JP5203933B2 - オーディオ雑音を減少させるシステムおよび方法 - Google Patents

Description

本発明は一般的に、信号処理に関し、特に通話信号のような信号中のオーディオ雑音を減少させるためのシステムおよび方法に関する。

本出願は2005年４月21日出願の米国暫定出願第60/673,671号明細書（発明の名称“SYSTEMS AND METHODS FOR REDUCING AUDIO NOISE”）の特典を主張している。この文献はここではその全体が参考として組み込まれている。

背景雑音と干渉音は通話システムでは通話システムにおける通話品質および理解特性を劣化する可能性がある。通話がない状態で背景雑音と干渉音が存在することも迷惑である。

これらの問題を解決するため、信号対雑音比（ＳＮＲ）を改良して通話品質と理解特性を改良することを期待して、多くの通話強化および雑音減少（ＮＲ）技術が提案されている。しかしながら、ＳＮＲと通話品質の改良には矛盾が存在する。ＳＮＲの改良は通話音の雑音を少なくするが、多くの有効な雑音減少および通話強化アルゴリズムに関連されるアーティファクトまたは歪は通話品質を劣化させる可能性があり、したがって通話音を不快にする。

少なくとも幾つかの前述の問題はここで説明するように、オーディオ雑音を減少するためのシステムおよび方法の種々の実施形態により解決されることができる。雑音およびネットワークトーンのような１以上の音響成分は時間ドメイン信号から得られるパワースペクトルに基づいて検出されることができる。このような検出の結果はパワースペクトルに適用されることのできる調節スペクトルの決定において決定を行うために使用されることができる。調節されたスペクトルは不所望の雑音を実質的に除去し、および／またはネットワークトーンのような既知の音響成分を考慮する時間ドメイン信号へ戻すように変換されることができる。

本発明の１実施形態はオーディオ雑音を減少するシステムに関する。このシステムは入力時間ドメイン信号を受信し、入力周波数ドメイン信号および入力周波数ドメイン信号のパワースペクトルを生成するように構成された入力コンポーネントを含んでいる。そのシステムはさらに少なくとも１つの検出コンポーネントを含んでいる。各検出コンポーネントはパワースペクトル中の選択された音響成分の存在を検出するように構成されている。システムはさらに少なくとも１つの選択された音響成分の存在の検出に基づいて調節パワースペクトルを生成し、その調節パワースペクトルを入力周波数ドメイン信号と組み合わせて出力周波数ドメイン信号を生成するように構成された調節コンポーネントを含んでいる。システムはさらに出力周波数ドメイン信号に基づいて出力時間ドメイン信号を生成するように構成されている出力コンポーネントを含んでいる。

１実施形態では、入力時間ドメイン信号は通話信号を含んでいる。

１実施形態では、少なくとも１つの検出コンポーネントは雑音活動度検出器、白色雑音検出器、ネットワークトーン検出器の少なくとも１つを含んでいる。１実施形態では、パワースペクトルはＮ個の周波数ビンを有し、それらは入力時間ドメイン信号のＮ個のサンプルされた値に対応する。

１実施形態では、雑音活動度検出器は１以上のグループのＮ個の周波数ビンの大きさを対応する選択された値と比較して、パワースペクトル内の雑音活動度の存在および不在を示す雑音活動度インジケータを生成するように構成される。１実施形態では雑音活動度検出器は、Ｎ個の周波数ビンを複数の帯域に区画し、各複数の帯域の大きさ値を獲得し、大きさ値を各複数の帯域のしきい値と比較し、大きさ値が選択された数の複数の帯域のしきい値を超えたならば、雑音活動度の存在を決定するように構成されている。

１実施形態では、白色雑音検出器はＮ個の周波数ビンの和に基づいて現在のエネルギ値を獲得し、先のエネルギ値と現在のエネルギ値との差を獲得し、その差は正の値を有し、その差が選択された値よりも大きい場合にはパワースペクトルにおける白色雑音の存在を示す白色雑音インジケータを生成するように構成されている。

１実施形態では、ネットワークトーン検出器はＮ個の周波数ビンから最大値を有する選択されたビンを識別し、選択されたビンが１以上の条件を満たすならばパワースペクトル中にネットワークトーンが存在することを示すネットワークトーンインジケータを生成するように構成されている。１実施形態では、ネットワークトーンインジケータは、選択されたビンが選択された量よりも多く変化されず、選択されたビンがネットワークトーンに対応する周波数範囲内であるならば生成される。

１実施形態では、調節パワースペクトルは１以上の選択された音響成分の検出に基づいて調節される評価されたパワースペクトルを含んでいる。１実施形態では、評価されたパワースペクトルの調節は、ネットワークトーンがネットワークトーン検出器により検出されずに雑音活動度が雑音活動度検出器により検出されるならば選択された量だけ評価されたパワースペクトルをスケーリングする処理を含んでいる。１実施形態では、評価されたパワースペクトルの調節は、ネットワークトーンがネットワークトーン検出器により検出されずに白色雑音が白色雑音検出器により検出されるならば白色雑音を調節する処理を含んでいる。

１実施形態では、システムはさらに入力時間ドメイン信号に基づいて少なくとも１つの検出コンポーネントと調節コンポーネントのバイパスを可能にするために再コンバージェンスコンポーネントを含んでいる。１実施形態では、バイパスは入力時間ドメイン信号を表す選択された値が選択された時間期間にわたってしきい値よりも小さい状態である場合に行われる。１実施形態では、しきい値は実質的にゼロである。

本発明の１実施形態はオーディオ雑音の減少方法に関する。この方法は、入力時間ドメイン信号を受信し、入力周波数ドメイン信号と入力周波数ドメイン信号のパワースペクトルとを生成する処理を含んでいる。この方法はさらに、パワースペクトル中の１以上の音響成分の存在を検出する処理を含んでいる。この方法はさらに、１以上の音響成分の存在の検出に基づいて、調節パワースペクトルを生成する処理を含んでいる。この方法はさらに、出力周波数ドメイン信号を生成するために調節パワースペクトルを入力周波数ドメイン信号と組み合わせる処理を含んでいる。この方法はさらに、出力周波数ドメイン信号に基づいて出力時間ドメイン信号を生成する処理を含んでいる。

１実施形態では、入力時間ドメイン信号は通話信号を含んでいる。

１実施形態では、１以上の音響成分は雑音活動度、白色雑音、ネットワークトーンの少なくとも１つを含んでいる。１実施形態では、パワースペクトルはＮ個の周波数ビンを有し、入力時間ドメイン信号のＮ個のサンプルされた値に対応している。

１実施形態では、雑音活動度は１以上のグループのＮ個の周波数ビンの大きさを対応する選択された値と比較して、パワースペクトル内の雑音活動度の存在および不在を示す雑音活動度インジケータを生成するように構成されている。１実施形態では雑音活動度検出器は、Ｎ個の周波数ビンを複数の帯域に区画し、複数の各帯域の大きさ値を獲得し、その大きさ値を複数の各帯域のしきい値と比較し、大きさ値が選択された数の複数の帯域のしきい値を超えたならば、雑音活動度の存在を決定することにより検出される。

１実施形態では、白色雑音はＮ個の周波数ビンの和に基づいて現在のエネルギ値を獲得し、先のエネルギ値と現在のエネルギ値との差を獲得し、その差は正の値を有し、差が選択された値よりも大きいならばパワースペクトルにおける白色雑音の存在を示す白色雑音インジケータを生成することにより検出される。

１実施形態では、ネットワークトーンはＮ個の周波数ビンから最大値を有する選択されたビンを識別し、その選択されたビンが１以上の条件を満たすならばパワースペクトル中にネットワークトーンが存在することを示すネットワークトーンインジケータを生成することにより検出される。１実施形態では、ネットワークトーンインジケータは選択されたビンが選択された量よりも多く変化されず、かつ、選択されたビンがネットワークトーンに対応する周波数範囲内であるならば生成される。

１実施形態では、調節パワースペクトルは１以上の音響成分の検出に基づいて調節される評価されたパワースペクトルを含んでいる。１実施形態では、評価されたパワースペクトルの調節は、ネットワークトーンが検出されずに雑音活動度が検出されるならば選択された量だけ評価されたパワースペクトルをスケーリングする処理を含んでいる。１実施形態では、評価されたパワースペクトルの調節はネットワークトーンが検出されずに白色雑音が検出されるならば白色雑音を調節する処理をさらに含んでいる。

１実施形態では、この方法はさらに入力時間ドメイン信号に基づいた検出のバイパスを含んでいる。１実施形態では、バイパスは入力時間ドメイン信号を表す選択された値が選択された時間期間でしきい値よりも小さい状態であるならば行われる。１実施形態では、しきい値は実質的にゼロである。

本発明の１実施形態はオーディオ雑音を減少するシステムに関する。このシステムは入力信号を受信し、その入力信号に対応するパワースペクトルを生成するように構成された入力コンポーネントを含んでおり、ここでの入力信号はある信号対雑音比を有する。このシステムはさらにパワースペクトル中の１以上の音響成分の存在を検出するように構成された検出器を含んでいる。この検出は実質的に同じレベルに入力信号の信号対雑音比を維持しながら行われる。

本発明の１実施形態はオーディオ雑音を減少するためのシステムに関する。このシステムは入力信号に対応するパワースペクトルを生成する手段を含んでいる。このシステムはさらにパワースペクトル中の１以上の音響成分を検出するための手段を含んでいる。このシステムはさらに１以上の音響成分の検出に基づいて入力信号を調節する手段を含んでいる。

本発明のこれらおよび他の観点、利点、優れた特徴は以下の詳細な説明を読み、添付図面を参照することにより明白になるであろう。図面では、類似の素子は類似の参照符合を有している。
本発明は一般的に、雑音減少技術に関する。幾つかの実施形態では、本発明の種々の特徴および技術は、電話装置（無線またはワイヤベース）、無線ベースの装置、補聴器などのような通話装置で実施されることができる。

図１は、入力信号中に存在する１以上の選択された音響成分の検出と、このような検出された音響成分に基づいた入力信号の調節を容易にする種々のコンポーネントを有するシステム100の１実施形態のブロック図を示している。１実施形態では選択された音響成分は雑音を含むことができる。１実施形態では選択された音響成分はネットワークトーンのような人工的に導入された音を含むことができる。

ここでの説明の目的で、時間ドメイン信号はＳ（ｎ）として示され、周波数ドメイン信号はＳ（ｋ）として示される。Ｓ（ｋ）は大きさと位相の両情報を含み、したがってベクトル量または複素数信号と呼ばれることができる。Ｓ（ｋ）の二乗された大きさ部分は共通してパワースペクトルと呼ばれ、ＰｏｗＳ（ｋ）として示される。ここでの説明の目的で、「パワースペクトル」は大きさ、大きさの二乗、または任意の大きさベースの量から得られることができる。

したがって図１に示されているように、システム100の１実施形態は入力信号Ｘ（ｎ）を受信し、複素数信号Ｘ（ｋ）を得て、Ｘ（ｋ）のパワースペクトルＰｏｗＸ（ｋ）を決定し、ＰｏｗＸ（ｋ）に基づいて調節パワースペクトルＰｏｗＡ（ｋ）を決定し、調節パワースペクトルＰｏｗＡ（ｋ）に基づいてＸ（ｋ）を調節して調節された複素数信号Ｙ（ｋ）を生成する。この調節された複素数信号Ｙ（ｋ）はその時間ドメイン信号Ｙ（ｎ）へ戻すように変換をされることができる。

１実施形態では、システム100は前述した機能を行うことのできる入力コンポーネント102、検出コンポーネント104、調節コンポーネント106、出力コンポーネント110を含んでいる。１実施形態では、このシステムはさらにバイパスコンポーネント112を含むこともできる。これらのコンポーネントについては以下詳細に説明する。

幾つかの実施形態では、種々の特徴の機能はここではプロセッサ、コンポーネントおよび／またはモジュールにより実現または促進されるとして説明されている。ここでの説明のために、プロセッサは１以上の処理装置および／または１以上のプロセスを含むことができる。同様に、コンポーネントまたはモジュールは１以上の装置および／または１以上のプロセスを含むことができる。

また、異なるコンポーネントは別の装置または同じ装置の一部分として存在することができる。さらに幾つかのコンポーネントは１つの装置の一部分として存在することができ、他のコンポーネントは１以上の装置の一部分として存在することができる。

図１に示されているように、入力信号Ｘ（ｎ）は対応する複素数信号Ｘ（ｋ）とそのパワースペクトルＰｏｘＸ（ｋ）を生成する入力コンポーネント102により受信される。パワースペクトルＰｏｘＸ（ｋ）は１以上の決定結果を生成する決定コンポーネント104により受信される。１以上の検出結果は１以上の検出結果に基づいて調節パワースペクトルＰｏｘＡ（ｋ）を生成する調節コンポーネント106により受信される。調節パワースペクトルＰｏｘＡ（ｋ）は調節された複素数信号Ｙ（ｋ）を生成するために複素数信号Ｘ（ｋ）と組み合わせられることができる。調節された複素数信号Ｙ（ｋ）は調節された複素数信号Ｙ（ｋ）に対応している出力時間ドメイン信号Ｙ（ｎ）を生成する出力コンポーネント110により受信されるとして示されている。

１実施形態では、図１に示されているように、入力コンポーネント102は入力Ｘ（ｎ）と同じであっても同じではなくてもよい信号Ｘ’（ｎ）をバイパスコンポーネント112へ提供することができ、そのバイパスコンポーネント112は（矢印114により示されているように）Ｘ（ｋ）に対する調節が行われるか、或いは（矢印116により示されているように）システム状態をリセットして調節プロセスをバイパスするかを決定することができる。

図２は図１のシステム100の１実施形態により行われることのできるプロセス120の１実施形態を示している。プロセスブロック122では、複素数周波数ドメイン信号は入力時間ドメイン信号から得られる。プロセスブロック124では、複素数周波数ドメイン信号のパワースペクトルが得られる。プロセスブロック126では、少なくとも１つの選択された音響成分の存在がパワースペクトルに基づいて検出される。プロセスブロック128では、調節パワースペクトルが少なくとも１つの選択された音響成分の検出に基づいて生成される。プロセスブロック130では、複素数周波数ドメイン信号は出力複素数周波数ドメイン信号を生成するために調節パワースペクトルと組み合わせられる。プロセスブロック132では、出力時間ドメイン信号は出力複素数周波数ドメイン信号から生成される。

図３は図２のプロセス120を行うことのできるシステム100の１つの例示的な実施形態を示している。図３の実施例では、図１を参照して前述した種々のコンポーネントは必ずしも識別されない。しかしながらプロセス120の種々の機能は図３に示されている実施例により実現されることができることが理解されるであろう。

１実施形態では、入力時間ドメイン信号はフレームとしてサンプルされることができる。図３に示されている例示的な構成は入力信号のフレーム142の処理に後続する。ここでの説明の目的で、入力フレーム142は８ｋＨｚのサンプリング速度の例の場合６４のサンプル値を有することが想定される。しかしながら、他のサンプリング値も可能であることが理解されよう。

図３では、信号の入力フレームはＸ（ｎ）として示されている。ここでの説明では、Ｘ（ｎ）は時には、単に入力信号または入力時間ドメイン信号と呼ばれることもある。

１実施形態では、入力信号Ｘ（ｎ）はある雑音を除去するために濾波されることができる。例えば、ハイパス濾波（ＨＰＦ、ブロック144として示されている）はＤＣ成分と幾らかの低い周波数雑音を濾波して除去する処理を行うことができる。

デジタル強化コードレス電気通信（ＤＥＣＴ）システムのような幾つかの応用では、入力信号は約１００Ｈｚでトーナル雑音を有する可能性がある。このような例の雑音を処理するために、例示的なＨＰＦ144は図４の（Ａ）および（Ｂ）で示されているように、その周波数応答特性において約１００Ｈｚに谷を有するように構成されることができる。

１実施形態では、濾波された信号Ｘ’（ｎ）はＮ／２サンプルのオーバーラップでＮ個のサンプル（Ｎ＝１２８）のフレームに分解されることができる。１実施形態ではこのようなフレームは（複素数スペクトルとも呼ばれる）複素数信号Ｘ（ｋ）を得るため（ブロック150）半分のオーバーラップのウィンドウ処理（ブロック146）および１２８ＦＦＴ（ブロック148）を受けることができる。

１実施形態では、さらに図３に示されているように、パワースペクトルＰｏｗＸ（ｋ）（ｋ＝１，２，…，Ｎ／２）はＮ点ＦＦＴ（ブロック148）に基づいて得られることができ（ブロック152）、ここでｋは値ｋ^*ｆ_ｓ／Ｎ（Ｈｚ）を有する周波数ビンを表しており、ｆ_ｓはサンプリングレートである。

入力パワースペクトルＰｏｗＸ（ｋ）に基づいて、例示的な検出器、即ち雑音活動度検出器（ブロック154）、白色雑音検出器（ブロック156）、ネットワークトーン検出器（ブロック158）は雑音活動度、白色雑音、ネットワークトーンを決定することができる。このような決定に基づいて、検出器154、156、158は出力フラグＮ＿Ｆｌａｇ、Ｗ＿Ｆｌａｇ、Ｔ＿Ｆｌａｇをそれぞれ生成することができる。これらの例示的な検出器について以下詳細に説明する。

１実施形態では、雑音活動度検出器152と白色雑音検出器は残留雑音を減少させるように設計されることができる。１実施形態では、雑音活動度検出器154、白色雑音検出器156、ネットワークトーン検出器158のうちの任意の１つまたは任意の組み合わせからの出力は雑音パワー評価とそのスペクトル利得評価に使用されることができる。例えば１実施形態では、３つの全ての検出器154、156、158からの出力は雑音パワー評価とそのスペクトル利得評価に使用されることができる。１実施形態では、ネットワークトーン検出器158からの出力は雑音パワー評価とそのスペクトル利得評価に使用されることができる。

１実施形態では、図３でさらに示されているように、（それらのそれぞれの出力フラグを含めた）検出器154、156、158の出力は調節パワースペクトル生成器160へ与えられる。パワースペクトルＰｏｗＸ（ｋ）もまた調節パワースペクトル生成器160へ与えられることが示されている。

調節パワースペクトル生成器160は多決定融合（ブロック162）、雑音パワースペクトル評価（164）、スペクトル利得評価（ブロック166）を含めた機能を含むものとして示されている。図３は（例示の矢印により）特定例の「フロー」を示しているが、調節パワースペクトル生成器160の種々の機能はこのようなパスにしたがう必要はないことが理解されるであろう。

１実施形態では、調節パワースペクトル生成器160は最初に雑音パワースペクトル164の評価を生成する。１実施形態では、雑音パワースペクトルは次のような例示的な技術により評価されることができ、即ち（１）Ｍ個のフレーム（例えばＭ＝８であり、現在のフレームＰｏｗＸ（ｋ）と７個の先のフレームを含める）に対するパワースペクトルを獲得し、各周波数ビンでＭ個のフレームの中から最小値を獲得し、周波数ビンの最小値を集めることによって評価された雑音パワースペクトルを形成する。例えばビン１がフレーム７からの最小値２．２を有し、ビン２はフレーム２からの最小値１．５を有する等であるならば、評価された雑音パワースペクトルはビン１に対しては値２．２を有し、ビン２に対しては値１．５を有する等である。

１実施形態では、調節パワースペクトル生成器160はスペクトル利得（166）により評価された雑音パワースペクトル（164）を調節する。このスペクトル利得は幾つかの既知の技術に基づいておよび／または決定ブロック154、156、158の出力を含む幾つかの決定（162）に基づいて決定されることができる。例えば特別な利得（各ビンのｍＳｐｅｃｔｒａｌＧａｉｎ（ｋ））は文献（Speech enhancement using a minimum mean square error short-time spectral amplitude estimator、Y. EphraimとD. Malah、IEEE Trans. Acoust.、Speech, Signal Processing、vol. ASSP-32(6)、1109−1121頁、1984年12月）に示されている方法に基づいて計算されることができ、この文献はその全体が参考文献とされている。雑音パワースペクトルを調節するための利得についての検出ベースの決定の１例を以下詳細に説明する。

１実施形態では、図３でさらに示されているように、（ブロック150からの）入力複素数スペクトルＸ（ｋ）は周波数ドメイン濾波（ブロック166）を受けることができ、このようにして得られたスペクトル利得はＸ（ｋ）に与えられる。例えばｋ番目の周波数ビンのスペクトル利得は以下のように計算されることができる。
mSpectralGain(k,m)=Ratio(k,m)/[Ratio(k,m)+1], k=1,2…,64
ここでRatio(k,m)=α^＊mSpectralGain(k,m-1)^＊PowX(k)^＊+γ(1-α)^＊P[PowX(k)]
パラメータαはいわゆる「忘却係数」（０＜α＜１、α＝０．９８はその１例）であり、γは定数である(例えば０．０２４３)。P[PowX(k)]は整流関数であり、ここで１例はmax(0.0, PowX(k) ^＊γ/EstimatedNoisePow(k)-1)である。この例ではmSpectralGain(k,0)はゼロとして初期化される。濾波ブロック166の出力は出力複素数スペクトル（複素数信号とも呼ばれる）Ｙ（ｋ）として示されている。

１実施形態では、さらに図３に示されているように出力複素数スペクトルＹ（ｋ）は時間ドメインへマップするために例えばＮポイントＩＦＦＴ（ブロック168）によりさらに処理されることができる。１実施形態では、オーバーラップ加算（ブロック170）技術は雑音が減少された時間ドメイン信号Ｙ（ｎ）を表すサンプルのフレームを再構成する（ブロック172）ために使用されることができる。

１実施形態では、さらに図３に示されているように、バイパスまたは再コンバージェンス機構が以下のように作用することができる。Ｘ’（ｎ）フレームの絶対値の和InstantLevelSumがブロック180で計算されることができる。１以上の先のフレームに対する類似の値も得られることができる。決定ブロック182はある期間（例えば８０ｍｓ）で、現在の値と１以上の先の値とに基づいてInstantLevelSum＝０．０であるかまたは選択された値よりも小さいかを決定する。それが「イエス」であるならば、システム状態はリセットされ、雑音減少処理はバイパスされることができる。このような状態では、Ｙ（ｋ）はＸ（ｋ）を割当てられ、それによって前述したようにＹ（ｎ）を生成するように処理されることができる。「ノー」であるならば、雑音パワースペクトル評価および／またはスペクトル利得決定は前述したようにパワースペクトルＰｏｗＸ（ｋ）に基づいて行われることができる。

図５は図３（156）を参照して前述した白色雑音検出器200の１実施形態を示している。

１実施形態では、パラメータｋＡｌｐｈａＷは約０．９４８１８の値を有し、mSmoothedInstantEnergyはゼロとして初期化される。

さらに図５に示されているように、mSmoothedInstantEnergyと古い値OldSmoothedInstantEnergyとの差の絶対値（208）は値「Ａ」を有するとして示されている。値「Ｂ」はOldSmoothedInstantEnergyとパラメータkEnvelopeRatioの積（214）として規定される。１実施形態ではkEnvelopeRatioは約０．０２８４の値を有する。値ＡとＢは決定ブロック210で比較される。ＡがＢよりも小さいならば、（ゼロとして初期化される）カウンタmWhiteNoiseFrameCountは１だけ増加（インクリメント）される（216）。そうでなければ、カウンタmWhiteNoiseFrameCountはゼロにリセットされる（218）。

さらに図５に示されているように、カウンタmWhiteNoiseFrameCountの現在値は決定ブロック220で選択されたカウント値kNumWhiteNoiseFramesと比較される。１実施形態ではkNumWhiteNoiseFramesは値３８を有する。mWhiteNoiseFrameCountがkNumWhiteNoiseFrames以上であるならば、白色雑音が存在すると考えられ、フラグＷ＿Ｆｌａｇは例示的な値「１」で設定される（222）。カウンタmWhiteNoiseFrameCountもまた値kNumWhiteNoiseFramesに設定される。mWhiteNoiseFrameCountがkNumWhiteNoiseFramesよりも小さいならば、白色雑音の存在は断定されず、フラグＷ＿Ｆｌａｇは「０」に設定される（224）。現在値mSmoothedInstantEnergyは次のフレームの解析のために古い値OldSmoothedInstantEnergyになる（226）。

図６は図３を参照して前述した雑音活動度検出器230の１実施形態を示している（図３の154）。例示の６４個のビンを有するパワースペクトルＰｏｗＸ（ｋ）（232）は例えば４つの帯域（ｉ＝１乃至４）へ区画される６４個のビンを有するものとして示されている（234）。各帯域（ｉ番目の帯域）では、帯域内ビンのパワーの合計はｉ番目の帯域で値Ｍａｇ＿ｉを生成するように平方根演算ブロック236により処理される。１実施形態では、値Ｍａｇ＿ｉは平滑装置ブロック238へ与えられ、その平滑装置ブロック238はまたパラメータkAlphaNad（240）を受信する。１実施形態ではkAlphaNadは約０．５５の値を有する。平滑装置238はＭａｇ＿ｉおよびkAlphaNadに基づいて以下のように平滑された大きさ値ｓＭａｇ＿ｉを計算する。
sMag_i=kAlphaNad^＊sMag_i+(1-kAlphaNad)^＊Mag_i
ｉ＝１乃至４は４つの例示の帯域に関してであることに注意する。１実施形態では、ｓＭａｇ＿ｉの値は約０．９２５の値で初期化される。

１実施形態では、ｓＭａｇ＿ｉの最小値が維持され、選択された期間（例えば３０フレーム）で更新される。したがって、平滑装置238からのｓＭａｇ＿ｉの現在の値は最小値ＭｉｎＭａｇ＿ｉが更新されるべきであるか否かを見るために既存の最小値と比較されることができる（242）。ｓＭａｇ＿ｉの現在値はしきい値（246）（例えばＭｉｎＭａｇ＿ｉにより乗算された選択されたパラメータ）と比較される（244）。ｓＭａｇ＿ｉがしきい値よりも大きいならば、雑音活動度が存在すると考えられ、フラグＮ＿Ｆｌａｇはここで説明するように決定融合に対して「１」に設定される。そうでなければＮ＿Ｆｌａｇは「０」に設定される。

図７は図３を参照して前述したネットワークトーン検出器250の１実施形態を示している（図３の158）。ここで示されているように、ネットワークトーン検出器250またはその変形は簡単で効率的なネットワークトーン検出アルゴリズムを提供できる。ネットワークトーン検出器250により与えられる１以上の機能はまた電話システムのようなシステムでネットワークトーン情報を維持しながら効率的な雑音減少を実現するために、雑音減少技術に基づいてスペクトル減算と組み合わせられることができる。さらに、ネットワークトーン検出アルゴリズムは何等の有効な情報も失わずに、より良好なエコー消去を行うようにエコー消去方式と統合されるように一般化されることができる。

１実施形態では、以下のパラメータが図７を説明する目的で規定されることができる。パラメータmInPsdMaxIndexは現在のフレームの周波数ビン数であり、このビンは例示的に６４個の周波数ビンの最大エネルギである。パラメータOldInPsdMaxIndexは周波数ビンを表し、これは先のフレームの最大エネルギを有する。パラメータmMaxPsdRatioは０．０と１．０との間の同調可能な正の係数である。パラメータkNLowとkNHighはネットワークトーンが位置される周波数範囲を規定し、kNLowは最小周波数を規定し、kNHighは最大周波数を規定する。パラメータmToneFrameCountはネットワークトーンの要求を満たす連続的なフレームの数を表すカウンタである。パラメータkNumToneFramesはしきい値である。Ｔ＿Ｆｌａｇは検出されたフラグであり、その１の値は、現在のフレームがネットワークトーンを有すると考えられることを意味し、そうでなければ、現在のフレームはネットワークトーンをもたないと考えられる。

１実施形態では、図７に示されているようにネットワークトーンは次の方法で検出されることができる。プロセスブロック252では、ＰｏｗＸ（ｋ）（例示的な構造ではｋ＝１乃至６４）で最大値を有するビンが識別されることができ、対応するビン番号ｋはmInPsdMaxIndexとして示されることができる。mInPsdMaxIndexとoldInPsdMaxIndexとの差（254）の絶対値（256）は「Ａ」として示される。したがってA=｜mInPsdMaxIndex-oldInpsdMaxIndex｜である。mInPsdMaxIndexとmMaxPsdRatioの積（258）は「Ｂ」として示される。したがって、B=mInPsdMaxIndex^＊mMaxPsdRatioである。

決定ブロック260では、次の条件、即ち（Ａ＜Ｂ）と（kNLow<=mInPsdMaxIndex<=kNHigh）がチェックされる。条件（Ａ＜Ｂ）は最大値を有する現在のビンがどの程度先のビンから変化されているかを見るためにチェックする。条件（kNLow<=mInPsdMaxIndex<=kNHigh）は最大値ビンが既知のネットワークトーン周波数範囲内であるか否かを見るためにチェックする。

両方の条件が満たされるならば、現在のフレームはネットワークトーンを有すると考えられ、フレームカウンタmToneFrameCountは１だけ増加される（264）。そうでなければ、現在のフレームはネットワークトーンを有していないと考えられ、フレームカウンタmToneFrameCountはゼロにリセットされる（262）。

決定ブロック266はＴ＿Ｆｌａｇを「１」（ネットワークトーンが信号に存在する）として設定するか、または「０」（ネットワークトーンが信号に存在しない）として設定するかを決定する。mToneFrameCount>=kNumToneFramesであるならば、Ｔ＿Ｆｌａｇは「１」に設定され（268）、そうでなければ「０」に設定される（270）。両方の場合に、mInPsdMaxIndexの現在値は次のフレームの解析のために古い値oldInPsdMaxIndexであるように設定される（272）。

１実施形態では、次の値が使用されることができ、即ち（１２８ＦＦＴの例では）mMaxPsdRatio=0.21、kNumToneFrames=19、kNLow=2、kNHigh=15。

図８は図３を参照して前述した利得の検出ベースの決定の例の１実施形態（図３の280）を示している。mSpectralGain(k)は図３のブロック164で評価された雑音パワースペクトルの同じビンに与えられることのできるｋ番目のビンに対する利得である。mSpectralGain(k)は決定ブロック282の結果に基づいて調節されるものとして示されており、次の条件、即ち（（Ｔ＿Ｆｌａｇ＝０）と（Ｎ＿Ｆｌａｇ＝１））または（第１のＭフレームに現在のフレームがあるか？）が試験される。１実施形態ではＭ＝９である。

決定ブロック282に対する答えが「イエス」ならば、mSpectralGain(k)は係数mNoiseActivityGain（１例では０．２＜mNoiseActivityGain＜＝１．０）によりスケールされる（284）。１実施形態ではmNoiseActivityGainは約０．５０の値を有する、その後条件の別のセットが決定ブロック286で試験される。決定ブロック282に対する答えが「ノー」であるならば、決定ブロック286は直接呼出される。

決定ブロックは次の条件、即ち（Ｔ＿Ｆｌａｇ＝０）と（Ｗ＿Ｆｌａｇ＝１）をテストする。答えが「イエス」ならば、mSpectralGain(k)はmMinSpectralGain^＊mGainWとして評価されることのできる値mWhiteNoiseSpectralGainが割当てられる（288）。１実施形態ではmMinSpectralGainは約０．２５の値を有し、mGainWは約０．８９１の値を有する。答えが「ノー」ならば、mSpectralGain(k)は以下の例の方法でクリッパー290を受ける。mSpectralGain(k)がmMinSpectralGainよりも小さいならば、mSpectralGain(k)＝mMinSpectralGainであり、mSpectralGain(k)が１．０よりも大きいならば、ｋの全ての値（この例では１乃至６４）において、mSpectralGain(k)＝１．０である。

図９は１実施形態で、システム300が前述のシステム100に類似して構成されることができることを示している。システム300は決定を行うためにＴ＿Ｆｌａｇを与えることのできるネットワークトーン検出器302を有して示されており、ここではこのようなフラグはパワースペクトルＰｏｗＸ（ｋ）に基づいて決定される。例示的なシステム100と同様に、決定を行うことはネットワークトーンの存在または不在に基づいた選択されたスペクトル利得調節を含むことができる。１実施形態では、図８のプロセスに類似する決定を行うプロセスが使用されることができ、ここでは決定はスペクトル利得調節のための異なる値を決定するために、他の決定子フラグではなくＴ＿Ｆｌａｇに基づいて行われる。

先の説明に基づいて、各周波数ビンで与えられるスペクトル利得は雑音パワー評価だけでなく１以上の検出およびそれらの対応する決定に依存することができることが分かるであろう。白色雑音、雑音活動度、ネットワークトーンを例示として説明したが、残留雑音、強い雑音、中程度の雑音、弱い雑音のような他のタイプの雑音も同様に処理されることができる。これらの決定の情報の融合により、全体的な決定誤差は減少されることができ、或いは最小にされることができ、改良されたまたは最適化された濾波利得を所定のシステムで得ることができる。

本発明の特徴の種々の組み合わせを実行することにより、スペクトル濾波で使用される利得は単に雑音評価からだけではなく、雑音パワー評価と他の１以上の検出およびそれらの対応する結果との統合により決定されることができるので、静止雑音（調節可能な抑制量）に対して１２−２０ｄＢの効率的な雑音抑制で、非常に良好な音声品質が得られることができる。

さらに、本発明の幾つかの限定ではない顕著な特徴について以下説明する。（１）本発明の種々の特徴は通常独立した入力レベルであり、したがって検出および決定からの情報は関連されたパワー評価の正規化に使用されることができ、（２)本発明の種々の特徴は通常ＡＧＣ(自動利得制御、ここでは入力信号の信号対雑音比が適用される雑音減少処理の前に変更される)に関連される歪を防止することができ、（３）本発明の技術は多くの他の利用可能なＮＲシステム（多くの計算を必要とするＡＧＣを含む）で使用される大きさのスペクトルの代わりに、パワースペクトルに基づいているので、計算の複雑性が低く、（４）効率的なネットワークトーンの検出および関連される機能が与えられるので、ネットワークトーンが電話機の応用の受信パスで保存されることができ、（５）種々の関連されるパラメータが種々の決定結果にしたがって適合的に変更されることができるので、迅速で調節可能なコンバージェンス時間、フレキシブルな制御能力、再コンバージェンス、初期コンバージェンスが実現可能である。

１実施形態では、ここで説明した１以上の特徴はまた多チャンネル通信システムで実行されることができる。多チャンネルの場合、情報の融合は１つのチャンネルの多検出間だけでなく、多チャンネル間で行われることができる。

ネットワークトーン検出器に関して、以下の点に注意する。ネットワークトーンが現れたならば、雑音減少方式は入力を有用な信号として扱うことができ、ネットワークトーンが減少されていない状態を維持するように異なるスペクトル利得を使用するように切り換える。これにより、雑音減少方式はＳＮＲを増加できるだけでなく、他の利用可能な雑音減少アルゴリズム期間中に利用可能なネットワークトーン情報を維持することもできる。

また、ネットワークトーン検出器はスペクトル減算ベースの雑音減少アルゴリズムで有効であるスペクトルに基づいているので、パワー（または大きさ）スペクトルを得るために余分な計算は必要ではない。その結果として、ネットワークトーン検出器は簡単であり、容易に多くの応用で実行されることができる。さらにネットワークトーン検出器は既存の信号−チャンネル雑音減少方式に簡単に付加されることができる。さらに、ネットワークトーン検出器および関連されるアルゴリズムは幾つかの電話システムで見られる周波数ドメインベースのエコー消去方式に統合するように一般化されることができる。またこの技術は信号通報検出器等にも使用されることができる。

一般的に、プロセッサは例えば、ここで説明したように動作するコンピュータ、プログラム論理装置またはその他のデータおよび命令を表す基板構造を含むことができる。別の実施形態ではプロセッサは制御装置回路、プロセッサ回路、プロセッサ、汎用目的の単一チップまたは多チップマイクロプロセッサ、デジタル信号プロセッサ、埋設されたマイクロプロセッサ、マイクロ制御装置等を含むことができる。

さらに１実施形態では、プログラム論理装置は１以上のコンポーネントとして有効に構成されることができることが認識されるであろう。コンポーネントは１以上のプロセッサで実行されるように構成されると有効である。コンポーネントはソフトウェアモジュール、オブジェクト指向ソフトウェアコンポーネント、クラスコンポーネントおよびタスクコンポーネント、処理方法、機能、属性、手順、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、変数のようなソフトウェアまたはハードウェアコンポーネントモジュールを含んでいるがそれらに限定されない。

前述の実施形態は前述の実施形態に適用されるように本発明の基本的な優れた特徴を示し、説明し、指摘しているが、装置の細部の形態および／または示されている方法における種々の省略、置換、変更が当業者により本発明の技術的範囲から逸脱せずに行われることができることが理解されるであろう。したがって、本発明の技術的範囲は前述の説明に限定されるべきではなく特許請求の範囲により規定されるべきである。

オーディオ通信信号のような信号中の１以上の音響成分を識別するように構成された種々のコンポーネントを有するシステムの１実施形態のブロック図。 図１のシステムにより行われることのできるプロセスの１実施形態を示す図。 図１のシステムの１つの例示的な実施形態を示す図。 さらに処理するため信号の調整に使用されることのできる１例の濾波コンポーネントの例示的な応答を示す図。 信号に対応するパワースペクトル中の白色雑音を検出するように構成されることのできる検出器コンポーネントの１実施形態を示す図。 信号に対応するパワースペクトル中の雑音活動度を検出するように構成されることのできる検出器コンポーネントの１実施形態を示す図。 信号に対応するパワースペクトル中のネットワークトーンを検出するように構成されることのできる検出器コンポーネントの１実施形態を示す図。 異なる検出器コンポーネントからの結果が、信号に適用されることのできる調節パワースペクトルを決定するために使用されることのできる１実施形態を示す図。 図１のシステムの別の例示的な実施形態を示す図。

Claims (10)

1. オーディオ信号の雑音を減少させるシステムであって、
   前記システムは、
   入力コンポーネントと、
   雑音活動度検出器と、
   白色雑音検出器と、
   ネットワークトーン検出器と、
   調節コンポーネントと、
   出力コンポーネントと、
   を具備しており、
   前記入力コンポーネントは、
   雑音を含んでいる入力時間ドメインオーディオ信号を受信し、
   少なくとも、高速フーリエ変換（ＦＦＴ）を前記入力時間ドメインオーディオ信号に適用することによって、入力周波数ドメイン信号を生成して、
   少なくとも、前記入力周波数ドメイン信号の大きさを獲得することによって、前記入力周波数ドメイン信号のパワースペクトルであって、Ｎ個のＦＦＴビンを有している前記パワースペクトルを生成するように構成されており、
   前記雑音活動度検出器は、
   前記Ｎ個のＦＦＴビンを複数の帯域に区画し、
   少なくとも、前記複数の帯域から選択された帯域における前記ＦＦＴビンのパワーの和を計算して、前記パワーの和の平方根を計算して、値を生成することによって、前記複数の帯域から選択された数の帯域の前記値を獲得し、
   前記値と、前記選択された数の帯域のしきい値とを比較し、
   前記値が前記選択された数の帯域の前記しきい値を超えた場合に、前記パワースペクトル中に雑音活動度が存在すると決定するように構成されており、
   前記白色雑音検出器は、
   前記パワースペクトル中に白色雑音が検出されたかどうかを示す白色雑音インジケータを生成するように構成されており、
   前記ネットワークトーン検出器は、
   前記パワースペクトル中にネットワークトーンが検出されたかどうかを示すネットワークトーンインジケータを生成するように構成されており、
   前記調節コンポーネントは、
   前記雑音活動度と、前記白色雑音と、前記ネットワークトーンとのうちの１つ以上が検出されたかどうかによって決まる値を有するスペクトル利得を生成し、
   前記ネットワークトーンが前記ネットワークトーン検出器によって検出されず、且つ前記雑音活動度が前記雑音活動度検出器によって検出された場合に、前記スペクトル利得の値は、第１の量であり、
   前記ネットワークトーンが前記ネットワークトーン検出器によって検出されず、且つ前記白色雑音が前記白色雑音検出器によって検出された場合に、前記スペクトル利得の値は、第２の量である、
   前記スペクトル利得を前記入力周波数ドメイン信号に適用して、減少した雑音を有する出力周波数ドメイン信号を生成するように構成されており、
   前記出力コンポーネントは、
   前記出力周波数ドメイン信号に基づいて、出力時間ドメインオーディオ信号を生成するように構成されている、
   オーディオ信号の雑音を減少させるシステム。
2. 前記入力時間ドメインオーディオ信号は、音声信号を含んでいる請求項１記載のシステム。
3. 前記スペクトル利得を前記適用することは、
   ネットワークトーンが前記ネットワークトーン検出器により検出されず、且つ雑音活動度が前記雑音活動度検出器により検出される場合に、前記入力周波数ドメイン信号を、選択された量だけスケーリングすることを含む請求項１記載のシステム。
4. 前記スペクトル利得を前記適用することは、
   ネットワークトーンが前記ネットワークトーン検出器により検出されず、且つ前記白色雑音が前記白色雑音検出器により検出される場合に、白色雑音に対して前記入力周波数ドメイン信号をスケーリングすることを含む請求項１記載のシステム。
5. 前記入力時間ドメインオーディオ信号中に所定の時間にわたってサイレンスが検出された場合に、前記入力時間ドメインオーディオ信号に基づいて、前記雑音活動度検出器および前記調節コンポーネントをバイパスさせるように構成されているコンポーネント、を更に具備している請求項１記載のシステム。
6. 入力時間ドメインオーディオ信号を受信するステップと、
   少なくとも、高速フーリエ変換（ＦＦＴ）を前記入力時間ドメインオーディオ信号に適用することによって、入力周波数ドメイン信号を生成するステップと、
   少なくとも、前記入力周波数ドメイン信号の大きさを獲得することによって、前記入力周波数ドメイン信号のパワースペクトルであって、Ｎ個のＦＦＴビンを有している前記パワースペクトルを生成するステップと、
   前記Ｎ個のＦＦＴビンを複数の帯域に区画するステップと、
   少なくとも、選択された帯域における前記ＦＦＴビンのパワーの和を計算して、前記パワーの和の平方根を計算して、値を生成することによって、前記複数の帯域から選択された数の帯域の前記値を獲得するステップと、
   前記値と、前記選択された数の帯域のしきい値とを比較するステップと、
   前記値が前記選択された数の帯域の前記しきい値を超えた場合に、前記パワースペクトル中に雑音活動度が存在すると決定するステップと、
   前記パワースペクトル中に白色雑音が存在するかどうかを検出するステップと、
   前記パワースペクトル中にネットワークトーンが存在するかどうかを検出するステップと、
   前記雑音活動度と、前記白色雑音と、前記ネットワークトーンとのうちの１つ以上が検出されたかどうかによって決まる値を有するスペクトル利得を生成するステップと、
   前記ネットワークトーンが前記ネットワークトーン検出器によって検出されず、且つ前記雑音活動度が前記雑音活動度検出器によって検出された場合に、前記スペクトル利得の値は、第１の量であり、
   前記ネットワークトーンが前記ネットワークトーン検出器によって検出されず、且つ前記白色雑音が前記白色雑音検出器によって検出された場合に、前記スペクトル利得の値は、第２の量である、
   前記スペクトル利得を前記入力周波数ドメイン信号に適用して、減少した雑音を有する出力周波数ドメイン信号を生成するステップと、
   前記出力周波数ドメイン信号に基づいて、出力時間ドメイン信号を生成するステップと、
   を含んでいる、オーディオ信号における雑音の減少方法。
7. 前記入力時間ドメイン信号は、音声信号を含んでいる請求項６記載の方法。
8. 前記スペクトル利得を前記適用するステップは、
   前記ネットワークトーンが検出されず、且つ前記雑音活動度が検出される場合に、前記入力周波数ドメイン信号を、選択された量だけスケーリングするように構成されている請求項６記載の方法。
9. 前記スペクトル利得を前記適用するステップは、
   前記ネットワークトーンが検出されず、且つ前記白色雑音が検出される場合に、前記白色雑音を調節する処理を更に含んでいる請求項６記載の方法。
10. 前記入力時間ドメインオーディオ信号中に所定の時間にわたりサイレンスが検出された場合に、前記入力時間ドメインオーディオ信号に基づいて、前記検出するステップをバイパスするステップを更に含んでいる請求項６記載の方法。

Images