JP2005202222A - ノイズサプレッサ及びノイズサプレッサを備えた音声通信装置 - Google Patents

Abstract

【課題】少ない演算量で雑音抑圧係数の推定を高精度に行えるようにし、これにより高速かつ高精度の雑音抑圧処理を可能にする。
【解決手段】雑音抑圧係数計算部３０に、音声スペクトルの実部及び虚部ごとの出現確率をラプラス分布により近似するとともに雑音スペクトルの実部及び虚部ごとの出現確率をガウス分布により近似し、かつＭＡＰ推定及びBayesの定理を使用して導出される音声スペクトルの推定式を用意し、この推定式に従い雑音抑圧係数を算出するようにした。
【選択図】 図２

Description

この発明は、入力音声信号に含まれる雑音成分を抑圧するために設けられるノイズサプレッサと、このノイズサプレッサを備える固定電話機や携帯電話機、ＩＰ電話機、テレビ会議装置等の音声通信装置に関する。

携帯電話等の音声通信装置では、ＣＥＬＰ（Code Excited Linear Prediction）方式などの音声符号化方式が用いられている。この種の装置を背景雑音の大きい環境下で使用すると、この背景雑音が取り込まれて音声とともに符号化され、その結果音声の明瞭感が低下してしまう。このため、背景雑音を除去もしくは抑制して音声のみの信号に近づけて音声符号化を行う技術（ノイズサプレッサ）が種々研究されている。

例えば、第１の先行技術として、入力信号の信号対雑音比を周波数帯域ごとに求め、この信号対雑音比に基づいて雑音抑圧係数を決定し、この係数を周波数帯域ごとに上記入力信号にかけることにより雑音を抑圧する方式が知られている（例えば、非特許文献１を参照）。この方式によれば、雑音が抑圧された音声信号を得ることができるる。しかし、修正ベッセル関数を用いて雑音抑圧係数を計算するため、演算量がきわめて多くなるという問題がある。

また、第２の先行技術として、音声の周波数スペクトルの振幅をガンマ分布で近似するとともにＭＡＰ推定とBayesの定理を利用して雑音抑圧係数の推定式を導出し、この推定式を用いて雑音抑圧係数を算出する方式がある（例えば、非特許文献２を参照）。この方式では、雑音抑圧係数の推定式が簡単な式になるので、第１の先行技術に比べ演算量を削減することができる。しかしながら、数学的に完全な導出を行っていない。このため、パラメータを試行錯誤しながら決めなければならないという問題がある。

さらに第３の先行技術として、第２の先行技術と同様の式変形を行うことにより、雑音抑圧係数の計算量を削減した方式がある（例えば、非特許文献３を参照）。この方式では、第２の先行技術に述べた技術と同様、雑音抑圧係数の推定式が簡単な式になるため演算量の削減効果が得られる。しかし、音声の周波数スペクトルをガウス分布で近似しているので、雑音抑圧係数の推定精度が低いという問題がある。

さらに第４の先行技術として、上記第１の先行技術における信号対雑音比の推定方法を改良した方式がある（例えば、特許文献１を参照）。この方式では、信号対雑音比の推定精度が上がることで雑音抑圧係数の推定精度も高めることが可能である。しかし、雑音抑圧係数の計算に修正ベッセル関数を用いているため、依然として演算量が多いという問題を有している。
特開２００３−１４０７００公報 Y.Ephraim et al.,"Speech enhancement using a minimum mean-square error short-time spectral amplitude estimator", ASSP-32 (6), pp.1109-1121, 1984 T.Lotter et al.,"Noise reduction by maximum a posteriori spectral amplitude estimation with supergaussian speech modeling", IWAENC 2003,pp.83-86 P.Wolfe et al.,"Simple alternatives to the Ephraim and Malah suppression rule for speech enhancement", Proc. IEEE Workshop on SSP, pp.496-499, Aug, 2001

以上述べたように各先行技術文献に記載された技術は、雑音抑圧係数を算出するための演算量が多いか、或いは雑音抑圧係数の推定精度が低いという問題点を有する。
この発明は上記事情に着目してなされたもので、その目的とするところは、少ない演算量で雑音抑圧係数の推定を高精度に行えるようにし、これにより高速かつ高精度の雑音抑圧処理を可能にしたノイズサプレッサ及びノイズサプレッサを備えた音声通信装置を提供することにある。

上記目的を達成するためにこの発明は、入力信号から求めた周波数スペクトルを複数の帯域に分割し、この分割された帯域ごとに雑音スペクトルを推定してこの雑音スペクトルと上記周波数スペクトルとから信号対雑音比を算出し、算出された信号対雑音比に基づいて雑音抑圧係数を設定して、この設定された雑音抑圧係数に従い上記周波数スペクトルを重み付けしたのち時間領域の信号に変換するようにしたノイズサプレッサにあって、上記周波数スペクトルに含まれる音声スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似することにより導出される音声スペクトルの推定式を偏微分して零とおいた演算式を用意し、この演算式に従い上記雑音抑圧係数を算出して設定するようにしたものである。

したがってこの発明によれば、音声の周波数スペクトルを統計分布モデルで近似するとともにＭＡＰ推定とBayesの定理を利用して雑音抑圧係数の推定式を導出し、この推定式を用いて雑音抑圧係数が算出されるため、雑音抑圧係数の推定式が比較的簡単となってこれにより演算量を削減することが可能となる。また、音声スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似するようにしているので近似精度を高めることができ、さらに数学的に完全な導出を行っているので調整するパラメータが少なくなり、これにより雑音抑圧係数の推定精度を高めることが可能となる。

上記音声スペクトルの推定式を導出する際には、上記音声スペクトルの実部及び虚部ごとの出現確率を第１の統計分布モデルにより近似するとともに、雑音スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似するとよい。このようにすると、音声スペクトルに加え雑音スペクトルを考慮して音声スペクトルの推定式を導出することができ、これにより音声スペクトルの推定式の精度をさらに高めることができる。
具体的には、音声スペクトルを近似するための第１の統計分布モデルとしてラプラス分布又はガンマ分布を使用し、一方雑音スペクトルを近似するための第２の統計分布モデルとしてガウス分布を使用するとよい。

さらに、上記雑音抑圧係数の演算式を上記分割された帯域ごとに導出して設定し、これらの演算式を用いて上記分割された帯域ごとに雑音抑圧係数を算出するとよい。このようにすると、周波数帯域ごとに独立して設定された演算式により雑音抑圧係数が算出される。このため、全周波数帯域に対し共通に設定された演算式を用いて雑音抑圧係数を算出する場合に比べ、音声のスペクトル確率密度関数（ＳＰＤＦ：Spectral Probability Density Function）の分布が周波数帯域ごとに異なる点を考慮して、さらに高精度の近似を行うことが可能となる。

要するにこの発明では、雑音抑圧係数を設定する手段において、上記周波数スペクトルに含まれる音声スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似することにより導出される音声スペクトルの推定式を偏微分して零とおいた演算式に従い、上記雑音抑圧係数を算出するようにしている。
したがってこの発明によれば、少ない演算量で雑音抑圧係数の推定を高精度に行うことができ、これにより高速かつ高精度の雑音抑圧処理を可能にしたノイズサプレッサ及びノイズサプレッサを備えた音声通信装置を提供することができる。

図１は、この発明に係わるノイズサプレッサを備えた音声通信装置の第１の実施形態である携帯電話機の構成を示すブロック図である。
図示しない基地局から送信された無線信号は、アンテナ１で受信されたのちアンテナ共用器（ＤＵＰ）２を介して受信回路（ＲＸ）３に入力される。受信回路３は、上記受信された無線信号を周波数シンセサイザ（ＳＹＮ）４から出力された局部発振信号とミキシングして中間周波信号に周波数変換（ダウンコンバート）する。そして、このダウンコンバートされた受信中間周波信号を直交復調し、これにより生成される受信ベースバンド信号をＣＤＭＡ（Code Division Multiple Access）信号処理部６に供給する。なお、上記周波数シンセサイザ４から発生される局部発振信号の周波数は、制御部１８からの制御信号ＳＹＣにより指定される。

ＣＤＭＡ信号処理部６はＲＡＫＥ受信機を備える。ＲＡＫＥ受信機では、上記受信ベースバンド信号に含まれる複数のパスがそれぞれ拡散符号により逆拡散処理される。そして、この逆拡散処理された各パスの信号が位相を合わされたのち合成される。この結果、受信符号化データが再生され、この受信符号化データは音声符号復号処理部（以後スピーチコーデック（ＳＰ−ＣＯＤ）と称する）７に入力される。

スピーチコーデック７は、上記ＣＤＭＡ信号処理部６から出力された受信符号化データを音声復号する。ＰＣＭコーデック８は、上記スピーチコーデック７から出力されたディジタル受話信号をＰＣＭ復号してアナログ受話信号を出力する。このアナログ受話信号は、受話増幅器９にて増幅されたのちスピーカ１０から音声となって出力される。

一方、マイクロホン１１に入力された話者の送話音声信号は、送話増幅器１２により適正レベルまで増幅されたのち、ＰＣＭコーデック８にてＰＣＭ符号化処理が施され、これによりディジタル送話信号となる。このディジタル送話信号は、後述するノイズサプレッサ（ＮＳ）２０を介してスピーチコーデック７に入力される。スピーチコーデック７は、ＰＣＭコーデック８から出力されたディジタル送話信号を所定の音声符号化方式に従い符号化する。そして、これにより生成された送信符号化データをＣＤＭＡ信号処理部６に供給する。

ＣＤＭＡ信号処理部６は、上記スピーチコーデック７から出力された送信符号化データに対し、送信チャネルに割り当てられた拡散符号を用いてスペクトル拡散処理を施す。そして、上記スペクトル拡散処理された信号を送信回路（ＴＸ）５に供給する。送信回路５は、上記スペクトル拡散された信号を例えばＱＰＳＫ（Quadrature Phase Shift Keying）方式等のディジタル変調方式を使用して変調する。そして、この変調により生成された送信信号を、周波数シンセサイザ４から発生される局部発振信号と合成して無線信号に周波数変換する。またそれと共に送信回路５は、制御部１２により指示される送信電力レベルとなるように、上記無線信号を電力増幅器により高周波増幅する。この増幅された無線信号は、アンテナ共用器２を介してアンテナ１に供給され、このアンテナ１から図示しない基地局へ向け送信される。

制御部１８は、例えばマイクロコンピュータを使用したもので、携帯電話機の通信動作に係わる一切の制御を司る。記憶部１３は、ＲＡＭ及びフラッシュメモリを使用したもので、フラッシュメモリには電話帳や送受信された電子メール、各種制御情報等が記憶される。入力部１４には、ダイヤルキーに加え、送信キー、終了キー、電源キー、音量調節キー及びモード指定キー等の機能キーが設けられている。表示部１５には、ＬＣＤ及びＬＥＤが設けられている。このうちＬＣＤは、バッテリ残量や受信電界強度等の自装置の動作状態を示す情報、送受信される電子メール、電話帳や通信相手ユーザが使用する端末の電話番号、送受信履歴等を表示するために使用される。またＬＥＤは、着信の報知やバッテリ１６の充電状態を表示するために使用される。電源回路（ＰＯＷ）は、バッテリ１７の出力をもとに所定の動作電源電圧Ｖccを生成して各回路部に供給する。

ところで、ノイズサプレッサ２０は例えばＤＳＰ（Digital Signal Processor）により構成されるもので、次のような機能を備えている。図２はその構成を示す機能ブロック図である。
ノイズサプレッサ２０は、高速フーリエ変換部（ＦＦＴ）２１と、スペクトル振幅抑圧部２２と、逆高速フーリエ変換部（ＩＦＦＴ）２３と、第１の帯域分割部２４と、音声検出部２５と、雑音レベル推定部２６と、事後ＳＮＲ推定部２７と、第２の帯域分割部２８と、事前ＳＮＲ推定部２９と、雑音抑圧係数計算部３０とを備える。

高速フーリエ変換部（ＦＦＴ）２１は、入力信号を時間領域の信号から周波数領域の信号に変換する。所定時間長ずつ、例えば１２８個の入力されたディジタル送話信号ｘ(t) をフレームに分割し、これらのフレームごとに高速フーリエ変換処理を行い、これにより振幅スペクトルＸ(k) （k=0〜N−1, Nはフレーム長）を得る。

なお、高速フーリエ変換処理に先立って、スペクトル包絡を平坦化することを目的として、入力されたディジタル送話信号ｘ(t) に対しプレエンファシス処理を施すようにしてもよい。また、高速フーリエ変換処理のフレーム長とシフト幅は同じでなくてもよく、例えばフレーム長を１２８、シフト幅を８０とした場合には、８０サンプル分の入力ディジタル送話信号ｘ(t) をフレーム前半部に格納し、残りの４８サンプルについては０（零）とした後に境界の不連続性を排除するために正弦波特性の窓掛けを行ってもよい。プレエンファシスおよび窓掛けのより具体的な手法は、米国TIAで標準化された符号化方式の規格である、TIA/EIA IS-127 EVRC, 1997-01に詳述されている。

第１の帯域分割部２４は、振幅スペクトルＸ(k) を低域から高域まで例えば８個の周波数帯域に分割し、これらの周波数帯域ごとに平均をとって各周波数帯域を代表する帯域パワーＸd(i) （i=0〜Ni, Niは周波数帯域数で例えば１６個）を求める。

音声検出部２５は、上記第１の帯域分割部２４により求められた帯域パワーＸd(i) をしきい値q (i) と比較し、帯域パワーＸd(i) がしきい値θ(i) より大きければ、音声として検出する。ここで、しきい値θ(i) は固定値としてもよいし、過去のしきい値θ(i) または帯域パワーＸd(i) との重み付き平均をとって適応的に更新してもよい。

雑音レベル推定部２６は、上記音声検出部２４により音声と検出されなかったフレームの帯域パワーＸd(i) から帯域ごとの雑音レベルＮ(i) を推定する。ここで、現在の帯域パワーＸd(i) をそのまま雑音レベルＮ(i) としてもよいし、過去の雑音レベルと帯域パワーＸd(i) との重み付き平均をとって適応的に雑音レベルＮ(i) を求めてもよい。
事後ＳＮＲ推定部２７は、上記帯域分割部２４により求められた帯域パワーＸd(i) と、上記雑音レベル推定部２６により求められた雑音レベルＮ(i) との比、つまりＳＮＲ(i) を求める。

第２の帯域分割部２８は、後述するスペクトル振幅抑圧部２２において雑音が抑圧された後の振幅スペクトルＹ(k) を低域から高域まで例えば１６個の帯域に分割し、これらの帯域ごとに平均をとって各帯域を代表する帯域パワーＹd(i) （i=0〜Ni, Niは帯域数で例えば16）を求める。
事前ＳＮＲ推定部２９は、第２の帯域分割部２８により求められた帯域パワーＹd(i) と今回の雑音レベルＮ(k) との比、ＳＮＲ’(i) を求める。

振幅抑圧係数計算部３０は、予め用意された演算式に従い、上記事後ＳＮＲ推定部２７により求められたＳＮＲ(i) および上記事前ＳＮＲ推定部２９により求められたＳＮＲ’(i) をもとに雑音抑圧係数Ｗ(i) を求める。この雑音抑圧係数Ｗ(i) の演算式の導出方法については後で詳述する。

スペクトル振幅抑圧部２２は、高速フーリエ変換部（ＦＦＴ）２１により求められた振幅スペクトルＸ(k) に、上記振幅抑圧係数計算部３０により求められた雑音抑圧係数W(i)を掛け合わせ、これにより雑音抑圧された振幅スペクトルＹ(k) を得る。ここで、同一帯域内の振幅スペクトルＸ(k) には、同一の雑音抑圧係数Ｗ(i) を掛け合わせる。

逆高速フーリエ変換部（ＩＦＦＴ）部２３は、上記スペクトル振幅抑圧部２２により雑音抑圧された振幅スペクトルＹ(k) および前記高速フーリエ変換部（ＦＦＴ）２１により求められた位相スペクトルＰ(k) を時間領域の信号ｙ(t) に変換する。この変換された時間領域のディジタル送話信号ｙ(t) は、音声符号復号処理部（ＳＰ−ＣＯＤ）７に供給される。

なお、高速フーリエ変換（ＦＦＴ）処理に先立って、入力ディジタル送話信号ｘ(t) をプレエンファシスした場合には、ディエンファシスして元に戻す。また、高速フーリエ変換（ＦＦＴ）処理のフレーム長とシフト幅が同じでない場合には、フレーム境界をオーバーラップさせて不連続性をなくす。ディエンファシスおよびオーバーラップのより具体的な方法は、先に述べたTIA/EIA 127 EVRC, 1997-01に詳述されている。
ところで、上記振幅抑圧係数計算部３０において使用される雑音抑圧係数Ｗ(i) の演算式は以下のように導出される。
先ず、雑音抑圧係数Ｗ(i) の演算式を以下に示す。

次に、上記雑音抑圧係数Ｗ(i) の演算式の導出過程を説明する。この発明の第１の実施形態では、音声のスペクトル確率密度関数（ＳＰＤＦ：Spectral Probability Density Function）の実部および虚部を統計分布モデルで近似できるものと仮定する。ここで、統計分布モデルとしてラプラス分布を用いれば、音声のスペクトル確率密度関数（ＳＰＤＦ）は次のように表される。

ただし、φは位相スペクトル、σXはXの分散を表す。なお、ここでは記述を簡単にするため、周波数帯域番号iの記載は省略した（以降も省略する）。音声の振幅スペクトルXの推定値X^（エックスハットと読む）は、ＭＡＰ推定とBayesの定理から次のように表される。

ただし、p(X) はXの出力確率、Rは雑音の振幅スペクトルを表す。p(R) はXに無関係なので、p(R|X)p(X)を最大にするXを求めればよい。条件付き確率p(R|X)、及び事前確率p(X)は、前述の非特許文献２によれば次のように表される。

ただし、σNは雑音の振幅スペクトルの分散を表す。式（２）及び（３）を式（６）に代入し、cosφ+sinφ=a （aは定数）と近似すると、

を得る。式（５）と式（７）との積をとり、その対数をXで微分して０とおけば、X^の最適解を導出できる。そして、最終的に雑音抑圧係数W(i) の計算式として、式（１）が導出される。

以上のような構成であるから、ＰＣＭ符号復号処理部８から出力されたディジタル送話信号ｘ(t) がノイズサプレッサ２０に入力されると、ディジタル送話信号ｘ(t) は先ず高速フーリエ変換部（ＦＦＴ）２１でフレームごとに周波数領域の信号に変換され、これにより振幅スペクトルＸ(k) が得られる。この振幅スペクトルＸ(k) は、第１の帯域分割部２４により例えば１６個の周波数帯域に分割されたのち、これらの周波数帯域ごとに平均化されて帯域パワーＸd(i) が得られる。そして、この帯域パワーＸd(i) は音声検出部２５において予め設定されたしきい値q (i) と比較され、これにより音声フレームが検出される。

雑音レベル推定部２６では、上記音声検出部２４により音声フレームと検出されなかったフレームの帯域パワーＸd(i) をもとに帯域ごとの雑音レベルＮ(i) が推定され、この推定された雑音レベルＮ(i) と上記帯域分割部２４により求められた帯域パワーＸd(i) とをもとに、事後ＳＮＲ推定部２７でＳＮＲ(i) が算出される。

一方、スペクトル振幅抑圧部２２において雑音が抑圧された後の振幅スペクトルＹ(k) は、先に述べた抑圧前の振幅スペクトルＸ(k) と同様に、１６個の帯域に分割されたのちこれらの帯域ごとに平均化されて帯域パワーＹd(i) となる。そして、この帯域パワーＹd(i) と今回の雑音レベルＮ(k) とをもとに、事前ＳＮＲ推定部２９によりＳＮＲ’(i) が算出される。

さて、振幅抑圧係数計算部３０では、先に述べたように導出された雑音抑圧係数W(i) の推定演算式に従い、上記事後ＳＮＲ推定部２７により求められたＳＮＲ(i) および上記事前ＳＮＲ推定部２９により求められたＳＮＲ’(i) をもとに雑音抑圧係数Ｗ(i) の算出が行われる。

このとき、雑音抑圧係数Ｗ(i) の推定演算式は、（１）式に示したように音声スペクトルの実部および虚部ごとの出現確率をラプラス分布により近似するとともに、雑音スペクトルの実部および虚部ごとの出現確率をガウス分布により近似し、かつＭＡＰ推定及びBayesの定理を使用して導出された比較的簡単な演算式である。このため、雑音抑圧係数Ｗ(i) は比較的少ない演算量により算出される。しかも、音声スペクトル及び雑音スペクトルの実部及び虚部ごとの出現確率をそれぞれラプラス分布及びガウス分布により近似しているので高精度の近似が可能となり、さらに数学的に完全な導出を行っているので調整するパラメータが少なく、これにより雑音抑圧係数Ｗ(i) を高精度に算出することができる。

上記振幅抑圧係数計算部３０で算出された雑音抑圧係数Ｗ(i) は、スペクトル振幅抑圧部２２に与えられる。スペクトル振幅抑圧部２２では、高速フーリエ変換部（ＦＦＴ）２１により求められた振幅スペクトルＸ(k) に、上記振幅抑圧係数計算部３０により算出された雑音抑圧係数Ｗ(i)が帯域ごとに掛け合わされ、これにより雑音抑圧された振幅スペクトルＹ(k) が得られる。そして、この雑音抑圧された振幅スペクトルＹ(k) は、高速フーリエ変換部（ＦＦＴ）２１により求められた位相スペクトルＰ(k) とともに逆高速フーリエ変換部（ＩＦＦＴ）部２３に入力される。逆高速フーリエ変換部（ＩＦＦＴ）部２３では、上記雑音抑圧された振幅スペクトルＹ(k) 及び位相スペクトルＰ(k) が時間領域の信号ｙ(t) に変換され、この変換されたディジタル送話信号ｙ(t) が音声符号復号処理部７による音声符号化処理に供される。

したがって、音声符号復号処理部７では、雑音成分が抑圧されたディジタル送話信号ｙ(t) に対し音声符号化処理が行われ、これにより生成された送信符号化データが変調されたのち通話相手の携帯電話機へ送信される。この結果、通話相手の話者は雑音の少ない明瞭な音声を聞くことが可能となり、これにより通話品質の向上が図られる。

以上述べたように第１の実施形態では、音声スペクトルの実部および虚部ごとの出現確率をラプラス分布により近似するとともに、雑音スペクトルの実部および虚部ごとの出現確率をガウス分布により近似し、かつＭＡＰ推定及びBayesの定理を使用して導出した演算式を使用して、雑音抑圧係数Ｗ(i) を算出するようにしている。したがって、比較的少ない演算量でしかも高精度に雑音抑圧係数Ｗ(i) を算出することができ、これにより高速かつ高精度の雑音抑圧処理が可能なノイズサプレッサとこのノイズサプレッサを備えた音声通信装置を提供することができる。

図３は、雑音が重畳された音声データを、この発明の第１の実施形態に係わるノイズサプレッサ２０により雑音抑圧処理したときのセグメンタルＳＮＲの改善度と、前記した第２の先行技術文献（非特許文献２）及び第３の先行技術文献（非特許文献３）に記載された技術により雑音抑圧処理したときのセグメンタルＳＮＲの改善度を、第１の先行技術文献（非特許文献１）に記載された技術によるセグメンタルＳＮＲの改善度をベースラインとしてそれぞれ示したものである。

ここで、音声データは、NTT Advanced Technology, “Multi-lingual Speech database for telephonometry 1994”の日本語部分を８kHzにダウンサンプリングしたものを、男女各４名（合計８名）が４文章ずつ発声したものである。雑音データとしては、（社）日本電子工業振興協会、“電子協騒音データベース”1990に記載されたBabble（人混み）、Car （自動車内）、Street（歩道）の３種類を用い、これらを重畳後のＳＮＲが９dB、１８dBになるようにコンピュータ上で音声データに重畳した。

図３から、この発明の第１の実施形態に係わるノイズサプレッサ２０によるＳＮＲの改善度がもっとも良く、高い雑音抑圧効果が得られることがわかる。特に、ＳＮＲが小さいとき、すなわち雑音レベルが大きいときに著しい効果が奏せられる。

（第２の実施形態）
この発明の第２の実施形態は、雑音抑圧係数の演算式を分割された周波数帯域ごとに導出して設定し、これらの演算式を用いて上記分割された周波数帯域ごとに雑音抑圧係数を算出するようにしたものである。

図４は、この発明の第２の実施形態に係わるノイズサプレッサの要部である雑音抑圧係数計算部３０′の構成を示す機能ブロック図である。同図に示すように、雑音抑圧係数計算部３０′は、帯域分割部２４において設定される分割帯域数に対応する数の雑音抑圧係数計算部３１〜３ｎ（例えば１６個）を備えている。これらの雑音抑圧係数計算部３１〜３ｎはそれぞれ、帯域別に独立して導出・設定された雑音抑圧係数Ｗ(i) の演算式を備えている。すなわち、雑音抑圧係数計算部３１〜３ｎにはそれぞれ、（１）式の但し書きにおけるλが周波数帯域ごとに独立して設定された雑音抑圧係数Ｗ(i) の演算式が用意されている。

したがって、雑音抑圧係数計算部３０′では、雑音抑圧係数計算部３１〜３ｎにより周波数帯域別にそれぞれ独立して雑音抑圧係数Ｗ(i) （i=1〜n）の算出が行われる。そして、スペクトル振幅抑圧部２２ではそれぞれ、上記帯域別に算出された雑音抑圧係数Ｗ(i) （i=1〜n）に従い、帯域別に振幅スペクトルＸ(k) に含まれる雑音成分の抑圧処理が行われる。

ここで、周波数帯域ごとにλを独立に設定する理由は、音声のスペクトル確率密度関数（ＳＰＤＦ）の分布が帯域ごとに異なるためである。図５及び図６はそれぞれ、低域および高域における音声のスペクトル確率密度関数（ＳＰＤＦ）の分布の一例を示した図である。ここでは、低域として０Hz〜２５０Hz帯および２５０Hz〜５００Hz帯を、また高域として２０００Hz〜２２５０Hz帯および２２５０Hz〜２５００Hz帯を選んだ。

図５及び図６から明らかなように、低域のＳＰＤＦはまばらに分布するのに対し、高域のＳＰＤＦは小さい値に集中している。こうした分布の異なるＳＰＤＦに対して、同一のλで近似するよりは、帯域ごとに最適なλにより近似した方がより高い精度で近似することが可能である。

（その他の実施形態）
前記各実施形態では、音声スペクトルをラプラス分布を用いて近似するようにしたが、ガンマ分布を用いて近似するようにしてもよい。また、前記実施形態ではノイズサプレッサ２０をＤＳＰにより実現する場合を例にとって説明したが、雑音抑圧処理プログラムをマイクロプロセッサに実行させることで実現してもよい。その他、ノイズサプレッサの機能構成、各機能の処理手順及び処理内容、音声通信装置の種類とその構成等についても、この発明の要旨を逸脱しない範囲で種々変形して実施できる。

要するにこの発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

この発明に係わるノイズサプレッサを備えた音声通信装置の第１の実施形態であるＣＤＭＡ携帯電話機の構成を示すブロック図。 図１に示す音声通信装置に設けられるノイズサプレッサの機能構成を示すブロック図。 この発明に係わるノイズサプレッサと先行技術文献に記載されたノイズサプレッサとの使用環境別の雑音抑圧効果を対比して示す図。 この発明の第２の実施形態に係わるノイズサプレッサの雑音抑圧計数計算部の構成を示すブロック図。 低域における音声スペクトルの確率密度関数（ＳＰＤＦ）の一例を示す図。 低域における音声スペクトルの確率密度関数（ＳＰＤＦ）の一例を示す図。

符号の説明

１…アンテナ、２…アンテナ共用器（ＤＵＰ）、３…受信回路（ＲＸ）、４…周波数シンセサイザ（ＳＹＮ）、５…送信回路（ＴＸ）、６…ＣＤＭＡ信号処理部、７…音声符号復号処理部（ＳＰ−ＣＯＤ）、８…ＰＣＭ符号処理部（ＰＣＭコーデック）、９…受話増幅器、１０…スピーカ、１１…マイクロホン、１２…送話増幅器、１３…記憶部、１４…入力部、１５…表示部、１６…電源回路（ＰＯＷ）、１７…バッテリ、１８…制御部、２０…ノイズサプレッサ（ＮＳ）、２１…高速フーリエ変換部（ＦＦＴ）、２２…スペクトル振幅抑圧部、２３…逆高速フーリエ変換部（ＩＦＦＴ）、２４…帯域分割部、２５…音声検出部、２６…雑音レベル推定部、２７…事後ＳＮＲ推定部、２８…帯域分割部、２９…事前ＳＮＲ推定部、３０，３１〜３ｎ…雑音抑圧係数計算部。

Claims (6)

1. 入力信号からその周波数スペクトルを求める手段と、
   前記求められた周波数スペクトルを複数の帯域に分割する手段と、
   前記分割された帯域ごとに、その周波数スペクトルをもとに雑音スペクトルを推定する手段と、
   前記分割された帯域ごとに、その周波数スペクトルと前記推定された雑音スペクトルとから信号対雑音比を算出する手段と、
   前記算出された信号対雑音比に基づいて雑音抑圧係数を設定する手段と、
   前記設定された雑音抑圧係数に従い、前記求められた周波数スペクトルを重み付けする手段と、
   前記重み付けされた周波数スペクトルを時間領域の信号に変換する手段と
   を具備し、
   前記雑音抑圧係数を設定する手段は、
   前記周波数スペクトルに含まれる音声スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似することにより導出される音声スペクトルの推定式を偏微分して零とおいた演算式に従い、前記雑音抑圧係数を算出することを特徴とするノイズサプレッサ。
2. 前記雑音抑圧係数を設定する手段は、
   前記周波数スペクトルに含まれる音声スペクトルの実部及び虚部ごとの出現確率を第１の統計分布モデルにより近似するとともに、前記推定される雑音スペクトルの実部及び虚部ごとの出現確率を第２の統計分布モデルにより近似することにより導出される音声スペクトルの推定式を偏微分して零とおいた演算式に従い、前記雑音抑圧係数を算出することを特徴とする請求項１記載のノイズサプレッサ。
3. 前記雑音抑圧係数を設定する手段は、
   前記分割された帯域ごとに導出される前記演算式を備え、当該演算式に従い前記分割された帯域ごとに前記雑音抑圧係数を算出することを特徴とする請求項１又は２記載のノイズサプレッサ。
4. 前記雑音抑圧係数を設定する手段は、
   前記音声スペクトルの統計分布モデルとしてラプラス分布又はガンマ分布を使用し、かつＭＡＰ推定（Maximum A posteriori Estimation）及びBayesの定理を使用して、音声スペクトルの推定式を導くことを特徴とする請求項１又は３記載のノイズサプレッサ。
5. 前記雑音抑圧係数を設定する手段は、
   前記第１の統計分布モデルとしてラプラス分布又はガンマ分布を使用するとともに、前記第２の統計分布モデルとしてガウス分布を使用し、かつＭＡＰ推定（Maximum A posteriori Estimation）及びBayesの定理を使用して、音声スペクトルの推定式を導出することを特徴とする請求項２又は３記載のノイズサプレッサ。
6. 音声を入力し、この入力された音声に対応するディジタル音声信号を出力する音声入力ユニットと、
   前記音声入力ユニットから出力されるディジタル音声信号に含まれる雑音成分を抑圧し、この雑音成分が抑圧されたディジタル音声信号を出力するノイズサプレッサと、
   前記ノイズサプレッサから出力されるディジタル音声信号を送信信号に変換し、この送信信号を伝送路へ送信する送信ユニットと
   を具備し、
   前記ノイズサプレッサは、
   前記音声入力ユニットから出力されるディジタル音声信号からその周波数スペクトルを求める手段と、
   前記求められた周波数スペクトルを複数の帯域に分割する手段と、
   前記分割された帯域ごとに、その周波数スペクトルをもとに雑音スペクトルを推定する手段と、
   前記分割された帯域ごとに、その周波数スペクトルと前記推定された雑音スペクトルとから信号対雑音比を算出する手段と、
   前記算出された信号対雑音比に基づいて雑音抑圧係数を設定する手段と、
   前記設定された雑音抑圧係数に従い、前記求められた周波数スペクトルに対し重み付けする手段と、
   前記重み付けされた周波数スペクトルを時間領域の信号に変換する手段と
   を備え、
   前記雑音抑圧係数を設定する手段は、
   前記周波数スペクトルに含まれる音声スペクトルの実部及び虚部ごとの出現確率を統計分布モデルにより近似することにより導出される音声スペクトルの推定式を偏微分して零とおいた演算式に従い、前記雑音抑圧係数を算出することを特徴とする音声通信装置。

Images