JP2001005486A

JP2001005486A - 音声処理装置及び方法

Info

Publication number: JP2001005486A
Application number: JP2000122982A
Authority: JP
Inventors: David Llewellyn Rees; レウェリンリースデビッド; Robert Alexander Keiller; アレキサンダーケイラーロバート
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1999-04-23
Filing date: 2000-04-24
Publication date: 2001-01-12
Also published as: US6965860B1; GB9909425D0; GB2349259B; GB2349259A

Abstract

(57)【要約】（修正有）【課題】ノイズの影響を補償するために入力音声信号を
処理する音声処理装置、方法を提供する。【解決手段】入力音声信号を複数の連続時間フレームに
分割し、各時間フレームに対しスペクトルパラメータの
セットが抽出されるが、このスペクトルパラメータは時
間フレーム中の入力信号を示している。次に、システム
は、入力フレームに対する信号対ノイズ比の測定値に依
存して各フレームに対するパラメータを変倍することに
よって入力音声を処理する。この様にして、入力信号の
付加ノイズの影響が削減できる。

Description

【発明の詳細な説明】

【０００１】本発明は、音声処理装置及び方法に関する
ものである。本発明は、特に、音声認識あるいはスピー
カ試験のような連続処理動作での入力音声信号中のノイ
ズの影響を削減する入力音声信号の処理に関するもので
ある。

【０００２】入力音声信号のノイズは一般的な問題であ
る。主な２種類の付加ノイズには、入力音声信号及び重
畳ノイズに付加されるバックグラウンドノイズの影響に
よるノイズ、実際の発声と処理対象の発声間のチャネル
不一致によって生じるノイズが含まれる。

【０００３】本発明は、少なくとも連続処理動作上の付
加ノイズの影響を削減できる音声処理システムを提供す
ることを目的としている。好ましい実施形態は、連続処
理動作上の付加及び重畳ノイズの両方の影響を削減する
ことを目的としている。

【０００４】本発明の実施形態は、専用コンピュータハ
ードウェア回路を使用して実現できるが、説明される実
施形態は、パーソナルコンピュータ、ワークステーショ
ン、複写機、ファクシミリ装置等の処理ハードウェアと
一緒に動作するソフトウェア上で実現できる。このソフ
トウェアは、多機能コンピュータシステムを使用するオ
ペレーティングシステムの形式であっても良い。

【０００５】図１は本発明の実施形態を動作するために
プログラムされたパーソナルコンピュータ（ＰＣ）１を
示している。キーボード３、ポインティングデバイス
５、マイクロフォン７及び電話回線９は、インタフェー
ス１１を介してＰＣ１に接続されている。キーボード３
及びポインティングデバイス５はユーザによって制御さ
れることをシステムに可能にする。マイクロフォン７は
ユーザの生の音声信号を同等の電気信号に変換し、これ
を処理のためにＰＣ１に供給する。内蔵モデム及び音声
受信回路（不図示）は電話回線９に接続されても良く、
そうすることで、ＰＣ１は、例えば、遠隔コンピュータ
あるいは遠隔ユーザと接続することができる。

【０００６】本発明に従ってＰＣ１を動作させるプログ
ラム命令は、ＰＣ１上に搭載する、例えば、磁気ディス
ク１３のような記憶装置を使用して供給することがで
き、あるいは内蔵モデム及び電話回線９を介するインタ
ーネット（不図示）からの電気信号とするソフトウェア
をダウンロードすることによって供給することができ
る。

【０００７】本実施形態の音声認識システムの動作は、
図２を参照して簡単に説明する。音声認識システムのよ
り詳細な説明は、本出願人の先の欧州特許出願ＥＰ０７
８３９３で説明され、これを参照することによってその
内容は本明細書に組み込まれる。例えば、マイクロフォ
ン７からの入力音声を表す電気信号はプロセッサ１５に
入力され、そこで、入力音声信号をパラメータフレーム
群のシーケンスに変換し、パラメータフレームのそれぞ
れは入力音声信号の対応時間フレームを表している。パ
ラメータフレーム群のシーケンスは、バッファ１６を介
して認識ブロック１７に供給され、そこで、パラメータ
フレーム群のシーケンスと参照モデルあるいは単語モデ
ル１９を比較することによって音声が認識され、ここ
で、各モデルは認識対象の入力音声のパラメータと同種
のパラメータで表現されるパラメータフレーム群のシー
ケンスを構成している。

【０００８】本実施形態では、認識処理を支援するため
に、言語モデル２１及びノイズモデル２３が入力として
認識ブロック１７に提供される。ノイズモデルはサイレ
ンスあるいはバックグランドノイズ表現であり、また、
本実施形態は、認識対象の入力音声信号のフレームと同
種の単一パラメータフレームを構成している。言語モデ
ル２１は、システムに知らされる単語のシーケンスを確
認するために、認識ブロック１７から出力される可能な
単語のシーケンスを抑制するために使用される。認識ブ
ロック１７から出力される単語シーケンスは、例えば、
単語処理パッケージを使用するために書き換えられても
良く、あるいはＰＣ１の動作を初期化、停止あるいは変
更するための動作コマンドとして使用することができ
る。

【０００９】上述したように、本発明は、認識処理上の
ノイズの影響を削減するための入力音声信号の処理に関
連する。本実施形態では、この音声信号の処理は、プレ
プロセッサ１５で実行される。プレプロセッサブロック
１５のより詳細な説明は、以下に与えられる。

【００１０】プレプロセッサプレプロセッサ１５の機能は、音声から必要な情報を抽
出すること、処理すべきデータ量を削減することであ
る。入力信号から抽出できる情報には様々な種類があ
る。本実施形態では、プレプロセッサ１５は「フォルマ
ント」関連情報を抽出するように設計されている。フォ
ルマントは、ユーザの発声帯域の共鳴周波数として定義
され、このユーザの発声帯域は、ユーザが会話している
場合の発生帯域変化の形状として変化する。

【００１１】図３はプレプロセッサ１５の主要部分のブ
ロック図を示している。マイクロフォン７あるいは電話
回線９からの入力音声Ｓ（ｔ）はフィルタブロック６１
に供給され、ここで、意味のない情報を含む入力音声信
号内に含まれる周波数が除去される。音声認識に対し有
用な情報のほとんどは、３００Ｈｚ及び４ＫＨｚ間の周
波数帯域に含まれている。それゆえ、フィルタブロック
６１はこの周波数帯域以外のすべての周波数を除去す
る。音声認識に対し有用でない情報はフィルタブロック
６１でフィルタ化されるので、認識パフォーマンスの損
失はなくなる。また、ある環境、例えば、道路環境で
は、バックグラウンドノイズのほとんどが３００Ｈｚ以
下であり、フィルタブロック６１はほぼ１０ｄＢ以上の
信号対ノイズ比を効果的に向上する。次に、フィルタ化
音声信号は、アナログデジタルコンバータ（ＡＤＣ）６
３によって１６ビットデジタルサンプルに変換される。
ナイキストサンプリング基準に準拠するために、ＡＤＣ
６３は８０００回／秒レートでフィルタ化信号をサンプ
リングする。

【００１２】入力音声がサンプリングされた後、それは
ブロック６５でフレーム長と同じ長さに分割される。こ
の入力音声のフレームへの分割の理由は、以下、詳細に
説明明する。上述したように、連続音声中のフォルマン
ト関連情報は連続的に変化し、変化比は、生理学的に制
約される音声の調音器官の動作範囲に直接関係する。そ
れゆえ、フォルマント周波数の変化を追跡するために、
音声信号は短時間期間あるいはフレームで解析されなけ
ればならず、この方法は、音声解析の分野では音声の
「短時間」解析として知られている。短時間解析を実行
する場合に注目すべき２つの検討事項は、（ｉ）どのよ
うなレートで音声信号から時間フレームが抽出されるべ
きであるか、（ｉｉ）使用されるべき時間フレームがど
のくらいの長さかである。

【００１３】第１の検討事項は音声の調音器官の動作範
囲に依存する、つまり、重要な事象を見過ごさないこと
を保証し、かつ正当な継続性を維持することを保証する
ようにフレームは十分に厳密であるべきである。第２の
検討事項は、十分に短い時間フレーム間の中間物によっ
てフレーム中の音声信号の特性が一定となるようにし、
十分な周波数の詳細を与えるようにフレームは十分に長
くすることで、フォｒマントが区別できる。

【００１４】本実施形態では、必要とされる計算量を削
減するために、フロントエンド処理及び後段の認識ステ
ージの両方で、従来の窓関数なしで、１２８サンプル
（１６ミリ秒の音声に対応）の非オーバラップフレーム
が直接音声から抽出される。従来システムでは、オーバ
ラップフレームは、通常、窓関数を使用して抽出され、
この窓関数は音声信号からフレームを抽出することによ
って生じる周波数歪みを削減する。しかしながら、本出
願人は、非オーバラップフレームで、従来の窓関数は改
良認識パファーマンスよりも悪化することを見いだし
た。

【００１５】ブロック６５によって出力される音声フレ
ームＳ^k（ｒ）は、ほぼ１秒分の音声に対応する６２フ
レームを記憶できる循環バッファ６６に書き込まれる。
また、循環バッファ６６に書き込まれたフレームは、入
力信号中の音声がいつ開始し、開始した後、いつ終了し
たかを識別するためにフレームを処理する終点検出器６
８を通過する。入力信号中の音声が検出されるまで、循
環バッファ内のフレームは計算強調特徴抽出器７０に入
力されない。しかしながら、終点検出器６８が入力信号
内の音声の開始を検出した場合、終点検出器６８は、音
声ポイントの開始の後に受信されたフレームの特徴検出
器７０への通過を開始するために循環バッファへ信号を
出力し、特徴検出器７０はフーレム内の音声信号を表現
する各フレームに対するパラメータ（特徴ベクトル）セ
ットを抽出する。使用される終点検出器は、受信信号の
エネルギーを監視し、かつエネルギーが所定閾値を超え
る場合に音声の開始を示す標準終点検出器であっても良
い。しかしながら、好ましくは、終点検出器は、本出願
と併せて出願中である英国特許出願ＧＢ９８２２９３
２．１号に従って動作し、参照することによってその内
容は本明細書に組み込まれる。

【００１６】本実施形態では、特徴検出器１７によって
判定される特徴ベクトル（ｆ~_k）は入力音声の各フレー
ムに対し９個のケプストラム係数を構成する。当業者が
認識しているように、ケプストラム係数値は入力音声の
対応フレーム中の上述のフォルマントに依存する。本実
施形態では、また、特徴検出器７０は、係数値からノイ
ズの除去を行うために、各フレーム内の各ケプストラム
係数を処理するために動作可能である。図４は特徴検出
器７０の基本構成要素の詳細を示している。図示される
ように、循環バッファ６６からの音声Ｓ^k（ｒ）のフレ
ームはスペクトルパラメータ計算ユニット７１及びエネ
ルギーベースパラメータ計算ユニット７３に入力され
る。スペクトルパラメータ計算ユニット７１は、上述し
た９個のケプストラム係数［Ｃ₁、Ｃ₂、Ｃ₃、Ｃ₄、…、
Ｃ₉］を計算する。この動作を実行するスペクトルパラ
メータ計算ユニット７１における方法は音声認識の分野
では良く知られており、本願と一緒に出願されている英
国出願ＧＢ９８２２９３２．１号に記載されるので、こ
こではこれ以上説明しない。エネルギーベースパラメー
タ計算回路７３は、処理対象の注目フレーム内の入力信
号のエネルギーを示すパラメータを計算する。本実施形
態では、このエネルギーベースパラメータは、フレーム
中の入力信号の平均マグニチュードであり、以下の式に
よって与えられる。

【００１７】

【数７】ここで、Ｎは各フレーム内のサンプル数（本実施形態で
は１２８）である。本実施形態で平均マグニチュードは
計算され、これは、フレーム内の入力信号の実際のエネ
ルギーを計算するために必要とされる平方計算が必要に
ならなくなるからである。この注目フレームに対する平
均マグニチュード値は、ノイズ比較ユニット７７によっ
て使用されるバッファ７５に記憶される。本実施形態で
は、バッファ７５は前の６２フレームに対する平均マグ
ニチュード値を記憶し、これは入力信号の半分に対応す
る。

【００１８】ノイズ補償ユニット７７はスペクトルパラ
メータ計算ユニット７１から出力される９個のケプスト
ラム係数を受信し、ケプストラム係数内のノイズに対す
る補償を行うため各ケプストラム係数の補正を実行す
る。本実施形態では、ノイズ補償ユニット７７は付加ノ
イズ（バックグラウンドノイズ）及び重畳ノイズ（チャ
ネルノイズ）の両方を補償するように動作可能である。
図５は図４に示されるノイズ補償ユニット７７の主要構
成要素の詳細を示している。図示されるように、スペク
トルパラメータ計算ユニット７１によって出力される注
目フレーム（ｋ）に対する特徴ベクトル（ｆ_k）は付加
ノイズ補償ユニット７９に入力され、この付加ノイズ補
償ユニット７９は付加ノイズの影響を削減するために特
徴ベクトルを処理する。次に、付加ノイズ補償ユニット
７９によって出力される特徴ベクトル（ｆ’_k）はチャ
ネルノイズ補償ユニット８１に入力され、このチャネル
ノイズ補償ユニット８１はチャネルノイズの影響を削減
するために受信特徴ベクトルを処理するように動作可能
である。次に、チャネルノイズ補償ユニット８１から出
力される特徴ベクトル（ｆ’’_k）は信号対ノイズ比依
存変倍ユニット８３によって変倍され、この信号対ノイ
ズ比依存変倍ユニット８３は、付加ノイズに対する追加
補正を行い、かつ注目フレームに対するノイズ補正され
た特徴ベクトル（ｆ~_k）を出力するように動作可能であ
る。

【００１９】これらの処理ユニットのそれぞれは、図６
から図１０を参照してより詳細に説明する。付加ノイズ補償ユニット付加ノイズは、音声信号に付加されるバックグラウンド
内のノイズの影響によるものである。付加ノイズ補償ユ
ニットは、以下の測定値に基づくノイズに対する補正を
実行する。（１）注目フレームエネルギーが平均ノイズエネルギー
に近いあるいはよりも小さい場合に、注目フレームに対
するケプストラム係数は、平均ノイズケプストラム係数
へバイアスされる（即ち、入力信号中のバックグラウン
ドノイズが存在場合に取得される平均ケプストラム係
数）（２）注目フレームエネルギーが平均ノイズエネルギー
よりも大きい場合に、付加ノイズの影響を小さくするこれらの測定値は図６に示される。特に、図６は２つの
異なるバックグラウンドノイズ状態での同一の発声に対
するケプストラム係数（Ｃ_i）の１つの値の変化の過程
を示している。入力信号の発声の開始は垂直破線Ｓ．
Ｏ．Ｓ（音声の開始：start of specch）によって示さ
れ、終了は垂直破線Ｅ．Ｏ．Ｓ（音声の終了：end of s
pecch）によって示されてる。図６に示されるように、
音声の開始及び音声の終了間の領域１０３では、Ｃ_i）
は、バックグラウンドノイズのレベルに関係ない同一の
規則で変化し、入力信号内に音声が存在しない場合（領
域１０１及び１０５）、ケプストラム係数Ｃ_i）の値
は、それぞれの発声に対する平均バックグラウンドノイ
ズによって示されるレベルでほぼ一定となっている。特
に、領域１０１及び１０５のケプストラム係数Ｃ_i）
は、特定発声に対する対応平均ノイズケプストラム係数
（ｎ_i）にバイアスされる。領域１０１及び１０５のケ
プストラム係数Ｃ_i）の値の不一致は、認識エラーをも
たらす。また、当業者が理解しているように、この問題
は音声発声部分の開始及び終了でのノイズを削減しない
ばかりか、音声信号は通常短時間のポーズを含んでいる
ので発声中にも生じ得る。加えて、摩擦音のような低エ
ネルギー音声音は、ノイズにによって著しく影響を受け
得る。

【００２０】これらの測定値に基づいて、付加ノイズ補
償ユニット７９は処理対象の注目フレームに対する信号
対ノイズ比に依存する補償を実行する。特に、付加ノイ
ズ補償ユニット７９は、低信号対ノイズ比が存在する場
合は注目フレームに対する特徴ベクトル（ｆ_k）から平
均ノイズ特徴ベクトル（ｆ_noise）を減算し、高信号対
ノイズ比が存在する場合は補正を実行しない。より具体
的には、ノイズ補償ユニット７９は以下の計算を実行す
る。

【００２１】

【数８】ここで、ｆ_noiseは平均ノイズ特徴ベクトルであり、こ
れはユーザが発声していない場合の入力信号のサンプル
から決定され、ｇ（ＳＮＲ_k）は各フレームに対して計
算された関数であり、本実施形態では、注目フレームに
対する信号対ノイズ比が高い場合にはゼロに等しく（そ
うすることで、注目フレームでは補償は実行されな
い）、注目フレームに対する信号対ノイズ比がゼロより
小さいあるいは等しい場合には１に等しい（そうするこ
とで、平均ノイズケプストラム係数（ｎ _i））は注目フ
レームに対するケプストラム係数から減算される）。本
実施形態では、ｇ（ＳＮＲ_k）は、以下の式で与えられ
る。

【００２２】

【数９】ここで、βは選択定数の一例であり（本実施形態では、
１の値を有する）、ＳＮＲ_kは処理対象の注目フレーム
に対する信号対ノイズ比の平均である。本実施形態で
は、信号対ノイズ比計算ユニット８５は、処理対象の注
目フレームに対する平均マグニチュード（ｅ_k ^sig）（エ
ネルギーベースパラメータ計算ユニット７３によって計
算され、バッファ７５に記憶された）と平均ノイズマグ
ニチュード（ｅ^noise）を使用してこの測定値を計算
し、この平均ノイズマグニチュード（ｅⁿ ^oise）は上述
の式（１）を使用して音声検出器が発声の開始を識別す
る前に入力信号のサンプルから計算される。特に、信号
対ノイズ比計算ユニット８５は、以下の式を計算する。

【００２３】

【数１０】

【００２４】図７は、付加ノイズ補償ユニット７９によ
って出力される処理ケプストラム値（Ｃ’_i）が図６に
対する発声と同じ発声内で変化する過程を示す軌跡であ
る。図示されるように、領域１０３では、発声に対応し
て処理ケプストラム値Ｃ’_iは未処理ケプストラム値
Ｃ’_i（図６に示される）が変化する過程と同じ過程で
変化し、一方で、領域１０１及び１０５では、処理ケプ
ストラム値Ｃ’_iは、発声の入力中の平均ノイズレベル
ではなくゼロにバイアスされる。それゆえ、トレーニン
グ中に生成された特徴ベクトル及び認識中の特徴ベクト
ルの両方が上記のようにして処理される場合、入力信号
中のバックグランドノイズの異なるレベルによって生じ
るエラーが削減できる。チャネルノイズ補償ユニット重畳ノイズはトレーニングが実行される時間と認識が実
行される時間との間のチャネル不一致によって生じる。
例えば、重畳ノイズは、トレーニングステージ及び次の
認識ステージに対して異なるマイクロフォンが使用され
る場合、あるいはマイクロフォンでトレーニングステー
ジが実行され、かつ次の認識ステージが電話回線を介し
て実行される場合に発生する。本実施形態では、ケプス
トラム平均減算（ＣＭＳ）の改良形態が採用される。標
準ＣＭＳアルゴリズムでは、発声に対する平均特徴ベク
トル（ケプストラム平均）が計算され、発声に対する各
特徴ベクトルから減算される。標準ＣＭＳ補償技術の配
下にある原理は、線形チャネル不一致がトレーニング発
声及び次の認識対象の入力発生間の各ケプストラム係数
に対する一定相対オフセットをもたらすことである。ケ
プストラム平均の減算は、入力及びトレーニング発声の
両方に対し処理ケプストラム係数の平均を０にし、それ
によって、あらゆるチャネル不一致を除去する。

【００２５】しかしながら、基本ＣＭＳ技術は２つの問
題の影響を受ける。１つ目の問題は、チャネル補償を実
行する前に全発声を必要とすることである。これは、入
力発声のフレームが、入力音声が終了した後に処理でき
ず、それゆえ、システムの応答性が著しく低下させられ
ることを意味する。２つ目の問題は、チャネル不一致が
入力及びトレーニング発声間の各ケプストラム係数に対
し一定オフセットを導くという基本前提がノイズが存在
する場合には間違っているということである。発明者
は、処理対象の注目フレームに対する信号対ノイズ比が
低く、そのフレームに対するケプストラム値がノイズに
よって支配され、かつオフセットが存在しない場合に
は、このオフセットを示す高信号対ノイズ比を有するフ
レームだけが存在することに注意している。それゆえ、
本実施形態で採用されている拡張ＣＭＳ技術は、以下の
式を使用してケプストラム平均の信号対ノイズ比依存減
算を実行する。

【００２６】

【数１１】ここで、ｆ_meanはケプストラム平均ベクトルであり、ｇ
（ＳＮＲ_k）は各フレームに対して計算される関数であ
り、本実施形態では、注目フレームに対する信号対ノイ
ズ比が高い場合はゼロに等しく（そうすることで、ケプ
ストラム平均は注目フレームに対するケプストラム平均
から減算される）、注目フレームに対する信号対ノイズ
比がゼロより小さいあるいは等しい場合は１に等しい
（そうすることで、注目フレームに対する補償は実行さ
れない）。本実施形態では、チャネルノイズ補償ユニッ
ト８１で使用されるｇ（ＳＮＲ_k）は付加ノイズ補償ユ
ニット７９によって使用されるｇ（ＳＮＲ_k）と同じで
あり、ＳＮＲ_kは付加ノイズ補償ユニット７９によって
使用された信号対ノイズ比の平均と同じである。

【００２７】本実施形態では、音声認識システムは実質
的にリアルタイム方法で動作するように設計される。そ
の結果、ケプストラム平均（ｆ_mean）を計算する前に入
力対象の全発声を待機することを不可能である。それゆ
え、本実施形態では、ケプストラム平均（ｆ_mean）は、
以下から概算される。

【００２８】

【数１２】ここで、Ｎは音声の開始からのフレーム数である。当業
者が理解しているように、この概算は、高信号対ノイズ
比を有するフレームにより重みを付けるために重み付け
される。計算はフレーム同期でリアルタイムに実行さ
れ、これによってリアルタイムで音声認識処理を実行す
ることを可能にする。残念ながら、これは、発声の開始
の近傍では、合計値の数フレーム分しか存在せず、ケプ
ストラム平均（ｆ_mean）の概算値が関係ないことを意味
する。それゆえ、関係ない概算値の減算を避けるため
に、ｆ_meanは、Ｎが小さい場合にはパラメータτを使用
してゼロにバイアスされ、本実施形態では、パラメータ
τはチャネル不一致量に依存する５から２０の間の典型
的な値を有する。特に、本実施形態では、τは大きなチ
ャネル不一致が存在する場合はより５に近い値となり、
例えば、異なる部屋の音響によって生じる小さな不一致
が存在する場合は２０の値となる。これは、発声の開始
の近傍で実行されるチャネル補正はわずかに行うあるい
は行わなくて済むが、上述の補償はチャネル不一致に対
する補償中に影響を与え、一方で、入力音声のリアルタ
イム処理の全利益を残している。ＳＮＲ依存変倍ユニットＳＮＲ依存変倍ユニットは、付加ノイズに対する更なる
耐性を与えるために提供される。変倍は、処理対象の注
目フレームのエネルギーが平均ノイズエネルギーに近い
あるいはよりも小さい場合の測定値に基づいて実行さ
れ、注目フレームに対する各ケプストラム係数の標準偏
差は付加ノイズの存在で削減される。ＳＮＲ依存変倍ユ
ニット８３で実行される補償はこの変化の補正を行い、
そして、フレーム内の与えられたケプストラム係数の標
準偏差は、トレーニング発声に対するものとなるように
入力発声に対しても同じになる。以下に説明するよう
に、これは、注目フレームに対する特徴ベクトルと信号
対ノイズ比依存変倍率を乗算することによって達成され
る。

【００２９】本実施形態では、各ケプストラム係数の標
準偏差の信号対ノイズ比依存変化は、以下の式によって
モデル化される。

【００３０】

【数１３】ここで、σ_i（ＳＮＲ_k）は処理対象の注目フレーム
（ｋ）におけるケプストラム係数Ｃ_iの標準偏差であ
り、σ_i（ＳＮＲ_∞）はノイズが存在しない場合のケプ
ストラム係数Ｃ_iの標準偏差であり、αは決定された定
数例（本実施形態では、２である）であり、ｇ（ＳＮＲ
_k）は各フレームに対して計算される関数であり、本実
施形態では、注目フレームに対する信号対ノイズ比が高
い場合にはゼロに等しく、注目フレームに対する信号対
ノイズ比がゼロより小さいあるいは等しい場合には１に
等しい。本実施形態では、ｇ（ＳＮＲ_k）は、付加ノイ
ズ補償ユニット７９及びチャネルノイズ補償ユニット８
１によって使用される関数と同じ関数である。それゆ
え、注目フレームに対する信号対ノイズ比が高い場合の
注目フレームに対する各ケプストラム係数の標準偏差
は、ノイズが存在しない場合はその標準偏差と同じであ
り、注目フレームに信号対ノイズ比が低い場合の各ケプ
ストラム係数の標準偏差は、ノイズが存在しない場合の
対応ケプストラム係数の標準偏差の半分である。

【００３１】認識中の入力発声及びトレーニング発声に
対するケプストラム係数の標準偏差を等化にするため
に、まず、ターゲット標準偏差（σ^T _i（ＳＮ
Ｒ_k ^traget））が定義され、次に、ケプストラム係数の
標準偏差をこのターゲット標準偏差にマッピングするマ
ッピング関数が決定される。特に、ターゲット標準偏差
が、以下の式で定義される場合、

【００３２】

【数１４】次に、上記の式７によって式８を除算すると、

【００３３】

【数１５】この式は、処理対象の注目フレームのケプストラム係数
に対する標準偏差をこのターゲット標準偏差にマッピン
グする。

【００３４】本実施形態では、注目フレームに対する標
準偏差のターゲット標準偏差へのマッピング（変倍）に
依存する信号対ノイズ比は、チャネルノイズ補償ユニッ
ト８１から受信されるケプストラム係数を変倍するため
に直接使用される。これは有効なことであり、チャネル
ノイズ補償ユニット８１によって出力されるケプストラ
ム係数の平均がゼロとなるので、この変倍は係数の標準
偏差だけに影響を与え、その平均値には影響を与えな
い。換言すれば、信号対ノイズ比依存変倍ユニット８３
は、以下の補償を実行する。

【００３５】

【数１６】

【００３６】最終タスクは、ターゲット信号対ノイズ比
（ＳＮＲ_k ^target）を定義することである。本実施形態
では、ターゲット信号対ノイズ比は、以下から計算され
る。

【００３７】

【数１７】ここで、ｅ^targ.noiseはターゲットノイズ下限であり、
本実施形態では、入力発声に対し一定であり、発声内の
ピークフレームエネルギー以下の一定量（γ）として計
算される。この一定値γは選択一定値の例である。γが
大きすぎる場合はノイズフレームはより重み付けされ、
小さすぎる場合は正常なフレームはよりノイズにされる
（縮小倍されることによって）。本実施形態では、γは
２．５の値を有する。上述したように、本実施形態の音
声認識システムは実質的にリアルタイム方法で動作する
ように設計される。それゆえ、発声に対するピークフレ
ームエネルギーを判定する前に全入力発声を受信するた
めに待機することができない。しかしながら、これは、
問題ではない、音声の始まりの検出の数フレーム内に
は、通常、発声内のピークフレームエネルギーが観測さ
れるからである。それゆえ、バッファ７５内の２０フレ
ームに対するフレームエネルギーを記憶することによっ
て、発声内の最大フレームエネルギーの良好な概算値
は、バッファ７５内に記憶される最大フレームエネルギ
ーを判定することによって決定できる。次に、この最大
フレームエネルギーの概算値は、上述した方法でノイズ
下限を判定するために使用される。

【００３８】図９は発声中の入力発生のエネルギーの変
化の過程を示している。また、図９はピークフレームエ
ネルギー（ｅ^）から判定されるターゲットノイズ下限
を示している。上述の式１０で実行される変倍の効果
は、時間ｔ₁でのフレームのようなターゲットノイズ下
限以下のフレームに対するケプストラム係数が半分にさ
れることであり、一方、時間ｔ₂でのフレームのような
ターゲットノイズ下限は変倍されず、ターゲットノイズ
下限周辺は１／２から１の間の変倍率によって変倍され
る。発明者は、ケプストラム係数の信号対ノイズ比依存
変倍が付加ノイズに対しより耐性がある音声認識システ
ムを導くことを認識しており、これは、トレーニング及
び認識中の特徴が全共通信号対ノイズ比にマッピングさ
れるからである。

【００３９】次に、信号対ノイズ比依存変倍ユニット８
３によって出力される調整特徴ベクトル（ｆ~_k）は特徴
抽出器７７によって出力され、認識ユニット１７による
処理のためにバッファ１６に入力される。認識ユニット
１７の動作は、本発明では重要ではなく、それゆえ、以
降説明しない。

【００４０】認識ユニット１７は、例えば、標準スピー
カに依存する単独の音声認識システムあるいはスピーカ
に継続的に依存しない単独の音声認識システムであって
も良い。採用できる音声認識システムの種類の１つは、
本出願人の先願である上述の欧州特許出願ＥＰ０７８９
３４９に記述されている。他の実施形態上記実施形態では、ノイズ補償ユニット７７は、付加及
びチャネルノイズ障害の両方を補償した。図１０は付加
ノイズだけに対し補償を実行する本発明の第２の実施形
態に従うノイズ補償の構成を示している。図１０に示さ
れるように、この実施形態のノイズ補償ユニット７７
は、付加ノイズ補償ユニット７９及びＳＮＲ依存変倍ユ
ニット８３を構成する。これらのユニットによって実行
される補正は、第１の実施形態で実行される補正と同じ
であり、それゆえ、再度、説明はしない。しかしなが
ら、チャネルノイズ補償が存在しないので、ケプストラ
ム平均特徴ベクトルは各入力特徴ベクトルから減算され
ないことに注意すべきである。それゆえ、入力発声のケ
プストラム平均がゼロに近くない場合、信号対ノイズ比
依存変倍は同じ歪みが生じ得る。しかしながら、これ
は、適切な前置強調及びフィルタリング回路を介するノ
イズ補償ユニットの前に入力音声の最適な処理によって
回避することができる。一方、リアルタイムで動作しな
いシステムでは、そのシステムは入力発声に対する平均
ケプストラム特徴ベクトルを計算することができ、これ
を各特徴ベクトルから減算することができる。

【００４１】図１１は変倍ユニット８３によって実行さ
れる信号対ノイズ比依存変倍補償だけを実行する別のノ
イズ補償ユニット７７を示している。再度、変倍ユニッ
ト８３によって生じる歪みを回避するために、同様の検
討事項が各発声に対する平均ケプストラム特徴ベクトル
に関して取り上げられるべきである。また、図示してい
ないが、第１の実施形態の上述の３つの補償は、それら
自身あるいは任意の補償の組み合わせで実行できる。

【００４２】上記実施形態では、上記補正は、トレーニ
ング中かつ次の認識処理中の入力発声に適用された。音
声認識の当業者が理解しているように、トレーニングデ
ータにおける上記補正を実行することは重要ではない。
特に、トレーニングデータに対し上記補正が適用されな
い場合、適切な調整が実行される補償に対し行うことが
できる。例えば、このような実施形態では、図５に示さ
れる付加ノイズ補償ユニット７９は以下の補償を実行す
る。

【００４３】

【数１８】ここで、ｆ￣_noiseはトレーニング音声に対する平均ノ
イズ特徴ベクトルである。同様の調整は、チャネルノイ
ズ補償ユニット８１及びＳＮＲ依存変倍ユニット８３に
よって実行される補償に対しても行うことができる。

【００４４】上記実施形態では、音声認識システムは実
質的にリアルタイムで動作するように設計された。これ
は重要ではない。全入力発声は、認識処理の前に受信さ
れても良い。この場合、発声内のケプストラム平均特徴
ベクトル及びピークフレームエネルギーは、任意の補正
が実行される前に決定される。

【００４５】上記実施形態では、ケプストラム係数は、
各フレーム内の音声をモデル化するために使用された。
当業者が理解しているように、上記ノイズ補償は、フィ
ルタバンク係数あるいは線形予測解析による係数のよう
な他の種類のスペクトル係数で実行できる。

【００４６】上記実施形態では、信号対ノイズ比依存変
倍補償に対し、ターゲットノイズレベルは音声信号の開
始で検出される最大フレームエネルギーに比例して定義
された。次に、このターゲットノイズ下限は全入力発声
に対する一定ノイズレベルとして使用された。別の実施
形態では、入力発声内のフレームのエネルギーは、継続
的に監視でき、事前に計算されたピークフレームエネル
ギーよりも大きいフレームエネルギーを有するフレーム
をシステムが識別する場合にはターゲットノイズ下限は
再計算できる。

【００４７】上記実施形態では、信号対ノイズ比測定値
は各フレームに対して一定であった。別の実施形態で
は、入力フレーム内の異なる周波数帯域に対する信号対
ノイズ比の測定値が決定できる。このような実施形態で
は、関数ｇ（ＳＮＲ_k）は、処理対象のフレームの各ケ
プストラム係数に対して値を有する。

【００４８】上記実施形態では、α、β及びγは経験的
な定数が選択され、各ケプストラム係数に対し同じ値を
有していた。別の実施形態では、これらの係数の１つ以
上が、入力フレーム内のケプストラム係数のそれぞれに
対し異なる値を有することができる。一方、そのような
実施形態が可能であり、より良いノイズ補償を導ける場
合もあるが、複雑になるので好ましくない。

【００４９】上記実施形態では、同じ信号対ノイズ比依
存関数（ｇ（ＳＮＲ_k））が、処理対象の異なるノイズ
補償で使用された。これは重要ではない。異なる信号対
ノイズ比関数が、実行される補償のそれぞれに対し使用
することができる。しかしながら、要求される計算数を
削減できるので、同じ関数を使用することが好ましい。

【００５０】当業者が理解しているように、上述のノイ
ズ補償技術は音声認識以外の様々な音声処理用途に使用
することができる。例えば、本出願で説明されている補
償は、スピーカ検査システムに使用しても良い。

【図面の簡単な説明】

【図１】本発明の実施形態で動作するようにプログラム
されるコンピュータの概要図である。

【図２】音声認識システムの概要図である。

【図３】入力音声信号上で実行されるいくつかの処理ス
テップを示し、図２に示されるシステムの一部として組
み込まれるプレプロセッサを示すブロック図である。

【図４】図３に示されるプレプロセッサの一部を形成す
る特徴抽出器の主要構成要素を示すブロック図である。

【図５】図４に示される特徴抽出器の一部を形成するノ
イズ補償ユニットの主要構成要素を示すブロック図であ
る。

【図６】図５に示されるノイズ補償ユニットがオフに切
り替わる場合に異なるバックグラウンドノイズレベルを
有する２つの入力発声で変化する図３に示される特徴抽
出器によってケプストラム係数が出力される過程の軌跡
を示す図である。

【図７】図５に示されるノイズ補償ユニットの一部を形
成する付加ノイズ補償ユニットによって出力される図６
に示される補償ケプストラム係数の軌跡を示す図であ
る。

【図８】スピーカと音声処理装置間の異なるチャネルを
持たない場合と、オフに切り替わる図５に示されるノイ
ズ補償ユニットを持つ場合とでの、同じ単語の２つの発
声で変化する図３に示される特徴抽出器によってどのよ
うにケプストラム係数が出力されるかを示す軌跡を示す
図である。

【図９】入力音声発声内でのフレームエネルギーが変化
する過程の軌跡を示す図である。

【図１０】別のノイズ補償ユニットの構成を示すブロッ
ク図である。

【図１１】別のノイズ補償ユニットの構成を示すブロッ
ク図である。

───────────────────────────────────────────────────── フロントページの続き (72)発明者ロバートアレキサンダーケイラーイギリス国ジーユー２５ワイジェイサリー，ギルドフォード，サリーリサーチパーク，オッカムロード，オッカムコート１キヤノンリサーチセンターヨーロッパリミテッド内

Claims

【特許請求の範囲】

【請求項１】音声処理装置であって、音声成分とノイズ成分を構成する入力信号を受信する受
信手段と、前記入力信号に対する信号対ノイズ比（ＳＮＲ）の平均
を計算する計算手段と、前記計算された信号対ノイズ比の測定値に依存して前記
入力信号を変倍する変倍手段とを備えることを特徴とす
る音声処理装置。
【請求項２】前記変倍手段は、前記ＳＮＲ測定値に依
存する変倍を適用あるいは適用しないように動作可能で
あることを特徴とする請求項１に記載の音声処理装置。
【請求項３】前記変倍手段は、前記ＳＮＲ測定値を指
数的に変化させる変倍を適用するように動作可能である
ことを特徴とする請求項１あるいは請求項２に記載の音
声処理装置。
【請求項４】前記変倍手段は、ターゲットノイズレベ
ルを参照して定義されるターゲットＳＮＲに依存する前
記変倍を実行するように動作可能であることを特徴とす
る請求項１乃至請求項３のいずれか１項に記載の音声処
理装置。
【請求項５】前記入力信号を複数の時間フレームに分
割する分割手段と、前記時間フレーム内それぞれの前記
入力信号を示す信号を生成する生成手段とを更に備え、
前記計算手段は、各時間フレーム内の前記信号に対する
前記ＳＮＲ測定値を計算するように動作可能であり、前
記変倍手段は、前記時間フレームに対して計算された前
記ＳＮＲに依存して各時間フレーム内の前記信号を変倍
するように動作可能であることを特徴とする請求項１乃
至請求項４のいずれか１項に記載の音声処理装置。
【請求項６】前記ターゲットノイズレベルは、前記入
力信号内のフレームエネルギーの最大測定値以下の所定
レベルとして決定されることを特徴とする請求項４に従
属する場合の請求項５に記載の音声処理装置。
【請求項７】各フレーム内の前記入力信号を示す前記
信号は、前記フレーム内の前記入力信号に対する複数の
スペクトルパラメータを構成することを特徴とする請求
項５あるいは請求項６に記載の音声処理装置。
【請求項８】前記スペクトルパラメータは、ケプスト
ラム係数を構成することを特徴とする請求項７に記載の
音声処理装置。
【請求項９】前記変倍手段は、以下の式を使用して変
倍動作を実行するように動作可能であり、【数１】ここで、ｆ_kはスペクトルパラメータのベクトルであ
り、αは経験的に選択された定数であり、ｇ（ＳＮ
Ｒ_k）は前記計算手段によって計算された前記信号対ノ
イズ比測定値の指数関数であり、ｇ（ＳＮＲ_k ^target）
は前記ターゲット信号対ノイズ比測定値の指数関数であ
ることを特徴とする請求項７あるいは請求項８に記載の
音声処理装置。
【請求項１０】前記αは、２に等しいことを特徴とす
る請求項９に記載の音声処理装置。
【請求項１１】前記指数関数ｇ（）は、以下の式を有
し、【数２】ここで、βは経験的に選択された定数であることを特徴
とする請求項９あるいは請求項１０に記載の音声処理装
置。
【請求項１２】前記計算手段は、以下の式を使用し
て、注目フレームに対する前記信号対ノイズ比の測定値
を計算するように動作可能であり、【数３】ここで、ｅ_k ^sigは前記注目フレーム中の信号強度の測定
値であり、ｅ^noiseは音声成分が存在しない場合の前記
入力信号をサンプリングすることによって取得されるバ
ックグラウンドノイズの測定値であることを特徴とする
請求項６、あるいは請求項６に従属する請求項７乃至請
求項１１のいずれか１項に記載の音声処理装置。
【請求項１３】各時間フレーム内の前記入力信号は、
サンプリングされ、前記計算手段は、前記注目フレーム
内のサンプルのマグニチュードを加算することによっ
て、該注目フレーム内の前記信号強度の測定値を計算す
るように動作可能であることを特徴とする請求項１２に
記載の音声処理装置。
【請求項１４】前記変倍手段は、実質的にリアルタイ
ムで前記入力信号を変倍するように動作可能であること
を特徴とする請求項１乃至請求項１３のいずれか１項に
記載の音声処理装置。
【請求項１５】前記入力信号に対する信号対ノイズ比
依存減算を実行する減算手段とを更に備えることを特徴
とする請求項１乃至請求項１４のいずれか１項に記載の
音声処理装置。
【請求項１６】前記減算手段は、前記注目フレームに
対する前記ＳＮＲ測定値が所定値以下である場合にバッ
クグラウンドノイズを示す信号を減算するように動作可
能であることを特徴とする請求項５に従属する場合の請
求項１５に記載の音声処理装置。
【請求項１７】前記減算手段は、前記ＳＮＲ測定値が
高い場合に前記減算が実行されないように動作可能であ
ることを特徴とする請求項１６に記載の音声処理装置。
【請求項１８】前記減算手段は、前記ＳＮＲ測定値を
指数的に変化させる減算を実行するように動作可能であ
ることを特徴とする請求項１５乃至請求項１７のいずれ
か１項に記載の音声処理装置。
【請求項１９】前記減算手段は、前記注目フレームに
対する前記ＳＮＲ測定値が高い場合に、前記入力信号内
の前記平均フレームを示す信号を減算するように動作可
能であることを特徴とする請求項５に従属する場合の請
求項１５あるいは請求項１６に記載の音声処理装置。
【請求項２０】前記減算手段は、前記ＳＮＲ測定値が
所定閾値以下である場合に、前記平均フレームを示す前
記信号の前記減算を実行しないように動作可能であるこ
とを特徴とする請求項１９に記載の音声処理装置。
【請求項２１】前記減算手段は、リアルタイムで前記
減算を実行するように動作可能であり、前記平均フレー
ムを示す前記信号は、所定閾値よりも大きい信号対ノイ
ズ比を有する事前に受信されたフレームから概算される
ことを特徴とする請求項１９あるいは請求項２０に記載
の音声処理装置。
【請求項２２】前記概算は、前記入力信号の第１の数
フレームに対しゼロにバイアスされることを特徴とする
請求項２１に記載の音声処理装置。
【請求項２３】音声処理装置であって、音声成分とノイズ成分を構成する入力信号を受信する受
信手段と、前記入力信号を複数の時間フレームに分割する分割手段
と、各時間フレームに対し、該時間フレーム中の前記入力信
号を示す複数のパラメータを抽出する抽出手段と、前記音声成分上の前記ノイズ成分の影響を補償するため
に各時間フレームに対する前記パラメータを処理する処
理手段とを備え、前記処理手段は、前記音声成分及び前記ノイズ成分の信
号対ノイズ比の測定値に依存して、各フレーム内の前記
パラメータを変倍するように動作可能であることを特徴
とする音声処理装置。
【請求項２４】音声処理装置であって、音声成分とノイズ成分とを構成する入力信号を受信する
受信手段と、前記入力信号を複数の時間フレームに分割する分割手段
と、各時間フレームに対し、該時間フレーム中の前記入力信
号を示す複数のパラメータを抽出する抽出手段と、前記音声成分上の前記ノイズ成分の影響を補償するため
に各時間フレームに対する前記パラメータを処理する処
理手段とを備え、前記処理手段は、前記音声成分及び前記ノイズ成分の信
号対ノイズ比の測定値に依存して各フレーム内の前記パ
ラメータから平均入力フレームを示す平均パラメータの
セットを減算するように動作可能であることを特徴とす
る音声処理装置。
【請求項２５】前記処理手段は、前記信号対ノイズ比
が高い場合に注目フレームのパラメータから前記平均パ
ラメータを減算するように動作可能であり、前記処理手
段は、前記信号対ノイズ比が所定閾値以下である場合に
前記平均パラメータを減算しないように動作可能である
ことを特徴とする請求項２４に記載の音声処理装置。
【請求項２６】当該音声処理装置は、リアルタイムで
前記入力音声信号を処理するように動作可能であり、前
記平均パラメータは、事前に受信された入力フレームか
ら決定されることを特徴とする請求項２４あるいは請求
項２５に記載の音声処理装置。
【請求項２７】前記平均パラメータは、前記入力信号
の開始でゼロにバイアスされることを特徴とする請求項
２６に記載の音声処理装置。
【請求項２８】前記平均パラメータは、前記受信され
たフレームの重み付け平均を使用して決定され、各フレ
ームに適用される前記重み付けは、前記フレームに対す
るＳＮＲ測定値に依存していることを特徴とする請求項
２６あるいは請求項２７に記載の音声処理装置。
【請求項２９】音声処理方法であって、音声成分とノイズ成分を構成する入力信号を受信する受
信工程と、前記入力信号に対する信号対ノイズ比（ＳＮＲ）の平均
を計算する計算工程と、前記計算された信号対ノイズ比の測定値に依存して前記
入力信号を変倍する変倍工程とを備えることを特徴とす
る音声処理方法。
【請求項３０】前記変倍工程は、前記ＳＮＲ測定値が
高い場合に前記変倍を適用せず、前記ＳＮＲ測定値が低
い場合に前記変倍を実行することを特徴とする請求項２
９に記載の音声処理方法。
【請求項３１】前記変倍工程は、前記ＳＮＲ測定値を
指数的に変化させる変倍を適用することを特徴とする請
求項２９あるいは請求項３０に記載の音声処理方法。
【請求項３２】前記変倍工程は、ターゲットノイズレ
ベルを参照して定義されるターゲットＳＮＲに依存する
前記変倍を実行することを特徴とする請求項２９乃至請
求項３１のいずれか１項に記載の音声処理方法。
【請求項３３】前記入力信号を複数の時間フレームに
分割する分割工程と、前記時間フレーム内それぞれの前
記入力信号を示す信号を生成する生成工程とを更に備
え、前記計算工程は、各時間フレーム内の前記信号に対
する前記ＳＮＲ測定値を計算し、前記変倍工程は、前記
時間フレームに対して計算された前記ＳＮＲに依存して
各時間フレーム内の前記信号を変倍することを特徴とす
る請求項２９乃至請求項３２のいずれか１項に記載の音
声処理方法。
【請求項３４】前記ターゲットノイズレベルは、前記
入力信号内のフレームエネルギーの最大測定値以下の所
定レベルとして決定されることを特徴とする請求項３２
に従属する場合の請求項３３に記載の音声処理方法。
【請求項３５】各フレーム内の前記入力信号を示す前
記信号は、前記フレーム内の前記入力信号に対する複数
のスペクトルパラメータを構成することを特徴とする請
求項３３あるいは請求項３４に記載の音声処理方法。
【請求項３６】前記スペクトルパラメータは、ケプス
トラム係数を構成することを特徴とする請求項３５に記
載の音声処理方法。
【請求項３７】前記変倍工程は、以下の式を使用して
変倍動作を実行し、【数４】ここで、ｆ_kはスペクトルパラメータのベクトルであ
り、αは経験的に選択された定数であり、ｇ（ＳＮ
Ｒ_k）は前記計算工程によって計算された前記信号対ノ
イズ比測定値の指数関数であり、ｇ（ＳＮＲ_k ^target）
は前記ターゲット信号対ノイズ比測定値の指数関数であ
ることを特徴とする請求項３５あるいは請求項３６に記
載の音声処理方法。
【請求項３８】前記αは、１／２に等しいことを特徴
とする請求項３７に記載の音声処理方法。
【請求項３９】前記指数関数ｇ（）は、以下の式を有
し、【数５】ここで、βは経験的に選択された定数であることを特徴
とする請求項３７あるいは請求項３８に記載の音声処理
方法。
【請求項４０】前記計算工程は、以下の式を使用し
て、注目フレームに対する前記信号対ノイズ比の測定値
を計算し、【数６】ここで、ｅ_k ^sigは前記注目フレーム中の信号強度の測定
値であり、ｅ^noiseは音声成分が存在しない場合の前記
入力信号をサンプリングすることによって取得されるバ
ックグラウンドノイズの測定値であることを特徴とする
請求項３４、あるいは請求項３４に従属する請求項３５
乃至請求項３９のいずれか１項に記載の音声処理方法。
【請求項４１】各時間フレーム内の前記入力信号は、
サンプリングされ、前記計算工程は、前記注目フレーム
内のサンプルのマグニチュードを平均することによっ
て、該注目フレーム内の前記信号強度の測定値を計算す
るように動作可能であることを特徴とする請求項４０に
記載の音声処理方法。
【請求項４２】前記変倍工程は、実質的にリアルタイ
ムで前記入力信号を変倍することを特徴とする請求項２
９乃至請求項４１のいずれか１項に記載の音声処理方
法。
【請求項４３】前記入力信号に対する信号対ノイズ比
依存減算を実行する減算工程とを更に備えることを特徴
とする請求項２９乃至請求項４２のいずれか１項に記載
の音声処理方法。
【請求項４４】前記減算工程は、前記注目フレームに
対する前記ＳＮＲ測定値が所定値以下である場合にバッ
クグラウンドノイズを示す信号を減算することを特徴と
する請求項３２に従属する場合の請求項４３に記載の音
声処理方法。
【請求項４５】前記減算工程は、前記ＳＮＲ測定値が
高い場合に前記減算を実行しないことを特徴とする請求
項４４に記載の音声処理方法。
【請求項４６】前記減算工程は、前記ＳＮＲ測定値を
指数的に変化させる減算を実行することを特徴とする請
求項４３乃至請求項４５のいずれか１項に記載の音声処
理方法。
【請求項４７】前記減算工程は、前記注目フレームに
対する前記ＳＮＲ測定値が高い場合に、前記入力信号内
の前記平均フレームを示す信号を減算することを特徴と
する請求項３２に従属する場合の請求項４３あるいは請
求項４４に記載の音声処理方法。
【請求項４８】前記減算工程は、前記ＳＮＲ測定値が
所定閾値以下である場合に、前記平均フレームを示す前
記信号の前記減算を実行しないことを特徴とする請求項
４７に記載の音声処理方法。
【請求項４９】前記減算工程は、リアルタイムで前記
減算を実行するように動作可能であり、前記平均フレー
ムを示す前記信号は、所定閾値よりも大きい信号対ノイ
ズ比を有する事前に受信されたフレームから概算される
ことを特徴とする請求項４７あるいは請求項４８に記載
の音声処理方法。
【請求項５０】前記概算は、前記入力信号の第１の数
フレームに対しゼロにバイアスされることを特徴とする
請求項４９に記載の音声処理方法。
【請求項５１】音声処理方法であって、音声成分とノ
イズ成分を構成する入力信号を受信する受信工程と、前
記入力信号を複数の時間フレームに分割する分割工程
と、各時間フレームに対し、該時間フレーム中の前記入力信
号を示す複数のパラメータを抽出する抽出工程と、前記音声成分上の前記ノイズ成分の影響を補償するため
に各時間フレームに対する前記パラメータを処理する処
理工程とを備え、前記処理工程は、前記音声成分及び前記ノイズ成分の信
号対ノイズ比の測定値に依存して、各フレーム内の前記
パラメータを変倍することを特徴とする音声処理方法。
【請求項５２】音声処理方法であって、音声成分とノイズ成分とを構成する入力信号を受信する
受信工程と、前記入力信号を複数の時間フレームに分割する分割工程
と、各時間フレームに対し、該時間フレーム中の前記入力信
号を示す複数のパラメータを抽出する抽出工程と、前記音声成分上の前記ノイズ成分の影響を補償するため
に各時間フレームに対する前記パラメータを処理する処
理工程とを備え、前記処理工程は、前記音声成分及び前記ノイズ成分の信
号対ノイズ比の測定値に依存して各フレーム内の前記パ
ラメータから平均入力フレームを示す平均パラメータの
セットを減算することを特徴とする音声処理方法。
【請求項５３】前記処理工程は、前記信号対ノイズ比
が高い場合に注目フレームのパラメータから前記平均パ
ラメータを減算し、前記処理工程は、前記信号対ノイズ
比が所定閾値以下である場合に前記平均パラメータを減
算しないことを特徴とする請求項５２に記載の音声処理
方法。
【請求項５４】当該音声処理方法は、実質的にリアル
タイムで動作し、前記平均パラメータは、前記信号対ノ
イズ比が前記所定閾値である事前に受信された入力フレ
ームから決定されることを特徴とする請求項５２あるい
は請求項５３に記載の音声処理方法。
【請求項５５】前記平均パラメータは、前記入力信号
の開始でゼロにバイアスされることを特徴とする請求項
５４に記載の音声処理方法。
【請求項５６】前記平均パラメータは、前記受信され
たフレームの重み付け平均を使用して決定され、各フレ
ームに適用される前記重み付けは、前記フレームに対す
るＳＮＲ測定値に依存していることを特徴とする請求項
５４あるいは請求項５５に記載の音声処理方法。
【請求項５７】音声信号を処理するコンピュータ実行
可能処理ステップを記憶するコンピュータ可読媒体であ
って、音声成分とノイズ成分を構成する入力信号を受信する受
信工程の処理ステップと、前記入力信号に対する信号対ノイズ比（ＳＮＲ）の平均
を計算する計算工程の処理ステップと、前記計算された信号対ノイズ比の測定値に依存して前記
入力信号を変倍する変倍工程の処理ステップとを備える
ことを特徴とするコンピュータ可読媒体。
【請求項５８】音声信号を処理するコンピュータ実行
可能処理ステップであって、音声成分とノイズ成分を構成する入力信号を受信する受
信工程の処理ステップと、前記入力信号に対する信号対ノイズ比（ＳＮＲ）の平均
を計算する計算工程の処理ステップと、前記計算された信号対ノイズ比の測定値に依存して前記
入力信号を変倍する変倍工程の処理ステップとを備える
ことを特徴とするコンピュータ実行可能処理ステップ。
【請求項５９】請求項１乃至請求項２８のいずれか１
項に記載の音声処理装置として構成されるプログラム可
能なプロセッサを構成するコンピュータ可読媒体実行命
令。
【請求項６０】請求項１乃至請求項２８のいずれか１
項に記載の音声処理装置としてプログラム可能な処理回
路を構成する信号実行命令。