JP2015179981A - audio signal processing apparatus and program - Google Patents
audio signal processing apparatus and program Download PDFInfo
- Publication number
- JP2015179981A JP2015179981A JP2014056715A JP2014056715A JP2015179981A JP 2015179981 A JP2015179981 A JP 2015179981A JP 2014056715 A JP2014056715 A JP 2014056715A JP 2014056715 A JP2014056715 A JP 2014056715A JP 2015179981 A JP2015179981 A JP 2015179981A
- Authority
- JP
- Japan
- Prior art keywords
- coherence
- audio signal
- signal processing
- processing apparatus
- modgi
- 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.)
- Granted
Links
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Telephone Function (AREA)
- Obtaining Desirable Characteristics In Audible-Bandwidth Transducers (AREA)
Abstract
Description
本発明は音声信号処理装置及びプログラムに関し、例えば、電話機やテレビ会議装置などの音声信号(この明細書では、音声信号や音響信号等の音信号を「音声信号」と呼んでいる)を扱う通信機や通信ソフトウェアに適用し得るものである。 The present invention relates to an audio signal processing device and a program, and for example, communication that handles an audio signal such as a telephone or a video conference device (in this specification, an audio signal such as an audio signal or an acoustic signal is called an “audio signal”). It can be applied to a machine or communication software.
マイクロホン正面にいる話者の声(目的音声)と周囲にいる人の話し声(妨害音声)とが混ざり合った音声信号から目的音声を抽出する方法(目的音声抽出方法、雑音抑圧方法)として、例えば、ボイススイッチと呼ばれる技術がある(例えば、特許文献1参照)。ボイススイッチでは、入力音声から、目的音声区間と妨害音声区間とを区別することを要する。そのため、目的音声だけを抽出するためには妨害音声の到来方位(妨害音声の音源方位)の正確な推定が重要である。妨害音声等の音源方位を推定する方法として、コヒーレンスを利用する方法が種々提案されている(特許文献2参照)。 As a method of extracting the target voice from the voice signal in which the voice of the speaker in front of the microphone (target voice) and the voice of the person in the vicinity (interfering voice) are mixed, for example, the target voice extraction method and the noise suppression method There is a technique called a voice switch (see, for example, Patent Document 1). In the voice switch, it is necessary to distinguish the target voice section and the disturbing voice section from the input voice. Therefore, in order to extract only the target speech, it is important to accurately estimate the arrival direction of the disturbing speech (source direction of the disturbing speech). Various methods using coherence have been proposed as methods for estimating the direction of a sound source such as disturbing speech (see Patent Document 2).
ところで、コヒーレンスは、(a)音源方位が正面に近付くほど値が大きくなり、横に逸れるほど値が小さくなる、(b)母音などの大振幅部では値が大きく子音などの小振幅部では値が小さい、という挙動をとる。そのため、目的音声の方位が正面に近くても子音部ではコヒーレンス値が小さく、横から到来する妨害音声の母音部ではコヒーレンス値が大きくなり、場合によっては、目的音声区間と妨害音声区間とでコヒーレンスの値が逆転し、妨害音声若しくは目的音声の到来方位の誤判定が生じる恐れがある。 By the way, the coherence is (a) the value increases as the sound source direction approaches the front, and the value decreases as it deviates sideways. (B) The value is large in a large amplitude part such as a vowel and is small in a small amplitude part such as a consonant. The behavior is small. For this reason, even if the direction of the target speech is close to the front, the coherence value is small in the consonant part, and the coherence value is large in the vowel part of the disturbing speech coming from the side. May be reversed, and erroneous determination of the direction of arrival of disturbing speech or target speech may occur.
そのため、所望する音源方位をより正確に推定することができる音声信号処理装置及びプログラムが望まれている。 Therefore, an audio signal processing apparatus and program that can more accurately estimate the desired sound source direction are desired.
第1の本発明は、入力音声信号から、入力音声信号に含まれている成分の音源方位を推定する音声信号処理装置において、(1)入力音声信号に遅延減算処理を施すことで、所定方位に死角を有する指向性特性を付与した複数の指向性信号であって、死角を有する所定方位が異なる複数の指向性信号を形成する指向性形成手段と、(2)形成された複数の指向性信号を用いてコヒーレンスを得るコヒーレンス計算手段と、(3)得られたコヒーレンスを時間変化信号と捉え、その信号波形の傾き方向が変化する回数とその大きさを表すコヒーレンス特徴量を得るコヒーレンス特徴量算出手段と、(4)得られたコヒーレンス特徴量の大小に応じて、上記音源方位を推定する方位推定手段とを有することを特徴とする。 According to a first aspect of the present invention, in an audio signal processing apparatus for estimating a sound source direction of a component included in an input audio signal from an input audio signal, (1) a predetermined direction is obtained by performing a delay subtraction process on the input audio signal. Directivity forming means for forming a plurality of directivity signals having a blind spot and a plurality of directivity signals having different blind orientations, and (2) a plurality of formed directivities Coherence calculation means for obtaining coherence using a signal, and (3) a coherence feature value for obtaining the coherence feature value representing the number of times and the magnitude of the change in the inclination direction of the signal waveform, taking the obtained coherence as a time change signal And (4) azimuth estimation means for estimating the sound source azimuth according to the magnitude of the obtained coherence feature value.
第2の本発明は、入力音声信号から、入力音声信号に含まれている成分の音源方位を推定する音声信号処理プログラムであって、コンピュータを、(1)入力音声信号に遅延減算処理を施すことで、所定方位に死角を有する指向性特性を付与した複数の指向性信号であって、死角を有する所定方位が異なる複数の指向性信号を形成する指向性形成手段と、(2)形成された複数の指向性信号を用いてコヒーレンスを得るコヒーレンス計算手段と、(3)得られたコヒーレンスを時間変化信号と捉え、その信号波形の傾き方向が変化する回数とその大きさを表すコヒーレンス特徴量を得るコヒーレンス特徴量算出手段と、(4)得られたコヒーレンス特徴量の大小に応じて、上記音源方位を推定する方位推定手段として機能させることを特徴とする。 According to a second aspect of the present invention, there is provided an audio signal processing program for estimating a sound source direction of a component included in an input audio signal from an input audio signal, and (1) performing a delay subtraction process on the input audio signal. Thus, a directivity forming means for forming a plurality of directivity signals having a directivity characteristic having a blind spot in a predetermined direction and having a plurality of directivity signals having different blind spots in a predetermined direction is formed (2). A coherence calculating means for obtaining coherence using a plurality of directional signals, and (3) a coherence feature amount representing the number of times and the magnitude of the change in the inclination direction of the signal waveform by taking the obtained coherence as a time-varying signal. And (4) a function to serve as a direction estimation unit for estimating the sound source direction according to the magnitude of the obtained coherence feature. That.
本発明によれば、音源方位をより正確に推定できる音声信号処理装置及びプログラムを実現できる。 ADVANTAGE OF THE INVENTION According to this invention, the audio | voice signal processing apparatus and program which can estimate a sound source azimuth more correctly are realizable.
(A)修正されたグラディエント・インデックス(modGI)について
まず、各実施形態の音声信号処理装置を説明する前に、これら実施形態で信号の特徴を表す指標として適用されている修正グラディエント・インデックス(modified Gradient Index:以下、modGIと呼ぶ)について説明する。
(A) About Modified Gradient Index (modGI) First, before describing the audio signal processing apparatus of each embodiment, a modified gradient index (modified) applied as an index representing a signal characteristic in these embodiments. (Gradient Index: hereinafter referred to as modGI).
以下では、基本的なグラディエント・インデックス(Gradient Index:以下、GIと呼ぶ)を説明した後に、modGIについて説明する。 In the following, after describing a basic gradient index (hereinafter referred to as GI), mod GI will be described.
なお、GIについては、参照文献「Naofumi Aoki,”A Band Extension Technique for Narrow−Band Telephony Speech Based on Full Wave Rectification”, IEICE Trans. Commun.,Vol.E93−B(3),pp.729−731,2010」に記載されている。また、modGIは、本願の特許出願人が、特許出願人である特願2012−258651号で提案された特徴量である。 In addition, about GI, reference literature "Naofumi Aoki," A Band Extension Technology for Narrow-Band Telephony Speech Base on Full Wave Rectification ", IEICE Trum. E. 93. , 2010 ". Further, modGI is a feature amount proposed by Japanese Patent Application No. 2012-258651 which is a patent applicant by the patent applicant of the present application.
GIは、信号波形の傾き方向が変化する回数とその大きさを測る指標である。時間の要素番号をn、GIの算出に供する特徴量算出対象の信号をs(n)とすると、GIは、(4)式によって算出される。(1)式〜(3)式は、(4)式における変数ΔΨ(n)を規定している式である。GIは、例えば、特徴量算出対象の信号s(n)の所定数(N個)のサンプルが利用されてサンプル毎に算出される。(1)式〜(4)式においては、利用するN個のサンプル(N個のサンプルをフレームと呼ぶこともある)の要素番号nを0〜(N−1)で表している。
(1)式及び(2)式は、特徴量算出対象信号の相前後するサンプルの差分が正(0を含む)(増加する傾き方向)のときに1に、負(減少する傾き方向)のときに−1に符号化することを表している。(3)式は、同じ傾き方向が続いたときに0をとり、傾き方向が変化したときに1をとる変数ΔΨ(n)を定義している。GIは、傾き方向が変化したときの、相前後するサンプルの差分絶対値の総和を、そのフレームのパワーの平方根で除算したものとして求められる。従って、GIは、1フレーム内の傾きの変化回数が多いほど大きくなり易く、また、傾きが変化したときの変化量が大きいほど大きくなり易いものである。 Expressions (1) and (2) are expressed as 1 when the difference between successive samples of the feature quantity calculation target signal is positive (including 0) (increasing inclination direction) and negative (decreasing inclination direction). Sometimes it represents encoding to -1. Equation (3) defines a variable ΔΨ (n) that takes 0 when the same tilt direction continues and takes 1 when the tilt direction changes. The GI is obtained by dividing the sum of absolute difference values of successive samples when the tilt direction is changed by the square root of the power of the frame. Therefore, the GI is likely to increase as the number of changes in inclination within one frame increases, and also increases as the amount of change when the inclination changes increases.
しかしながら、(3)式及び(4)式から明らかなように、GIは、変数ΔΨ(n)という0又は2の2値しかとらない、時系列的に値の大きな飛び跳ねが多発するパラメータを算出要素としているため、値が不規則に大きくなったり小さくなったりするという特徴がある。このような特徴を、この明細書では「値が暴れる」と表現する。GIの値が暴れると、GIを利用する値も暴れる(大きく変動する)。 However, as is clear from equations (3) and (4), GI calculates a variable ΔΨ (n) that takes only two values of 0 or 2, and that causes frequent large-scale jumps in time series. Since it is an element, it has the characteristic that the value increases or decreases irregularly. Such a feature is expressed in this specification as “value is rampant”. When the value of GI is rampant, the value using GI is also rampant (fluctuates greatly).
GIは、その値が暴れる(値の大きな飛び跳ねを有する)という性質を有することに鑑み、GIに代えて、GIと高い相関を持ちながら、値の大きな飛び跳ねを抑制した変化が安定した新しい特徴量であるmodGIが提案された。 In view of the fact that GI has the property that its value is rampant (has a jump with a large value), instead of GI, it has a high correlation with GI, and a new feature that has a stable change that suppresses a jump with a large value A modGI was proposed.
modGIは、特徴量算出対象の任意の信号(本願では後述するコヒーレンス)に関し、その「算出対象信号のパワー」で正規化された、その「算出対象信号の2階差分のパワー」(これに定数倍したものも含まれる)として定義される。 modGI relates to an arbitrary signal (coherence described later in the present application) of a feature quantity calculation target, normalized by the “power of the calculation target signal”, and “the power of the second-order difference of the calculation target signal” (this is a constant). Doubled is also included).
「算出対象信号の2階差分のパワー」としては、算出対象信号の2階差分の2乗和、算出対象信号の2階差分の2乗和の平方根、算出対象信号の2階差分の絶対値の和、これら3つの値のそれぞれに関し、和を行ったサンプル数で割った値など、算出対象信号の2階差分のパワーが反映された値(上述した6種類以外の値であっても良い)であれば、いずれの値を適用することができる。 The “power of the second-order difference of the calculation target signal” includes the square sum of the second-order difference of the calculation target signal, the square root of the square sum of the second-order difference of the calculation target signal, and the absolute value of the second-order difference of the calculation target signal. For each of these three values, a value reflecting the power of the second-order difference of the signal to be calculated, such as a value divided by the number of samples subjected to the sum (a value other than the six types described above may be used). ), Any value can be applied.
「算出対象信号のパワー」としては、算出対象信号の2乗和、算出対象信号の2乗和の平方根、算出対象信号の絶対値の和、これら3つの値のそれぞれに関し、和を行ったサンプル数で割った値など、算出対象信号のパワーが反映された値(上述した6種類以外の値であっても良い)であれば、いずれの値を適用することができる。 As the “power of the calculation target signal”, the sum of the square of the calculation target signal, the square root of the square sum of the calculation target signal, the sum of the absolute values of the calculation target signal, and a sample obtained by summing each of these three values Any value can be applied as long as it is a value that reflects the power of the signal to be calculated, such as a value divided by a number (may be a value other than the six types described above).
modGIの具体的な算出式の種類は、「算出対象信号の2階差分のパワー」の算出式として複数種類があり、「算出対象信号のパワー」の算出式として複数種類があるので、「算出対象信号の2階差分のパワー」の算出式の種類と、「算出対象信号のパワー」の算出式の種類の組み合わせ数だけ存在する。 There are a plurality of specific types of calculation formulas for modGI as the calculation formula of “the power of the second-order difference of the calculation target signal”, and there are a plurality of types as the calculation formula of “power of the calculation target signal”. There are as many combinations as the types of calculation formulas of “the power of the second-order difference of the target signal” and the types of calculation formulas of the “power of the calculation target signal”.
次に、modGIが、GIと強い相関を有しつつ、値の大きな飛び跳ねが抑制された(値が暴れ難い)特徴量となっていることを説明する。 Next, it will be described that modGI is a feature quantity that has a strong correlation with GI and that suppresses a large jump in value (value is difficult to be violated).
modGI(数式中ではMGIと記す)を、(5)式で定義する。なお、(5)式では、GIとの比較の便宜を考えて、「算出対象信号の2階差分のパワー」として入力信号の2階差分の絶対値の和を適用し、「算出対象信号のパワー」として入力信号の2乗和に平方根を適用した場合を示しているが、上述した通り、modGIの算出式は(5)式に限定されるものではない。 modGI (denoted as MGI in the equation) is defined by equation (5). In equation (5), for the convenience of comparison with GI, the sum of the absolute values of the second-order differences of the input signal is applied as “the power of the second-order differences of the calculation target signal” and “ Although the case where the square root is applied to the square sum of the input signal as “power” is shown, as described above, the calculation formula of modGI is not limited to the formula (5).
一方、GIに関する変数ΔΨ(n)は、(2)式を(3)式に代入することにより(6)式で算出される。(5)式の分子の積分(総和処理)の要素(積分要素)は、(6)式と似ていることが分かる。
より詳細に比較するために、GIとmodGIの分子における積分要素をそれぞれ、(8)式、(9)式に示すように、GInum、MGInumとして定義する。なお、比例定数を重要ではないので除外した。また、(7)式は、1階差分d(n)の計算式である。
まず、s(n−2)<s(n−1)<s(n)又はs(n−2)>s(n−1)>s(n)、すなわち、相前後するサンプルから捉えた傾き方向が2サンプル期間で変化しない場合を考える。この場合、GInum(n)の2つのsign関数は同じ値となるので、GInum(n)=0となる。一方、d(n)とd(n−1)は同符号となるので、その差の絶対値は比較的小さくなるから、MGInum(n)も小さな値をとる。 First, s (n−2) <s (n−1) <s (n) or s (n−2)> s (n−1)> s (n), that is, the inclination captured from the samples that follow each other Consider the case where the direction does not change in two sample periods. In this case, since the two sign functions of GInum (n) have the same value, GInum (n) = 0. On the other hand, since d (n) and d (n-1) have the same sign, the absolute value of the difference is relatively small, so MGInum (n) also takes a small value.
次に、s(n−2)<s(n−1)>s(n)又はs(n−2)>s(n−1)<s(n)、すなわち、相前後するサンプルから捉えた傾き方向が2サンプル期間で変化する場合を考える。この場合、GInum(n)の2つのsign関数は異なる値となるので、GInum(n)=2|d(n)|となる。一方、d(n)とd(n−1)は異符号となるので、MGInum(n)=|d(n)|+|d(n−1)|となり、比較的大きな値をとる。 Next, s (n−2) <s (n−1)> s (n) or s (n−2)> s (n−1) <s (n), that is, captured from successive samples Consider the case where the tilt direction changes in two sample periods. In this case, since the two sign functions of GInum (n) have different values, GInum (n) = 2 | d (n) |. On the other hand, since d (n) and d (n-1) have different signs, MGInum (n) = | d (n) | + | d (n-1) |, which is a relatively large value.
以上より、GInum(n)とMGInum(n)は、両者とも、2サンプル期間で傾き方向が変化しない場合には小さな値を取り、傾き方向が変化する場合には大きな値をとるから、高い相関を持つことがわかる。一方で、GInum(n)が0又は非0の不連続な系列となるのに対して、MGInum(n)は2階差分の絶対値ゆえに非0が連続する系列(なお、0をとることがあるが、0にする操作は実行されていない)となるので、積分要素の総和処理(積分)を行った後の比較でも、modGIの方が値の飛び跳ねが平均的に小さくなる(値が暴れ難い)ことが分かる。 From the above, GInum (n) and MGInum (n) both take a small value when the inclination direction does not change in two sample periods, and take a large value when the inclination direction changes. You can see that On the other hand, GInum (n) is a discontinuous series of 0 or non-zero, whereas MGInum (n) is a series of consecutive non-zeros because of the absolute value of the second-order difference (note that it may take 0). However, even if the comparison is performed after the summation processing (integration) of the integration elements is performed, the jump of the value is smaller on the average in the case of modGI (the value is unstable). (It ’s difficult)
(10)式〜(12)式はそれぞれ、(5)式以外のmodGIの算出式の例を示しており、(10)式〜(12)式のいずれかを適用してmodGIを算出しても良いことは勿論である。(10)式は、「算出対象信号の2階差分のパワー」として算出対象信号の2階差分の2乗和の平方根を適用し、「算出対象信号のパワー」として算出対象信号の2乗和の平方根を適用した算出式である。(11)式は、「算出対象信号の2階差分のパワー」として算出対象信号の2階差分の絶対値の和を適用し、「算出対象信号のパワー」として算出対象信号の絶対値の和適用した算出式である。(12)式は、「算出対象信号の2階差分のパワー」として算出対象信号の2階差分の2乗和を適用し、「算出対象信号のパワー」として算出対象信号の2乗和を適用した算出式である。
(5)式、(10)式〜(12)式はそれぞれ、modGIの算出式の導入概念が見えるように記述しているが、これらの式を変形した式に従うようにしても良いことは勿論である。(13)式は、(5)式を変形したmodGIの算出式を示しており、(13)式を適用してmodGIを算出しても良いことは勿論である。
また、(5)式、(10)式〜(12)式に関し、同じ技術思想下で、その一部を変更したmodGIの算出式を適用するようにしても良い。例えば、(5)式、(10)式〜(12)式共に、分子の総和では、nが2から(N−1)の(N−2)個の総和を求めているが、分子の総和を、nが2から(N+1)のN個の総和を求めるようにしても良い。 In addition, regarding the formula (5) and the formulas (10) to (12), a modGI calculation formula may be applied by changing a part thereof under the same technical idea. For example, in both the formulas (5) and (10) to (12), the sum of the numerators calculates the sum of (N−2) pieces of n from 2 to (N−1). N may be obtained from n ranging from 2 to (N + 1).
(B)第1の実施形態
次に、本発明による音声信号処理装置及びプログラムの第1の実施形態を、図面を参照しながら詳述する。第1の実施形態の音声信号処理装置及びプログラムは、ある音源方位(例えば、妨害音声の到来方位)を推定しようとしたものである。
(B) First Embodiment Next, a first embodiment of an audio signal processing apparatus and program according to the present invention will be described in detail with reference to the drawings. The audio signal processing apparatus and program according to the first embodiment are intended to estimate a certain sound source direction (for example, the arrival direction of disturbing sound).
(B−1)第1の実施形態の構成
図1は、第1の実施形態に係る音声信号処理装置の構成を示すブロック図である。ここで、一対のマイクロホンm1及びm2を除いた部分は、ハードウェアで構成することも可能であり、また、CPUが実行するソフトウェア(音声信号処理プログラム)とCPUとで実現することも可能であるが、いずれの実現方法を採用した場合であっても、機能的には図1で表すことができる。
(B-1) Configuration of First Embodiment FIG. 1 is a block diagram showing a configuration of an audio signal processing device according to the first embodiment. Here, the part excluding the pair of microphones m1 and m2 can be configured by hardware, and can also be realized by software (audio signal processing program) executed by the CPU and the CPU. However, even if any realization method is adopted, it can be functionally represented in FIG.
図1において、第1の実施形態に係る音声信号処理装置10は、一対のマイクロホンm1、m2、FFT(高速フーリエ変換)部11、第1の指向性形成部12、第2の指向性形成部13、コヒーレンス計算部14、modGI計算部15及び到来方位判定部16を有する。
In FIG. 1, an audio
一対のマイクロホンm1、m2は、所定距離(若しくは任意の距離)だけ離れて配置され、それぞれ、周囲の音声を捕捉するものである。各マイクロホンm1、m2は、無指向のもの(若しくは、正面方向にごくごく緩やかな指向性を有するもの)である。各マイクロホンm1、m2で捕捉された音声信号(入力信号)は、図示しない対応するA/D変換器を介してデジタル信号s1(n)、s2(n)に変換されてFFT部11に与えられる。なお、nはサンプルの入力順を表すインデックスであり、正の整数で表現される。本文中では、nが小さいほど古い入力サンプルであり、大きいほど新しい入力サンプルであるとする。
The pair of microphones m1 and m2 are arranged apart from each other by a predetermined distance (or an arbitrary distance), and each captures surrounding sounds. Each of the microphones m1 and m2 is omnidirectional (or has a very gentle directivity in the front direction). Audio signals (input signals) captured by the respective microphones m1 and m2 are converted into digital signals s1 (n) and s2 (n) via corresponding A / D converters (not shown) and given to the
FFT部11は、マイクロホンm1及びm2から入力信号系列s1(n)及びs2(n)を受け取り、その入力信号s1及びs2に高速フーリエ変換(あるいは離散フーリエ変換)を行うものである。これにより、入力信号s1及びs2を周波数領域で表現することができる。なお、高速フーリエ変換を実施するにあたり、入力信号s1(n)及びs2(n)から、所定のN個のサンプルからなる分析フレームFRAME1(K)及びFRAME2(K)を構成して適用する。入力信号s1(n)から分析フレームFRAME1(K)を構成する例を以下の(14)式に示すが、分析フレームFRAME2(K)も同様である。
なお、Kはフレームの順番を表すインデックスであり、正の整数で表現される。本文中では、Kが小さいほど古い分析フレームであり、大きいほど新しい分析フレームであるとする。また、以降の説明において、特に但し書きがない限りは、分析対象となる最新の分析フレームを表すインデックスはKであるとする。 K is an index indicating the order of frames and is expressed by a positive integer. In the text, it is assumed that the smaller the K, the older the analysis frame, and the larger, the newer the analysis frame. In the following description, it is assumed that the index representing the latest analysis frame to be analyzed is K unless otherwise specified.
FFT部11は、分析フレームごとに高速フーリエ変換処理を施すことで、周波数領域信号X1(f,K)、X2(f,K)に変換し、得られた周波数領域信号X1(f,K)及びX2(f,K)をそれぞれ、対応する第1の指向性形成部12、第2の指向性形成部13に与える。なお、fは周波数を表すインデックスである。また、X1(f,K)は単一の値ではなく、(15)式に示すように、複致の周波数f1〜fmのスペクトル成分から構成されるものである。X2(f,K)や後述するB1(f,K)及びB2(f,K)も同様である。
The
X1(f,K)
={(f1,K),(f2,K),…,(fm,K)} …(15)
第1の指向性形成部11は、周波数領域信号X1(f,K)及びX2(f,K)から特定方向に指向性が強い信号B1(f,K)を形成し、第2の指向性形成部12は、周波数領域信号X1(f,K)及びX2(f,K)から特定方向(上述の特定方向とは異なる)に指向性が強い信号B2(f,K)を形成するものである。特定方向に指向性が強い信号B1(f,K)、B2(f,K)の形成方法としては既存の方法を適用でき、例えば、(16)式を適用して右方向に指向性が強いB1(f,K)や(17)式を適用して左方向に指向性が強いB2(f,K)が形成できる。(16)式及び(17)式では、フレームインデックスKは演算に関与しないので省略している。
= {(F1, K), (f2, K), ..., (fm, K)} (15)
The first
コヒーレンス計算部14は、上述した2つの指向性信号B1(f)、B2(f)に基づいて、(18)式、(19)式のような演算を施すことでコヒーレンスCOHを得るものである。なお、(18)式におけるB2(f)*はB2(f)の共役複素数である。
コヒーレンスの概念は、右から到来する信号と左から到来する信号の相関と言い換えられる(上述した(18)式はある周波数成分についての相関を算出する式であり、(19)式は全ての周波数成分の相関値の平均を計算している)。従って、コヒーレンスCOHが小さい場合とは、2つの指向性信号B1及びB2の相関が小さい場合であり、反対にコヒーレンスCOHが大きい場合とは相関が大きい場合と言い換えることができる。そして、相関が小さい場合の入力信号は、入力音声の到来方向が右又は左のどちらかに大きく偏った場合か、偏りがなくても雑音のような相関が現れ難い明確な規則性の少ない信号の場合である。そのため、コヒーレンスCOHが小さい区間は妨害音声区間(背景雑音区間を含む)であるといえる。一方、コヒーレンスCOHの値が大きい場合は、到来方向の偏りがないため、入力信号が正面から到来する場合であるといえる。この第1の実施形態では、目的音声は正面から到来すると仮定している。この仮定下では、コヒーレンスCOHが大きい場合は目的音声区間といえる。このようなコヒーレンスの性質に基づいて、音源方位(例えば、妨害音声の到来方位)の推定にコヒーレンスを利用することとしている。 The concept of coherence can be paraphrased as the correlation between the signal coming from the right and the signal coming from the left (the above-mentioned equation (18) is an equation for calculating the correlation for a certain frequency component, and the equation (19) is all frequencies) Calculating the average of the correlation values of the components). Therefore, the case where the coherence COH is small is a case where the correlation between the two directivity signals B1 and B2 is small. Conversely, the case where the coherence COH is large can be paraphrased as a case where the correlation is large. And the input signal when the correlation is small is a signal with clear regularity that is difficult to show a noise-like correlation even if the arrival direction of the input voice is greatly biased to the right or left, or even if there is no bias This is the case. Therefore, it can be said that a section with a small coherence COH is a disturbing voice section (including a background noise section). On the other hand, when the value of the coherence COH is large, it can be said that there is no deviation in the arrival direction, and therefore the input signal comes from the front. In the first embodiment, it is assumed that the target voice comes from the front. Under this assumption, if the coherence COH is large, it can be said to be the target speech section. Based on the nature of such coherence, the coherence is used to estimate the sound source direction (for example, the arrival direction of disturbing speech).
modGI計算部15は、コヒーレンスCOH(K)についてのmodGIを計算し、得られたmodGIを到来方位判定部16に与えるものである。modGIの計算式として、上述した(5)式、(10)式〜(13)式のいずれを適用しても良く、算出式の算出対象信号s(n)にコヒーレンスCOH(K)を代入してmodGIを算出する。なお、後述する図4は、modGIの計算式として(13)式を適用した場合の値を示している。
The
到来方位判定部16は、算出されたmodGIの値が属する範囲に応じて、妨害音声の到来方位を決定(推定)するものである。なお、決定された妨害音声の到来方位をどのように利用するかは問われないものである。例えば、上述したボイススイッチに適用できる。
The arrival
コヒーレンスCOHに代えて、そのmodGIの値に基づいて、妨害音声の到来方位を決定するようにしたのは、以下の考え方による。 Instead of the coherence COH, the arrival direction of the disturbing voice is determined based on the value of the modGI based on the following concept.
コヒーレンスを適用した場合には、「課題」の項で説明した課題を有する。コヒーレンスCOHについてのmodGIを適用した場合には、そのような課題が生じない。modGIは、算出対象信号における波形の傾きの正負が変動する頻度を表している。また、modGIは、波形に含まれる高周波数成分の量と直結している。コヒーレンスCOHは、妨害音声の到来方位が正面に近付くほど傾きの正負の変動が小さくなるので、そのmodGIが小さくなる。これに対し、コヒーレンスCOHは、到来方位が横に逸れると傾きの正負の変動が大きくなるので、そのmodGIは大きくなる。そのため、コヒーレンスCOHについてmodGIも到来方位ごとに異なるレンジとなり、しかも、方位ごとの差はコヒーレンス値を用いた場合よりも大きくなるため、課題の項で言及した値の逆転現象は生じない(後述する図4参照)。 When coherence is applied, the problem described in the “Problem” section is included. Such a problem does not occur when modGI for coherence COH is applied. modGI represents the frequency at which the sign of the slope of the waveform in the calculation target signal varies. Further, modGI is directly connected to the amount of high frequency components included in the waveform. In the coherence COH, the positive and negative fluctuations of the inclination become smaller as the arrival direction of the disturbing sound approaches the front, so that its modGI becomes smaller. On the other hand, the coherence COH has a large positive GI fluctuation when the arrival azimuth deviates sideways. Therefore, for the coherence COH, the modGI also has a different range for each arrival direction, and the difference for each direction is larger than when the coherence value is used, so that the reversal phenomenon of the value mentioned in the problem section does not occur (described later). (See FIG. 4).
図2は、到来方位判定部16の内部構成を示すブロック図である。図2において、到来方位判定部16は、modGI受信部21、問合せ部22、記憶部23及び到来方位送信部24を有する。
FIG. 2 is a block diagram illustrating an internal configuration of the arrival
modGI受信部21は、算出されたmodGIを取り込むものである。記憶部23は、図3に示すようなmodGIの値の範囲と到来方位とを対応付けた情報を記憶しているものである。問合せ部22は、記憶部23に取り込んだmodGIを与えてそれに対応する到来方位Angleを問い合わせ、到来方位Angleを取得するものである。到来方位送信部24は、取得した到来方位Angleを到来方位判定部16の外部へ出力するものである。
The
図3は、記憶部23の記憶情報の構成例を示す説明図である。図3に示す例では、記憶部23は、問い合わせのmodGIの値がA以上B(但し、A<B)未満ならば到来方位Angleとして30°を返信し、問い合わせのmodGIの値がB以上C(但し、B<C)未満ならば到来方位Angleとして60°を返信し、問い合わせのmodGIの値がC以上D(但し、C<D)未満ならば到来方位Angleとして90°を返信する構成となっている。 FIG. 3 is an explanatory diagram illustrating a configuration example of stored information in the storage unit 23. In the example shown in FIG. 3, the storage unit 23 returns 30 ° as the arrival direction Angle if the value of the inquiry modGI is A or more and less than B (where A <B), and the inquiry modGI value is B or more and C (However, if B <C), 60 ° is returned as the arrival azimuth angle, and 90 ° is returned as the arrival azimuth angle if the value of modGI of the inquiry is C or more and less than D (provided that C <D). It has become.
ここで、範囲の境界値A、B、C、Dは、到来方位が正面に近付くほどmodGIが小さくなるという上述した挙動に基づいて設定されている。例えば、シミュレーションの結果に応じて、範囲の境界値A、B、C、Dが定められている。 Here, the boundary values A, B, C, and D of the range are set based on the above-described behavior that the mod GI decreases as the arrival direction approaches the front. For example, the boundary values A, B, C, and D of the range are determined according to the simulation result.
(B−2)第1の実施形態の動作
次に、第1の実施形態の音声信号処理装置10の動作を、図面を参照しながら、全体動作、到来方位判定部16における動作の順に説明する。
(B-2) Operation of the First Embodiment Next, the operation of the audio
一対のマイクロホンm1及びm2から入力された信号s1(n)、s2(n)はそれぞれ、FFT部11によって時間領域から周波数領域の信号X1(f,K)、X2(f,K)に変換された後、第1及び第2の指向性形成部12及び13のそれぞれによって、所定の方位に死角を有する指向性信号B1(f,K)、B2(f,K)が生成される。そして、コヒーレンス計算部14において、指向性信号B1(f,K)及びB2(f,K)を適用して、(18)式及び(19)式の演算が実行され、コヒーレンスCOH(K)が算出され、modGI計算部15に与えられる。
Signals s1 (n) and s2 (n) input from the pair of microphones m1 and m2 are respectively converted from time domain to frequency domain signals X1 (f, K) and X2 (f, K) by the
modGI計算部15においては、コヒーレンスCOH(K)についてのmodGIの値が例えば(13)式に従って算出され、到来方位判定部16において、算出されたmodGIの値が属する範囲に応じて、妨害音声の到来方位が決定(推定)される。
The mod
次に、到来方位判定部16における詳細動作を説明する。
Next, a detailed operation in the arrival
modGI受信部21にmodGI計算部15が計算したコヒーレンスについてのmodGIの値が与えられると、問合せ部22によって、記憶部23から、与えられたmodGIの値に対応する到来方位Angleが取り出されて到来方位送信部24から出力される。
When the modGI value for the coherence calculated by the
図4は、一対のマイクロホンm1及びm2に対する正面(m1及びm2を結ぶ線分に直角な方位)から、30°、60°、90°だけずれた方位から妨害音声が到来した場合におけるmodGIの時間変化を示している。ここでのmodGIは、上述した(13)式に従って算出されている。 FIG. 4 shows the time of mod GI when the disturbing sound arrives from directions deviated by 30 °, 60 °, and 90 ° from the front of the pair of microphones m1 and m2 (the direction perpendicular to the line segment connecting m1 and m2). It shows a change. Here, modGI is calculated according to the above-described equation (13).
この図4から明らかなように、到来方位30°、60°、90°ごとのmodGIの値は、時間経過と共に変化しても交差することはなく、modGIの値によって、到来方位30°、60°、90°を切り分けられることが分かる。上述したmodGIの値の範囲の境界値A、B、C、Dを、図4に示すようなシミュレーション結果や実測値に応じて設定することにより、到来方位30°、60°、90°を精度良く推定することができる。 As can be seen from FIG. 4, the values of modGI for every 30 °, 60 °, and 90 ° of arrival directions do not intersect even if they change over time. Depending on the value of modGI, the values of 30 °, 60 ° It can be seen that ° and 90 ° can be separated. By setting the boundary values A, B, C, and D of the above-described range of modGI values according to the simulation results and actual measurement values as shown in FIG. 4, the arrival directions of 30 °, 60 °, and 90 ° are accurate. It can be estimated well.
因みに、到来方位30°、60°、90°ごとのコヒーレンスの値の時間変化曲線は、図4とは異なり、交差することもあるため、到来方位を誤って推定することもあり得る。 Incidentally, since the time change curves of the coherence values for every 30 °, 60 °, and 90 ° of arrival directions may cross each other unlike FIG. 4, the arrival direction may be erroneously estimated.
(B−3)第1の実施形態の効果
以上のように、第1の実施形態の音声信号処理装置及びプログラムによれば、コヒーレンスについてのmodGIの値に基づいて、所望の音源方位(例えば、妨害音声の到来方位)を推定するようにしたので、単に、コヒーレンスを音源方位の推定に用いる場合に比較し、より正確に音源方位を推定することができる。
(B-3) Effect of First Embodiment As described above, according to the audio signal processing device and program of the first embodiment, a desired sound source direction (for example, based on the value of modGI for coherence) Therefore, the direction of the sound source can be estimated more accurately than when coherence is simply used to estimate the direction of the sound source.
音源方位をより正確に推定できるので、第1の実施形態の音声信号処理装置やプログラムを適用した装置の特質等を向上させることに寄与できる。例えば、第1の実施形態の音声信号処理装置の後段に、音源分離処理部を接続し、到来方位に応じた抑圧係数のフロアリング処理や閾値を制御する場合であれば、第1の実施形態の音声信号処理装置は、音質や抑圧性能の改善に貢献することができる。 Since the sound source azimuth can be estimated more accurately, it is possible to contribute to improving the characteristics of the audio signal processing apparatus of the first embodiment and the apparatus to which the program is applied. For example, if a sound source separation processing unit is connected to the subsequent stage of the audio signal processing apparatus according to the first embodiment to control flooring processing of a suppression coefficient according to the arrival direction and a threshold value, the first embodiment. This audio signal processing apparatus can contribute to improvement of sound quality and suppression performance.
以上の効果により、第1の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機やスマートフォンなどの通信装置における通話音質の向上が期待できる。 Due to the above effects, it is possible to expect improvement in call sound quality in a communication device such as a video conference device, a mobile phone, or a smartphone to which the audio signal processing device or program of the first embodiment is applied.
(C)第2の実施形態
次に、本発明による音声信号処理装置及びプログラムの第2の実施形態を、第1の実施形態との相違点を中心に説明する。
(C) Second Embodiment Next, a second embodiment of the audio signal processing apparatus and program according to the present invention will be described focusing on the differences from the first embodiment.
図5は、第2の実施形態に係る音声信号処理装置の構成を示すブロック図であり、上述した第1の実施形態に係る図1との同一、対応部分には同一符号を付して示している。 FIG. 5 is a block diagram showing the configuration of the audio signal processing apparatus according to the second embodiment, and the same reference numerals are given to the same and corresponding parts as in FIG. 1 according to the first embodiment described above. ing.
第2の実施形態の音声信号処理装置10Aは、図5及び図1の比較から明らかなように、第1の実施形態の構成に平滑化部17を追加したものである。
As is clear from the comparison between FIGS. 5 and 1, the audio
modGI計算部15及び到来方位判定部16間に介挿された平滑化部17は、modGI計算部15から出力されたmodGIを平滑化し、平滑化modGIを到来方位判定部16に与えるものである。平滑化部17による平滑化方法は、既存のいかなる方法を適用しても良い。
The smoothing
第2の実施形態の場合、到来方位判定部16は平滑化modGIに応じた妨害音声の到来方位を推定するものである。modGIではなく平滑化modGIに基づく点は、第1の実施形態と異なっているが、推定方法自体は、第1の実施形態の推定方法と同様である(上述した図2、図3参照)。
In the case of the second embodiment, the arrival
コヒーレンスCOHほどではないが、図4における到来方位90°の時間変化のようにmodGIも瞬時変動が多少大きいこともあり得る。第2の実施形態は、このような瞬時変動を平滑化によって丸め、到来方位判定部16による推定精度を一段と高めようとしたものである。
Although it is not as high as the coherence COH, the mod variation of the modGI may be somewhat large like the time change of the 90 ° arrival direction in FIG. In the second embodiment, such instantaneous fluctuation is rounded by smoothing, and the estimation accuracy by the arrival
第2の実施形態によっても、単に、コヒーレンスを音源方位(例えば、妨害音声の到来方位)の推定に用いる場合に比較して、より正確に音源方位を推定することができるという効果を奏する。 Also according to the second embodiment, there is an effect that the sound source azimuth can be estimated more accurately as compared with the case where the coherence is simply used for estimation of the sound source azimuth (for example, the arrival direction of disturbing speech).
(D)他の実施形態
上記各実施形態においては、妨害音声の到来方位の推定にコヒーレンスについてのmodGIを利用するものを示したが、modGIに代え、上述した(4)式に従って算出できるコヒーレンスについてのGIを、妨害音声の到来方位の推定に利用するようにしても良い。
(D) Other Embodiments In each of the above embodiments, the one using the modGI for coherence is shown for estimating the direction of arrival of the disturbing speech. However, instead of the modGI, the coherence that can be calculated according to the above-described equation (4). GI may be used for estimating the direction of arrival of disturbing speech.
上記第2の実施形態においては、平滑化部17を、modGI計算部15及び到来方位判定部16間に介挿したものを示したが、平滑化部17を、コヒーレンス計算部14及びmodGI計算部15間に介挿するようにしても良く、このようにしても、第2の実施形態と同様な効果を奏することができる。
In the second embodiment, the smoothing
上記各実施形態で説明した到来方位の推定方法は、その用途は、ボイススイッチに従った雑音抑圧(目的音強調)に限定されるものではなく、妨害音の到来方位の情報を必要とする種々の信号処理に適用することができる。例えば、ボイススイッチ以外の雑音抑圧処理、音源分離処理、音声符号化処理などに、上記各実施形態で説明した到来方位の推定方法を適用することができる。 The method of estimating the direction of arrival described in each of the above embodiments is not limited to noise suppression (target sound enhancement) according to the voice switch, but various methods that require information on the direction of arrival of the disturbing sound. It can be applied to signal processing. For example, the direction-of-arrival estimation method described in the above embodiments can be applied to noise suppression processing other than voice switches, sound source separation processing, speech coding processing, and the like.
上記各実施形態で説明した到来方位の推定方法では、正面とのずれ角度(の絶対値)として到来方位が推定されるものを示したが、右側からの到来か左側からの到来かの情報を必要とする場合には、(20)式の計算を行い、得られた値が正であれば右側からの到来、得られた値が負であれば左側からの到来と定めるようにしても良い。
上記各実施形態において、周波数領域の信号で処理していた処理を、可能ならば時間領域の信号で処理するようにしても良く、逆に、時間領域の信号で処理していた処理を、可能ならば周波数領域の信号で処理するようにしても良い。 In each of the above embodiments, the processing that was processed with the frequency domain signal may be performed with the time domain signal if possible, and conversely, the processing that was processed with the time domain signal is possible. In this case, processing may be performed using a frequency domain signal.
上記各実施形態では、到来方位判定部が変換テーブルを利用するものを示したが、modGI若しくはGIから到来方位を得ることができるのであれば、他の方法(例えば関数)を適用するようにしても良い。 In each of the embodiments described above, the arrival direction determination unit uses the conversion table. However, if the arrival direction can be obtained from modGI or GI, other methods (for example, functions) are applied. Also good.
本発明は、コヒーレンスを得た後の構成に特徴を有し、それ以前の構成は、上記各実施形態のものに必ずしも限定されるものではない。例えば、マイクロホンとして3つ以上を有するマイクロホンアレイの信号を処理してコヒーレンスを得、その後、modGIやGIを算出して妨害音声の到来方位を推定するようにしても良い。 The present invention has a feature in the configuration after obtaining coherence, and the configuration before that is not necessarily limited to those in the above embodiments. For example, a signal from a microphone array having three or more microphones may be processed to obtain coherence, and then modGI or GI may be calculated to estimate the arrival direction of disturbing speech.
上記各実施形態では、一対のマイクロホンが捕捉した信号を直ちに処理する音声信号処理装置やプログラムを示したが、本発明の処理対象の音声信号はこれに限定されるものではない。例えば、記録媒体から読み出した一対の音声信号を処理する場合にも、本発明を適用することができ、また、対向装置から送信されてきた一対の音声信号を処理する場合にも、本発明を適用することができる。 In each of the above-described embodiments, the audio signal processing apparatus and the program that immediately process the signal captured by the pair of microphones are shown, but the audio signal to be processed of the present invention is not limited to this. For example, the present invention can be applied to processing a pair of audio signals read from a recording medium, and the present invention can also be applied to processing a pair of audio signals transmitted from the opposite device. Can be applied.
10、10A…音声信号処理装置、m1、m2…マイクロホン、11…FFT(高速フーリエ変換)部、12、13…指向性形成部、14…コヒーレンス計算部、15…modGI計算部、16…到来方位判定部、17…平滑化部。
DESCRIPTION OF
Claims (5)
入力音声信号に遅延減算処理を施すことで、所定方位に死角を有する指向性特性を付与した複数の指向性信号であって、死角を有する所定方位が異なる複数の指向性信号を形成する指向性形成手段と、
形成された複数の指向性信号を用いてコヒーレンスを得るコヒーレンス計算手段と、
得られたコヒーレンスを時間変化信号と捉え、その信号波形の傾き方向が変化する回数とその大きさを表すコヒーレンス特徴量を得るコヒーレンス特徴量算出手段と、
得られたコヒーレンス特徴量の大小に応じて、上記音源方位を推定する方位推定手段と
を有することを特徴とする音声信号処理装置。 In the audio signal processing apparatus for estimating the sound source direction of the component included in the input audio signal from the input audio signal,
Directivity that forms a plurality of directional signals with different azimuths with a dead angle by applying a delay subtraction process to the input audio signal to give a directional characteristic with a dead angle in a predetermined azimuth. Forming means;
Coherence calculating means for obtaining coherence using a plurality of formed directional signals;
Coherence feature quantity calculating means for obtaining the coherence feature quantity representing the number of times and the magnitude of change in the inclination direction of the signal waveform, taking the obtained coherence as a time-varying signal;
An audio signal processing apparatus comprising: direction estimation means for estimating the sound source direction according to the magnitude of the obtained coherence feature value.
コヒーレンス特徴量と音源方位との対応情報を記憶している記憶部と、
コヒーレンス特徴量に基づいて、上記記憶部から、対応する音源方位を取り出す問合せ部と
を有することを特徴とする請求項1又は2に記載の音声信号処理装置。 The direction estimating means includes a storage unit that stores correspondence information between the coherence feature and the sound source direction,
The audio signal processing apparatus according to claim 1, further comprising: an inquiry unit that extracts a corresponding sound source direction from the storage unit based on a coherence feature amount.
コンピュータを、
入力音声信号に遅延減算処理を施すことで、所定方位に死角を有する指向性特性を付与した複数の指向性信号であって、死角を有する所定方位が異なる複数の指向性信号を形成する指向性形成手段と、
形成された複数の指向性信号を用いてコヒーレンスを得るコヒーレンス計算手段と、
得られたコヒーレンスを時間変化信号と捉え、その信号波形の傾き方向が変化する回数とその大きさを表すコヒーレンス特徴量を得るコヒーレンス特徴量算出手段と、
得られたコヒーレンス特徴量の大小に応じて、上記音源方位を推定する方位推定手段と
して機能させることを特徴とする音声信号処理プログラム。 An audio signal processing program for estimating a sound source direction of a component included in an input audio signal from an input audio signal,
Computer
Directivity that forms a plurality of directional signals with different azimuths with a dead angle by applying a delay subtraction process to the input audio signal to give a directional characteristic with a dead angle in a predetermined azimuth. Forming means;
Coherence calculating means for obtaining coherence using a plurality of formed directional signals;
Coherence feature quantity calculating means for obtaining the coherence feature quantity representing the number of times and the magnitude of change in the inclination direction of the signal waveform, taking the obtained coherence as a time-varying signal;
An audio signal processing program that functions as azimuth estimating means for estimating the sound source azimuth according to the magnitude of the obtained coherence feature.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014056715A JP6213324B2 (en) | 2014-03-19 | 2014-03-19 | Audio signal processing apparatus and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014056715A JP6213324B2 (en) | 2014-03-19 | 2014-03-19 | Audio signal processing apparatus and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015179981A true JP2015179981A (en) | 2015-10-08 |
JP6213324B2 JP6213324B2 (en) | 2017-10-18 |
Family
ID=54263744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014056715A Active JP6213324B2 (en) | 2014-03-19 | 2014-03-19 | Audio signal processing apparatus and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6213324B2 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010232717A (en) * | 2009-03-25 | 2010-10-14 | Toshiba Corp | Pickup signal processing apparatus, method, and program |
JP2012524505A (en) * | 2010-02-18 | 2012-10-11 | クゥアルコム・インコーポレイテッド | Microphone array subset selection for robust noise reduction |
JP2013126026A (en) * | 2011-12-13 | 2013-06-24 | Oki Electric Ind Co Ltd | Non-target sound suppression device, non-target sound suppression method and non-target sound suppression program |
JP2013182044A (en) * | 2012-02-29 | 2013-09-12 | Oki Electric Ind Co Ltd | Voice signal processing device, method, and program |
JP2014106337A (en) * | 2012-11-27 | 2014-06-09 | Oki Electric Ind Co Ltd | Voice band extension device and program and voice featured value calculation device and program |
-
2014
- 2014-03-19 JP JP2014056715A patent/JP6213324B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010232717A (en) * | 2009-03-25 | 2010-10-14 | Toshiba Corp | Pickup signal processing apparatus, method, and program |
JP2012524505A (en) * | 2010-02-18 | 2012-10-11 | クゥアルコム・インコーポレイテッド | Microphone array subset selection for robust noise reduction |
JP2013126026A (en) * | 2011-12-13 | 2013-06-24 | Oki Electric Ind Co Ltd | Non-target sound suppression device, non-target sound suppression method and non-target sound suppression program |
JP2013182044A (en) * | 2012-02-29 | 2013-09-12 | Oki Electric Ind Co Ltd | Voice signal processing device, method, and program |
JP2014106337A (en) * | 2012-11-27 | 2014-06-09 | Oki Electric Ind Co Ltd | Voice band extension device and program and voice featured value calculation device and program |
Non-Patent Citations (1)
Title |
---|
AOKI, NAOFUMI: "A Band Extension Technique for Narrow-Band Telephony Speech Based on Full Wave Rectification", IEICE TRANSACTIONS ON COMMUNICATIONS, vol. E93-B(3), JPN6017031317, 1 March 2010 (2010-03-01), JP, pages 729 - 731, ISSN: 0003623736 * |
Also Published As
Publication number | Publication date |
---|---|
JP6213324B2 (en) | 2017-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6289936B2 (en) | Sound source direction estimating apparatus, sound source direction estimating method and program | |
US9291697B2 (en) | Systems, methods, and apparatus for spatially directive filtering | |
JP6028502B2 (en) | Audio signal processing apparatus, method and program | |
WO2019112468A1 (en) | Multi-microphone noise reduction method, apparatus and terminal device | |
JP5672770B2 (en) | Microphone array device and program executed by the microphone array device | |
JP2013061421A (en) | Device, method, and program for processing voice signals | |
JP5838861B2 (en) | Audio signal processing apparatus, method and program | |
RU2552129C2 (en) | Device and method of resolving ambiguity from estimate of direction of arrival | |
JP2016042613A (en) | Target speech section detector, target speech section detection method, target speech section detection program, audio signal processing device and server | |
JP6221257B2 (en) | Signal processing apparatus, method and program | |
JP6314475B2 (en) | Audio signal processing apparatus and program | |
JP6213324B2 (en) | Audio signal processing apparatus and program | |
JP3862685B2 (en) | Sound source direction estimating device, signal time delay estimating device, and computer program | |
JP2013170936A (en) | Sound source position determination device, sound source position determination method, and program | |
JP6221258B2 (en) | Signal processing apparatus, method and program | |
JP6252274B2 (en) | Background noise section estimation apparatus and program | |
JP6631127B2 (en) | Voice determination device, method and program, and voice processing device | |
JP5970985B2 (en) | Audio signal processing apparatus, method and program | |
JP2018032931A (en) | Acoustic signal processing device, program and method | |
CN109378012B (en) | Noise reduction method and system for recording audio by single-channel voice equipment | |
JP6295650B2 (en) | Audio signal processing apparatus and program | |
JP6221463B2 (en) | Audio signal processing apparatus and program | |
JP2014056112A (en) | Voice signal processing apparatus, method and program | |
JP2015025913A (en) | Voice signal processor and program | |
JP2018142819A (en) | Non-target sound determination device, program and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170814 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170904 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6213324 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |