JP4568733B2 - 雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラムおよびコンピュータに読み取り可能な記録媒体 - Google Patents

Description

この発明は、雑音が重畳した音声信号から雑音を抑圧す雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラムおよびコンピュータに読み取り可能な記録媒体に関する。ただし、この発明の利用は、上述の雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラムおよびコンピュータに読み取り可能な記録媒体に限らない。

雑音が重畳した音声信号から雑音を抑圧する簡便でかつ非常に有効な手法としてＳ．Ｆ．Ｂｏｌｌが提案したスペクトルサブトラクションが知られている。このスペクトルサブトラクションにより、現フレームの雑音重畳音声パワースペクトルを用いてゲインを算出している（たとえば、非特許文献１参照。）。

また、時間方向平滑化雑音重畳音声パワースペクトルを用いてゲインを算出する手法がある。これによると、相互相関項の影響を低減するために、現フレームを含む過去数フレームの雑音重畳音声パワースペクトルを時間方向に移動平均して平滑化を行うものがある。すなわち、現フレームを含む過去数フレームの雑音重畳音声パワースペクトルを時間方向に平滑化した時間方向平滑化雑音重畳音声パワースペクトルを用いてゲインを算出している（たとえば、非特許文献２）。

Ｓ・Ｆ・ボール（Ｓ．Ｆ．Ｂｏｌｌ）、「サプレッション オブ アコースティック ノイズ イン スピーチ ユージング スペクトラル サブトラクション（Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ Ａｃｏｕｓｔｉｃ Ｎｏｉｓｅ ｉｎ Ｓｐｅｅｃｈ Ｕｓｉｎｇ Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ）」、アイ・トリプル・イー トラザクション オン アコースティックス・スピーチ・シグナルプロセシング（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ）、１９７９年、第ＡＳＳＰ−２７巻第２号、ｐ．１１３−１２０ 北岡 教英、赤堀 一郎、中川 聖一、「スペクトルサブトラクションと時間方向スムージングを用いた雑音環境下音声認識」、電子情報通信学会論文誌、２０００年２月、第Ｊ８３−Ｄ−ＩＩ巻、第２号、ｐ．５００−５０８

しかしながら、スペクトルサブトラクションでは、現フレームのみの雑音重畳音声パワースペクトルを用いてゲインを算出しているので、音声と雑音の相互相関項の影響が大きくなり高精度のゲインの推定が困難である。そのために、雑音抑圧後の音声にミュージカルノイズと呼ばれる特有の消し残り雑音が発生したり、音声スペクトルが歪むので音質が悪い。また、音声認識の前処理としてスペクトルサブトラクションを利用する場合に認識率の改善効果が少ないという問題が一例として挙げられる。

また、現フレームを含む過去数フレームの雑音重畳音声パワースペクトルを時間方向に平滑化して音声と雑音の相互相関項の影響を低減する場合、時間的に変動する音声スペクトルを現フレームから時間的に離れたフレームにわたって平滑化しているためにゲインの推定精度が劣るという問題が一例として挙げられる。

請求項１の発明にかかる雑音抑圧装置は、雑音が重畳した入力音声をフレーム分割する第１フレーム分割手段と、前記第１フレーム分割手段によりフレーム分割された入力音声をスペクトルに変換する第１スペクトル変換手段と、前記第１フレーム分割手段により分割された各フレームが音声区間か非音声区間かを判別する音声区間検出手段と、前記音声区間検出手段で非音声区間と判別された区間の前記入力音声スペクトルを用いて、雑音スペクトルを推定する雑音スペクトル推定手段と、前記第１フレーム分割手段のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する第２フレーム分割手段と、前記第２フレーム分割手段によってフレーム分割された入力音声をスペクトルに変換する第２スペクトル変換手段と、 前記第２スペクトル変換手段によって変換されたスペクトルを周波数方向に平滑化する平滑化手段と、前記平滑化手段によって平滑化されたスペクトルおよび前記雑音スペクトル推定手段により推定された推定雑音スペクトルに基づいてゲインを算出するゲイン算出手段と、前記第１スペクトル変換手段により求めた入力音声スペクトルに、前記ゲインを乗算することによりスペクトル減算を行うスペクトル減算手段と、を備えることを特徴とする。

また、請求項７の発明にかかる雑音抑圧方法は、雑音が重畳した入力音声をフレーム分割する第１フレーム分割工程と、前記第１フレーム分割工程によりフレーム分割された入力音声をスペクトルに変換する第１スペクトル変換工程と、前記第１フレーム分割手段により分割された各フレームが音声区間か非音声区間かを判別する音声区間検出工程と、前記音声区間検出工程で非音声区間と判別された区間の前記入力音声スペクトルを用いて、雑音スペクトルを推定する雑音スペクトル推定工程と、前記第１フレーム分割工程のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する第２フレーム分割工程と、前記第２フレーム分割工程によってフレーム分割された入力音声をスペクトルに変換する第２スペクトル変換工程と、前記第２スペクトル変換工程によって変換されたスペクトルを周波数方向に平滑化する平滑化工程と、前記平滑化工程によって平滑化されたスペクトルおよび前記雑音スペクトル推定工程により推定された推定雑音スペクトルに基づいてゲインを算出するゲイン算出工程と、前記第１スペクトル変換工程により求めた入力音声スペクトルに、前記ゲインを乗算することによりスペクトル減算を行うスペクトル減算工程と、を含むことを特徴とする。

また、請求項８の発明にかかる雑音抑圧プログラムは、請求項７に記載の雑音抑圧方法を、コンピュータに実行させることを特徴とする。

また、請求項９の発明にかかるコンピュータに読み取り可能な記録媒体は、請求項８に記載の雑音抑圧プログラムを記録したことを特徴とする。

図１は、この発明の実施の形態にかかる雑音抑圧装置の機能的構成を示すブロック図である。 図２は、この発明の実施の形態にかかる雑音抑圧方法の処理を示すフローチャートである。 図３は、従来技術のスペクトルサブトラクションを用いる雑音抑圧装置の機能的構成を示すブロック図である。 図４は、時間方向平滑化雑音重畳音声パワースペクトルを用いる雑音抑圧装置の機能的構成を示すブロック図である。 図５は、この実施例の雑音抑圧装置の機能的構成を示すブロック図である。 図６は、入力音声のフレーム分割を説明する説明図である。 図７は、周波数方向に平滑化した場合のゲイン算出を説明する説明図である。

符号の説明

１０１ 第１フレーム分割部
１０２ 第１変換部
１０３ 雑音スペクトル推定部
１０４ 第２フレーム分割部
１０５ 第２変換部
１０６ 平滑化部
１０７ ゲイン算出部
１０８ スペクトル減算部
４０１ 信号用フレーム分割部
４０２ スペクトル変換部
４０３ 音声区間検出部
４０４ 雑音スペクトル推定部
４０５ ゲイン算出部
４０６ スペクトル減算部
４０７ 波形変換部
４０８ 波形合成部
４０９ 時間方向平滑化部
６０１ ゲイン算出用フレーム分割部
６０２ スペクトル変換部
６０３ 周波数方向平滑化部

以下に添付図面を参照して、この発明にかかる雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラムおよびコンピュータに読み取り可能な記録媒体の好適な実施の形態を詳細に説明する。

図１は、この発明の実施の形態に係る雑音抑圧装置の機能的構成を示すブロック図である。この実施の形態の雑音抑圧装置は、入力音声から音声スペクトルと雑音スペクトルを算出し、該音声スペクトルと該雑音スペクトルに基づいてゲインを算出し、算出されたゲインを用いて前記入力音声の雑音を抑圧する。また、この雑音抑圧装置は、第１フレーム分割部１０１、第１変換部１０２、雑音スペクトル推定部１０３、第２フレーム分割部１０４、第２変換部１０５、平滑化部１０６、ゲイン算出部１０７、スペクトル減算部１０８により構成されている。

第１フレーム分割部１０１は所定のフレーム長に、前記入力音声をフレーム分割する。第１変換部１０２は、第１フレーム分割部によってフレーム分割された入力音声をスペクトルに変換する。雑音スペクトル推定部１０３は、第１変換部１０２によって変換されたスペクトルの内、非音声区間と判定されたフレームのスペクトルを用いて、雑音スペクトルを推定する。

第２フレーム分割部１０４は、第１フレーム分割部１０１のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する。また、第２フレーム分割部１０４は第１フレーム分割部１０１のフレーム長の整数倍、たとえば２倍のフレーム長に、入力音声をフレーム分割することができる。第１フレーム分割部１０１、第２フレーム分割部１０４は、分割した入力音声をそれぞれ窓掛け処理することができる。また、第１フレーム分割部１０１、第２フレーム分割部１０４は、分割した入力音声を、ハニング窓を用いて窓掛け処理することができる。

第２変換部１０５は、第２フレーム分割部１０４によってフレーム分割された入力音声をスペクトルに変換する。平滑化部１０６は、第２変換部１０５によって変換されたスペクトルを周波数方向に平滑化する。たとえば、第２フレーム分割部１０４が、第１フレーム分割部１０１のフレーム長の２倍のフレーム長に、入力音声をフレーム分割する場合は、平滑化部１０６は、第２変換部１０５によって変換されたスペクトルの偶数番号のスペクトルを、該偶数番号のスペクトルの前後の番号のスペクトルを用いて平滑化することができる。すなわち、平滑化部１０６は、第２変換部１０５によって変換された２Ｋ番目のスペクトルを、２Ｋ―１番目のスペクトル、前記２Ｋ番目のスペクトルおよび２Ｋ＋1番目のスペクトルを用いて平滑化する。

ゲイン算出部１０７は、平滑化部１０３によって平滑化されたスペクトルと、雑音スペクトル推定部１０３によって推定された雑音スペクトルに基づいてゲインを算出する。スペクトル減算部１０８は、第１変換部１０２によって変換された入力音声スペクトルに、ゲイン算出部１０７で算出されたゲインを乗算することにより、前記入力音声の雑音を抑圧する。スペクトル減算部１０８は、ゲイン算出部１０７で算出されたゲインと、第１変換部１０２で変換された入力音声スペクトルを同一のタイミングで入力することができる。

図２は、この発明の実施の形態に係る雑音抑圧方法の処理を示すフローチャートである。まず、第１フレーム分割部１０１は、所定のフレーム長に音声をフレーム分割する（ステップＳ２０１）。次に、第１変換部１０２は、第１フレーム分割部によってフレーム分割された入力音声をスペクトルに変換する（ステップＳ２０２）。次に、雑音スペクトル推定部１０３は、第１変換部１０２によって変換されたスペクトルの内、非音声区間と判定されたフレームのスペクトルを用いて、雑音スペクトルを推定する（ステップＳ２０３）。

第２フレーム分割部１０４は、第１フレーム分割部１０１のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する（ステップＳ２０４）。次に、第２変換部１０５は、第２フレーム分割部１０４によってフレーム分割された入力音声をスペクトルに変換する（ステップＳ２０５）。次に、平滑化部１０６は、第２変換部１０５によって変換されたスペクトルを周波数方向に平滑化する（ステップＳ２０６）。次に、ゲイン算出部１０７は、平滑化部１０３によって平滑化されたスペクトルと、雑音スペクトル推定部１０３によって推定された雑音スペクトルに基づいてゲインを算出する（ステップＳ２０７）。次に、スペクトル減算部１０８は、第１変換部１０２によって変換された入力音声スペクトルに、ゲイン算出部１０７で算出されたゲインを乗算することにより、スペクトル減算する（ステップＳ２０８）。

以上説明した実施の形態により、音声と雑音の相互相関項の影響を低減でき、高精度のゲインを推定することができる。その結果として高音質の音声が得られ、音声認識の前処理として用いた場合、雑音下での音声認識率を改善できる。

ここで、従来技術であるスペクトルサブトラクションについて説明する。スペクトルサブトラクションは雑音重畳音声をスペクトル領域に変換し、雑音区間で推定された推定雑音スペクトルを雑音重畳音声スペクトルから減算する手法である。雑音重畳音声スペクトルをＸ（ｋ）、クリーン音声スペクトルをＳ（ｋ）、雑音スペクトルをＤ（ｋ）とすると、Ｘ（ｋ）＝Ｓ（ｋ）＋Ｄ（ｋ）と表せる。パワースペクトル領域では、下記式（１）として表せる。

上式の右辺第３項は音声と雑音の相互相関項である。ここで、音声と雑音は無相関と仮定して、下記式（２）のように近似する。

これより、クリーン音声パワースペクトルは雑音重畳音声パワースペクトルから推定雑音パワースペクトルを減算して、下記式（３）のように推定される。

より一般的には下記式（４）のように推定される。

ここで、αはサブトラクション係数で、推定雑音パワースペクトルを多めに減算するために１より大きい値に設定される。βはフロア係数で、減算後のスペクトルが負あるいは０に近い値になることを回避するために正の小さな値に設定される。上式はゲインＧ（ｋ）を用いて｜Ｘ（ｋ）｜に対するフィルタリングとしても表現できる。

上記式（５）のようにおくと、推定クリーン音声振幅スペクトルは下記式（６）で求められる。

さらに、推定クリーン音声スペクトルは下記式（７）で求められる。

次に、上述のスペクトルサブトラクションを用いて雑音除去する場合の構成について説明する。図３は、従来技術のスペクトルサブトラクション雑音抑圧装置の機能的構成を示すブロック図である。図３に示す雑音抑圧装置は、信号用フレーム分割部４０１、スペクトル変換部４０２、音声区間検出部４０３、雑音スペクトル推定部４０４、ゲイン算出部４０５、スペクトル減算部４０６、波形変換部４０７、波形合成部４０８によって構成される。

信号用フレーム分割部４０１は、雑音重畳音声を一定数のサンプルからなるフレームに分割しスペクトル変換部４０２と音声区間検出部４０３に送る。スペクトル変換部４０２は、離散フーリエ変換により雑音重畳音声スペクトルＸ（ｋ）を求め、ゲイン算出部４０５とスペクトル減算部４０６へ送る。音声区間検出部４０３は、音声区間／非音声区間を判別し、非音声区間と判定されたフレームの雑音重畳音声スペクトルを雑音スペクトル推定部４０４に送る。

雑音スペクトル推定部４０４は、非音声と判定された過去数フレームのパワースペクトルの時間平均を計算し、推定雑音パワースペクトルを求める。ゲイン算出部４０５は、雑音重畳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ゲインＧ（ｋ）を算出する。

スペクトル減算部４０６は、ゲインＧ（ｋ）を雑音重畳音声スペクトルＸ（ｋ）に乗算して、推定クリーン音声スペクトルを推定する。波形変換部４０７は、逆離散フーリエ変換により推定クリーン音声スペクトルを時間波形に変換する。波形合成部４０８は、フレーム単位の時間波形をオーバーラップ加算して連続波形を合成する。

上述のスペクトルサブトラクションでは音声と雑音は無相関と仮定して、式（１）の右辺第３項の相互相関項を０とおいて、式（２）のように雑音重畳音声パワースペクトルをクリーン音声パワースペクトルと雑音パワースペクトルの和で近似している。しかし、音声と雑音が無相関であっても短時間フレーム分析する場合、相互相関項は０にならない。単に期待値が０になるだけである。そのため、式（１）の右辺第３項を０とおいた影響によりスペクトルサブトラクション後の推定クリーン音声に雑音が残る。

図４は、時間方向平滑化雑音重畳音声パワースペクトルを用いる雑音抑圧装置の機能的構成を示すブロック図である。図４の示す雑音抑圧装置は、図３に示したゲイン算出部４０５の前に時間方向平滑化部４０９を備えた構成である。この雑音抑圧装置では、現フレーム時刻ｔの時間方向平滑化雑音重畳音声パワースペクトルを、下記式（８）のように現フレームを含む過去Ｌフレームの移動平均により求める。

ここで、ａ_lは平滑化の重みで、下記式（９）のようになる。

ゲイン算出部４０５は、式（５）において現フレームの雑音重畳音声パワースペクトル｜Ｘ（ｋ）｜²の代わりに、下記式（１０）で示される時間方向平滑化雑音重畳音声パワースペクトルを用いてゲインＧ（ｋ）を算出する。

以上、従来技術のスペクトルサブトラクションを用いたゲイン算出について説明したが、この実施例では、上述の構成に加え、信号用フレーム分割部４０１およびスペクトル変換部４０２とは別の、ゲイン算出用フレーム分割部６０１およびスペクトル変換部６０２を備え、かつ信号用フレームのサンプル数よりゲイン算出用フレームのサンプル数を多くする。それにより、周波数方向に平滑化した雑音重畳音声パワースペクトルが算出可能になり、これを用いてゲインＧ（ｋ）を算出する。

（雑音抑圧装置の機能的構成）
図５は、この実施例の雑音抑圧装置の機能的構成を示すブロック図である。図５に示す雑音抑圧装置は、信号用フレーム分割部４０１、スペクトル変換部４０２、音声区間検出部４０３、雑音スペクトル推定部４０４、ゲイン算出部４０５、スペクトル減算部４０６、波形変換部４０７、波形合成部４０８、ゲイン算出用フレーム分割部６０１、スペクトル変換部６０２、周波数方向平滑化部６０３によって構成される。

実際の処理はＣＰＵが、ＲＯＭに書き込まれたプログラムを読み出すことによって、ＲＡＭをワークエリアとして使用することにより実行する。図５を用いて実施例を説明する。まず、雑音重畳音声が、信号用フレーム分割部４０１とゲイン算出用フレーム分割部６０１へ送られる。

信号用フレーム分割部４０１は、雑音重畳音声を、Ｎ（例えば２５６）サンプルからなるフレームに分割する。このときスペクトル変換部４０２における離散フーリエ変換（ＤｉＳｃｒｅｔｅ Ｆｏｕｒｉｅｒ ＴｒａｎＳｆｏｒｍ：ＤＦＴ）の周波数分析精度を高くするために窓掛け処理される。また、波形合成処理する場合はフレーム境界で不連続な波形になることを防止するために、フレームはオーバーラップするように分割される。

フレーム分割された雑音重畳音声信号ｘ_S（ｎ）は、ｘ_S（ｎ）＝Ｓ_S（ｎ）＋ｄ_S（ｎ）、０≦ｎ≦Ｎ−１、と表される。ここで、Ｓ_S（ｎ）はクリーン音声信号、ｄ_S（ｎ）は雑音である。

スペクトル変換部４０２は、フレーム分割された雑音重畳音声信号ｘ_S（ｎ）を、離散フーリエ変換によりスペクトルに変換する。スペクトルＸ_S（ｋ）はＸ_S（ｋ）＝Ｓ_S（ｋ）＋Ｄ_S（ｋ）、０≦ｋ≦Ｎ−１、と表される。ここで、Ｓ_S（ｋ）はクリーン音声スペクトルの第ｋ成分、Ｄ_S（ｋ）は雑音スペクトルの第ｋ成分である。スペクトルＸ_S（ｋ）はスペクトル減算部４０６に送られる。

音声区間検出部４０３は、並行してフレーム分割された雑音重畳音声信号ｘ_S（ｎ）について、音声区間／非音声区間を判別し、非音声区間と判定されたフレームの雑音重畳音声信号のスペクトルＸ_S（ｋ）＝Ｄ_S（ｋ）を雑音スペクトル推定部４０４に送る。

雑音スペクトル推定部４０４は、非音声区間と判定された過去数フレーム分のパワースペクトルの時間平均を計算し、推定雑音パワースペクトルＤＰを、下記式（１１）で与える。

ゲイン算出用フレーム分割部６０１は、雑音重畳音声を、Ｎより多いＭ（たとえば５１２）サンプルからなるフレームに分割する。このとき、ゲイン算出用フレーム分割の窓の中心を信号用フレーム分割の窓の中心と一致させる。フレーム分割された雑音重畳音声信号ｘ_g（ｍ）は、ｘ_g（ｍ）＝Ｓ_g（ｍ）＋ｄ_g（ｍ）、０≦ｍ≦Ｍ−１、と表される。ここで、Ｓ_g（ｍ）はクリーン音声信号、ｄ_g（ｍ）は雑音である。

スペクトル変換部６０２は、フレーム分割された雑音重畳音声信号ｘ_g（ｍ）を離散フーリエ変換によりゲイン算出用スペクトルに変換する。ゲイン算出用スペクトルＸ_g（ｌ）は、Ｘ_g（ｌ）＝Ｓ_g（ｌ）＋Ｄ_g（ｌ）、０≦ｌ≦Ｍ−１と表される。ここで、Ｓ_g（ｌ）は、クリーン音声スペクトルの第ｌ成分、Ｄ_g（ｌ）は雑音スペクトルの第ｌ成分である。

周波数方向平滑化部６０３は、ゲイン算出用スペクトルＸ_g（ｌ）を平滑化する。ゲイン算出用フレーム分割のサンプル数Ｍを信号用フレームのサンプル数Ｎの２倍（Ｍ＝２Ｎ）に取った場合、後述する図７に示すように、ゲイン算出用スペクトルＸ_g（ｌ）と信号スペクトルＸ_S（ｋ）は、ｌ＝２ｋ（ｋ＝０，１，…，Ｎ−１）のときに周波数が一致する。

そこで、スペクトルＸ_S（ｋ）に対するゲインＧ（ｋ）を算出するためにＸ_g（２ｋ）を中心とするＸ_g（２ｋ−１）、Ｘ_g（２ｋ）およびＸ_g（２ｋ＋１）を用いて、周波数方向平滑化パワースペクトルＸＰは、下記式（１２）のようにおく。

ここで、ａ_-1、ａ₀、ａ₊₁は平滑化の重みで、ａ_-1＋ａ₀＋ａ₊₁＝１．０の関係がある。ここでは、ａ_-1＝ａ₀＝ａ₊₁＝１／３とする。この周波数方向平滑化パワースペクトルＸＰは、ゲイン算出部４０５に送られる。

ゲイン算出部４０５は、雑音スペクトル推定部４０４から送られた推定雑音パワースペクトルＤＰと周波数方向平滑化パワースペクトルＸＰを用いて、ゲインＧ（ｋ）を下記式（１３）のように算出する。

ここでαはサブトラクション係数で、推定雑音パワースペクトルＤＰを多めに減算するために１より大きい値に設定される、βはフロア係数であり、減算後のスペクトルが負あるいは０に近い値になることを回避するために正の小さな値に設定される。算出されたゲインＧ（ｋ）はスペクトル減算部４０６へ送られる。

スペクトル減算部４０６は、スペクトル変換部４０２で算出されたスペクトルＸ_S（ｋ）にゲインＧ（ｋ）を乗算することにより、推定雑音スペクトルが減算された推定クリーン音声スペクトルを、下記式（１４）のように算出する。

波形変換部４０７は、推定クリーン音声スペクトルを逆離散フーリエ変換（ＩｎｖｅｒＳｅ ＤｉＳｃｒｅｔｅ Ｆｏｕｒｉｅｒ ＴｒａｎＳｆｏｒｍ：ＩＤＦＴ）してフレーム単位の時間波形を求める。波形合成部４０８は、フレーム単位の時間波形をオーバーラップ加算して連続波形を合成し、雑音抑圧音声を出力する。

図６は、入力音声のフレーム分割を説明する説明図である。図６（ａ）は、信号用フレーム分割部４０１において、雑音重畳音声をＮ（たとえば２５６）サンプルからなるフレームに分割する場合を示す。このとき、離散フーリエ変換（ＤｉＳｃｒｅｔｅ Ｆｏｕｒｉｅｒ ＴｒａｎＳｆｏｒｍ：ＤＦＴ）の周波数分析精度を高くするために窓掛け処理される。また、波形合成処理する場合はフレーム境界で不連続な波形になることを防止するために、フレームはオーバーラップするように分割される。

図６（ｂ）は、ゲイン算出用フレーム分割部６０１において、雑音重畳音声をＮより多いＭ（たとえば５１２）サンプルからなるフレームに分割する場合を示す。ここでは、時間幅を図６（ａ）の場合の２倍にとってある。このように、ゲイン算出用フレームのサンプル数を、信号用フレームのサンプル数より多くする。また、ゲイン算出用フレームの中心と信号用フレームの中心を一致させる。

図７は、周波数方向に平滑化した場合のゲイン算出を説明する説明図である。グラフ８０１に示すように、ゲイン算出用スペクトルＸ_g（ｌ）は、スペクトル変換部６０２によって周波数に応じたｌ本のスペクトルが出力される。ゲイン算出用スペクトルＸ_g（ｌ）の周波数方向平滑化は、信号スペクトル成分の周波数と一致するスペクトル成分を中心とする複数のスペクトル成分を用いる。

たとえば、ゲイン算出用フレーム分割のサンプル数Ｍを、信号用フレームのサンプル数Ｎの２倍（Ｍ＝２Ｎ）に取った場合、ゲイン算出用スペクトルＸ_g（ｌ）と信号スペクトルＸ_S（ｋ）は、ｌ＝２ｋ（ｋ＝０，１，…，Ｎ−１）のときに周波数が一致する。すなわち、グラフ８０１は、ｌ＝０，１，…に対応したスペクトルを示しているが、このうち、太線で示した偶数番号に対応したスペクトルを、このスペクトルの前後にある細線で示したスペクトルと組み合わせることにより周波数方向平滑化している。たとえば、ｌ＝６のスペクトルに対し、ｌ＝５およびｌ＝７のスペクトルを使用する。これに対し、Ｇ（３）で示されるゲイン８０２が算出される。ゲイン８０２は、スペクトル減算部４０６において、グラフ８０３で示されるスペクトルＸ_S（ｋ）とかけ合わされる。

次に、窓関数について説明する。長い信号のスペクトル変換は、上述のようにフレーム単位で分割してフーリエ変換するが、離散値のデータを用いることになるので、離散フーリエ変換となる。離散フーリエ変換の場合、データの周期性が仮定されているが、切り出したデータの両端が極端な値の場合、影響が大きくなってしまい、結果として高周波成分の歪みが発生してしまう。この対策として、信号に窓関数をかけた結果を離散フーリエ変換する。この窓関数をかけ合わせる処理のことを窓掛け処理という。

窓関数は、メインローブ（周波数が０周辺の振幅スペクトルが大きい領域）の幅が狭く、サイドローブ（周波数が０から離れた位置の振幅スペクトルが小さい領域）の振幅が小さいことが条件となる。具体的には、方形窓、ハニング窓、ハミング窓、ガウス窓などが挙げられる。

本実施例で用いる窓関数はハニング窓である。ハニング窓の窓関数は、０≦ｎ≦Ｎ−１の範囲で、ｈ（ｎ）＝０．５−０．５｛ｃｏｓ（２πｎ／（Ｎ−１））｝で与えられ、その他の範囲ではｈ（ｎ）＝０である。この窓関数は、メインローブの周波数分解能は比較的劣るものの、サイドローブの振幅が比較的小さい。

以上説明した実施例によれば、雑音重畳音声パワースペクトルの複数のスペクトル成分を用いて周波数方向に平滑化を行っているので、音声と雑音の相互相関項を低減でき、高精度のゲインを推定できる。さらに、ゲイン算出用フレームと信号用フレームの中心が一致しているので、信号フレームとほぼ同時刻のフレームを用いてゲインを算出できるので精度の高いゲインの推定が可能である。これによりミュージカルノイズや音声スペクトルの歪みの少ない高音質の音声が得られる。また、音声認識の前処理として実施例を用いた場合、雑音下での音声認識率の改善効果が大きい。

なお、本実施の形態で説明した雑音抑圧方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーションなどのコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、インターネットなどのネットワークを介して配布することが可能な伝送媒体でもよい。

Claims (9)

1. 雑音が重畳した入力音声をフレーム分割する第１フレーム分割手段と、
   前記第１フレーム分割手段によりフレーム分割された入力音声をスペクトルに変換する第１スペクトル変換手段と、
   前記第１フレーム分割手段により分割された各フレームが音声区間か非音声区間かを判別する音声区間検出手段と、
   前記音声区間検出手段で非音声区間と判別された区間の前記入力音声スペクトルを用いて、雑音スペクトルを推定する雑音スペクトル推定手段と、
   前記第１フレーム分割手段のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する第２フレーム分割手段と、
   前記第２フレーム分割手段によってフレーム分割された入力音声をスペクトルに変換する第２スペクトル変換手段と、
   前記第２スペクトル変換手段によって変換されたスペクトルを周波数方向に平滑化する平滑化手段と、
   前記平滑化手段によって平滑化されたスペクトルおよび前記雑音スペクトル推定手段により推定された推定雑音スペクトルに基づいてゲインを算出するゲイン算出手段と、
   前記第１スペクトル変換手段により求めた入力音声スペクトルに、前記ゲインを乗算することによりスペクトル減算を行うスペクトル減算手段と、
   を備えることを特徴とする雑音抑圧装置。
2. 前記第２フレーム分割手段は、前記入力音声を、前記第１フレーム分割手段のフレーム長の整数倍のフレーム長にフレーム分割することを特徴とする請求項１に記載の雑音抑圧装置。
3. 前記第２フレーム分割手段は、前記入力音声を、前記第１フレーム分割手段のフレーム長の２倍のフレーム長にフレーム分割し、前記平滑化手段は、前記第２スペクトル変換手段によって変換された周波数方向の順番において偶数番号のスペクトルを、該偶数番号のスペクトルの前後の番号のスペクトルを用いて平滑化することを特徴とする請求項２に記載の雑音抑圧装置。
4. 前記第１フレーム分割手段および前記第２フレーム分割手段は、分割した入力音声にそれぞれ窓関数をかけ合わせることを特徴とする請求項１に記載の雑音抑圧装置。
5. 前記第１フレーム分割手段および前記第２フレーム分割手段は、前記窓関数にハニング窓を用いることを特徴とする請求項４に記載の雑音抑圧装置。
6. 前記スペクトル減算手段は、前記ゲイン算出手段によって算出されたゲインを、前記第１スペクトル変換手段により求めた入力音声スペクトルと同一のタイミングで入力することを特徴とする請求項１〜５のいずれか一つに記載の雑音抑圧装置。
7. 雑音が重畳した入力音声をフレーム分割する第１フレーム分割工程と、
   前記第１フレーム分割工程によりフレーム分割された入力音声をスペクトルに変換する第１スペクトル変換工程と、
   前記第１フレーム分割手段により分割された各フレームが音声区間か非音声区間かを判別する音声区間検出工程と、
   前記音声区間検出工程で非音声区間と判別された区間の前記入力音声スペクトルを用いて、雑音スペクトルを推定する雑音スペクトル推定工程と、
   前記第１フレーム分割工程のフレーム長より長いフレーム長に、前記入力音声をフレーム分割する第２フレーム分割工程と、
   前記第２フレーム分割工程によってフレーム分割された入力音声をスペクトルに変換する第２スペクトル変換工程と、
   前記第２スペクトル変換工程によって変換されたスペクトルを周波数方向に平滑化する平滑化工程と、
   前記平滑化工程によって平滑化されたスペクトルおよび前記雑音スペクトル推定工程により推定された推定雑音スペクトルに基づいてゲインを算出するゲイン算出工程と、
   前記第１スペクトル変換工程により求めた入力音声スペクトルに、前記ゲインを乗算することによりスペクトル減算を行うスペクトル減算工程と、
   を含むことを特徴とする雑音抑圧方法。
8. 請求項７に記載の雑音抑圧方法をコンピュータに実行させることを特徴とする雑音抑圧プログラム。
9. 請求項８に記載の雑音抑圧プログラムを記録したことを特徴とするコンピュータに読み取り可能な記録媒体。

Images