JP2010529494A

JP2010529494A - 音声活動を検出するための装置および方法

Info

Publication number: JP2010529494A
Application number: JP2010510638A
Authority: JP
Inventors: ワン、チェ
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2007-06-07
Filing date: 2008-05-07
Publication date: 2010-08-26
Anticipated expiration: 2028-05-07
Also published as: CN101320559B; WO2008148323A1; US20100088094A1; US8275609B2; KR20100012035A; CN101320559A; ATE540398T1; KR101158291B1; EP2159788A1; JP5089772B2; EP2159788B1; EP2159788A4

Abstract

音声活動検出（ＶＡＤ）装置は、ＶＡＤ判断の入力結果に従い現在の信号の背景ノイズの特徴を分析し、背景ノイズの波特徴に関するパラメータを得て出力するように用いられる背景分析ユニットと、ＶＡＤ判断用の閾値修正値を得て、背景分析ユニットより出力されたパラメータにより出力するように用いられるＶＡＤ判断用の閾値調整ユニットと、ＶＡＤ判断用の閾値調整ユニットから出力された修正値に従いＶＡＤ判断用の現在の修正閾値を修正し、修正したＶＡＤ判断用の閾値を用いて背景ノイズを判断して、ＶＡＤ判断結果を出力するように用いられるＶＡＤ判断ユニットとを備える。音声活動検出装置による音声活動検出方法を提供する。

Description

本発明は、概して、音声信号処理に関し、特に、音声活動検出装置および方法に関する。

音声信号処理分野において、音声活動を検出する技術が広く使用されている。この技術は、音声符号化分野において音声活動検出（ＶＡＤ）と、音声認識分野において音声終点検出と、音声強調分野において音声ポーズ検出と呼ばれている。これらの技術は異なるケースにおける異なる態様に焦点を置いており、したがって異なる処理結果が得られる。しかしながら、本質的には、これらの技術は、音声が音声通信やコーパスに存在するか否か検出することに用いられる。この検出精度は、後続の処理（たとえば、音声符号化、音声認識および強調）の質に直接影響する。

音声符号化技術では、音声信号の送信帯域幅を低減し、通信システムのキャパシティを増大することができる。音声通信において、時間の４０％に音声信号が含まれ、残りは無音か背景ノイズである。したがって、送信帯域幅をセーブするために、ＶＡＤを使用して背景ノイズと非ノイズ信号を区別し、エンコーダが背景ノイズと非ノイズ信号を異なるレートで符号化することができるようにし、平均ビットレートを減らす。近年、大きな組織や機関によるすべての音声符号化規格により、ＶＡＤ技術の具体的な応用がカバーされている。

従来、ＶＡＤアルゴリズム、たとえば、適応マルチレート・スピーチ・コーデック（ＡＭＲ）に使用するＶＡＤ１およびＶＡＤ２は、現在の信号フレームが入力信号の信号ノイズ比（ＳＮＲ）によりノイズフレームか判断する。ＶＡＤは、推定背景ノイズエネルギーを計算し、現在の信号フレームのエネルギーと背景ノイズのエネルギーの比（つまりＳＮＲ）と、あらかじめ設定した閾値と比較する。ＳＮＲが閾値よりも高い場合、ＶＡＤは現在の信号フレームがノイズフレームでないと判断し、高くない場合には、ＶＡＤが現在の信号フレームをノイズフレームとして判定する。ＶＡＤの分類結果を用いて、エンコーダにおける不連続な送信システムと快適なノイズ生成（ＤＴＸ／ＣＮＧ）を導く。ＤＴＸ／ＣＮＧの目的は、入力信号がノイズ期間にあるときに不連続な符号化と送信をノイズシーケンスのみで実行することにある。符号化されていない、送信されていないノイズをデコーダで補間し、帯域幅をセーブする。

本発明を実現する際、発明者は従来に技術に以下の問題を発見した。すなわち、従来技術におけるＶＡＤアルゴリズムは長期の背景ノイズレベルの移動平均によって適用されるものであり、背景ノイズの変動には適用されないという問題である。したがって、適用性が限られていることになる。

本発明の実施形態によると、ＶＡＤ閾値を背景ノイズの変動にも適用することができるＶＡＤ装置および方法を提供する。

本発明の一実施形態におけるＶＡＤ装置は、入力されたＶＡＤ判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズの変動に関するパラメータを得て、パラメータを出力するように構成された背景分析ユニットと、
背景分析ユニットより出力されたパラメータによりＶＡＤ閾値のバイアスを得て、ＶＡＤ閾値のバイアスを出力するように構成されたＶＡＤ閾値調整ユニットと、
ＶＡＤ閾値調整ユニットから出力されたＶＡＤ閾値のバイアスにより、修正すべきＶＡＤ閾値を修正し、修正したＶＡＤ閾値を用いて背景ノイズ判断を実行して、ＶＡＤ判断結果を出力するように構成されたＶＡＤ判断ユニットとを備える。

本発明の一実施形態におけるＶＡＤ方法は、
背景ノイズのＶＡＤ判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズの変動に関するパラメータを得るステップと、
背景ノイズの変動に関するパラメータによりＶＡＤ閾値のバイアスを得るステップと、
ＶＡＤ閾値のバイアスにより、修正すべきＶＡＤ閾値を修正し、修正したＶＡＤ閾値を用いて背景ノイズのＶＡＤ判断を実行するステップとを備える。

図１は、本発明の一実施形態によるＶＡＤ装置の構造を示した図である。図２は、本発明の一実施形態によるＶＡＤ方法のフローチャートを示した図である。

以下に、本発明の一実施形態において、あるケースのＶＡＤアルゴリズムを説明する。

このアルゴリズムにおいて、入力信号フレームを９つのサブバンドに分ける。各サブバンドの信号レベルｌｅｖｅｌ［ｎ］と推定背景ノイズレベルｂｃｋｒ＿ｅｓｔ［ｎ］を計算する。次いで、ＳＮＲを、ｌｅｖｅｌ［ｎ］およびｂｃｋｒ＿ｅｓｔ［ｎ］を用いて以下の式により計算する。

ＶＡＤの判断は、ＳＮＲを閾値ｖａｄ＿ｔｈｒと比較することにある。ＳＮＲがｖａｄ＿ｔｈｒより大きい場合、現在のフレームは非ノイズフレームであり、それ以下の場合、現在のフレームはノイズフレームとなる。ｖａｄ＿ｔｈｒの計算は以下の式により行われる。

このＶＡＤアルゴリズムにおいて、ｎｏｉｓｅ＿ｌｅｖｅｌだけが、ｖａｄ＿ｔｈｒの従変数であるが、ｎｏｉｓｅ＿ｌｅｖｅｌは長期背景ノイズレベルの移動平均を反映している。したがって、ｖａｄ＿ｔｈｒは背景ノイズの変動に適応していない（さまざまな変動を有する背景が長期レベルの同じ移動平均を有することが考えられるからである）。さらに、背景の変動はＶＡＤ判断に非常に影響のあるものである。たとえば、ＶＡＤは、多くの背景ノイズが非ノイズ信号であると誤って判定し、帯域幅を無駄にしてしまう。

（第１実施形態）
図１は、本発明の第１実施形態におけるＶＡＤ装置を示す。ＶＡＤ装置は背景分析ユニット、ＶＡＤ閾値調整ユニット、ＶＡＤ判断ユニットおよび外部インターフェースユニットを含む。

背景分析ユニットは、入力したＶＡＤ判断結果に従って現在の信号の背景ノイズ特徴を分析し、背景ノイズの変動に関連するパラメータを得て、これらのパラメータをＶＡＤ閾値調整ユニットに出力するように構成される。これらのパラメータには、背景ノイズの変動のパラメータが含まれる。具体的に、背景ノイズ特徴のパラメータを用いて、現在の環境での現在の信号の背景ノイズのＳＮＲ、変動レート、タイプ（安定した背景あるいは不安定な背景）、サイズを識別する。背景ノイズの特徴パラメータは、背景ノイズのピークＳＮＲを少なくとも含み、さらに、長期ＳＮＲ、推定背景ノイズレベル、背景ノイズエネルギー変動、背景ノイズスペクトル変動および背景ノイズ変動レートを含んでもよい。

ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力したパラメータによりＶＡＤ閾値のバイアスを得て、ＶＡＤ閾値のバイアスを出力するように構成される。

具体的に、ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力するパラメータのいずれかを受け取ると、背景ノイズ変動に関連するパラメータの現在の値に従ってＶＡＤ閾値のバイアスを更新する。ＶＡＤ閾値調整ユニットはさらに、背景分析ユニットが出力したパラメータ値が変更されているか否か判定する。もしその場合、ＶＡＤ閾値調整ユニットは、背景ノイズの変動に関わるパラメータの現在値によりＶＡＤ閾値のバイアスを更新する。

ＶＡＤ閾値のバイアスは、背景分析ユニットが出力したパラメータによるＶＡＤ閾値調整ユニットの内部適用により、および／またはＶＡＤ装置の（外部インターフェースユニットを通じて受け取った）外部作業点情報と背景分析ユニットが出力したパラメータを組み合わせることによって得られる。

設定において、ＶＡＤ閾値調整ユニットの内部適用のみを考慮したとき、ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力したパラメータによりＶＡＤ閾値の第１のバイアスを得て、そのＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとしてＶＡＤ判断ユニットに出力する。

設定において、ＶＡＤ装置の外部情報と、ＶＡＤ閾値調整ユニットの内部適用を考慮し、現在の信号の背景ノイズが安定ノイズであり、かつ／または現在の信号のＳＮＲが高い場合、ＶＡＤ判断ユニットのＶＡＤ判断結果は理想的な結果に近く、外部情報によるＶＡＤ閾値の第２のバイアスを計算する必要がなくなる。したがって、ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力するパラメータによるＶＡＤ閾値の第１のバイアスを得て、ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとしてＶＡＤ判断ユニットに出力する。

設定において、ＶＡＤ装置の外部情報とＶＡＤ閾値調整ユニットの内部適用を考慮し、現在の信号の背景ノイズが非安定ノイズで、かつ／または現在の信号のＳＮＲが低い場合には、ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力するパラメータによるＶＡＤ閾値の第１のバイアスと、背景分析ユニットが出力するパラメータとＶＡＤ装置の外部情報によるＶＡＤ閾値の第２のバイアスを得て、ＶＡＤ閾値の第１のバイアスとＶＡＤ閾値の第２のバイアスを組み合わせる（たとえば、これらの２つの閾値を足したり、これらの２つの閾値を他の方法で処理したりする）ことによってＶＡＤ閾値の最終バイアスを得て、ＶＡＤ閾値の最終バイアスをＶＡＤ判断ユニットに出力する。

設定において、ＶＡＤ装置の外部情報のみを考慮した場合、ＶＡＤ閾値調整ユニットは、背景分析ユニットが出力したパラメータとＶＡＤ装置の外部情報によるＶＡＤ閾値の第２のバイアスを得て、ＶＡＤ閾値の第２のバイアスをＶＡＤ閾値の最終バイアスとしてＶＡＤ判断ユニットに出力する。

ＶＡＤ判断ユニットは、修正すべきＶＡＤ閾値を、ＶＡＤ閾値調整ユニットが出力したＶＡＤ閾値のバイアスに従い修正し、修正したＶＡＤ閾値を用いて背景ノイズを判定し、背景分析ユニットにＶＡＤ判断結果を出力して、ＶＡＤ閾値の絶え間ない適応を実行するよう構成される。さらに、ＶＡＤ判断ユニットは、ＶＡＤ判断結果を出力するように構成される。

第１実施形態における他のケースのＶＡＤアルゴリズムにおいて、修正すべきＶＡＤ閾値を決定する方法は、ＳＮＲと以下の関係を有する。すなわち、ＡＭＲＶＡＤ２において修正すべき閾値を計算する方法において、多数の修正すべき閾値をあらかじめ配列させて保存する。これらの閾値は、長期ＳＮＲと特定のマッピング関係を有する。ＶＡＤは現在の長期ＳＮＲに従い配列から修正すべき閾値を選択して、選択した閾値を、修正すべきＶＡＤ閾値とする。この実施形態において修正すべきＶＡＤ閾値を判定する方法は、現在の信号の長期ＳＮＲを、修正すべき閾値として使用するステップを含む。たとえば、最終ＶＡＤ閾値が１００であり、ＶＡＤ閾値調整ユニットが出力したＶＡＤ閾値のバイアスが１０であり、修正すべき現在のＶＡＤ閾値が９５であるとすると、修正された最終的なＶＡＤ閾値は１０５である。ついで、ＶＡＤ判断ユニットはＶＡＤ閾値を１００から１０５に変化させ、判断を続ける。

具体的に、この実施形態のＶＡＤは背景ノイズと非背景ノイズを差別化するためのＶＡＤと、背景ノイズ、音声および音楽を差別化するためのＳＡＤにおける新たなＶＡＤを備える。ＶＡＤとしては、分類タイプに背景ノイズと非ノイズを含む。ＳＡＤとしては、分類タイプに背景ノイズと、音声と、音楽とを含む。本実施形態では、ＳＡＤにおけるＶＡＤが入力信号を背景ノイズと非ノイズに分類する。すなわち、音声と音楽とを同じタイプとして処理している。

（第２実施形態）
図２は、本発明の第２実施形態におけるＶＡＤ方法を示す。ＶＡＤ方法は以下のステップを含む。

Ｓ１：背景ノイズのＶＡＤ判断結果に従い現在の信号の背景ノイズ特徴を分析して、背景ノイズの変動に関するパラメータを得る。

背景ノイズ変動に関わるパラメータには、少なくとも、背景ノイズのピークＳＮＲが含まれ、さらに、背景エネルギー変動サイズ、背景ノイズスペクトル変動サイズおよび／または背景ノイズ変動レートを含めてもよい。背景ノイズ変動に関わるパラメータを得るプロセスにおいて、現在の信号の背景ノイズ特徴を表す他のパラメータ、たとえば、長期ＳＮＲや推定背景ノイズレベルも得られる。

Ｓ２：背景ノイズの変動に関するパラメータに従いＶＡＤ閾値のバイアスを求める。

背景ノイズ変動に関わるパラメータのいずれかを更新する際、ＶＡＤ閾値のバイアスを、背景ノイズ変動に関わるパラメータの現在値に従い更新する。

具体的に、背景ノイズ変動に関わるパラメータの現在値によりＶＡＤ閾値のバイアスを得る方法には、以下の４つのケースが含まれるが、この４つのケースに限定されるものではない。

ケース１：設定に特定の情報を考慮する必要がない場合、ＶＡＤ閾値の第１のバイアスを、背景ノイズ変動に関わるパラメータに従い得て、ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとして使用する。

ケース２：設定に特定の情報を考慮する必要があり、背景音が不安定なノイズであり、かつ／またはＳＮＲが低い場合、ＶＡＤ閾値の第１のバイアスを、背景ノイズ変動に関わるパラメータに従い得て、ＶＡＤ閾値の第２のバイアスを、背景ノイズ変動に関わるパラメータと特定の情報に従い得て、ＶＡＤ閾値の最終バイアスを、ＶＡＤ閾値の第１のバイアスとＶＡＤ閾値の第２のバイアスを組み合わせて（たとえば、これらの２つの閾値を足したり、他の方法で処理したりして）、求める。

ケース３：設定に特定の情報を考慮する必要があり、背景音が安定したノイズであり、かつ／またはＳＮＲが高い場合、ＶＡＤ閾値の第１のバイアスを背景ノイズ変動に関わるパラメータに従い得て、ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとして使用する。

ケース４：設定に特定の情報のみを考慮する場合、ＶＡＤ閾値の第２のバイアスを、背景ノイズ変動に関わるパラメータと特定の情報に従い得て、ＶＡＤ閾値の第２のバイアスをＶＡＤ閾値の最終バイアスとして使用する。

上述のケース１から３において、ＶＡＤ閾値の第１のバイアスは、背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期ＳＮＲおよび／または背景ノイズのピークＳＮＲの増加とともに増加する。ＶＡＤ閾値の第１のバイアスは以下の式の１つにより計算することができる。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数である。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）＊ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトルの変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトルの変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｆ（）は関数を示す。

注釈：長期ＳＮＲパラメータを上記式のそれぞれに追加して、ＶＡＤ閾値の第１のバイアスを計算することもできる。すなわち、上記式は、長期ＳＮＲ関数を乗じた後でも適用することができる。

上記のケース２と４において、ＶＡＤ閾値の第２のバイアスの絶対値は、背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期ＳＮＲおよび／または背景ノイズのピークＳＮＲの増加に伴い、増加する。さらに、特定の情報は作業点の方向性を示しており、式ではプラス記号やマイナス記号で表される。特定の作業点が質の方向である場合、記号はマイナスとなり、特定の作業点が帯域幅確保の方向である場合、記号はプラスとなる。ＶＡＤ閾値の第２のバイアスは以下の式の１つにより計算することができる。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは、特定の情報の方向性により決まるｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔのプラスあるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数である。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは、特定の情報の方向性により決まるｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔのプラスあるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは、特定の情報の方向性により決まるｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔのプラスあるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは、特定の情報の方向性により決まるｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔのプラスあるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトルの変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。

ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは、特定の情報の方向性により決まるｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔのプラスあるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトルの変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｐｏｗ＿ｖａｒは背景エネルギーの変動サイズを示し、ｆ（）は関数を示す。

注釈：長期ＳＮＲパラメータを上記式のそれぞれに追加して、ＶＡＤ閾値の第２のバイアスを計算することができる。すなわち、上記式は、長期ＳＮＲ関数を乗じた後でも適用することができる。

上記のＶＡＤ閾値の第１のバイアスを計算するための式およびＶＡＤ閾値の第２のバイアスを計算するための式において、ｓｎｒ＿ｐｅａｋが、２つの隣接する非背景ノイズフレーム間の各背景ノイズフレームに対応するＳＮＲのうち最も大きなＳＮＲであるか、隣接する２つの背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲのうち最も小さなＳＮＲであるか、あらかじめ設定された数のフレームより小さい間隔を有する２つの背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲのいずれかであるか、あらかじめ設定された数のフレームより大きい間隔を有する２つの背景ノイズフレーム間のあらかじめ設定された閾値より小さい各非背景ノイズフレームに対応するＳＮＲのいずれかである。閾値は、以下の法則に従い設定される。すなわち、２つの背景ノイズフレーム間の全ての非背景ノイズフレームのＳＮＲが２つのグループ、すなわち、閾値よりも大きいＳＮＲ全てからなるグループと、閾値よりも小さいＳＮＲ全てからなるグループを備えるとき、２つのグループの平均値間の差異が最大となる閾値を、あらかじめ設定された閾値とする。

Ｓ３：修正すべきＶＡＤ閾値をＶＡＤ閾値のバイアスに従い修正し、修正したＶＡＤ閾値を用いて背景ノイズに対しＶＡＤ判断を実行する。

（第３実施形態）
この実施形態では、上述の実施形態におけるＶＡＤ装置および方法を組み合わせることによって、モジュラープロセスを提供する。

ステップ１：ＶＡＤ判定ユニットが、入力音声信号のタイプについて初期判断を行い、ＶＡＤ判断結果を背景分析ユニットに入力する。

ＶＡＤ閾値の初期バイアスは０である。ＶＡＤ判断ユニットは、修正すべきＶＡＤ閾値に従いＶＡＤ判断を実行する。たとえば、修正すべきＶＡＤ閾値は、質と帯域幅の節約とのバランスを保証することにある。

ステップ２：背景分析ユニットは、現在のフレームがＶＡＤ判断結果から背景ノイズフレームであることを認識した場合、現在のフレームの短期背景ノイズ特徴パラメータを計算し、これらのパラメータをメモリに保存する。以下に、これらのパラメータと、これらのパラメータを計算する方法を説明する。

１．サブバンドレベルｌｅｖｅｌ［ｋ、ｉ］
ただし、ｋがｋ番目のサブバンドのレベル、ｉがｉ番目のサブバンドのレベルを示す。サブバンドは、フィルタグループあるいは変換方法を用いて計算することができる。

２．短期背景ノイズレベルｂｃｋｒ＿ｎｏｉｓｅ［ｉ］
（現在のフレームが背景フレームであるときのみ計算する）

ただし、ｉはｉ番目のフレームの背景ノイズレベルを示し、ｋはｋ番目のサブバンドを示し、Ｎはサブバンドの総数を示す。

３．フレームエネルギーｐｏｗ［ｉ］

ただし、ｉはｉ番目のフレームのフレームエネルギーを示す。

４．短期ＳＮＲｓｎｒ［ｉ］

ただし、ｉはｉ番目のフレームの短期ＳＮＲを示し、ｂｃｋｒ＿ｎｏｉｓｅ＿ｐｏｗ［ｉ］は推定背景ノイズエネルギーを示す。これらのパラメータは後述する。

ステップ３：背景分析ユニットは、特定数のフレームを分析すると、長期背景ノイズの特徴パラメータを、メモリ内の過去の短期間背景ノイズ特徴パラメータに従って計算し始め、背景ノイズの変動に関連するパラメータを出力する。ついで、背景ノイズ変動に関連するパラメータを連続して更新する。長期ＳＮＲを除いて、他のパラメータは、現在のフレームが背景フレームであるときのみ更新される。長期ＳＮＲは、現在のフレームが非背景フレームであるときのみ更新される。以下に、これらのパラメータと、これらのパラメータの計算方法を説明する。

１．推定長期背景ノイズレベルｂｃｋｒ＿ｎｏｉｓｅ＿ｌｏｎｇ［ｉ］

ただし、αは０と１との間のスケール係数であり、その値は約５％である。

２．長期ＳＮＲｓｎｒ＿ｌｏｎｇ［ｉ］

ただし、Ｌは長期平均計算に選択された非背景フレームの数を示す。

３．背景ノイズエネルギー変動ｐｏｗ＿ｖａｒ［ｉ］

ただし、Ｌは長期平均計算に選択された背景フレームの数を示す。

４．背景ノイズスペクトル変動ｓｐｅｃ＿ｖａｒ［ｉ］

ただし、Ｌは長期平均計算に選択された背景フレームの数を示す。背景ノイズスペクトルの変動は、線スペクトル周波数（ＬＳＦ）係数に基づき計算することもできる。

５．背景ノイズ変動レートｖａｒ＿ｒａｔｅ［ｉ］

ただし、Ц｛ｘ｝は、ｘが真のとき１に等しく、そうではないとき、０に等しい。Ｌは長期平均計算に選択された背景フレームの数を示す。

６．推定長期背景ノイズエネルギーｂｃｋｒ＿ｎｏｉｓｅ＿ｐｏｗ［ｉ］

ただし、ここで、αは０と１との間のスケール係数であり、その値は約５％である。

ステップ４：ＶＡＤ閾値調整ユニットが背景ノイズ変動に関連し、かつ、背景分析ユニットから出力されたパラメータに従いＶＡＤ閾値のバイアスを計算する。

ＶＡＤ閾値を修正するプロセスにおいて、ＶＡＤ閾値のバイアスは、ＶＡＤ閾値を、ある振幅において対応する方向に修正するように求めるべきである。

第２実施形態におけるＳ２の最初のケースによると、ＶＡＤ閾値調整ユニットは、内部適用によりＶＡＤ閾値の第１のバイアスを得て、ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとして使用し、外部の具体的な情報を考慮することはない。現在の修正すべきＶＡＤ閾値をｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔとし、ＶＡＤ閾値の第１のバイアスをｖａｄ＿ｔｈｒ＿ｄｅｌｔａとするとき、修正されたＶＡＤ閾値はｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ＋ｖａｄ＿ｔｈｒ＿ｄｅｌｔａである。ついで、ＶＡＤ閾値の第１のバイアスを次の式：ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）により計算する。ただし、ｓｎｒ＿ｐｅａｋは背景ピークＳＲＮを示し、βは定数である。ｓｎｒ＿ｐｅａｋは長期履歴背景フレームセクションにおけるピークＳＮＲとすることができる。すなわち、ｓｎｒ＿ｐｅａｋ＝ＭＡＸ（ｓｎｒ［ｉ］）、ｉ＝０、−１、−２．．．−ｎである。ただし、ｉは最新の履歴背景フレームと、最新の履歴背景フレームの前の第１背景フレームからｎ番目の背景フレームを示す。ｓｎｒ＿ｐｅａｋは履歴非背景フレームセクションにおけるｖａｌｌｅｙＳＮＲ、あるいは、複数の最も小さいＳＮＲの１つとすることもできる。この場合、ｓｎｒ＿ｐｅａｋ＝ＭＩＮ（ｓｎｒ［ｉ］）、ｉ＝０、−１、−２．．．−ｎである。ただし、ｉは最新の履歴非背景フレームを示し、最新の履歴非背景フレーム前の第１の非背景フレームからｎ番目の非背景フレームを示し、あるいはｓｎｒ＿ｐｅａｋ∈｛Ｘ｝を示す。ただし、｛Ｘ｝は長期履歴非背景フレームセクションにおけるＳＮＲ（｛Ｙ｝）セットの一サブセットであり、｜ＭＥＡＮ（｛Ｘ｝）−ＭＥＡＮ（｛Ｙ−Ｘ｝）｜の値を最大にする。ここで、ＭＥＡＮは平均値を示す。ｖａｒ＿ｒａｔｅは長期背景におけるネガティブＳＮＲの回数を示す。

すなわち、ｓｎｒ＿ｐｅａｋは、２つの隣接する非背景ノイズフレーム間の各背景ノイズフレームに対応するＳＮＲのうち最大のＳＮＲであるか、隣接する２つの背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲの最も小さなＳＮＲであるか、あらかじめ設定された数のフレームよりも小さい間隔を有する２つの背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲのいずれかであるか、あるいは、あらかじめ設定された数のフレームよりも大きな間隔を有する２つの背景ノイズフレーム間のあらかじめ設定された閾値よりも小さい各非背景ノイズフレームに対応するＳＮＲのいずれかである。閾値は、以下の法則に従い設定する。２つの背景ノイズフレーム間のすべての非背景ノイズフレームのＳＮＲが、２つのグループ、すなわち、閾値より大きなすべてのＳＮＲからなるグループと、閾値よりも小さいすべてのＳＮＲからなるグループを備えるとき、これらのグループの平均値間の差の最大化する閾値を、あらかじめ設定された閾値とする。

多数の閾値を有するＶＡＤアルゴリズムにおいて、各閾値あるいはこれらの閾値におけるいくつかは、上述の方法により調整することができる。

ステップ５：ＶＡＤ判断ユニットは、修正すべきＶＡＤ閾値を、ＶＡＤ閾値調整ユニットから出力されたＶＡＤ閾値のバイアスに基づいて修正し、修正されたＶＡＤ閾値に従い背景ノイズを判断し、ＶＡＤ判断結果を出力する。

ＶＡＤ閾値調整ユニットが第１のケースに従い、ＶＡＤ閾値のバイアスを得た場合、修正されたＶＡＤ閾値はｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ＋ｖａｄ＿ｔｈｒ＿ｄｅｌｔａとなる。

つまり、本発明の実施形態では、現在の信号の背景ノイズ特徴を、背景ノイズのＶＡＤ判断結果に基づき分析し、背景ノイズ変動に関するパラメータを得て、ＶＡＤ閾値を背景ノイズ変動に適応させる。ついで、ＶＡＤ閾値のバイアスを、背景ノイズ変動に関連するパラメータに従い得る。修正すべきＶＡＤ閾値を、ＶＡＤ閾値のバイアスに基づき修正し、背景ノイズ変動を反映することのできるＶＡＤ閾値を得る。修正したＶＡＤ閾値を用いて背景ノイズに対しＶＡＤ判断を実行する。このようにして、ＶＡＤ閾値を背景ノイズ変動に適応させる。ＶＡＤは様々な変更を含む背景ノイズ環境において最適なパフォーマンスを得ることができる。

さらに、本発明の実施形態では、ＶＡＤ閾値のバイアスを求めるための方法に従いさまざまな実施モードを説明してきた。特に、本発明の実施形態は、背景ノイズのピークＳＮＲの値（ｓｎｒ＿ｐｅａｋ）を計算するための解決方法を説明するものであり、それは、本発明を十分にサポートするものである。

上述の実施形態による方法におけるすべての、あるいは一部のステップがプログラムにより指示されるハードウェアにより実行可能であることは当業者なら理解できる。このプログラムは、コンピュータ読取り可能保存媒体、たとえば、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスク、コンパクトディスクに保存することができる。

当業者なら、本発明の精神および範囲を逸脱することなく本発明にさまざまな変更や修正を加えることができることは明らかである。本発明は、以下の特許請求の範囲により画定される保護範囲やその均等物に含まれる限りにおいて、そのような変更や修正も網羅するものである。

Claims

入力されたＶＡＤ（音声活動検出）判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズ変動に関するパラメータを得て、前記パラメータを出力するように構成された背景分析ユニットと、
背景分析ユニットより出力されたパラメータによりＶＡＤ閾値のバイアスを得て、ＶＡＤ閾値のバイアスを出力するように構成されたＶＡＤ閾値調整ユニットと、
ＶＡＤ閾値調整ユニットから出力されたＶＡＤ閾値のバイアスにより、修正すべきＶＡＤ閾値を修正し、修正した前記ＶＡＤ閾値を用いて背景ノイズ判断を実行して、ＶＡＤ判断結果を出力するように構成されたＶＡＤ判断ユニットとを備える、ＶＡＤ装置。
前記背景分析ユニットにより出力されたパラメータが、背景ノイズのピーク信号ノイズ比（ＳＮＲ）を有する、請求項１に記載のＶＡＤ装置。
前記背景分析ユニットにより出力されたパラメータがさらに、背景エネルギー変動サイズ、背景ノイズスペクトル変動サイズ、長期ＳＮＲおよび背景ノイズ変動レートの少なくとも１つを備える、請求項２に記載のＶＡＤ装置。
前記ＶＡＤ閾値調整ユニットは、前記背景分析ユニットにより出力されたパラメータの１つを受けると、背景ノイズ変動に関連するパラメータの現在値に従い、ＶＡＤ閾値のバイアスを更新する、請求項１に記載のＶＡＤ装置。
ＶＡＤ装置の外部情報を受信するように構成された外部インターフェースをさらに備える、請求項１に記載のＶＡＤ装置。
前記ＶＡＤ閾値調整ユニットが、背景分析ユニットにより出力されたパラメータに従いＶＡＤ閾値の第１のバイアスを得て、ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとしてＶＡＤ判断ユニットに出力するか、
前記ＶＡＤ閾値調整ユニットが、前記背景分析ユニットにより出力されたパラメータに従いＶＡＤ閾値の第１のバイアス、および前記背景分析ユニットにより出力されたパラメータとＶＡＤ装置の外部情報に従いＶＡＤ閾値の第２のバイアスを得て、ＶＡＤ閾値の第１のバイアスとＶＡＤ閾値の第２のバイアスを組み合わせることによってＶＡＤ閾値の最終バイアスと得て、ＶＡＤ閾値の最終バイアスをＶＡＤ判断ユニットに出力するか、または
前記ＶＡＤ閾値調整ユニットが、背景分析ユニットにより出力されたパラメータとＶＡＤ装置の外部情報に従いＶＡＤ閾値の第２のバイアスを得て、ＶＡＤ閾値の第２のバイアスをＶＡＤ閾値の最終バイアスとしてＶＡＤ判断ユニットに出力する、請求項５に記載のＶＡＤ装置。
前記ＶＡＤ判断ユニットが、修正すべきＶＡＤ閾値をリアルタイムで更新し、ＶＡＤ閾値調整ユニットにより出力されたＶＡＤ閾値のバイアスを受けると修正すべき現在のＶＡＤ閾値を抽出し、ＶＡＤ閾値のバイアスに従い現在のＶＡＤ閾値を修正する、請求項１に記載のＶＡＤ装置。
背景ノイズのＶＡＤ（音声活動検出）判断結果に従い現在の信号の背景ノイズ特徴を分析し、背景ノイズ変動に関するパラメータを得るステップと、
前記背景ノイズ変動に関するパラメータによりＶＡＤ閾値のバイアスを得るステップと、
ＶＡＤ閾値のバイアスにより、修正すべきＶＡＤ閾値を修正し、修正した前記ＶＡＤ閾値を用いて背景ノイズのＶＡＤ判断を実行するステップとを備える、ＶＡＤ方法。
背景ノイズ変動に関わるパラメータが背景ノイズのピーク信号ノイズ比（ＳＮＲ）を備える、請求項８に記載のＶＡＤ方法。
背景ノイズ変動に関わるパラメータが、背景エネルギー変動サイズ、背景ノイズスペクトル変動サイズ、長期ＳＮＲおよび背景ノイズ変動レートの少なくとも１つをさらに備える、請求項９に記載のＶＡＤ方法。
背景ノイズ変動に関わるパラメータのいずれかが更新される際、前記ＶＡＤ方法は、背景ノイズ変動に関わるパラメータの現在値に従いＶＡＤ閾値のバイアスを更新するステップを備える、請求項８に記載のＶＡＤ方法。
背景ノイズ変動に関わるパラメータに従いＶＡＤ閾値のバイアスを得る方法が、
設定に特定の情報を考慮する必要がない場合、背景ノイズ変動に関わるパラメータに従いＶＡＤ閾値の第１のバイアスを得て、前記ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとして使用することと、
設定に特定の情報を考慮する必要があり、背景音が少なくとも１つの不安定なノイズであり、信号ノイズ比（ＳＮＲ）が低い場合、背景ノイズ変動に関わるパラメータに従いＶＡＤ閾値の第１のバイアスと、背景ノイズ変動に関わるパラメータと特定の情報に従いＶＡＤ閾値の第２のバイアスを得て、前記ＶＡＤ閾値の第１のバイアスと前記ＶＡＤ閾値の第２のバイアスを組み合わせることによってＶＡＤ閾値の最終バイアスを得ることと、
設定に特定の情報を考慮する必要があり、背景音が少なくとも１つの安定したノイズであり、ＳＮＲが高い場合、背景ノイズ変動に関わるパラメータに従いＶＡＤ閾値の第１のバイアスを得て、前記ＶＡＤ閾値の第１のバイアスをＶＡＤ閾値の最終バイアスとして使用することと、
設定に特定の情報だけを考慮する場合、背景ノイズ変動に関わるパラメータと特定の情報に従いＶＡＤ閾値の第２のバイアスを得て、前記ＶＡＤ閾値の第２のバイアスをＶＡＤ閾値の最終バイアスとして使用することと
の少なくとも１つを備える、請求項８に記載のＶＡＤ方法。
ＶＡＤ閾値の第１のバイアスが、背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期ＳＮＲおよび背景ノイズのピークＳＮＲの少なくとも１つの増加に伴い増加する、請求項１２に記載のＶＡＤ方法。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１３に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数である。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１３に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１３に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１３に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトル変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＝β^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１３に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａはＶＡＤ閾値の第１のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、βは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトル変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートであり、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｆ（）は関数を示す。
前記ＶＡＤ閾値の第２のバイアスの絶対値が、前記背景ノイズエネルギー変動、背景ノイズスペクトル変動サイズ、背景ノイズ変動レート、長期ＳＮＲおよび背景ノイズのピークＳＮＲの少なくとも１つの増加に伴い、増加する、請求項１２に記載のＶＡＤ方法。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１９に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは特定の情報の方向性により定まるｖａｄ＿ｔｈｒ＿ｄｅ１ｔａ＿ｏｕｔのプラス記号あるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数である。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１９に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは特定の情報の方向性により定まるｖａｄ＿ｔｈｒ＿ｄｅ１ｔａ＿ｏｕｔのプラス記号あるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１９に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは特定の情報の方向性により定まるｖａｄ＿ｔｈｒ＿ｄｅ１ｔａ＿ｏｕｔのプラス記号あるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１９に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは特定の情報の方向性により定まるｖａｄ＿ｔｈｒ＿ｄｅ１ｔａ＿ｏｕｔのプラス記号あるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトル変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｆ（）は関数を示す。
ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔ＝ｓｉｇｎ^*γ^*ｆ（ｖａｒ＿ｒａｔｅ）^*ｆ（ｐｏｗ＿ｖａｒ）^*ｆ（ｓｐｅｃ＿ｖａｒ）^*（ｓｎｒ＿ｐｅａｋ−ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔ）である、請求項１９に記載のＶＡＤ方法。
ただし、ｖａｄ＿ｔｈｒ＿ｄｅｌｔａ＿ｏｕｔはＶＡＤ閾値の第２のバイアスを示し、ｖａｄ＿ｔｈｒ＿ｄｅｆａｕｌｔは修正すべきＶＡＤ閾値を示し、ｓｉｇｎは特定の情報の方向性により定まるｖａｄ＿ｔｈｒ＿ｄｅ１ｔａ＿ｏｕｔのプラス記号あるいはマイナス記号を示し、ｓｎｒ＿ｐｅａｋは背景ノイズのピークＳＮＲを示し、γは定数であり、ｓｐｅｃ＿ｖａｒは背景ノイズスペクトル変動サイズを示し、ｖａｒ＿ｒａｔｅは背景ノイズ変動レートを示し、ｐｏｗ＿ｖａｒは背景エネルギー変動サイズを示し、ｆ（）は関数を示す。
ｓｎｒ＿ｐｅａｋが、２つの隣接する非背景ノイズフレーム間の各背景ノイズフレームに対応するＳＮＲのうち最も大きいＳＮＲであるか、
ｓｎｒ＿ｐｅａｋが、２つの隣接する背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲのうち最も小さいＳＮＲであるか、
ｓｎｒ＿ｐｅａｋが、あらかじめ設定された数のフレームよりも小さい間隔を有する２つの背景ノイズフレーム間の各非背景ノイズフレームに対応するＳＮＲのいずれかであるか、または
ｓｎｒ＿ｐｅａｋが、あらかじめ設定された数のフレームよりも大きい間隔を有する２つの背景ノイズフレーム間のあらかじめ設定された閾値よりも小さい非背景ノイズフレームに対応するＳＮＲのいずれかである、請求項１４から１８または請求項２０から２４のいずれか一項に記載のＶＡＤ方法。
ｓｎｒ＿ｐｅａｋがあらかじめ設定された数のフレームよりも大きい間隔を有する２つの背景ノイズフレーム間のあらかじめ設定された閾値よりも小さい非背景ノイズフレームに対応するＳＮＲのいずれかである場合、前記２つの背景ノイズフレーム間の非背景ノイズフレームの全てのＳＮＲが２つのグループ、すなわち、閾値よりも大きい全てのＳＮＲを含むグループと、閾値よりも小さい全てのＳＮＲを含むグループを備えると仮定し、各グループの平均値間の差異が最大となる閾値が、あらかじめ設定された閾値として決定される、という法則に従い、閾値が設定される、請求項２５に記載のＶＡＤ方法。