JP2006079085A - 音声品質向上方法及び装置 - Google Patents
音声品質向上方法及び装置 Download PDFInfo
- Publication number
- JP2006079085A JP2006079085A JP2005258585A JP2005258585A JP2006079085A JP 2006079085 A JP2006079085 A JP 2006079085A JP 2005258585 A JP2005258585 A JP 2005258585A JP 2005258585 A JP2005258585 A JP 2005258585A JP 2006079085 A JP2006079085 A JP 2006079085A
- Authority
- JP
- Japan
- Prior art keywords
- speech
- voiced sound
- adaptive
- ale
- filtering
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000002708 enhancing effect Effects 0.000 title abstract 4
- 230000003044 adaptive effect Effects 0.000 claims abstract description 63
- 238000001914 filtration Methods 0.000 claims abstract description 59
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 230000003595 spectral effect Effects 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 2
- 238000006731 degradation reaction Methods 0.000 abstract description 2
- 239000003623 enhancer Substances 0.000 abstract description 2
- 239000000758 substrate Substances 0.000 abstract 1
- 239000011295 pitch Substances 0.000 description 35
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/93—Discriminating between voiced and unvoiced parts of speech signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Magnetically Actuated Valves (AREA)
- Machine Translation (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
- Navigation (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
【課題】 無声音での雑音除去を通して音声品質の低下を減らし、特に、ＡＬＥとＳＳＭを適用して、雑音を効果的に除去することのできる音声品質向上方法及び装置を提供する。
【解決手段】 本発明に係る音声品質向上方法は、入力音声を有声音と無声音とに区分するステップ；前記有声音の雑音を除去するための適応フィルタリングを行うステップ；前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする。入力音声を有声音と無声音とに区分する決定ブロック；前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする音声品質向上装置。
【選択図】 図３
【解決手段】 本発明に係る音声品質向上方法は、入力音声を有声音と無声音とに区分するステップ；前記有声音の雑音を除去するための適応フィルタリングを行うステップ；前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする。入力音声を有声音と無声音とに区分する決定ブロック；前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする音声品質向上装置。
【選択図】 図３
Description
本発明は効果的な音声品質向上方法および装置に関する。
従来、様々な音質向上方法が提案されてきた。その代表的な方法の一つがスペクトルサブトラクション方法（spectral subtraction method：以下、ＳＳＭ）である。以下、そのＳＳＭを図１に基づいて説明する。
ＳＳＭは、ショートタイムスペクトルの大きさを直接推定する方法である。
ＳＳＭで音声は、無相関ランダム変数で表示される雑音が加えられた形態でモデリングされる。その音声のモデリングは次の式１のように表される。
（数学式１）
y[n]=s[n]+d[n]
上記式１で y[n] は入力音声である。また、式１で d[n] は s[n] と無相関した雑音であると仮定する。
y[n]=s[n]+d[n]
上記式１で y[n] は入力音声である。また、式１で d[n] は s[n] と無相関した雑音であると仮定する。
これに基づき、電力スペクトル密度を求めると、次の式２のように表される。
（数学式２）
（数学式３）
[１] D.L.Wang and J.S Lim,"The unimportance of phase in 音声 enhancement,"IEEE Trans. on Acoust．音声, and Signal Processing, vol-ASSP.30,pp.679-681,1982.
上記の雑音の交った音声の位相で音声フレームの位相を決定する場合、得ようとするショートタイムＤＴＦＴは次の式４から求められる。
（数学式４）
次に、他の音声品質向上方法のうちの一つである適応ライン向上技法（Adaptive Line Enhancer; 以下、ＡＬＥ）について図２を参照して説明する。
ＡＬＥの説明に先立って、一般的な適応フィルタを用いる場合について先ず説明する。
これは、ＡＬＥが適応フィルタを用いる方法から更に発展したものであるからである。
これは、ＡＬＥが適応フィルタを用いる方法から更に発展したものであるからである。
まず、適応フィルターを用いる場合は、両マイクロフォンの入力、即ち、一つのマイクロフォンの入力の雑音の交った音声と、他方のマイクロフォンの入力の純粋な雑音を受信した後には、２つのマイクロフォン間の距離などで伝達関数などが生じる。しかし、それを適応フィルターで除去して、きれいな音声だけを得ることができる。
上述した適応フィルタを用いる方法は、場合によって非常に効果的で実用的な目的で有用に用いられてきた。しかし、２つのマイクロフォンを設置しなければならない。そして、２つのマイクロファンの間の距離をどの程度にするべきかなどの構造的な不具合がある。そのため、端末機に適用するには無理が伴う。
上述した適応フィルタを用いる方法は、場合によって非常に効果的で実用的な目的で有用に用いられてきた。しかし、２つのマイクロフォンを設置しなければならない。そして、２つのマイクロファンの間の距離をどの程度にするべきかなどの構造的な不具合がある。そのため、端末機に適用するには無理が伴う。
ＡＬＥは、上記の適応フィルタを用いる方法を改良したもので、同一のマイクロフォンから得た信号ｓ[ｎ]と ｄ[ｎ]を、ピッチ周期だけの差異を置いて適応フィルタリングする方法である。前記のピッチ周期は音声信号の有声音部分の周期である。
一方、有線信号の場合には、周期的なインパルス列（impulse train）がボーカルトラクト(vocal tract)を励起させる構造となっている。したがって、有声音でＡＬＥは最も大きな効果を発揮する。しかし、無声音の場合は、音声の歪みなどの現象が現れる。
一方、有線信号の場合には、周期的なインパルス列（impulse train）がボーカルトラクト(vocal tract)を励起させる構造となっている。したがって、有声音でＡＬＥは最も大きな効果を発揮する。しかし、無声音の場合は、音声の歪みなどの現象が現れる。
次に、ほかの音声品質向上方法のうちの一つである適応コムフィルタを用いる方法について説明する。適応コムフィルタを用いる場合もＡＬＥと類似した点があり、有声音により優れた効果を発揮する。有声音の場合に励起信号は周期的な信号であるが、周知のように、インパルス列をフーリエ変換しても、その結果を見ると、周波数領域でインパルス列に現れる。
したがって、有声音の場合、ピッチ周波数の倍となる部分でピークが周期的に現れる形態で構成される。勿論、全体のスペクトルの輪郭は、フォルマントというボーカルトラクトの反響に表示される。
雑音の交った音声を
（数学式５）
Ｌの値は通常小さい値（１〜６）を用いる。
一方、適応コムフィルタは、一般的にノイジが周期的ではないため、それを除去するのに効果的である。
しかしながら、上記の従来技術に係る音声品質向上方法を用いるには次のような問題があった。
まず、ＳＳＭで
また、ＡＬＥや適応コムフィルタを用いる技法は、有声音より優れた性能を発揮する。
しかし、これらの方法は、有声信号に対してのみ適用可能であり、有声/無線決定が多少外れて無声信号にその方法が適用される場合には、却って性能低下を引き起こす。
また、一部の音声の場合、低周波数では有声特性を現わすが、高周波数では無声特性を現わしたりもする。このような点がＡＬＥの性能低下をもたらす。
本発明は上記の問題点を鑑みて案出したもので、無声音での雑音除去を通して音声品質の低下を防ぐのに適した音声品質向上方法及び装置を提供することにある。
他の目的として、ＡＬＥとＳＳＭを適用して、雑音を効果的に除去することのできる音声品質向上方法及び装置を提供する。
上記目的を達成するための本発明に係る音声品質向上方法は、入力音声を有声音と無声音とに区分するステップ；前記有声音の雑音を除去するための適応フィルタリングを行うステップ；前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする。
より好ましくは、前記有声音の雑音を除去するために、前記適応フィルタリングを用いる適応ライン向上技法(ＡＬＥ)を行う。ここで、前記適応ライン向上技法(ＡＬＥ)により、前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を、スペクトルサブトラクションに用いる。
より好ましくは、前記適応フィルタリングは、前記有声音に当たるフレームから抽出したピッチ周期を用いる。
より好ましくは、前記入力音声に対して低域通過フィルタリング及び高域通過フィルタリングを行うステップを更に備える。前記高域通過フィルタリングの出力から雑音を除去するための適応コムフィルタリングを更に行う。ここで、前記適応コムフィルタリングは、
前記高域通過フィルタリングの出力が有声音の場合に行う。また、前記低域通過フィルタリングの出力を、前記有声音と前記無声音とに区分する。
より好ましくは、前記有声音の区間で得た雑音スペクトルデータを前記スペクトルサブトラクションに用いる。ここで、前記雑音スペクトルデータは、前記適応フィルタリングによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値である。
前記高域通過フィルタリングの出力が有声音の場合に行う。また、前記低域通過フィルタリングの出力を、前記有声音と前記無声音とに区分する。
より好ましくは、前記有声音の区間で得た雑音スペクトルデータを前記スペクトルサブトラクションに用いる。ここで、前記雑音スペクトルデータは、前記適応フィルタリングによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値である。
上記目的を達成するための本発明に係る音声品質向上方法は、入力音声を有声音と無声音とに区分する決定ブロック；前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする。
より好ましくは、前記入力音声を低域通過フィルタリングして、前記決定ブロックに出力する低域通過フィルタ；前記入力音声を高域通過フィルタリングする高域通過フィルタを更に備える。前記高域通過フィルタの出力が有声音の場合に、前記高域通過フィルタの出力から雑音を除去するための適応コムフィルタを更に備える。そして、前記適応コムフィルタは、前記有声音から抽出したピッチ周期を用いる。
より好ましくは、前記有声音からピッチ周期を抽出するピッチ抽出器を更に備える。ここで、前記ピッチ抽出器は、前記抽出したピッチ周期をＡＬＥブロックに提供する。
より好ましくは、前記ＳＳブロックは、前記ＡＬＥブロックで推定した雑音スペクトルを用いる。
より好ましくは、前記ＳＳブロックは、前記ＡＬＥブロックによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を用いる。
より好ましくは、前記ＳＳブロックは、前記ＡＬＥブロックによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を用いる。
上記目的を達成するために、本発明は、例えば、以下の手段を提供する。
（項目１）
入力音声を有声音と無声音とに区分するステップ；
前記有声音の雑音を除去するための適応フィルタリングを行うステップ；
前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする音声品質向上方法。
（項目２）
前記有声音の雑音を除去するために、前記適応フィルタリングを用いる適応ライン向上技法(ＡＬＥ)を行うことを特徴とする項目１に記載の音声品質向上方法。
（項目３）
前記適応ライン向上技法(ＡＬＥ)により、前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を、スペクトルサブトラクションに用いることを特徴とする項目２に記載の音声品質向上方法。
（項目４）
前記適応フィルタリングは、前記有声音に当たるフレームから抽出したピッチ周期を用いることを特徴とする項目１に記載の音声品質向上方法。
（項目５）
前記入力音声に対して低域通過フィルタリング及び高域通過フィルタリングを行うステップを更に備えることを特徴とする項目１に記載の音声品質向上方法。
（項目６）
前記高域通過フィルタリングの出力から雑音を除去するための適応コムフィルタリングを更に行うことを特徴とする項目５に記載の音声品質向上方法。
（項目７）
前記適応コムフィルタリングは、
前記高域通過フィルタリングの出力が有声音の場合に行うことを特徴とする項目６に記載の音声品質向上方法。
（項目８）
前記低域通過フィルタリングの出力を、前記有声音と前記無声音とに区分することを特徴とする項目５に記載の音声品質向上方法。
（項目９）
前記有声音の区間で得た雑音スペクトルデータを前記スペクトルサブトラクションに用いることを特徴とする項目１に記載の音声品質向上方法。
（項目１０）
前記雑音スペクトルデータは、前記適応フィルタリングによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値であることを特徴とする項目９に記載の音声品質向上方法。
（項目１１）
入力音声を有声音と無声音とに区分する決定ブロック；
前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；
前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする音声品質向上装置。
（項目１２）
前記入力音声を低域通過フィルタリングして、前記決定ブロックに出力する低域通過フィルタ；
前記入力音声を高域通過フィルタリングする高域通過フィルタを更に備えることを特徴とする項目１１に記載の音声品質向上装置。
（項目１３）
前記高域通過フィルタの出力が有声音の場合に、前記高域通過フィルタの出力から雑音を除去するための適応コムフィルタを更に備えることを特徴とする項目１２に記載の音声品質向上装置。
（項目１４）
前記適応コムフィルタは、
前記有声音から抽出したピッチ周期を用いることを特徴とする項目１３に記載の音声品質向上装置。
（項目１５）
前記有声音からピッチ周期を抽出するピッチ抽出器を更に備えることを特徴とする項目１１に記載の音声品質向上装置。
（項目１６）
前記ピッチ抽出器は、前記抽出したピッチ周期をＡＬＥブロックに提供することを特徴とする項目１５に記載の音声品質向上装置。
（項目１７）
前記ＳＳブロックは、前記ＡＬＥブロックで推定した雑音スペクトルを用いることを特徴とする項目１１に記載の音声品質向上装置。
（項目１８）
前記ＳＳブロックは、前記ＡＬＥブロックによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を用いることを特徴とする項目１１に記載の音声品質向上装置。
（項目１）
入力音声を有声音と無声音とに区分するステップ；
前記有声音の雑音を除去するための適応フィルタリングを行うステップ；
前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする音声品質向上方法。
（項目２）
前記有声音の雑音を除去するために、前記適応フィルタリングを用いる適応ライン向上技法(ＡＬＥ)を行うことを特徴とする項目１に記載の音声品質向上方法。
（項目３）
前記適応ライン向上技法(ＡＬＥ)により、前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を、スペクトルサブトラクションに用いることを特徴とする項目２に記載の音声品質向上方法。
（項目４）
前記適応フィルタリングは、前記有声音に当たるフレームから抽出したピッチ周期を用いることを特徴とする項目１に記載の音声品質向上方法。
（項目５）
前記入力音声に対して低域通過フィルタリング及び高域通過フィルタリングを行うステップを更に備えることを特徴とする項目１に記載の音声品質向上方法。
（項目６）
前記高域通過フィルタリングの出力から雑音を除去するための適応コムフィルタリングを更に行うことを特徴とする項目５に記載の音声品質向上方法。
（項目７）
前記適応コムフィルタリングは、
前記高域通過フィルタリングの出力が有声音の場合に行うことを特徴とする項目６に記載の音声品質向上方法。
（項目８）
前記低域通過フィルタリングの出力を、前記有声音と前記無声音とに区分することを特徴とする項目５に記載の音声品質向上方法。
（項目９）
前記有声音の区間で得た雑音スペクトルデータを前記スペクトルサブトラクションに用いることを特徴とする項目１に記載の音声品質向上方法。
（項目１０）
前記雑音スペクトルデータは、前記適応フィルタリングによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値であることを特徴とする項目９に記載の音声品質向上方法。
（項目１１）
入力音声を有声音と無声音とに区分する決定ブロック；
前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；
前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする音声品質向上装置。
（項目１２）
前記入力音声を低域通過フィルタリングして、前記決定ブロックに出力する低域通過フィルタ；
前記入力音声を高域通過フィルタリングする高域通過フィルタを更に備えることを特徴とする項目１１に記載の音声品質向上装置。
（項目１３）
前記高域通過フィルタの出力が有声音の場合に、前記高域通過フィルタの出力から雑音を除去するための適応コムフィルタを更に備えることを特徴とする項目１２に記載の音声品質向上装置。
（項目１４）
前記適応コムフィルタは、
前記有声音から抽出したピッチ周期を用いることを特徴とする項目１３に記載の音声品質向上装置。
（項目１５）
前記有声音からピッチ周期を抽出するピッチ抽出器を更に備えることを特徴とする項目１１に記載の音声品質向上装置。
（項目１６）
前記ピッチ抽出器は、前記抽出したピッチ周期をＡＬＥブロックに提供することを特徴とする項目１５に記載の音声品質向上装置。
（項目１７）
前記ＳＳブロックは、前記ＡＬＥブロックで推定した雑音スペクトルを用いることを特徴とする項目１１に記載の音声品質向上装置。
（項目１８）
前記ＳＳブロックは、前記ＡＬＥブロックによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を用いることを特徴とする項目１１に記載の音声品質向上装置。
本発明によれば、ＡＬＥやＳＳＭより優れた性能を期待することができる。本発明は、ピッチ特性が最も強く現れる低周波数成分に対してＡＬＥを行った後、再び高周波数の成分が有声音である場合には適応コムフィルタを更に用いるので、低周波数が有声的な特性を有し、高周波数が無声的な特性を有する時にも効果的な性能を発揮する。
本発明は、音声の固有の特徴であるピッチ特性に基づき、音声品質を向上させるので、不分明な雑音などに対して、他の音質向上方法（例えば、ウィンナーフィルタリング（Wiener filtering）或いはＳＳＭ）より強い特性を持つ。
以上の本発明は、特に、携帯用端末機で単一のマイクロフォンを用いる時、雑音除去に有用であり、携帯用録音機で雑音を除去しながら録音をするのにも有用である。
また、本発明は、一般の有/無線電話機で雑音を除去するための用途や、その他ＰＤＡなどで音声を録音するための用途としても使用可能である。
以下、本発明に係る音声品質向上方法及び装置についての好適な実施例を、添付の図面に基づいて詳細に説明する。
本発明に係る音声品質の向上方法は、有声音に対して所定の音声品質の向上方法を行い、それによって得た雑音スペクトルを用いて、無声音に対するＳＳＭを行う。
まず、図３を参照して、本発明に係る装置の構成を説明する。
図３は本発明に係る音声品質向上装置を説明するための図面である。
図３を参照すると、本発明に係る装置は、入力された音声ｙ[ｎ]を低域通過フィルタリングする低域通過フィルタ（以下、ＬＰＦ）５１と、前記入力された音声ｙ[ｎ]を高域通過フィルタリングする高域通過フィルタ（以下、ＨＰＦ）５０とを備える。
本発明に係る装置は、高周波数成分に対する処理のために、適応コムフィルタ５６を備え、低周波数成分に対する処理のために、有声/無声決定ブロック５２と、ピッチ抽出機５３と、スペクトルサブトラクションブロック５５とを備える。また、ＡＬＥブロック５４をさらに備える。ここで、ＡＬＥブロック５４の代わりに他の音質向上方法を用いる手段を備えることもできる。
ＨＰＦ５０の出力は適応コムフィルタ５６に入力され、ＬＰＦ５１の出力は有声音か無声音かによって互いに異なる経路（ＡＬＥを用いる経路とＳＳＭを用いる経路）をとる。
有声/無声決定ブロック５２は、ＬＰＦ５１を通過した音声が有声音か無声音かを判断する。有声/無声決定ブロック５２の判断結果から、ＡＬＥを使用するかＳＳＭを使用するかが決定される。即ち、有声/無声決定ブロック５２は、ＬＰＦ５１を通過した音声で無声音に当たるフレームは、ＳＳＭを用いるスペクトルサブトラクションブロック５５に伝達する。
反面、ＬＰＦ５１を通過した音声で有声音に当たるフレームは、ＡＬＥを用いる経路に伝達される。ＡＬＥを用いる経路は、ピッチ抽出機５３と、ＡＬＥブロック５４とで構成される。ピッチ抽出機５３は、有声音に当たるフレームでピッチ周期を抽出する。そうして、ピッチ抽出機５３は、抽出したピッチ周期Ｔ0を適応フィルタ５６に提供する。
また、ピッチ抽出機５３は、抽出した前記ピッチ周期をＡＬＥブロック５４に提供する。
ＡＬＥブロック５４は、ピッチ周期をＡＬＥに用いて、有声音に当たるフレームに対して音声品質を向上させる。
また、ピッチ抽出機５３は、抽出した前記ピッチ周期をＡＬＥブロック５４に提供する。
ＡＬＥブロック５４は、ピッチ周期をＡＬＥに用いて、有声音に当たるフレームに対して音声品質を向上させる。
一方、上述したように、本発明では有声音に当たるフレームに対して音声品質を向上させるための手段として、ＡＬＥブロック５４を用いたが、これは一つの実施例に過ぎない。
一方、一般的なピッチ周波数が存在する周波数の範囲が５０〜４００Ｈｚなので、本発明では、前記周波数の範囲に充分に属しながらピッチ周期の影響に最も優れた部分を通過させるように、ＬＰＦ５１のカットオフ周波数を定める。
好ましくは、そのカットオフ周波数は８００Ｈｚ程度が良い。
上述した本発明の一実施例のとおりＡＬＥを適用させると、４００Ｈｚから４０００Ｈｚまでの範囲と再び結合させ、０〜４ｋＨｚの帯域幅を有する音声を得る。
これは、８ｋＨｚサンプリングレートの場合であり、そのような場合に対比して、本発明では適応コムフィルタ５６を更に用いる。
本発明に係る適応コムフィルタ５６は、高周波数でピッチ成分として現れるインパルス列のように見える部分の間にある雑音を除去する。特に、適応コムフィルタ５６は、高周波数の成分で有声音に当たる分明な信号が存在する場合にのみ動作する。
一方、ＳＳＭを用いるスペクトルサブトラクションブロック５５は、有声音の区間で得た雑音スペクトルデータを用いる。即ち、スペクトルサブトラクションブロック５５は、ＡＬＥブロック５４で前の有声音の所定のフレームで推定した雑音スペクトルの平均値を用いる。
言い換えると、前記雑音スペクトルデータは、有声音で雑音スペクトルを得るごとに所定の個数のフレームの雑音スペクトルデータトレインに対する平均を出して得る。
その結果、スペクトルサブトラクションブロック５５の出力と、適応コムフィルター５６の出力から雑音を除去した音声
図４は、本発明に係る音声品質向上の手順を説明するための図面である。
図４を参照すると、所定の音声ｙ[ｎ]が入力されると（Ｓ１）、まず、その入力された音声ｙ[ｎ]に対して低域通過フィルタリングＳ２、及び高域通過フィルタリングＳ３を行う。
一方、一般的にピッチ周波数が存在する周波数の範囲が５０〜４００Ｈｚであるため、本発明では前記周波数の範囲に充分に属しながらピッチ周期の影響に最も優れた部分を低域通過フィルタリングさせる。
上記で低域通過フィルタリングのカットオフ周波数は８００Ｈｚ程度が好ましい。次いで、低域通過フィルタリングの出力が有声音か無声音かを区分する（Ｓ４）。
もし、低域通過フィルタリングの出力が有声音であれば、該有声音に当たるフレームに対しては所定の音質向上方法を行う。本発明では、有声音に対する音質向上方法としてＡＬＥを適用する。それによって、有声音に当たるフレームに対してＡＬＥ技法を行う(Ｓ６)。
勿論、ＡＬＥ技法に先立って、有声音に当たるフレームでピッチ周期を抽出する(Ｓ５)。
その抽出されたピッチ周期は適応コムフィルタリングのために用いられ、また、ＡＬＥ技法にも用いられる。
反面、低域通過フィルタリングの出力が無声音であれば、該無声音に当たるフレームに対してはスペクトルサブトラクションを行う(Ｓ９)。
スペクトルサブトラクションを行う時は、ＡＬＥ技法によって前の有声音の所定のフレームで推定した雑音スペクトルの平均値を用いる。即ち、ＡＬＥ技法によって有声音で雑音スペクトルを得るごとに、所定の個数のフレームの雑音スペクトルデータトレインに対する平均値を用いる。その値が有声音から得た雑音スペクトルデータである。
一方、入力された音声ｙ[ｎ]を高域通過フィルタリングした出力に対しては、該雑音を除去するための適応コムフィルタリングを行う(Ｓ８)。この時は低域通過フィルタリングされた出力のうち、有声音から抽出したピッチ周期を適応コムフィルタリングするのに用いる。この際、適応コムフィルタリングに先立ち、高域通過フィルタリングした出力が有声音に当たるかを先に判断した後(Ｓ７)、有声音に当たる明らかな信号が存在する時、適応コムフィルタリングを行う。その結果、スペクトルサブトラクションの結果と、適応コムフィルタリングの結果から雑音を除去した音声
一方、入力された音声ｙ[ｎ]を高域通過フィルタリングした出力に対しては、該雑音を除去するための適応コムフィルタリングを行う(Ｓ８)。この時は低域通過フィルタリングされた出力のうち、有声音から抽出したピッチ周期を適応コムフィルタリングするのに用いる。この際、適応コムフィルタリングに先立ち、高域通過フィルタリングした出力が有声音に当たるかを先に判断した後(Ｓ７)、有声音に当たる明らかな信号が存在する時、適応コムフィルタリングを行う。その結果、スペクトルサブトラクションの結果と、適応コムフィルタリングの結果から雑音を除去した音声
以上で説明した内容を通じて、当業者であれば本発明の技術思想を逸脱しない範囲で多様な変更および修正が可能なことが分かる。したがって、本発明の技術的な範囲は明細書の詳細な説明に記載された内容に限定されるものではなく、特許請求の範囲によって定められなければならない。
以上のように、本発明の好ましい実施形態を用いて本発明を例示してきたが、本発明は、この実施形態に限定して解釈されるべきものではない。本発明は、特許請求の範囲によってのみその範囲が解釈されるべきであることが理解される。当業者は、本発明の具体的な好ましい実施形態の記載から、本発明の記載および技術常識に基づいて等価な範囲を実施することができることが理解される。本明細書において引用した文献は、その内容自体が具体的に本明細書に記載されているのと同様にその内容が本明細書に対する参考として援用されるべきであることが理解される。
無声音での雑音除去を通して音声品質の低下を減らし、特に、ＡＬＥとＳＳＭを適用して、雑音を効果的に除去することのできる音声品質向上方法及び装置を提供する。
本発明に係る音声品質向上方法は、入力音声を有声音と無声音とに区分するステップ；前記有声音の雑音を除去するための適応フィルタリングを行うステップ；前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする。
Claims (18)
- 入力音声を有声音と無声音とに区分するステップ；
前記有声音の雑音を除去するための適応フィルタリングを行うステップ；
前記無声音に対するスペクトルサブトラクションを行うステップを備えてなることを特徴とする音声品質向上方法。 - 前記有声音の雑音を除去するために、前記適応フィルタリングを用いる適応ライン向上技法(ＡＬＥ)を行うことを特徴とする請求項１に記載の音声品質向上方法。
- 前記適応ライン向上技法(ＡＬＥ)により、前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を、スペクトルサブトラクションに用いることを特徴とする請求項２に記載の音声品質向上方法。
- 前記適応フィルタリングは、前記有声音に当たるフレームから抽出したピッチ周期を用いることを特徴とする請求項１に記載の音声品質向上方法。
- 前記入力音声に対して低域通過フィルタリング及び高域通過フィルタリングを行うステップを更に備えることを特徴とする請求項１に記載の音声品質向上方法。
- 前記高域通過フィルタリングの出力から雑音を除去するための適応コムフィルタリングを更に行うことを特徴とする請求項５に記載の音声品質向上方法。
- 前記適応コムフィルタリングは、
前記高域通過フィルタリングの出力が有声音の場合に行うことを特徴とする請求項６に記載の音声品質向上方法。 - 前記低域通過フィルタリングの出力を、前記有声音と前記無声音とに区分することを特徴とする請求項５に記載の音声品質向上方法。
- 前記有声音の区間で得た雑音スペクトルデータを前記スペクトルサブトラクションに用いることを特徴とする請求項１に記載の音声品質向上方法。
- 前記雑音スペクトルデータは、前記適応フィルタリングによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値であることを特徴とする請求項９に記載の音声品質向上方法。
- 入力音声を有声音と無声音とに区分する決定ブロック；
前記有声音に対して適応ライン向上技法（ＡＬＥ）を行うＡＬＥブロック；
前記無声音に対してスペクトルサブトラクションを行うＳＳブロックを含んで構成されることを特徴とする音声品質向上装置。 - 前記入力音声を低域通過フィルタリングして、前記決定ブロックに出力する低域通過フィルタ；
前記入力音声を高域通過フィルタリングする高域通過フィルタを更に備えることを特徴とする請求項１１に記載の音声品質向上装置。 - 前記高域通過フィルタの出力が有声音の場合に、前記高域通過フィルタの出力から雑音を除去するための適応コムフィルタを更に備えることを特徴とする請求項１２に記載の音声品質向上装置。
- 前記適応コムフィルタは、
前記有声音から抽出したピッチ周期を用いることを特徴とする請求項１３に記載の音声品質向上装置。 - 前記有声音からピッチ周期を抽出するピッチ抽出器を更に備えることを特徴とする請求項１１に記載の音声品質向上装置。
- 前記ピッチ抽出器は、前記抽出したピッチ周期をＡＬＥブロックに提供することを特徴とする請求項１５に記載の音声品質向上装置。
- 前記ＳＳブロックは、前記ＡＬＥブロックで推定した雑音スペクトルを用いることを特徴とする請求項１１に記載の音声品質向上装置。
- 前記ＳＳブロックは、前記ＡＬＥブロックによって前の有声音に当たる所定のフレームで推定した雑音スペクトルの平均値を用いることを特徴とする請求項１１に記載の音声品質向上装置。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020040071371A KR100640865B1 (ko) | 2004-09-07 | 2004-09-07 | 음성 품질 향상 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2006079085A true JP2006079085A (ja) | 2006-03-23 |
| JP4350690B2 JP4350690B2 (ja) | 2009-10-21 |
Family
ID=36126658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005258585A Expired - Fee Related JP4350690B2 (ja) | 2004-09-07 | 2005-09-06 | 音声品質向上方法及び装置 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US7590524B2 (ja) |
| EP (1) | EP1632935B1 (ja) |
| JP (1) | JP4350690B2 (ja) |
| KR (1) | KR100640865B1 (ja) |
| CN (1) | CN100520913C (ja) |
| AT (1) | ATE385027T1 (ja) |
| BR (1) | BRPI0503959A (ja) |
| DE (1) | DE602005004464T2 (ja) |
| RU (1) | RU2391778C2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012063394A (ja) * | 2010-09-14 | 2012-03-29 | Casio Comput Co Ltd | 雑音抑制装置、雑音抑制方法およびプログラム |
| JP2013167720A (ja) * | 2012-02-15 | 2013-08-29 | Renesas Electronics Corp | 半導体装置及び音声通信装置 |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100667852B1 (ko) * | 2006-01-13 | 2007-01-11 | 삼성전자주식회사 | 휴대용 레코더 기기의 잡음 제거 장치 및 그 방법 |
| US7844453B2 (en) * | 2006-05-12 | 2010-11-30 | Qnx Software Systems Co. | Robust noise estimation |
| US8326620B2 (en) * | 2008-04-30 | 2012-12-04 | Qnx Software Systems Limited | Robust downlink speech and noise detector |
| US8335685B2 (en) | 2006-12-22 | 2012-12-18 | Qnx Software Systems Limited | Ambient noise compensation system robust to high excitation noise |
| US9966085B2 (en) * | 2006-12-30 | 2018-05-08 | Google Technology Holdings LLC | Method and noise suppression circuit incorporating a plurality of noise suppression techniques |
| WO2010146711A1 (ja) * | 2009-06-19 | 2010-12-23 | 富士通株式会社 | 音声信号処理装置及び音声信号処理方法 |
| RU2477533C2 (ru) * | 2011-04-26 | 2013-03-10 | Юрий Анатольевич Кропотов | Способ многоканального адаптивного подавления акустических шумов и сосредоточенных помех и устройство для его осуществления |
| KR20150032390A (ko) | 2013-09-16 | 2015-03-26 | 삼성전자주식회사 | 음성 명료도 향상을 위한 음성 신호 처리 장치 및 방법 |
| RU2580796C1 (ru) * | 2015-03-02 | 2016-04-10 | Государственное казенное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Способ (варианты) фильтрации зашумленного речевого сигнала в условиях сложной помеховой обстановки |
| CN104810023B (zh) * | 2015-05-25 | 2018-06-19 | 河北工业大学 | 一种用于语音信号增强的谱减法 |
| EP3416167B1 (en) | 2017-06-16 | 2020-05-13 | Nxp B.V. | Signal processor for single-channel periodic noise reduction |
| CN112927715B (zh) * | 2021-02-26 | 2024-06-14 | 腾讯音乐娱乐科技（深圳）有限公司 | 一种音频处理方法、设备及计算机可读存储介质 |
| CN112700787B (zh) * | 2021-03-24 | 2021-06-25 | 深圳市中科蓝讯科技股份有限公司 | 一种降噪方法、非易失性可读存储介质及电子设备 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4238746A (en) * | 1978-03-20 | 1980-12-09 | The United States Of America As Represented By The Secretary Of The Navy | Adaptive line enhancer |
| FR2697101B1 (fr) * | 1992-10-21 | 1994-11-25 | Sextant Avionique | Procédé de détection de la parole. |
| SG49709A1 (en) * | 1993-02-12 | 1998-06-15 | British Telecomm | Noise reduction |
| JPH07239696A (ja) | 1994-02-28 | 1995-09-12 | Hitachi Ltd | 音声認識装置 |
| JPH07283860A (ja) | 1994-04-06 | 1995-10-27 | Toshiba Corp | ノイズ除去装置 |
| BR9610290A (pt) | 1995-09-14 | 1999-03-16 | Ericsson Ge Mobile Inc | Processo para aumentar a inteligibilidade de voz em sinais de áudio aparelho para reduzir ruído em quadros recebidos de sinais de áudio digitalizados e sistema de telecomunicações |
| JP3297307B2 (ja) | 1996-06-14 | 2002-07-02 | 沖電気工業株式会社 | 背景雑音消去装置 |
| JP3264831B2 (ja) | 1996-06-14 | 2002-03-11 | 沖電気工業株式会社 | 背景雑音消去装置 |
| US5742694A (en) * | 1996-07-12 | 1998-04-21 | Eatwell; Graham P. | Noise reduction filter |
| JP4040126B2 (ja) * | 1996-09-20 | 2008-01-30 | ソニー株式会社 | 音声復号化方法および装置 |
| JPH11338499A (ja) | 1998-05-28 | 1999-12-10 | Kokusai Electric Co Ltd | ノイズキャンセラ |
| CA2399706C (en) * | 2000-02-11 | 2006-01-24 | Comsat Corporation | Background noise reduction in sinusoidal based speech coding systems |
| JP2002175099A (ja) | 2000-12-06 | 2002-06-21 | Hioki Ee Corp | 雑音抑制方法および雑音抑制装置 |
| DE10118653C2 (de) * | 2001-04-14 | 2003-03-27 | Daimler Chrysler Ag | Verfahren zur Geräuschreduktion |
| US7092877B2 (en) * | 2001-07-31 | 2006-08-15 | Turk & Turk Electric Gmbh | Method for suppressing noise as well as a method for recognizing voice signals |
| JP2003131401A (ja) * | 2001-10-26 | 2003-05-09 | Adtec Engineeng Co Ltd | 多層回路基板製造におけるマーキング装置 |
-
2004
- 2004-09-07 KR KR1020040071371A patent/KR100640865B1/ko not_active IP Right Cessation
-
2005
- 2005-09-06 US US11/221,106 patent/US7590524B2/en not_active Expired - Fee Related
- 2005-09-06 JP JP2005258585A patent/JP4350690B2/ja not_active Expired - Fee Related
- 2005-09-06 EP EP05019349A patent/EP1632935B1/en not_active Not-in-force
- 2005-09-06 DE DE602005004464T patent/DE602005004464T2/de active Active
- 2005-09-06 AT AT05019349T patent/ATE385027T1/de not_active IP Right Cessation
- 2005-09-07 RU RU2005127995/09A patent/RU2391778C2/ru not_active IP Right Cessation
- 2005-09-07 CN CNB2005100995665A patent/CN100520913C/zh not_active Expired - Fee Related
- 2005-09-08 BR BRPI0503959-2A patent/BRPI0503959A/pt not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012063394A (ja) * | 2010-09-14 | 2012-03-29 | Casio Comput Co Ltd | 雑音抑制装置、雑音抑制方法およびプログラム |
| JP2013167720A (ja) * | 2012-02-15 | 2013-08-29 | Renesas Electronics Corp | 半導体装置及び音声通信装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| BRPI0503959A (pt) | 2007-05-22 |
| EP1632935B1 (en) | 2008-01-23 |
| RU2391778C2 (ru) | 2010-06-10 |
| RU2005127995A (ru) | 2007-03-20 |
| US7590524B2 (en) | 2009-09-15 |
| DE602005004464D1 (de) | 2008-03-13 |
| CN1746974A (zh) | 2006-03-15 |
| JP4350690B2 (ja) | 2009-10-21 |
| ATE385027T1 (de) | 2008-02-15 |
| US20060074640A1 (en) | 2006-04-06 |
| EP1632935A1 (en) | 2006-03-08 |
| CN100520913C (zh) | 2009-07-29 |
| KR20060022525A (ko) | 2006-03-10 |
| DE602005004464T2 (de) | 2009-02-19 |
| KR100640865B1 (ko) | 2006-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4350690B2 (ja) | 音声品質向上方法及び装置 | |
| US10249325B2 (en) | Pitch detection algorithm based on PWVT of Teager Energy Operator | |
| JP2009128906A (ja) | 音響信号と雑音信号とを含む混成信号の雑音を除去するための方法およびシステム | |
| JP5799013B2 (ja) | 音声信号の処理に際して、ノイズを無視して音声を対象にすることによりノイズを低減するシステムおよび方法 | |
| FR2820227A1 (fr) | Procede et dispositif de reduction de bruit | |
| EP1891627B1 (en) | Multi-sensory speech enhancement using a clean speech prior | |
| JP6677662B2 (ja) | 音響処理装置、音響処理方法およびプログラム | |
| KR20070055599A (ko) | 잡음 신호 처리 방법 및 상기 방법을 구현하기 위한 장치 | |
| JP2010055000A (ja) | 信号帯域拡張装置 | |
| JPS5850360B2 (ja) | 音声認識装置における前処理方法 | |
| JP5148414B2 (ja) | 信号帯域拡張装置 | |
| Nongpiur | Impulse noise removal in speech using wavelets | |
| KR20150032390A (ko) | 음성 명료도 향상을 위한 음성 신호 처리 장치 및 방법 | |
| JP5782402B2 (ja) | 音声品質客観評価装置及び方法 | |
| JP2009223210A (ja) | 信号帯域拡張装置および信号帯域拡張方法 | |
| JP2005258158A (ja) | ノイズ除去装置 | |
| JP2004020679A (ja) | 雑音抑圧装置および雑音抑圧方法 | |
| JP2007093635A (ja) | 既知雑音除去装置 | |
| JP2002175099A (ja) | 雑音抑制方法および雑音抑制装置 | |
| JP4166405B2 (ja) | 駆動信号分析装置 | |
| JP5327735B2 (ja) | 信号再生装置 | |
| JPH1138998A (ja) | 雑音抑圧装置および雑音抑圧処理プログラムを記録した記録媒体 | |
| Krishnamoorthy et al. | Processing noisy speech for enhancement | |
| CN114613379A (zh) | 一种用于消除音频中噪声信号的方法及系统 | |
| Krishnamoorthy et al. | Temporal and spectral processing of degraded speech |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090127 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090223 |
|
| 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: 20090630 |
|
| 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: 20090722 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120731 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: 20120731 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130731 Year of fee payment: 4 |
|
| 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 |