JP2004272129A - 音源選択方法及び音源選択装置 - Google Patents
音源選択方法及び音源選択装置 Download PDFInfo
- Publication number
- JP2004272129A JP2004272129A JP2003065850A JP2003065850A JP2004272129A JP 2004272129 A JP2004272129 A JP 2004272129A JP 2003065850 A JP2003065850 A JP 2003065850A JP 2003065850 A JP2003065850 A JP 2003065850A JP 2004272129 A JP2004272129 A JP 2004272129A
- Authority
- JP
- Japan
- Prior art keywords
- sound source
- source signal
- value
- absolute value
- average
- 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
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
【課題】処理時間が短くメモリの記憶容量の減少を図ることができしかも誤り率の小さい音源選択装置を提供する。
【解決手段】目的音源信号のスペクトルの平均パワーと平均スパーシティとが記憶された学習回路部と判定回路部を有し、判定回路部では、複数の音源信号についてスペクトルの平均パワーを演算して目的音源信号との相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求め（ステップ１〜５）、第１絶対値が第１閾値よりも大きいか否かを判断し（ステップ６、７）、さらに、複数の音源信号について平均スパーシティを演算して目的音源信号との相関値を演算し、得られた複数の相関値のうち最大値と最大値の次に大きい値との差の第２絶対値を求め（ステップ８、９）、第２閾値よりも大きいか否かを判断して音源信号を選択する（ステップ１０〜１２）。
【選択図】 図３
【解決手段】目的音源信号のスペクトルの平均パワーと平均スパーシティとが記憶された学習回路部と判定回路部を有し、判定回路部では、複数の音源信号についてスペクトルの平均パワーを演算して目的音源信号との相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求め（ステップ１〜５）、第１絶対値が第１閾値よりも大きいか否かを判断し（ステップ６、７）、さらに、複数の音源信号について平均スパーシティを演算して目的音源信号との相関値を演算し、得られた複数の相関値のうち最大値と最大値の次に大きい値との差の第２絶対値を求め（ステップ８、９）、第２閾値よりも大きいか否かを判断して音源信号を選択する（ステップ１０〜１２）。
【選択図】 図３
Description
【０００１】
【発明の属する技術分野】
本発明は、複数の音源の中から目的音源を選択する音源選択方法及び音源選択装置に関する。
【０００２】
【従来の技術】
従来から、音源選択方法及び音源選択装置には、発声内容依存型（音源信号の言語的な特徴に基づく音源選択）、発声内容独立型（音源信号の音響特性のみに基づく音源選択）の二種類に大別される（例えば、特許文献１参照。）。
【０００３】
【特許文献１】
特開平５−１８１４６４号公報
【０００４】
【発明が解決しようとする課題】
その発声内容依存型の音源選択方法は、誤選択率が低いという特徴はあるが、目的音源に相当する発話者の各人に対する大量かつ長時間の学習（トレーニング）が必要であり、実際に音源選択に応用する場合、目的の発話者を想定できず、目的音源に対する学習が不可能なので、音源選択方法及び音源選択装置への事前情報を取り込むことができず、また、目的音源ごとに特徴を表すための大量の情報を保存するためのメモリ（記憶部）が必要である。
【０００５】
これに対して、発声内容独立型の音源選択方法は、学習過程は発声内容依存型と同様に必要ではあるが、短時間の学習で推定された音響的特徴パターンを使用しても、長時間の学習で推定したものと較べて大きな性能の劣化がないという長所がある一方で、スペクトルの平均的特徴やピッチ（音源の基本周波数）にのみ基づいて音源を選択するために誤って音源を選択する可能性がある。また、ピッチ抽出処理のための計算量が多く、実時間処理に適用し難いという不都合がある。
【０００６】
本発明は、上記の事情に鑑みて為されたもので、処理時間が短くメモリの記憶容量の減少を図ることができしかも誤り率の小さい音源選択法及び音源選択装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】
請求項１に記載の音源選択方法は、複数の音源の中から目的音源を選択するものであり、
目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとを演算して記憶する記憶ステップと、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求める第１演算ステップと、
複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求める第２演算ステップと、
前記第１演算ステップにより得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうちの前記第１演算ステップにより得られた前記最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、前記第１演算ステップにより得られた第１絶対値が前記第１閾値以下の場合には、前記第２演算ステップを実行させて該第２演算ステップにより得られた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に前記第２演算ステップにより得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する選択ステップと、
を有することを特徴とする。
【０００８】
ただし、前記音源信号平均パワーは下記（５）式に従って演算され、前記平均スパーシティは下記（６）式に従って演算される。
【０００９】
【数３】
【００１０】
請求項２に記載の音源選択装置は、複数の音源の中から目的音源を選択するものであり、
目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとが記憶された記憶部と、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求め、音源信号平均パワーの相関演算により得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうち音源信号平均パワーの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、音源信号平均パワーの相関演算により得られた第１絶対値が前記第１閾値以下の場合には、複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求め、平均スパーシティ相関演算により求められた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に平均スパーシティの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する判定回路部とを有することを特徴とする。
【００１１】
ただし、前記音源信号平均パワーは下記（７）式に従って演算され、前記平均スパーシティは下記（８）式に従って演算される。
【００１２】
【数４】
【００１３】
【発明の実施の形態】
図１は本発明に係わる音源選択装置の要部構成を示すブロック回路図である。
【００１４】
音源選択装置１は、学習回路部２と判定回路部３とを有する。その学習回路部２は、目的音源の音源の特徴を抽出する目的音源音響特徴抽出部４、目的音源パラメータ推定部５、記憶部６を有する。
【００１５】
判定回路部３は、各音源音響特徴抽出部７、各音源パラメータ推定部８、類似度計算部９、音源選択部１０を有する。
【００１６】
この音源選択装置１には、複数の音源信号ｓ１、ｓ２、…、ｓｊ、…、ｓｋ、…、ｓｎ（ｋは１からｎまでの正の整数）が入力されるものとする。ここでは、目的音源はｓｊであるとする。
【００１７】
音源の音響特徴としては、平均スペクトルと平均スパーシティとを採用するものとする。
【００１８】
平均スペクトルは下記（９）式に示すＳｈｏｒｔ−Ｔｉｍｅ Ｆｏｕｒｉｅｒ変換（ＳＴＦ）をＦａｓｔ−Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ（ＦＦＴ）を用いて求められる。
【００１９】
【数５】
【００２０】
ここで、ｓｋ（ｔ）はｋ番目の入力信号、ｗ（ｔ）は窓関数、ｔｃは窓関数の時間座標、ｔ’は窓内部の時間座標、ｆは周波数、Ｓｋ（ｔｃ，ｆ）は音源信号ｓｋ（ｔ）の周波数スペクトル成分値である。
【００２１】
また、Ｆｏｕｒｉｅｒ変換ＦＦＴの点数は窓関数の長さと同じであり、隣接する２つの窓は一定間隔に保持される。
【００２２】
スペクトルの平均パワーＰ（Ｓｋ（ｆ））は、下記（１０）式を用いて求められる。
【００２３】
【数６】
【００２４】
平均スパーシティは、下記（１１）式を用いて求められる。
【００２５】
【数７】
【００２６】
その（１０）式、（１１）式において、Ｅ｛…｝は、窓関数の時間座標ｔｃに関する平均値を意味する。
【００２７】
学習回路部２は、演算式（９）〜（１１）式に基づく演算を実行することにより、目的音源ｓｊの学習を実行する。なお、式（９）〜式（１１）については、添え字がｋで表現されているが、添え字ｋをｊに置き換えれば目的音源に対応した演算となる。
【００２８】
目的音源信号ｓｊが教師信号として学習回路部２に入力されると（図２のＳ．１参照）、目的音源音響特徴抽出部４が（９）式に基づいて窓付けＦＦＴを実行し、フーリエ変換を行う（図２のＳ．２参照）。そのフーリエ変換処理による信号は、目的音源パラメータ推定部５に入力される。
【００２９】
目的音源パラメータ推定部５は、式（１０）に基づいて、目的音源の音源信号ｓｊの目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））を算出する（図２のＳ．３参照）。この目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））は記憶部６に保存される（（図２のＳ．４参照））。
【００３０】
ついで、目的音源パラメータ推定部５は、式（１１）に基づいて、目的音源の音源信号ｓｊの平均スパーシティＳｐａｒ（Ｒ（ｆ））を算出する（図２のＳ．５参照）。この平均スパーシティＳｐａｒ（Ｒ（ｆ））も記憶部６に保存される。このＳ．１〜Ｓ．６が記憶ステップである。
【００３１】
なお、Ｒ（ｆ）は目的音源の音源信号ｓｊのＳｈｏｒｔ−Ｔｉｍｅ Ｆｏｕｒｉｅｒ変換（ＳＴＦ）である。
【００３２】
この学習過程では、学習時間が長いほど学習の結果が良好となり、実際には数秒から数分程度の学習を必要とする。
【００３３】
判定回路部３には、複数の音源信号ｓ１〜ｓｎが入力される。各音源信号ｓ１〜ｓｎはブロック毎に入力される（図３のＳ．１参照）。ここで、ブロックとは、窓の長さの倍数のサンプル数の集合を言う。
【００３４】
音源音響特徴抽出部７は、各音源信号毎に式（９）に基づき窓付けＦＦＴを実行し、フーリエ変換を行う（図３のＳ．２参照）。そのフーリエ変換処理による信号は、各音源毎パラメータ推定部８に入力される。
【００３５】
各音源毎パラメータ推定部８は、式（１０）に基づいて、各音源の音源信号ｓ１〜ｓｎの音源信号平均パワースペクトルＰ（Ｓｋ（ｆ））（ｋ＝１〜ｎ）を算出する（図２のＳ．３参照）。その処理結果は類似度計算部９に入力される。
【００３６】
類似度計算部９は音源信号平均パワースペクトルＰ（Ｓｋ（ｆ））と目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））との相関度ｃｏｒｒ（Ｐ（Ｓｋ（ｆ）），Ｐ（Ｒ（ｆ）））を演算する（図３のＳ．４参照）。
【００３７】
そして、類似度計算部９は、相関度ｃｏｒｒ（Ｐ（Ｓｋ（ｆ）），Ｐ（Ｒ（ｆ）））が最大となる音源信号の相関値ｋｐ ｍａｘとその次に大きな値となる音源信号の相関値ｋｐ ｎｍａｘとを決定する（図３のＳ．５参照）。
【００３８】
そして、下記式（１２）に基づいて最大値ｃｏｒｒ（ｋｐ ｍａｘ）と最大値の次に大きな相関値ｃｏｒｒ（ｋｐ ｎｍａｘ）との差の第１絶対値を演算する。この第１演算値を求めるまでのステップが第１演算ステップである。
【００３９】
【数８】
【００４０】
そして、その差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きいか否かを判断する（図３のＳ．６参照）。差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きい場合には、複数の音源信号のうち最大値ｋｐ ｍａｘに対応する音源信号を選択すべき旨の選択信号を音源選択部１０に出力する（図３のＳ．７参照）。音源選択部１０はその選択信号に基づき、複数の音源信号のうち最大値ｋｐ ｍａｘに対応する音源を目的音源信号ｓｊとみなして出力する。この差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きい場合に第１演算ステップにより得られた最大値ｋｐ ｍａｘに対応する音源信号を選択するステップが選択ステップである。
【００４１】
その差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも小さいときには、類似度計算部９は、各音源信号の平均スパーシティＳｐａｒ（Ｓｋ（ｆ））の演算を実行する（図３のＳ．８参照）。そして、平均スパーシティＳｐａｒ（Ｓｋ（ｆ））と目的音源平均スパーシティＳｐａｒ（Ｒ（ｆ））との相関演算を実行し、各音源信号について相関値ｃｏｒｒ（Ｓｐａｒ（Ｓｋ（ｆ）），Ｓｐａｒ（Ｒ（ｆ）））を求める（図３のＳ．９参照）。
【００４２】
ついで、類似度計算部９は各相関値ｃｏｒｒ（Ｓｐａｒ（Ｓｋ（ｆ）），Ｓｐａｒ（Ｒ（ｆ）））のうち最大値ｃｏｒｒ（ｋｓ ｍａｘ）とその次に大きな値ｃｏｒｒ（ｋｓ ｎｍａｘ）とを決定する。そしてその最大値ｃｏｒｒ（ｋｓ ｍａｘ）とその次に大きな値ｃｏｒｒ（ｋｓ ｎｍａｘ）との差の第２絶対値を下記（１３）式に基づき演算する。この第２絶対値を求める演算ステップが第２演算ステップである。
【００４３】
【数９】
【００４４】
そして、その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも大きいか否かを判断する（図３のＳ．１０参照）。その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも大きい場合には、音源選択部１０に最大値ｋｓ ｍａｘが得られた音源信号を目的音源信号ｓｊとみなして選択すべき旨の選択信号を出力し（図３のＳ．１１参照）、その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも小さい場合には、音源選択部１０に最大値ｋｐ ｍａｘに対応する音源を目的音源信号ｓｊとみなして選択すべき旨の信号を出力し（図３のＳ．１２参照）、これにより、目的音源が選択される。
【００４５】
【発明の効果】
本発明は、以上説明したように構成したので、処理時間が短くメモリの記憶容量の減少を図ることができしかも誤り率の小さい音源選択法及び音源選択装置を提供できる。
【図面の簡単な説明】
【図１】本発明に係わる音源選択装置の要部構成を示すブロック図である。
【図２】本発明に係わる音源選択回路の学習過程を説明するためのフローチャートである。
【図３】本発明に係わる音源選択回路の音源選択手順を説明するためのフローチャートである。
【符号の説明】
１…音源選択装置
３…判定回路部
６…記憶部
【発明の属する技術分野】
本発明は、複数の音源の中から目的音源を選択する音源選択方法及び音源選択装置に関する。
【０００２】
【従来の技術】
従来から、音源選択方法及び音源選択装置には、発声内容依存型（音源信号の言語的な特徴に基づく音源選択）、発声内容独立型（音源信号の音響特性のみに基づく音源選択）の二種類に大別される（例えば、特許文献１参照。）。
【０００３】
【特許文献１】
特開平５−１８１４６４号公報
【０００４】
【発明が解決しようとする課題】
その発声内容依存型の音源選択方法は、誤選択率が低いという特徴はあるが、目的音源に相当する発話者の各人に対する大量かつ長時間の学習（トレーニング）が必要であり、実際に音源選択に応用する場合、目的の発話者を想定できず、目的音源に対する学習が不可能なので、音源選択方法及び音源選択装置への事前情報を取り込むことができず、また、目的音源ごとに特徴を表すための大量の情報を保存するためのメモリ（記憶部）が必要である。
【０００５】
これに対して、発声内容独立型の音源選択方法は、学習過程は発声内容依存型と同様に必要ではあるが、短時間の学習で推定された音響的特徴パターンを使用しても、長時間の学習で推定したものと較べて大きな性能の劣化がないという長所がある一方で、スペクトルの平均的特徴やピッチ（音源の基本周波数）にのみ基づいて音源を選択するために誤って音源を選択する可能性がある。また、ピッチ抽出処理のための計算量が多く、実時間処理に適用し難いという不都合がある。
【０００６】
本発明は、上記の事情に鑑みて為されたもので、処理時間が短くメモリの記憶容量の減少を図ることができしかも誤り率の小さい音源選択法及び音源選択装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】
請求項１に記載の音源選択方法は、複数の音源の中から目的音源を選択するものであり、
目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとを演算して記憶する記憶ステップと、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求める第１演算ステップと、
複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求める第２演算ステップと、
前記第１演算ステップにより得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうちの前記第１演算ステップにより得られた前記最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、前記第１演算ステップにより得られた第１絶対値が前記第１閾値以下の場合には、前記第２演算ステップを実行させて該第２演算ステップにより得られた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に前記第２演算ステップにより得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する選択ステップと、
を有することを特徴とする。
【０００８】
ただし、前記音源信号平均パワーは下記（５）式に従って演算され、前記平均スパーシティは下記（６）式に従って演算される。
【０００９】
【数３】
請求項２に記載の音源選択装置は、複数の音源の中から目的音源を選択するものであり、
目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとが記憶された記憶部と、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求め、音源信号平均パワーの相関演算により得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうち音源信号平均パワーの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、音源信号平均パワーの相関演算により得られた第１絶対値が前記第１閾値以下の場合には、複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求め、平均スパーシティ相関演算により求められた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に平均スパーシティの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する判定回路部とを有することを特徴とする。
【００１１】
ただし、前記音源信号平均パワーは下記（７）式に従って演算され、前記平均スパーシティは下記（８）式に従って演算される。
【００１２】
【数４】
【発明の実施の形態】
図１は本発明に係わる音源選択装置の要部構成を示すブロック回路図である。
【００１４】
音源選択装置１は、学習回路部２と判定回路部３とを有する。その学習回路部２は、目的音源の音源の特徴を抽出する目的音源音響特徴抽出部４、目的音源パラメータ推定部５、記憶部６を有する。
【００１５】
判定回路部３は、各音源音響特徴抽出部７、各音源パラメータ推定部８、類似度計算部９、音源選択部１０を有する。
【００１６】
この音源選択装置１には、複数の音源信号ｓ１、ｓ２、…、ｓｊ、…、ｓｋ、…、ｓｎ（ｋは１からｎまでの正の整数）が入力されるものとする。ここでは、目的音源はｓｊであるとする。
【００１７】
音源の音響特徴としては、平均スペクトルと平均スパーシティとを採用するものとする。
【００１８】
平均スペクトルは下記（９）式に示すＳｈｏｒｔ−Ｔｉｍｅ Ｆｏｕｒｉｅｒ変換（ＳＴＦ）をＦａｓｔ−Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ（ＦＦＴ）を用いて求められる。
【００１９】
【数５】
ここで、ｓｋ（ｔ）はｋ番目の入力信号、ｗ（ｔ）は窓関数、ｔｃは窓関数の時間座標、ｔ’は窓内部の時間座標、ｆは周波数、Ｓｋ（ｔｃ，ｆ）は音源信号ｓｋ（ｔ）の周波数スペクトル成分値である。
【００２１】
また、Ｆｏｕｒｉｅｒ変換ＦＦＴの点数は窓関数の長さと同じであり、隣接する２つの窓は一定間隔に保持される。
【００２２】
スペクトルの平均パワーＰ（Ｓｋ（ｆ））は、下記（１０）式を用いて求められる。
【００２３】
【数６】
平均スパーシティは、下記（１１）式を用いて求められる。
【００２５】
【数７】
その（１０）式、（１１）式において、Ｅ｛…｝は、窓関数の時間座標ｔｃに関する平均値を意味する。
【００２７】
学習回路部２は、演算式（９）〜（１１）式に基づく演算を実行することにより、目的音源ｓｊの学習を実行する。なお、式（９）〜式（１１）については、添え字がｋで表現されているが、添え字ｋをｊに置き換えれば目的音源に対応した演算となる。
【００２８】
目的音源信号ｓｊが教師信号として学習回路部２に入力されると（図２のＳ．１参照）、目的音源音響特徴抽出部４が（９）式に基づいて窓付けＦＦＴを実行し、フーリエ変換を行う（図２のＳ．２参照）。そのフーリエ変換処理による信号は、目的音源パラメータ推定部５に入力される。
【００２９】
目的音源パラメータ推定部５は、式（１０）に基づいて、目的音源の音源信号ｓｊの目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））を算出する（図２のＳ．３参照）。この目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））は記憶部６に保存される（（図２のＳ．４参照））。
【００３０】
ついで、目的音源パラメータ推定部５は、式（１１）に基づいて、目的音源の音源信号ｓｊの平均スパーシティＳｐａｒ（Ｒ（ｆ））を算出する（図２のＳ．５参照）。この平均スパーシティＳｐａｒ（Ｒ（ｆ））も記憶部６に保存される。このＳ．１〜Ｓ．６が記憶ステップである。
【００３１】
なお、Ｒ（ｆ）は目的音源の音源信号ｓｊのＳｈｏｒｔ−Ｔｉｍｅ Ｆｏｕｒｉｅｒ変換（ＳＴＦ）である。
【００３２】
この学習過程では、学習時間が長いほど学習の結果が良好となり、実際には数秒から数分程度の学習を必要とする。
【００３３】
判定回路部３には、複数の音源信号ｓ１〜ｓｎが入力される。各音源信号ｓ１〜ｓｎはブロック毎に入力される（図３のＳ．１参照）。ここで、ブロックとは、窓の長さの倍数のサンプル数の集合を言う。
【００３４】
音源音響特徴抽出部７は、各音源信号毎に式（９）に基づき窓付けＦＦＴを実行し、フーリエ変換を行う（図３のＳ．２参照）。そのフーリエ変換処理による信号は、各音源毎パラメータ推定部８に入力される。
【００３５】
各音源毎パラメータ推定部８は、式（１０）に基づいて、各音源の音源信号ｓ１〜ｓｎの音源信号平均パワースペクトルＰ（Ｓｋ（ｆ））（ｋ＝１〜ｎ）を算出する（図２のＳ．３参照）。その処理結果は類似度計算部９に入力される。
【００３６】
類似度計算部９は音源信号平均パワースペクトルＰ（Ｓｋ（ｆ））と目的音源信号平均パワースペクトルＰ（Ｒ（ｆ））との相関度ｃｏｒｒ（Ｐ（Ｓｋ（ｆ）），Ｐ（Ｒ（ｆ）））を演算する（図３のＳ．４参照）。
【００３７】
そして、類似度計算部９は、相関度ｃｏｒｒ（Ｐ（Ｓｋ（ｆ）），Ｐ（Ｒ（ｆ）））が最大となる音源信号の相関値ｋｐ ｍａｘとその次に大きな値となる音源信号の相関値ｋｐ ｎｍａｘとを決定する（図３のＳ．５参照）。
【００３８】
そして、下記式（１２）に基づいて最大値ｃｏｒｒ（ｋｐ ｍａｘ）と最大値の次に大きな相関値ｃｏｒｒ（ｋｐ ｎｍａｘ）との差の第１絶対値を演算する。この第１演算値を求めるまでのステップが第１演算ステップである。
【００３９】
【数８】
そして、その差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きいか否かを判断する（図３のＳ．６参照）。差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きい場合には、複数の音源信号のうち最大値ｋｐ ｍａｘに対応する音源信号を選択すべき旨の選択信号を音源選択部１０に出力する（図３のＳ．７参照）。音源選択部１０はその選択信号に基づき、複数の音源信号のうち最大値ｋｐ ｍａｘに対応する音源を目的音源信号ｓｊとみなして出力する。この差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも大きい場合に第１演算ステップにより得られた最大値ｋｐ ｍａｘに対応する音源信号を選択するステップが選択ステップである。
【００４１】
その差の第１絶対値が第１閾値Ｔｈｒｅｓｈｏｌｄ１よりも小さいときには、類似度計算部９は、各音源信号の平均スパーシティＳｐａｒ（Ｓｋ（ｆ））の演算を実行する（図３のＳ．８参照）。そして、平均スパーシティＳｐａｒ（Ｓｋ（ｆ））と目的音源平均スパーシティＳｐａｒ（Ｒ（ｆ））との相関演算を実行し、各音源信号について相関値ｃｏｒｒ（Ｓｐａｒ（Ｓｋ（ｆ）），Ｓｐａｒ（Ｒ（ｆ）））を求める（図３のＳ．９参照）。
【００４２】
ついで、類似度計算部９は各相関値ｃｏｒｒ（Ｓｐａｒ（Ｓｋ（ｆ）），Ｓｐａｒ（Ｒ（ｆ）））のうち最大値ｃｏｒｒ（ｋｓ ｍａｘ）とその次に大きな値ｃｏｒｒ（ｋｓ ｎｍａｘ）とを決定する。そしてその最大値ｃｏｒｒ（ｋｓ ｍａｘ）とその次に大きな値ｃｏｒｒ（ｋｓ ｎｍａｘ）との差の第２絶対値を下記（１３）式に基づき演算する。この第２絶対値を求める演算ステップが第２演算ステップである。
【００４３】
【数９】
そして、その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも大きいか否かを判断する（図３のＳ．１０参照）。その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも大きい場合には、音源選択部１０に最大値ｋｓ ｍａｘが得られた音源信号を目的音源信号ｓｊとみなして選択すべき旨の選択信号を出力し（図３のＳ．１１参照）、その差の第２絶対値が第２閾値Ｔｈｒｅｓｈｏｌｄ２よりも小さい場合には、音源選択部１０に最大値ｋｐ ｍａｘに対応する音源を目的音源信号ｓｊとみなして選択すべき旨の信号を出力し（図３のＳ．１２参照）、これにより、目的音源が選択される。
【００４５】
【発明の効果】
本発明は、以上説明したように構成したので、処理時間が短くメモリの記憶容量の減少を図ることができしかも誤り率の小さい音源選択法及び音源選択装置を提供できる。
【図面の簡単な説明】
【図１】本発明に係わる音源選択装置の要部構成を示すブロック図である。
【図２】本発明に係わる音源選択回路の学習過程を説明するためのフローチャートである。
【図３】本発明に係わる音源選択回路の音源選択手順を説明するためのフローチャートである。
【符号の説明】
１…音源選択装置
３…判定回路部
６…記憶部
Claims (2)
- 複数の音源の中から目的音源を選択する音源選択方法であって、
目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとを演算して記憶する記憶ステップと、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求める第１演算ステップと、
複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティーと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求める第２演算ステップと、
前記第１演算ステップにより得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうちの前記第１演算ステップにより得られた前記最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、前記第１演算ステップにより得られた第１絶対値が前記第１閾値以下の場合には、前記第２演算ステップを実行させて該第２演算ステップにより得られた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に前記第２演算ステップにより得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する選択ステップと、
を有する音源選択方法。
ただし、前記音源信号平均パワーは下記（１）式に従って演算され、前記平均スパーシティは下記（２）式に従って演算される。
- 複数の音源の中から目的音源を選択する音源選択装置において、目的音源信号のスペクトルの目的音源信号平均パワーと目的音源信号平均スパーシティとが記憶された記憶部と、
複数の音源信号について各音源信号のスペクトルの音源信号平均パワーを演算して該音源信号平均パワーと前記目的音源信号平均パワーとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第１絶対値を求め、音源信号平均パワーの相関演算により得られた第１絶対値が第１閾値よりも大きいか否かを判断して該第１閾値よりも大きい場合に複数の音源信号のうち音源信号平均パワーの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択し、音源信号平均パワーの相関演算により得られた第１絶対値が前記第１閾値以下の場合には、複数の音源信号について各音源信号の平均スパーシティを演算して該平均スパーシティーと前記目的音源信号平均スパーシティとの相関値を演算し、得られた複数の相関値のうち最大値と該最大値の次に大きい値との差の第２絶対値を求め、平均スパーシティ相関演算により求められた第２絶対値が第２閾値よりも大きいか否かを判断して該第２閾値よりも大きい場合に平均スパーシティの相関演算により得られた最大値に対応する音源信号を目的音源信号とみなして該音源信号を選択する判定回路部とを有する音源選択装置。
ただし、前記音源信号平均パワーは下記（３）式に従って演算され、前記平均スパーシティは下記（４）式に従って演算される。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003065850A JP4127511B2 (ja) | 2003-03-12 | 2003-03-12 | 音源選択方法及び音源選択装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003065850A JP4127511B2 (ja) | 2003-03-12 | 2003-03-12 | 音源選択方法及び音源選択装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004272129A true JP2004272129A (ja) | 2004-09-30 |
| JP4127511B2 JP4127511B2 (ja) | 2008-07-30 |
Family
ID=33126722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003065850A Expired - Fee Related JP4127511B2 (ja) | 2003-03-12 | 2003-03-12 | 音源選択方法及び音源選択装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4127511B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007311845A (ja) * | 2006-05-16 | 2007-11-29 | Sony Corp | コントロール機器、ルーティング検証方法およびルーティング検証プログラム |
| JP2010122630A (ja) * | 2008-11-21 | 2010-06-03 | Sony Corp | 情報処理装置、音声解析方法、及びプログラム |
| JP2011199474A (ja) * | 2010-03-18 | 2011-10-06 | Hitachi Ltd | 音源分離装置、音源分離方法およびそのためのプログラム、並びにそれを用いたビデオカメラ装置およびカメラ付き携帯電話装置 |
| CN102792373A (zh) * | 2010-03-09 | 2012-11-21 | 三菱电机株式会社 | 噪音抑制装置 |
-
2003
- 2003-03-12 JP JP2003065850A patent/JP4127511B2/ja not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007311845A (ja) * | 2006-05-16 | 2007-11-29 | Sony Corp | コントロール機器、ルーティング検証方法およびルーティング検証プログラム |
| JP2010122630A (ja) * | 2008-11-21 | 2010-06-03 | Sony Corp | 情報処理装置、音声解析方法、及びプログラム |
| CN102792373A (zh) * | 2010-03-09 | 2012-11-21 | 三菱电机株式会社 | 噪音抑制装置 |
| JP2011199474A (ja) * | 2010-03-18 | 2011-10-06 | Hitachi Ltd | 音源分離装置、音源分離方法およびそのためのプログラム、並びにそれを用いたビデオカメラ装置およびカメラ付き携帯電話装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4127511B2 (ja) | 2008-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4842583B2 (ja) | 多感覚音声強調のための方法および装置 | |
| CN108615535B (zh) | 语音增强方法、装置、智能语音设备和计算机设备 | |
| CN110634497B (zh) | 降噪方法、装置、终端设备及存储介质 | |
| KR101670313B1 (ko) | 음원 분리를 위해 자동적으로 문턱치를 선택하는 신호 분리 시스템 및 방법 | |
| US20130035933A1 (en) | Audio signal processing apparatus and audio signal processing method | |
| EP2927906B1 (en) | Method and apparatus for detecting voice signal | |
| JP2007279444A (ja) | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム | |
| US20140177853A1 (en) | Sound processing device, sound processing method, and program | |
| EP4189677B1 (en) | Noise reduction using machine learning | |
| JP2014126856A (ja) | 雑音除去装置及びその制御方法 | |
| US20070011001A1 (en) | Apparatus for predicting the spectral information of voice signals and a method therefor | |
| CN108847251B (zh) | 一种语音去重方法、装置、服务器及存储介质 | |
| JP2004272129A (ja) | 音源選択方法及び音源選択装置 | |
| JP2005258158A (ja) | ノイズ除去装置 | |
| WO2017128910A1 (zh) | 一种语音出现概率的确定方法、装置及电子设备 | |
| JP5772591B2 (ja) | 音声信号処理装置 | |
| JP2021071586A (ja) | 音抽出システム及び音抽出方法 | |
| JP6672478B2 (ja) | 生体音解析方法、プログラム、記憶媒体及び生体音解析装置 | |
| JP7152112B2 (ja) | 信号処理装置、信号処理方法および信号処理プログラム | |
| CN113593604A (zh) | 检测音频质量方法、装置及存储介质 | |
| JP2015031913A (ja) | 音声処理装置、音声処理方法、及びプログラム | |
| JP6716933B2 (ja) | 雑音推定装置、プログラム及び方法、並びに、音声処理装置 | |
| JP4378098B2 (ja) | 音源選択装置および方法 | |
| JPWO2015093025A1 (ja) | 音声処理装置、音声処理方法、及び、音声処理プログラム | |
| US20220319529A1 (en) | Computer-readable recording medium storing noise determination program, noise determination method, and noise determination apparatus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051026 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080415 |
|
| 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: 20080507 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080508 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110523 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110523 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120523 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130523 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |