JP4989379B2 - 雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラム、および記録媒体 - Google Patents

Description

この発明は例えば音声認識システムやテレビ会議システム等に利用することができる雑音抑圧装置、雑音抑圧方法、雑音抑圧プログラム、および記録媒体に関する。

雑音抑圧技術は、
１．スペクトル減算に基づく方法
２．音声の調波構造に基づく方法
３．音声と雑音のパラメトリックモデルに基づく方法
の３つに大別される。本発明は３つめの分類に属する。そこで、音声と雑音のパラメトリックモデルに基づく雑音抑圧技術について図を用いて説明する。図１は、一般的な音声と雑音のパラメトリックモデルに基づく雑音抑圧装置の機能構成例を示す図である。雑音抑圧装置９００は、入力部９１０、フレーム化処理部９２０、バッファリング／データ流制御部９３０、雑音抑圧部９４０、音声パラメータ推定部９５０、雑音パラメータ推定部９６０から構成される。

入力部９１０はマイクロホンや音声ファイル等の入力手段から音響波形データを読み出し、離散化／量子化された雑音を含む音声信号を出力する。以後、この雑音を含む音声信号を観測信号と呼ぶ。なお、本明細書での「信号」とは波形の標本系列のことである。フレーム化処理部９２０は、観測信号をあらかじめ定めた長さの短時間フレーム毎に切り出して出力する。フレーム長としては、通常、２０〜３０ミリ秒程度が採用される。この短時間フレームにおいて、音声信号と雑音信号の統計的性質は定常であると仮定される。雑音抑圧処理を実施する雑音抑圧部９４０は１フレームを処理単位として逐次的に動作する。そのため、バッファリング／データ流制御部９３０は、フレーム毎の観測信号を受け取り、雑音抑圧部９４０が１フレームの観測信号の処理を完了した時点で、その次のフレームの観測信号を雑音抑圧部９４０へ送出する。雑音抑圧部９４０は、１フレームの観測信号、音声パラメータ、雑音パラメータを受け取り、これらに基づいて当該フレームの雑音抑圧信号を出力する。また、当該フレームの処理が終了したことをバッファリング／データ流制御部９３０に通知する。

雑音パラメータ推定部９６０は、雑音に関する何らかの統計量を用いて処理対象のフレームに含まれる雑音のパラメータを推定する。音声パラメータ推定部９５０は、処理対象のフレームにおける観測信号と雑音パラメータの推定値を用いて音声のパラメータを推定する（非特許文献１）。別の方法として、音声パラメータ推定部９５０と雑音パラメータ推定部９６０を協調させることによって、音声パラメータと雑音パラメータを同時に推定することも可能である（非特許文献２）。いずれの方法を用いるにせよ、雑音パラメータの推定精度が雑音抑圧性能に密接に関連する。
Lim,J.S. and Oppenheim, A.V.: All-pole modeling of degraded speech, IEEE Trans. Acoust. Speech, Signal Process., Vol.26,No.3,pp.197-210(1978). Ephraim, Y.: A bayesian estimation approach for speech enhancement using hidden Markov models, IEEE Trans. Signal Process., Vo1.40,No.4,pp.725-735(1992).

雑音パラメータを推定するためには、雑音に関する統計量を必要とする。従来、雑音統計量を得るために、主として次の３つの方法が採用されてきた。

１．すべてのフレームのうち音声を含まない、すなわち雑音のみを含むフレームを検出し、検出されたフレームの観測信号を雑音信号とみなして雑音統計量を計算する方法。

２．すべてのフレーム、あるいは長時間のフレーム系列にわたって雑音は定常と仮定して、音声を含むフレームと含まないフレームを識別せずに観測信号から雑音統計量を推定する方法。

３．あらかじめ収録された雑音のみを含むデータを用いて雑音統計量を学習しておく方法。この方法では、いくつかの異なる雑音環境を対象とする目的で、雑音環境毎に雑音統計量を計算しておくことも可能である。その場合、雑音抑圧に用いる雑音統計量をフレーム毎に選択する処理も必要となる。

上記１、２の方法は、すべてのフレームにわたって雑音が定常であることを仮定している。したがって、観測途中のフレームで雑音統計量が変化する状況では、これらの方法を適用できない。上記３の方法で複数の雑音統計量を併用する場合は、雑音抑圧に用いる雑音統計量をフレーム毎に選択するため雑音の定常性は必須要件ではない。しかしながら、抑圧対象の雑音が雑音統計量の学習時に想定した雑音のいずれとも異なる場合には適用できないという問題がある。

本発明の目的は、上記の欠点を解決するために、音声を含むフレームと含まないフレームを識別することなく、観測信号から雑音のパラメータを逐次的に推定する方法を提供することにある。

本発明の雑音抑圧装置は、入力部、フレーム化処理部、バッファリング／データ流制御部、初期化部、ｑ（ｓ）計算部、ｑ（Θ）計算部、第１切替部、第２切替部、終了判定部を備える。

入力部は、入力された音響波形データを離散化または量子化し、観測信号を出力する。フレーム化処理部は、観測信号をあらかじめ定めた長さの短時間フレーム毎に切り出し、フレームごとの観測信号を出力する。バッファリング／データ流制御部は、フレーム化処理部より供給されるフレームごとの観測信号をバッファリングするとともに、終了通知信号を受信するたびに観測信号をフレームごとに出力する。初期化部は、フレームごとに音声パラメータの初期分布ｑ(Θ_ｓ)^（０）と雑音パラメータの初期分布ｑ(Θ_ｖ)^（０）を定め、繰返し回数ｉを０とする。ｑ（ｓ）計算部は、音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}を、バッファリング／データ流制御部から入力されたフレームごとの観測信号と音声パラメータの事後分布ｑ（Θ_ｓ）^（ｉ）と雑音パラメータの事後分布ｑ（Θ_ｖ）^（ｉ）から求める。ｑ（Θ）計算部は、音声パラメータの事後分布ｑ（Θ_ｓ）^{（ｉ＋１）}と雑音パラメータの事後分布ｑ（Θ_ｖ）^{（ｉ＋１）}を、音声パラメータの事前分布ｐ（Θ_ｓ）と雑音パラメータの事前分布ｐ（Θ_ｖ）と音声信号の事後分布ｑ（ｓ）^{（ｉ＋１）}から求める。終了判定部は、あらかじめ定めた終了条件を満足するかを確認する。終了条件を満足しない場合には、繰返し回数ｉを１増加させてｑ（ｓ）計算部の処理に戻る。終了条件を満足する場合には、バッファリング／データ流制御部、第１切替部、第２切替部に終了通知信号を送信する。第１切替部は、終了通知信号を受信すると、音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}を、当該フレームの音声信号の事後分布ｑ（ｓ）として出力する。第２切替部は、終了通知信号を受信すると、雑音パラメータの事後分布ｑ（Θ_ｖ）^{（ｉ+１）}を、当該フレームの雑音パラメータの事後分布ｑ（Θ_ｖ）として出力する。当該フレームの観測信号に対する処理を終了する。そして、バッファリング／データ流制御部が終了通知信号を受信するので、次のフレームの観測信号がｑ（ｓ）計算部に供給され、雑音抑圧装置は、次のフレームの観測信号の処理に移行する。

なお、終了判定部の終了条件とは、繰返し回数ｉがあらかじめ定めた値より大きい、または音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}とパラメータの事後分布ｑ（Θ）^{（ｉ+１）}が収束していることである。ｑ（Θ）計算部の音声パラメータの事前分布ｐ（Θ_ｓ）とは、あらかじめ定めたものである。また、ｑ（Θ）計算部の雑音パラメータの事前分布ｐ（Θ_ｖ）とは、最初のフレームの時にはあらかじめ定めたものであり、それ以外のフレームの時には１つ前のフレームの雑音パラメータの事後分布ｑ（Θ_ｖ）である。

本発明では、ｔ番目のフレームに関する推定をするときに、雑音パラメータの事前分布として、（ｔ−１）番目のフレームにおいて計算された事後分布を用いる。本発明は、このように雑音のパラメータを逐次的に計算するため、観測途中のフレームで雑音統計量が変化する状況にも適用可能である。

本発明は、雑音として、その統計量が十分にゆっくりと変化する広帯域雑音を対象としている。この性質を利用して抑圧対象の雑音を特徴づけるパラメータを適応的に推定し、推定されたパラメータに基づいて観測信号から雑音を抑圧する。

従来技術と同じく、本発明では、観測信号はフレーム長Ｎ標本の窓関数によって短時間フレームに分割される。以降の議論では、単一の短時間フレームを対象とする。ある短時間フレーム内でｎ番目の離散時刻における観測信号、音声信号、雑音信号の標本をそれぞれｘ(ｎ)，ｓ(ｎ)，ｖ(ｎ)と表す（１＜ｎ＜Ｎ）。観測信号ｘ(ｎ)は、音声信号ｓ(ｎ)に雑音信号ｖ(ｎ)を重畳したものである。

ｘ（ｎ）＝ｓ（ｎ）＋ｖ（ｎ） （１）
短時間フレームに含まれる観測信号の全標本をｘ＝［ｘ(ｎ)，…，ｘ(１)］^Ｔと表す。同様に、短時間フレームに含まれる音声信号及び雑音信号の全標本をそれぞれｓ＝［ｓ(ｎ)，…，ｓ(１)］^Ｔ、ｖ＝［ｖ(ｎ)，…，ｖ(１)］^Ｔと書く。ｘはｓとｖの和である。

ｘ＝ｓ＋ｖ （２）
通常、ｓとｖは統計的に独立であるとみなすことができる。

ｐ（ｓ，ｖ）＝ｐ（ｓ）ｐ（ｖ） （３）
今、短時間フレームの音声信号ｓの確率密度関数が、音声に関するパラメータの集合Θ_ｓを用いてｐ（ｓ｜Θ_ｓ）と表されているとする。同様に、短時間フレームの雑音信号ｖの確率密度関数が、雑音に関するパラメータ集合Θ_ｖを用いてｐ（ｖ｜Θ_ｖ）と表されているとする。音声と雑音のパラメータを合わせて、Θ＝｛Θ_ｓ，Θ_ｖ｝と書く。さらに、Θ_ｓとΘ_ｖに関する事前知識が、それぞれｐ（Θ_ｓ）、ｐ（Θ_ｖ）という事前分布で与えられているとする。パラメータΘ_ｓとΘ_ｖはそれぞれ音声信号、雑音信号の特徴を記述する。また、ｓは観測信号ｘから雑音信号を取り除いた音声信号である。したがって、雑音抑圧とは、ｘを観測したときに、ｓ及びΘを推定することに他ならない。

音声パラメータ、雑音パラメータ及び音声信号のベイズ推定
本発明においては、ｓ及びΘを推定する方法としてベイズ推定を用いる。ベイズ推定とは、次式で定義される。ｘが観測された後のパラメータと音声信号の結合事後分布ｐ(ｓ，Θ｜ｘ)を推定する方法である。

右辺の各項は次のように計算できる。

ｐ（ｘ｜ｓ，Θ）＝ｐ（ｖ｜Θ_ｖ）、ただし、ｖ＝ｘ−ｓ （５）
ｐ（ｓ，Θ）＝ｐ（ｓ｜Θ）ｐ（Θ）
＝ｐ（ｓ｜Θ_ｓ）ｐ（Θ_ｓ）ｐ（Θ_ｖ） （６）

ただし、Θの積分領域ＤはΘのとりうる値の範囲を示し、ｓの積分領域Ｒ^ＮはＮ次元ユークリッド空間である。式（５）〜（７）の右辺に現れる項は、すべて定義済みであることに注意されたい。

さらに、式（４）のｐ（ｓ，Θ｜ｘ）からΘ_Ｖとｓを積分消去することで、音声パラメータの周辺事後分布ｐ(Θ_ｓ｜ｘ)が計算できる。同様に、雑音パラメータの周辺事後分布ｐ(Θ_Ｖ｜ｘ)や音声信号の周辺事後分布ｐ(ｓ｜ｘ)も求めることができる。

今、ｘはｔ番目のフレームに属する観測信号であるとして、（ｔ−１）番目のフレームに属する観測信号を得た後の雑音パラメータの周辺事後分布が既知であると仮定しよう。本発明では、ｔ番目のフレームに関する推定をするときに、雑音パラメータの事前分布として、（ｔ−１）番目のフレームにおいて計算された周辺事後分布を用いる。これによって、雑音の統計的性質の変動を追従して推定することが可能となっている。本発明では、このように雑音のパラメータを逐次的に計算するため、観測途中のフレームで雑音統計量が変化する状況にも適用できる。

変分ベイズ法
一般に、ベイズの定理（式（４））にしたがって結合事後分布ｐ(ｓ，Θ｜ｘ)を解析的に求めることは困難な場合が多い。そこで、本発明ではこれを近似的に求める変分ベイズ法（上田修功：ベイズ学習［Ｉ］，信学誌，Vo1.85,No.4,pp.265-271(2002). 上田修功：ベイズ学習［II］，信学誌，Vo1.85,No.6,pp.421-426(2002). 上田修功：ベイズ学習［III］，信学誌，Vo1.85,No.7,pp.504-509(2002). 上田修功：ベイズ学習［IV］，信学誌，Vo1.85,No.8,pp.633-638(2002).）を用いる。変分ベイズ法では真の事後分布ｐ(ｓ，Θ｜ｘ)を仮説的な事後分布ｑ(ｓ，Θ)で近似する。

本発明では、仮説的な事後分布として次式の分解形式を仮定する。

ｑ（ｓ，Θ）＝ｑ（ｓ）ｑ（Θ） （８）
変分ベイズ法では、真の事後分布ｐ(ｓ，Θ｜ｘ)と仮説的な事後分布ｑ(ｓ，Θ)のＫＬダイバージェンスが最小化されるようにｑ(ｓ，Θ)、すなわちｑ(ｓ)とｑ(Θ)を推定する。ＫＬダイバージェンスは確率分布間の相違の度合いを表す指標である。ｐ（ｓ，Θ｜ｘ）とｑ（ｓ，Θ）のＫＬダイバージェンスを最小化するｑ(ｓ)とｑ(Θ)は次式で表されることが知られている。

ただし、表記<ｆ(ｘ)>_ｐ（ｘ）は、次式のとおり、領域Ｒで定義された確率変数ｘの関数ｆ(ｘ)のｐ(ｘ)に関する期待値を表すものとする。

また、Ｃ_１，Ｃ_２はそれぞれ仮説的な確率密度関数ｑ(ｓ)，ｑ(Θ)が積分して１になるための定数である。以後、式（９）、式（１０）により計算される仮説的な事後分布を最適変分事後分布と呼ぶ。

式（９）、式（１０）から明らかなように、ｑ(ｓ)とｑ(Θ)は相互に依存関係にあり閉形式で解くことはできない。そこで、変分ベイズ法では、図２に示す反復アルゴリズムによりｑ(ｓ)とｑ(Θ)を推定する。

変分ベイズアルゴリズム
図２に変分ベイズアルゴリズムのフローを示す。事前分布ｐ(Θ)を設定する（Ｓ１）。初期分布ｑ(Θ)⁽⁰⁾ を設定し、繰り返し回数ｉ＝０とする（Ｓ２）。ｑ(ｓ)^{（ｉ＋１）}＝Ｃ_１exp｛<log ｐ(ｘ，ｓ｜Θ)>_{ｑ（Θ）（ｉ）}｝を計算する（Ｓ３）。ｑ(Θ)^{（ｉ＋１）}＝Ｃ_２p(Θ)exp｛<log ｐ(ｘ，ｓ｜Θ)>_{ｑ（ｓ）（ｉ＋１）}｝を計算する（Ｓ４）。繰り返し回数ｉが既定値より大きいか、ｑ(ｓ)とｑ(Θ)が収束していれば終了し、そうでなければ、ｉを漸増してステップＳ３に戻る（Ｓ５）。

［第１実施形態］
図３に、上述の発明を用いた本実施形態の雑音抑圧装置の機能構成例を示す。また、図４に雑音抑圧装置の処理フローを示す。雑音抑圧装置１００は、入力部９１０、フレーム化処理部９２０、バッファリング／データ流制御部９３０、初期化部１１０、ｑ（ｓ）計算部１２０、ｑ（Θ）計算部１３０、第１切替部１４０、第２切替部１５０、終了判定部１６０を備える。

入力部９１０は、入力された音響波形データを離散化または量子化し、観測信号を出力する（Ｓ９１０）。フレーム化処理部９２０は、観測信号をあらかじめ定めた長さの短時間フレーム毎に切り出し、フレームごとの観測信号を出力する（Ｓ９２０）。バッファリング／データ流制御部９３０は、フレーム化処理部９２０より供給されるフレームごとの観測信号をバッファリングするとともに、終了通知信号を受信するたびに観測信号をフレームごとに出力する（Ｓ９３０）。初期化部１１０は、フレームごとに音声パラメータの初期分布ｑ(Θ_ｓ)^（０）と雑音パラメータの初期分布ｑ(Θ_ｖ)^（０）を定め、繰返し回数ｉを０とする（Ｓ１１０）。ｑ（ｓ）計算部１２０は、音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}を、バッファリング／データ流制御部９３０から入力されたフレームごとの観測信号と音声パラメータの事後分布ｑ（Θ_ｓ）^（ｉ）と雑音パラメータの事後分布ｑ（Θ_ｖ）^（ｉ）から求める（Ｓ１２０）。ｑ（Θ）計算部１３０は、音声パラメータの事後分布ｑ（Θ_ｓ）^{（ｉ＋１）}と雑音パラメータの事後分布ｑ（Θ_ｖ）^{（ｉ＋１）}を、音声パラメータの事前分布ｐ（Θ_ｓ）と雑音パラメータの事前分布ｐ（Θ_ｖ）と音声信号の事後分布ｑ（ｓ）^{（ｉ＋１）}から求める（Ｓ１３０）。終了判定部１６０は、あらかじめ定めた終了条件を満足するかを確認する（Ｓ１６１）。終了条件を満足しない場合には、繰返し回数ｉを１増加させてステップＳ１２０に戻る（Ｓ１６２）。終了条件を満足する場合には、バッファリング／データ流制御部９３０、第１切替部１４０、第２切替部１５０に終了通知信号を送信する（Ｓ１６３）。第１切替部１４０は、終了通知信号を受信すると、音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}を、当該フレームの音声信号の事後分布ｑ（ｓ）として出力する（Ｓ１４０）。第２切替部１５０は、終了通知信号を受信すると、雑音パラメータの事後分布ｑ（Θ_ｖ）^{（ｉ+１）}を、当該フレームの雑音パラメータの事後分布ｑ（Θ_ｖ）として出力する（Ｓ１５０）。当該フレームの観測信号に対する処理を終了する。そして、バッファリング／データ流制御部９３０が、終了通知信号を受信するので、次のフレームの観測信号がｑ（ｓ）計算部１２０に供給され、雑音抑圧装置１００は、次のフレームの観測信号の処理に移行する（言い換えると、次のフレームに対するステップＳ９３０に戻る）。

なお、終了判定部１６０の終了条件とは、繰返し回数ｉがあらかじめ定めた値より大きい、または音声信号の事後分布ｑ（ｓ）^{（ｉ+１）}とパラメータの事後分布ｑ（Θ）^{（ｉ+１）}が収束していることである。ｑ（Θ）計算部１３０の音声パラメータの事前分布ｐ（Θ_ｓ）とは、あらかじめ定めたものである。また、ｑ（Θ）計算部１３０の雑音パラメータの事前分布ｐ（Θ_ｖ）とは、最初のフレームの時にはあらかじめ定めたものであり、それ以外のフレームの時には１つ前のフレームの雑音パラメータの事後分布ｑ（Θ_ｖ）である。つまり、ｔ番目のフレームに関する推定をするときに、雑音パラメータの事前分布として、（ｔ−１）番目のフレームにおいて計算された事後分布を用いている。このように雑音の統計量を逐次的に計算するため、観測途中のフレームで雑音統計量が変化する状況にも適用可能である。

［第２実施形態］
第１実施形態では、音声や雑音に関するパラメータΘ_ｓ、Θ_ｖを特定せずに実施形態を示した。本実施形態では、これらのパラメータを具体化した例を示す。ただし、以下に示す実施形態は、本発明の技術思想を具体化するための方法を例示するものであって、本発明の方法を、音声と雑音のパラメータを下記のものに限定する趣旨ではない。

音声及び雑音のパラメータ
本実施形態では、音声信号ｓと雑音信号ｖの確率密度関数を以下のように定義する。以下では、Ｍ個の標本をまとめてｘ_Ｍ（ｎ）＝［ｘ(ｎ)，…，ｘ(ｎ−Ｍ＋１)］^Ｔなどと書く。

まず、音声信号はＰ次の定常ガウス性自己回帰過程であるとして、音声信号の確率密度関数を与える。回帰係数をベクトル形式でａ＝［ａ_１，…，ａ_Ｐ］^Ｔ、イノベーション過程の分散をσ_s ²と書くと、一標本ｓ(ｎ)の条件つき確率密度関数は次式のように表せる。

Ｎ｛ｘ；μ，σ^２｝は、平均μ、分散σ^２の正規分布に従う一変量確率変数ｘの確率密度関数である。すなわち、

なお、本明細書では平均ｍ、共分散行列Ｖの正規分布に従う多変量確率変数ｘの確率密度関数もＮ｛ｘ；ｍ，Ｖ｝と表記する。すなわち、

Θ_ｓ＝｛ａ，σ_s ²｝として、式（１２）を用いてｐ（ｓ｜Θ_ｓ）は次式のように表せる。

次に雑音信号はＱ次の定常ガウス性自己回帰過程であるとして、雑音信号の確率密度関数を与える。回帰係数をベクトル形式でｂ＝［ｂ_１，…，ｂ_Ｑ］^Ｔ、イノベーション過程の分散をσ_v ²と書くと、ｖ(ｎ)の条件つき確率密度関数は次式のように表せる。

Θ_ｖ＝｛ｂ，σ_v ²｝とすると、式（１６）を用いてｐ（ｖ｜Θ_ｖ）は次式のように表せる。

パラメータの事前分布
音声、雑音パラメータの事前分布として次式の自然共役事前分布を仮定する。自然共役事前分布を用いるのは、数学的取り扱いの良さのためである。

ただし、χ^-2{ｘ；ρ，λ}は、自由度ρ、尺度λの逆カイ二乗分布にしたがう非負の確率変数ｘの確率密度関数を示す。{ζ_s’，Ξ_s’，ν_s’，ρ_s’，λ_s’}は音声パラメータΘ_ｓの事前分布を規定する超パラメータ、{ζ_v’，Ξ_v’，ν_v’，ρ_v’，λ_v’}は雑音パラメータΘ_ｖの事前分布を規定する超パラメータである。

パラメータの最適変分事後分布
ｐ（ｓ｜Θ_ｓ）、ｐ（ｖ｜Θ_ｖ）、及びｐ（Θ_ｓ）、ｐ（Θ_ｖ）がそれぞれ、式（１５）、式（１７）、式（１８）と表されている場合に、式（９）、式（１０）で定義される最適変分事後分布を具体的に導く。まず、式（１０）で与えられる音声と雑音のパラメータの最適変分事後分布を計算する。ｑ（Θ）の計算においては、ｑ（ｓ）は既知として扱われる。

式（１０）を計算すると、Θの最適変分事後分布が次式となることが示される。

ただし、ｑ(Θ)を規定する各パラメータはそれぞれ次式で定義される。

上式に現れるαはあらかじめ設定された忘却係数であり、０＜α＜１の範囲の値をとる。忘却係数は雑音パラメータの事前分布ｐ(Θ_Ｖ)に課せられる重み係数とみなすことができる。α→０は事前分布を用いない、すなわち各フレームにおける雑音パラメータを当該フレームの観測信号のみから推定することを意味する。

結局、ｑ(Θ)の計算では、超パラメータ{ζ_s’，Ξ_s’，ν_s’，ρ_s’，λ_s’，ζ_v’，Ξ_v’，ν_v’，ρ_v’，λ_v’}を、式(２０)〜（２９）にしたがって{ζ_s，Ξ_s，ν_s，ρ_s，λ_s，ζ_v，Ξ_v，ν_v，ρ_v，λ_v}に更新すればよい。式（２０）〜（２９）に現れる

は、次式で計算される音声信号の自己相関係数からなる行列、ベクトル、スカラーのｑ(ｓ)に関する期待値である。

周辺化に用いる確率密度関数ｑ(ｓ)はＮ次元正規分布である。その平均と分散をそれぞれ

とする。γ_{Ｎ−ｐ＋１，Ｎ−ｑ＋１}はΓの第（ｐ，ｑ）要素である。このとき、式（３０）〜（３２）の右辺に現れる項は次式で計算される。

式（３５）〜（４０）を式（３０）〜（３２）に代入して、

の計算式を次式の通り得ることができる。

同様に、雑音信号の自己相関係数からなる行列、ベクトル、スカラーの期待値

は次式にしたがって計算される。

以上で、音声と雑音パラメータΘの最適変分事後分布ｑ(Θ)の具体的な計算方法が導かれた。まとめると、ｑ(Θ)を規定する超パラメータ{ζ_s，Ξ_s，ν_s，ρ_s，λ_s，ζ_v，Ξ_v，ν_v，ρ_v，λ_v}を式（２０）〜（２９）にしたがって計算すればよい。

音声信号の最適変分事後分布
次に、式（９）で与えられる音声信号の最適変分事後分布ｑ(ｓ)を計算する。ｑ(ｓ)の計算においては、ｑ(Θ)は既知として扱う。式（９）は、具体的に次式のＮ次元正規分布となることが示される。

平均μと共分散行列Γは、それぞれ次のように定義される。

Ａ及びＢは第一行がそれぞれ

のＮ次上三角Toeplitz行列である。Ω_ｓとΩ_ｖの定義は、以下の通りである。まず、Ｐ次正方行列Ξ_ｓ ^-1の第（ｐ，ｑ）要素を _sξ_p,qとおいて、Ｎ次正方行列Ω_ｓ(ｎ)を次のように定める。

このようにして定義されたΩ_ｓ(ｎ)を用いて、Ω_ｓは次式のように与えられる。

Ω_ｖについても同様で、

で定義されるΩ_ｖ(ｎ)を用いて、Ω_ｖは次式のように与えられる。

ただし、_vξ_p,qはＱ次正方行列Ξ_v ^-1の第（ｐ，ｑ）要素である。

以上で、音声信号ｓの最適変分事後分布ｑ(ｓ)の具体的な計算方法が導かれた。まとめると、式（４８）、式（４９）にしたがってμ及びΓを計算すればよい。

雑音抑圧アルゴリズム
図２に示した変分ベイズアルゴリズムを本実施形態に適用した場合のアルゴリズムを図５に示す。

ステップＳ１１（事前分布の設定）
Θ_ｓ，Θ_ｖに関する事前分布の超パラメータ{ζ_s’，Ξ_s’，ν_s’，ρ_s’，λ_s’}、及び{ζ_v’，Ξ_v’，ν_v’，ρ_v’，λ_v’}を設定する。特に、{ζ_v’，Ξ_v’，ν_v’，ρ_v’，λ_v’}には、直前フレームで計算されたΘ_ｖに関する事後分布の超パラメータを用いる。

ステップＳ１２（事後分布の初期化）
Θ_ｓ，Θ_ｖに関する最適変分事後分布の超パラメータの初期値{ζ_s ⁽⁰⁾，Ξ_s ⁽⁰⁾，ν_s ⁽⁰⁾，ρ_s ⁽⁰⁾，λ_s ⁽⁰⁾}、及び{ζ_v ⁽⁰⁾，Ξ_v ⁽⁰⁾，ν_v ⁽⁰⁾，ρ_v ⁽⁰⁾，λ_v ⁽⁰⁾}を設定する。繰り返し回数ｉ＝０とする。

ステップＳ１３（音声信号の最適変分事後分布の更新）
音声信号の最適変分事後分布の平均μ⁽ⁱ⁺¹⁾と共分散行列Γ⁽ⁱ⁺¹⁾をそれぞれ式（４８）、式（４９）にしたがって計算する。ただし、その計算過程に現れる{ζ_s，Ξ_s，ν_s，ρ_s，λ_s}と｛ζ_v，Ξ_v，ν_v，ρ_v，λ_v｝には、既に計算済みの{ζ_s ⁽ⁱ⁾，Ξ_s ⁽ⁱ⁾，ν_s ⁽ⁱ⁾，ρ_s ⁽ⁱ⁾，λ_s ⁽ⁱ⁾}，{ζ_ｖ ⁽ⁱ⁾，Ξ_ｖ ⁽ⁱ⁾，ν_ｖ ⁽ⁱ⁾，ρ_ｖ ⁽ⁱ⁾，λ_ｖ ⁽ⁱ⁾}を用いる。

ステップＳ１４（音声と雑音パラメータの最適変分事後分布の更新）
音声パラメータの最適変分事後分布を規定する超パラメータ{ζ_s ⁽ⁱ⁺¹⁾，Ξ_s ⁽ⁱ⁺¹⁾，ν_s ⁽ⁱ⁺¹⁾，ρ_s ⁽ⁱ⁺¹⁾，λ_s ⁽ⁱ⁺¹⁾}、及び雑音パラメータの最適変分事後分布を規定する超パラメータ{ζ_ｖ ⁽ⁱ⁺¹⁾，Ξ_ｖ ⁽ⁱ⁺¹⁾，ν_ｖ ⁽ⁱ⁺¹⁾，ρ_ｖ ⁽ⁱ⁺¹⁾，λ_ｖ ⁽ⁱ⁺¹⁾}を、式（２０）〜（２９）にしたがって計算する。ただし、その計算過程に現れるμ（式（３３）を参照）及びΓ（式（３４）を参照）には、既に計算済みのμ⁽ⁱ⁺¹⁾とΓ⁽ⁱ⁺¹⁾を用いる。

ステップＳ１５（収束判定）
繰り返し回数ｉが既定値より大きいか、超パラメータの更新量が十分小さいならばステップＳ１６へ、そうでなければ、ｉを漸増してステップＳ１３に戻る。

ステップＳ１６（雑音抑圧信号の出力）
現在のフレームにおける雑音抑圧信号をμ⁽ⁱ⁺¹⁾とする。また、雑音パラメータの最適変分事後分布の超パラメータ{ζ_ｖ ⁽ⁱ⁺¹⁾，Ξ_ｖ ⁽ⁱ⁺¹⁾，ν_ｖ ⁽ⁱ⁺¹⁾，ρ_ｖ ⁽ⁱ⁺¹⁾，λ_ｖ ⁽ⁱ⁺¹⁾}は、直後のフレームにおいて、雑音パラメータに関する事前分布の超パラメータとして用いられる。

機能構成および処理フロー
図６に、上述の発明を用いた本実施形態の雑音抑圧装置の機能構成例を示す。また、図７に雑音抑圧装置の処理フローを示す。雑音抑圧装置２００は、入力部９１０、フレーム化処理部９２０、バッファリング／データ流制御部９３０、初期化部２１０、ｑ（ｓ）計算部２２０、ｑ（Θ）計算部２３０、第１切替部２４０、第２切替部２５０、終了判定部２６０を備える。

入力部９１０は、マイクロホンや音声ファイル等の入力手段から音響波形データを読み出し、離散化／量子化された観測信号を出力する（Ｓ９１０）。フレーム化処理部９２０は、観測信号をあらかじめ規定された長さの短時間フレーム毎に切り出す。その後、各フレームについて、当該フレームに含まれる観測信号を出力する（Ｓ９２０）。バッファリング／データ流制御部９３０は、フレーム化処理部９２０より供給されるフレーム毎の観測信号をバッファリングしていく。バッファリング／データ流制御部９３０は現在処理中のフレーム番号に関するカウンタを備えており、終了通知信号を受け取った時点でフレーム番号のカウンタを漸増し、新しいフレームに含まれる観測信号を出力する（Ｓ９３０）。

初期化部２１０の目的は、ｑ（ｓ）計算部２２０に超パラメータの初期値{ζ_s ^（０），Ξ_s ^（０），ν_s ^（０），ρ_s ^（０），λ_s ^（０）}及び｛ζ_v ^（０），Ξ_v ^（０），ν_v ^（０），ρ_v ^（０），λ_v ^（０）｝を与えることである。初期化部の実現方法としては色々な選択肢があるが、一例として、初期化部２１０は、

とし、繰返し回数ｉを０とする（Ｓ２１０）。

ｑ（ｓ）計算部２２０は、バッファリング／データ流制御部９３０から入力されたフレームごとの観測信号と、ｑ（Θ）計算部２３０より供給される超パラメータ{ζ_s，Ξ_s，ν_s，ρ_s，λ_s}と｛ζ_v，Ξ_v，ν_v，ρ_v，λ_v｝を用いて、音声信号の最適変分事後分布の平均μと共分散行列Γを式（４８）、式（４９）にしたがって計算する。ただし、繰り返し処理の１巡目においてのみｑ（Θ）計算部２３０から超パラメータが供給されないため、初期化部により供給される超パラメータの初期値{ζ_s ^（０），Ξ_s ^（０），ν_s ^（０），ρ_s ^（０），λ_s ^（０）}と｛ζ_v ^（０），Ξ_v ^（０），ν_v ^（０），ρ_v ^（０），λ_v ^（０）｝を用いる。（Ｓ２２０）。ｑ（Θ）計算部２３０は、ｑ（ｓ）計算部２２０より供給される音声信号の最適変分事後分布の平均μと分散Γを用いて、音声及び雑音のパラメータの最適変分事後分布を規定する超パラメータ{ζ_s，Ξ_s，ν_s，ρ_s，λ_s}及び｛ζ_v，Ξ_v，ν_v，ρ_v，λ_v｝を、式（２０）〜式（２９）にしたがって計算する。（Ｓ２３０）。

終了判定部２６０は、ｑ(ｓ)とｑ(Θ)の計算回数に関するカウンタを備えている。新しいフレームの処理が開始される毎に、カウントは０に初期化される。そして、あらかじめ定めた終了条件を満足するかを確認する（Ｓ２６１）。なお、終了判定部２６０の終了条件とは、繰返し回数ｉがあらかじめ定めた値より大きい、または超パラメータの更新量があらかじめ定めた値より小さいことである。終了条件を満足しない場合には、繰返し回数ｉを１増加させてステップＳ２２０に戻る（Ｓ１６２）。終了条件を満足する場合には、バッファリング／データ流制御部９３０、第１切替部１４０、第２切替部１５０に終了通知信号を送信する（Ｓ２６３）。第１切替部２４０は、終了通知信号を受信すると、音声信号の最適変分事後分布の平均μと共分散行列Γを出力する（Ｓ２４０）。第２切替部２５０は、終了通知信号を受信すると、雑音のパラメータの最適変分事後分布を規定する超パラメータ｛ζ_v，Ξ_v，ν_v，ρ_v，λ_v｝を出力する（Ｓ２５０）。当該フレームの観測信号に対する処理を終了する。そして、バッファリング／データ流制御部９３０が、終了通知信号を受信するので、次のフレームの観測信号がｑ（ｓ）計算部２２０に供給され、雑音抑圧装置２００は、次のフレームの観測信号の処理に移行する（言い換えると、次のフレームに対するステップＳ９３０に戻る）。

実験
本発明の効果を実験により示す。ＡＳＪ−ＪＮＡＳデータベースから男性話者による１０秒間の発話を抽出した。標本化周波数は８ｋＨｚ、量子化ビット数は１６ビットとした。この音声信号に、信号対雑音比（ＳＮＲ）が１０ｄＢとなるように計算機上で合成した定常白色雑音を加算した。したがって、この雑音のパラメータΘ_ｖ＝｛ｂ，σ_v ²｝は計算可能であり、これをΘ_v ^*＝｛ｂ^* ，σ_v ^2*｝とおく。

信号分析及び雑音抑圧に用いるパラメータは次のように設定した。まず、音声及び雑音の回帰次数Ｐ，ＱはそれぞれＰ＝１２，Ｑ＝４とした。フレーム長ＮはＮ＝２５６、忘却係数αはα＝０．８とした。Θ_ｓに関する事前分布の超パラメータは、すべてのフレームについてζ_s ⁽⁰⁾＝０，Ξ_s ⁽⁰⁾＝Ｉ_Ｐ，ν_s ⁽⁰⁾＝ｏ_Ｐ，ρ_s ⁽⁰⁾＝０，λ_s ⁽⁰⁾＝０とした。ただし、Ｉ_ＰはＰ次元単位行列、ｏ_ＰはＰ次元零ベクトルである。Θ_ｖに関する事前分布の超パラメータは、最初のフレームについてのみ設定しておく必要がある。本実験では、ζ_v ⁽⁰⁾＝Ｎ／（１−α），Ξ_v ⁽⁰⁾＝σ_v ^2*Ｉ_Ｐ／２，ν_v ⁽⁰⁾＝ｂ^＊，ρ_v ⁽⁰⁾ ＝Ｎ／（１−α），λ_v ⁽⁰⁾＝σ_v ^2*Ｎ／２（１−α）とした。これは、真値の半分のレベルの白色雑音が重畳されていると過小に見積もったことに相当する。なお、ζ_v ⁽⁰⁾は事前分布の信頼度に相当するが、α→１でζ_v ⁽⁰⁾→∞であるため、α≒１とすると事前分布のみから雑音パラメータが決定される。これは従来技術に等価である。

上記の実験条件では、従来技術は雑音抑圧過程でフレーム毎に逐次的に雑音を推定しないため、雑音抑圧量が常に不十分となることが予想される。これに対して、本発明は雑音抑圧過程でフレーム毎に逐次的に雑音パラメータを更新するため、雑音レベルの推定値が徐々に修正され、雑音抑圧量が適正化されることが期待される。

図８にフレーム毎の雑音抑圧後の信号歪みを示す。横軸は時間を、縦軸は板倉斉藤歪み尺度（I-S distortion）で測定した信号歪みを表す（板倉文忠，斎藤収三：統計的手法による音声スペクトル密度とホルマント周波数の推定，信学論，Vo1.53-A,No.1,pp.35-42(1970).）。図８Ａは前半５秒間の信号歪、図８Ｂは後半５秒間の信号歪を示している。信号歪みが小さいほど、雑音抑圧性能がより高いことを意味する。約２秒経過した時点から、本発明による雑音抑圧性能が従来技術による雑音抑圧性能を上回っていることが分かる。この結果から、雑音除去過程で雑音パラメータを逐次的に推定することによって、適応的な雑音抑圧が実現できたことが示された。

プログラムおよび記録媒体
図９に、コンピュータの機能構成例を示す。本発明の収音装置は、コンピュータ２０００の記録部２０２０に本発明の各構成部としてコンピュータ２０００を動作させるプログラムを読み込ませ、処理部２０１０、入力部２０３０、出力部２０４０などを動作させることで実現できる。また、コンピュータに読み込ませる方法としては、プログラムをコンピュータ読み取り可能な記録媒体に記録しておき、記録媒体からコンピュータに読み込ませる方法、サーバ等に記録されたプログラムを、電気通信回線等を通じてコンピュータに読み込ませる方法などがある。

一般的な音声と雑音のパラメトリックモデルに基づく雑音抑圧装置の機能構成例を示す図。 変分ベイズアルゴリズムを示す図。 第１実施形態の雑音抑圧装置の機能構成例を示す図。 第１実施形態の雑音抑圧装置の処理フローを示す図。 第２実施形態の雑音抑圧方法のアルゴリズムを示す図。 第２実施形態の雑音抑圧装置の機能構成例を示す図。 第２実施形態の雑音抑圧装置の処理フローを示す図。 実験結果を示す図。 コンピュータの機能構成例を示す図。

Claims (8)

1. 入力された音響波形データを離散化及び量子化して得られる観測信号を出力する入力部と、
   観測信号をあらかじめ定めた長さの短時間フレーム毎に切り出し、フレームごとの観測信号ｘを出力するフレーム化処理部と、
   前記フレーム化処理部より供給されるフレームごとの観測信号をバッファリングするとともに、終了通知信号を受信するたびに観測信号をフレームごとに出力するバッファリング／データ流制御部と、
   フレームごとに音声パラメータΘ _ｓ の初期分布ｑ(Θ_ｓ)^（０）と雑音パラメータΘ _ｖ の初期分布ｑ(Θ_ｖ)^（０）を定め、繰返し回数ｉを０とする初期化部と、
   音声信号ｓの更新された事後分布ｑ（ｓ）^{（ｉ+１）}を、前記バッファリング／データ流制御部から入力されたフレームごとの観測信号ｘと音声パラメータの事後分布ｑ（Θ_ｓ）^（ｉ）と雑音パラメータの事後分布ｑ（Θ_ｖ）^（ｉ）から変分ベイズ法を用いて求めるｑ（ｓ）計算部と、
   前記音声パラメータΘ _ｓ の更新された事後分布ｑ（Θ_ｓ）^{（ｉ＋１）}と前記雑音パラメータΘ _ｖ の更新された事後分布ｑ（Θ_ｖ）^{（ｉ＋１）}を、前記音声パラメータΘ _ｓ の事前分布ｐ（Θ_ｓ）と前記雑音パラメータΘ _ｖ の事前分布ｐ（Θ_ｖ）と前記音声信号ｓの事後分布ｑ（ｓ）^{（ｉ＋１）}から変分ベイズ法を用いて求めるｑ（Θ）計算部と、
   終了通知信号を受信すると、前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）} の平均を、当該フレームの前記観測信号ｘから前記雑音信号ｖを取り除いた音声信号として出力する第１切替部と、
   終了通知信号を受信すると、前記雑音パラメータΘ _ｖ の前記更新された事後分布ｑ（Θ_ｖ）^{（ｉ+１）}を、当該フレームの前記雑音パラメータΘ _ｖ の事後分布ｑ（Θ_ｖ）として出力する第２切替部と、
   あらかじめ定めた終了条件を満足する場合には、前記バッファリング／データ流制御部、前記第１切替部、前記第２切替部に終了通知信号を送信して当該フレームの観測信号に対する処理を終了し、前記終了条件を満足しない場合には、繰返し回数ｉを１増加させる終了判定部と、
   を備え、
   前記音声パラメータΘ _ｓ は、前記音声信号ｓについてあらかじめ仮定された確率密度関数ｐ（ｓ｜Θ _ｓ ）を規定するパラメータの集合であり、
   前記雑音パラメータΘ _ｖ は、前記雑音信号ｖについてあらかじめ仮定された確率密度関数ｐ（ｖ｜Θ _ｖ ）を規定するパラメータの集合であり、
   前記ｑ（Θ）計算部の前記音声パラメータΘ _ｓ の前記事前分布ｐ（Θ_ｓ）とは、あらかじめ定めたものであり、
   前記ｑ（Θ）計算部の前記雑音パラメータΘ _ｖ の前記事前分布ｐ（Θ_ｖ）とは、第１フレームの時にはあらかじめ定めたものであり、それ以外のフレームの時には１つ前のフレームの前記雑音パラメータΘ _ｖ の前記事後分布ｑ（Θ_ｖ）であり、
   前記終了判定部の終了条件とは、前記繰返し回数ｉがあらかじめ定めた値より大きい、または前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）}と、前記音声パラメータΘ _ｓ の前記更新された事後分布ｑ（Θ _ｓ ） ^{（ｉ＋１）} と前記雑音パラメータΘ _ｖ の前記更新された事後分布ｑ（Θ _ｖ ） ^{（ｉ＋１）} を合わせたパラメータΘの更新された事後分布ｑ（Θ）^{（ｉ+１）}が収束していることであり、
   前記繰返し回数ｉが０とされたとき、または１増加されるたびに、前記ｑ（ｓ）計算部が前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）}を求め、前記ｑ（Θ）計算部が前記パラメータΘの前記更新された事後分布ｑ（Θ）^{（ｉ+１）}を求めることで、前記終了条件が満たされるまで処理が繰り返される
   ことを特徴とする雑音抑圧装置。
2. 請求項１記載の雑音抑圧装置であって、
   前記音声パラメータΘ _ｓ が前記音声信号ｓを定常ガウス性自己回帰過程として表現したときの音声回帰係数と音声イノベーション分散であり、前記雑音パラメータΘ _ｖ が前記雑音信号ｖを定常ガウス性自己回帰過程として表現したときの雑音回帰係数と雑音イノベーション分散である
   ことを特徴とする雑音抑圧装置。
3. 請求項２記載の雑音抑圧装置であって、
   前記確率密度関数ｐ（ｓ｜Θ _ｓ ）が
   

   

   
   であり、
   前記音声パラメータΘ _ｓ が｛ａ，σ _ｓ ^２ ｝であり、
   前記音声回帰係数のベクトルがａであり、
   前記音声イノベーション分散がσ _ｓ ^２ であり、
   ｓ（ｎ）は前記音声信号ｓのｎ番目の標本であり、
   ｓ _Ｐ （ｎ）は前記音声信号ｓのＰ個の標本からなるベクトルであり、
   Ｎはフレームに含まれる標本数であり、
   Ｎ｛ｘ；μ，σ ^２ ｝は平均μ、分散σ ^２ の正規分布の確率密度関数であり、
   前記確率密度関数ｐ（ｖ｜Θ _ｖ ）が
   

   

   
   であり、
   前記雑音パラメータΘ _ｖ が｛ｂ，σ _ｖ ^２ ｝であり、
   前記雑音回帰係数のベクトルがｂであり、
   前記雑音イノベーション分散がσ _ｖ ^２ であり、
   ｖ（ｎ）は前記雑音信号ｖのｎ番目の標本であり、
   ｖ _Ｑ （ｎ）は前記雑音信号ｖのＱ個の標本からなるベクトルである
   ことを特徴とする雑音抑圧装置。
4. 入力された音響波形データを離散化及び量子化して得られる観測信号を出力する入力ステップと、
   観測信号をあらかじめ定めた長さの短時間フレーム毎に切り出し、フレームごとの観測信号ｘを出力するフレーム化処理ステップと、
   前記フレーム化処理ステップより供給されるフレームごとの観測信号をバッファリングするとともに、終了通知信号を受信するたびに観測信号をフレームごとに出力するバッファリング／データ流制御ステップと、
   フレームごとに音声パラメータΘ _ｓ の初期分布ｑ(Θ_ｓ)^（０）と雑音パラメータΘ _ｖ の初期分布ｑ(Θ_ｖ)^（０）を定め、繰返し回数ｉを０とする初期化ステップと、
   音声信号ｓの更新された事後分布ｑ（ｓ）^{（ｉ+１）}を、前記バッファリング／データ流制御ステップから入力されたフレームごとの観測信号ｘと音声パラメータの事後分布ｑ（Θ_ｓ）^（ｉ）と雑音パラメータの事後分布ｑ（Θ_ｖ）^（ｉ）から変分ベイズ法を用いて求めるｑ（ｓ）計算ステップと、
   前記音声パラメータΘ _ｓ の更新された事後分布ｑ（Θ_ｓ）^{（ｉ＋１）}と前記雑音パラメータΘ _ｖ の更新された事後分布ｑ（Θ_ｖ）^{（ｉ＋１）}を、前記音声パラメータΘ _ｓ の事前分布ｐ（Θ_ｓ）と前記雑音パラメータΘ _ｖ の事前分布ｐ（Θ_ｖ）と前記音声信号ｓの事後分布ｑ（ｓ）^{（ｉ＋１）}から変分ベイズ法を用いて求めるｑ（Θ）計算ステップと、
   終了通知信号を受信すると、前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）} の平均を、当該フレームの前記観測信号ｘから前記雑音信号ｖを取り除いた音声信号として出力する第１切替ステップと、
   終了通知信号を受信すると、前記雑音パラメータΘ _ｖ の前記更新された事後分布ｑ（Θ_ｖ）^{（ｉ+１）}を、当該フレームの前記雑音パラメータΘ _ｖ の事後分布ｑ（Θ_ｖ）として出力する第２切替ステップと、
   あらかじめ定めた終了条件を満足する場合には、前記バッファリング／データ流制御ステップ、前記第１切替ステップ、前記第２切替ステップに終了通知信号を送信して当該フレームの観測信号に対する処理を終了し、前記終了条件を満足しない場合には、繰返し回数ｉを１増加させる終了判定ステップと、
   を有し、
   前記音声パラメータΘ _ｓ は、前記音声信号ｓについてあらかじめ仮定された確率密度関数ｐ（ｓ｜Θ _ｓ ）を規定するパラメータの集合であり、
   前記雑音パラメータΘ _ｖ は、前記雑音信号ｖについてあらかじめ仮定された確率密度関数ｐ（ｖ｜Θ _ｖ ）を規定するパラメータの集合であり、
   前記ｑ（Θ）計算ステップの前記音声パラメータΘ _ｓ の前記事前分布ｐ（Θ_ｓ）とは、あらかじめ定めたものであり、
   前記ｑ（Θ）計算ステップの前記雑音パラメータΘ _ｖ の前記事前分布ｐ（Θ_ｖ）とは、第１フレームの時にはあらかじめ定めたものであり、それ以外のフレームの時には１つ前のフレームの前記雑音パラメータΘ _ｖ の前記事後分布ｑ（Θ_ｖ）であり、
   前記終了判定ステップの終了条件とは、前記繰返し回数ｉがあらかじめ定めた値より大きい、または前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）}と、前記音声パラメータΘ _ｓ の前記更新された事後分布ｑ（Θ _ｓ ） ^{（ｉ＋１）} と前記雑音パラメータΘ _ｖ の前記更新された事後分布ｑ（Θ _ｖ ） ^{（ｉ＋１）} を合わせたパラメータΘの更新された事後分布ｑ（Θ）^{（ｉ+１）}が収束していることであり、
   前記繰返し回数ｉが０とされたとき、または１増加されるたびに、前記ｑ（ｓ）計算ステップが前記音声信号ｓの前記更新された事後分布ｑ（ｓ）^{（ｉ+１）}を求め、前記ｑ（Θ）計算ステップがパラメータΘの前記更新された事後分布ｑ（Θ）^{（ｉ+１）}を求めることで、前記終了条件が満たされるまで処理が繰り返される
   ことを特徴とする雑音抑圧方法。
5. 請求項４記載の雑音抑圧方法であって、
   前記音声パラメータΘ _ｓ が前記音声信号ｓを定常ガウス性自己回帰過程として表現したときの音声回帰係数と音声イノベーション分散であり、前記雑音パラメータΘ _ｖ が前記雑音信号ｖを定常ガウス性自己回帰過程として表現したときの雑音回帰係数と雑音イノベーション分散である
   ことを特徴とする雑音抑圧方法。
6. 請求項５記載の雑音抑圧方法であって、
   前記確率密度関数ｐ（ｓ｜Θ _ｓ ）が
   

   

   
   であり、
   前記音声パラメータΘ _ｓ が｛ａ，σ _ｓ ^２ ｝であり、
   前記音声回帰係数のベクトルがａであり、
   前記音声イノベーション分散がσ _ｓ ^２ であり、
   ｓ（ｎ）は前記音声信号ｓのｎ番目の標本であり、
   ｓ _Ｐ （ｎ）は前記音声信号ｓのＰ個の標本からなるベクトルであり、
   Ｎはフレームに含まれる標本数であり、
   Ｎ｛ｘ；μ，σ ^２ ｝は平均μ、分散σ ^２ の正規分布の確率密度関数であり、
   前記確率密度関数ｐ（ｖ｜Θ _ｖ ）が
   

   

   
   であり、
   前記雑音パラメータΘ _ｖ が｛ｂ，σ _ｖ ^２ ｝であり、
   前記雑音回帰係数のベクトルがｂであり、
   前記雑音イノベーション分散がσ _ｖ ^２ であり、
   ｖ（ｎ）は前記雑音信号ｖのｎ番目の標本であり、
   ｖ _Ｑ （ｎ）は前記雑音信号ｖのＱ個の標本からなるベクトルである
   ことを特徴とする雑音抑圧方法。
7. 請求項１から３記載の雑音抑圧装置として、コンピュータを動作させる雑音抑圧プログラム。
8. 請求項７記載の雑音抑圧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