JP2011043547A - 残響抑圧装置とその方法と、プログラムと記録媒体 - Google Patents

Abstract

【課題】残響時間を必要としない残響抑圧装置を提供する。
【解決手段】狭帯域残響抑圧信号と誤差分散とが、繰り返し計算される回数が所定数に達するまで、音声パワースペクトル推定器は、狭帯域無響音声信号のパワーの事前分布と、入力される狭帯域残響抑圧信号とその誤差分散とから最大事後確率推定によって狭帯域無響音声信号のパワーの推定値の計算を繰り返す。また、利得制御フィルタは、予測利得と、ステアリングベクトルと、狭帯域無響音声信号のパワーの推定値と、狭帯域ビームフォーマ出力信号を入力として狭帯域ビームフォーマ出力信号に含まれる残響成分を抑圧した狭帯域残響抑圧信号と誤差分散とを出力する。
【選択図】図４

Description

この発明は、マイクロホン或いはマイクロホンアレイで観測した残響を含む音声から、残響成分を抑圧する残響抑圧装置とその方法と、プログラムと記録媒体に関する。

一般的に、残響抑圧装置は、それ単体、若しくはマルチオーディオ、デジタル補聴器、テレビ会議システム、自動音声認識システム等の一部として用いられる。従来の残響抑圧装置８００を、図１０を参照して説明する。残響抑圧装置８００は、図示しないＭ個のマイクロホンに対応する数のフィルタバンク分析部８０₁〜８０_Mと、周波数帯域の数Ｌ個に対応する数の主処理部８１₀〜８１_Ｌ-1と、フィルタバンク合成部８２と、を備える。図１０においては、主処理部８１₀のみ、内部の機能構成を示している。

Ｍ個のマイクロホンで観測された音声信号（以降、広帯域観測信号と称する）ｙ¹（ｎ），…，ｙ^Ｍ（ｎ）が、それぞれのマイクロホンに対応するフィルタバンク分析部８０₁〜８０_Mに入力される。ｍ番目のマイクロホンに対応するフィルタバンク分析部８０_mは、広帯域観測信号ｙ^m（ｎ）を、狭帯域毎の間引かれた狭帯域観測信号ｙ^m _t,kに分割して出力する。ここで、ｔは間引き後の時間インデックス、ｋは周波数帯域のインデックスであり、それぞれ０≦ｔ≦Ｎ−１、０≦ｋ≦Ｌ−１である。

帯域分割数Ｌ個だけ、主処理部８１₀〜８１_Ｌ-1が設けられる。ｋ番目の周波数帯域に対応する主処理部８１_kには、当該狭帯域における全てのマイクロホンによる観測信号ｙ¹ _t,k，…，ｙ^M _t,k、及びステアリングベクトルｈ_kが入力され、当該狭帯域における残響が抑圧された信号（以後、狭帯域残響抑圧信号と称する）ｓ_t,kを出力する。かくして、８１₀〜８１_L-1から、それぞれ狭帯域残響抑圧信号ｓ_t,0,…,ｓ_t,L-1が出力される。フィルタバンク合成部８２は、狭帯域残響抑圧信号ｓ_t,0〜ｓ_t,Ｌ-1を合成して広帯域残響抑圧信号ｓ（ｎ）を出力する。

主処理部８１₀〜８１_Ｌ-1を構成する方法には、大別して、例えば非特許文献１に開示された室内伝達系の逆フィルタに基づく方法と、非特許文献２に開示されたスペクトル減算や利得制御フィルタ（WienerフィルタやEphraim-Malahフィルタ等）に基づく方法がある。この発明は、話者の移動などに伴う室内伝達系の変化に頑健であるという特長を持つ後者の方法に属する。

図１１に、非特許文献２に記載されたｋ番目の周波数帯域に対応する主処理部８１_kの機能構成を示す。主処理部８１_kは、固定ビームフォーマ８１１_k、残響時間駆動型予測利得算出器８１２_k、スペクトル減算器８１３_k、を備える。

ステアリングベクトルｈ_kは、図示しない話者方向推定器によって推定された話者方向、あるいは予め入力された話者方向に基づいて式（１）に従って計算される。

ここで、ｊは虚数単位、Ｔは非共役転置、τ_mは信号が話者位置からｍ番目のマイクロホン位置に伝播するのに要する遅延である。非特許文献２では、話者はマイクロホンの正面に居ると仮定して、ステアリングベクトルｈ_kは周波数帯域のインデックスｋに依存しないでｈ_k＝[１，…，１]^Ｔに固定されている。話者方向推定器には公知の技術を用いることができる。

固定ビームフォーマ８１１_kは、ステアリングベクトルｈ_kと狭帯域観測信号ｙ¹ _{t, k}，…，ｙ^M _{t, k}を入力として、ステアリングベクトルｈ_kが示す方向から到来する信号成分が強調された狭帯域ビームフォーマ出力信号ｘ_t,kを計算する。なお、単一マイクロホンの場合（Ｍ＝1）は、固定ビームフォーマ８１１_kは省略する。

残響時間駆動型予測利得算出器８１２_kは、狭帯域観測信号ｙ¹ _{t, k}，…，ｙ^M _{t, k}と、部屋の残響時間Ｔ_Ｒを入力として、式（２）に示す残響成分の予測利得ｇ_kを計算する。

ここで、Ｔ_Ｓは狭帯域信号の標本化周期、Ｄは予め与えられる定数である。

スペクトル減算器８１３_kは、予測利得ｇ_kと、ステアリングベクトルｈ_kを用いて時刻ｔにおける狭帯域ビームフォーマ出力信号ｘ_t,kに含まれる残響成分のパワースペクトルｖ_t,kを式（３）で計算する。そして、狭帯域ビームフォーマ出力信号ｘ_t,kに含まれる残響成分を抑圧した狭帯域残響抑圧信号ｓ_t,kを式（４）で計算して出力する。

ただし、ｙ_t,k＝[ｙ¹ _t,k,…,ｙ^M _t,k]^T、右肩添え字Ｈは共役転置、Ｇ_MINは予め与えられたフロアリング係数であり０.００１程度に設定される。式（３）は、時刻ｔにおける狭帯域ビームフォーマ出力信号ｘ_t,kに含まれる残響成分のパワーｖ_t,kが、Ｄ時刻過去の狭帯域観測信号ｙ_t-D,kに対して、予測利得ｇ_kを乗じて求められることを意味する。

この明細書では以後、狭帯域観測信号ｙ¹ _t,k,…,ｙ^M _t,kと、そのベクトルｙ_t,kを共に単に狭帯域観測信号と呼んで区別しない。

T.Nakatani, T.Yoshioka,K.Kinoshita,M.Miyoshi,and B-H.Juang,"Blind speech dereverberation with multichannel linear prediction based on short time fourier transform representation,"in Proc.Int’l Conf.Acoust.,Speech,Signal Process.,2008,pp.85-88. E.A.P.Habets,"Multi-channel speech dereverberation based on a statistical model of late reverberation,"on Proc.Int’l Conf.Acoust.,Speech,Signal Process.,vol.IV,2005,pp.173-176.

従来技術では、式（２）に示すように、残響成分の予測利得ｇ_kを計算するのに残響時間Ｔ_Ｒを必要とした。つまり、部屋の残響時間Ｔ_Ｒが分からないと残響を抑圧することが出来なかった。また、残響時間Ｔ_Ｒの測定値が無い場合は、広帯域観測信号或いは狭帯域観測信号から残響時間Ｔ_Ｒを求めることになるが、精度の良い推定は困難である。

この発明は、このような問題点に鑑みてなされたものであり、残響時間Ｔ_Ｒ無しで予測利得ｇ_kを求め、残響を抑圧する残響抑圧装置とその方法と、プログラムと記録媒体を提供することを目的とする。

この発明の残響抑圧装置は、マイクロホンによって観測された広帯域音声信号を狭帯域観測信号に分割して出力するフィルタバンク分析部と、上記狭帯域観測信号とステアリングベクトルを入力としてその狭帯域観測信号に含まれる残響成分を抑圧した狭帯域残響抑圧信号を出力する主処理部と、上記狭帯域残響抑圧信号を広帯域信号に合成して広帯域残響抑圧信号を出力するフィルタバンク合成部とから成る。

その主処理部は、出力信号駆動型予測利得算出器と、利得制御フィルタと、音声パワースペクトル推定器と、切り替え器と、を具備する。出力信号駆動型予測利得算出器は、狭帯域観測信号と、ステアリングベクトルと、狭帯域残響抑圧信号とその誤差分散とを入力とし、最尤推定値として残響成分の予測利得を計算する。利得制御フィルタは、予測利得と、ステアリングベクトルと、狭帯域無響音声信号のパワーの推定値と、狭帯域ビームフォーマ出力信号を入力として狭帯域ビームフォーマ出力信号に含まれる残響成分を抑圧した狭帯域残響抑圧信号と誤差分散とを出力する。

音声パワースペクトル推定器は、狭帯域無響音声信号のパワーに関する事前分布と、入力される狭帯域残響抑圧信号とその誤差分散とから、最大事後確率推定によって、狭帯域無響音声信号のパワーの推定値を計算する。切り替え器は、狭帯域残響抑圧信号と誤差分散とを入力として、その入力回数が予め定めた所定の回数（以降、所定回数と称する）に達していなければ当該狭帯域残響抑圧信号と誤差分散とを出力信号駆動型予測利得算出器と音声パワースペクトル推定器に出力し、その入力回数が所定回数に達すれば上記狭帯域残響抑圧信号をフィルタバンク合成部に出力する。

この発明の残響抑圧装置によれば、音声パワースペクトル推定器において、狭帯域残響抑圧信号とその誤差分散と、狭帯域無響音声信号のパワーに関する事前分布とを用いて、狭帯域無響音声信号のパワーの推定値を最大事後確率推定によって計算する。この最大事後確率推定は、切り替え器への狭帯域残響抑圧信号と誤差分散の入力回数が所定回数に達するまで繰り返されるが、その繰り返し動作で計算される狭帯域残響抑圧信号は、繰り返しの度に、無響音声らしくなる。言い換えれば、残響がより抑圧された狭帯域信号になる。予測利得もまた、繰り返しの度に、最尤推定によってこの狭帯域残響抑圧信号に適合するように更新される。このようにして、この発明の残響抑圧装置は、残響時間を用いること無く、予測利得の計算と残響の抑圧を可能にする。

ある無響音声のパワースペクトログラムを示す図。 図１の無響音声のパワーの大きさに関するヒストグラムを示す図。 一般化逆ガンマ分布の確率密度関数を示す図。 この発明の残響抑圧装置１００の機能構成例を示す図 主処理部１１０_kの機能構成例を示す図。 主処理部１１０_kの動作フローを示す図。 主処理部２１０_kの機能構成例を示す図。 主処理部２１０_kの動作フローを示す図。 実験結果を示す図。 従来の残響抑圧装置８００の機能構成を示す図。 残響抑圧装置８００の主処理部８１_kの機能構成を示す図。

以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。また、以下の説明において、テキスト中で使用する記号「〜」等は、本来直前の文字の真上に記載されるべきものであるが、テキスト記法の制限により、当該文字の直後に記載する。式中においてはこれらの記号は本来の位置に記述している。

実施例の説明の前にこの発明の考えについて説明する。

〔この発明の考え〕
この発明は、狭帯域無響音声信号のパワーの分布の仕方に着目することで、残響時間情報Ｔ_Rを用いること無く残響を抑圧するようにしたものである。

狭帯域無響音声信号のパワーは、時間周波数平面上に疎に分布することが知られている。このことを例示するために、図１に、男性の口元にマイクロホンを配置させ、ある音素バランス文を発話させた狭帯域無響音声信号のパワーを、時間周波数平面上に示す（これは、無響音声のパワースペクトログラムと呼ばれるものである）。横軸は時間（秒）、縦軸は周波数（ｋＨｚ）である。図中の白い部分がパワーの大きい時間周波数点を表し、背景も含めて黒い部分がパワーの小さな時間周波数点を表している。

図１では、黒い領域に示されたパワーが小さな時間周波数領域が大部分を占め、パワーの大きな白い領域は部分的である。このことを確認するために、図１の狭帯域無響音声信号のパワーの大きさに関するヒストグラムを、図２に示す。図２の横軸は正規化したパワー、縦軸は正規化した出現頻度である。小さなパワーの出現頻度が著しく高く、パワーの増加に伴って出現頻度が低下する特性を示す。このことは、狭帯域無響音声信号のパワーが、ほとんどの時間周波数領域で０に近い値を持つ、すなわち疎に分布することを意味している。

このヒストグラムの形状は、例えば一般化逆ガンマ分布及びその特殊形である逆ガンマ分布の確率密度関数の形状に非常に類似している。図３に、一般化逆ガンマ分布の確率密度関数を示す。確率変数値をパワーの大きさに、確率密度関数値を出現頻度に対応させてみると、狭帯域無響音声信号のパワーの分布が、一般化逆ガンマ分布を用いて良く表現されることが読み取れる。

そこで、この発明の残響抑圧装置は、狭帯域残響抑圧信号の音声パワーの分布が、既知の狭帯域無響音声信号のパワーの分布に近づくように残響抑圧動作を繰り返すことで、残響を抑圧するようにしたものである。よって、この考えによれば、残響時間情報Ｔ_Rを用いること無く残響を抑圧することが出来る。

図４にこの発明の残響抑圧装置１００の機能構成例を示す。残響抑圧装置１００は、Ｍ個のマイクロホンによって観測された広帯域観測信号を狭帯域の観測信号に分割して出力するフィルタバンク分析部８０₁〜８０_M と、狭帯域観測信号とステアリングベクトルを入力として残響抑圧信号の推定値を生成する主処理部１１０₀〜１１０_Ｌ-1と、残響抑圧信号の推定値を広帯域信号に合成して出力するフィルタバンク合成部８２とから成る残響抑圧装置である。基本的な構成は、従来技術で説明した残響抑圧装置８００と同じであり、主処理部１１０₀〜１１０_Ｌ-1の機能構成のみが異なる。図４では、主処理部１１０₀のみの内部の機能構成例を図示している。残響抑圧装置１００は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。

残響抑圧装置１００のｋ番目の周波数帯域に対応する主処理部１１０_kは、固定ビームフォーマ８１１_kと、出力信号駆動型予測利得算出器１１１_kと、利得制御フィルタ１１２_kと、切り替え器１１３_kと、音声パワースペクトル推定器１１４_kとを具備する。参照符号から明らかなように、固定ビームフォーマ８１１_kは、従来の残響抑圧装置８００と同じものである。固定ビームフォーマ８１１_kはマイクロホンが１個の場合（Ｍ＝１の場合）は省略されるため、図４においては破線で示している。

固定ビームフォーマ８１１_kは、狭帯域観測信号ｙ¹ _t,k，…，ｙ^M _t,kとステアリングベクトルｈ_kを入力として音声信号の到来方向の信号成分が強調された狭帯域ビームフォーマ出力信号x_ｔ,kを出力する。固定ビームフォーマ８１１_ｋには、遅延和ビームフォーマや超指向性ビームフォーマなど公知のビームフォーマ技術を用いることができる。この実施例では、遅延和ビームフォーマを用いることを想定している。超指向性ビームフォーマを用いた例は実施例２に示す。

出力信号駆動型予測利得算出器１１１_ｋは、ステアリングベクトルｈ_ｋと、狭帯域残響抑圧信号ｓ_t,ｋとその誤差分散ｒ_t,ｋとを入力とし、最尤推定値として残響成分の予測利得ｇ_ｋを計算する。利得制御フィルタ１１２_ｋは、予測利得ｇ_ｋと、ステアリングベクトルｈ_ｋと、狭帯域無響音声信号のパワーの推定値と、狭帯域ビームフォーマ出力信号x_ｔ,ｋとを入力として狭帯域ビームフォーマ出力信号x_ｔ,ｋに含まれる残響成分を抑圧した狭帯域残響抑圧信号ｓ_t,ｋとその誤差分散ｒ_t,ｋとを出力する。

音声パワースペクトル推定器１１４_ｋは、狭帯域無響音声信号のパワーの事前分布と、入力される狭帯域残響抑圧信号ｓ_t,ｋとその誤差分散ｒ_t,ｋとから最大事後確率推定値として狭帯域無響音声信号のパワーｂ_t,ｋを計算する。切り替え器１１３_ｋは、狭帯域残響抑圧信号ｓ_t,ｋとその誤差分散ｒ_t,ｋとを入力として、その入力回数が所定回数に達していなければ当該狭帯域残響抑圧信号ｓ_t,ｋと誤差分散ｒ_t,ｋとを、出力駆動型予測利得算出器１１１_ｋと音声パワースペクトル推定器１１４_ｋに出力し、その入力回数が所定数に達すれば入力された狭帯域残響抑圧信号ｓ_t,ｋをフィルタバンク合成部８２に出力する。

以上述べたように、残響抑圧装置１００の音声パワースペクトル推定器１１４_ｋは、利得制御フィルタ１１２_ｋで残響成分が抑圧される狭帯域残響抑圧信号ｓ_t,ｋとその誤差分散ｒ_t,ｋとから、狭帯域無響音声信号のパワーの事前分布を用いて、所定回数に達するまで繰り返し狭帯域無響音声信号のパワーの推定値ｂ_t,ｋを更新する。同時にこの繰り返し動作の中で、予測利得ｇ_ｋも、狭帯域残響抑圧信号ｓ_t,ｋに適合するように最尤推定されるため、ｓ_t,ｋがより無響音声らしくなるように更新される。このように動作することで、残響抑圧装置１００は、残響時間Ｔ_Rを用いることなく、予測利得ｇ_ｋを計算し、狭帯域観測信号ｙ_t,ｋに含まれる残響成分を抑圧することが出来る。

図５に、この実施例１の主要部である主処理部１１０_kの機能構成例を示してその動作を更に詳しく説明する。図６にその動作フローを示す。主処理部１１０_kは、出力信号駆動型予測利得算出器１１１_kと、利得制御フィルタ１１２_kと、切り替え器１１３_kと、音声パワースペクトル推定器１１４_kを備える。

出力信号駆動型予測利得算出器１１１_kは、狭帯域残響抑圧信号ｓ_t,k、その誤差分散r_t,k、ステアリングベクトルｈ_k、狭帯域観測信号ｙ_t,kが入力されると、予測誤差ｇ_kを最尤推定によって求める（ステップＳ１１１）。固定ビームフォーマ８１１_kが、遅延和ビームフォーマである場合、予測利得ｇ_kは式（６）で計算される。

利得制御フィルタ１１２_kは、出力信号駆動型予測利得算出器１１１_kから供給される予測利得ｇ_kと、ステアリングベクトルｈ_kと、狭帯域観測信号ベクトルｙ_t-Ｄ,kとを用いて、時刻ｔにおける狭帯域ビームフォーマ出力信号ｘ_t,kに含まれる残響成分のパワーｖ_t,kを上記した式（３）で計算する。そして、このパワーｖ_t,kと、音声パワースペクトル推定器１１４_kから供給される狭帯域無響音声信号のパワーの推定値b_ｔ,kとに基づいて公知の利得制御技術であるWienerフィルタやEphraim-Malahフィルタ等を用いて、狭帯域ビームフォーマ出力信号ｘ_t,k中の残響成分を抑圧した狭帯域残響抑圧信号ｓ_t,kとその誤差分散ｒ_t,kとを計算する（ステップＳ１１２）。

利得制御フィルタ１１２_kが用いる利得をＧ_t,kと置くと、狭帯域残響抑圧信号ｓ_t,kは式（７）、誤差分散ｒ_t,kは式（８）で計算できる。

利得Ｇ_t,kは、例えばWienerフィルタの場合は式（９）に示すように定義される。

切り替え器１１３_kは、内部カウンタ１１３ａ_kを備え、その計数値は利得制御フィルタ１１２_kが出力する狭帯域残響抑圧信号ｓ_t,kと誤差分散r_ｔ,kとが入力される度にカウントアップする。切り替え器１１３_kは、その計数値が所定回数に達していなければ入力される狭帯域残響抑圧信号ｓ_t,kと誤差分散r_ｔ,kとを、出力信号駆動型予測利得算出器１１１_kと音声パワースペクトル推定器１１４_kに出力する（ステップＳ１１３のＮＯ）。そして、所定回数に達すれば狭帯域残響抑圧信号ｓ_t,kをフィルタバンク合成部８２（図１）に出力する（ステップＳ１１３のＹＥＳ）。

音声パワースペクトル推定器１１４_kは、狭帯域残響抑圧信号ｓ_t,kと誤差分散r_ｔ,kとが入力されると、狭帯域無響音声信号のパワーの事前分布を用いて、狭帯域無響音声信号のパワーの推定値ｂ_t,kを最大事後確率推定によって求める。この実施例では、狭帯域無響音声信号のパワーの事前分布として逆ガンマ分布を用いる。この場合、狭帯域無響音声信号のパワーの推定値ｂ_t,kは式（１０）で計算される。

ここで、θは逆ガンマ分布の尺度パラメータ、κはその形状パラメータであり、これらの値は音声の一般的な性質のみに基づき、部屋の残響時間とは無関係に決定できるものである。

以上のように各機能が動作することで、出力信号駆動型予測利得算出器１１１_kと音声パワースペクトル推定器１１４_kは、繰り返し動作することになる。つまり、切り替え器１１３_kに狭帯域残響抑圧信号ｓ_t,kと誤差分散r_ｔ,kとが入力される回数が所定回数に達するまでは、各繰り返しにおいて式（６）で更新された予測利得ｇ_kと、式（１０）で更新された狭帯域無響音声信号のパワーの推定値b_ｔ,kとによって、利得制御フィルタ１１２_kが狭帯域ビームフォーマ出力信号ｘ_t,k中の残響成分を抑圧する動作を繰り返す。この繰り返し動作によって、残響時間Ｔ_Rを用いることなく狭帯域観測信号ｙ_t,kに含まれる残響成分を抑圧することが可能になる。

図７に、狭帯域無響音声信号のパワーの事前分布として一般化逆ガンマ分布を用いた主処理部２１０_kの機能構成例を示す。なお、主処理部２１０_kは、固定ビームフォーマを超指向性ビームフォーマ２１１_kで構成した例である。図８にその動作フローを示す。

超指向性ビームフォーマ２１１_kは、ステアリングベクトルｈ_kと狭帯域観測信号ベクトルｙ_t,kを入力として式（１１）によって狭帯域ビームフォーマ出力信号ｘ_t,kを計算する（ステップＳ２１１）。

ここで、Γ_kは事前に与えられるコヒーレンス行列である。第ｋ周波数帯域のコヒーレンス行列Γ_kは式（１２）と（１３）に示すように定められる。

ここで、ｄ_m1,m2はマイクロホンｍ₁とｍ₂の間の距離、ｃは音速、ｆ_kは第ｋ周波数帯域の中心周波数である。この超指向性ビームフォーマ２１１_kによれば、上記した遅延和ビームフォーマよりもビーム幅をより狭くすることができるので、雑音が存在する場合により頑健に残響抑圧装置を動作させることが可能である。

出力信号駆動型予測利得算出器２１２_kは、狭帯域残響抑圧信号ｓ_t,k、その誤差分散ｒ_t,k、ステアリングベクトルｈ_k、狭帯域観測信号ｙ_t,kが入力されると、予測利得ｇ_kを最尤推定によって求める（ステップＳ２１２）。この実施例では、固定ビームフォーマとして超指向性ビームフォーマを用いるが、この場合、予測利得ｇ_kは式（１４）で計算される。

この実施例では、音声パワースペクトル推定器２１３_kは、狭帯域無響音声信号のパワーの事前分布を一般化逆ガンマ分布とし、狭帯域残響抑圧信号ｓ_t,kとその誤差分散r_ｔ,kを入力として、狭帯域無響音声信号のパワーの推定値ｂ_t,kを式（１５）で計算する（ステップＳ２１３）。

ここで、ｂ_t,k ^〜は音声パワースペクトル推定器２１３_k内に記録された繰り返し動作の一回前の狭帯域無響音声信号のパワーの推定値である。κは一般化逆ガンマ分布の第一形状パラメータ、ρは第二形状パラメータ、θはその尺度パラメータである。

〔実験結果〕
この発明による実施形態２の残響抑圧方法を組み込んだ残響抑圧装置を用いて、この発明の効果を確認する実験を行った。残響抑圧装置１００は、プログラムで実現し、コンピュータ上で実行させた。

その実験条件を説明する。この確認実験では、単一のマイクロホンを用いた（Ｍ＝１）、３０６名（男性１５３名、女性１５３名）の話者による発話を用いた。それぞれの話者につき５種類の発話を用いたので、総発話数は１８３０個である。これら５種類の発話は、発話長が１秒〜５秒まで１秒おきに異なる。

各発話の広帯域信号に対して残響時間が約０．５秒の部屋で収録したインパルス応答を畳み込むことで、残響を含む広帯域観測信号を模擬的に作成した。広帯域信号の標本化周波数は１６ｋＨｚで、処理対象の音声の帯域は５０Ｈｚ〜７ｋＨｚとした。帯域分割数Ｌ＝２５６、定数Ｄ＝８、フロアリング係数Ｇ_MIN＝０、狭帯域信号の標本化周期Ｔ_s＝８ｍsec、一般化ガンマ分布の尺度パラメータθ＝２、同分布の形状パラメータκ＝１．５＋ρ/θ^ρ, ρ＝０．０５とした。

図９に実験結果を示す。横軸は発話長（秒）、縦軸は、広帯域残響抑圧信号ｓ（ｎ）と広帯域無響音声信号との間のケプストラム距離を表す。破線が残響抑圧処理前のケプストラム距離、実線がこの発明の残響抑圧処理方法による残響抑圧後のケプストラム距離である。

ケプストラム距離と聴感上の残響感には正の相関があることが知られている。よって、ケプストラム距離が小さい程、残響がよく抑圧されていることを示唆する。図９は、残響時間Ｔ_Ｒを用いないこの発明の残響抑圧装置でも残響抑圧が可能であることを示している。

以上述べたように、この発明の残響抑圧装置は、残響時間Ｔ_Ｒの情報が無くても残響の抑圧を可能にする。なお、狭帯域無響音声信号のパワーの事前分布として、逆ガンマ分布と一般化逆ガンマ分布を用いる実施例を説明したが、これらの分布に限らず、例えば混合ガウス分布なども事前分布として用いることができる。

また、上記方法及び装置において説明した処理は、記載の順に従って時系列に実行され
るのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

また、上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Random Access Memory）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ−Ｒ（Recordable）/ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto Optical disc）等を、半導体メモリとしてＥＥＰ−ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

Claims (8)

1. マイクロホンによって観測された広帯域音声信号を狭帯域観測信号に分割して出力するフィルタバンク分析部と、上記狭帯域観測信号とステアリングベクトルを入力としてその狭帯域観測信号に含まれる残響成分を抑圧した狭帯域残響抑圧信号を出力する主処理部と、上記狭帯域残響抑圧信号を広帯域信号に合成して広帯域残響抑圧信号を出力するフィルタバンク合成部とから成る残響抑圧装置であって、
   上記主処理部は、
   上記狭帯域観測信号と、上記ステアリングベクトルと、狭帯域残響抑圧信号とその誤差分散と、を入力とし残響成分の予測利得を最尤推定により計算する出力信号駆動型予測利得算出器と、
   上記予測利得と、上記ステアリングベクトルと、狭帯域ビームフォーマ出力信号と、上記狭帯域観測信号と、狭帯域無響音声信号のパワーの推定値とを入力として、上記狭帯域ビームフォーマ出力信号に含まれる残響成分を抑圧した上記狭帯域残響抑圧信号と上記誤差分散とを出力する利得制御フィルタと、
   上記狭帯域残響抑圧信号とその誤差分散とを入力として、狭帯域無響音声信号のパワーの事前分布を用いて、上記狭帯域無響音声信号のパワーの推定値を最大事後確率推定により計算する音声パワースペクトル推定器と、
   上記狭帯域残響抑圧信号と上記誤差分散とを入力として、その入力回数が所定回数に達していなければ当該狭帯域残響抑圧信号と誤差分散とを上記出力信号駆動型予測利得算出器と上記音声パワースペクトル推定器に出力し、その入力回数が所定回数に達すれば入力された狭帯域残響抑圧信号を上記フィルタバンク合成部に出力する切り替え器と、
   を具備する残響抑圧装置。
2. 請求項１に記載の残響抑圧装置において、
   上記音声パワースペクトル推定器は、
   上記狭帯域無響音声信号のパワーの事前分布として逆ガンマ分布を用い、
   上記狭帯域無響音声信号のパワーの推定値を、
   上記狭帯域残響抑圧信号の絶対値の自乗に、上記誤差分散と上記逆ガンマ分布の尺度パラメータの逆数を加算し、その加算した値を、上記逆ガンマ分布の形状パラメータで除算した値として計算するものであることを特徴とする残響抑圧装置。
3. 請求項１に記載の残響抑圧装置において、
   上記音声パワースペクトル推定器は、
   上記狭帯域無響音声信号のパワーの事前分布として一般化逆ガンマ分布を用い、
   狭帯域無響音声信号のパワーの推定値を、上記狭帯域残響抑圧信号と、その誤差分散と、上記一般化逆ガンマ分布の２種類の形状パラメータと尺度パラメータθを用いて計算するものであることを特徴とする残響抑圧装置。
4. マイクロホンによって観測された広帯域音声信号を狭帯域観測信号に分割して出力するフィルタバンク分析過程と、上記狭帯域観測信号とステアリングベクトルを入力としてその狭帯域観測信号に含まれる残響成分を抑圧した狭帯域残響抑圧信号を出力する主処理過程と、上記狭帯域残響抑圧信号を広帯域信号に合成して広帯域残響抑圧信号を出力するフィルタバンク合成過程とを備える残響抑圧方法であって、
   上記主処理過程は、
   出力信号駆動型予測利得算出器が、上記狭帯域観測信号と、上記ステアリングベクトルと、狭帯域残響抑圧信号とその誤差分散と、を入力とし残響成分の予測利得を最尤推定により計算する出力信号駆動型予測利得算出ステップと、
   利得制御フィルタが、上記予測利得と、上記ステアリングベクトルと、狭帯域ビームフォーマ出力信号と、上記狭帯域観測信号と、狭帯域無響音声信号のパワーの推定値とを入力として、上記狭帯域ビームフォーマ出力信号に含まれる残響成分を抑圧した上記狭帯域残響抑圧信号と上記誤差分散とを出力する利得制御フィルタリングステップと、
   音声パワースペクトル推定器が、上記狭帯域残響抑圧信号とその誤差分散とを入力として、狭帯域無響音声信号のパワーの事前分布を用いて、上記狭帯域無響音声信号のパワーの推定値を最大事後確率推定により計算する音声パワースペクトル推定ステップと、
   切り替え器が、上記狭帯域残響抑圧信号と上記誤差分散とを入力として、その入力回数が所定回数に達していなければ当該狭帯域残響抑圧信号と誤差分散とを上記出力信号駆動型予測利得算出器と上記音声パワースペクトル推定器に出力し、その入力回数が所定回数に達すれば入力された狭帯域残響抑圧信号を上記フィルタバンク合成部に出力する切り替えステップと、
   を含む残響抑圧方法。
5. 請求項４に記載の残響抑圧方法において、
   上記音声パワースペクトル推定ステップは、
   上記狭帯域無響音声信号のパワーの事前分布として逆ガンマ分布を用い、
   上記狭帯域無響音声信号のパワーの推定値を、
   上記狭帯域残響抑圧信号の絶対値の自乗に、上記誤差分散と上記逆ガンマ分布の尺度パラメータの逆数を加算し、その加算した値を、上記逆ガンマ分布の形状パラメータで除算した値として計算するものであることを特徴とする残響抑圧方法。
6. 請求項４に記載の残響抑圧方法において、
   上記音声パワースペクトル推定ステップは、
   上記狭帯域無響音声信号のパワーの事前分布として一般化逆ガンマ分布を用い、
   上記狭帯域無響音声信号のパワーの推定値を、上記狭帯域残響抑圧信号と、その誤差分散と、上記一般化逆ガンマ分布の２種類の形状パラメータと尺度パラメータθを用いて計算するものであることを特徴とする残響抑圧方法。
7. 請求項１乃至３の何れかに記載した残響抑圧装置としてコンピュータを機能させるための装置プログラム。
8. 請求項７に記載した何れかの装置プログラムを記録したコンピュータで読み取り可能な記録媒体。