CN103718241B - 噪音抑制装置 - Google Patents

Abstract

具备：输入信号分析部（8），根据多个输入信号的功率谱，进行输入信号的谐波构造以及周期性的分析；功率谱合成部（9），根据输入信号分析部（8）的分析结果，合成多个输入信号的功率谱，生成合成功率谱；噪音抑制量计算部（10），基于功率谱合成部（9）所生成的合成功率谱以及根据输入信号推测出的推测噪音谱，计算噪音抑制量；以及功率谱抑制部（11），针对功率谱合成部（9）所生成的合成功率谱，使用噪音抑制量计算部（10）计算出的噪音抑制量来进行噪音抑制。

Description

噪音抑制装置

技术领域

本发明涉及抑制混入到输入信号中的背景噪音的噪音抑制装置，用于导入了例如语音通信、语音储存、语音识别系统的车辆导航、便携电话、视频电话、内线电话（interphone）等语音通信系统、免提（handsfree）通话系统、TV会议系统、监视系统等的音质改善、语音识别系统的识别率的提高。

背景技术

伴随近年来的数字信号处理技术的发展，利用便携电话的室外的语音通话、汽车内的免提语音通话、利用语音识别的免提操作得到了广泛普及。由于在高噪音环境下使用这些装置的情况较多，所以背景噪音也与语音一起输入到麦克风，导致通话语音的劣化、语音识别率的降低等。因此，为了实现舒适的语音通话、高精度的语音识别，需要抑制混入到输入信号中的背景噪音的噪音抑制装置。

作为以往的噪音抑制方法，例如，有如下方法（参照非专利文献1）：将时域的输入信号变换为作为频域的信号的功率谱，使用输入信号的功率谱、和根据输入信号另外推测出的推测噪音谱来计算用于噪音抑制的抑制量，使用所得到的抑制量来进行输入信号的功率谱的振幅抑制，将抑制了振幅的功率谱和输入信号的相位谱变换到时域而得到噪音抑制信号。

在该以往的噪音抑制方法中，根据语音的功率谱与推测噪音功率谱的比（以下称为SN比）而计算了抑制量，但如果其值为负（以分贝值表示时），则无法正确地计算抑制量。例如，在低频部分重叠了具有大的功率的汽车行使噪音的语音信号中，语音的低频被噪音所埋没，所以SN比为负，其结果，存在语音信号的低频被过度地抑制而音质劣化这样的课题。

针对上述课题，作为通过利用多个麦克风（麦克风阵列）高效地抽出作为目标信号的语音信号、且即使在高噪音下也实现高质量的噪音抑制的方法，例如，在非专利文献2中公开了波束形成法，在专利文献1中公开了具有抽出目标信号的功能的集音装置。

在非专利文献2中，通过利用在来自音源的目标信号到达各麦克风时产生的相位差等空间信息，合成各麦克风的信号来强调目标信号，从而改善作为目标信号的语音信号与噪音的SN比，实现了良好的噪音抑制装置。

另外，在专利文献1中，作为在噪音下抽出目标信号的技术，公开了利用目标信号和噪音的音场分布差而抽出在频率轴上目标信号为支配性的频率分量的手法。在该专利文献1中，以在目标信号的音源附近设置主输入麦克风，在比主输入麦克风远离所述音源的位置设置辅助输入麦克风为条件，着眼于在这2个麦克风之间产生的电平差的特性在噪音和目标信号中不同，抽出目标信号为支配性的频率分量，从而改善了音质。

专利文献1：日本特开平11-259090号公报（第3页～5页、图1）

非专利文献1：Y.Ephraim，D.Malah，“SpeechEnhancementUsingaMinimumMeanSquareErrorShort-TimeSpectralAmplitudeEstimator”，IEEETrans.ASSP，vol.ASSP-32，No.6Dec.1984

非专利文献2：Y.Kaneda，J.Ohga，“AdaptiveMicrophone-ArraySystemforNoiseReduction”，IEEETrans.ASSP，vol.ASSP-34，No.6，Dec.1986

发明内容

在非专利文献2公开的以往的技术中，以强调了的音源（目标信号）处于与其他音源（噪音）不同的位置为前提，在目标信号和噪音处于相同的方向的情况下，存在无法强调目标信号而性能降低这样的课题。另外，在专利文献公开的以往的技术中，在接近地配置主麦克风和辅助麦克风时等对主麦克风和辅助麦克风输入了目标信号的情况下，难以检测目标信号和噪音的电平差，所以存在无法改善音质这样的课题。

本发明是为了解决上述那样的课题而完成的，其目的在于提供一种即使在高噪音环境下也实现高质量的噪音抑制的噪音抑制装置。

本发明的噪音抑制装置，具备：傅立叶变换部，将所输入的多个输入信号从时域的信号变换为作为频域的信号的谱分量；功率谱计算部，根据傅立叶变换部变换了的谱分量计算功率谱；输入信号分析部，根据功率谱计算部计算出的功率谱，进行输入信号的谐波构造以及周期性的分析；功率谱合成部，根据输入信号分析部的分析结果，合成多个输入信号的功率谱，生成合成功率谱；噪音抑制量计算部，基于功率谱合成部所生成的合成功率谱以及根据输入信号推测的推测噪音谱，计算噪音抑制量；功率谱抑制部，针对功率谱合成部所生成的合成功率谱，使用噪音抑制量计算部计算出的噪音抑制量进行噪音抑制；以及逆傅立叶变换部，将在功率谱抑制部中抑制了噪音的合成功率谱变换为时域的信号，作为语音信号输出。

根据本发明，能够提供防止语音的过度的抑制，实现高质量的噪音抑制的噪音抑制装置。

附图说明

图1是示出实施方式1的噪音抑制装置的结构的框图。

图2是示出实施方式1的噪音抑制装置的噪音抑制量计算部的结构的框图。

图3是示出实施方式1的噪音抑制装置的谐波构造的分析的说明图。

图4是示出实施方式1的噪音抑制装置的谱峰值的推测的说明图。

图5是示意地示出实施方式1的噪音抑制装置的动作的流程的图。

图6是示出实施方式1的噪音抑制装置的输出结果的一个例子的说明图。

图7是示出实施方式2的噪音抑制装置的加权平均化处理的说明图。

图8是示出实施方式4的噪音抑制装置的结构的框图。

图9是示出实施方式5的噪音抑制装置的结构的框图。

图10是示出实施方式6的噪音抑制装置的结构的框图。

图11是示出实施方式6的噪音抑制装置的应用例的说明图。

图12是示出实施方式9的噪音抑制系统的结构的框图。

符号说明

1：第一麦克风；2：第二麦克风；3：第一傅立叶变换部；4：第二傅立叶变换部；5：第一功率谱计算部；6：第二功率谱计算部；7：功率谱选择部；8：输入信号分析部；9：功率谱合成部；10：噪音抑制量计算部；11：功率谱抑制部；12：逆傅立叶变换部；13：输出端子；20：语音/噪音区间判定部；21：噪音谱推测部；22：SN比计算部；23：抑制量计算部；31：第一波束形成处理部；32：第二波束形成处理部；40：第一计算机装置；41：网络装置；42：第二计算机装置；43：服务器装置；100、100′：噪音抑制装置；200：移动体；201：驾驶席；201a：直接波；201b：反射/衍射波；202：助手席；203：反射面；204：噪音。

具体实施方式

以下，为了更详细地说明本发明，按照附图，说明用于实施本发明的方式。

实施方式1.

图1是示出实施方式1的噪音抑制装置的结构的框图。

连接了作为输入端子的第一麦克风1以及第二麦克风2的噪音抑制装置100由第一傅立叶变换部3、第二傅立叶变换部4、第一功率谱计算部5、第二功率谱计算部6、功率谱选择部7、输入信号分析部8、功率谱合成部9、噪音抑制量计算部10、功率谱抑制部11以及逆傅立叶变换部12构成。在逆傅立叶变换部12的后级连接有输出端子13。

图2是示出实施方式1的噪音抑制装置的噪音抑制量计算部的结构的框图。如图2所示，噪音抑制量计算部10由语音/噪音区间判定部20、噪音谱推测部21、SN比计算部22以及抑制量计算部23构成。

接下来，根据图1以及图2说明噪音抑制装置100的动作原理。另外，在该实施方式1中，为了简化说明，以作为输入端子使用2个麦克风的情况为例子进行说明。

首先，在对通过第一麦克风1及第二麦克风2取入的语音、音乐等进行了A/D（模拟/数字）变换之后，以规定的采样频率（例如，8kHz）进行采样，并且分割为帧单位（例如10ms），输入到噪音抑制装置100。此处，第一麦克风1作为距离目标信号的音源最近的麦克风（主麦克风）连接到第一傅立叶变换部3，输入第一输入信号x₁（t）作为主麦克风信号。另外，第二麦克风2作为其以外的麦克风（副麦克风）连接到第二傅立叶变换部4，输入第二输入信号x₂（t）作为副麦克风的信号。此处，t是采样点编号。

第一傅立叶变换部3和第二傅立叶变换部4进行同样的动作。在针对从第一麦克风1或第二麦克风2输入的输入信号，例如加上汉宁窗并根据需要进行了零填充处理之后，进行例如以下的式（1）所示的256点的高速傅立叶变换，将作为时域的信号的第一输入信号x₁（t）以及第二输入信号x₂（t）变换为作为频域的信号的第一谱分量X₁（λ，k）以及第二谱分量X₂（λ，k）。所得到的第一谱分量X₁（λ，k）被输出到第一功率谱计算部5，第二谱分量X₂（λ，k）被输出到第二功率谱计算部6。

X_M（λ，k）=FT[x_M（t）]；M=1，2···（1）

此处，λ表示对输入信号进行了帧分割时的帧编号、k表示指定谱的频率频带的频率分量的编号（以下称为谱编号）、M表示指定麦克风的编号、FT[·]表示傅立叶变换处理。另外，傅立叶变换是公知的手法，所以说明省略。

第一功率谱计算部5和第二功率谱计算部6进行同样的动作。使用以下所示的式（2），根据各输入信号的谱分量X_M（λ，k）得到第一功率谱Y₁（λ，k）和第二功率谱Y₂（λ，k）。所得到的第一功率谱Y₁（λ，k）被输出到功率谱选择部7、输入信号分析部8以及功率谱合成部9。第二功率谱Y₂（λ，k）被输出到功率谱选择部7和输入信号分析部8。

另外，第一功率谱计算部5使用以下所示的式（3）根据第一谱分量X₁（λ，k）计算作为其相位分量的相位谱θ₁（λ，k），输出到后述的逆傅立叶变换部12。

$Y_M(\mathrm{\&lambda;},k)=\sqrt{\mathrm{Re}{\left\{X_M(\mathrm{\&lambda;},k)\right\}}^2+\mathrm{Im}{\left\{X_M(\mathrm{\&lambda;},k)\right\}}^2};0\&le;k<128,M=\mathrm{1,2}\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

${\mathrm{\&theta;}}_1(\mathrm{\&lambda;},k)={\tan }^{-1}\left(\frac{\mathrm{Im}\left\{X_1(\mathrm{\&lambda;},k)\right\}}{\mathrm{Re}\left\{X_1(\mathrm{\&lambda;},k)\right\}}\right);0\&le;k<128\&CenterDot;\&CenterDot;\&CenterDot;\left(3\right)$

此处，Re{X_M（λ，k）}以及Im{X_M（λ，k）}分别表示傅立叶变换后的输入信号谱的实数部以及虚数部。

功率谱选择部7将第一功率谱Y₁（λ，k）和第二功率谱Y₂（λ，k）作为输入，使用下式（4），针对每个谱编号，比较第一功率谱和第二功率谱的值的大小，选择值大的一方而生成合成功率谱候选Y_cand（λ，k）。所生成的合成功率谱候选Y_cand（λ，k）被输出到功率谱合成部9。

此处，A是具有规定的正值的系数，作为限幅器（limiter）动作。其中，在相比于第一功率谱分量而第二功率谱分量为极大的情况下，第二功率谱分量是目标信号以外的噪音的可能性高，所以通过施加式（4）那样的限幅处理，能够防止错误的置换处理而防止质量劣化。另外，在该实施方式1中，优选A=4.0，但能够根据目标信号、噪音的样式适当地变更。

另外，式（4）中的是以使第二功率谱的能量变为与第一功率谱的能量相同的方式进行标准化而得到的结果，根据以下所示的式（5）计算。

${\tilde{Y}}_2(\mathrm{\&lambda;},k)=\sqrt{\frac{E\left(Y_1\left(\mathrm{\&lambda;}\right)\right)}{E\left(Y_2\left(\mathrm{\&lambda;}\right)\right)}}\&CenterDot;Y_2(\mathrm{\&lambda;},k);0\&le;k<128\&CenterDot;\&CenterDot;\&CenterDot;\left(5\right)$

此处，E（Y₁（λ））以及E（Y₂（λ））分别是第一功率谱的能量分量、第二功率谱的能量分量。

输入信号分析部8输入第一功率谱计算部5输出的功率谱Y₁（λ，k）、和第二功率谱计算部6输出的功率谱Y₂（λ，k），作为各功率谱的谐波构造、和当前帧的输入信号的周期性的强度的指标，进行自相关系数的计算。

能够通过检测例如图3所示那样的功率谱构成的谐波构造的波峰（以下称为谱峰值）来分析谐波构造。具体而言，谐波构造是指，为了去除无关的微小峰值分量，例如，在从各功率谱分量减去了功率谱的最大值的20%的值之后，从低频开始依次进行循迹功率谱的谱包络的极大值而求出的构造。另外，在图3所示的功率谱例中，为了易于说明，将语音谱和噪音谱记载为不同分量，但在实际的输入信号中在语音谱中重叠（相加）了噪音谱，从而无法观测功率比噪音谱小的语音谱的峰值。

在谱峰值探索之后，如果作为周期性信息p_M（λ，k）是功率谱的极大值（谱峰值），则设为p_M（λ，k）=1，否则设为p_M（λ，k）=0，针对每个谱编号k设置值。另外，在图3的例子中，抽出了所有谱峰值，但例如，也可以仅限于SN比高的频带等特定的频率频带而抽出谱峰值。

接下来，如图4所示，根据观测到的谱峰值P1、P2、…、P6的周期构造，推测被噪音谱所埋没的语音谱的峰值PS1、PS2、PS3、PS4。具体而言，例如如图4那样，计算观测到的谱峰值的周期间隔（峰值间隔）的平均值（平均峰值间隔），在未观测到谱峰值的区间（被噪音所埋没的低频部分、高频部分）中，视为按照所求出的平均峰值间隔存在谱峰值，设置其谱编号的周期性信息p_M（λ，k）=1。另外，在极低的频率频带（例如，120Hz以下）中存在语音分量是罕见的，所以在该频带中也可以不对周期性信息p_M（λ，k）设置“1”。在极高的频率频带中也能够进行同样的处理。

针对第一功率谱及第二功率谱分别实施上述处理，分别作为第一周期性信息p₁（λ，k）、第二周期性信息p₂（λ，k）求出。

接下来，使用以下所示的式（6），根据第一功率谱Y₁（λ，k）和第二功率谱Y₂（λ，k）而求出各自的标准化自相关系数

$\begin{array}{c}{\mathrm{\&rho;}}_M(\mathrm{\&lambda;},\mathrm{\&tau;})=\mathrm{FT}\left[Y_M(\mathrm{\&lambda;},k)\right];M=\mathrm{1,2}\\ {\widetilde{\mathrm{\&rho;}}}_M(\mathrm{\&lambda;},\mathrm{\&tau;})=\frac{{\mathrm{\&rho;}}_M(\mathrm{\&lambda;},\mathrm{\&tau;})}{{\mathrm{\&rho;}}_M(\mathrm{\&lambda;},0)};M=\mathrm{1,2}\end{array}\&CenterDot;\&CenterDot;\&CenterDot;\left(6\right)$

此处，τ是延迟时间，FT[·]表示傅立叶变换处理，例如以与上述式（1）相同的点数=256进行快速傅立叶变换即可。另外，上述式（6）是维纳-辛钦（Wiener-Khintchine）的定理，所以说明省略。接下来，使用以下的式（7），求出标准化自相关系数的最大值此处，式（7）意味着在16≤τ≤96的范围内检索的最大值，检索范围能够根据目标信号以及噪音的种类、频率特性适当地调整。

${\mathrm{\&rho;}}_{M\_\max }\left(\mathrm{\&lambda;}\right)=\max [{\widetilde{\mathrm{\&rho;}}}_M(\mathrm{\&lambda;},\mathrm{\&tau;}),16\&le;\mathrm{\&tau;}\&le;96,M=\mathrm{1,2}\&CenterDot;\&CenterDot;\&CenterDot;\left(7\right)$

以上，将所得到的第一周期性信息p₁（λ，k）以及第二周期性信息p₂（λ，k）、和第一自相关系数最大值ρ_{1_max}（λ）以及第二自相关系数最大值ρ_{2_max}（λ）作为输入信号分析结果，输出到功率谱合成部9。另外，第一自相关系数最大值ρ_{1_max}（λ）还被输出到噪音抑制量计算部10。

另外，在谐波构造、周期性的分析中，不限于上述功率谱的峰值分析、自相关函数法，例如，还能够使用倒谱分析等公知的手法。

功率谱合成部9使用以下所示的式（8），根据输入信号分析部8输出的输入信号分析结果，根据第一功率谱Y₁（λ，k）和合成功率谱候选Y_cand（λ，k）进行功率谱的合成，输出合成功率谱Y_syn（λ，k）。

此处，snr_ave（λ）是根据后述噪音抑制量计算部10输出的子带SN比snr_sb（λ）计算出的当前帧的平均SN比（子带SN比的平均值），能够通过以下所示的式（9）计算。另外，SNR_TH是规定的常数阈值，意味着在子带SN比的平均值snr_ave（λ）低于SNR_TH的情况下噪音区间的可能性高，不进行使用了合成功率谱候选Y_cand（λ，k）的合成处理。即，在噪音区间中，不进行利用合成功率谱候选的置换处理，将第一功率谱作为合成谱而原样地输出，从而能够不进行不需要的功率谱合成处理，能够防止质量劣化（例如，噪音电平增大、不需要的噪音信号的附加）。另外，在该实施方式1中优选SNR_TH=6（dB），但能够与目标信号、噪音的样式/频率特性相配合而适当地变更。

${\mathrm{snr}}_{\mathrm{ave}}\left(\mathrm{\&lambda;}\right)=\frac{1}{128}\underset{k=0}{\overset{127}{\mathrm{\&Sigma;}}}{\mathrm{snr}}_{\mathrm{sb}}(\mathrm{\&lambda;},k)\&CenterDot;\&CenterDot;\&CenterDot;\left(9\right)$

另外，在利用上述式（8）的功率谱合成时，使用第一周期性信息p₁（λ，k）和第二周期性信息p₂（λ，k）这两者而进行了功率谱分量的置换处理，但例如既可以仅使用第一周期性信息p₁（λ，k），也可以仅使用第二周期性信息p₂（λ，k）。这在目标信号的音源接近某一方的麦克风的情况下特别有效，例如，能够实现在目标信号的音源接近第一麦克风的情况下使用第一周期性信息p₁（λ，k）来进行功率谱合成那样的、与麦克风和目标信号的距离对应的周期性信息的切换处理。相反地，还能够根据与噪音的音源的距离实现周期性信息的切换处理，进行与目标信号时相反的处理，即在噪音的音源接近第一麦克风的情况下能够使用第二周期性信息p₂（λ，k）来进行功率谱合成。或者，也可以根据目标信号、噪音的频率特性等，例如，在500Hz以下的低频中使用第一周期性信息、在其以上的频率频带中使用第二周期性信息等，针对不同频率区分使用第一周期性信息和第二周期性信息。

通过如以上那样，在功率谱合成中使用更高精度地分析目标信号的样式的周期性信息，能够实现更良好的噪音抑制。

图5是作为上述各结构的动作的辅助说明，示意地示出第一功率谱计算部5以及第二功率谱计算部6、功率谱选择部7、输入信号分析部8、功率谱合成部9的一连串的动作的流程的图。

噪音抑制量计算部10输入合成功率谱Y_syn（λ，k），计算噪音抑制量并输出到功率谱抑制部11。以下，使用图2来说明噪音抑制量计算部10的内部结构。

语音/噪音区间判定部20输入功率谱合成部9输出的合成功率谱Y_syn（λ，k）、输入信号分析部8输出的第一自相关函数最大值ρ_{1_max}（λ）、以及后述噪音谱推测部21输出的推测噪音谱N（λ，k），判定当前帧的输入信号是语音还是噪音，输出其结果而作为判定标志。作为语音/噪音区间的判定方法，例如，在满足以下所示的式（10）和式（11）的某一方或者两方的情况下，设为是语音，将判定标志Vflag设置为“1（语音）”，在其以外的情况下，设为是噪音，将判定标志Vflag设置为“0（噪音）”而输出。

其中， $S_{\mathrm{pow}}=\underset{k=0}{\overset{127}{\mathrm{\&Sigma;}}}{Y}_{\mathrm{syn}}(\mathrm{\&lambda;},k),N_{\mathrm{pow}}=\underset{k=0}{\overset{127}{\mathrm{\&Sigma;}}}N(\mathrm{\&lambda;},k)$

此处，在式（10）中，N（λ，k）是推测噪音谱，S_pow和N_pow分别表示合成功率谱的总和、推测噪音谱的总和。另外，TH_{FR_SN}以及TH_ACF是判定用的规定的常数阈值，作为优选的例子设为TH_{FR_SN}=3（dB）以及TH_ACF=0.3，但还能够根据输入信号的状态、噪音电平适当地变更。

在该实施方式1中的语音/噪音区间判定处理中，作为参数的一部分使用了输入信号分析部8输出的第一自相关系数最大值ρ_{1_max}（λ），但例如，也可以使用功率谱合成部9输出的合成功率谱Y_syn（λ，k），计算其自相关系数最大值，替代第一自相关系数最大值来使用。通过根据语音的周期构造被校正了的合成功率谱重新求出自相关系数，语音区间检测精度提高，所以具有后述的噪音谱推测精度提高，噪音抑制装置的质量提高的效果。

噪音谱推测部21输入功率谱合成部9输出的合成功率谱Y_syn（λ，k）、和语音/噪音区间判定部20输出的判定标志Vflag，依照以下所示的式（12）和判定标志Vflag进行噪音谱的推测和更新，输出推测噪音谱N（λ，k）。

此处，N（λ-1，k）是前帧中的推测噪音谱，保持在噪音谱推测部21内的例如RAM（RandomAccessMemory：随机存取存储器）等存储单元中。在上述式（12）中，在判定标志Vflag=0的情况下，判定为当前帧的输入信号是噪音，所以使用合成功率谱Y_syn（λ，k）和更新系数α，更新前帧的推测噪音谱N（λ-1，k）。另外，更新系数α是0<α<1的范围的规定的常数，作为优选的例子是α=0.95，但还能够根据输入信号的状态、噪音电平适当地变更。

另一方面，在判定标志Vflag=1的情况下，当前帧的输入信号是语音，将前帧的推测噪音谱N（λ-1，k）原样地作为当前帧的推测噪音谱N（λ，k）而输出。

SN比计算部22使用功率谱合成部9输出的合成功率谱Y_syn（λ，k）、噪音谱推测部21输出的推测噪音谱N（λ，k）、以及后述抑制量计算部23输出的前帧的谱抑制量G（λ-1，k），计算每个谱分量的事后SNR（aposterioriSNR：后验信噪比）和事先SNR（aprioriSNR：先验信噪比）。能够使用合成功率谱Y_syn（λ，k）和推测噪音谱N（λ，k），根据以下所示的式（13）求出事后SNRγ（λ，k）。

$\mathrm{\&gamma;}(\mathrm{\&lambda;},k)=\frac{{\left|Y_{\mathrm{syn}}(\mathrm{\&lambda;},k)\right|}^2}{N(\mathrm{\&lambda;},k)};0\&le;k<128\&CenterDot;\&CenterDot;\&CenterDot;\left(13\right)$

另外，使用前帧的谱抑制量G（λ-1，k）、和前帧的事后SNRγ（λ-1，k），通过以下所示的式（14），求出事先SNRξ（λ，k）。

ξ(λ，k)=δ·γ(λ-1,k)，G²(λ-1,k)+(1-δ)·F[γ(λ，k)-1];0≤k＜128

···(14)

此处，δ是0<δ<1的范围的规定的常数，在该实施方式1中优选δ=0.98。另外，F[·]意味着半波整流，在事后SNR以分贝值表示是负的情况下设定为零。

以上，将所得到的事后SNRγ（λ，k）和事先SNRξ（λ，k）输出到抑制量计算部23，并且关于事先SNRξ（λ，k），作为每个谱分量的SN比（子带SN比snr_sb（λ，k）），输出到功率谱合成部9。

抑制量计算部23根据SN比计算部22输出的事先SNRξ（λ，k）以及事后SNRγ（λ，k），求出作为每个谱的噪音抑制量的谱抑制量G（λ，k），输出到功率谱抑制部11。

作为求出谱抑制量G（λ，k）的手法，例如，能够应用MAP法（事后概率最大化法）。MAP法是将噪音信号和语音信号假设为是高斯分布而推测谱抑制量G（λ，k）的方法，使用事先SNRξ（λ，k）以及事后SNRγ（λ，k），求出使附条件的概率密度函数成为最大的振幅谱和相位谱，将其值用作推测值。能够将决定概率密度函数的形状的ν和μ作为参数，通过以下所示的式（15）表示谱抑制量。另外，关于MAP法中的谱抑制量导出法的详细内容，设为参照以下的参考文献1，说明省略。

$\begin{array}{c}G(\mathrm{\&lambda;},k)=u(\mathrm{\&lambda;},k)+\sqrt{u^2(\mathrm{\&lambda;},k)+\frac{v}{2\mathrm{\&gamma;}(\mathrm{\&lambda;},k)}}\\ u(\mathrm{\&lambda;},k)=\frac{1}{2}-\frac{\mathrm{\&mu;}}{4\sqrt{\mathrm{\&gamma;}(\mathrm{\&lambda;},k)\mathrm{\&xi;}(\mathrm{\&lambda;},k)}}\end{array};0\&le;k<128\&CenterDot;\&CenterDot;\&CenterDot;\left(15\right)$

[参考文献1]

T.Lotter，P.Vary，“SpeechEnhancementbyMAPSpectralAmplitudeUsingaSuper-GaussianSpeechModel”，EURASIPJournalonAppliedSignalProcessing，pp.1110-1126，No.7，2005

在功率谱抑制部11中，依照以下所示的式（16），针对合成功率谱Y_syn（λ，k）的每个谱进行抑制，求出抑制了噪音的功率谱S（λ，k），输出到逆傅立叶变换部12。

S(λ，k)=G(λ，k)，Y_syn(λ，k);0≤k＜128···(16)

逆傅立叶变换部12输入第一功率谱计算部5输出的相位谱θ1（λ，k）、和抑制了噪音的功率谱S（λ，k），从频域的信号变换为时域的信号，在与前帧的输出信号进行重叠处理之后，作为抑制了噪音的语音信号s（t）从输出端子13输出。

另外，图6是示出该实施方式1的噪音抑制装置的输出结果的一个例子的说明图，示意地示出语音区间中的输出信号的谱。

图6（a）示出输入信号谱（仅第一功率谱）的一个例子。实线表示语音谱、虚线表示噪音谱，低频的一部分（区域A）和高频的一部分（区域B）被噪音所埋没，无法推测被噪音所埋没的部分的语音谱的S/N比，成为音质劣化的主要原因。

图6（b）是示出以图6（a）所示的谱为输入信号时的利用以往的噪音抑制方法得到的输出结果的图，图6（c）是示出利用该实施方式1的噪音抑制装置100得到的输出结果的图。在图6（b）以及图6（c）中，实线表示输出信号谱。可知在图6（b）中，被噪音所埋没的频带（区域A以及区域B）的语音的谐波构造消失，相对于此，在图6（c）中，被噪音所埋没的频带（区域A以及区域B）的语音的谐波构造恢复，进行良好的噪音抑制。

如以上那样，根据该实施方式1，即使在语音被噪音所埋没而SN比成为负的值的频带中，也能够以保持语音的谐波构造的方式校正而进行噪音抑制，所以能够防止语音的过度的抑制，能够进行高质量的噪音抑制。

另外，根据该实施方式1，即使在作为主麦克风的第一麦克风1的语音谱被噪音所埋没的情况下，通过使用作为其他麦克风输入的第二麦克风2的语音谱，也能够再生被噪音所埋没的分量，能够进行防止了语音的过度的抑制的高质量的噪音抑制。

另外，在以往的间距强调中，仅能够以相同的强调程度强调高次谐波分量，但根据该实施方式1，构成为根据语音的谐波构造，进行向功率更大的谱分量的置换处理（功率谱合成），所以能够期待对应于语音的谐波构造及其频率特性的间距周期强调效果。

另外，根据该实施方式1，构成为使用根据输入信号的功率谱和推测噪音谱计算的平均SN比来进行功率谱的合成处理，所以能够在噪音区间、SN比低的频带中，防止导致噪音增大等的不必要的合成，能够进行更高质量的噪音抑制。

另外，在该实施方式1中，示出了针对所有频带进行功率谱的合成处理的结构，但不限于该结构，根据需要既可以构成为仅在低频或者仅在高频中进行合成处理，也可以构成为仅在例如500至800Hz附近等特定的频率频带中进行合成处理。这样的频率频带的校正对例如被风噪（whizzingsound）、汽车引擎音等窄频带性噪声所埋没的语音的校正有效。

另外，在该实施方式1中，为了简化说明，以麦克风为2个的情况为例子进行了说明，但麦克风的数量不限于此，能够适当地变更。例如，在麦克风是3个以上的情况下，在图5所示的功率谱选择部7的谱分量大小比较评价中，选择取最大值的功率谱而作为合成功率谱候选。

实施方式2.

在上述的实施方式1中，根据上述式（9）所示的子带SN比的平均值snr_ave（λ）和规定的阈值snr_TH的比较，进行在上述式（8）中实施/不实施（ON/OFF）功率谱合成的切换处理，但例如，还能够作为输入信号的语音类似度的指标使用该平均值snr_ave（λ），作为具有更连续的变化的功率谱合成处理，在从语音区间向噪音区间转移的区间、从噪音区间向语音区间转移的区间（过渡区间）中，不进行谱分量的置换处理，而如以下所示的式（17）那样地进行合成谱候选和第一功率谱的加权平均化处理。在实施方式2中，示出其结构。

此处，Flag[p₁（λ，k），p₂（λ，k）]是在周期性信息p₁（λ，k）和p₂（λ，k）这两者为“1”的情况下返回“1”的逻辑函数。

另外，B（λ，k）是输入子带SN比的平均值snr_ave（λ）而决定的规定的权重函数，在该实施方式中优选为以下所示的式（18）的设定。另外，SNR_H（k）以及SNR_L（k）是规定的阈值，如图7所示针对不同频率设定值。另外，也可以与目标信号、噪音的样式/频率特性等相应地，适当变更权重函数B（λ，k）的设定方法、阈值SNR_H（k）以及SNR_L（k）。

$B(\mathrm{\&lambda;},k)=\frac{{\mathrm{snr}}_{\mathrm{ave}}\left(\mathrm{\&lambda;}\right)-{\mathrm{SNR}}_L}{{\mathrm{SNR}}_H-{\mathrm{SNR}}_L}\&CenterDot;\&CenterDot;\&CenterDot;\left(18\right)$

如以上那样，根据该实施方式2，构成为使用输入信号的语音类似度的指标，作为具有连续性的变化的功率谱合成处理，不进行谱分量的置换处理，而在语音和噪音的过渡区间中进行合成谱候选和第一功率谱的加权平均化处理，所以在上述实施方式1中，无法在语音区间与噪音区间之间的过渡区域中进行功率谱合成处理，但在该实施方式2中，具有能够实现过渡区域中的功率谱合成处理、而且语音区间与噪音区间之间的与功率谱合成的ON/OFF相伴的不连续感被缓和这样的协同效应（synergisticeffect）。

另外，在上述实施方式2中，示出了作为输入信号的语音类似度的指标使用子带SN比的平均值snr_ave（λ）的结构，但不限于此，还能够根据例如上述式（7）所示的自相关系数最大值ρ_{M_max}（λ）等输入信号的相关性（噪音=自相关性低、语音=自相关性高）控制功率谱合成处理。具体而言，通过在相关性高的情况下增大合成功率谱的比例，在相关性低的情况下减小合成功率谱的比例，能够得到同样的效果。

实施方式3.

在上述的实施方式1中，示出了在上述式（4）中，限幅器A的值成为规定的常数的结构，但在该实施方式3中，示出根据例如输入信号的语音类似度的指标切换使用多个常数、或者使用规定的函数来进行控制的结构。

作为输入信号的语音类似度的指标、即输入信号的样式的控制主要原因，例如，能够在上述式（7）中的自相关系数的最大值ρ_{M_max}（λ）高的情况、即输入信号的周期构造清晰的情况（输入信号为语音的可能性高）下增大值，在低的情况下减小值。另外，也可以一并使用自相关系数的最大值ρ_{M_max}（λ）和语音/噪音区间判定部20输出的判定标志Vflag，能够在判定标志Vflag是噪音的情况下减小值。

通过根据输入信号的样式控制限幅器的常数的值，在输入信号为语音的可能性高的情况下，增大限幅器的值，从而语音的劣化变少，另一方面，在输入信号为噪音的可能性高的情况下，减小限幅器的值，从而能够减小噪音的混入，能够进行更高质量的噪音抑制。

另外，作为该实施方式3的变形例，无需使限幅器值在频率方向上为恒定，而也可以针对每个频率设为不同的值。例如，作为语音的一般性的特征，低频的一方的谐波构造“明确”（谱的波峰波谷构造明显），所以能够增大限幅器的值并随着频率变高而减小限幅器的值。

如以上那样，根据该实施方式3，构成为在功率谱选择中针对每个频率进行不同的限幅器控制，所以能够进行适合于语音的每个频率的功率谱选择，能够进行更高质量的噪音抑制。

实施方式4.

在上述的实施方式1中，在图3的说明中，示出了为了谐波构造分析而进行所有谱峰值的检测的结构，但在该实施方式4中，示出仅在子带SN比高的频带中进行谱峰值的检测的结构。

图8是示出实施方式4的噪音抑制装置的结构的框图。

在实施方式4的噪音抑制装置100中，将作为噪音抑制量计算部10的内部结构的SN比计算部22输出的子带SN比输入到输入信号分析部8。输入信号分析部8使用所输入的子带SN比仅在SN比高的频带中进行谱峰值的检测。

关于子带SN比的阈值，例如作为分贝值优选为3dB，能够仅使用超过该阈值的频带的功率谱分量来进行谱峰值的检测。另外，关于子带SN比的阈值，能够根据目标信号、噪音的样式、频率特性适当地变更。同样地，在自相关系数的计算中也能够仅在子带SN比高的频带中进行计算。

如以上那样，根据该实施方式4，构成为将SN比计算部22计算出的子带SN比输入到输入信号分析部8，输入信号分析部8使用所输入的子带SN比仅在SN比高的频带中进行谱峰值的检测、或者自相关系数的计算，所以能够提高谱峰值的检测精度、语音/噪音区间判定精度，能够进行更高质量的噪音抑制。

实施方式5.

在上述的实施方式1中，示出了在上述式（4）中，使用第一功率谱和第二功率谱，去掉限幅处理而无条件地选择功率谱候选的结构，但在该实施方式5中，示出进行能够选择是否实施功率谱选择处理的ON/OFF处理的结构。

图9是示出实施方式5的噪音抑制装置的结构的框图。

在实施方式5的噪音抑制装置100中，将从输入信号分析部8输出的第二自相关系数的最大值ρ_{2_max}（λ）输入到功率谱选择部7。功率谱选择部7根据所输入的第二自相关系数的最大值ρ_{2_ma}x（λ）执行是否实施功率谱选择处理的ON/OFF处理。

具体而言，在第二自相关系数的最大值ρ_{2_max}（λ）低于规定的阈值的情况下，判断为第二功率谱是噪音信号的可能性高，跳过上述式（8）的选择处理，输出第一功率谱Y₁（λ，k）作为合成功率谱候选Y_cand（λ，k）。作为判断为第二功率谱是噪音信号时的阈值优选“0.2”，但能够根据目标信号、噪音的样式、SN比适当地变更。

如以上那样，根据该实施方式5，构成为功率谱选择部7根据所输入的第二自相关系数的最大值ρ_{2_max}（λ）执行是否实施功率谱选择处理的ON/OFF处理，在推测为第二功率谱为噪音的可能性高的情况下，原样地输出第一功率谱作为合成功率谱候选，所以能够防止不需要的功率谱合成处理，防止质量劣化（例如，噪音电平增大、不需要的噪音信号的附加等）。

实施方式6.

在该实施方式6中，说明作为麦克风的预处理，导入例如波束形成处理，使麦克风具有指向性的结构。

图10是示出该实施方式6的噪音抑制装置的结构的框图，对图1所示的实施方式1的噪音抑制装置追加设置了第一波束形成处理部31以及第二波束形成处理部32。另外，其他结构与实施方式1所示的结构相同，所以省略说明。

第一波束形成处理部31使用第一麦克风1以及第二麦克风2进行波束形成处理，使输入信号具有指向性，输出到第一傅立叶变换部3。同样地，第二波束形成处理部32使用第一麦克风1和第二麦克风2，进行波束形成处理，使输入信号具有指向性，输出到第二傅立叶变换部4。另外，在波束形成处理中，能够应用上述的非专利文献2公开的手法、最小方差无失真响应（MinimumVarianceDistortionlessResponse）法等公知的手法。

图11是示出实施方式6的噪音抑制装置的应用例的说明图。在图11中，示出了使用在第一及第二麦克风1、2中应用噪音抑制装置100′而构成的免提通话装置的通话。示出说话者X坐在移动体200的驾驶席201，使用第一及第二麦克风1、2进行免提通话的例子，区域C表示第一波束形成处理部31的指向性，为了取得驾驶席201侧的说话者X的语音而被控制为朝向驾驶席201侧，区域D表示第二波束形成处理部32的指向性，为了取得助手席202侧的说话者的语音而被控制为朝向助手席202侧。

第一波束形成处理部31使用第一及第二麦克风1、2来进行波束形成处理，将进行处理而得到的输入信号输出到第一傅立叶变换部3。同样地，第二波束形成处理部32使用第一及第二麦克风1、2进行波束形成处理，将进行处理而得到的输入信号输出到第二傅立叶变换部4。

在图11的例子中，驾驶席201的说话者X的发声所引起的直接波201a在通过波束形成取得的区域C内移动而输入到第一麦克风1。另外，说话者X的发声中的、通过壁等反射面203反射了的反射/衍射波201b在通过波束形成取得的区域D内移动而输入到第二麦克风2。另外，存在于区域C、D外的噪音不被输入到第一麦克风1或者第二麦克风2，能够去除。

在以往的噪音抑制装置中，通过助手席202侧的波束形成取得的语音无法对提高噪音抑制装置的质量作出贡献，但在该实施方式6的噪音抑制装置100′中，能够将通过助手席202侧的波束形成取得的驾驶席201侧的说话者的语音活用为向第二麦克风2的输入，能够提高噪音抑制装置的质量。

另外，在上述实施方式6中，示出了波束形成是驾驶席201侧和助手席202侧这2个区域C、D的情况，但不限于2个区域，也可以设为3个以上的区域。在3个以上的区域中设定了波束形成的情况下，在功率谱选择部7的谱分量大小比较评价中，选择取最大值的功率谱而设为合成功率谱候选。

实施方式7.

在上述的实施方式1至实施方式6中，示出了根据周期性信息进行功率谱的合成以强调作为目标信号的语音的结构，但在该实施方式7中，也可以在周期性信息的波谷的部分选择功率谱的值小的分量，进行功率谱的置换处理。在谱的波谷的检测中，能够将例如谱峰值之间的谱编号的中央值设为谱的波谷部分。

如以上那样，根据该实施方式7，构成为进行功率谱合成以减小谱的波谷部分的SN比，所以能够使语音的谐波构造明显，能够进行更高质量的噪音抑制。

实施方式8.

在上述的实施方式1至实施方式7中，示出了仅对相应的谱分量进行合成处理的结构，但例如也可以置换为对相邻的频率分量进行加权并平均了的谱。例如，关于周期性信息的相邻的频率分量，也能够使用上述式（8）或者式（17）和规定的权重系数来进行置换处理，即使在噪音的振幅电平相对目标信号的振幅电平高（SN比低）的情况等谐波构造的分析精度劣化而无法可靠地决定谱峰值位置的情况下，也能够进行功率谱的合成处理。

如以上那样，在该实施方式8中，通过进行周期分量的相邻的频率分量的权重系数的置换处理，即使在谐波构造的分析精度劣化而无法可靠地决定谱峰值位置的情况下，也能够进行功率谱的合成处理，能够提高噪音抑制装置的质量。

实施方式9.

上述的实施方式1至实施方式8中构成的噪音抑制装置100、100′中被抑制了噪音的输出信号以数字数据形式被送出到语音编码装置、语音识别装置、语音储存装置、免提通话装置等各种语音音响处理装置，但也可以构成为单独或者与上述其他装置一起通过DSP（数字信号处理处理器）的嵌入固件实现、或者作为软件程序在CPU（中央运算单元）上执行。程序既可以构成为存储于执行软件程序的计算机装置的存储装置中，也可以设为通过CD-ROM等存储介质分发的形式。

另外，还能够通过网络提供程序的全部或者一部分。图12是示出实施方式9的噪音抑制系统的结构的框图，示出提供程序的一部分的噪音抑制系统的结构。如图12所示，第一计算机装置40具备第一及第二傅立叶变换部3、4、第一及第二功率谱计算部5、6、功率谱选择部7、输入信号分析部8以及功率谱合成部9而进行处理。将在第一计算机装置40中处理过的数据经由例如由有线或者无线网络等构成的网络装置41送出到第二计算机装置42。第二计算机装置42具备噪音抑制量计算部10、功率谱抑制部11以及逆傅立叶变换部12而进行处理。

服务器装置43保持用于实现上述的实施方式1至实施方式8的噪音抑制装置100、100′的软件程序，根据需要，经由网络装置41对各个计算机装置提供进行相应处理的程序模块。另外，第一计算机装置40或者第二计算机装置42也可以兼作服务器装置43而起作用。例如，在第二计算机装置42兼作服务器装置43的情况下，第二计算机装置42经由网络装置41向第一计算机装置40提供相应程序。

如以上那样，根据该实施方式9，例如具有如下效果：能够容易地更换为与在上述的实施方式1至实施方式8中叙述的方法不同的其他噪音抑制装置，而且能够在多个计算机装置中分散执行程序处理，能够根据各计算机装置的运算能力等减轻处理负荷。作为一个例子，在第一计算机装置40为车辆导航、便携电话等面向嵌入的装置而处理能力有限制、第二计算机装置42为大型的服务器型计算机等而处理能力有余量的情况等下，能够使第二计算机装置42负担大部分的运算处理。另外，不论在上述哪一种情况下，上述功率谱合成处理的质量改善效果都不变，都是有效的。

另外，除了发送给各种语音音响处理装置以外，还能够在D/A（数字/模拟）变换之后，通过放大装置进行放大，直接从扬声器等输出而作为语音信号。

在上述的实施方式1至实施方式9中，作为噪音抑制的方法，使用MAP法而进行了说明，但还能够应用于其他方法。例如，有在上述非专利文献1中详述的最小均方误差短时间谱振幅法、在以下的参考文献2中详述的谱减法运算法等。

[参考文献2]

S.F.Boll，“SuppressionofAcousticNoiseinSpeechUsingSpectralSubtraction”，IEEETrans.onASSP，Vol.ASSP-27，No.2，pp.113-120，Apr.1979

另外，在上述实施方式1至实施方式9中，说明了窄频带电话（0～4000Hz）的情况，但不限于窄频带电话语音，例如，还能够应用于0～8000Hz等宽频带电话语音、音响信号。

另外，本申请发明能够在该发明的范围内，进行各实施方式的自由的组合、或者各实施方式的任意的构成要素的变形、或者各实施方式中的任意的构成要素的省略。

产业上的可利用性

如以上那样，本发明的噪音抑制装置即使在语音被噪音所埋没的频带中也能够以保持语音的谐波构造的方式进行校正而抑制噪音，适用于导入语音通话、语音储存、语音识别系统的各种装置的噪音抑制。

Claims (5)

1.一种噪音抑制装置，具备：

傅立叶变换部，将输入的多个输入信号从时域的信号变换为作为频域的信号的谱分量；

功率谱计算部，根据所述傅立叶变换部变换后的谱分量计算功率谱；

输入信号分析部，根据所述功率谱计算部计算出的功率谱，进行所述输入信号的谐波构造以及周期性的分析；

功率谱合成部，根据所述输入信号分析部的分析结果，合成所述多个输入信号的功率谱，生成合成功率谱；

噪音抑制量计算部，基于所述功率谱合成部所生成的合成功率谱以及根据所述输入信号推测的推测噪音谱，计算噪音抑制量；

功率谱抑制部，针对所述功率谱合成部所生成的合成功率谱，使用所述噪音抑制量计算部计算出的噪音抑制量进行噪音抑制；

逆傅立叶变换部，将在所述功率谱抑制部中抑制了噪音的合成功率谱变换为时域的信号，并作为语音信号而输出；以及

功率谱选择部，该功率谱选择部关于所述多个输入信号，比较所述功率谱计算部计算出的功率谱的谱分量，生成针对每个频率选择具有最大的值的谱分量而构成的功率谱，作为合成功率谱候选，

所述功率谱合成部将所述多个输入信号中的一个输入信号的功率谱作为代表功率谱，根据所述输入信号分析部的分析结果，对所述代表功率谱和所述功率谱选择部所生成的合成功率谱候选进行合成而生成合成功率谱。

2.根据权利要求1所述的噪音抑制装置，其特征在于，

所述输入信号分析部根据所述功率谱计算部计算出的功率谱，计算所述输入信号的周期性信息以及自相关系数，

所述功率谱合成部根据所述输入信号分析部计算出的输入信号的周期性信息以及自相关系数，对所述代表功率谱和所述功率谱选择部所生成的合成功率谱候选进行合成而生成合成功率谱。

3.根据权利要求1所述的噪音抑制装置，其特征在于，

所述功率谱合成部根据各所述输入信号的子带SN比的平均值是否为规定的阈值以上，对所述代表功率谱和所述功率谱选择部所选择的合成功率谱候选进行合成而生成合成功率谱。

4.根据权利要求3所述的噪音抑制装置，其特征在于，

所述功率谱合成部使用用各所述输入信号的子带SN比的平均值或者输入信号的相关性表示的语音类似度的指标，进行具有连续性的变化的功率谱的合成处理。

5.根据权利要求4所述的噪音抑制装置，其特征在于，

所述功率谱合成部在各所述输入信号中的从语音区间向噪音区间转移的区间以及从噪音区间向语音区间转移的区间中，进行所述代表功率谱和所述合成功率谱候选的加权平均化处理，生成合成功率谱。