JP3858668B2 - Noise removal method and apparatus - Google Patents

Abstract

PROBLEM TO BE SOLVED: To provide a device and method for noise removal which can obtain a stressed voice of superior quality. SOLUTION: The device has an injected noise calculation part 55 which calculates noise to be injected from a deteriorated voice power spectrum and an estimated noise power spectrum, two adders 56 and 57 which add the obtained noise to the deteriorated voice power spectrum and estimated noise power spectrum, and a noise suppression coefficient generation part 8 which determines a suppression coefficient according to the noise-added deteriorated voice power spectrum and estimated noise power spectrum. Further, the device has a windowing processing part 22 which performs windowing processing for a signal sample extracted from two adjacent frames of a reverse Fourier transform output.

Description

【０００５】
また、連続する２フレームの一部を重ね合わせ（オーバラップ）して窓がけすることも広く行なわれている。オーバラップ長としてフレーム長の５０％を仮定すれば、ｔ＝０，１，....，Ｋ／２−１に対して、式（２）で得られるｙ_n(ｔ）バー（ｔ＝０，１，....，Ｋ／２−１）が、窓がけ処理部２の出力となる。
【０００６】
【数２】

【０００７】
実数信号に対しては、左右対称窓関数が用いられる。また、窓関数は、後述する抑圧係数を１に設定したときの入力信号と出力信号が計算誤差を除いて一致するように設計される。これは、ｗ（ｔ）＋ｗ（ｔ＋Ｋ／２）＝１となることを意味する。
以後、連続する２フレームの５０％をオーバラップして窓がけする場合を例として説明を続ける。窓関数ｗ（ｔ）としては、例えば式（３）に示すハニング窓を用いることができる。
【０００８】
【数３】

【０００９】
窓がけされた出力ｙ_n(ｔ）バーは、フーリエ変換部３に供給され、周波数領域の劣化音声スペクトル（周波数領域信号）Ｙ_n(ｋ）に変換される。劣化音声スペクトルＹ_n(ｋ）は位相と振幅に分離され、劣化音声位相スペクトルのａｒｇＹ_n(ｋ）は逆フーリエ変換部９に、劣化音声振幅スペクトル｜Ｙ_n(ｋ）｜は音声検出部４、多重乗算部１６及び多重乗算部１７に供給される。
【００１０】
音声検出部４は、劣化音声振幅スペクトル｜Ｙ_n(ｋ）｜に基づいて音声の有無を検出し、その結果によって定められる音声検出フラグを推定雑音計算部５１に伝達する。多重乗算部１７は、供給された劣化音声振幅スペクトル｜Ｙ_n(ｋ）｜を周波数別に２乗し、劣化音声パワースペクトルとして推定雑音計算部５１と周波数別ＳＮＲ（信号対雑音比）計算部６に伝達する。推定雑音計算部５１は、音声検出フラグ、劣化音声パワースペクトル、及びカウンタ１３から供給されるカウント値を用いて、上記劣化音声振幅スペクトルに含まれる雑音（第２の雑音）のパワースペクトルを推定し、推定雑音パワースペクトルとして周波数別ＳＮＲ計算部６に伝達する。周波数別ＳＮＲ計算部６は、入力された劣化音声パワースペクトルと推定雑音パワースペクトルを用いて周波数別に除算し、後天的ＳＮＲ（a posteriori SNR）として推定先天的ＳＮＲ計算部７と雑音抑圧係数生成部８に供給する。後天的ＳＮＲは雑音を含む強調前音声と雑音の比の推定値である。
【００１１】
推定先天的ＳＮＲ計算部７は、入力された後天的ＳＮＲ、及び後述する雑音抑圧係数生成部８から供給された抑圧係数Ｇ_n(ｋ）バーを用いて、真の音声対雑音比を示す先天的ＳＮＲ（a priori SNR）を推定し、推定先天的ＳＮＲとして雑音抑圧係数生成部８に帰還させる。雑音抑圧係数生成部８は、入力として供給された後天的ＳＮＲと推定先天的ＳＮＲを用いて雑音抑圧係数を生成し、抑圧係数Ｇ_n(ｋ）バーとして推定先天的ＳＮＲ計算部７に帰還すると同時に多重乗算部１６に伝達する。
多重乗算部１６は、フーリエ変換部３から供給された劣化音声振幅スペクトル｜Ｙ_n(ｋ）｜を、雑音抑圧係数生成部８から供給された抑圧係数Ｇ_n(ｋ）バーで重みづけすることによって強調音声振幅スペクトル｜Ｘ_n(ｋ）｜バーを求め、逆フーリエ変換部９に伝達する。｜Ｘ_n(ｋ）｜バーは、式（４）で与えられる。
【００１２】
【数４】

【００１３】
逆フーリエ変換部９は、多重乗算部１６から供給された強調音声振幅スペクトル｜Ｘ_n(ｋ）｜バーとフーリエ変換部３から供給された劣化音声位相スペクトルａｒｇＹ_n(ｋ）を乗算して、強調音声スペクトルＸ_n(ｋ）バーを求める。すなわち、式（５）を実行する。
【００１４】
【数５】

【００１５】
そして、得られた強調音声スペクトルＸ_n(ｋ）バーに逆フーリエ変換を施し、１フレームがＫサンプルから構成される時間領域サンプル値系列（時間領域信号）ｘ_n(ｔ）バー（ｔ＝０，１，....，Ｋ−１）として、フレーム合成部１０に伝達する。フレーム合成部１０は、ｘ_n(ｔ）バーの隣接する２フレームからＫ／２サンプルずつを取り出して重ね合わせ、（６）式によって強調音声ｘ_n(ｔ）ハット（ｔ＝０，１，....，Ｋ／２−１）を得る。得られた強調音声ｘ_n(ｔ）ハットが、フレーム合成部１０の出力として、出力端子１２に伝達される。
【００１６】
【数６】

【００１７】
次に、図４８に示したノイズ除去装置の各部の構成及び動作について、さらに説明する。
音声検出部の実現方法について、文献１は詳細に開示していない。しかし、音声検出部の実現例としては、「２０００年３月、日本音響学会講演論文集、３２１〜３２２ページ」（文献２）が知られているので、以降、文献２に示されたものを従来の方法として説明する。
図４９は、図４８における音声検出部４の構成を示すブロック図である。音声検出部４は、閾値記憶部４０１、比較部４０２、乗算器４０４、対数計算部４０５、パワー計算部４０６、重みつき加算部４０７、重み記憶部４０８、論理否定回路４０９を有する。
【００１８】
図４８におけるフーリエ変換部３から供給された劣化音声振幅スペクトルは、パワー計算部４０６に供給される。パワー計算部４０６は、劣化音声振幅スペクトルのパワー｜Ｙ_n(ｋ）｜² のｋ＝０からＫ−１に対する総和を計算して、対数計算部４０５に伝達する。対数計算部４０５は、入力された劣化音声スペクトルパワー｜Ｙ_n(ｋ）｜² の対数を求め、乗算器４０４に伝達する。乗算器４０４は、供給された対数値を定数倍（例えば１０倍）して劣化音声パワーＱ_n を求め、比較部４０２及び重みつき加算部４０７に供給する。すなわち、第ｎフレームの劣化音声パワーＱ_n は、式（７）で与えられる。
【００１９】
【数７】

【００２０】
なお、文献２に開示された音声検出部は、時間領域サンプルであるｙ_n(ｔ）バーを用いて、式（８）に従ってＱ_nを求めている。
【００２１】
【数８】

【００２２】
しかし、例えば、「１９８５年、ディジタル信号処理の理論、コロナ社、７５〜７６ページ」（文献３）にあるように、式（８）と式（７）が等価であることは、パーセバル（Parseval）の等式として知られている。
【００２３】
比較部４０２には、閾値記憶部４０１から、閾値ＴＨ_n が供給されている。比較部４０２は、乗算器４０４の出力Ｑ_n と閾値ＴＨ_n を比較し、ＴＨ_n ＞Ｑ_n のときは有音を表す“１”を、ＴＨ_n ≦Ｑ_n のときは無音を表す“０”を出力する。比較部４０２の出力は、音声検出部４の出力である音声検出フラグとして外部に供給されると同時に、否定演算回路４０９に供給される。否定演算回路４０９の出力は、重みつき加算部制御信号９０５として重みつき加算部４０７に供給される。重みつき加算部４０７には、また、閾値記憶部４０１から閾値（ＴＨ_n-1 ）９０２と、重み記憶部４０８から重み９０３が供給される。
【００２４】
重みつき加算部４０７は、閾値記憶部４０１から供給される閾値（ＴＨ_n-1 ）９０２を、重みつき加算部制御信号９０５に基づいて選択的に更新する。更新閾値ＴＨ_n は、閾値（ＴＨ_n-1 ）９０２と劣化音声パワー（Ｑ_n ）９０１を、重み記憶部４０８から供給される重み９０３を用いて重みつき加算することによって求められる。更新閾値ＴＨ_n の計算は、論理否定回路４０９の出力である重みつき加算部制御信号９０５が“１”に等しいときだけ行なわれる。すなわち、無音のときだけ、閾値ＴＨ_n-1 がＴＨ_n に更新される。更新によって得られた更新閾値ＴＨ_n は、更新閾値９０４として閾値記憶部４０１に帰還される。
【００２５】
図５０は、図４９に示した音声検出部４に含まれるパワー計算部４０６の構成を示すブロック図である。パワー計算部４０６は、分離部４０６１、Ｋ個の乗算器４０６２₀ 〜４０６２_K-1 、加算器４０６３を有する。多重化された状態で図４８におけるフーリエ変換部３から供給された劣化音声振幅スペクトル｜Ｙ_n(ｋ）｜は、分離部４０６１において周波数別のＫサンプルに分離され、それぞれ乗算器４０６２₀ 〜４０６２_K-1 に供給される。乗算器４０６２₀ 〜４０６２_K-1 は、それぞれ入力された信号を２乗し、加算器４０６３に伝達する。加算器４０６３は、入力された信号の総和を求めて出力する。
【００２６】
図５１は、図４９に示した音声検出部４に含まれる重みつき加算部４０７の構成を示すブロック図である。重みつき加算部４０７は、乗算器４０７１，４０７３、定数乗算器４０７５、加算器４０７２，４０７４を有する。図４９における乗算器４０４から劣化音声パワー（Ｑ_n ）９０１が、図４９における閾値記憶部４０１から閾値（ＴＨ_n-1 ）９０２が、図４９における重み記憶部４０８から重み９０３が、図４９における論理否定回路４０９から重みつき加算部制御信号９０５が、それぞれ入力として供給される。
【００２７】
値βを有する重み９０３は、定数乗算器４０７５と乗算器４０７３に伝達される。定数乗算器４０７５は入力信号を−１倍して得られた−βを、加算器４０７４の一方の入力として供給する。加算器４０７４の他方の入力としては１が供給されており、加算器４０７４の出力は両者の和である１−βとなる。１−βは乗算器４０７１の一方の入力として供給されて、他方の入力である劣化音声パワー（Ｑ_n ）９０１と乗算され、積である（１−β）Ｑ_n が加算器４０７２に伝達される。
【００２８】
一方、乗算器４０７３では、重み９０３として供給されたβと閾値（ＴＨ_n-1 ）９０２が乗算され、積であるβＴＨ_n-1 が加算器４０７２に伝達される。加算器４０７２は、βＴＨ_n-1 と（１−β）Ｑ_n の和を、更新閾値（ＴＨ_n ）９０４として出力する。
更新閾値ＴＨ_n の計算は、重みつき加算部制御信号９０５が“１”に等しいときだけ行なわれる。すなわち、重みつき加算部４０７の機能は、無音のときに、閾値ＴＨ_{n -1}を更新してＴＨ_n を求めることであり、式（９）によって表すことができる。
【００２９】
【数９】

【００３０】
図４８における多重乗算部１７について説明する。図５２は、多重乗算部１７の構成を示すブロック図である。多重乗算部１７は、Ｋ個の乗算器１７０１₀ 〜１７０１_K-1 、分離部１７０２，１７０３、多重化部１７０４を有する。多重化された状態で図４８におけるフーリエ変換部３から供給された劣化音声振幅スペクトルは、分離部１７０２及び１７０３において周波数別のＫサンプルに分離され、それぞれ乗算器１７０１₀ 〜１７０１_K-1 に供給される。乗算器１７０１₀ 〜１７０１_K-1 は、それぞれ入力された信号を２乗し、多重化部１７０４に伝達する。多重化部１７０４は、入力された信号を多重化し、劣化音声パワースペクトルとして出力する。
【００３１】
図４８における推定雑音計算部５１について説明する。図５３は、推定雑音計算部５１の構成を示すブロック図である。推定雑音計算部５１は、分離部５０２、多重化部５０３、Ｋ個の周波数別推定雑音計算部５１４₀ 〜５１４_K-1 を有する。図４８における音声検出部４から供給された音声検出フラグと図４８におけるカウンタ１３から供給されたカウント値は、周波数別推定雑音計算部５１４₀ 〜５１４_K-1 に伝達される。図４８における多重乗算部１７から供給された劣化音声パワースペクトルは、分離部５０２に伝達される。
【００３２】
分離部５０２は、多重化された状態で供給された劣化音声パワースペクトルをＫ個の周波数に対応した成分に分離して、それぞれ周波数別推定雑音計算部５１４₀ 〜５１４_K-1 に伝達する。周波数別推定雑音計算部５１４₀ 〜５１４_K-1 は、分離部５０２から供給された劣化音声パワースペクトルを用いて雑音パワースペクトルを計算し、多重化部５０３に伝達する。雑音パワースペクトルの計算は、カウント値と音声検出フラグの値によって制御され、予め定めた条件が満足されるときだけ実行される。多重化部５０３は、供給されたＫ個の雑音パワースペクトル値を多重化して、推定雑音パワースペクトルとして出力する。
【００３３】
図５４は、図５３に示した推定雑音計算部５１に含まれる周波数別推定雑音計算部５１４の構成を示すブロック図である。文献２で開示された雑音推定は、無音区間において雑音推定値を更新するものであり、雑音推定値として巡回型フィルタによる平均化を施した推定雑音の瞬時値を用いている。一方、「１９９８年５月、アイ・イー・イー・イー・トランザクションズ・オン・スピーチ・アンド・オーディオ・プロセシング、第６巻、第３号（IEEE TRANS-ACTIONS ON SPEECH AND AUDIO PROCESSING, VOL.6, NO.3, PP.287-292, MAY, 1998 ）、２８７〜２９２ページ」（文献４）に開示された雑音推定では、推定雑音の瞬時値を平均化して用いると記述されている。これは、巡回型の代わりにトランスバーサル型フィルタ（シフトレジスタを用いた構成）を用いた平均化の実現を示唆している。どちらの実現も機能は等しいので、ここでは文献４に開示された方法について説明する。
【００３４】
周波数別推定雑音計算部５１４は、更新判定部５２１、レジスタ長記憶部５９４１、スイッチ５０４４、シフトレジスタ５０４５、加算器５０４６、最小値選択部５０４７、除算部５０４８、カウンタ５０４９を有する。
スイッチ５０４４には、図５３における分離部５０２から、周波数別劣化音声パワースペクトルが供給されている。スイッチ５０４４が回路を閉じたときに、周波数別劣化音声パワースペクトルは、シフトレジスタ５０４５に伝達される。シフトレジスタ５０４５は、更新判定部５２１から供給される制御信号に応じて、内部レジスタの記憶値を隣接レジスタにシフトする。シフトレジスタ長は、後述するレジスタ長記憶部５９４１に記憶されている値に等しい。シフトレジスタ５０４５の全レジスタ出力は、加算器５０４６に供給される。加算器５０４６は、供給された全レジスタ出力を加算して、加算結果を除算部５０４８に伝達する。
【００３５】
一方、更新判定部５２１には、カウント値と音声検出フラグが供給されている。更新判定部５２１は、カウント値が予め設定された値に到達するまでは常に“１”を、到達した後は音声検出フラグが“０”である（無音の）ときに“１”を、それ以外のときに“０”を出力し、制御信号としてカウンタ５０４９、スイッチ５０４４、及びシフトレジスタ５０４５に伝達する。スイッチ５０４４は、更新判定部５２１から供給された制御信号が“１”のときに回路を閉じ、“０”のときに開く。カウンタ５０４９は、更新判定部５２１から供給された制御信号が“１”のときにカウント値を増加し、“０”のときには変更しない。シフトレジスタ５０４５は、更新判定部５２１から供給された信号が“１”のときにスイッチ５０４４から供給される信号サンプルを１サンプル取り込むと同時に、内部レジスタの記憶値を隣接レジスタにシフトする。
【００３６】
最小値選択部５０４７には、カウンタ５０４９の出力とレジスタ長記憶部５９４１の出力が供給されている。最小値選択部５０４７は、供給されたカウント値とレジスタ長のうち、小さい方を選択して、除算部５０４８に伝達する。除算部５０４８は、加算器５０４６から供給された周波数別劣化音声パワースペクトルの加算値をカウント値又はレジスタ長の小さい方の値で除算し、商を周波数別推定雑音パワースペクトルλ_n(ｋ）として出力する。Ｂ_n(ｋ）（ｎ＝０，１，....，Ｎ−１）をシフトレジスタ５０４５に保存されている劣化音声パワースペクトルのサンプル値とすると、λ_n(ｋ）は式（１０）で与えられる。
【００３７】
【数１０】

【００３８】
ただし、Ｎはカウント値とレジスタ長のうち、小さい方の値である。カウント値はゼロから始まって単調に増加するので、最初はカウント値で除算が行なわれ、後にはレジスタ長で除算が行なわれる。一方、実際に値が記憶されているレジスタの数は、カウント値がレジスタ長より小さいときはカウント値に等しく、カウント値がレジスタ長より大きくなると、レジスタ長と等しくなる。したがって、加算器５０４６から供給された周波数別劣化音声パワースペクトルの加算値を、実際に値が記憶されているレジスタの数で除算することになる。カウント値がレジスタ長より大きいときは、シフトレジスタ５０４５に格納された値の平均値を求めることになる。この演算結果が周波数別推定雑音パワースペクトルとなる。
【００３９】
図５５は、図５４に示した周波数別推定雑音計算部５１４に含まれる更新判定部５２１の構成を示すブロック図である。更新判定部５２１は、論理否定回路５２０２、比較部５２０３、閾値記憶部５２０４、論理和計算部５２１１を有する。
図４８におけるカウンタ１３から供給されるカウント値は、比較部５２０３に伝達される。閾値記憶部５２０４の出力である閾値も、比較部５２０３に伝達される。比較部５２０３は、供給されたカウント値と閾値を比較し、カウント値が閾値より小さいときに“１”を、カウント値が閾値より大きいときに“０”を、論理和計算部５２１１に伝達する。
【００４０】
一方、供給された音声検出フラグは論理否定回路５２０２に伝達される。論理否定回路５２０２は、入力された信号の論理否定値を求め、論理和計算部５２１１に伝達する。すなわち、音声検出フラグが“１”である有音部では“０”を、音声検出フラグが“０”である無音部では“１”を、論理和計算部５２１１に伝達することになる。
その結果、論理和計算部５２１１の出力は、音声検出フラグが“０”である無音部のとき、又はカウント値が閾値より小さいときに“１”となって、図５４におけるスイッチ５０４４を閉じ、カウンタ５０４９をカウントアップさせる。
【００４１】
図４８における周波数別ＳＮＲ計算部６について説明する。図５６は、周波数別ＳＮＲ計算部６の構成を示すブロック図である。周波数別ＳＮＲ計算部６は、Ｋ個の除算部６０１₀ 〜６０１_K-1 、分離部６０２，６０３、多重化部６０４を有する。図４８における多重乗算部１７から供給される劣化音声パワースペクトルは、分離部６０２に伝達される。図４８における推定雑音計算部５１から供給される推定雑音パワースペクトルは、分離部６０３に伝達される。劣化音声パワースペクトルは分離部６０２において、推定雑音パワースペクトルは分離部６０３において、それぞれ周波数成分に対応したＫサンプルに分離され、それぞれ除算部６０１₀ 〜６０１_K-1 に供給される。除算部６０１₀ 〜６０１_K-1 では、式（１１）に従って、供給された劣化音声パワースペクトル｜Ｙ_n(ｋ）｜² を推定雑音パワースペクトルλ_n(ｋ）で除算して周波数別ＳＮＲγ_n(ｋ）を求め、多重化部６０４に伝達する。多重化部６０４は、伝達されたＫ個の周波数別ＳＮＲγ_n(ｋ）を多重化して、後天的ＳＮＲとして出力する。
【００４２】
【数１１】

【００４３】
図４８における推定先天的ＳＮＲ計算部７について説明する。図５７は、推定先天的ＳＮＲ計算部７の構成を示すブロック図である。推定先天的ＳＮＲ計算部７は、多重値域限定処理部７０１、後天的ＳＮＲ記憶部７０２、抑圧係数記憶部７０３、多重乗算部７０４，７０５、重み記憶部７０６、多重重みつき加算部７０７、加算器７０８を有する。
図４８における周波数別ＳＮＲ計算部６から供給される後天的ＳＮＲγ_n(ｋ）（ｋ＝０，１，....，Ｋ−１）は、加算器７０８の一方の端子と、後天的ＳＮＲ記憶部７０２に伝達される。後天的ＳＮＲ記憶部７０２は、第ｎフレームにおける後天的ＳＮＲγ_n(ｋ）を記憶すると共に、第ｎ−１フレームにおける後天的ＳＮＲγ_n-1(ｋ）を多重乗算部７０５に伝達する。
【００４４】
図４８における雑音抑圧係数生成部８から供給される抑圧係数Ｇ_n(ｋ）バー（ｋ＝０，１，....，Ｋ−１）は、抑圧係数記憶部７０３に伝達される。抑圧係数記憶部７０３は、第ｎフレームにおける抑圧係数Ｇ_n(ｋ）バーを記憶すると共に、第ｎ−１フレームにおける抑圧係数Ｇ_n-1(ｋ）バーを多重乗算部７０４に伝達する。多重乗算部７０４は、供給されたＧ_n-1(ｋ）バーを２乗してＧ² _n-1（ｋ）バーを求め、多重乗算部７０５に伝達する。多重乗算部７０５は、Ｇ² _n-1（ｋ）バーとγ_n-1(ｋ）をｋ＝０，１，....，Ｋ−１に対して乗算してＧ² _n-1（ｋ）バーγ_n-1(ｋ）を求め、その結果を多重重みつき加算部７０７に過去の推定ＳＮＲ９２２として伝達する。多重乗算部７０４及び７０５の構成は、既に図５２を用いて説明した多重乗算部１７に等しいので、詳細な説明は省略する。
【００４５】
加算器７０８の他方の端子には−１が供給されており、加算結果γ_n(ｋ）−１が多重値域限定処理部７０１に伝達される。多重値域限定処理部７０１は、加算器７０８から供給された加算結果γ_n(ｋ）−１に値域限定演算子Ｐ［・］による演算を施し、その結果であるＰ［γ_n(ｋ）−１］を多重重みつき加算部７０７に瞬時推定ＳＮＲ９２１として伝達する。ただし、Ｐ［ｘ］は式（１２）で定められる。
【００４６】
【数１２】

【００４７】
多重重みつき加算部７０７には、また、重み記憶部７０６から重み９２３が供給されている。多重重みつき加算部７０７は、これらの供給された瞬時推定ＳＮＲ９２１、過去の推定ＳＮＲ９２２、重み９２３を用いて推定先天的ＳＮＲ９２４を求める。重み９２３をαとし、ξ_n(ｋ）ハットを推定先天的ＳＮＲとすると、ξ_n(ｋ）ハットは、式（１３）によって計算される。ここに、右辺第１項の初期値（ｎ＝０）を、γ_-1（ｋ）Ｇ² _-1(ｋ）バー＝１とする。
【００４８】
【数１３】

【００４９】
図５８は、図５７に示した推定先天的ＳＮＲ計算部７に含まれる多重値域限定処理部７０１の構成を示すブロック図である。多重値域限定処理部７０１は、定数記憶部７０１１、Ｋ個の最大値選択部７０１２₀ 〜７０１２_K-1 、分離部７０１３、多重化部７０１４を有する。分離部７０１３には、図５７における加算器７０８から、γ_n(ｋ）−１が供給される。分離部７０１３は、供給されたγ_n(ｋ）−１をＫ個の周波数別成分に分離し、それぞれ最大値選択部７０１２₀ 〜７０１２_K-1 の一方の入力に供給する。最大値選択部７０１２₀〜７０１２_K-1の他方の入力には、定数記憶部７０１１からゼロが供給されている。最大値選択部７０１２₀ 〜７０１２_K-1 は、γ_n(ｋ）−１をゼロと比較し、大きい方の値を多重化部７０１４へ伝達する。この最大値選択演算は、式（１２）を実行することに相当する。多重化部７０１４は、これらの値を多重化して出力する。
【００５０】
図５９は、図５７に示した推定先天的ＳＮＲ計算部７に含まれる多重重みつき加算部７０７の構成を示すブロック図である。多重重みつき加算部７０７は、Ｋ個の重みつき加算部７０７１₀ 〜７０７１_K-1 、分離部７０７２，７０７４、多重化部７０７５を有する。
【００５１】
分離部７０７２には、図５７における多重値域限定処理部７０１から、Ｐ［γ_n(ｋ）−１］が瞬時推定ＳＮＲ９２１として供給される。分離部７０７２は、Ｐ［γ_n(ｋ）−１］をＫ個の周波数別成分に分離し、周波数別瞬時推定ＳＮＲ９２１₀ 〜９２１_K-1 として、それぞれ重みつき加算部７０７１₀ 〜７０７１_K-1 に伝達する。分離部７０７４には、図５７における多重乗算部７０５から、Ｇ² _n-1（ｋ）バーγ_n-1(ｋ）が過去の推定ＳＮＲ９２２として供給される。分離部７０７４は、Ｇ² _n-1（ｋ）バーγ_n-1(ｋ）をＫ個の周波数別成分に分離し、過去の周波数別推定ＳＮＲ９２２₀ 〜９２２_K-1 として、それぞれ重みつき加算部７０７１₀ 〜７０７１_K-1 に伝達する。一方、重みつき加算部７０７１₀ 〜７０７１_K-1 には、重み９２３も供給される。重みつき加算部７０７１₀ 〜７０７１_K-1 は、式（１３）によって表される重みつき加算を実行し、周波数別推定先天的ＳＮＲ９２４₀ 〜９２４_K-1 を多重化部７０７５に伝達する。多重化部７０７５は、周波数別推定先天的ＳＮＲ９２４₀ 〜９２４_K-1 を多重化し、推定先天的ＳＮＲ９２４として出力する。
重みつき加算部７０７１₀ 〜７０７１_K-1 の構成と動作は、既に図５１を用いて説明した重みつき加算部４０７と等しいので、詳細な説明は省略する。但し、重みつき加算の計算は常に行なわれる。
【００５２】
図４８における雑音抑圧係数生成部８について説明する。図６０は、雑音抑圧係数生成部８の構成を示すブロック図である。雑音抑圧係数生成部８は、Ｋ個の抑圧係数検索部８０１₀ 〜８０１_K-1 、分離部８０２，８０３、多重化部８０４を有する。分離部８０２には、図４８における周波数別ＳＮＲ計算部６から後天的ＳＮＲが供給される。分離部８０２は、供給された後天的ＳＮＲをＫ個の周波数別成分に分離し、それぞれ抑圧係数検索部８０１₀ 〜８０１_K-1 に伝達する。分離部８０３には、図４８における推定先天的ＳＮＲ計算部７から推定先天的ＳＮＲが供給される。分離部８０３は、供給された推定先天的ＳＮＲをＫ個の周波数別成分に分離し、それぞれ抑圧係数検索部８０１₀ 〜８０１_K-1 に伝達する。抑圧係数検索部８０１₀ 〜８０１_K-1 は、供給された後天的ＳＮＲと推定先天的ＳＮＲに対応した抑圧係数を検索し、検索結果を多重化部８０４に伝達する。多重化部８０４は、供給された抑圧係数を多重化して出力する。
【００５３】
図６１は、図６０に示した雑音抑圧係数生成部８に含まれる抑圧係数検索部８０１₀ 〜８０１_K-1 の構成を示すブロック図である。抑圧係数検索部８０１は、抑圧係数テーブル８０１１、アドレス変換部８０１２，８０１３を有する。アドレス変換部８０１２には、図６０における分離部８０２から、周波数別後天的ＳＮＲが供給される。アドレス変換部８０１２は、供給された周波数別後天的ＳＮＲを対応したアドレスに変換し、抑圧係数テーブル８０１１に伝達する。アドレス変換部８０１３には、図６０における分離部８０３から、周波数別推定先天的ＳＮＲが供給される。アドレス変換部８０１３は、供給された周波数別推定先天的ＳＮＲを対応したアドレスに変換し、抑圧係数テーブル８０１１に伝達する。抑圧係数テーブル８０１１は、アドレス変換部８０１２とアドレス変換部８０１３から供給されたアドレスに対応した領域に格納されている抑圧係数を、周波数別抑圧係数として出力する。ここでは、特定の統計モデルに従う背景雑音を仮定して導出した抑制係数が用いられている。
【００５４】
【発明が解決しようとする課題】
このように、従来のノイズ除去装置及び方法では、特定の統計モデルに従う背景雑音を仮定して導出した抑圧係数を用いて雑音抑圧を行なっていたため、その統計モデルに従わない雑音を効果的に除去することができなかった。このため、十分高い強調音声の品質を達成できなかった。
また、従来のノイズ除去装置及び方法では、逆フーリエ変換して得られた時間領域信号の隣接する２フレームから取り出した信号サンプルを重ね合わせ加算することによって、強調音声を得ていた。一方、フーリエ変換前に時間領域信号にかける窓関数は、雑音抑圧処理を行なわないときに、入力が出力において再現されるように設計されていた。このため、重ね合わせ加算の対象となった信号サンプルが、隣接するフレームにおいて異なった抑圧係数値で抑圧されると、フレーム境界において信号サンプルに不連続性を生じ、出力信号に発生する雑音によって音質が劣化してしまっていた。
【００５５】
以上のように従来のノイズ除去装置及び方法には、優れた音質の強調音声を得ることができないという問題があった。
本発明はこのような課題を解決するためになされたものであり、その目的は、優れた音質の強調音声を得ることができるノイズ除去装置及び方法を提供することにある。
【００５６】
【課題を解決するための手段】
このような目的を達成するために、本発明のノイズ除去方法は、入力信号に基づいて擬似的な雑音を生成し、この擬似的な雑音を注入して得られた抑圧係数を用いることを特徴とする。抑圧係数を定めるときに上述した擬似的な雑音を注入することにより、特定の統計モデルに従う背景雑音を仮定して導出した抑圧係数を、入力信号に応じて補正することができる。
【００６０】
より具体的には、本発明のノイズ除去方法は、入力信号を周波数領域信号に変換し、この周波数領域信号を用いて信号対雑音比を求め、この信号対雑音比を周波数領域信号に基づいて補正し、この補正した信号対雑音比に基づいて抑圧係数を定め、この抑圧係数を用いて周波数領域信号を重みづけし、この重みづけした周波数領域信号を時間領域信号に変換することによって、入力信号からノイズを除去した出力信号を得ることを特徴とする。
【００６１】
このノイズ除去方法において、信号対雑音比の補正を、入力信号の性質に応じて選択的に行なってもよい。これにより、例えば抑圧係数の導出に用いられた統計モデルに従わない雑音を含む信号が入力された場合だけ信号対雑音比を補正し、抑圧係数の補正を選択的に行うことができる。
ここで、入力信号の性質として、信号の定常性を用いてもよい。言うなれば、信号の性質、例えば平均パワーやスペクトル形状等が、時間と共にどの程度変化するかを基準として、信号対雑音比の補正を行ってもよい。
信号の定常性としては、入力信号の振幅がゼロとなるゼロ交叉の数を用いてもよいし、このゼロ交差の数と相関を示す前記周波数領域信号の高域電力を用いてもよい。
【００６２】
また、入力信号を変換した周波数領域信号に基づいて周波数領域信号に含まれる雑音を推定し、この雑音と周波数領域信号とを用いて信号対雑音比の補正量を定めるようにしてもよい。
また、入力信号を変換した周波数領域信号に基づいて周波数領域信号に含まれる雑音を推定し、この雑音及び信号対雑音比を用いて加算信号を求め、この加算信号と周波数領域信号との和、及び加算信号と雑音との和を用いて信号対雑音比を再計算することによって信号対雑音比の補正を行なうようにしてもよい。
ここで、入力信号を変換した周波数領域信号を重みづけし、この重みづけした周波数領域信号に基づいて雑音を推定するようにしてもよい。
【００６３】
また、上述したノイズ除去方法において、周波数領域信号に基づいて抑圧係数を補正し、この補正した抑圧係数を用いて周波数領域信号を重みづけするようにしてもよい。これにより、信号対雑音比が低いときに抑圧不足により発生する残留雑音や、信号対雑音比が高いときに過度の抑圧で発生する音声の歪みによる音質劣化を防ぐことができる。
また、上述したノイズ除去方法において、周波数領域信号を変換した時間領域信号に窓がけ処理を施してもよい。
【００７４】
また、本発明のノイズ除去装置は、入力信号に窓がけ処理を施して出力する第１の窓がけ処理部と、この第１の窓がけ処理部により窓がけ処理された入力信号を周波数領域信号に変換し，振幅成分と位相成分に分離して出力する変換部と、周波数領域信号の振幅成分を用いて第１の信号対雑音比を求めて出力する第１の信号対雑音比計算部と、周波数領域信号の振幅成分に基づいて周波数領域信号に含まれる雑音を推定して出力する推定雑音計算部と、雑音と周波数領域信号の振幅成分を用いて第１の信号対雑音比を補正し，補正信号対雑音比として出力する信号対雑音比補正部と、補正信号対雑音比に基づいて抑圧係数を定めて出力する抑圧係数生成部と、抑圧係数を用いて周波数領域信号の振幅成分を重みづけして出力する第１の乗算部と、この第１の乗算部により重みづけされた周波数領域信号の振幅成分と周波数領域信号の位相成分を時間領域信号に変換して出力する逆変換部と、時間領域信号に窓がけ処理を施す第２の窓がけ処理部とを少なくとも具備することを特徴とする。
【００７５】
ここで、信号対雑音比補正部は、入力信号が入力され，入力信号の振幅がゼロとなるゼロ交叉の数を計算し，その計算結果に応じた制御信号を出力する判定部と、この判定部から入力された制御信号によって補正信号対雑音比を選択的に補正前の第１の信号対雑音比と同じ値に設定するスイッチとを含む構成としてもよい。
また、信号対雑音比補正部は、変換部から入力された周波数領域信号の振幅成分の高域電力を計算し，その計算結果に応じた制御信号を出力する判定部と、この判定部から入力された制御信号によって補正信号対雑音比を選択的に補正前の第１の信号対雑音比と同じ値に設定するスイッチとを含む構成としてもよい。
【００７６】
また、上述したノイズ除去装置は、周波数領域信号の振幅成分を重みづけし，得られた重みつき振幅成分を推定雑音計算部に出力し，推定雑音計算部に重みつき振幅成分に基づいて雑音を推定させる重みつき劣化音声計算部を更に具備するものであってもよい。
ここで、重みつき劣化音声計算部は、周波数領域信号の振幅成分を用いて第２の信号対雑音比を計算して出力する第２の信号対雑音比計算部と、この第２の信号対雑音比計算部から入力された第２の信号対雑音比を非線形関数によって処理して重みを求め出力する非線形処理部と、この非線形処理部から入力された重みを用いて周波数領域信号の振幅成分を重みづけし，推定雑音計算部に出力する第２の乗算部とを含む構成としてもよい。
【００７７】
また、上述したノイズ除去装置は、抑圧係数生成部から入力された抑圧係数を，周波数領域信号に基づいて補正して第１の乗算部に出力し、第１の乗算部に補正した抑圧係数を用いて周波数領域信号の振幅成分を重みづけさせる抑圧係数補正部を更に具備するものであってもよい。
【００７８】
【発明の実施の形態】
以下、図面を参照して、本発明の実施の形態について詳細に説明する。
【００７９】
（第１の参考例）
図１は、本発明のノイズ除去装置に関連する第１の参考例の全体構成を示すブロック図である。このノイズ除去装置と、図４８に示した従来のノイズ除去装置とは、窓がけ処理部２２、注入雑音計算部５５、加算器５６，５７を除いて同一である。この同一部分については同一符号を付している。以下、上述の相違点を中心に詳細に説明する。
【００８０】
窓がけ処理部２２は、逆フーリエ変換部９から供給された時間領域サンプル値系列ｘ_n(ｔ）バーに窓関数ｈ（ｔ）を乗算し、積であるｈ（ｔ）ｘ_n(ｔ）バーをフレーム合成部１０に伝達する。フレーム合成部１０は、ｈ（ｔ）ｘ_n(ｔ）バーの隣接する２フレームからＫ／２サンプルずつを取り出して重ね合わせ、式（１４）によって、強調音声ｘ_n(ｔ）ハット（ｔ＝０，１，....，Ｋ／２−１）を得る。得られた強調音声ｘ_n(ｔ）ハットが、フレーム合成部１０の出力として、出力端子１２に伝達される。
【００８１】
【数１４】

【００８２】
オーバラップが、５０％ではなく、Ｍサンプルで、フレーム長がＬサンプル（Ｍ＜Ｌ）の場合は、式（１５）によって、強調音声ｘ_n(ｔ）ハットを得る。これに合わせて、フレーム分割部も修正する。
【００８３】
【数１５】

【００８４】
すでに述べたように、実数信号に対しては、左右対称窓関数が用いられる。また、窓関数は、抑圧係数を１に設定したときの入力信号と出力信号が計算誤差を除いて一致するように設計される。これらの条件を満たすいかなる窓関数であっても、ｗ（ｔ）、ｈ（ｔ）として使用することができる。その一例として、ハニング窓を開平した関数（ルートハニング窓）を挙げることができる。他にもこれらの条件を満たす窓関数は存在するが、詳細は省略する。
隣接する２フレームを構成するｘ_n-1(ｔ）バーとｘ_n(ｔ）バーが各フレームにおいて異なった抑圧係数値で抑圧されたとしても、ｘ_n-1(ｔ）バーとｘ_n(ｔ）バーのそれぞれに上述した窓関数ｈ（ｔ）を乗算してフレーム境界におけるｘ_n-1(ｔ）バーとｘ_n(ｔ）バーの振幅を小さくすることによって、フレーム境界における連続性を改善し、雑音の発生を低減することができる。よって、雑音による音質劣化を抑制し、優れた音質の強調音声を得ることができる。
【００８５】
注入雑音計算部５５は、それぞれ多重乗算部１７及び推定雑音計算部５１から供給された劣化音声パワースペクトル及び推定雑音パワースペクトルを用いて、注入すべき擬似的な雑音（第１の雑音）を計算し、加算器５６及び５７に伝達する。加算器５６は、推定雑音計算部５１から供給された推定雑音パワースペクトルに注入雑音計算部５５で得られた注入雑音を加算し、その和を周波数別ＳＮＲ計算部６に伝達する。加算器５７は、多重乗算部１７から供給された劣化音声パワースペクトルに注入雑音計算部５５で得られた注入雑音を加算し、その和を周波数別ＳＮＲ計算部６に伝達する。
【００８６】
図２は、注入雑音計算部５５の構成を示すブロック図である。注入雑音計算部５５は、ＳＮＲ計算部５５１、しきい値計算部５５２、注入レベル計算部５５３を有する。図１における多重乗算部１７から供給された劣化音声パワースペクトルは、ＳＮＲ計算部５５１に伝達される。図１における推定雑音計算部５１から供給された推定雑音パワースペクトルは、ＳＮＲ計算部５５１及びしきい値計算部５５２に伝達される。ＳＮＲ計算部５５１で得られたＳＮＲとしきい値計算部５５２で得られたしきい値は、注入レベル計算部５５３に供給される。注入レベル計算部５５３では、供給されたＳＮＲとしきい値に応じて、注入すべき雑音レベルを計算し、そのレベルに対応した信号を注入雑音として出力する。
【００８７】
注入すべき雑音をＷ_n(ｋ）とすれば、Ｗ_n(ｋ）はＳＮＲが大きいほど小さい値をとるように設定される。このようなＳＮＲとＷ_n(ｋ）の関係として、ＳＮＲが第１のしきい値ＴＨ₁ よりも大きいときに第１の値Ｗ₁ をとり、ＳＮＲが第２のしきい値ＴＨ₂ （＜ＴＨ₁ ）よりも小さいときに第２の値Ｗ₂ （＞Ｗ₁ ）をとり、ＳＮＲが第１のしきい値ＴＨ₁ と第２のしきい値ＴＨ₂ の中間の値をとるときには、ＳＮＲに対応してＷ_n(ｋ）が小さくなるような関数を考えることができる。最も簡単な例は、図３に示すように、ＳＮＲが第１のしきい値ＴＨ₁ と第２のしきい値ＴＨ₂ の中間の値をとるときには、第１の値Ｗ₁ から第２の値Ｗ₂ まで、直線的に変化する関数である。
【００８８】
第１と第２のしきい値ＴＨ₁ ，ＴＨ₂ は独立に決定することができるが、第２のしきい値ＴＨ₂ を第１のしきい値ＴＨ₁ の定数倍に設定し、計算の簡略化をはかることもできる。同様に、独立に決定することができるＷ_n(ｋ）の第１と第２の値Ｗ₁ ，Ｗ₂ も第２の値Ｗ₂ を第１の値Ｗ₁ の定数倍に設定することができる。
また、Ｗ_n(ｋ）の第１と第２の値Ｗ₁ ，Ｗ₂ は、推定雑音のレベルに対応して決定することができる。推定雑音レベルが高い時はＷ_n(ｋ）の第１と第２の値Ｗ₁ ，Ｗ₂ を小さくし、低い時は大きくする。このようにＷ_n(ｋ）の第１と第２の値Ｗ₁ ，Ｗ₂ を設定することで、同じＳＮＲの値に対して、推定雑音レベルが高い時ほど容易に小さなＷ_n(ｋ）が設定できる。この場合、注入レベル計算部５５３に推定雑音パワースペクトルを供給する構成とすることは、言うまでもない。
【００８９】
さらに、しきい値ＴＨ₁ ，ＴＨ₂ も、推定雑音のレベルに対応して決定することができる。推定雑音レベルが高い時はしきい値ＴＨ₁ ，ＴＨ₂ を小さくし、低い時は大きくする。このようにしきい値ＴＨ₁ ，ＴＨ₂ を設定することで、同じＳＮＲの値に対して、推定雑音レベルが高い時ほど容易に小さなＷ_n(ｋ）が設定できる。推定雑音レベルが高い時ほどＷ_n(ｋ）を小さくする理由は、推定雑音レベルが高い時には、従来の抑圧係数がほぼ適切であり、雑音注入による抑圧係数の補正量が小さいからである。この結果、本来の抑圧量が小さく、残留する雑音が知覚されやすいときに、中程度の振幅を有した成分を相対的に大きく抑圧することができ、主観音質の改善を達成することができる。
【００９０】
これまでの説明では、注入すべき雑音をＷ_n(ｋ）としており、各周波数成分に対して異なった雑音を注入する例について説明した。実際、注入雑音計算部５５に供給される劣化音声パワースペクトル及び推定雑音パワースペクトルは、全周波数成分に対応した値が多重化されている。従って、ＳＮＲ計算部５５１で得られたＳＮＲとしきい値計算部５５２で得られたしきい値の数は、周波数成分の数に対応している。しかし、これらのＳＮＲとしきい値を、すべての周波数成分に対して共通に設定しても良い。
【００９１】
一例として、劣化音声パワースペクトル及び推定雑音パワースペクトルを、全周波数成分に対して加算して総和をとり、それらの比を共通ＳＮＲとし、また、推定雑音パワースペクトルの平均値を用いてしきい値を求めることができる。その際には、ＳＮＲ計算部５５１及びしきい値計算部５５２では、各周波数成分に対応した値を分離してから個々の値を用いてＳＮＲとしきい値を計算する代わりに、前記総和と平均値を用いて、全周波数成分に対して共通のＳＮＲとしきい値を計算することになる。これらの値が、周波数別ＳＮＲ計算部６に伝達される。
【００９２】
周波数別ＳＮＲ計算部６では、式（１１）の代わりに、式（１６）によって、周波数別ＳＮＲγ_n(ｋ）を計算する。
【００９３】
【数１６】

【００９４】
式（１６）を参照すると、ＳＮＲ＞０の領域では、｜Ｙ_n(ｋ）｜² ＞λ_n(ｋ）なので、雑音注入時のＳＮＲγ_n(ｋ）は本来の値よりも小さくなるように修正される。一方、文献１を参照すると、ＳＮＲに対する抑圧係数の特性は、図４に示すように、ＳＮＲに対応して漸増した後、あるＳＮＲの値において急増し、再び漸増から飽和をたどる。このため、雑音注入によってγ_n(ｋ）の値が小さくなると、上記抑圧係数値が急変する近傍のＳＮＲに対して、相対的に抑圧係数減少効果が大きくなる。従って、そのようなＳＮＲに対応した周波数成分、具体的には中程度の振幅を有した成分が、相対的に大きく抑圧されることになる。このため、音声よりは振幅が小さいが無視できない程度の背景雑音の一部がより強く抑圧され、強調音声において雑音として知覚されにくくなる。よって、実際の背景雑音に対して、十分高い品質の強調音声を得ることができる。
【００９５】
（第１の実施の形態）
図５は、本発明のノイズ除去装置の第１の実施の形態の全体構成を示すブロック図である。このノイズ除去装置は、図１に示したノイズ除去装置が具備する注入雑音計算部５５、加算器５６，５７の代わりに、ＳＮＲ補正部６５を具備するものである。以下、これらの相違点を中心に詳細に説明する。
【００９６】
ＳＮＲ補正部６５には、多重乗算部１７、推定雑音計算部５１、及び周波数別ＳＮＲ計算部６から、それぞれ劣化音声パワースペクトル、推定雑音パワースペクトル、及び後天的ＳＮＲが供給されている。ＳＮＲ補正部６５からは、補正後天的ＳＮＲが推定先天的ＳＮＲ計算部７及び雑音抑圧係数生成部８に供給される。
すなわち、図１に示したノイズ除去装置では、雑音を注入した劣化音声パワースペクトルと雑音を注入した推定雑音パワースペクトルを用いて、後天的ＳＮＲを計算していたのに対して、図５に示したノイズ除去装置では、劣化音声パワースペクトルと推定雑音パワースペクトルを用いて計算した注入雑音を用いて、計算した後天的ＳＮＲを補正する。
【００９７】
図５におけるＳＮＲ補正部６５について、さらに説明する。
図６は、ＳＮＲ補正部６５の一構成例を示すブロック図である。ＳＮＲ補正部６５は、Ｋ個の補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 、分離部６５１、６５２、６５３、多重化部６５５を有する。
分離部６５１には、図５における周波数別ＳＮＲ計算部６から後天的ＳＮＲが供給される。分離部６５１は、供給された後天的ＳＮＲをＫ個の周波数別成分に分離し、それぞれ補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 に伝達する。分離部６５２には、図５における多重乗算部１７から劣化音声パワースペクトルが供給される。分離部６５２は、供給された劣化音声パワースペクトルをＫ個の周波数別成分に分離し、それぞれ補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 に伝達する。分離部６５３には、図５における推定雑音計算部５１から推定雑音パワースペクトルが供給される。分離部６５３は、供給された推定雑音パワースペクトルをＫ個の周波数別成分に分離し、それぞれ補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 に伝達する。補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 は、供給された劣化音声パワースペクトルと推定雑音パワースペクトルに対応した補正を後天的ＳＮＲに加え、補正後天的ＳＮＲを多重化部６５５に伝達する。多重化部６５５は、供給された補正後天的ＳＮＲを多重化して出力する。
【００９８】
図７は、図６に示したＳＮＲ補正部６５に含まれる補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 の構成を示すブロック図である。補正ＳＮＲ計算部６５４は、しきい値計算部６５４１、注入雑音計算部６５４２、加算器６５４３，６５４４、除算部６５４５を有する。
【００９９】
しきい値計算部６５４１には、図６における分離部６５３から推定雑音パワースペクトルが供給されており、図２におけるしきい値計算部５５２と同様の動作によってしきい値を計算し、注入雑音計算部６５４２に伝達する。注入雑音計算部６５４２には、図６における分離部６５１から後天的ＳＮＲも供給されており、図２における注入レベル計算部５５３と同様の動作によって注入すべき擬似的な雑音（第１の雑音，加算信号）を計算し、加算器６５４３及び６５４４に伝達する。加算器６５４３には、図６における分離部６５３から推定雑音パワースペクトルも供給されており、注入雑音計算部６５４２から供給された雑音との加算結果を除算部６５４５に伝達する。加算器６５４４には、図６における分離部６５２から劣化音声パワースペクトルも供給されており、注入雑音計算部６５４２から供給された雑音との加算結果を除算部６５４５に伝達する。除算部６５４５は、加算器６５４３の出力と加算器６５４４の出力から求めた商を、補正後天的ＳＮＲとして出力する。
【０１００】
図８は、ＳＮＲ補正部６５の他の構成例を示すブロック図である。この構成例では、ＳＮＲとしきい値を、すべての周波数成分に対して共通に設定している。このため、図６に示した構成例と比較すると、新たに平均値計算部６６１，６６３、注入雑音計算部６６２を有し、また補正ＳＮＲ計算部６５４₀ 〜６５４_K-1 を置き換える形で補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 を有している。
【０１０１】
平均値計算部６６１は、分離部６５１から供給された後天的ＳＮＲγ_n(ｋ）のｋに関する平均を求め、注入雑音計算部６６２へ伝達する。従って、注入雑音計算部６６２へ伝達される値は、一つとなる。一方、平均値計算部６６３は、分離部６５３から供給された推定雑音パワースペクトルλ_n(ｋ）のｋに関する平均を求め、しきい値計算部６５４１へ伝達する。しきい値計算部６５４１は、すでに説明した動作によってしきい値を求め、注入雑音計算部６６２へ伝達する。注入雑音計算部６６２は、図７における注入雑音計算部６５４２と同じ手順で注入すべき擬似的な雑音（第１の雑音，加算信号）を計算し、補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 へ伝達する。図６に示した構成例と異なり、補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 へ伝達される注入雑音は、すべて同じ値である。
【０１０２】
図９は、図８に示したＳＮＲ補正部６６に含まれる補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 の構成を示すブロック図である。補正ＳＮＲ計算部６６４は、注入雑音計算部６６２から供給された注入雑音を、推定雑音パワースペクトル及び劣化音声パワースペクトルに加算し、両者の商を求めてから、補正後天的ＳＮＲとして出力する。より具体的には、次のとおりである。
すなわち、注入雑音計算部６６２で計算された注入雑音は、加算器６５４３及び６５４４に伝達される。加算器６５４３には、図８における分離部６５３から推定雑音パワースペクトルも供給されており、注入雑音計算部６６２から供給された雑音との加算結果を除算部６５４５に伝達する。加算器６５４４には、図８における分離部６５２から劣化音声パワースペクトルも供給されており、注入雑音計算部６５４２から供給された雑音との加算結果を除算部６５４５に伝達する。除算部６５４５は、加算器６５４３の出力と加算器６５４４の出力から求めた商を、補正後天的ＳＮＲとして出力する。
【０１０３】
図８，図９に示した構成例では、補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 に対して注入雑音計算部６６２としきい値計算部６５４１を共通化することによって、補正ＳＮＲ計算部６６４₀ 〜６６４_K-1 のすべてに注入雑音計算部としきい値計算部を設ける必要がなくなるので、構成を簡素化することができる。
【０１０４】
以上のようにしてＳＮＲ補正部６５，６６で後天的ＳＮＲを補正し、その結果得られた補正後後天的ＳＮＲを用いて抑圧係数を定めることによって、図１に示したノイズ除去装置と同様に、実際の背景雑音に対して十分高い品質の強調音声を得ることができる。
【０１０５】
（第２の参考例）
図１０は、本発明のノイズ除去装置に関連する第２の参考例の全体構成を示すブロック図である。このノイズ除去装置は、図１に示したノイズ除去装置において、注入雑音計算部５５を注入雑音計算部５８で置換した構成になっている。以下、この相違点を中心に詳細に説明する。
図１０に示すノイズ除去装置では、入力信号の性質に応じて、選択的に雑音注入を適用する。このため、入力信号の性質を評価するために、フレーム分割部１の出力である時間領域の劣化音声信号が、注入雑音計算部５８に供給されている。
【０１０６】
図１１は、図１０における注入雑音計算部５８の構成を示すブロック図である。図２に示した注入雑音計算部５５とは、ゼロ交叉計算部５８１とスイッチ５８２をさらに具備する点が異なっている。
フレーム分割部１の出力である時間領域の劣化音声信号は、ゼロ交叉計算部５８１に供給されている。ゼロ交叉計算部５８１には、ＳＮＲ計算部５５１からＳＮＲが、しきい値計算部５５２からしきい値が、それぞれ供給されている。ゼロ交叉計算部５８１では、供給された劣化音声信号の振幅がゼロとなるゼロ交叉を計数する。同時に、ＳＮＲとしきい値から、ＳＮＲが前記第２のしきい値ＴＨ₂ より小さいか否かを評価する。ＳＮＲが前記第２のしきい値ＴＨ₂ より小さいときだけ、前記ゼロ交叉の数を過去の数フレームに渡って平均化する。すなわち、劣化音声が無音と判定したときだけ、平均値を求める。このようにして得られた平均値を第３のしきい値と比較し、平均値の方が大きいときに“１”を、それ以外の場合は“０”を、制御信号としてスイッチ５８２に伝達する。第３のしきい値は、予め定めておくこともできるし、動作途中で変更することもできる。
【０１０７】
スイッチ５８２には、注入レベル計算部５５３からは注入雑音が、０と共に供給されている。スイッチ５８２は、ゼロ交叉計算部５８１から制御信号として“１”が供給されたときは注入レベル計算部５５３から供給された注入雑音を、“０”が供給されたときは０を選択し、注入雑音として出力する。従って、ゼロ交叉の数の平均値が第３のしきい値より大きい場合のみに、注入レベル計算部５５３からの注入雑音が、図１０における加算器５６，５７に供給されることになる。
ゼロ交叉の数は、非定常な信号ほど多くなることが知られているので、非定常性が一定以上の信号に対してだけ、雑音注入を実行し、抑圧係数の補正を行うことができる。
【０１０８】
（第３の参考例）
図１２は、本発明のノイズ除去装置に関連する第３の参考例の全体構成を示すブロック図である。このノイズ除去装置は、図１０に示したノイズ除去装置において、注入雑音計算部５８を注入雑音計算部５９で置換した構成になっている。以下、この相違点を中心に詳細に説明する。
【０１０９】
図１２に示すノイズ除去装置では、入力信号の性質に応じて選択的に雑音注入を適用する点で、図１０に示したノイズ除去装置と同じである。しかし、フレーム分割部１の出力である時間領域の劣化音声信号が、注入雑音計算部５９に供給されていない。その理由は、図１０に示したノイズ除去装置とは異なり、入力信号の性質を評価するために、時間領域の劣化音声信号を用いないためである。その代わりに、劣化音声パワースペクトルを用いる。図１０に示したノイズ除去装置では、フレーム当たりのゼロ交叉の数を用いて信号の非定常性を評価していたが、ゼロ交叉の数と高周波領域（高域）におけるパワースペクトルには相関があることが知られているので、ゼロ交叉の数に代えて劣化音声パワースペクトルを用いることができる。
【０１１０】
図１３は、図１２における注入雑音計算部５９の構成を示すブロック図である。図１１に示した注入雑音計算部５８との違いは、ゼロ交叉計算部５８１が高域電力計算部５９１に置換されていることである。
高域電力計算部５９１には、ＳＮＲ計算部５５１と共に、劣化音声パワースペクトルが供給されている。高域電力計算部５９１は、劣化音声パワースペクトル｜Ｙ_n(ｋ）｜² のうち、ｋが基準値ｋ_THよりも大きいものの総和をとる。基準値ｋ_THは、総和をとることによって、上述した劣化音声信号のゼロ交叉の数に対応する高域電力が得られるように、劣化音声信号その他の条件に応じて設定される。この結果、前記ゼロ交叉の数に対応する高域電力が得られるので、この高域電力を第４のしきい値と比較した結果を用いて、図１１に示した注入雑音計算部５８と同様にスイッチ５８２を制御することができる。すなわち、高域電力の値によって、注入レベル計算部５５３から供給された注入雑音と０を選択し、注入雑音として出力する。
【０１１１】
なお、劣化音声パワースペクトル｜Ｙ_n(ｋ）｜² のうち、ｋが基準値ｋ_THよりも大きいものを重みづけして総和をとり、高域電力を求めるようにしてもよい。また、第４のしきい値は、予め定めておくこともできるし、動作途中で変更することもできる。
【０１１２】
（第２の実施の形態）
図１４は、本発明のノイズ除去装置の第２の実施の形態の全体構成を示すブロック図である。このノイズ除去装置は、図５に示したノイズ除去装置において、ＳＮＲ補正部６５をＳＮＲ補正部６７で置換した構成になっている。以下、この相違点を中心に詳細に説明する。
図１４に示すノイズ除去装置では、図１０に示したノイズ除去装置と同様に、入力信号の性質に応じて、選択的に雑音注入を適用する。このため、入力信号の性質を評価するために、フレーム分割部１の出力である時間領域の劣化音声信号が、ＳＮＲ補正部６７に供給されている。
【０１１３】
図１５は、図１４におけるＳＮＲ補正部６７の構成例を示すブロック図である。図８に示したＳＮＲ補正部６５の構成例とは、注入雑音計算部６６２が注入雑音計算部６７２に置換されている点において異なる。注入雑音計算部６６２とは異なり、注入雑音計算部６７２には、入力信号の性質を評価するために、フレーム分割部１の出力である時間領域の劣化音声信号が供給されている。
【０１１４】
図１６は、注入雑音計算部６７２の構成例を示すブロック図である。注入雑音計算部６７２は、注入レベル計算部６７２１、スイッチ６７２２、判定部６７２３を有する。注入レベル計算部６７２１と判定部６７２３には、図１５における平均値計算部６６１から後天的ＳＮＲが、また図１５におけるしきい値計算部６５４１からしきい値が、供給されている。判定部６７２３にはさらに、劣化音声信号が供給されている。注入レベル計算部６７２１は、図２における注入レベル計算部５５３と同様の動作により、注入レベルを求め、スイッチ６７２２に伝達する。判定部６７２３は、前記劣化音声信号、前記後天的ＳＮＲ、前記しきい値を受け、入力信号の性質に応じた、スイッチ６７２２の制御信号を発生する。
【０１１５】
ここで、判定部６７２３は、さらに、無音区間検出部６７２３１、ゼロ交叉計算部６７２３２、比較部６７２３３から構成される。無音区間検出部６７２３１は、前記後天的ＳＮＲと前記しきい値を受け、ＳＮＲが前記第２のしきい値ＴＨ₂ より小さいときに“１”を、それ以外の場合は“０”を、ゼロ交叉計算部６７２３２に伝達する。すなわち、劣化音声が無音と判定されると“１”を、それ以外の場合は“０”をゼロ交叉計算部６７２３２に伝達することになる。
ゼロ交叉計算部６７２３２は、供給された劣化音声信号の振幅がゼロとなるゼロ交叉を計数し、無音区間検出部６７２３１から“１”を受けたときだけ、前記ゼロ交叉の数を過去の数フレームに渡って平均化する。このようにして得られた平均値は、比較部６７２３３に伝達される。
比較部６７２３３は、供給された前記ゼロ交叉の平均値を前記第３のしきい値と比較し、平均値の方が大きいときに“１”を、それ以外の場合は“０”を、制御信号としてスイッチ６７２２に伝達する。
【０１１６】
スイッチ６７２２は、判定部６７２３の比較部６７２３３から“１”が供給されたときは注入レベル計算部６７２１から供給された注入雑音を、“０”が供給されたときは０を選択し、注入雑音として出力する。すなわち、スイッチ６７２２の動作は図１１におけるスイッチ５８２の動作に等しく、非定常性が一定以上の信号に対してだけ、雑音注入を実行し、抑圧係数の補正を行うことができる。
【０１１７】
（第３の実施の形態）
図１７は、本発明のノイズ除去装置の第３の実施の形態の全体構成を示すブロック図である。このノイズ除去装置は、図１４に示したノイズ除去装置において、ＳＮＲ補正部６７をＳＮＲ補正部６８で置換した構成になっている。以下、この相違点を中心に詳細に説明する。
【０１１８】
図１７に示すノイズ除去装置では、入力信号の性質に応じて、選択的に雑音注入を適用する。その際、図１４に示したノイズ除去装置とは異なり、時間領域の劣化音声信号の代わりに劣化音声パワースペクトルを用いて、入力信号の性質を評価する。すなわち、フレーム当たりのゼロ交叉数で信号の非定常性を評価していた第２の実施の形態と異なり、高周波領域（高域）における劣化音声パワースペクトルを用いて信号の非定常性を評価する。このため、フレーム分割部１の出力である時間領域の劣化音声信号が、ＳＮＲ補正部６８に供給されていない。
図１８は、図１７におけるＳＮＲ補正部６８の構成例を示すブロック図である。図１５に示したＳＮＲ補正部６７との違いは、注入雑音計算部６７２が注入雑音計算部６８２に置換されていることである。
【０１１９】
図１９は、注入雑音計算部６８２の構成例を示すブロック図である。図１６に示した注入雑音計算部６７２との違いは、ゼロ交叉計算部６７２３２が高域電力計算部６８２３２に置換されていることである。高域電力計算部６８２３２には、無音区間計算部６７２３１の出力信号と共に、劣化音声パワースペクトルが供給されている。高域電力計算部６８２３２は、図１３における高域電力計算部５９１と同様の動作によって、劣化音声パワースペクトル｜Ｙ_n(ｋ）｜² のうち、ｋが基準値ｋ_THよりも大きいものの総和をとって、高域電力を求める。この高域電力は、比較部６７２３３に伝達される。比較部６７２３３は、この高域電力を前記第４のしきい値と比較した結果を用いて、スイッチ６７２２の制御信号を発生する。すなわち、高域電力の値によって、注入レベル計算部６７２１から供給された注入雑音と０を選択し、注入雑音として出力する。
【０１２０】
（第４の参考例）
図２０は、本発明のノイズ除去装置に関連する第４の参考例の全体構成を示すブロック図である。このノイズ除去装置と図１に示したノイズ除去装置とは、推定雑音計算部５、重みつき劣化音声計算部１４及び抑圧係数補正部１５を除いて同一である。図２０に示すノイズ除去装置の構成は、窓がけ処理部２２及び注入雑音計算部５８を除けば、「２０００年４月、電子情報通信学会技術研究報告、ＤＳＰ、５３〜６０ページ」（文献５）に開示されたものに等しい。文献５に開示された方法は、文献１に開示された従来の方法とは異なり、重みつき劣化音声スペクトルを用いて、雑音のパワースペクトルを推定することによって、正確な推定雑音を得ることができる。以下、これらの相違点を中心に詳細に説明する。
【０１２１】
まず、図２０における重みつき劣化音声計算部１４について説明する。図２１は、重みつき劣化音声計算部１４の構成を示すブロック図である。重みつき劣化音声計算部１４は、推定雑音記憶部１４０１、周波数別ＳＮＲ計算部１４０２、多重非線形処理部１４０５、及び多重乗算部１４０４を有する。推定雑音記憶部１４０１は、図２０における推定雑音計算部５から供給される推定雑音パワースペクトルを記憶し、１フレーム前に記憶された推定雑音パワースペクトルを周波数別ＳＮＲ計算部１４０２へ出力する。周波数別ＳＮＲ計算部１４０２は、推定雑音記憶部１４０１から供給される推定雑音パワースペクトルと、図２０における多重乗算部１７から供給される劣化音声パワースペクトルを用いて、ＳＮＲを各周波数毎に求め、多重非線形処理部１４０５に出力する。多重非線形処理部１４０５は、周波数別ＳＮＲ計算部１４０２から供給されるＳＮＲを用いて重み係数ベクトルを計算し、重み係数ベクトルを多重乗算部１４０４に出力する。多重乗算部１４０４は、図２０における多重乗算部１７から供給される劣化音声パワースペクトルと、多重非線形処理部１４０５から供給される重み係数ベクトルの積を周波数毎に計算し、重みつき劣化音声パワースペクトルを図２０における推定雑音計算部５に出力する。
【０１２２】
周波数別ＳＮＲ計算部１４０２の構成は、既に図５６を用いて説明した周波数別ＳＮＲ計算部６に等しいので、詳細な説明は省略する。また、多重乗算部１４０４の構成は、既に図５２を用いて説明した多重乗算部１７に等しいので、詳細な説明は省略する。よって次に、図２１における多重非線形処理部１４０５の構成と動作について詳しく説明する。
【０１２３】
図２２は、重みつき劣化音声計算部１４に含まれる多重非線形処理部１４０５の構成を示すブロック図である。多重非線形処理部１４０５は、分離部１４９５、Ｋ個の非線形処理部１４８５₀ 〜１４８５_K-1 、及び多重化部１４７５を有する。
分離部１４９５は、図２１における周波数別ＳＮＲ計算部１４０２から供給されるＳＮＲを周波数別のＳＮＲに分離し、非線形処理部１４８５₀ 〜１４８５_K-1 に出力する。
非線形処理部１４８５₀ 〜１４８５_K-1 は、それぞれ入力値に応じた実数値を出力する非線形関数を有する。図２３に、非線形関数の例を示す。ｆ₁ を入力値としたとき、図２３に示される非線形関数の出力値ｆ₂ は、式（１７）で与えられる。
【０１２４】
【数１７】

【０１２５】
非線形処理部１４８５₀ 〜１４８５_K-1 は、分離部１４９５から供給される周波数別ＳＮＲを、上述した非線形関数によって処理して重み係数を求め、多重化部１４７５に出力する。すなわち、非線形処理部１４８５₀ 〜１４８５_K-1 は、ＳＮＲに応じた１から０までの重み係数を出力する。ＳＮＲが小さい時は１を、大きい時は０を出力する。
多重化部１４７５は、非線形処理部１４８５₀ 〜１４８５_K-1 から出力された重み係数を多重化し、その結果得られた重み係数ベクトルを図２１における多重乗算部１４０４に出力する。
【０１２６】
このように、図２１における多重乗算部１４０４で劣化音声パワースペクトルと乗算される重み係数は、ＳＮＲに応じた値になっており、ＳＮＲが大きい程、すなわち劣化音声に含まれる音声成分が大きい程、重み係数の値は小さくなる。推定雑音の更新には一般に劣化音声パワースペクトルが用いられるが、推定雑音の更新に用いる劣化音声パワースペクトルに対して、ＳＮＲに応じた重みづけを行うことで、劣化音声パワースペクトルに含まれる音声成分の影響を小さくすることができ、より精度の高い雑音推定を行うことができる。
なお、重み係数の計算に非線形関数を用いた例を示したが、非線形関数以外にも線形関数や高次多項式など、他の形で表されるＳＮＲの関数を用いることも可能である。
【０１２７】
次に、図２０における推定雑音計算部５について説明する。図２４は、推定雑音計算部５の構成を示すブロック図である。この推定雑音計算部５と図５３に示した推定雑音計算部５１とは、分離部５０５が存在することと、周波数別推定雑音計算部５１４₀ 〜５１４_K-1 が周波数別推定雑音計算部５０４₀ 〜５０４_K-1 に置換されていることを除いて同一である。以下、これらの相違点を中心に詳細に説明する。
【０１２８】
分離部５０５は、図２０における重みつき劣化音声計算部１４から供給される重みつき劣化音声パワースペクトルを、周波数別の重みつき劣化音声パワースペクトルに分離し、それぞれ周波数別推定雑音計算部５０４₀ 〜５０４_K-1 に出力する。周波数別推定雑音計算部５０４₀ 〜５０４_K-1 は、分離部５０２から供給される周波数別劣化音声パワースペクトル、分離部５０５から供給される周波数別重みつき劣化音声パワースペクトル、図２０における音声検出部４から供給される音声検出フラグ、及び図２０におけるカウンタ１３から供給されるカウント値から周波数別推定雑音パワースペクトルを計算し、多重化部５０３へ出力する。多重化部５０３は、周波数別推定雑音計算部５０４₀ 〜５０４_K-1 から供給される周波数別推定雑音パワースペクトルを多重化し、その結果得られた推定雑音パワースペクトルを図２０における加算器５６と注入雑音計算部５８と重みつき劣化音声計算部１４へ出力する。周波数別推定雑音計算部５０４₀ 〜５０４_K-1 の構成と動作の詳細な説明は、図２５〜図２７を参照しながら行う。
【０１２９】
図２５は、図２４に示した推定雑音計算部５に含まれる周波数別推定雑音計算部５０４₀ 〜５０４_K-1 の第１の構成例を示すブロック図である。図５４に示した周波数別推定雑音計算部５１４との相違点は、周波数別推定雑音計算部５０４₀ 〜５０４_K-1 が推定雑音記憶部５９４２を有すること、更新判定部５２１が更新判定部５２０に置換されていること、及びスイッチ５０４４への入力が周波数別劣化音声パワースペクトルから周波数別重みつき劣化音声パワースペクトルに置換されていることである。周波数別推定雑音計算部５０４₀ 〜５０４_K-1 は、推定雑音の計算に劣化音声パワースペクトルではなく重みつき劣化音声パワースペクトルを用いており、また、推定雑音の更新判定に、推定雑音と劣化音声パワースペクトルを用いているため、これらの相違点が発生する。
推定雑音記憶部５９４２は、除算部５０４８から供給される周波数別推定雑音パワースペクトルを記憶し、１フレーム前に記憶された周波数別推定雑音パワースペクトルを更新判定部５２０に出力する。更新判定部５２０の構成と動作の詳細な説明は、図２６を参照しながら行う。
【０１３０】
図２６は、図２５に示した周波数別推定雑音計算部５０４₀ 〜５０４_K-1 に含まれる更新判定部５２０の構成を示すブロック図である。図５５に示した更新判定部５２１との相違点は、論理和計算部５２１１が論理和計算部５２０１に置換されていることと、更新判定部５２０が比較部５２０５、閾値記憶部５２０６及び閾値計算部５２０７を有することである。以下、これらの相違点を中心に詳細な動作を説明する。
閾値計算部５２０７は、図２５における推定雑音記憶部５９４２から供給される周波数別推定雑音パワースペクトルに応じた値を計算し、閾値として閾値記憶部５２０６に出力する。最も簡単な閾値の計算方法は、周波数別推定雑音パワースペクトルの定数倍である。その他に、高次多項式や非線形関数を用いて閾値を計算することも可能である。
【０１３１】
閾値記憶部５２０６は、閾値計算部５２０７から出力された閾値を記憶し、１フレーム前に記憶された閾値を比較部５２０５へ出力する。
比較部５２０５は、閾値記憶部５２０６から供給される閾値と図２４における分離部５０２から供給される周波数別劣化音声パワースペクトルを比較し、周波数別劣化音声パワースペクトルが閾値よりも小さければ“１”を、大きければ“０”を論理和計算部５２０１に出力する。すなわち、推定雑音パワースペクトルの大きさをもとに、劣化音声信号が雑音であるか否かを判別している。
論理和計算部５２０１は、比較部５２０３の出力値、論理否定回路５２０２の出力値、及び比較部５２０５の出力値の論理和を計算し、計算結果を図２５におけるスイッチ５０４４、シフトレジスタ５０４５及びカウンタ５０４９に出力する。
【０１３２】
従って、初期状態や無音区間だけでなく、有音区間でも劣化音声パワーが小さい場合には、更新判定部５２０は“１”を出力する。すなわち、推定雑音の更新が行われる。閾値の計算は各周波数毎に行われるため、各周波数毎に推定雑音の更新を行うことができる。
【０１３３】
図２５において、ＣＮＴをカウンタ５０４９のカウント値、Ｎをシフトレジスタ５０４５のレジスタ長とする。そして、Ｂ_n(ｋ）（ｎ＝０，１，....，Ｎ−１）をシフトレジスタ５０４５に蓄積されている周波数別重みつき劣化音声パワースペクトルとする。このとき、除算部５０４８から出力される周波数別推定雑音パワースペクトルλ_n(ｋ）は、式（１８）で与えられる。
【０１３４】
【数１８】

【０１３５】
すなわち、λ_n(ｋ）はシフトレジスタ５０４５に蓄積されている周波数別重みつき劣化音声パワースペクトルの平均値となる。平均値の計算は、重みつき加算部（巡回型フィルタ）を用いて行うことも可能である。次に、図２７を参照しながら、λ_n(ｋ）の計算に重みつき加算部を用いる構成例について説明する。
【０１３６】
図２７は、図２４に示した推定雑音計算部５に含まれる周波数別推定雑音計算部５０４₀ 〜５０４_K-1 の第２の構成例を示すブロック図である。図２５に示した周波数別推定雑音計算部５０４におけるシフトレジスタ５０４５、加算器５０４６、最小値選択部５０４７、除算部５０４８、カウンタ５０４９、レジスタ長記憶部５９４１、最小値選択部５０４７の代わりに、周波数別推定雑音計算部５０７は、重みつき加算部５０７１、重み記憶部５０７２を有する。
【０１３７】
重みつき加算部５０７１は、推定雑音記憶部５９４２から供給される１フレーム前の周波数別推定雑音パワースペクトル、スイッチ５０４４から供給される周波数別重みつき劣化音声パワースペクトル及び重み記憶部５０７２から出力される重みを用いて、周波数別推定雑音を計算し、図２４における多重化部５０３へ出力する。すなわち、重み記憶部５０７２が記憶する重みをδ、周波数別重みつき劣化音声パワースペクトルを｜Ｙ_n(ｋ）｜² バーとしたとき、重みつき加算部５０７１から出力される周波数別推定雑音パワースペクトルλ_n(ｋ）は、式（１９）で与えられる。
【０１３８】
【数１９】

【０１３９】
重みつき加算部５０７１の構成は、既に図５１を用いて説明した重みつき加算部４０７に等しいので、詳細な説明は省略する。但し、重みつき加算の計算は常に行なわれる。
【０１４０】
次に、図２０における抑圧係数補正部１５について説明する。図２８は、図２０における抑圧係数補正部１５の構成を示すブロック図である。ＳＮＲが低いときに抑圧不足により発生する残留雑音や、ＳＮＲが高いときに過度の抑圧で発生する音声の歪みによる音質劣化を防ぐために、抑圧係数補正部１５は、ＳＮＲに応じた抑圧係数の補正を行なう。補正の例として、ＳＮＲが低いときには抑圧係数に修正値を加えて残留雑音を抑圧し、ＳＮＲが高いときには抑圧係数に下限値を設定して音声の歪みを防止することができる。抑圧係数補正部１５は、Ｋ個の周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 、分離部１５０２，１５０３及び多重化部１５０４を有する。
【０１４１】
分離部１５０２は、図２０における推定先天的ＳＮＲ計算部７から供給される推定先天的ＳＮＲを周波数別成分に分離し、それぞれ周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 に出力する。分離部１５０３は、図２０における抑圧係数生成部８から供給される抑圧係数を周波数別成分に分離し、それぞれ周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 に出力する。周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 は、分離部１５０２から供給される周波数別推定先天的ＳＮＲと、分離部１５０３から供給される周波数別抑圧係数から、周波数別補正抑圧係数を計算し、多重化部１５０４へ出力する。多重化部１５０４は、周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 から供給される周波数別補正抑圧係数を多重化し、補正抑圧係数として図２０における多重乗算部１６と推定先天的ＳＮＲ計算部７へ出力する。
【０１４２】
図２９は、図２８に示した抑圧係数補正部１５に含まれる周波数別抑圧係数補正部１５０１₀ 〜１５０１_K-1 の構成を示すブロック図である。周波数別抑圧係数補正部１５０１は、最大値選択部１５９１、抑圧係数下限値記憶部１５９２、閾値記憶部１５９３、比較部１５９４、スイッチ１５９５、修正値記憶部１５９６及び乗算器１５９７を有する。
比較部１５９４は、閾値記憶部１５９３から供給される閾値と、図２８における分離部１５０２から供給される周波数別推定先天的ＳＮＲを比較し、周波数別推定先天的ＳＮＲが閾値よりも大きければ“０”を、小さければ“１”をスイッチ１５９５に供給する。
【０１４３】
スイッチ１５９５は、図２８における分離部１５０３から供給される周波数別抑圧係数を、比較部１５９４の出力値が“１”のとき乗算器１５９７に出力し、比較部１５９４の出力値が“０”のとき、最大値選択部１５９１に直接供給する。
乗算器１５７９は、スイッチ１５９５の出力値と修正値記憶部１５９６の出力値との積を計算し、計算結果を最大値選択部１５９１に供給する。抑圧係数値を小さくするため、修正値は１より小さい値が普通であるが、目的によってはこの限りではない。このように、周波数別推定先天的ＳＮＲが閾値よりも小さいときに、抑圧係数の補正を行なう。ＳＮＲが小さい場合に抑圧係数の補正を行なうことで、音声成分を過剰に抑圧することなく、残留雑音量を減らすことができる。
【０１４４】
抑圧係数下限値記憶部１５９２は、記憶している抑圧係数の下限値を、最大値選択部１５９１に供給する。最大値選択部１５９１は、スイッチ１５９５又は乗算器１５９７から供給される信号と、抑圧係数下限値記憶部１５９２から供給される抑圧係数下限値を比較し、大きい方の値を周波数別補正抑圧係数として、図２８における多重化部１５０４に出力する。これにより、抑圧係数は抑圧係数下限値記憶部１５９２が記憶する下限値よりも必ず大きい値になる。従って、過度の抑圧により発生する音声の歪みを防ぐことができる。
なお、図１、図５、図１０、図１２、図１４、図１７に示したノイズ除去装置では、抑圧係数が多重乗算部１６と推定先天的ＳＮＲ計算部７へ供給されていたが、図２０に示したノイズ除去装置では、抑圧係数に代わって補正抑圧係数が供給されている。
【０１４５】
次に、図２０における雑音抑圧係数生成部８について説明する。図６０を用いて説明したように、抑圧係数は、供給された推定先天的ＳＮＲと後天的ＳＮＲから検索で求めることができるが、演算で求めることもできる。以下、文献１に記載されている計算式をもとに、抑圧係数の計算方法と共に、雑音抑圧係数生成部８の他の構成例について説明する。
図３０は、図２０における雑音抑圧係数生成部８の他の構成例を示すブロック図である。雑音抑圧係数生成部８１は、ＭＭＳＥ ＳＴＳＡゲイン関数値計算部８１１、一般化尤度比計算部８１２、音声存在確率記憶部８１３、及び抑圧係数計算部８１４を有する。
【０１４６】
フレーム番号をｎ、周波数番号をｋとし、γ_n(ｋ）を図２０における周波数別ＳＮＲ計算部６から供給される周波数別後天的ＳＮＲ、ξ_n(ｋ）ハットを図２０における推定先天的ＳＮＲ計算部７から供給される周波数別推定先天的ＳＮＲとする。また、η_n(ｋ）＝ξ_n(ｋ）ハット／ｑ、ｖ_n(ｋ）＝（η_n(ｋ）γ_n(ｋ））／（１＋η_n(ｋ））とする。
ＭＭＳＥ ＳＴＳＡゲイン関数値計算部８１１は、図２０における周波数別ＳＮＲ計算部６から供給される後天的ＳＮＲγ_n(ｋ）、図２０における推定先天的ＳＮＲ計算部７から供給される推定先天的ＳＮＲξ_n(ｋ）ハット及び音声存在確率記憶部８１３から供給される音声存在確率ｑをもとに、各周波数毎にＭＭＳＥＳＴＳＡゲイン関数値を計算し、抑圧係数計算部８１４に出力する。各周波数毎のＭＭＳＥ ＳＴＳＡゲイン関数値Ｇ_n(ｋ）は、式（２０）で与えられる。
【０１４７】
【数２０】

【０１４８】
ここに、Ｉ₀(ｚ）は０次変形ベッセル関数、Ｉ₁(ｚ）は１次変形ベッセル関数である。変形ベッセル関数については、「１９８５年、数学辞典、岩波書店、３７４．Ｇページ」（文献６）に記載されている。
一般化尤度比計算部８１２は、図２０における周波数別ＳＮＲ計算部６から供給される後天的ＳＮＲγ_n(ｋ）、図２０における推定先天的ＳＮＲ計算部７から供給される推定先天的ＳＮＲξ_n(ｋ）ハット及び音声存在確率記憶部８１３から供給される音声存在確率ｑをもとに、周波数毎に一般化尤度比を計算し、抑圧係数計算部８１４に出力する。周波数毎の一般化尤度比Λ_n(ｋ）は、式（２１）で与えられる。
【０１４９】
【数２１】

【０１５０】
抑圧係数計算部８１４は、ＭＭＳＥ ＳＴＳＡゲイン関数値計算部８１１から供給されるＭＭＳＥ ＳＴＳＡゲイン関数値Ｇ_n(ｋ）と一般化尤度比計算部８１２から供給される一般化尤度比Λ_n(ｋ）から周波数毎に抑圧係数を計算し、図２０における抑圧係数補正部１５へ出力する。周波数毎の抑圧係数Ｇ_n(ｋ）バーは、式（２２）で与えられる。
【０１５１】
【数２２】

【０１５２】
周波数別にＳＮＲを計算する代わりに、複数の周波数から構成される帯域に共通なＳＮＲを求めて、これを用いることも可能である。よって次に、図２０における周波数別ＳＮＲ計算部６の他の構成例として、帯域毎にＳＮＲを計算する例について説明する。
図３１は、周波数別ＳＮＲ計算部６の他の構成例を示すブロック図である。図５６に示した周波数別ＳＮＲ計算部６との相違点は、帯域別ＳＮＲ計算部６１が帯域別パワー計算部６１１，６１２を有することである。帯域別パワー計算部６１１は、分離部６０２から供給される周波数別劣化音声パワースペクトルをもとに帯域別のパワーを計算し、除算部６０１₀ 〜６０１_K-1 へ出力する。また、帯域別パワー計算部６１２は、分離部６０３から供給される周波数別推定雑音パワースペクトルをもとに帯域別のパワーを計算し、除算部６０１₀ 〜６０１_K-1 へ出力する。
【０１５３】
図３２は、帯域別ＳＮＲ計算部６１に含まれる帯域別パワー計算部６１１の構成を示すブロック図である。ここでは、帯域幅ＬをもつＭ個の帯域に等分割する例を説明する。ここに、ＬとＭは、Ｋ＝ＬＭの関係を満たす自然数であるとする。
帯域別ＳＮＲ計算部６１は、Ｍ個の加算器６１１０₀〜６１１０_M-1を有する。図３１における分離部６０２から供給される周波数別劣化音声パワースペクトル９１０₀ 〜９１０_K-1 （９１０₀ 〜９１０_ML-1）は、各周波数に対応した加算器６１１０₀ 〜６１１０_M-1 へそれぞれ伝達される。例えば、帯域番号０に対応する周波数番号は０からＬ−１なので、周波数別劣化音声パワースペクトル９１０₀ 〜９１０_L-1 は加算器６１１０₀へ伝達される。また、帯域番号１に対応する周波数番号はＬから２Ｌ−１なので、周波数別劣化音声パワースペクトル９１０_L 〜９１０_2L-1は加算器６１１０₁へ伝達される。
【０１５４】
加算器６１１０₀ 〜６１１０_M-1 は、供給された周波数別劣化音声パワースペクトルの総和をそれぞれ計算し、帯域別劣化音声パワースペクトル９１１₀ 〜９１１_ML-1（９１１₀ 〜９１１_K-1 ）を図３１における除算部６０１₀ 〜６０１_K-1 へ出力する。各加算器の計算結果は、それぞれの帯域番号に応じた周波数毎に帯域別劣化音声パワースペクトルとして出力される。例えば、加算器６１１０₀ の計算結果は、帯域別劣化音声パワースペクトル９１１₀ 〜９１１_L-1 として出力される。また、加算器６１１０₁ の計算結果は、帯域別劣化音声パワースペクトル９１１_L 〜９１１_2L-1として出力される。
帯域別パワー計算部６１２の構成と動作は帯域別パワー計算部６１１と等価であるので、その説明は省略する。
【０１５５】
なお、ここでは複数の帯域に等分割する例を示したが、「１９８０年、聴覚と音声、電子情報通信学会、１１５〜１１８ページ」（文献７）に記載されている臨界帯域に分割する方法、「１９８３年、マルチレート・ディジタル・シグナル・プロセシング（Multirate Digital Signal Processing），１９８３，Prentice-Hall Inc.，USA」（文献８）に記載されているオクターブ帯域に分割する方法など、他の帯域分割方法を用いることも可能である。
【０１５６】
（第４の実施の形態）
図３３は、本発明のノイズ除去装置の第４の実施の形態の全体構成を示すブロック図である。図２０に示したノイズ除去装置との相違点は、注入雑音計算部５８、加算器５６，５７が、ＳＮＲ補正部６７に置換されていることである。図２０と図３３の関係は、図１と図５の関係及び図１０と図１４の関係に等しく、ＳＮＲ補正部６７については図１５及び１４を参照して説明したので、図３３に示したノイズ除去装置に関する詳細な説明は省略する。
【０１５７】
（第５の参考例）
図３４は、本発明のノイズ除去装置に関連する第５の参考例の全体構成を示すブロック図である。図２０に示したノイズ除去装置との相違点は、推定雑音計算部５が推定雑音計算部５２に置換されていること、及び重みつき劣化音声計算部１４が存在しないことである。以下、これらの相違点を中心に詳細に説明する。
【０１５８】
図３５は、図３４における推定雑音計算部５２の構成を示すブロック図である。図２４に示した推定雑音計算部５との相違点は、周波数別推定雑音計算部５０４₀ 〜５０４_K-1 が周波数別推定雑音計算部５０６₀ 〜５０６_K-1 に置換されていることと、推定雑音計算部５２が入力信号に重みつき劣化音声パワースペクトルを有しないことである。これは、周波数別推定雑音計算部５０４₀ 〜５０４_K-1 が入力信号に周波数別重みつき劣化音声パワースペクトルを必要とするのに対して、推定雑音計算部５０６₀ 〜５０６_K-1 は、入力信号に周波数別重みつき劣化音声パワースペクトルを必要としないためである。以下、図３６を参照しながら、相違点である周波数別推定雑音計算部５０６₀ 〜５０６_K-1 の構成と動作を詳細に説明する。
【０１５９】
図３６は、図３５に示した推定雑音計算部５２に含まれる周波数別推定雑音計算部５０６₀ 〜５０６_K-1 の構成を示すブロック図である。図２５に示した周波数別推定雑音計算部５０４との相違点は、周波数別推定雑音計算部５０６が、入力信号に周波数別重みつき劣化音声パワースペクトルを有していないことと、除算部５０４１、非線形処理部５０４２、及び乗算器５０４３を有していることである。以下、これらの相違点を中心に詳細に説明する。
【０１６０】
除算部５０４１は、図３５における分離部５０２から供給される周波数別劣化音声パワースペクトルを、推定雑音記憶部５９４２から供給される１フレーム前の推定雑音パワースペクトルで除算し、除算結果を非線形処理部５０４２に出力する。図２２に示した非線形処理部１４８５と同一の構成と機能を有する非線形処理部５０４２は、除算部５０４１の出力値に応じた重み係数を計算し、乗算器５０４３に出力する。乗算器５０４３は、図３５における分離部５０２から供給される周波数別劣化音声パワースペクトルと非線形処理部５０４２から供給される重み係数の積を計算し、スイッチ５０４４へ出力する。
【０１６１】
乗算器５０４３の出力信号は、図２５に示した周波数別推定雑音計算部５０４における周波数別重みつき劣化音声パワースペクトルと等価である。すなわち、周波数別重みつき劣化音声パワースペクトルは、周波数別推定雑音計算部５０６の内部において計算することも可能である。従って、図３４に示したノイズ除去装置では、重みつき劣化音声計算部１４を省略することが可能となる。
【０１６２】
（第５の実施の形態）
図３７は、本発明のノイズ除去装置の第５の実施の形態の全体構成を示すブロック図である。図３４に示したノイズ除去装置との相違点は、注入雑音計算部５８、加算器５６，５７が、ＳＮＲ補正部６７に置換されていることである。図３４と図３７の関係は、図１と図５の関係、図１０と図１４の関係、及び図２０と図３３の関係に等しく、ＳＮＲ補正部６７については図１５及び１４を参照して説明したので、図３７に示したノイズ除去装置に関する詳細な説明は省略する。
【０１６３】
（第６の参考例）
図３８は、本発明のノイズ除去装置に関連する第６の参考例の全体構成を示すブロック図である。図２０に示したノイズ除去装置とは、推定先天的ＳＮＲ計算部７１を除いて同一であるので、以下、この相違点を中心に詳細に説明する。
図３９は、図３８における推定先天的ＳＮＲ計算部７１の構成を示すブロック図である。図５７に示した推定先天的ＳＮＲ計算部７は後天的ＳＮＲ記憶部７０２、抑圧係数記憶部７０３、多重乗算部７０５，７０４を有するのに対し、推定先天的ＳＮＲ計算部７１はこれらの代わりに、推定雑音記憶部７１２、強調音声パワースペクトル記憶部７１３、周波数別ＳＮＲ計算部７１５、多重乗算部７１６を有する。また、推定先天的ＳＮＲ計算部７は、入力信号に抑圧係数を有するが、推定先天的ＳＮＲ計算部７１は、抑圧係数の代わりに強調音声振幅スペクトルと推定雑音パワースペクトルを入力信号に有する。以下、推定先天的ＳＮＲ計算部７と７１との間に存在するこれらの相違点を中心に、詳細に説明する。
【０１６４】
多重乗算部７１６は、図３８における多重乗算部１６から供給される強調音声振幅スペクトル｜Ｘ_n(ｋ）｜バー＝Ｇ_n(ｋ）バー・｜Ｙ_n(ｋ）｜を周波数毎に２乗して強調音声パワースペクトルを求め、強調音声パワースペクトル記憶部７１３に出力する。多重乗算部７１６の構成は、既に図５２を用いて説明した多重乗算部１７に等しいので、詳細な説明は省略する。
強調音声パワースペクトル記憶部７１３は、多重乗算部７１６から供給される強調音声パワースペクトルを記憶し、１フレーム前に供給された強調音声パワースペクトルを周波数別ＳＮＲ計算部７１５へ出力する。
推定雑音記憶部７１２は、図３８における推定雑音計算部５から供給される推定雑音パワースペクトルλ_n(ｋ）を記憶し、１フレーム前に供給された推定音声パワースペクトルを周波数別ＳＮＲ計算部７１５へ出力する。
【０１６５】
周波数別ＳＮＲ計算部７１５は、強調音声パワースペクトル記憶部７１３から供給される強調音声パワースペクトルＧ_n-1 ²（ｋ）バー・｜Ｙ_n-1(ｋ）｜² と、推定雑音記憶部７１２から供給される推定雑音パワースペクトルλ_n-1(ｋ）のＳＮＲを各周波数毎に計算し、多重重みつき加算部７０７へ出力する。周波数別ＳＮＲ計算部７１５の構成は、既に図５６を用いて説明した周波数別ＳＮＲ計算部６に等しいので、詳細な説明は省略する。
周波数別ＳＮＲ計算部７１５の出力であるＧ_n-1 ²（ｋ）バー・｜Ｙ_n-1(ｋ）｜² ／λ_n-1(ｋ）は、式（１１）の関係から、図５７における多重乗算部７０５の出力であるγ_n-1(ｋ）Ｇ_n-1 ²（ｋ）バーと等価である。従って、図２０に示したノイズ除去装置に含まれる推定先天的ＳＮＲ計算部７を推定先天的ＳＮＲ計算部７１で置換することが可能となる。
【０１６６】
（第６の実施の形態）
図４０は、本発明のノイズ除去装置の第６の実施の形態の全体構成を示すブロック図である。図３８に示したノイズ除去装置との相違点は、注入雑音計算部５８、加算器５６，５７が、ＳＮＲ補正部６７に置換されていることである。図３８と図４０の関係は、図１と図５の関係、図１０と図１４の関係、図２０と図３３の関係、及び図３４と図３７の関係に等しく、ＳＮＲ補正部６７については図１５及び１４を参照して説明したので、図４０に示したノイズ除去装置に関する詳細な説明は省略する。
【０１６７】
（第７の参考例）
図４１は、本発明のノイズ除去装置に関連する第７の参考例の全体構成を示すブロック図である。図２０に示したノイズ除去装置との相違点は、推定雑音計算部５が推定雑音部５２に、推定先天的ＳＮＲ計算部７が推定先天的ＳＮＲ計算部７１に、それぞれ置換されていることと、重みつき劣化音声計算部１４が存在しないことである。推定雑音部５２の構成と動作は、図３５及び図３６を参照して説明したのと同様である。また、推定先天的ＳＮＲ計算部７１の構成と動作は、図３９を参照して説明したのと同様である。従って、図４１に示したノイズ除去装置は、図２０に示したノイズ除去装置と等価な機能を実現する。
【０１６８】
（第７の実施の形態）
図４２は、本発明のノイズ除去装置の第７の実施の形態の全体構成を示すブロック図である。図４１に示したノイズ除去装置との相違点は、注入雑音計算部５８、加算器５６，５７が、ＳＮＲ補正部６７に置換されていることである。図４１と図４２の関係は、図１と図５の関係、図１０と図１４の関係、図２０と図３３の関係、図３４と図３７の関係、及び図３８と図４０の関係に等しく、ＳＮＲ補正部６７については図１５及び１４を参照して説明したので、図４２に示したノイズ除去装置に関する詳細な説明は省略する。
【０１６９】
（第８の参考例）
図４３は、本発明のノイズ除去装置に関連する第８の参考例の全体構成を示すブロック図である。図２０に示したノイズ除去装置との相違点は、推定雑音計算部５が推定雑音計算部５３で置換されていることと、音声検出部４が存在しないことである。すなわち、雑音の推定に音声検出部を必要としない構成になっている。以下、これらの相違点を中心に詳細に説明する。
図４４は、図４３における推定雑音計算部５３の構成を示すブロック図である。図２４に示した推定雑音計算部５との相違点は、周波数別推定雑音計算部５０４₀ 〜５０４_K-1 が周波数別推定雑音計算部５０８₀ 〜５０８_K-1 に置換されていることと、推定雑音計算部５３が入力信号に音声検出フラグを有していないことである。図４５を参照しながら、周波数別推定雑音計算部５０８₀ 〜５０８_K-1 の構成と動作を詳細に説明する。
【０１７０】
図４５は、図４４に示した推定雑音計算部５３に含まれる周波数別推定雑音計算部５０８₀ 〜５０８_K-1 の構成を示すブロック図である。図２５に示した周波数別推定雑音計算部５０４との相違点は、更新判定部５２０が更新判定部５２２に置換されていることと、５０８₀ 〜５０８_K-1 が入力信号に音声検出フラグを有していないことである。
図４６は、図４５に示した周波数別推定雑音計算部５０８に含まれる更新判定部５２２の構成を示すブロック図である。図２６に示した更新判定部５２０との相違点は、論理和計算部５２０１が論理和計算部５２２１に置換されていること、更新判定部５２２が論理否定回路５２０２を有していないこと、入力信号に音声検出フラグを有していないことである。すなわち、更新判定部５２２は、推定雑音の更新に音声検出フラグを用いていない。この点が、図２６に示した更新判定部５２０と異なる。
【０１７１】
論理和計算部５２２１は、比較部５２０５の出力値と比較部５２０３の出力値の論理和を計算し、計算結果を図４５におけるスイッチ５０４４、シフトレジスタ５０４５及びカウンタ５０４９に出力する。すなわち、更新判定部５２２は、カウント値が予め設定された値に到達するまでは常に“１”を出力し、到達した後は、劣化音声パワーが閾値よりも小さいときに“１”を出力する。
図２６を用いて説明した通り、比較部５２０５は劣化音声信号が雑音であるか否かの判定を行なっている。すなわち、比較部５２０５は各周波数毎に音声検出を行なっていると言える。従って、音声検出フラグを入力信号に有しない更新判定部や推定雑音計算部を実現することが可能となる。
【０１７２】
（第８の実施の形態）
図４７は、本発明のノイズ除去装置の第８の実施の形態の全体構成を示すブロック図である。図４３に示したノイズ除去装置との相違点は、注入雑音計算部５８、加算器５６，５７が、ＳＮＲ補正部６７に置換されていることである。図４３と図４７の関係は、図１と図５の関係、図１０と図１４の関係、図２０と図３３の関係、図３４と図３７の関係、図３８と図４０の関係、及び図４１と図４２の関係に等しく、ＳＮＲ補正部６７については図１５及び１４を参照して説明したので、図４７に示したノイズ除去装置に関する詳細な説明は省略する。
【０１７３】
図２０、図３３、図３４、図３７、図３８、図４０〜図４３、図４７に関しても、図１０と図１２及び図１４と図１７の関係に相当するような、劣化音声信号の代わりに劣化音声パワースペクトルを用いた選択的な雑音注入が可能であるが、構成は明らかなので、詳細は省略する。
【０１７４】
これまで説明したすべての実施の形態では、ノイズ除去の方式として、最小平均２乗誤差短時間スペクトル振幅法を仮定してきたが、その他の方法にも適用することができる。このような方法の例として、「１９７９年１２月、プロシーディングス・オブ・ザ・アイ・イー・イー・イー、第６７巻、第１２号（PROCEEDINGS OF THE IEEE, VOL.67, NO.12, PP.1586-1604, DEC, 1979 ）、１５８６〜１６０４ページ」（文献９）に開示されているウィーナーフィルタ法や「１９７９年４月、アイ・イー・イー・イー・トランザクションズ・オン・アクースティクス・スピーチ・アンド・シグナル・プロセシング、第２７巻、第２号（IEEE TRANSACTIONS ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, VOL.27, NO.2, PP.113-120, APR, 1979）、１１３〜１２０ページ」（文献１０）に開示されているスペクトル減算法などがあるが、これらの詳細な構成例については、説明を省略する。
【０１７５】
文献１０に開示されているスペクトル減算法の概略動作に関しては、例えば、図４３及び図４７を参照することができる。図４３及び図４７において、多重乗算部１６を多重減算部に、雑音抑圧係数生成部８を雑音抑圧量計算部に、抑圧係数補正部１５を抑圧量補正部に置き換えれば、スペクトル減算法による動作を実現することができる。多重減算部において、補正された雑音抑圧量を劣化音声振幅スペクトルから減算し、得られた結果を逆フーリエ変換することによって、強調音声を得ることができる。ここでは、ＳＮＲを計算してから、ＳＮＲに基づいて雑音抑圧量を計算する例について説明したが、推定雑音計算部５３で得られた推定雑音を、直接劣化音声振幅スペクトルから減算することもできる。
【０１７６】
【発明の効果】
以上説明したように、本発明では、入力信号に基づいて擬似的な雑音を生成し、この擬似的な雑音を注入して得られた抑圧係数を用いる。抑圧係数を定めるときに上述した擬似的な雑音を注入することにより、特定の統計モデルに従う背景雑音を仮定して導出した抑圧係数を入力信号に応じて補正し、その統計モデルに従わない雑音を効果的に除去することができる。従って、あらゆる背景雑音に対して十分高い品質の強調音声を得ることができる。
【０１７７】
また、本発明では、周波数領域の強調音声を変換した時間領域信号に窓がけ処理を施す。周波数領域の強調音声を変換した時間領域信号の隣接する２フレームを重ね合わせ加算する場合に、重ね合わせ加算の対象となった信号サンプルが各フレームにおいて異なった抑圧係数値で抑圧されたとしても、各フレームを窓がけ処理してフレーム境界における信号サンプルの振幅を小さくすることによって、フレーム境界における信号サンプルの連続性を改善することができる。これにより、雑音の発生を防止し、雑音による音質の劣化を低減することができる。
【図面の簡単な説明】
【図１】 本発明のノイズ除去装置に関連する第１の参考例の全体構成を示すブロック図である。
【図２】 図１に示したノイズ除去装置に含まれる注入雑音計算部の第１の構成を示すブロック図である。
【図３】 ＳＮＲと注入雑音の関係の一例を示す図である。
【図４】 ＳＮＲに対する抑圧係数の特性の一例を示す図である。
【図５】 本発明のノイズ除去装置の第１の実施の形態の全体構成を示すブロック図である。
【図６】 図５に示したノイズ除去装置に含まれるＳＮＲ補正部の第１の構成を示すブロック図である。
【図７】 図６に示したＳＮＲ補正部に含まれる補正ＳＮＲ計算部の構成を示すブロック図である。
【図８】 ＳＮＲ補正部の第２の構成を示すブロック図である。
【図９】 図８に示したＳＮＲ補正部に含まれる補正ＳＮＲ計算部の構成を示すブロック図である。
【図１０】 本発明のノイズ除去装置に関連する第２の参考例の全体構成を示すブロック図である。
【図１１】 注入雑音計算部の第２の構成を示すブロック図である。
【図１２】 本発明のノイズ除去装置に関連する第３の参考例の全体構成を示すブロック図である。
【図１３】 注入雑音計算部の第３の構成を示すブロック図である。
【図１４】 本発明のノイズ除去装置の第２の実施の形態の全体構成を示すブロック図である。
【図１５】 ＳＮＲ補正部の第３の構成を示すブロック図である。
【図１６】 注入雑音計算部の第４の構成を示すブロック図である。
【図１７】 本発明のノイズ除去装置の第３の実施の形態の全体構成を示すブロック図である。
【図１８】 ＳＮＲ補正部の第４の構成を示すブロック図である。
【図１９】 注入雑音計算部の第５の構成を示すブロック図である。
【図２０】 本発明のノイズ除去装置に関連する第４の参考例の全体構成を示すブロック図である。
【図２１】 図２０に示したノイズ除去装置に含まれる重みつき劣化音声計算部の構成を示すブロック図である。
【図２２】 図２１に示した重みつき劣化音声計算部に含まれる多重非線形処理部の構成を示すブロック図である。
【図２３】 非線形処理部における非線形関数の一例を示す図である。
【図２４】 図２０に示したノイズ除去装置に含まれる推定雑音計算部の第１の構成を示すブロック図である。
【図２５】 図２４に示した推定雑音計算部に含まれる周波数別推定雑音計算部の第１の構成を示すブロック図である。
【図２６】 図２５に示した周波数別推定雑音計算部に含まれる更新判定部の構成を示すブロック図である。
【図２７】 周波数別推定雑音計算部の第２の構成を示すブロック図である。
【図２８】 図２０に示したノイズ除去装置に含まれる抑圧係数補正部の構成を示すブロック図である。
【図２９】 図２８に示した抑圧係数補正部に含まれる周波数別抑圧係数補正部の構成を示すブロック図である。
【図３０】 雑音抑圧係数生成部の第２の構成を示すブロック図である。
【図３１】 周波数別ＳＮＲ計算部の第２の構成を示すブロック図である。
【図３２】 図３１に示した周波数別ＳＮＲ計算部に含まれる帯域別パワー計算部の構成を示すブロック図である。
【図３３】 本発明のノイズ除去装置の第４の実施の形態の全体構成を示すブロック図である。
【図３４】 本発明のノイズ除去装置に関連する第５の参考例の全体構成を示すブロック図である。
【図３５】 推定雑音計算部の第２の構成を示すブロック図である。
【図３６】 図３５に示した推定雑音計算部に含まれる周波数別推定雑音計算部の構成を示すブロック図である。
【図３７】 本発明のノイズ除去装置の第５の実施の形態の全体構成を示すブロック図である。
【図３８】 本発明のノイズ除去装置に関連する第６の参考例の全体構成を示すブロック図である。
【図３９】 図３８に示したノイズ除去装置に含まれる推定先天的ＳＮＲ計算部の構成を示すブロック図である。
【図４０】 本発明のノイズ除去装置の第６の実施の形態の全体構成を示すブロック図である。
【図４１】 本発明のノイズ除去装置に関連する第７の参考例の全体構成を示すブロック図である。
【図４２】 本発明のノイズ除去装置の第７の実施の形態の全体構成を示すブロック図である。
【図４３】 本発明のノイズ除去装置に関連する第８の参考例の全体構成を示すブロック図である。
【図４４】 推定雑音計算部の第３の構成を示すブロック図である。
【図４５】 図４４に示した推定雑音計算部に含まれる周波数別推定雑音計算部の構成を示すブロック図である。
【図４６】 図４５に示した周波数別推定雑音計算部含まれる更新判定部の構成を示すブロック図である。
【図４７】 本発明のノイズ除去装置の第８の実施の形態の全体構成を示すブロック図である。
【図４８】 従来のノイズ除去装置の全体構成を示すブロック図である。
【図４９】 従来のノイズ除去装置に含まれる音声検出部の構成を示すブロック図である。
【図５０】 図４９に示した音声検出部に含まれるパワー計算部の構成を示すブロック図である。
【図５１】 図４９に示した音声検出部に含まれる重みつき加算部の構成を示すブロック図である。
【図５２】 従来のノイズ除去装置に含まれる多重乗算部の構成を示すブロック図である。
【図５３】 従来のノイズ除去装置に含まれる推定雑音計算部の構成を示すブロック図である。
【図５４】 図５３に示した推定雑音計算部に含まれる周波数別推定雑音計算部の構成を示すブロック図である。
【図５５】 図５４に示した周波数別推定雑音計算部に含まれるの更新判定部の構成を示すブロック図である。
【図５６】 従来のノイズ除去装置に含まれる周波数別ＳＮＲ計算部の構成を示すブロック図である。
【図５７】 従来のノイズ除去装置に含まれる推定先天的ＳＮＲ計算部の構成を示すブロック図である。
【図５８】 図５７に示した推定先天的ＳＮＲ計算部に含まれる多重値域限定処理部の構成を示すブロック図である。
【図５９】 図５７に示した推定先天的ＳＮＲ計算部に含まれる多重重みつき加算部の構成を示すブロック図である。
【図６０】 従来のノイズ除去装置に含まれる雑音抑圧係数生成部の構成を示すブロック図である。
【図６１】 図６０に示した雑音抑圧係数生成部に含まれる抑圧係数検索部の構成を示すブロック図である。
【符号の説明】
１…フレーム分割部、２，２２…窓がけ処理部、３…フーリエ変換部、４…音声検出部、５，５１，５２，５３…推定雑音計算部、６，６１，７１５，１４０２…周波数別ＳＮＲ計算部、７，７１…推定先天的ＳＮＲ計算部、８，８１…雑音抑圧係数生成部、９…逆フーリエ変換部、１０…フレーム合成部、１１…入力端子、１２…出力端子、１３，５０４９…カウンタ、１４…重みつき劣化音声計算部、１５…抑圧係数補正部、１６，１７，７０４，７０５，７１６，１４０４…多重乗算部、５５，５８，５９，６６２，６７２，６８２，６５４２…注入雑音計算部、５６，５７，７０８，４０６３，４０７２，４０７４，５０４６，６１１０₀ 〜６１１０_M-1 ，６５４３，６５４４…加算器、６５，６６，６７，６８…ＳＮＲ補正部、４０１，１５９３，５２０４，５２０６…閾値記憶部、４０２，１５９４，５２０３，５２０５，６７２３３…比較部、４０４，４０７５…定数乗算器、４０５…対数計算部、４０６…パワー計算部、４０７，５０７１，７０７１₀ 〜７０７１_K-1 …重みつき加算部、４０８，７０６，５０７２…重み記憶部、４０９，５２０２…論理否定回路、５０２，５０５，６０２，６０３，８０２，８０３，１４９５，１５０２，１５０３，１７０２，１７０３，４０６１，５０３，６０４，６５５，８０４，１４７５，１５０４，１７０４，６１１５，７０１４，７０７５…多重化部、５０４₀ 〜５０４_K-1 ，５０６₀ 〜５０６_K-1 ，５０７，５０８₀ 〜５０８_K-1 ，５１４₀ 〜５１４_K-1 …周波数別推定雑音計算部、５２０，５２１，５２２…更新判定部、５５１…ＳＮＲ計算部、５５２，６５４１…しきい値計算部、５５３，６７２１…注入レベル計算部、５８１，６７２３２…ゼロ交叉計算部、５８２，１５９５，５０４４，６７２２…スイッチ、５９１，６８２３２…高域電力計算部、６０１₀ 〜６０１_K-1 ，５０４１，５０４８，６５４５…除算部、６１１，６１２…周波数別パワー計算部、６５１，６５２，６５３，６１１１，７０１３，７０７２，７０７４…分離部、６５４₀ 〜６５４_K-1 ，６６４₀ 〜６６４_K-1 …補正ＳＮＲ計算部、６６１，６６３…平均値計算部、７０１…多重値域限定処理部、７０２…後天的ＳＮＲ記憶部、７０３…抑圧係数記憶部、７０７…多重重みつき加算部、７１２，１４０１，５９４２…推定雑音記憶部、７１３…強調音声パワースペクトル記憶部、８０１₀ 〜８０１_K-1 …抑圧係数検索部、８１１…ＭＭＳＥ ＳＴＳＡゲイン関数値計算部、８１２…一般化尤度比計算部、８１３…音声存在確率記憶部、８１４…抑圧係数計算部、９０１…劣化音声パワー、９０２…閾値、９０３，９２３…重み、９０４…更新閾値、９０５…重みつき加算部制御信号、９１０₀ 〜９１０_K-1 ，９１０₀ 〜９１０_ML-1…周波数別劣化音声パワースペクトル、９１１₀ 〜９１１_K-1 ，９１１₀ 〜９１１_ML-1…帯域別劣化音声パワースペクトル、９２１…瞬時推定ＳＮＲ、９２１₀ 〜９２１_K-1 …周波数別瞬時推定ＳＮＲ、９２２…過去の推定ＳＮＲ、９２２₀ 〜９２２_K-1 …過去の周波数別推定ＳＮＲ、９２４…推定先天的ＳＮＲ、９２４₀ 〜９２４_K-1 …周波数別推定先天的ＳＮＲ、１４０５…多重非線形処理部、１４８５₀ 〜１４８５_K-1 ，５０４２…非線形処理部、１５０１₀ 〜１５０１_K-1 …周波数別抑圧係数補正部、１５９１，７０１２₀ 〜７０１２_K-1 …最大値選択部、１５９２…抑圧係数下限値記憶部、１５９６…修正量記憶部、１５９７，１７０１₀ 〜１７０１_K-1 ，４０６２₀ 〜４０６２_K-1 ，４０７１，４０７３，５０４３…乗算器、５０４５…シフトレジスタ、５０４７…最小値選択部、５２０１，５２１１，５２２１…論理和計算部、５２０７…閾値計算部、５９４１…レジスタ長記憶部、６７２３，６８２３…判定部、７０１１…定数記憶部、８０１１…抑圧係数テーブル、８０１２，８０１３…アドレス変換部、６７２３１…無音区間検出部。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a noise removal method and apparatus, and more particularly, to a noise removal method and apparatus for removing noise superimposed on a desired audio signal.
[0002]
[Prior art]
The noise removal device (noise suppressor) removes noise (noise) superimposed on the desired audio signal and estimates the power spectrum of the noise component using the input signal converted from the time domain to the frequency domain. Then, the estimated power spectrum is subtracted from the input signal to operate so as to suppress noise mixed in the desired audio signal. The power spectrum of the noise component can be applied to non-stationary noise suppression by detecting and updating a silent section of speech.
For example, “December 1984, IEE Transactions on Axetics Speech and Signal Processing, Vol. 32, No. 6 (IEEE TRANSACTIONS ON ACOUSTICS , SPEECH, AND SIGNAL PROCESSING, VOL.32, NO.6, PP.1109-1121, DEC, 1984), pages 1109 to 1121 (Reference 1). This is known as the minimum mean square error short time spectral amplitude method. FIG. 48 shows the configuration of the noise removal device described in Document 1.
[0003]
The input terminal 11 is supplied with a deteriorated sound signal (a signal in which a desired sound signal and noise are mixed) as a time domain sample value series. The deteriorated speech signal samples are supplied to the frame dividing unit 1 and divided into frames for every K / 2 samples. Here, K is an even number of 2 or more.
The degraded speech signal samples divided into frames are supplied to the windowing processing unit 2 and multiplied by the window function w (t). Input signal y of the nth frame_n(t) signal y windowed with w (t) for (t = 0, 1,..., K / 2-1)_n(t) The bar is given by equation (1).
[0004]
[Expression 1]

[0005]
In addition, it is also widely performed to overlap a part of two consecutive frames. Assuming 50% of the frame length as the overlap length, for t = 0, 1,..., K / 2-1, y obtained by equation (2)_n(t) The bar (t = 0, 1,..., K / 2-1) is the output of the windowing processing unit 2.
[0006]
[Expression 2]

[0007]
For real signals, a symmetric window function is used. Further, the window function is designed so that the input signal and the output signal when a suppression coefficient, which will be described later, is set to 1, match except for calculation errors. This means that w (t) + w (t + K / 2) = 1.
Hereinafter, the description will be continued by taking as an example a case in which 50% of two consecutive frames overlap each other. As the window function w (t), for example, a Hanning window shown in Expression (3) can be used.
[0008]
[Equation 3]

[0009]
Windowed output y_n(t) The bar is supplied to the Fourier transform unit 3, and the degraded speech spectrum (frequency domain signal) Y in the frequency domain_nconverted to (k). Deteriorated speech spectrum Y_n(k) is separated into phase and amplitude, and argY of the degraded speech phase spectrum_n(k) indicates to the inverse Fourier transform unit 9 that the degraded speech amplitude spectrum | Y_n(k) | is supplied to the voice detector 4, the multiplex multiplier 16, and the multiplex multiplier 17.
[0010]
The voice detection unit 4 uses the deteriorated voice amplitude spectrum | Y_n(k) The presence / absence of a voice is detected based on |, and a voice detection flag determined by the result is transmitted to the estimated noise calculation unit 51. Multiplex multiplier 17 supplies the deteriorated speech amplitude spectrum | Y_n(k) | is squared for each frequency and transmitted to the estimated noise calculation unit 51 and the frequency-specific SNR (signal-to-noise ratio) calculation unit 6 as a degraded speech power spectrum. The estimated noise calculation unit 51 estimates the power spectrum of the noise (second noise) included in the degraded speech amplitude spectrum using the speech detection flag, the degraded speech power spectrum, and the count value supplied from the counter 13. The estimated noise power spectrum is transmitted to the frequency-specific SNR calculator 6. The frequency-specific SNR calculation unit 6 divides by frequency using the input degraded speech power spectrum and the estimated noise power spectrum, and as an acquired SNR (a posteriori SNR), the estimated innate SNR calculation unit 7 and the noise suppression coefficient generation unit 8 is supplied. The acquired SNR is an estimate of the ratio of unenhanced speech including noise to noise.
[0011]
The estimated innate SNR calculation unit 7 receives the acquired acquired SNR and the suppression coefficient G supplied from the noise suppression coefficient generation unit 8 described later._n(k) Using a bar, an a priori SNR indicating a true voice-to-noise ratio is estimated and fed back to the noise suppression coefficient generation unit 8 as an estimated innate SNR. The noise suppression coefficient generation unit 8 generates a noise suppression coefficient using the acquired SNR and the estimated innate SNR supplied as inputs, and suppresses the suppression coefficient G._n(k) The signal is fed back to the estimated innate SNR calculator 7 as a bar and simultaneously transmitted to the multiple multiplier 16.
The multiplex multiplier 16 receives the deteriorated speech amplitude spectrum | Y supplied from the Fourier transform unit 3._n(k) | is the suppression coefficient G supplied from the noise suppression coefficient generation unit 8._n(k) Enhanced speech amplitude spectrum | X by weighting with bars_n(k) | The bar is obtained and transmitted to the inverse Fourier transform unit 9. ｜ X_n(k) | The bar is given by equation (4).
[0012]
[Expression 4]

[0013]
The inverse Fourier transform unit 9 receives the enhanced speech amplitude spectrum | X supplied from the multiple multiplication unit 16._n(k) | Deteriorated speech phase spectrum argY supplied from the bar and Fourier transform unit 3_nMultiply (k) to obtain the enhanced speech spectrum X_n(k) Find the bar. That is, Expression (5) is executed.
[0014]
[Equation 5]

[0015]
And the obtained enhanced speech spectrum X_n(k) Time-domain sample value series (time-domain signal) x in which a bar is subjected to inverse Fourier transform and one frame is composed of K samples_n(t) Bars (t = 0, 1,..., K−1) are transmitted to the frame synthesis unit 10. The frame composition unit 10_n(t) K / 2 samples are taken out from two adjacent frames of the bar and superimposed, and the emphasized speech x is expressed by equation (6)._n(t) A hat (t = 0, 1,..., K / 2-1) is obtained. Obtained enhanced speech x_n(t) The hat is transmitted to the output terminal 12 as the output of the frame synthesis unit 10.
[0016]
[Formula 6]

[0017]
Next, the configuration and operation of each part of the noise removal apparatus shown in FIG. 48 will be further described.
Document 1 does not disclose the method for realizing the voice detection unit in detail. However, as an implementation example of the voice detection unit, “March 2000, Proceedings of the Acoustical Society of Japan, pp. 321 to 322” (Reference 2) is known. This will be described as a conventional method.
FIG. 49 is a block diagram showing a configuration of the voice detection unit 4 in FIG. The voice detection unit 4 includes a threshold storage unit 401, a comparison unit 402, a multiplier 404, a logarithm calculation unit 405, a power calculation unit 406, a weighted addition unit 407, a weight storage unit 408, and a logic negation circuit 409.
[0018]
The deteriorated speech amplitude spectrum supplied from the Fourier transform unit 3 in FIG. 48 is supplied to the power calculation unit 406. The power calculation unit 406 calculates the power of the deteriorated speech amplitude spectrum | Y_n(k) |² Is calculated from k = 0 to K−1 and transmitted to the logarithm calculation unit 405. The logarithm calculation unit 405 inputs the deteriorated speech spectrum power | Y_n(k) |² Is obtained and transmitted to the multiplier 404. The multiplier 404 multiplies the supplied logarithmic value by a constant number (for example, 10 times) and deteriorates the voice power Q._n Is supplied to the comparison unit 402 and the weighted addition unit 407. That is, the degraded voice power Q of the nth frame_n Is given by equation (7).
[0019]
[Expression 7]

[0020]
Note that the voice detection unit disclosed in Document 2 is a time domain sample y_n(t) Using bar, Q according to equation (8)_nSeeking.
[0021]
[Equation 8]

[0022]
However, as shown in, for example, “1985, Digital Signal Processing Theory, Corona, pages 75 to 76” (Reference 3), the fact that Equation (8) and Equation (7) are equivalent is equivalent to Parseval. ).
[0023]
The comparison unit 402 receives the threshold value TH from the threshold value storage unit 401._nIs supplied. The comparison unit 402 outputs the output Q of the multiplier 404._nAnd threshold TH_nCompare TH_n> Q_nWhen “1”, “1” representing sound is_n≦ Q_nIn the case of "0", "0" representing silence is output. The output of the comparison unit 402 is supplied to the outside as a voice detection flag that is the output of the voice detection unit 4 and simultaneously supplied to the negative operation circuit 409. The output of the negative operation circuit 409 is supplied to the weighted adder 407 as a weighted adder control signal 905. The weighted addition unit 407 also receives a threshold value (TH from the threshold storage unit 401)._n-1) 902 and the weight 903 is supplied from the weight storage unit 408.
[0024]
The weighted addition unit 407 includes a threshold (TH) supplied from the threshold storage unit 401._n-1) 902 is selectively updated based on the weighted addition unit control signal 905. Update threshold TH_nIs the threshold (TH_n-1) 902 and degraded voice power (Q_n) 901 is obtained by weighted addition using the weight 903 supplied from the weight storage unit 408. Update threshold TH_nIs calculated only when the weighted addition unit control signal 905, which is the output of the logic negation circuit 409, is equal to "1". That is, only when there is no sound, the threshold value TH_n-1Is TH_nUpdated to Update threshold TH obtained by updating_nIs returned to the threshold value storage unit 401 as the update threshold value 904.
[0025]
FIG. 50 is a block diagram showing a configuration of the power calculation unit 406 included in the voice detection unit 4 shown in FIG. The power calculation unit 406 includes a separation unit 4061 and K multipliers 4062.₀ ~ 4062_K-1 And an adder 4063. The deteriorated speech amplitude spectrum | Y supplied from the Fourier transform unit 3 in FIG. 48 in the multiplexed state_n(k) | is separated into K samples by frequency in the separation unit 4061, and multipliers 4062 are respectively provided.₀ ~ 4062_K-1 To be supplied. Multiplier 4062₀ ~ 4062_K-1 Each squares the input signal and transmits it to the adder 4063. The adder 4063 calculates and outputs the sum of the input signals.
[0026]
FIG. 51 is a block diagram illustrating a configuration of the weighted addition unit 407 included in the voice detection unit 4 illustrated in FIG. 49. The weighted addition unit 407 includes multipliers 4071 and 4073, a constant multiplier 4075, and adders 4072 and 4074. The multiplier 404 in FIG._n) 901 is the threshold (TH) from the threshold storage unit 401 in FIG._n-1) 902 is supplied as the input from the weight storage unit 408 in FIG. 49 and the weighted addition unit control signal 905 from the logical negation circuit 409 in FIG.
[0027]
The weight 903 having the value β is transmitted to the constant multiplier 4075 and the multiplier 4073. The constant multiplier 4075 supplies -β obtained by multiplying the input signal by -1 as one input of the adder 4074. 1 is supplied as the other input of the adder 4074, and the output of the adder 4074 is 1-β which is the sum of the two. 1−β is supplied as one input of the multiplier 4071, and the degraded input power (Q_n) 901 multiplied by (1-β) Q_nIs transmitted to the adder 4072.
[0028]
On the other hand, in the multiplier 4073, β supplied as the weight 903 and the threshold value (TH_n-1) 902 multiplied by βTH which is the product_n-1Is transmitted to the adder 4072. The adder 4072_n-1And (1-β) Q_nIs the update threshold (TH_n) 904.
Update threshold TH_nIs calculated only when the weighted adder control signal 905 is equal to “1”. That is, the function of the weighted addition unit 407 is the threshold TH when there is no sound._{n -1}Update TH_nAnd can be expressed by equation (9).
[0029]
[Equation 9]

[0030]
The multiple multiplier 17 in FIG. 48 will be described. FIG. 52 is a block diagram showing the configuration of the multiple multiplier 17. Multiplex multiplier 17 includes K multipliers 1701.₀ ~ 1701_K-1 , Separation units 1702 and 1703, and a multiplexing unit 1704. The deteriorated speech amplitude spectrum supplied from the Fourier transform unit 3 in FIG. 48 in the multiplexed state is separated into K samples for each frequency in the separation units 1702 and 1703, respectively.₀ ~ 1701_K-1 To be supplied. Multiplier 1701₀ ~ 1701_K-1 Respectively squares the input signals and transmits them to the multiplexing unit 1704. The multiplexing unit 1704 multiplexes the input signal and outputs it as a degraded voice power spectrum.
[0031]
The estimated noise calculation unit 51 in FIG. 48 will be described. FIG. 53 is a block diagram illustrating a configuration of the estimated noise calculation unit 51. The estimated noise calculation unit 51 includes a separation unit 502, a multiplexing unit 503, and K frequency-specific estimated noise calculation units 514.₀ ~ 514_K-1 Have The voice detection flag supplied from the voice detector 4 in FIG. 48 and the count value supplied from the counter 13 in FIG.₀ ~ 514_K-1 Is transmitted to. The deteriorated sound power spectrum supplied from the multiplex multiplication unit 17 in FIG. 48 is transmitted to the separation unit 502.
[0032]
The separation unit 502 separates the deteriorated speech power spectrum supplied in a multiplexed state into components corresponding to K frequencies, and each frequency-based estimated noise calculation unit 514.₀ ~ 514_K-1 To communicate. Estimated noise calculation unit 514 by frequency₀ ~ 514_K-1 Calculates a noise power spectrum using the degraded speech power spectrum supplied from the separation unit 502 and transmits the noise power spectrum to the multiplexing unit 503. The calculation of the noise power spectrum is controlled by the count value and the value of the voice detection flag, and is executed only when a predetermined condition is satisfied. The multiplexing unit 503 multiplexes the supplied K noise power spectrum values, and outputs the result as an estimated noise power spectrum.
[0033]
FIG. 54 is a block diagram showing a configuration of frequency-specific estimated noise calculator 514 included in estimated noise calculator 51 shown in FIG. The noise estimation disclosed in Document 2 updates a noise estimation value in a silent section, and uses an instantaneous value of estimated noise averaged by a cyclic filter as a noise estimation value. On the other hand, “May 1998, IEE Transactions on Speech and Audio Processing, Volume 6, Issue 3 (IEEE TRANS-ACTIONS ON SPEECH AND AUDIO PROCESSING, VOL.6 , NO.3, PP.287-292, MAY, 1998), pages 287 to 292 "(reference 4), it is described that instantaneous values of estimated noise are averaged and used. This suggests the realization of averaging using a transversal filter (configuration using a shift register) instead of the cyclic type. Since both implementations have the same function, the method disclosed in Document 4 will be described here.
[0034]
The frequency-based estimated noise calculation unit 514 includes an update determination unit 521, a register length storage unit 5941, a switch 5044, a shift register 5045, an adder 5046, a minimum value selection unit 5047, a division unit 5048, and a counter 5049.
The switch 5044 is supplied with the frequency-specific degraded sound power spectrum from the separation unit 502 in FIG. When the switch 5044 closes the circuit, the frequency-specific degraded sound power spectrum is transmitted to the shift register 5045. The shift register 5045 shifts the stored value of the internal register to the adjacent register in accordance with the control signal supplied from the update determination unit 521. The shift register length is equal to a value stored in a register length storage unit 5941 described later. All register outputs of the shift register 5045 are supplied to the adder 5046. The adder 5046 adds all the supplied register outputs and transmits the addition result to the division unit 5048.
[0035]
On the other hand, the update determination unit 521 is supplied with a count value and a voice detection flag. The update determination unit 521 always sets “1” until the count value reaches a preset value, and after reaching the count value, sets “1” when the voice detection flag is “0” (silence). In other cases, “0” is output and transmitted as a control signal to the counter 5049, the switch 5044, and the shift register 5045. The switch 5044 closes the circuit when the control signal supplied from the update determination unit 521 is “1”, and opens when the control signal is “0”. The counter 5049 increases the count value when the control signal supplied from the update determination unit 521 is “1”, and does not change when the control signal is “0”. The shift register 5045 captures one sample of the signal sample supplied from the switch 5044 when the signal supplied from the update determination unit 521 is “1”, and simultaneously shifts the stored value of the internal register to the adjacent register.
[0036]
The minimum value selection unit 5047 is supplied with the output of the counter 5049 and the output of the register length storage unit 5941. The minimum value selection unit 5047 selects the smaller one of the supplied count value and register length and transmits it to the division unit 5048. The division unit 5048 divides the addition value of the degraded speech power spectrum by frequency supplied from the adder 5046 by the smaller value of the count value or the register length, and divides the quotient by the estimated noise power spectrum by frequency λ._nOutput as (k). B_n(k) Assuming that (n = 0, 1,..., N−1) is a sample value of the degraded voice power spectrum stored in the shift register 5045, λ_n(k) is given by equation (10).
[0037]
[Expression 10]

[0038]
However, N is the smaller value of the count value and the register length. Since the count value starts monotonically and increases monotonically, division is first performed by the count value, and thereafter division is performed by the register length. On the other hand, the number of registers in which values are actually stored is equal to the count value when the count value is smaller than the register length, and equal to the register length when the count value is larger than the register length. Therefore, the added value of the frequency-specific degraded speech power spectrum supplied from the adder 5046 is divided by the number of registers that actually store the value. When the count value is larger than the register length, an average value of the values stored in the shift register 5045 is obtained. This calculation result becomes an estimated noise power spectrum for each frequency.
[0039]
FIG. 55 is a block diagram showing a configuration of update determination section 521 included in frequency-specific estimated noise calculation section 514 shown in FIG. The update determination unit 521 includes a logical negation circuit 5202, a comparison unit 5203, a threshold storage unit 5204, and a logical sum calculation unit 5211.
The count value supplied from the counter 13 in FIG. 48 is transmitted to the comparison unit 5203. The threshold value that is the output of the threshold value storage unit 5204 is also transmitted to the comparison unit 5203. The comparison unit 5203 compares the supplied count value with a threshold value, and transmits “1” to the logical sum calculation unit 5211 when the count value is smaller than the threshold value and “0” when the count value is larger than the threshold value. .
[0040]
On the other hand, the supplied voice detection flag is transmitted to the logic negation circuit 5202. The logical negation circuit 5202 obtains a logical negation value of the input signal and transmits the logical negation value to the logical sum calculation unit 5211. That is, “0” is transmitted to the logical part calculating unit 5211 in the sound part having the voice detection flag “1” and “1” in the silent part having the voice detection flag “0”.
As a result, the output of the logical sum calculation unit 5211 becomes “1” when the sound detection flag is a silent part whose value is “0”, or when the count value is smaller than the threshold value, and the switch 5044 in FIG. The counter 5049 is counted up.
[0041]
The frequency-specific SNR calculator 6 in FIG. 48 will be described. FIG. 56 is a block diagram showing the configuration of the frequency-specific SNR calculator 6. The frequency-specific SNR calculation unit 6 includes K division units 601.₀ ~ 601_K-1 , Separation units 602 and 603, and a multiplexing unit 604. The deteriorated sound power spectrum supplied from the multiple multiplier 17 in FIG. 48 is transmitted to the separator 602. The estimated noise power spectrum supplied from the estimated noise calculation unit 51 in FIG. 48 is transmitted to the separation unit 603. The degraded speech power spectrum is separated into K samples corresponding to the frequency components in the separation unit 602 and the estimated noise power spectrum is separated in the separation unit 603, respectively.₀ ~ 601_K-1 To be supplied. Division unit 601₀ ~ 601_K-1 Then, in accordance with equation (11), the supplied degraded speech power spectrum | Y_n(k) |²Estimated noise power spectrum λ_nDivide by (k) and SNRγ by frequency_n(k) is obtained and transmitted to the multiplexing unit 604. The multiplexing unit 604 transmits the transmitted K frequency-specific SNRγ._n(k) is multiplexed and output as an acquired SNR.
[0042]
## EQU11 ##

[0043]
The estimated innate SNR calculator 7 in FIG. 48 will be described. FIG. 57 is a block diagram showing a configuration of the estimated innate SNR calculation unit 7. The estimated innate SNR calculation unit 7 includes a multi-value range limitation processing unit 701, an acquired SNR storage unit 702, a suppression coefficient storage unit 703, multiple multiplication units 704 and 705, a weight storage unit 706, a multiple weighted addition unit 707, an adder 708.
Acquired SNRγ supplied from frequency-specific SNR calculator 6 in FIG._n(k) (k = 0, 1,..., K−1) is transmitted to one terminal of the adder 708 and the acquired SNR storage unit 702. The acquired SNR storage unit 702 stores the acquired SNRγ in the nth frame._n(k) and the acquired SNRγ in the (n−1) th frame._n-1(k) is transmitted to the multiple multiplier 705.
[0044]
Suppression coefficient G supplied from noise suppression coefficient generation unit 8 in FIG._n(k) The bars (k = 0, 1,..., K−1) are transmitted to the suppression coefficient storage unit 703. The suppression coefficient storage unit 703 stores the suppression coefficient G in the nth frame._n(k) The bar is stored and the suppression coefficient G in the (n-1) th frame._n-1(k) The bar is transmitted to the multiple multiplier 704. The multiple multiplier 704 receives the supplied G_n-1(k) Square the bar and G² _n-1(K) The bar is obtained and transmitted to the multiple multiplier 705. Multiplex multiplier 705 uses G² _n-1(K) Bar and γ_n-1(k) is multiplied by k = 0, 1,...² _n-1(K) Bar γ_n-1(k) is obtained, and the result is transmitted to the multiple weighted addition unit 707 as the past estimated SNR 922. The configuration of the multiple multipliers 704 and 705 is the same as that of the multiple multiplier unit 17 already described with reference to FIG.
[0045]
The other terminal of the adder 708 is supplied with -1, and the addition result γ_n(k) −1 is transmitted to the multi-value range limitation processing unit 701. The multi-value range limiting processing unit 701 adds the addition result γ supplied from the adder 708._n(k) -1 is subjected to an operation by a range limiting operator P [•], and the result P [γ_n(k) −1] is transmitted to the multiple weighted addition unit 707 as the instantaneous estimated SNR 921. However, P [x] is defined by Formula (12).
[0046]
[Expression 12]

[0047]
A weight 923 is also supplied from the weight storage unit 706 to the multiple weighted addition unit 707. The multiple weighted addition unit 707 obtains an estimated innate SNR 924 using the supplied instantaneous estimated SNR 921, past estimated SNR 922, and weight 923. The weight 923 is α and ξ_n(k) If the hat is the estimated innate SNR, then ξ_n(k) The hat is calculated by equation (13). Here, the initial value (n = 0) of the first term on the right side is expressed as γ_-1(K) G² _-1(k) Bar = 1.
[0048]
[Formula 13]

[0049]
FIG. 58 is a block diagram showing a configuration of a multi-range limitation processing unit 701 included in the estimated innate SNR calculation unit 7 shown in FIG. The multi-value range limitation processing unit 701 includes a constant storage unit 7011 and K maximum value selection units 7012.₀ ~ 7012_K-1 A separating unit 7013 and a multiplexing unit 7014. In the separation unit 7013, the adder 708 in FIG._n(k) -1 is supplied. The separation unit 7013 is supplied with γ_n(k) -1 is separated into K frequency-specific components, and maximum value selection unit 7012 is provided for each.₀ ~ 7012_K-1 To one input. Maximum value selection unit 7012₀~ 7012_K-1Zero is supplied from the constant storage unit 7011 to the other input. Maximum value selection unit 7012₀ ~ 7012_K-1 Is γ_n(k) -1 is compared with zero, and the larger value is transmitted to the multiplexing unit 7014. This maximum value selection calculation corresponds to executing Expression (12). The multiplexing unit 7014 multiplexes these values and outputs them.
[0050]
FIG. 59 is a block diagram showing a configuration of a multi-weighted addition unit 707 included in the estimated innate SNR calculation unit 7 shown in FIG. The multiple weighted addition unit 707 includes K weighted addition units 7071.₀ ~ 7071_K-1 , Separating units 7072 and 7074 and a multiplexing unit 7075.
[0051]
The separation unit 7072 receives P [γ from the multi-value range limitation processing unit 701 in FIG._n(k) -1] is supplied as the instantaneous estimated SNR 921. The separation unit 7072 is configured to output P [γ_n(k) -1] is separated into K frequency components, and the frequency-specific instantaneous estimated SNR 921₀ ~ 921_K-1 As shown in FIG.₀ ~ 7071_K-1 To communicate. The separating unit 7074 includes G multiplier G 705 in FIG.² _n-1(K) Bar γ_n-1(k) is supplied as the past estimated SNR 922. Separator 7074 is G² _n-1(K) Bar γ_n-1(k) is separated into K frequency-specific components, and a past frequency-specific estimated SNR 922 is obtained.₀ ~ 922_K-1 As shown in FIG.₀ ~ 7071_K-1 To communicate. On the other hand, a weighted addition unit 7071₀ ~ 7071_K-1 Is also supplied with a weight 923. Weighted adder 7071₀ ~ 7071_K-1 Performs the weighted addition represented by equation (13) to estimate the frequency-specific estimated innate SNR 924₀ ~ 924_K-1 Is transmitted to the multiplexing unit 7075. Multiplexer 7075 performs frequency-specific estimated innate SNR 924.₀ ~ 924_K-1 Are multiplexed and output as an estimated innate SNR 924.
Weighted adder 7071₀ ~ 7071_K-1 Since the configuration and operation of are the same as those of the weighted addition unit 407 already described with reference to FIG. 51, detailed description thereof will be omitted. However, the calculation of weighted addition is always performed.
[0052]
The noise suppression coefficient generation unit 8 in FIG. 48 will be described. FIG. 60 is a block diagram showing a configuration of the noise suppression coefficient generation unit 8. The noise suppression coefficient generation unit 8 includes K suppression coefficient search units 801.₀ ~ 801_K-1 , Separation units 802 and 803 and a multiplexing unit 804. The separation unit 802 is supplied with the acquired SNR from the frequency-specific SNR calculation unit 6 in FIG. The separation unit 802 separates the acquired acquired SNR into K frequency-specific components, and suppresses each of the suppression coefficient search units 801.₀ ~ 801_K-1 To communicate. The estimated innate SNR is supplied to the separating unit 803 from the estimated innate SNR calculator 7 in FIG. The separation unit 803 separates the supplied estimated innate SNR into K frequency-specific components, and suppresses each of the suppression coefficient search units 801.₀ ~ 801_K-1 To communicate. Suppression coefficient search unit 801₀ ~ 801_K-1 Searches for the suppression coefficient corresponding to the acquired acquired SNR and the estimated innate SNR, and transmits the search result to the multiplexing unit 804. The multiplexing unit 804 multiplexes the supplied suppression coefficient and outputs it.
[0053]
61 shows a suppression coefficient search unit 801 included in the noise suppression coefficient generation unit 8 shown in FIG.₀ ~ 801_K-1 It is a block diagram which shows the structure of these. The suppression coefficient search unit 801 includes a suppression coefficient table 8011 and address conversion units 8012 and 8013. The address conversion unit 8012 is supplied with the frequency-specific acquired SNR from the separation unit 802 in FIG. The address conversion unit 8012 converts the acquired frequency-specific acquired SNR into a corresponding address and transmits the converted address to the suppression coefficient table 8011. The address conversion unit 8013 is supplied with the frequency-specific estimated innate SNR from the separation unit 803 in FIG. The address conversion unit 8013 converts the supplied frequency-specific estimated innate SNR into a corresponding address and transmits the converted address to the suppression coefficient table 8011. The suppression coefficient table 8011 outputs the suppression coefficient stored in the area corresponding to the address supplied from the address conversion unit 8012 and the address conversion unit 8013 as a frequency-specific suppression coefficient. Here, a suppression coefficient derived by assuming background noise according to a specific statistical model is used.
[0054]
[Problems to be solved by the invention]
As described above, in the conventional noise removal apparatus and method, noise suppression is performed using the suppression coefficient derived assuming the background noise according to a specific statistical model, so noise that does not follow the statistical model is effectively removed. I couldn't. For this reason, sufficiently high quality of emphasized speech could not be achieved.
Further, in the conventional noise removal apparatus and method, the emphasized speech is obtained by superimposing and adding signal samples taken from two adjacent frames of the time domain signal obtained by inverse Fourier transform. On the other hand, the window function applied to the time domain signal before the Fourier transform is designed so that the input is reproduced in the output when noise suppression processing is not performed. For this reason, when a signal sample that is subject to overlay addition is suppressed with a different suppression coefficient value in an adjacent frame, a discontinuity occurs in the signal sample at the frame boundary, and the sound quality is reduced by noise generated in the output signal. Has deteriorated.
[0055]
As described above, the conventional noise removing apparatus and method have a problem that it is not possible to obtain enhanced speech with excellent sound quality.
The present invention has been made to solve such problems, and an object of the present invention is to provide a noise removal apparatus and method capable of obtaining enhanced speech with excellent sound quality.
[0056]
[Means for Solving the Problems]
In order to achieve such an object, the noise removal method of the present invention is characterized by generating pseudo noise based on an input signal and using a suppression coefficient obtained by injecting the pseudo noise. And By injecting the above-described pseudo noise when determining the suppression coefficient, it is possible to correct the suppression coefficient derived on the assumption of background noise according to a specific statistical model in accordance with the input signal.
[0060]
  More specificallyThe noise removal method of the present invention converts an input signal into a frequency domain signal, obtains a signal-to-noise ratio using the frequency domain signal, corrects the signal-to-noise ratio based on the frequency domain signal, and corrects the correction. Determine the suppression coefficient based on the signal-to-noise ratio, weight the frequency domain signal using this suppression coefficient, and transform the weighted frequency domain signal into a time domain signal to remove noise from the input signal The output signal is obtained.
[0061]
In this noise removal method, the signal-to-noise ratio may be selectively corrected according to the nature of the input signal. Thereby, for example, the signal-to-noise ratio can be corrected only when a signal including noise that does not follow the statistical model used for deriving the suppression coefficient is input, and the correction of the suppression coefficient can be selectively performed.
Here, the stationarity of the signal may be used as the property of the input signal. In other words, the signal-to-noise ratio may be corrected on the basis of how much the nature of the signal, for example, average power or spectrum shape changes with time.
As the stationarity of the signal, the number of zero crossings where the amplitude of the input signal becomes zero may be used, or the high frequency power of the frequency domain signal showing a correlation with the number of zero crossings may be used.
[0062]
Further, noise included in the frequency domain signal may be estimated based on the frequency domain signal obtained by converting the input signal, and the correction amount of the signal-to-noise ratio may be determined using the noise and the frequency domain signal.
Further, the noise included in the frequency domain signal is estimated based on the frequency domain signal obtained by converting the input signal, and an addition signal is obtained using the noise and the signal-to-noise ratio, and the sum of the addition signal and the frequency domain signal, The signal-to-noise ratio may be corrected by recalculating the signal-to-noise ratio using the sum of the added signal and noise.
Here, the frequency domain signal obtained by converting the input signal may be weighted, and noise may be estimated based on the weighted frequency domain signal.
[0063]
In the noise removal method described above, the suppression coefficient may be corrected based on the frequency domain signal, and the frequency domain signal may be weighted using the corrected suppression coefficient. As a result, it is possible to prevent deterioration in sound quality due to residual noise caused by insufficient suppression when the signal-to-noise ratio is low and sound distortion caused by excessive suppression when the signal-to-noise ratio is high.
In the noise removal method described above, a windowing process may be performed on the time domain signal obtained by converting the frequency domain signal.
[0074]
The noise removal apparatus of the present invention also includes a first windowing processing unit that performs windowing processing on an input signal and outputs the input signal, and an input signal that has been windowed by the first windowing processing unit. And a first signal-to-noise ratio calculation unit that obtains and outputs a first signal-to-noise ratio using the amplitude component of the frequency domain signal; An estimated noise calculator that estimates and outputs noise included in the frequency domain signal based on the amplitude component of the frequency domain signal, and corrects the first signal-to-noise ratio using the amplitude component of the noise and the frequency domain signal. , A signal-to-noise ratio correction unit that outputs as a correction signal-to-noise ratio, a suppression coefficient generation unit that determines and outputs a suppression coefficient based on the correction signal-to-noise ratio, and an amplitude component of the frequency domain signal using the suppression coefficient The first multiplication unit for weighting and outputting An inverse transform unit that converts the amplitude component of the frequency domain signal weighted by the first multiplication unit and the phase component of the frequency domain signal into a time domain signal and outputs the time domain signal; And at least two window processing units.
[0075]
Here, the signal-to-noise ratio correction unit calculates the number of zero crossings where the input signal is input and the amplitude of the input signal becomes zero, and outputs a control signal according to the calculation result. And a switch that selectively sets the correction signal-to-noise ratio to the same value as the first signal-to-noise ratio before correction by a control signal input from the unit.
The signal-to-noise ratio correction unit calculates a high-frequency power of the amplitude component of the frequency domain signal input from the conversion unit, and outputs a control signal according to the calculation result. The control signal may be configured to include a switch that selectively sets the correction signal-to-noise ratio to the same value as the first signal-to-noise ratio before correction.
[0076]
Further, the above-described noise removing device weights the amplitude component of the frequency domain signal, outputs the obtained weighted amplitude component to the estimated noise calculation unit, and outputs noise to the estimated noise calculation unit based on the weighted amplitude component. It may further comprise a weighted deteriorated speech calculation unit to be estimated.
Here, the weighted deteriorated speech calculation unit calculates a second signal-to-noise ratio using the amplitude component of the frequency domain signal, and outputs the second signal-to-noise ratio calculation unit. A non-linear processing unit that processes the second signal-to-noise ratio input from the noise ratio calculation unit with a non-linear function to obtain and output a weight, and an amplitude component of the frequency domain signal using the weight input from the non-linear processing unit And a second multiplication unit that outputs to the estimated noise calculation unit.
[0077]
Further, the noise removal apparatus described above corrects the suppression coefficient input from the suppression coefficient generation unit based on the frequency domain signal, outputs the correction coefficient to the first multiplication unit, and the corrected suppression coefficient to the first multiplication unit. It may further comprise a suppression coefficient correction unit that uses and weights the amplitude component of the frequency domain signal.
[0078]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
[0079]
  (FirstReference example)
  FIG. 1 shows a noise removing apparatus according to the present invention.First reference example related toIt is a block diagram which shows the whole structure. The noise removing device and the conventional noise removing device shown in FIG. 48 are the same except for the windowing processing unit 22, the injection noise calculating unit 55, and the adders 56 and 57. The same parts are denoted by the same reference numerals. Hereinafter, it demonstrates in detail focusing on the above-mentioned difference.
[0080]
The windowing processing unit 22 uses the time domain sample value series x supplied from the inverse Fourier transform unit 9._n(t) Bar is multiplied by the window function h (t), and the product h (t) x_n(t) The bar is transmitted to the frame composition unit 10. The frame synthesizing unit 10 calculates h (t) x_n(t) K / 2 samples are taken from two adjacent frames of the bar and superimposed, and the emphasized speech x is expressed by equation (14)._n(t) A hat (t = 0, 1,..., K / 2-1) is obtained. Obtained enhanced speech x_n(t) The hat is transmitted to the output terminal 12 as the output of the frame synthesis unit 10.
[0081]
[Expression 14]

[0082]
When the overlap is not 50% but M samples and the frame length is L samples (M <L), the emphasized speech x is expressed by Equation (15)._n(t) Obtain a hat. In accordance with this, the frame dividing unit is also corrected.
[0083]
[Expression 15]

[0084]
As already mentioned, a symmetric window function is used for real signals. The window function is designed so that the input signal and the output signal when the suppression coefficient is set to 1 match except for calculation errors. Any window function that satisfies these conditions can be used as w (t) and h (t). As an example, a function (root Hanning window) obtained by opening a Hanning window can be cited. There are other window functions that satisfy these conditions, but details are omitted.
X composing two adjacent frames_n-1(t) Bar and x_n(t) Even if the bar is suppressed with a different suppression coefficient value in each frame, x_n-1(t) Bar and x_n(t) x at the frame boundary by multiplying each of the bars by the window function h (t) described above._n-1(t) Bar and x_n(t) By reducing the amplitude of the bar, continuity at the frame boundary can be improved and noise generation can be reduced. Therefore, it is possible to suppress deterioration in sound quality due to noise and obtain enhanced sound with excellent sound quality.
[0085]
The injection noise calculation unit 55 calculates pseudo noise (first noise) to be injected using the degraded speech power spectrum and the estimated noise power spectrum supplied from the multiple multiplier unit 17 and the estimated noise calculation unit 51, respectively. And transmitted to the adders 56 and 57. The adder 56 adds the injection noise obtained by the injection noise calculation unit 55 to the estimated noise power spectrum supplied from the estimation noise calculation unit 51, and transmits the sum to the frequency-specific SNR calculation unit 6. The adder 57 adds the injection noise obtained by the injection noise calculation unit 55 to the deteriorated speech power spectrum supplied from the multiple multiplication unit 17 and transmits the sum to the frequency-specific SNR calculation unit 6.
[0086]
FIG. 2 is a block diagram illustrating a configuration of the injection noise calculation unit 55. The injection noise calculation unit 55 includes an SNR calculation unit 551, a threshold value calculation unit 552, and an injection level calculation unit 553. The degraded speech power spectrum supplied from the multiple multiplier 17 in FIG. 1 is transmitted to the SNR calculator 551. The estimated noise power spectrum supplied from the estimated noise calculator 51 in FIG. 1 is transmitted to the SNR calculator 551 and the threshold calculator 552. The SNR obtained by the SNR calculator 551 and the threshold obtained by the threshold calculator 552 are supplied to the injection level calculator 553. The injection level calculation unit 553 calculates a noise level to be injected according to the supplied SNR and threshold value, and outputs a signal corresponding to the level as injection noise.
[0087]
The noise to be injected is W_nIf (k), W_n(k) is set to take a smaller value as the SNR is larger. Such SNR and W_nAs a relation of (k), the SNR is the first threshold value TH.₁The first value W when greater than₁And the SNR is the second threshold value TH₂(<TH₁) Is less than the second value W₂(> W₁) And the SNR is the first threshold value TH₁And the second threshold TH₂When an intermediate value is taken, W corresponds to SNR._nA function that reduces (k) can be considered. In the simplest example, as shown in FIG. 3, the SNR is a first threshold value TH.₁And the second threshold TH₂When taking an intermediate value of the first value W₁To the second value W₂It is a function that changes linearly.
[0088]
First and second threshold values TH₁, TH₂Can be determined independently, but the second threshold TH₂To the first threshold TH₁It is possible to simplify the calculation by setting a constant multiple of. Similarly, W can be determined independently_nFirst and second values W of (k)₁, W₂Is also the second value W₂Is the first value W₁Can be set to a constant multiple of.
W_nFirst and second values W of (k)₁, W₂Can be determined corresponding to the level of estimated noise. W when the estimated noise level is high_nFirst and second values W of (k)₁, W₂Reduce the size and increase it when it is low. W like this_nFirst and second values W of (k)₁, W₂For the same SNR value, the smaller the estimated noise level, the smaller the W_n(k) can be set. In this case, it goes without saying that the estimated noise power spectrum is supplied to the injection level calculation unit 553.
[0089]
Furthermore, the threshold value TH₁, TH₂Can also be determined corresponding to the level of estimated noise. Threshold TH when the estimated noise level is high₁, TH₂Reduce the size and increase it when it is low. Thus, the threshold value TH₁, TH₂For the same SNR value, the smaller the estimated noise level, the smaller the W_n(k) can be set. W is higher when the estimated noise level is higher_nThe reason for reducing (k) is that when the estimated noise level is high, the conventional suppression coefficient is almost appropriate, and the correction amount of the suppression coefficient by noise injection is small. As a result, when the original suppression amount is small and residual noise is easily perceived, a component having a medium amplitude can be relatively largely suppressed, and improvement in subjective sound quality can be achieved.
[0090]
In the above description, the noise to be injected is W_n(k), and an example in which different noise is injected for each frequency component has been described. Actually, the degraded speech power spectrum and the estimated noise power spectrum supplied to the injection noise calculation unit 55 are multiplexed with values corresponding to all frequency components. Therefore, the SNR obtained by the SNR calculator 551 and the number of thresholds obtained by the threshold calculator 552 correspond to the number of frequency components. However, these SNRs and threshold values may be set in common for all frequency components.
[0091]
As an example, the deteriorated speech power spectrum and the estimated noise power spectrum are added to all frequency components to obtain a sum, the ratio thereof is set as a common SNR, and a threshold value is obtained using the average value of the estimated noise power spectrum. Can be requested. In that case, the SNR calculation unit 551 and the threshold value calculation unit 552 separate the values corresponding to each frequency component and then calculate the SNR and the threshold value using the individual values, instead of calculating the SNR and the threshold value. The value is used to calculate a common SNR and threshold for all frequency components. These values are transmitted to the frequency-specific SNR calculator 6.
[0092]
In the frequency-specific SNR calculation unit 6, instead of the equation (11), the frequency-specific SNRγ is obtained by the equation (16)._n(k) is calculated.
[0093]
[Expression 16]

[0094]
Referring to Equation (16), in the region where SNR> 0, | Y_n(k) |² > Λ_n(k), so SNRγ at the time of noise injection_n(k) is corrected to be smaller than the original value. On the other hand, referring to Document 1, as shown in FIG. 4, the characteristic of the suppression coefficient with respect to the SNR gradually increases corresponding to the SNR, then rapidly increases at a certain SNR value, and again reaches saturation from the gradual increase. For this reason, γ_nWhen the value of (k) is decreased, the suppression coefficient reduction effect is relatively increased with respect to the SNR in the vicinity where the suppression coefficient value changes suddenly. Therefore, a frequency component corresponding to such SNR, specifically, a component having a medium amplitude is relatively largely suppressed. For this reason, a part of the background noise that is smaller in amplitude than the speech but cannot be ignored is more strongly suppressed, and is less likely to be perceived as noise in the enhanced speech. Therefore, it is possible to obtain enhanced speech with sufficiently high quality against actual background noise.
[0095]
  (No.1Embodiment)
  FIG. 5 shows a first embodiment of the noise removing apparatus of the present invention.1It is a block diagram which shows the whole structure of this embodiment. This noise eliminator includes an SNR correction unit 65 instead of the injection noise calculation unit 55 and the adders 56 and 57 included in the noise eliminator shown in FIG. Hereinafter, these differences will be mainly described.
[0096]
The SNR correction unit 65 is supplied with the degraded speech power spectrum, the estimated noise power spectrum, and the acquired SNR from the multiple multiplier unit 17, the estimated noise calculation unit 51, and the frequency-specific SNR calculation unit 6, respectively. From the SNR correction unit 65, the corrected natural SNR is supplied to the estimated innate SNR calculation unit 7 and the noise suppression coefficient generation unit 8.
That is, in the noise removal apparatus shown in FIG. 1, the acquired SNR is calculated using the degraded speech power spectrum injected with noise and the estimated noise power spectrum injected with noise, whereas FIG. The noise removal apparatus corrects the calculated acquired SNR using the injection noise calculated using the deteriorated voice power spectrum and the estimated noise power spectrum.
[0097]
The SNR correction unit 65 in FIG. 5 will be further described.
FIG. 6 is a block diagram illustrating a configuration example of the SNR correction unit 65. The SNR correction unit 65 includes K correction SNR calculation units 654.₀ ~ 654_K-1 , Separation units 651, 652, and 653, and a multiplexing unit 655.
The separation unit 651 is supplied with the acquired SNR from the frequency-specific SNR calculation unit 6 in FIG. The separation unit 651 separates the supplied acquired SNR into K frequency-specific components, and each of the corrected SNR calculation units 654₀ ~ 654_K-1 To communicate. The demultiplexing unit 652 is supplied with the deteriorated voice power spectrum from the multiple multiplication unit 17 in FIG. The separation unit 652 separates the supplied deteriorated voice power spectrum into K frequency-specific components, and the corrected SNR calculation unit 654 respectively.₀ ~ 654_K-1 To communicate. The estimation noise power spectrum is supplied to the separation unit 653 from the estimation noise calculation unit 51 in FIG. The separation unit 653 separates the supplied estimated noise power spectrum into K frequency-specific components, and each of the corrected SNR calculation units 654₀ ~ 654_K-1 To communicate. Correction SNR calculation unit 654₀ ~ 654_K-1 Adds a correction corresponding to the supplied degraded speech power spectrum and estimated noise power spectrum to the acquired SNR, and transmits the corrected acquired SNR to the multiplexing unit 655. The multiplexing unit 655 multiplexes the supplied corrected SNR and outputs it.
[0098]
FIG. 7 shows a corrected SNR calculation unit 654 included in the SNR correction unit 65 shown in FIG.₀ ~ 654_K-1 It is a block diagram which shows the structure of these. The corrected SNR calculation unit 654 includes a threshold calculation unit 6541, an injection noise calculation unit 6542, adders 6543 and 6544, and a division unit 6545.
[0099]
The estimated noise power spectrum is supplied to the threshold calculation unit 6541 from the separation unit 653 in FIG. 6, and the threshold value is calculated by the same operation as the threshold calculation unit 552 in FIG. Part 6542. The injection noise calculation unit 6542 is also supplied with the acquired SNR from the separation unit 651 in FIG. 6, and pseudo noise (first noise, to be injected) by the same operation as the injection level calculation unit 553 in FIG. 2. Sum signal) is calculated and transmitted to adders 6543 and 6544. The adder 6543 is also supplied with the estimated noise power spectrum from the separation unit 653 in FIG. 6, and transmits the addition result with the noise supplied from the injection noise calculation unit 6542 to the division unit 6545. The adder 6544 is also supplied with the deteriorated voice power spectrum from the separation unit 652 in FIG. 6, and transmits the addition result with the noise supplied from the injection noise calculation unit 6542 to the division unit 6545. The division unit 6545 outputs the quotient obtained from the output of the adder 6543 and the output of the adder 6544 as the corrected SNR.
[0100]
FIG. 8 is a block diagram illustrating another configuration example of the SNR correction unit 65. In this configuration example, the SNR and the threshold value are set in common for all frequency components. Therefore, compared with the configuration example shown in FIG. 6, average value calculation units 661 and 663 and injection noise calculation unit 662 are newly provided, and corrected SNR calculation unit 654₀ ~ 654_K-1 The corrected SNR calculation unit 664 is replaced with₀ ~ 664_K-1 have.
[0101]
The average value calculation unit 661 obtains the acquired SNRγ supplied from the separation unit 651._nThe average of k in (k) is obtained and transmitted to the injection noise calculation unit 662. Therefore, the value transmitted to the injection noise calculation unit 662 is one. On the other hand, the average value calculation unit 663 includes the estimated noise power spectrum λ supplied from the separation unit 653._nThe average of (k) relating to k is obtained and transmitted to the threshold value calculation unit 6541. Threshold calculation unit 6541 obtains the threshold value by the operation already described, and transmits it to injection noise calculation unit 662. The injection noise calculation unit 662 calculates pseudo noise (first noise, addition signal) to be injected in the same procedure as the injection noise calculation unit 6542 in FIG. 7, and the corrected SNR calculation unit 664.₀ ~ 664_K-1 To communicate. Unlike the configuration example shown in FIG. 6, the corrected SNR calculator 664₀ ~ 664_K-1 The injection noise transmitted to is all the same value.
[0102]
FIG. 9 shows a corrected SNR calculation unit 664 included in the SNR correction unit 66 shown in FIG.₀ ~ 664_K-1 It is a block diagram which shows the structure of these. The corrected SNR calculation unit 664 adds the injection noise supplied from the injection noise calculation unit 662 to the estimated noise power spectrum and the deteriorated speech power spectrum, obtains the quotient of both, and outputs it as a corrected natural SNR. More specifically, it is as follows.
That is, the injection noise calculated by the injection noise calculation unit 662 is transmitted to the adders 6543 and 6544. The adder 6543 is also supplied with the estimated noise power spectrum from the separation unit 653 in FIG. 8, and transmits the addition result with the noise supplied from the injection noise calculation unit 662 to the division unit 6545. The adder 6544 is also supplied with the deteriorated speech power spectrum from the separation unit 652 in FIG. 8, and transmits the addition result with the noise supplied from the injection noise calculation unit 6542 to the division unit 6545. The division unit 6545 outputs the quotient obtained from the output of the adder 6543 and the output of the adder 6544 as the corrected SNR.
[0103]
In the configuration example shown in FIGS. 8 and 9, the corrected SNR calculation unit 664.₀ ~ 664_K-1 By using the injection noise calculation unit 662 and the threshold value calculation unit 6541 in common, the corrected SNR calculation unit 664₀ ~ 664_K-1 Since it is not necessary to provide an injection noise calculation unit and a threshold value calculation unit for all of the above, the configuration can be simplified.
[0104]
As described above, the acquired SNR is corrected by the SNR correctors 65 and 66, and the suppression coefficient is determined using the corrected acquired SNR obtained as a result. Therefore, it is possible to obtain emphasized speech having a sufficiently high quality with respect to actual background noise.
[0105]
  (Second reference example)
  FIG. 10 shows a noise removing apparatus according to the present invention.Second reference example related toIt is a block diagram which shows the whole structure. This noise eliminator has a configuration in which the injection noise calculator 55 is replaced with an injection noise calculator 58 in the noise eliminator shown in FIG. Hereinafter, this difference will be mainly described.
  In the noise removing apparatus shown in FIG. 10, noise injection is selectively applied according to the nature of the input signal. For this reason, in order to evaluate the nature of the input signal, the degraded speech signal in the time domain, which is the output of the frame dividing unit 1, is supplied to the injection noise calculating unit 58.
[0106]
FIG. 11 is a block diagram showing a configuration of injection noise calculation unit 58 in FIG. The injection noise calculation unit 55 shown in FIG. 2 is different from the injection noise calculation unit 55 in that a zero crossing calculation unit 581 and a switch 582 are further provided.
The time domain degraded speech signal, which is the output of the frame division unit 1, is supplied to the zero crossing calculation unit 581. The zero crossover calculation unit 581 is supplied with the SNR from the SNR calculation unit 551 and the threshold value from the threshold value calculation unit 552, respectively. The zero crossing calculation unit 581 counts zero crossings where the amplitude of the supplied deteriorated speech signal becomes zero. At the same time, from the SNR and the threshold value, the SNR becomes the second threshold value TH.₂Evaluate whether it is less. SNR is the second threshold TH₂Only when it is smaller, the number of zero crossings is averaged over the past several frames. That is, the average value is obtained only when it is determined that the deteriorated voice is silent. The average value thus obtained is compared with the third threshold value, and “1” is transmitted to the switch 582 as a control signal when the average value is larger and “0” otherwise. To do. The third threshold value can be determined in advance or can be changed during the operation.
[0107]
Injection noise is supplied to the switch 582 from the injection level calculation unit 553 together with zero. The switch 582 selects the injection noise supplied from the injection level calculation unit 553 when “1” is supplied as a control signal from the zero crossing calculation unit 581, and selects “0” when “0” is supplied. Output as noise. Therefore, injection noise from the injection level calculation unit 553 is supplied to the adders 56 and 57 in FIG. 10 only when the average value of the number of zero crossings is larger than the third threshold value.
Since it is known that the number of zero crossings increases as a non-stationary signal increases, noise injection can be executed only for a signal with a non-stationarity of a certain level or more to correct the suppression coefficient.
[0108]
  (Third reference example)
  FIG. 12 shows a noise removing apparatus according to the present invention.Third reference example related toIt is a block diagram which shows the whole structure. This noise eliminator has a configuration in which the injection noise calculator 58 is replaced with an injection noise calculator 59 in the noise eliminator shown in FIG. Hereinafter, this difference will be mainly described.
[0109]
The noise removing apparatus shown in FIG. 12 is the same as the noise removing apparatus shown in FIG. 10 in that noise injection is selectively applied according to the nature of the input signal. However, the degraded speech signal in the time domain, which is the output of the frame division unit 1, is not supplied to the injection noise calculation unit 59. This is because, unlike the noise removal apparatus shown in FIG. 10, the time domain degraded speech signal is not used to evaluate the nature of the input signal. Instead, a degraded voice power spectrum is used. In the noise removal apparatus shown in FIG. 10, the number of zero crossings per frame is used to evaluate the unsteadiness of the signal. However, there is a correlation between the number of zero crossings and the power spectrum in the high frequency region (high region). Since it is known, a degraded speech power spectrum can be used instead of the number of zero crossings.
[0110]
FIG. 13 is a block diagram showing the configuration of the injection noise calculation unit 59 in FIG. The difference from the injection noise calculation unit 58 shown in FIG. 11 is that the zero crossing calculation unit 581 is replaced with a high frequency power calculation unit 591.
The high frequency power calculation unit 591 is supplied with the deteriorated voice power spectrum together with the SNR calculation unit 551. The high frequency power calculator 591 calculates the degraded voice power spectrum | Y_n(k) |² K is the reference value k_THTake the sum of the larger ones. Reference value k_THIs set according to the degraded speech signal and other conditions so that high frequency power corresponding to the number of zero crossings of the degraded speech signal described above can be obtained by taking the sum. As a result, high frequency power corresponding to the number of zero crossings is obtained, and the result of comparing this high frequency power with the fourth threshold value is the same as the injection noise calculation unit 58 shown in FIG. The switch 582 can be controlled. That is, the injection noise and 0 supplied from the injection level calculation unit 553 are selected according to the value of the high frequency power and output as injection noise.
[0111]
Deteriorated voice power spectrum | Y_n(k) |² K is the reference value k_THThe higher power may be obtained by weighting the larger ones and taking the sum. Further, the fourth threshold value can be determined in advance or can be changed during the operation.
[0112]
  (No.2Embodiment)
  FIG. 14 shows a first embodiment of the noise removing apparatus of the present invention.2It is a block diagram which shows the whole structure of this embodiment. This noise removal apparatus has a configuration in which the SNR correction unit 65 is replaced with an SNR correction unit 67 in the noise removal apparatus shown in FIG. Hereinafter, this difference will be mainly described.
  In the noise removal apparatus shown in FIG. 14, similarly to the noise removal apparatus shown in FIG. 10, noise injection is selectively applied according to the nature of the input signal. For this reason, in order to evaluate the nature of the input signal, the degraded speech signal in the time domain that is the output of the frame dividing unit 1 is supplied to the SNR correction unit 67.
[0113]
FIG. 15 is a block diagram illustrating a configuration example of the SNR correction unit 67 in FIG. 8 differs from the configuration example of the SNR correction unit 65 shown in FIG. 8 in that the injection noise calculation unit 662 is replaced with an injection noise calculation unit 672. Unlike the injection noise calculation unit 662, the injection noise calculation unit 672 is supplied with a deteriorated speech signal in the time domain, which is the output of the frame division unit 1, in order to evaluate the nature of the input signal.
[0114]
FIG. 16 is a block diagram illustrating a configuration example of the injection noise calculation unit 672. Injection noise calculation unit 672 includes injection level calculation unit 6721, switch 6722, and determination unit 6723. Injection level calculation unit 6721 and determination unit 6723 are supplied with an acquired SNR from average value calculation unit 661 in FIG. 15 and a threshold value from threshold value calculation unit 6541 in FIG. The determination unit 6723 is further supplied with a degraded audio signal. The injection level calculation unit 6721 obtains the injection level by the same operation as the injection level calculation unit 553 in FIG. The determination unit 6723 receives the deteriorated voice signal, the acquired SNR, and the threshold value, and generates a control signal for the switch 6722 according to the nature of the input signal.
[0115]
Here, the determination unit 6723 further includes a silent section detection unit 67231, a zero crossing calculation unit 67232, and a comparison unit 67233. The silent section detector 67231 receives the acquired SNR and the threshold value, and the SNR is the second threshold value TH.₂When the value is smaller, “1” is transmitted to the zero crossing calculation unit 67232, and “0” is transmitted to the other. That is, “1” is transmitted to the zero-crossing calculation unit 67232 when it is determined that the deteriorated speech is silent, and “0” is transmitted otherwise.
The zero crossing calculation unit 67232 counts zero crossings in which the amplitude of the supplied deteriorated speech signal becomes zero, and the number of zero crossings is obtained only in the past several frames only when “1” is received from the silent section detection unit 67231. Averaging across. The average value obtained in this way is transmitted to the comparison unit 67233.
The comparison unit 67233 compares the supplied zero-crossing average value with the third threshold value, and controls “1” when the average value is larger, and “0” otherwise. The signal is transmitted to the switch 6722 as a signal.
[0116]
The switch 6722 selects the injection noise supplied from the injection level calculation unit 6721 when “1” is supplied from the comparison unit 67233 of the determination unit 6723, and selects “0” when “0” is supplied. Output as. That is, the operation of the switch 6722 is equivalent to the operation of the switch 582 in FIG.
[0117]
  (No.3Embodiment)
  FIG. 17 shows a first embodiment of the noise removing device of the present invention.3It is a block diagram which shows the whole structure of this embodiment. This noise eliminator has a configuration in which the SNR corrector 67 is replaced with an SNR corrector 68 in the noise eliminator shown in FIG. Hereinafter, this difference will be mainly described.
[0118]
  In the noise removal apparatus shown in FIG. 17, noise injection is selectively applied according to the nature of the input signal. At that time, unlike the noise removal apparatus shown in FIG. 14, the quality of the input signal is evaluated using the degraded speech power spectrum instead of the degraded speech signal in the time domain. In other words, the non-stationarity of the signal was evaluated by the number of zero crossings per frame.2Unlike the first embodiment, signal non-stationarity is evaluated using a degraded sound power spectrum in a high frequency region (high region). For this reason, the degraded speech signal in the time domain that is the output of the frame dividing unit 1 is not supplied to the SNR correction unit 68.
  FIG. 18 is a block diagram illustrating a configuration example of the SNR correction unit 68 in FIG. The difference from the SNR correction unit 67 shown in FIG. 15 is that the injection noise calculation unit 672 is replaced with an injection noise calculation unit 682.
[0119]
FIG. 19 is a block diagram illustrating a configuration example of the injection noise calculation unit 682. A difference from the injection noise calculation unit 672 shown in FIG. 16 is that the zero crossing calculation unit 67232 is replaced with a high frequency power calculation unit 68232. The high frequency power calculation unit 68232 is supplied with the degraded speech power spectrum together with the output signal of the silent section calculation unit 67231. The high frequency power calculator 68232 performs the same operation as the high frequency power calculator 591 in FIG._n(k) |² K is the reference value k_THThe sum of the larger ones is taken to obtain the high frequency power. The high frequency power is transmitted to the comparison unit 67233. The comparison unit 67233 generates a control signal for the switch 6722 using the result of comparing the high frequency power with the fourth threshold value. That is, the injection noise and 0 supplied from the injection level calculation unit 6721 are selected according to the value of the high frequency power, and output as injection noise.
[0120]
  (Fourth reference example)
  FIG. 20 shows a noise removing apparatus according to the present invention.4th reference example related toIt is a block diagram which shows the whole structure. The noise removal apparatus and the noise removal apparatus shown in FIG. 1 are the same except for the estimated noise calculation unit 5, the weighted deteriorated speech calculation unit 14, and the suppression coefficient correction unit 15. The configuration of the noise removing apparatus shown in FIG. 20 is “April 2000, IEICE technical report, DSP, pages 53-60” except for the windowing processing unit 22 and the injection noise calculating unit 58 (reference 5). ). Unlike the conventional method disclosed in Document 1, the method disclosed in Document 5 can obtain accurate estimated noise by estimating the power spectrum of noise using a weighted degraded speech spectrum. . Hereinafter, these differences will be mainly described.
[0121]
First, the weighted deteriorated speech calculation unit 14 in FIG. 20 will be described. FIG. 21 is a block diagram illustrating a configuration of the weighted deteriorated speech calculation unit 14. The weighted degraded speech calculation unit 14 includes an estimated noise storage unit 1401, a frequency-specific SNR calculation unit 1402, a multiple nonlinear processing unit 1405, and a multiple multiplication unit 1404. The estimated noise storage unit 1401 stores the estimated noise power spectrum supplied from the estimated noise calculation unit 5 in FIG. 20, and outputs the estimated noise power spectrum stored one frame before to the SNR calculation unit 1402 for each frequency. The frequency-specific SNR calculation unit 1402 obtains the SNR for each frequency using the estimated noise power spectrum supplied from the estimated noise storage unit 1401 and the degraded speech power spectrum supplied from the multiple multiplier unit 17 in FIG. The result is output to the multiple nonlinear processing unit 1405. The multiple nonlinear processing unit 1405 calculates a weight coefficient vector using the SNR supplied from the frequency-specific SNR calculation section 1402, and outputs the weight coefficient vector to the multiple multiplication section 1404. Multiplex multiplier 1404 calculates the product of the degraded speech power spectrum supplied from multiple multiplier 17 in FIG. 20 and the weight coefficient vector supplied from multiple nonlinear processor 1405 for each frequency, and weighted degraded speech power spectrum. Is output to the estimated noise calculator 5 in FIG.
[0122]
The configuration of the frequency-specific SNR calculation unit 1402 is the same as that of the frequency-specific SNR calculation unit 6 already described with reference to FIG. The configuration of the multiple multiplier 1404 is the same as that of the multiple multiplier 17 already described with reference to FIG. Therefore, the configuration and operation of the multiple nonlinear processing unit 1405 in FIG. 21 will be described in detail next.
[0123]
FIG. 22 is a block diagram illustrating a configuration of the multiple nonlinear processing unit 1405 included in the weighted deteriorated speech calculation unit 14. The multiple nonlinear processing unit 1405 includes a separating unit 1495 and K nonlinear processing units 1485.₀ ~ 1485_K-1 And a multiplexing unit 1475.
Separation section 1495 separates the SNR supplied from frequency-specific SNR calculation section 1402 in FIG.₀ ~ 1485_K-1 Output to.
Nonlinear processing unit 1485₀ ~ 1485_K-1 Each have a non-linear function that outputs a real value corresponding to the input value. FIG. 23 shows an example of a nonlinear function. f₁ Is an input value, the output value f of the nonlinear function shown in FIG.₂ Is given by equation (17).
[0124]
[Expression 17]

[0125]
Nonlinear processing unit 1485₀ ~ 1485_K-1 Processes the frequency-specific SNR supplied from the separation unit 1495 by the above-described nonlinear function to obtain a weighting coefficient, and outputs the weighting factor to the multiplexing unit 1475. That is, the nonlinear processing unit 1485₀ ~ 1485_K-1 Outputs a weighting factor from 1 to 0 according to the SNR. 1 is output when the SNR is small, and 0 is output when the SNR is large.
The multiplexing unit 1475 is a non-linear processing unit 1485.₀ ~ 1485_K-1 Are multiplexed, and the resulting weighting coefficient vector is output to the multiplex multiplier 1404 in FIG.
[0126]
As described above, the weighting coefficient multiplied by the degraded speech power spectrum in the multiplex multiplier 1404 in FIG. 21 has a value corresponding to the SNR, and the greater the SNR, that is, the greater the speech component included in the degraded speech. The value of the weighting factor becomes small. In general, a degraded speech power spectrum is used to update the estimated noise. However, a speech component included in the degraded speech power spectrum can be obtained by weighting the degraded speech power spectrum used to update the estimated noise according to the SNR. Can be reduced, and more accurate noise estimation can be performed.
In addition, although the example which used the nonlinear function for the calculation of a weighting coefficient was shown, it is also possible to use the function of SNR represented by other forms, such as a linear function and a high-order polynomial, besides a nonlinear function.
[0127]
Next, the estimated noise calculation unit 5 in FIG. 20 will be described. FIG. 24 is a block diagram illustrating a configuration of the estimated noise calculation unit 5. The estimated noise calculation unit 5 and the estimated noise calculation unit 51 shown in FIG. 53 are different from each other in that the separation unit 505 is present and the frequency-specific estimated noise calculation unit 514.₀ ~ 514_K-1 Is a frequency-based estimated noise calculation unit 504.₀ ~ 504_K-1 Is the same except that Hereinafter, these differences will be mainly described.
[0128]
Separating section 505 separates the weighted deteriorated sound power spectrum supplied from weighted deteriorated sound calculation section 14 in FIG. 20 into weighted deteriorated sound power spectrum for each frequency, and each frequency-based estimated noise calculation section 504.₀ ~ 504_K-1 Output to. Estimated noise calculation unit for each frequency 504₀ ~ 504_K-1 Are the frequency-specific deteriorated sound power spectrum supplied from the separation unit 502, the frequency-dependent weighted deteriorated sound power spectrum supplied from the separation unit 505, the sound detection flag supplied from the sound detection unit 4 in FIG. 20, and FIG. The frequency-specific estimated noise power spectrum is calculated from the count value supplied from the counter 13 and output to the multiplexing unit 503. The multiplexing unit 503 includes a frequency-specific estimated noise calculation unit 504.₀ ~ 504_K-1 The estimated noise power spectrum for each frequency supplied from the above is multiplexed, and the resulting estimated noise power spectrum is output to the adder 56, injection noise calculator 58, and weighted deteriorated voice calculator 14 in FIG. Estimated noise calculation unit for each frequency 504₀ ~ 504_K-1 A detailed description of the configuration and operation will be given with reference to FIGS.
[0129]
FIG. 25 shows the frequency-specific estimated noise calculation unit 504 included in the estimated noise calculation unit 5 shown in FIG.₀ ~ 504_K-1 It is a block diagram which shows the 1st example of a structure. The difference from the frequency-specific estimated noise calculation unit 514 shown in FIG.₀ ~ 504_K-1 Has the estimated noise storage unit 5942, the update determination unit 521 is replaced with the update determination unit 520, and the input to the switch 5044 is replaced from the frequency-specific deteriorated sound power spectrum to the frequency-dependent weighted deteriorated sound power spectrum. It has been done. Estimated noise calculation unit for each frequency 504₀ ~ 504_K-1 Uses the weighted degraded speech power spectrum instead of the degraded speech power spectrum to calculate the estimated noise, and uses the estimated noise and degraded speech power spectrum to determine the update of the estimated noise. Will occur.
The estimated noise storage unit 5942 stores the estimated noise power spectrum for each frequency supplied from the dividing unit 5048, and outputs the estimated noise power spectrum for each frequency stored one frame before to the update determining unit 520. Detailed configuration and operation of the update determination unit 520 will be described with reference to FIG.
[0130]
26 shows the frequency-specific estimated noise calculator 504 shown in FIG.₀ ~ 504_K-1 It is a block diagram which shows the structure of the update determination part 520 included in FIG. 55 is different from the update determination unit 521 shown in FIG. 55 in that the logical sum calculation unit 5211 is replaced with the logical sum calculation unit 5201, and the update determination unit 520 includes the comparison unit 5205, the threshold value storage unit 5206, and the threshold value calculation. A portion 5207. Hereinafter, detailed operations will be described focusing on these differences.
The threshold calculation unit 5207 calculates a value corresponding to the estimated noise power spectrum for each frequency supplied from the estimated noise storage unit 5942 in FIG. 25, and outputs the value to the threshold storage unit 5206 as a threshold value. The simplest threshold calculation method is a constant multiple of the estimated noise power spectrum for each frequency. In addition, it is possible to calculate the threshold value using a high-order polynomial or a nonlinear function.
[0131]
The threshold storage unit 5206 stores the threshold output from the threshold calculation unit 5207 and outputs the threshold stored one frame before to the comparison unit 5205.
The comparison unit 5205 compares the threshold value supplied from the threshold value storage unit 5206 with the frequency-specific deteriorated sound power spectrum supplied from the separation unit 502 in FIG. 24, and “1” if the frequency-specific deteriorated sound power spectrum is smaller than the threshold value. Is larger, “0” is output to the logical sum calculation unit 5201. That is, it is determined whether or not the degraded speech signal is noise based on the magnitude of the estimated noise power spectrum.
The logical sum calculation unit 5201 calculates the logical sum of the output value of the comparison unit 5203, the output value of the logical negation circuit 5202, and the output value of the comparison unit 5205, and the calculation result is the switch 5044, the shift register 5045, and the counter in FIG. Output to 5049.
[0132]
Therefore, the update determination unit 520 outputs “1” when the deteriorated voice power is small not only in the initial state and the silent period but also in the voiced period. That is, the estimated noise is updated. Since the threshold is calculated for each frequency, the estimated noise can be updated for each frequency.
[0133]
In FIG. 25, CNT is the count value of the counter 5049, and N is the register length of the shift register 5045. And B_n(k) Let (n = 0, 1,..., N−1) be the weighted degraded speech power spectrum by frequency stored in the shift register 5045. At this time, the frequency-specific estimated noise power spectrum λ output from the divider 5048_n(k) is given by equation (18).
[0134]
[Formula 18]

[0135]
That is, λ_n(k) is an average value of the frequency-dependent weighted degraded sound power spectrum stored in the shift register 5045. The average value can also be calculated using a weighted addition unit (cyclic filter). Next, referring to FIG._nA configuration example using a weighted addition unit for the calculation of (k) will be described.
[0136]
FIG. 27 shows the frequency-specific estimated noise calculator 504 included in the estimated noise calculator 5 shown in FIG.₀ ~ 504_K-1 It is a block diagram which shows the 2nd structural example. Instead of the shift register 5045, the adder 5046, the minimum value selection unit 5047, the division unit 5048, the counter 5049, the register length storage unit 5941, and the minimum value selection unit 5047 in the estimated noise calculation unit 504 shown in FIG. Another estimated noise calculation unit 507 includes a weighted addition unit 5071 and a weight storage unit 5072.
[0137]
The weighted addition unit 5071 outputs the estimated noise power spectrum for each frequency supplied from the estimated noise storage unit 5942 and the weighted degraded speech power spectrum for each frequency supplied from the switch 5044 and the weight storage unit 5072. The frequency-specific estimated noise is calculated using the weights, and is output to the multiplexing unit 503 in FIG. That is, the weight stored in the weight storage unit 5072 is δ, and the weighted degraded speech power spectrum by frequency is | Y_n(k) |² Bar, the estimated noise power spectrum for each frequency λ output from the weighted adder 5071_n(k) is given by equation (19).
[0138]
[Equation 19]

[0139]
Since the configuration of the weighted addition unit 5071 is the same as the weighted addition unit 407 already described with reference to FIG. 51, detailed description thereof is omitted. However, the calculation of weighted addition is always performed.
[0140]
Next, the suppression coefficient correction unit 15 in FIG. 20 will be described. FIG. 28 is a block diagram showing a configuration of the suppression coefficient correction unit 15 in FIG. In order to prevent residual noise generated due to insufficient suppression when the SNR is low and sound quality deterioration due to speech distortion generated due to excessive suppression when the SNR is high, the suppression coefficient correction unit 15 corrects the suppression coefficient according to the SNR. To do. As an example of correction, when the SNR is low, a correction value can be added to the suppression coefficient to suppress residual noise, and when the SNR is high, a lower limit value can be set for the suppression coefficient to prevent speech distortion. The suppression coefficient correction unit 15 includes K frequency-specific suppression coefficient correction units 1501.₀ ~ 1501_K-1 , Separation units 1502 and 1503 and a multiplexing unit 1504.
[0141]
Separation section 1502 separates the estimated innate SNR supplied from estimated innate SNR calculation section 7 in FIG. 20 into frequency-specific components, and each frequency-specific suppression coefficient correction section 1501.₀ ~ 1501_K-1 Output to. Separation section 1503 separates the suppression coefficient supplied from suppression coefficient generation section 8 in FIG. 20 into frequency-specific components, and each frequency-specific suppression coefficient correction section 1501.₀ ~ 1501_K-1 Output to. Frequency-specific suppression coefficient correction unit 1501₀ ~ 1501_K-1 Calculates a frequency-specific corrected suppression coefficient from the frequency-specific estimated innate SNR supplied from the demultiplexing unit 1502 and the frequency-specific suppression coefficient supplied from the demultiplexing unit 1503, and outputs them to the multiplexing unit 1504. The multiplexing unit 1504 includes a frequency-specific suppression coefficient correction unit 1501.₀ ~ 1501_K-1 The frequency-dependent corrected suppression coefficients supplied from the above are multiplexed and output to the multiple multiplier 16 and the estimated innate SNR calculator 7 in FIG. 20 as corrected suppression coefficients.
[0142]
FIG. 29 shows a frequency-specific suppression coefficient correction unit 1501 included in the suppression coefficient correction unit 15 shown in FIG.₀ ~ 1501_K-1 It is a block diagram which shows the structure of these. The frequency-specific suppression coefficient correction unit 1501 includes a maximum value selection unit 1591, a suppression coefficient lower limit value storage unit 1592, a threshold storage unit 1593, a comparison unit 1594, a switch 1595, a modified value storage unit 1596, and a multiplier 1597.
The comparison unit 1594 compares the threshold supplied from the threshold storage unit 1593 with the frequency-specific estimated innate SNR supplied from the separation unit 1502 in FIG. 28. If the frequency-specific estimated innate SNR is larger than the threshold, “0” is output. "Is supplied to the switch 1595 if it is smaller.
[0143]
The switch 1595 outputs the frequency-specific suppression coefficient supplied from the separation unit 1503 in FIG. 28 to the multiplier 1597 when the output value of the comparison unit 1594 is “1”, and the output value of the comparison unit 1594 is “0”. At this time, the maximum value selection unit 1591 is directly supplied.
The multiplier 1579 calculates the product of the output value of the switch 1595 and the output value of the correction value storage unit 1596 and supplies the calculation result to the maximum value selection unit 1591. In order to reduce the suppression coefficient value, the correction value is usually a value smaller than 1, but this is not limited depending on the purpose. Thus, when the frequency-specific estimated innate SNR is smaller than the threshold value, the suppression coefficient is corrected. By correcting the suppression coefficient when the SNR is small, it is possible to reduce the amount of residual noise without excessively suppressing the speech component.
[0144]
The suppression coefficient lower limit value storage unit 1592 supplies the stored lower limit value of the suppression coefficient to the maximum value selection unit 1591. The maximum value selection unit 1591 compares the signal supplied from the switch 1595 or the multiplier 1597 with the suppression coefficient lower limit value supplied from the suppression coefficient lower limit value storage unit 1592, and uses the larger value as the frequency-specific corrected suppression coefficient. , And output to the multiplexer 1504 in FIG. As a result, the suppression coefficient is necessarily larger than the lower limit value stored in the suppression coefficient lower limit value storage unit 1592. Therefore, it is possible to prevent the distortion of the sound that occurs due to excessive suppression.
In the noise removal apparatus shown in FIGS. 1, 5, 10, 12, 14, and 17, the suppression coefficient is supplied to the multiple multiplier 16 and the estimated innate SNR calculator 7. In the noise removal apparatus shown in 20, a corrected suppression coefficient is supplied instead of the suppression coefficient.
[0145]
Next, the noise suppression coefficient generation unit 8 in FIG. 20 will be described. As described with reference to FIG. 60, the suppression coefficient can be obtained by searching from the supplied estimated innate SNR and acquired SNR, but can also be obtained by calculation. Hereinafter, based on the calculation formula described in Literature 1, another example of the configuration of the noise suppression coefficient generation unit 8 will be described together with a method of calculating the suppression coefficient.
30 is a block diagram illustrating another configuration example of the noise suppression coefficient generation unit 8 in FIG. The noise suppression coefficient generation unit 81 includes an MMSE STSA gain function value calculation unit 811, a generalized likelihood ratio calculation unit 812, a speech existence probability storage unit 813, and a suppression coefficient calculation unit 814.
[0146]
The frame number is n, the frequency number is k, and γ_n(k) is the frequency-specific acquired SNR supplied from the frequency-specific SNR calculation unit 6 in FIG._n(k) Let the hat be the estimated innate SNR by frequency supplied from the estimated innate SNR calculator 7 in FIG. And η_n(k) = ξ_n(k) Hat / q, v_n(k) = (η_n(k) γ_n(k)) / (1 + η_n(k)).
The MMSE STSA gain function value calculation unit 811 obtains the acquired SNRγ supplied from the frequency-specific SNR calculation unit 6 in FIG._n(k), the estimated innate SNR supplied from the estimated innate SNR calculator 7 in FIG._n(k) Based on the voice presence probability q supplied from the hat and voice presence probability storage unit 813, the MMSESTSA gain function value is calculated for each frequency and output to the suppression coefficient calculation unit 814. MMSE STSA gain function value G for each frequency_n(k) is given by equation (20).
[0147]
[Expression 20]

[0148]
Where I₀(z) is the zero-order modified Bessel function, I₁(z) is a first-order modified Bessel function. The modified Bessel function is described in “1985, Mathematical Dictionary, Iwanami Shoten, page 374. G” (Reference 6).
The generalized likelihood ratio calculation unit 812 obtains the acquired SNRγ supplied from the frequency-specific SNR calculation unit 6 in FIG._n(k), the estimated innate SNR supplied from the estimated innate SNR calculator 7 in FIG._n(k) Based on the voice presence probability q supplied from the hat and voice presence probability storage unit 813, the generalized likelihood ratio is calculated for each frequency and output to the suppression coefficient calculation unit 814. Generalized likelihood ratio Λ for each frequency_n(k) is given by equation (21).
[0149]
[Expression 21]

[0150]
The suppression coefficient calculation unit 814 receives the MMSE STSA gain function value G supplied from the MMSE STSA gain function value calculation unit 811._n(k) and the generalized likelihood ratio Λ supplied from the generalized likelihood ratio calculation unit 812_nThe suppression coefficient is calculated for each frequency from (k) and output to the suppression coefficient correction unit 15 in FIG. Suppression coefficient G for each frequency_n(k) The bar is given by equation (22).
[0151]
[Expression 22]

[0152]
Instead of calculating the SNR for each frequency, it is also possible to obtain and use an SNR common to a band composed of a plurality of frequencies. Therefore, next, an example of calculating the SNR for each band will be described as another configuration example of the frequency-specific SNR calculation unit 6 in FIG.
FIG. 31 is a block diagram illustrating another configuration example of the frequency-specific SNR calculation unit 6. The difference from the frequency-specific SNR calculation unit 6 shown in FIG. 56 is that the band-specific SNR calculation unit 61 includes band-specific power calculation units 611 and 612. The band-specific power calculation unit 611 calculates the power for each band based on the frequency-specific degraded speech power spectrum supplied from the separation unit 602, and the division unit 601.₀ ~ 601_K-1 Output to. Further, the band-specific power calculation unit 612 calculates the power for each band based on the frequency-specific estimated noise power spectrum supplied from the separation unit 603, and the division unit 601.₀ ~ 601_K-1 Output to.
[0153]
FIG. 32 is a block diagram illustrating a configuration of the band-specific power calculation unit 611 included in the band-specific SNR calculation unit 61. Here, an example of equally dividing into M bands having the bandwidth L will be described. Here, L and M are natural numbers that satisfy the relationship K = LM.
The band-specific SNR calculation unit 61 includes M adders 6110.₀~ 6110_M-1Have Degraded voice power spectrum 910 for each frequency supplied from separation section 602 in FIG.₀ ~ 910_K-1 (910₀ ~ 910_ML-1) Is an adder 6110 corresponding to each frequency.₀ ~ 6110_M-1 Is transmitted to each. For example, since the frequency number corresponding to the band number 0 is 0 to L−1, the degraded sound power spectrum 910 for each frequency.₀~ 910_L-1 Is an adder 6110₀Is transmitted to. Further, since the frequency number corresponding to the band number 1 is from L to 2L−1, the degraded voice power spectrum 910 for each frequency._L~ 910_2L-1Is an adder 6110₁Is transmitted to.
[0154]
Adder 6110₀ ~ 6110_M-1 Respectively calculates the sum of the deteriorated speech power spectrum by frequency supplied, and the degraded speech power spectrum by band 911.₀ ~ 911_ML-1(911₀ ~ 911_K-1 ) In the division unit 601 in FIG.₀ ~ 601_K-1 Output to. The calculation result of each adder is output as a degraded voice power spectrum for each frequency for each frequency corresponding to each band number. For example, adder 6110₀ The calculation result of is the degraded voice power spectrum 911 for each band.₀ ~ 911_L-1 Is output as Also, adder 6110₁ The calculation result of is the degraded voice power spectrum 911 for each band._L ~ 911_2L-1Is output as
The configuration and operation of the band-specific power calculation unit 612 are equivalent to those of the band-specific power calculation unit 611, and thus the description thereof is omitted.
[0155]
In addition, although the example which equally divides | segments into a several zone was shown here, the method divided | segmented into the critical zone | band described in "1980, hearing and a voice, IEICE, pages 115-118" (reference 7). , “1983, Multirate Digital Signal Processing, 1983, Prentice-Hall Inc., USA” (Reference 8), and other bands such as the method of dividing into octave bands. It is also possible to use a division method.
[0156]
  (No.4Embodiment)
  FIG. 33 shows the first of the noise removing apparatus of the present invention.4It is a block diagram which shows the whole structure of this embodiment. The difference from the noise removal apparatus shown in FIG. 20 is that the injection noise calculation unit 58 and the adders 56 and 57 are replaced with the SNR correction unit 67. The relationship between FIG. 20 and FIG. 33 is equal to the relationship between FIG. 1 and FIG. 5 and the relationship between FIG. 10 and FIG. 14. A detailed description of the noise removal device is omitted.
[0157]
  (Fifth reference example)
  FIG. 34 shows a noise removing apparatus according to the present invention.5th reference example related toIt is a block diagram which shows the whole structure. The difference from the noise removal apparatus shown in FIG. 20 is that the estimated noise calculation unit 5 is replaced with the estimated noise calculation unit 52 and that the weighted deteriorated speech calculation unit 14 does not exist. Hereinafter, these differences will be mainly described.
[0158]
FIG. 35 is a block diagram showing a configuration of estimated noise calculation unit 52 in FIG. The difference from the estimated noise calculation unit 5 shown in FIG.₀ ~ 504_K-1 Is a frequency-based estimated noise calculation unit 506.₀ ~ 506_K-1 And that the estimated noise calculation unit 52 does not have a weighted deteriorated speech power spectrum in the input signal. This is a frequency-specific estimated noise calculation unit 504.₀ ~ 504_K-1 Requires a frequency-wise weighted degraded speech power spectrum for the input signal, whereas the estimated noise calculator 506₀ ~ 506_K-1 This is because the input signal does not need a weighted degraded sound power spectrum for each frequency. Hereinafter, with reference to FIG. 36, the frequency-specific estimated noise calculation unit 506, which is the difference,₀ ~ 506_K-1 The configuration and operation will be described in detail.
[0159]
36 shows a frequency-specific estimated noise calculation unit 506 included in the estimated noise calculation unit 52 shown in FIG.₀ ~ 506_K-1 It is a block diagram which shows the structure of these. The difference from the frequency-specific estimated noise calculation unit 504 shown in FIG. 25 is that the frequency-specific estimated noise calculation unit 506 does not have a frequency-dependent weighted degraded speech power spectrum in the input signal, and a division unit 5041, A non-linear processing unit 5042 and a multiplier 5043. Hereinafter, these differences will be mainly described.
[0160]
The division unit 5041 divides the degraded speech power spectrum for each frequency supplied from the separation unit 502 in FIG. 35 by the estimated noise power spectrum of the previous frame supplied from the estimated noise storage unit 5942, and the division result is a non-linear processing unit. Output to 5042. A non-linear processing unit 5042 having the same configuration and function as the non-linear processing unit 1485 shown in FIG. 22 calculates a weighting factor corresponding to the output value of the division unit 5041, and outputs it to the multiplier 5043. Multiplier 5043 calculates the product of the frequency-specific degraded speech power spectrum supplied from separation unit 502 in FIG. 35 and the weighting coefficient supplied from nonlinear processing unit 5042, and outputs the product to switch 5044.
[0161]
The output signal of the multiplier 5043 is equivalent to the frequency-dependent weighted deteriorated speech power spectrum in the frequency-specific estimated noise calculator 504 shown in FIG. That is, the frequency-dependent weighted degraded speech power spectrum can be calculated inside the frequency-specific estimated noise calculation unit 506. Therefore, in the noise removal apparatus shown in FIG. 34, the weighted deteriorated speech calculation unit 14 can be omitted.
[0162]
  (No.5Embodiment)
  FIG. 37 shows the first of the noise removing apparatus of the present invention.5It is a block diagram which shows the whole structure of this embodiment. The difference from the noise removal apparatus shown in FIG. 34 is that the injection noise calculation unit 58 and the adders 56 and 57 are replaced with the SNR correction unit 67. The relationship between FIGS. 34 and 37 is equal to the relationship between FIGS. 1 and 5, the relationship between FIGS. 10 and 14, and the relationship between FIGS. 20 and 33. For the SNR correction unit 67, refer to FIGS. 15 and 14. Since it demonstrated, the detailed description regarding the noise removal apparatus shown in FIG. 37 is abbreviate | omitted.
[0163]
  (Sixth reference example)
  FIG. 38 shows a noise removing apparatus according to the present invention.6th reference example related toIt is a block diagram which shows the whole structure. Since the noise removal apparatus shown in FIG. 20 is the same except for the estimated innate SNR calculation unit 71, the difference will be described in detail below.
  FIG. 39 is a block diagram showing the configuration of the estimated innate SNR calculation unit 71 in FIG. The estimated innate SNR calculation unit 7 shown in FIG. 57 has an acquired SNR storage unit 702, a suppression coefficient storage unit 703, and multiple multiplication units 705 and 704, whereas the estimated innate SNR calculation unit 71 replaces these. , An estimated noise storage unit 712, an enhanced speech power spectrum storage unit 713, a frequency-specific SNR calculation unit 715, and a multiple multiplication unit 716. Further, the estimated innate SNR calculator 7 has a suppression coefficient in the input signal, but the estimated innate SNR calculator 71 has an enhanced speech amplitude spectrum and an estimated noise power spectrum in the input signal instead of the suppression coefficient. Hereinafter, a detailed description will be given focusing on these differences existing between the estimated innate SNR calculation units 7 and 71.
[0164]
Multiplex multiplier 716 provides enhanced speech amplitude spectrum | X supplied from multiple multiplier 16 in FIG._n(k) | Bar = G_n(k) Bar | Y_n(k) | is squared for each frequency to obtain an emphasized speech power spectrum and outputs it to the enhanced speech power spectrum storage unit 713. The configuration of the multiplex multiplier 716 is the same as that of the multiplex multiplier 17 already described with reference to FIG.
The enhanced speech power spectrum storage unit 713 stores the enhanced speech power spectrum supplied from the multiple multiplier 716 and outputs the enhanced speech power spectrum supplied one frame before to the SNR calculator 715 for each frequency.
The estimated noise storage unit 712 is an estimated noise power spectrum λ supplied from the estimated noise calculation unit 5 in FIG._n(k) is stored, and the estimated speech power spectrum supplied one frame before is output to the SNR calculator 715 for each frequency.
[0165]
The frequency-specific SNR calculation unit 715 receives the enhanced speech power spectrum G supplied from the enhanced speech power spectrum storage unit 713._n-1 ²(K) Bar ・ | Y_n-1(k) |² And the estimated noise power spectrum λ supplied from the estimated noise storage unit 712_n-1The SNR of (k) is calculated for each frequency and output to the multiple weighted addition unit 707. Since the configuration of the frequency-specific SNR calculation unit 715 is the same as that of the frequency-specific SNR calculation unit 6 already described with reference to FIG. 56, detailed description thereof is omitted.
G, which is the output of the frequency-specific SNR calculator 715_n-1 ²(K) Bar ・ | Y_n-1(k) |² / Λ_n-1(k) is γ which is the output of the multiple multiplier 705 in FIG._n-1(k) G_n-1 ²(K) Equivalent to bar. Accordingly, it is possible to replace the estimated innate SNR calculation unit 7 included in the noise removal apparatus shown in FIG.
[0166]
  (No.6Embodiment)
  FIG. 40 shows the first embodiment of the noise removing apparatus of the present invention.6It is a block diagram which shows the whole structure of this embodiment. The difference from the noise removal apparatus shown in FIG. 38 is that the injection noise calculation unit 58 and the adders 56 and 57 are replaced with the SNR correction unit 67. The relationship between FIGS. 38 and 40 is equal to the relationship between FIGS. 1 and 5, the relationship between FIGS. 10 and 14, the relationship between FIGS. 20 and 33, and the relationship between FIGS. 34 and 37. Since it demonstrated with reference to FIG.15 and 14, detailed description regarding the noise removal apparatus shown in FIG. 40 is abbreviate | omitted.
[0167]
  (Seventh reference example)
  FIG. 41 shows a noise removing apparatus according to the present invention.7th reference example related toIt is a block diagram which shows the whole structure. The difference from the noise removal apparatus shown in FIG. 20 is that the estimated noise calculator 5 is replaced with the estimated noise unit 52, and the estimated innate SNR calculator 7 is replaced with the estimated innate SNR calculator 71. That is, there is no weighted deteriorated voice calculation unit 14. The configuration and operation of the estimated noise unit 52 are the same as those described with reference to FIGS. The configuration and operation of the estimated innate SNR calculation unit 71 are the same as described with reference to FIG. Therefore, the noise removal apparatus shown in FIG. 41 realizes a function equivalent to the noise removal apparatus shown in FIG.
[0168]
  (No.7Embodiment)
  FIG. 42 shows the first embodiment of the noise removing apparatus of the present invention.7It is a block diagram which shows the whole structure of this embodiment. The difference from the noise removal apparatus shown in FIG. 41 is that the injection noise calculation unit 58 and the adders 56 and 57 are replaced with the SNR correction unit 67. The relationship between FIGS. 41 and 42 is the relationship between FIGS. 1 and 5, the relationship between FIGS. 10 and 14, the relationship between FIGS. 20 and 33, the relationship between FIGS. 34 and 37, and the relationship between FIGS. Equally, since the SNR correction unit 67 has been described with reference to FIGS. 15 and 14, a detailed description of the noise removal apparatus shown in FIG. 42 is omitted.
[0169]
  (Eighth reference example)
  FIG. 43 shows a noise removing apparatus according to the present invention.8th reference example related toIt is a block diagram which shows the whole structure. The difference from the noise removal apparatus shown in FIG. 20 is that the estimated noise calculation unit 5 is replaced with the estimated noise calculation unit 53 and that the voice detection unit 4 does not exist. That is, the voice detection unit is not required for noise estimation. Hereinafter, these differences will be mainly described.
  FIG. 44 is a block diagram showing the configuration of the estimated noise calculation unit 53 in FIG. The difference from the estimated noise calculation unit 5 shown in FIG.₀ ~ 504_K-1 Is a frequency-specific estimated noise calculator 508.₀ ~ 508_K-1 And that the estimated noise calculation unit 53 does not have a voice detection flag in the input signal. Referring to FIG. 45, the frequency-specific estimated noise calculator 508₀ ~ 508_K-1 The configuration and operation will be described in detail.
[0170]
45 shows a frequency-specific estimated noise calculation unit 508 included in the estimated noise calculation unit 53 shown in FIG.₀ ~ 508_K-1 It is a block diagram which shows the structure of these. The difference from the frequency-based estimated noise calculation unit 504 shown in FIG. 25 is that the update determination unit 520 is replaced with the update determination unit 522 and 508.₀ ~ 508_K-1 Is that the input signal does not have a voice detection flag.
46 is a block diagram illustrating a configuration of the update determination unit 522 included in the frequency-specific estimated noise calculation unit 508 illustrated in FIG. 26 is different from the update determination unit 520 shown in FIG. 26 in that the logical sum calculation unit 5201 is replaced with a logical sum calculation unit 5221, the update determination unit 522 does not have the logical negation circuit 5202, The signal does not have a voice detection flag. That is, the update determination unit 522 does not use the voice detection flag for updating the estimated noise. This is different from the update determination unit 520 shown in FIG.
[0171]
The logical sum calculation unit 5221 calculates the logical sum of the output value of the comparison unit 5205 and the output value of the comparison unit 5203, and outputs the calculation result to the switch 5044, the shift register 5045, and the counter 5049 in FIG. That is, the update determination unit 522 always outputs “1” until the count value reaches a preset value, and after reaching the count value, outputs “1” when the deteriorated voice power is smaller than the threshold value. .
As described with reference to FIG. 26, the comparison unit 5205 determines whether or not the deteriorated voice signal is noise. That is, it can be said that the comparison unit 5205 performs voice detection for each frequency. Therefore, it is possible to realize an update determination unit and an estimated noise calculation unit that do not have the voice detection flag in the input signal.
[0172]
  (No.8Embodiment)
  FIG. 47 shows the first of the noise removing apparatus of the present invention.8It is a block diagram which shows the whole structure of this embodiment. The difference from the noise removal apparatus shown in FIG. 43 is that the injection noise calculation unit 58 and the adders 56 and 57 are replaced with the SNR correction unit 67. 43 and 47 are the relationship between FIGS. 1 and 5, the relationship between FIGS. 10 and 14, the relationship between FIGS. 20 and 33, the relationship between FIGS. 34 and 37, the relationship between FIGS. 38 and 40, and Since the SNR correction unit 67 has been described with reference to FIGS. 15 and 14 in the same manner as in FIGS. 41 and 42, a detailed description of the noise removal apparatus shown in FIG. 47 is omitted.
[0173]
20, 33, 34, 37, 38, 40 to 43, and 47, instead of the deteriorated speech signal corresponding to the relationship between FIGS. 10 and 12 and FIGS. 14 and 17. Although it is possible to selectively inject noise using a degraded speech power spectrum, the configuration is clear and the details are omitted.
[0174]
In all the embodiments described so far, the minimum mean square error short-time spectrum amplitude method has been assumed as a noise removal method, but it can also be applied to other methods. As an example of such a method, “December 1979, Proceedings of the IEE, Vol. 67, No. 12 (PROCEEDINGS OF THE IEEE, VOL.67, NO.12, PP.1586-1604, DEC, 1979), pages 1586 to 1604 "(Reference 9) and the" Wiener filter method "published in April 1979, IEE Transactions on Axetics.・ Speech and Signal Processing, Vol. 27, No. 2 (IEEE TRANSACTIONS ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, VOL.27, NO.2, PP.113-120, APR, 1979), 113-120 There is a spectrum subtraction method disclosed in “Page” (Reference 10), and the detailed configuration example thereof will not be described.
[0175]
With regard to the schematic operation of the spectral subtraction method disclosed in Document 10, for example, FIGS. 43 and 47 can be referred to. 43 and 47, if the multiple multiplier 16 is replaced with a multiple subtractor, the noise suppression coefficient generator 8 is replaced with a noise suppression amount calculator, and the suppression coefficient corrector 15 is replaced with a suppression amount corrector, the operation based on the spectral subtraction method is performed. Can be realized. In the multiple subtraction unit, the emphasized speech can be obtained by subtracting the corrected noise suppression amount from the degraded speech amplitude spectrum and performing inverse Fourier transform on the obtained result. Here, an example has been described in which the SNR is calculated and then the noise suppression amount is calculated based on the SNR. However, the estimated noise obtained by the estimated noise calculation unit 53 can be directly subtracted from the degraded speech amplitude spectrum. .
[0176]
【The invention's effect】
As described above, in the present invention, pseudo noise is generated based on the input signal, and the suppression coefficient obtained by injecting the pseudo noise is used. By injecting the above-mentioned pseudo noise when determining the suppression coefficient, the suppression coefficient derived assuming the background noise according to a specific statistical model is corrected according to the input signal, and noise that does not follow the statistical model is corrected. It can be effectively removed. Therefore, it is possible to obtain emphasized speech with sufficiently high quality against any background noise.
[0177]
In the present invention, a windowing process is performed on the time domain signal obtained by converting the emphasized speech in the frequency domain. When two adjacent frames of a time domain signal converted from frequency domain emphasized speech are superimposed and added, even if the signal sample that is the target of the superposition addition is suppressed with a different suppression coefficient value in each frame, By windowing each frame to reduce the amplitude of the signal samples at the frame boundaries, the continuity of the signal samples at the frame boundaries can be improved. Thereby, generation | occurrence | production of noise can be prevented and deterioration of the sound quality by noise can be reduced.
[Brief description of the drawings]
FIG. 1 is a noise removal device of the present invention.First reference example related toIt is a block diagram which shows the whole structure.
FIG. 2 is a block diagram showing a first configuration of an injection noise calculation unit included in the noise removal apparatus shown in FIG. 1;
FIG. 3 is a diagram illustrating an example of a relationship between SNR and injection noise.
FIG. 4 is a diagram illustrating an example of a characteristic of a suppression coefficient with respect to an SNR.
FIG. 5 shows a first embodiment of the noise removing device of the present invention1It is a block diagram which shows the whole structure of this embodiment.
6 is a block diagram showing a first configuration of an SNR correction unit included in the noise removal device shown in FIG. 5. FIG.
7 is a block diagram showing a configuration of a corrected SNR calculation unit included in the SNR correction unit shown in FIG. 6;
FIG. 8 is a block diagram showing a second configuration of the SNR correction unit.
9 is a block diagram showing a configuration of a corrected SNR calculation unit included in the SNR correction unit shown in FIG.
FIG. 10 is a noise removal device of the present invention.Second reference example related toIt is a block diagram which shows the whole structure.
FIG. 11 is a block diagram showing a second configuration of an injection noise calculation unit.
FIG. 12 is a noise removal device of the present invention.Third reference example related toIt is a block diagram which shows the whole structure.
FIG. 13 is a block diagram showing a third configuration of an injection noise calculation unit.
FIG. 14 shows a first embodiment of the noise removing apparatus according to the present invention.2It is a block diagram which shows the whole structure of this embodiment.
FIG. 15 is a block diagram showing a third configuration of the SNR correction unit.
FIG. 16 is a block diagram showing a fourth configuration of an injection noise calculation unit.
FIG. 17 shows a first embodiment of the noise removing device of the present invention.3It is a block diagram which shows the whole structure of this embodiment.
FIG. 18 is a block diagram showing a fourth configuration of the SNR correction unit.
FIG. 19 is a block diagram showing a fifth configuration of the injection noise calculation unit.
FIG. 20 is a noise removal device of the present invention.4th reference example related toIt is a block diagram which shows the whole structure.
FIG. 21 is a block diagram illustrating a configuration of a weighted deteriorated speech calculation unit included in the noise removal device illustrated in FIG. 20;
22 is a block diagram showing a configuration of a multiple nonlinear processing unit included in the weighted deteriorated speech calculation unit shown in FIG. 21. FIG.
FIG. 23 is a diagram illustrating an example of a nonlinear function in a nonlinear processing unit.
24 is a block diagram showing a first configuration of an estimated noise calculation unit included in the noise removal apparatus shown in FIG.
25 is a block diagram showing a first configuration of a frequency-specific estimated noise calculator included in the estimated noise calculator shown in FIG. 24. FIG.
26 is a block diagram showing a configuration of an update determination unit included in the frequency-specific estimated noise calculation unit shown in FIG.
FIG. 27 is a block diagram showing a second configuration of the frequency-specific estimated noise calculator.
FIG. 28 is a block diagram illustrating a configuration of a suppression coefficient correction unit included in the noise removal device illustrated in FIG.
29 is a block diagram showing a configuration of a frequency-specific suppression coefficient correction unit included in the suppression coefficient correction unit shown in FIG. 28. FIG.
FIG. 30 is a block diagram illustrating a second configuration of the noise suppression coefficient generation unit.
FIG. 31 is a block diagram showing a second configuration of the frequency-specific SNR calculator.
32 is a block diagram illustrating a configuration of a band-specific power calculation unit included in the frequency-specific SNR calculation unit illustrated in FIG. 31;
FIG. 33 shows the first of the noise removal apparatus of the present invention.4It is a block diagram which shows the whole structure of this embodiment.
FIG. 34 is a noise removal device of the present invention.5th reference example related toIt is a block diagram which shows the whole structure.
FIG. 35 is a block diagram illustrating a second configuration of the estimated noise calculation unit.
36 is a block diagram showing a configuration of a frequency-specific estimated noise calculation unit included in the estimated noise calculation unit shown in FIG. 35;
FIG. 37 shows the first of the noise removal apparatus of the present invention.5It is a block diagram which shows the whole structure of this embodiment.
FIG. 38 shows a noise removing apparatus according to the present invention.6th reference example related toIt is a block diagram which shows the whole structure.
39 is a block diagram illustrating a configuration of an estimated innate SNR calculation unit included in the noise removal device illustrated in FIG. 38.
FIG. 40 shows a first embodiment of the noise removing apparatus according to the present invention.6It is a block diagram which shows the whole structure of this embodiment.
FIG. 41 is a noise removal device of the present invention.7th reference example related toIt is a block diagram which shows the whole structure.
FIG. 42 shows a first embodiment of the noise removing device of the present invention.7It is a block diagram which shows the whole structure of this embodiment.
FIG. 43 is a noise removal device of the present invention.8th reference example related toIt is a block diagram which shows the whole structure.
FIG. 44 is a block diagram showing a third configuration of the estimated noise calculation unit.
45 is a block diagram showing a configuration of a frequency-specific estimated noise calculator included in the estimated noise calculator shown in FIG. 44. FIG.
46 is a block diagram showing a configuration of an update determination unit included in the frequency-specific estimated noise calculation unit shown in FIG. 45. FIG.
FIG. 47 is a first diagram of the noise removal apparatus according to the present invention.8It is a block diagram which shows the whole structure of this embodiment.
FIG. 48 is a block diagram showing an overall configuration of a conventional noise removing device.
FIG. 49 is a block diagram illustrating a configuration of a voice detection unit included in a conventional noise removal device.
50 is a block diagram showing a configuration of a power calculation unit included in the voice detection unit shown in FIG. 49. FIG.
51 is a block diagram illustrating a configuration of a weighted addition unit included in the voice detection unit illustrated in FIG. 49. FIG.
FIG. 52 is a block diagram showing a configuration of a multiple multiplier included in a conventional noise removal apparatus.
FIG. 53 is a block diagram illustrating a configuration of an estimated noise calculation unit included in a conventional noise removal device.
54 is a block diagram showing a configuration of a frequency-specific estimated noise calculator included in the estimated noise calculator shown in FIG. 53. FIG.
55 is a block diagram showing a configuration of an update determination unit included in the frequency-specific estimated noise calculation unit shown in FIG. 54. FIG.
FIG. 56 is a block diagram illustrating a configuration of a frequency-specific SNR calculation unit included in a conventional noise removal apparatus.
FIG. 57 is a block diagram illustrating a configuration of an estimated innate SNR calculation unit included in a conventional noise removal device.
58 is a block diagram showing a configuration of a multi-value range limiting processing unit included in the estimated innate SNR calculation unit shown in FIG. 57. FIG.
59 is a block diagram showing a configuration of a multi-weighted addition unit included in the estimated innate SNR calculation unit shown in FIG.
FIG. 60 is a block diagram illustrating a configuration of a noise suppression coefficient generation unit included in a conventional noise removal device.
61 is a block diagram showing a configuration of a suppression coefficient search unit included in the noise suppression coefficient generation unit shown in FIG. 60. FIG.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 ... Frame division part, 2,22 ... Window processing part, 3 ... Fourier transform part, 4 ... Audio | voice detection part, 5,51,52,53 ... Estimated noise calculation part, 6,61,715,1402 ... By frequency SNR calculation unit, 7, 71 ... Estimated innate SNR calculation unit, 8, 81 ... Noise suppression coefficient generation unit, 9 ... Inverse Fourier transform unit, 10 ... Frame synthesis unit, 11 ... Input terminal, 12 ... Output terminal, 13, 5049: Counter, 14: Weighted deteriorated speech calculation unit, 15: Suppression coefficient correction unit, 16, 17, 704, 705, 716, 1404 ... Multiplexing unit, 55, 58, 59, 662, 672, 682, 6542 ... Injection noise calculation unit, 56, 57, 708, 4063, 4072, 4074, 5046, 6110₀ ~ 6110_M-1 , 6543, 6544 ... adders, 65, 66, 67, 68 ... SNR correction units, 401, 1593, 5204, 5206 ... threshold storage units, 402, 1594, 5203, 5205, 67233 ... comparison units, 404, 4075 ... constants Multiplier, 405... Logarithm calculation unit, 406... Power calculation unit, 407, 5071, 7071₀ ~ 7071_K-1 ... weighted addition unit, 408, 706, 5072 ... weight storage unit, 409, 5202 ... logic negation circuit, 502, 505, 602, 603, 802, 803, 1495, 1502, 1503, 1702, 1703, 4061, 503 604, 655, 804, 1475, 1504, 1704, 6115, 7014, 7075 ... multiplexing unit, 504₀ ~ 504_K-1 506₀ ~ 506_K-1 , 507, 508₀ ~ 508_K-1 514₀ ~ 514_K-1 ... Estimated noise calculation unit by frequency, 520, 521, 522 ... Update determination unit, 551 ... SNR calculation unit, 552, 6541 ... Threshold calculation unit, 553, 6721 ... Injection level calculation unit, 581, 67232 ... Zero crossover calculation , 582, 1595, 5044, 6722 ... switch, 591, 68232 ... high frequency power calculation unit, 601₀ ~ 601_K-1 , 5041, 5048, 6545 ... division unit, 611, 612 ... power calculation unit for each frequency, 651, 652, 653, 6111, 7013, 7072, 7074 ... separation unit, 654₀ ~ 654_K-1 664₀ ~ 664_K-1 ... corrected SNR calculation unit, 661, 663 ... average value calculation unit, 701 ... multi-range limitation processing unit, 702 ... acquired SNR storage unit, 703 ... suppression coefficient storage unit, 707 ... multi-weighted addition unit, 712, 1401, 5942 ... Estimated noise storage unit, 713 ... Enhanced speech power spectrum storage unit, 801₀ ~ 801_K-1 ... suppression coefficient search unit, 811 ... MMSE STSA gain function value calculation unit, 812 ... generalized likelihood ratio calculation unit, 813 ... speech existence probability storage unit, 814 ... suppression coefficient calculation unit, 901 ... degraded speech power, 902 ... threshold value 903, 923, weight, 904, update threshold value, 905, weighted adder control signal, 910₀ ~ 910_K-1 , 910₀ ~ 910_ML-1... Decreased voice power spectrum by frequency, 911₀ ~ 911_K-1 , 911₀ ~ 911_ML-1... Degraded voice power spectrum by band, 921 ... Instantaneous estimated SNR, 921₀ ~ 921_K-1 ... Instantaneous estimated SNR by frequency, 922 ... Past estimated SNR, 922₀ ~ 922_K-1 ... past estimated SNR by frequency, 924 ... estimated innate SNR, 924₀ ~ 924_K-1 ... Estimated innate SNR by frequency, 1405 ... Multiple nonlinear processing unit, 1485₀ ~ 1485_K-1 , 5042... Nonlinear processing unit, 1501₀ ~ 1501_K-1 ... Frequency-specific suppression coefficient correction units, 1591, 7012₀ ~ 7012_K-1 ... maximum value selection unit, 1592 ... suppression coefficient lower limit value storage unit, 1596 ... correction amount storage unit, 1597, 1701₀ ~ 1701_K-1 , 4062₀ ~ 4062_K-1 , 4071, 4073, 5043 ... multipliers, 5045 ... shift register, 5047 ... minimum value selection unit, 5201, 5211, 5221 ... logical sum calculation unit, 5207 ... threshold value calculation unit, 5941 ... register length storage unit, 6723, 6823 ... Determination unit, 7011 ... constant storage unit, 8011 ... suppression coefficient table, 8012, 8013 ... address conversion unit, 67231 ... silent section detection unit.

Claims (12)

An input signal is converted into a frequency domain signal, noise is estimated using the frequency domain signal, a signal-to-noise ratio is obtained using the noise and the frequency domain signal, and a suppression coefficient is calculated based on the signal-to-noise ratio. In the noise removal method of obtaining an output signal obtained by removing noise from the input signal by weighting the frequency domain signal using the suppression coefficient and converting the weighted frequency domain signal into a time domain signal ,
Determining the suppression coefficient comprises:
Obtaining a sum signal using the noise and the frequency domain signal, recalculating the signal-to-noise ratio using the sum of the sum signal and the frequency domain signal, and the sum of the sum signal and the noise; The signal-to-noise ratio is corrected by using the recalculated signal-to-noise ratio instead of the signal-to-noise ratio, and the suppression coefficient is determined based on the corrected signal-to-noise ratio. To remove noise. In the noise removal method of Claim 1,
The noise removal method according to claim 1, wherein the sum signal is determined to be large when the signal-to-noise ratio is low and the noise is large . In the noise removal method in any one of Claim 1 or 2,
A noise removing method, wherein the signal-to-noise ratio is corrected when the stationary state of the input signal is low. In the noise removal method in any one of Claims 1-3,
A noise removal method, wherein the signal-to-noise ratio is corrected when the number of zero crossings where the amplitude of the input signal becomes zero is large. In the noise removal method in any one of Claims 1-3,
A noise removal method comprising correcting the signal-to-noise ratio when high frequency power of the frequency domain signal obtained by converting the input signal is large. In the noise removal method in any one of Claims 1-5,
Estimating the noise comprises:
The frequency domain signal obtained by transforming the input signal is weighted with a small weight when the signal-to-noise ratio is high and with a large weight when the signal-to-noise ratio is low, and noise is generated based on the weighted frequency-domain signal. A noise removal method characterized by estimating. In the noise removal method in any one of Claims 1-6,
The step of weighting the frequency domain signal using the suppression coefficient comprises:
Based on the frequency domain signal, the suppression coefficient is corrected when the signal-to-noise ratio is low, the correction result or the suppression coefficient is compared with a predetermined lower limit value, and the larger value is the suppression value. A noise removal method comprising: correcting the suppression coefficient by replacing with a coefficient, and weighting the frequency domain signal using the corrected suppression coefficient. A conversion unit that converts an input signal into a frequency domain signal and separates and outputs an amplitude component and a phase component;
A first signal-to-noise ratio calculation unit that obtains and outputs a first signal-to-noise ratio using the amplitude component of the frequency domain signal;
An estimated noise calculator that estimates and outputs noise included in the frequency domain signal based on the amplitude component of the frequency domain signal;
A signal-to-noise ratio correction unit that corrects the first signal-to-noise ratio using the noise and the amplitude component of the frequency domain signal, and outputs the corrected signal-to-noise ratio;
A noise suppression coefficient generator that determines and outputs a suppression coefficient based on the correction signal-to-noise ratio;
A first multiplier that weights and outputs an amplitude component of the frequency domain signal using the suppression coefficient;
An inverse conversion unit that converts the amplitude component of the frequency domain signal weighted by the first multiplication unit and the phase component of the frequency domain signal into a time domain signal and outputs the time domain signal;
Comprising at least
The signal-to-noise ratio correction unit includes an injection noise calculation unit that calculates and outputs an addition signal using the noise and an amplitude component of the frequency domain signal, and the sum of the addition signal and the frequency domain signal and the Recalculate the signal-to-noise ratio using the sum of the sum signal and the noise, and output the corrected signal-to-noise ratio by using the recalculated signal-to-noise ratio instead of the signal-to-noise ratio A noise removing device characterized by the above. The noise removal device according to claim 8, wherein
The signal-to-noise ratio correction unit is
When the input signal is input, the number of zero crossings at which the amplitude of the input signal becomes zero is calculated.When the number of zero crossings is large, the correction signal-to-noise ratio is calculated.When the number of zero crossings is small, the number of zero crossings is calculated. A determination unit that outputs a control signal for outputting the first signal-to-noise ratio from the signal-to-noise ratio correction unit;
A switch for selectively setting the correction signal-to-noise ratio to the same value as the first signal-to-noise ratio before correction according to the control signal input from the determination unit. apparatus. The noise removal device according to claim 8, wherein
The signal-to-noise ratio correction unit calculates the high frequency power of the amplitude component of the frequency domain signal input from the conversion unit, and according to the calculation result, when the high frequency power is large, the correction signal to noise ratio A determination unit that outputs a control signal for causing the first signal-to-noise ratio to be output from the signal-to-noise ratio correction unit when it is small;
A switch for selectively setting the correction signal-to-noise ratio to the same value as the first signal-to-noise ratio before correction according to the control signal input from the determination unit. apparatus. The noise removal device according to claim 10, wherein
A second signal-to-noise ratio calculator that calculates and outputs a second signal-to-noise ratio using the amplitude component of the frequency domain signal;
The second signal-to-noise ratio input from the second signal-to-noise ratio calculator is determined by a non-linear function to obtain a small weight when the signal-to-noise ratio is high and a large weight when the signal-to-noise ratio is low. Output a nonlinear processing unit,
A weighted degraded speech calculation unit including a second multiplication unit that weights the amplitude component of the frequency domain signal using the weight input from the nonlinear processing unit and outputs the weighted component to the estimated noise calculation unit; And
The estimated noise calculation unit estimates the noise based on the weighted amplitude component instead of the frequency domain signal. In the noise removal apparatus in any one of Claims 8-11,
The suppression coefficient input from the noise suppression coefficient generation unit to the first multiplication unit is corrected based on the frequency domain signal when the first signal-to-noise ratio is low, and the correction result or the A suppression coefficient correction unit that compares the suppression coefficient with a predetermined lower limit value, corrects a larger value by replacing the suppression coefficient, and inputs the corrected suppression coefficient to the first multiplication unit; A noise removing apparatus comprising:

Images