JP2012027186A - 音声信号処理装置、音声信号処理方法及びプログラム - Google Patents

音声信号処理装置、音声信号処理方法及びプログラム Download PDF

Info

Publication number
JP2012027186A
JP2012027186A JP2010164855A JP2010164855A JP2012027186A JP 2012027186 A JP2012027186 A JP 2012027186A JP 2010164855 A JP2010164855 A JP 2010164855A JP 2010164855 A JP2010164855 A JP 2010164855A JP 2012027186 A JP2012027186 A JP 2012027186A
Authority
JP
Japan
Prior art keywords
noise
audio signal
feature amount
frequency
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP2010164855A
Other languages
English (en)
Inventor
Toshiyuki Sekiya
俊之 関矢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2010164855A priority Critical patent/JP2012027186A/ja
Priority to US13/179,721 priority patent/US8971549B2/en
Priority to CN201110206440.9A priority patent/CN102348150B/zh
Publication of JP2012027186A publication Critical patent/JP2012027186A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/09—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being zero crossing rates

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Reverberation, Karaoke And Other Acoustics (AREA)

Abstract

【課題】キーボード音のように比較的継続時間が長く、非単調に減衰する特殊な突発性雑音を適切に検出する。
【解決手段】雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出する振幅検出部と、少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出する周波数特徴量算出部と、前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定する雑音判定部とを備える、音声信号処理装置が提供される。
【選択図】図４

Description

本発明は、音声信号処理装置、音声信号処理方法及びプログラムに関する。
ＩＣレコーダ、ビデオカメラなどの録音機器は、内蔵された小型のマイクロホンにより、周辺音声を録音する。かかる録音機器で録音するときには、ユーザが操作ボタンなど用いて該録音機器を操作するときの操作音が、雑音として録音音声に混入してしまう。そこで、かかる録音機器において、録音時に雑音として混入する操作音を検出及び低減するための技術が提案されている（例えば、特許文献１参照。）。
特開２００５−３０３６８１号公報
上記特許文献１記載のような従来の雑音検出方法は、主として、録音機器自体に装着された操作ボタンの操作音を検出対象としていた。かかる操作音は、一般的に、録音された音声信号上でパルス状の雑音信号として現れるので、かかるパルス状の雑音信号の振幅値（信号レベル）を閾値と比較することで、上記操作音による雑音を容易に検出することが可能である。
ところが、録音機器から離隔した位置で発生した特殊な突発性雑音は、継続時間が長く非定常な雑音信号となるため、該雑音を検出することが困難である。例えば、会議内容を机上に置かれたＩＣレコーダで録音するときに、会議の参加者が使用しているノート型パーソナルコンピュータ（以下、ノートＰＣという。）のキーボードの操作音（以下、キーボード音という。）が、該ノートＰＣから離隔した位置にあるＩＣレコーダにより録音され、雑音として混入してしまうことがある。
上記キーボード音のように、録音機器から離隔したノイズ発生源で発生した特殊な突発性雑音は、録音機器に至るまでの空間で反射したり、机を伝わる振動として伝播するなど、複数かつ複雑な経路で録音機器まで伝播する。この結果、キーボード音などを録音した場合、その雑音信号は、上述した単純なパルス状の雑音と比べて継続時間が長く、かつ、非単調に減衰する。従って、単に音声信号の振幅値と閾値を比較するだけの従来の雑音検出方法では、上記キーボード音などの特殊な突発性雑音を適切に検出することが困難であった。
そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、上記キーボード音のように比較的継続時間が長く、非単調に減衰する特殊な突発性雑音を、適切に検出できるようにすることにある。
上記課題を解決するために、本発明のある観点によれば、雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出する振幅検出部と、少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出する周波数特徴量算出部と、前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定する雑音判定部と、を備える、音声信号処理装置が提供される。
前記音声信号に含まれる前記雑音信号の減衰を表す減衰特徴量を算出する減衰特徴量算出部をさらに備え、前記雑音判定部は、前記周波数特徴量及び前記減衰特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含み、かつ、前記雑音開始点から前記雑音信号が所定基準以下に減衰する雑音終了点までの区間を、前記雑音区間として判定するようにしてもよい。
前記減衰特徴量算出部は、前記減衰特徴量として、前記雑音開始点付近の前記音声信号のエネルギーと、前記雑音開始点から所定時間経過した時点付近の前記音声信号のエネルギーとの比率を表すパラメータを算出するようにしてもよい。
前記減衰特徴量算出部は、前記音声信号から所定周波数以下の低周波数成分を除去した信号を用いて前記減衰特徴量を算出するようにしてもよい。
前記周波数特徴量算出部は、前記雑音開始点以降の前記音声信号を複数の区間に分割し、前記区間ごとに前記周波数特徴量を算出し、前記雑音判定部は、前記各区間の前記周波数特徴量が閾値以上であるか否かを判定し、前記周波数特徴量が当該閾値以上となる１又は２以上の区間を前記雑音区間として判定するようにしてもよい。
前記周波数特徴量算出部は、前記周波数特徴量として、前記音声信号のゼロクロス点の数を表すパラメータを算出するようにしてもよい。
前記周波数特徴量算出部は、前記周波数特徴量として、前記音声信号の全ての周波数成分と前記基準周波数以上の高周波数成分との比率を表すパラメータを算出するようにしてもよい。
前記振幅検出部は、前記雑音開始点付近における前記音声信号の信号エネルギーを表す振幅特徴量を算出し、前記雑音判定部は、前記振幅特徴量が閾値以上であるか否を判定し、前記振幅特徴量が閾値以上である場合に、前記周波数特徴量に基づいて前記雑音区間を判定するようにしてもよい。
前記雑音信号は、前記音声信号を録音した録音装置から所定距離以上離隔した位置の雑音発生源から発生した雑音を表すようにしてもよい。
前記雑音信号は、前記基準周波数以上の高周波数成分を継続的に含み、かつ、非単調で減衰する信号であるようにしてもよい。
前記音声信号における前記雑音区間の信号レベルを低下させることにより、前記音声信号に含まれる前記雑音信号を低減する雑音低減部をさらに備えるようにしてもよい。
また、上記課題を解決するために、本発明の別の観点によれば、雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出するステップと、少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出するステップと、前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定するステップと、を含む、音声信号処理方法が提供される。
また、上記課題を解決するために、本発明の別の観点によれば、雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出するステップと、少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出するステップと、前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定するステップと、をコンピュータに実行させるためのプログラムが提供される。
上記構成によれば、雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点が検出され、少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量が算出され、前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間が雑音区間として判定される。これにより、音声信号において、キーボード音等の特殊な雑音信号に含まれる高周波数成分を継続的に含む区間を、雑音区間として判定できる。
以上説明したように本発明によれば、キーボード音のように比較的継続時間が長く、非単調に減衰する特殊な突発性雑音を、適切に検出できる。
本発明の第１の実施形態に係る音声信号処理装置及び方法が適用される録音状況の例を示す模式図である 同実施形態に係る録音機器の操作音などのパルス的な雑音の雑音信号を示す波形図である。 同実施形態に係るノートＰＣのキーボード音などの特殊な雑音の雑音信号を示す波形図である。 同実施形態に係る雑音信号を検出するための３つの判定要素を模式的に示す波形図である。 同実施形態に係る音声信号処理装置としてのＰＣのハードウェア構成を示すブロック図である。 同実施形態に係る音声信号処理装置の機能構成を示すブロック図である。 同実施形態に係る振幅検出部の構成を示すブロック図である。 同実施形態に係る振幅検出部の基本動作を示すフローチャートである。 同実施形態に係る音声信号の閾値Ａｔｈを示す波形図である。 同実施形態に係る音声信号における雑音開始点Ｐ付近の信号エネルギーＥの算出範囲を示す波形図である。 同実施形態に係る振幅検出部の詳細動作を示すフローチャートである。 同実施形態に係る周波数特徴量算出部の構成を示すブロック図である。 同実施形態に係る周波数特徴量算出部の基本動作を示すフローチャートである。 同実施形態に係る周波数特徴量の算出処理を説明するための波形図である。 ゼロクロス点Ｚを説明するための波形図である。 高周波数成分のエネルギー比を説明するための波形図である。 キーボード音の周波数特性を示す波形図である。 同実施形態に係る周波数特徴量Ｒｆ（ゼロクロス点Ｚの数Ｎｚ）の算出動作を示すフローチャートである。 同実施形態に係る周波数特徴量Ｒｆ（高周波成分のエネルギー比Ｈ）の算出動作を示すフローチャートである。 同実施形態に係る音声信号と、ゼロクロス点Ｚの数ｃｎｔを用いて得られた周波数特徴量Ｒｆを示すグラフである。 同実施形態に係る音声信号と、高周波数成分のエネルギー比Ｈを用いて得られた周波数特徴量Ｒｆを示すグラフである。 同実施形態に係る減衰特徴量算出部の構成を示すブロック図である。 同実施形態に係る減衰特徴量算出部の基本動作を示すフローチャートである。 同実施形態に係る減衰特徴量の算出処理を説明するための波形図である。 同実施形態に係る減衰特徴量算出部の詳細動作を示すフローチャートである。 同実施形態に係る音声信号と減衰特徴量Ｒａを示すグラフである。 同実施形態に係る雑音判定部の構成を示すブロック図である。 同実施形態に係る雑音判定部の基本動作を示すフローチャートである。 同実施形態に係る雑音判定部の詳細動作を示すフローチャートである。 本発明の第２実施形態に係る音声信号処理装置１０の機能構成を示すブロック図である。 同実施形態に係る雑音判定部の詳細動作を示すフローチャートである。
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
なお、説明は以下の順序で行うものとする。
１．第１の実施の形態（周波数特徴量及び減衰特徴量を用いる例）
１．１．雑音検出方法の概要
１．２．音声信号処理装置の全体構成
１．２．１．音声信号処理装置のハードウェア構成
１．２．２．音声信号処理装置の機能構成
１．３．振幅検出部の詳細
１．３．１．雑振幅検出部の構成
１．３．２．振幅検出部の動作
１．４．周波数特徴量算出部の詳細
１．４．１．周波数特徴量算出部の構成
１．４．２．周波数特徴量算出部の基本動作
１．４．３．周波数特徴量の具体例
１．４．４．キーボード音の周波数特性
１．４．５．周波数特徴量算出部の詳細動作
１．５．減衰特徴量算出部の詳細
１．５．１．減衰特徴量算出部の構成
１．５．２．減衰特徴量算出部の動作
１．６．雑音判定部の詳細
１．６．１．雑音判定部の構成
１．６．２．雑音判定部の動作
２．第２の実施の形態（周波数特徴量を用いる例）
２．１．音声信号処理装置の機能構成
２．２．音声信号処理装置の動作
３．まとめ
＜１．第１の実施の形態＞
［１．１．雑音検出方法の概要］
まず、本発明の第１の実施形態に係る特殊な突発性雑音を検出するための音声信号処理方法の概要について説明する。
本実施形態に係る音声信号処理装置及び方法は、ＩＣレコーダ等の録音機器で周辺音声を録音したときに、収音した音声信号に混入する突発的かつ非定常な雑音を検出及び低減する技術に関する。特に、本実施形態に係る音声信号処理装置及び方法は、録音機器から離隔した位置にあるノイズ発生源（例えばノートＰＣ）から発生する特殊な突発性雑音（例えばキーボード音）を検出対象としている。
録音音声における雑音の検出・低減方法としては、録音機器に装着されている操作ボタン、スイッチ等を操作するときの操作音による雑音を検出及び低減する技術は、一般的である。しかし、上記キーボード音などの特殊な突発性雑音の検出に着目した技術は知られていない。本実施形態は、上記キーボード音等の特殊な突発性雑音を適切に検出しようとするものである、これにより、録音音声の再生時に当該雑音を低減して、ユーザが録音音声を聞きやすくすることができる。
図１は、本実施形態に係る音声信号処理装置及び方法が適用される録音状況の例を示す模式図である。図１に示すように、複数の会議参加者が机３を囲んで会議をする際に、机３上に載置された録音機器１を用いて会議内容を録音する状況を想定する。この会議中に、議事録を作成する者がノートＰＣ２を使用して会議内容のメモを記録するとき、ノートＰＣ２のキーボードの押下によって、カチャカチャというキーボード音が突発的かつ断続的に発生する。このため、録音機器１は、録音対象である会議内容（参加者が発した音声）のみならず、ノートＰＣ２から伝播してくるキーボード音も雑音として録音してしまう。また、参加者が机３にぶつかったときや、筆記具等を机３に落としたときなどに発生する衝突音なども、雑音として、録音機器１で録音されてしまう。
このように、録音機器１とノートＰＣ２が所定距離（例えば５０ｃｍ）以上離隔して配置されている場合、上記キーボード音や衝突音などの特殊な突発性雑音が、録音音声に雑音として混入してしまうことがある。かかる録音音声を再生して聴く場合、キーボード音等の雑音は、聴者にとって不快であり、録音音声の聞き取りを妨害する。従って、録音機器１の操作ボタンを直接操作するときの操作音のみなならず、録音機器１から離隔した位置で発生する上記キーボード音などの特殊な突発性雑音も、適切に検出及び低減することが求められる。
ここで、図２及び図３を参照して、上記録音機器１の操作音と、ノートＰＣ２のキーボード音の特性の相違について説明する。図２は、録音機器１の操作音などのパルス的な雑音の雑音信号を示す波形図であり、図３は、ノートＰＣ２のキーボード音などの特殊な雑音の雑音信号を示す波形図である。
図２に示すように、録音機器１に設けられた操作ボタンを押下したときに生じる操作音は、瞬間的かつ単調に減衰する突発的雑音を構成する。つまり、該操作音の雑音信号は、パルス的な信号となり、継続時間が比較的短く（例えば０．０１秒以下）、減衰が急峻かつ単調である。従って、かかる操作音の雑音信号を閾値と比較するだけで、当該雑音信号を比較的容易に検出することが可能である。
これに対し、図３に示すように、キーボード音は、録音機器１から所定距離（例えば５０ｃｍ）以上離隔した位置で発生する特殊な突発性雑音であり、該特殊な突発性雑音の雑音信号は、上記操作音とは異なる特性を有する。つまり、図１に示したように、該特殊な突発性雑音は、ノイズ発生源（例えばノートＰＣ２）から録音機器１に至るまで間に、直接的な音６として空気中を伝播するだけでなく、複数の経路を経て録音機器１に到達する。例えば、当該雑音は、壁や天井などで空間的に反射する反射音７として伝播したり、机３を伝わる振動８として伝播したりする。このため、図３に示すように、キーボード音等の特殊な突発性雑音を録音した雑音信号は、上記パルス的な雑音信号と比べて継続時間が長く（０．０２秒以上）、減衰が単調でない信号となるので、パルス信号としての検出が困難である。
例えば、上記図１の例で、会議参加者がノートＰＣ２のキーボードを操作する場合、指がキーボードのボタンに接触開始してから、当該ボタンが十分に押下されるまでには、ある程度の時間がかかり、カチカチといったように２回押しするようなボタン操作となる。このため、キーボード音の雑音信号は、不規則で非単調に減衰する信号となる。また、キーボード操作に伴い生じた振動８が、ノートＰＣ２から録音機器１まで机３を通じて伝播するが、この振動８は、空気中を伝播するキーボード音６、７よりも遅延して伝わる。
このように、キーボード音等の特殊な雑音信号は、信号の減衰が長時間継続しかつ非単調であり、また、遅延して到達する別の振動８と同時に観測される。従って、従来のように信号レベルを閾値と比較するだけの簡単な検出方法では、上記キーボード音等の特殊な突発性雑音を検出することは困難である。
そこで、本実施形態に係る音声信号処理方法では、音声信号の信号レベルのみに着目するのではなく、（１）音声信号の信号レベル（振幅値）に加え、（２）音声信号の高周波数成分の継続時間及び（３）減衰状態という３つの判定要素を利用して、上記特殊な突発性雑音の雑音信号の台形的な特徴を捕捉することで、音声信号に含まれる当該特殊な雑音信号を検出する。
図４は、本実施形態に係る音声信号処理方法により雑音信号を検出するための３つの判定要素を模式的に示す波形図である。図４に示すように、（１）音声信号の信号レベルを用いることで、該音声信号に含まれる雑音信号の立ち上がり（即ち、雑音開始点Ｐ）を検出することができる。また、上記キーボード音等の特殊な雑音信号は、通常の音声よりも周波数の高く、基準周波数（例えば４ｋＨｚ）以上の高周波成分を、所定時間Ｔｔｈ以上にわたって継続的に含む。従って、（２）音声信号の高周波数成分の継続時間が所定時間Ｔｔｈ以上であるか否かを検出することで、音声信号に特殊な雑音信号が含まれているか否かを検出できる。さらに、上記キーボード音等の特殊な雑音信号は、上記パルス的な雑音信号のように単調減衰せずに、比較的長時間にわたって非単調に減衰する。従って、（３）音声信号の減衰状態を検出することで、音声信号に特殊な雑音信号が含まれているか否かを検出できる。
このように、本実施形態に係る音声信号処理方法では、（１）〜（３）の３つの判定要素を用いて、キーボード音等の特殊な雑音信号の波形の台形的な特徴（図４参照。）を捕捉することによって、音声信号に含まれる特殊な雑音信号を適切に検出する。以下に、本実施形態に係る音声信号処理方法と、それを実行するための音声信号処理装置について詳細に説明する。
［１．２．音声信号処理装置の全体構成］
次に、本実施形態に係る音声信号処理装置の構成について説明する。本実施形態では、音声信号処理装置の一例として、録音機器１で録音された音声信号を再生する再生装置の例を挙げて説明する。再生装置は、ソフトウェア又はハードウェアを用いた音声再生機能を有する装置であれば、任意の装置であってよいが、以下では、再生装置としてパーソナルコンピュータ（以下、ＰＣという。）の例について説明する。
例えば録音機器１により録音された音声（以下、録音音声）のデータを、記録媒体又はネットワークを介してＰＣ等の音声信号処理装置に提供することで、該音声信号処理装置は、録音音声のデータを再生して、スピーカー等の音声出力装置から出力する。音声信号処理装置は、この録音音声の再生時に、音声信号内の雑音信号を検出し、該雑音信号を低減する。以下に音声信号処理装置の構成例を説明する。
［１．２．１．音声信号処理装置のハードウェア構成］
まず、図５を参照して、音声信号処理装置１０のハードウェア構成例について説明する。図５は、本実施形態に係る音声信号処理装置１０としてのＰＣのハードウェア構成を示すブロック図である。
図５に示すように、音声信号処理装置１０は、例えば、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、ホストバス１０４と、ブリッジ１０５と、外部バス１０６と、インタフェース１０７と、入力装置１０８と、出力装置１０９と、ストレージ装置１１０と、ドライブ１１１と、接続ポート１１２と、通信装置１１３とを備える。このように音声信号処理装置１０は、例えば、汎用のコンピュータ機器を用いて構成できる。
ＣＰＵ１０１は、演算処理装置および制御装置として機能し、各種プログラムに従って動作し、音声信号処理装置１０内の各部を制御する。このＣＰＵ１０１は、ＲＯＭ１０２に記憶されているプログラム、或いは、ストレージ装置１１０からＲＡＭ１０３にロードされたプログラムに従って、各種の処理を実行する。ＲＯＭ１０２は、ＣＰＵ１０１が使用するプログラムや演算パラメータ等を記憶するとともに、ＣＰＵ１０１からストレージ装置１１０へのアクセスを軽減するためのバッファーとしても機能する。ＲＡＭ１０３は、ＣＰＵ１０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバスなどから構成されるホストバス１０４により相互に接続されている。ホストバス１０４は、ブリッジ１０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス１０６に接続されている。
ＣＰＵ１０１に付随して設けられるメモリ部（例えばＲＯＭ１０２や不図示のフラッシュメモリ等）には、ＣＰＵ１０１に各種の制御処理を実行させるためのプログラムが格納されており、ＣＰＵ１０１は、該プログラムに基づいて、各部の制御処理のための必要な演算処理を実行する。
本実施形態に係るプログラムは、上述したＣＰＵ１０１の各種制御を、ＣＰＵ１０１に実行させるためのプログラムである。このプログラムは、音声信号処理装置１０に内蔵された記憶装置（ストレージ装置１１０、ＲＯＭ１０２、フラッシュメモリ等）に予め格納しておくことができる。また、当該プログラムは、ＣＤ、ＤＶＤ、ブルーレイディスク等の光ディスク、メモリカードなどのリムーバブル記録媒体に格納されて、音声信号処理装置１０に提供されてもよいし、或いは、ＬＡＮ、インターネット等のネットワーク５を介して音声信号処理装置１０にダウンロードされてもよい
入力装置１０８は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、レバー等の操作手段と、入力信号を生成してＣＰＵ１０１に出力する入力制御回路などから構成されている。出力装置１０９は、例えば、液晶ディスプレイ（ＬＣＤ）装置、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、有機ＥＬディスプレイ装置等の表示装置と、スピーカー等の音声出力装置などで構成される。
ストレージ装置１１０は、各種のデータを格納するための格納装置であり、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの外付け型若しくは内蔵型のディスクドライブで構成される。このストレージ装置１１０は、記憶媒体であるハードディスクを駆動させ、ＣＰＵ１０１が実行するプログラムや各種データを格納する。ドライブ１１１は、記憶媒体用リーダライタであり、音声信号処理装置１０に内蔵、或いは外付けされる。このドライブ１１１は、音声信号処理装置１０にローディングされた磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体に対して、各種のデータを書き込み／読み出しする。
接続ポート１１２は、外部周辺機器を接続するためのポートであり、例えば、ＵＳＢ、ＩＥＥＥ１３９４等の接続端子を有する。接続ポート１１２は、インタフェース１０７、および外部バス１０６、ブリッジ１０５、ホストバス１０４等を介してＣＰＵ１０１等に接続されている。通信装置１１３は、例えば、ネットワーク５に接続するための通信デバイス等で構成された通信インタフェースである。この通信装置１１３は、外部装置との間で、ネットワーク５を介して、各種データを送受信する。
［１．２．２．音声信号処理装置の機能構成］
次に、図６を参照して、本実施形態に係る音声信号処理装置１０の機能構成例について説明する。図６は、本実施形態に係る音声信号処理装置１０の機能構成を示すブロック図である。
図６に示すように、音声信号処理装置１０は、雑音検出ユニット２０と、データ記憶部３０と、制御部３２と、雑音低減部３４と、音声出力部３６とを備える。これらの雑音検出ユニット２０、制御部３２、雑音低減部３４は、専用のハードウェアで構成されてもよいし、ソフトウェアで構成されてもよい。ソフトウェアを用いる場合、音声信号処理装置１０のＣＰＵ１０１が、以下に説明する各機能部の機能を実現するためのプログラムを実行すればよい。なお、図６中で、実線の矢印は音声信号のデータ線を示し、一点鎖線の矢印は特徴量線を示し、点線の矢印は特制御線を示す。
データ記憶部３０は、例えば、ハードディスク又はフラッシュメモリ等の記憶装置で構成され、録音機器１で録音された音声データを記憶する。例えば、録音機器１で録音された音声信号は、リムーバブル記憶媒体又はネットワーク５を介して音声信号処理装置１０に提供され、音声データとしてデータ記憶部３０に保存される。また、音声信号処理装置１０が、マイクロホン等の収音装置（図示せず。）を備え、録音機能を有している場合には、音声信号処理装置１０の制御部３２は、該収音装置から入力された音声信号を、音声データとしてデータ記憶部３０に記録する。そして、録音音声の再生時には、データ記憶部３０から音声データが読み出されて、復号化などの再生処理が実行される。この再生処理時には、データ記憶部３０から読み出された音声データは、例えば図２又は図３に示したような波形を有する音声信号として、雑音検出ユニット２０と雑音低減部３４に出力される。
制御部３２は、ＣＰＵ１０１等で構成され、音声信号処理装置１０内の各部を制御する。例えば、制御部３２は、雑音検出ユニット２０により検出された雑音信号が低減されるように、雑音低減部３４の動作を制御する。
雑音検出ユニット２０は、例えば録音音声の再生時に、データ記憶部３０から入力された音声信号に含まれる雑音信号を検出し、検出結果を制御部３２に出力する。この雑音検出ユニット２０による雑音検出処理は、本実施形態に係る特徴であるので、その詳細は後述する。
雑音低減部３４は、制御部３２からの指示に基づいて、データ記憶部３０から入力された音声信号から、雑音検出ユニット２０により検出された雑音信号を低減する。この雑音低減部３４による雑音低減処理は、公知の任意の手法を採用することができる。例えば、雑音低減部３４は、音声信号に含まれる雑音信号の信号レベル（振幅値）を、ほぼゼロにする、又は所定レベル以下に抑制することで、音声信号に含まれる雑音信号を低減する。
音声出力部３６は、スピーカー等で構成される。音声出力部３６は、雑音低減部３４により雑音信号が低減された音声信号が入力され、該音声信号が表す音声を出力する。ユーザは、この音声出力部３６から出力された音声を聴くことで、録音音声の内容を把握できる。
次に、雑音検出ユニット２０の構成について詳述する。図６に示すように、雑音検出ユニット２０は、振幅検出部２２と、周波数特徴量算出部２４と、減衰特徴量算出部２６と、雑音判定部２８とを備える。
振幅検出部２２は、雑音信号を含む音声信号の振幅値Ａを検出し、この振幅値Ａ（信号レベル）を所定の閾値Ａｔｈと比較し、当該比較結果に基づいて、音声信号の雑音開始点Ｐを検出する。ここで、雑音開始点Ｐは、音声信号に含まれる上記キーボード音等の特殊な雑音信号の開始位置（雑音信号の立ち上がり位置）を意味する。本実施形態では、この雑音開始点Ｐや後述の雑音終了点Ｑは、例えば、音声信号が録音された時刻で特定されるが、かかる例に限定されない。例えば、タイムコード、音声信号の先頭からの時間、フレーム数、ビット数など、音声信号における時間軸上の位置を表す任意のパラメータを用いて、雑音開始点Ｐや雑音終了点Ｑを特定することができる。
また、振幅検出部２２は、検出した雑音開始点Ｐを表す情報を、雑音判定部２８、周波数特徴量算出部２４及び減衰特徴量算出部２６に通知する。さらに、振幅検出部２２は、音声信号の雑音開始点Ｐ付近の信号エネルギーを算出し、該信号エネルギーを振幅特徴量Ｅとして雑音判定部２８に出力する。
周波数特徴量算出部２４は、音声信号における雑音開始点Ｐ付近から所定時間Ｔｔｈ経過後の時点までの区間の周波数特性を解析し、当該区間の周波数特性を表す周波数特徴量Ｒｆを算出する。ここで、周波数特徴量Ｒｆは、例えば、音声信号のゼロクロス点の数を表すパラメータ、又は音声信号の全ての周波数成分に対する基準周波数（例えば４ｋＨｚ）以上の高周波数成分の比率を表すパラメータなどである。上記のようにキーボード音等の特殊な雑音信号は、基準周波数以上の高周波成分を多く含むため、音声信号の周波数特性を分析することで、当該特殊な雑音信号の有無や継続時間を判定できる。周波数特徴量算出部２４は、算出した周波数特徴量Ｒｆを、雑音判定部２８に出力する。
また、周波数特徴量算出部２４は、上記雑音開始点Ｐ以降の音声信号を複数の区間（フレーム）に分割し、各々の区間ごとに周波数特徴量Ｒｆを算出してもよい。これにより、雑音開始点Ｐ以降の音声信号を細分化した複数の区間についてそれぞれ、周波数特徴量Ｒｆを算出できるので、雑音信号の有無や継続時間の検出精度を向上できる。
減衰特徴量算出部２６は、音声信号の信号エネルギーを解析することにより、該音声信号に含まれる雑音信号の減衰を表す減衰特徴量Ｒａを算出する。ここで、減衰特徴量Ｒａは、例えば、雑音開始点Ｐ付近の音声信号のエネルギーＥ１と、雑音開始点Ｐから所定時間Ｔｄ経過後の時点付近の音声信号のエネルギーＥ２との比率を表すパラメータなどである。上記のようにキーボード音等の特殊な雑音信号は、少なくとも所定時間Ｔｔｈ以上にわたって高い信号レベルを継続した後に非単調に減衰するため、音声信号の信号エネルギーの時間経過を分析することで、当該特殊な雑音信号の減衰状態を判定できる。減衰特徴量算出部２６は、算出した減衰特徴量Ｒａを、雑音判定部２８に出力する。
また、減衰特徴量算出部２６は、上記雑音開始点Ｐ以降の音声信号を複数の区間（フレーム）に分割し、各々の区間ごとに減衰特徴量Ｒａを算出してもよい。これにより、雑音開始点Ｐ以降の音声信号を細分化した複数の区間についてそれぞれ、減衰特徴量Ｒａを算出できるので、雑音信号の減衰状態の検出精度を向上できる。
雑音判定部２８は、上記振幅検出部２２、周波数特徴量算出部２４、減衰特徴量算出部２６からそれぞれ、振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａを取得する。そして、雑音判定部２８は、当該振幅特徴量Ｅ、周波数特徴量Ｒｆ及び減衰特徴量Ｒａに基づいて、雑音信号の有無を判定するとともに、音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定する。ここで雑音区間は、音声信号のうちで、上記キーボード音等の特殊な突発性雑音の雑音信号が含まれる区間である。
例えば、雑音判定部２８は、周波数特徴量Ｒｆを所定の閾値Ｒｆ＿ｔｈと比較して、周波数特徴量Ｒｆが当該閾値Ｒｆ＿ｔｈ以上である区間を求める。さらに、雑音判定部２８は、減衰特徴量Ｒａを所定の閾値Ｒａ＿ｔｈと比較して、周波数特徴量Ｒｆが当該閾値Ｒａ＿ｔｈ以下に減少する位置を、雑音信号が所定基準以下に減衰する雑音終了点Ｑとして判定する。そして、雑音判定部２８は、音声信号において基準周波数以上の高周波数成分を継続的に含む区間のうち、雑音開始点Ｐから雑音終了点Ｑまでの区間を、雑音区間として判定する。
また、雑音判定部２８は、検出した雑音区間を表す情報を制御部３２に出力する。これにより、制御部３２は、雑音低減部３４を制御して、音声信号の雑音区間に含まれる雑音信号を低減させる。
以上、本実施形態に係る音声信号処理装置１０の雑音検出ユニット２０の概略構成について説明した。本実施形態に係る雑音検出ユニット２０は、音声信号の振幅値Ａを用いて雑音信号の立ち上がりを検出するだけでなく、雑音信号の継続時間及び信号エネルギーの減衰の程度をモデル化する。これにより、録音音声に含まれるキーボード音等の特殊な雑音信号の有無及びその区間を適切に判定することができる。
［１．３．振幅検出部の詳細］
次に、本実施形態に係る音声信号処理装置１０の振幅検出部２２の構成及び動作について説明する。
［１．３．１．振幅検出部の構成］
まず、図７を参照して、本実施形態に係る振幅検出部２２の構成について説明する。図７は、本実施形態に係る振幅検出部２２の構成を示すブロック図である。
図７に示すように、振幅検出部２２は、記憶部２２２と、比較部２２４と、演算部２２６と、通知部２２８を備える。比較部２２４と、演算部２２６には、再生された音声信号が外部から入力される。
記憶部２２２は、雑音信号の立ち上がりの判定基準となる振幅値の閾値Ａｔｈを記憶する。比較部２２４は、記憶部２２２から閾値Ａｔｈを読み出して、入力された音声信号の振幅値Ａと閾値Ａｔｈを比較し、当該検出結果に基づいて雑音開始点Ｐを検出する。この結果、音声信号の信号レベルが急激に立ち上がり、閾値Ａｔｈ未満であった音声信号の振幅値Ａが閾値Ａｔｈより大きくなったとき、雑音開始点Ｐを表す基準時刻Ｔ０を演算部２２６及び通知部２２８に伝える。
上記雑音開始点Ｐが検出されると、演算部２２６は、入力される音声信号を検波して、該音声信号の雑音開始点Ｐ付近の信号エネルギーＥを算出し、該信号エネルギーＥを振幅特徴量として、雑音判定部２８に通知する。また、上記雑音開始点Ｐが検出されると、通知部２２８は、雑音開始点Ｐを表す基準時刻Ｔ０を、周波数特徴量算出部２４及び減衰特徴量算出部２６に通知する。
［１．３．２．振幅検出部の動作］
次に、図８〜図１０を参照して、本実施形態に係る振幅検出部２２の基本動作について説明する。図８は、本実施形態に係る振幅検出部２２の基本動作を示すフローチャートである。図９は、本実施形態に係る音声信号の閾値Ａｔｈを示す波形図である。図１０は、本実施形態に係る音声信号における雑音開始点Ｐ付近の信号エネルギーＥの算出範囲を示す波形図である。
図８に示すように、まず、振幅検出部２２は、外部（例えば、データ記憶部３０又はマイクロホンなど）から、録音された音声信号を取得する（ステップＳ１０）。この音声信号は、振幅検出部２２に継続的に入力される。
次いで、振幅検出部２２は、入力される音声信号の振幅値Ａ（信号レベル）の絶対値が閾値Ａｔｈより大きくなったか否かを判定し、振幅値Ａが閾値Ａｔｈより大きくなったときの音声信号の位置を、雑音開始点Ｐとして検出する（ステップＳ１２）。図９に示すように、音声信号の振幅値Ａが閾値Ａｔｈより大きくなったときには、雑音信号の立ち上がりが生じ、当該立ち上がり位置が、音声信号に含まれる雑音信号の雑音開始点Ｐとなる。ここで、閾値Ａｔｈは、例えば、音声信号に対するＡｕｔｏ Ｇａｉｎ Ｃｏｎｔｒｏｌ（ＡＧＣ）機能が有効化される基準振幅値Ｂｔｈに基づいて設定することができ、例えば、ＡＧＣ機能の基準振幅値Ｂｔｈの９０％の値を、閾値Ａｔｈに設定してもよい。これにより、雑音信号の立ち上がりを好適に検出可能となる。
このように、音声信号の振幅値Ａの絶対値が閾値Ａｔｈを超えたときに、雑音検出ユニット２０による雑音検出機能が有効化され、周波数特徴量算出部２４及び減衰特徴量算出部２６による特徴量の算出処理や、雑音判定部２８による雑音判定処理が実行されるようになる。
次いで、振幅検出部２２は、上記検出された雑音開始点Ｐに対応する基準時刻Ｔ０を記憶部２２２に保持するとともに、当該基準時刻Ｔ０を周波数特徴量算出部２４及び減衰特徴量算出部２６に通知する（ステップＳ１４）。
さらに、振幅検出部２２は、入力された音声信号を検波することにより、該音声信号の雑音開始点Ｐ付近の信号エネルギーＥを算出し、当該信号エネルギーＥを振幅特徴量として雑音判定部２８に出力する（ステップＳ１６）。例えば図１０に示すように、振幅特徴量は、雑音開始点Ｐから所定範囲Ｎ内にある音声信号のエネルギーであってよい。
次に、図１１を参照して、本実施形態に係る振幅検出部２２の詳細動作について説明する。図１１は、本実施形態に係る振幅検出部２２の詳細動作を示すフローチャートである。なお、図１１において、ｎは音声信号のサンプル番号であり、ｘ（ｎ）はサンプル番号ｎにおける音声信号の振幅値Ａであり、Ｎは音声信号の１つのフレーム中のサンプル数である。
図１１に示すように、まず、振幅検出部２２は、データ記憶部３０に保存されている音声信号を取得する（ステップＳ１００）。次いで、振幅検出部２２は、サンプル番号ｎにおける音声信号の振幅値Ａの絶対値ｘ（ｎ）が閾値Ａｔｈより大きいか否かを判定し（ステップＳ１０２）、ｘ（ｎ）がＡｔｈ以下である場合には、ｎ＝ｎ+１としてサンプル番号を１つ増加させる（ステップＳ１０４）。かかる処理を繰り返すことにより、ｘ（ｎ）がＡｔｈより大きくなったときに、振幅検出部２２は、そのときのサンプル番号ｎを、基準時刻Ｔ０（即ち、雑音開始点Ｐ）を表すパラメータとしてメモリに保持し、当該基準時刻Ｔ０を周波数特徴量算出部２４及び減衰特徴量算出部２６に通知する（ステップＳ１０６）。
次いで、振幅検出部２２は、以下の式（１）に従って、雑音開始点Ｐ直後の信号エネルギーＥを算出する（ステップＳ１０８）。ここで、雑音開始点Ｐ付近の信号エネルギーＥは、図１０に示したように、雑音開始点Ｐ（基準時刻Ｔ０）から所定のサンプル数Ｎまでの範囲内の音声信号の信号エネルギーである。例えば、音声信号の左脳リング周波数は４４．１ｋＨｚである場合。Ｎ＝１２８とすることができる。これにより、雑音信号の立ち上がり付近の信号エネルギーＥを算出できる。
その後、振幅検出部２２は、上記Ｓ１０８で算出した信号エネルギーＥを、キーボード音等の雑音信号の有無を判定するための振幅特徴量として、雑音判定部２８に通知する（ステップＳ１１０）。
以上のように、振幅検出部２２は、音声信号の振幅値Ａを解析することで、音声信号に含まれる雑音信号の立ち上がり位置（雑音開始点Ｐ）を検出するとともに、その雑音開始点Ｐを基準とした信号エネルギーＥを振幅特徴量として算出する。これにより、後述の雑音判定部２８により、雑音信号の立ち上がり時の振幅特徴量を用いて、キーボード音等の雑音信号の有無を適切に判定できる。
［１．４．周波数特徴量算出部の詳細］
次に、本実施形態に係る音声信号処理装置１０の周波数特徴量算出部２４の構成及び動作について説明する。
［１．４．１．周波数特徴量算出部の構成］
まず、図１２を参照して、本実施形態に係る周波数特徴量算出部２４の構成について説明する。図１２は、本実施形態に係る周波数特徴量算出部２４の構成を示すブロック図である。
図１２に示すように、周波数特徴量算出部２４は、音声信号の周波数特性を利用して、該音声信号中に含まれる雑音信号の継続区間を求めるための周波数特徴量Ｒｆを算出する。周波数特徴量算出部２４は、周波数特徴量Ｒｆの算出処理を実行する演算部２４２を備える。
演算部２４２には、再生された音声信号が外部から入力されるとともに、振幅検出部２２から上記雑音開始点Ｐを表す基準時刻Ｔ０が通知される。上記基準時刻Ｔ０が通知されると、演算部２４２は、音声信号を解析することによって、該音声信号の周波数特性を表す周波数特徴量Ｒｆを算出し、雑音判定部２８に通知する。詳細には、演算部２４２は、雑音開始点Ｐ（基準時刻Ｔ０）以後の所定区間の音声信号の周波数特性を解析することにより、当該区間の音声信号が基準周波数（例えば４ｋＨｚ）以上の高周波数成分を含有する度合いを表す周波数特徴量Ｒｆを算出する。かかる周波数特徴量Ｒｆにより、キーボード音等の特殊な雑音信号の特徴である高周波数成分の継続時間を判定することが可能となる。
［１．４．２．周波数特徴量算出部の基本動作］
次に、図１３及び図１４を参照して、本実施形態に係る周波数特徴量算出部２４の基本動作について説明する。図１３は、本実施形態に係る周波数特徴量算出部２４の基本動作を示すフローチャートである。図１４は、本実施形態に係る周波数特徴量Ｒｆの算出処理を説明するための波形図である。
図１３に示すように、まず、周波数特徴量算出部２４は、外部（例えば、データ記憶部３０又はマイクロホンなど）から、録音された音声信号を取得する（ステップＳ２０）。例えば図１４Ａに示すように、雑音信号を含む音声信号が周波数特徴量算出部２４に継続的に入力される。
そして、上記振幅検出部２２により音声信号における雑音開始点Ｐが検出されたとき、周波数特徴量算出部２４は、振幅検出部２２から、雑音信号が立ち上がった雑音開始点Ｐを表す基準時刻Ｔ０を取得する（ステップＳ２２）。図１４Ｂに示すように、音声信号中の雑音信号が閾値Ａｔｈを超えた時点が雑音開始点Ｐ（基準時刻Ｔ０）である。
次いで、周波数特徴量算出部２４は、雑音開始点Ｐ（基準時刻Ｔ０）を基準とする所定区間の音声信号の周波数特性を解析して、雑音開始点Ｐ付近の周波数特徴量Ｒｆを算出する（ステップＳ２４）。
本実施形態に係る周波数特徴量算出部２４は、図１４Ｃに示すように、基準時刻Ｔ０を基準として音声信号を複数の区間（フレーム）Ｆ１、Ｆ２、Ｆ３、・・・に分割し、フレームＦごとに周波数特徴量Ｒｆを算出する。各フレームＦの時間幅及びサンプル数Ｎは同一であり、例えば、１つのフレームＦの時間幅は３ｍｓｅｃであり、１つのフレームのサンプル数Ｎは１２８である。図１４Ｃの例では、時間軸上で先頭に配置される第１のフレームＦ１は、雑音開始点Ｐ（基準時刻Ｔ０）の直前に設定され、第２のフレームＦ２は、雑音開始点Ｐ（基準時刻Ｔ０）の直後に設定される。このようにして、雑音開始点Ｐを基準として音声信号を複数のフレームＦに分割し、フレームＦごとに周波数特徴量Ｒｆを算出することで、雑音信号の存在する区間（雑音区間）を高精度で検出可能となる。
［１．４．３．周波数特徴量の具体例］
次に、周波数特徴量Ｒｆの２種類の具体例について説明する。周波数特徴量Ｒｆとして、例えば、以下に説明する（１）ゼロクロス（零交差）点の数、又は（２）高周波数成分のエネルギー比を使用することができる。
（１）ゼロクロス点の数を用いた周波数特徴量Ｒｆ
まず、図１５を参照して、周波数特徴量Ｒｆとして、音声信号のゼロクロス点Ｚの数ｃｎｔを表すパラメータを用いる例について説明する。図１５は、ゼロクロス点Ｚを説明するための波形図である。
図１５に示すように、ゼロクロス点Ｚは、音声信号の時間波形において信号値が正の値から負の値に、又は負の値から正の値に変化する点を示す。ゼロクロス点では、音声信号の信号値はゼロとなる。このゼロクロス点Ｚの数ｃｎｔが多いほど、音声信号が、より高い周波数成分を有することになる。
周波数特徴量算出部２４は、かかるゼロクロス点Ｚの数ｃｎｔを音声信号の１フレームＦ中のサンプル数Ｎで除算した値（＝ｃｎｔ／Ｎ）を、周波数特徴量Ｒｆとして用いることができる。０≦（ｃｎｔ／Ｎ）＜１であり、音声信号がナイキスト周波数（＝サンプリング周波数／２）の信号を含む場合に、当該値（ｃｎｔ／Ｎ）は１となり、音声信号が低周波数成分のみを含む場合は、当該値（ｃｎｔ／Ｎ）は０に近づく。
このように、ゼロクロス点Ｚの数ｃｎｔは、音声信号に含まれる高周波数成分の比率を示すパラメータである。周波数特徴量算出部２４は、図１４Ｃで示したフレームＦごとに、ゼロクロス点Ｚの数ｃｎｔをＮで除算した値（ｃｎｔ／Ｎ）を算出して、各フレームＦの周波数特徴量Ｒｆを得ることができる。
（２）高周波数成分のエネルギー比を用いた周波数特徴量Ｒｆ
次に、図１６を参照して、周波数特徴量Ｒｆとして、音声信号の全ての周波数成分に対する、基準周波数ｆ０以上の高周波数成分の比率（高周波数成分のエネルギー比）を表すパラメータを用いる例について説明する。図１６は、高周波数成分のエネルギー比を説明するための波形図である。
図１６に示すように、高周波数成分のエネルギー比は、音声信号の全ての周波数成分（図１６Ａ参照。）のエネルギーＡ１に対する、周波数が基準周波数ｆ０以上である高周波数成分（図１６Ｂ参照。）のエネルギーＡ２の比率Ｈである（Ｈ＝面積Ａ２／面積Ａ１）。
周波数特徴量算出部２４は、かかる比率Ｈを、周波数特徴量Ｒｆとして用いることができる。０≦Ｈ≦１であり、音声信号が高周波数成分を多く含む場合は、Ｈは１に近づき、音声信号が低周波数成分を多く含む場合は、Ｈは０に近づく。
このように、音声信号における高周波数成分のエネルギー比Ｈは、音声信号に含まれる高周波数成分の比率を示すパラメータとなる。周波数特徴量算出部２４は、図１４Ｃで示したフレームごとに高周波数成分のエネルギー比Ｈを算出して、各フレームＦの周波数特徴量Ｒｆを得ることができる。
［１．４．４．キーボード音の周波数特性］
次に、図１７を参照して、キーボード音等の特殊な雑音信号の周波数特性について説明する。図１７は、キーボード音の周波数特性を示す波形図である。図１７の実線の波形Ｗ１は、キーボード音の周波数特性を示し、波線の波形Ｗ２は、空調機等の一般的な雑音の周波数特性を示す。
図１７に示すように、キーボード音（波形Ｗ１）は、基準周波数ｆ０（例えば４ｋＨｚ）以上の高周波数成分を多く含むことが分かる。一方、実環境で録音される音声（例えば、人間の声、環境音）の多くは、高周波数成分に比べて、基準周波数ｆ０未満の低周波数成分をより多く含んでおり、一般的な雑音（波形Ｗ２）も、高周波数成分よりも低周波数成分を多く含む。
従って、録音された音声信号における高周波数成分と低周波数成分の比率を検出することで、雑音の種類を分類することができる。例えば、録音された音声信号の一部において高周波数成分の占める比率が多ければ、その部分はキーボード音等の特殊な雑音であると特定できる。
また、図１７に示すように、キーボード音は、４ｋＨｚ以上の周波数成分を多く含んでいるのに対し、人間の声は４ｋＨｚ未満の周波数成分を多く含んでいる。従って、録音された音声信号にキーボード音が含まれているか否かを判定するためには、低域遮断フィルタ（ハイパスフィルタ）を用いて音声信号から例えば４ｋＨｚ未満の低周波数成分をカットした上で、音声信号の高周波数成分を解析することが好ましい。
［１．４．５．周波数特徴量算出部の詳細動作］
次に、本実施形態に係る周波数特徴量算出部２４の詳細動作について説明する。
（１）ゼロクロス点Ｚの数Ｎｚを用いた周波数特徴量Ｒｆの算出動作
まず、図１８を参照して、本実施形態に係るゼロクロス点Ｚの数Ｎｚを用いて周波数特徴量Ｒｆを算出する動作について説明する。図１８は、本実施形態に係る周波数特徴量算出部２４による周波数特徴量Ｒｆ（ゼロクロス点Ｚの数Ｎｚ）の算出動作を示すフローチャートである。
図１８に示すように、まず、周波数特徴量算出部２４は、データ記憶部３０に保存されている音声信号ｘ（ｎ）を取得する（ステップＳ２００）。次いで、周波数特徴量算出部２４は、振幅検出部２２から、雑音開始点Ｐを表す基準時刻Ｔ０を取得する（ステップＳ２０２）。なお、Ｔ０は、例えば、雑音開始点Ｐが検出されたときの音声信号ｘ（ｎ）のサンプル番号ｎである。
次いで、周波数特徴量算出部２４は、基準時刻Ｔ０を基準として音声信号ｘ（ｎ）を複数のフレームＦ（ｉ）（ｉ＝−Ｌａ、−Ｌａ＋１、・・・、Ｌｂ−１、Ｌｂ）に分割し、フレームＦごとにゼロクロス点Ｚの数ｃｎｔを算出し、１フレームのサンプル数Ｎを用いて当該ｃｎｔを正規化する（ステップＳ２０４〜Ｓ２２０）。このようにして、音声信号ｘ（ｎ）を分割したフレームＦ（ｉ）ごとに、周波数特徴量Ｒｆ（＝ｃｎｔ／Ｎ）が算出される。
具体的には、周波数特徴量算出部２４は、パラメータｎ０をＴ０に設定し、パラメータｉを−Ｌａに設定する（ステップＳ２０４）。ここで、Ｌａは、基準時刻Ｔ０より前に設定されるフレームＦの数であり、Ｌｂは、基準時刻Ｔ０より後に設定されるフレームＦの数である。
さらに、周波数特徴量算出部２４は、パラメータｎ１をｎ０＋ｉ＊Ｎに設定し、パラメータｎ２をｎ１＋Ｎ−１に設定し、ゼロクロス点Ｚの数を表すカウンター値ｃｎｔを０に初期化する（ステップＳ２０６）。ここで、ｎ１は、音声信号のｉ番目のフレームＦ（ｉ）の先頭のサンプル番号であり、ｎ２は、音声信号のｉ番目のフレームＦ（ｉ）の末尾のサンプル番号である。
次いで、サンプル番号ｎ１の音声信号ｘ（ｎ１）の振幅値と、サンプル番号ｎ１＋１の音声信号ｘ（ｎ１）の振幅値と積が０未満であれば（ステップＳ２０８）、両者の間にゼロクロス点Ｚが存在しているので、ゼロクロス点Ｚの数ｃｎｔを１つ加算する（ステップＳ２１０）。一方、当該積が０以上未満であれば（ステップＳ２０８）、ゼロクロス点Ｚは存在しないので、ｃｎｔを加算しない。
さらに、周波数特徴量算出部２４は、パラメータｎ１に１を加算し（ステップＳ２１２）、ｎ１＜ｎ２であるか否かを判定する（ステップＳ２１４）。この結果、ｎ１＝ｎ２となるまで、Ｎ個のｎ１について上記Ｓ２０８〜Ｓ２１２の処理が繰り返されて、ｉ番目のフレームＦ（ｉ）に含まれるゼロクロス点Ｚの数ｃｎｔがカウントされる。
その後、周波数特徴量算出部２４は、ゼロクロス点Ｚの数ｃｎｔをサンプル数ｎで除算した値を、ｉ番目のフレームＦ（ｉ）の周波数特徴量Ｒｆ（ｉ）に設定する（ステップＳ２１６）。さらに、周波数特徴量算出部２４は、パラメータｉに１を加算し（ステップＳ２１８）、ｉ＜Ｌｂであるか否かを判定する（ステップＳ２２０）。この結果、ｉ＝Ｌｂとなるまで、（Ｌａ＋Ｌｂ）個のｉについて上記Ｓ２０６〜Ｓ２１８の処理が繰り返されて、（Ｌａ＋Ｌｂ）個のフレームＦ（ｉ）についてそれぞれ、周波数特徴量Ｒｆ（ｉ）が算出される。
その後、周波数特徴量算出部２４は、上記のように算出された（Ｌａ＋Ｌｂ）個のフレームＦ（ｉ）の周波数特徴量Ｒｆ（ｉ）を雑音判定部２８に通知する（ステップＳ２２２）。
（２）高周波成分のエネルギー比Ｈを用いた周波数特徴量Ｒｆの算出動作
次に、図１９を参照して、本実施形態に係る高周波成分のエネルギー比Ｈを用いて周波数特徴量Ｒｆを算出する動作について説明する。図１９は、本実施形態に係る周波数特徴量算出部２４による周波数特徴量Ｒｆ（高周波成分のエネルギー比Ｈ）の算出動作を示すフローチャートである。
図１９に示すように、まず、周波数特徴量算出部２４は、データ記憶部３０に保存されている音声信号ｘ（ｎ）を取得する（ステップＳ２５０）。さらに、周波数特徴量算出部２４は、音声信号ｘ（ｎ）を低域遮断フィルタに通すことにより、高周波数成分のみを含む音声信号ｙ（ｎ）を生成する（ステップＳ２５２）。具体的には、周波数特徴量算出部２４は、以下の式（２）に従って、音声信号ｘ（ｎ）から所定周波数以下の低周波数成分を除去することにより、高周波数成分のみを含む音声信号ｙ（ｎ）を生成する。
次いで、周波数特徴量算出部２４は、振幅検出部２２から、雑音開始点Ｐを表す基準時刻Ｔ０を取得する（ステップＳ２５４）。なお、Ｔ０は、例えば、雑音開始点Ｐが検出されたときの音声信号ｘ（ｎ）のサンプル番号ｎである。
次いで、周波数特徴量算出部２４は、基準時刻Ｔ０を基準として音声信号ｘ（ｎ）、ｙ（ｎ）を複数のフレームＦ（ｉ）（ｉ＝−Ｌａ、−Ｌａ＋１、・・・、Ｌｂ−１、Ｌｂ）に分割し、フレームＦごとに高周波成分のエネルギー比Ｈを算出する（ステップＳ２５６〜Ｓ２６４）。このようにして、音声信号ｘ（ｎ）、ｙ（ｎ）を分割したフレームＦ（ｉ）ごとに、周波数特徴量Ｒｆが算出される。
具体的には、まず、周波数特徴量算出部２４は、パラメータｎをＴ０に設定し、パラメータｉを−Ｌａに設定する（ステップＳ２５６）。ここで、Ｌａは、基準時刻Ｔ０より前に設定されるフレームＦの数である。なお、Ｌｂは、基準時刻Ｔ０より後に設定されるフレームＦの数である。
次いで、周波数特徴量算出部２４は、以下の式（３）及び（４）に従って、全周波数成分を含む音声信号ｘ（ｎ）のエネルギーＰｔｏｔａｌと、高周波数成分のみを含む音声信号ｙ（ｎ）のエネルギーＰＨｉｇｈを算出する（ステップＳ２５８）。
さらに、周波数特徴量算出部２４は、次の式（５）のように、上記Ｓ２５８で求めたエネルギーＰＨｉｇｈをエネルギーＰｔｏｔａｌで除算して、ｉ番目のフレームＦ（ｉ）のエネルギー比Ｈ（ｉ）を算出する（ステップＳ２６０）。周波数特徴量算出部２４は、このように求めたＨ（ｉ）を、ｉ番目のフレームＦ（ｉ）の周波数特徴量Ｒｆ（ｉ）に設定する。
その後、周波数特徴量算出部２４は、パラメータｉに１を加算し（ステップＳ２６２）、ｉ＜Ｌｂであるか否かを判定する（ステップＳ２６４）。この結果、ｉ＝Ｌｂとなるまで、（Ｌａ＋Ｌｂ）個のｉについて上記Ｓ２５８〜Ｓ２６２の処理が繰り返されて、（Ｌａ＋Ｌｂ）個のフレームＦ（ｉ）についてそれぞれ、周波数特徴量Ｒｆ（ｉ）として、Ｈ（ｉ）が算出される。
その後、周波数特徴量算出部２４は、上記のように算出された（Ｌａ＋Ｌｂ）個のフレームＦ（ｉ）の周波数特徴量Ｒｆ（ｉ）を雑音判定部２８に通知する（ステップＳ２６６）。
以上、図１８、図１９を用いて説明したように、周波数特徴量算出部２４は、基準時刻Ｔ０を基準として音声信号を複数のフレームＦに分割し、各フレームの周波数特徴量Ｒｆを算出する。この周波数特徴量Ｒｆは、音声信号に含まれる高周波数成分の比率を表している。これにより、後述の雑音判定部２８は、周波数特徴量Ｒｆを用いて、音声信号の中から高周波数成分を継続的に含む雑音信号が存在する区間を特定できるので、キーボード音等の特殊な雑音信号の有無とその区間を適切に判定できる。
なお、音声信号のサンプリング周波数が４４．１ｋＨｚである場合、Ｎ＝１２８、Ｌａ＝１、Ｌｂ＝１に設定できる。この例では、基準時刻Ｔ０の前後に３個のフレームＦが設定されることになるが、かかる例に限定されない。例えば、Ｌａを２以上の整数に設定して、基準時刻Ｔ０の前に複数のフレームＦを設定してもよいし、或いは、Ｌａ＝０として、基準時刻Ｔ０の後にのみフレームＦを設定してもよい。また、Ｌａを２以上の整数に設定して、基準時刻Ｔ０の後に３以上のフレームＦを設定してもよい。ただし、基準時刻Ｔ０の後に１又は２以上のフレームＦを設定する際には、検出対象であるキーボード音の継続時間に応じて、該キーボード音の雑音信号が存在する区間をカバーするようにフレームＦを設定すればよい。
次に、図２０及び図２１を参照して、上記周波数特徴量算出部２４により算出された周波数特徴量Ｒｆの具体例に説明する。図２０は、本実施形態に係る音声信号と、ゼロクロス点Ｚの数ｃｎｔを用いて得られた周波数特徴量Ｒｆを示すグラフである。図２１は、本実施形態に係る音声信号と、高周波数成分のエネルギー比Ｈを用いて得られた周波数特徴量Ｒｆを示すグラフである。
なお、図２０、図２１は、基準時刻Ｔ０を基準として、サンプル数Ｎ＝１２８ごとに音声信号を複数のフレームＦに分割し、各フレームＦの周波数特徴量Ｒｆを求めた結果を示している。ゼロクロス点Ｚの数ｃｎｔ又は高周波数成分のエネルギー比Ｈのいずれを用いた場合も、音声信号の基準時刻Ｔ０は１３番目のフレームＦの開始点に対応している。
図２０及び図２１に示すように、そして、周波数特徴量Ｒｆは、音声信号の基準時刻Ｔ０（１３番目のフレームＦ）を中心として前後１フレーム程度にわたって、周囲よりも大きな値となっていることが分かる。従って、上記周波数特徴量Ｒｆを雑音区間の判定基準として用いることで、音声信号の中から、高周波数成分が存在する区間、即ち、キーボード音等の特殊な雑音信号の存在する区間を適切に推定できるといえる。
［１．５．減衰特徴量算出部の詳細］
次に、本実施形態に係る音声信号処理装置１０の減衰特徴量算出部２６の構成及び動作について説明する。
［１．５．１．減衰特徴量算出部の構成］
まず、図２２を参照して、本実施形態に係る減衰特徴量算出部２６の構成について説明する。図２２は、本実施形態に係る減衰特徴量算出部２６の構成を示すブロック図である。
図２２に示すように、減衰特徴量算出部２６は、音声信号のエネルギー減衰を利用して、該音声信号に含まれる雑音信号の減衰状態を表す減衰特徴量Ｒａを算出する。減衰特徴量算出部２６は、減衰特徴量Ｒａの算出処理を実行する演算部２６２を備える。
演算部２６２には、再生された音声信号が外部から入力されるとともに、振幅検出部２２から上記雑音開始点Ｐを表す基準時刻Ｔ０が通知される。上記基準時刻Ｔ０が通知されると、演算部２６２は、音声信号を解析することによって、雑音信号の減衰状態を表す減衰特徴量Ｒａを算出し、雑音判定部２８に通知する。詳細には、演算部２６２は、雑音開始点Ｐ（基準時刻Ｔ０）付近の音声信号のエネルギーＥ１と、雑音開始点Ｐから所定時間Ｔｄ経過した時点付近の音声信号のエネルギーＥ２との関係性を用いて、減衰特徴量Ｒａを算出する。かかる減衰特徴量Ｒａにより、キーボード音等の特殊な雑音信号の特徴である緩やかな減衰を判定することが可能となる。
［１．５．２．減衰特徴量算出部の動作］
次に、図２３及び図２４を参照して、本実施形態に係る減衰特徴量算出部２６の基本動作について説明する。図２３は、本実施形態に係る減衰特徴量算出部２６の基本動作を示すフローチャートである。図２４は、本実施形態に係る減衰特徴量の算出処理を説明するための波形図である。
図２３に示すように、まず、減衰特徴量算出部２６は、外部（例えば、データ記憶部３０又はマイクロホンなど）から、録音された音声信号を取得する（ステップＳ３０）。例えば図２４に示すように、雑音信号を含む音声信号が減衰特徴量算出部２６に継続的に入力される。
そして、上記振幅検出部２２により音声信号における雑音開始点Ｐが検出されたとき、減衰特徴量算出部２６は、振幅検出部２２から、雑音信号が立ち上がった雑音開始点Ｐを表す基準時刻Ｔ０を取得する（ステップＳ３２）。
次いで、減衰特徴量算出部２６は、図１４に示すように、基準時刻Ｔ０（雑音開始点Ｐ）の直後の第１の区間Ｄ１の音声信号のエネルギーＥ１、及び、基準時刻Ｔ０から所定時間Ｔｄだけ経過した後の第２の区間Ｄ２の音声信号のエネルギーＥ２を算出する（ステップＳ３４）。さらに、減衰特徴量算出部２６は、Ｓ３４で求めたＥ１に対するＥ２の比率（＝Ｅ２／Ｅ１）を、減衰特徴量Ｒａとして算出する（ステップＳ３６）。
図２４に示すように、基準時刻Ｔ０の直後の第１の区間Ｄ１の幅は、所定時間Ｔｄだけ経過した後の第２の区間Ｄ２の幅と同一である。また、第１の区間Ｄ１と第２の区間Ｄ２の時間差Ｔｄは、検出対象であるキーボード音等の継続時間に応じて、予め適切な固定値に設定されてもよい。
次に、図２５を参照して、本実施形態に係る減衰特徴量算出部２６の詳細動作について説明する。図２５は、本実施形態に係る減衰特徴量算出部２６の詳細動作を示すフローチャートである。
図２５に示すように、まず、減衰特徴量算出部２６は、データ記憶部３０に保存されている音声信号ｘ（ｎ）を取得する（ステップＳ３００）。
次いで、減衰特徴量算出部２６は、音声信号ｘ（ｎ）を低域遮断フィルタに通すことにより、高周波数成分のみを含む音声信号ｙ（ｎ）を生成する（ステップＳ３０２）。具体的には、減衰特徴量算出部２６は、以上記式（２）に従って、音声信号ｘ（ｎ）から所定周波数（例えば３００Ｈｚ）以下の低周波数成分を除去することにより、高周波数成分のみを含む音声信号ｙ（ｎ）を生成する。
次いで、減衰特徴量算出部２６は、振幅検出部２２から、雑音開始点Ｐを表す基準時刻Ｔ０を取得する（ステップＳ３０４）。なお、Ｔ０は、例えば、雑音開始点Ｐが検出されたときの音声信号ｘ（ｎ）のサンプル番号ｎである。
次いで、減衰特徴量算出部２６は、パラメータｎ１をＴ０に設定し、パラメータｎ２をｎ１＋Ｎ−１に設定する（ステップＳ３０６）。さらに、減衰特徴量算出部２６は、以下の式（６）に従って、音声信号ｙ（ｎ）の第１の区間Ｄ１のエネルギーＥ１を算出する（ステップＳ３０８）。図２４に示したように、第１の区間Ｄ１は、基準時刻Ｔ０（雑音開始点Ｐ）の直後の区間である。
次いで、減衰特徴量算出部２６は、パラメータｎ１をＴ０＋Ｔｄに設定し、パラメータｎ２をｎ１＋Ｎ−１に再設定する（ステップＳ３１０）。さらに、減衰特徴量算出部２６は、以下の式（７）に従って、音声信号ｙ（ｎ）の第２の区間Ｄ２のエネルギーＥ２を算出する（ステップＳ３０８）。図２４に示したように、第２の区間Ｄ２は、基準時刻Ｔ０から所定時間Ｔｄだけ経過した後の区間である。
さらに、減衰特徴量算出部２６は、上記Ｓ３１２で求めたエネルギーＥ２と上記Ｓ３０３で求めたエネルギーＥ１との比率（エネルギー比）を、減衰特徴量Ｒａとして算出する（ステップＳ３１４）。例えば、減衰特徴量算出部２６は、次の式（８）のように、上記エネルギーＥ２をエネルギーＥ１で除算した値の対数を算出して、減衰特徴量Ｒａを求める
その後、減衰特徴量算出部２６は、上記のように算出された減衰特徴量Ｒａを雑音判定部２８に通知する（ステップＳ３１６）。
以上説明したように、減衰特徴量算出部２６は、基準時刻Ｔ０付近の音声信号のエネルギーＥ１と、基準時刻Ｔ０から所定時間Ｔｄ経過した時点付近の音声信号のエネルギーＥ２との比率を用いて、減衰特徴量Ｒａを算出する。この減衰特徴量Ｒａは、雑音信号の立ち上がり時（基準時刻Ｔ０）を基準とした雑音信号の減衰量を表している。これにより、後述の雑音判定部２８は、減衰特徴量Ｒａを用いて、音声信号における雑音信号の減衰状態を判定できるので、キーボード音等の特殊な雑音信号の雑音終了点Ｑを適切に判定できる。
また、図２５の処理では、エネルギーＥ１、Ｅ２の算出の前処理として、低域遮断フィルタを用いて音声信号ｘ（ｎ）から低周波数成分を除去した音声信号ｙ（ｎ）を生成し（Ｓ３０２）、該音声信号ｙ（ｎ）を用いて減衰特徴量Ｒａを算出している。これにより、音声信号ｘ（ｎ）のうち、図１に示した机３を伝わる振動８などといった低周波数成分（例えば３００ｋＨｚ以下）の影響を低減した上で、音声信号に含まれる高周波数成分の減衰特徴量Ｒａを算出することができる。よって、検出対象のキーボード音等の特殊な雑音に対応する減衰特徴量Ｒａを適切に検出可能となる。なお、本願発明者らが実際の録音音声信号を検証したところ、机３の振動８を抑制するためには、概ね３００ｋＨｚ以下の信号成分を遮断すればよいことが分かった。
また、上記では、基準時刻Ｔ０直後の区間のエネルギーＥ１を基準として、Ｒａを求めたが、基準時刻Ｔ０を基準として音声信号を複数のフレームＦに分割し（図１４Ｃ参照）、各フレームＦのエネルギーＥ１を基準として、そのフレームＦからＴｄ後のフレームのエネルギーＥ２の比率（＝Ｅ２／Ｅ１）をそれぞれ求めてもよい。これにより、各フレームＦ（１）、Ｆ（２）、Ｆ（３）を基準とした減衰特徴量Ｒａ（１）、Ｒａ（２）、Ｒａ（３）、・・・を得ることができる。
次に、図２６を参照して、上記減衰特徴量算出部２６により算出された減衰特徴量Ｒａの具体例に説明する。図２６は、本実施形態に係る音声信号と減衰特徴量Ｒａを示すグラフである。
なお、図２６は、基準時刻Ｔ０を基準として、サンプル数Ｎ＝１２８ごとに音声信号を複数のフレームＦに分割して、各フレームＦのエネルギーＥ１と、そのＴｄ後のフレームのエネルギーＥ２を算出し、上述した減衰特徴量ＲａをフレームＦごとに求めた結果を示している。図２６では、相異なるキーボード音を含む４種類の音声信号も波形、減衰特徴量Ｒａを重ねて表示してある。それぞれ音声信号の基準時刻Ｔ０は１３番目のフレームＦの開始点に対応している。また、上記Ｔｄは、Ｔ０（雑音開始点Ｐ）から所定時間経過したサンプル点を表すが、このＴｄの値としては、例えば１９００サンプルを用いた。
図２６に示すように、雑音開始点Ｐである基準時刻Ｔ０より前の区間では、音声信号に雑音信号が含まれていないので、１番目のフレームＦから１１番目のフレームＦまでの減衰特徴量Ｒａは、比較的高い値で安定的に推移している。従って、この区間では、音声信号のエネルギーがほとんど減衰していないことが分かる。これに対し、基準時刻Ｔ０以後の区間には雑音信号が含まれており、該雑音信号は所定時間Ｔｔｈに渡って継続的に高い振幅値を維持した後に、徐々に減衰している。従って、基準時刻Ｔ０前後の１２、１３、１４番目のフレームＦの減衰特徴量Ｒａは、最低値（例えば−２前後）まで急激に低減している、一方、１５番目以降のフレームＦの減衰特徴量Ｒａは、当該最低値よりも若干高い値（例えば−１．５前後）で安定的に推移している。
以上のように、雑音信号の継続時間に応じてＴｄを適切な値に設定することによって、雑音信号の入力時点（基準時刻Ｔ０）前後のフレーム（１２〜１４番目のフレーム）の減衰特徴量Ｒａは、雑音信号が入力される前の区間（１１番目以前のフレーム）や、雑音信号が入力されてからある程度時間が経過した後の区間（１５番目以降のフレーム）の減衰特徴量Ｒａと比べて、低くなる。従って、減衰特徴量Ｒａの変化に基づいて、音声信号に含まれる雑音信号が、想定される減衰を行っているか否かを推定することが可能となる。よって、減衰特徴量Ｒａを用いて、検出目標であるキーボード音等の特殊な雑音を適切に検出できるようになる。
［１．６．雑音判定部の詳細］
次に、本実施形態に係る音声信号処理装置１０の雑音判定部２８の構成及び動作について説明する。
［１．６．１．雑音判定部の構成］
まず、図２７を参照して、本実施形態に係る雑音判定部２８の構成について説明する。図７は、本実施形態に係る雑音判定部２８の構成を示すブロック図である。
図２７に示すように、雑音判定部２８は、演算部２８２と、比較部２８４と、記憶部２８６とを備える。
演算部２８２には、振幅検出部２２、周波数特徴量算出部２４、減衰特徴量算出部２６からそれぞれ、振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａが入力される。演算部２８２は、これらの振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａに基づいて、音声信号にキーボード音等の特殊な雑音信号が含まれるか否かを表す評価値ｖを算出する。
比較部２８４は、当該評価値ｖに基づいて、音声信号にキーボード音等の特殊な雑音信号が含まれるか否かを判定する。記憶部２８６は、検出対象の雑音信号に応じて予め設定された評価値ｖの閾値を記憶している。比較部２８４は、記憶部２８６から読み出した閾値と、演算部２８２から入力された評価値ｖを比較する。そして、比較部２８４は、当該比較結果に基づいて、音声信号に特殊な雑音信号が含まれるか否かを判定し、雑音信号が含まれる場合は、その雑音信号の雑音開始点Ｐから雑音終了点Ｑまでの区間（雑音区間）を判定する。比較部２８４は、上記の判定結果（雑音信号の有無、雑音区間）を、制御部３２及び雑音低減部３４に出力する。
［１．６．２．雑音判定部の動作］
次に、図２８を参照して、本実施形態に係る雑音判定部２８の基本動作について説明する。図２８は、本実施形態に係る雑音判定部２８の基本動作を示すフローチャートである。
図２８に示すように、まず、雑音判定部２８は、振幅検出部２２、周波数特徴量算出部２４、減衰特徴量算出部２６からそれぞれ、特徴量Ｅ、Ｒｆ、Ｒａを取得する（ステップＳ４０）。次いで、雑音判定部２８は、演算部２８２により振幅特徴量Ｅ、周波数特徴量Ｒｆ及び減衰特徴量Ｒａを演算して、上記評価値ｖを算出する（ステップＳ４２）。さらに、雑音判定部２８は、算出した評価値ｖと、記憶部２８６に記憶されている閾値とを比較する（ステップＳ４４）。その後、雑音判定部２８は、Ｓ４４の比較結果に基づいて雑音信号の有無と雑音区間を判定し、判定結果（雑音信号の有無、雑音区間）を制御部３２及び雑音低減部３４に通知する（ステップＳ４６）。
なお、上記雑音判定部２８の構成例では、振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａを総合した１つの評価値ｖを算出し、該評価値ｖを閾値と比較することで雑音を判定した。しかし、かかる例に限定されず、振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａを個別に閾値と比較することによって、雑音を判定してもよい。
次に、図２９を参照して、本実施形態に係る雑音判定部２８の詳細動作について説明する。図２９は、本実施形態に係る雑音判定部２８の詳細動作を示すフローチャートである。
図２９に示すように、まず、雑音判定部２８は、振幅検出部２２、周波数特徴量算出部２４、減衰特徴量算出部２６からそれぞれ、振幅特徴量Ｅ、周波数特徴量Ｒｆ、減衰特徴量Ｒａを取得する（ステップＳ４００）。このうち、周波数特徴量Ｒｆは、上述したように、音声信号を分割したフレームＦ（図１４Ｃ参照。）ごとにそれぞれ算出されている。従って、雑音判定部２８は、各々のフレームＦに対応する周波数特徴量Ｒｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・を取得する。
次いで、雑音判定部２８は、記憶部２８６から、振幅特徴量の閾値Ｅ＿ｔｈ、周波数特徴量の閾値Ｒｆ＿ｔｈ、減衰特徴量の閾値Ｒａ＿ｔｈを読み出す（ステップＳ４０２）。これらの閾値Ｅ＿ｔｈ、Ｒｆ＿ｔｈ、Ｒａ＿ｔｈは、検出を所望する雑音信号の種類や信号特性に応じて、予め適切な値に設定されている。
次いで、雑音判定部２８は、上記Ｓ４００で取得した特徴量Ｅ、Ｒｆ、Ｒａと、閾値Ｅ＿ｔｈ、Ｒｆ＿ｔｈ、Ｒａ＿ｔｈをそれぞれ比較し、これらの比較結果に基づいて、キーボード音等の雑音信号の有無を判定する（ステップＳ４０４〜Ｓ４０８）。
具合的には、まず、雑音判定部２８は、振幅特徴量Ｅと閾値Ｅ＿ｔｈを比較し（ステップＳ４０４）、ＥがＥ＿ｔｈより大きければ、キーボード音が存在する可能性があるので、Ｓ４０６の処理を行う。一方、ＥがＥ＿ｔｈ以下であれば、雑音判定部２８は、キーボード音は存在しないと判定する（ステップＳ４１２）。ここで、振幅特徴量Ｅは、音声信号の雑音開始点Ｐ（基準時刻Ｔ０）の直後の区間の信号エネルギーであり（上記数（１）参照。）。このように本実施形態では、雑音検出時の振幅値Ａではなく、雑音検出直後の信号エネルギーである振幅特徴量Ｅを、キーボード音が存在するか否かの判定に利用する。この理由を以下に述べる。
図３に示したようにキーボード音の雑音信号は、基準時刻Ｔ０での信号立ち上がり後に継続して、高い振幅値Ａを維持する特性を有しており、基準時刻Ｔ０の直後の区間の信号エネルギーＥもある程度大きくなる。これに対し、図２に示したようなパルス的な雑音信号は、信号立ち上がり後にすぐに減衰するので、キーボード音よりも信号エネルギーが小さくなる。もし、雑音検出時の振幅値Ａのみで雑音を判定してしまうと、図２に示したようなパルス的な雑音も、キーボード音であると誤判定されてしまう恐れがある。そこで、本実施形態では、基準時刻Ｔ０の振幅値Ａではなく、基準時刻Ｔ０直後の所定区間の信号エネルギーを雑音の判定基準とする。これにより、図２に示したようなパルス的な雑音信号を除外して、図３に示したようなキーボード音等の特殊な雑音だけを適切に検出できるようになる。
なお、閾値Ｅ＿ｔｈは、検出対象のキーボード音の雑音信号の振幅値や継続時間に応じて適切な値に設定される。例えば、以下の式（９）のように、ＡＧＣ機能が有効化される基準振幅値Ｂｔｈを基準とした信号エネルギーのα倍（例えばα＝０．５）の値を、Ｅ＿ｔｈに設定してもよい。
次いで、雑音判定部２８は、基準時刻Ｔ０以降の各フレームＦの周波数特徴量Ｒｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・と、閾値Ｒｆ＿ｔｈを比較し（ステップＳ４０６）、基準時刻Ｔ０から所定時間Ｔｔｈ内にある全てのＲｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・が、Ｒｆ＿ｔｈより大きければ、キーボード音が存在する可能性が高いので、Ｓ４０８の処理を行う。一方、上記Ｒｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・のうち少なくとも１つのＲｆが、Ｒｆ＿ｔｈ以下であれば、雑音判定部２８は、キーボード音は存在しないと判定する（ステップＳ４１２）。
図３に示したようなキーボード音の雑音信号は、基準時刻Ｔ０以後の所定時間Ｔｔｈ（例えば０．０２秒）に渡って高周波数成分を継続的に含む。これに対し、図２に示したようなパルス的な雑音信号は、信号立ち上がり後にすぐに減衰するので、高周波数成分が継続しない。従って、基準時刻Ｔ０後に少なくとも所定時間Ｔｈ以上に渡り高周波成分を継続的に含む場合には、キーボード音が存在すると推定できる。そこで、本実施形態では、基準時刻Ｔ０以後の所定時間Ｔｔｈ内にある全てのフレームのＲｆが閾値Ｒｆ＿ｔｈであれば、音声信号にキーボード音が存在すると推定する。このように、本実施形態では、キーボード音の高周波数成分の周波数特性及び継続時間を利用して、キーボード音を適切に検出できる。
なお、閾値Ｒｆ＿ｔｈは、検出対象のキーボード音の雑音信号の周波数特性や継続時間に応じて適切な値に設定される。例えば、図２０、図２１の例では、閾値Ｒｆ＿ｔｈを０．３に設定してもよい。これにより、周波数特徴量ＲｆがＲｆ＿ｔｈより大きい１２〜１４番目のフレームに、キーボード音が存在すると推定できる。また、所定時間Ｔｈについては、例えば、実験によりキーボード音の平均継続時間Ｔａｖｅを予め求めておき、当該平均継続時間Ｔａｖｅ若しくはその何割かの時間を所定時間Ｔｈに設定してもよい。そして、この基準時刻Ｔ０から所定時間Ｔｈ内の全てのフレームの周波数特徴量Ｒｆが閾値Ｒｆ＿ｔｈ以上であれば、キーボード音であると判定すればよい。
その後、雑音判定部２８は、減衰特徴量Ｒａと閾値Ｒａ＿ｔｈを比較し（ステップＳ４０８）、ＲａがＲａ＿ｔｈ未満であれば、音声信号内のキーボード音が存在すると判定する（ステップＳ４１０）。ＲａがＲａ＿ｔｈ未満であれば、基準時刻Ｔ０からＴｄ経過後の信号が、基準時刻Ｔ０での信号と比べて所定の振幅値以下まで十分に減衰しており、入力信号がキーボード音の雑音信号のモデルに該当するといえる。一方、Ｒａが、Ｒａ＿ｔｈ以上であれば、基準時刻Ｔ０からＴｄ経過後の信号が減衰していないので、雑音判定部２８は、キーボード音は存在しないと判定する（ステップＳ４１２）。
図３に示したように、キーボード音等の特殊な雑音信号は、所定時間Ｔｔｈに渡って高い振幅値Ａを継続した後に徐々に減衰する。そこで、本ステップＳ４０８にて減衰特徴量Ｒａを用いて雑音信号の有無を判定することで、かかる雑音信号の減衰状態を的確に捕捉できる。よって、上記周波数特徴量Ｒｆのみを用いて判定する場合と比べて、より高精度でキーボード音等の有無を判定できる。
なお、閾値Ｒａ＿ｔｈは、検出対象のキーボード音の雑音信号の継続時間や減衰状態に応じて適切な値に設定される。例えば、図２６の例では、閾値Ｒａ＿ｔｈを−１．５に設定してもよい。これにより、基準時刻Ｔ０に対応する１３番目のフレームの減衰特徴量Ｒａが、Ｒａ＿ｔｈより小さいので、該基準時刻Ｔ０で信号の立ち上がりが検出された雑音信号が、キーボード音であると推定できる。
また、上記減衰特徴量算出部２６により、周波数特徴量Ｒｆが、基準時刻Ｔ０を基準として音声信号を分割したフレームＦ（図１４Ｃ参照。）ごとにそれぞれ算出されている場合、雑音判定部２８は、各々のフレームＦに対応する減衰特徴量Ｒａ（１）、Ｒａ（２）、Ｒａ（３）、・・・を取得する（Ｓ４００）。この場合、雑音判定部２８は、各Ｒａ（１）、Ｒａ（２）、Ｒａ（３）、・・・と、閾値Ｒａ＿ｔｈを比較し（Ｓ４０８）、該比較結果に基づいて、雑音信号の雑音終了点Ｑの位置を特定することができる。例えば図２６の例では、Ｒａは、１３、１４番目のフレームでＲａ＿ｔｈ未満に低下しているが、１５番目のフレームでＲａ＿ｔｈ以上に復帰する。このようにＲａがＲａ＿ｔｈ以上に復帰する時点を、雑音信号の雑音終了点Ｑであると推定できる。このようにして、減衰特徴量Ｒａの推移に基づいて、キーボード音等の特殊な雑音信号の雑音終了点をも特定可能である。
以上のように、本実施形態に係る音声信号処理方法によれば、入力された音声信号を解析することにより３種類の特徴量Ｅ、Ｒｆ、Ｒａを算出し、該特徴量Ｅ、Ｒｆ、Ｒａを用いて、キーボード音等の特殊な雑音の有無と、その雑音区間を適切に判定できる。なお、図２９に示す例は、それぞれの特徴量Ｅ、Ｒｆ、Ｒａを閾値Ｅｔｈ、Ｒｆ＿ｔｈ、Ｒａ＿ｔｈと個別に比較して、雑音の有無を判定した。つまり、図２７に示す演算部２８２と比較部２８４は同一の構成要素として構成されていた。しかし、かかる例に限定されず、特徴量Ｅ、Ｒｆ、Ｒａを総合した１つの評価値ｖを算出し、該評価値ｖと閾値ｖ＿ｔｎを比較することによって、雑音判定を行ってもよい。また、その他にも、雑音判定として、線形識別などを利用してもよく、雑音判定のための特徴量の識別手段の種類は問わない。
＜２．第２の実施の形態＞
次に、本発明の第２の実施形態に係る音声信号処理装置及び音声信号処理方法について説明する。第２の実施形態は、上記第１の実施形態と比べて、振幅特徴量Ｅ及び減衰特徴量Ｒａを用いずに、周波数特徴量Ｒｆのみを用いて雑音を判定する点で相違する。第２の実施形態のその他の機能構成は、上記第１の実施形態と実質的に同一であるので、その詳細説明は省略する。
［２．１．音声信号処理装置の機能構成］
まず、図３０を参照して、第２の実施形態に係る音声信号処理装置１０の機能構成例について説明する。図３０は、第２実施形態に係る音声信号処理装置１０の機能構成を示すブロック図である。
図３０に示すように、音声信号処理装置１０は、雑音検出ユニット２０と、データ記憶部３０と、制御部３２と、雑音低減部３４と、音声出力部３６とを備える。雑音検出ユニット２０は、振幅検出部２２と、周波数特徴量算出部２４と、雑音判定部２８とを備える。このように第２の実施形態に係る音声信号処理装置１０は、第１の実施形態に係る音声信号処理装置１０（図６参照。）と比べて、減衰特徴量算出部２６を具備していない点で相違し、雑音判定部２８は、減衰特徴量Ｒａを用いずに、周波数特徴量Ｒｆのみを用いて雑音の判定を行う。なお、第２の実施形態に係る音声信号処理装置１０の他の構成要素は第１の実施形態と同様である。
［２．２．音声信号処理装置の動作］
次に、図３１を参照して、第２の実施形態に係る雑音判定部２８の詳細動作について説明する。図３１は、第２の実施形態に係る雑音判定部２８の詳細動作を示すフローチャートである。
図２９に示すように、まず、雑音判定部２８は、周波数特徴量算出部２４から周波数特徴量Ｒｆを取得する（ステップＳ５００）。次いで、雑音判定部２８は、記憶部２８６から、周波数特徴量の閾値Ｒｆ＿ｔｈを読み出す（ステップＳ５０２）。
さらに、雑音判定部２８は、上記Ｓ５００で取得した周波数特徴量Ｒｆと、閾値Ｒｆ＿ｔｈを比較し、当該比較結果に基づいて、キーボード音等の雑音信号の有無を判定する（ステップＳ５０４）。具体的には、雑音判定部２８は、基準時刻Ｔ０以降の各フレームＦの周波数特徴量Ｒｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・と、閾値Ｒｆ＿ｔｈを比較し（Ｓ４０６）、基準時刻Ｔ０から所定時間Ｔｔｈ内にある全てのＲｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・が、Ｒｆ＿ｔｈより大きければ、振幅検出部２２による立ち上がりが検出された信号の高周波成分が所定時間Ｔｔｈ以上継続しているので、キーボード音が存在すると判定する（ステップＳ５０６）。一方、上記Ｒｆ（１）、Ｒｆ（２）、Ｒｆ（３）、・・・のうち少なくとも１つのＲｆが、Ｒｆ＿ｔｈ以下であれば、雑音判定部２８は、キーボード音は存在しないと判定する（ステップＳ５０８）。
以上のように、第２の実施形態に係る音声信号処理方法では、周波数特徴量Ｒｆのみを用いて、キーボード音等の特殊な雑音信号の高周波数成分の継続時間をチェックすることにより、キーボード音等の特殊な雑音信号の有無を判定する。これにより、第１の実施形態によりも検出精度は劣るものの、従来のように信号立ち上がり時の振幅値のみを用いて検出する方法よりも、キーボード音のような特殊な雑音信号の存在を高精度で検出可能である。
＜３．まとめ＞
以上、本発明の好適な実施形態に係る信号処理装置及び方法について説明した。本実施形態によれば、音声信号を録音する録音機器１に対して所定距離以上離隔した位置で発生した突発性雑音、例えば、図１に示したように、録音機器１から離隔した位置に配置されたノートＰＣ２で発生するキーボード音等の特殊な突発性雑音を適切に検出することができる。これにより、録音音声の再生時に当該特殊な突発性雑音を低減して、録音音声を聴きやすくすることができる。
特に、第１の実施形態によれば、特徴量Ｅ、Ｒｆ、Ｒａを用いることで、（１）音声信号の信号レベル（振幅値）に加え、（２）音声信号の高周波数成分の継続時間及び（３）減衰状態という３つの判定要素で判定を行うことができる。これにより、上記特殊な突発性雑音の雑音信号の台形的な特徴を捕捉することができるので、音声信号に含まれる上記特殊な雑音信号を高精度で検出可能となる。
また、録音機器１自体の操作音についても、継続時間の長い雑音信号の検出精度を向上させることができる。
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
例えば、上記実施形態では、音声信号処理装置１０としてＰＣを例示し、録音音声の再生時に雑音を検出及び低減する例について説明したが、本発明はかかる例に限定されない。例えば、音声信号処理装置は、音声再生機能を有する機器であれば、任意の再生装置であってもよい。また、音声信号処理装置は、再生装置の例に限られず、音声録音機能を有する録音装置であってもよく、音声録音時に雑音を検出及び低減してもよい。このように、本発明の音声信号処理装置は、例えば、記録再生装置（例えば、ブルーレイディスク／ＤＶＤレコーダ）、テレビジョン受像器、システムステレオ装置、撮像装置（例えば、デジタルカメラ、デジタルビデオカメラ）、携帯端末（例えば、携帯型音楽／映像プレーヤ、携帯型ゲーム機、ＩＣレコーダ）、パーソナルコンピュータ、ゲーム機、カーナビゲーション装置、デジタルフォトフレーム、家庭電化製品、自動販売機、ＡＴＭ、キオスク端末など、任意の電子機器に適用できる。
１ 録音機器
２ ノートＰＣ
３ 机
６ 音
７ 反射音
８ 振動
１０ 音声信号処理装置
２０ 雑音検出ユニット
２２ 振幅検出部
２４ 周波数特徴量算出部
２６ 減衰特徴量算出部
２８ 雑音判定部
３０ データ記憶部
３２ 制御部
３４ 雑音低減部
３６ 音声出力部
２２２、２８６ 記憶部
２２４、２８４ 比較部
２２６、２４２、２６２、２８２ 演算部
２２８ 通知部
Ａ 振幅値
Ｐ 雑音開始点
Ｑ 雑音終了点
Ｔ０ 基準時刻
Ｅ 振幅特徴量
Ｒｆ 周波数特徴量
Ｒａ 減衰特徴量
Ｔｔｈ 所定時間
Ｔｄ 時間
Ａｔｈ、Ｅｔｈ、Ｒｆ＿ｔｈ、Ｒａ＿ｔｈ 閾値
Ｆ フレーム
ｆ０ 基準周波数
Ｚ ゼロクロス点

Claims (13)

  1. 雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出する振幅検出部と、
    少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出する周波数特徴量算出部と、
    前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定する雑音判定部と、
    を備える、音声信号処理装置。
  2. 前記音声信号に含まれる前記雑音信号の減衰を表す減衰特徴量を算出する減衰特徴量算出部をさらに備え、
    前記雑音判定部は、前記周波数特徴量及び前記減衰特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含み、かつ、前記雑音開始点から前記雑音信号が所定基準以下に減衰する雑音終了点までの区間を、前記雑音区間として判定する、請求項１に記載の音声信号処理装置。
  3. 前記減衰特徴量算出部は、前記減衰特徴量として、前記雑音開始点付近の前記音声信号のエネルギーと、前記雑音開始点から所定時間経過した時点付近の前記音声信号のエネルギーとの比率を表すパラメータを算出する、請求項２に記載の音声信号処理装置。
  4. 前記減衰特徴量算出部は、前記音声信号から所定周波数以下の低周波数成分を除去した信号を用いて前記減衰特徴量を算出する、請求項２に記載の音声信号処理装置。
  5. 前記周波数特徴量算出部は、前記雑音開始点以降の前記音声信号を複数の区間に分割し、前記区間ごとに前記周波数特徴量を算出し、
    前記雑音判定部は、前記各区間の前記周波数特徴量が閾値以上であるか否かを判定し、前記周波数特徴量が当該閾値以上となる１又は２以上の区間を前記雑音区間として判定する、請求項１に記載の音声信号処理装置。
  6. 前記周波数特徴量算出部は、前記周波数特徴量として、前記音声信号のゼロクロス点の数を表すパラメータを算出する、請求項１に記載の音声信号処理装置。
  7. 前記周波数特徴量算出部は、前記周波数特徴量として、前記音声信号の全ての周波数成分と前記基準周波数以上の高周波数成分との比率を表すパラメータを算出する、請求項１に記載の音声信号処理装置。
  8. 前記振幅検出部は、前記雑音開始点付近における前記音声信号の信号エネルギーを表す振幅特徴量を算出し、
    前記雑音判定部は、前記振幅特徴量が閾値以上であるか否を判定し、前記振幅特徴量が閾値以上である場合に、前記周波数特徴量に基づいて前記雑音区間を判定する、請求項１に記載の音声信号処理装置。
  9. 前記雑音信号は、前記音声信号を録音した録音装置から所定距離以上離隔した位置の雑音発生源から発生した雑音を表す、請求項１に記載の雑音検出装置。
  10. 前記雑音信号は、前記基準周波数以上の高周波数成分を継続的に含み、かつ、非単調で減衰する信号である、請求項１に記載の雑音検出装置。
  11. 前記音声信号における前記雑音区間の信号レベルを低下させることにより、前記音声信号に含まれる前記雑音信号を低減する雑音低減部をさらに備える、請求項１に記載の音声信号処理装置。
  12. 雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出するステップと、
    少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出するステップと、
    前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定するステップと、
    を含む、音声信号処理方法。
  13. 雑音信号を含む音声信号の振幅値を閾値と比較することにより、前記音声信号の雑音開始点を検出するステップと、
    少なくとも前記雑音開始点以降の前記音声信号の周波数特性を表す周波数特徴量を算出するステップと、
    前記周波数特徴量に基づいて、前記雑音開始点以降の前記音声信号のうち基準周波数以上の高周波数成分を継続的に含む区間を雑音区間として判定するステップと、
    をコンピュータに実行させるためのプログラム。

JP2010164855A 2010-07-22 2010-07-22 音声信号処理装置、音声信号処理方法及びプログラム Withdrawn JP2012027186A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2010164855A JP2012027186A (ja) 2010-07-22 2010-07-22 音声信号処理装置、音声信号処理方法及びプログラム
US13/179,721 US8971549B2 (en) 2010-07-22 2011-07-11 Audio signal processing apparatus, audio signal processing method, and program
CN201110206440.9A CN102348150B (zh) 2010-07-22 2011-07-22 音频信号处理装置、音频信号处理方法和程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2010164855A JP2012027186A (ja) 2010-07-22 2010-07-22 音声信号処理装置、音声信号処理方法及びプログラム

Publications (1)

Publication Number Publication Date
JP2012027186A true JP2012027186A (ja) 2012-02-09

Family

ID=45493625

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010164855A Withdrawn JP2012027186A (ja) 2010-07-22 2010-07-22 音声信号処理装置、音声信号処理方法及びプログラム

Country Status (3)

Country Link
US (1) US8971549B2 (ja)
JP (1) JP2012027186A (ja)
CN (1) CN102348150B (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013015011A1 (ja) * 2011-07-26 2013-01-31 ソニー株式会社 音声信号処理装置、撮像装置、音声信号処理方法、プログラム及び記録媒体
WO2016203753A1 (ja) * 2015-06-16 2016-12-22 日本電気株式会社 雑音検出装置、雑音抑圧装置、雑音検出方法、雑音抑圧方法、および、記録媒体
WO2017158905A1 (ja) * 2016-03-17 2017-09-21 株式会社オーディオテクニカ ノイズ検出装置と音声信号出力装置
WO2017203677A1 (ja) * 2016-05-27 2017-11-30 ヤマハ株式会社 オーディオ信号処理装置、および音響パラメータ決定方法
CN111613250A (zh) * 2020-07-06 2020-09-01 泰康保险集团股份有限公司 长语音端点检测方法与装置、存储介质、电子设备

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103378933B (zh) * 2012-04-26 2016-12-14 国民技术股份有限公司 解码方法、解码模块及信号处理方法、信号处理装置
JP6182895B2 (ja) * 2012-05-01 2017-08-23 株式会社リコー 処理装置、処理方法、プログラム及び処理システム
CN102706560B (zh) * 2012-05-25 2017-12-12 华锐风电科技(江苏)有限公司 一种风力发电机组的状态监测方法和装置
US20140072143A1 (en) * 2012-09-10 2014-03-13 Polycom, Inc. Automatic microphone muting of undesired noises
US20180220501A1 (en) * 2014-03-24 2018-08-02 Sabic Global Technologies B.V. Transparent articles including electromagnetic radiation shielding
CN105632503B (zh) * 2014-10-28 2019-09-03 南宁富桂精密工业有限公司 信息隐藏方法及系统
CN104778958B (zh) * 2015-03-20 2017-11-24 广东欧珀移动通信有限公司 一种含噪声歌曲拼接的方法及装置
JP6597062B2 (ja) * 2015-08-31 2019-10-30 株式会社Ｊｖｃケンウッド 雑音低減装置、雑音低減方法、雑音低減プログラム
JP2017076113A (ja) * 2015-09-23 2017-04-20 マーベル ワールド トレード リミテッド 急峻ノイズの抑制
CN109792572B (zh) * 2016-09-28 2021-02-05 3M创新有限公司 自适应电子听力保护装置
CN106952653B (zh) * 2017-03-15 2021-05-04 科大讯飞股份有限公司 噪声去除方法、装置和终端设备
CN108182953B (zh) * 2017-12-27 2021-03-16 上海传英信息技术有限公司 音频尾部pop音处理方法和装置
CN112017674B (zh) * 2020-08-04 2024-02-02 杭州联汇科技股份有限公司 一种基于音频特征检测广播音频信号中噪声的方法
CN114449337A (zh) * 2020-10-30 2022-05-06 深圳Tcl新技术有限公司 音频信号处理方法、装置、设备及计算机可读存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3675179B2 (ja) * 1998-07-17 2005-07-27 三菱電機株式会社 オーディオ信号の雑音除去装置
AUPR604201A0 (en) * 2001-06-29 2001-07-26 Hearworks Pty Ltd Telephony interface apparatus
JP4218573B2 (ja) * 2004-04-12 2009-02-04 ソニー株式会社 ノイズ低減方法及び装置
WO2007017993A1 (ja) * 2005-07-15 2007-02-15 Yamaha Corporation 発音期間を特定する音信号処理装置および音信号処理方法
WO2007046435A1 (ja) * 2005-10-21 2007-04-26 Matsushita Electric Industrial Co., Ltd. 騒音制御装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013015011A1 (ja) * 2011-07-26 2013-01-31 ソニー株式会社 音声信号処理装置、撮像装置、音声信号処理方法、プログラム及び記録媒体
JP2013025291A (ja) * 2011-07-26 2013-02-04 Sony Corp 音声信号処理装置、撮像装置、音声信号処理方法、プログラム及び記録媒体
US9495950B2 (en) 2011-07-26 2016-11-15 Sony Corporation Audio signal processing device, imaging device, audio signal processing method, program, and recording medium
WO2016203753A1 (ja) * 2015-06-16 2016-12-22 日本電気株式会社 雑音検出装置、雑音抑圧装置、雑音検出方法、雑音抑圧方法、および、記録媒体
WO2017158905A1 (ja) * 2016-03-17 2017-09-21 株式会社オーディオテクニカ ノイズ検出装置と音声信号出力装置
US10157603B2 (en) 2016-03-17 2018-12-18 Audio-Technica Corporation Noise detector and sound signal output device
JPWO2017158905A1 (ja) * 2016-03-17 2019-01-24 株式会社オーディオテクニカ ノイズ検出装置と音声信号出力装置
WO2017203677A1 (ja) * 2016-05-27 2017-11-30 ヤマハ株式会社 オーディオ信号処理装置、および音響パラメータ決定方法
CN111613250A (zh) * 2020-07-06 2020-09-01 泰康保险集团股份有限公司 长语音端点检测方法与装置、存储介质、电子设备

Also Published As

Publication number Publication date
CN102348150B (zh) 2016-05-04
US8971549B2 (en) 2015-03-03
US20120020495A1 (en) 2012-01-26
CN102348150A (zh) 2012-02-08

Similar Documents

Publication Publication Date Title
JP2012027186A (ja) 音声信号処理装置、音声信号処理方法及びプログラム
JP4587160B2 (ja) 信号処理装置および方法
JP4829278B2 (ja) 室内インパルス応答モデリング方法および装置
KR101669302B1 (ko) 제어 장치
JP4449987B2 (ja) 音声処理装置、音声処理方法およびプログラム
JP4745916B2 (ja) 雑音抑圧音声品質推定装置、方法およびプログラム
JP6844608B2 (ja) 音声処理装置および音声処理方法
JP4740609B2 (ja) 有声音および無声音の検出装置、並びにその方法
US20160165346A1 (en) Recording apparatus, and control method of recording apparatus
KR20140107287A (ko) 사용자 제어 제스처 검출 기법
US8378198B2 (en) Method and apparatus for detecting pitch period of input signal
JP6182895B2 (ja) 処理装置、処理方法、プログラム及び処理システム
JP6294747B2 (ja) 報知音感知装置、報知音感知方法及びプログラム
JP2009058970A (ja) 情報処理装置および方法、プログラム、並びに記録媒体
US20100329505A1 (en) Image processing apparatus and method for processing image
JP5815435B2 (ja) 音源位置判定装置、音源位置判定方法、プログラム
JP4735398B2 (ja) 音響信号分析装置、音響信号分析方法、及び音響信号分析用プログラム
WO2019185015A1 (zh) 一种压电传感器信号噪声去除方法
CN114678038A (zh) 音频噪声检测方法、计算机设备和计算机程序产品
JP2014186347A (ja) 話者速度変換システムおよびその方法ならびに速度変換装置
JP4739023B2 (ja) デジタル音声信号におけるクリッキングノイズ検出
JP2008122426A (ja) 情報処理装置および方法、プログラム、並びに記録媒体
JP2003317368A (ja) パルス性ノイズのデジタル信号処理による検出および除去方法
JP4381383B2 (ja) 判別装置、判別方法、プログラム、及び記録媒体
CN112309419B (zh) 多路音频的降噪、输出方法及其系统

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20131001