JP4551817B2 - ノイズレベル推定方法及びその装置 - Google Patents

Description

本発明は、入力音声信号の伝送を行う電話機、無線機等の音声通信システムや、音声録音装置、音声認識装置等の音声信号処理を伴う方法や装置等に用いられるノイズレベル推定方法及びその装置に関するものである。

従来、例えば、次のような装置（ａ）〜（ｃ）等において、バックグラウンドノイズレベルの推定方法や推定装置が有用である。

（ａ） 電話機・無線機
音声通信システムでは、有音区間の信号のみを伝送したり、有音区間と無音区間で符号化ビット分配量を切り換えたりすることで、伝送コストを削減することができる。有音区間の検出精度向上のために、バックグラウンドノイズレベルに応じて適応的に有音検出用の閾値を算出することにより、伝送効率や通話品質の向上が可能となる。

又、エコー抑制装置で用いられる非線形プロセッサ（Non Linear Processor；ＮＬＰ）や、有音・無音を切り換え伝送する伝送器（Voice Operated Transmitter；ＶＯＸ）処理により生じる無音区間にコンフォートノイズ（comfort noise、快適ノイズ）を加算することにより、通話の不自然さや不快感を軽減することができる。そのためには、バックグラウンドノイズレベルに応じたコンフォートノイズ加算レベルの調整が必要となる。

（ｂ） 音声録音装置
半導体メモリに音声を録音する装置では、無音区間の信号は符号化せずにその継続時間だけを記録したり、有音区間と無音区間で符号化ビット分配量を切り換えたりすることで、効率よく半導体モリを使用することができる。音声通信システムと同様に、バックグラウンドノイズレベルに応じて適応的に有音検出用の閾値を算出することにより、半導体メモリ搭載容量の削減が可能となる。

（ｃ） 音声認識装置
音声認識装置においても、バックグラウンドノイズレベルに応じて適応的に有音検出用の閾値を算出することにより、音声認識率の向上が可能となる。

このような用途に用いられる従来のノイズレベル推定装置としては、例えば、次のような文献に記載されるものがあった。

特開平１０−９１１８４号公報（図４）

図８は、特許文献１の図４に記載された従来のノイズレベル推定装置を示す構成図である。

このノイズレベル推定装置は、マイクロフォン等から音声信号ｉｎを入力する入力端子１を有し、この入力端子１に、パワー算出器（電力算出器）２、閾値算出器３、これらの算出器２，３を制御する音声検出器４、有音／無音判定信号ｏｕｔを出力する出力端子５、及び算出された平均パワーＰを出力する出力端子６が接続されている。

この種のノイズレベル推定装置では、パワー算出器２において、入力音声信号ｉｎの短時間における移動平均又は平滑値から平均パワーＰを算出し、閾値算出器３へ出力する。閾値算出器３では、平均パワーＰに一定値を加えた閾値Ｐｔを音声検出器４へ出力する。音声検出器４では、入力音声信号ｉｎのパワーと閾値Ｐｔとを比較し、入力音声信号ｉｎのパワーが閾値Ｐｔを超えると有音であると判定し、この判定結果である有音／無音判定信号ｏｕｔを出力端子５へ出力し、パワー算出器２と閾値算出器３の更新動作を停止する。従って、パワー算出器２から出力される平均パワーＰは、無音と判定された区間のみのパワーを算出するので、この平均パワーＰはバックグラウンドノイズのレベルを示すと推定され得る。

しかしながら、従来の図８のレベル推定装置では、パワー算出器２において過去の情報を用いた移動平均や平滑値演算によって算出された平均パワーＰの値が、過去の情報を引きずって緩やかに推移するため、例え語句の間にわずかな区間のバックグラウンドノイズレベルが存在しても、平均パワーＰの値がバックグラウンドノイズレベルまで十分低下せず、バックグラウンドノイズレベルを検出し損ねる可能性があるという課題や、無音区間が正しく検出されなければバックグラウンドノイズレベルも正しく推定できないという課題があった。

又、音声検出器４の精度を高めるために、高速フーリエ変換（Fast Fourier Transform；ＦＦＴ）や線形予測分析法（Linear Predictive Coding；ＬＰＣ）等のスペクトルを取り扱った方法も提案されているが、図８の構成のように入力音声信号ｉｎのパワーを閾値Ｐｔと比較する方法に比べて、回路規模、若しくは計算量が明らかに増大するという課題があった。

本発明は、前記課題を解決して従来のような音声検出器を必要とせず、簡単且つ容易にノイズレベルを推定するノイズレベル推定方法及びその装置を提供することを目的とする。

前記課題を解決するために、本発明のノイズレベル推定方法及びその装置では、短時間フレームとこの短時間フレームの複数の集合からなる長時間フレームとを用い、前記短時間フレーム毎に入力音声信号の短時間パワーをそれぞれ算出し、前記長時間フレームにおいて前記算出された複数の短時間パワーのうちの最小の短時間パワーを算出し、前記算出された最小の短時間パワーを、前記入力音声信号に対するノイズレベルとして推定している。

更に、推定されたノイズレベルより小さい前記入力音声信号のレベルの短時間パワーが検出されると、この検出された短時間パワーで前記ノイズの推定レベルを更新している。

本発明によれば、従来のような音声検出器を必要としないため、音声検出器の検出結果に依存しない高精度なノイズレベルの推定ができる。従来、音声検出器の精度を高めるために種々提案されてきた方法が不要となり、小さい回路規模、若しくは少ない計算量でノイズレベルの推定ができる。しかも、本発明では、例えば、長時間フレームを超えるような連続した音声が入力され続けたとしても、通常、語句の間に少なくとも短時間フレーム程度の無音声区間が存在するという特徴を有効に利用しているため、或る長時間フレームにおける最小の短時間パワーをノイズレベルとして推定することができるのであるが、短時間パワーを短時間フレームに閉じてその都度算出するので、最小の短時間パワーを有する短時間フレームの前後の短時間フレームに音声信号が含まれていたとしても、推定結果に影響を及ぼすことはない。これにより、語句の間に存在するわずかな区間のノイズレベルを検出できる。

その上、本発明では、或る長時間フレームにおける最小の短時間パワーをノイズレベルと推定するという考えに基づき、現在のノイズの推定レベルを下回る短時間パワーが検出された時点で、この検出結果をノイズの推定レベルとして反映することにより、ノイズレベル推定の追従性がより向上する。

電話機、無線機等の音声通信システムや、音声録音装置、音声認識装置等の音声信号処理等を伴う方法や装置に用いられるノイズレベルの推定方法において、短時間フレームと、この短時間フレームの複数の集合からなる長時間フレームの概念を用いる。そして、短時間フレーム毎に入力音声信号の短時間パワーをそれぞれ算出し、長時間フレームにおいて前記算出された複数の短時間パワーのうちの最小の短時間パワーを算出し、この算出された最小の短時間パワーを、前記入力音声信号に対するノイズレベルとして推定している。

（実施例１の構成）
図１は、本発明の実施例１を示すノイズレベル推定装置の機能ブロック図である。
図１のノイズレベル推定装置は、マイクロフォン等から入力端子１０に入力される音声信号ｘ１のノイズ（例えば、バックグラウンドノイズ）のレベルを推定してこの推定値である出力信号ｙ３を出力端子２０から出力する装置であり、電子回路上で動作するハードウェア（個別回路）により構成、或いは、マイクロコントローラやディジタル信号プロセッサ（Digital Signal Processor；ＤＳＰ）等の上で動作するソフトウェアにより構成されている。

このノイズレベル推定装置は、入力端子１０に接続された絶対値計算手段１１を有し、この絶対値計算手段１１に、乗算手段１２、２入力１出力の加算手段１３、及び初期化手段１４が縦続接続され、この初期化手段１４の出力端子と加算手段１３の入力端子との間に、１サンプル（Ｚ^−１ _１）遅延手段１５が帰還接続されている。

絶対値計算手段１１は、入力された音声信号ｘ１の絶対値を計算するものであり、例えば、ハードウェアによる絶対値計算器、或いは、ソフトウェアによる演算手段により構成されている。乗算手段１２は、絶対値計算手段１１の出力信号に対して所定の値を乗算するものであり、例えば、ハードウェアによる乗算器、或いは、ソフトウェアによる演算手段により構成されている。加算手段１３は、乗算手段１２の出力信号と１サンプル遅延手段１５の出力信号とを加算するものであり、例えば、ハードウェアによる加算器、或いは、ソフトウェアによる演算手段により構成されている。初期化手段１４は、通常は加算手段１３からの入力信号ｕ１をそのまま出力信号ｙ１として出力し、所定サンプル（例えば、１２８サンプル）毎に０を出力するものであり、例えば、ハードウェアによる初期化回路、或いは、ソフトウェアによるリセット手段により構成されている。１サンプル遅延手段１５は、初期化手段１４の出力信号ｙ１を１サンプル（Ｚ^−１ _１）遅延させて加算手段１３に帰還入力することにより、出力信号ｙ１を保持するためのものであり、例えば、ハードウェアによる１サンプル遅延メモリ等、或いは、ソフトウェアによる遅延手段により構成されている。

このような絶対値計算手段１１、乗算手段１２、加算手段１３、初期化手段１４、及び１サンプル遅延手段１５により、入力された音声信号ｘ１のパワー（ｙ１）を算出する第１の算出手段（例えば、パワー算出手段）が構成されている。

初期化手段１４の出力端子には、２入力１出力の比較手段１６が接続され、この比較手段１６の入出力端子間に１サンプル（Ｚ^−１ _２）遅延手段１７が接続されている。これらの比較手段１６及び１サンプル遅延手段１７により、第２の算出手段が構成されている。比較手段１６は、通常は１サンプル遅延手段１７からの入力信号ｕ２をそのまま出力信号ｙ２として出力するが、所定サンプル（例えば、１２８サンプル）毎、即ち初期化手段１４からの短時間パワーの確定値である入力信号ｕ３が入力される毎に入力信号ｕ２とｕ３を比較し、小さい方の値を出力信号ｙ２として出力するものであり、例えば、ハードウェアによる比較回路、或いは、ソフトウェアによる演算手段により構成されている。１サンプル遅延手段１７は、比較手段１６の出力信号ｙ２を１サンプル（Ｚ^−１ _２）遅延させてこの比較手段１６に帰還入力することにより、出力信号ｙ２を保持するためのものであものであり、例えば、ハードウェアによる１サンプル遅延メモリ等、或いは、ソフトウェアによる遅延手段により構成されている。

１サンプル遅延手段１７の出力端子には、２入力１出力の比較手段１８が接続され、この比較手段１８の入出力端子間に１サンプル（Ｚ^−１ _３）遅延手段１９が接続されている。これらの比較手段１８及び１サンプル遅延手段１９により、出力手段が構成されている。比較手段１８は、通常は１サンプル遅延手段１９からの入力信号ｕ５をそのまま出力信号ｙ３として出力端子２０へ出力するが、所定サンプル（例えば、８１９２サンプル）毎、即ち１サンプル遅延手段１７からの長時間フレームの最初のサンプルである入力信号ｕ４が入力されると、これを出力信号ｙ３として出力端子２０へ出力するものであり、例えば、ハードウェアによる比較回路、或いは、ソフトウェアによる演算手段により構成されている。１サンプル遅延手段１９は、比較手段１８の出力信号ｙ３を１サンプル（Ｚ^−１ _３）遅延させてこの比較手段１８に帰還入力することにより、出力信号ｙ３を保持するためのものであり、例えば、ハードウェアによる１サンプル遅延メモリ等、或いは、ソフトウェアによる遅延手段により構成されている。

初期化手段１４及び比較手段１６，１８の制御端子には、サンプルカウント手段２１が接続されている。サンプルカウント手段２１は、サンプリング周期をカウント（計数）して初期化手段１４及び比較手段１６，１８に動作タイミングを知らせるためのタイミング信号ｃを与えるものであり、例えば、ハードウェアによるサンプルカウンタ、或いは、ソフトウェアによるカウント手段により構成されている。

（実施例１のノイズレベル推定方法）
図２は、本実施例１で用いる短時間フレームと長時間フレームの概念を示す図である。
図２では、一例として、１２８サンプル（サンプリング周波数８ｋＨｚの場合は１６ｍｓ）を短時間フレームＰ１の単位長、８１９２（＝１２８×６４）サンプル（サンプリング周波数８ｋＨｚの場合は１０２４ｍｓ）を長時間フレームＰ２の単位長と定義することを前提とする。勿論、この定義に限定されなくてもよい。フレームＰ１，Ｐ２の概念として、ｍ番目の長時間フレームをＰ２［ｍ］と表し、この長時間フレームＰ２［ｍ］におけるｎ番目の短時間フレームをＰ１［ｎ，ｍ］と表すことにする。

以下、このフレームの概念を基に、図３を参照しつつ、図１のノイズレベル推定装置を用いたノイズレベル推定方法を説明する。

図３は、図１のノイズレベル推定装置内の各手段の出力信号を示す波形図であり、横軸が時間、縦軸が信号レベルを表している。

例えば、短時間フレームＰ１［ｎ，ｍ］において入力端子１０から入力される音声信号ｘ１におけるｉ番目（ｉ＝１，２，…，１２８）のディジタル音声信号のサンプルをｘ_{ｉ［ｎ，ｍ］}と表すことにする。入力された各サンプルｘ_{ｉ［ｎ，ｍ］}は、絶対値計算手段１１で絶対値｜ｘ_{ｉ［ｎ，ｍ］}｜が計算され、この絶対値｜ｘ_{ｉ［ｎ，ｍ］}｜に対して乗算手段１２により１／１２８が乗算され、この乗算結果が後段の加算手段１３に入力される。一方、初期化手段１４は、下記の式（１）に従い、通常は加算手段１３からの入力信号ｕ１をそのまま出力信号ｙ１として出力するが、１２８サンプル毎に０を出力する。この出力信号ｙ１は１サンプル遅延手段１５に格納され、次のサンプルで加算手段１３に入力される。なお、１サンプル遅延（Ｚ^−１ _１ ）の初期値は０である。

以上の絶対値計算手段１１、乗算手段１２、加算手段１３、初期化手段１４、及び１サンプル遅延種手段１５により、短時間フレームＰ１［ｎ，ｍ］における下記の式（２）に示す短時間パワーの確定値Ｐ１（ｎ，ｍ）が、１２８サンプル毎に初期化手段１４の出力信号ｙ１として出力される。即ち、初期化手段１４は、図３に示すように、短時間フレームＰ１［ｎ，ｍ］の最後のサンプルで短時間パワーの確定値を出力信号ｙ１として出力する。

比較手段１６は、下記の式（３）に従い、通常は１サンプル遅延手段１７からの入力信号ｕ２をそのまま出力信号ｙ２として出力するが、１２８サンプル毎、即ち初期化手段１４から出力された短時間パワーの確定値が入力信号ｕ３として入力される毎に、入力信号ｕ２とｕ３を比較し、小さい方の値を出力信号ｙ２として出力する。但し、長時間フレームＰ２［ｍ］の最初のサンプル（Ｐ１［１，ｍ］）は、１サンプル遅延（Ｚ^−１ _２）の初期値に等しい値を出力する。なお、１サンプル遅延（Ｚ^−１ _２）の初期値は、１サンプル遅延手段１７のとり得る上限値である。比較手段１６の出力信号ｙ２は、１サンプル遅延手段１７に格納され、次のサンプルで比較手段１６及び比較手段１８に入力される。即ち、出力信号ｙ２は、図３に示すように、長時間フレームＰ２［ｍ］の最初のサンプル（Ｐ１［１，ｍ］）で上限値に初期化され、当該長時間フレームＰ２［ｍ］において最小の短時間パワーが検出されるとその値で更新される。

比較手段１８は、下記の式（４）に従い、通常は１サンプル遅延手段１９からの入力信号ｕ５をそのまま出力信号ｙ３として出力するが、８１９２サンプル（＝１２８×６４）毎、即ち１サンプル遅延手段１７から出力された長時間フレームＰ２［ｍ］（但し、ｍ≧２）の最初のサンプル（Ｐ１［１，ｍ］）が入力されると、この入力信号ｕ４を出力信号ｙ３として出力する。なお、１サンプル遅延（Ｚ^−１ _３）の初期値は０であるため、長時間フレームＰ２［１］の区間は０を出力する。出力信号ｙ３は１サンプル遅延手段１９に格納され、次のサンプルで比較手段１８に入力される。

以上の比較手段１６，１８、及び１サンプル遅延手段１７，１９により、下記の式（５）に示すように、或る長時間フレームＰ２［ｍ］の区間におけるバックグラウンドノイズの推定レベルＰ２（ｍ）が、比較手段１８から出力信号ｙ３として出力端子２０へ出力される。この出力信号ｙ３は、図３に示すように、直前の長時間フレームＰ２［ｍ−１］における出力信号ｙ２を現在の長時間フレームＰ２［ｍ］の区間保持する。

図４は、図１のノイズレベル推定処理を示すフローチャートである。
以下、図４を参照しつつ、図１のノイズレベル推定処理を説明する。

ノイズレベル推定処理が開始されると、ｉ番目の値が１、ｎ番目の値が１、ｍ番目の値が１にそれぞれ初期設定され、出力信号ｙ１が０、出力信号ｙ２がこのｙ２のとり得る上限値ｙ２ｍａｘ、出力信号ｙ３が０になる（ステップＳ１）。入力音声信号ｘ１の短時間フレームＰ１［ｎ，ｍ］におけるｉ番目のサンプルｘ_ｉ［ｎ，ｍ］に対して、絶対値計算手段１１により絶対値｜ｘ_ｉ［ｎ，ｍ］｜が計算され、この計算結果に対して乗算手段１２により１／１２８が乗算され、この乗算結果に対して加算手段１３により出力信号ｙ１が加算され、初期化手段１４から出力信号ｙ１（＝ｙ１＋｜ｘ_ｉ［ｎ，ｍ］｜／１２８）が出力される（ステップＳ２）。初期化手段１４によりｉ＝１２８か否かが判定され、ｉ＜１２８のときには、１サンプル遅延手段１５を介して加算手段１３によりｉに１が加算され（ステップＳ４−１）、ｉ＝１２８になるまで、その加算処理が繰り返される（ステップＳ２，Ｓ３，Ｓ４−１）。

ｉ＝１２８になると、短時間フレームＰ１［ｎ，ｍ］における短時間パワー（ｙ１）が確定し、初期化手段１４から出力信号ｙ１＝０が出力される。短時間パワー（ｙ１）が確定すると、短時間フレーム番号ｎが更新（ｎ＝ｎ＋１）される（ステップＳ４−２）。短時間フレーム更新時に、比較手段１６により出力信号ｙ１とｙ２が比較され（ステップＳ５）、出力信号ｙ１が小さければ、出力信号ｙ２がｙ１で更新される（ステップＳ６）。比較手段１６によりｎ＞６４か否かが判定され（ステップＳ７）、ｎ≦６４のときには、出力信号ｙ２の前記更新処理が繰り返される（Ｓ１０，Ｓ２〜Ｓ７）。

ｎ＞６４になると、比較手段１８により、短時間フレーム６４個で長時間フレーム番号ｍが更新される（ステップＳ８）。この長時間フレーム更新時に、比較手段１８によりノイズレベル推定値（ｙ３）が更新され、比較手段１６により出力信号ｙ２が初期化される（ステップＳ９）。更に、初期化手段１４により短時間パワー（ｙ１）が初期化（ｙ＝０）された後（ステップＳ１０）、ステップＳ２の処理へ戻る。これにより、出力端子２０から出力される出力信号ｙ３は、図３に示すように、直前の長時間フレームＰ２［ｍ−１］における比較手段１６の出力信号ｙ２を現在の長時間フレームＰ２［ｍ］の区間保持することになる。

（実施例１の効果）
本実施例１では、次の（ａ）〜（ｃ）のような効果がある。
（ａ） 従来のような音声検出器を必要としないため、音声検出器の検出結果に依存しない高精度なバックグラウンドノイズレベルの推定ができる。

（ｂ） 従来、音声検出器の精度を高めるために種々提案されてきた方法が不要となり、小さい回路規模、若しくは少ない計算量でバックグラウンドノイズレベルの推定ができる。

又、本実施例１は、長時間フレームＰ２を超えるような連続した音声が入力され続けたとしても、通常、語句の間に少なくとも短時間フレーム程度の無音声区間が存在するという特徴を有効に利用したものである。それ故、本実施例１のように、或る長時間フレームＰ２における最小の短時間パワーをバックグラウンドノイズレベルとして推定することができるのであるが、短時間パワーを短時間フレームＰ１に閉じて（即ち、０にリセットして）、その都度算出するので、最小の短時間パワーを有する短時間フレームＰ１の前後の短時間フレームＰ１に音声信号ｘ１が含まれていたとしても、推定結果に影響を及ぼすことはない。

（ｃ） 前述のように推定結果に影響を及ぼすことがないので、語句の間に存在するわずかな区間のバックグラウンドノイズレベルを検出できる。

（実施例２の構成）
例えば、句切れなしで発声し続けた場合等、長時間フレーム以上に亘ってバックグラウンドノイズのレベルが存在し得なかった場合（即ち、有音状態が続いてその間のバックグラウンドノイズを検出できなかった場合）、バックグラウンドノイズのレベルを誤って実際よりも大きく推定してしまう虞がある。実施例１では、このような場合、もし発声が途切れた直後の短時間フレームＰ１において正しいバックグラウンドノイズレベルが検出されたとしても、次の長時間フレームＰ２の開始まで検出結果が反映されないという不都合がある。又、何らかの理由により、バックグラウンドノイズのレベルが減少した場合も同様の不都合がある。

このような不都合を解消して実施例１よりもノイズレベル推定の追従性を向上させるために、本実施例２では、図１のノイズレベル推定装置中の比較手段１８において、短時間フレーム更新時に比較手段１６の出力信号ｙ２と該比較手段１８の出力信号ｙ３を比較し、ｙ２が小さければ、ノイズレベル推定値（ｙ３）をｙ２で更新する機能を追加している。図１のその他の手段１１〜１６の機能は、実施例１と同様である。

（実施例２のノイズレベル推定方法）
図５は、実施例１の図３に対応するもので、本発明の実施例２におけるノイズレベル推定装置内の各手段の出力信号を示す波形図であり、横軸が時間、縦軸が信号レベルを表している。

本実施例２では、式（４）で表される図１の比較手段１８の機能を式（６）のように変更している。

この変更により、同一長時間フレーム（例えば、Ｐ２［ｍ］）においても短時間フレーム形成毎に出力信号ｙ３が更新され得るので、或る短時間フレームＰ１［ｎ，ｍ］の区間におけるバックグラウンドノイズの推定レベルをＰ２（ｎ，ｍ）と表すことにすると、式（５）は式（７）のように変更される。但し、短時間パワーＰ１（ｎ，ｍ）まで算出されているものとする。

この式（７）において、長時間フレーム形成時（図５の時刻ｔ１及び時刻ｔ２の箇所）におけるノイズ推定レベルは直前の出力信号ｙ２のレベルとなり、これは直前の長時間フレームＰ２［ｍ−１］における最小の短時間パワーであり、式（７）のＡで表される。又、現在の長時間フレームＰ２［ｍ］における最小の短時間パワーは、式（７）のＢで表される。本実施例２では、実施例１で長時間フレームＰ２［ｍ］区間のノイズ推定レベルとしていたＡよりＢが小さければ、直ちにノイズ推定レベルをＢで更新するので、現在のノイズ推定レベルＰ２（ｎ，ｍ）は、式（７）のようにｍｉｎ（Ａ，Ｂ）で表すことができる。

そのため、本実施例２のノイズレベル推定処理では、図５に示すように、初期化手段１４が、短時間フレームＰ１［ｎ，ｍ］の最後のサンプルで短時間パワーの確定値を出力信号ｙ１として出力する。比較手段１６の出力信号ｙ２は、長時間フレームＰ２［ｍ］の最初のサンプル（Ｐ１［１，ｍ］）で上限値に初期化され、当該長時間フレームＰ２［ｍ］において最小の短時間パワーが検出されると（例えば、Ｐ１［３，ｍ］）、比較手段１６により、その値で更新される。比較手段１８の出力信号ｙ３は、この比較手段１８及び１サンプル遅延手段１９により、直前の長時間フレームＰ２［ｍ−１］における出力信号ｙ２を現在の長時間フレームＰ２［ｍ］の区間保持するが、出力信号ｙ３を下回る短時間パワーが検出されると（例えば、Ｐ１［３，ｍ］）、比較手段１８によりその値で更新される。

図６は、実施例１の図４に対応するもので、図５のノイズレベル推定処理を示すフローチャートである。

図６のノイズレベル推定処理では、図４のステップＳ６とＳ７との間に、新たにステップＳ２０が追加されている。このステップＳ２０において、本実施例２の比較手段１８では、短時間フレーム更新時に、比較手段１６の出力信号ｙ２と比較手段１８の出力信号ｙ３を比較し（ステップＳ２１）、出力信号ｙ２が小さければ、ノイズレベル推定値（ｙ３）を出力信号ｙ２で更新する（ステップＳ２２）。その後、実施例１のステップＳ７へ進む。

（実施例２の効果）
図７は、本実施例２におけるノイズレベル推定の一例を示す入力音声信号ｘ１のパワーと推定されたノイズレベルＮＬの波形図であり、横軸が時間、及び縦軸がレベルを表している。

本実施例２によれば、或る長時間フレームＰ２［ｍ］における最小の短時間パワーをバックグラウンドノイズレベルと推定するという考えに基づき、現在のバックグラウンドノイズの推定レベルを下回る短時間パワーが検出された時点で（例えば、Ｐ１［３，ｍ］）、この検出結果をバックグラウンドノイズの推定レベルとして反映することにより、実施例１よりもノイズレベル推定の追従性が向上する効果が期待できる。

図７に示すノイズレベル推定の一例では、図の中央付近で実際にバックグラウンドノイズを増加させている。本実施例２を適用すれば、このように音声信号ｘ１の入力中にバックグラウンドノイズが変動しても正しく追従し、高精度にバックグラウンドノイズのレベルＮＬが推定できることが分かる。

なお、本発明は、上記実施例１、２に限定されず、例えば、図４、図６のノイズレベル推定処理のステップＳ１〜Ｓ１０，Ｓ２０の内容を変更したり、これに応じて図１のノイズレベル推定装置の構成を変更する等、種々の変更が可能である。

本発明の実施例１を示すノイズレベル推定装置の機能ブロック図である。 本発明の本実施例１で用いる短時間フレームと長時間フレームの概念を示す図である。 図１のノイズレベル推定装置内の各手段の出力信号を示す波形図である。 図１のノイズレベル推定処理を示すフローチャートである。 本発明の実施例２におけるノイズレベル推定装置内の各手段の出力信号を示す波形図である。 図５のノイズレベル推定処理を示すフローチャートである。 本発明の実施例２におけるノイズレベル推定の一例を示す入力音声信号のパワーと推定されたノイズレベルの波形図である。 従来のノイズレベル推定装置を示す構成図である。

符号の説明

１１ 絶対値計算手段
１２ 乗算手段
１３ 加算手段
１４ 初期化手段
１５，１７，１９ １サンプル遅延手段
１６，１８ 比較手段

Claims (2)

1. 短時間フレームとこの短時間フレームの複数の集合からなる長時間フレームとを用い、
   前記短時間フレーム毎に入力音声信号の短時間パワーをそれぞれ算出し、
   前記長時間フレームにおいて前記算出された複数の短時間パワーのうちの最小の短時間パワーを算出し、
   前記算出された最小の短時間パワーを、前記入力音声信号に対するノイズレベルとして推定するノイズレベル推定方法であって、
   前記推定されたノイズレベルより小さい前記入力音声信号のレベルの短時間パワーが検出されると、この検出された短時間パワーで前記ノイズの推定レベルを更新することを特徴とするノイズレベル推定方法。
2. 短時間フレームとこの短時間フレームの複数の集合からなる長時間フレームのうちの該短時間フレームを用いて該短時間フレーム毎に入力音声信号の短時間パワーをそれぞれ算出する第１の算出手段と、
   前記長時間フレームにおいて前記算出された複数の短時間パワーのうちの最小の短時間パワーを算出する第２の算出手段と、
   前記算出された最小の短時間パワーを、前記入力音声信号に対するノイズレベルとして推定して出力する出力手段と、
   を有するノイズレベル推定装置であって、
   前記出力手段では、前記推定されたノイズレベルより小さい前記入力音声信号のレベルの短時間パワーが検出されると、この検出された短時間パワーで前記ノイズの推定レベルを更新することを特徴とするノイズレベル推定装置。

Images