JP5646077B2 - 雑音抑圧装置 - Google Patents

Description

本発明は、入力信号に混入した背景雑音を抑圧する雑音抑圧装置に関するものであり、例えば音声通信・音声蓄積・音声認識システムが導入された、カーナビゲーション・携帯電話・テレビ電話、インターフォンなどの音声通信システム・ハンズフリー通話システム・ＴＶ会議システム・監視システム等の音質改善や、音声認識システムの認識率の向上に用いられるものである。

近年のディジタル信号処理技術の進展に伴い、携帯電話による屋外での音声通話や、自動車内でのハンズフリー音声通話や音声認識によるハンズフリー操作が広く普及している。これら装置は高騒音環境下で用いられることが多いため、音声と共にマイクに背景雑音も入力されてしまい通話音声の劣化や音声認識率の低下などを招く。そのため、快適な音声通話や高精度の音声認識を実現するには、入力信号に混入した背景雑音を抑圧する雑音抑圧装置が必要である。

従来の雑音抑圧方法としては、例えば、時間領域の入力信号を周波数領域の信号であるパワースペクトルに変換し、入力信号のパワースペクトルと、入力信号から別途推定した推定雑音スペクトルとを用いて雑音抑圧のための抑圧量を算出し、得られた抑圧量を用いて入力信号のパワースペクトルの振幅抑圧を行い、振幅抑圧されたパワースペクトルと入力信号の位相スペクトルを時間領域へ変換して雑音抑圧信号を得る方法がある（非特許文献１参照）。

この従来の雑音抑圧方法では、音声のパワースペクトルと推定雑音パワースペクトルの比（以下、ＳＮ比と称する）に基づいて抑圧量を算出しているが、その値が負（デシベル値にて）になると正しく抑圧量を算出することができない。例えば、低域に大きなパワーを持つ自動車走行騒音が重畳した音声信号では、音声の低域が雑音に埋もれてしまうためＳＮ比が負となってしまい、その結果、音声信号の低域が過度に抑圧され音質劣化するという課題があった。

上記の課題に対し、複数のマイクロホン（マイクロホンアレー）を利用することで目的信号である音声信号を効率良く抽出し、高雑音下でも高品質な雑音抑圧を実現する方法として、例えば、非特許文献２にビームフォーミング法が開示され、特許文献１には目的信号を抽出する機能を有する集音装置が開示されている。

非特許文献２では、音源からの目的信号が各マイクロホンに到達するときに生じる位相差などの空間情報を利用し、各マイクロホンの信号を合成して目的信号を強調することで、目的信号である音声信号と雑音とのＳＮ比を改善させ、良好な雑音抑圧装置を実現している。

また、特許文献１では、騒音下において目的信号を抽出する技術として、目的信号と騒音の音場分布差を利用し、周波数軸上で目的信号が支配的な周波数成分を抽出する手法を開示している。この特許文献１では、目的信号の音源近くに主入力マイクロホンが、その主入力マイクロホンよりも前記音源から離れた位置に補助入力マイクロホンを設置することを条件とし、これら２つのマイクロホン間に生じるレベル差の特性が騒音と目的信号で異なることに着目して、目的信号が支配的な周波数成分の抽出を実現することで、音質の改善を実現している。

特開平１１−２５９０９０号公報（第３頁〜５頁、図１）

Ｙ．Ｅｐｈｒａｉｍ， Ｄ．Ｍａｌａｈ，"Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ Ｕｓｉｎｇ ａ Ｍｉｎｉｍｕｍ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ Ｓｈｏｒｔ−Ｔｉｍｅ Ｓｐｅｃｔｒａｌ Ａｍｐｌｉｔｕｄｅ Ｅｓｔｉｍａｔｏｒ"，ＩＥＥＥ Ｔｒａｎｓ．ＡＳＳＰ，ｖｏｌ．ＡＳＳＰ−３２，Ｎｏ．６ Ｄｅｃ．１９８４ Ｙ．Ｋａｎｅｄａ， Ｊ．Ｏｈｇａ，"Ａｄａｐｔｉｖｅ Ｍｉｃｒｏｐｈｏｎｅ−Ａｒｒａｙ Ｓｙｓｔｅｍ ｆｏｒ Ｎｏｉｓｅ Ｒｅｄｕｃｔｉｏｎ"，ＩＥＥＥ Ｔｒａｎｓ．ＡＳＳＰ，ｖｏｌ．ＡＳＳＰ−３４，Ｎｏ．６，Ｄｅｃ．１９８６

非特許文献２に開示された従来の技術では、強調した音源（目的信号）が他の音源（雑音）と異なる位置にあることを前提としており、目的信号と雑音が同じ方向にある場合には、目的信号を強調することができず性能が低下するという課題があった。また、特許文献に開示された従来の技術では、主マイクロホンと補助マイクロホンが近接して配置されている場合など、主マイクロホンと補助マイクロホンに目的信号が入力される場合には、目的信号と雑音のレベル差を検出することが困難であるため、音質改善できないという課題があった。

この発明は、上記のような課題を解決するためになされたもので、高雑音環境下でも高品質な雑音抑圧を実現する雑音抑圧装置を提供することを目的とする。

この発明に係る雑音抑圧装置は、入力された複数の入力信号を時間領域の信号から周波数領域の信号であるスペクトル成分に変換するフーリエ変換部と、フーリエ変換部が変換したスペクトル成分からパワースペクトルを算出するパワースペクトル計算部と、複数の入力信号について、パワースペクトル計算部が算出したパワースペクトルのスペクトル成分を比較し、周波数毎に最も大きい値を有するスペクトル成分を選択して構成したパワースペクトルを合成パワースペクトル候補として生成するパワースペクトル選択部と、パワースペクトル計算部が算出したパワースペクトルに基づいて、入力信号の調波構造および周期性の分析を行う入力信号分析部と、複数の入力信号のうち１つの入力信号のパワースペクトルを代表パワースペクトルとし、入力信号分析部の分析結果に応じて、代表パワースペクトルと、パワースペクトル選択部が生成した合成パワースペクトル候補とを合成して合成パワースペクトルを生成するパワースペクトル合成部と、パワースペクトル合成部が生成した合成パワースペクトル、および入力信号から推定される推定雑音スペクトルに基づいて、雑音抑圧量を算出する雑音抑圧量計算部と、パワースペクトル合成部が生成した合成パワースペクトルに対して、雑音抑圧量計算部が算出した雑音抑圧量を用いて雑音抑圧を行うパワースペクトル抑圧部と、パワースペクトル抑圧部において雑音抑圧された合成パワースペクトルを時間領域の信号に変換し、音声信号として出力する逆フーリエ変換部とを備える。

この発明によれば、音声の過度の抑圧を抑制し、高品質な雑音抑圧を実現する雑音抑圧装置を提供することができる。

実施の形態１による雑音抑圧装置の構成を示すブロック図である。 実施の形態１による雑音抑圧装置の雑音抑圧量計算部の構成を示すブロック図である。 実施の形態１による雑音抑圧装置の調波構造の分析を示す説明図である。 実施の形態１による雑音抑圧装置のスペクトルピークの推測を示す説明図である。 実施の形態１による雑音抑圧装置の動作の流れを模式的に示した図である。 実施の形態１による雑音抑圧装置の出力結果の一例を示す説明図である。 実施の形態２による雑音抑圧装置の重みつき平均化処理を示す説明図である。 実施の形態４による雑音抑圧装置の構成を示すブロック図である。 実施の形態５による雑音抑圧装置の構成を示すブロック図である。 実施の形態６による雑音抑圧装置の構成を示すブロック図である。 実施の形態６による雑音抑圧装置の適用例を示す説明図である。 実施の形態９による雑音抑圧システムの構成を示すブロック図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、実施の形態１による雑音抑圧装置の構成を示すブロック図である。
入力端子である第１のマイクロホン１および第２のマイクロホン２が接続された雑音抑圧装置１００は、第１のフーリエ変換部３、第２のフーリエ変換部４、第１のパワースペクトル計算部５、第２のパワースペクトル計算部６、パワースペクトル選択部７、入力信号分析部８、パワースペクトル合成部９、雑音抑圧量計算部１０、パワースペクトル抑圧部１１および逆フーリエ変換部１２で構成されている。逆フーリエ変換部１２の後段には出力端子１３が接続されている。

図２は、実施の形態１の雑音抑圧装置の雑音抑圧量計算部の構成を示すブロック図である。図２に示すように、雑音抑圧量計算部１０は、音声／雑音区間判定部２０、雑音スペクトル推定部２１、ＳＮ比計算部２２および抑圧量計算部２３で構成されている。

次に、図１および図２に基づいて雑音抑圧装置１００の動作原理について説明する。なお、この実施の形態１では、説明を簡単にするために入力端子として２本のマイクロホンを用いる場合を例に説明する。
まず、第１および第２のマイクロホン１，２を通じて取り込まれた音声や音楽などが、Ａ／Ｄ（アナログ・デジタル）変換された後、所定のサンプリング周波数（例えば、８ｋＨｚ）でサンプリングされると共にフレーム単位に分割（例えば、１０ｍｓ）され、雑音抑圧装置１００へ入力される。ここで、第１のマイクロホン１は、目的信号の音源から一番距離が近いマイクロホン（主マイクロホン）として第１のフーリエ変換部３に接続され、主マイクロホン信号として第１の入力信号ｘ_１（ｔ）を入力する。また、第２のマイクロホン２は、それ以外のマイクロホン（副マイクロホン）として第２のフーリエ変換部４へ接続され、副マイクロホンの信号として第２の入力信号ｘ_２（ｔ）を入力する。ここで、ｔはサンプル点番号である。

第１のフーリエ変換部３と第２のフーリエ変換部４は同様の動作を行う。第１または第２のマイクロホン１，２から入力された入力信号を、例えばハニング窓掛けと必要に応じてゼロ詰め処理を行った後、例えば以下の式（１）に示す２５６点の高速フーリエ変換を行い、時間領域の信号である第１の入力信号ｘ_１（ｔ）および第２の入力信号ｘ_２（ｔ）を、周波数領域の信号である第１のスペクトル成分Ｘ_１（λ，ｋ）および第２のスペクトル成分Ｘ_２（λ，ｋ）に変換する。得られた第１のスペクトル成分Ｘ_１（λ，ｋ）は第１のパワースペクトル計算部５へ出力し、第２のスペクトル成分Ｘ_２（λ，ｋ）は第２のパワースペクトル計算部６へ出力する。

Ｘ_Ｍ（λ，ｋ）＝ＦＴ［ｘ_Ｍ（ｔ）］ ； Ｍ＝１，２ ・・・（１）
ここで、λは入力信号をフレーム分割したときのフレーム番号、ｋはスペクトルの周波数帯域の周波数成分を指定する番号（以下、スペクトル番号と称する）、Ｍはマイクロホンを指定する番号、ＦＴ［・］はフーリエ変換処理を表す。なお、フーリエ変換は公知の手法であるため説明は省略する。

第１のパワースペクトル計算部５と第２のパワースペクトル計算部６は同様の動作を行う。以下に示す式（２）を用いて、各入力信号のスペクトル成分Ｘ_Ｍ（λ，ｋ）から第１のパワースペクトルＹ_１（λ，ｋ）と、第２のパワースペクトルＹ_２（λ，ｋ）とを得る。得られた第１のパワースペクトルＹ_１（λ，ｋ）はパワースペクトル選択部７、入力信号分析部８およびパワースペクトル合成部９へ出力する。第２のパワースペクトルＹ_２（λ，ｋ）は、パワースペクトル選択部７と入力信号分析部８へ出力する。
また、第１のパワースペクトル計算部５は、以下に示す式（３）を用いて第１のスペクトル成分Ｘ_１（λ，ｋ）からその位相成分である位相スペクトルθ_１（λ，ｋ）を計算し、後述する逆フーリエ変換部１２へ出力する。

ここで、Ｒｅ｛Ｘ_Ｍ（λ，ｋ）｝およびＩｍ｛Ｘ_Ｍ（λ，ｋ）｝は、それぞれフーリエ変換後の入力信号スペクトルの実数部および虚数部を示す。

パワースペクトル選択部７は、第１のパワースペクトルＹ_１（λ，ｋ）と第２のパワースペクトルＹ_２（λ，ｋ）とを入力し、次の式（４）を用いて、第１のパワースペクトルと第２のパワースペクトルの値の大きさをスペクトル番号毎に比較し、値が大きな方を選択して合成パワースペクトル候補Ｙ_ｃａｎｄ（λ，ｋ）を生成する。生成された合成パワースペクトル候補Ｙ_ｃａｎｄ（λ，ｋ）は、パワースペクトル合成部９へ出力する。

ここで、Ａは所定の正値を持つ係数でありリミッタとして動作する。これは、第２のパワースペクトル成分の方が第１のパワースペクトル成分と比較して極めて大きい場合には、第２のパワースペクトル成分は目的信号以外の雑音である可能性が高いので、式（４）のようなリミッタ処理を入れることにより、誤った置き換え処理を抑制して品質劣化を防止することができる。なお、この実施の形態１ではＡ＝４．０が好適であるが、目的信号や雑音の様態に応じて適宜変更が可能である。

ここで、Ｅ（Ｙ_１（λ））およびＥ（Ｙ_２（λ））は、それぞれ第１のパワースペクトルのエネルギー成分、第２のパワースペクトルのエネルギー成分である。

入力信号分析部８は、第１のパワースペクトル計算部５が出力するパワースペクトルＹ_１（λ，ｋ）と、第２のパワースペクトル計算部６が出力するパワースペクトルＹ_２（λ，ｋ）を入力し、各パワースペクトルの調波構造と、現フレームの入力信号の周期性の強さの指標として、自己相関係数の算出を行う。

調波構造の分析は、例えば図３に示すようなパワースペクトルが構成する調波構造の山（以下、スペクトルピークと称する）を検出することで可能である。具体的には、調波構造とは無関係な微小ピーク成分除去のため、例えば、パワースペクトルの最大値の２０％の値を各パワースペクトル成分から減算した後、低域から順にパワースペクトルのスペクトル包絡の極大値をトラッキングして求める。なお、図３に示したパワースペクトル例では説明を容易にするために、音声スペクトルと雑音スペクトルを別成分と記載したが、実際の入力信号では音声スペクトルに雑音スペクトルが重畳（加算）しており、雑音スペクトルよりもパワーが小さい音声スペクトルのピークは観測できない。

スペクトルピーク探索後、周期性情報ｐ_Ｍ（λ，ｋ）として、パワースペクトルの極大値（スペクトルピークである）であればｐ_Ｍ（λ，ｋ）＝１とし、そうでなければｐ_Ｍ（λ，ｋ）＝０としてスペクトル番号ｋ毎に値をセットする。なお、図３の例では、全てのスペクトルピークの抽出を行っているが、例えば、ＳＮ比の高い帯域のみなど、特定の周波数帯域に限って行ってもよい。
次に、図４に示すように観測されたスペクトルピークＰ１，Ｐ２，・・・，Ｐ６の周期構造を元に、雑音スペクトルに埋もれている音声スペクトルのピークＰＳ１，ＰＳ２，ＰＳ３，ＰＳ４を推測する。具体的には、例えば図４のように、観測されたスペクトルピークの周期間隔（ピーク間隔）の平均値（平均ピーク間隔）を算出し、スペクトルピークが観測されていない区間（雑音に埋もれた低域部分や高域部分）においては、求めた平均ピーク間隔でスペクトルピークが存在すると見なし、そのスペクトル番号の周期性情報ｐ_Ｍ（λ，ｋ）＝１をセットする。なお、極めて低い周波数帯域（例えば、１２０Ｈｚ以下）では音声成分が存在することは稀なので、その帯域では周期性情報ｐ_Ｍ（λ，ｋ）に「１」をセットしないこともできる。極めて高い周波数帯域でも同様な処理が可能である。
上記の処理は第１および第２のパワースペクトルについてそれぞれ実施し、それぞれ第１の周期性情報ｐ_１（λ，ｋ）、第２の周期性情報ｐ_２（λ，ｋ）として求める。

以上、得られた第１の周期性情報ｐ_１（λ，ｋ）および第２の周期性情報ｐ_２（λ，ｋ）と、第１の自己相関係数最大値ρ_{１＿ｍａｘ}（λ）および第２の自己相関係数最大値ρ_{２＿ｍａｘ}（λ）を、入力信号分析結果として、パワースペクトル合成部９へ出力する。また、第１の自己相関係数最大値ρ_{１＿ｍａｘ}（λ）は、雑音抑圧量計算部１０へも出力する。
なお、調波構造や周期性の分析には、上述のパワースペクトルのピーク分析や自己相関関数法に限らず、例えば、ケプストラム分析など公知の手法を用いることができる。

パワースペクトル合成部９は、以下に示す式（８）を用いて、入力信号分析部８が出力する入力信号分析結果に基づいて、第１のパワースペクトルＹ_１（λ，ｋ）と合成パワースペクトル候補Ｙ_ｃａｎｄ（λ，ｋ）からパワースペクトルの合成を行い、合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）を出力する。

ここで、ｓｎｒ_ａｖｅ（λ）は、後述する雑音抑圧量計算部１０が出力するサブバンドＳＮ比ｓｎｒ_ｓｂ（λ）から計算した現フレームの平均ＳＮ比（サブバンドＳＮ比の平均値）であり、以下に示す式（９）により計算できる。また、ＳＮＲ_ＴＨは所定の定数閾値であり、サブバンドＳＮ比の平均値ｓｎｒ_ａｖｅ（λ）がＳＮＲ_ＴＨを下回る場合には雑音区間の可能性が高く、合成パワースペクトル候補Ｙ_ｃａｎｄ（λ，ｋ）を用いた合成処理を行わないことを意味している。即ち、雑音区間では、合成パワースペクトル候補による置き換え処理を行わずに、第１のパワースペクトルを合成スペクトルとしてそのまま出力することで、不要なパワースペクトル合成処理を行わないようにすることができ、品質劣化（例えば、雑音レベル増大や不要な雑音信号の付加）を防止することができる。なお、この実施の形態１ではＳＮＲ_ＴＨ＝６（ｄＢ）が好適であるが、目的信号や雑音の様態・周波数特性に合わせて適宜変更が可能である。

また、上述した式（８）によるパワースペクトル合成時において、第１の周期性情報ｐ_１（λ，ｋ）と第２の周期性情報ｐ_２（λ，ｋ）の両者を用いてパワースペクトル成分の置き換え処理を行っているが、例えば、第１の周期性情報ｐ_１（λ，ｋ）のみでも構わないし、第２の周期性情報ｐ_２（λ，ｋ）のみでも構わない。これは目的信号の音源がどちらか一方のマイクロホンに近接した場合に特に有効となり、例えば、第１のマイクロホンに目的信号の音源が近づいた場合に、第１の周期性情報ｐ_１（λ，ｋ）を用いてパワースペクトル合成を行うといったような、マイクロホンと目的信号の距離に応じた周期性情報の切り替え処理が可能である。逆に、雑音の音源との距離に応じて周期性情報の切り替え処理も可能であり、目的信号の場合とは逆の処理を行う、即ち、第１のマイクロホンに雑音の音源が近づいた場合には、第２の周期性情報ｐ_２（λ，ｋ）を用いてパワースペクトル合成を行うことが可能である。あるいは、目的信号や雑音の周波数特性などに応じ、例えば、５００Ｈｚ以下の低域は第１の周期性情報を用い、それ以上の周波数帯域は第２の周期性情報を用いるなど、第１の周期性情報と第２の周期性情報を周波数別に使い分けても構わない。
以上のように、目的信号の様態をより精度良く分析している周期性情報をパワースペクトル合成に用いることで、更に良好な雑音抑圧が可能となる。

図５は、上述した各構成の動作の補助説明として、第１のパワースペクトル計算部５および第２のパワースペクトル計算部６、パワースペクトル選択部７、入力信号分析部８、パワースペクトル合成部９の一連の動作の流れを模式的に示したものである。

雑音抑圧量計算部１０は、合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）を入力し、雑音抑圧量を計算してパワースペクトル抑圧部１１へ出力する。以下、図２を用いて雑音抑圧量計算部１０の内部構成について説明する。

音声／雑音区間判定部２０は、パワースペクトル合成部９が出力する合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）と、入力信号分析部８が出力する第１の自己相関関数最大値ρ_{１＿ｍａｘ}（λ）と、後述する雑音スペクトル推定部２１が出力する推定雑音スペクトルＮ（λ，ｋ）を入力し、現フレームの入力信号が音声であるか雑音であるかどうかの判定を行い、その結果を判定フラグとして出力する。音声／雑音区間の判定方法として、例えば、以下に示す式（１０）と式（１１）のどちらか一方あるいは両方を満たす場合に、音声であるとして判定フラグＶｆｌａｇを「1（音声）」にセットし、それ以外の場合には雑音であるとして判定フラグＶｆｌａｇを「０（雑音）」にセットして出力する。

ここで、式（１０）において、Ｎ（λ，ｋ）は推定雑音スペクトルであり、Ｓ_ｐｏｗとＮ_ｐｏｗはそれぞれ合成パワースペクトルの総和、推定雑音スペクトルの総和を表す。また、ＴＨ_{ＦＲ＿ＳＮ}およびＴＨ_ＡＣＦは、判定用の所定の定数閾値であり、好適な例としてＴＨ_{ＦＲ＿ＳＮ}＝３（ｄＢ）およびＴＨ_ＡＣＦ＝０．３であるが、入力信号の状態や雑音レベルに応じて適宜変更することもできる。

この実施の形態１における音声／雑音区間判定処理では、パラメータの一部として入力信号分析部８が出力する第１の自己相関係数最大値ρ_{１＿ｍａｘ}（λ）を用いているが、例えば、パワースペクトル合成部９が出力する合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）を用いて、その自己相関係数最大値を計算し、第１の自己相関係数最大値の代わりとして用いてもよい。音声の周期構造が補正されている合成パワースペクトルから自己相関係数を求め直すことにより、音声区間検出精度が向上するので後述の雑音スペクトル推定精度が向上し、雑音抑圧装置の品質が向上する効果がある。

雑音スペクトル推定部２１は、パワースペクトル合成部９が出力する合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）と、音声／雑音区間判定部２０が出力する判定フラグＶｆｌａｇとを入力し、以下に示す式（１２）と判定フラグＶｆｌａｇに従って雑音スペクトルの推定と更新を行い、推定雑音スペクトルＮ（λ，ｋ）を出力する。

ここで、Ｎ（λ−１，ｋ）は前フレームにおける推定雑音スペクトルであり、雑音スペクトル推定部２１内の例えばＲＡＭ（Random Access Memory）などの記憶手段において保持されている。上述した式（１２）において、判定フラグＶｆｌａｇ＝０の場合には、現フレームの入力信号が雑音と判定されていることから、合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）と更新係数αを用いて、前フレームの推定雑音スペクトルＮ（λ−１，ｋ）の更新を行っている。なお、更新係数αは０＜α＜１の範囲の所定の定数であり、好適な例としてα＝０．９５であるが、入力信号の状態や雑音レベルに応じて適宜変更することもできる。
一方、判定フラグＶｆｌａｇ＝１の場合には、現フレームの入力信号が音声であり、前フレームの推定雑音スペクトルＮ（λ−１，ｋ）を、そのまま現フレームの推定雑音スペクトルＮ（λ，ｋ）として出力する。

ＳＮ比計算部２２は、パワースペクトル合成部９が出力する合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）と、雑音スペクトル推定部２１が出力する推定雑音スペクトルＮ（λ，ｋ）と、後述する抑圧量計算部２３が出力する前フレームのスペクトル抑圧量Ｇ（λ−１，ｋ）とを用いて、スペクトル成分毎の事後ＳＮＲ（a posteriori SNR）と事前ＳＮＲ（a priori SNR）を計算する。
事後ＳＮＲγ（λ，ｋ）は、合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）と推定雑音スペクトルＮ（λ，ｋ）とを用いて、以下に示す式（１３）から求めることができる。

また、事前ＳＮＲξ（λ，ｋ）は、前フレームのスペクトル抑圧量Ｇ（λ―１，ｋ）と、前フレームの事後ＳＮＲγ（λ―１，ｋ）とを用いて、以下に示す式（１４）で求める。

ここで、δは０＜δ＜１の範囲の所定の定数であり、この実施の形態１ではδ＝０．９８が好適である。また、Ｆ［・］は半波整流を意味し、事後ＳＮＲがデシベル値で負の場合にゼロにフロアリングするものである。

以上、得られた事後ＳＮＲγ（λ，ｋ）と事前ＳＮＲξ（λ，ｋ）とを抑圧量計算部２３へ出力するとともに、事前ＳＮＲξ（λ，ｋ）についてはスペクトル成分毎のＳＮ比（サブバンドＳＮ比ｓｎｒ_ｓｂ（λ，ｋ）として、パワースペクトル合成部９へ出力する。

抑圧量計算部２３は、ＳＮ比計算部２２が出力する事前ＳＮＲξ（λ，ｋ）および事後ＳＮＲγ（λ，ｋ）から、スペクトル毎の雑音抑圧量であるスペクトル抑圧量Ｇ（λ，ｋ）を求め、パワースペクトル抑圧部１１へ出力する。

スペクトル抑圧量Ｇ（λ，ｋ）を求める手法としては、例えば、ＭＡＰ法（事後確率最大化法）を適用できる。ＭＡＰ法は、雑音信号と音声信号をガウス分布であると仮定してスペクトル抑圧量Ｇ（λ，ｋ）を推定する方法であり、事前ＳＮＲξ（λ，ｋ）および事後ＳＮＲγ（λ，ｋ）を用いて、条件付き確率密度関数を最大にする振幅スペクトルと位相スペクトルを求め、その値を推定値として利用する。スペクトル抑圧量は確率密度関数の形状を決定するνとμをパラメータとして、以下に示す式（１５）で表すことができる。なお、ＭＡＰ法におけるスペクトル抑圧量導出法の詳細については、以下の参考文献１を参照することとし、説明は省略する。

［参考文献１］
Ｔ．Ｌｏｔｔｅｒ， Ｐ．Ｖａｒｙ，“Ｓｐｅｅｃｈ Ｅｎｈａｎｃｅｍｅｎｔ ｂｙ ＭＡＰ Ｓｐｅｃｔｒａｌ Ａｍｐｌｉｔｕｄｅ Ｕｓｉｎｇ ａ Ｓｕｐｅｒ−Ｇａｕｓｓｉａｎ Ｓｐｅｅｃｈ Ｍｏｄｅｌ”，ＥＵＲＡＳＩＰ Ｊｏｕｒｎａｌ ｏｎ Ａｐｐｌｉｅｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｐｐ．１１１０−１１２６，Ｎｏ．７，２００５

パワースペクトル抑圧部１１では、以下に示す式（１６）に従って、合成パワースペクトルＹ_ｓｙｎ（λ，ｋ）のスペクトル毎に抑圧を行い、雑音抑圧されたパワースペクトルＳ（λ，ｋ）を求め、逆フーリエ変換部１２へ出力する。

逆フーリエ変換部１２は、第１のパワースペクトル計算部５が出力する位相スペクトルθ_１（λ，ｋ）と、雑音抑圧されたパワースペクトルＳ（λ，ｋ）とを入力し、周波数領域の信号から時間領域の信号へ変換し、前フレームの出力信号と重ね合わせ処理した後、雑音抑圧された音声信号ｓ（ｔ）として出力端子１３より出力する。

また、図６は、この実施の形態１による雑音抑圧装置の出力結果の一例を示す説明図であり、音声区間における出力信号のスペクトルを模式的に示している。
図６（ａ）は、入力信号スペクトル（第１のパワースペクトルのみ）の一例を示している。実線は音声スペクトル、点線は雑音スペクトルを示し、低域の一部（領域Ａ）と、高域の一部（領域Ｂ）が雑音に埋もれており、雑音に埋もれた部分の音声スペクトルのＳ／Ｎ比が推定できず、音質劣化の要因となっている。

図６（ｂ）は、図６（ａ）に示すスペクトルを入力信号とした場合の従来の雑音抑圧方法による出力結果を示し、図６（ｃ）はこの実施の形態１の雑音抑圧装置１００による出力結果を示す図である。図６（ｂ）および図６（ｃ）において、実線は出力信号スペクトルを示している。図６（ｂ）では、雑音に埋もれている帯域（領域Ａおよび領域Ｂ）の音声の調波構造が消失してしまうのに対し、図６（ｃ）では、雑音に埋もれている帯域（領域Ａおよび領域Ｂ）の音声の調波構造が回復して、良好な雑音抑圧が行われていることがわかる。

以上のように、この実施の形態１によれば、音声が雑音に埋もれてＳＮ比が負の値となっている帯域においても、音声の調波構造を保持するように補正して雑音抑圧を行うことができるので、音声の過度な抑圧を抑制することができ、高品質な雑音抑圧を行うことができる。

また、この実施の形態１によれば、主マイクロホンである第１のマイクロホン１の音声スペクトルが雑音に埋もれている場合にも、他のマイクロホン入力である第２のマイクロホン２の音声スペクトルを用いることで、雑音に埋もれた成分を再生することが可能であり、音声の過度な抑圧を抑制した高品質な雑音抑圧を行うことができる。

また、従来のピッチ強調では、高調波成分は同じ強調度合いでしか強調することができないが、この実施の形態１によれば、音声の調波構造に応じて、よりパワーの大きなスペクトル成分への置き換え処理（パワースペクトル合成）を行うように構成したので、音声の調波構造とその周波数特性に応じたピッチ周期強調効果が期待できる。

また、この実施の形態１によれば、入力信号のパワースペクトルと推定雑音スペクトルから算出した平均ＳＮ比を用いてパワースペクトルの合成処理を行うように構成したので、雑音区間やＳＮ比が低い帯域で、雑音の増大などに繋がる不必要な合成を抑制することができ、さらに高品質な雑音抑圧を行うことができる。

なお、この実施の形態１では、全ての帯域についてパワースペクトルの合成処理を行う構成を示したが、該構成に限定されるものではなく、必要に応じて低域のみあるいは高域のみで合成処理を行うように構成してもよいし、例えば５００から８００Ｈｚ近傍のみなど、特定の周波数帯域のみで合成処理を行うように構成してもよい。このような周波数帯域の補正は、例えば風切り音や自動車エンジン音などの狭帯域性ノイズに埋もれた音声の補正に有効である。

なお、この実施の形態１では、説明の簡略化のためにマイクロホンが２本の場合を例に説明したが、マイクロホンの数はこれに限定されるものではなく適宜変更可能である。例えばマイクロホンが３本以上の場合には、図５で示したパワースペクトル選択部７のスペクトル成分大小比較評価において、最大値を取るパワースペクトルが選択されて合成パワースペクトル候補となる。

実施の形態２．
上述した実施の形態１では、上記式（９）に示したサブバンドＳＮ比の平均値ｓｎｒ_ａｖｅ（λ）と、所定の閾値ｓｎｒ_ＴＨとの比較に基づいて、上記式（８）においてパワースペクトル合成を実施する／しない（オン・オフ）の切り替え処理を行っていたが、例えば、入力信号の音声らしさの指標としてこの平均値ｓｎｒ_ａｖｅ（λ）を用い、より連続的な変化をもったパワースペクトル合成処理として、音声区間から雑音区間へ移行する区間や、雑音区間から音声区間へ移行する区間（過渡区間）では、スペクトル成分の置き換え処理では無く、以下に示す式（１７）のように、合成スペクトル候補と第１のパワースペクトルとの重みつき平均化処理を行うことも可能である。実施の形態２では、この構成について示す。

ここでＦｌａｇ［ｐ_１（λ，ｋ），ｐ_２（λ，ｋ）］は、周期性情報ｐ_１（λ，ｋ）とｐ_２（λ，ｋ）の両者が「１」となる場合に「１」を返す論理関数である。
また、Ｂ（λ，ｋ）はサブバンドＳＮ比の平均値ｓｎｒ_ａｖｅ（λ）を入力して決定される所定の重み関数であり、この実施の形態では以下に示す式（１８）の設定が好適である。また、ＳＮＲ_Ｈ（ｋ）およびＳＮＲ_Ｌ（ｋ）は所定の閾値であり、図７に示すように周波数別に値が設定される。なお、目的信号や雑音の様態・周波数特性などに合わせて、重み関数Ｂ（λ，ｋ）の設定方法や、閾値ＳＮＲ_Ｈ（ｋ）およびＳＮＲ_Ｌ（ｋ）は適宜変更しても良い。

以上のように、この実施の形態２によれば、入力信号の音声らしさの指標を用い、連続的な変化をもったパワースペクトル合成処理として、スペクトル成分の置き換え処理では無く、音声と雑音の過渡区間では合成スペクトル候補と第１のパワースペクトルとの重みつき平均化処理を行うように構成したので、上述した実施の形態１では、音声区間と雑音区間の間の過渡領域ではパワースペクトル合成処理を行うことができなかったが、この実施の形態２では過渡領域におけるパワースペクトル合成処理が可能になる上、音声区間と雑音区間との間のパワースペクトル合成のオン・オフに伴う不連続感が緩和されるという相乗効果を有する。

なお、上述した実施の形態２では、入力信号の音声らしさの指標として、サブバンドＳＮ比の平均値ｓｎｒ_ａｖｅ（λ）を用いる構成を示したが、これに限定されることはなく、例えば上記式（７）で示した自己相関係数最大値ρ_{Ｍ＿ｍａｘ}（λ）など、入力信号の相関性（雑音＝自己相関性低い、音声＝自己相関性高い）に応じてパワースペクトル合成処理を制御することも可能である。具体的には、相関性が高い場合には合成パワースペクトルの割合を大きくし、相関性が低い場合には合成パワースペクトルの割合を小さくすることで、同様の効果を得ることができる。

実施の形態３．
上述した実施の形態１では、上記式（４）において、リミッタＡの値を所定の定数とする構成を示したが、この実施の形態３では、例えば入力信号の音声らしさの指標に応じて複数の定数を切り替えて用いる、あるいは所定の関数を用いて制御する構成について示す。
入力信号の音声らしさの指標、即ち、入力信号の様態の制御要因として、例えば、上記式（７）での自己相関係数の最大値ρ_{Ｍ＿ｍａｘ}（λ）が高い場合、即ち、入力信号の周期構造がはっきりしている場合（入力信号が音声の可能性が高い）には値を大きく、低い場合には値を小さくすることが可能である。また、自己相関係数の最大値ρ_{Ｍ＿ｍａｘ}（λ）と音声／雑音区間判定部２０が出力する判定フラグＶｆｌａｇを併せて用いてもよく、判定フラグＶｆｌａｇが雑音の場合は値を小さくすることが可能である。

入力信号の様態に応じてリミッタの定数の値を制御することで、入力信号が音声の可能性が高い場合には、リミッタの値を大きくすることで音声の劣化が少なくなる一方、入力信号が雑音の可能性が高い場合にはリミッタの値を小さくすることで、雑音の混入を少なくすることができ、更に高品質な雑音抑圧を行うことができる。

また、この実施の形態３の変形例として、リミッタ値を周波数方向に一定にする必要は無く、周波数毎に異なる値にしても良い。例えば、音声の一般的な特徴として低域の方が調波構造が「明確」（スペクトルの山谷構造が際立っている）であることからリミッタの値を大きくし、周波数が高くなるにつれてリミッタの値を小さくすることが可能である。

以上のように、この実施の形態３によれば、パワースペクトル選択において周波数毎に異なるリミッタ制御を行うように構成したので、音声の周波数毎に適したパワースペクトル選択を行うことができ、さらに高品質な雑音抑制を行うことができる。

実施の形態４．
上述した実施の形態１では、図３の説明において、調波構造分析のために全てのスペクトルピークの検出を行う構成を示したが、この実施の形態４では、サブバンドＳＮ比が高い帯域のみでスペクトルピークの検出を行う構成について示す。
図８は、実施の形態４による雑音抑圧装置の構成を示すブロック図である。
実施の形態４の雑音抑圧装置１００では、雑音抑圧量計算部１０の内部構成であるＳＮ比計算部２２が出力するサブバンドＳＮ比を入力信号分析部８へ入力する。入力信号分析部８は、入力されたサブバンドＳＮ比を用いてＳＮ比が高い帯域のみでスペクトルピークの検出を行う。

サブバンドＳＮ比の閾値は、例えばデシベル値として３ｄＢが好適であり、この閾値を越える帯域のパワースペクトル成分だけを用いてスペクトルピークの検出を行うことが可能である。なお、サブバンドＳＮ比の閾値は目的信号や雑音の様態、周波数特性に応じて適宜変更が可能である。同様に、自己相関係数の算出においてもサブバンドＳＮ比が高い帯域のみで計算を行うことも可能である。

以上のように、この実施の形態４によれば、ＳＮ比計算部２２が算出したサブバンドＳＮ比を入力信号分析部８へ入力し、入力信号分析部８が入力されたサブバンドＳＮ比を用いてＳＮ比が高い帯域のみでスペクトルピークの検出、あるいは自己相関係数の算出を行うように構成したので、スペクトルピークの検出精度や音声・雑音区間判定精度を高めることができ、更に高品質な雑音抑圧を行うことができる。

実施の形態５．
上述した実施の形態１では、上記式（４）において、第１のパワースペクトルと第２のパワースペクトルとを用いて、リミッタ処理を除き、無条件にパワースペクトル候補を選択する構成を示したが、この実施の形態５ではパワースペクトル選択処理を実施するか否か選択可能なオン／オフ処理を行う構成について示す。
図９は、実施の形態５による雑音抑圧装置の構成を示すブロック図である。
実施の形態５の雑音抑圧装置１００では、入力信号分析部８から出力される第２の自己相関係数の最大値ρ_{２＿ｍａｘ}（λ）をパワースペクトル選択部７へ入力する。パワースペクトル選択部７は、入力された第２の自己相関係数の最大値ρ_{２＿ｍａｘ}（λ）に基づいてパワースペクトル選択処理を実施するか否かのオン／オフ処理を実行する。
具体的には、第２の自己相関係数の最大値ρ_{２＿ｍａｘ}（λ）が所定の閾値を下回る場合には、第２のパワースペクトルは雑音信号の可能性が高いと判断して上記式（８）の選択処理をスキップして、第１のパワースペクトルＹ_１（λ，ｋ）を合成パワースペクトル候補Ｙ_ｃａｎｄ（λ，ｋ）として出力する。第２のパワースペクトルが雑音信号であると判断する際の閾値としては「０．２」が好適であるが、目的信号や雑音の様態、ＳＮ比に応じて適宜変更可能である。

以上のように、この実施の形態５によれば、パワースペクトル選択部７が、入力された第２の自己相関係数の最大値ρ_{２＿ｍａｘ}（λ）に基づいてパワースペクトル選択処理を実施するか否かのオン／オフ処理を実行し、第２のパワースペクトルが雑音の可能性が高いと推測される場合には、第２のパワースペクトルを合成パワースペクトル候補としてそのまま出力するように構成したので、不要なパワースペクトル合成処理を抑制し、品質劣化（例えば、雑音レベル増大や不要な雑音信号の付加など）を防止することができる。

実施の形態６．
この実施の形態６では、マイクロホンの前処理として、例えばビームフォーミング処理を導入し、マイクロホンに指向性を持たせる構成について説明する。
図１０は、この実施の形態６による雑音抑圧装置の構成を示すブロック図であり、図１で示した実施の形態１による雑音抑圧装置に、第１のビームフォーミング処理部３１および第２のビームフォーミング処理部３２を追加して設けている。なお、その他の構成は、実施の形態１で示した構成と同一であるため、説明を省略する。

第１のビームフォーミング処理部３１は、第１のマイクロホン１および第２のマイクロホン２を用いてビームフォーミング処理を行い入力信号に指向性を持たせて、第１のフーリエ変換部３へ出力する。同様に、第２のビームフォーミング処理部３２は、第１のマイクロホン１と第２のマイクロホン２を用いてビームフォーミング処理を行い入力信号に指向性を持たせて、第２のフーリエ変換部４へ出力する。なお、ビームフォーミング処理には、上述した非特許文献２に開示された手法や、最小分散無歪応答（Minimum Variance Distortionless Response）法などの公知の手法を適用することができる。

図１１は、実施の形態６による雑音抑圧装置の適用例を示す説明図である。図１１では、第１および第２のマイクロホン１，２に雑音抑圧装置１００´を適用して構成されたハンズフリー通話装置を用いた通話を示している。移動体２００の運転席２０１に話者Ｘが座り、第１および第２のマイクロホン１，２を用いてハンズフリー通話を行っている例を示し、領域Ｃは第１のビームフォーミング処理部３１の指向性を示しており、運転席２０１側の話者Ｘの声を取得するために運転席２０１側に向けられるように制御し、領域Ｄは第２のビームフォーミング処理部３２の指向性を示しており、助手席２０２側の話者の声を取得するために助手席２０２側に向けられるように制御している。

第１のビームフォーミング処理部３１は、第１および第２のマイクロホン１，２を用いてビームフォーミング処理を行い、処理を行った入力信号を第１のフーリエ変換部３へ出力する。同様に、第２のビームフォーミング処理部３２は、第１および第２のマイクロホン１，２を用いてビームフォーミング処理を行い、処理を行った入力信号を第２のフーリエ変換部４へ出力する。
図１１の例では、運転席２０１の話者Ｘの発話による直接波２０１ａはビームフォーミングにより取得される領域Ｃ内を移動して第１のマイクロホン１へ入力する。また、話者Ｘの発話のうち、壁などの反射面２０３により反射された反射・回折波２０１ｂは、ビームフォーミングにより取得される領域Ｄ内を移動して第２のマイクロホン２へ入力する。なお、領域Ｃ，Ｄ外に存在する雑音は、第１のマイクロホン１あるいは第２のマイクロホン２に入力されず、除去することができる。

従来の雑音抑圧装置では、助手席２０２側のビームフォーミングにより取得された音声は雑音抑圧装置の品質向上に寄与させることはできなかったが、この実施の形態６の雑音抑圧装置１００´では、助手席２０２側のビームフォーミングにより取得された運転席２０１側の話者の音声を、第２のマイクロホン２への入力として活用することが可能であり、雑音抑圧装置の品質向上を実現することができる。

なお、上述した実施の形態６では、ビームフォーミングが運転席２０１側と助手席２０２側の２つの領域Ｃ，Ｄの場合について示したが、２つの領域に限定されるものではなく、３つ以上の領域としてもよい。ビームフォーミングが３つ以上の領域で設定された場合には、パワースペクトル選択部７のスペクトル成分大小比較評価において、最大値を取るパワースペクトルが選択されて合成パワースペクトル候補となる。

実施の形態７．
上述した実施の形態１から実施の形態６では、周期性情報に基づいて、目的信号である音声を強調するようにパワースペクトルの合成を行う構成を示したが、この実施の形態７では、周期性情報の谷の部分においてパワースペクトルの値の小さい成分を選択し、パワースペクトルの置き換え処理を行ってもよい。スペクトルの谷の検出には、例えばスペクトルピーク間のスペクトル番号の中央値をスペクトルの谷部分とすることが可能である。

以上のように、この実施の形態７によれば、スペクトルの谷部分のＳＮ比を小さくするようにパワースペクトル合成を行うように構成したので、音声の調波構造を際立たせることができ、さらに高品質な雑音抑圧を行うことができる。

実施の形態８．
上述した実施の形態１から実施の形態７では、該当するスペクトル成分のみを合成処理する構成を示したが、例えば、隣接する周期数成分を重み付けして平均したスペクトルに置き換えてもよい。例えば、周期性情報の隣接する周波数成分についても上記式（８）あるいは式（１７）と所定の重み係数を用いて置き換え処理を行うことが可能であり、目的信号の振幅レベルに対して雑音の振幅レベルが高い（ＳＮ比が低い）場合など、調波構造の分析精度が劣化してスペクトルピーク位置が的確に決定できない場合にも、パワースペクトルの合成処理を行うことができる。

以上のように、この実施の形態８では、周期成分の隣接する周波数成分の重み係数の置き換え処理を行うことにより、調波構造の分析精度が劣化してスペクトルピーク位置が的確に決定できない場合にも、パワースペクトルの合成処理を行うことができ、雑音抑圧装置の品質を向上させることができる。

実施の形態９．
上述した実施の形態１から実施の形態８で構成される雑音抑圧装置１００，１００´において雑音抑圧された出力信号は、デジタルデータ形式で音声符号化装置、音声認識装置、音声蓄積装置、ハンズフリー通話装置などの各種音声音響処理装置へ送出されるが、単独または上述の他の装置と共にＤＳＰ（デジタル信号処理プロセッサ）の組み込みフォームウェアによって実現する、あるいはソフトウエアプログラムとしてＣＰＵ（中央演算ユニット）上で実行するように構成してもよい。プログラムはソフトウエアプログラムを実行するコンピュータ装置の記憶装置に記憶させるように構成してもよいし、ＣＤ−ＲＯＭなどの記憶媒体にて配布される形式としてもよい。

また、ネットワークを通じてプログラムの全部あるいは一部を提供することも可能である。図１２は、実施の形態９による雑音抑圧システムの構成を示すブロック図であり、プログラムの一部を提供する雑音抑圧システムの構成を示している。図１２に示すように、第１のコンピュータ装置４０が第１および第２のフーリエ変換部３，４、第１および第２のパワースペクトル計算部５，６、パワースペクトル選択部７、入力信号分析部８およびパワースペクトル合成部９を備えて処理を行う。第１のコンピュータ装置４０において処理したデータを、例えば有線あるいは無線ネットワークなどで構成されるネットワーク装置４１を介して第２のコンピュータ装置４２へ送出する。第２のコンピュータ装置４２は、雑音抑圧量計算部１０、パワースペクトル抑圧部１１および逆フーリエ変換部１２を備えて処理を行う。

サーバ装置４３は、上述した実施の形態１から実施の形態８の雑音抑圧装置１００，１００´を実現するためのソフトウエアプログラムを保持しており、必要に応じて、それぞれのコンピュータ装置に当該処理を行うプログラムモジュールをネットワーク装置４１を介して提供することとなる。なお、第１のコンピュータ装置４０あるいは第２のコンピュータ装置４２がサーバ装置４３の役割を兼ねてもよい。例えば、第２のコンピュータ装置４２がサーバ装置４３を兼ねる場合には、第２のコンピュータ装置４２がネットワーク装置４１を介して第１のコンピュータ装置４０へ当該プログラムを提供することとなる。

以上のように、この実施の形態９によれば、例えば、上述した実施の形態１から実施の形態８で述べた方法と異なる別の雑音抑圧装置に容易に入れ替えることが可能となる上、プログラム処理を複数のコンピュータ装置に分散させて実行することができ、各コンピュータ装置の演算能力などに応じて処理負荷を軽減することができる効果がある。一例として、第１のコンピュータ装置４０がカーナビや携帯電話などの組み込み向け装置で処理能力に制限があり、第２のコンピュータ装置４２が大型のサーバ型コンピュータなどで処理能力に余裕がある場合など、第２のコンピュータ装置４２に多くの演算処理を負担させることができる。なお、上記何れの場合においても、上述しているパワースペクトル合成処理の品質改善効果は変わらず有効である。
また、各種音声音響処理装置へ送出される他、Ｄ／Ａ（デジタル・アナログ）変換の後、増幅装置にて増幅し、スピーカなどから直接音声信号として出力することも可能である。

上述した実施の形態１から実施の形態９では、雑音抑圧の方法として、ＭＡＰ法を用いて説明したが、その他の方法にも適用することができる。例えば、上述した非特許文献１に詳述されている最小平均２乗誤差短時間スペクトル振幅法や、以下の参考文献２に詳述されているスペクトル減算法などがある。
［参考文献２］
Ｓ．Ｆ．Ｂｏｌｌ，“Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ Ａｃｏｕｓｔｉｃ Ｎｏｉｓｅ ｉｎ Ｓｐｅｅｃｈ Ｕｓｉｎｇ Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ”，ＩＥＥＥ Ｔｒａｎｓ．ｏｎ ＡＳＳＰ，Ｖｏｌ．ＡＳＳＰ−２７，Ｎｏ．２，ｐｐ．１１３−１２０，Ａｐｒ．１９７９

また、上述した実施の形態１から実施の形態９では、狭帯域電話（０〜４０００Ｈｚ）の場合について説明したが、狭帯域電話音声に限られるものではなく、例えば、０〜８０００Ｈｚなどの広帯域電話音声や音響信号に対しても適用可能である。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

以上のように、この発明に係る雑音抑圧装置は、音声が雑音に埋もれている帯域においても音声の調波構造を保持するように補正して雑音抑制することが可能であり、音声通話・音声蓄積・音声認識システムが導入される種々の装置の雑音抑制に用いるのに適している。

１ 第１のマイクロホン、２ 第２のマイクロホン、３ 第１のフーリエ変換部、４ 第２のフーリエ変換部、５ 第１のパワースペクトル計算部、６ 第２のパワースペクトル計算部、７ パワースペクトル選択部、８ 入力信号分析部、９ パワースペクトル合成部、１０ 雑音抑圧量計算部、１１ パワースペクトル抑圧部、１２ 逆フーリエ変換部、１３ 出力端子、２０ 音声／雑音区間判定部、２１ 雑音スペクトル推定部、２２ ＳＮ比計算部、２３ 抑圧量計算部、３１ 第１のビームフォーミング処理部、３２ 第２のビームフォーミング処理部、４０ 第１のコンピュータ装置、４１ ネットワーク装置、４２ 第２のコンピュータ装置、４３ サーバ装置、１００，１００´ 雑音抑圧装置、２００ 移動体、２０１ 運転席、２０１ａ 直接波、２０１ｂ 反射・回折波、２０２ 助手席、２０３ 反射面、２０４ 雑音。

Claims (5)

1. 入力された複数の入力信号を時間領域の信号から周波数領域の信号であるスペクトル成分に変換するフーリエ変換部と、
   前記フーリエ変換部が変換したスペクトル成分からパワースペクトルを算出するパワースペクトル計算部と、
   前記複数の入力信号について、前記パワースペクトル計算部が算出したパワースペクトルのスペクトル成分を比較し、周波数毎に最も大きい値を有するスペクトル成分を選択して構成したパワースペクトルを合成パワースペクトル候補として生成するパワースペクトル選択部と、
   前記パワースペクトル計算部が算出したパワースペクトルに基づいて、前記入力信号の調波構造および周期性の分析を行う入力信号分析部と、
   前記複数の入力信号のうち１つの入力信号のパワースペクトルを代表パワースペクトルとし、前記入力信号分析部の分析結果に応じて、前記代表パワースペクトルと、前記パワースペクトル選択部が生成した合成パワースペクトル候補とを合成して合成パワースペクトルを生成するパワースペクトル合成部と、
   前記パワースペクトル合成部が生成した合成パワースペクトル、および前記入力信号から推定される推定雑音スペクトルに基づいて、雑音抑圧量を算出する雑音抑圧量計算部と、
   前記パワースペクトル合成部が生成した合成パワースペクトルに対して、前記雑音抑圧量計算部が算出した雑音抑圧量を用いて雑音抑圧を行うパワースペクトル抑圧部と、
   前記パワースペクトル抑圧部において雑音抑圧された合成パワースペクトルを時間領域の信号に変換し、音声信号として出力する逆フーリエ変換部とを備えた雑音抑圧装置。
2. 前記入力信号分析部は、前記パワースペクトル計算部が算出したパワースペクトルに基づいて、前記入力信号の周期性情報および自己相関係数を算出し、
   前記パワースペクトル合成部は、前記入力信号分析部が算出した入力信号の周期性情報および自己相関係数に応じて、前記代表パワースペクトルと、前記パワースペクトル選択部が生成した合成パワースペクトル候補とを合成して合成パワースペクトルを生成することを特徴とする請求項１記載の雑音抑圧装置。
3. 前記パワースペクトル合成部は、前記各入力信号のサブバンドＳＮ比の平均値が所定の閾値以上であるか否かに基づき、前記代表パワースペクトルと、前記パワースペクトル選択部が選択した合成パワースペクトル候補とを合成して合成パワースペクトルを生成することを特徴とする請求項１記載の雑音抑圧装置。
4. 前記パワースペクトル合成部は、前記各入力信号のサブバンドＳＮ比の平均値または入力信号の相関性で表わされる音声らしさの指標を用いて連続的な変化を有するパワースペクトルの合成処理を行うことを特徴とする請求項３記載の雑音抑圧装置。
5. 前記パワースペクトル合成部は、前記各入力信号における音声区間から雑音区間へ移行する区間および雑音区間から音声区間へ移行する区間において、前記代表パワースペクトルと前記合成パワースペクトル候補との重みつき平均化処理を行い、合成パワースペクトルを生成することを特徴とする請求項４記載の雑音抑圧装置。

Images