JP4690973B2 - 信号区間推定装置、方法、プログラム及びその記録媒体 - Google Patents

Description

本発明は、複数の信号が含まれる信号から、例えば、音声信号や音楽信号などの強い周期性成分を持つ目的音響信号が存在する区間を推定するための装置、方法、プログラム及びその記録媒体に関する。

音声信号や音楽信号の符号化、雑音信号の抑圧、残響除去、自動音声認識などの音響信号処理技術の多くにおいては、入力となる複数の種類の信号が含まれる音響信号から、処理の対象となる音響信号が存在する区間を推定する必要があり、この区間推定の精度がその後の処理の効果にも大きく影響する。
この音響信号区間推定のための音響特徴として、携帯電話などで用いられる音声信号区間の推定方法では従来、信号の周波数スペクトル、信号の全帯域のエネルギー、帯域分割後の各帯域のエネルギー、信号波形の零交差数、雑音抑制後の信号の周波数スペクトル、周波数スペクトルの分散及びそれらの時間微分などが利用されている（例えば、非特許文献１、２参照。）。

これらの音響特徴を用いた目的信号区間推定方法では、入力される音響信号を２５ｍｓ程度のある一定時間長に分割し、分割された各信号区間で上述の音響特徴を算出し、その値が別途定めた閾値を越える場合には目的信号区間、そうでない場合には非目的信号区間として判定する。
ITU-T Recommendation G.729 Annex B., "A silence compression scheme for G.729 optimized for terminals conforming to Recommendation V.70," 1996., p.1-4 ETSI standard document, "Speech Processing, Transmission and Quality Aspects (STQ);Distributed speech recognition; Advanced front-end feature extraction algorithm; Compression algorithms," ETSI ES 202 050 V1.1.3, 2003. p.40-43

しかし、従来用いられてきた音響特徴は雑音の影響を受けやすく、雑音の強さが時間的に変化したり、突発性の雑音がある場合には十分な目的信号区間精度を得ることができないという問題があった。
本発明は、強さが時間的に変化する雑音や突発性の雑音が含まれるような音響信号から、音声信号や音響信号などの周期性成分が強い性質を持つ目的音響信号が存在する区間をより正確に推定する装置、方法、プログラム及びその記録媒体を提供することを目的とする。

本発明によれば、あらかじめ決められたサンプリング周波数でサンプリングされた時系列離散信号である信号を入力とし、その信号を一定区間ごとに切り出す。切り出された信号のパワーを算出する。切り出された信号の基本周波数を推定する。算出されたパワーと推定された基本周波数とに基づいて、算出されたパワーを、周期性成分パワーと非周期性成分パワーとに分離する。分離された周期性成分パワーと非周期性成分パワーとを用いて、切り出された信号に目的信号が含まれるかどうかを判定する。
その際、信号切出手段が用いる窓関数をｗ（ｎ）とし、切り出された切り出し波形のサンプル点数をＬとし、サンプリング周波数をＭ等分したサンプル点における切り出された波形の周波数スペクトルをＸ _ｉ （ｋ）とし、基本周波数推定手段により推定された基本周波数に対応する周波数スペクトルのビンの番号をｆ０ _ｉ 及びｊとし、算出されたパワーをρ _ｉ とし、Ｍ／（２ｊ）の整数部分を表わす関数をｖ _ｉ として、下記式により周期性成分パワーρ _ｉ ^ｐ を求め、パワーρ _ｉ から周期性成分パワーρ _ｉ ^ｐ を減算して非周期性成分パワーρ _ｉ ^ａ とする。

音響信号を周期性成分と非周期性成分とに分離し、例えば、そのパワー比を取った場合、音声信号や音楽信号のような擬似定常信号が音響信号に含まれる場合と、単に雑音信号だけが含まれる場合とでその取り得る値が異なる。このパワー比は、雑音の強さが時間的に変化した場合でも、類似した雑音区間では同じ値を示す。例えば、このパワー比を、音響特徴として用いることにより、背景雑音の強さや時間的変化に影響されにくく、音声信号や音楽信号が含まれる目的信号区間のより正確な推定が可能となる。

［実施形態］
図１は、信号区間推定装置１０の機能構成を例示する図である。図２は、信号区間推定装置１０の処理を例示する図である。
信号区間推定装置１０は、例えば、信号切出部１１、離散フーリエ変換部１２、パワー算出部１３ａ、基本周波数推定部１４ａ、パワー分離部２０ａ、判定部２２を有する。
パワー分離部２０ａは、例えば、周期性成分パワー算出部１５ａ、減算部１６ａを有する。判定部２２は、例えば、除算部１７、目的信号有無判別部１８を有する。目的信号有無判別部１８は、例えば、尤度比計算部１８１、記憶部１８３、比較部１８４ａを有する。
以下、信号区間推定装置１０の各処理を説明する。

＜ステップＳ１＞
信号切出部１１は、入力された音響信号を一定区間ごとに切り出す。
ここで、信号区間推定装置１０の信号切出部１１に入力される音響信号は、例えば、８０００Ｈｚのサンプリングレートでサンプリングされ、離散信号に変換された音響信号である。この音響信号には、目的信号である音声信号や音楽信号の他に、雑音信号が含まれることがある。
信号切出部１１は、例えば、入力される音響信号から時間軸方向に１０ｍｓずつ移動（シフト）しながら、２５ｍｓの時間長の信号を、窓関数を乗じることにより切り出す。信号切出部１１は、サンプリング周波数が８０００Ｈｚの場合、２００サンプル点（８０００Ｈｚ×２５ｍｓ）の離散信号を８０サンプル点（８０００Ｈｚ×１０ｍｓ）ずつ移動しながら、例えば、以下のハミング窓ｗ（ｎ）を乗じて切り出す。ここでｎは、ｎ番目のサンプル点を表わし、Ｌは切り出し波形のサンプル点数を表わす。上記の例では、Ｌ＝２
００である。

図７に、このハミング窓を元の音響信号波形に乗じながら音響波形を切り出す過程を示す。このようにして切り出された音響信号が、信号切出部１１から出力される。

＜ステップＳ２＞
離散フーリエ変換部１２は、信号切出部１１の出力である切り出された音響信号に対して離散フーリエ変換を行い、時間領域の信号波形から周波数領域の周波数スペクトルに変換する。信号切出部１１の時間シフトｉ番目の出力信号のｎ番目のサンプルをｘ_ｉ（ｎ）とすると、その周波数スペクトルＸ_ｉ（ｋ）は以下のようになる。ここで、ｋはサンプリング周波数をＭ等分した離散点を表わし、Ｍには例えば２５６を用いる。

図８に、切り出された音響信号と離散フーリエ変換後の周波数スペクトルの例を示す。このようにして得られた周波数スペクトルＸ_ｉ（ｋ）が、離散フーリエ変換部１２から出力される。

＜ステップＳ３＞
パワー算出部１３ａは、切り出された音響信号のパワーを算出する。具体的には、パワー算出部１３ａは、離散フーリエ変換部１２の出力である周波数スペクトルＸ_ｉ（ｋ）を用いて、下記の式により、切り出された信号全体のパワーρ_ｉを計算する。このようにして算出されたパワーが、パワー算出部１３ａから出力される。

なお、図１に破線で示したパワー算出部１３ｂが、信号切出部１１の出力である切り出された音響信号ｘ_ｉ（ｎ）を用いて、下記の式により、切り出された信号全体のパワーρ_ｉを直接算出しても良い。

＜ステップＳ４＞
基本周波数推定部１４ａは、切り出された音響信号の基本周波数を推定する。具体的には、基本周波数推定部１４ａは、離散フーリエ変換部１２の出力である周波数スペクトルＸ_ｉ（ｋ）と、パワー算出部１３ａ又はパワー算出部１３ｂの出力であるパワーρ_ｉとを用いて、信号切出部１１の出力である切り出された音響信号の時間領域における信号波形の基本周波数を推定する。

基本周波数の推定は、例えば、次式で示すように、音声・音楽の倍音成分のパワーを最大化するような推定方法によって行う（例えば、参考文献１参照。）。ｆ０_ｉを推定基本周波数に対応する周波数スペクトルのビンの番号、ａｒｇｍａｘ_ｊ（）をカッコの中身を最大化するｊを出力する関数、ｖ_ｉを、Ｍ／（２ｊ）の整数部分を表わす関数とすると、

によって基本周波数が推定される。前式により推定された基本周波数ｆ０_ｉが、基本周波数推定部１４ａの出力となる。
〔参考文献１〕Nakatani,T and Irino, T., "Robust and accurate fundamental frequency estimation based on dominant harmonic components," Journal of the Acoustical Society of America, Vol.116, p.3690-3700, 2004.
なお、図１に破線で示す基本周波数推定部１４ｂが、周波数スペクトルＸ_ｉ（ｋ）の替わりに、信号切出部１１の出力であるｘ_ｉ（ｎ）を用いて、いわゆる自己相関法（例えば、参考文献２参照。）によって、基本周波数を推定しても良い。自己相関法では、まず自己相関関数を求める。切り出し波形のサンプル点数をＬ、そのｊ番目のサンプル点の信号の振幅をｘ_ｉ（ｊ）としたときに、自己相関関数の係数ｃ_ｉ（ｊ）は以下の式によって定まる。

これをｊ＝１，…，Ｌについて定める。次に、この自己相関関数の係数におけるｊの一定の探索範囲内、例えば、１６≦ｊ≦１６０（サンプリング周波数８０００Ｈｚの場合の５０Ｈｚから５００Ｈｚの周期に該当）の範囲内においてｃ_ｉ（ｊ）が最大となるｊを検出する。その結果得られたｊは入力信号の探索範囲において最も支配的な周期性成分の周期長を表わし、入力信号が単一の完全な周期信号（例えば、正弦波）の場合にはその周期長に相当する値になる。このようなｊが、基本周波数推定部１４ｂの出力となる。
〔参考文献２〕Quatieri, T. F., "Discrete-time Speech Signal Processing principles and practice," Prentice-Hall, p.504-505, 2002

＜ステップＳ５＞
パワー分離部２０ａは、切り出された音響信号のパワーと、推定された基本周波数とに基づいて、切り出された音響信号のパワーを、周期性成分パワーと非周期性成分パワーとに分離をする。
図３は、ステップＳ５を構成する各ステップの処理を例示する図である。ステップＳ５は、例えば、ステップＳ５１，ステップＳ５２の処理で構成される。

≪ステップＳ５１≫
まず、パワー分離部２０ａの周期性成分パワー算出部１５ａは、離散フーリエ変換部１２の出力である周波数スペクトルＸ_ｉ（ｋ）と、パワー算出部１３ａの出力である切り出された音声信号のパワーρ_ｉと、基本周波数推定部１４ａ又は基本周波数推定部１４ｂの出力である基本周波数ｆ０_ｉとを入力として、切り出された音響信号の周期性成分パワーρ_ｉ ^ｐを算出する（ステップＳ５１、図３）。周期性成分パワー算出部１５ａは、例えば、下記の式に基づいて、切り出された音響信号の周期性成分パワーを算出する。ここで、ρ_ｉ ^ｐは周期性成分のパワー、ｆ０_ｉは推定基本周波数に対応する周波数スペクトルのビンの番号、ｖ_ｉは、Ｍ／（２ｊ）の整数部分を表わす関数とする。

このようにして求まった周期性成分パワーが、周期性成分パワー算出部１５ａの出力となる。

≪ステップＳ５２≫
減算部１６ａは、パワー算出部１３ａ又はパワー算出部１３ｂの出力であるパワーρ_ｉから、周期性成分パワー算出部１５ａの出力である周期性成分パワーｐ_ｉ ^ｐを減算することにより、非周期性成分のパワーｐ_ｉ ^ａを求める（ステップＳ５２）。すなわち、減算部１６ａは下記の演算を行う。
ρ_ｉ ^ａ＝ρ_ｉ−ρ_ｉ ^ｐ
前式の演算結果である非周期性成分のパワーρ_ｉ ^ａが減算部１６ａの出力となる。前式は、周期性成分パワーρ_ｉ ^ｐと非周期性成分パワーρ_ｉ ^ａは合算するとρ_ｉに等しいという性質を利用するものである。

＜ステップＳ６＞
図４は、ステップＳ６の各処理を例示する図である。ステップＳ６は、例えば、ステップＳ６０〜ステップＳ６５の処理で構成される。判定部２２は、ステップＳ６０〜ステップＳ６５の処理を行うことにより、上記分離された周期性成分パワーと非周期性成分パワーとを用いて、上記切り出された音響信号に目的信号が含まれるかどうかを判定する

≪ステップＳ６０≫
まず、判定部２２の除算部１７が、周期性成分パワー算出部１５ａの出力である周期性成分のパワーρ_ｉ ^ｐと、減算部１６ａの出力である非周期性成分のパワーρ_ｉ ^ａとのパワー比を求める（ステップＳ６０）。すなわち、除算部１７は、次式により、Ｒ_ｉ（ａ，ｐ）＝ρ_ｉ ^ｐ／ρ_ｉ ^ａとＲ_ｉ（ｐ，ａ）＝ρ_ｉ ^ａ／ρ_ｉ ^ｐの両方又は何れか一方を求める。

パワー比であるＲ_ｉ（ａ，ｐ）及び／又はＲ_ｉ（ｐ，ａ）は、除算部１７の出力とされる。

≪ステップＳ６１≫
ステップＳ６１は、図４の破線で示すようにステップＳ６１１〜Ｓ６１３の処理から構成される。
判定部２２の目的信号有無判別部１８は、パワー比であるＲ_ｉ（ａ，ｐ）及び／又はＲ_ｉ（ｐ，ａ）を用いて、切り出された音響信号に目的信号が含まれるどうかを判定する。その判定は、例えば、以下のようにして行う。
まず、Ｈ_ｉを目的音がある場合に１、目的音がない場合に０を取る状態を表わす変数とする。パワーρ_ｉの信号中に目的音が存在しない場合の確率密度関数をｐ（ρ_ｉ｜Ｈ_ｉ＝０）は、この確率分布が平均０、分散αρ_ｉ ^ａに従う正規分布とすると、

として表現される（ステップＳ６１１）。上記式において、例えば、αには１を用いる。
また、同様に、パワーρ_ｉの信号中に目的音が存在する場合の確率密度関数をｐ（ρ_ｉ｜Ｈ_ｉ＝０）は、この確率分布が平均０、分散βρ_ｉ ^pに従う正規分布とすると、

と表現することができる（ステップＳ６１２）。
判定部２２の目的信号有無判別部１８の尤度比計算部１８１は、ｐ（ρ_ｉ｜Ｈ_ｉ＝１）を、ｐ（ρ_ｉ｜Ｈ_ｉ＝０）で割った、次式で定義される尤度比Λ_ｉに、

除算部１７の出力であるＲ_ｉ（ａ，ｐ）及びＲ_ｉ（ｐ，ａ）を入力することにより、尤度比Λ_ｉを求める（ステップＳ６１３、ステップＳ６１）。

≪ステップＳ６３≫
目的信号有無判別部１８の比較部１８４ａは、記憶部１８３から読み出した閾値Ｔｈ_１と、尤度比計算部１８１の出力である尤度比Λ_ｉとを比較して、Λ_ｉ＞Ｔｈ_１であれば、切り出された音響信号に目的信号が含まれる旨の検出結果を出力する（ステップＳ６３、ステップＳ６４）。反対に、Λ_ｉ≦Ｔｈ_１であれば、切り出された音響信号に目的信号が含まれない旨の検出結果を出力する（ステップＳ６３、ステップＳ６５）。
閾値Ｔｈ_１は、本発明の実施者が求める区間検出の精度や用途に応じて、０より大きく１０より小さい範囲で自由に設定することができる。雑音を完全に除去したい場合には、閾値Ｔｈ_１を高く設定することができる。すなわち、１０に近い値に設定することができる。逆に、音声をすべて拾いたい場合には、閾値Ｔｈ_１を低く設定することができる。すなわち、０に近い値に設定することができる。特に、閾値Ｔｈ_１を０．５程度の値に設定しておくと、目的信号の有無を適切に判定できることが実験的に確認されている。予め定められた閾値Ｔｈ_１は、予め記憶部１０３に格納しておく。

理論上は、Λ_ｉ＞１であれば、Ｈ_ｉ＝０である確からしさよりも、Ｈ_ｉ＝１である確からしさの方が大きいため、切り出された音響信号に目的信号が含まれると判断することができる。このため、閾値Ｔｈ_１は１とすべきであるとも考えられる。しかし、閾値Ｔｈ_１をおよそ０〜１０の範囲、特に０．５に設定すると、目的信号の有無を正確に判定できることが実験的に確認されている。
また、尤度比Λ_ｉについての雑音区間での時間平均Λ_ｉ ^ａｖｅを、閾値Ｔｈ_１として用いても良い。尤度比Λ_ｉについての雑音区間での時間平均Λ_ｉ ^ａｖｅは、閾値決定部１８２が予め計算して、記憶部１８３に格納しておく。
また、時間平均Λ_ｉ ^ａｖｅに基づいて定まる値を閾値Ｔｈ_１として用いても良い。例えば、αとβを任意の実数として、Λ_ｉ ^ａｖｅ＋αやΛ_ｉ ^ａｖｅ×βを、閾値Ｔｈ_１として用いても良い。αとβは、先に述べたのと同様に、本発明の実施者が求める区間検出の精度や用途に応じて適宜設定することができる。例えば、−尤度比Λ_ｉの標準偏差≦α≦＋尤度比Λ_ｉの標準偏差、β＝０．５〜２とすることができる。Λ_ｉ ^ａｖｅ＋αやΛ_ｉ ^ａｖｅ×βの値は、閾値決定部１８２が予め計算して、記憶部１８３に格納しておく。

なお、尤度比計算部１８１と比較部１８４ａは、上記式（１）に替えて、ｐ（ρ_ｉ｜Ｈ_ｉ＝０）を、ｐ（ρ_ｉ｜Ｈ_ｉ＝１）で割った、次式で定義される尤度比Λ_ｉ’と、閾値Ｔｈ_１とを比較することにより、目的音の有無を判別しても良い。

この場合の閾値Ｔｈ_１の値は、上記と同様である。また、Λ_ｉ’＞Ｔｈ_１であれば、切り出された音響信号に目的信号が含まれない、Λ_ｉ’≦Ｔｈ_１であれば、切り出された音響信号に目的信号が含まれると判断することができる。
以上が、本実施形態による信号区間推定装置１０の概要である。

［変形例１］
なお、図９に示す信号区間推定装置１０’のパワー分離部２０ｂの非周期性成分パワー算出部１５ｂが、周波数スペクトルＸ_ｉ（ｋ）の替わりに、信号切出部１１の出力である音響信号ｘ_ｉ（ｎ）を用いて、非周期性成分パワーρ_ｉ ^ａを推定しても良い。まず、非周期性成分パワー算出部１５ｂは、基本周波数推定部１４ａ又は基本周波数推定部１４ｂで求まった基本周波数ｆ０_ｉを用いて、いわゆるｚ領域での表現において、
Ｈ（ｚ）＝１−ｚ^−ｆ０ｉ
となる周波数特性を持つ櫛型フィルタを構成する。次に、この櫛型フィルタを信号切出部１１の出力である切り出された音響信号ｘ_ｉ（ｎ）に適用し、櫛型フィルタの周波数特性における零点に相当する部分（基本周波数成分とその整数倍の周波数成分）のパワーが抑制された離散信号を得る。この結果得られた信号のパワーρ_ｉ ^ａが、非周期性成分パワー算出部１５ｂの出力となる（ステップＳ５３、図３）。

減算部１６ｂは、パワー算出部１３ａ又はパワー算出部１３ｂの出力であるパワーρ_ｉから、非周期性成分パワー算出部１５ｂの出力である非周期性成分パワーρ_ｉ ^ａを減算することにより、周期性成分のパワーρ_ｉ ^ｐを求める（ステップＳ５４、図３）。すなわち、減算部１６ｂは下記の演算を行う。
ρ_ｉ ^ｐ＝ρ_ｉ−ρ_ｉ ^ａ
前式の演算結果である非周期性成分のパワーρ_ｉ ^ｐが減算部１６ｂの出力となる。
また、非周期性成分パワー算出部１５ｂは、次式により、非周期性成分パワーρ_ｉ ^ａを求めても良い。

この場合には、減算部１６ｂが上記と同様にして、周期性成分のパワーρ_ｉ ^ｐを求める。その他の処理は、上記実施形態と同様である。

［変形例２］
上記説明したステップＳ６１，Ｓ６３（図４）の処理に替えて、目的信号有無判別部１８の比較部１８４ｂが、図５に示したステップＳ６６の処理を行うことにより、切り出された音響信号に目的信号が含まれているかどうかを判断しても良い。図５は、ステップＳ６の処理を例示する図である。
具体的には、比較部１８４ｂが、減算部１７の出力であるＲ_ｉ（ａ，ｐ）と、記憶部１８３から読み出した閾値Ｔｈ_２との大小関係を比較し（ステップＳ６６）、Ｒ_ｉ（ａ，ｐ）＞Ｔｈ_２であれば目的信号が含まれる（ステップＳ６４）、Ｒ_ｉ（ａ，ｐ）≦Ｔｈ_２であれば目的信号が含まれない（ステップＳ６５）と判断し、その判断結果を出力する。
閾値Ｔｈ_２は、本発明の実施者が求める区間検出の精度に応じて自由に設定して、記憶部１８３に格納しておくことができる。すなわち、雑音信号を完全に除去したければ、閾値Ｔｈ_２を高く設定することができ、目的信号を完全に拾いたければ、閾値Ｔｈ_２を低く設定することができる。

また、閾値Ｔｈ_２には、パワー比Ｒ_ｉ（ａ，ｐ）の雑音区間での時間平均Ｒ_ｉ ^ａｖｅ（ａ，ｐ）を設定することができる。閾値決定部１８２は、Ｒ_ｉ（ａ，ｐ）の雑音区間での時間平均Ｒ_ｉ ^ａｖｅ（ａ，ｐ）、を予め計算して、記憶部１８３に格納しておく。
また、時間平均Ｒ_ｉ ^ａｖｅ（ａ，ｐ）に基づいて定まる値を閾値Ｔｈ_２として用いても良い。例えば、αとβを任意の実数として、Ｒ_ｉ ^ａｖｅ（ａ，ｐ）＋αやＲ_ｉ ^ａｖｅ（ａ，ｐ）×βを、閾値Ｔｈ_２として用いても良い。αとβは、先に述べたのと同様に、本発明の実施者が求める区間検出の精度や用途に応じて適宜設定することができる。例えば、−Ｒ_ｉ ^ａｖｅ（ａ，ｐ）の標準偏差≦α≦Ｒ_ｉ ^ａｖｅ（ａ，ｐ）の標準偏差、β＝０．５〜２とすることができる。Ｒ_ｉ ^ａｖｅ（ａ，ｐ）＋αやＲ_ｉ ^ａｖｅ（ａ，ｐ）×βの値は、閾値決定部１８２が予め計算して、記憶部１８３に格納しておく。

［変形例３］
上記説明したステップＳ６１，Ｓ６３（図４）の処理に替えて、目的信号有無判別部１８の比較部１８４ｃが、図６に示したステップＳ６９の処理を行うことにより、切り出された音響信号に目的信号が含まれているかどうかを判断しても良い。図６は、ステップＳ６の処理を例示する図である。
具体的には、比較部１８４ｃが、減算部１７の出力であるＲ_ｉ（ｐ，ａ）と、記憶部１８３から読み出した閾値Ｔｈ_３との大小関係を比較し（ステップＳ６９）、Ｒ_ｉ（ｐ，ａ）＞Ｔｈ_３であれば目的信号が含まれない（ステップＳ６５）、Ｒ_ｉ（ｐ，ａ）≦Ｔｈ_３であれば目的信号が含まれる（ステップＳ６４）と判断し、その判断結果を出力する。
閾値Ｔｈ_３は、本発明の実施者が求める区間検出の精度に応じて自由に設定して、記憶部１８３に格納しておくことができる。すなわち、雑音信号を完全に除去したければ、閾値Ｔｈ_３を高く設定することができ、目的信号を完全に拾いたければ、閾値Ｔｈ_３を低く設定することができる。
また、閾値Ｔｈ_３には、パワー比Ｒ_ｉ（ｐ，ａ）の雑音区間での時間平均Ｒ_ｉ ^ａｖｅ（ｐ，ａ）を設定することができる。閾値決定部１８２は、Ｒ_ｉ（ｐ，ａ）の雑音区間での時間平均Ｒ_ｉ ^ａｖｅ（ｐ，ａ）を予め計算して、記憶部１８３に格納しておく。

また、時間平均Ｒ_ｉ ^ａｖｅ（ｐ，ａ）に基づいて定まる値を閾値Ｔｈ_３として用いても良い。例えば、αとβを任意の実数として、Ｒ_ｉ ^ａｖｅ（ｐ，ａ）＋αやＲ_ｉ ^ａｖｅ（ｐ，ａ）×βを、閾値Ｔｈ_３として用いても良い。αとβは、先に述べたのと同様に、本発明の実施者が求める区間検出の精度や用途に応じて適宜設定することができる。例えば、−Ｒ_ｉ ^ａｖｅ（ｐ，ａ）の標準偏差≦α≦Ｒ_ｉ ^ａｖｅ（ｐ，ａ）の標準偏差、β＝０．５〜２とすることができる。Ｒ_ｉ ^ａｖｅ（ｐ，ａ）＋αやＲ_ｉ ^ａｖｅ（ｐ，ａ）×βの値は、閾値決定部１８２が予め計算して、記憶部１８３に格納しておく。

［変形例４］
また、周期性成分パワーρ_ｉ ^ｐ、非周期性成分パワーρ_ｉ ^ａ、これら比であるＲ_ｉ（ｐ，ａ）とＲ_ｉ（ａ，ｐ）、及び、尤度比Λ_ｉについて、サポートベクターマシン（例えば、参考文献３参照。）や隠れマルコフモデル（ＨＭＭ）（例えば、参考文献４参照。）などのパターン識別方法を用いて音響特徴の学習及び判定を行っても良い。
〔参考文献３〕津田宏治，「サポートベクターマシンとは何か」，電子情報通信学会誌，p.460〜466，2000
〔参考文献４〕北研二，中村哲，永田昌明，「音声言語処理」，森北出版株式会社，p.57〜90，1996
具体的には、事前に学習用として、音声／非音声区間が既知の音響データを用意し、このデータに対してΛ_ｉの値を求め、音声／非音声のクラスとΛ_ｉの値を対応付ける。これを、ＨＭＭやサポートベクターマシンのようなパターン識別方法で学習しておき、識別関数のパラメータを求めておく。このパラメータを用いて、区間検出の対象となる音響信号についての識別スコアを計算し、そのスコアから、その音響信号が目的信号を含むかどうかを検証する。

［変形例５］
なお、ｆとｇを所定の関数とし、周期性成分パワーρ_ｉ ^ｐと非周期性成分パワーρ_ｉ ^ａをそれぞれｆとｇで補正を加えたｆ（ρ_ｉ ^ｐ）とｇ（ρ_ｉ ^ａ）を、ρ_ｉ ^ｐとρ_ｉ ^ａの替わりに用いても良い。例えば、｛ｆ（ｘ）＝ｌｏｇｘ，ｇ（ｘ）＝ｌｏｇｘ｝とすることや、｛ｆ（ｘ）＝ｘ＋ｃ，ｇ（ｘ）＝ｘ＋ｄ｝とすることができる。ここで、ｃとｄは、環境を考慮した定数であり、本発明の実施者が適宜設定することができる定数である。
この補正は、周期性成分パワー算出部１５ａ，１５ｂと、減算部１６ａ，１６ｂ内の補正部２５が行う。補正部２５は、周期性成分パワーρ_ｉ ^ｐと非周期性成分パワーρ_ｉ ^ａ替えて、補正周期性成分パワーｆ（ρ_ｉ ^ｐ）と補正非周期性成分パワーｇ（ρ_ｉ ^ａ）を出力する。信号区間推定装置１０の各部は、ｆ（ρ_ｉ ^ｐ）とｇ（ρ_ｉ ^ａ）について、ρ_ｉ ^ｐとρ_ｉ ^ａについてした処理と同様の処理を行う。

このように、判定部は、周期性成分パワーρ_ｉ ^ｐと非周期性成分パワーρ_ｉ ^ａのパワー比ではなく、一般に、上記分離された周期性成分パワーと非周期性成分パワーとを用いて、上記切り出された音響信号に目的信号が含まれるかどうかを判定することができる。
［変形例６］
本発明は、音響信号に限らず、無線信号や生体信号以外の信号に用いることができる。すなわち、例えば無線信号が目的信号と目的外信号とを含む場合において、その目的信号が強い周期性成分を持つ場合には、本発明を用いることにより、目的信号が含まれる区間を推定することができる。

［その他の変形例］
信号区間推定装置の処理機能をコンピュータによって実現することができる。この場合、信号区間推定装置の処理機能の内容はプログラムによって記述される。そして、このプログラムを、図１０に示すようなコンピュータで実行することにより、例えば、図１に示す信号区間推定装置１０の各処理機能がコンピュータ上で実現される。
この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Random Access Memory）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ−Ｒ（Recordable）／ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto-Optical disc）等を、半導体メモリとしてＥＥＰ−ＲＯＭ（Electronically Erasable and Programmable-Read Only Memory）等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、信号区間推定装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
以上の各実施形態の他、本発明である音響信号区間推定方法、装置、プログラム及びその記録媒体は上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。

［実験例］
本発明の効果を示すために、音声信号と雑音信号が混在する音響信号を本発明の音響信号区間推定方法によって分析し、得られた音響特徴（尤度比）を用いて音声信号区間を検出する実験例を示す。使用した音響信号データは「（社）情報処理学会音声言語情報処理研究会雑音下音声認識評価ワーキンググループ 雑音下音声認識評価環境（ＡＵＲＯＲＡ−２Ｊ）」に含まれる、女性１名によって発声された数字読み上げ音声に鉄道の駅騒音を信号対雑音比０ｄＢで加算した信号で、サンプリング周波数８ｋＨｚ、量子化ビット数１６ビットで離散サンプリングされたものを用いた。図１１の５１に雑音信号の含まれない音声信号、５２に雑音信号の加算された音声信号を示す。５２に示される音響信号を非特許文献２の４０〜４３頁に記載された従来技術により分析し、その結果得られる音響特徴のうち、全帯域エネルギーを５３に、低帯域エネルギーを５４に、周波数スペクトル分散を５５に示し、それから求まる区間検出結果を５６に示す。図示の通り、従来の音響特徴は雑音の影響を受け、特に５２に丸印で示されているような突発性の雑音（この場合列車の走行音）がある場合には十分な性能が得られない。

５２に示される音響信号に対し、本発明による音響信号分析方法を、１フレームの時間長を２５ｍｓ（２００サンプル点）とし、１０ｍｓ（８０サンプル点）ごとにフレームの始点を移動させ、各フレームで推定された周期性成分パワーおよび非周期性成分パワーの比に基づいた尤度比を算出した。得られた尤度比を５７に示す。図示のように、本発明による音響信号分析方法により出力される音響特徴（尤度比）が、音声信号の存在する区間では高い値を示し、それ以外の区間では小さい値を示すことがわかる。特に従来技術で影響を受けやすかった突発性雑音の部分での影響が従来技術よりも小さいことがわかる。この音響特徴（尤度比）を用い、閾値を０．５に設定して音声信号区間検出を行った。結果を５８に示す。図示の通り、本発明の手法が突発性雑音のある雑音環境下でも目的信号となる音声信号の存在区間推定に有効であることがわかる。

信号区間推定装置１０の機能構成を例示した図。 信号区間推定装置１０の処理を例示した図。 ステップＳ５を構成する各ステップの処理を例示した図。 ステップＳ６を構成する各ステップの処理を例示した図。 ステップＳ６を構成する各ステップの処理を例示した図。 ステップＳ６を構成する各ステップの処理を例示した図。 ハミング窓を音響信号波形に乗じながら音響波形を切り出す過程を示す図 離散フーリエ変換の処理を例示する図。 信号区間推定装置１０’の機能構成を例示した図。 本発明による音響信号区間推定の実験例及び従来技術との比較を表わした図。 信号区間推定装置１０をコンピュータで実施するときの機能構成を例示した図。

Claims (12)

1. あらかじめ決められたサンプリング周波数でサンプリングされた時系列離散信号である信号を入力とし、その信号を一定区間ごとに切り出す信号切出手段と、
   上記切り出された信号のパワーを算出するパワー算出手段と、
   上記切り出された信号の基本周波数を推定する基本周波数推定手段と、
   上記算出されたパワーと上記推定された基本周波数とに基づいて、上記算出されたパワーを、周期性成分パワーと非周期性成分パワーとに分離するパワー分離手段と、
   上記分離された周期性成分パワーと非周期性成分パワーとを用いて、上記切り出された信号に目的信号が含まれるかどうかを判定する判定手段と、
   を有し、
   上記信号切出手段が用いる窓関数をｗ（ｎ）とし、上記信号切出手段により切り出された切り出し波形のサンプル点数をＬとし、サンプリング周波数をＭ等分したサンプル点における上記切り出された波形の周波数スペクトルをＸ _ｉ （ｋ）とし、上記基本周波数推定手段により推定された基本周波数に対応する周波数スペクトルのビンの番号をｆ０ _ｉ 及びｊとし、上記パワー算出手段により算出されたパワーをρ _ｉ とし、Ｍ／（２ｊ）の整数部分を表わす関数をｖ _ｉ とし、
   上記パワー分離手段は、下記式により上記周期性成分パワーρ _ｉ ^ｐ を求め、上記パワーρ _ｉ から上記周期性成分パワーρ _ｉ ^ｐ を減算して上記非周期性成分パワーρ _ｉ ^ａ とする、
   

   

   信号区間推定装置。
2. 請求項１に記載の信号区間推定装置であって、
   上記判定手段は、
   上記分離された周期性成分パワーと非周期性成分パワーとのパワー比を求める除算手段と、
   上記求まったパワー比を用いて、上記切り出された信号に目的信号が含まれるかどうかを判定する目的信号有無判別手段と、
   から構成される
   ことを特徴とする信号区間推定装置。
3. 請求項２に記載の信号区間推定装置であって、
   上記目的信号有無判別手段は、パワーρ_iの信号中に目的信号が存在する場合の確率密
   度関数をパワーρ_iの信号中に目的信号が存在しない場合の確率密度関数で割った関数、
   又は、パワーρ_iの信号中に目的信号が存在しない場合の確率密度関数をパワーρ_iの信号中に目的信号が存在する場合の確率密度関数で割った関数に、上記算出された信号のパワーと上記求まったパワー比を入力した値と、所定の閾値との大小関係を比較することにより、上記切り出された信号に目的信号が含まれるかどうかを判定する手段である、
   ことを特徴とする信号区間推定装置。
4. 請求項３に記載の信号区間推定装置であって、
   上記所定の閾値は、０より大きく１０より小さい値である、
   ことを特徴とする信号区間推定装置。
5. 請求項２に記載の信号区間推定装置であって、
   上記目的信号有無判別手段は、上記パワー比と、所定の閾値の大小関係を比較することにより、上記切り出された信号に目的信号が含まれるかどうかを判定する手段である、
   ことを特徴とする信号区間推定装置。
6. 請求項３又は５に記載の信号区間推定装置であって、
   上記所定の閾値は、上記入力した値の平均値又は上記パワー比の平均値又はこれらの平均値に基づいて決まる値である、
   ことを特徴とする信号区間推定装置。
7. 信号切出手段が、あらかじめ決められたサンプリング周波数でサンプリングされた時系列離散信号である信号を入力とし、その信号を一定区間ごとに切り出す信号切出ステップと、
   パワー算出手段が、上記切り出された信号のパワーを算出するパワー算出手段と、
   基本周波数推定手段が、上記切り出された信号の基本周波数を推定する基本周波数推定ステップと、
   パワー分離手段が、上記算出されたパワーと上記推定された基本周波数とに基づいて、上記算出されたパワーを、周期性成分パワーと非周期性成分パワーとに分離するパワー分離ステップと、
   判定手段が、上記分離された周期性成分パワーと非周期性成分パワーとを用いて、上記切り出された信号に目的信号が含まれるかどうかを判定する判定ステップと、
   を有し、
   上記信号切出手段が用いる窓関数をｗ（ｎ）とし、上記信号切出ステップにより切り出された切り出し波形のサンプル点数をＬとし、サンプリング周波数をＭ等分したサンプル点における上記切り出された波形の周波数スペクトルをＸ _ｉ （ｋ）とし、上記基本周波数推定ステップにより推定された基本周波数に対応する周波数スペクトルのビンの番号をｆ０ _ｉ 及びｊとし、上記パワー算出手段により算出されたパワーをρ _ｉ とし、Ｍ／（２ｊ）の整数部分を表わす関数をｖ _ｉ とし、
   上記パワー分離ステップは、下記式により上記周期性成分パワーρ _ｉ ^ｐ を求め、上記パワーρ _ｉ から上記周期性成分パワーρ _ｉ ^ｐ を減算して上記非周期性成分パワーρ _ｉ ^ａ とする、
   

   

   信号区間推定方法。
8. 請求項７に記載の信号区間推定方法であって、
   上記判定ステップは、
   除算手段が、上記分離された周期性成分パワーと非周期性成分パワーとのパワー比を求める除算ステップと、
   目的信号有無判別手段が、上記求まったパワー比を用いて、上記切り出された信号に目的信号が含まれるかどうかを判定する目的信号有無判別ステップと、
   から構成される
   ことを特徴とする信号区間推定方法。
9. 請求項８に記載の信号区間推定方法であって、
   上記目的信号有無判別ステップは、パワーρ_iの信号中に目的信号が存在する場合の確
   率密度関数をパワーρ_iの信号中に目的信号が存在しない場合の確率密度関数で割った関
   数、又は、パワーρ_iの信号中に目的信号が存在しない場合の確率密度関数をパワーρ_iの信号中に目的信号が存在する場合の確率密度関数で割った関数に、上記算出された信号のパワーと上記求まったパワー比を入力した値と、所定の閾値との大小関係を比較することにより、上記切り出された信号に目的信号が含まれるかどうかを判定するステップである、
   ことを特徴とする信号区間推定方法。
10. 請求項８に記載の信号区間推定方法であって、
    上記目的信号有無判別ステップは、上記パワー比と、所定の閾値の大小関係を比較することにより、上記切り出された信号に目的信号が含まれるかどうかを判定するステップである、
    ことを特徴とする信号区間推定方法。
11. 請求項１から６の何れかに記載の信号区間推定装置の各手段としてコンピュータを機能させるための信号区間推定プログラム。
12. 請求項１１記載の信号区間推定プログラムを記録したコンピュータ読み取り可能な記録媒体。

Images