CN102918592A - 信号处理方法、信息处理设备和信号处理程序 - Google Patents

Abstract

为了抑制具有未知特性的噪声和具有已知特性的噪声这二者，提供了一种包括噪声抑制装置的信息处理设备，噪声抑制装置用于抑制在输入的劣化信号中包括的噪声，所述信息处理设备的特征在于，所述噪声抑制装置包括第一输出装置和第二输出装置，第一输出装置用于输出已知噪声信息以抑制具有已知特性的已知噪声，第二输出装置用于通过估计具有未知特性的未知噪声来输出未知噪声信息以抑制未知噪声。

Description

信号处理方法、信息处理设备和信号处理程序

技术领域

本发明涉及一种用于抑制劣化信号中包括的噪声从而加强期望信号的信号处理技术。

背景技术

噪声抑制技术被称为一种用于抑制劣化信号(一种混合了期望信号和噪声的信号)中包括的一部分或全部噪声从而输出加强信号(一种期望信号被加强的信号)的信号处理技术。例如，噪声抑制器是一种用于抑制叠加在期望语音信号上的噪声的系统，使用在诸如移动电话等多种语音终端中。

关于这种技术，专利文档1公开了一种通过用输入信号乘以小于1的抑制因子来抑制噪声的方法。专利文档2公开了一种通过直接从劣化信号中减去估计的噪声来抑制噪声的方法。

在专利文档1和2所描述的技术中，需要根据已混合了噪声从而被劣化的期望信号来估计噪声。然而，仅根据劣化信号将限制精确噪声估计。一般而言，仅当噪声相对于期望信号足够小时，专利文档1和2所描述的方法才有效。当不满足噪声相对于期望信号足够小的条件时，因为估计噪声值的精度低，所以专利文档1和2中所描述的方法不能获得充分的噪声抑制效果，此外，在加强信号中包括大失真。

另一方面，专利文档3公开了一种技术，当可以预先在某种程度上知道混入期望信号中的噪声的特性时，所述技术通过从劣化信号中减去预先记录的噪声信息(关于噪声特性的信息)来抑制噪声。专利文档3还公开了一种方法，当通过分析输入信号而获得的输入信号功率高时，用噪声信息乘以较大因子，当输入信号功率低时，用噪声信息乘以较小因子，然后从劣化信号中减去乘法结果。

[引用列表]

[专利文档]

[专利文档1]日本专利公开No.4282227

[专利文档2]日本专利申请特开No.1996-221092

[专利文档3]日本专利申请特开No.2006-279185

发明内容

技术问题

然而，没有能够抑制具有未知特性的噪声和具有已知特性的噪声这二者的技术。例如，当在操控移动电话的同时进行语言通信时、当在会见期间进行视频记录时等等，不可能加强人说话声音而同时抑制机械噪声和背景噪声。

鉴于上述情况，本发明的目的在于提供一种解决上述问题的信号处理技术。

解决问题的方案

为了实现上述目的，一种根据本发明的设备包括：噪声抑制装置，噪声抑制装置用于抑制输入的劣化信号中包括的噪声，其中噪声抑制装置包括第一输出装置和第二输出装置，第一输出装置使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声，第二输出装置通过估计未知噪声来输出未知噪声信息，以抑制具有未知特性的未知噪声，并且噪声抑制装置使用已知噪声信息和未知噪声信息来执行噪声抑制。

为了实现上述目的，一种根据本发明的方法使用预先存储的噪声信息来输出已知噪声信息以抑制具有已知特性的已知噪声，通过估计未知噪声来输出未知噪声信息以抑制具有未知特性的未知噪声，并且使用已知噪声信息和未知噪声信息来抑制输入的劣化信号中包括的噪声。

为了实现上述目的，一种根据本发明的程序记录介质存储了信号处理程序，所述信号处理程序使计算机执行以下步骤：第一输出步骤，使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的噪声；第二输出步骤，通过估计未知噪声来输出未知噪声信息，以抑制具有特未知性的未知噪声；以及噪声抑制步骤，使用已知噪声信息和未知噪声信息来抑制输入的劣化信号中包括的噪声。

有益效果

本发明提供了一种能够抑制具有未知特性的噪声和具有已知特性的噪声这二者的信号处理技术。

附图说明

图1是示出了根据本发明第一示例性实施例的噪声抑制单元的示意性配置的框图。

图2是示出了根据本发明第二示例性实施例的噪声抑制单元的示意性配置的框图。

图3是示出了根据本发明第三示例性实施例的噪声抑制单元的示意性配置的框图。

图4是示出了根据本发明第四示例性实施例的噪声抑制单元的示意性配置的框图。

图5是示出了根据本发明第五示例性实施例的噪声抑制单元的示意性配置的框图。

图6是示出了根据本发明第六示例性实施例的噪声抑制单元的示意性配置的框图。

图7是示出了根据本发明第七示例性实施例的噪声抑制单元的示意性配置的框图。

图8是示出了根据本发明第八示例性实施例的噪声抑制单元的示意性配置的框图。

图9是示出了作为本发明第九示例性实施例的信息处理设备的示意性配置的框图。

图10是示出了作为本发明第九示例性实施例的信息处理设备中包括的变换单元的配置的框图。

图11是示出了作为本发明第九示例性实施例的信息处理设备中包括的逆变换单元的配置的框图。

图12是示出了作为本发明第十示例性实施例的信息处理设备的示意性配置的框图。

图13是示出了作为本发明第十一示例性实施例的信息处理设备的示意性配置的框图。

图14是示出了作为本发明第十二示例性实施例的信息处理设备的示意性配置的框图。

图15是示出了作为本发明其他示例性实施例的用于执行信号处理程序的计算机的示意性配置图。

图16是示出了本发明的信息处理设备的示意性配置的框图。

具体实施方式

在下文中，将参照附图详细描述作为示例的本发明示例性实施例。本文中，以下示例性实施例中描述的组件仅作为示例示出，并非旨在将本发明的技术范围限于仅这些实施例。

(第一示例性实施例)

作为根据本发明的信息处理设备的第一示例性实施例，将描述一种抑制劣化信号(一种混合了期望信号和噪声的信号)中包括的一部分或全部噪声从而输出加强信号(一种期望信号被加强的信号)的设备。

在本示例性实施例中，假定是如下情形：例如，在移动电话上进行语言通信的同时拍照或操控机器，在利用IC记录器进行音频记录的同时操控机器，以及在进行会见的视频记录的同时操控机器或机器在运转。根据本示例性实施例，能够均衡地实现对设备周围产生的噪声(存在于设备或扬声器的用户的环境中的背景噪声)的抑制和设备自身中产生的噪声(已知噪声，例如自动对焦噪声、缩放噪声和快门噪声)的抑制。

所涉及的这些信息处理设备例如是数字静物摄像机、数字可携式摄像机、膝上型PC、移动电话、IC记录器和TV会议系统。然而，本发明不限于此，而是可以应用于要求消声的任何设备。

图1是示出了信息处理设备中包括的噪声抑制单元3的配置的框图。如图所示，噪声抑制单元3包括已知噪声信息输出单元301和未知噪声信息输出单元303。噪声抑制单元3使用从已知噪声信息输出单元301输出的已知噪声信息和从未知噪声信息输出单元303输出的未知噪声信息来执行噪声抑制。图16是示出了信息处理设备A的配置的另一框图。信息处理设备A包括噪声抑制单元3。噪声抑制单元3包括第一输出部301(已知噪声信息输出部301)和第二输出部303(未知噪声信息输出部303)，第一输出部301输出预先存储的已知噪声信息来抑制具有已知特性的已知噪声，第二输出部303通过估计未知噪声来输出未知噪声信息，以抑制具有未知特性的未知噪声。将参照图1进行以下描述。

已知噪声信息输出部301使用预先在存储部311中存储的噪声信息来输出已知噪声，以抑制具有已知特性的已知噪声。存储部311包括诸如半导体存储器等存储设备，存储与作为抑制对象的已知噪声的特性相关的信息。存储为抑制对象的噪声例如是快门噪声、发动机驱动噪声、缩放噪声、自动对焦机制的对焦噪声(滴答声)等。另一方面，为了抑制具有未知特性的未知噪声，未知噪声信息输出部303包括用于估计劣化信号中包括的未知噪声的估计部331。

利用上述配置，本示例性实施例的信息处理设备可以抑制具有未知特性的噪声和具有已知特性的噪声这二者。

(第二示例性实施例)

图2是示出了根据本发明第二示例性实施例的信息处理设备中包括的噪声抑制单元23的配置的框图。与第一示例性实施例相似，噪声抑制单元23包括已知噪声信息输出部231和未知噪声信息输出部7233。噪声抑制单元233使用从已知噪声信息输出部231输出的已知噪声信息和从未知噪声信息输出部233输出的未知噪声信息来执行噪声抑制。尽管未在附图中示出，但是已知噪声信息输出部231包括用于预先存储噪声信息的存储部，未知噪声信息输出部233包括用于估计劣化信号中包括的未知噪声的估计部。

这里，本示例性实施例的噪声抑制单元23使用从未知噪声信息输出部233输出的未知噪声信息对经历了使用从已知噪声信息输出部231输出的已知噪声信息进行噪声抑制的信号执行进一步的噪声抑制。即，向已知噪声抑制部232提供从已知噪声信息输出部231输出的已知噪声信息，已知噪声抑制部232用于抑制输入的劣化信号中包括的抑制噪声。此外，向未知噪声信息输出部233提供已知噪声已被抑制的信号，未知噪声信息输出部233用于估计未知噪声。然后，向未知噪声抑制部234输出作为估计结果输出的未知噪声信息，未知噪声抑制部234对已知噪声已被抑制的信号执行用于抑制估计的未知噪声的处理，并且输出生成信号作为加强信号。

利用上述配置，本示例性实施例的信息处理设备实现了对具有未知特性的噪声和具有已知特性的噪声这二者的抑制。

(第三示例性实施例)

图3是示出了根据本发明第二示例性实施例的信息处理设备中包括的噪声抑制单元33的配置的框图。根据本示例性实施例的噪声抑制单元33的配置和操作与第二示例性实施例的噪声抑制单元23的配置和操作几乎相同。然而，不同之处在于，向未知噪声信息输出部333提供输入的劣化信号。

在本示例性实施例中，未知噪声信息输出部333使用输入的劣化信号来估计未知噪声。然后，向未知噪声抑制部234输出作为估计结果输出的未知噪声信息，未知噪声抑制部234对已知噪声已被抑制的信号执行用于抑制估计的未知噪声的处理，输出生成信号作为加强信号。

利用上述配置，即使当经由已知噪声信息输出部231和已知噪声抑制部232的噪声抑制的精度低时，对未知噪声的高精度估计也成为可能。

(第四示例性实施例)

图4是示出了根据本发明第四示例性实施例的信息处理设备中包括的噪声抑制单元43的配置的框图。根据本示例性实施例的噪声抑制单元43的配置和操作与第三示例性实施例的噪声抑制单元33的配置和操作几乎相同。然而，不同之处在于，还向已知噪声信息输出部431提供输入的劣化信号。

在本示例性实施例中，已知噪声信息输出部431使用输入的劣化信号来根据存储部中存储的噪声信息产生已知噪声信息。例如，已知噪声信息输出部431分析输入的劣化信号，通过根据分析结果的混合方法将预先存储的噪声信息混合在一起，从而产生并输出混合的噪声信息(伪噪声信息)，作为已知噪声信息。经过混合的多个噪声信息中的至少一个是预先存储在存储部中的噪声信息。

更具体的示例是，在存储部中预先存储多个噪声信息，已知噪声信息输出部431将这些噪声信息混合为组合物。对于已知噪声，混合的目标是，例如，最大噪声信息与平均噪声信息的组合物，最大噪声信息、平均噪声信息和最小噪声信息的组合物，峰值分量噪声信息(peakcomponent noise information)与其它噪声信息的组合物，冲击分量噪声信息(impact component noise information)与其它噪声信息的组合物等。

本文中，分别如下定义平均噪声信息、最大噪声信息、最小噪声信息、峰值分量噪声信息和冲击分量噪声信息。

平均噪声信息：对于整个已知噪声(多个帧)，通过对傅立叶变换得到的多个频谱中的相同频率分量的幅度(或功率)进行平均而得到；称作按照时间平均而得到的平均频谱。

最大噪声信息：对于整个已知噪声(多个帧)进行傅立叶变换得到的多个频谱中的每个频率分量的最大幅度(或功率)值；即，所谓的最大频谱。

最小噪声信息：对于整个已知噪声(多个帧)进行傅立叶变换得到的多个频谱中的每个频率分量的最小幅度(或功率)值；即，所谓的最小频谱。

峰值分量噪声信息：当对于整个已知噪声(多个帧)进行傅立叶变换得到的频谱中的频率序列的幅度彼此进行比较时，与相邻分量的幅度值相比具有明显较大幅度值频率分量。

冲击分量噪声信息：对整个冲击声(impact sound)进行傅立叶变换得到的多个频谱的平均；即所谓的冲击声的平均频谱。尽管冲击声本身在观察到其傅立叶变换之前的音频信号随时间变化随时在极短时间段内具有大幅度值，但是其在傅立叶变换之后的频谱的特征在于，在特定频率范围内，幅度几乎恒定不变。

如上所述，使用根据对输入劣化信号的分析结果的混合方法来混合预先存储的噪声信息，并因此产生混合的噪声信息(伪噪声信息)作为已知噪声信息，能够实现可以处理变化大的信号特性的噪声抑制。

(第五示例性实施例)

图5是示出了根据本发明第五示例性实施例的信息处理设备中包括的噪声抑制单元53的配置的框图。根据本示例性实施例的噪声抑制单元53与上述第二示例性实施例至第四示例性实施例的噪声抑制单元的不同之处在于，选择性地使用从已知噪声信息输出部231输出的已知噪声信息和从未知噪声信息输出部333输出的未知噪声信息来进行噪声抑制。因为已知噪声信息输出部231和未知噪声信息输出部333的配置和操作分别与第二示例性实施例中的已知噪声信息输出部231和第三示例性实施例中的未知噪声信息输出部333的配置和操作相同，所以相应地给予它们相同的标记。

在噪声抑制单元53中，选择部535例如关于已知噪声信息计算增益g1(0＜g1＜1)和关于未知噪声信息计算增益g2(0＜g2＜1)，选择二者中的较小者或较大者，并将其提供给抑制部536。抑制部536通过用劣化信号乘以从选择部535提供的增益来进行噪声抑制。此处，噪声抑制单元53对劣化信号的每个频率分量执行噪声抑制。具体地，对于每个频率，噪声抑制单元53评价已知噪声和未知噪声中哪一个更严重，并按照适合于更严重者的方式进行噪声抑制。

此处，配置可以是，向选择部535输入劣化信号，选择部535通过分析劣化信号来确定已知噪声信息和未知噪声信息中的哪一个用于抑制。在这种情况下，抑制部536通过从劣化信号减去从选择部535提供的已知噪声信息或未知噪声信息来进行噪声抑制。

根据本示例性实施例，可以更高效地实现噪声抑制。例如，如果选择部535选择最小增益值，则可以高效地抑制更严重噪声。即，根据本示例性实施例，在已知噪声整体大于未知噪声的情况下，能够优先地抑制已知噪声更大的频率处的已知噪声和已知噪声更小的频率处的未知噪声。另一方面，如果选择部535选择最大增益值，则可以高效地阻止由于噪声抑制而导致的失真出现，从而可以实现高声音品质。此外，当已知针对无失真出现的阈值增益值Gth时，如果增益g1和g2都大于阈值Gth，则噪声抑制单元53可以使用增益g1和g2中的较小者来进行抑制，如果增益中的任一个小于阈值Gth，则使用阈值Gth来替代较小者。

(第六示例性实施例)

图6是示出了根据本发明第六示例性实施例的信息处理设备中包括的噪声抑制单元63的配置的框图。根据本示例性实施例的噪声抑制单元63与第五示例性实施例的噪声抑制单元的不同之处在于，已知噪声信息输出部431根据对劣化信号的分析结果来产生已知噪声信息。为此，向已知噪声信息输出部431提供劣化信号。分析劣化信号然后根据分析结果产生已知噪声信息的过程与使用图4的第四示例性实施例中描述的过程相同，因而在此省略其描述。此外，因为其它配置和操作与第五示例性实施例中的配置和操作相同，所以相应地给予等同配置相同的标记，并且在此省略其描述。

如在本示例性实施例中，除了第五示例性实施例的效果之外，通过根据对输入的劣化信号的分析结果来产生已知噪声信息，还可以实现可以处理信号特性变化大的噪声抑制。

(第七示例性实施例)

图7是示出了根据本发明第七示例性实施例的信息处理设备中包括的噪声抑制单元73的配置的框图。根据本示例性实施例的噪声抑制单元73与上述第五示例性实施例的噪声抑制单元的不同之处在于，通过将从已知噪声信息输出部231输出的已知噪声信息与从未知噪声信息输出部333输出的未知噪声信息混合在一起来执行噪声抑制。因为其它配置与第五示例性实施例中的配置相同，所以相应地给予等同配置相同的标记，并且在此省略其描述。

在噪声抑制单元73中，混合部735例如关于已知噪声信息计算增益g1(0＜g1＜1)和关于未知噪声信息计算增益g2(0＜g2＜1)，并向抑制部536提供将二者混合后得到的值(例如，中间值)。抑制部536通过用劣化信号乘以从混合部735提供的增益来执行噪声抑制。这里，抑制部73针对劣化信号的每个频率分量执行噪声抑制。即，针对每个频率，抑制已知噪声和未知噪声。

此处，配置可以是，向混合部735输入劣化信号，混合部735分析劣化信号并根据分析结果来混合已知噪声信息和未知噪声信息，以及混合信息用于抑制。即，混合部735可以根据对输入的劣化信号的分析结果通过对已知噪声信息和未知噪声信息进行加权，来混合二者。

根据本示例性实施例，能够更精确地获得抑制增益或用于抑制的减法分量，从而高效地实现噪声抑制。因此，能够均衡地实现噪声抑制并防止由于噪声抑制而导致的失真出现。

(第八示例性实施例)

图8是示出了根据本发明第八示例性实施例的信息处理设备中包括的噪声抑制单元83的配置的框图。根据本示例性实施例的噪声抑制单元83与第七示例性实施例的噪声抑制单元的不同之处在于，已知噪声信息输出部431根据对劣化信号的分析结果来产生已知噪声信息。为此，向已知噪声信息输出部431提供劣化信号。分析劣化信号然后根据分析结果产生已知噪声信息的过程与使用图4的第四示例性实施例中描述的过程相同，因而在此省略其描述。此外，因为其它配置和操作与第五示例性实施例中的配置和操作相同，所以相应地给予等同配置相同的标记，并且在此省略其描述。

在本示例性实施例中，除了第七示例性实施例的效果之外，通过根据输入的劣化信号的分析结果来产生已知噪声信息，还可以实现可处理大变化信号特性的噪声抑制。

(第九示例性实施例)

如在本示例性实施例中，将使用图9来描述分别在第一示例性实施例至第八示例性实施例中描述的噪声抑制单元3、23、33、43、53、63、73和83的外围配置的示例。关于被视为代表的噪声抑制单元3，给出图9和以下描述。

如图9所示，在噪声抑制单元3的外围提供了输入端口1、变换单元2、逆变换单元4和输出端口5。

将劣化信号供给输入端口1，作为一系列的采样值。供给输入端口1的劣化信号将在变换单元2处经过诸如傅立叶变换等变换，从而被划分为多个频率分量。将多个频率分量的幅度频谱供给噪声抑制单元3，而将相位谱传送至逆变换单元4。尽管此处将幅度谱供给噪声抑制单元3，但是本发明不限于此，也可以将与幅度谱的平方相对应的功率谱供给噪声抑制单元3。

噪声抑制单元3对从变换单元2提供的劣化信号幅度谱的每个频率处的噪声进行抑制，并向逆变换单元4传送加强信号幅度谱作为噪声抑制结果。逆变换单元4执行将从噪声抑制单元3提供的加强信号幅度谱与从变换单元2提供的劣化信号的相位谱相结合的逆变换，并向输出端口5提供结果，作为加强信号采样。

[变换单元的配置]

图10是示出了变换单元2的配置的框图。如图10所示，变换单元2包括帧划分部121、加窗部(windowing section)122和傅立叶变换部123。将劣化信号采样供给帧划分部121，在帧划分部121中，劣化信号采样被划分为帧，每个帧包括K/2个采样。此处，假定K是偶数。将被划分为帧的劣化信号采样供给加窗部122，在加窗部122中，用窗函数(window function)w(t)乘以被划分帧的劣化信号采样。利用w(t)对第n帧中的输入信号yn(t)(t＝0，1，…，K/2-1)进行加窗后得到的信号由下面的等式(1)给出。

${\stackrel{\‾}{y}}_n\left(t\right)=w\left(t\right)y_n\left(t\right)...\left(1\right)$

也广泛使用利用连续两个帧的一部分重叠来加窗。假定重叠长度是帧长度的50％，则下面的等式(2)的左侧变为加窗部122的输出，其中t＝0，1，…，K/2-1。

$\left.\begin{array}{c}{\stackrel{\‾}{y}}_n\left(t\right)=w\left(t\right)y_{n-1}(t+K/2)\\ {\stackrel{\‾}{y}}_n(t+K/2)=w(t+K/2)y_n\left(t\right)\end{array}\right\}...\left(2\right)$

左右对称(bilaterally-symmetric)窗函数用于实数信号(realnumbered signal)。按照如下方式设计窗函数，当在MMSE STSA(最小均方差短时频谱幅度估计)方法中抑制因子设为1时，或者当在SS(Spectrum Subtraction，频谱减法)方法中减去零时，除了计算误差之外，输入信号与输出信号彼此相同。这意味着w(t)+w(t+K/2)＝1成立。

在下文中，将继续描述作为示例的如下情况：利用连续两个帧之间的50％的重叠来执行加窗。对于w(t)，可以使用例如由下面的等式(3)表示的汉宁窗(Hanning window)。

除此之外，同样已知诸如海明(Hamming)窗、凯撒(Kaiser)窗和布莱克曼(Blackman)窗等多种窗函数。将加窗后的输出供给傅立叶变换部123，在傅立叶变换部123中，加窗后的输出被变换为劣化信号谱Yn(k)。将劣化信号谱Yn(k)分为幅度谱和相谱，将劣化信号相位谱argYn(k)供给逆变换单元4，并将劣化信号幅度谱|Yn(k)|供给噪声抑制单元3。如上所述，可以使用功率谱来替换幅度谱。

[逆变换单元的配置]

图11是示出了逆变换单元4的配置的框图。如图11所示，逆变换单元4包括逆傅立叶变换部143、加窗部142和帧组合部141。逆傅立叶变换部143通过将从噪声抑制单元3提供的加强信号幅度谱与从变换单元2提供的劣化信号相位谱argYn(k)相乘来计算增强信号(以下等式(4)的左侧)。

${\stackrel{\‾}{X}}_n\left(k\right)=\left|{\stackrel{\‾}{X}}_n\left(k\right)\right|\·\arg Y_n\left(k\right)...\left(4\right)$

逆傅立叶变换部143对得到的加强信号执行逆傅立叶变换。将经过逆傅立叶变换的加强信号以一系列的时域采样值xn(t)(t＝0，1，…，K-1)的形式提供给加窗部142，其中，每个帧包括K个采样，并且用窗函数w(t)乘以采样值。利用w(t)对输入信号xn(t)(t＝0，1，…，K/2-1)加窗后得到的信号由下面的等式(5)的左侧给出。

${\stackrel{\‾}{x}}_n\left(t\right)=w\left(t\right)x_n\left(t\right)...\left(5\right)$

也广泛使用利用连续两个帧的一部分重叠来加窗。假定重叠长度是帧长度的50％，则下面的等式(6)的左侧变为加窗部142的输出，将该输出传送至帧组合部141，其中t＝0，1，…，K/2-1。

$\left.\begin{array}{c}{\stackrel{\‾}{x}}_n\left(t\right)=w\left(t\right)x_{n-1}(t+K/2)\\ {\stackrel{\‾}{x}}_n(t+K/2)=w(t+K/2)x_n\left(t\right)\end{array}\right\}...\left(6\right)$

帧组合部141从窗口部142的输出中的连续两个帧中的每一个中取出K/2个采样，将它们叠加在一起，通过下面的等式(7)来计算输出信号(等式(7)的左侧)，其中t＝0，1，…，K-1。将得到的输出信号从帧组合部141传送至输出端口5。

${\hat{x}}_n\left(t\right)={\stackrel{\‾}{x}}_{n-1}(t+K/2)+{\stackrel{\‾}{x}}_n\left(t\right)...\left(7\right)$

尽管在图10和11中在假定变换部2和逆变换部4中使用的变换是傅立叶变换的情况下进行了上述描述，但是变换部2和逆变换部4可以使用诸如余弦变换、改进余弦变换、Hadamard变换、Haar变换和小波变换等其它变换来替换傅立叶变换。例如，因为余弦变换和改进余弦变换仅获取幅度作为变换结果，所以从图9中的变换单元2至逆变换单元4的路径变得没有必要。此外，存储部311中记录的噪声信息变成仅是幅度(或功率)，这对减少存储容量和噪声抑制的计算量做出贡献。Haar变换不需要乘法，因而能够减少设计用于执行处理的LSI的面积。因为小波变换允许改变取决于频率的时间分辨率(time resolution)，所以可以预期噪声抑制效果的改善。

此外，还可能的是，由变换单元2合并多个频率分量，然后噪声抑制单元3执行实际抑制。在这种情况下，通过增加合并的频率分量的数目，其中通过从人类听觉系统的分辨率较高的低频区朝着人类听觉系统的分辨率较低的高频区增加频率，变换单元2可以实现高声音品质。按照这种方式，通过在合并了多个频率分量之后执行噪声抑制，受到噪声抑制的频率分量的数目变得更少，从而减少了整体的计算量。

[噪声抑制单元的处理]

在噪声抑制单元3中，可以执行多种抑制。作为一种代表性的抑制方法，有SS方法和MMSE STSA方法。SS方法从变换单元2提供的劣化信号幅度谱中减去噪声信息。MMSE STSA方法使用噪声信息和从变换单元2提供的劣化信号幅度频谱来相对于多个频率分量中的每一个计算抑制因子，并用得到的抑制因子乘以劣化信号幅度谱。按照使加强信号的均方功率(mean-square power)最小的方式来确定抑制因子。

在噪声抑制中，噪声抑制单元3可以采用下取整(flooring)以避免过度抑制。下取整是一种避免抑制超出最大抑制量的方法，下取整参数确定最大抑制量。SS方法施加了约束，使得从劣化信号幅度谱中减去校正噪声信息(corrected noise information)的结果不会小于下取整参数。具体地，当减法结果小于下取整参数时，SS方法用下取整参数替换减法结果。当根据校正噪声信息和劣化信号幅度谱计算的噪声因子小于下取整参数时，MMSE STSA方法用下取整参数替换抑制因子。在M.Berouti，R.Schwartz和J.Makhoul，“Enhancement of speechcorrupted by acoustic noise”，Proceedings ofICASSP’79，pp.208-211，Apr.1979的文档中公开了下取整的细节。通过采用下取整参数，噪声抑制单元3不会经历过度抑制，并且可以阻止加强信号失真的增大。

噪声抑制单元3还可以将噪声信息的频率分量的数目设置成小于劣化信号谱的数目。在这种情况下，多个噪声信息一般用于多个频率分量。因为相对于劣化信号频谱和噪声信息这二者，与合并了多个频率分量的情况相比这种情况下的劣化信号频谱的频率分辨率更高，所以与不执行频率分量合并的情况相比，噪声抑制单元3可以利用更少的计算量来实现高声音品质。在日本专利申请特开No.2008-203879中公开了一种抑制的细节，所述抑制使用一种与劣化信号谱相比频率分量的数目少的噪声信息。

(第十示例性实施例)

以下将使用图12来描述本发明的第十示例性实施例。将第十示例性实施例与第九示例性实施例相比，不同之处在于，根据本示例性实施例，噪声抑制结果被反馈给噪声抑制单元3。因为其它配置与第九示例性实施例中的配置相同，所以相应地给予等同配置相同的标记，并省略其描述。

在本示例性实施例中，噪声抑制单元3通过将与要抑制的噪声相关的噪声信息(例如，增益)乘以缩放因子来校正噪声信息，其中缩放因子是基于作为噪声抑制结果的加强信号幅度谱的。

当使用反馈噪声抑制结果来更新缩放因子时，噪声抑制单元3按照如下方式执行更新：劣化信号中不具有期望信号的噪声抑制结果越大(残余噪声越大)，校正后的噪声信息变得越大。这是因为没有期望信号的大噪声抑制结果指示抑制不充分，因而期望通过改变缩放因子来增大校正后的噪声信息。如果校正后的噪声信息较大，则在SS方法中，要减去的值变大，相应地，噪声抑制结果变小。在诸如MMSE STSA方法等乘法类型的抑制中，用于计算抑制因子的信噪比的估计值变小，相应地得到较小抑制因子。这些都使得噪声抑制更强。对于更新缩放因子，可以考虑多个方法。作为示例，以下将描述重新计算方法和连续更新方法。

作为噪声抑制结果，完全噪声抑制(complete noise suppression)的状态是理想的。为此，当劣化信号的幅度或功率较小时，噪声抑制单元3可以按照例如用于实现完全噪声抑制的状态的方式来重新计算缩放因子或连续更新缩放因子。这是因为当劣化信号的幅度或功率较小时，更可能的是信号功率也较小，而并非要抑制的噪声。噪声抑制单元3可以通过检测劣化信号的幅度或功率小于阈值来评估劣化信号的幅度或功率是否较小。

此外，噪声抑制单元3可以通过检测劣化信号的幅度或功率与存储部311中存储的噪声信息的幅度或功率之差小于阈值来评估劣化信号的幅度或功率是否较小。即，噪声抑制单元3使用了如下事实：当劣化信号的幅度或功率与噪声信息的幅度或功率相当时，劣化信号中的噪声信息的占有率高(信噪比低)。具体地，通过合并地使用多个频率点处的信息，噪声抑制单元3能够比较频谱的轮廓，从而增加检测精度。

按照如下方式重新计算SS方法中的缩放因子：对于每个频率，校正的噪声信息变为与不具有期望信号的劣化信号的劣化信号频谱相等。换句话说，噪声抑制单元3计算缩放因子α_n，使得当仅存在噪声时从变换单元2提供的劣化信号频谱|Y_n(k)|等于缩放因子α_n与噪声信息v(k)的积。此处，n是帧索引，k是频率索引。相应地，由下面的等式(8)求得缩放因子α_n(k)。

α_n(k)＝|Y _n(k)|/v _n(k)…(8)

另一方面，在SS方法中的缩放因子连续更新中，按照如下方式递增地更新缩放因子：使得没有期望信号输入的定时点处的加强信号幅度频谱变得接近于零。当噪声抑制单元3使用最小二乘平均(LMS)算法用于连续更新时，对于第n帧和频率索引k，噪声抑制单元3通过使用误差e_n(k)来通过以下等式(9)计算α_n+1(k)。

α_n+1(k)＝α_n(k)+μe_n(k)/v _n(k)…(9)

这里，μ是称作步长(step size)的小常数。

当噪声抑制单元3立即采用得到的缩放因子α_n(k)时，其使用以下等式(10)来替换等式(9)。

α_n(k)＝α_n-1(k)+μe_n(k)/v _n(k)…(10)

即，噪声抑制单元3使用当前误差来计算当前缩放因子α_n(k)，并立即对其进行使用。通过立即更新缩放因子，噪声抑制单元3可以实时地实现高度精确的噪声抑制。

当噪声抑制单元3使用归一化最小二乘法(NLMS)算法时，其通过使用上述误差e_n(k)来通过以下等式(11)计算α_n+1(k)。

α_n+1(k)＝α_n(k)+μe_n(k)v_n(k)/σ_n(k)²…(11)

σ_n(k)²是噪声信息v_n(k)的平均功率(average power)，并且可以使用基于FIR滤波器的平均(使用滑动窗口的移动平均)或基于IIR滤波器的平均(泄漏积分(leaky integration))等计算。

同样，噪声抑制单元3可以使用微扰法(perturbation method)来通过以下等式(12)计算缩放因子α_n+1(k)。

αn+1(k)＝αn(k)+μen(k)…(12)

此外，噪声抑制单元可以使用仅表达了误差符号的符号函数sgn{e_n(k)}来通过以下等式(13)计算缩放α_n+1(k)。

αn+1(k)＝αn(k)+μ·sgn{en(k)}…(13)

类似地，噪声抑制单元3可以使用最小二乘(LS)算法和其它自适应算法。此外，噪声抑制单元3可以立即采用更新的缩放因子，为此，其可以通过参照根据等式(9)到等式(10)的修改来修改等式(11)至(13)，以实时地更新缩放因子。

在MMSE STSA方法中，连续更新缩放因子。对于每个频率，噪声抑制单元3通过与使用等式(8)至(13)的上述方法相类似的方法来更新缩放α_n(k)。

将上述作为缩放因子的更新方法的重新计算方法和连续更新方法相比较，前者的特征在于高跟踪速度，而后者在于高精度。为了利用这些特性，噪声抑制单元3可以改变更新方法，使得首先使用重新计算方法，稍后使用连续更新方法。在确定用于改变更新方法的定时中，噪声抑制单元3可以采用缩放因子是否变得足够接近于最优值的条件来改变更新方法。备选地，例如，噪声抑制单元3可以在预定时间过去时改变更新方法。此外，噪声抑制单元3还可以在缩放的校正量变得小于预定阈值时改变更新方法。

如上所述，根据本示例性实施例，因为基于噪声抑制结果来更新用于噪声抑制的噪声信息，所以可以抑制包括未知噪声的多种噪声。

(第十一示例性实施例)

以下将使用图13来描述本发明的第十一示例性实施例。从输入端口9向如第十一示例性实施例的信息处理设备中包括的噪声抑制单元3提供对输入的劣化信号中是否存在已知噪声加以指示的信息(已知噪声存在信息)。在图5至8的示例中，将已知噪声存在信息供给选择部535或混合部735，在选择部535或混合部735中，根据已知噪声存在信息来进行选择或混合。

按照这种方式，可以在存在特定噪声的定时点处执行可靠的噪声抑制。

(第十二示例性实施例)

以下将使用图14来描述本发明的第十二示例性实施例。从期望信号存在确定单元8向如第十二示例性实施例的信息处理设备中包括的噪声抑制单元3提供输出。从变换单元2向期望信号存在确定单元8传送劣化信号幅度谱，在期望信号存在确定单元8中，分析劣化信号幅度谱，以确定期望信号是否存在或者期望信号存在的程度。在图5至8的示例中，将来自期望信号存在确定单元8的输出供给选择部535或混合部735，在选择部535或混合部735中，根据提供的确定结果来进行选择或混合。

根据本示例性实施例，因为根据噪声在劣化信号中的比例来进行噪声抑制，所以可以获得更精确的噪声抑制结果，作为结果。

(其它示例性实施例)

尽管在上述第一示例性实施例至第十二示例性实施例中，描述了特性彼此不同的信息处理设备，但是按照任何方式组合这些特性而得到的信息处理设备也包括在本发明的范围内。

此外，本发明可以应用于由多个设备组成的系统中，并且还可以应用于单独的设备。另外，本发明可以应用于这样的情形：将用于实现示例性实施例的功能的软件的信号处理程序直接或从远处供给系统或设备。因此，在计算机中安装程序来实现本发明功能的程序、存储程序的介质和允许下载程序的WWW服务器都包括在本发明的范围内。

图15是计算机1500的配置图，计算机1500在利用信号处理程序配置第一示例性实施例的情况下执行信号处理程序。计算机1500包括输入单元1501、CPU 1502、噪声信息存储单元1503、输出单元1504和存储器1505。

CPU1502通过读取存储器1505中存储的信号处理程序来控制计算机1500的全部操作。即，具体地，为了抑制具有已知特性的已知噪声，执行信号处理程序的CPU 1502使用预先存储的噪声信息来输出已知噪声信息(S1521)。接下来，为了抑制具有未知特性的未知噪声，CPU 1502估计未知噪声且输出未知噪声信息(S1522)。此外，CPU 1502使用已知噪声信息和未知噪声信息来抑制在输入单元1501处输入的劣化信号中包括的噪声(S1523)，且从输出单元1504输出加强信号。按照这种方式，可以获得与第一示例性实施例的结果相同的结果。

[示例性实施例的其他表达]

一部分或全部上述示例性实施例还可以被表达为以下的其他示例性实施例，但是本发明不限于此。

(其他示例性实施例1)

一种信息处理设备，包括噪声抑制装置，所述噪声抑制装置用于抑制输入的劣化信号中包括的噪声，所述信息处理设备的特征在于：

所述噪声抑制装置包括：

第一输出装置，使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；以及

第二输出装置，估计未知噪声以抑制具有未知特性的未知噪声，并输出未知噪声信息，

以及所述噪声抑制装置使用所述已知噪声信息和所述未知噪声信息来执行噪声抑制。

(其他示例性实施例2)

一种在其他示例性实施例1中描述的信息处理设备，其特征在于：

所述噪声抑制装置还使用从所述第二输出装置输出的未知噪声信息，对经过了使用从所述第一输出装置输出的已知噪声信息的噪声抑制的信号执行噪声抑制。

(其他示例性实施例3)

一种在其他示例性实施例1或2中描述的信息处理设备，其特征在于：

所述第二输出装置基于所述输入的劣化信号来估计所述未知噪声。

(其他示例性实施例4)

一种在其他示例性实施例1、2或3中描述的信息处理设备，其特征在于：

所述第一输出装置基于所述输入的劣化信号根据所述存储的噪声信息产生已知噪声信息。

(其他示例性实施例5)

一种在其他示例性实施例1中描述的信息处理设备，其特征在于：

上述噪声抑制装置还包括：

选择装置，选择从所述第一输出装置输出的所述已知噪声信息和从所述第二输出装置输出的所述未知噪声信息中的任一个，

并且所述噪声抑制装置使用所述选择部选择的噪声信息来执行噪声抑制。

(其他示例性实施例6)

一种在其他示例性实施例5中描述的信息处理设备，其特征在于：

所述选择部基于所述劣化信号来选择所述已知噪声信息和所述未知噪声信息中任一个。

(其他示例性实施例7)

一种在其他示例性实施例1中描述的信息处理设备，其特征在于：

所述噪声抑制装置还包括混合装置，所述混合装置用于混合从所述第一输出装置输出的所述已知噪声信息与从所述第二输出装置输出的未知噪声信息，并且所述噪声抑制装置使用所述混合装置的混合而产生的混合噪声信息来执行噪声抑制。

(其他示例性实施例8)

一种在其他示例性实施例7中描述的信息处理设备，其特征在于：

所述混合装置基于所述劣化信号来混合所述已知噪声信息和所述未知噪声信息。

(其他示例性实施例9)

一种在其他示例性实施例1至8中的任一项中描述的信息处理设备，其特征在于还包括：

变换装置，用于将输入的语音信号变换到频谱中，从而产生所述劣化信号；以及

逆变换装置，用于通过对噪声被所述噪声抑制装置抑制了的频谱执行逆变换来产生要输出的语音信号。

(其他示例性实施例10)

一种在其他示例性实施例1至9中的任一项中描述的信息处理设备，其特征在于：

所述第一输出装置输出根据所述噪声抑制装置的抑制结果校正之后的所述已知噪声信息。

(其他示例性实施例11)

一种在其他示例性实施例1至10中的任一项中描述的信息处理设备，其特征在于：

还包括确定装置，用于确定在劣化信号中，不应被抑制的期望信号存在的程度或者是否不存在不应被抑制的期望信号，以及

所述噪声抑制装置根据所述确定装置的确定结果来执行噪声抑制。

(其他示例性实施例12)

一种用于抑制输入的劣化信号中包括的噪声的信号处理方法，其包括：

使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；

通过估计具有未知特性的未知噪声来输出未知噪声信息，以抑制所述未知噪声；以及

使用所述已知噪声信息和所述未知噪声信息来抑制所述劣化信号中包括的噪声。

(其他示例性实施例13)

一种用于抑制输入的劣化信号中包括的噪声的信号处理程序，其特征在于使得计算机执行以下步骤：

第一输出步骤：使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；

第二输出步骤：通过估计具有未知特性的未知噪声来输出未知噪声信息，以抑制所述未知噪声；以及

噪声抑制步骤，使用所述已知噪声信息和所述未知噪声信息来抑制所述劣化信号中包括的噪声。

尽管以上已经参照示例性实施例描述了本发明，但是本发明不限于上述示例性实施例。在本发明的配置和细节中，可以在本发明的范围内进行本领域技术人员理解的多种改变。

本申请坚持要求基于2010年5月25日提交的日本专利申请No.2010-119495的优先权，在此采用公开的全部。

Claims (13)

1.一种信息处理设备，包括噪声抑制装置，所述噪声抑制装置用于抑制输入的劣化信号中包括的噪声，其中

所述噪声抑制装置包括：

第一输出装置，使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；以及

第二输出装置，通过估计具有未知特性的未知噪声来输出未知噪声信息，以抑制所述未知噪声，

并且所述噪声抑制装置使用所述已知噪声信息和所述未知噪声信息来执行噪声抑制。

2.根据权利要求1所述的信息处理设备，其中

所述噪声抑制装置还使用从所述第二输出装置输出的所述未知噪声信息对经过了使用从所述第一输出装置输出的所述已知噪声信息的噪声抑制的信号执行噪声抑制。

3.根据权利要求1或2所述的信息处理设备，其中

所述第二输出装置基于所述输入的劣化信号来估计所述未知噪声。

4.根据权利要求1至3中任一项所述的信息处理设备，其中

所述第一输出装置基于所述输入的劣化信号从所述存储的噪声信息产生已知噪声信息。

5.根据权利要求1所述的信息处理设备，其中

所述噪声抑制装置还包括选择装置，所述选择装置用于选择从所述第一输出装置输出的所述已知噪声信息和从所述第二输出装置输出的所述未知噪声信息中的任一个，并且所述噪声抑制装置使用所述选择装置选择的噪声信息来执行噪声抑制。

6.根据权利要求5所述的信息处理设备，其中

所述选择装置基于所述劣化信号来选择所述已知噪声信息和所述未知噪声信息中的任一个。

7.根据权利要求1所述的信息处理设备，其中

所述噪声抑制装置还包括混合装置，所述混合装置用于混合从所述第一输出装置输出的所述已知噪声信息与从所述第二输出装置输出的所述未知噪声信息，并且所述噪声抑制装置使用所述混合装置在混合中产生的混合噪声信息来执行噪声抑制。

8.根据权利要求7所述的信息处理设备，其中

所述混合装置基于所述劣化信号来混合所述已知噪声信息和所述未知噪声信息。

9.根据权利要求1至8中任一项所述的信息处理设备，还包括：

变换装置，用于将输入的语音信号变换到频谱，并因此产生所述劣化信号；以及

逆变换装置，用于通过对噪声被所述噪声抑制装置抑制了的频谱执行逆变换来产生要输出的语音信号。

10.根据权利要求1至9中任一项所述的信息处理设备，其中

所述第一输出装置根据所述噪声抑制装置的抑制结果对所述已知噪声信息进行校正，并输出所述校正的已知噪声信息。

11.根据权利要求1至10中任一项所述的信息处理设备，其中

信息处理设备还包括确定装置，所述确定装置用于确定在劣化信号中，不应被抑制的期望信号存在的程度或者是否不存在不应被抑制的期望信号，以及

所述噪声抑制装置根据所述确定装置的确定结果来执行噪声抑制。

12.一种信号处理方法，包括：

使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；

通过估计具有未知特性的未知噪声来输出未知噪声信息，以抑制所述未知噪声；以及

使用所述已知噪声信息和所述未知噪声信息来抑制输入的劣化信号中包括的噪声。

13.一种存储了信号处理程序的非暂时性程序记录介质，所述信号处理程序使计算机执行以下步骤：

第一输出步骤，使用预先存储的噪声信息来输出已知噪声信息，以抑制具有已知特性的已知噪声；

第二输出步骤，通过估计具有未知特性的未知噪声来输出未知噪声信息，以抑制所述未知噪声；以及

噪声抑制步骤，使用所述已知噪声信息和所述未知噪声信息来抑制输入的劣化信号中包括的噪声。

Images