JP2007251676A - 音声処理装置、その方法、プログラム、及びそのプログラムを記録した記録媒体 - Google Patents

Abstract

【課題】入力信号の性質の変化に対応して、抑圧・強調して、反応速度の向上を図る。
【解決手段】入力信号をフレームごとに離散周波数領域信号ｘ（ωｎ）に変換し、少なくとも１つもしくは複数のこれらの信号を含むように複数のグループに分割し、フレーム内の入力信号の電力総和の平方根ＡＸを求め、上記グループごとに、そのグループ内の信号の振幅平均ＡＨｍを求め、第１の目標振幅ＴＸとＡＸとの大小を比較し、ＡＸの方が大きい場合、第１の規格化平均値ＡＨｍ・ＴＸ／ＡＸを求め、各グループごとに、規格化平均値とそのグループの各信号の振幅｜ｘ（ωｎ）｜の大小を比較し、｜ｘ（ωｎ）｜の方が大であれば、その振幅に対し、第１の圧縮関数を適用して、ＴＸに近づくように抑圧して、出力し、｜ｘ（ωｎ）｜の方が大でなければ、そのまま出力し、出力された信号の全体を時間領域信号に変換する。
【選択図】図１

Description

この発明はディジタル化された入力信号のダイナミックレンジを所望の範囲に圧縮する音声処理装置、その方法、プログラム、及びそのプログラムを記録した記録媒体に関する。

通信会議や補聴器システムなどにおいて、スピーカなどに対する再生ボリューム（音声調整量）を一定に保ったままでも、再生される音声内容が容易に理解できるようにするために、再生すべき音声信号を入力信号とし、その入力信号のダイナミックレンジを圧縮し、一定の音量範囲に納まるように処理して出力することにより、スピーカなどで再生させる音声処理方法がある。
例えば、従来、リミッタやコンプレッサと呼ばれる手法では、予め定義された非線形圧縮関数に基づき、一定の大きさ以上の音声信号を入力すると、その大きさが強制的に抑圧された信号を出力する。これらの技術は、抑圧量が大きくなるに従い、音声の聴感上の歪みが増大する問題がある。「非特許文献１」に示されるように、信号を複数の周波数帯域に分割または、変換し、それぞれの周波数帯域ごとに異なる圧縮関数を適用すれば、上記の歪みの問題を低減できることが期待される。「非特許文献１」に示される手法では、周波数帯域ごとに予め与えられた固定の圧縮関数を持つが、それら圧縮関数には、各周波数帯域に変換された入力信号そのものではなく、それら各離散周波数領域信号の振幅の時間平均値などが入力として与えられる。これより得られる圧縮された振幅の平均時間値と、圧縮関数適用前の振幅の時間平均値の比を、各周波数帯域ごとに計算し、これらの比を各離散周波数領域信号に乗じることで、各周波数帯域における圧縮処理を完了させる。これら各周波数帯域ごとに圧縮処理された信号は、周波数合成処理を施され、最終的な出力信号となる。
Ｔ．Ｓｃｈｎｅｉｄｅｒ ａｎｄ Ｒ．Ｂｒｅｎｎａｎ，"Ａ ｍｕｌｔｉｃｈａｎｎｅｌ ｃｏｍｐｒｅｓｓｉｏｎ ａｔｒａｔｅｇｙ ｆｏｒ ａ ｄｉｇｉｔａｌ ｈｅａｒｉｎｇ ａｉｄ"，１９９７ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ（ＩＣＡＳＳＰ−９７），ｖｏｌ．１，ｐｐ．４１１−４１４，Ａｐｒｉｌ １９９７

「非特許文献１」に示される手法は、周波数帯域を細かく分割・変換するほど、よりきめの細かい品質の高い処理の実現が期待される反面、各離散周波数領域信号と元の入力信号の振幅の相関関係が複雑となり、各周波数帯域ごとに固定的に与えられる圧縮関数では、信号の性質の変化に柔軟に対応できず、ある性質の信号を入力した場合、品質高く圧縮できるが、他の性質の信号を入力した場合では、必ずしも、同等な品質で圧縮できないなどの問題が生じる。ここで、信号の性質の違いとは、例えば、音声の母音部分など周期性の高い信号と１音声の子音部分など、周波数成分が広範囲に分布する信号の違いなどを含む。

また、各周波数帯域の圧縮関数の入力として、離散周波数領域信号の振幅の時間平均値が適用されるため、時間平均に必要な時定数に応じて、反応速度の遅れが生じる問題がある。

離散時間の入力信号をフレームごとに離散周波数領域信号に変換し、上記離散周波数領域信号を、少なくとも１つのグループは複数の離散周波数領域信号を含むように複数のグループに分割し、上記フレーム内の入力信号の電力総和の平方根を求め、上記各分割されたグループごとに、そのグループ内の離散周波数領域信号の振幅平均を求め、圧縮処理後の期待される所望の第１の目標振幅と上記電力総和の平方根との値の大小を比較する第１の判定をし、上記第１の判定により上記電力総和の平方根の方が大であることを示す信号が入力された場合、上記第１の目標振幅と上記電力総和の平方根との比で、グループごとの振幅平均値を正規化して、第１の規格化平均値を求め、各グループごとに、上記第１の規格化平均値とそのグループの各上記離散周波数領域信号の振幅の大小を比較する第２の判定をし、上記第２の判定が、上記離散周波数領域信号の振幅の方が大であれば、その振幅に対し、出力信号が上記第１の目標振幅に近づくように抑圧する第１の圧縮関数を第１圧縮関数演算部で適用し、上記第２の判定部の判定が、上記離散周波数領域信号の振幅の方が大でなければ、その離散周波数領域信号をそのまま出力し、各グループごとに出力された離散周波数領域信号の全体を時間領域信号に変換する。

以上の構成によれば、入力信号が離散周波数領域信号に変換することにより、反応速度の向上を図ることが出来、また離散周波数領域信号をグループごとに分割し、そのグループごとの当該信号の性質に応じた圧縮関数により抑圧または強調することにより、安定したダイナミックレンジの圧縮が可能となる。

実施例１
図１にこの発明の実施例１を示す。入力信号ｘ（ｔ）が周波数領域変換部２に入力されると、定時間（フレーム）、例えば入力信号ｘ（ｔ）のサンプリング周波数が１６ｋＨｚの場合、サンプル数が２５６や５１２ごとに、短時間フーリエ変換（ＦＦＴ）などにより、ω１〜ωＮまでのＮ個の周波数に対応するＮ個の離散周波数領域信号、ｘ（ω１）、．．．、ｘ（ωＮ）に変換される。ただし、入力信号は一定周期でサンプリングされ、各サンプルがディジタル値に変換されたディジタル信号であり、Ｎは整数とする。Ｎ個の離散周波数領域信号ｘ（ω１）、．．．、ｘ（ωＮ）は電力総和平方根計算部４とグループ帯域分割部６に入力される。

グループ帯域分割部６で、離散周波数領域信号は周波数番号１〜Ｎについて順に、Ｍ個のグループに分割される。ただし、ＭはＮより小さく、１以上の整数とする。グループの分割の方法については、例えば、周波数について等分割するか、もしくは、低い周波数グループは比較的細かく、高い周波数領域は比較的粗く分割するなどの方法が考えられる。また、１つのグループに１つの離散周波数領域信号のみ含まれるグループが存在しても良いが、２つ以上の離散周波数領域信号を含むグループが最低１つは存在するものとする。例えば、１ｋＨｚごとに等分割する。離散周波数領域信号ｘ（ω１）、．．．、ｘ（ωＮ）は各分割グループごとに、グループ振幅平均計算部８ｍ、第１の圧縮関数制御部１０ｍ、第１の圧縮関数適用部１２ｍに入力される。ただしｍは１〜Ｍまでの整数とする。

一方、電力総和平方根計算部４で、ｘ（ω１）、．．．、ｘ（ωＮ）の電力の総和の平方根ＡＸを算出し、電力の総和の平方根ＡＸは各グループごとの第１の圧縮関数制御部１０ｍと第１の圧縮関数適用部１２ｍに入力される。なお、電力総和平方根計算部４では図１中に破線で示すように、入力信号ｘ（ｔ）を入力し、そのフレームの対象サンプルの電力の総和の平方根の計算をしてもよい。各グループごとに、グループ振幅平均計算部８ｍで、そのグループ中の離散周波数領域信号の振幅平均ＡＨｍを計算する。振幅平均ＡＨｍはそれぞれ対応する圧縮関数制御部１０ｍと圧縮関数適用部１２ｍに入力される。入力部１４から、入力信号に対して、圧縮処理後の期待される所望の振幅（以下、第１の目標振幅）ＴＸが入力され、第１の目標振幅ＴＸは、各グループごとの第１の圧縮関数制御部１０ｍと第１の圧縮関数適用部１２ｍに入力される。第１の目標振幅ＴＸの値は、この装置が適用されるシステムのスピーカや出力増幅器のダイナミックレンジなどにより決定され、信号歪みが生じないような値が選定される。

図２に第１の圧縮関数制御部１０ｍと第１の圧縮関数適用部１２ｍの詳細例と、これに関連する部分の図を示す。第１の圧縮関数制御部１０ｍは、振幅絶対値化部１０１ｍ、第２の判定部１０２ｍ、第１の規格化平均値計算部１０４ｍ、により構成され、
第１の圧縮関数適用部１２ｍは切替スイッチ１０６ｍ、第１の圧縮関数演算部１３０ｍ、位相付与部１２６ｍ、位相計算部１２８ｍにより構成され、
入力部１４はＴＸ入力部１４００とα入力部１４０２により構成される。
電力総和平方根計算部４よりの電力総和の平方根ＡＸと、ＴＸ入力部１４００よりの第１の目標振幅ＴＸと、グループ振幅平均計算部８ｍよりグループ内の離散周波数領域信号の振幅平均ＡＨｍがそれぞれ、第１の規格化平均値計算部１０４ｍに入力され、第１の規格化平均値計算部１０４ｍで、ＡＨｍ・ＴＸ／ＡＸを計算することにより、第１の規格化平均値が計算され、第２の判定部１０２ｍに入力される。各グループの振幅平均値ＡＨｍは第１の目標振幅ＴＸと電力総和平方根ＡＸとの比ＴＸ／ＡＸにより規格化される。

一方、入力されたそのグループの離散周波数領域信号ｘ（ωｎ）が振幅絶対値化部１０１ｍ、位相計算部１２８ｍに入力される。振幅絶対値化部１０１ｍで離散周波数領域信号ｘ（ωｎ）の振幅｜ｘ（ωｎ）｜が求められ、第２の判定部１０２ｍと、切替スイッチ１０６ｍに入力される。第２の判定部１０２ｍで｜ｘ（ωｎ）｜とＡＨｍ・ＴＸ／ＡＸの値の大小が比較される。振幅｜ｘ（ωｎ）｜の方が大であれば、第２の判定部１０２ｍの出力により切替スイッチ１０６ｍが固定接点１０６２ｍ側に切り替えられ、振幅｜ｘ（ωｎ）｜の方が大でなければ、固定接点１０６１ｍ側に切り替えられる。固定接点１０６２ｍ側に切り替えられた場合、離散周波数領域信号の振幅ｘ（ωｎ）に第１の圧縮関数が第１の圧縮関数演算部１３０ｍで適用される。第１の圧縮関数は例えば、次式で表せる。

α｜ｘ（ωｎ）｜＋（１−α）ＡＨｍ・ＴＸ／ＡＸ
ここでαはα入力部１４０２より入力され、抑圧の程度を決定する０から１の範囲の実数であり、小さな値を与えるほど、大きく抑圧されることになる。なお、αは０．２〜０．５であることが望ましい。なお、この圧縮関数の演算に利用するため、第１の規格化平均値計算部１０４ｍで計算されたＡＨｍ・ＴＸ／ＡＸが第１の圧縮関数演算部１３０ｍに入力される。その演算結果は位相付与部１２６ｍに入力される。固定接点１０６１ｍより振幅｜ｘ（ωｎ）｜は位相付与部１２６ｍに直接入力される。

つまり、第１の圧縮関数適用部１２ｍではそのグループの各離散周波数領域信号の振幅｜ｘ（ωｎ）｜に対し、以下の（式１）の制御を行う。
（ａ）｜ｘ（ωｎ）｜＞ＡＨｍ・ＴＸ／ＡＸのとき
Ｆｍ（｜ｘ（ωｎ）｜）＝α｜ｘ（ωｎ）｜＋（１−α）ＡＨｍ・ＴＸ／ＡＸ
（ｂ）それ以外のとき
Ｆｍ（｜ｘ（ωｎ）｜）＝｜ｘ（ωｎ）｜ （式１）
つまり、第１の圧縮関数制御部１０ｍではグループごとのその各離散周波数領域信号の振幅がそのグループの平均振幅ＡＨｍに基づき抑圧するか否かの判定が行われており、その判定結果により、第１の圧縮関数適用部１２ｍで、振幅｜ｘ（ωｎ）｜に対して抑圧するか、そのままにするかの制御が行われる。

グループｍの離散周波数領域信号ｘ（ωｎ）は、位相計算部１２８ｍに入力される。位相計算部１２８ｍで、ｘ（ωｎ）の位相∠ｘ（ωｎ）が計算され、この計算結果∠ｘ（ωｎ）が位相付与部１２６ｍに入力される。位相付与部１２６ｍで、Ｙ（ωｎ）＝Ｆｍ（｜ｘ（ωｎ）｜）・∠ｘ（ωｎ）が計算され、第１の圧縮関数適用部１２ｍから出力され、時間領域変換部１６に入力される。
なお、位相付与部１２６ｍ、位相計算部１２８ｍを特に設けることなく、（式１）の演算において、いずれの場合にもｘ（ωｎ）／｜ｘ（ωｎ）｜を乗算させたものを時間領域変換部１６へ出力するようにしてもよい。各グループの第１の圧縮関数適用部１２ｍの出力を、時間領域変換部１６で例えば、短時間逆フーリエ変換などで、時間領域信号に変換されて、出力される。

この実施例１により、入力信号ｘ（ｔ）を短時間フーリエ変換などにより、周波数成分ごとの信号に変換し、それら各離散周波数領域信号のグループにまとめ、各グループ固有の性質を有する第１の圧縮関数を与える。このとき、第１の圧縮関数は、各グループの離散周波数領域信号ｘ（ωｎ）の瞬時の振幅｜ｘ（ωｎ）｜が規格化平均値ＡＨｍ・ＴＸ／ＡＸより大きい場合のみ、対応する離散周波数領域信号ｘ（ωｎ）の振幅｜ｘ（ωｎ）｜を抑圧する。これにより、入力信号が第１の目標振幅よりも大きな振幅を持っている場合、各グループの平均振幅によって捉えられる入力信号のマクロ的な周波数特性に応じ、各グループの圧縮基準が瞬時に自動的に決定される。

なお、図１中に破線で示すように、電力総和平方根ＡＸと第１の目標振幅ＴＸとの大小を第１の判定部１３６で比較判定し、ＴＸ＞ＡＸと判定されると、その判定出力で、スイッチ１１２をオンにして、当該短時間フーリエ変換区間の入力信号をそのまま出力する。また、例えば、第１の判定部１３６でＴＸ＞ＡＸでないと判定されると、各グループの第１の圧縮関数制御部１０ｍの動作を禁止する構成にしてもよい。
実施例２
次にこの発明の実施例２を説明する。

実施例１では、第１の目標振幅ＴＸより、電力総和の平方根、つまり、入力信号の振幅平均の推定値ＡＸが大きい場合は、入力信号の振幅を抑圧した。しかし、ＴＸ＞ＡＸの場合は、振幅抑圧処理は行われていない。この実施例２では、ＴＸ以下の第２の目標振幅ＤＸを予め決め、ＤＸ＞ＡＸの場合に入力信号を強調してダイナミックレンジを更に圧縮する。
先に述べたように第１の判定部１３６で電力総和平方根計算部４よりの電力総和の平方根ＡＸと、入力部１４よりの所望の振幅ＴＸの大小を比較し、ＴＸ＜ＡＸを満たすフレームについては、第１の実施例で説明した第１の圧縮関数による抑圧する。実施例２では、ＴＸ＜ＡＸを満たさないフレームについて、強調したい所望振幅（以下第２の目標振幅）ＤＸを定め、第２の目標振幅に近づくよう、入力信号を強調して、ダイナミックレンジをさらに圧縮する。

図３に実施例２の具体的構成例を示す。図１を用いて説明した実施例１と比べて、第１の圧縮関数制御部１０ｍと第１の圧縮関数適用部１２ｍの具体的構成が一部変更され、第２の圧縮関数制御部１３５ｍと第２の圧縮関数適用部１２５ｍとなっている。また同一機能構成部分には同一参照番号をつける。
第１の圧縮判定部１３４の判定がＴＸ＞ＡＸの場合、このことを示す判定結果出力が第２の圧縮関数制御部１３５ｍに入力される。
図４に第２の圧縮関数制御部１３５ｍと第２の圧縮関数適用部１２５ｍの詳細例と、これに関連する部分の図を示す。同一機能構成部分には同一参照番号をつける。

第１の圧縮判定部１３４は第１の判定部１３６と第３の判定部１３７により構成され、第２の圧縮関数適用部１２５ｍは切替スイッチ１０８ｍ、切替スイッチ１０７ｍ、第２の圧縮関数演算部１３２ｍ、位相付与部１２６ｍ、位相計算部１２８ｍにより構成され、入力部１４はＴＸ入力部１４００、ＤＸ入力部１４０４、α入力部１４０２、β入力部１４０６により構成され、第２の圧縮関数制御部１３５ｍは第４の判定部１３８ｍで構成されている。
まず第１の判定部１３６は電力総和平方根計算部４よりの電力総和の平方根ＡＸとＴＸ入力部１４００よりの所望の振幅ＴＸと値の大小を比較し、この結果が（１）ＡＸ≦ＤＸ（２）ＤＸ＜ＡＸ≦ＴＸ（３）ＴＸ＜ＡＸの３状態を判定する３状態判定回路１４４に入力される。

ＤＸ入力部１４０４より入力された第２の目標振幅ＤＸは第３の判定部１３７と第２の圧縮関数演算部１３２ｍに入力される。第３の判定部１３７は電力総和平方根計算部４よりの電力総和の平方根ＡＸと第２の目標振幅ＤＸとの値の大小を比較し、この結果が３状態判定回路１４４に入力される。ただしＤＸ≦ＴＸであり、ＤＸはＴＸの約２分の１程度が好ましい。３状態判定回路１４４の出力が（１）の場合、全てのグループの切替スイッチ１０８ｍが固定接点１０８２ｍ側に切り替えられ、（３）の場合は、固定接点１０８１ｍに切り替えられる。また、（２）の場合は、入力信号は抑圧されずに、出力される。固定接点１０８１ｍ側に切り替えられた場合は、振幅絶対値化部１０１ｍよりの対応グループｍの各離散周波数領域信号の振幅｜ｘ（ωｎ）｜が第１の圧縮関数適用部１２ｍ内の切替スイッチ１０６ｍの固定接点１０６１ｍへ供給される。つまりこの場合は振幅｜ｘ（ωｎ）｜は抑圧圧縮、強調圧縮されることはない。

第４の判定部１３８ｍでは、グループ振幅平均計算部８ｍよりの振幅平均ＡＨｍと振幅絶対値化部１０１ｍよりの振幅｜ｘ（ωｎ）｜との大小が比較され、振幅｜ｘ（ωｎ）｜の方が大きい場合、切替スイッチ１０７ｍが、固定接点１０７２ｍ側に切り替えられ、振幅｜ｘ（ωｎ）｜の方が大きくない場合、固定接点１０７１ｍ側に切り替えられる。切替スイッチが１０７２ｍに切り替えられている場合、すなわち、ＤＸ＞ＡＸ、｜ｘ（ωｎ）｜＞ＡＨｍ、を満たす場合は、離散周波数領域信号の振幅｜ｘ（ωｎ）｜は第２の圧縮関数演算部１３２ｍで、第２の圧縮関数が適用される。第２の圧縮関数は例えば、次式で表せる。

β｜ｘ（ωｎ）｜＋（１−β）ＡＨｍ・ＤＸ／ＡＸ
ここで、βはβ入力部１４０６より入力され、βは強調の程度を決定する０〜１の範囲の実数であり、小さな値を与えるほど、入力された振幅｜ｘ（ωｎ）｜と比べ、より大きく強調される。なお、βは０．２〜０．５であることが望ましい。その演算結果は位相付与部１２６ｍに入力される。固定接点１０７１ｍより位相付与部１２６ｍに入力され、切替スイッチ１０７ｍが固定接点１０７１ｍ側に接続されている場合は、振幅｜ｘ（ωｎ）｜は位相付与部１２６ｍへ直接入力される。

つまり、第２の圧縮関数適用部１２５ｍでは、そのグループの各離散周波数領域信号の振幅｜ｘ（ωｎ）｜に対し、以下に示す（式２）で制御を行う。
（ａ）｜ｘ（ωｎ）｜＞ＡＨｍのとき
Ｆｍ（｜ｘ（ωｎ）｜）＝β｜ｘ（ωｎ）｜＋（１−β）ＡＨｍ・ＤＸ／ＡＸ
（ｂ）それ以外のとき
Ｆｍ（｜ｘ（ωｎ）｜）＝｜ｘ（ωｎ）｜ （式２）
つまり、第２の圧縮関数制御部１３５ｍではグループごとのその各離散周波数領域信号の振幅がそのグループの平均振幅ＡＨｍに基づき強調するか否かの判定が行われており、その判定結果により、第２の圧縮関数適用部１２５ｍで、振幅｜ｘ（ωｎ）｜に対して強調するか、そのままにするかの制御が行われる。

第２の圧縮関数適用部１２５ｍでのその後の圧縮は実施例１と同様に強調処理された信号もそのままの信号にも位相∠ｘ（ωｎ）が付与されて、時間領域変換部１６に入力される。
図５ＡにＡＸ＞ＴＸを満たすフレームについての（式１）による抑圧処理の特性を示し、図５ＢにＡＸ＞ＴＸを満たさないフレームについての（式２）による強調処理の特性を示す。図５（Ａ）、図５（Ｂ）とも、は縦軸を出力されるＦｍ（｜ｘ（ωｎ）｜）とし、横軸を入力される｜ｘ（ωｎ）｜とする。

図５（Ａ）において、上述の（式１）により、｜ｘ（ωｎ）｜＞ＡＨｍ・ＴＸ／ＡＸの領域（図５（Ａ）中で抑圧領域と示している）では、
Ｆｍ（｜ｘ（ωｎ）｜）＝α｜ｘ（ωｎ）｜＋（１−α）ＡＨｍ・ＴＸ／ＡＸにより抑圧されており、｜ｘ（ωｎ）｜≦ＡＨｍ・ＴＸ／ＡＸでは、
Ｆｍ（｜ｘ（ωｎ）｜）＝｜ｘ（ωｎ）｜となるので何ら抑圧されていない。
図５（Ｂ）において、上述の（式２）により｜ｘ（ωｎ）｜＞ＡＨｍの領域（図５（Ｂ）では強調領域と示している）では、
Ｆｍ（｜ｘ（ωｎ）｜）＝β｜ｘ（ωｎ）｜＋（１−β）ＡＨｍ・ＤＸ／ＡＸ
により強調されており、｜ｘ（ωｎ）｜≦｜ＡＨｍでは、
Ｆｍ（｜ｘ（ωｎ）｜）＝｜ｘ（ωｎ）｜となるので何ら強調されていない。
図５（Ａ）において、（式１）による抑圧処理においてはＴＸ／ＡＸで規格化された規格化平均値ＡＨｍ・ＴＸ／ＡＸを｜ｘ（ωｎ）｜についての抑圧の下限値としているが、（式２）による強調においては、強調の下限値をＡＨｍにより、与えている。これは、信号を抑圧する場合は、要求される抑圧の程度により、ＡＨｍより小さい信号も抑圧する必要が生じるのに対し、強調する場合には、平均値ＡＨｍより小さい信号の中に含まれると考えられる雑音成分などの不要な増幅を避ける意図がある。また図５（Ｂ）に示す（式２）の特性において、
｜ｘ（ωｎ）｜＞ＡＨｍ・ＴＸ／ＡＸの範囲では、逆に抑圧する効果を与えてしまうが、第１の目標振幅ＴＸを第２の目標振幅ＤＸと近い値に選んだ場合は、逆に（式１）の特性との連続性が保たれることになる。

また図３中の第２の圧縮関数制御部１３５ｍに雑音レベル推定部１４２ｍを具備してもよい。この場合、例えば、図４中の第２の圧縮関数制御部１３５ｍ内に破線で示すように、雑音レベル推定部１４２ｍが設けられ、更に、第５の判定部１４０ｍ、も設けられる。グループごとに周波数領域信号ｘ（ωｎ）は雑音レベル推定部１４２ｍに入力され、強調不要な雑音成分の大きさの最大値もしくは平均値に１より大きい定数を乗算した雑音レベルＮＬｍが推定され、この雑音レベルＮＬｍは第５の判定部１４０ｍに入力される。第５の判定部１４０ｍでは各対応グループごとにグループ振幅平均計算部８ｍよりの振幅平均ＡＨｍと雑音レベルＮＬｍとの値の大小が比較される。第５の判定部１４０ｍよりの比較結果により、振幅平均ＡＨｍと雑音レベルＮＬｍの大きい方の値が第４の判定部１３８ｍに入力され、第４の判定部１３８ｍではこの入力された大きい方の値と振幅｜ｘ（ωｎ）｜との比較が行われる。このようにすれば、雑音成分の望ましくない強調をより確実に抑えることができる。

実施例３
次にこの発明の実施例３を説明する。実施例１、２は入力信号の振幅値を電力総和平方根により算出しているため、インパルス性信号のように、瞬間的な振幅は大きくても、エネルギーの小さい信号を効果的に抑圧できない。この実施例３では、周波数領域に変換されたパルス性信号が各周波数において、ほぼ等しい振幅を有する性質に着目し、例えば、図６に示すように構成する。全体のブロック構成としては、実施例１とほぼ同様であるが、第２の圧縮判定部１４７を設け、また第３の圧縮関数制御部１４５ｍ、第３の圧縮関数適用部１５３ｍにおける処理内容が異なる。フレームごとに、入力信号がインパルス性信号であるか否かを判定し、インパルス性信号であるフレームについて、実施例３では以下の処理を行う。

図７に第３の圧縮関数制御部１４５ｍ、第３の圧縮関数適用部１５３ｍの詳細、その他関連のある部分を示す。第３の圧縮関数制御部１４５ｍは振幅絶対値化部１０１ｍ、第２の規格化平均値計算部１４８ｍ、第６の判定部１５２ｍにより構成され、第３の圧縮関数適用部１５３ｍは切替スイッチ１１０ｍ、第３の圧縮関数演算部１５４ｍ、位相付与部１２６ｍ、位相計算部１２８ｍにより構成されている。なお、図６、図７に関して、実施例１と２と同一機能構成部分には同一参照番号をつける。
離散周波数領域信号ｘ（ωｎ）は第２の圧縮判定部１４７（インパルス性信号判定部）と位相計算部１２８ｍと振幅絶対値化部１０１ｍに入力される。第２の圧縮判定部１４７でこのフレームがインパルス性信号であるか否かが判定され、その判定結果は、第６の判定部１５２ｍに入力される。また、グループ振幅平均計算部８ｍよりの平均振幅ＡＨｍが第２の規格化平均値計算部１４８ｍに入力され、電力総和平方根計算部４よりの電力総和の平方根ＡＸとＰＸ入力部１４０８よりのインパルス性信号に対する圧縮処理後の期待振幅（以下第３の目標振幅）ＰＸがそれぞれ、第２の規格化平均値計算部１４８ｍと第２の圧縮判定部１４７に入力される。なお、第３の目標振幅ＰＸは第１の目標振幅ＴＸの１／１０程度であることが望ましい。

第２の規格化平均値計算部１４８ｍで、第２の規格化平均値ＡＨｍ・ＰＸ／ＡＸが計算され、第６の判定部１５２ｍに入力される。第６の判定部１５２ｍでは、第２の圧縮判定部（インパルス性信号判定部）１４７よりの判定結果がインパルス性信号である場合に、振幅｜ｘ（ωｎ）｜と第２の規格化平均値ＡＨｍ・ＰＸ／ＡＸの値の大小が比較される。
振幅絶対値化部１０１ｍで、振幅｜ｘ（ωｎ）｜が求められ、切替スイッチ１１０ｍと第６の判定部１５２ｍに入力される。
第６の判定部１５２ｍの判定結果が｜ｘ（ωｎ）｜＞ＡＨｍ・ＰＸ／ＡＸの場合は、切替スイッチ１１０ｍを固定接点１１０２ｍに切り替え、｜ｘ（ωｎ）｜＞ＡＨｍ・ＰＸ／ＡＸでない場合は、切替スイッチ１１０ｍを固定接点１１０１ｍに切り替える。

切替スイッチ１１０ｍが固定接点１１０２ｍに切り替えられている場合に振幅｜ｘ（ωｎ）｜に対してγ｜ｘ（ωｎ）｜＋（１−γ）ＡＨｍ・ＰＸ／ＡＸが第３の圧縮関数演算部１５４ｍで演算される。なおγはγ入力部１４１０により入力されるものであり、γ＝０．２〜０．５であることが好ましい。一方、切替スイッチ１１０ｍが固定接点１１０１ｍに切り替えられている場合は、振幅｜ｘ（ωｎ）｜はそのままとされる。
つまり、第３の圧縮関数適用部１５３ｍでは、そのグループの各離散周波数領域信号の振幅｜ｘ（ωｎ）｜に対し、以下に示す（式３）で制御を行う。
（ａ）｜ｘ（ωｎ）｜＞ＡＨｍ・ＰＸ／ＡＸのとき
Ｆｍ（｜ｘ（ωｎ）｜）＝γ｜ｘ（ωｎ）｜＋（１−γ）ＡＨｍ・ＰＸ／ＡＸ
（ｂ）それ以外のとき
Ｆｍ（｜ｘ（ωｎ）｜）＝｜ｘ（ωｎ）｜ （式３）
つまり、第３の圧縮関数制御部ではグループごとのその各離散周波数領域信号の振幅がそのグループの第２規格化平均値ＡＨｍ・ＰＸ／ＡＸに基づき抑圧するか否かの判定が行われており、その判定結果により、第３の圧縮関数適用部１５３ｍで、振幅｜ｘ（ωｎ）｜に対して抑圧するか、そのままにするかの制御が行われる。

これら処理された振幅Ｆｍ（｜ｘ（ωｎ）｜）に対し、実施例１、２と同様に位相∠ｘ（ωｎ）を付与して、時間領域変換部１６に入力する。なお、位相∠ｘ（ωｎ）の付与は、ｘ（ωｎ）／｜ｘ（ωｎ）｜をＦｍ（｜ｘ（ωｎ）｜）に乗算して行っても良い。このことは実施例２についても同様である。
図８に第２の圧縮判定部１４７の具体的構成例を示す。第２の圧縮判定部１４７は例えば、全体振幅平均算出部１４４０、全体最大振幅検出部１４４２、第７の判定部１４４５、第８の判定部１４４４、アンド回路１４４６により構成されている。

電力総和平方根計算部４よりの電力総和の平方根ＡＸとＰＸ入力部１４０８よりの第３の目標振幅ＰＸが第７の判定部１４４５に入力され、電力総和の平方根ＡＸと第３の目標振幅ＰＸの値の大小が判定される。この判定結果がアンド回路１４４６に入力される、
また、全帯域の離散周波数領域信号ｘ（ωｎ）が全体振幅平均算出部１４４０と全体最大振幅検出部１４４２に入力され、全体振幅平均算出部１４４０で、全帯域の離散周波数領域信号ｘ（ωｎ）の振幅平均ｘ（ωｎ）_Ａが算出され、全体最大振幅検出部１４４２で、全帯域の離散周波数領域信号ｘ（ωｎ）の最大振幅ｘ（ωｎ）_Ｍが算出される。振幅平均ｘ（ωｎ）_Ａと最大振幅ｘ（ωｎ）_Ｍがそれぞれ、第８の判定部１４４４に入力され、第８の判定部１４４４で振幅平均ｘ（ωｎ）_Ａと最大振幅ｘ（ωｎ）_Ｍの差が所定の範囲内に収まる場合、例えば、振幅平均ｘ（ωｎ）_Ａが最大振幅ｘ（ωｎ）_Ｍの定数ε倍よりも大きい場合で、かつ第７の判定部１４４５で、ＰＸ＜ＡＸと判定されれば第２の圧縮判定部１４７はインパルス性信号であると判定する。なお、定数εは０〜１の実数であり、例えば約０．９であることが望ましい。なお、当該フレームの全サンプルの振幅を平均して振幅平均ｘ（ωｎ）_Ａとしてもよい。

実施例３により、インパルス性信号のように時間波形の振幅が時間的に過大であるにもかかわらず、周波数領域に変換後、各周波数に分散してしまうため、上記の実施例１の実施のみでは、十分な抑圧が困難な場合においても、抑圧を可能とする効果を得ることが出来る。この実施例３をまず適用することにより、実施例１のみでは十分な抑圧が困難な場合において、抑圧が可能である。
実施例３を理解しやすいように、図６、図７について、独立的に記載した。しかし実施例３は実際には、実施例１、実施例２と共に併用することが好ましい。この場合の実施例３の処理の流れを、図９を参照しながら説明する。まず第２の圧縮判定部１４７で、インパルス性信号であるか否かを判定し（Ｓ２０）、インパルス性信号であれば、当該フレームについては上述のように第３の圧縮関数適用部１５３ｍにより、（式３）で処理し、（Ｓ２２）、時間領域変換部１６へ出力する。一方ステップＳ２０でインパルス性信号でないと判定されたフレームについては、第１の判定部１３６により電力総和の平方根ＡＸと第１の目標振幅ＴＸの大小を判定し（Ｓ２４）、ＡＸ＞ＴＸの場合は第１の圧縮関数適用部１２ｍにより、（式１）で処理し（Ｓ２６）、時間領域変換部１６へ出力する。一方、ステップＳ２４でＡＸ＞ＴＸが成り立たないフレームについては、第３の判定部１３７で第２の目標振幅ＤＸと電力総和の平方根ＡＸの大小を判定し（Ｓ２８）、ＤＸ＞ＡＸであるならば、そのフレームに対し、第２の圧縮関数適用部１２５ｍにより（式２）で処理し（Ｓ３０）、時間領域変換部１６へ出力する。Ｓ２８でＤＸ＞ＡＸでないフレームについては、全グループの離散周波数領域信号を時間領域変換部１６へそのまま出力する（Ｓ３２）。

また、ステップＳ２０でインパルス性信号でないと判定されたフレームについては、以下の順序も考えられる。つまり、図９中に破線ブロックＢ内に示すように、第１の圧縮判定部１３４で第２の目標振幅ＤＸと電力総和の平方根ＡＸの大小をそれぞれ判定し（Ｓ３４）、ＤＸ＞ＡＸを満たすフレームについて、第２の圧縮関数適用部１２５ｍで処理して（Ｓ３６）時間領域変換部１６へ出力する。ステップＳ３４でＤＸ＞ＡＸを満たさないフレームについては、第１の判定部１３６で、第１の目標振幅ＴＸと電力総和の平方根ＡＸの大小を判定し（Ｓ３８）、ＡＸ＞ＴＸを満たすフレームについては第１の圧縮関数適用部１２ｍにより処理して（Ｓ４０）、時間領域変換部１６へ出力する。ステップＳ３８でＡＸ＞ＴＸを満たさないフレームについては、時間領域変換部１６にそのまま出力される（Ｓ４２）。

また、実施例３を実施する場合、図１０に示す処理手順も考えられる。予め第２の目標振幅ＤＸと第３の目標振幅ＰＸの大小を比較し、ＰＸ≧ＤＸを満たす場合は、第１の圧縮判定部１３４で、第２の目標振幅ＤＸと電力総和の平方根ＡＸの大小をそれぞれ判定し（Ｓ４６）、ＤＸ＞ＡＸを満たすフレームについて、第２の圧縮関数適用部１２５ｍで処理して（Ｓ５８）、時間領域変換部１６へ出力する。
一方、ステップＳ４６でＤＸ＞ＡＸを満たさないフレームについては、第２の圧縮判定部１４７でインパルス性信号であるか否かを判定する（Ｓ４８）。インパルス性信号であれば、そのフレームに対し第３の圧縮関数適用部１５３ｍで処理して（Ｓ５４）、時間領域変換部１６に入力される。ステップＳ４８でインパルス性信号でないと判定されると、第１の判定部１３６で第１の目標振幅ＴＸと電力総和の平方根ＡＸの大小を判定し、ＡＸ＞ＴＸと判定されれば、そのフレームに対し、第１の圧縮関数適用部１２ｍで処理して（Ｓ５６）、時間領域変換部１６へ出力する。ステップＳ５０でＡＸ＞ＴＸでないと判定されたフレームについては、時間領域変換部１６にそのまま出力される（Ｓ５２）。

この発明の実施例１の構成例を示すブロック図。 この発明の実施例１の第１の圧縮関数制御部１０ｍと第１の圧縮関数適用部１２ｍの詳細例と、これに関連する部分のブロック図。 この発明の実施例２の構成例を示すブロック図。 この発明の実施例２の第２の圧縮関数適用部１２５ｍと第２の圧縮関数制御部１３５ｍの詳細例と、これに関連する部分のブロック図。 （Ａ）は第１の圧縮関数適用部１２ｍによる（式１）の圧縮関数による特性であり、（Ｂ）は第２の圧縮関数適用部１２５ｍによる（式２）の圧縮関数による特性である。 この発明の実施例３の構成例を示すブロック図。 この発明の実施例３の第３の圧縮関数適用部１５３ｍと第３の圧縮関数制御部１４５ｍの詳細例と、これに関連する部分のブロック図。 実施例３の第２の圧縮判定部１４７の具体的構成例。 実施例１〜３を組み合わせて使用する際のフローチャート図。 実施例１〜３を組み合わせて使用する際の他のフローチャート図。

Claims (12)

1. 離散時間の入力信号をフレームごとに離散周波数領域信号に変換する周波数領域変換部と、
   上記離散周波数領域信号を、少なくとも１つのグループは複数の離散周波数領域信号を含むように複数のグループに分割するグループ分割部と、
   上記フレーム内の入力信号の電力総和の平方根を求める電力総和平方根計算部と、
   上記各分割されたグループごとに、そのグループ内の離散周波数領域信号の振幅平均を求めるグループ振幅平均計算部と、
   圧縮処理後の期待される所望の第１の目標振幅と上記電力総和の平方根との値の大小を比較する第１の判定部と、
   上記第１の判定部より上記電力総和の平方根の方が大であることを示す信号が入力され、上記第１の目標振幅と上記電力総和の平方根との比で、グループごとの振幅平均値を正規化して、第１の規格化平均値計算部で第１の規格化平均値を求め、
   各グループごとに、上記第１の規格化平均値とそのグループの各上記離散周波数領域信号の振幅の大小を第２の判定部により比較する第１の圧縮関数制御部と、
   上記第２の判定部の判定が、上記離散周波数領域信号の振幅の方が大であれば、その振幅に対し、予め決められた第１の圧縮関数を第１の圧縮関数演算部で適用して、上記第１の目標振幅に近づくように、抑圧して、出力し、上記第２の判定部の判定が、上記離散周波数領域信号の振幅の方が大でなければ、その離散周波数領域信号をそのまま出力する、グループごとの第１の圧縮関数適用部と、
   上記各グループごとの第１の圧縮関数適用部より出力された離散周波数領域信号の全体を時間領域信号に変換する時間領域変換部と、
   を有することを特徴とする音声処理装置。
2. 請求項１記載の音声処理装置において、
   上記第１の判定部よりの上記電力総和の平方根の方が大でないことを示す信号が入力され、
   入力された強調したい所望振幅（以下第２の目標振幅という）と上記電力総和平方根との大小を第３の判定部で比較する第１の圧縮判定部と、
   各グループの振幅平均値と対応グループの各周波数信号の振幅の大小を第４の判定部で比較する第２の圧縮関数制御部と、
   上記第１の判定部の判定が上記第１の目標振幅の方が大のとき、かつ上記第３の判定部の判定が上記第２の目標振幅が大であり、かつ上記第４の判定部の判定が周波数信号の振幅の方が大であれば、
   その振幅に対し、予め決められた第２の圧縮関数を第２の圧縮関数演算部で適用して、上記第２の目標振幅に近づくように、強調して上記時間領域変換部へ出力し、
   上記第４の判定部の判定が各周波数信号の振幅の方が大でないと判定すれば、その振幅をそのまま、上記時間領域変換部へ出力する第２の圧縮関数適用部を備えることを特徴とする音声処理装置。
3. 請求項２記載の音声処理装置において、
   上記第２の圧縮関数制御部は、各グループごとに雑音レベルの最大値または平均値に１より大きい定数を乗算した値を推定する雑音成分推定部と、
   上記雑音レベルと上記グループ振幅平均値とを比較する第５の判定部とを備え、
   上記第５の判定部が雑音レベルの方が大きいと判定すると、上記グループ振幅平均値に代えて、上記雑音レベルを用いることを特徴とする音声処理装置。
4. 請求項１〜３のいずれかに記載の音声処理装置において、
   上記入力信号がインパルス性信号か否かをフレームごとに判定する第２の圧縮判定部と、
   上記第２の圧縮判定部により、上記離散周波数領域信号がインパルス性信号と判定されると、上記第１の圧縮関数制御部の動作を停止し、そのフレームの各グループごとに上記インパルス性信号に対する圧縮処理後の所望の振幅（第３の目標振幅という）と上記電力総和の平方根との比で、そのグループの振幅平均値を正規化して、第２の規格化平均値計算部で第２の規格化平均値を求め、
   各グループごとに、上記第２の規格化平均値とそのグループの各上記離散周波数領域信号の振幅との大小を第６の判定部で比較する第３の圧縮関数制御部と、
   上記第６の判定部の判定が上記振幅のほうが大であれば、その離散周波数領域信号に対し、第３の関数演算部により第３の圧縮関数を適用して、上記第３の所望振値に近づくように、抑圧して、上記時間領域変換部へ出力し、上記第６の判定部の判定が上記振幅のほうが大でなければ、その離散周波数領域信号をそのまま上記時間領域変換部へ出力する第３の圧縮関数適用部と、
   を有することを特徴とする音声処理装置。
5. 請求項４記載の音声処理装置において、
   上記第２の圧縮判定部は、
   上記第３の目標振幅と上記電力総和の平方根との大小を比較する第７の判定部と、
   当該フレームの入力信号の振幅平均値を算出する全体振幅平均算出部と、
   上記離散周波数領域信号の全周波数に対する最大振幅を検出する全体最大振幅検出部と、
   上記全体振幅平均値と上記最大振幅の差が予め決められた範囲内か否かを判定する第８の判定部とで構成され、
   上記第７の判定部で上記電力総和の平方根の方が大であり、かつ上記第８の判定部で上記範囲内に収まれば当該フレームの入力信号は、インパルス性信号であると判定することを特徴とする音声処理装置。
6. 離散時間の入力信号をフレームごとに離散周波数領域信号に変換する周波数変換手順と、
   上記離散周波数領域信号を、少なくとも１つのグループは複数の離散周波数領域信号を含むように複数のグループに分割するグループ分割手順と、
   上記フレーム内の入力信号の電力総和の平方根を求める電力総和平方根計算手順と、
   上記各分割されたグループごとに、そのグループ内の離散周波数領域信号の振幅平均を求めるグループ振幅平均計算手順と、
   圧縮処理後の期待される所望の第１の目標振幅と上記電力総和の平均との値の大小を比較する第１の判定手順と、
   上記第１の判定手順の判定が上記電力総和の平方根の方が大であり、上記所望の第１の目標振幅と上記電力総和の平方根との比で、グループごとの振幅平均値を正規化して、第１の規格化平均値を求め、
   各グループごとに、上記第１の規格化平均値とそのグループの各上記離散周波数領域信号の振幅の大小を比較する第２の判定手順と、
   上記第２の判定手順の判定結果が、上記離散周波数領域信号の振幅の方が大であれば、その振幅に対し、予め決められた第１の圧縮関数を適用して、上記第１の目標振幅に近づくように、抑圧し、上記第２の判定手順の判定が、上記離散周波数領域信号の振幅の方が大でなければ、その離散周波数領域信号をそのままとする第１の圧縮関数適用手順と、
   上記各グループごとの第１の圧縮関数適用手順により処理された離散周波数領域信号の全体を時間領域信号に変換する時間領域変換手順と、
   を有することを特徴とする音声処理方法。
7. 請求項６記載の音声処理方法において、
   入力された強調したい所望振幅（以下第２の目標振幅という）と上記電力総和平方根との大小を比較する第３の判定手順と、
   各グループの振幅平均値と対応グループの各周波数信号の振幅の大小を比較する第４の判定手順と、
   上記第１の判定手順の判定結果が上記第１の目標振幅の方が大のとき、上記第３の判定手順の判定結果が上記第２の目標振幅が大であり、かつ上記第４の判定手順の判定結果が上記周波数信号の振幅の方が大であれば、
   その振幅に対し、予め決められた第２の圧縮関数を適用して、上記第２の目標振幅に近づくように、強調し、
   上記第４の判定手順の判定結果が対応グループの各周波数信号の振幅の方が大でないと判定すれば、その振幅をそのままとする第２の圧縮関数適用手順と、
   上記グループごとの上記第２の圧縮関数適用手順により処理された離散周波数領域信号の全体を時間領域信号に変換する手順とを有することを特徴とする音声処理方法。
8. 請求項７記載の音声処理方法において、
   各グループごとに雑音レベルの最大値または平均値に１より大きい定数を乗算した値を推定する雑音成分推定手順と、
   上記雑音レベルと上記グループ振幅平均値とを比較する第５の判定手順と、を有し、
   上記第５の判定手順の判定結果が雑音レベルの方が大きいと判定すると、上記第４の判定手順は、上記グループ振幅平均値に代えて、上記雑音レベルを用いることを特徴とする音声処理方法。
9. 請求項６〜８のいずれかに記載の音声処理方法において、
   上記入力信号がインパルス性信号か否かをフレームごとに判定する第２の圧縮判定手順と、
   上記第２の圧縮判定手順により、上記離散周波数領域信号がインパルス性信号と判定されると、上記第１の圧縮関数適用手順を行わず、そのフレームの各グループごとに上記インパルス性信号に対する圧縮処理後の所望の振幅（第３の目標振幅という）と上記電力総和の平方根との比で、そのグループの振幅平均値を正規化して、第２の規格化平均値を求め、
   各グループごとに、上記第２の規格化平均値とそのグループの各上記離散周波数領域信号の振幅との大小を比較する第６の判定手順と、
   上記第６の判定手順の判定結果が上記振幅のほうが大であれば、その離散周波数領域信号に対し、第３の関数演算部により第３の圧縮関数を適用して、上記第３の所望振値に近づくように、抑圧し、上記第６の判定手順の判定結果が上記振幅のほうが大でなければ、その離散周波数領域信号をそのままとする第３の圧縮関数適用手順と、
   上記各グループごとの第３の圧縮関数適用手順により処理された離散周波数領域信号の全体を時間領域信号に変換する手順と、
   を有することを特徴とする音声処理方法。
10. 請求項９記載の音声処理方法において、
    上記第２の圧縮判定手順は、
    上記第３の目標振幅と上記電力総和の平方根との大小を比較する第７の判定手順と、
    当該フレームの入力信号の振幅平均値を算出する全体振幅平均算出手順と、
    上記離散周波数領域信号の全周波数に対する最大振幅を検出する全体最大振幅検出手順と、
    上記全体振幅平均値と上記最大振幅の差が予め決められた範囲内か否かを判定する第８の判定手順とを有し、
    上記第７の判定手順の判定結果が上記電力総和の平方根の方が大であり、かつ上記第８の判定手順の判定結果が予め決められた範囲内に収まるフレームの入力信号は、インパルス性信号であると判定することを特徴とする音声処理方法。
11. 請求項６〜１０のいずれかに記載の音声処理方法の各手順をコンピュータに実行させるための音声処理プログラム。
12. 請求項１１に記載の音声処理プログラムを記録したコンピュータ読み取り可能な記録媒体。
    
    
    

Images