JP2017021385A5 - - Google Patents

Description

本発明は、シングルチャンネル音声残響除去方法を開示しており、
入力されたシングルチャンネル音声信号に対してフレーム分割を行い、時間の順に応じてフレーム信号に対して、
現在フレームに対して短時間フーリエ変換を行い、現在フレームのパワースペクトル及び位相スペクトルを獲得する処理と、
現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームを選んで、これらのフレームのパワースペクトルを線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理と、
スペクトル減算法によって、現在フレームのパワースペクトルから、推定された現在フレームの後期反射音のパワースペクトルを除去して、現在フレームの直接音及び早期反射音のパワースペクトルを獲得する処理と、
現在フレームの直接音及び早期反射音のパワースペクトルを現在フレームの位相スペクトルとともに、短時間逆フーリエ変換を行い、現在フレーム残響除去後の信号を獲得する処理と、を行うことを含む。

前記の、これらのフレームのパワースペクトルを線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理は、具体的に、
自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、
或は、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、
或は、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算するとともに、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、を含むことが好ましい。

本発明は、また、シングルチャンネル音声残響除去装置を開示しており、
入力されたシングルチャンネル音声信号に対してフレーム分割を行い、時間の順に応じてフレーム信号をフーリエ変換ユニットへ出力するためのフレーム分割ユニットと、
受信された現在フレームに対して短時間フーリエ変換処理を行い、現在フレームのパワースペクトル及び位相スペクトルを獲得して、現在フレームのパワースペクトルをスペクトル減算ユニットとスペクトル推定ユニットへ出力し、位相スペクトルを逆フーリエ変換ユニットへ出力するためのフーリエ変換ユニットと、
現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームのパワースペクトルを線形重畳加算して、現在フレームの後期反射音のパワースペクトルを推定し、そして推定された現在フレームの後期反射音のパワースペクトルをスペクトル減算ユニットへ出力するためのスペクトル推定ユニットと、
スペクトル減算法によって、フーリエ変換ユニットより獲得した現在フレームのパワースペクトルから、スペクトル推定ユニットより獲得した現在フレームの後期反射音のパワースペクトルを除去して、現在フレームの直接音及び早期反射音のパワースペクトルを獲得し、現在フレームの直接音及び早期反射音のパワースペクトルを逆フーリエ変換ユニットへ出力するためのスペクトル減算ユニットと、
スペクトル減算ユニットより獲得した現在フレームの直接音及び早期反射音のパワースペクトルを、フーリエ変換ユニットより獲得した現在フレームの位相スペクトルとともに、短時間逆フーリエ変換を行い、現在フレーム残響除去後の信号を出力するための逆フーリエ変換ユニットと、を含む。

前記スペクトル推定ユニットは、具体的に、後期反射音の減衰特性に基づいて前記持続時間範囲の上限値を設定し、及び/又は、音声関連特性及び直接音と早期反射音の残響環境下でのインパルス応答分布領域に基づいて、前記持続時間範囲の下限値を設定するために用いられることが好ましい。

前記スペクトル推定ユニットは、具体的に、持続時間範囲の上限値が０．３s〜０．５sの範囲内の値を選択するために用いられることが好ましい。

前記スペクトル推定ユニットは、具体的に、持続時間範囲の下限値が５０ms〜８０msの範囲内の値を選択するために用いられることが好ましい。

前記スペクトル推定ユニットは、具体的に、
現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームに対して、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定するか、
或は、現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームに対して、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定するか、
或は、現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームに対して、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算するとともに、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する、
ために用いられることが好ましい。

Claims (10)

1. 入力されたシングルチャンネル音声信号に対してフレーム分割を行い、時間の順に応じてフレーム信号に対して、
   現在フレームに対して短時間フーリエ変換を行い、現在フレームのパワースペクトル及び位相スペクトルを獲得する処理と、
   現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームを選んで、これらのフレームのパワースペクトルを線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理と、
   スペクトル減算法によって、現在フレームのパワースペクトルから、推定された現在フレームの後期反射音のパワースペクトルを除去して、現在フレームの直接音及び早期反射音のパワースペクトルを獲得する処理と、
   現在フレームの直接音及び早期反射音のパワースペクトルを現在フレームの位相スペクトルとともに、短時間逆フーリエ変換を行い、現在フレーム残響除去後の信号を獲得する処理と、
   を行うことを含むことを特徴とするシングルチャンネル音声残響除去方法。
2. 前記後期反射音の減衰特性に基づいて前記持続時間範囲の上限値が設定され、
   及び/又は、音声関連特性及び直接音と早期反射音の残響環境下でのインパルス応答分布領域に基づいて、前記持続時間範囲の下限値が設定されることを特徴とする請求項１に記載のシングルチャンネル音声残響除去方法。
3. 前記持続時間範囲の上限値が０．３s〜０．５sの範囲内の値を選択することを特徴とする請求項１に記載のシングルチャンネル音声残響除去方法。
4. 前記持続時間範囲の下限値が５０ms〜８０msの範囲内の値を選択することを特徴とする請求項１に記載のシングルチャンネル音声残響除去方法。
5. 前記の、これらのフレームのパワースペクトルを線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理は、具体的に、
   自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、
   或は、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、
   或は、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算するとともに、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する処理、
   を含むことを特徴とする請求項１に記載のシングルチャンネル音声残響除去方法。
6. 入力されたシングルチャンネル音声信号に対してフレーム分割を行い、時間の順に応じてフレーム信号をフーリエ変換ユニットへ出力するためのフレーム分割ユニットと、
   受信された現在フレームに対して短時間フーリエ変換処理を行い、現在フレームのパワースペクトル及び位相スペクトルを獲得して、現在フレームのパワースペクトルをスペクトル減算ユニットとスペクトル推定ユニットへ出力し、位相スペクトルを逆フーリエ変換ユニットへ出力するためのフーリエ変換ユニットと、
   現在フレームの前の、現在フレームに至るまでの距離が設定の持続時間範囲内である数フレームのパワースペクトルを線形重畳加算して、現在フレームの後期反射音のパワースペクトルを推定し、推定された現在フレームの後期反射音のパワースペクトルをスペクトル減算ユニットへ出力するためのスペクトル推定ユニットと、
   スペクトル減算法によって、フーリエ変換ユニットより獲得した現在フレームのパワースペクトルから、スペクトル推定ユニットより獲得した現在フレームの後期反射音のパワースペクトルを除去して、現在フレームの直接音及び早期反射音のパワースペクトルを獲得し、現在フレームの直接音及び早期反射音のパワースペクトルを逆フーリエ変換ユニットへ出力するためのスペクトル減算ユニットと、
   スペクトル減算ユニットより獲得した現在フレームの直接音及び早期反射音のパワースペクトルを、フーリエ変換ユニットより獲得した現在フレームの位相スペクトルとともに、短時間逆フーリエ変換を行い、現在フレーム残響除去後の信号を出力するための逆フーリエ変換ユニットと、
   を含むことを特徴とするシングルチャンネル音声残響除去装置。
7. 前記スペクトル推定ユニットは、具体的に、後期反射音の減衰特性に基づいて前記持続時間範囲の上限値を設定し、及び/又は、音声関連特性及び直接音と早期反射音の残響環境下でのインパルス応答分布領域に基づいて、前記持続時間範囲の下限値を設定するために用いられることを特徴とする請求項６に記載のシングルチャンネル音声残響除去装置。
8. 前記スペクトル推定ユニットは、具体的に、持続時間範囲の上限値が０．３s〜０．５sの範囲内の値を選択するために用いられることを特徴とする請求項６に記載のシングルチャンネル音声残響除去装置。
9. 前記スペクトル推定ユニットは、具体的に、持続時間範囲の下限値が５０ms〜８０msの範囲内の値を選択するために用いられることを特徴とする請求項６に記載のシングルチャンネル音声残響除去装置。
10. 前記スペクトル推定ユニットは、具体的に、
    現在フレームの前の、現在フレームに至るまでの距離が前記設定の持続時間範囲内である数フレームに対して、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定するか、
    或は、現在フレームの前の、現在フレームに至るまでの距離が前記設定の持続時間範囲内である数フレームに対して、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定するか、
    或は、現在フレームの前の、現在フレームに至るまでの距離が前記設定の持続時間範囲内である数フレームに対して、自己回帰ARモデルを用いて、これらのフレームのパワースペクトルにおける全ての成分を線形重畳加算するとともに、移動平均MAモデルを用いて、これらのフレームのパワースペクトルにおける直接音及び早期反射音の成分を線形重畳加算して現在フレームの後期反射音のパワースペクトルを推定する、
    ために用いられることを特徴とする請求項６に記載のシングルチャンネル音声残響除去装置。