音分量(第二噪音分量)。另外，噪音除去处理部件60将除去了第二噪音分量的噪音除去信号y11``(f，t)、y21``(f，t)作为目标信号，输出到逆傅立叶变换部件18(18a、18b)侧。
如图9所示，噪音除去处理部件60主要具有噪音分量生成部件61(61a)、除去部件65(65a、65b)。
另外，由于在噪音分量生成部件61a、61b中进行同样的处理，所以以下，只说明在噪音分量生成部件61a中执行的处理。另外，由于在除去部件65a、65b中也进行同样的处理，所以以下，只说明在除去部件65a中执行的处理。
噪音分量生成部件61a根据由噪音信号选择部件50侧选择出的噪音信号yn1(f，t)、从噪音量测量部件40侧输入的噪音量nc1(t)，对每个频率区生成第二噪音分量。
在此，在本实施例中，如果对噪音量nc1(t)进行线性变换(例如根据查找表(lookup table)对噪音量nc1(t)进行变换，或者对噪音量nc1(t)进行对数变换等)，则将变换后的噪音量nc1(t)与噪音信号yn1(f，t)相乘，而求出第二噪音分量。另外，对于线性变换方法，预先通过试验等，确定必要的参数等。
这样，在噪音除去处理部件60的噪音分量生成部件61a中，可以也考虑到由噪音量测量部件40生成的噪音量nc1(t)，来生成第二噪音分量。因此，能够从与目标信号对应的噪音信号yn1(f，t)中更良好地除去噪音分量。
除去部件65a通过从噪音除去信号y11`(f，t)的振幅频谱的绝对值减去第二噪音分量的振幅频谱的绝对值，来求出与目标信号对应的信号的振幅频谱。另外，除去部件65a检测出噪音除去信号y11`(f，t)的相位角。然后，除去部件65a根据所求出的振幅频谱和相位角，生成噪音除去信号y11``(f，t)。
这样，在噪音除去处理部件60的除去部件65a中，能够通过减法处理，计算出目标信号的振幅频谱。因此，能够降低除去部件65a的计算成本。
另外，在噪音分量生成部件61b中，通过与噪音分量生成部件61a同样的处理，根据噪音量nc2(t)和噪音信号yn2(f，t)，计算出第二噪音分量。另外，在除去部件65b中，通过从噪音除去信号y21`(f，t)的振幅频谱的绝对值减去第二噪音分量的振幅频谱的绝对值，来计算出噪音除去信号y21``(f，t)的振幅频谱。
逆傅立叶变换部件18(18a、18b)将从噪音除去部件60的除去部件65a、65b输出的频率区域的噪音除去信号y11``(f，t)、y21``(f，t)变换为时间区域的目标信号y1(t)、y2(t)。
(1.2.实施例1的信号处理装置的优点)
如上所述，在实施例1的信号处理装置1中，与第一分离信号的噪音状况对应地，由掩模处理部件30和噪音除去处理部件60执行噪音除去。即，从由掩模处理部件30进行了噪音除去的噪音除去信号y11`(f，t)、y21`(f，t)进一步除去与第一分离信号的噪音状况对应的第二噪音分量。因此，即使在包含很多如环境音和回声音那样覆盖在从波动源输出的源信号的周围的噪音信号的情况下，也能够从由掩模处理部件30进行了除去处理后的第一分离信号中更良好地除去噪音分量。
另外，实施例1的噪音量测量部件40能够利用由掩模处理部件30得到的噪音状况的判断结果，测量噪音量nc1(t)、nc2(t)。因此，能够简化噪音量测量部件40的硬件结构，能够降低装置整体的制造成本。
(2.实施例2)
接着，说明本发明的实施例2。本实施例2的信号处理装置100与实施例1相比，除了噪音量测量部件140的结构不同这一点以外，与实施例1相同。因此，以下，以该不同点为中心进行说明。另外，在以下的说明中，对与第一信号处理装置1中的结构要素相同的结构要素，附加相同的符号。由于这些相同符号的结构要素在实施例1中已经说明，所以在本实施例中省略说明。
(2.1.信号处理装置的结构)
图10是表示实施例2和实施例3中的信号处理装置100、200的全体结构的一个例子的框图。图11是表示实施例2的噪音量测量部件140的结构的一个例子的框图。噪音量测量部件140将从分离信号生成部件20输入的频率区域的第一分离信号y11(f，t)、y21(f，t)变换为时间区域，并且根据使用变换后的第一分离信号计算出的尖锐度β2，测量包含在第一分离信号y11(f，t)、y21(f，t)中的噪音量nc1(t)、nc2(t)。如图1所示，噪音量测量部件140主要具有逆傅立叶变换部件142(142a、142b)、尖锐度计算部件143(143a、143b)。
逆傅立叶变换部件142(142a、142b)是具有与逆傅立叶变换部件18同样的硬件结构的计算部件。逆傅立叶变换部件142a将所输入的频率区域的第一分离信号y11(f，t)变换为时间区域的信号。另外，逆傅立叶变换部件142b将所输入的频率区域的y21(f，t)变换为时间区域的信号。
尖锐度计算部件143(143a、143b)根据逆傅立叶变换后的时间区域的第一分离信号，计算尖锐度β2。在本实施例中，将该尖锐度β2作为噪音量nc1(t)、nc2(t)使用。
另外，在将与频率区域的分离信号y11(f，t)、y21(f，t)对应的时间区域的第一分离信号设为分离信号y11(t)、y21(t)，将第一分离信号y11(t)、y21(t)的标准偏差设为σ，将平均值设为yave，将4次的积率设为μ4的情况下，尖锐度β2如公式5和公式6所示那样。
[公式5]
β 2 = ( μ 4 σ 4 ) - 3
[公式6]
μ 4 = 1 n Σ t = 0 n - 1 [ y k 1 ( t ) - y ave ] 4
在此，尖锐度β2是能够评价时间区域的第一分离信号的分布形状的统计量。在β2＝0时，时间区域的第一分离信号为正态分布。在该情况下，可以认为在第一分离信号中包含很多如环境音和回声音那样覆盖在目标信号的周围的噪音。另一方面，尖锐度β2的值越大，则时间区域中的第一分离信号的离散越小。即，可以认为在第一分离信号中包含能够容易地分离的噪音分量。
(2.2.实施例2的信号处理装置的优点)
如上所述，实施例2的信号处理装置100通过使用与目标信号对应的第一分离信号的尖锐度，能够测量出包含在第一分离信号中的噪音量nc1(t)、nc2(t)。因此，能够正确地掌握第一分离信号的噪音状况。
另外，在实施例2的信号处理装置100的噪音量nc1(t)、nc2(t)的测量中，不需要经由掩模处理部件30。因此，不需要在噪音量测量部件140和掩模处理部件30之间执行的处理(例如同步处理)，能够简化噪音量测量部件140和掩模处理部件30的电路结构。
(3.实施例3)
接着，说明本发明的实施例3。本实施例3的信号处理装置200与实施例1相比，除了噪音量测量部件240的结构不同这一点以外，与实施例1相同。因此，以下，以该不同点为中心进行说明。另外，在以下的说明中，对与第一信号处理装置1中的结构要素相同的结构要素，附加相同的符号。由于这些相同符号的结构要素在实施例1中已经说明，所以在本实施例中省略说明。
(3.1.信号处理装置的结构)
图12是表示实施例3的噪音量测量部件240的结构的一个例子的框图。图13和图14是用于说明第二分离信号的扩展状况的图。噪音量测量部件240针对从分离信号生成部件20输入的频率区域的多个分离信号中的第二分离信号，求出该第二分离信号的扩展状况。然后，噪音量测量部件240根据第二分离信号的扩展状况，对每个帧测量包含在对应的第一分离信号中的噪音量。如图12所示，噪音量测量部件240主要具有方向推测处理部件245(245a、245b)、扩展判断处理部件246(264a、246b)。
方向推测处理部件245(245a、245b)执行被称为所谓的波束形成(beam forming)的计算方法(DOA：Direction of Arraival)。在此，在波束形成中，针对到来的音源信号s1(t)、s2(t)，利用根据麦克风15的位置而变化的混合信号x1(t)、x2(t)的延迟时间、麦克风15的特性，确定音源方向。
如图12所示，将分离矩阵中的系数w11(f)、w12(f)输入到方向推测处理部件245a，将分离矩阵中的系数w21(f)、w22(f)输入到方向推测处理部件245b。
扩展判断处理部件246(246a、246b)将由方向推测处理部件245(245a、245b)计算出的音源方向角作为等级，求出针对等级划分度数后的直方图。然后，扩展判断处理部件246例如根据(1)第二分离信号的标准偏差、(2)从最大音源方向角减去了最小音源方向角的角度幅度R1(参考图13)、R2(参考图14)、以及(3)属于规定的角度范围的度数(即规定范围内的直方图的面积)等，计算出各第二分离信号的方向的离散状况。在本实施例中，将该扩展状况作为噪音量nc1(t)、nc2(t)使用。
在此，在第二分离信号的扩展状况(例如标准偏差)处于预先通过试验等求出的规定范围以外的情况下，可以认为在第一分离信号中包含很多如环境音和回声音那样覆盖在目标信号的周围的噪音。另一方面，在第二分离信号的扩展状况处于该规定范围内的情况下，可以认为在第一分离信号中包含能够容易地分离的噪音分量。
(3.2.实施例3的信号处理装置的优点)
如上所述，实施例3的信号处理装置200通过使用与目标信号对应的第二分离信号的扩展状况，能够测量出包含在第一分离信号中的噪音量nc1(t)、nc2(t)。因此，能够正确地掌握第一分离信号的噪音状况。
另外，在实施例3的信号处理装置200的噪音量nc1(t)、nc2(t)的测量中，不需要经由掩模处理部件30。因此，不需要在噪音量测量部件240和掩模处理部件30之间执行的处理(例如同步处理)，能够简化噪音量测量部件240和掩模处理部件30的电路结构。
(4.变形例子)
以上，说明了本发明的实施例，但本发明并不只限于上述实施例，可以进行各种变形。
(1)在实施例1～3中，说明了音源(波动源)10是2个的情况，但并不只限于此，音源10的个数也可以是M(≥3)的多个。另外，说明了麦克风(观测部件)15是2个的情况，但并不只限于此，观测部件15的个数也可以是N(≥3)的多个。
在该情况下，掩模处理部件30根据1个第一分离信号、(M-1)×N个第二分离信号，判断噪音状况，噪音信号选择部件50选择(M-1)×N个第二分离信号中的1个作为噪音信号。
(2)另外，在实施例1～3中，说明了以下的情况：噪音除去处理部件60的噪音分量生成部件61(61a、61b)将线性变换后的噪音量nc1(t)、nc2(t)与噪音信号yn1(f，t)、yn2(f，t)相乘，由此计算第二噪音分量，但并不只限于此。例如，也可以不对噪音量nc1(t)、nc2(t)进行线性变换，而与噪音信号yn1(f，t)、yn2(f，t)相乘，由此求出第二噪音分量。由此，能够降低噪音分量生成部件61中的计算成本。
虽然详细地说明了本发明，但上述说明在所有的情况中都是示例，本发明并不只限于此。可以了解并不能设想从本发明的范围中排除没有示例的无数变形例子。

Claims (9)

1.一种信号处理装置，将从多个波动源(10)中的成为对象的波动源(10)输出的源信号复原为目标信号，其特征在于包括：
(a)多个观测部件(15)，分别针对从上述多个波动源输出的多个源信号，能够观测为该多个源信号的混合信号；
(b)分离信号生成部件(20)，根据由各观测部件(15)观测并被变换为频率区域的1帧的上述混合信号，针对上述帧内的每个频率区，生成相互独立的多个分离信号；
(c)掩模处理部件(30)，针对上述帧内的每个频率区，执行以下的处理：
根据上述多个分离信号中的与上述目标信号对应的第一分离信号、上述多个分离信号中的上述第一分离信号以外的第二分离信号，判断上述第一分离信号的噪音状况的处理、
通过从上述第一分离信号中除去根据噪音状况的判断结果求出的第一噪音分量而生成噪音除去信号的处理、
根据上述噪音状况的判断结果生成噪音状况信号的处理；
(d)噪音量测量部件(40)，根据从上述掩模处理部件(30)侧输入的每个上述频率区的噪音状况信号，针对每个上述帧，测量包含在上述第一分离信号中的噪音量；
(e)噪音信号选择部件(50)，根据由上述噪音量测量部件(40)测量出的上述噪音量，针对每个上述频率区，选择上述第二分离信号中的1个信号作为噪音信号；
(f)噪音除去处理部件(60)，针对每个上述频率区从上述噪音除去信号中除去根据上述噪音信号生成的第二噪音分量，并且将除去了上述第二噪音分量的上述噪音除去信号作为目标信号输出。
2.根据权利要求1所述的信号处理装置，其特征在于：
上述掩模处理部件(30)针对每个上述频率区，基于对与上述目标信号对应的上述第一分离信号的振幅频谱与上述第二分离信号的振幅频谱的大小比较，进行上述噪音状况的判断、上述噪音状况信号的生成，
上述噪音量测量部件(40)通过对上述噪音状况信号进行计数，来测量上述噪音量。
3.一种信号处理装置，将从多个波动源(10)中的成为对象的波动源(10)输出的源信号复原为目标信号，其特征在于包括：
(a)多个观测部件(15)，分别针对从上述多个波动源输出的多个源信号，能够将该多个源信号观测为混合信号；
(b)分离信号生成部件(20)，根据由各观测部件(15)观测并变换为频率区域的1帧的上述混合信号，针对上述帧内的每个频率区，生成相互独立的多个分离信号；
(c)掩模处理部件(30)，针对上述帧内的每个频率区，执行以下的处理：
根据上述多个分离信号中的与上述目标信号对应的第一分离信号、上述多个分离信号中的上述第一分离信号以外的第二分离信号，判断上述第一分离信号的噪音状况的处理、
通过从上述第一分离信号中除去根据噪音状况的判断结果求出的第一噪音分量而生成噪音除去信号的处理；
(d)噪音量测量部件(140、240)，根据从上述分离信号生成部件输入的上述多个分离信号，针对每个上述帧，测量包含在上述第一分离信号中的噪音量；
(e)噪音信号选择部件(50)，针对每个上述频率区，根据由上述噪音量测量部件(140、240)测量的上述噪音量，选择上述第二分离信号中的1个信号作为噪音信号；
(f)噪音除去处理部件(60)，针对每个上述频率区从上述噪音除去信号中除去根据上述噪音信号生成的第二噪音分量，并且将除去了上述第二噪音分量的上述噪音除去信号作为目标信号输出。
4.根据权利要求3所述的信号处理装置，其特征在于：
上述噪音量测量部件(140)将从上述分离信号生成部件(20)输入的频率区域的第一分离信号变换为时间区域，并且根据使用变换后的上述第一分离信号计算出的尖锐度，测量包含在上述第一分离信号中的上述噪音量。
5.根据权利要求3所述的信号处理装置，其特征在于：
上述噪音量测量部件(240)根据从上述分离信号生成部件(20)输入的第二分离信号的扩展状况，针对每个上述帧，测量包含在上述第一分离信号中的噪音量。
6.根据权利要求5所述的信号处理装置，其特征在于：
上述扩展状况是第二分离信号的方向的离散状况。
7.根据权利要求1～5中的任意一个所述的信号处理装置，其特征在于：
上述噪音除去处理部件(60)根据从上述噪音量测量部件(40、140、240)侧输入的上述噪音量和由上述噪音信号选择部件(50)选择出的噪音信号，生成上述第二噪音分量。
8.根据权利要求1或3所述的信号处理装置，其特征在于：
上述噪音除去处理部件(60)通过从上述噪音除去信号的振幅频谱减去上述第二噪音分量的振幅频谱，针对每个上述频率区，计算上述目标信号的振幅频谱。
9.根据权利要求1或3所述的信号处理装置，其特征在于：
分别由N个观测部件(15)观测从M个波动源(10)输出的M个源信号(M、N分别是2以上的自然数)，
上述掩模处理部件(30)根据1个第一分离信号、(M-1)×N个第二分离信号判断噪音状况，
上述噪音信号选择部件(50)将(M-1)×N个第二分离信号中的1个选择为噪音信号。
CN2008800106920A 2007-03-30 2008-03-26 信号处理装置 Expired - Fee Related CN101653015B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP092067/2007 2007-03-30
JP2007092067A JP4950733B2 (ja) 2007-03-30 2007-03-30 信号処理装置
PCT/JP2008/055757 WO2008123315A1 (ja) 2007-03-30 2008-03-26 信号処理装置

Publications (2)

Publication Number Publication Date
CN101653015A true CN101653015A (zh) 2010-02-17
CN101653015B CN101653015B (zh) 2012-11-28

Family

ID=39830803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008800106920A Expired - Fee Related CN101653015B (zh) 2007-03-30 2008-03-26 信号处理装置

Country Status (5)

Country Link
US (1) US8488806B2 (zh)
JP (1) JP4950733B2 (zh)
KR (1) KR101452537B1 (zh)
CN (1) CN101653015B (zh)
WO (1) WO2008123315A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105092923A (zh) * 2014-05-22 2015-11-25 特克特朗尼克公司 动态遮罩测试
CN108513214A (zh) * 2017-02-28 2018-09-07 松下电器（美国）知识产权公司 噪音提取装置和方法、麦克风装置及记录程序的记录介质

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5233772B2 (ja) * 2009-03-18 2013-07-10 ヤマハ株式会社 信号処理装置およびプログラム
JP5375400B2 (ja) * 2009-07-22 2013-12-25 ソニー株式会社 音声処理装置、音声処理方法およびプログラム
TWI412023B (zh) * 2010-12-14 2013-10-11 Univ Nat Chiao Tung 可消除噪音且增進語音品質之麥克風陣列架構及其方法
JP5621637B2 (ja) * 2011-02-04 2014-11-12 ヤマハ株式会社 音響処理装置
JP2012234150A (ja) * 2011-04-18 2012-11-29 Sony Corp 音信号処理装置、および音信号処理方法、並びにプログラム
JP5687605B2 (ja) * 2011-11-14 2015-03-18 国立大学法人 奈良先端科学技術大学院大学 音声強調装置、音声強調方法、及び音声強調プログラム
US10540992B2 (en) 2012-06-29 2020-01-21 Richard S. Goldhor Deflation and decomposition of data signals using reference signals
US10473628B2 (en) * 2012-06-29 2019-11-12 Speech Technology & Applied Research Corporation Signal source separation partially based on non-sensor information
US10067093B2 (en) 2013-07-01 2018-09-04 Richard S. Goldhor Decomposing data signals into independent additive terms using reference signals
US9460732B2 (en) * 2013-02-13 2016-10-04 Analog Devices, Inc. Signal source separation
WO2014125736A1 (ja) * 2013-02-14 2014-08-21 ソニー株式会社 音声認識装置、および音声認識方法、並びにプログラム
KR20150032390A (ko) * 2013-09-16 2015-03-26 삼성전자주식회사 음성 명료도 향상을 위한 음성 신호 처리 장치 및 방법
US9420368B2 (en) 2013-09-24 2016-08-16 Analog Devices, Inc. Time-frequency directional processing of audio signals
US9747921B2 (en) * 2014-02-28 2017-08-29 Nippon Telegraph And Telephone Corporation Signal processing apparatus, method, and program
KR101651506B1 (ko) 2016-04-29 2016-08-26 주식회사 엘이디파워 전해 캐패시터 레스 전원 공급장치를 구비한 디밍형 led 조명장치
KR101651508B1 (ko) 2016-04-29 2016-09-05 주식회사 엘이디파워 전해 캐패시터 레스 전원 공급장치를 구비한 디밍형 led 조명장치
EP3324406A1 (en) * 2016-11-17 2018-05-23 Fraunhofer Gesellschaft zur Förderung der Angewand Apparatus and method for decomposing an audio signal using a variable threshold

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1717721A (zh) * 2003-09-02 2006-01-04 日本电信电话株式会社 信号分离方法、信号分离装置、信号分离程序以及记录媒体
JP2006154314A (ja) * 2004-11-29 2006-06-15 Kobe Steel Ltd 音源分離装置，音源分離プログラム及び音源分離方法
EP1748427A1 (en) * 2005-07-26 2007-01-31 Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) Sound source separation apparatus and sound source separation method

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6879952B2 (en) * 2000-04-26 2005-04-12 Microsoft Corporation Sound source separation using convolutional mixing and a priori sound source knowledge
US7243060B2 (en) * 2002-04-02 2007-07-10 University Of Washington Single channel sound separation
US7474756B2 (en) * 2002-12-18 2009-01-06 Siemens Corporate Research, Inc. System and method for non-square blind source separation under coherent noise by beamforming and time-frequency masking
US7099821B2 (en) 2003-09-12 2006-08-29 Softmax, Inc. Separation of target acoustic signals in a multi-transducer arrangement
JP4496379B2 (ja) * 2003-09-17 2010-07-07 財団法人北九州産業学術推進機構 分割スペクトル系列の振幅頻度分布の形状に基づく目的音声の復元方法
KR100647286B1 (ko) * 2004-08-14 2006-11-23 삼성전자주식회사 교차채널 간섭을 제거하기 위한 후처리장치 및 방법과이를 이용한 다채널 음원 분리장치 및 방법
KR100716984B1 (ko) * 2004-10-26 2007-05-14 삼성전자주식회사 복수 채널 오디오 신호의 잡음 제거 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1717721A (zh) * 2003-09-02 2006-01-04 日本电信电话株式会社 信号分离方法、信号分离装置、信号分离程序以及记录媒体
JP2006154314A (ja) * 2004-11-29 2006-06-15 Kobe Steel Ltd 音源分離装置，音源分離プログラム及び音源分離方法
EP1748427A1 (en) * 2005-07-26 2007-01-31 Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) Sound source separation apparatus and sound source separation method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105092923A (zh) * 2014-05-22 2015-11-25 特克特朗尼克公司 动态遮罩测试
CN105092923B (zh) * 2014-05-22 2020-12-08 特克特朗尼克公司 动态遮罩测试
CN108513214A (zh) * 2017-02-28 2018-09-07 松下电器（美国）知识产权公司 噪音提取装置和方法、麦克风装置及记录程序的记录介质
CN108513214B (zh) * 2017-02-28 2021-06-01 松下电器（美国）知识产权公司 噪音提取装置和方法、麦克风装置及记录程序的记录介质

Also Published As

Publication number Publication date
JP2008252587A (ja) 2008-10-16
US8488806B2 (en) 2013-07-16
JP4950733B2 (ja) 2012-06-13
KR101452537B1 (ko) 2014-10-22
US20100128897A1 (en) 2010-05-27
KR20100014518A (ko) 2010-02-10
CN101653015B (zh) 2012-11-28
WO2008123315A1 (ja) 2008-10-16

Similar Documents

Publication Publication Date Title
CN101653015B (zh) 信号处理装置
EP3370232B1 (en) Sound source probing apparatus, sound source probing method, and storage medium storing program therefor
Margoosian et al. An accurate kernelized energy detection in Gaussian and non-Gaussian/impulsive noises
Salgado et al. An approach based on current and sound signals for in-process tool wear monitoring
CN106468770B (zh) K分布杂波加噪声下的近最优雷达目标检测方法
RU2503938C2 (ru) Способ и устройство частотного анализа данных
CN108364659B (zh) 基于多目标优化的频域卷积盲信号分离方法
JP4344323B2 (ja) 信号分離
Li et al. Blind source separation of composite bearing vibration signals with low-rank and sparse decomposition
Li et al. Stochastic stability of a modified unscented Kalman filter with stochastic nonlinearities and multiple fading measurements
CN110807524A (zh) 单通道信号盲源分离幅度校正方法
CN103295193A (zh) 基于互功率谱的盲源分离方法
Al-Bugharbee et al. A new methodology for fault detection in rolling element bearings using singular spectrum analysis
CN116403032A (zh) 基于多域信息融合与深度学习的断路器故障评估方法
Krim et al. Smoothed eigenspace-based parameter estimation
Meena et al. Cross-term suppression in the Wigner-Ville distribution using variational mode decomposition
US7885421B2 (en) Method and system for noise measurement with combinable subroutines for the measurement, identification and removal of sinusoidal interference signals in a noise signal
US7043512B2 (en) Filter bank approach to adaptive filtering method using independent component analysis
Legrand et al. Jeffrey's divergence between moving-average and autoregressive models
CN113362853B (zh) 一种基于lstm网络emd端点效应抑制方法
Wang et al. An underdetermined environmental sound source separation algorithm based on improved complete ensemble EMD with adaptive noise and ICA
Sun et al. Intrinsic mode chirp multicomponent decomposition with kernel sparse learning for overlapped nonstationary signals involving big data
Liu A novel boundary extension approach for empirical mode decomposition
Eldwaik et al. Mitigating wind noise in outdoor microphone signals using a singular spectral subspace method
Wu et al. Application of Blind Source Separation in Ultrasonic NDE

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121128

Termination date: 20170326

CF01 Termination of patent right due to non-payment of annual fee