JP2003308092A - 雑音除去装置及び雑音除去方法 - Google Patents

雑音除去装置及び雑音除去方法

Info

Publication number
JP2003308092A
JP2003308092A JP2002111733A JP2002111733A JP2003308092A JP 2003308092 A JP2003308092 A JP 2003308092A JP 2002111733 A JP2002111733 A JP 2002111733A JP 2002111733 A JP2002111733 A JP 2002111733A JP 2003308092 A JP2003308092 A JP 2003308092A
Authority
JP
Japan
Prior art keywords
noise
noise model
model
output
power spectrum
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
JP2002111733A
Other languages
English (en)
Other versions
JP4058987B2 (ja
Inventor
Tomohiro Narita
知宏 成田
Yuzo Maruta
裕三 丸田
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2002111733A priority Critical patent/JP4058987B2/ja
Publication of JP2003308092A publication Critical patent/JP2003308092A/ja
Application granted granted Critical
Publication of JP4058987B2 publication Critical patent/JP4058987B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Abstract

(57)【要約】 【課題】 従来の雑音除去装置は雑音区間に一定周期
毎に発生する非定常雑音の混入、雑音の変動が大きく定
常的な雑音区間が少ない、雑音区間が十分な長さを取れ
ない等では、推定雑音パワースペクトルと実際の音声重
畳雑音パワースペクトルとの推定誤差が大きくなり、正
確に雑音除去できない。 【解決手段】 雑音区間における周期的な非定常雑音の
周期を学習し、雑音周期メモリに記憶する。その後音声
区間において当該処理フレームが雑音周期と重なるかど
うかを判定し、重なる場合には雑音重畳音声パワースペ
クトルから前記非定常雑音モデルに係る雑音パワースペ
クトルを除去することで、一定周期毎に発生する非定常
雑音下でも正確な雑音除去を行う。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は雑音除去装置及び
雑音除去方法に係り、特に周期性を持った非定常雑音環
境下でも入力された音声に重畳する背景雑音を正確に除
去できる雑音除去装置及方法に関するものである。
【０００２】
【従来の技術】音声に重畳した雑音を除去するための簡
単で有効な手法として、スペクトルサブトラクション法
（以下SS法）が広く用いられる。ここではその一例とし
て、文献「音声・音情報のディジタル信号処理」（鹿野
清宏他、昭晃堂、P.146-147）に記載されているSS法を
用いる従来の音声認識装置の説明を行う。
【０００３】図１４は従来の音声認識装置の構成を示す
図である。図１４において、１は背景雑音が重畳した音
声を収集するマイクロホン、２は雑音重畳音声信号を周
波数変換して雑音重畳音声パワースペクトルを時系列と
して出力する音響分析手段、３は雑音重畳音声パワース
ペクトルから音声区間か雑音区間かを判定し、切り替え
手段２０を動作させ雑音区間モード４と音声区間モード
５を切り替える音声区間判定手段である。
【０００４】１６は雑音区間モード４において雑音パワ
ースペクトルの平均値を算出する平均雑音パワースペク
トル演算手段、１７は平均スペクトル演算手段が出力す
る平均雑音パワースペクトルを記憶する平均雑音パワー
スペクトルメモリ、１１は音声区間モード５において雑
音重畳音声スペクトル時系列から平均パワースペクトル
メモリに記憶されている平均雑音パワースペクトルを減
算し雑音除去スペクトル時系列を出力する雑音除去手段
である。
【０００５】以下従来の音声認識装置の動作について説
明する。マイクロホン１では背景雑音が重畳した音声を
収集する。
【０００６】音響分析手段２では雑音重畳音声入力に対
して、一定時間ごとにフーリエ変換によりパワースペク
トルを計算し、雑音重畳音声スペクトルの時系列として
出力する。
【０００７】音声区間判定手段３では音響分析手段２か
ら出力される雑音重畳音声スペクトルから当該フレーム
が音声であるか雑音であるかを判定し、切り替え手段２
０を動作させ雑音区間モード４と音声区間モード５を切
り替える。一般的な雑音除去装置では入力パワーが閾値
を超えたかどうかで音声区間かどうかを判定する。
【０００８】平均雑音パワースペクトル演算手段１６で
は雑音区間モード４において、雑音パワースペクトル時
系列を式（１）により周波数毎に平均し、平均雑音パワ
ースペクトルとして出力する。
【０００９】
【数１】
【００１０】式（1）において、N (ω)は平均雑音パワ
ースペクトルの周波数ωにおけるパワー、Nは平均化す
るフレームの総数、Xi(ω)はフレームiにおける雑音ス
ペクトルの周波数ωにおけるパワーである。
【００１１】平均雑音パワースペクトルメモリ１７では
平均雑音パワースペクトル演算手段１６が出力する平均
雑音パワースペクトルを記憶する。
【００１２】雑音除去手段１１では音声区間モード５に
おいて、音響分析手段２から出力される雑音重畳音声ス
ペクトルの時系列の各雑音重畳音声スペクトルから以下
の式（2）に従い雑音スペクトルを減算する。
【００１３】
【数２】
【００１４】式（2）においてS(ω)は雑音除去音声スペ
クトルの周波数ωにおけるパワー、X(ω)は雑音重畳音
声スペクトルの周波数ωにおけるパワー、N(ω)は平均
雑音スペクトルの周波数ωにおけるパワーをそれぞれ表
す。αはサブトラクト係数と呼ばれるパラメータで雑音
成分を除去する程度を表す。通常認識精度を最大にする
ように調整する。またmax{ }は、括弧内の要素の中で最
大の値の要素を返す関数である。
【００１５】
【発明が解決しようとする課題】従来のSS法を用いた雑
音除去装置は上記のように構成されているため、発声直
前等の雑音の平均パワースペクトルと実際の音声区間に
重畳している雑音パワースペクトルの差が小さい場合、
即ち雑音の変動が小さい場合は比較的良好に動作する。
しかし雑音区間に一定周期毎に発生する非定常雑音が混
入している場合や、雑音の変動が大きく定常的な雑音区
間が少ない場合、雑音区間が十分な長さを取れない場合
等は、推定した雑音パワースペクトルと実際に音声に重
畳している雑音パワースペクトルとの推定誤差が大きく
なり、正確に雑音除去できないという問題があった。
【００１６】本発明は上記の課題を解決するためのもの
で、まず雑音区間において周期的な非定常騒音の周期を
学習し、雑音周期メモリに記憶する。その後音声区間に
おいて当該処理フレームが雑音周期と重なるかどうかを
判定し、重なる場合には雑音重畳音声パワースペクトル
から当該雑音モデルに係る雑音パワースペクトルを除去
することで、一定周期毎に発生する非定常雑音下でも正
確な雑音除去を行うことを目的としている。
【００１７】また、雑音照合結果と雑音区間における雑
音パワースペクトルの時系列を基に、予め大量のデータ
から学習しておいた標準雑音モデルメモリに記憶されて
いる雑音モデルを逐次的に適応化しておき、新たに適応
化した雑音モデルに係る雑音パワースペクトルを雑音重
畳音声パワースペクトルから除去することで、雑音環境
が時々刻々と変化するような場合においても正確な雑音
除去を行うことを目的としている。
【００１８】また、雑音照合結果を基に雑音区間におけ
る雑音パワースペクトルの時系列から新たに雑音モデル
を学習しておき、新たに学習した雑音モデルに係る雑音
パワースペクトルを雑音重畳音声パワースペクトルから
除去することで、事前に学習した雑音環境と現在の雑音
環境の間に変化があった場合においても正確な雑音除去
を行うことを目的としている。
【００１９】また、複数の周期性のある非定常雑音が存
在する環境下においても当該雑音モデルに係る雑音パワ
ースペクトルをそれぞれ除去することで、複数の雑音が
重なるフレームにおいても正確な雑音除去を行うことを
目的としている。
【００２０】また、定常的な雑音の他に複数の周期性の
ある非定常雑音が存在する環境下においても当該雑音モ
デルに係る雑音パワースペクトルの他に雑音照合の際に
最頻であった雑音モデルに係る雑音パワースペクトルを
それぞれ除去することで正確な雑音除去を行うことを目
的としている。
【００２１】また、雑音照合結果を基に雑音区間におけ
る雑音パワースペクトルの時系列から新たに学習した雑
音モデルの学習データ量が閾値未満である場合には信頼
性が小さいとして、予め大量のデータから学習しておい
た標準雑音モデルメモリに記憶されている雑音モデルに
係る雑音パワースペクトルを雑音重畳音声パワースペク
トルから除去することで、雑音の変動が大きく定常的な
雑音区間が少ない場合や雑音区間が十分な長さを取れな
い場合においても正確な雑音除去を行うことを目的とし
ている。
【００２２】
【課題を解決する為の手段】本発明に係る雑音除去装置
は、雑音重畳音声信号を入力し、雑音重畳音声パワース
ペクトルを時系列として出力する音響分析手段と、前記
音響分析手段から出力される雑音重畳音声パワースペク
トルから音声区間か雑音区間かを判定する音声区間判定
手段と、予め学習した複数の雑音モデルを記憶する標準
雑音モデルメモリと、前記音声区間判定手段が雑音区間
と判定した場合に、前記標準雑音モデルメモリに記憶さ
れている標準雑音モデルと前記音響分析手段から出力さ
れる雑音パワースペクトルとの照合を行い，各時刻にお
ける標準雑音モデルを選択する雑音照合手段と、前記雑
音照合手段から出力される標準雑音モデルの列をもと
に，周期性をもつ周期性雑音モデルとその周期性を決定
する雑音周期決定手段と、前記雑音周期決定手段から出
力される周期性雑音モデルとその出現時刻並びに周期性
雑音モデル以外でもっとも頻繁に出現する最頻雑音モデ
ルを記憶する雑音周期メモリと、前記音声区間判定手段
が音声区間と判定した場合に、その時刻が周期性雑音が
出現する時刻と一致するかどうかを判定し、一致する場
合には周期性雑音モデルを、そうでない場合には最頻雑
音モデルを出力する雑音モデル選択手段と、前記音響分
析手段から出力される雑音重畳音声パワースペクトルか
ら、前記標準雑音モデルメモリに記憶されている前記雑
音モデル選択手段が出力した周期性雑音モデルまたは最
頻雑音モデルに係るパワースペクトルを減算し、雑音除
去音声パワースペクトルを出力する雑音除去手段とを備
える。
【００２３】また、本発明に係る雑音除去装置は、前記
雑音照合手段から出力される各雑音モデルについて，同
一の雑音モデルに該当する入力音声の雑音パワースペク
トルと６：標準雑音モデルメモリに記憶されている該雑
音モデルから，該雑音モデルの適応化を行い該雑音モデ
ルを更新する雑音モデル適応化手段と、前記雑音モデル
適応化手段が出力する適応化後の雑音モデルをそのパワ
ースペクトルト共に記憶する適応雑音モデルメモリとを
設け、雑音除去手段は前記音響分析手段から出力される
雑音重畳音声パワースペクトルから、適応雑音モデルメ
モリに記憶された前記雑音モデル選択手段が出力した周
期性雑音モデルまたは最頻雑音モデルに係るパワースペ
クトルを減算し、雑音除去音声パワースペクトルを出力
する。
【００２４】また、本発明に係る雑音除去装置は、前記
雑音照合手段から出力される各雑音モデルについて，同
一の雑音モデルに該当する入力信号の各時刻における雑
音パワースペクトルから周期性雑音モデルまたは最頻雑
音モデルを作成する雑音モデル学習手段と、前記雑音モ
デル学習手段が出力する雑音モデルを記憶する学習雑音
モデルメモリとを設け、前記雑音除去手段は音響分析手
段から出力される雑音重畳音声パワースペクトルから、
前記学習標準雑音モデルメモリに記憶されている前記雑
音モデル選択手段が出力した周期性雑音モデルまたは最
頻雑音モデルに係るパワースペクトルを減算し、雑音除
去音声パワースペクトルを出力する構成にされる。
【００２５】また、本発明に係る雑音除去装置は、雑音
周期メモリが、前記雑音周期決定手段から出力される周
期性雑音モデルとその周期性から，その周期性雑音モデ
ルの出現時刻・周期・継続時間・識別子を周期性雑音と
して記憶すると共に最頻雑音モデルとその識別子を最頻
雑音として記憶し，前記雑音モデル選択手段は、前記音
声区間判定手段が音声区間と判定した場合に、各時刻に
ついてその時刻が周期性雑音が出現する時刻と一致する
かどうかを判定し、一致する場合には周期性雑音モデル
の識別子を、そうでない場合は最頻雑音モデルの識別子
出力し、前記雑音除去手段は、前記雑音モデル選択手段
が出力した識別子に対応する雑音モデルに係るパワース
ペクトルを、前記音響分析手段から出力される雑音重畳
音声パワースペクトルから減算し、識別子が複数ある場
合、複数の識別子に対応する複数の雑音モデルに係るパ
ワースペクトルをそれぞれ減算し、雑音除去音声パワー
スペクトルを出力する。
【００２６】また、本発明に係る雑音除去装置は、前記
雑音除去手段が、前記雑音周期メモリに記憶されている
周期性をもつ雑音モデルの出現時刻・周期・継続時間・
識別子から当該時刻が周期性雑音の出現時刻と重なるか
どうかを判定し、重なる場合には周期性雑音モデルの識
別子と最頻雑音モデルの識別子を出力し、そうでない場
合には最頻雑音モデルの識別子のみを出力する。
【００２７】また、本発明に係る雑音除去装置は、前記
雑音除去手段が、前記雑音モデル選択手段が出力した識
別子が複数ある場合、前記音響分析手段から出力される
雑音重畳音声パワースペクトルから、前記雑音モデル選
択手段が出力した複数の識別子に対応する複数の雑音モ
デルに係るパワースペクトルをそれぞれ減算し、雑音除
去音声パワースペクトルを出力する。
【００２８】また、本発明に係る雑音除去装置は、前記
雑音モデル選択手段が、前記雑音周期メモリに記憶され
ている周期性をもつ雑音モデルの出現時刻・周期・識別
子から当該フレームが周期性雑音と重なるかどうかを判
定し、重なりかつ前記学習雑音モデルメモリに記憶され
ている雑音モデルの学習データが所定の閾値以上の場
合、前記学習雑音モデルメモリに記憶されている当該雑
音モデルの識別子を、前記学習雑音モデルメモリにおけ
る雑音モデルの学習データが所定の閾値未満の場合、前
記標準雑音モデルメモリに記憶されている当該雑音モデ
ルの識別子を出力し、重ならずかつ前記学習雑音モデル
メモリに記憶されている雑音モデルの学習データが第２
の所定閾値以上の場合、前記学習雑音モデルメモリに記
憶されている最頻雑音モデルの識別子を、前記学習雑音
モデルメモリにおける雑音モデルの学習データが第２の
所定の閾値未満の場合、前記標準雑音モデルメモリに記
憶されている最頻雑音モデルの識別子を出力する。
【００２９】また、本発明に係る雑音除去方法は、雑音
重畳音声信号を入力し、雑音重畳音声パワースペクトル
を時系列として出力する音響分析工程と、前記音響分析
工程から出力される雑音重畳音声パワースペクトルから
音声区間か雑音区間かを判定する音声区間判定工程と、
前記音声区間判定工程が雑音区間と判定した場合に、予
め学習した複数の雑音モデルを記憶した標準雑音モデル
メモリの標準雑音モデルと前記音響分析工程から出力さ
れる雑音パワースペクトルとの照合を行い，各時刻にお
ける標準雑音モデルを選択する雑音照合工程と、前記雑
音照合工程から出力される標準雑音モデルの列をもと
に，周期性をもつ周期性雑音モデルとその周期性を決定
する雑音周期決定工程と、前記雑音周期決定工程から出
力される周期性雑音モデルとその出現時刻並びに周期性
雑音モデル以外でもっとも頻繁に出現する最頻雑音モデ
ルを雑音周期メモリに記憶する雑音周期工程と、前記音
声区間判定工程が音声区間と判定した場合に、その時刻
が周期性雑音が出現する時刻と一致するかどうかを判定
し、一致する場合には周期性雑音モデルを、そうでない
場合には最頻雑音モデルを出力する雑音モデル選択工程
と、前記音響分析工程から出力される雑音重畳音声パワ
ースペクトルから、前記標準雑音モデルメモリに記憶さ
れている前記雑音モデル選択工程が出力した周期性雑音
モデルまたは最頻雑音モデルに係るパワースペクトルを
減算し、雑音除去音声パワースペクトルを出力する雑音
除去工程とを備える。
【００３０】
【発明の実施の形態】以下、この発明の実施の形態を説
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
雑音除去装置の構成を示す図である。図において、１は
背景雑音が重畳した音声を収集するマイクロホン、２は
雑音重畳音声信号を周波数変換して雑音重畳音声パワー
スペクトルを時系列として出力する音響分析手段、３は
雑音重畳音声パワースペクトルから音声区間か雑音区間
かを判定し、切り替え手段２０を動作させ雑音区間モー
ド４と音声区間モード５を切り替える音声区間判定手
段、６は予め大量のデータから学習した雑音モデルを記
憶する６：標準雑音モデルメモリ、７は雑音区間モード
４において、標準雑音モデルメモリ６に記憶されている
雑音モデルと音響分析手段２が出力する雑音パワースペ
クトルの照合を行う雑音照合手段である。
【００３１】８は雑音照合手段７の照合結果を基に雑音
モデルの周期性を判定する雑音周期決定手段、９は雑音
周期決定手段８が出力する周期性を持つ雑音モデルの周
期・時刻・継続時間・識別子並びに最頻雑音モデルの識
別子を記憶する雑音周期メモリ、１０は音声区間モード
５において、現在処理フレームが周期性雑音と重なるか
を判定し、重なる場合には当該雑音モデルの識別子を、
そうでない場合には最頻雑音モデルの識別子を出力する
雑音モデル選択手段、１１は、標準雑音モデルメモリ６
に記憶されている雑音モデル選択手段１０が出力する識
別子に対応する雑音モデルに係るパワースペクトルを雑
音重畳音声パワースペクトルから減算し雑音除去スペク
トル時系列を出力する雑音除去手段である。
【００３２】図２は実施の形態１のフローチャートであ
る。以下この図を基に動作を説明する。
【００３３】マイクロホン１は一般的に話者の近傍に設
置されて、背景雑音が重畳した音声を取り込む（S01）。
【００３４】音響分析手段２はマイクロホン１が取り込
んだ雑音重畳音声に対して、一定時間毎にシフトする分
析フレーム毎にＦＦＴ（高速フーリエ変換）を用いて周
波数変換を実施して、雑音重畳音声信号に係る分析フレ
ーム毎のパワースペクトルを時系列として出力する（S0
2）。
【００３５】音声区間判定手段３は音響分析手段２から
出力される雑音重畳音声スペクトルから当該フレームが
音声であるか雑音であるかを判定する。この音声区間判
定手段３は一般的に用いられる入力パワーが閾値を超え
たかどうかで音声区間かどうかを判定する（S03）。
【００３６】音声区間判定手段３の結果から切り替え手
段２０で雑音区間モード４と音声区間モード５を切り替
える（S04）。
【００３７】雑音照合手段７では、雑音区間モード４に
おいて標準雑音モデルメモリ６に記憶されている雑音モ
デルと音響分析手段２が出力する雑音パワースペクトル
の照合を行う（S05）。標準雑音モデルメモリ６には予め
大量のデータから学習しておいた様々な雑音モデルを記
憶しておく。本実施の形態では雑音モデルとしてHMM（隠
れマルコフモデル）を使用し、図３のように各雑音モデ
ルが網羅的に接続しているエルゴティックHMMを用いる。
また後述する雑音除去のために各雑音モデルに対応する
平均パワースペクトルも同様に記憶しておく。ここでは
雑音照合手法の一例として、文献「音声認識の基礎
（下）」（Lawrence Rabiner, Biing-HwangJuang 共
著、NTTアドバンステクノロジ株式会社、P.125-127）に
記載されている、Viterbiサーチを用いた最大尤度の演
算方法を説明する。
【００３８】時刻1〜Tまでの雑音パワースペクトル時系
列Ｙ＝(y1，y2，・・・，yr)に対して尤度最大となる一本
の最適状態系列q=(q1,q2,・・・，qr)を見つけるViterbiサ
ーチは以下の４つのステップから構成される。
【００３９】STEP1（初期化）
【００４０】
【数３】
【００４１】
【数４】
【００４２】STEP2（繰り返し）
【００４３】
【数５】
【００４４】
【数６】
【００４５】STEP3（終了）
【数７】
【００４６】
【数８】
【００４７】STEP4（バックトラック）
【数９】
【００４８】ここでδt(i)は一本のパス上の、時刻tで
の最大尤度であり以下の式10で表される。
【００４９】
【数１０】
【００５０】雑音モデル学習手段８では雑音照合手段７
から出力される雑音モデルの照合結果系列q1 q2・・・q
Tから雑音の周期を決定し周期性を持つ雑音モデルの周
期・時刻・継続時間・識別子を雑音周期メモリ９に記憶
する。また同時に照合結果系列中の最頻雑音モデルの識
別子を雑音周期メモリ９に記憶する（S06）。図４は雑音
照合結果の例である。図４から雑音モデルＢが５フレー
ム間隔に２フレーム毎に出現しており周期性を持ってい
ると判定する。この場合、雑音周期メモリに雑音モデル
の周期TC=5，出現時刻TA={4,5,11,12,18,19}，継続時間
TD=2並びに識別子ID=Bを、関連付けを保ったまま記憶す
る。また照合結果系列の雑音モデルの中で最頻である識
別子IDmax=Aも同様に記憶する。なお、図４は間隔及び継
続時間が完全に一致する例であるが、間隔及び継続時間
に適当な閾値を設け誤差が閾値未満であれば周期性があ
ると判定することもできる。
【００５１】雑音モデル選択手段１０では音声区間モー
ドにおいて雑音周期メモリ９に記憶されている周期性を
持つ雑音モデルの周期・時刻・継続時間並びに識別子を
基に現在処理フレームが周期性雑音と重なるかを判定す
る（S07）。現在処理フレームをt、雑音モデルの周期をT
C、最終非出現時刻をTN、最終出現時刻をTL、継続時間
をTDとした場合、以下の式（１１）（１２）のどちらか
を満たす場合、周期性雑音と重なると判定し当該雑音モ
デルの識別子IDを出力する。そうでない場合は定常雑音
区間として最頻雑音モデルの識別子IDmaxを出力する。
【００５２】 TN ＜t AND TN＋TD＞＝t （11） TL＋kTC＋(k-1)TD＜t AND TL＋k(TC＋TD)＞＝t (k=1,2・・・) (12)
【００５３】雑音除去手段１１では雑音モデル選択手段
１０が周期性を持つ雑音モデルの識別子を出力した場
合、標準雑音モデルメモリ６から周期性を持つ雑音モデ
ルに係るパワースペクトルを選択し(S08)、これを雑音
重畳音声パワースペクトルから減算し雑音除去スペクト
ル時系列を出力する(S10)。
【００５４】
【数１１】
【００５５】式（13）においてS(ω)は雑音除去音声ス
ペクトルの周波数ωにおけるパワー、X(ω)は雑音重畳
音声スペクトルの周波数ωにおけるパワー、αCは周期
性を持つ雑音モデルに対するサブトラクト係数、NC
(ω)は周期性を持つ雑音モデルに係るパワースペクトル
の周波数ωにおけるパワーをそれぞれ表す。
【００５６】また、雑音モデル選択手段１０が最頻雑音
モデルの識別子を出力した場合、標準雑音モデルメモリ
６から最頻雑音モデルに係るパワースペクトルを選択し
(S09)、これを雑音重畳音声パワースペクトルから減算
し雑音除去スペクトル時系列を出力する(S10)。
【００５７】
【数１２】
【００５８】式（14）においてS(ω)は雑音除去音声ス
ペクトルの周波数ωにおけるパワー、X(ω)は雑音重畳
音声スペクトルの周波数ωにおけるパワー、αSは最頻
雑音モデルに対するサブトラクト係、NS(ω)は最頻雑音
モデルに係るパワースペクトルの周波数ωにおけるパワ
ーをそれぞれ表す。
【００５９】以上のようにこの実施の形態１によれば、
雑音区間において周期的な非定常騒音の周期を学習し、
雑音周期メモリに記憶する。その後音声区間において当
該処理フレームが雑音周期と重なるかどうかを判定し、
重なる場合には雑音重畳音声パワースペクトルから当該
雑音モデルに係る雑音パワースペクトルを除去するた
め、一定周期毎に発生する非定常雑音下でも正確な雑音
除去を行うことができる。
【００６０】また、複数の周期性のある非定常雑音が存
在する環境下においても当該雑音モデルに係る雑音パワ
ースペクトルを順番に除去することで、複数の雑音が重
なるフレームにおいても正確な雑音除去を行うことがで
きる。
【００６１】
【数１３】
【００６２】式（15）においてS(ω)は雑音除去音声ス
ペクトルの周波数ωにおけるパワー、X(ω)は雑音重畳
音声スペクトルの周波数ωにおけるパワー、N1(ω)は周
期性を持つ雑音モデル１に係るパワースペクトルの周波
数ωにおけるパワー、N2(ω)は周期性を持つ雑音モデル
２に係るパワースペクトルの周波数ωにおけるパワー、
NK(ω)は周期性を持つ雑音モデルKに係るパワースペク
トルの周波数ωにおけるパワー、α1〜αKはそれぞれの
雑音モデルに対するサブトラクト係数である。
【００６３】また、図2の(S08)の処理を図５の(S17)の
ように変形することで、定常的な雑音の他に複数の周期
性のある非定常雑音が存在する環境下においても当該雑
音モデルに係る雑音パワースペクトルの他に雑音照合の
際に最頻であった雑音モデルに係る雑音パワースペクト
ルを順番に除去することで正確な雑音除去を行うことが
できる。
【００６４】
【数１４】
【００６５】式（16）においてS(ω)は雑音除去音声ス
ペクトルの周波数ωにおけるパワー、X(ω)は雑音重畳
音声スペクトルの周波数ωにおけるパワー、NC(ω)は周
期性を持つ雑音モデルに係るパワースペクトルの周波数
ωにおけるパワー、NS(ω)は最頻雑音モデルに係るパワ
ースペクトルの周波数ωにおけるパワー、αCは周期性
を持つ雑音モデルに対するサブトラクト係数、αSは最
頻雑音モデルに対するサブトラクト係数である。
【００６６】実施の形態２．実施の形態１による雑音除
去装置では予め大量のデータから学習した標準雑音モデ
ルを雑音除去に用いるため、事前に学習した雑音環境と
現在の雑音環境の間に変化があった場合に正確な雑音除
去ができないという問題がある。図６は、この点を改善
した発明の実施の形態２による雑音除去装置の構成を示
す図である。図において、１２は音響分析手段から出力
される雑音パワースペクトルから、雑音照合手段から出
力される雑音モデルとの照合結果をもとに、雑音モデル
の学習を行う雑音モデル学習手段、１３は雑音モデル学
習手段が出力する雑音モデルを記憶する：学習雑音モデ
ルメモリである。その他は実施の形態１と同様であるの
で説明を省略する。
【００６７】図７は実施の形態２のフローチャートであ
る。以下この図を基に動作を説明する。
【００６８】(S01)〜(S07)は実施の形態１と同様である
ので説明を省略する。
【００６９】雑音モデル学習手段１２では音響分析手段
２から出力される雑音重畳音声パワースペクトルから、
雑音照合手段７から出力される雑音モデルとの照合結果
をもとに、雑音モデルに係る雑音パワースペクトルの演
算を行い、結果を学習雑音モデルメモリ１３に記憶する
(S11)。例えば図４のような雑音照合結果の場合、以下の
式（17）によって雑音モデルAの平均パワースペクトル
を演算する。
【００７０】
【数１５】
【００７１】式（17）において、NA(ω)は雑音モデルA
の平均スペクトルの周波数ωにおけるパワー、ΦAは雑
音モデルAに割り当てられたフレームの集合、Nは雑音モ
デルAに割り当てられたフレームの総数、Xi(ω)はフレ
ームiにおける雑音重畳音声スペクトルの周波数ωにお
けるパワーである。
【００７２】雑音除去手段１１では雑音モデル選択手段
１０が周期性を持つ雑音モデルの識別子を出力した場
合、学習雑音モデルメモリ１３から周期性を持つ雑音モ
デルに係るパワースペクトルを選択し(S12)、これを雑
音重畳音声パワースペクトルから減算し雑音除去スペク
トル時系列を出力する(S10)。
【００７３】また、雑音モデル選択手段１０が最頻雑音
モデルの識別子を出力した場合、学習雑音モデルメモリ
１３から最頻雑音モデルに係るパワースペクトルを選択
し(S13)、これを雑音重畳音声パワースペクトルから減
算し雑音除去スペクトル時系列を出力する(S10)。
【００７４】以上のようにこの実施の形態２によれば、
雑音照合結果を基に雑音区間における入力パワースペク
トルの時系列から新たに雑音モデルを学習しておき、新
たに学習した雑音モデルに係る雑音パワースペクトルを
雑音重畳音声パワースペクトルから除去することで、事
前に学習した雑音環境と現在の雑音環境の間に変化があ
った場合においても正確な雑音除去を行うことができ
る。
【００７５】また、複数の周期性のある非定常雑音が存
在する環境下においても当該雑音モデルに係る雑音パワ
ースペクトルを順番に除去することで、複数の雑音が重
なるフレームにおいても正確な雑音除去を行うことがで
きる。
【００７６】また、図７の(S12)の処理を図８の(S18)の
ように変形することで、定常的な雑音の他に複数の周期
性のある非定常雑音が存在する環境下においても当該雑
音モデルに係る雑音パワースペクトルの他に雑音照合の
際に最頻であった雑音モデルに係る雑音パワースペクト
ルを順番に除去することで正確な雑音除去を行うことが
できる。
【００７７】実施の形態３．実施の形態２による雑音除
去装置では、音響分析手段２から出力される雑音重畳音
声パワースペクトルから雑音照合手段７から出力される
雑音モデルとの照合結果をもとに学習した雑音モデルを
雑音除去に用いるため、雑音の変動が大きく定常的な雑
音区間が少ない場合や雑音区間が十分な長さを取れない
場合に正確な雑音除去ができないという問題があった。
図９は、この点を改善した発明の実施の形態３による雑
音除去装置の構成を示す図である。各手段、メモリは実
施の形態２と同様であるので説明を省略する。
【００７８】実施の形態２との差異は雑音モデル選択手
段１０の選択方法である。図１０は実施の形態３の雑音
モデル選択手段のフローチャートである。以下この図を
基に動作を説明する。
【００７９】雑音モデル選択手段１０では音声区間モー
ド５において雑音周期メモリ９に記憶されている周期性
を持つ雑音モデルの周期・時刻・継続時間並びに識別子
を基に現在処理フレームが周期性雑音と重なるかを判定
する（S07）。重なると判定した場合、周期性雑音モデル
の学習データ数が閾値以上であるかを判定し(S20)、閾
値以上である場合は学習雑音モデルメモリ１３から周期
性雑音モデルに係るパワースペクトルを選択する(S1
2)。閾値未満である場合は標準雑音モデルメモリ６から
周期性雑音モデルに係るパワースペクトルを選択する(S
08)。
【００８０】また重ならないと判定した場合、最頻雑音
モデルの学習データ数が別の閾値以上であるかを判定し
(S20)、閾値以上である場合は、学習雑音モデルメモリ
１３から最頻雑音モデルに係るパワースペクトルを選択
し(S13)、閾値未満である場合は標準雑音モデルメモリ
６から最頻雑音モデルに係るパワースペクトルを選択す
る(S09)。
【００８１】以上のようにこの実施の形態３によれば、
雑音照合結果を基に雑音区間における入力パワースペク
トルの時系列から新たに学習した雑音モデルの学習デー
タ量が閾値未満である場合には信頼性が小さいとして、
予め大量のデータから学習しておいた標準雑音モデルメ
モリ６に記憶されている雑音モデルに係る雑音パワース
ペクトルを雑音重畳音声パワースペクトルから除去する
ことで、雑音の変動が大きく定常的な雑音区間が少ない
場合や雑音区間が十分な長さ取れない場合においても正
確な雑音除去を行うことができる。
【００８２】実施の形態４．実施の形態３による雑音除
去装置では雑音モデルの学習データ数が閾値未満の場合
には、予め大量のデータから学習した標準雑音モデルを
雑音除去に用いるため、雑音環境が時々刻々と変化する
ような場合に正確に雑音除去できないという問題があ
る。図１１は、この点を改善した本発明の実施の形態４
による雑音除去装置の構成を示す図である。
【００８３】図において、１４は音響分析手段２から出
力される雑音重畳音声パワースペクトルと雑音照合手段
７から出力される雑音モデルとの照合結果をもとに、標
準雑音モデルメモリ６に記憶されている標準雑音モデル
の適応化を行う雑音モデル適応化手段、１５は雑音モデ
ル適応化手段１４が出力する適応化後の雑音モデルを記
憶する適応雑音モデルメモリである。その他は実施の形
態１と同様であるので説明を省略する。
【００８４】図１２は実施の形態４のフローチャートで
ある。以下この図を基に動作を説明する。
【００８５】(S01)〜(S07)は実施の形態１と同様である
ので説明を省略する。雑音モデル適応化手段１４では音
響分析手段２から出力される雑音重畳音声パワースペク
トルと雑音照合手段７から出力される雑音モデルとの照
合結果をもとに、標準雑音モデルメモリ６に記憶されて
いる標準雑音モデルの適応化を行い、適応雑音モデルメ
モリ１３に記憶する(S14)。例えば図4のような雑音照合
結果の場合、以下の式（１８）によって雑音モデルAの
平均パワースペクトルを演算する。
【００８６】
【数１６】
【００８７】式（18）において、NA(ω)は雑音モデルA
の平均スペクトルの周波数ωにおけるパワー、ΦAは同
一雑音モデルAに割り当てられたフレームの集合、X
i(ω)はフレームiにおける雑音重畳音声スペクトルの周
波数ωにおけるパワー、MA(ω)は標準雑音モデルAの平
均スペクトルの周波数ωにおけるパワー、nは学習デー
タ数、Nは標準雑音モデル学習時のデータ数、wは新たに
学習したデータに対する重みパラメータである。
【００８８】式（18）では雑音照合結果系列に含まれる
雑音モデルに対してのみ適応化を行っているが、音声認
識で一般的に使用されているMLLR（重回帰写像）等の適
応化方式を用いて、雑音照合結果に含まれていない雑音
モデルについても適応化することもできる。
【００８９】雑音除去手段１１では雑音モデル選択手段
１０が周期性を持つ雑音モデルの識別子を出力した場
合、適応雑音モデルメモリ１３から周期性を持つ雑音モ
デルに係るパワースペクトルを選択し(S15)、これを雑
音重畳音声パワースペクトルから減算し雑音除去スペク
トル時系列を出力する(S10)。
【００９０】また、雑音モデル選択手段１０が最頻雑音
モデルの識別子を出力した場合、適応雑音モデルメモリ
１３から最頻雑音モデルに係るパワースペクトルを選択
し(S16)、これを雑音重畳音声パワースペクトルから減
算し雑音除去スペクトル時系列を出力する(S10)。
【００９１】以上のようにこの実施の形態４によれば、
雑音照合結果と雑音区間における入力パワースペクトル
の時系列を基に、予め大量のデータから学習しておいた
標準雑音モデルメモリに記憶されている雑音モデルを逐
次的に適応化しておき、新たに適応化した雑音モデルに
係る雑音パワースペクトルを雑音重畳音声パワースペク
トルから除去することで、雑音環境が時々刻々と変化す
るような場合においても正確な雑音除去を行うことがで
きる。
【００９２】また、雑音照合の際に前回までの雑音照合
結果と雑音区間における入力パワースペクトルの時系列
を基に標準雑音モデルメモリに記憶されている雑音モデ
ルを逐次的に適応化した雑音モデルを用いることで、雑
音環境が時々刻々と変化するような場合においても正確
な雑音除去ができる。
【００９３】また、複数の周期性のある非定常雑音が存
在する環境下においても当該雑音モデルに係る雑音パワ
ースペクトルを順番に除去することで、複数の雑音が重
なるフレームにおいても正確な雑音除去を行うことがで
きる。
【００９４】また、図１２の(S15)の処理を図１３の(S1
9)のように変形することで、定常的な雑音の他に複数の
周期性のある非定常雑音が存在する環境下においても当
該雑音モデルに係る雑音パワースペクトルの他に雑音照
合の際に最頻であった雑音モデルに係る雑音パワースペ
クトルを順番に除去することで正確な雑音除去を行うこ
とができる。
【００９５】
【発明の効果】本発明は、まず雑音区間において周期的
な非定常騒音の周期を学習し、雑音周期メモリに記憶す
る。その後音声区間において当該処理フレームが雑音周
期と重なるかどうかを判定し、重なる場合には雑音重畳
音声パワースペクトルから当該雑音モデルに係る雑音パ
ワースペクトルを除去することで、一定周期毎に発生す
る非定常雑音下でも正確な雑音除去を行うことができ
る。
【００９６】また、雑音照合結果と雑音区間における雑
音パワースペクトルの時系列を基に、予め学習しておい
た標準雑音モデルメモリに記憶されている雑音モデルを
逐次的に適応化しておき、新たに適応化した雑音モデル
に係る雑音パワースペクトルを雑音重畳音声パワースペ
クトルから除去することで、雑音環境が時々刻々と変化
するような場合においても正確な雑音除去を行うことが
できる。
【００９７】また、雑音照合結果を基に雑音区間におけ
る雑音パワースペクトルの時系列から新たに雑音モデル
を学習しておき、新たに学習した雑音モデルに係る雑音
パワースペクトルを雑音重畳音声パワースペクトルから
除去することで、事前に学習した雑音環境と現在の雑音
環境の間に変化があった場合においても正確な雑音除去
を行うことができる。
【００９８】また、複数の周期性のある非定常雑音が存
在する環境下においても当該雑音モデルに係る雑音パワ
ースペクトルをそれぞれ除去することで、複数の雑音が
重なるフレームにおいても正確な雑音除去を行うことが
できる。
【００９９】また、定常的な雑音の他に複数の周期性の
ある非定常雑音が存在する環境下においても当該雑音モ
デルに係る雑音パワースペクトルの他に雑音照合の際に
最頻であった雑音モデルに係る雑音パワースペクトルを
それぞれ除去することで正確な雑音除去を行うことがで
きる。
【０１００】また、雑音照合結果を基に雑音区間におけ
る雑音パワースペクトルの時系列から新たに学習した雑
音モデルの学習データ量が閾値未満である場合には信頼
性が小さいとして、予め大量のデータから学習しておい
た標準雑音モデルメモリに記憶されている雑音モデルに
係る雑音パワースペクトルを雑音重畳音声パワースペク
トルから除去することで、雑音の変動が大きく定常的な
雑音区間が少ない場合や雑音区間が十分な長さを取れな
い場合においても正確な雑音除去を行うことができる。
【図面の簡単な説明】
【図１】 この発明の実施の形態１による雑音除去装置
の構成図である。。
【図２】 実施の形態１のフローチャートである
【図３】 標準雑音モデルメモリに記憶された雑音モデ
ルの説明図である。
【図４】 雑音照合手段の雑音照合結果説明図である。
【図５】 実施の形態１の雑音モデル選択手段における
他のフローチャートである。
【図６】 この発明の実施の形態２による雑音除去装置
の構成図である。
【図７】 実施の形態２のフローチャートである。
【図８】 実施の形態２の雑音モデル選択手段における
他のフローチャートである。
【図９】 この発明の実施の形態３による雑音除去装置
の構成図である
【図１０】 実施の形態３の雑音モデル選択手段のフロ
ーチャートである。
【図１１】 発明の実施の形態４による雑音除去装置の
構成図である。
【図１２】 実施の形態４のフローチャートである。
【図１３】 実施の形態４の雑音モデル選択手段におけ
る他のフローチャートである。
【図１４】 従来の音声認識装置の構成図である。
【符号の説明】
１：マイクロホン、２：音響分析手段、３：音声区間判
定手段、４：雑音区間モード、５：音声区間モード、
６：標準雑音モデルメモリ、７：雑音照合手段、８：雑
音周期決定手段、９：雑音周期メモリ、１０：雑音モデ
ル選択手段、１１：雑音除去手段、１２：雑音モデル学
習手段、１３：学習雑音モデルメモリ、１４：雑音モデ
ル適応化手段、１５：適応雑音モデルメモリ、20：切り
替え手段。

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】 雑音重畳音声信号を入力し、雑音重畳音
    声パワースペクトルを時系列として出力する音響分析手
    段と、 前記音響分析手段から出力される雑音重畳音声パワース
    ペクトルから音声区間か雑音区間かを判定する音声区間
    判定手段と、 予め学習した複数の雑音モデルを記憶する標準雑音モデ
    ルメモリと、 前記音声区間判定手段が雑音区間と判定した場合に、前
    記標準雑音モデルメモリに記憶されている標準雑音モデ
    ルと前記音響分析手段から出力される雑音パワースペク
    トルとの照合を行い，各時刻における標準雑音モデルを
    選択する雑音照合手段と、 前記雑音照合手段から出力される標準雑音モデルの列を
    もとに，周期性をもつ周期性雑音モデルとその周期性を
    決定する雑音周期決定手段と、 前記雑音周期決定手段から出力される周期性雑音モデル
    とその出現時刻並びに周期性雑音モデル以外でもっとも
    頻繁に出現する最頻雑音モデルを記憶する雑音周期メモ
    リと、 前記音声区間判定手段が音声区間と判定した場合に、そ
    の時刻が周期性雑音が出現する時刻と一致するかどうか
    を判定し、一致する場合には周期性雑音モデルを、そう
    でない場合には最頻雑音モデルを出力する雑音モデル選
    択手段と、 前記音響分析手段から出力される雑音重畳音声パワース
    ペクトルから、前記標準雑音モデルメモリに記憶されて
    いる前記雑音モデル選択手段が出力した周期性雑音モデ
    ルまたは最頻雑音モデルに係るパワースペクトルを減算
    し、雑音除去音声パワースペクトルを出力する雑音除去
    手段とを備えることを特徴とする雑音除去装置。
  2. 【請求項２】 前記雑音照合手段から出力される各雑音
    モデルについて，同一の雑音モデルに該当する入力音声
    の雑音パワースペクトルと標準雑音モデルメモリに記憶
    されている該雑音モデルから，該雑音モデルの適応化を
    行い該雑音モデルを更新する雑音モデル適応化手段と、 前記雑音モデル適応化手段が出力する適応化後の雑音モ
    デルをそのパワースペクトルと共に記憶する適応雑音モ
    デルメモリとを設け、 雑音除去手段は前記音響分析手段から出力される雑音重
    畳音声パワースペクトルから、適応雑音モデルメモリに
    記憶された前記雑音モデル選択手段が出力した周期性雑
    音モデルまたは最頻雑音モデルに係るパワースペクトル
    を減算し、雑音除去音声パワースペクトルを出力するこ
    とを特徴とする請求項１記載の雑音除去装置。
  3. 【請求項３】 前記雑音照合手段から出力される各雑音
    モデルについて，同一の雑音モデルに該当する入力信号
    の各時刻における雑音パワースペクトルから周期性雑音
    モデルまたは最頻雑音モデルを作成する雑音モデル学習
    手段と、 前記雑音モデル学習手段が出力する雑音モデルを記憶す
    る学習雑音モデルメモリとを設け、 前記雑音除去手段は音響分析手段から出力される雑音重
    畳音声パワースペクトルから、前記学習標準雑音モデル
    メモリに記憶されている前記雑音モデル選択手段が出力
    した周期性雑音モデルまたは最頻雑音モデルに係るパワ
    ースペクトルを減算し、雑音除去音声パワースペクトル
    を出力する構成にされたことを特徴とする請求項１記載
    の雑音除去装置。
  4. 【請求項４】 雑音周期メモリは、前記雑音周期決定手
    段から出力される周期性雑音モデルとその周期性から，
    その周期性雑音モデルの出現時刻・周期・継続時間・識
    別子を周期性雑音として記憶すると共に最頻雑音モデル
    とその識別子を最頻雑音として記憶し，前記雑音モデル
    選択手段は、前記音声区間判定手段が音声区間と判定し
    た場合に、各時刻についてその時刻が周期性雑音が出現
    する時刻と一致するかどうかを判定し、一致する場合に
    は周期性雑音モデルの識別子を、そうでない場合は最頻
    雑音モデルの識別子出力し、 前記雑音除去手段は、前記雑音モデル選択手段が出力し
    た識別子に対応する雑音モデルに係るパワースペクトル
    を、前記音響分析手段から出力される雑音重畳音声パワ
    ースペクトルから減算し、識別子が複数ある場合、複数
    の識別子に対応する複数の雑音モデルに係るパワースペ
    クトルをそれぞれ減算し、雑音除去音声パワースペクト
    ルを出力することを特徴とする請求項１乃至３の何れか
    に記載の雑音除去装置。
  5. 【請求項５】 前記雑音除去手段は、前記雑音周期メ
    モリに記憶されている周期性をもつ雑音モデルの出現時
    刻・周期・継続時間・識別子から当該時刻が周期性雑音
    の出現時刻と重なるかどうかを判定し、重なる場合には
    周期性雑音モデルの識別子と最頻雑音モデルの識別子を
    出力し、そうでない場合には最頻雑音モデルの識別子の
    みを出力することを特徴とする請求項４記載の雑音除去
    装置。
  6. 【請求項６】 前記雑音除去手段は、前記雑音モデル選
    択手段が出力した識別子が複数ある場合、前記音響分析
    手段から出力される雑音重畳音声パワースペクトルか
    ら、前記雑音モデル選択手段が出力した複数の識別子に
    対応する複数の雑音モデルに係るパワースペクトルをそ
    れぞれ減算し、雑音除去音声パワースペクトルを出力す
    ることを特徴とする請求項４記載の雑音除去装置。
  7. 【請求項７】 前記雑音モデル選択手段は、前記雑音周
    期メモリに記憶されている周期性をもつ雑音モデルの出
    現時刻・周期・識別子から当該フレームが周期性雑音と
    重なるかどうかを判定し、重なりかつ前記学習雑音モデ
    ルメモリに記憶されている雑音モデルの学習データ数が
    所定の閾値以上の場合、前記学習雑音モデルメモリに記
    憶されている当該雑音モデルの識別子を、前記学習雑音
    モデルメモリにおける雑音モデルの学習データ数が所定
    の閾値未満の場合、前記標準雑音モデルメモリに記憶さ
    れている当該雑音モデルの識別子を出力し、 重ならずかつ前記学習雑音モデルメモリに記憶されてい
    る雑音モデルの学習データ数が第２の所定閾値以上の場
    合、前記学習雑音モデルメモリに記憶されている最頻雑
    音モデルの識別子を、前記学習雑音モデルメモリにおけ
    る雑音モデルの学習データ数が第２の所定の閾値未満の
    場合、前記標準雑音モデルメモリに記憶されている最頻
    雑音モデルの識別子を出力することを特徴とする請求項
    ３乃至６の何れかに記載の雑音除去装置。
  8. 【請求項８】 雑音重畳音声信号を入力し、雑音重畳音
    声パワースペクトルを時系列として出力する音響分析工
    程と、 前記音響分析工程から出力される雑音重畳音声パワース
    ペクトルから音声区間か雑音区間かを判定する音声区間
    判定工程と、 前記音声区間判定工程が雑音区間と判定した場合に、予
    め学習した複数の雑音モデルを記憶した標準雑音モデル
    メモリの標準雑音モデルと前記音響分析工程から出力さ
    れる雑音パワースペクトルとの照合を行い，各時刻にお
    ける標準雑音モデルを選択する雑音照合工程と、 前記雑音照合工程から出力される標準雑音モデルの列を
    もとに，周期性をもつ周期性雑音モデルとその周期性を
    決定する雑音周期決定工程と、 前記雑音周期決定工程から出力される周期性雑音モデル
    とその出現時刻並びに周期性雑音モデル以外でもっとも
    頻繁に出現する最頻雑音モデルを雑音周期メモリに記憶
    する雑音周期工程と、 前記音声区間判定工程が音声区間と判定した場合に、そ
    の時刻が周期性雑音が出現する時刻と一致するかどうか
    を判定し、一致する場合には周期性雑音モデルを、そう
    でない場合には最頻雑音モデルを出力する雑音モデル選
    択工程と、 前記音響分析工程から出力される雑音重畳音声パワース
    ペクトルから、前記標準雑音モデルメモリに記憶されて
    いる前記雑音モデル選択工程が出力した周期性雑音モデ
    ルまたは最頻雑音モデルに係るパワースペクトルを減算
    し、雑音除去音声パワースペクトルを出力する雑音除去
    工程とを備えることを特徴とする雑音除去方法。
JP2002111733A 2002-04-15 2002-04-15 雑音除去装置及び雑音除去方法 Expired - Fee Related JP4058987B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002111733A JP4058987B2 (ja) 2002-04-15 2002-04-15 雑音除去装置及び雑音除去方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002111733A JP4058987B2 (ja) 2002-04-15 2002-04-15 雑音除去装置及び雑音除去方法

Publications (2)

Publication Number Publication Date
JP2003308092A true JP2003308092A (ja) 2003-10-31
JP4058987B2 JP4058987B2 (ja) 2008-03-12

Family

ID=29394445

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002111733A Expired - Fee Related JP4058987B2 (ja) 2002-04-15 2002-04-15 雑音除去装置及び雑音除去方法

Country Status (1)

Country Link
JP (1) JP4058987B2 (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005241717A (ja) * 2004-02-24 2005-09-08 Kawai Musical Instr Mfg Co Ltd 自然楽器の楽音判定装置におけるモデル作成装置およびモデル作成用プログラム
WO2006082636A1 (ja) * 2005-02-02 2006-08-10 Fujitsu Limited 信号処理方法および信号処理装置
JP2006279185A (ja) * 2005-03-28 2006-10-12 Casio Comput Co Ltd 撮像装置、音声記録方法及びプログラム
JP2008076881A (ja) * 2006-09-22 2008-04-03 Fujitsu Ltd 音声認識方法、音声認識装置及びコンピュータプログラム
JP2012068342A (ja) * 2010-09-22 2012-04-05 Nec Tokin Corp 雑音除去装置
JP2012132950A (ja) * 2010-12-17 2012-07-12 Fujitsu Ltd 音声認識装置、音声認識方法および音声認識プログラム
US8370139B2 (en) 2006-04-07 2013-02-05 Kabushiki Kaisha Toshiba Feature-vector compensating apparatus, feature-vector compensating method, and computer program product
JP2014507683A (ja) * 2011-08-10 2014-03-27 歌尓声学股▲ふん▼有限公司 通信イヤホンの音声増強方法、装置及びノイズ低減通信イヤホン
JP2015018113A (ja) * 2013-07-11 2015-01-29 株式会社Ｊｖｃケンウッド 雑音検出装置、雑音検出方法、雑音低減装置、雑音低減方法、通信装置およびプログラム。
JP2017191332A (ja) * 2017-06-22 2017-10-19 株式会社Ｊｖｃケンウッド 雑音検出装置、雑音検出方法、雑音低減装置、雑音低減方法、通信装置およびプログラム。
WO2019176830A1 (ja) * 2018-03-12 2019-09-19 日本電信電話株式会社 学習用音声データ生成装置、その方法、およびプログラム
JPWO2021166243A1 (ja) * 2020-02-21 2021-08-26
WO2024069964A1 (ja) * 2022-09-30 2024-04-04 Tdk株式会社 ノイズ処理回路、信号処理装置、ノイズ処理方法、および記録媒体

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4530199B2 (ja) * 2004-02-24 2010-08-25 株式会社河合楽器製作所 自然楽器の楽音判定装置におけるモデル作成装置およびモデル作成用プログラム
JP2005241717A (ja) * 2004-02-24 2005-09-08 Kawai Musical Instr Mfg Co Ltd 自然楽器の楽音判定装置におけるモデル作成装置およびモデル作成用プログラム
WO2006082636A1 (ja) * 2005-02-02 2006-08-10 Fujitsu Limited 信号処理方法および信号処理装置
JP2006279185A (ja) * 2005-03-28 2006-10-12 Casio Comput Co Ltd 撮像装置、音声記録方法及びプログラム
US8370139B2 (en) 2006-04-07 2013-02-05 Kabushiki Kaisha Toshiba Feature-vector compensating apparatus, feature-vector compensating method, and computer program product
US8768692B2 (en) 2006-09-22 2014-07-01 Fujitsu Limited Speech recognition method, speech recognition apparatus and computer program
JP2008076881A (ja) * 2006-09-22 2008-04-03 Fujitsu Ltd 音声認識方法、音声認識装置及びコンピュータプログラム
JP2012068342A (ja) * 2010-09-22 2012-04-05 Nec Tokin Corp 雑音除去装置
JP2012132950A (ja) * 2010-12-17 2012-07-12 Fujitsu Ltd 音声認識装置、音声認識方法および音声認識プログラム
JP2014507683A (ja) * 2011-08-10 2014-03-27 歌尓声学股▲ふん▼有限公司 通信イヤホンの音声増強方法、装置及びノイズ低減通信イヤホン
US9484042B2 (en) 2011-08-10 2016-11-01 Goertek Inc. Speech enhancing method, device for communication earphone and noise reducing communication earphone
JP2015018113A (ja) * 2013-07-11 2015-01-29 株式会社Ｊｖｃケンウッド 雑音検出装置、雑音検出方法、雑音低減装置、雑音低減方法、通信装置およびプログラム。
JP2017191332A (ja) * 2017-06-22 2017-10-19 株式会社Ｊｖｃケンウッド 雑音検出装置、雑音検出方法、雑音低減装置、雑音低減方法、通信装置およびプログラム。
WO2019176830A1 (ja) * 2018-03-12 2019-09-19 日本電信電話株式会社 学習用音声データ生成装置、その方法、およびプログラム
JPWO2019176830A1 (ja) * 2018-03-12 2021-02-12 日本電信電話株式会社 学習用音声データ生成装置、その方法、およびプログラム
JP7028311B2 (ja) 2018-03-12 2022-03-02 日本電信電話株式会社 学習用音声データ生成装置、その方法、およびプログラム
JPWO2021166243A1 (ja) * 2020-02-21 2021-08-26
WO2021166243A1 (ja) * 2020-02-21 2021-08-26 日本電気株式会社 識別装置、識別装置の学習方法、及びコンピュータプログラム
WO2024069964A1 (ja) * 2022-09-30 2024-04-04 Tdk株式会社 ノイズ処理回路、信号処理装置、ノイズ処理方法、および記録媒体

Also Published As

Publication number Publication date
JP4058987B2 (ja) 2008-03-12

Similar Documents

Publication Publication Date Title
US7065487B2 (en) Speech recognition method, program and apparatus using multiple acoustic models
JP5621783B2 (ja) 音声認識システム、音声認識方法および音声認識プログラム
EP1903560B1 (en) Sound signal correcting method, sound signal correcting apparatus and computer program
JP2003308092A (ja) 雑音除去装置及び雑音除去方法
WO2003041052A1 (en) Improve speech recognition by dynamical noise model adaptation
JP6464005B2 (ja) 雑音抑圧音声認識装置およびそのプログラム
JP6004792B2 (ja) 音響処理装置、音響処理方法、及び音響処理プログラム
EP1457968B1 (en) Noise adaptation system of speech model, noise adaptation method, and noise adaptation program for speech recognition
JP3632529B2 (ja) 音声認識装置及び方法ならびに記録媒体
JPH10288996A (ja) 音声認識方法及び音声信号処理装置
JP5382745B2 (ja) 雑音除去装置及び雑音除去方法
JP4705414B2 (ja) 音声認識装置、音声認識方法、音声認識プログラムおよび記録媒体
JP3962445B2 (ja) 音声処理方法及び装置
JP3907194B2 (ja) 音声認識装置、音声認識方法及び音声認識プログラム
US7120580B2 (en) Method and apparatus for recognizing speech in a noisy environment
JP2000122688A (ja) 音声処理装置及び方法
JP4847581B2 (ja) 話者認識装置、音響モデル更新方法及び音響モデル更新処理プログラム
FI111572B (fi) Menetelmä puheen käsittelemiseksi akustisten häiriöiden läsnäollessa
JP2002123286A (ja) 音声認識方法
JP2004287010A (ja) 波形認識方法及び装置、並びにプログラム
JP2003005785A (ja) 音源の分離方法および分離装置
JP4464797B2 (ja) 音声認識方法、この方法を実施する装置、プログラムおよびその記録媒体
JP2001318687A (ja) 音声認識装置
JP2004198810A (ja) 音声認識装置
JPH06274196A (ja) 雑音除去方法および雑音除去装置

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20040707

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050407

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071116

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20071127

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20071210

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101228

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111228

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111228

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121228

Year of fee payment: 5

LAPS Cancellation because of no payment of annual fees