JP4876378B2 - 音声処理装置、音声処理方法及び音声処理プログラム - Google Patents

Description

本発明は、機器の操作により発生する雑音を除去する音声処理装置、音声処理方法及び音声処理プログラムに関する。

音声を入力する各種機器では、利用者の周囲の環境に基づく雑音や機器自身が発生する雑音が目的とする音声に加わってしまう。このような雑音は定常的なものと非定常的なものに分けることができる。非定常的な雑音の例として携帯電話等の移動端末の操作上発生する雑音をあげる。携帯電話などでは、構造上、マイク等の音声入力部分とキーのように音を発してしまう機構を持つ部分とが近接することが避けられず、操作に伴い雑音が混入する。すなわち、キーを押下した場合に発生するキークリック雑音がマイクに入力され、それが雑音として音声に乗ってしまう。

このような雑音を抑圧する方法としては、収音した雑音を取り出してこの雑音と逆の位相を有する音波を発生させる方法や、周波数領域において低パワー部分を取り除く方法などが知られている。

これら現在行われている雑音除去方法では、雑音抑圧の方法や雑音を抑圧する音声処理上の段階に相違はあるものの、その処理には共通点がある。すなわち、これらの方法では、入力された音声を分析し、雑音を検出して雑音除去処理を行い、その後に符号化処理が行われる。音声の分析と雑音の検出・除去とは不可分の関係にある。

特許文献１では骨伝導マイクロホンの検出する音声から、パルス性の異音（歯当たり音）を除去する方法を開示している。この発明では、パルス性の雑音が検出されると、ゲイン調整回路及び遅れ回路を用いて雑音の除去を行っている。

特許文献２では、符号誤り率が大きく変動する伝送路において、電力パラメータを小音量に対応する値に置き換えることで音声の品質の劣化を防ぐことが行われている。
特許第３４２０８３１号公報（図７、（００２０）〜（００２２）段落） 特開昭６０−１７３６００号公報（第５−８頁）

しかしながら、雑音処理に要する時間は、データ処理における遅延となり、上記のような雑音の除去方法では、雑音除去処理に要する時間分の遅延が発生することになる。本発明は、上記問題点に鑑み、従来の方法よりも音声処理時間の遅延を短縮することを目的とする。

上記問題を解決する為に、本発明は、以下の特徴を有する。
＜音声処理装置＞
本発明にかかる音声処理装置は、
入力操作を行う入力部を備えた音声処理装置であって、
音声データをフレームに分割して音声フレームを出力する音声入力部と、
前記音声フレームを符号化する処理部と、
前記入力部による入力操作が原因で発生する雑音を検出する検出部と、
前記検出部で前記雑音を検出した場合に、前記処理部において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記処理部において符号化された音声フレームから前記雑音を除去する出力部と、を有することを特徴とする。
＜音声処理方法＞
本発明にかかる音声処理方法は、
入力操作を行う入力部を有する音声処理装置で行う音声処理方法であって、
音声データをフレームに分割して音声フレームを出力する音声入力工程と、
前記音声フレームを符号化する符号化処理工程と、
前記入力部による入力操作が原因で発生する雑音を検出する検出工程と、
前記検出工程で前記雑音を検出した場合に、前記符号化処理工程において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記符号化処理工程において符号化された音声フレームから前記雑音を除去する出力工程と、を有することを特徴とする。
＜音声処理プログラム＞
本発明にかかる音声処理プログラムは、
入力操作を行う入力部を有する音声処理装置のコンピュータに実行させる音声処理プログラムであって、
音声データをフレームに分割して音声フレームを出力する音声入力処理と、
前記音声フレームを符号化する符号化処理と、
前記入力部による入力操作が原因で発生する雑音を検出する検出処理と、
前記検出処理で前記雑音を検出した場合に、前記符号化処理において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記符号化処理において符号化された音声フレームから前記雑音を除去する出力処理と、を、前記コンピュータに実行させることを特徴とする。

本発明によれば、音声処理時間の遅延を短縮することができる。

機器自体から発生する雑音の検出を音声符号化と並行して行い、またその雑音を除去する音声処理を以下のように実現した。

図１及び２を参照し、第１の実施例の構成を説明する。
音声入力部１０は、入力された音声データを、任意時間単位に分割したフレームという単位で処理部２０に送る（処理１及び２）。
処理部２０は、音声入力部１０から受けた音声フレームを符号化し、出力部４０に送る（処理３及び４）。
キー検出部３０は、入力部６０からキー等の入力装置の操作を通知されると、雑音発生の動作と見なし、検出結果を出力部４０に送る（処理５及び６）。
出力部４０は、キー検出部３０からの検出結果により、処理部２０より受けた符号化データフレーム、もしくは出力部４０にてあらかじめ符号化した無音フレームを選択し、選択したフレームを通信部５０に送る（処理７）。
通信部５０は無線基地局とのデータの送受信を行う。
入力部６０は入力キーやボタンなどの入力装置であり、文字等の入力を行う。入力部６０は電話番号入力や文字入力等の処理部（不図示）に接続されているが、キー検出部３０にも接続されており、入力装置の操作が行われるとこれをキー検出部３０に通知する。
この他に本発明の動作を記述したプログラムを保持するメモリを有していてもよい。
図２の処理１〜４及び７は雑音を含む音声データの符号化処理を表している。

＜実施例の動作の説明＞
以下、本実施例の動作について携帯端末を例にとって説明する。
携帯端末のキー（入力部６０）を押すことによりキークリック音等の雑音が発生すると、図１においてこの雑音は音声入力部１０から入力され、処理部２０を経由して、出力部４０で通信部５０に送られるデータフレームとして準備される。キーを押下した後の各部での処理や各部間のデータ伝送（処理１、処理２、処理３、処理４）に要する時間を図２に示す。

キー検出部３０では、キー押下等の雑音発生原因となる動作を電気的に検出し（処理５）、当該動作が発生したことを出力部４０に通知する（処理６）。キー検出は、雑音発生後一定の遅れを持って検出されるが、キー検出の処理時間（処理５、処理６）はデータ処理遅延（処理１〜処理４）よりも一般的に短いため、データ処理と並列に処理することにより、雑音検出のための遅延時間を追加することなく検出結果を通知できる。

出力部４０は、キー検出部３０からの検出結果が「検出なし」の場合、処理部２０から受け取ったフレームを通信部５０に送る。検出結果が「検出あり」の場合、処理部２０から受け取ったフレームを破棄し、無音フレームを通信部５０に送る（処理７）。

本実施例によれば、雑音を検出する処理と通常の音声処理とが独立して行われるので、雑音検出の為の時間が不要である。また、キー押下によって発生する雑音を音声信号の中から検出する処理が不要である為、簡素な方法で出力音声が改善される。

図３を参照して、第２の実施例を説明する。本実施例では、雑音の検出方法を更に工夫している。図３においては、図１のキー検出部３０が雑音検出部７０に置き換えられている。

雑音検出部７０は、キー検出でなく入力音声を利用した一般的な音声処理による雑音検出方法を行う（処理５´）。入力された音声データは処理部２０と雑音検出部７０に伝達され、雑音検出処理と音声符号化処理とが独立して行われる。これにより、従来の雑音検出方法を使用する場合においても、雑音検出処理と音声符号化処理を並行して行うことが可能であり、雑音検出処理の遅延が低減される。雑音検出処理に必要とされる時間は音声処理符号化処理と並行して処理する上で支障がない程度のものである。雑音の除去は第１の実施例と同じように、無音フレームで置き換えることにより行われる。

本実施例によれば、雑音を検出する処理と音声データを符号化する処理とが独立して行われる為、雑音検出の為に余分な時間をとる必要がなく、処理時間の短縮が図れる。

図４を参照して、第３の実施例を説明する。本実施例では、図３の構成に雑音記憶部８０を加えられている。
雑音記憶部８０は入力部６０で発生する様々なキークリック音をサンプルデータとして保持し、これを雑音検出部７０に提供することで、雑音の検出を容易にする。雑音検出処理の際に雑音検出部７０は雑音記憶部８０に保持されたサンプルの雑音データを参照し、音声データから適合する雑音を検出する。雑音の除去処理は実施例１に同じである。
サンプルデータとしては、雑音検出部７０で検出したものを蓄積してもよいし、予めキーを操作して採取したものを保持してもよい。

本実施例によれば、雑音検出処理の時間が短縮され、音声データの符号化処理の時間に合わせた並列処理が可能である。

図５を参照して第４の実施例を説明する。本実施例では、図４の構成に入力部６０が加えられている。
入力部６０はキー等が操作されたことを検出すると、これを雑音検出部７０に通知する。雑音検出部７０では、入力部６０から通知があった場合であって、且つ雑音を検出した場合に、検出した雑音が入力部６０の操作により発生したものであると判断し、雑音記憶部８０にこの雑音データを送る。雑音記憶部８０ではこのようにして採取された雑音データを蓄積する。
雑音記憶部８０に蓄積された雑音データの利用法及び出力部４０での雑音除去処理は実施例３と同様にして行われる。

本実施例によれば、非定常的な雑音が音声データに混入したことが通知され、また入力部６０で発生する非定常的な雑音の形状を装置が学習することにより、非定常的な雑音の検出処理が容易になる。

第５の実施例では、図６に示すように、通信部５０をデータ保存可能な記憶部９０に置き換える。これにより、第１及び第２の実施例で示した音声処理を行う音声記録装置が実現される。

本発明は筐体に入力装置を有する携帯電話、無線機、音声記録装置等に応用することが可能である。

本発明における第１の実施例の構成を示す図である。 キー操作により発生する雑音を含む音声データの符号化処理及びキー操作の検出処理に要する時間を示す図である。 本発明における第２の実施例の構成を示す図である。 本発明における第３の実施例の構成を示す図である。 本発明における第４の実施例の構成を示す図である。 本発明における第５の実施例の構成を示す図である。

符号の説明

１０ 音声入力部
２０ 処理部
３０ キー検出部
４０ 出力部
５０ 通信部
６０ 入力部
７０ 雑音検出部
８０ 雑音記憶部
９０ 記憶部

Claims (9)

1. 入力操作を行う入力部を備えた音声処理装置であって、
   音声データをフレームに分割して音声フレームを出力する音声入力部と、
   前記音声フレームを符号化する処理部と、
   前記入力部による入力操作が原因で発生する雑音を検出する検出部と、
   前記検出部で前記雑音を検出した場合に、前記処理部において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記処理部において符号化された音声フレームから前記雑音を除去する出力部と、を有することを特徴とする音声処理装置。
2. 前記検出部は、前記入力部による入力操作が行われた場合に、前記雑音を検出したと見なすことを特徴とする請求項１記載の音声処理装置。
3. 前記検出部は、前記音声データから前記雑音を検出することを特徴とする請求項１記載の音声処理装置。
4. 前記検出部で検出した前記雑音を記憶する雑音記憶部を更に有することを特徴とする請求項１または３記載の音声処理装置。
5. 前記検出部は、前記入力部による入力操作が行われ、且つ、前記音声データから前記雑音を検出した場合に、前記雑音を前記雑音記憶部に記憶することを特徴とする請求項４記載の音声処理装置。
6. 前記出力部で前記雑音を除去した音声フレームを送信する通信部を更に有することを特徴とする請求項１から５の何れか１項に記載の音声処理装置。
7. 前記出力部で前記雑音を除去した音声フレームを保存する記憶部を更に有することを特徴とする請求項１から５の何れか１項に記載の音声処理装置。
8. 入力操作を行う入力部を有する音声処理装置で行う音声処理方法であって、
   音声データをフレームに分割して音声フレームを出力する音声入力工程と、
   前記音声フレームを符号化する符号化処理工程と、
   前記入力部による入力操作が原因で発生する雑音を検出する検出工程と、
   前記検出工程で前記雑音を検出した場合に、前記符号化処理工程において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記符号化処理工程において符号化された音声フレームから前記雑音を除去する出力工程と、を有することを特徴とする音声処理方法。
9. 入力操作を行う入力部を有する音声処理装置のコンピュータに実行させる音声処理プログラムであって、
   音声データをフレームに分割して音声フレームを出力する音声入力処理と、
   前記音声フレームを符号化する符号化処理と、
   前記入力部による入力操作が原因で発生する雑音を検出する検出処理と、
   前記検出処理で前記雑音を検出した場合に、前記符号化処理において符号化された音声フレームを予め符号化された無音フレームで置き換え、前記符号化処理において符号化された音声フレームから前記雑音を除去する出力処理と、を、前記コンピュータに実行させることを特徴とする音声処理プログラム。

Images