JP5068653B2

JP5068653B2 - 雑音のある音声信号を処理する方法および該方法を実行する装置

Info

Publication number: JP5068653B2
Application number: JP2007531797A
Authority: JP
Inventors: クロードマルロ、; シリルプラプ、; パスカルスカラル、
Original assignee: France Telecom SA
Current assignee: Orange SA
Priority date: 2004-09-16
Filing date: 2005-09-14
Publication date: 2012-11-07
Anticipated expiration: 2025-09-14
Also published as: ES2349718T3; DE602005022735D1; JP2008513819A; US7359838B2; KR101168002B1; KR20070055599A; ATE476733T1; EP1789956B1; CN101031963A; US20070255535A1; EP1789956A1; WO2006032760A1; CN101031963B

Description

本発明は、雑音のある音声信号の処理に関する。本発明は特に、そのような信号に存在する雑音の低減に関する。

音声信号の中の雑音、すなわち妨害信号、を低減する技術が公知である。それらは、音声信号の品質と明瞭性を改善するために、音声信号が出現する音響的環境を考慮することを目的としている。これらの技術は、考慮している音声信号から、この雑音のある信号に処理を行うことによって、有用な情報を抽出することにある。このような技術は、音声信号が何人かの発言者の間で送信される、電話、電話会議、ビデオ会議のような用途における、たとえば会話通信に適用される。このような技術は、さらに、雑音のある環境での音声収集の用途に、あるいは、音声信号が雑音に満ちた環境で発音された場合に性能が大幅に変化してしまう音声認識の用途に適用される。

これらの技術は通常、雑音低減フィルタの伝達関数を推定し、次に、スペクトル領域での乗算にもとづいて、濾波・プロセスを実行することにある。これらの技術は、「短期間スペクトル減衰による雑音低減」と呼ばれる方法に含まれる。

これらの技術によれば、考慮している音声信号ｘ（ｎ）は、有用な信号成分ｓ（ｎ）と雑音成分ｂ（ｎ）を含み、ここでｎは離散時間における時間インデックスを表している。しかし、連続した時間での信号の表現も採用することも可能なことが気づくであろう。信号ｘ（ｎ）は、一定の長さと、インデックスｋの連続した複数のフレームｘ（ｎ、ｋ）として構成される。これらのフレームのそれぞれは、まず重みづけウインドウと乗算され、雑音低減フィルタの計算に必要なスペクトル量の、その後の推定を改善することを可能にする。このようにウインドウ化された各フレームは次に、たとえば離散的あるいは高速フーリエ変換を用いて、スペクトル領域において分析される、この動作は、短期間フーリエ変換（ＳＴＦＴ）と呼ばれる。

注目する信号の、このようにして得られた周波数表現Ｘ（ｋ，ｆ）（ここで、ｆは周波数インデックス）は同一の時間において、雑音低減フィルタの伝達関数Ｈ（ｋ、ｆ）を推定することと、この伝達関数と雑音のある信号の短期間スペクトルの簡単な乗算によって、このフィルタをスペクトル領域で用いることを可能にする。したがって、濾波の結果は次式

のように、記述することができる。

次に、得られた信号の時間領域への戻りが、逆スペクトル変換によって実行される。対応する時間信号は、ブロック・オーバーラップ・アッド技術（ＯＬＡは「オーバーラップ・アッド」を表わす）によって、あるいは、ブロック・セーブ技術（ＯＬＳは「オーバーラップ・セーブ」を表わす）によって、最終的に合成される。信号を時間領域においで再構築するこの動作は、逆短期間フーリエ変換（ＩＳＴＦＴ）と呼ばれる。

短期間スペクトル減衰方法の詳細な説明が、下記の参考文献に見られる。J.S. Lim、A.V. Oppenheim、「雑音のある通話のエンハンスメントと帯域幅圧縮」、Proceedings of the IEEE、Vol. 67、pp. 1586-1604、1979、および、 R.E. Crochiere、L.R. Rabiner、「マルチレート・ディジタル信号処理」、プレンティス・ホール、１９８３。

周波数成分ｆを有する、インデックスｋの時間セグメントにわたる観察信号Ｘ（ｋ、ｆ）に適用される、短期間スペクトル減衰Ｈ（ｋ、ｆ）は通常、ローカルな信号対雑音比ＳＮＲ（ｋ、ｆ）の推定値にもとづいて求められる。すべての抑圧規則に共通する特性は、次式

によって与えられる、それらの漸近的な挙動にある。

多くの技術において、次の仮定がなされている。すなわち、雑音と有用な信号は統計的に無相関であり、有用な信号は断続的（無音期間の存在）であり、人間の耳は信号の位相（通常、処理によって修正されない）に気づかない。

一般に使用される抑圧規則のうちで、電力スペクトル減算、振幅スペクトル減算、およびウイーナー・フィルタの直接実施を、例として挙げることができる。これらの規則に対して、有用な音声信号(speech signal)の周波数成分ｆの短期間の推定値は、それぞれ次のように記述することができる。

電力スペクトル減算に対して（ J.S. Lim および A.V. Oppenheimによる前述の論文を参照のこと）

振幅スペクトル減算に対して（ S.F. Boll「スペクトル減算を用いた、会話における音響雑音の抑圧」、IEEE Trans. on Audio, Speech and Signal Processing、Vol. 27、No. 2、pp. 113-120、April 1979、参照）。

ウイーナー・濾波に対して（ J.S. Lim および A.V. Oppenheimによる前述の論文を参照のこと）

これらの式において、

と

は、それぞれ、インデックスｋの時間ウインドウにわたる、観察信号Ｘ（ｋ、ｆ）の周波数成分ｆ内に存在する有用な信号の電力スペクトル密度と、雑音の電力スペクトル密度を表す。

雑音のある信号に適用されたスペクトル減衰の挙動を、上記の式にもとづいて、所与の周波数成分ｆに対して測定したローカルな信号対雑音比の関数として、検討することが可能である。上述の短期間の３つの抑圧規則について、これらの曲線が図１にプロットされている。ローカルな信号対雑音比が大きい場合には（図１の右側の部分）、各規則は実質的に同じ減衰を与えることがわかる。ガウス・モデルに対して最大の尤度の意味で最適な、最適な電力減算規則（ 0. Cappe、「 Ephraim および Malah 雑音サプレッサーを使用するミュージカル・ノイズ現象の除去」、IEEE Trans. on Speech and Audio Processing、Vol. 2、No. 2、pp. 345-349、April 1994、参照）は、依然として、雑音の電力が処理の出力において最上位の規則である。３つの抑圧規則に対して、カットオフ値に関するローカルな信号対雑音比の僅かな変化が、完全な減衰（Ｈ（ｋ、ｆ）≒０）から、スペクトルの無視できる修正（Ｈ（ｋ、ｆ）≒１）への切り替えで十分であることを指摘できる。

この後者の性質は、「音楽的雑音(musical noise)」と呼ばれる現象の原因の１つである。具体的にいうと、同時に決定論的、かつランダムな成分を有する周囲騒音は、ボーカル非アクティビティ（vocal non-activity）の期間のみを特徴とすることができる。ランダム成分の存在のために、ボーカルアクティビティ（vocal activity ）の期間の雑音の周波数成分ｆの実際の寄与と、ボーカル非アクティビティの各瞬間の間のいくつかのフレームにわたって行われたその平均の推定値との間には非常に大きい違いがある。この違いのために、ローカルな信号対雑音比の推定値は、カットオフ・レベルの付近で変動することがあり、したがって、現れては消え、かつ平均の寿命が、考慮している分析ウインドウの大きさを統計的に超えないスペクトル成分を処理の出力に生ずることがある。通過帯域の全体にわたるこの挙動の一般化は、可聴で不快な残留雑音を招く。

この残留雑音の影響を減らすいくつかの研究が試みられてきた。推薦された解決策は、いくつか方法を取っている。すなわち、短期間の推定値の平均化（ S.F. Boll による前述の論文を参照）、雑音電力スペクトルの過大推定（ M. Berouti 他、「音響雑音によって損なわれた通話のエンハンスメント」、Int. Conf. on Speech, Signal Processing, pp. 208-211, 1979、および、P. Lockwood、 J. Boudy、「非線形スペクトル減算器、隠れマルコフ・モデルおよび射影演算を使用する自動車内の頑強な音声認識のための実験」Proc. of EUSIPCO'91, pp. 79-82, 1991、参照）、あるいは、雑音スペクトル密度の最小値の追跡（ R. Martin, 「最小の統計にもとづくスペクトル減算」 Signal Processing VII: Theories and Applications, EUSIPCO'94, pp. 1182-1185, September 1994、参照）。

音楽的雑音を抑制する比較的に有効な解決策は、「有向決定」（directed-decision）と呼ばれる有用な信号の電力スペクトル密度の推定値から成る。（ Y. Ephraim, and D. Malah、「最小平均２乗誤差短期間スペクトル振幅推定値を用いた通話向上」、IEEE Trans. on Audio, Speech and Signal Processing、Vol. 32、No. 6、pp. 1109-1121、1984、および O.Cappe による前述の論文を参照）。この推定値は、有用な信号の瞬間的電力スペクトル密度と長期間の電力スペクトル密度の間で妥協を行い、その結果、音楽的雑音を効果的に除去するのが可能になる。この推定値に固有の遅れを補償することによって、この解決策を改善することも公知である（フランス特許出願公開明細書第２８２０２２７号、および C. Plapous、C. Marro、L. Mauuary、P. Scalart、「２ステップ雑音低減技術」、ICASSP, May 2004、参照）。

いくつかの研究も、通話と付加的な雑音信号の統計モデルにもとづく新しい抑圧規則を確立することに関している。これらの研究は、従来の方法に対して付加的な自由度を有するので、「ソフト・ディシジョン」アルゴリズムと呼ばれる新しいアルゴリズムの導入を可能にした。（ R.J. Mac Aulay、M.L. Malpass、「ソフト・ディシジョン雑音抑圧フィルタを用いた通話向上」、IEEE trans. on Audio, Speech and Signal Processing、Vol. 28、No. 2、pp. 137-145、April 1980、Y. Ephraim、 D. Malah、「最適な非線形スペクトル振幅推定値を使用する通話向上」、Int. Conf. on Speech, Signal Processing、pp. 1118-1121、1983、および、Y. Ephraim、D. Malah の上述の論文、「最小平均２乗誤差短期間スペクトル振幅推定値を使用する通話向上」、参照）。

上述したように、短期間スペクトル減衰の計算は、スペクトル成分のそれぞれに対する信号対雑音比の推定に依存している。例として、上記した式は、それぞれ次の量を含んでいる。

このように、特に、歪みに関して、また、雑音レベルの効果的低減に関しての、雑音低減技術の性能は、信号対雑音比のこの推定値の妥当性に左右される。

この欠点は、公知の通話雑音除去システムの主要な限界となっている。具体的にいうと、現在の雑音除去システムは、信号対雑音比が低すぎることを特徴とする高調波の雑音除去は不可能である。実際には、雑音除去アルゴリズムは、各周波数に通話成分が存在するか、あるいは存在しないかを検出するために、ＳＮＲを使用している。推定ＳＮＲがあまりにも好ましくないものであれば、アルゴリズムは信号成分がないとみなし、それを抑圧する。このように、公知の雑音除去システムによって高調波が損なわれることがあるが、このような高調波が存在しなければならないことは、先験的に公知である。ここで、大部分の言語において、口に出された音（voiced sounds）（高調波）は、発声された音（sounds uttered）の非常に大きい部分を表していることに、注目すべきである。

本発明の目的は、公知の雑音除去システムの限界を克服することである。

本発明の他の目的は、雑音除去方法の性能を改善することである。

本発明の他の目的は、信号を過度に歪ませない音声信号処理を提案することである。特に、実行される信号の処理は、この信号に含まれる高調波のすべてあるいは一部の保存を可能にする。

本発明の他の目的は、音声信号処理の完了に際して、音楽的雑音の出現を制限することである。

本発明の他の目的は、有用な信号の高調波コム（harmonic comb）の良好な推定値を得ることである。

本発明は、連続したフレームとして構成された雑音のある音声信号の処理方法を提案する。該処理は、前記フレームの少なくとも１つに関して、
雑音のある音声信号の前記フレームに、周波数領域への変換を適用するステップと、
前記フレームに対する雑音の電力スペクトル密度を推定するステップと、
雑音の推定された電力スペクトル密度と、フレームに対応する有用な信号の電力スペクトル密度の推定値とにもとづいて、第１の雑音低減フィルタを計算するステップと、
前記フレームの第１の、雑音が除去された推定値を得るために、計算された前記第１の雑音低減フィルタを利用して、雑音のある音声信号の前記フレームを濾波するステップと、
前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号のフレームを、雑音のある音声信号の前記フレームの第１の、雑音が除去された推定値にもとづいて得るステップと、
を有する。

したがって、雑音のある音声信号のこのような処理は、信号に適用された第１の雑音低減フィルタの出力において高調波性の再生を得ることを可能にする。第２の信号のこのようにして得られたフレームは、第１の濾波の間に出現した可能性のある、雑音が除去された信号のフレームの歪みを除去するように作られる。

この処理は、後での利用の主題である、有用な信号の高調波コムの良好な推定値を得ることを可能にする。

有利なことに、雑音除去の領域において、本方法はさらに次のステップ、すなわち、
前記雑音の推定された電力スペクトル密度と、前記フレームの第１の、雑音が除去された推定値の電力と得られた第２の信号の前記フレームの電力の組み合わせとにもとづいて、第２の雑音低減フィルタを計算するステップと、
前記フレームの第２の、雑音が除去された推定値を得るために、計算された第２の雑音低減フィルタを利用して、前記雑音のある音声信号の前記フレームを濾波するステップと、
前記フレームの第２の雑音が除去された推定値を合成するステップと
を有する。

この実施態様においては、第２の雑音低減フィルタは、それが、高調波再生から生ずる信号によって駆動されるので、高調波を保存するように計算される。第２の濾波の完了時に得られた前記フレームの第２の雑音が除去された推定値は、したがって、入力信号の高調波が破壊されるかあるいは少なくとも損なわれる従来の雑音除去システムで得られた推定値よりも有効である。

第１の雑音低減フィルタと、必要ならば、第２の雑音低減フィルタの計算は、短期間スペクトル減衰技術を実行する第１のパスを含んでもよい。実例として、たとえば、次の技術、電力スペクトル減算、振幅スペクトル減算、および開ループ・ウイーナー・フィルタ等を引用することができる。有利なことに、それは、たとえば、電力スペクトル減算、振幅スペクトル減算、および開ループ・ウイーナー・フィルタ等の短期間スペクトル減衰技術を実行する第２のパスをさらに有してもよく、また、第１のパスの間に実行される計算を考慮して、前記フレームに対応する有用な信号の電力スペクトル密度の推定値を使用してもよい。

有利なことに、雑音のある音声信号の前記フレームに対応する有用な信号と実質的に同じ位置にある高調波を有する第２の信号のフレームを得ることは、前記第１の推定値が時間領域内にある場合には、雑音のある音声信号の前記フレームの第１の、雑音が除去された推定値への非線形の関数の適用を含み、前記第１の推定値が周波数領域内にある場合には、雑音のある音声信号の前記フレームの第１の、雑音が除去された推定値と非線形の関数の周波数領域への変換の第１の、雑音が除去された推定値との間の円形の畳み込みの適用を含む。

前記非線形の関数は、たとえば、単一波の修正関数、絶対値、雑音のある音声信号の前記フレームの前記第１の、雑音が除去された推定値と閾値との間の最大値、雑音のある音声信号の前記フレームの前記第１の雑音が除去された推定値と閾値との間の最小値、の中の１つであってもよい。

本発明は、上述の方法を実行するように設計された手段を有する、雑音のある音声信号を処理する装置をさらに提案する。

本発明は、プログラムが計算手段によってロードされ実行されるときに、上述の方法を実行するように作られた命令を有する、情報媒体上のコンピュータ・プログラムをさらに提案する。

本発明による他の特徴と利点は、添付図面を参照した非限定的な代表的実施形態の下記の説明において明らかとなろう。

図２は、本発明による一実施形態による装置１を示す。雑音のある音声信号の現在のフレーム２が、処理を受けるために装置１に入力される。このフレームは、前述の表記法によって、Ｘ（ｋ，ｎ）と示される。

装置１は、役割が、雑音のある信号ｘ（ｋ、ｎ）の現在のフレームを周波数領域Ｘ（ｋ、ｆ）に切り替えることである分析ユニット３を有する。まず、フレームは、信号ｘ_w（
ｋ，ｎ）

を送出する重みづけウインドウｗ（ｎ）と乗算される。

次に、離散的フーリエ変換（ＤＦＴ）、すなわち

を使用して、周波数領域への切り替えが実行される。

当該ＤＦＴは、高速フーリエ変換（すなわちＦＦＴ）によって実行するのが有利である。しかし、ウェーブレット変換のような、周波数領域への他の変換も可能である。同じことが、対応する逆動作、すなわち、後に説明する、時間領域に戻すための逆離散的フーリエ変換（ＩＤＦＴ）にも当てはまる。

さらに、ボーカルアクティビティを検出する機能４（ＤＶＡ）を、現在のフレーム２で実行するのが有利である。ＤＶＡは、雑音の電力スペクトル密度（ＰＳＤ）の推定値をいつ更新するべきかを知ることを可能にする。したがって、ＤＶＡによって検出された各「雑音のみの」フレームｋ_bに対して、雑音電力スペクトル密度

が下記の再帰式

にしたがって、機能ブロック５によって推定される。

パラメータα（ｋ_b）は平滑化係数を制御する。該パラメータ長時間にわたって変化することがある。

現在のフレーム２が雑音フレームとして検出されなければ、雑音の電力スペクトル密度の推定値は固定される、すなわち、以前の雑音フレームに対して得られたＰＳＤの最後の値が保持される。

の推定値は、この指数関数的平滑化推定値（exponential-smoothing estimator）に限定されず、任意の他の電力スペクトル密度推定値を使用できることを指摘しておく。

時間領域で動作するか、周波数領域で動作するかにかかわらず、任意の種類のＤＶＡを使用することができる。ボーカルアクティビティのこのような検出を不要にすることも可能である。

次に、第１の雑音低減フィルタの推定が、図２の機能ブロック７によって実行される。この第１の雑音低減フィルタの伝達関数は、２パス技術（two-pass technique）によって周波数領域で有利なことに推定される。（フランス特許出願公開明細書第２８２０２２７号、および、上述の C. Plapous、C. Marro、L. Mauuary、P. Scalart、「２ステップの雑音除去技術」、ICASSP, May 2004、を参照）。第１のパスにおいて、次の伝達関数を有するフィルタが計算される。

フィルタの伝達関数に対するこの式は、有用な信号

のＰＳＤと、雑音

のＰＳＤに依存する数式である。この意味で、

が、たとえば、電力スペクトル減算規則（式（１））、振幅スペクトル減算規則（式（２））、開ループ・ウイーナー・フィルタ規則（式（３））等を実行するように、関数ｆ_step1を短期間スペクトル減衰技術にしたがって選択してもよい。周波数ベースの任意の他の雑音抑圧規則も、

を推定するために、実行してもよい。

雑音電力スペクトル密度

の計算を、以上に詳細に説明した。スペクトル量

に関しては、それは、ボーカルアクティビティ期間の間、信号と雑音の混合のために、直接得ることはできない。それを計算するためには、次式

にしたがって有向決定推定値（directed-decision estimator）が使用される。（上述の、Y. Ephraim、 D. Malah、「最小平均２乗誤差短期スペクトル振幅推定値を使用する通話エ向上」を参照）。ここで、β（ｋ）は、時間と共に変化することがある重心パラメータであり、

は、インデックスｋ−１の以前のフレームに関して推定された有用な信号のスペクトルである。推定誤差の場合には負になる可能性がある量

の閾値処理（thresholding）を保証する関数Ｐは、次式によって与えられる。

の推定は、この有向決定推定値に限定されないことを指摘しておく。具体的にいうと、指数関数的平滑化推定値あるいは任意の他の電力スペクトル密度推定値を使用してもよい。

伝達関数

はその後、有用な信号

のＰＳＤの推定を改良するために再使用してもよい。次に、量

を、次式によって得る。

次に、第２のパスは、

にもとづいて、第１の雑音低減フィルタの伝達関数の推定値

、すなわち、

を計算することである。

独特の特徴が、有用な信号

のＰＳＤの「高速な」更新にある、この２パス計算は、第１の雑音低減フィルタ

に２つの利点をもたらす。一方では、有用な信号の非定常性を高速に、特にその時間的包絡線（たとえば、無音／通話遷移の間の通話信号の開始あるいは終了（attacks or extinctions））の高速な変化の間に、追跡することが可能である。他方では、雑音低減フィルタはより良好に推定され、これは、本方法の性能の向上によって明らかにされる。

および

は、たとえば、電力スペクトル減算規則（式（１））、振幅スペクトル減算規則（式（２））、あるいは、開ループ・ウイーナー・フィルタ規則（式（３））のような、短期間スペクトル減衰技術を実行してもよい。周波数ベースの何らかの他の雑音抑圧規則も、

および

を推定するために、実行してもよい。勿論、第２のバスを実行しないで、第１のパスのみに制限することも可能である。

次に、第１の計算されたフィルタ

にしたがって、装置１の機能ブロック６によって濾波が実行される。これは周波数領域で実行してもよく、これは２つのスペクトルを乗算することに対応する。そのままでは、これは時間領域における円形の畳み込みの動作と等価である。したがって、フレームのテンポでのクリックによって（by clicks in tempo with the frames）聞くときに明らかにされる時間的エイリアシング(aliasing)による歪みを避けるために、いくつかの予防措置をとることが必要である。したがって、線形の畳み込み制約条件を満たすために、各入力フレームにある数の空サンプルを加えること（いわゆる「ゼロ・パディング」技術）と、雑音低減フィルタのインパルス応答の時間的サポートを制限すること（これは時間領域あるいは周波数領域で実行される）が、共に必要である。

雑音低減フィルタのインパルス応答の時間的サポートを制限するために、時間領域に制約条件を導入することが可能であることに留意すべきであり、これは下記のことを必要とする。
ｉ）フィルタ

の伝達関数の知識にもとづいて、インパルス応答ｈ₁（ｋ，ｎ）を得ることを可能にする第１の「逆」スペクトルの変換
ｉｉ）切り取られた（truncated）時間フィルタ

を得るために、このインパルス応答の点の数の制限。
ｉｉｉ）強制(constrained)インパルス応答

にもとづいて、フィルタ

の修正された伝達関数を得ることを可能にする第２の「直接」スペクトル変換。

雑音低減フィルタ

の（周波数）伝達関数が利用できるので、（時間的）インパルス応答

は、逆離散的フーリエ変換（ＩＤＦＴ）によって得られる。すなわち、

このインパルス応答は次に、最上位のＬ_filt1係数を選択し、ウインドウｗ_filt1によって重みづけすることによって、時間的に制限される。すなわち

雑音低減フィルタの時間的サポートのこの制限は、二重の利点をもたらす。一方では、時間エイリアシング（線形畳み込みに従う）の問題の回避を可能にする。他方では、平滑化を保証し、あまりにも攻撃的なフィルタの作用の回避を可能にする。

雑音低減フィルタ

の伝達関数は、したがって、離散的フーリエ変換（ＤＦＴ）

によって得られる。

最後に、雑音のある信号の第１の、雑音が除去されたバージョンは、周波数濾波によって、すなわち、雑音のある信号のスペクトルと雑音低減フィルタの伝達関数を乗算すること、すなわち、

によって得られる
この周波数濾波ステップは、時間的濾波によって、すなわち、ｘ_w（ｋ，ｎ）を

によって直接濾波し、次にその結果の離散的フーリエ変換（ＤＦＴ）を行うことによって、等価な方法で実行してもよい。

有用な信号

のこの第１の推定値は、「背景技術」で説明したように、雑音低減フィルタ

によってある高調波が抑圧されているので、可聴の歪みを含んでいる。勿論、歪みのレベルはＳＮＲに直接関係している。周波数領域の雑音が強ければ強いほど、この領域の高調波は劣化しやすい。

この欠点を緩和するために、図２に示す装置１の機能ブロック８が、破壊され、すなわち非常に大きく減衰させられた高調波を有する疑似信号

を生成する。

信号

は、時間領域であるいは周波数領域で得てもよい。時間領域では、信号に非線形性、たとえば、単一波の修正関数、絶対値、閾値に対して最小値／最大値等の中の関数、を加えることによって高調波性（harmonicity）を回復することが可能である。図３のステップ１４に示すように、ＮＬが、使用される非線形の関数を表すとすれば、

が得られる。ここで、

は、図３のステップ１３にしたがって、逆離散的フーリエ変換（ＩＤＦＴ）によって得られる。すなわち、

したがって、図３のステップ１５に示すように、離散的フーリエ変換（ＤＦＴ）によって、

を得る。すなわち、

高調波は、有用な信号の位置と同じ位置に再現されることがわかるであろう。これは、高調波を復活させるために時間的非線形性が使用されるということによって、暗示的に保証される。

さらに、非線形性が時間領域で用いられる場合には、x_w(ｋ,ｎ)と

の畳み込みによって直接得られた信号

に非線形性を適用することによって、周波数領域への切り替えを回避することが可能であることがわかるであろう。

図４は非線形性の効果と利点を示している。第１のスペクトル（曲線１６）は、雑音を含まない有用な信号のフレームに対応し、基準の役割をする。第２のスペクトル（曲線１７）は、信号

に対応する。この第２のスペクトルにおいて、いくつかの高調波は完全に破壊され、他のものは劣化したことが明らかである。最後のスペクトル（曲線１８）は、上述の信号

に対応する。信号

に適用された非線形性が、信号

内の失われた高調波の再現を効果的に可能にしたことが明らかである。この信号

のスペクトルは、したがって、従来の雑音除去技術が破壊する高調波を維持できるであろう、特に、新しい雑音低減フィルタを計算するのに非常に有用な高調波性情報を含んでいる。

時間的非線形性は、信号

のスペクトルと、有用な信号と同じ高調波構造（高調波の位置のレベルにおいて）を含んでいる信号のスペクトルの間の円形の畳み込みを実行することにある等価な周波数を有している。このようなスペクトルは、たとえば、

の関数に対応する時間信号ｄ（ｋ、ｎ）によって得られる。したがって、信号

を周波数領域で、次のように、得ることも可能である。

ここで、記号

は、円形の畳み込み演算子に対応する。選択された時間的非線形性が絶対値関数であれば、たとえば、信号ｄ（ｋ、ｎ）は次式

のように表現することが可能であり、関数ｓｇｎはそれが適用される値の符号を指している。

したがって、信号

は、それが時間的非線形性によってあるいは周波数の円形の畳み込みによって得られる場合には、

の高調波が破壊され、あるいは劣化した高調波を有している。それは、雑音が除去された信号の高調波コム（harmonic comb）の本質的に良好な推定値を与え、高調波は有用な信号と同じ位置に維持されている。高調波コムのこの推定値は特に有用であり、特に、しかし限定されるものではなく、雑音除去の目的のために利用することができる。

有利なことに、この信号は、以下に説明するように、従来のアルゴリズムによって通常破壊されてしまう高調波を維持できる雑音低減フィルタの計算を可能にすることができる。

本発明は、信号

を得るために、以上に説明した例に限定されるものではないことがわかるであろう。実際に本発明は、雑音低減フィルタ

によって抑圧された高調波の再現を目的とする任意の他の方法に拡大される。

有利なことに、第２のフィルタが図２の機能ブロック９によって、この後推定される。この第２の雑音低減フィルタ

の伝達関数は、図５に示すように、次のように、周波数領域で推定され、ｇは関数を表している。

フィルタの伝達関数に対するこの式は、雑音

のＰＳＤと高調波修復ステップによって推定された有用な信号のＰＳＤに依存する数式である。すなわち。

パラメータρ（ｋ、ｆ）は、信号

を生成するように選択された非線形性ＮＬの関数として、ＰＳＤ

の計算において、信号

の再投入のレベルを制御するために使用される。このパラメータは一定でも、あるいは、周波数および／または時間に依存してもよいことがわかる。

関数ｇは、

が、たとえば、電力スペクトル減算規則（式（１））、振幅スペクトル減算規則（式（２））、あるいは、開ループ・ウイーナー・フィルタ規則（式（３））を実行するように、選択してよい。周波数ベースの任意の他の雑音抑圧規則を、

を推定するために、勿論実行してもよい。

この雑音除去伝達関数

は、従来の雑音除去技術によって通常は破壊されてしまう信号の高調波を維持する利点を持っている。したがって、これは、雑音が除去された信号の歪みを制限する。このフィルタは、フィルタ

の良好な特性、すなわち、非定常性の良好な追跡、ならびに、残留音楽的雑音が非常に少ないこと、を保持していることが、さらに指摘されるべきである。

この後に、第２の推定雑音低減フィルタにもとづいて、第２の濾波が、装置１の機能ブロック１０によって実行される。したがって、第１の伝達関数については、雑音低減フィルタ

の（周波数）伝達関数と等価な（時間的）インパルス応答

が、逆離散的フーリエ変換（ＩＤＦＴ）によって得られる。すなわち、

このインパルス応答はこの後、最上位のＬ_filt2係数を選択し、ウインドウｗ_filt2によって重みづけすることによって、時間的に有利に制限される。すなわち、

雑音低減フィルタ

の伝達関数はこの後、離散的フーリエ変換（ＤＦＴ）によって得られる。すなわち、

最後に、雑音が除去された周波数フレームが、周波数濾波によって、すなわち、雑音のある信号のスペクトルと雑音低減フィルタの伝達関数を乗算することによって得られる。すなわち、

この周波数濾波ステップは、時間的濾波によって、すなわち、ｘ_w（ｋ,ｎ）を

によって直接濾波することによって、等価に実行することもできる。この場合、時間領域で信号

を直接得る。

したがって、濾波を周波数領域で実行する場合、時間領域に戻るのが望ましい。これは、逆スペクトル変換（ＩＤＦＴ）を適用することによって、装置１の機能ブロック１１によって実行される。すなわち、

雑音が除去された出力信号はこの後、ブロック・オーバーラップおよびアッド(block overlap and add)技術（ＯＬＡは「オーバーラップ・アッド」を意味する）によって、あるいは、ブロック・セーブ(block save)技術（ＯＬＳは「オーバーラップ・セーブ」を意味する）によって、有利なことに合成される。信号を時間領域において再構成するこの動作は、逆短期フーリエ変換（ＩＳＴＦＴ）と呼ばれる。

これらのステップが完了すると、フレーム１２が装置１の出力に得られる。この出力フレーム１２は、歪みが抑えられている、入力フレーム２の、雑音が除去された推定値である。

以降の説明では、本発明による具体化の有利な選択を説明する。これらの選択は代表的な実施形態であり、限定する性質を有すると見なされるべきではない。

装置１の機能ブロック３および１１によって実行される分析と合成の具体化例に対しては、ＯＬＡ技術が選択されるのが有利である。さらに、分析されるフレーム同士の間にオーバーラップが存在する。たとえば、５０％のオーバーラップ率を選択してもよい。長さＬの、雑音のある信号ｘ（ｋ,ｎ）｛ｎ＝０，．．．．．．，Ｌ-１｝の現在のフレーム２はまず、信号ｘ_w（ｋ、ｎ）を送出する重みづけウインドウｗ（n）と乗算される。すなわち、

この例では、使用されたウインドウはサイズＬのハニング(Hanning)ウインドウである。すなわち、

ここで、Ｌ＝２５６であり、これは、サンプリング周波数Ｆｅ＝８kHzヘルツにおいて、長さ３２ｍｓのフレームに対応する。

周波数領域への切り替えは、離散的フーリエ変換（ＤＦＴ）の数値的に最適化されたバージョンである高速フーリエ変換（ＦＦＴ）を使用して有利に実行される。より良好な周波数分解能を得るために、また、線形の畳み込み制約条件を満たすために、長さＬ_FFT＝５１２の高速フーリエ変換が使用される。したがって、ウインドウ化されたブロックｘ_w
（ｋ,ｎ）を２５６個の空サンプル（「ゼロパディング」）によって長くすることが、あらかじめ必要である。すなわち、

入力フレームのＦＦＴＸ（ｋ,ｆ）が次に、次式

によって得られる。

ボーカルアクティビティの検出は、機能ブロック４によって、任意に実行することができる。

機能ブロック５によって実行される、雑音電力スペクトル密度

の推定に関する限り、次の方法で有利に進むことが可能である。ＤＶＡによって検出される「雑音のみ」の各フレームｋ_bに対して、雑音電力スペクトル密度

が、次の再帰式

によって推定される。

現在のフレームが雑音フレームとして検出されなければ、雑音の電力スペクトル密度の推定は固定される。平滑化量（smoothing quantity）αは一定に選択され、α＝０．８８２５に等しい。これは、１２８ｍｓの時定数（５０％オーバーラップと、サンプリング周波数Ｆｅ＝８ｋHzに関係する）に対応し、信頼できる推定と雑音の統計の時間的変化の追跡との間の妥協を保証するに十分であると判断される。

機能ブロック７によって推定された第１の雑音低減フィルタの伝達関数

は、

のように、有利なことに開ループ・ウイーナー・フィルタの伝達関数である。

ここで、η（ｋ,ｆ）は、有用な信号

のＰＳＤと雑音

のＰＳＤとの推定値の比率によって理論的に定められた事前の信号対雑音比（ＳＮＲ）を表す。すなわち、

有用な信号

のＰＳＤは、有向決定推定値（directed-decision estimator）、すなわち、

を使用して有利に得られる。ここで、重心パラメータβは一定に選択され、０．９８に等しい。上述したように、関数Ｐは、（１−β）によって重みづけされた量の閾値化（thresholding）を保証する。すなわち、

伝達関数

はその後、有用な信号

のＰＳＤの推定値を改良するために、有利に再使用される。したがって、

によって量

を得、これは、

によって与えられる事前の信号対雑音比η₂（ｋ,ｆ）の第２の推定を行うために使用される。

次に、第２のパスが、η₂（ｋ,ｆ）にもとづいて第１の雑音低減フィルタの伝達関数

の推定値の計算に有利に存在する。すなわち、

機能ブロック６によって実行される濾波は次に、以下に示すように実行される。雑音低減フィルタ

の（周波数）伝達関数が利用可能であるので、対応する時間応答

は、逆離散的フーリエ変換（ＩＤＦＴ）の数値的に最適化されたバージョンである逆高速フーリエ変換（ＩＦＦＴ）を使用することによって、有利に得られる。すなわち、

信号

が実数であるので、対応する時間フィルタがまず原因である(causal)とされる。意図された用途にとって重要なサンプルに対応するこのフィルタＬ_filt1＝２５６係数がその後選択される。その後に、このようにして得られたインパルス応答は、長さＬ_filt1のハニングウインドウによって重み付けされる。最後に、重み付けされたインパルス応答は、エイリアシング無しの線形の畳み込み制約条件を満たすインパルス応答

を与えるために、Ｌ_FFT−Ｌ_filt1個の零で補充される。

雑音低減フィルタの伝達関数

はその後、離散的フーリエ変換（ＤＦＴ）の数値的に最適化されたバージョンである高速フーリエ変換（ＦＦＴ）を有利に使用することで得られる。すなわち、

最後に、雑音のある信号の第１の、雑音が除去されたバージョンは、周波数濾波、すなわち、雑音のある信号のスペクトルと雑音低減フィルタの伝達関数を乗算することによって得られる。すなわち、

機能ブロック８によって実行される、失われた高調波を回復するステップにおいて、信号

が疑似信号

を生成するためにその後に使用される。まず、時間的信号

が、逆高速フーリエ変換（ＦＦＴＩ）を有利に使用することによって得られる。すなわち、

その後、単一波の非線形修正関数が、信号に高調波性を回復させる目的で、この信号に適用される。すなわち、

勿論、単一波の修正以外の（絶対値、閾値に対して最大／最小、等）任意の他の非線形性を、上に示したように、使用することができる。最後に、信号

が、高速フーリエ変換（ＦＦＴ）を有利に使用することによって得られる。すなわち、

この信号は、第２の雑音低減フィルタの伝達関数を有利に計算するために、その後、使用される。

この代表的な実施形態において、このような第２のフィルタの推定は、装置１の機能ブロック９によって、次のように実行される。第２の雑音低減フィルタの伝達関数

は、

であるように、開ループ・ウイーナー・フィルタの伝達関数である。ここで、η_harmo（ｋ,ｆ）は、有用な信号

のＰＳＤの推定値と雑音

のＰＳＤの推定値との比率によって理論的に定められた事前の信号対雑音比（ＳＮＲ）を表す。すなわち、

ここで、有用な信号のＰＳＤ、

は

のように得られる。

信号

の再投入のレベルを制御するパラメータρ（ｋ,ｆ）は、一定として選択され、意図された用途に対して０．５に等しい。

雑音低減フィルタ

は、逆離散的フーリエ変換（ＩＤＦＴ）の数値的に最適化されたバージョンである逆高速フーリエ変換（ＦＦＴＩ）を有利に使用することによって得られる。すなわち、

信号

が実数であるので、対応する時間フィルタはまず原因であるとされる。この用途に対して重要なサンプルに対応するこのフィルタのＬ_filt2＝２５６個の係数は、その後に選択される。このようにして得られたインパルス応答はその後長さＬ_filt2のハニングウインドウによって重み付けされる。最後に、この重み付けされたインパルス応答は、エイリアシング無し線形の畳み込み制約条件を満たすインパルス応答

を与えるために、Ｌ_FFT＝Ｌ_filt2個の零で補充される。

雑音低減フィルタの伝達関数

はその後に、離散的フーリエ変換（ＤＦＴ）の数値的に最適化されたバージョンである高速フーリエ変換（ＦＦＴ）を有利に使用することによって得られる。すなわち、

雑音低減フィルタ

の係数の値は、雑音除去が強力過ぎることを回避するために、任意に限界値を設定する（thresheld）ことが可能である。

最後に、雑音が除去された周波数フレームは、機能ブロック１０によって実行される周波数濾波によって、すなわち、雑音のある信号のスペクトルと雑音低減フィルタの伝達関数を乗算することによって得られる。すなわち、

このようにして得られた信号の時間領域への戻りは、逆高速フーリエ変換（ＦＦＴＩ）を有利に使用することによって、逆スペクトル変換によって、機能ブロック１１のレベルにおいて、その後に実行される。すなわち、

雑音が除去された出力信号はその後、ブロック・オーバーラップおよびアッド技術ＯＬＡによって合成される。

さらに、図２に示す装置１は、１つの音声ピックアップ装置、１つの通信装置、あるいは１つの音声認識装置のような、意図される用途の機能として、特定の装置の中に設置してもよいことに留意されるであろう。

さらに、本装置によって実行される処理は、たとえば通信端末の場合のようにローカルに、あるいは、たとえば音声認識サーバの場合にネットワーク内に集中化して実行してもよいことが留意される。

さらに、実際には、本発明による雑音のある音声信号を処理する装置１は、本発明による信号を処理する方法を実施するのに適した（電子的）ハードウェア手段および／またはソフトウェア手段から成る。

好ましい具体化例によれば、本発明による雑音のある音声信号を処理する方法のステップは、本発明によるこのような装置の１つで使用されるコンピュータ・プログラムの命令によって決定される。

本発明による方法は、前述のプログラムが、装置に組み込まれた計算手段にロードされたときに実行され、次にその動作はプログラムの実行によって制御される。

ここで、表現「コンピュータ・プログラム」は、（ソフトウェア）集合を形成する１つまたは複数のコンピュータ・プログラムを意味すると理解される。ソフトウェア集合の目的は、適切な計算手段によって実行される時に、本発明を実施することである。

したがって、本発明の主題も、このようなコンピュータ・プログラムであり、特に、情報媒体に格納された１つのソフトウェアの形式のコンピュータ・プログラムである。このような情報媒体は、本発明によるプログラムを格納することが可能な任意の実体あるいは装置からなってよい。

たとえば、当該媒体は、ＲＯＭ、たとえばＣＤＲＯＭ、あるいはマイクロ電子回路ＲＯＭ、あるいは磁気記録手段、たとえばハードディスク、のようなハードウェア記憶手段を有してもよい。変形例として、情報媒体は、プログラムが組み込まれ、当該方法の実行に適した、あるいは当該方法の実行に使用されることに適した集積回路であってもよい。

さらに、情報媒体は、無線によってあるいは他の手段によって、電気ケーブルあるいは光ケーブルによって伝送可能な電気信号あるいは光信号のような伝送可能な無形の媒体であってもよい。本発明によるプログラムは、特に、インターネット形式のネットワークからダウンロードすることができる。

設計の視点から、本発明によるコンピュータ・プログラムは、任意のプログラミング言語を使用することが可能であり、ソース・コード、オブジェクトコード、あるいは、ソース・コードとオブジェクトコードの間の中間コード（たとえば部分的にコンパイルされた形式）の形式、あるいは、本発明による方法を実施するのに望ましい任意の他の形式とすることが可能である。

すでに説明済みであるが、３つの公知の短期間の抑圧規則の挙動を比較する図である。本発明による実施形態を実行することが可能な、さまざまな機能ブロックを示す図である。雑音が除去された信号内の失われた高調波の回復の例を示す図である。本発明の一実施形態による信号内の高調波の回復の効果を示す図である。本発明の一実施形態による第２の雑音低減フィルタの推定の例を示す図である。

Claims

連続した複数のフレームとして構成された、雑音のある音声信号（ｘ（ｎ））を処理する方法であって、前記フレーム（ｘ（ｋ,ｎ））の少なくとも１つに関して、
前記雑音のある音声信号の前記フレームに、周波数領域への変換を適用するステップと、
前記フレームに対する前記雑音の電力スペクトル密度

を推定するステップと、
前記雑音の前記推定された電力スペクトル密度と、前記フレームに対応する有用な信号の前記電力スペクトル密度の推定値とにもとづいて、第１の雑音低減フィルタ

を計算するステップと、
前記フレームの第１の、雑音が除去された推定値

を得るために、計算された前記第１の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波するステップと、
前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号

のフレームを、前記雑音のある音声信号の前記フレームの前記第１の、雑音が除去された推定値にもとづいて得るステップと、
を有する、連続したフレームとして構成された雑音のある音声信号を処理する方法。
前記雑音の前記推定された電力スペクトル密度と、前記フレームの第１の、雑音が除去された推定値

の電力と得られた前記第２の信号

の前記フレームの電力の組み合わせとにもとづいて、第２の雑音低減フィルタ

を計算するステップと、
前記フレームの第２の、雑音が除去された推定値

を得るために、計算された前記第２の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波するステップ
と、
前記フレームの前記第２の雑音が除去された推定値を合成するステップと
をさらに有する、請求項１に記載の方法。
前記第２の雑音低減フィルタを利用して実行された濾波の結果が前記周波数領域にある場合、前記フレームの前記第２の、雑音を除去した推定値を合成する前に、前記濾波の前記結果に前記時間領域への変換を適用する、請求項２に記載の方法。
前記雑音のある音声信号（ｘ（ｋ,ｎ））の前記フレームに、それに対する前記周波数領域への変換を適用する前に、重みづけウインドウ（ｗ（ｎ））を乗算する、請求項１から請求項３までのいずれか１項に記載の方法。
前記重みづけウインドウは、サイズが前記雑音のある音声信号の前記フレームの長さＬであるハニングウインドウである、請求項４に記載の方法。
前記重みづけウインドウは、ｗ（ｎ）＝０．５−０．５．ｃｏｓ（πｎ／Ｌ）の形式であり、ここで、ｎは０からＬ−１の範囲の整数であり、Ｌは２５６に等しい、請求項５に記載の方法。
前記雑音のある音声信号（ｘ（ｋ，ｎ））の前記フレームに適用される前記周波数領域への前記変換は、長さ５１２の高速フーリエ変換である、請求項１から請求項６までのいずれか１項に記載の方法。
ボーカルアクティビティを前記雑音のある音声信号（ｘ（ｋ，ｎ））の前記フレーム内で検索し、前記フレームに対する前記雑音の前記電力スペクトル密度

の推定値は、前記フレーム内でボーカルアクティビティが検出されない場合には、前記フレームに含まれる前記雑音の前記電力スペクトル密度の推定値に対応し、前記フレーム内でボーカルアクティビティが検出される場合には、前記フレームに先行する前記雑音のある音声信号の少なくとも１つのフレームに含まれる前記雑音の前記電力スペクトル密度の推定値に対応する、請求項１から請求項７までのいずれか１項に記載の方法。
前記雑音のある音声信号のインデックスｋ_bの、ボーカルアクティビティは検出されない少なくとも１つのフレームに含まれる前記雑音の前記電力スペクトル密度は、

の形式の指数関数による平滑化によって求め、ここで、Ｘ（ｋ_b，ｆ）は前記雑音のある音声信号のインデックスｋ_bのフレームの前記周波数領域への変換を表し、αは平滑化量である、請求項８に記載の方法。
前記第１の雑音低減フィルタの前記計算は、短期スペクトル減衰の技術を実行する第１のパスを有する、請求項１から請求項９までのいずれか１項に記載の方法。
前記第１の雑音低減フィルタの前記計算は、

の形式の伝達関数を有する開ループ・ウイーナー・フィルタを実行する第１のパスを有し、ここで、ｋは前記雑音のある音声信号の前記フレームのインデックスであり、η（ｋ，ｆ）は前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値と前記雑音の前記推定電力スペクトル密度の比率を表す、請求項１０に記載の方法。
前記フレームに対応する有用な信号の前記電力スペクトル密度の前記推定値は、形式

の有向決定推定値を有し、ここで、βは重心パラメータ、あるいは指数関数平滑化推定値である、請求項１１に記載の方法。
前記第１の雑音低減フィルタの前記計算は短期スペクトル減衰の技術を実行する第２のパスをさらに有し、前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値は前記第１のパスの間に実行される前記計算を考慮している、請求項１０から１２のいずれか１項に記載の方法。
前記第１のパスの間に実行される前記計算を考慮した前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値は

の形式であって、ここで、

は前記第１のパスの間に計算された伝達関数を表し、Ｘ（ｋ，ｆ）は前記雑音のある音声信号のインデックスｋの前記フレームの前記周波数領域への変換を表し、また、前記第１の雑音低減フィルタの前記計算は形式

の伝達関数を有する開ループ・ウイーナー・フィルタを実行する第２のパスを有し、ここで、η₂（ｋ，ｆ）は前記第１のパスの間に計算された前記計算を考慮した前記フレームに対応する前記有用な信号の前記電力スペクトル密度の前記推定値と前記雑音の前記推定電力スペクトル密度の比率を表す、請求項１３に記載の方法。
前記第１の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記フレーム（Ｘ（ｋ，ｆ））の周波数領域への変換で実行される、請求項１から請求項１４までのいずれか１項に記載の方法。
前記第１の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記第１の雑音低減フィルタの係数の選択と、前記第１の雑音低減フィルタの前記時間的インパルス応答の重みづけを有する、請求項１から請求項１５までのいずれか１項に記載の方法。
前記第１の雑音低減フィルタの２５６個の係数を、ハニングウインドウによって選択し、重み付けする、請求項１６に記載の方法。
前記雑音のある音声信号の前記フレームに適用される前記周波数領域への変換は、長さ５１２の高速フーリエ変換であり、前記第１の雑音低減フィルタ（ｘ_w（ｋ，ｎ））の前記時間的インパルス応答を、２５６個の零で補充する、請求項１７に記載の方法。
前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号

のフレームを得ることは、前記第１の推定値が前記時間領域内にある場合には、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値

への非線形の関数の適用を含み、前記第１の推定値が前記周波数領域内にある場合には、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値

と非線形の関数（ｄ（ｋ，ｎ））の前記周波数領域への変換の前記第１の、雑音を除去した推定値との間の円形の畳み込みの適用を含む、請求項１から請求項１８までのいずれか１項に記載の方法。
前記非線形の関数（ｄ（ｋ，ｎ））は、単一波の修正関数、絶対値、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値と閾値との間の最大値、前記雑音のある音声信号の前記フレームの前記第１の、雑音を除去した推定値と閾値との間の最小値、の中の１つである、請求項１９記載の方法。
前記第２の雑音低減フィルタ

の前記計算は、短期スペクトル減衰の技術を実行する、請求項２から請求項２０までのいずれか１項に記載の方法。
前記第２の雑音低減フィルタの前記計算は、

である

である

の伝達関数を有する開ループ・ウイーナー・フィルタを実行し、ここで、

はインデックスｋの前記フレームの前記第１の、雑音を除去した推定値を表し、

は前記第２の信号の前記フレームを表し、ρ（ｋ，ｆ）は前記第２の信号に対する再投入パラメータである、
請求項２１に記載の方法。
ρ（ｋ，ｆ）は、周波数および／または時間の関数として変化する、請求項２２に記載の方法。
前記第２の雑音低減フィルタを利用した前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記フレーム（Ｘ（ｋ，ｆ））の周波数領域への変換で実行される、請求項１から請求項２３までのいずれか１項に記載の方法。
前記第２の雑音低減フィルタを利用した、前記雑音のある音声信号（ｘ（ｋ，ｎ）；Ｘ（ｋ，ｆ））の前記フレームの前記濾波は、前記第２の雑音低減フィルタの時間的インパルス応答の選択と重みづけを有する、請求項２から請求項２４までのいずれか１項に記載の方法。
前記第２の雑音低減フィルタの２５６個の係数をハニングウインドウによって選択し、重み付けする、請求項２５記載の方法。
前記雑音のある音声信号の前記フレームに適用される前記周波数領域への前記変換は、長さが５１２の高速フーリエ変換であり、前記第２の雑音低減フィルタの前記時間的インパルス応答を２５６個の零で補充する、請求項２６記載の方法。
前記フレームの第２の、雑音を除去した推定値の前記合成は、ＯＬＡブロック・オーバーラップおよびアッド、あるいは、ＯＬＳブロック・セーブを使用する、請求項２から請求項２７までのいずれか１項に記載の方法。
連続した複数のフレームとして構成された、雑音のある音声信号（ｘ（ｎ））を処理する装置であって、前記フレーム（ｘ（ｋ,ｎ））の少なくとも１つに関して、
前記雑音のある音声信号の前記フレームに、周波数領域への変換を適用する手段と、
前記フレームに対する前記雑音の電力スペクトル密度

を推定する手段と、
前記雑音の前記推定された電力スペクトル密度と、前記フレームに対応する有用な信号の前記電力スペクトル密度の推定値とにもとづいて、第１の雑音低減フィルタ

を計算する手段と、
前記フレームの第１の、雑音が除去された推定値

を得るために、計算された前記第１の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波する手段と、
前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号

のフレームを、前記雑音のある音声信号の前記フレームの前記第１の、雑音が除去された推定値にもとづいて得る手段と、
を有する、雑音のある音声信号を処理する装置。
請求項２９に記載の装置を含む音声ピックアップ装置。
請求項２９に記載の装置を含む通信装置。
請求項２９に記載の装置を含む音声認識装置。
連続した複数のフレームとして構成された、雑音のある音声信号（ｘ（ｎ））を処理するプログラムであって、前記フレーム（ｘ（ｋ,ｎ））の少なくとも１つに関して、コンピュータに、
前記雑音のある音声信号の前記フレームに、周波数領域への変換を適用する手順と、
前記フレームに対する前記雑音の電力スペクトル密度

を推定する手順と、
前記雑音の前記推定された電力スペクトル密度と、前記フレームに対応する有用な信号の前記電力スペクトル密度の推定値とにもとづいて、第１の雑音低減フィルタ

を計算する手順と、
前記フレームの第１の、雑音が除去された推定値

を得るために、計算された前記第１の雑音低減フィルタを利用して、前記雑音のある音声信号（ｘ(ｋ,ｎ);Ｘ(ｋ、ｆ)）の前記フレームを濾波する手順と、
前記雑音のある音声信号の前記フレームに対応する前記有用な信号と実質的に同じ位置にある高調波を有する第２の信号

のフレームを、前記雑音のある音声信号の前記フレームの前記第１の、雑音が除去された推定値にもとづいて得る手順と、
を実行させるための、雑音のある音声信号を処理するプログラム。