JP2007011330A - スピーチ信号の適合する強化のためのシステム - Google Patents

Abstract

【課題】スピーチ信号のスペクトルを理想のスペクトル形状により忠実に従うように調整可能な方法を提供する。
【解決手段】スピーチ信号の周波数応答を強化するための方法が提供される。平均スピーチスペクトル形状推定は、入力スピーチ信号に基づき時間を経て計算される。平均スピーチスペクトル形状推定は、ボイスパスの音響特性における変化またはシステムの周波数応答を影響し得る電気音声パスにおける任意の変化に時間を経て適合する（１０８）。スペクトル補正要素は、平均スピーチスペクトル形状推定を所望の標的スペクトル形状と比較することによって、決定され得る（１１４）。スペクトル補正要素は、入力スピーチ信号のスペクトルを強化または所望のスペクトル形状に向かって調整し、強化されたスピーチ信号が補正されたスペクトルから再合成される（１１８）ために入力スピーチ信号のスペクトルに加算され得る。
【選択図】図２

Description

本発明は、スピーチ信号の周波数応答をリアルタイムにおいて、適合的に強化する（ａｄａｐｔｉｖｅｌｙ ｅｎｈａｎｃｉｎｇ）ためのシステムに関する。

マイクロホンにおいて受信され、音声アプリケーションに入力されるスピーチ信号は、音響環境もしくは電気音声パスのゆっくり変化するまたは時間に独立な音響または電気特性によって不利益に影響され得る。例えば、自動車のハンズフリー電話システムに対して、車の内部に取り付けられた音響またはマイクロホン特性は、リモート加入者（ｒｅｍｏｔｅ ｐａｒｔｙ）に送信されるスピーチ信号の音質または明瞭度に重要な、有害な影響を与え得る。

受信されるスピーチ信号のスペクトル形状を調整することは、スピーチ信号の品質を有意に改良し得る。例えば、スピーチ信号のスペクトル形状は、過度の背景ノイズを補うように調整され得る。背景ノイズが支配する周波数範囲における信号を減衰させる一方、スピーチコンテンツが流布している周波数範囲における信号をブーストすることによって、信号の全体的な音質または明瞭度が有意に改良され得る。他のアプリケーションにおいては、異なる周波数範囲をブーストさせ、他のものを減衰されることが望まれ得る。例えば、ハンズフリー電話システムのための理想のスペクトル形状と、スピーチ認識システムのための理想のスペクトル形状との間には著しい差があり得る。第１に、音質および明瞭度の両方を改良することが望ましく、第２に、実際の音質に少しだけ関与しまたは関与せずにスピーチ信号の明瞭度を改良することは、より望まれ得る。

図１は、２つの異なるアプリケーションに対して望ましい周波数の２つの実施例を示す。第１の周波数応答カーブ１０は、高い信号−ノイズ比（ＳＮＲ）の環境における最適なスピーチ品質を提供することを意図するスペクトル形状を示す。第２の周波数応答カーブ１２は、低い信号−ノイズ環境における最適なスピーチ明瞭度を提供することを意図するスペクトル形状を示す。更に、図１は、ハンズフリー電話システムにおける周波数応答に対するＶＤＡ（Ｖｅｒｂａｎｄ ｄｅｒ Ａｕｔｏｍｏｂｉｌｉｎｄｕｓｔｒｉｅ）およびＩＴＵ（国際電気通信連合）スペクトル上限および下限１４、１６を示す。一部の場合において、受信されるスピーチ信号のスペクトル形状を、スピーチ周波数応答に対するＶＤＡおよびＩＴＵ制限に従うように調整することも望まれ得る。

一般に、マイクロホンによって記録され、音声アプリケーションに入力されるスピーチ信号は、アプリケーションの理想のスペクトル形状と著しい差がある実際のスペクトル形状を有する。したがって、スピーチ信号のスペクトルを理想のスペクトル形状により忠実に従うように調整することが望ましい。そのような調整または正規化を実行するためのシステムおよび方法は、スピーチ信号が記録される環境の音響伝達関数特性および電気音声パスの周波数応答を考慮に入れることが可能であるべきでる。更に、そのようなシステムおよび方法は、システムにおいて生じ得る音響および電気変更も考慮に入れるべきである。

スピーチ信号を適合的に強化するためのシステムが提供される。本発明のシステムおよび方法は、入力スピーチ信号のスペクトルを標的スペクトル形状または理想の周波数応答に対して、影響的に正規化する。標的スペクトル形状は、スピーチ信号が意図されているためのアプリケーションに基づいて、選択され得る。例えば、自動車におけるハンズフリー電話を介して送信されるように前もって定められたスピーチ信号の所望されるスペクトル形状は、スピーチ認識システムに入力されるスピーチ信号の所望されるスペクトル形状とは著しい差があり得る。

本発明にしたがって、平均スピーチスペクトル形状推定は、時間を経て受信されるスピーチ信号に基づいて、計算される。平均スピーチスペクトル形状推定は、一次ＩＩＲフィルタリングまたは「リーキーインテグレータ（ｌｅａｋｙ ｉｎｔｅｇｒａｔｏｒ）」を用いて計算され得る。したがって、平均スピーチスペクトル形状推定は、ボイスパスの音響特性における変化またはシステムの周波数応答に影響し得る電気音声パスにおける任意の変化に時間を経て適合する。

スペクトル補正要素（ｓｐｅｃｔｒａｌ ｃｏｒｒｅｃｔｉｏｎ ｆａｃｔｏｒ）は、平均スピーチスペクトル形状推定を、所望されるまたは標的スペクトル形状と比較することによって決定され得る。スペクトル補正要素は、受信されるスピーチ信号と所望される周波数応答の時間平均されたスペクトルエネルギーとの間の違いを平均して示す。スペクトル補正要素は、入力スピーチ信号のスペクトルを所望されるスペクトル形状に対して正規化または調整するために、入力スピーチ信号のスペクトルに加えられ得る。

したがって、スピーチ信号を正規化する方法の一実施形態は、入力スピーチ平均スペクトル形状を決定することを含む。方法は、入力スピーチ平均スペクトル形状を標的スペクトル形状と比較することを更に含む。時間を経て受信されたスピーチ平均スペクトル形状と標的スペクトル形状との間の違いは、入力スピーチ信号のスペクトルを補正するために使用され得る。スピーチ信号の補正されたスペクトルは、スピーチ信号が意図している特定のアプリケーションに対する所望されたスペクトル形状を、より近くに一致させる。

他の実施形態にしたがって、スピーチ信号の周波数応答は、リアルタイムにおいて強化される。周波数サブバンド分析は、入力スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファにおいて実行される。ウィンドウ化された連続的な各々のバッファの周波数サブバンド分析の結果は、平均スピーチスペクトル形状推定を計算するために使用され得る。平均スピーチスペクトル形状推定は、所望された標的スペクトル形状から減算される。標的スペクトル形状と平均スピーチスペクトル形状との間の違いは、スペクトル形状補正要素を形成する。スペクトル形状補正要素は、次に、入力スピーチ信号のウィンドウ化されたバッファに対応するスペクトルに加算され得る。ウィンドウ化された連続的な各バッファからの補正されたスペクトルは、次に、強化または正規化されたボイス信号に再合成され得る。

他の実施形態は、受信されたスピーチ信号の背景ノイズスペクトル形状を調整することによって、スピーチ信号の周波数応答を強化する。この実施形態は、スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファにおいて周波数サブバンド分析を実行することを含む。背景ノイズ推定は、受信された信号に基づいて生成される。次に、背景ノイズスペクトル形状補正要素は、標的背景ノイズスペクトル形状から背景ノイズ推定を減算することによって計算される。次に、背景ノイズスペクトル形状補正要素は、オーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに加算される。

他の実施形態は、受信されたスピーチ信号の平均スピーチスペクトル形状および受信された信号の背景ノイズスペクトル形状のうちの一つまたは両方を調整することによって、受信されたスピーチ信号の質および明瞭度を強化する。この実施形態にしたがって、スピーチ信号の周波数応答を強化する方法は、スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファにおける周波数サブバンド分析を実行することも含む。平均スピーチスペクトル形状推定は、オーバーラップするウィンドウ化された連続的なバッファの周波数サブバンド分析に基づいて計算される。スピーチスペクトル形状補正要素は、平均なスピーチスペクトル形状推定と標的スピーチスペクトル形状との間の違いにしたがって計算される。更に、受信された信号に含まれる背景ノイズは推定され、背景ノイズスペクトル形状補正要素は、背景ノイズ推定と標的背景ノイズスペクトル形状との間の違いに対応して計算される。スピーチスペクトル形状補正要素および背景ノイズスペクトル形状補正要素は、全体的なスペクトル形状補正要素を形成するために結合される。次に、全体的なスペクトル形状補正要素は、受信されたスピーチ信号のオーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに適用される。

最後に、スピーチ信号の周波数応答を強化するためのシステムは、スピーチ信号を受信するためにマイクロホンを含む。Ａ／Ｄ変換器は、スピーチ信号を、プロセッサに入力されるデジタル音声信号に変換する。プロセッサは、マイクロホンによって記録されるスピーチの平均スピーチスペクトル形状推定を決定するように適合されている。プロセッサは、平均スピーチスペクトル形状推定を、標的スペクトル形状と比較する。次に、プロセッサは、平均スピーチスペクトル形状推定と標的スペクトル形状との間の違いに基づいて、入力スピーチ信号のスペクトル形状を調整する。プロセッサは、スピーチ信号が意図されているための特定のアプリケーションに対する理想の周波数応答に近い、強化された周波数応答を有する正規化されたスピーチ信号を出力する。

プロセッサは、受信された信号の背景ノイズスペクトル形状推定を決定するようにも適合され得る。プロセッサは、次に、背景ノイズスペクトル形状推定を、標的背景ノイズスペクトル形状と比較し得る。プロセッサは、次に、背景ノイズスペクトル形状推定と標的背景ノイズスペクトル形状との間の違いに基づいて、入力スピーチ信号のスペクトル形状を調整し得る。プロセッサは、次に、所望される背景ノイズスペクトル形状に近い背景ノイズスペクトル形状を有する、強化された周波数応答を有する正規化されたスピーチ信号を、出力し得る。

本発明は、さらに以下の手段を提供する。

（項目１）
スピーチ信号を正規化する方法であって、該方法は、
入力スピーチ信号の平均スペクトル形状を決定するステップと、
該入力スピーチ信号の平均スペクトル形状を標的スペクトル形状と比較するステップと、
該標的スペクトル形状と該平均スペクトル形状との間の違いにしたがって、該スピーチ信号のスペクトルを補正するステップと
を包含する、方法。

（項目２）
上記スピーチ信号のオーバーラップする連続的な部分を示すｄＢスペクトルを生成するステップをさらに包含する、項目１に記載の方法。

（項目３）
平均スペクトル形状を決定するステップが、上記スピーチ信号の各々のオーバーラップする部分に対応する上記ｄＢスペクトルの各々の周波数サブバンドを、適合する（ａｄａｐｔｉｖｅ）平均化技術に適用するステップを包含する、項目２に記載の方法。

（項目４）
上記適合する平均化技術が、一次ＩＩＲフィルタまたはリーキーインテグレータである、項目３に記載の方法。

（項目５）
上記入力スピーチ信号のオーバーラップする部分を示す各々のｄＢスペクトルに対して背景ノイズ推定を適合するステップと、該ｄＢスペクトルのどの周波数サブバンドが高いＳＮＲを有し、どの周波数サブバンドがスピーチを含む見込み（ｌｉｋｅｌｙ ｔｏ ｃｏｎｔａｉｎ）があるかどうかを決定するステップとを、さらに包含する、項目２に記載の方法。

（項目６）
平均スペクトル形状を決定するステップが、上記入力スピーチ信号の各々のオーバーラップする部分の上記ｄＢスペクトルの、高いＳＮＲを有しスピーチを含む見込みがある上記周波数サブバンドを、一次ＩＩＲフィルタに適用するステップを包含する、項目５に記載の方法。

（項目７）
上記平均スペクトル形状を標的スペクトル形状と比較するステップが、該標的スペクトル形状から該平均スペクトル形状を減算するステップによって、スペクトル形状補正要素を計算するステップを包含し、上記スピーチ信号の上記スペクトルを補正するステップが、該スペクトル形状補正要素を該スピーチ信号の該スペクトルに加算するステップを包含する、項目１に記載の方法。

（項目８）
上記標的スペクトル形状が、電話システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、項目１に記載の方法。

（項目９）
上記標的スペクトル形状が、スピーチ認識システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、項目１に記載の方法。

（項目１０）
スピーチ信号の周波数応答をリアルタイムにおいて強化する方法であって、該方法は、
該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに、周波数サブバンド分析を実行するステップと、
該オーバーラップするウィンドウ化された連続的なバッファの該周波数サブバンド分析に基づいて、平均スピーチスペクトル形状推定を計算するステップと、
標的スペクトル形状から該平均スピーチスペクトル形状推定を減算するステップであって、該標的スペクトル形状と該平均スピーチスペクトル形状推定との間の違いが、スペクトル形状補正要素を含む、ステップと、
該スペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファのうちの一つに対応するスペクトルに加算するステップと
を包含する、方法。

（項目１１）
上記オーバーラップするウィンドウ化された連続的なバッファが、ハニングウィンドウを備える、項目１０に記載の方法。

（項目１２）
オーバーラップするウィンドウ化された連続的なバッファに、周波数サブバンド分析を実行するステップが、各々のオーバーラップするウィンドウ化された連続的なバッファに対して、上記スピーチ信号の圧縮されたｄＢスペクトルを生成するステップを含む、項目１０に記載の方法。

（項目１３）
各々のオーバーラップするウィンドウ化された連続的なバッファに対して、背景ノイズ推定を適合するステップをさらに包含する、項目１２に記載の方法。

（項目１４）
各々のオーバーラップするウィンドウ化された連続的なバッファの上記圧縮されたｄＢスペクトルの各々の周波数サブバンドに対する信号パワーが、上記背景ノイズ推定をしきい値量の分だけ超えるかどうかを決定するステップと、
各々のオーバーラップするウィンドウ化された連続的なバッファの該圧縮されたｄＢスペクトルの各々のサブバンドが、スピーチを含む見込みがあるかどうかを決定するステップと、
該信号パワーが該背景ノイズ推定をしきい値量を超え、スピーチを含む見込みがある各々の周波数サブバンドに対して、上記平均スピーチスペクトル形状推定をアップデートするステップと
をさらに包含する、項目１３に記載の方法。

（項目１５）
上記平均スピーチスペクトル形状推定が、一次ＩＩＲフィルタ（すなわち、リーキーインテグレータ）を用いて計算される、項目１４に記載の方法。

（項目１６）
上記平均スピーチスペクトル形状推定が、一次ＩＩＲフィルタを用いて計算される、項目１０に記載の方法。

（項目１７）
各々のオーバーラップするウィンドウ化された連続的なバッファに対応する補正されたスペクトルから、スピーチ信号を再合成するステップをさらに包含する、項目１０に記載の方法。

（項目１８）
上記標的スペクトル形状が、電話システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、項目１０に記載の方法。

（項目１９）
上記標的スペクトル形状が、スピーチ認識システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、項目１０に記載の方法。

（項目２０）
スピーチ信号の周波数応答を強化するためのシステムであって、該システムは、
スピーチ信号をキャプチャするマイクロホンと、
該スピーチ信号をデジタルスピーチ信号に変換するＡ／Ｄ変換器と、
該マイクロホンにおいて受信される平均スペクトル形状を決定し、受信されるスピーチ該平均スペクトル形状を標的スペクトル形状と比較し、入力スピーチの該平均スペクトル形状と該標的スペクトル形状との間の違いに基づいて、受信されるスピーチスペクトルを調整するように適合された、プロセッサと
を備える、システム。

（項目２１）
強化された周波数応答を有する上記スピーチ信号を使用するために構成されているアプリケーションをさらに備える、項目２０に記載のシステム。

（項目２２）
上記アプリケーションが、ハンズフリー電話システムである、項目２１に記載のシステム。

（項目２３）
上記アプリケーションが、スピーチ認識システムである、項目２１に記載のシステム。

（項目２４）
スピーチ信号の周波数応答を強化する方法であって、該方法は、
該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップと、
背景ノイズ推定を生成するステップと、
標的背景ノイズスペクトル形状から該背景ノイズ推定を減算するステップによって、背景ノイズスペクトル形状補正要素を生成するステップと、
該背景ノイズスペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに加算するステップと
を包含する、方法。

（項目２５）
上記オーバーラップするウィンドウ化された連続的なバッファが、ハニングウィンドウを備える、項目２４に記載の方法。

（項目２６）
オーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップが、各々のオーバーラップするウィンドウ化された連続的なバッファに対して、上記スピーチ信号の圧縮されたｄＢスペクトルを生成するステップを含む、項目２４に記載の方法。

（項目２７）
各々のオーバーラップするウィンドウ化された連続的なバッファに対応する補正されたスペクトルから、スピーチ信号を再合成するステップをさらに包含する、項目２４に記載の方法。

（項目２８）
上記標的背景ノイズスペクトル形状が、スムースなブロードバンド背景ノイズに対応する、項目２４に記載の方法。

（項目２９）
スピーチ信号の周波数応答を強化する方法であって、該方法は、
該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップと、
オーバーラップするウィンドウ化された連続的なバッファの周波数サブバンド分析に基づいて、平均スピーチスペクトル形状推定を計算するステップと、
該平均スピーチスペクトル形状推定と標的スピーチスペクトル形状との間の違いに対応するスピーチスペクトル形状補正要素を、計算するステップと、
背景ノイズ推定を生成するステップと、
該背景ノイズ推定と標的背景ノイズスペクトル形状との間の違いに対応する背景ノイズスペクトル形状補正要素を、計算するステップと、
該スピーチスペクトル形状補正要素および該背景ノイズスペクトル形状補正要素に基づいて、全体的なスペクトル形状補正要素を計算するステップと、
該全体的なスペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに加算するステップと
を包含する、方法。

（項目３０）
全体的なスペクトル補正要素を計算するステップが、長期間ＳＮＲ推定にしたがって、上記スピーチスペクトル形状補正要素および上記背景ノイズスペクトル形状補正要素を逆に重み付けするステップを包含する、項目２９に記載の方法。

（摘要）
スピーチ信号の周波数応答を強化するためのシステムが提供される。平均スピーチスペクトル形状推定は、入力スピーチ信号に基づき時間を経て計算される。平均スピーチスペクトル形状推定は、一次ＩＩＲフィルタリングまたは「リーキーインテグレータ」を使用し、周波数ドメインにおいて計算され得る。したがって、平均スピーチスペクトル形状推定は、ボイスパスの音響特性における変化またはシステムの周波数応答を影響し得る電気音声パスにおける任意の変化に時間を経て適合する。スペクトル補正要素は、平均スピーチスペクトル形状推定を所望の標的スペクトル形状と比較することによって、決定され得る。スペクトル補正要素は、入力スピーチ信号のスペクトルを強化または所望のスペクトル形状に向けて調整し、強化されたスピーチ信号が補正されたスペクトルから再合成されるために入力スピーチ信号のスペクトルに加算され得る（ｄＢの単位において）。

本発明の他の局面、特徴および利点は、以下の図面および詳細な説明の考察によって、当業者に明白になるであろう。この説明において含まれる全てのそのような追加の局面、特徴および利点が、本発明の範囲において含まれ、添付の特許請求の範囲によって保護されることが意図される。

リアルタイムにおけるスピーチ信号の周波数応答を適合的に強化するためのシステムおよび方法が提供される。そのシステムおよび方法は、音声的および電気的な経路の任意のゆっくりと変化する、または時間に対して一定である、音響および電気的特性のスペクトル影響を補償する。ここにおいて、それらのスペクトル影響とは、例えば、室内音響、マイクロフォン周波数応答、および、背景ノイズ等の他の要因を含む。システムおよび方法は、入力スピーチ信号を受信、平均ｔスピーチスペクトル形状の推定および背景ノイズ推定の計算、標的スピーチスペクトル形状に適合するように平均スピーチスペクトル形状を調整する補正要素、または背景ノイズのスペクトル形状を調整する補正要素の計算、および、特定のアプリケーションに特別に適合された所望の標的周波数応答において到達するために、入力スピーチ信号のウィンドウ化された連続的なバッファへのその補正要素の適用、に対する対策を含む。ウィンドウ化された連続的なバッファに対応する補正されたスペクトルは、強化されたスピーチ信号へ再合成され得、それによって、そのスピーチ信号が意図されるアプリケーションに対してより適したものになる。

図２は、本発明に従う、スピーチ信号の周波数応答を適合的に強化するための方法のフローチャート１００を示す。入力スピーチ信号が１０２において受信される。その信号は、スピーチ内容を含み得、または含み得ない。周波数サブバンド分析が１０４において入力信号に対して行われる。周波数サブバンド分析は、入力信号の圧縮ｄＢスペクトルを生じさせる。圧縮ｄＢスペクトルは、平均スピーチスペクトル形状の推定を作成するために使用され、同様に、その平均スピーチスペクトル形状の推定は、スピーチスペクトル形状補正要素を計算するために使用される。スピーチスペクトル形状補正要素は、ほぼ、所望のスペクトル形状を有する強化されたスピーチ信号を生成するために入力信号のスペクトルに足され得る。

次に、サブバンド分析１０４によって生成された圧縮ｄＢスペクトルは、ＳＮＲ推定およびボイス検出１０６に適用される。ＳＮＲ推定およびボイス検出１０６は、入力信号の圧縮ｄＢスペクトルのどの周波数値域がスピーチ内容を含むかを識別しようとする。高ＳＮＲを有し、スピーチ内容を含むとされる周波数帯のｄＢ値は、１０８において平均スピーチスペクトル形状推定を更新するのに用いられる。平均スピーチスペクトル形状推定は、時間を経て受信されたスピーチのスペクトル形状の現在の平均である。平均スピーチスペクトル形状が現在の平均であるため、ゆっくりと適合され、受信された入力信号のスピーチ内容のスペクトル形状に対する適度に正確な推定を提供する。システムのゆっくりと変化する、または時間に対して一定の周波数応答特性は、平均スピーチスペクトル形状に起因し、それらの特性は、環境の音響伝達関数特性、マイクロフォンの電気音響特性等を含む。

平均スピーチスペクトル形状推定は、１１２において提供される標的スピーチスペクトル形状と比較される。標的スピーチスペクトル形状は、ハンズフリー電話システムまたはボイス認識システムのような特定のアプリケーションに対する理想的な周波数応答を表し得る。平均スピーチスペクトル形状推定と標的スピーチスペクトル形状との相違は、所望のスペクトル形状を達成するために、入力スピーチ信号の平均スペクトルがどの程度調整されなければならないかの量を表す。１１４において、スピーチスペクトル形状補正要素は、標的スピーチスペクトル形状から平均スピーチスペクトル形状を引くことによって決定される。そして、スピーチスペクトル形状補正要素は、１０２において受信されたオリジナル信号の圧縮ｄＢスペクトルに加えられ得る。背景ノイズ抑制１１０が、望まれるのであれば、補正要素の付け加えの前において、圧縮ｄＢスペクトルに任意的に適用される。そうでない場合は、スピーチスペクトル形状補正要素は、１１６において圧縮ｄＢスペクトルに直接適用される。補正された信号または強化された信号は、１１８において再合成され、１２０において出力される。

図３は、図２において概説された方法に従い強化された１１ｋＨｚの時間領域におけるスピーチ信号１３０を示す。周波数サブバンド分析は、オーバーラップするウィンドウ化された連続的なバッファに対して行われる。ウィンドウ化されたバッファは、５０％のオーバーラップを有する、２５６ポイントのＨａｎｎｉｎｇウィンドウを用いて計算される。他のウィンドウ化機能、ウィンドウ長、またはオーバーラップのパーセント値もまた用いられ得る。図３は、オーバーラップが５０％のＨａｎｎｉｎｇウィンドウ１３２、１３４、１３６、１３８、１４０、および１４２を示す。周波数サブバンド分析は、ウィンドウ化された連続的な各バッファに対して行われる。ウィンドウ化された各バッファの周波数サブバンド分析の結果は、平均スピーチスペクトル形状推定に用いられる。本記載の目的のために、ウィンドウ化された単一のバッファ１３４の分析が記載されるが、同様な形式において、全ての他のウィンドウ化されたバッファが処理されることは理解される。

周波数スペクトルが、ウィンドウ化されたバッファ１３４内において、信号１３０の一部に対して得られる。周波数スペクトル情報は、高速フーリエ変換（ＦＦＴ）、ウェーブレットフィルタバンク、多相（ｐｏｌｙｐｈａｓｅ）フィルタバンク、および他の周知のアルゴリズムのような様々な方法によって得られ得る。例えば、複素スペクトルは、２５６ポイントＦＦＴを用いて得られ得る。複素スペクトルは、複素スペクトルの絶対値を２乗することによって、パワースペクトルに変換され得る。

Ｐｏｗｅｒ＿Ｓｐｅｃ（ｆ）＝｜Ｃｏｍｐｌｅｘ＿Ｓｐｅｃ（ｆ）｜^２ （１）
ここにおいて、Ｐｏｗｅｒ＿Ｓｐｅｃはパワースペクトルであり、Ｃｏｍｐｌｅｘ＿Ｓｐｅｃは複素スペクトルであり、ｆは周波数値域インデックスである。

パワースペクトルが次に、ｄＢに変換され得る。図４は、ウィンドウ化されたバッファ１３４内に含まれる入力信号の一部のｄＢスペクトル１４４を示す。ｄＢスペクトル１４４は、２５６ポイントＦＦＴの結果である。

ｄＢスペクトル１４４は、ボイスのスピーチ分節の高調波成分（例えば、母音の音）に起因して、多数のはっきりしたピークおよび谷を含む。スペクトルエンベロープの全体的な形は、粗い周波数分解能を有するスペクトルにｄＢスペクトル１４４を圧縮することによって分析され得る。周波数圧縮は、所定の周波数領域における加重平均を計算することによって達成され得る。圧縮スペクトルは線形周波数スケールを有し得、または、圧縮スペクトルは、適用される圧縮技術によって、Ｂａｒｋ、Ｍｅｌ、または他の非線形スケール等の非線形周波数スケールを有し得る。圧縮スペクトルの周波数サブバンドは、例えば、圧縮サブバンド当たりに８６から１７２Ｈｚの周波数分解能を示し得る。これは、１１ｋＨｚ入力信号および２５６ポイントＦＦＴに対して、それぞれ２つから４つの非圧縮周波数値域毎に渡る非圧縮スペクトルの平均パワーを計算することに対応する。

図４の非圧縮スペクトル１４４に基づく圧縮スペクトル１５６は図５において示される。示されるように、圧縮スペクトル１５６は、非圧縮スペクトル１４４の全体的な形を維持する。圧縮スペクトル１５６は、周波数サブバンド分析１０４の出力を示す。個々の圧縮スペクトルは、オーバラップするウィンドウ化された連続的な各バッファに対して生成される。その各々は、スピーチスペクトル形状推定の計算に用いられる。ウィンドウ化された連続的な各バッファの周波数サブバンド分析によって更新された平均スピーチスペクトル形状推定は、対応するウィンドウ化されたバッファのスペクトルに対するスピーチスペクトル形状補正要素を計算するために使用される。補正要素は、スペクトルを所望の標的スペクトル形状に対して正規化するために、対応するウィンドウ化されたバッファの圧縮ｄＢスペクトルに加えられる。

周波数サブバンド分析の間に生成された圧縮ｄＢスペクトルは、ＳＮＲ推定およびボイス検出１０６に入力される。ＳＮＲ推定およびボイス検出１０６の目的は、圧縮ｄＢ信号のどの周波数帯が、高い信号−ノイズ比率（ＳＮＲ）を有し、スピーチをおそらく含んでいるのかを決定することである。高ＳＮＲを有し、およびスピーチをおそらく含んでいるであろうとされる圧縮ｄＢ信号のそれらの周波数サブバンドのみが、平均スピーチスペクトル形状推定を更新するために用いられる。低ＳＮＲを有する周波数帯、またはスピーチをおそらく含まないであろうとされる周波数帯は、平均スピーチスペクトル形状推定の計算に役立たない。

ＳＮＲ推定は、多数の標準的な方法に従い行われ得る。図５は例えば、最低統計技術を用いて導かれた背景ノイズ推定１５８を含む。各周波数サブバンドにおけるＳＮＲの推定は、圧縮ｄＢスペクトル１５６から背景ノイズ推定１５８を引くことによって得られ得る。図６は、図５の圧縮ｄＢスペクトル１５６からノイズ推定１５８を引くことにより得られたＳＮＲ１６０を示す。

ノイズ推定１５８は、実際の背景ノイズではないことは、留意されなければならない。圧縮ｄＢスペクトル１５６におそらく含まれるであろうとされるノイズの推定である。任意の所定の周波数サブバンドにおける実際のノイズは、背景ノイズ推定１５８において示されるレベルよりも高くもあり得、低くもあり得る。従って、ノイズ推定付近の信号レベルは、信頼性に若干欠ける。従って、しきい値の値は、ノイズ推定よりも少なくともしきい値の値よりも高い信号レベルを有する周波数サブバンドのみが、平均スピーチスペクトル形状推定に役立つように、確立され得る。そのようなしきい値は図６において示される。１０ｄＢのしきい値１６２は、背景ノイズ推定１５８よりも１０ｄＢ高い信号レベルを示す。圧縮ｄＢスペクトル１６０が背景ノイズ推定１５８よりも高くある入力信号スペクトルの部分を示すために、しきい値１６２よりも１０ｄＢ高い圧縮ｄＢスペクトル１６０の部分は、背景ノイズ推定１５８よりも１０ｄＢ高いオリジナル圧縮ｄＢスペクトル１５６の部分を示す。圧縮ｄＢスペクトル１６０が１０ｄＢのしきい値よりも高い周波数サブバンドのみが、平均スピーチスペクトル形状推定に役立つ。

１０ｄＢ以外のしきい値の値が用いられ得る。好ましくは、しきい値の値は、５と１５ｄＢとの間の範囲にある。追加的に、しきい値は一定である必要はない。しきい値の値は、システムの予測されるノイズ特性により、１つの周波数サブバンドから次の周波数サブバンドにおいて変化し得る。例えば、自動車のアプリケーションにおいて、しきい値は、著しい背景ノイズのエネルギーが存在する低周波数サブバンドに対してはより高く設定されても良い。

平均スピーチスペクトル形状推定は、圧縮スペクトルの各周波数サブバンドに対して作られる。オーバラップするウィンドウ化された連続的な各バッファの圧縮スペクトルは、平均スピーチスペクトル形状推定の計算に役立つ。しかし、上に留意されるように、各自の周波数サブバンドに対する平均スピーチスペクトル形状推定は、各周波数サブバンドが高ＳＮＲを有し、かつスピーチを含む場合においてのみ、更新される。平均スピーチスペクトル形状推定を適合する以前において、以下の式に従って、現在の圧縮ｄＢスペクトルの全体的なレベルを正規化することが有用であり得る。

ここにおいて、Ｓｐｅｃ＿Ｃｕｒｒは現在のｄＢ圧縮スペクトルであり、Ｓｐｅｃ＿Ｃｕｒｒ＿ｎは、周波数サブバンドに渡る全体的なレベル正規化の後の現在のｄＢ圧縮スペクトルである。式（２）による正規化は、平均スピーチスペクトルの適合が、スピーチ信号の全体的な振幅によって偏らないことを確実にする。加重平均、周波数依存平均、ＳＮＲ依存平均、または他の正規化技術のような他のレベル正規化技術もまた用いられ得る。

平均スピーチスペクトル形状は、リーキーインテグレータアルゴリズム、一次ＩＩＲフィルタ、または、他の適合的なフィルタリングまたは加重平均アルゴリズムに従い適合され得る。本発明の実施形態に従い、平均スピーチスペクトル形状推定を更新するための式は、

Ｓｐｅｃ＿Ａｖｇは平均スピーチスペクトル形状推定である。Ａｄａｐｔ＿Ｒａｔｅは適合のスピードを制御するパラメータである。Ａｄａｐｔ＿Ｒａｔｅは＞１でなければならない。ＡｄａｐｔＴｉｍｅＣｏｎｓｔａｎｔの適切な値は、約２と６秒の間である。

平均スピーチスペクトル形状推定は、時間を経てのシステムへのスピーチ入力のスペクトルに対する推定を提供する。平均スピーチスペクトル形状推定が生成される形式は、ゆっくりと変化する、または時間に対して一定である環境の音響特性、マイクロフォンの周波数応答、発話者に対するマイクロフォンの位置、および、システムの周波数応答に影響する他の要因を考慮する。

平均スピーチスペクトル形状推定を与えられ、各周波数サブバンドに対する補正要素を決定することが可能である。ここにおいて、その補正要素は、所望の標的スペクトル形状に平均スピーチスペクトル形状推定を正規化するために、平均スピーチスペクトル形状推定に加えられ得る。これらの同一する補正要素は、次に、入力スピーチ信号を強化するためにウィンドウ化された連続的な各バッファの各スペクトルに適用され得る。補正要素は、ウィンドウ化された各バッファの圧縮ｄＢスペクトル（例えば、図５のスペクトル１５６）に直接に適用され得、または、補正要素は推定され得、そして、ウィンドウ化されたバッファの非圧縮ｄＢスペクトル（例えば、図４のスペクトル１４４）に適用され得る。

平均スピーチスペクトル形状推定１６６が図７において示される。標的スペクトル形状１６８もまた示される。標的スペクトル形状は、自動車のハンズフリー電話システムの最適な周波数応答に相当し得、または、標的スペクトル形状は、スピーチ認識システムに明瞭度の高いスピーチ信号を提供するための、または他のアプリケーションのための、最適な周波数応答を示し得る。いずれの場合においても、標的スペクトル形状は、最適な周波数応答を示し、その周波数応答に対して、実際の入力信号のｄＢスペクトル１６６が調整される。平均スピーチスペクトル形状推定１６６の各サブバンドに対するスペクトル補正要素は、平均スピーチスペクトル形状推定１６６から標的スペクトル形状１６８を引くことによって計算され得る。この差は、平均スピーチスペクトル形状推定１６６に加えられる量、またはそれから引かれる量を示し、そうすることによって、平均スピーチスペクトル形状推定１６６の形が標的スピーチスペクトル形状１６８に正確に一致する。スペクトル補正要素を決定する計算は、以下のように表される。

ここにおいて、Ｓｐｅｃ＿Ｔａｒｇｅｔは標的スピーチスペクトル形状であり、Ｓｐｅｃ＿ＣｏｒｒはｄＢスペクトル補正要素である。

また、スペクトル補正値の全体的なレベルは、以下の式に従い、正規化され得る。

これは、スピーチ信号の全体的な振幅またはラウドネスを大幅に修正することなく、スピーチスペクトル形状の補正を可能にする。加重平均または周波数依存平均のような他の正規化技術、または他の技術が使用され得る。

さらに、スペクトル補正値は、アルゴリズムのエラー強さを改善するために、および、スピーチ信号を強化することによって予期されない結果を生じさせないこと、または、スピーチ信号を極端に修正しないことを確実にするために、制限され得る。最大補正要素は、

として確立され得る。Ｃｏｒｒ＿ｄＢ＿Ｌｉｍｉｔの典型的な値は、５と１５ｄＢとの間の範囲にあり得る。

図８は、式（６）において示されるように、標的スペクトル形状１６８から平均スピーチスペクトル形状１６６を引くことによって計算された補正要素（ｃｏｒｒｅｃｔｉｏｎ ｆａｃｔｏｒ）１７０、および式（７）に従うレベル正規化を示す。本発明は、バッファ化された各ウィンドウに対応する入力スピーチ信号の実際のスペクトルが、平均スピーチスペクトル形状推定を調整するのに必要な補正と類似する補正を必要とすることを想定する。従って、補正要素１７０が、入力スピーチ信号のウィンドウ化された連続的な各バッファのスペクトルに適用され得る。上において決定された補正値は、圧縮平均スピーチスペクトル形状推定スペクトルの各周波数サブバンドに対して決定される。現在のウィンドウ化されたバッファに対応するスペクトル、つまり、ウィンドウ化されたバッファ１３４に対応するスペクトルに適用される以前において、補正値は、非圧縮ＦＦＴｄＢスペクトルの全周波数値域に対する補正値を推測して作成され得る。これは、単純な線形補間、３次スプライン補間、または他のアルゴリズムを用いて行われ得る。対応するウィンドウ化されたバッファ１３４のスペクトルはそして、そのウィンドウ化されたバッファ１３４に対応する入力信号の非圧縮スペクトルに拡大された補正値（単位はｄＢ）を加えることによって補正され得る。ウィンドウ化されたバッファ１３４に対応する補正されたスペクトル１７２は、オリジナルスペクトル１４４と共に図９において示される。

ウィンドウ化されたバッファのスペクトルが補正されると、時間領域に変換され直され得る。これは、振幅スペクトルへ補正されたｄＢスペクトル１７６を変換し、２５６ポイント逆ＦＦＴを行って時間領域へその振幅スペクトルを変換し直すこと、または他の逆変換による周波数領域から時間領域へその振幅スペクトル変換し直すことを必要とする。逆ＦＦＴまたは他の変換から生ずる時間領域信号は、ウィンドウ化されたバッファ１３４に対応する強化されたスピーチ信号を構成する。その強化されたスピーチ信号は、標的スペクトル形状により近似する平均スペクトル形状を有する。強化されたスピーチ信号は、ウィンドウ化された各バッファに対して再合成され、オーバーラップされ、時間領域において全てが合算される。結果は、所望されるスペクトル形状を時間を経て実質的に維持される再合成時間領域スピーチ信号であり、システムの伝達関数のゆっくりと変化する特性が考慮されるものとなる。その結果は、スピーチ認識システム、ハンズフリー電話システム、または他のアプリケーションであり得る、意図とされる特定のアプリケーションにより良く役立つ強化されたボイス信号である。

図１０および１１は、先ほど記載された方法の適合性質を示すスペクトログラムのプロットを示す。両方の図は、周波数（縦軸）対時間（横軸）対ｄＢ（グレースケール）のプロットを表す。図１０のプロット１８０は、補正なしのオリジナルスピーチ信号を示す。図１１のプロット１８２は、当該方法を用いて、時間を経ての平均スピーチスペクトル形状推定の適合を示す。入力信号の始めの約２秒程の間において、図１１において目で見て区別のつくスペクトルパターンが存在しないことは留意されたい。しかし、時間が経ち、大きなスピーチエネルギーが生じると（つまり、図１０においてＴｉｍｅ＝２秒の後）、パターンか図１１において現れる。大きなスペクトルエネルギーは、約５００Ｈｚと１，０００Ｈｚとの間、１，８００Ｈｚと２，０００Ｈｚとの間、および２，３００Ｈｚと３，０００Ｈｚとの間において現れ始める。低平均スペクトルエネルギーは、５００Ｈｚより下、１，０００Ｈｚと１，８００Ｈｚ台との間、および３，０００Ｈｚより上において見られる。図１１におけるこれらのスペクトル特性のゆるやかな現れは、平均スピーチスペクトル形状推定が、入力スピーチ信号のゆっくりと変化する、または時間に対して一定のスペクトル特性にどのように時間を経て適合するのかを示す。

一部のケースにおいて、スピーチ信号周波数応答ではなく、背景ノイズ周波数応答を形成することがより望まれ得る。例えば、高ＳＮＲの状況において、背景ノイズは、それ程重要な問題ではなく、スピーチ信号スペクトル形状を強化することが、最も適切である。しかしながら、低ＳＮＲ状況においては、背景ノイズスペクトル形状を標的にすることがより望ましいことであり得る。例えば、トーナル（ｔｏｎａｌ）な性質を有する背景ノイズが、広帯域のノイズよりもリスナーにとってより不快であると思われている。従って、一部のケースにおいて、特定の周波数におけるピークを除去するために、背景ノイズスペクトルを平滑にすることが有益であり得、それをしないと、リスナーにとっていらいらさせると証明され得る。

従って、他の実施形態において、スピーチ信号の質および明瞭度は、スピーチ構成要素そのもののスペクトルを強化するのとは反対に、受信されたスピーチ信号の背景ノイズスペクトルを標的にし、形成することによって強化される。この代替法を具体化するフローチャート３００は、図１２において示される。図１２のフローチャート３００は、図２に示されるフローチャート１００との多くの類似点を有する。実際に、フローチャート１００に具体化されるスピーチ信号の周波数応答を適合的に強化するための方法は、フローチャート３００において実質的に繰り返される。図２のフローチャート１００にある受信入力信号１０２、周波数サブバンド分析１０４、ＳＮＲ推定およびボイス検出１０６、平均スピーチスペクトル形状推定の更新１０８、標的スピーチスペクトル形状１１２、およびスピーチスペクトル形状補正要素１１４の全てが、図１２の受信入力信号３０２、周波数サブバンド分析３０４、ＳＮＲ推定およびボイス検出３０６、平均スピーチスペクトル形状推定３０８、背景ノイズ抑制３１０、標的スピーチスペクトル形状３１２、およびスピーチスペクトル形状補正要素の決定３１４と的確に合った系である。同様に、図２のスピーチスペクトル形状補正要素の適用１１６および信号再合成１１８は、図１２において類似する。つまり、それらは、スペクトル補正要素の適用３１６および信号再合成３１８である。しかし、詳細にわたり後述されるように、スペクトル形状補正要素の適用３１６機能および信号再合成３１８機能は、前述の実施形態における対応するものと同一の機能を実質的に行うが、多少異なった入力に対してこれらの機能は行われる。

入力信号３０２、周波数サブバンド分析３０４、ＳＮＲ推定およびボイス検出３０６、平均スピーチスペクトル形状推定３０８、背景ノイズ抑制３１０、標的スピーチスペクトル形状３１２、およびスピーチスペクトル形状補正要素の決定３１４の機能は、図２に関して上記された実質的に同一の様式において行われ、これらの機能の更なる記載はここにおいて省略される。スピーチスペクトル形状補正要素の決定３１４の出力が、入力信号３０２のスペクトル形状を補正、または正規化するために、入力信号３０２のスペクトルに加えられるスピーチスペクトル形状補正要素であり、それは、フローチャート１００のスピーチスペクトル形状補正要素の決定機能１１４の出力とほぼ類似することを留意することは十分である。しかし、フローチャート１００において具体化される方法において、スピーチスペクトル形状補正要素が、入力信号のスペクトルに直接に適用される（任意的には、入力スピーチ信号スペクトルへの背景ノイズ抑制の適用後において）一方、図１４のフローチャート３００において具体化される方法において、３１４において決定されるスピーチスペクトル形状補正要素は、最終的なスペクトル補正要素の決定３２８に入力される。最終的なスペクトル補正要素の決定３２８はまた、背景ノイズスペクトル形状補正要素の決定３２６からの入力も受信する。従って、この実施形態に従うと、最終的なスペクトル補正要素は、スピーチスペクトル形状補正要素および背景ノイズスペクトル形状補正要素の両方に基いて決定される。

スピーチスペクトル形状補正要素の決定が、図２のフローチャート１００に関連してすでに記載されたため、背景ノイズスペクトル形状補正要素の決定の記載のみが残る。記載されたように、入力スピーチ信号は３０２において受信される。その入力スピーチ信号は背景ノイズを含み得る。入力スピーチ信号は３０４の周波数サブバンド分析の下にある。周波数サブバンド分析の結果は、入力スピーチ信号を示す圧縮ｄＢスケールスペクトルである。圧縮ｄＢスピーチ信号スペクトルは、ＳＮＲ推定およびボイス検出３０６に入力される。ＳＮＲ推定およびボイス検出３０６は、背景ノイズスペクトル形状補正要素３２６を決定するために入力される背景ノイズ推定３２２を生成する。背景ノイズ推定３２２は、入力スピーチ信号３０２の圧縮ｄＢスペクトルの各周波数値域に渡る背景ノイズの推定（単位はｄＢ）を提供する。背景ノイズ推定３２２は、スピーチ信号の音声および明瞭度に対して不利益である様々な周波数における望まれないピークまたは他の特性を含み得る。従って、背景ノイズ推定を平滑にすることが望ましく、そうでない場合は、所望の標的背景ノイズスペクトル形状３２４に一致させるように背景ノイズ推定を形付けることが望ましい。標的背景ノイズスペクトル形状は、背景ノイズスペクトル形状補正要素を決定する（３２６）ために入力される。

背景ノイズ推定３２２と標的背景ノイズスペクトル形状との相違は、標的背景ノイズスペクトル形状の形に一致するために、背景ノイズ推定がどの程度調整されなければならないかの量を示す。スピーチスペクトル形状補正要素の決定３１４のように、背景ノイズスペクトル補正要素の決定３２６は、入力信号の圧縮ｄＢスペクトルに全周波数値域に渡る背景ノイズ推定から標的スピーチスペクトル形状を引くことによって背景ノイズスペクトル補正要素を計算する。スピーチスペクトル形状補正要素のように、背景ノイズスペクトル形状補正要素もまた、入力スピーチ信号３０２に含まれる背景ノイズの周波数スペクトルを形付けるために、入力スピーチ信号３０２の圧縮ｄＢスペクトルに直接に加えられ得る。しかし、フローチャート３００において示される実施形態において、スピーチスペクトル補正要素および背景ノイズスペクトル形状補正要素の両方は、最終的なスペクトル形状補正要素に役立つ。その最終的なスペクトル形状補正要素はそして、入力スピーチ信号３０２の圧縮ｄＢスペクトルに加えられる。

スピーチスペクトル補正要素の決定３１４の出力、および、背景ノイズスペクトル形状補正要素の決定３２６からの出力の両方は、最終的なスペクトル形状補正要素の決定３２８に入力される。実施形態に従い、スピーチスペクトル形状補正要素および背景ノイズスペクトル形状補正要素は、以下の式に従う反比例的な様式において最終的なスペクトル形状補正要素に役立つ。

従って、高ＳＮＲ状況において、スピーチスペクトル形状補正要素（Ｓｐｅｅｃｈ＿Ｃｏｒｒ（ｆ））が支配し、低ＳＮＲ状況において、背景ノイズスペクトル形状補正要素（Ｎｏｉｓｅ＿Ｃｏｒｒ（ｆ））が支配する。最終的なスペクトル形状補正要素が決定されると、３１６において、入力スピーチ信号のスペクトルに適用される。図２に示される実施形態のように、最終的なスペクトル形状補正要素は、周波数サブバンド分析３０４から出力された受信スピーチ信号のｄＢスペクトルに加えられる。最終的な補正された、または強化されたスペクトルはそして、３１８において再合成される。再合成の処理は、図２に示された実施形態に関連して上記されたものと実質的に同一である。最終的に強化された信号は３２０において出力される。

上記された強化されたスピーチ信号を提供する方法に加え、本発明は、そのようなスピーチ信号強化方法を実行するためのシステムにもさらに関連する。図１３は、そのようなシステム２００のブロック図である。そのシステムは、マイクロフォン２０２、Ａ／Ｄ変換器２０４、および信号プロセッサ２０６を含む。マイクロフォン２０２は入力信号をキャプチャする。Ａ／Ｄ変換器は、マイクロフォンからのアナログ信号のサンプルを取り、マイクロフォンによって受信されたスピーチおよび背景ノイズを示すデジタル信号を信号プロセッサ２０６に提供する。プロセッサ２０６は、マイクロフォン２０２によってキャプチャされた入力信号に対して上記の全ステップを行う命令を含む。従って、プロセッサは、入力信号に対して、周波数サブバンド分析、ＳＮＲ推定およびボイス検出を行う。プロセッサは、入力スピーチ信号のウィンドウ化された各バッファに対して、平均スピーチスペクトル形状推定を作り、更新し、標的スピーチスペクトル形状を格納する。ウィンドウ化された各バッファに対して、プロセッサは、標的スピーチスペクトル形状に平均スピーチスペクトル形状推定を一致するためにスペクトル補正要素を計算する。プロセッサはまた、背景ノイズ推定および格納された標的背景ノイズスペクトル形状に基いて背景ノイズスペクトル形状を決定もし得る。プロセッサは、スピーチスペクトル形状補正要素または背景ノイズスペクトル補正要素のいずれかを、ウィンドウ化された各バッファのスペクトルに適用し得、または、プロセッサは、スピーチスペクトル形状補正要素と背景ノイズスペクトル形状補正要素との合成物を含む最終的な補正要素を適用し得る。そして、プロセッサは、スペクトルを時間領域に変換し直し、強化された出力信号２０８を再合成する。その出力信号２０８はそして、強化されたスピーチ信号を利用する他のシステムへの入力として適用される。

本発明の様々な実施形態が記載される一方、より多数の実施形態および実施が本発明の範囲内において可能であることは、当業者にとって明確である。従って、本発明は、添付の特許請求の範囲およびその均等物以外には限定されない。

二つの異なるアプリケーションに対する理想の周波数応答または標的スピーチスペクトル形状の二つの実施例を示すｄＢ ｖ．周波数プロットである。 スピーチ信号の周波数応答を強化するための方法を示すフローチャートである。 時間領域スピーチ信号および複数のオーバラップするウィンドウ化されたバッファを示す。 ウィンドウ化されたバッファの１つに対応する、図３のスピーチ信号のスペクトルのｄＢ ｖ．周波数プロットである。 背景ノイズ推定に加えて、図４に示されるスペクトルの周波数圧縮バージョンのｄＢ ｖ．周波数プロットである。 背景ノイズが減算され（すなわち、ＳＮＲ）、しきい値が背景ノイズより１０ｄＢ上の信号レベルを示すことを含めて、図５の圧縮スペクトルのｄＢ ｖ．周波数プロットである。 平均スピーチスペクトル形状推定および標的スペクトル形状のｄＢ ｖ．周波数プロットである。 図７の平均スピーチスペクトル形状推定を、更に図７に示される標的スペクトル形状から減算することによって引き出される、スペクトル補正要素のｄＢ ｖ．周波数プロットである。 ウィンドウ化されたバッファの１つに対応する、スピーチ信号のオリジナルスペクトル（すなわち、図４から）およびスピーチ信号の強化または正規化されたスペクトルの両方を示すｄＢ ｖ．周波数プロットである。 入力スピーチ信号の時間ｖ．周波数ｖ．ｄＢ（濃淡のレベルにおける）のスペクトログラムである。 平均スピーチスペクトル形状推定の時間を経ての適合性を示すスペクトログラムである。 スピーチ信号の周波数応答を強化する方法の代替の実施形態を示すフローチャートである。 本発明に従って、スピーチ信号の周波数応答を強化するためのシステムのブロック図である。

符号の説明

２００ システム
２０２ マイクロフォン
２０４ Ａ／Ｄ変換器
２０６ プロセッサ
２０８ 強化された出力（スピーチ）信号

Claims (30)

1. スピーチ信号を正規化する方法であって、該方法は、
   入力スピーチ信号の平均スペクトル形状を決定するステップと、
   該入力スピーチ信号の平均スペクトル形状を標的スペクトル形状と比較するステップと、
   該標的スペクトル形状と該平均スペクトル形状との間の違いにしたがって、該スピーチ信号のスペクトルを補正するステップと
   を包含する、方法。
2. 前記スピーチ信号のオーバーラップする連続的な部分を示すｄＢスペクトルを生成するステップをさらに包含する、請求項１に記載の方法。
3. 平均スペクトル形状を決定するステップが、前記スピーチ信号の各々のオーバーラップする部分に対応する前記ｄＢスペクトルの各々の周波数サブバンドを、適合する平均化技術に適用するステップを包含する、請求項２に記載の方法。
4. 前記適合する平均化技術が、一次ＩＩＲフィルタまたはリーキーインテグレータである、請求項３に記載の方法。
5. 前記入力スピーチ信号のオーバーラップする部分を示す各々のｄＢスペクトルに対して背景ノイズ推定を適合するステップと、該ｄＢスペクトルのどの周波数サブバンドが高いＳＮＲを有し、どの周波数サブバンドがスピーチを含む見込みがあるかどうかを決定するステップとを、さらに包含する、請求項２に記載の方法。
6. 平均スペクトル形状を決定するステップが、前記入力スピーチ信号の各々のオーバーラップする部分の前記ｄＢスペクトルの、高いＳＮＲを有しスピーチを含む見込みがある前記周波数サブバンドを、一次ＩＩＲフィルタに適用するステップを包含する、請求項５に記載の方法。
7. 前記平均スペクトル形状を標的スペクトル形状と比較するステップが、該標的スペクトル形状から該平均スペクトル形状を減算するステップによって、スペクトル形状補正要素を計算するステップを包含し、前記スピーチ信号の前記スペクトルを補正するステップが、該スペクトル形状補正要素を該スピーチ信号の該スペクトルに加算するステップを包含する、請求項１に記載の方法。
8. 前記標的スペクトル形状が、電話システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、請求項１に記載の方法。
9. 前記標的スペクトル形状が、スピーチ認識システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、請求項１に記載の方法。
10. スピーチ信号の周波数応答をリアルタイムにおいて強化する方法であって、該方法は、
    該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに、周波数サブバンド分析を実行するステップと、
    該オーバーラップするウィンドウ化された連続的なバッファの該周波数サブバンド分析に基づいて、平均スピーチスペクトル形状推定を計算するステップと、
    標的スペクトル形状から該平均スピーチスペクトル形状推定を減算するステップであって、該標的スペクトル形状と該平均スピーチスペクトル形状推定との間の違いが、スペクトル形状補正要素を含む、ステップと、
    該スペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファのうちの一つに対応するスペクトルに加算するステップと
    を包含する、方法。
11. 前記オーバーラップするウィンドウ化された連続的なバッファが、ハニングウィンドウを備える、請求項１０に記載の方法。
12. オーバーラップするウィンドウ化された連続的なバッファに、周波数サブバンド分析を実行するステップが、各々のオーバーラップするウィンドウ化された連続的なバッファに対して、前記スピーチ信号の圧縮されたｄＢスペクトルを生成するステップを含む、請求項１０に記載の方法。
13. 各々のオーバーラップするウィンドウ化された連続的なバッファに対して、背景ノイズ推定を適合するステップをさらに包含する、請求項１２に記載の方法。
14. 各々のオーバーラップするウィンドウ化された連続的なバッファの前記圧縮されたｄＢスペクトルの各々の周波数サブバンドに対する信号パワーが、前記背景ノイズ推定をしきい値量の分だけ超えるかどうかを決定するステップと、
    各々のオーバーラップするウィンドウ化された連続的なバッファの該圧縮されたｄＢスペクトルの各々のサブバンドが、スピーチを含む見込みがあるかどうかを決定するステップと、
    該信号パワーが該背景ノイズ推定をしきい値量を超え、スピーチを含む見込みがある各々の周波数サブバンドに対して、前記平均スピーチスペクトル形状推定をアップデートするステップと
    をさらに包含する、請求項１３に記載の方法。
15. 前記平均スピーチスペクトル形状推定が、一次ＩＩＲフィルタ（すなわち、リーキーインテグレータ）を用いて計算される、請求項１４に記載の方法。
16. 前記平均スピーチスペクトル形状推定が、一次ＩＩＲフィルタを用いて計算される、請求項１０に記載の方法。
17. 各々のオーバーラップするウィンドウ化された連続的なバッファに対応する補正されたスペクトルから、スピーチ信号を再合成するステップをさらに包含する、請求項１０に記載の方法。
18. 前記標的スペクトル形状が、電話システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、請求項１０に記載の方法。
19. 前記標的スペクトル形状が、スピーチ認識システムへ入力されたスピーチ信号の理想のスペクトル形状に対応する、請求項１０に記載の方法。
20. スピーチ信号の周波数応答を強化するためのシステムであって、該システムは、
    スピーチ信号をキャプチャするマイクロホンと、
    該スピーチ信号をデジタルスピーチ信号に変換するＡ／Ｄ変換器と、
    該マイクロホンにおいて受信される平均スペクトル形状を決定し、受信されるスピーチ該平均スペクトル形状を標的スペクトル形状と比較し、入力スピーチの該平均スペクトル形状と該標的スペクトル形状との間の違いに基づいて、受信されるスピーチスペクトルを調整するように適合された、プロセッサと
    を備える、システム。
21. 強化された周波数応答を有する前記スピーチ信号を使用するために構成されているアプリケーションをさらに備える、請求項２０に記載のシステム。
22. 前記アプリケーションが、ハンズフリー電話システムである、請求項２１に記載のシステム。
23. 前記アプリケーションが、スピーチ認識システムである、請求項２１に記載のシステム。
24. スピーチ信号の周波数応答を強化する方法であって、該方法は、
    該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップと、
    背景ノイズ推定を生成するステップと、
    標的背景ノイズスペクトル形状から該背景ノイズ推定を減算するステップによって、背景ノイズスペクトル形状補正要素を生成するステップと、
    該背景ノイズスペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに加算するステップと
    を包含する、方法。
25. 前記オーバーラップするウィンドウ化された連続的なバッファが、ハニングウィンドウを備える、請求項２４に記載の方法。
26. オーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップが、各々のオーバーラップするウィンドウ化された連続的なバッファに対して、前記スピーチ信号の圧縮されたｄＢスペクトルを生成するステップを含む、請求項２４に記載の方法。
27. 各々のオーバーラップするウィンドウ化された連続的なバッファに対応する補正されたスペクトルから、スピーチ信号を再合成するステップをさらに包含する、請求項２４に記載の方法。
28. 前記標的背景ノイズスペクトル形状が、スムースなブロードバンド背景ノイズに対応する、請求項２４に記載の方法。
29. スピーチ信号の周波数応答を強化する方法であって、該方法は、
    該スピーチ信号のオーバーラップするウィンドウ化された連続的なバッファに周波数サブバンド分析を実行するステップと、
    オーバーラップするウィンドウ化された連続的なバッファの周波数サブバンド分析に基づいて、平均スピーチスペクトル形状推定を計算するステップと、
    該平均スピーチスペクトル形状推定と標的スピーチスペクトル形状との間の違いに対応するスピーチスペクトル形状補正要素を、計算するステップと、
    背景ノイズ推定を生成するステップと、
    該背景ノイズ推定と標的背景ノイズスペクトル形状との間の違いに対応する背景ノイズスペクトル形状補正要素を、計算するステップと、
    該スピーチスペクトル形状補正要素および該背景ノイズスペクトル形状補正要素に基づいて、全体的なスペクトル形状補正要素を計算するステップと、
    該全体的なスペクトル形状補正要素を、該オーバーラップするウィンドウ化された連続的なバッファの一つに対応するスペクトルに加算するステップと
    を包含する、方法。
30. 全体的なスペクトル補正要素を計算するステップが、長期間ＳＮＲ推定にしたがって、前記スピーチスペクトル形状補正要素および前記背景ノイズスペクトル形状補正要素を逆に重み付けするステップを包含する、請求項２９に記載の方法。