JP2003509730A - 信号場における妨害雑音の低減方法 - Google Patents

Abstract

(57)【要約】 それぞれ一つの信号レベル値をとり、一つの座標領域（Ｔ，Ｆ）に表わすことのできる多数の信号成分を含んだ信号場（Ｓ２）たとえば音声信号のスペクトルにおける妨害雑音を低減するために、先ず信号場の分布関数（Ｐ２（Ｅ））が決定される。これは信号レベルの関数として、パラメータ値（Ｅ）よりもその信号レベルが低い信号成分の割合を表わす。次いで分布関数（Ｐ２（Ｅ））と一組の基準パターンについて決定された分布関数から得られた基準分布関数との比較に基づいて信号場の信号レベル値が修正され、その際、エネルギーレベルに関する信号成分の順序は不変のままであると同時に本来の信号レベルが等しい信号成分に同一の修正信号レベルが割当てられる。

Description

【発明の詳細な説明】

【０００１】

【技術分野】

本発明は、それぞれ一つの信号レベル値をとり、一つの座標領域に表わすこと
のできる多数の信号成分を含んだ信号場における妨害雑音を低減するための方法
であって、信号レベルの関数として、可能な信号レベル−パラメータ値の各々に
対して、パラメータ値よりもその信号レベルが低い信号成分の割合を表わす分布
関数が信号場から決定される方法に関する。

【０００２】

【背景技術】

本発明による方法が関係する信号場はたとえばパターン認識システムにおいて
認識さるべきパターンを記述するために使用される。パターン認識の経過プロセ
スは通例大まかに次のようなステップに区分することができる。すなわち、パタ
ーンの観測、前処理および識別である。

【０００３】 第一のステップであるパターン観測はオリジナルパターンたとえばユーザの発
声音声あるいはテキストで記述された文書を処理に適したフォーマットたとえば
アナログないしデジタルコード化されたエレクトロニクス信号または所定のフォ
ーマットのデータファイルの形に変換するために行われる。たとえばラスタパタ
ーンの信号／データファイルフォーマットを事後の処理に適したフォーマットに
変換することもこれに該当する。音声認識の場合にはたとえばユーザによって発
された音声は音響入力たとえばマイクロホンを経て記録され、場合により予増幅
されて、アナログないしデジタル化された形の電気音声信号に変換される。

【０００４】 前記のようにして観測されたパターンは前処理に付され、これにより処理さる
べきデータの減少ならびに決定さるべきパターンの識別性の向上が達成される。
前処理の結果は信号場であり、音声認識を例に取れば、識別システムに供給する
ことのできる発声音声スペクトルである。前処理の一つの重要なステップはしば
しばパターン信号の信号解析であり、たとえばユーザ発声の電気音声信号につい
ていえば、信号解析は時間枠への区分（離散化）とそれに続いてそれぞれ一つの
時間枠の内部で実施されるフーリエ変換と周波数帯への分解の形で行うことがで
き、これから時間−周波数−スペクトルが得られる。これは同時に―一般的に言
って相当程度の―データ減少と結びついている。前処理の、場合によって重要な
もう一つのステップはパターン信号ないしそれから得られる信号場における妨害
雑音の低減である。

【０００５】 信号場はそれぞれ一つの固有な、この場合信号レベルと称される同一タイプの
値をとる多数の信号成分を含んでいる。これらの信号成分は当然のことながら信
号場内に配列されており、この配列は一つもしくは複数の座標パラメータによっ
て表わされている。たとえば時間−周波数−スペクトルとして実現された信号場
はそれぞれ一つの固有なエネルギーレベルをとる多数のスペクトル成分から成り
、これらのスペクトル成分は時間枠と周波数帯とに応じて配列されている。した
がって各々の信号成分に信号場がカバーする座標領域において座標領域の一つの
固有な領域エレメントを割当てることができ、その結果、領域エレメントは全体
として信号場の座標領域をカバーする。座標領域は座標パラメータの数に応じ一
次元、二次元または多次元的となり、これに応じて領域エレメントは線形エレメ
ント、面エレメントまたは（ｎ次元）ボリュームエレメントとなる。

【０００６】 前処理によって得られた信号場は識別システムに供給される。該システムはど
の認識クラス―つまり音声認識の場合にあっては所定の語彙の単語または単語連
鎖―との間に一致が存在するかを調査する。かくて認識結果はたとえば表示装置
上の出力に供給されるかまたはたとえば音声対応装置の命令入力に際するさらな
る処理に利用される。

【０００７】 パターン認識の実施は認識さるべきパターンに重畳した妨害雑音によってしば
しば困難とされる。たとえば音声認識システムの性能はバックグラウンド騒音に
よって大幅に減退されあるいは全く無効化されることがある。

【０００８】 公知の雑音低減方法にあっては前処理において信号のベースにある雑音パラメ
ータの評価が実施され、この評価に基づいて基準雑音信号が引き去られる。音声
信号に関するこの種のスペクトル減算法はS. V. VaseghiとB. P. Milnerにより
“Noise Compensation Models for Hidden Markov Model Speech Recognition i
n Adverse Environments［不利な環境における隠れマルコフモデル音声認識のた
めの雑音補償モデル］”、IEEE Transaction on Speech and Audio Processing,
Vol. 5, No. 1, 1997年1月, p. 11〜21に述べられている。この場合、スペクト
ルのそれぞれ一つのスペクトル成分のエネルギーレベルＥから基準雑音信号Ｅ_r
の当該成分が以下の式 Ｅ'＝ｓ_s（Ｅ，Ｅ_r）＝（Ｅ^b−αＥ_r ^b）^1/b にしたがって“減算”される。基準雑音信号Ｅ_rは所定のまたは評価された雑音
パラメータに基づいてシミュレートされる。この場合、エネルギーレベルの減算
はたとえば線形エネルギーレベルに関して実施するかまたは対数領域において“
コンボリューション”によって実施することができ、つまり前記の式中において
エネルギーレベルＥ、Ｅ_r、Ｅ'は当該対数ｌｏｇＥ等によって置き換えられる。

【０００９】 ただし減算方式には雑音の記述に不可欠なパラメータが所要の精度で且つ完全
に判明していることはあり得ないという欠陥がある。たとえば正しい雑音補償に
は雑音振幅が既知であるだけでなく、位相関係も既知であることが必要であるが
、これは―そもそも可能であるとしても―非常に多大なコストを以ってしか実現
することはできない。加法的重畳もコンボリューション重畳も表わしていない雑
音、たとえば加法的雑音とコンボリューション雑音とから成る混合形態の処理は
さらにいっそう困難である。

【００１０】 欧州特許公開ＥＰ ０ ０６２ ５１９ Ａ１はレーダー信号における雑音の
除去を記載しているが、この場合、レイリーまたはワイブル分布雑音を要求する
前記公知の方法とは異なり、たとえ任意であれ雑音分布は既知である。分布が既
知であることまたはそれから分布を導出することのできる少なくとも当該確率密
度が既知であることが該明細書の方法を適用するための不可欠な前提条件であり
、したがってそうした分布が既知でなければこの方法に基づく雑音除去は実施不
能である。

【００１１】 欧州特許公開ＥＰ ０ ５４８ ５２７ Ａ２はデジタル放射線撮影画像たと
えばＸ線画像のレベルスケール変換を算出するために画像のレベル分布を修正し
それが当該領域において基本的に線形になるようにするため画像の累積分布関数
を使用する方法を記載している。この方法の根底にある目的、つまり画像の観察
による爾後の検査に適した形態で画像を表現するということは本発明の目的とは
言うまでもなく本質的に異なっている。

【００１２】 欧州特許公開ＥＰ ０ ７２０ ３５８ Ａ２はビデオ信号データの圧縮に関
係している。この場合、画像のレベル分布は一方の領域に該当する入力レベルが
多ければ多いほどますます大きな出力レベル領域が各々の入力レベル領域に割当
てられるように修正され且つ出力レベル領域全体は制限されている。この場合に
もその目的、つまりより均等に信号を圧縮するということは本発明の目的とは本
質的に異なっている。したがって、該明細書に基づく圧縮に際しては、ターゲッ
ト分布は志向されず、むしろ圧縮命令は単に入力信号から導出されたパラメータ
を使用するにすぎない。

【００１３】 前記のいずれの明細書からもトレーニングデータまたは基準データから得られ
た基準分布関数の使用を看取することはできない。そこで本発明の目的は爾後の
解析評価とりわけ識別の点から見た妨害雑音による信号場の毀損を確実に低減さ
せる雑音低減方法を提示することであり、さらに雑音低減を雑音特性の詳細な知
識もバックグラウンドノイズのシミュレーションもなしで実施可能とすることで
ある。

【００１４】

【発明の開示】

前記課題は、信号レベルの関数として、可能な信号レベル−パラメータ値の各
々に対して、パラメータ値よりもその信号レベルが低い信号成分の割合を表わす
分布関数が本発明によって信号場から決定され、次いで分布関数と前もって決定
された基準分布関数との比較に基づいて信号場の信号レベル値が修正され、その
際、エネルギーレベルに関する信号成分の順序は不変のままであると同時に本来
の信号レベルが等しい信号成分に同一の修正信号レベルが割当てられ、一組の基
準パターンについて決定された分布関数から得られた関数が基準分布関数として
使用される冒頭に述べた類の方法によって解決される。

【００１５】 この解決法は加法的ないしコンボリューション雑音バックグラウンドについて
も混合形態またはもっと複雑な雑音についても共に雑音低減を可能とする。本発
明による方法により雑音が信号場の信号パラメータにおよぼす効果を、雑音パラ
メータの知識が得られていなくとも、著しく低減させることが可能である。

【００１６】 エネルギーレベルに関する信号成分の順序が不変に保たれるという要求は、第
一の成分の本来のレベルが第二の成分のそれよりも小さい各々の（任意の）対の
信号成分につき、修正されたレベルを信号成分に割当てた後も、第一の成分の修
正されたレベルが第二の成分の修正されたレベルより大きくない（したがって等
しいかまたは小さい）ということを意味している。

【００１７】 ここで前記の諸明細書からは妨害雑音の種類を顧慮しない基準分布関数に依拠
した修正が成果をもたらすものとなり得る旨の指摘をなんら看取することはでき
ないとのことを指摘しておくこととする。

【００１８】 本発明による方法にとって重要なパラメータである基準分布関数はあらかじめ
たとえば実験によって決定することが可能である。一組のトレーニングパターン
または比較パターンが存在すれば、それらまたはセレクトされたそれらのパター
ンの一部を基準分布関数の算出に利用することができる。この場合好適なことに
一組の基準パターンについて決定された分布関数から得られた関数を基準分布関
数として使用することができる。その際、基準パターンの組みの分布関数自体を
基準分布関数として利用するかあるいはそれからたとえば曲線推移の単純化によ
って得られたレベル関数をそうしたものとして利用することが可能である。

【００１９】 信号レベル値の修正は信号レベルの値領域をいくつかのレベル領域に区分する
ことから出発して各レベル領域につき ―当該レベル領域を代表する第一のレベルに対して、分布関数と第一のレベルに
おける基準分布関数の値とを適用して、分布関数の値が基準分布関数の当該値に
できるだけ接近する第二のレベルがセレクトされ、 ―信号レベルが第一と第二のレベルの間に該当する信号成分に第一のレベルの値
が割当てられる ようにして行われるのが好適である。これにより信号をできるだけ広範に基準分
布関数に適合させることが可能となる。信号レベル−値領域をいくつかのレベル
領域に区分する最も単純なケースにあっては、発生する各々の信号レベルに対し
て一つの固有な領域が割当てられる結果各々のレベル領域は当該信号レベルと同
一に扱うことができる。

【００２０】 さらに本発明の特に好適な実現は音響信号の時間依存および／または周波数依
存スペクトルとして実現された信号場に関して実施される。

【００２１】

【発明を実施するための最良の形態】

以下、自動車車内で発声された単語の音声認識に関する一実施例に基づいて本
発明を説明する。説明にあたっては添付図面を利用する。

【００２２】 騒音バックグラウンド下たとえば運転中の自動車車内の騒音バックグラウンド
下で発される音声信号は騒音によって毀損されるが、こうした騒音はさまざまな
騒音源たとえば自動車エンジン、他車両、風などに由来すると共にしばしばそれ
らの時間的経過と周波数に関して統計的に予測不能な高エネルギー音響成分の混
合体を表わしている。したがって音声認識システムの性能はたとえば自動車速度
が引き上げられて騒音バックグラウンドが増大すると急速に低下する。以下に述
べる本発明の実施例は小型の自動車車内における音声認識システムによる数字０
から９に対応する‘ゼロ’、‘ワン’、‘ツー’……‘ナイン’までの英単語の
認識に関するものである。

【００２３】 図１は騒音のない条件下の車両内で男性話者によって発された英単語‘ｓｅｖ
ｅｎ’の発声音声に関するスペクトルのスペクトログラムＳ１を示したものであ
る。

【００２４】 本実施例で扱われたスペクトルにおいて時間軸は０．９９２ｓの時間長を表わ
しており、これは同一時間幅の３１の枠Ｔ（いわゆる‘フレーム’）に区分され
ている。周波数範囲はｆ＝２００Ｈｚ〜３．４ｋＨｚに及び、ほぼ対数区分され
た帯域幅／帯域間隔を有した９帯域Ｆに区分されている。スペクトルエネルギー
はすべての図において対数により、全ての図に共通の一つのベースレベルを基準
として、ｄＢ単位のエネルギーレベルＥとして表わされている。

【００２５】 この種のスペクトルは前記語彙の発声に関する本出願人の音声認識実験で使用
された。使用された音声認識システムでは認識さるべき発声音声が雑音低減によ
って前処理された後、さらに以下に詳しく説明するように、識別が行われ、識別
にあたってはトレーニング語彙でトレーニングされた層状ニューラルネットワー
クがパターン認識システムとして使用される。トレーニング語彙は―好ましくは
男性、女性双方の―何人かの話者により車両内の音声環境に相当した環境内で、
しかも各単語につき複数回、雑音バックグラウンドの無雑音条件下（車両停止時
）で発声された。

【００２６】 図２は図１に示したスペクトルＳ１に対するエネルギー分布関数Ｐ１（Ｅ）を
示している。一つのスペクトルＳに対応した一つのエネルギー分布関数Ｐ（Ｅ）
はエネルギーレベルＥの関数として、当該スペクトルＳのどれだけのスペクトル
成分Ｓ（Ｔ，Ｆ）が図示エネルギーレベルＥよりも低いエネルギーレベルを有し
ているかを表わしており、その数はスペクトル成分の総数を基礎として０と１と
の間の値として表わされている。たとえばエネルギー分布関数Ｐ１は４８ｄＢで
値０．６を有しているが、これはスペクトルＳ１の６０％のエネルギーレベルが
４８ｄＢ以下だからである。エネルギー分布関数Ｐ（Ｅ）の大きな（小さな）勾
配は当該スペクトルＳの多数（少数）の成分にその値が現われるエネルギーレベ
ルに対応している。エネルギー分布関数は多数のスペクトルについても決定する
ことができ、その場合、該関数は図示レベルＥ以下のエネルギーレベルを有した
成分がスペクトル全体に占める割合を―それらすべてのスペクトルの成分の総数
で除した値として―表わしている。

【００２７】 図３は車両速度が１１３ｋｍ／ｈ（７０ｍｐｈ）時における同一話者による単
語の発声に関するスペクトログラムＳ２を示したものである。スペクトログラム
Ｓ１とＳ２（図１ないし３）の比較から判明するように、高エネルギーの音声部
はわずかに毀損されているにすぎない一方でその他の部分は騒音によってマスキ
ングされている。バックグラウンド−エネルギーレベルは約２５ｄＢからほぼ６
５ｄＢに高まり、音声のピークは８５ｄＢにあり、７０ｄＢ以下の音声部は騒音
バックグラウンドに埋没している。図４は当該エネルギー分布関数Ｐ２（Ｅ）を
示したものである。

【００２８】 エネルギー分布関数Ｐ１とＰ２（図２ないし４）は、無雑音信号Ｓ１のスペク
トル分布は騒音をまとった信号Ｓ２のスペクトル分布とは著しく異なっており、
信号Ｓ２においてバックグラウンドエネルギーは無雑音信号の場合よりおよそ４
０ｄＢ高まっていることを示している。

【００２９】 冒頭で触れたS. V. VaseghiとB. P. Milnerのスペクトル減算により雑音をま
とった信号の雑音低減を達成することができる。先述したようにスペクトルＳは
基準雑音信号Ｓｒを使用し、各々のスペクトル成分Ｓ（Ｔ，Ｆ）において基準雑
音のそれぞれの当該成分Ｓ_r（Ｔ，Ｆ）が以下の式にしたがって“減算される”
ことによって変換される。 Ｓ'（Ｔ，Ｆ）＝Ｅ０＝ｓ_s（Ｅ，Ｅ_r）＝（Ｅ^b−αＥ_r ^b）^1/b ここで、 Ｅ＝Ｓ（Ｔ，Ｆ）であり、 Ｅ_r＝Ｓ_r（Ｔ，Ｆ）である。 スペクトル減算による雑音低減は以下に詳しく述べるスペクトルＳ２に関する本
出願人の実験の一環として実施された。図５および６はスペクトログラムＳ２に
スペクトル減算を適用して生じたスペクトルＳ３＝ｓ_s（Ｓ２，Ｓ_r）と当該エネ
ルギー分布関数Ｐ３を示したものである。この場合、実施された音声認識テスト
が種々のパラメータｂとαにつき最良の結果を示したパラメータｂとαならびに
発声音声Ｓ２の測定から得られた基準雑音Ｓ_rが使用された。図５および６から
判明するように、バックグラウンド雑音は雑音低減処理されなかった信号Ｓ２の
場合よりも約１０ｄＢだけ低いが、低エネルギー音声部のかなりの部分は依然と
して残余の雑音によって蔽われている。したがって音声認識の成功率はわずかに
向上しているにすぎない。

【００３０】 基準雑音信号Ｓ_rとして使用された信号は雑音をまとった信号Ｓ２のバックグ
ラウンドとして存在する雑音と統計的に一致するにすぎないことから、スペクト
ル減算によっては生じたスペクトルＳ３の個々の成分についてしか雑音レベルの
低減を達成することができない。というのも基準雑音と実際のバックグラウンド
との相対的な位相位置次第でスペクトル成分の一部について当該成分の雑音部分
が抹消されるにすぎず、その他の成分にあっては雑音レベルはほぼ同じままであ
り、かなりの成分において（たとえその効果がエネルギーレベルの対数表示によ
って緩和されているとはいえ）増幅さえも生ずるからである。このことは図５に
おいて特におおよそ時間枠２０以降の低レベル部分に認めることができる。

【００３１】 本発明によれば前記音声信号Ｓ２の雑音低減は所定の“前置関数”すなわち基
準として利用されるエネルギー分布関数を使用して行われる。これは音声信号ス
ペクトルＳ２のスペクトル成分のレベルが前置関数に適合させられるようにして
行われるのが好適である。これにより、生じたスペクトルのエネルギー分布関数
は基本的に前置関数に一致する。

【００３２】 前置関数としては当該単語（ここでは‘ｓｅｖｅｎ’）に関する音声認識シス
テムのトレーニングに使用されるスペクトルの和のエネルギー分布関数を使用す
るのが理想的であろうが、認識さるべき単語は言うまでもなく前以って音声認識
システムに知られているわけではないことからそれは不可能である。その代わり
に認識さるべき語彙の単語の全体に関して有効なエネルギー分布関数が前置関数
として選択される。たとえばトレーニング語彙全体のスペクトルから導出された
エネルギー分布関数を前置関数Ｐ０として使用することができる。

【００３３】 レベルを前置関数に適合させることによる本発明に基づく雑音低減は本来のレ
ベルＥ＝Ｓ（Ｔ，Ｆ）の等しいスペクトル成分が適合後にも一つの共通のレベル
Ｅ０＝Ｓ'（Ｔ，Ｆ）を有するようにして行われ、つまりすべてのスペクトル成
分に以下の適合条件が当てはまる。 Ｓ（Ｔ₁，Ｆ₁）＝Ｓ（Ｔ₂，Ｆ₂）であれば、 Ｓ'（Ｔ₁，Ｆ₁）＝Ｓ'（Ｔ₂，Ｆ₂） （１） さらにエネルギーレベルに関する成分の順序はそのままとされる。つまり、 Ｓ（Ｔ₁，Ｆ₁）＜Ｓ（Ｔ₂，Ｆ₂）であれば、 Ｓ'（Ｔ₁，Ｆ₁）≦Ｓ'（Ｔ₂，Ｆ₂） （２） この単調条件は修正されたスペクトルＳ'へのスペクトルＳの雑音低減に際し少
なくとも質的な面でスペクトルの構造を保全する。

【００３４】 雑音低減は適合条件（１）の結果として、本来の各レベルＥにもともとレベル
Ｅを有するスペクトル成分がそこに引き下げ（または引き上げ）られる修正され
たレベルＥ０＝Ｒ（Ｅ）を割当てる適合関数Ｒ（Ｅ）によって完全に記述するこ
とができる。適合関数は単調条件（２）により単調であり、つまりＥ₁＜Ｅ₂であ
ればＲ（Ｅ₁）≦Ｒ（Ｅ₂）である。本発明によりこうしたスペクトルの適合化は
割当てられたエネルギー分布関数にＰ０（Ｅ０）＝Ｐ（Ｅ）が当てはまるように
して行われる。したがって適合関数Ｒ（Ｅ）は当該の信号のエネルギー分布関数
Ｐ２を前置関数Ｐ０と比較することにより一義的に決定されている。エネルギー
分布関数Ｐ，Ｐ０は同じく単調非減少関数であることから、これから前置関数Ｐ
０を逆変換することにより適合関数を正式に求めることができる。

【００３５】 表１はそれによって本発明によるスペクトルの適合化が行われるプログラム−
擬似コードの例を示したものである。この場合、適合さるべきスペクトルＳはフ
ィールド変数Ｓに蓄積されており、区間Ｔｍｉｎ…Ｔｍａｘならびに時間−周波
数−空間のＦｍｉｎ…Ｆｍａｘに対して定義されている。スペクトルのエネルギ
ーレベルはエネルギーレベルＥｍｉｎとＥｍａｘとの間の値域の離散値を取り得
る。フィールド変数Ｐ０では基準エネルギー分布関数が前置関数として所与であ
る。エネルギー分布関数は前記区間Ｅｍｉｎ…Ｅｍａｘに対するフィールドとし
て定義されている。

【００３６】

【表１】

【００３７】 先ず（マークＰＳ／Ｓから）当該エネルギー分布関数が求められ、フィールド
変数ＰＳにファイルされる。このためスペクトルの各成分Ｓ［Ｔ，Ｆ］につきレ
ベル値が求められ、割当てられたエネルギーレベルがこのレベル値以上のエネル
ギー分布関数ＰＳの全成分が増分される。この場合ｉｎｃは増分関数と称される
。

【００３８】 次いで（マークＲＥＤ／Ｓから）ｆｏｒループで離散値Ｅ０の各々につき、こ
のレベルにおいてエネルギー分布関数ＰＳ［Ｅ０］が前置関数Ｐ０［Ｅ０］より
小さい限り、以下のステップが実施される：先ずレベル値Ｅ０に割当てられたエ
ネルギーレベルＥ０＋ｄＥが決定される。これはこれらのレベルの間隔ｄＥが値
０から出発して―割当てられたレベルＰＳ［Ｅ０＋ｄＥ］におけるエネルギー分
布関数の値が所与のレベル値Ｐ０［Ｅ０］における前置関数の値に最も接近する
まで―増分される（ｗｈｉｌｅループ）ことによって行われる。このために関数
ａｂｓが絶対値の算出に使用される。ｗｈｉｌｅループの後に行われる減分ステ
ップｄｅｃ（ｄＥ）は前記条件が実際に該当する値への修正に利用される。かく
てレベル値Ｅ０はエネルギーレベルＥ０＋ｄＥに対する修正されたレベルを表わ
すこととなる。続いてレベル間隔ｄＥが正（０より大）であるか否かが吟味され
る；この場合、そのエネルギーレベルがＥ０とＥ０＋ｄＥとの間の区間に該当す
るスペクトルの全成分Ｓ［Ｔ，Ｆ］がエネルギーレベルＥ０に設定される。外部
ｆｏｒループの最終終了後、フィールドＳは本発明による雑音低減されたスペク
トルＳ'を含んでいる。

【００３９】 図７は本実施例で使用された前置関数Ｐ０（Ｅ０）、すなわち前記のトレーニ
ング語彙つまり英語の数詞‘ｚｅｒｏ’〜‘ｎｉｎｅ’に関するエネルギー分布
関数を示したものである。雑音をまとった発声音声Ｓ２につき本発明による雑音
低減は前記の前置関数Ｐ０を利用して、図８にスペクトログラムＳ４として示し
たスペクトルを結果する。図９は当該エネルギー分布関数Ｐ４を表わしている。

【００４０】 本発明による方法の実施コストを低減するため本来のスペクトルのそれぞれの
レベル領域は―当該スペクトル成分に修正された統一レベルが割当てられるよう
にして―共通処理することが可能である。この修正されたレベルは当該レベル領
域の代表的なレベル値たとえば該レベル領域の平均値または該レベル領域に該当
する全成分のレベルのメジアンに関して前述したようにたとえば適合関数を使用
して決定される。

【００４１】 本出願人によって実施された前述した音声認識システムによる第一の音声認識
実験にあたって本発明による方法がテストされ、同時にスペクトル減算法と比較
された。認識さるべき発声音声は異なった雑音バックグラウンド条件下、すなわ
ち８０ｋｍ／ｈ（５０ｍｐｈ）および１１３ｋｍ／ｈ（７０ｍｐｈ）での走行中
に発声された。同実験にあたって音声認識システムが発声音声を誤認識した事象
がカウントされ、その際、代入エラーのみが考慮された。信号が雑音低減なしで
パターン認識に供給されたテストシリーズでは発声音声の３０％が誤認識された
。雑音低減方法としてスペクトル減算を使用した場合には誤認識の割合は２３．
３％に低下したが、本発明による方法を実施する場合にはエラー率は１３．３％
に減少し、したがって公知の方法に比較してエラー率はほぼ半減した。

【００４２】 本発明による方法は発声音声スペクトル成分の単調関係を妨げないかもしくは
わずかに妨げるにすぎない重畳雑音の低減に特に適している。この種の雑音に属
するものはたとえば白色雑音、全スペクトルの線形または非線形増幅ないし減衰
ならびに周知のように話者の心理状態たとえばストレスに応じた音声および発音
の変化を記述するさまざまなロンバード効果現象である。

【００４３】 図８のスペクトログラムＳ４には時間枠１６の辺りの上側周波数帯に本来の発
声音声（図１）には含まれていず且つ本発明による方法によって除去されなかっ
たアーティファクトが認められる。この種のアーティファクトはほとんどの場合
にたとえば雑音低減に後置されたメディアンフィルタリングによって除去するこ
とができる。

【００４４】 本発明による雑音低減方法は処理さるべき信号を雑音が欠如している場合にも
変化させるが、これは前置関数が一般に無雑音発声音声のエネルギー分布関数と
は相違しているからである。これによって場合により無雑音ケースにおいて認識
エラー源が発生することがある。これを回避するため、たとえば音声認識システ
ムのトレーニングを、使用された前置関数にすでに本発明による方法を用いて適
合されたスペクトルを利用して実施することが可能である。トレーニング語彙は
このスペクトルを本来のスペクトルに代えてまたは本来のスペクトルと共に含ん
でいてよい。

【００４５】 もう一つの方式は本発明による方法を雑音の存在が―たとえば発声直前の期間
に―確認される場合にのみ使用することである。さもない場合には音声信号は雑
音低減なしで音声認識に供給されることとなる。この方式は雑音の単なる検知の
範囲を超える雑音の評価を不要とする。

【００４６】 本発明による方法を単純化した変法では、前置関数の一定数のパラメータのみ
を使用し、これらのパラメータを顧慮して適合化が行われることによってスペク
トルの適合化を著しく単純化することができる。たとえば前置関数の分布の平均
値とばらつきとを使用することができよう。適合化を行うには、同じくエネルギ
ー分布関数の平均値とばらつきが求められ、これらのパラメータと前置関数のパ
ラメータとの比較からスペクトルのエネルギーレベルの線形変換が決定される。
この線形変換の適用によりバックグラウンド雑音の擾乱効果の著しく減少した修
正されたスペクトルが得られる。線形変換の適用では十分でないかぎり、たとえ
ば、エネルギー分布関数と前置関数との相当数のパラメータの比較たとえば高次
の分布モーメントの比較から決定される高次の変換を使用することが可能である
。

【００４７】 本発明による方法は音響信号たとえば音声信号の雑音減少に適しているだけで
なく、一次元または多次元場に表わされた特徴量によって記述することのできる
その他の種類のパターンにも同じく使用することができる。したがって本発明の
適用が可能な領域はたとえば書かれたテキスト等の記号認識、画像の再構成およ
び／または解析等である。

【図面の簡単な説明】

【図１】 騒音のない条件下における発声音声のスペクトログラムを示す図である。

【図２】 図１に示したスペクトログラムのエネルギー分布関数を示す図である。

【図３】 騒音バックグラウンド下の発声音声のスペクトログラムである。

【図４】 騒音バックグラウンド下の発声音声のエネルギー分布関数を示す図である。

【図５】 図３に示したスペクトログラムからスペクトル減算によって生じたスペクトロ
グラムである。

【図６】 図３に示したスペクトログラムからスペクトル減算によって生じたエネルギー
分布関数を示す図である。

【図７】 本発明を適用するための基準分布関数を示す図である。

【図８】 図３に示したスペクトログラムから図７に示した基準分布関数に依拠した本発
明による雑音低減によって生じたスペクトログラムである。

【図９】 図３に示したスペクトログラムから図７に示した基準分布関数に依拠した本発
明による雑音低減によって生じたエネルギー分布関数を示す図である。

【手続補正書】特許協力条約第３４条補正の翻訳文提出書

【提出日】平成１３年１１月１２日（２００１．１１．１２）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】特許請求の範囲

【補正方法】変更

【補正の内容】

【特許請求の範囲】

───────────────────────────────────────────────────── 【要約の続き】

Claims (3)

【特許請求の範囲】
1. 【請求項１】 それぞれ一つの信号レベル値をとり、一つの座標領域（Ｔ，
   Ｆ）に表わすことのできる多数の信号成分を含んだ信号場（Ｓ２）における妨害
   雑音を低減するための方法であって、 信号レベルの関数として、可能な信号レベル−パラメータ値（Ｅ）の各々に対
   して、パラメータ値（Ｅ）よりもその信号レベルが低い信号成分の割合を表わす
   分布関数（Ｐ２（Ｅ））が信号場（Ｓ２）から決定され、 分布関数（Ｐ２（Ｅ））と前もって決定された基準分布関数（Ｐ０（Ｅ））と
   の比較に基づいて信号場の信号レベル値が修正され、その際、エネルギーレベル
   に関する信号成分の順序は不変のままであると同時に本来の信号レベルが等しい
   信号成分に同一の修正信号レベルが割当てられ、 一組の基準パターンについて決定された分布関数から得られた関数が基準分布
   関数（Ｐ０）として使用されることを特徴とする方法。
2. 【請求項２】 信号レベル値の修正のため、信号レベルの値領域をいくつか
   のレベル領域に区分することから出発して、各レベル領域につき ―当該レベル領域を代表する第一のレベル（Ｅ０）に対して、分布関数（Ｐ２）
   と第一のレベル（Ｐ０（Ｅ０））における基準分布関数の値とを適用して、分布
   関数（Ｐ２（Ｅ））の値が基準分布関数（Ｐ０（Ｅ０））の前記値にできるだけ
   接近する第二のレベルがセレクトされ、 ―信号レベルが第一と第二のレベルとの間に該当する信号成分に第一のレベル（
   Ｅ０）の値が割当てられる ことを特徴とする請求項１に記載の方法。
3. 【請求項３】 音響信号の時間依存および／または周波数依存スペクトルと
   して実現された信号場に関して実施されることを特徴とする請求項１または２に
   記載の方法。