JP2016145944A - 雑音抑圧装置及びプログラム、雑音推定装置及びプログラム、並びに、ｓｎｒ推定装置及びプログラム - Google Patents

Abstract

【課題】 抑圧精度が高い雑音抑圧装置を提供する。【解決手段】 この雑音抑圧装置では、入力信号を周波数解析して得た周波数帯域信号毎に雑音成分を抑圧する。帯域別の雑音抑圧部は、周波数帯域信号についてのパワーを算出するパワー算出部と、算出パワーの第１の平滑化値を用いて生成した第１の閾値と算出パワーを比較する第１の音声検出部と、算出パワーの第２の平滑化値を用いて生成した第２の閾値と算出パワーを比較する第２の音声検出部とを備える。第１の音声検出部は、第２の音声検出部による１単位時間前の検出結果が雑音区間のときに平滑化し、音声区間のときに平滑化を停止して第１の平滑化値を得る。第２の音声検出部は、第１の音声検出部による同一単位時間の検出結果が音声区間のときに平滑化を実行し、雑音区間のときに平滑化を停止して第２の平滑化値を得る。第１の平滑化値を帯域別の雑音抑圧後の信号とする。【選択図】 図１

Description

本発明は雑音抑圧装置及びプログラム、雑音推定装置及びプログラム、並びに、ＳＮＲ推定装置及びプログラムに関し、例えば、入力信号に含まれる雑音成分を抑圧して音声成分を強調することを欲する通信端末、オーディオ機器、音声認識装置などに適用し得るものである。

自然環境において雑音はいたる所に存在するため、一般に実世界で音声を収録すると、観測信号には種々の発信元からの雑音が混入してしまう。それらの雑音は、人が聴くにしても音声の了解性を低下させ、また、音声認識装置等の音声処理装置に入力するにしても音声処理の精度（例えば音声認識率）を低下させる。そのため、入力信号に混入した雑音成分を抑圧して音声成分を強調する技術の需要は高く、これまでに様々な雑音抑圧方法（音声強調方法と呼ばれることもある）が開発されてきた。

一般的な雑音抑圧方法では、雑音のパワースペクトル（雑音パワースペクトル）又は周波数帯域ごとのＳＮＲ（Ｓｉｇｎａｌ−ｔｏ−Ｎｏｉｓｅ Ｒａｔｉｏ；信号対雑音比）が必要となる。また、ＳＮＲの算出には、入力信号のパワースペクトル（入力パワースペクトル）と雑音パワースペクトルを用いるため、結局は雑音パワースペクトルが分かれば良い。一般的な雑音パワースペクトルの推定では、まず、音声区間検出（Ｖｏｉｃｅ Ａｃｔｉｖｉｔｙ Ｄｅｔｅｃｔｉｏｎ：ＶＡＤ）によって雑音区間を特定し、次に、雑音区間の入力パワースペクトルを平均するというアプローチを取る。

以上の方法では、雑音パワースペクトルの推定精度はＶＡＤの性能に依存する。しかし、雑音成分に関する情報なしに高精度なＶＡＤを実現することは難しく、実現できたとしても多大な演算量が必要となる。

一方、特許文献１に記載の雑音抑圧方法は、雑音パワースペクトルの推定にＶＡＤを必要としない。以下、特許文献１に記載の雑音抑圧方法のアルゴリズムを簡単に説明する。なお、以下では、入力パワースペクトル及び雑音パワースペクトルのある周波数帯域の要素をそれぞれ、入力パワー及び雑音パワーと呼ぶ。

入力パワーに適切な重み係数を乗じて、得られた加重入力パワーを所定時間（Ｔ秒）分だけ記憶しておき、記憶された加重入力パワーの平均値を推定雑音パワーとする。適切な重み係数は、現在の入力パワーを直前の推定雑音パワーで除した予測事後ＳＮＲによって算出される。具体的には、予測事後ＳＮＲが所定の値Ｇ１以下では重み係数を１とし、予測事後ＳＮＲが値Ｇ１より大きく所定の値Ｇ２（Ｇ２＞Ｇ１）以下では予測事後ＳＮＲに反比例するように重み係数を設定し、予測事後ＳＮＲが値Ｇ２より大きい場合には重み係数を０とする。また、重み係数が０の場合には、加重入力パワーは記憶されない。このようにして得られた推定雑音パワーで入力パワーを除することで事後ＳＮＲを算出し、得られた事後ＳＮＲに基づいて雑音抑圧（音声強調とも呼ばれる）が行われる。雑音抑圧には、ＭＭＳＥ−ＳＴＳＡと呼ばれる、非特許文献１に記載の方法を用いている。

特開２００２−２０４１７５号公報

Ｙ．Ｅｐｈｒａｉｍ ａｎｄ Ｄ．Ｍａｌａｈ，"Ｓｐｅｅｃｈ ｅｎｈａｎｃｅｍｅｎｔ ｕｓｉｎｇ ａ ｍｉｎｉｍｕｍ ｍｅａｎ−ｓｑｕａｒｅ ｅｒｒｏｒ ｓｈｏｒｔ−ｔｉｍｅ ｓｐｅｃｔｒａｌ ａｍｐｌｉｔｕｄｅ ｅｓｔｉｍａｔｏｒ"，ＩＥＥＥ ＡＳＳＰ，ｖｏｌ．ＡＳＳＰ−３２，ｎｏ．６，ｐ．１１０９−１１２１，Ｄｅｃ．１９８４

特許文献１の記載技術は、固定の閾値Ｇ１、Ｇ２を用いているため、特に雑音レベルが高い場合に、音声成分を雑音成分として平均してしまい、雑音パワースペクトルの推定が不正確になるという問題がある。その結果、事後ＳＮＲの精度も低くなり、雑音抑圧の精度も低くなる。

そのため、抑圧処理や推定処理の精度が高い雑音抑圧装置及びプログラム、雑音推定装置及びプログラム、並びに、ＳＮＲ推定装置及びプログラムが望まれている。

第１の本発明は、入力信号に含まれる雑音成分を抑圧し、目的音成分を強調する雑音抑圧装置において、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音成分を抑圧する、複数の帯域別雑音抑圧手段とを備え、（２）上記帯域別雑音抑圧手段は、（２−１）入力された周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における第１の目的音区間の検出結果を得る第１のパラメータ算出部と、（２−２）入力された周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における第２の目的音区間の検出結果を得る第２のパラメータ算出部と、（２−３）上記第１のパラメータ算出部が得た第１のパラメータと上記第２のパラメータ算出部が得た第２のパラメータとに基づいて、入力された上記周波数帯域信号に含まれる雑音成分を抑圧する雑音抑圧部とを有し、（２−１ａ）上記第１のパラメータ算出部は、上記第２のパラメータ算出部が所定の単位時間前に出力した、上記第２の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第１の閾値を生成し、（２−２ａ）上記第２のパラメータ算出部は、上記第１の目的音区間検出手段が同一の単位時間で出力した、上記第１の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第２の閾値を生成することを特徴とする。

第２の本発明は、入力信号における雑音パワーを推定する雑音推定装置において、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音パワーを推定する、複数の帯域別雑音推定手段と、（３）上記各帯域別雑音推定手段が得た、周波数帯域別の複数の雑音パワーの推定値を統合して最終的な雑音パワーの推定値を得る帯域別雑音パワー統合手段とを備え、（２）上記各帯域別雑音推定手段はそれぞれ、（２−１）入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、（２−２）入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、（２−１）上記第１のパラメータ算出部は、（２−１−１）所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、（２−１−２）上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、（２−１−３）上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、（２−２）上記第２のパラメータ算出部は、（２−２−１）同一の単位時間の上記第１の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第２の入力パワーを平滑化して第２の平滑化パワーを算出する第２の平滑化部と、（２−２−２）上記第２の平滑化パワーを少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、（２−２−３）上記第２の入力パワーを上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、（４）上記第１の平滑化部又は上記第２の平滑化部は、所定の単位時間前の上記第２の目的音区間の検出結果又は同一の単位時間の上記第１の目的音区間の検出結果が目的音区間でない場合に平滑化し、目的音区間である場合に平滑化を停止し、上記第１の平滑化パワー又は上記第２の平滑化パワーを帯域別の雑音パワーの推定値として得ることを特徴とする。

第３の本発明は、入力信号におけるＳＮＲを推定するＳＮＲ推定装置において、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号におけるＳＮＲを推定する、複数の帯域別ＳＮＲ推定手段と、（３）上記各帯域別ＳＮＲ推定手段が得た、周波数帯域別の複数のＳＮＲ推定値を統合して最終的なＳＮＲの推定値を得る帯域別ＳＮＲ統合手段とを備え、（２）上記各帯域別雑音推定手段はそれぞれ、（２−１）入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、（２−２）入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、
（２−１）上記第１のパラメータ算出部は、（２−１−１）所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、（２−１−２）上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、（２−１−３）上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、（２−２）上記第２の目的音区間検出手段は、（２−２−１）同一の単位時間の上記第２の入力パワー及び上記第１の平滑化パワーに基づいてＳＮＲの推定値を算出するＳＮＲ算出部と、（２−２−２）同一の単位時間の上記第１の目的音区間の検出結果に基づいて、平滑化の実行、停止を制御しながら、上記ＳＮＲ推定値を平滑化してＳＮＲの平滑値を算出する第２の平滑化部と、（２−２−３）上記ＳＮＲ平滑値を少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、（２−２−４）上記ＳＮＲ推定値を上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、（４）上記ＳＮＲ算出部からの上記ＳＮＲ推定値を入力された上記周波数帯域信号における、その周波数帯域のＳＮＲの推定値として得ることを特徴とする。

第４の本発明は、入力信号に含まれる雑音成分を抑圧し、目的音成分を強調する雑音抑圧プログラムであって、コンピュータを、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音成分を抑圧する、複数の帯域別雑音抑圧手段として機能させるものであり、（２）上記帯域別雑音抑圧手段は、（２−１）入力された周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における第１の目的音区間の検出結果を得る第１のパラメータ算出部と、（２−２）入力された周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における第２の目的音区間の検出結果を得る第２のパラメータ算出部と、（２−３）上記第１のパラメータ算出部が得た第１のパラメータと上記第２のパラメータ算出部が得た第２のパラメータとに基づいて、入力された上記周波数帯域信号に含まれる雑音成分を抑圧する雑音抑圧部とを有し、（２−１ａ）上記第１のパラメータ算出部は、上記第２のパラメータ算出部が所定の単位時間前に出力した、上記第２の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第１の閾値を生成し、（２−２ａ）上記第２のパラメータ算出部は、上記第１の目的音区間検出手段が同一の単位時間で出力した、上記第１の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第２の閾値を生成することを特徴とする。

第５の本発明は、入力信号における雑音パワーを推定する雑音推定プログラムであって、コンピュータを、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音パワーを推定する、複数の帯域別雑音推定手段と、（３）上記各帯域別雑音推定手段が得た、周波数帯域別の複数の雑音パワーの推定値を統合して最終的な雑音パワーの推定値を得る帯域別雑音パワー統合手段として機能させるものであり、（２）上記各帯域別雑音推定手段はそれぞれ、（２−１）入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、（２−２）入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、（２−１）上記第１のパラメータ算出部は、（２−１−１）所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、（２−１−２）上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、（２−１−３）上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、（２−２）上記第２のパラメータ算出部は、（２−２−１）同一の単位時間の上記第１の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第２の入力パワーを平滑化して第２の平滑化パワーを算出する第２の平滑化部と、（２−２−２）上記第２の平滑化パワーを少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、（２−２−３）上記第２の入力パワーを上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、（４）上記第１の平滑化部又は上記第２の平滑化部は、所定の単位時間前の上記第２の目的音区間の検出結果又は同一の単位時間の上記第１の目的音区間の検出結果が目的音区間でない場合に平滑化し、目的音区間である場合に平滑化を停止し、上記第１の平滑化パワー又は上記第２の平滑化パワーを帯域別の雑音パワーの推定値として得ることを特徴とする。

第６の本発明は、入力信号におけるＳＮＲを推定するＳＮＲ推定プログラムであって、コンピュータを、（１）入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、（２）上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号におけるＳＮＲを推定する、複数の帯域別ＳＮＲ推定手段と、（３）上記各帯域別ＳＮＲ推定手段が得た、周波数帯域別の複数のＳＮＲ推定値を統合して最終的なＳＮＲの推定値を得る帯域別ＳＮＲ統合手段として機能させるものであり、（２）上記各帯域別雑音推定手段はそれぞれ、（２−１）入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、（２−２）入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、（２−１）上記第１のパラメータ算出部は、（２−１−１）所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、（２−１−２）上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、（２−１−３）上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、（２−２）上記第２のパラメータ算出部は、（２−２−１）同一の単位時間の上記第２の入力パワー及び上記第１の平滑化パワーに基づいてＳＮＲの推定値を算出するＳＮＲ算出部と、（２−２−２）同一の単位時間の上記第１の目的音区間の検出結果に基づいて、平滑化の実行、停止を制御しながら、上記ＳＮＲ推定値を平滑化してＳＮＲの平滑値を算出する第２の平滑化部と、（２−２−３）上記ＳＮＲ平滑値を少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、（２−２−４）上記ＳＮＲ推定値を上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、（４）上記ＳＮＲ算出部からの上記ＳＮＲ推定値を入力された上記周波数帯域信号における、その周波数帯域のＳＮＲの推定値として得ることを特徴とする。

本発明によれば、抑圧処理や推定処理の精度が高い雑音抑圧装置及びプログラム、雑音推定装置及びプログラム、並びに、ＳＮＲ推定装置及びプログラムを提供できる。

第１の実施形態の雑音抑圧装置の構成を示すブロック図である。 第１の実施形態の雑音抑圧装置における第１のパラメータ算出部の詳細構成を示すブロック図である。 第１の実施形態の雑音抑圧装置における第２のパラメータ算出部の詳細構成を示すブロック図である。 第１の実施形態をハングオーバー面で変形した雑音抑圧装置における第２のパラメータ算出部の詳細構成を示すブロック図である。 第２の実施形態の雑音抑圧装置における第１のパラメータ算出部の詳細構成を示すブロック図である。 第２の実施形態の雑音抑圧装置における第２のパラメータ算出部の詳細構成を示すブロック図である。 第３の実施形態の雑音抑圧装置における第２のパラメータ算出部の詳細構成を示すブロック図である。 実施形態の雑音推定装置の構成を示すブロック図である。 実施形態のＳＮＲ推定装置の構成を示すブロック図である。

（Ａ）第１の実施形態
以下、本発明による雑音抑圧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説明する。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態の雑音抑圧装置の構成を示すブロック図である。

第１の実施形態の雑音抑圧装置は、図１で示す構成部分を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（雑音抑圧プログラム）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。

図１において、第１の実施形態の雑音抑圧装置１００は、周波数解析部１０１、帯域別雑音抑圧手段１０２−１〜１０２−Ｍ及び波形復元部１０３を有する。

周波数解析部１０１は、入力信号を周波数解析して周波数スペクトルを算出し、得られた入力スペクトルを帯域別雑音抑圧手段１０２−１〜１０２−Ｍに与えるものである。周波数解析には、例えば、高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ：ＦＦＴ）やウェーブレット変換やフィルタバンクなどを適用することができるが、ＦＦＴが好適である。以下では、入力スペクトルは複素数で与えられるものとする。

帯域別雑音抑圧手段１０２−１〜１０２−Ｍは、周波数解析部１０１によって得られるスペクトル（周波数帯域）の数（Ｍ）だけ設けられている。以下、各帯域別雑音抑圧手段１０２−１〜１０２−Ｍへの入力スペクトルにおける信号を周波数帯域信号と呼ぶこととする。

各帯域別雑音抑圧手段１０２−１〜１０２−Ｍ（以下、枝番「１」〜「Ｍ」を適宜省略して説明する）は、入力される周波数帯域信号は異なるが同様な構成を有する。帯域別雑音抑圧手段１０２は、自己へ入力された周波数帯域信号に対して後述するような雑音抑圧を行って、雑音抑圧後の周波数帯域信号を波形復元部１０３に与える。

波形復元部１０３は、全ての帯域別雑音抑圧手段１０２から与えられたスペクトル（雑音抑圧後の周波数帯域信号）でなる出カスペクトルを時間領域の信号に変換し、得られた時間領域信号を、当該雑音抑圧装置１００の出力として次段の装置に出力する。時間領域の信号への変換は、周波数解析部１０１で用いた周波数解析技術と対をなす方法を用い、例えば、周波数解析技術がＦＦＴであれば時間領域の信号への変換には逆高速フーリエ変換（Ｉｎｖｅｒｓｅ ＦＦＴ；ＩＦＦＴ）を用いる。

各帯域別雑音抑圧手段１０２はそれぞれ、パワー算出部１１０、第１のパラメータ算出部１１１、第２のパラメータ算出部１１２、単位時間遅延部１１３及び雑音抑圧部１１４を有する。

帯域別雑音抑圧手段１０２において、入力された周波数帯域信号はパワー算出部１１０及び雑音抑圧部１１４に与えられるようになされている。

パワー算出部１１０は、入力された周波数帯域信号のＴＰ秒間のパワーを算出し、得られた入力パワーＰｉｎを第１のパラメータ算出部１１１、第２のパラメータ算出部１１２及び雑音抑圧部１１４に与えるものである。パワーの算出方法として、公知の算出方法を適用することができる。例えば、絶対値の２乗和若しくは絶対値和を入力パワーとして算出するようにしても良く、ＴＰ秒間の最大振幅を入力パワーとして算出するようにしても良い。

第１のパラメータ算出部１１１は、１単位時間前の第２のパラメータ算出部１１２の検出結果である第２の音声区間真偽値Ｖ２を含む第２のパラメータＦ２と、入力パワーＰｉｎとを用いて音声区間検出を行い、得られた音声区間真偽値（第１の音声区間真偽値）Ｖ１を含む第１のパラメータＦ１を第２のパラメータ算出部１１２及び雑音抑圧部１１４に与えるものである。上述した単位時間は、例えば、音声処理などで適用されている１０ミリ秒等のフレームである。

第２のパラメータ算出部１１２は、第１のパラメータ算出部１１１の検出結果である第１の音声区間真偽値Ｖ１を少なくとも含む第１のパラメータＦ１と、入力パワーＰｉｎとを用いて音声区間検出を行い、得られた音声区間真偽値（第２の音声区間真偽値）Ｖ２を少なくとも含む第２のパラメータＦ２を、単位時間遅延部１１３を介して第１のパラメータ算出部１１１に与えると共に、上述した第２のパラメータＦ２を雑音抑圧部１１４に与えるものである。

単位時間遅延部１１３は、第２のパラメータ算出部１１２から出力された第２のパラメータＦ２を１単位時間だけ遅延させて第１のパラメータ算出部１１１に与えるものである。

雑音抑圧部１１４は、第１のパラメータＦ１、第２のパラメータＦ２及び入力パワーＰｉｎに基づいて、入力スペクトル（入力された周波数帯域信号）の雑音成分を抑圧し、得られた出力スペクトル（抑圧後の周波数帯域信号）を波形復元部１０３に与えるものである。雑音抑圧方法として、演算量の少ないスペクトル減算法が好適であるが、ウィナーフィルタ法やＭＭＳＥ−ＳＴＳＡなどを用いても良い。

スペクトル減算法を用いる場合、抑庄ゲインは入力振幅（又はパワー）から雑音振幅（又はパワー）を減じた後、入力振幅（又はパワー）で除することで与えられる。但し、減算結果が負値となると抑圧ゲインが負となるため、抑圧ゲインが所定の最小ゲイン値を下回らないようにするなどの対策が取られる。一方、ウィナーフィルタやＭＭＳＥ−ＳＴＳＡを用いる場合、抑圧ゲインは事後ＳＮＲと事前ＳＮＲに基づいて算出される。事前ＳＮＲは、Ｄｅｃｉｓｉｏｎ−Ｄｉｒｅｃｔｅｄ法を用いて事後ＳＮＲと１単位時間前の抑圧ゲインから推定できる。事後ＳＮＲは、入力パワーを雑音パワーで除することで算出される。

これらの抑圧方法では、第１のパラメータＦ１に含まれる後述する第１の平滑化パワーＰ１を必要とする。また、第２のパラメータＦ２に含まれる第２の音声区間真偽値Ｖ２に基づいて、第２の音声区間真偽値Ｖ２が真値（音声区間を表す値）ならば１を、第２の音声区間真偽値Ｖ２が偽値（雑音区間を表す値）ならば０又は非常に小さい値（例えば０．０１）を入力された周波数帯域信号に乗じることにより雑音を抑圧する方法を、雑音抑圧部１１４で用いることができる。

第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２はそれぞれ、既存の音声区間検出技術をアレンジして適用しているものである。第１のパラメータ算出部１１１が適用している既存の音声区間検出技術と、第２のパラメータ算出部１１２が適用している既存の音声区間検出技術とは異なっていても良く、また、同じであっても良い。

なお、図１では、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２がそれぞれ、入力パワーを利用して音声区間を検出する音声区間検出技術を適用しているため、共通に適用できるパワー算出部１１０を、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２の外部に記載しているが、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２の多くても一方だけが入力パワーを利用して音声区間を検出する音声区間検出技術を適用している場合には、共通するパワー算出部１１０は不要となる。また例えば、第１のパラメータ算出部１１１が利用する入力パワーがＴＰ秒間の２乗和であり、第２のパラメータ算出部１１２が利用する入力パワーがＴＰ秒間の最大振幅であるように、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２が利用する入力パワーが異なっていても良く、このような場合には、パワー算出部を、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２毎に別個に設けることを要する。

図２は、第１のパラメータ算出部１１１の詳細構成例を示すブロック図である。図２において、第１のパラメータ算出部１１１は、第１の平滑化部２０１、第１の閾値算出部２０２及び第１の音声区間判定部２０３を有する。

第１の平滑化部２０１は、第１の音声区間参考真偽値Ｖｒ１（＝１単位時間前の第２の音声区間真偽値Ｖ２）に基づいて入力パワーＰｉｎを平滑化し、得られた第１の平滑化パワーＰ１を第１の閾値算出部２０２に与える。第１の平滑化部２０１は、第１の音声区間参考真偽値Ｖｒ１が偽値（すなわち、雑音区間を表す値）であるときには入力パワーＰｉｎを平滑化して第１の平滑化パワーＰ１を更新し、第１の音声区間参考真偽値Ｖｒ１が真値（すなわち、音声区間を表す値）であるときには第１の平滑化パワーＰ１を更新しない。従って、第１の平滑化パワーＰ１が意味するのは雑音パワーの平滑化値（雑音パワーの平均的な値）である。なお、平滑化方法や平滑化構成は何ら限定されるものではない。例えば、時定数が０．２秒の時定数フィルタを用いて平滑化する。

第１の閾値算出部２０２は、第１の平滑化パワーＰ１に１以上の値をとる所定の定数係数Ｃ１（以下、第１の係数と呼ぶ）を乗じて、入力パワーＰｉｎと比較する第１の閾値ＴＨ１を形成して第１の音声区間判定部２０３に与えるものである。第１の平滑化パワーＰ１が雑音パワーの平均的な値を意味し、これに乗算することで、音声パワーと雑音パワーとを切り分けるための第１の閾値ＴＨ１を定める第１の係数Ｃ１の値は、限定されるものではないが、例えば、２を適用することができる。

第１の音声区間判定部２０３は、第１の閾値ＴＨ１と入力パワーＰｉｎを比較して音声区間か否かを判定し、第１の音声区間真偽値Ｖ１を出力する。第１の音声区間判定部２０３は、入力パワーＰｉｎが第１の閾値ＴＨ１より大きければ第１の音声区間真偽値Ｖ１として真値を出力し、そうでなければ偽値を出力する。

第１のパラメータ算出部１１１は、以上のようにして得られた第１の平滑化パワーＰ１と第１の音声区間真偽値Ｖ１を、第１のパラメータＦ１として出力する。

図３は、第２のパラメータ算出部１１２の詳細構成例を示すブロック図である。図３において、第２のパラメータ算出部１１２は、第２の平滑化部３０１、第２の閾値算出部３０２及び第２の音声区間判定部３０３を有する。

第２の平滑化部３０１は、第２の音声区間参考真偽値Ｖｒ２（同一単位時間における第１の音声区間真偽値Ｖ１）に基づいて入力パワーＰｉｎを平滑化し、得られた第２の平滑化パワーＰ２を第２の閾値算出部３０２に与える。第２の平滑化部３０１は、第２の音声区間参考真偽値Ｖｒ２が真値（すなわち、音声区間を表す値）であるときには入力パワーＰｉｎを平滑化して第２の平滑化パワーＰ２を更新し、第２の音声区間参考真偽値Ｖｒ２が偽値（すなわち、雑音区間を表す値）であるときには第２の平滑化パワーＰ２を更新しない。従って、第２の平滑化パワーＰ２が意味するのは音声パワーの平滑化値（音声パワーの平均的な値）である。なお、平滑化方法や平滑化構成は何ら限定されるものではない。例えば、時定数が０．８秒の時定数フィルタを用いて平滑化する。

時定数は対象信号の追従性と平滑化された値の安定性とのトレードオフで決定されるものであり、上述した第１の平滑化部２０１は雑音区間の入力パワーＰｉｎを平滑化するのに対して、第２の平滑化部３０１は音声区間の入力パワーＰｉｎを平滑化するので、後者の方については安定性に重みをおき、後者の時定数の方を長くするように選定した。

第２の閾値算出部３０２は、第２の平滑化パワーＰ２に０より大きく１以下の値をとる所定の定数係数Ｃ２（以下、第２の係数と呼ぶ）を乗じて、入力パワーＰｉｎと比較する第２の閾値ＴＨ２を形成して第２の音声区間判定部３０３に与えるものである。第２の平滑化パワーＰ１が音声パワーの平均的な値を意味し、これに乗算することで、音声パワーと雑音パワーとを切り分けるための第２の閾値ＴＨ２を定める第２の係数Ｃ２の値は、限定されるものではないが、例えば、０．５を適用することができる。

第２の音声区間判定部３０３は、第２の閾値ＴＨ２と入力パワーＰｉｎを比較して音声区間か否かを判定し、第２の音声区間真偽値Ｖ２を出力する。第２の音声区間判定部３０３は、入力パワーＰｉｎが第２の閾値ＴＨ２より大きければ第２の音声区間真偽値Ｖ２として真値を出力し、そうでなければ偽値を出力する。

上述した第１のパラメータ算出部１１１及び／又は第２のパラメータ算出部１１２は、音声区間検出で多用されるハングオーバーを行うようにしても良い。ハングオーバーについては、後述する動作説明の項で明らかにする。

第２のパラメータ算出部１１２は、以上のようにして得られた第２の平滑化パワーＰ２と第２の音声区間真偽値Ｖ２を、第２のパラメータＦ２として出力する。

（Ａ−２）第１の実施形態の動作
次に、上述した構成を有する第１の実施形態の雑音抑圧装置１００の動作を説明する。まず、第１の実施形態の雑音抑圧装置１００の全体動作を説明した後、第１のパラメータ算出部１１１及び第２のパラメータ算出部１１２の動作を順に説明し、さらに、ハングオーバー動作についても説明する。

図１において、第１の実施形態の雑音抑圧装置１００への入力信号は周波数解析部１０１に与えられ、周波数解析部１０１において、入力信号は周波数解析されて周波数スペクトルが算出され、得られた入力スペクトルが帯域別雑音抑圧手段１０２（１０２−１〜１０２−Ｍ）に与えられる。

各帯域別雑音抑圧手段１０２において、それぞれ、入力された周波数帯域信号はパワー算出部１１０及び雑音抑圧部１１４に与えられる。

パワー算出部１１０において、入力された周波数帯域信号のＴＰ秒間のパワーが算出され、得られた入力パワーＰｉｎが第１のパラメータ算出部１１１、第２のパラメータ算出部１１２及び雑音抑圧部１１４に与えられる。

第１のパラメータ算出部１１１においては、１単位時間前の第２のパラメータ算出部１１２の検出結果である第２の音声区間真偽値Ｖ２を含む第２のパラメータＦ２と、入力パワーＰｉｎとが適用されて音声区間の検出動作が実行され、得られた第１の音声区間真偽値Ｖ１を含む第１のパラメータＦ１が第２のパラメータ算出部１１２及び雑音抑圧部１１４に与えられる。

第２のパラメータ算出部１１２においても、第１のパラメータ算出部１１１の検出結果である第１の音声区間真偽値Ｖ１を少なくとも含む第１のパラメータＦ１と、入力パワーＰｉｎとが適用されて音声区間の検出動作が実行され、得られた第２の音声区間真偽値Ｖ２を少なくとも含む第２のパラメータＦ２が、単位時間遅延部１１３を介して第１のパラメータ算出部１１１に与えられると共に、雑音抑圧部１１４に与えられる。

雑音抑圧部１１４においては、第１のパラメータＦ１、第２のパラメータＦ２及び入力パワーＰｉｎに基づいて、入力スペクトル（入力された周波数帯域信号）の雑音成分が抑圧され、得られた出力スペクトル（抑圧後の周波数帯域信号）が波形復元部１０３に与えられる。

そして、波形復元部１０３において、全ての帯域別雑音抑圧手段１０２（１０２−１~１０２−Ｍ）から与えられたスペクトル（雑音抑圧後の周波数帯域信号）でなる出カスペクトルが時間領域の信号に変換され、得られた時間領域信号が、当該雑音抑圧装置１００の出力として次段の装置に出力される。

次に、第１のパラメータ算出部１１１の動作を、図２を参照しながら説明する。

第１の平滑化部２０１においては、第１の音声区間参考真偽値Ｖｒ１（＝１単位時間前の第２の音声区間真偽値Ｖ２）に基づいて入力パワーＰｉｎが平滑化される。すなわち、第１の音声区間参考真偽値Ｖｒ１が偽値であるときには入力パワーＰｉｎが平滑化されて第１の平滑化パワーＰ１が更新され、一方、第１の音声区間参考真偽値Ｖｒ１が真値であるときには第１の平滑化パワーＰ１が更新されずにその直前の第１の平滑化パワーＰ１が維持される。

上述のようにして得られた第１の平滑化パワーＰ１が第１の閾値算出部２０２及び第１の音声区間判定部２０３に与えられる。第１の閾値算出部２０２において、第１の平滑化パワーＰ１には、１以上の値をとる第１の係数Ｃ１が乗算される。そして、第１の音声区間判定部２０３において、乗算結果である第１の閾値ＴＨ１と、入力パワーＰｉｎとが比較され、入力パワーＰｉｎが第１の閾値ＴＨ１より大きいときに、真値の第１の音声区間真偽値Ｖ１が第１の音声区間判定部２０３から第２のパラメータ算出部１１２及び雑音抑圧部１１４へ出力され、入力パワーＰｉｎが第１の閾値ＴＨ１以下のときに、偽値の第１の音声区間真偽値Ｖ１が第１の音声区間判定部２０３から第２のパラメータ算出部１１２及び雑音抑圧部１１４へ出力される。なお、上述した第１の平滑化パワーＰ１も、雑音抑圧部１１４へ出力される。

次に、第２のパラメータ算出部１１２の動作を、図３を参照しながら説明する。

第２の平滑化部３０１においては、第２の音声区間参考真偽値Ｖｒ２（＝同一の単位時間での第１の音声区間真偽値Ｖ１）に基づいて入力パワーＰｉｎが平滑化される。すなわち、第２の音声区間参考真偽値Ｖｒ２が真値であるときには入力パワーＰｉｎが平滑化されて第２の平滑化パワーＰ２が更新され、一方、第２の音声区間参考真偽値Ｖｒ２が偽値であるときには第２の平滑化パワーＰ２が更新されずにその直前の第２の平滑化パワーＰ２が維持される。

上述のようにして得られた第２の平滑化パワーＰ２が第２の閾値算出部３０２及び第２の音声区間判定部３０３に与えられる。第２の閾値算出部３０２において、第２の平滑化パワーＰ２には、０より大きく１以下の値をとる第２の係数Ｃ２が乗算される。そして、第２の音声区間判定部３０３において、乗算結果である第２の閾値ＴＨ２と、入力パワーＰｉｎとが比較され、入力パワーＰｉｎが第２の閾値ＴＨ２より大きいときに、真値の第２の音声区間真偽値Ｖ２が第２の音声区間判定部３０３から単位時間遅延部１１３（従って第１のパラメータ算出部１１１）及び雑音抑圧部１１４へ出力され、入力パワーＰｉｎが第２の閾値ＴＨ２以下のときに、偽値の第２の音声区間真偽値Ｖ２が単位時間遅延部１１３（従って第１のパラメータ算出部１１１）及び雑音抑圧部１１４へ出力される。なお、上述した第２の平滑化パワーＰ２も、雑音抑圧部１１４へ出力される。

以上では、ハングオーバー動作を実行しないように説明したが、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の少なくとも一方でハングオーバー動作を実行するようにしても良い。

以下、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の少なくとも一方で実行されるハングオーバー動作について説明する。なお、ハングオーバー動作は、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の両方で行っても良く、また、一方で行っても良い（但し、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の両方でハングオーバー動作を実行しない実施形態も本発明の一つの実施形態となる）。

第１の音声区間判定部２０３におけるハングオーバー動作と第２の音声区間判定部３０３におけるハングオーバー動作とは、同様であるので、以下では、第１の音声区間判定部２０３におけるハングオーバー動作のみを説明し、第２の音声区間判定部３０３におけるハングオーバー動作の説明は省略する。

第１の音声区間判定部２０３に関し、最後に真値が出力されてからの第１の経過時間Ｔｅ１に対する所定のハングオーバー時間Ｔｈｎ１を予め定めておく。第１の音声区間判定部２０３は、第１の閾値ＴＨ１と入力パワーＰｉｎを比較した際、（ｉ）Ｐｉｎ＞ＴＨ１である場合には真値の第１の音声区間真偽値Ｖ１を出カすると共に第１の経過時間Ｔｅ１を０クリアし、（ii）Ｐｉｎ≦ＴＨ１且つＴｅ１≦Ｔｈｎ１である場合には真値の第１の音声区間真偽値Ｖ１を出カすると共に第１の経過時間Ｔｅ１を１単位時間分だけインクリメントし、（iii）Ｐｉｎ≦ＴＨ１且つＴｅ１＞Ｔｈｎ１である場合には偽値の第１の音声区間真偽値Ｖ１を出力する。

ここで、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の両方でハングオーバー動作を行う場合において、第１の音声区間判定部２０３におけるハングオーバー時間Ｔｈｎ１と、第２の音声区間判定部３０３におけるハングオーバー時間Ｔｈｎ２とは同じであっても良く、また、異なっていても良い。以下では、異なるようにさせる例を説明する。第１の実施形態では、第１の音声区間真偽値Ｖ１は第２のパラメータ算出部１１２において音声パワーの平均的な値の推定に用いられるので、雑音区間を誤って音声区間と判定させないために、第１の音声区間判定部２０３のハングオーバー時間Ｔｈｎ１は短めに設定される。逆に、第２の音声区間真偽値Ｖ２は第１のパラメータ算出部１１１において雑音パワーの平均的な値の推定に用いられるので、音声区間を誤って雑音区間と判定させないために、第２の音声区間判定部３０３のハングオーバー時間Ｔｈｎ２は長めに設定される。例えば、第１の音声区間判定部２０３におけるハングオーバー時間Ｔｈｎ１を０．１秒とし、第２の音声区間判定部３０３におけるハングオーバー時間Ｔｈｎ２を０．２秒とする設定が好適である。

（Ａ−３）第１の実施形態の構成に至った考え方
次に、第１の実施形態の雑音抑圧検出装置１００の構成に至った考え方（後述する実施形態も同様である）を説明する。

従来技術のアプローチは、雑音パワーを推定してから音声区間を検出するか、音声区間を検出してから雑音パワーを推定するかであった。特許文献１の記載技術における重み係数は、音声が強く優勢なら０で、雑音が強く優勢なら１となるので、音声区間を検出していることとほぼ同義である。このようなアプローチでは、先に実施された方の推定又は検出が不正確となり、後に実施される方の推定又は検出も不正確となる。

一方、第１の実施形態では、第１のパラメータ算出部及び第２のパラメータ算出部を有し、なおかつ相互に情報をやり取りする。すなわち、例えば、両パラメータ算出部が、雑音パワーを推定してから音声区間を検出する構成であったとして、一方のパラメータ算出部において雑音パワーを推定する際に他方のパラメータ算出部から出力された音声区間の検出結果を利用することによって、精度の高い雑音パワー推定が可能となる。なお、実用的には、例えば、一方のパラメータ算出部で雑音パワーを推定し、他方のパラメータ算出部で音声パワーを推定するといったように（第１の実施形態はこの場合に該当する）、両パラメータ算出部が異なる観点で推定及び検出を行うことで、さらに精度を向上させる。

このように、周波数帯域ごとに二つのパラメータ算出部を用意して、それらがパラメータを相互に交換しながら有機的にパラメータを算出することによって、帯域ごとの雑音パワー（後述する第３の実施形態ではＳＮＲ）の推定、音声区間検出を高い精度で実現することができる。そして、これらの結果を雑音抑圧に応用することで、より少ない歪みで音声を強調した出力音声を得ることができる。

（Ａ−４）第１の実施形態の効果
第１の実施形態によれば、２つのパラメータ算出部が互いのパラメータ（音声パワーと雑音パワーの平均的な値の推定値）の更新を補い合うことで、パラメータの算出精度及び音声区間の検出精度を向上させることができるため、自然性と明瞭度の高い雑音抑圧を実現できる。

（Ａ−５）第１の実施形態の変形実施形態
上述した第１の実施形態の説明では、第２のパラメータ算出部１１２（言い換えると第２の音声区間判定部３０３）がハングオーバー動作をしても良く、また、ハングオーバー動作をしなくても良い旨を説明した。ハングオーバー動作を行う場合であれば、第１のパラメータ算出部１１１にフィードバックされる音声区間真偽値も雑音抑圧部１１４に出力される音声区間真偽値もハングオーバー動作されたものとなり、ハングオーバー動作を行なわない場合であれば、第１のパラメータ算出部１１１にフィードバックされる雑音抑圧部１１４も次段の装置に出力される音声区間真偽値もハングオーバー動作がなされていないものとなる。

図４は、第１の実施形態をハングオーバー面で変形した帯域別抑圧手段１０２Ａ内の第２のパラメータ算出部１１２Ａの構成を示すブロック図である。

この第２のパラメータ算出部１１２Ａにおいては、ハングオーバー動作を実行しない第２の音声区間判定部３０３に加えて、第２の音声区間判定部３０３から出力された第２の音声区間真偽値Ｖ２に対してハングオーバー動作を実行するハングオーバー部３０４が設けられている。第２の音声区間判定部３０３から出力された第２の音声区間真偽値Ｖ２は、単位時間遅延部１１３を介して第１のパラメータ算出部１１１に与えられると共に、ハングオーバー部３０４を介して次段の装置に与えられる。

ハングオーバー部３０４には、自己が出力する音声区間真偽値Ｖ０に真値が設定されてからの経過時間Ｔｅ０に対する所定のハングオーバー時間Ｔｈｎ０を予め定めておく。ハングオーバー部３０４は、（ｉ）入力された第２の音声区間真偽値Ｖ２が真値である場合には真値の音声区間真偽値Ｖ０を出カすると共に経過時間Ｔｅ０を０クリアし、（ii）第２の音声区間真偽値Ｖ２が偽値で且つＴｅ０≦Ｔｈｎ０である場合には真値の音声区間真偽値Ｖ０を出カすると共に経過時間Ｔｅ０を１単位時間分だけインクリメントし、（iii）第２の音声区間真偽値Ｖ２が偽値で且つＴｅ０＞Ｔｈｎ０である場合には偽値の音声区間真偽値Ｖ０を出力する。ハングオーバー時間Ｔｈｎ０は、音声区間真偽値Ｖ０の用途によって最適な値は異なるが、例えば、音声認識に利用する場合であれば０．５秒が好適である。

（Ｂ）第２の実施形態
次に、本発明による雑音除去装置及びプログラムの第２の実施形態を、図面を参照しながら説明する。

第１の実施形態では、平滑化パワー（特に雑音パワーの平均値を意味する第１の平滑化パワー）の算出及び音声区間の判定に際して、平滑化パワーと入力パワーとの比較のために所定の定数係数Ｃ１及びＣ２を用いていたが、最適な係数は音声と雑音のパワーバランスで異なる。そこで、第１のパラメータ算出部及び第２のパラメータ算出部で授受するパラメータを、第１の実施形態では音声区間真偽値のみとしていたが、第２の実施形態では音声区間真偽値に加えて平滑化パワーを含め、該平滑化パワーをも利用して閾値を更新することとした。

（Ｂ−１）第２の実施形態の構成
第２の実施形態の雑音除去装置（以下、符号「１００Ｂ」を用いる）の全体構成も、上述した図１で表すことができる。但し、第１のパラメータ算出部（以下、符号「１１１Ｂ」を用いる）及び第２のパラメータ算出部（以下、符号「１１２Ｂ」を用いる）の詳細な構成が第１の実施形態と異なっている。そのため、以下では、主として、第１のパラメータ算出部１１１Ｂ及び第２のパラメータ算出部１１２Ｂの詳細構成を説明する。

図５は、第２の実施形態における第１のパラメータ算出部１１１Ｂの詳細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２との同一、対応部分には同一、対応符号を付して示している。

図５において、第１のパラメータ算出部１１１Ｂは、第１の平滑化部２０１、第１の閾値算出部２０２Ｂ及び第１の音声区間判定部２０３を有する。第１の平滑化部２０１及び第１の音声区間判定部２０３は第１の実施形態のものと同様であるので、その機能説明は省略する。

第２の実施形態における第１の閾値算出部２０２Ｂは、第１の平滑化部２０１から出力された第１の平滑化パワーＰ１と、単位時間遅延部１１３を介して第２のパラメータ算出部１１２Ｂから与えられた第１の参考平滑化パワーＰｒ１（＝１単位時間前の第２の平滑化パワーＰ２）とに基づいて、入力パワーＰｉｎと比較する第１の閾値ＴＨ１Ｂを形成して第１の音声区間判定部２０３に与えるものである。

第１の閾値ＴＨ１Ｂの形成に用いられる２つの値のうち、第１の平滑化パワーＰ１が雑音パワーの平均的な値を意味し、第１の参考平滑化パワーＰｒ１が１単位時間前の音声パワーの平均的な値を意味するので、第１の閾値ＴＨ１Ｂとして、第１の平滑化パワーＰ１及び第１の参考平滑化パワーＰｒ１の平均値を適用することが好ましい。平均値は相加平均（Ｐ１＋Ｐｒ１）／２であっても相乗平均（Ｐ１×Ｐｒ１）^１／２であっても良い。第１の閾値ＴＨ１Ｂとして平均値以外を適用する場合においては、第１の閾値ＴＨ１Ｂを、第１の平滑化パワーＰ１より大きく平均値より小さい値とし、第１の音声区間判定部２０３で雑音区間より音声区間と判定される機会を多くすることが好ましい。演算の容易性などから、第１の閾値ＴＨ１Ｂの値として相加平均（Ｐ１＋Ｐｒ１）／２が好適である。

第２の実施形態の場合、第１のパラメータ算出部１１１Ｂは、第１の平滑化部２０１から出力された第１の平滑化パワーＰ１と第１の音声区間判定部２０３から出力された第１の音声区間真偽値Ｖ１とを含む第１のパラメータＦ１を第２のパラメータ算出部１１２Ｂ及び雑音抑圧部１１４に与える。

図１２は、第２の実施形態における第２のパラメータ算出部１１２Ｂの詳細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３との同一、対応部分には同一、対応符号を付して示している。

図１２において、第２のパラメータ算出部１１２Ｂは、第２の平滑化部３０１、第２の閾値算出部３０２Ｂ及び第２の音声区間判定部３０３を有する。第２の平滑化部３０１及び第２の音声区間判定部３０３は第１の実施形態のものと同様であるので、その機能説明は省略する。

第２の実施形態における第２の閾値算出部３０２Ｂは、第２の平滑化部３０１から出力された第２の平滑化パワーＰ２と、第１のパラメータ算出部１１１Ｂから与えられた第２の参考平滑化パワーＰｒ２（＝同一単位時間の第１の平滑化パワーＰ１）とに基づいて、入力パワーＰｉｎと比較する第２の閾値ＴＨ２Ｂを形成して第２の音声区間判定部３０３に与えるものである。

第２の閾値ＴＨ２Ｂの形成に用いられる２つの値のうち、第２の平滑化パワーＰ２が音声パワーの平均的な値を意味し、第２の参考平滑化パワーＰｒ２が雑音パワーの平均的な値を意味するので、第２の閾値ＴＨ２Ｂとして、第２の平滑化パワーＰ２及び第２の参考平滑化パワーＰｒ２の平均値を適用することが好ましい。平均値は相加平均（Ｐ２＋Ｐｒ２）／２であっても相乗平均（Ｐ２×Ｐｒ２）^１／２であっても良い。第２の閾値ＴＨ２Ｂとして平均値以外を適用する場合においては、第２の閾値ＴＨ２Ｂを、第１の平滑化パワーＰ１より大きく平均値より小さい値とし、第２の音声区間判定部３０３で雑音区間より音声区間と判定される機会を多くすることが好ましい。演算の容易性などから、第２の閾値ＴＨ２Ｂの値として相加平均（Ｐ１＋Ｐｒ１）／２が好適である。

第２の実施形態の場合、第２のパラメータ算出部１１２Ｂは、第２の平滑化部３０１から出力された第２の平滑化パワーＰ２と第２の音声区間判定部３０３から出力された第２の音声区間真偽値Ｖ２とを含む第２のパラメータＦ２を単位時間遅延部１０４を介して第１のパラメータ算出部１１１Ｂに与えると共に、上述した第２のパラメータＦ２を雑音抑圧部１１４に与える。

（Ｂ−２）第２の実施形態の動作
次に、第２の実施形態の雑音抑圧装置１００Ｂの動作を説明する。第２の実施形態の雑音抑圧装置１００Ｂの全体動作も第１の実施形態の雑音抑圧装置１００の全体動作と同様であるので全体動作の説明は省略し、以下では、第２の実施形態が第１の実施形態と異なっている第１のパラメータ算出部１１１Ｂ及び第２のパラメータ算出部１１２Ｂの動作を順に説明する。

まず、第１のパラメータ算出部１１１Ｂの動作を、図５を参照しながら説明する。

第１の平滑化部２０１においては、第１の音声区間参考真偽値Ｖｒ１（＝１単位時間前の第２の音声区間真偽値Ｖ２）に基づいて入力パワーＰｉｎが平滑化され、得られた第１の平滑化パワーＰ１が第１の閾値算出部２０２Ｂに与えられる。第１の閾値算出部２０２Ｂには、１単位時間前の第２の平滑化パワーＰ２である第１の参考平滑化パワーＰｒ１も与えられる。第１の閾値算出部２０２Ｂにおいては、第１の平滑化パワーＰ１と第１の参考平滑化パワーＰｒ１とに基づいて、入力パワーＰｉｎと比較される第１の閾値ＴＨ１Ｂが上述した方法により形成されて第１の音声区間判定部２０３に与えられる。そして、第１の音声区間判定部２０３において、第１の閾値ＴＨ１Ｂと、入力パワーＰｉｎとが比較され、入力パワーＰｉｎが第１の閾値ＴＨ１Ｂより大きいときに、真値の第１の音声区間真偽値Ｖ１が形成され、入力パワーＰｉｎが第１の閾値ＴＨ１Ｂ以下のときに、偽値の第１の音声区間真偽値Ｖ１が形成される。そして、第１の平滑化部２０１から出力された第１の平滑化パワーＰ１と第１の音声区間判定部２０３から出力された第１の音声区間真偽値Ｖ１とを含む第１のパラメータＦ１が第２のパラメータ算出部１１２Ｂ及び雑音抑圧部１１４に与えられる。

次に、第２のパラメータ算出部１１２Ｂの動作を、図６を参照しながら説明する。

第２の平滑化部３０１においては、第２の音声区間参考真偽値Ｖｒ２（＝同一単位時間の第１の音声区間真偽値Ｖ１）に基づいて入力パワーＰｉｎが平滑化され、得られた第２の平滑化パワーＰ２が第２の閾値算出部３０２Ｂに与えられる。第２の閾値算出部３０２Ｂには、同一単位時間の第１の平滑化パワーＰ１である第２の参考平滑化パワーＰｒ２も与えられる。第２の閾値算出部３０２Ｂにおいては、第２の平滑化パワーＰ２と第２の参考平滑化パワーＰｒ２とに基づいて、入力パワーＰｉｎと比較される第２の閾値ＴＨ２Ｂが上述した方法により形成されて第２の音声区間判定部３０３に与えられる。そして、第２の音声区間判定部３０３において、第２の閾値ＴＨ２Ｂと、入力パワーＰｉｎとが比較され、入力パワーＰｉｎが第２の閾値ＴＨ２Ｂより大きいときに、真値の第２の音声区間真偽値Ｖ２が形成され、入力パワーＰｉｎが第２の閾値ＴＨ２Ｂ以下のときに、偽値の第２の音声区間真偽値Ｖ２が形成される。そして、第２の平滑化部３０１から出力された第２の平滑化パワーＰ２と第２の音声区間判定部３０３から出力された第２の音声区間真偽値Ｖ２とを含む第２のパラメータＦ２が単位時間遅延部１１３を介して第１のパラメータ算出部１１１Ｂに与えられ、また、第２のパラメータＦ２が雑音抑圧部１１４に与えられる。

第２の実施形態においても、第１の実施形態と同様に、第１の音声区間判定部２０３及び第２の音声区間判定部３０３の少なくとも一方でハングオーバー動作を実行するようにしても良い。ハングオーバー動作を両方で行う場合において、第１の音声区間判定部２０３におけるハングオーバー時間と第２の音声区間判定部３０３におけるハングオーバー時間とが同じであっても良く、異なっていても良い。第２の実施形態においても、第１の音声区間判定部２０３におけるハングオーバー時間を０．１秒、第２の音声区間判定部３０３におけるハングオーバー時間を０．２秒とすることが好ましい態様である。

また、第１の実施形態と同様に、第２の実施形態についても、図４に示したようなハングオーバー部１５を有する変形を行うことができる。このハングオーバー部１５におけるハングオーバー時間として０．５秒が好適である。

（Ｂ−３）第２の実施形態の効果
第２の実施形態によっても、第１のパラメータ算出部及び第２のパラメータ算出部が互いのパラメータの更新を補い合うことで、パラメータを安定に更新させることができてパラメータの算出精度及び音声区間の検出精度を向上させることができるため、自然性と明瞭度の高い雑音抑圧を実現できる。

これに加え、第２の実施形態によれば、音声と雑音のパワーバランスが未知の場合や、このパワーバランスが時間的に変動する場合においても、入力パワーと比較される閾値を適切に更新でき、この点からも、パラメータの算出精度及び音声区間の検出精度を向上させることができて自然性と明瞭度の高い雑音抑圧を実現できる。

（Ｃ）第３の実施形態
次に、本発明による雑音抑圧装置及びプログラムの第３の実施形態を、図面を参照しながら説明する。

第３の実施形態は、第２のパラメータ算出部がＳＮＲ（ここでは事後ＳＮＲ）を推定して雑音抑圧部に提供する点が、第１の実施形態や第２の実施形態と異なっている。

（Ｃ−１）第３の実施形態の構成
第３の実施形態の雑音抑圧装置（以下、符号「１００Ｃ」を用いる）の全体構成も、上述した図１で表すことができる。

但し、第３の実施形態では、第１のパラメータ算出部１１１が、第１の実施形態と同様に、入力パワーＰｉｎに基づいてパラメータの推定や音声区間の検出を行うが、第２のパラメータ算出部（以下、符号「１１２Ｃ」を用いる）は、ＳＮＲ（ここでは事後ＳＮＲ）を推定し、推定したＳＮＲに基づいて音声区間の検出を行う。また、雑音抑圧部（以下、符号「１１４Ｃ」を用いる）は、第２のパラメータ算出部１１２Ｃから出力されたＳＮＲをも利用して雑音抑圧を行う。

そのため、以下では、主として、第２のパラメータ算出部１１２Ｃの詳細構成と、雑音抑圧部１１４Ｃの機能とを説明する。なお、第１のパラメータ算出部１１１は、上述した図２に示した詳細構成を有している。

図７は、第３の実施形態における第２のパラメータ算出部１１２Ｃの詳細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３との同一、対応部分には同一、対応符号を付して示している。

図７において、第３の実施形態の第２のパラメータ算出部１１２Ｃは、第２の平滑化部３０１Ｃ、第２の閾値算出部３０２Ｃ及び第２の音声区間判定部３０３Ｃに加え、ＳＮＲ算出部３０５を有する。

ＳＮＲ算出部３０５は、入力パワーＰｉｎ（ＳＮＲのＳに相当する）を、雑音パワーの推定値である第２の参考平滑化パワーＰｒ２（＝１単位時間前の第１の平滑化パワーＰ１；ＳＮＲのＲに相当する）で除してＳＮＲの推定値Ｒｉを得、得られたＳＮＲ推定値Ｒｉを第２の平滑化部３０１Ｃ及び第２の音声区間判定部３０３Ｃに与える。

第３の実施形態における第２の平滑化部３０１Ｃは、第１及び第２の実施形態のものと異なって入力パワーＰｉｎではなく、ＳＮＲ推定値Ｒｉを平滑化するものである。第２の平滑化部３０１Ｃは、第２の音声区間参考真偽値Ｖｒ２（＝１単位時間前の第１の音声区間真偽値Ｖ１）に基づいてＳＮＲ推定値Ｒｉを平滑化し、得られたＳＮＲ平滑化値Ｒｓを第２の閾値算出部３０２Ｃに与える。第２の平滑化部３０１Ｃは、第２の音声区間参考真偽値Ｖｒ２が真値（すなわち音声区間）であるときにはＳＮＲ推定値Ｒｉを平滑化してＳＮＲ平滑化値Ｒｓを更新し、第２の音声区間参考真偽値Ｖｒ２が偽値（すなわち雑音区間）であるときにはＳＮＲ平滑化値Ｒｓを更新しないで維持する。従って、ＳＮＲ平滑化値Ｒｓが意味するのは音声区間の平均的なＳＮＲである。なお、平滑化の方法は何ら限定されるものではない。例えば、時定数が０．８秒の時定数フィルタが好適である。

第３の実施形態における第２の閾値算出部３０２Ｃは、ＳＮＲ平滑化値Ｒｓが音声区間のＳＮＲを意味することから、ＳＮＲ平滑化値Ｒｓに、０より大きく１以下の定数値をとる第２の係数Ｃ２Ｃを乗じて、ＳＮＲ推定値Ｒｉと比較する第２の閾値ＴＨ２Ｃを形成して第２の音声区間判定部３０３Ｃに与えるものである。ＳＮＲ平滑化値Ｒｓに乗算することで、音声区間のＳＮＲ推定値と雑音区間のＳＮＲ推定値とを切り分けるための第２の閾値ＴＨ２Ｃを定める第２の係数Ｃ２Ｃの値は、限定されるものではないが、例えば、０．５を適用することができる。

第３の実施形態における音声区間判定部３０３Ｃは、ＳＮＲ推定値Ｒｉと第２の閾値ＴＨ２Ｃを比較して音声区間か否かを表す第２の音声区間真偽値Ｖ２を形成するものである。第２の音声区間判定部３０３Ｃは、ＳＮＲ推定値Ｒｉが第２の閾値ＴＨ２Ｃより大きければ第２の音声区間真偽値Ｖ２として真値を出力し、そうでなければ偽値を出力する。

第２のパラメータ算出部１１２Ｃからは、ＳＮＲ推定値Ｒｉと第２の音声区間真偽値Ｖ２とが出力される。

第３の実施形態の雑音抑圧部１１４Ｃは、第１のパラメータＦ１及び第２のパラメータＦ２Ｃと入カパワーＰｉｎに基づいて、入力スペクトル（周波数帯域信号）の雑音成分を抑圧し、抑圧後のスペクトルを波形復元部１０３に与える。第３の実施形態では、上述したように第２のパラメータＦ２ＣにＳＮＲ推定値Ｒｉが含まれており、雑音抑圧部１１４Ｃは、抑圧ゲインの算出に必要な事後ＳＮＲを改めて算出する必要がなく、与えられたＳＮＲ推定値Ｒｉをそのまま利用する。雑音抑圧部１１４Ｃが適用している雑音抑圧方法は限定されないが、周波数帯域毎のＳＮＲ推定値Ｒｉを利用できるという点からは、ウィナーフィルタ法やＭＭＳＥ−ＳＴＳＡが好適である。

（Ｃ−２）第３の実施形態の動作
次に、第３の実施形態の雑音抑圧装置１００Ｃの動作を説明する。第３の実施形態の雑音抑圧装置１００Ｃの全体動作も第１の実施形態の音声区間検出装置１００の全体動作と同様であるので全体動作の説明は省略する。また、第３の実施形態における第１の音声区間検出部１０２の動作は第１の実施形態のものと同様であるのでその動作説明は省略し、以下では、第３の実施形態における第２の音声区間検出部１０３Ｃの動作を説明し、第２の音声区間検出部１０３Ｃの出力が与えられる雑音抑圧部１１４Ｃの動作も説明する。

図７において、ＳＮＲ算出部３０５には、入力パワーＰｉｎと雑音パワーの推定値である第２の参考平滑化パワーＰｒ２（１単位時間前の第１の平滑化パワーＰ１）とが与えられ、入力パワーＰｉｎを第２の参考平滑化パワーＰｒ２で除してＳＮＲの推定値Ｒｉが得られ、得られたＳＮＲ推定値Ｒｉが第２の平滑化部３０１Ｃ及び第２の音声区間判定部３０３Ｃに与えられる。

ＳＮＲ推定値Ｒｉは第２の平滑化部３０１Ｃによって第２の音声区間参考真偽値Ｖｒ２（＝１単位時間前の第１の音声区間真偽値Ｖ１）が参照されて平滑化される。すなわち、第２の音声区間参考真偽値Ｖｒ２が真値（すなわち音声区間）であるときにはＳＮＲ推定値Ｒｉが平滑化されてＳＮＲ平滑化値Ｒｓが更新され、第２の音声区間参考真偽値Ｖｒ２が偽値（すなわち雑音区間）であるときにはＳＮＲ平滑化値Ｒｓが更新されないで維持され、このようにして得られたＳＮＲ平滑化値Ｒｓが第２の閾値算出部３０２Ｃに与えられる。そして、第２の閾値算出部３０２Ｃにおいて、ＳＮＲ平滑化値Ｒｓに、０より大きく１以下の定数値をとる第２の係数Ｃ２Ｃが乗算されて、ＳＮＲ推定値Ｒｉと比較される第２の閾値ＴＨ２Ｃが形成されて第２の音声区間判定部３０３Ｃに与えられる。

ＳＮＲ推定値Ｒｉと第２の閾値ＴＨ２Ｃとが第２の音声区間判定部３０３Ｃにおいて比較され、ＳＮＲ推定値Ｒｉが第２の閾値ＴＨ２Ｃより大きときに真値の第２の音声区間真偽値Ｖ２が出力され、ＳＮＲ推定値Ｒｉが第２の閾値ＴＨ２Ｃ以下のときに偽値の第２の音声区間真偽値Ｖ２が出力される。

第２のパラメータ算出部１１２Ｃからは、ＳＮＲ推定値Ｒｉと第２の音声区間真偽値Ｖ２とを含む第２のパラメータＦ２Ｃが出力され、第２のパラメータＦ２Ｃが雑音除去部１１４Ｃに与えられ、第２の音声区間真偽値Ｖ２が単位時間遅延部１１３を介して第１のパラメータ算出部１１１に与えられる。

雑音抑圧部１１４Ｃにおいては、第１のパラメータＦ１及び第２のパラメータＦ２Ｃと入カパワーＰｉｎに基づいて、入力スペクトル（周波数帯域信号）の雑音成分が抑圧され、抑圧後のスペクトルが波形復元部１０３に与えられる。ここで、上述した第２のパラメータＦ２ＣにはＳＮＲ推定値Ｒｉが含まれているので、雑音抑圧部１１４Ｃにおいて、抑圧ゲインの算出に必要な事後ＳＮＲが算出されることなく、与えられたＳＮＲ推定値Ｒｉがそのまま利用される。

第３の実施形態においても、第１の実施形態と同様に、第１の音声区間判定部２０３及び第２の音声区間判定部３０３Ｃの少なくとも一方でハングオーバー動作を実行するようにしても良い。ハングオーバー動作を両方で行う場合において、第１の音声区間判定部２０３におけるハングオーバー時間と第２の音声区間判定部３０３Ｃにおけるハングオーバー時間とが同じであっても良く、異なっていても良い。第３の実施形態においても、第１の音声区間判定部２０３におけるハングオーバー時間を０．１秒、第２の音声区間判定部３０３Ｃにおけるハングオーバー時間を０．２秒とすることが好ましい態様である。

また、第１の実施形態と同様に、第３の実施形態についても、図４に示したようなハングオーバー部１５を有する変形を行うことができる。このハングオーバー部１５におけるハングオーバー時間として０．５秒が好適である。

（Ｃ−３）第３の実施形態の効果
第３の実施形態によれば、第１のパラメータ算出部による入力信号のパワーに基づく推定及び判定と、第２のパラメータ算出部による入力信号におけるＳＮＲに基づく推定及び判定の、それぞれのパラメータと判定結果を使って互いに推定及び判定を行うので、パラメータの算出精度及び音声区間の検出精度を向上させることができて、自然性と明瞭度の高い雑音抑圧を実現できる。

（Ｃ−４）第３の実施形態の変形実施形態
上記では、第１のパラメータ算出部が入力パワーに基づいて音声区間を検出し、第２のパラメータ算出部がＳＮＲに基づいて音声区間を検出するものを説明したが、第１のパラメータ算出部がＳＮＲに基づいて音声区間を検出し、第２のパラメータ算出部が入力パワーに基づいて音声区間を検出するものであっても良く、また、第１のパラメータ算出部も第２のパラメータ算出部もＳＮＲに基づいて音声区間を検出するものであっても良い。

（Ｄ）他の実施形態
上記各実施形態の説明においても種々変形実施形態に言及したが、さらに、以下に例示するような変形実施形態を挙げることができる。

上記各実施形態では、各帯域別雑音抑圧手段がそれぞれ独立に機能するものを示したが、静的又は動的に影響し合うようにしても良い。例えば、一部の帯域別雑音抑圧手段の第１のパラメータ算出部及び第２のパラメータ算出部は平滑化部だけを備え、閾値算出部及び音声区間検出部を有する他の帯域別雑音抑圧手段から音声区間真偽値を取込んで動作するようにしても良い。また例えば、全ての帯域別雑音抑圧手段における第１のパラメータ算出部からの第１の音声区間真偽値を多数決や論理積や論理和などにより統合して全ての帯域別雑音抑圧手段における第２のパラメータ算出部に与え、全ての帯域別雑音抑圧手段における第２のパラメータ算出部からの第２の音声区間真偽値を多数決や論理積や論理和などにより統合し、さらに１単位時間分だけ遅延させて全ての帯域別雑音抑圧手段における第１のパラメータ算出部に与えるようにしても良い。

上記各実施形態では、第１のパラメータ算出部が第２のパラメータ算出部の１単位時間前の検出結果が雑音期間を示しているときに所定の特徴量を更新すると共に、第２のパラメータ算出部が第１のパラメータ算出部の同一単位時間の検出結果が音声期間を示しているときに所定の特徴量を更新する場合を示したが、特徴量を更新する期間の組み合わせはこれに限定されるものではない。例えば、第１のパラメータ算出部が音声期間で特徴量を更新し、第２のパラメータ算出部が雑音期間で更新するようにしても良く、第１のパラメータ算出部及び第２のパラメータ算出部が共に雑音区間で更新するようにしても良く、第１のパラメータ算出部及び第２のパラメータ算出部が共に音声区間で更新するようにしても良い。更新期間の選定によっては、第１のパラメータ算出部において、ＳＮＲに基づいた音声区間の検出を行っても良い。

上記各実施形態では、第２のパラメータ算出部による音声区間の検出結果（第２の音声区間真偽値）を雑音抑圧部に出力するものを示したが、雑音抑圧部に出力する音声区間の検出結果はこれに限定されるものではない。例えば、第１のパラメータ算出部による音声区間の検出結果（第１の音声区間真偽値）を雑音抑圧部に出力するようにしても良く、第１のパラメータ算出部による音声区間の検出結果と第２のパラメータ算出部による音声区間の検出結果の論理積や論理和を雑音抑圧部に出力するようにしても良い。

上記第１及び第２の実施形態では、第１のパラメータ算出部及び第２のパラメータ算出部が完全に別個の構成になっている場合を示したが、同一のパラメータ算出部の主要部（平滑化部、閾値算出部、音声区間判定部）を１単位時間内に時分割で適用して、第１のパラメータ算出部及び第２のパラメータ算出部として機能させるようにしても良い。この場合には、第１のパラメータ算出部として機能する際には、第２のパラメータ算出部に関するデータ（例えば、第２の平滑化パワーＰ２や第２の係数Ｃ２等）を退避させ、第２のパラメータ算出部として機能する際には、第１のパラメータ算出部に関するデータ（例えば、第１の平滑化パワーＰ１や第１の係数Ｃ１等）を退避させるメモリなど、補助的な構成を設けることを要する。特許請求の範囲の表現はこのような同一構成を時分割で利用する場合を含むものとする。

上記各実施形態では、特徴量の平滑値に基づいて音声区間検出に用いる閾値を決定するものを示したが、他の方法によって閾値を決定するようにしても良い。例えば、雑音区間と判定された直前過去の所定期間（例えば３秒間；断続的に雑音区間が生じている場合には合算時間が３秒間）における入力パワーの最小値の所定倍を閾値とするようにしても良く、音声区間と判定された直前過去の所定期間（例えば３秒間）における入力パワーの最大値の所定倍を閾値とするようにしても良い。また、第３の実施形態のように特徴量としてＳＮＲを用いる場合であれば、音声区間と判定された直前過去の所定期間（例えば３秒間）におけるＳＮＲの最大値の所定倍を閾値とするようにしても良い。

上記各実施形態では、第１のパラメータ算出部及び又は第２のパラメータ算出部で得られた特徴量を雑音除去で利用するものを示したが、他の目的の動作で利用するようにしても良い。

図８は、本発明による雑音推定装置の一実施形態の構成を示すブロック図であり、図１との同一、対応部分には同一、対応符号を付して示している。

図８において、この実施形態の雑音推定装置４００は、第１の実施形態と同様な周波数解析部１０１、帯域別雑音パワー推定部４０２−１〜４０２−Ｍ及び雑音パワー統合部４０３を有する。各帯域別雑音パワー推定部４０２（４０２−１〜４０２−Ｍ）は、第１の実施形態と同様なパワー算出部１１０、第１の実施形態と同様な第１のパラメータ算出部１１１及び第１の実施形態と同様な第２のパラメータ算出部１１２を備え、各帯域別雑音パワー推定部４０２からは、第１のパラメータ算出部１１１の内部で得た第１の平滑化パワーＰ１が雑音パワー統合部４０３に与えられる。雑音パワー統合部４０３は、全ての帯域別雑音パワー推定部４０２−１〜４０２−Ｍからの第１の平滑化パワーＰ１−１〜Ｐ１−Ｍを統合して雑音パワースペクトルとする。この際の統合は、各周波数帯域の値をベクトルの要素に割り当てたベクトルの作成であっても良く、合算であっても良く、平均値（重み付け平均値であっても良い）の算出であっても良い。

図９は、本発明によるＳＮＲ推定装置の一実施形態の構成を示すブロック図であり、図１との同一、対応部分には同一、対応符号を付して示している。

図９において、この実施形態のＳＮＲ推定装置５００は、第１の実施形態と同様な周波数解析部１０１、帯域別ＳＮＲ推定部５０２−１〜５０２−Ｍ及びＳＮＲ統合部５０３を有する。各帯域別ＳＮＲ推定部５０２（５０２−１〜５０２−Ｍ）は、第１の実施形態と同様なパワー算出部１１０、第１の実施形態と同様な第１のパラメータ算出部１１１及び第３の実施形態と同様な第２のパラメータ算出部１１２Ｃを備え、各帯域別ＳＮＲ推定部５０２からは、第２のパラメータ算出部１１２Ｃの内部で得たＳＮＲ推定値ＲｉがＳＮＲ統合部５０３に与えられる。ＳＮＲ統合部５０３は、全ての帯域別ＳＮＲ推定部５０２−１〜５０２−ＭからのＳＮＲ推定値Ｒｉを統合して出力するＳＮＲ推定値を形成する。ＳＮＲ推定値Ｒｉの統合方法として、例えば、全周波数帯域のＳＮＲ推定値Ｒｉの平均値を取る方法を挙げることができる。この平均値を取る方法は、ＳＮＲ推定値Ｒｉの平均値を求める方法であっても良く、また、ＳＮＲ推定値Ｒｉをデシベル（対数尺度）に変換した後に平均値をとる方法であっても良い（この場合、出力はデシベルのままでも良く、また、元の尺度に戻したものでも良い）。

上記各実施形態では、雑音に対比される目的音が音声である場合を示したが、本発明はこれに限定されるものではない。例えば、機械のモータ音が雑音に対比される目的音になっている場合にも、本発明の技術思想を適用することができる。

１００、１００Ａ、１００Ｂ、１００Ｃ…雑音抑圧装置、１０１…周波数解析部、１０２−１〜１０２−Ｍ…帯域別雑音抑圧手段、１０３…波形復元部、１１０…パワー算出部、１１１、１１１Ｂ…第１のパラメータ算出部、１１２、１１２Ａ、１１２Ｂ、１１２Ｃ…第２のパラメータ算出部、１１３…単位時間遅延部、１１４…雑音抑圧部、２０１…第１の平滑化部、２０２、２０２Ｂ…第１の閾値算出部、２０３…第１の音声区間判定部、３０１、３０１Ｃ…第２の平滑化部、３０２、３０２Ｂ、３０２Ｃ…第２の閾値算出部、３０３、３０３Ｃ…第２の音声区間判定部、３０４…ハングオーバー部、３０５…ＳＮＲ算出部、４００…雑音推定装置、４０２−１〜４０２−Ｍ…帯域別雑音パワー推定部、４０３…雑音パワー統合部、５００…ＳＮＲ推定装置、５０２−１〜５０２−Ｍ…帯域別ＳＮＲ推定部、５０３…ＳＮＲ統合部。

Claims (12)

1. 入力信号に含まれる雑音成分を抑圧し、目的音成分を強調する雑音抑圧装置において、
   入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
   上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音成分を抑圧する、複数の帯域別雑音抑圧手段とを備え、
   上記帯域別雑音抑圧手段は、
   入力された周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における第１の目的音区間の検出結果を得る第１のパラメータ算出部と、
   入力された周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における第２の目的音区間の検出結果を得る第２のパラメータ算出部と、
   上記第１のパラメータ算出部が得た第１のパラメータと上記第２のパラメータ算出部が得た第２のパラメータとに基づいて、入力された上記周波数帯域信号に含まれる雑音成分を抑圧する雑音抑圧部とを有し、
   上記第１のパラメータ算出部は、上記第２のパラメータ算出部が所定の単位時間前に出力した、上記第２の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第１の閾値を生成し、
   上記第２のパラメータ算出部は、上記第１の目的音区間検出手段が同一の単位時間で出力した、上記第１の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第２の閾値を生成する
   ことを特徴とする雑音抑圧装置。
2. 上記第１のパラメータ算出部は、
   所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
   上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
   上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
   上記第２のパラメータ算出部は、
   同一の単位時間の上記第１の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第２の入力パワーを平滑化して第２の平滑化パワーを算出する第２の平滑化部と、
   上記第２の平滑化パワーを少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
   上記第２の入力パワーを上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有する
   ことを特徴とする請求項１に記載の雑音抑圧装置。
3. 上記第１の平滑化部は、所定の単位時間前の上記第２の目的音区間の検出結果が目的音区間でない場合に上記第１の入力パワーの平滑化を実行し、所定の単位時間前の上記第２の目的音区間の検出結果が目的音区間の場合に上記第１の入力パワーの平滑化を停止して上記第１の平滑化パワーを維持させ、
   上記第２の平滑化部は、同一の単位時間の上記第１の目的音区間の検出結果が目的音区間の場合に上記第２の入力パワーの平滑化を実行し、同一の単位時間の上記第１の目的音区間の検出結果が目的音区間でない場合に上記第２の入力パワーの平滑化を停止して上記第２の平滑化パワーを維持させる
   ことを特徴とする請求項２に記載の雑音抑圧装置。
4. 上記第１の平滑化部及び上記第２の平滑化部は、一方が、自己に入力された目的音区間の検出結果が目的音区間である場合に平滑化を実行し、他方が、自己に入力された目的音区間の検出結果が目的音区間でない場合に平滑化を実行するものであり、
   上記第１の閾値算出部は、上記第１の平滑化パワーと所定の単位時間前の上記第２の平滑化パワーを適用して、上記第１の閾値を算出し、
   上記第２の閾値算出部は、同一単位時間の上記第１の平滑化パワー及び上記第２の平滑化パワーを適用して、上記第２の閾値を算出する
   ことを特徴とする請求項２に記載の雑音抑圧装置。
5. 上記第１の閾値算出部は、上記第１の平滑化パワーと所定の単位時間前の上記第２の平滑化パワーとの相加平均若しくは相乗平均を上記第１の閾値として算出することを特徴とする請求項４に記載の雑音抑圧装置。
6. 上記第２の閾値算出部は、同一の単位時間の上記第１の平滑化パワーと上記第２の平滑化パワーとの相加平均若しくは相乗平均を上記第２の閾値として算出することを特徴とする請求項４又は５に記載の雑音抑圧装置。
7. 上記第１のパラメータ算出部は、
   所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
   上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
   上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
   上記第２のパラメータ算出部は、
   同一の単位時間の上記第２の入力パワー及び上記第１の平滑化パワーに基づいてＳＮＲの推定値を算出するＳＮＲ算出部と、
   同一の単位時間の上記第１の目的音区間の検出結果に基づいて、平滑化の実行、停止を制御しながら、上記ＳＮＲ推定値を平滑化してＳＮＲの平滑値を算出する第２の平滑化部と、
   上記ＳＮＲ平滑値を少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
   上記ＳＮＲ推定値を上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有する
   ことを特徴とする請求項１に記載の雑音抑圧装置。
8. 入力信号における雑音パワーを推定する雑音推定装置において、
   入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
   上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音パワーを推定する、複数の帯域別雑音推定手段と、
   上記各帯域別雑音推定手段が得た、周波数帯域別の複数の雑音パワーの推定値を統合して最終的な雑音パワーの推定値を得る帯域別雑音パワー統合手段とを備え、
   上記各帯域別雑音推定手段はそれぞれ、
   入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、
   入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、
   上記第１のパラメータ算出部は、
   所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
   上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
   上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
   上記第２のパラメータ算出部は、
   同一の単位時間の上記第１の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第２の入力パワーを平滑化して第２の平滑化パワーを算出する第２の平滑化部と、
   上記第２の平滑化パワーを少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
   上記第２の入力パワーを上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、
   上記第１の平滑化部又は上記第２の平滑化部は、所定の単位時間前の上記第２の目的音区間の検出結果又は同一の単位時間の上記第１の目的音区間の検出結果が目的音区間でない場合に平滑化し、目的音区間である場合に平滑化を停止し、上記第１の平滑化パワー又は上記第２の平滑化パワーを帯域別の雑音パワーの推定値として得る
   ことを特徴とする雑音推定装置。
9. 入力信号におけるＳＮＲを推定するＳＮＲ推定装置において、
   入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
   上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号におけるＳＮＲを推定する、複数の帯域別ＳＮＲ推定手段と、
   上記各帯域別ＳＮＲ推定手段が得た、周波数帯域別の複数のＳＮＲ推定値を統合して最終的なＳＮＲの推定値を得る帯域別ＳＮＲ統合手段とを備え、
   上記各帯域別雑音推定手段はそれぞれ、
   入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、
   入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、
   上記第１のパラメータ算出部は、
   所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
   上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
   上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
   上記第２の目的音区間検出手段は、
   同一の単位時間の上記第２の入力パワー及び上記第１の平滑化パワーに基づいてＳＮＲの推定値を算出するＳＮＲ算出部と、
   同一の単位時間の上記第１の目的音区間の検出結果に基づいて、平滑化の実行、停止を制御しながら、上記ＳＮＲ推定値を平滑化してＳＮＲの平滑値を算出する第２の平滑化部と、
   上記ＳＮＲ平滑値を少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
   上記ＳＮＲ推定値を上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、
   上記ＳＮＲ算出部からの上記ＳＮＲ推定値を入力された上記周波数帯域信号における、その周波数帯域のＳＮＲの推定値として得る
   ことを特徴とするＳＮＲ推定装置。
10. 入力信号に含まれる雑音成分を抑圧し、目的音成分を強調する雑音抑圧プログラムであって、
    コンピュータを、
    入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
    上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音成分を抑圧する、複数の帯域別雑音抑圧手段として機能させるものであり、
    上記帯域別雑音抑圧手段は、
    入力された周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における第１の目的音区間の検出結果を得る第１のパラメータ算出部と、
    入力された周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における第２の目的音区間の検出結果を得る第２のパラメータ算出部と、
    上記第１のパラメータ算出部が得た第１のパラメータと上記第２のパラメータ算出部が得た第２のパラメータとに基づいて、入力された上記周波数帯域信号に含まれる雑音成分を抑圧する雑音抑圧部とを有し、
    上記第１のパラメータ算出部は、上記第２のパラメータ算出部が所定の単位時間前に出力した、上記第２の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第１の閾値を生成し、
    上記第２のパラメータ算出部は、上記第１の目的音区間検出手段が同一の単位時間で出力した、上記第１の目的音区間の検出結果を少なくとも含む第２のパラメータを用いて上記第２の閾値を生成する
    ことを特徴とする雑音抑圧プログラム。
11. 入力信号における雑音パワーを推定する雑音推定プログラムであって、
    コンピュータを、
    入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
    上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号における雑音パワーを推定する、複数の帯域別雑音推定手段と、
    上記各帯域別雑音推定手段が得た、周波数帯域別の複数の雑音パワーの推定値を統合して最終的な雑音パワーの推定値を得る帯域別雑音パワー統合手段として機能させるものであり、
    上記各帯域別雑音推定手段はそれぞれ、
    入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、
    入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、
    上記第１のパラメータ算出部は、
    所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
    上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
    上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
    上記第２のパラメータ算出部は、
    同一の単位時間の上記第１の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第２の入力パワーを平滑化して第２の平滑化パワーを算出する第２の平滑化部と、
    上記第２の平滑化パワーを少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
    上記第２の入力パワーを上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、
    上記第１の平滑化部又は上記第２の平滑化部は、所定の単位時間前の上記第２の目的音区間の検出結果又は同一の単位時間の上記第１の目的音区間の検出結果が目的音区間でない場合に平滑化し、目的音区間である場合に平滑化を停止し、上記第１の平滑化パワー又は上記第２の平滑化パワーを帯域別の雑音パワーの推定値として得る
    ことを特徴とする雑音推定プログラム。
12. 入力信号におけるＳＮＲを推定するＳＮＲ推定プログラムであって、
    コンピュータを、
    入力信号を周波数解析して入力スペクトルを算出する周波数解析部と、
    上記周波数解析部が算出したいずれかの入力スペクトルの周波数帯域に対応し、その周波数帯域の信号におけるＳＮＲを推定する、複数の帯域別ＳＮＲ推定手段と、
    上記各帯域別ＳＮＲ推定手段が得た、周波数帯域別の複数のＳＮＲ推定値を統合して最終的なＳＮＲの推定値を得る帯域別ＳＮＲ統合手段として機能させるものであり、
    上記各帯域別雑音推定手段はそれぞれ、
    入力された上記周波数帯域信号について算出された第１の入力パワーに基づいた第１の特徴量と、内部で生成した第１の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第１のパラメータ算出部と、
    入力された上記周波数帯域信号について算出された第２の入力パワーに基づいた第２の特徴量と、内部で生成した第２の閾値とを比較して、入力された上記周波数帯域信号における目的音区間を検出する第２のパラメータ算出部とを備え、
    上記第１のパラメータ算出部は、
    所定の単位時間前の上記第２の目的音区間の検出結果に基づいて平滑化の実行、停止を制御しながら、上記第１の入力パワーを平滑化して第１の平滑化パワーを算出する第１の平滑化部と、
    上記第１の平滑化パワーを少なくとも適用して、上記第１の閾値を算出する第１の閾値算出部と、
    上記第１の入力パワーを上記第１の特徴量として上記第１の閾値と比較して目的音区間か否かを判定し、上記第１の目的音区間の検出結果を得る第１の目的音区間判定部とを有し、
    上記第２のパラメータ算出部は、
    同一の単位時間の上記第２の入力パワー及び上記第１の平滑化パワーに基づいてＳＮＲの推定値を算出するＳＮＲ算出部と、
    同一の単位時間の上記第１の目的音区間の検出結果に基づいて、平滑化の実行、停止を制御しながら、上記ＳＮＲ推定値を平滑化してＳＮＲの平滑値を算出する第２の平滑化部と、
    上記ＳＮＲ平滑値を少なくとも適用して、上記第２の閾値を算出する第２の閾値算出部と、
    上記ＳＮＲ推定値を上記第２の特徴量として上記第２の閾値と比較して目的音区間か否かを判定し、上記第２の目的音区間の検出結果を得る第２の目的音区間判定部とを有し、
    上記ＳＮＲ算出部からの上記ＳＮＲ推定値を入力された上記周波数帯域信号における、その周波数帯域のＳＮＲの推定値として得る
    ことを特徴とするＳＮＲ推定プログラム。

Images