JP2008513819A5 - - Google Patents

Claims (33)

1. 連続した複数のフレームとして構成された、雑音のある音声信号（ｘ（ｎ））を処理する方法であって、前記フレーム（ｘ（ｋ,ｎ））の少なくとも１つに関して、
   前記雑音のある音声信号の前記フレームに、周波数領域への変換を適用するステップと、
   前記フレームに対する前記雑音の電力スペクトル密度
   

   

   を推定するステップと、
   前記雑音の前記推定された電力スペクトル密度と、前記フレームに対応する有用な信号の前記電力スペクトル密度の推定値とにもとづいて、第１の雑音低減フィルタ
   

   

   を計算するステップと、
   前記フレームの第１の、雑音が除去された推定値
   

   

   を得るために、計算された前記第１の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波するステップと、
   前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号
   

   

   のフレームを、前記雑音のある音声信号の前記フレームの前記第１の、雑音が除去された推定値にもとづいて得るステップと、
   を有する、連続したフレームとして構成された雑音のある音声信号を処理する方法。
2. 前記雑音の前記推定された電力スペクトル密度と、前記フレームの第１の、雑音が除去された推定値
   

   

   の電力と得られた前記第２の信号
   

   

   の前記フレームの電力の組み合わせとにもとづいて、第２の雑音低減フィルタ
   

   

   を計算するステップと、
   前記フレームの第２の、雑音が除去された推定値
   

   

   を得るために、計算された前記第２の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波するステップ
   と、
   前記フレームの前記第２の雑音が除去された推定値を合成するステップと
   をさらに有する、請求項１に記載の方法。
3. 前記第２の雑音低減フィルタを利用して実行された濾波の結果が前記周波数領域にある場合、前記フレームの前記第２の、雑音を除去した推定値を合成する前に、前記濾波の前記結果に前記時間領域への変換を適用する、請求項２に記載の方法。
4. 前記雑音のある音声信号（ｘ（ｋ,ｎ））の前記フレームに、それに対する前記周波数領域への変換を適用する前に、重みづけウインドウ（ｗ（ｎ））を乗算する、請求項１から請求項３までのいずれか１項に記載の方法。
5. 前記重みづけウインドウは、サイズが前記雑音のある音声信号の前記フレームの長さＬであるハニングウインドウである、請求項４に記載の方法。
6. 前記重みづけウインドウは、ｗ（ｎ）＝０．５−０．５．ｃｏｓ（πｎ／Ｌ）の形式であり、ここで、ｎは０からＬ−１の範囲の整数であり、Ｌは２５６に等しい、請求項５に記載の方法。
7. 前記雑音のある音声信号（ｘ（ｋ，ｎ））の前記フレームに適用される前記周波数領域への前記変換は、長さ５１２の高速フーリエ変換である、請求項１から請求項６までのいずれか１項に記載の方法。
8. ボーカルアクティビティを前記雑音のある音声信号（ｘ（ｋ，ｎ））の前記フレーム内で検索し、前記フレームに対する前記雑音の前記電力スペクトル密度
   

   

   の推定値は、前記フレーム内でボーカルアクティビティが検出されない場合には、前記フレームに含まれる前記雑音の前記電力スペクトル密度の推定値に対応し、前記フレーム内でボーカルアクティビティが検出される場合には、前記フレームに先行する前記雑音のある音声信号の少なくとも１つのフレームに含まれる前記雑音の前記電力スペクトル密度の推定値に対応する、請求項１から請求項７までのいずれか１項に記載の方法。
9. 前記雑音のある音声信号のインデックスｋ_bの、ボーカルアクティビティは検出されない少なくとも１つのフレームに含まれる前記雑音の前記電力スペクトル密度は、
   

   

   の形式の指数関数による平滑化によって求め、ここで、Ｘ（ｋ_b，ｆ）は前記雑音のある音声信号のインデックスｋ_bのフレームの前記周波数領域への変換を表し、αは平滑化量である、請求項８に記載の方法。
10. 前記第１の雑音低減フィルタの前記計算は、短期スペクトル減衰の技術を実行する第１のパスを有する、請求項１から請求項９までのいずれか１項に記載の方法。
11. 前記第１の雑音低減フィルタの前記計算は、
    

    

    の形式の伝達関数を有する開ループ・ウイーナー・フィルタを実行する第１のパスを有し、ここで、ｋは前記雑音のある音声信号の前記フレームのインデックスであり、η（ｋ，ｆ）は前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値と前記雑音の前記推定電力スペクトル密度の比率を表す、請求項１０に記載の方法。
12. 前記フレームに対応する有用な信号の前記電力スペクトル密度の前記推定値は、形式
    

    

    の有向決定推定値を有し、ここで、βは重心パラメータ、あるいは指数関数平滑化推定値である、請求項１１に記載の方法。
13. 前記第１の雑音低減フィルタの前記計算は短期スペクトル減衰の技術を実行する第２のパスをさらに有し、前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値は前記第１のパスの間に実行される前記計算を考慮している、請求項１０から１２のいずれか１項に記載の方法。
14. 前記第１のパスの間に実行される前記計算を考慮した前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値は
    

    

    の形式であって、ここで、
    

    

    は前記第１のパスの間に計算された伝達関数を表し、Ｘ（ｋ，ｆ）は前記雑音のある音声信号のインデックスｋの前記フレームの前記周波数領域への変換を表し、また、前記第１の雑音低減フィルタの前記計算は形式
    

    

    の伝達関数を有する開ループ・ウイーナー・フィルタを実行する第２のパスを有し、ここで、η₂（ｋ，ｆ）は前記第１のパスの間に計算された前記計算を考慮した前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値と前記雑音の前記推定電力スペクトル密度の比率を表す、請求項１３に記載の方法。
15. 前記第１の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記フレーム（Ｘ（ｋ，ｆ））の周波数領域への変換で実行される、請求項１から請求項１４までのいずれか１項に記載の方法。
16. 前記第１の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記第１の雑音低減フィルタの係数の選択と、前記第１の雑音低減フィルタの前記時間的インパルス応答の重みづけを有する、請求項１から請求項１５までのいずれか１項に記載の方法。
17. 前記第１の雑音低減フィルタの２５６個の係数を、ハニングウインドウによって選択し、重み付けする、請求項１６に記載の方法。
18. 前記雑音のある音声信号の前記フレームに適用される前記周波数領域への変換は、長さ５１２の高速フーリエ変換であり、前記第１の雑音低減フィルタ（ｘ_w（ｋ，ｎ））の前記時間的インパルス応答を、２５６個の零で補充する、請求項１７に記載の方法。
19. 前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号
    

    

    のフレームを得ることは、前記第１の推定値が前記時間領域内にある場合には、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値
    

    

    への非線形の関数の適用を含み、前記第１の推定値が前記周波数領域内にある場合には、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値
    

    

    と非線形の関数（ｄ（ｋ，ｎ））の前記周波数領域への変換の前記第１の、雑音を除去した推定値との間の円形の畳み込みの適用を含む、請求項１から請求項１８までのいずれか１項に記載の方法。
20. 前記非線形の関数（ｄ（ｋ，ｎ））は、単一波の修正関数、絶対値、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値と閾値との間の最大値、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値と閾値との間の最小値、の中の１つである、請求項１９記載の方法。
21. 前記第２の雑音低減フィルタ
    

    

    の前記計算は、短期スペクトル減衰の技術を実行する、請求項２から請求項２０までのいずれか１項に記載の方法。
22. 前記第２の雑音低減フィルタの前記計算は、
    

    

    である
    

    

    である
    

    

    の伝達関数を有する開ループ・ウイーナー・フィルタを実行し、ここで、
    

    

    はインデックスｋの前記フレームの前記第１の、雑音を除去した推定値を表し、
    

    

    は前記第２の信号の前記フレームを表し、ρ（ｋ，ｆ）は前記第２の信号に対する再投入パラメータである、
    請求項２１に記載の方法。
23. ρ（ｋ，ｆ）は、周波数および／または時間の関数として変化する、請求項２２に記載の方法。
24. 前記第２の雑音低減フィルタを利用した前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記フレーム（Ｘ（ｋ，ｆ））の周波数領域への変換で実行される、請求項１から請求項２３までのいずれか１項に記載の方法。
25. 前記第２の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記第２の雑音低減フィルタの時間的インパルス応答の選択と重みづけを有する、請求項２から請求項２４までのいずれか１項に記載の方法。
26. 前記第２の雑音低減フィルタの２５６個の係数をハニングウインドウによって選択し、重み付けする、請求項２５記載の方法。
27. 前記雑音のある音声信号の前記フレームに適用される前記周波数領域への前記変換は、長さが５１２の高速フーリエ変換であり、前記第２の雑音低減フィルタの前記時間的インパルス応答を２５６個の零で補充する、請求項２６記載の方法。
28. 前記フレームの第２の、雑音を除去した推定値の前記合成は、ＯＬＡブロック・オーバーラップおよびアッド、あるいは、ＯＬＳブロック・セーブを使用する、請求項２から請求項２７までのいずれか１項に記載の方法。
29. 請求項１から請求項２８までのいずれか１項に記載の方法を実行するように設計された手段を有する、雑音のある音声信号を処理する装置。
30. 請求項２９に記載の装置を含む音声ピックアップ装置。
31. 請求項２９に記載の装置を含む通信装置。
32. 請求項２９に記載の装置を含む音声認識装置。
33. 情報媒体上のコンピュータ・プログラムにおいて、前記プログラムが計算手段によってロードされ、実行される場合に、請求項１から請求項２８までのいずれか１項に記載の方法を実行するように作られた命令を有することを特徴とする、情報媒体上のコンピュータ・プログラム。