JP5772562B2 - 目的音抽出装置及び目的音抽出プログラム - Google Patents
目的音抽出装置及び目的音抽出プログラム Download PDFInfo
- Publication number
- JP5772562B2 JP5772562B2 JP2011272620A JP2011272620A JP5772562B2 JP 5772562 B2 JP5772562 B2 JP 5772562B2 JP 2011272620 A JP2011272620 A JP 2011272620A JP 2011272620 A JP2011272620 A JP 2011272620A JP 5772562 B2 JP5772562 B2 JP 5772562B2
- Authority
- JP
- Japan
- Prior art keywords
- long
- unit
- coherence
- term average
- target sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
Description
・
・
FRAME1(K)={s1(N×K+1)、s1(N×K+2)、・・、s1(N×K+i)、・・s1(N×K+N)}
なお、Kはフレームの順番を表すインデックスであり、正の整数で表現される。本文中ではKが小さいほど古い分析フレームであり、大きいほど新しい分析フレームであるとする。また、以降の動作説明において、特に但し書きが無い限りは、分析対象となる最新の分析フレームを表すインデックスはKであるとする。
X1(f,K)={X1(f1,K)、X1(f2,K)、・・X1(fi,K)・・、X1(fm,K)}
というように複数の周波数f1〜fmのスペクトル成分から構成されるものであることを補足しておく。これはX2(f,K)及び、後段の指向性形成部で現れるB1(f,K),B2(f,K)も同様である。
ところで、入力信号s1(n)に到達時間差τだけ遅延を与えた信号s1(n−τ)は、s2(n)と同一の信号であるといえる。
以下では、本発明の目的音抽出装置及び目的音抽出プログラムの第1の実施形態を、図面を参照しながら詳細に説明する。
(A−1−1)全体構成
図1は、第1の実施形態のボイススイッチ100Aの構成を示す構成図である。なお、第1の実施形態のボイススイッチ100Aは、例えば、CPU、ROM、RAM、EEPROM、入出力インタフェース等を有するものであり、ボイススイッチ100Aの機能は、CPUが、ROMに格納される処理プログラムを実行することにより実現されるものである。なお、目的音抽出プログラムは、ネットワークを通じてインストールされるものであっても良く、その場合でも図1に示す構成要素を構成する。
図8は、第1の実施形態の長期平均パラメータ制御部106の詳細な内部構成を示す内部構成図である。
次に、第1の実施形態のボイススイッチ100における目的音抽出処理の動作を説明する。
以上のように、第1の実施形態によれば、発話速度が変化した場合でも、目的音声の欠落を防止することができるので、音質の劣化を解消することができる。
次に、本発明の目的音抽出装置及び目的音抽出プログラムの第2の実施形態を、図面を参照しながら説明する。
図10は、第2の実施形態のボイススイッチ100Bの構成を示す構成図である。図10において、第2の実施形態のボイススイッチ100Bは、マイクm1及びマイクm2、FFT部101、第1の指向性形成部102、第2の指向性形成部103、コヒーレンス計算部104、発話速度検出部105、長期平均パラメータ制御部106、目的音声区間検出部107、検出結果長期平均部108、ゲイン制御部109、ボイススイッチゲイン乗算部110、非目的音声区間監視部301、長期平均値初期化部302を少なくとも有するものである。
以上のように、第2の実施形態によれば、第1の実施形態の効果に加えて、話頭部分の欠落を防止することができ、さらに音質を向上させることができる。
次に、本発明の目的音抽出装置及び目的音抽出プログラムの第3の実施形態を、図面を参照しながら詳細に説明する。
図11は、第3の実施形態のボイススイッチ100Cの構成を示す構成図である。図11において、第3の実施形態のボイススイッチ100Cは、マイクm1及びマイクm2、FFT部101、第1の指向性形成部102、第2の指向性形成部103、コヒーレンス計算部104、発話速度検出部105、長期平均パラメータ制御部106、目的音声区間検出部107、検出結果長期平均部108、ゲイン制御部109、ボイススイッチゲイン乗算部110、周波数減算部40を少なくとも有するものである。
減算部402は、第3の指向性形成部401から信号B3(f、K)を受け取り、信号X1(f、K)から雑音成分である信号B3(f、K)を取り除くものである。例えば、減算部402は式(7)の演算式に従って、雑音除去後信号D(f、K)を取得する。
IFFT部403は、減算部402から雑音除去信号D(f、K)を受け取り、周波数領域信号であるD(f、K)を時間領域に変換し、その変換した信号q(n)をゲイン乗算部110に与えるものである。
以上のように、第3の実施形態によれば、第1の実施形態の効果に加えて、目的音声区間に重畳された雑音成分を除去することができるので、更に音質を向上させることができる。
次に、本発明の目的音抽出装置及び目的音抽出プログラムの第4の実施形態を、図面を参照しながら説明する。
図13は、第4の実施形態のボイススイッチ100Dの構成を示す構成図である。図13において、第4の実施形態のボイススイッチ100Dは、マイクm1及びマイクm2、FFT部101、第1の指向性形成部102、第2の指向性形成部103、コヒーレンス計算部104、発話速度検出部105、長期平均パラメータ制御部106、目的音声区間検出部107、検出結果長期平均部108、ゲイン制御部109、ボイススイッチゲイン乗算部110、コヒーレンスフィルター演算部50を少なくとも有するものである。
IFFT部502は、コヒーレンスフィルター係数乗算部501から雑音抑制後信号D(f、K)を受け取り、周波数領域信号であるD(f、K)を時間領域に変換し、その変換した信号q(n)をゲイン乗算部110に与えるものである。
以上のように、第4の実施形態によれば、第1の実施形態の効果に加えて、目的音声区間に重畳されている雑音成分を抑制することができるので、更に音質を向上させることができる。
次に、本発明の目的音抽出装置及び目的音抽出プログラムの第5の実施形態を、図面を参照しながら説明する。
図14は、第5の実施形態のボイススイッチ100Eの構成を示す構成図である。図14において、第5の実施形態のボイススイッチ100Eは、マイクm1及びマイクm2、FFT部101、第1の指向性形成部102、第2の指向性形成部103、コヒーレンス計算部104、発話速度検出部105、長期平均パラメータ制御部106、目的音声区間検出部107、検出結果長期平均部108、ゲイン制御部109、ボイススイッチゲイン乗算部110、ウィーナーフィルター演算部60を少なくとも有するものである。
IFFT部603は、ウィーナーフィルター係数乗算部602から雑音抑圧後信号D(f、K)を受け取り、周波数領域信号であるD(f、K)を時間領域に変換し、その変換した信号q(n)をゲイン乗算部110に与えるものである。
以上のように、第5の実施形態によれば、第1の実施形態の効果に加えて、目的音声区間に重畳される背景雑音成分を抑制することができるので、更に音質を向上させることができる。
(F−1)上述した第3〜第5の実施形態では、周波数減算技術、コヒーレンスフィルター、ウィーナーフィルターにより、雑音抑圧する技術を説明したが、第3〜第5の実施形態で説明した、周波数減算技術、コヒーレンスフィルター、ウィーナーフィルターのいずれか1つ、あるいは、いずれか2つ、あるいは全ての技術を組み合わせてもよい。これにより、さらに高い雑音抑圧性能を実現できる。
…(10)
(F−3)本発明では発話速度に応じて長期平均パラメータδを制御する方法を説明したが、目的音声の欠落は発話速度だけではなくマイクと話者との距離の変動によっても発生する。こちらの課題も、本発明を適用することで改善することができる。この場合には、発話速度検出部に代えて、公知の手法によりマイクと話者との距離を推定する距離検出部を設け、長期平均パラメータ制御部では、距離に応じて長期平均パラメータを制御するように、距離と長期平均パラメータの対応テーブルを記憶部に格納しておけばよい。
101…FFT部、102…第1の指向性形成部、
103…第2の指向性形成部、104…コヒーレンス計算部、
105…発話速度検出部、106…長期平均パラメータ制御部、
107…目的音声区間検出部、108…検出結果長期平均部、
109…ゲイン制御部、110…ゲイン乗算部、
301…非目的音声区間監視部、302…長期平均値初期化部、
40…周波数減算部、50…コヒーレンスフィルター演算部、
60…ウィーナーフィルター演算部、
201…発話速度入力部、202…長期平均パラメータ照合部、203…記憶部、204…長期平均パラメータ出力部。
Claims (7)
- 入力信号を時間領域から周波数領域に変換する周波数解析手段と、
上記周波数解析手段により得られた信号に基づいて、それぞれ所定の方位に死角を有する指向性を持つ複数の信号を形成する指向性形成手段と、
上記指向性形成手段により形成された複数の指向性信号に基づいて、コヒーレンス値を求めるコヒーレンス計算手段と、
上記コヒーレンス計算手段により求められた上記コヒーレンス値に基づいて目的音を含むか否かを判定し、その判定結果に応じた検出結果値を出力する目的音判定手段と、
上記目的音判定手段から得られた入力フレームにおける検出結果値と、上記入力フレームより一つ前のフレームで得られた上記検出結果値の長期平均値とを重み付け平均処理することにより、上記入力フレームにおける上記検出結果値の長期平均値を求める長期平均処理手段と、
上記コヒーレンス計算手段により求められた上記コヒーレンス値に基づいて、入力信号に含まれる目的音の発話速度を検出する発話速度検出手段と、
上記発話速度検出手段により検出された上記発話速度に応じて、上記長期平均処理手段の上記重み付け平均処理に係る重み係数を制御する重み係数制御手段と、
上記長期平均処理手段の上記入力フレームにおける検出結果値の長期平均値に基づいて、入力された信号に対する利得を制御する利得制御手段と、
上記利得制御手段により制御された利得を、入力された信号に乗算する利得乗算手段と
を備えることを特徴とする目的音抽出装置。 - 上記重み係数制御手段が、
上記発話速度と上記長期平均処理手段における重み係数とを対応付けた対応テーブルを記憶する記憶部と、
上記対応テーブルを参照して、上記発話速度検出手段から得た上記発話速度に対応する上記重み係数を決定する重み係数決定部と、
上記重み係数決定部により決定された上記重み係数を、上記長期平均処理手段に与える出力部と
を有することを特徴とする請求項1に記載の目的音抽出装置。 - 上記目的音判定手段の検出結果値を観測し、目的音が含まれていない非目的音期間の長さを監視する非目的音監視手段と、
上記非目的音監視手段の監視結果に基づいて、上記非目的音期間長が閾値を超えたときに、上記長期平均処理手段の重み付け平均処理に係るパラメータを初期化する初期化手段と
を備えることを特徴とする請求項1又は2に記載の目的音抽出装置。 - 上記周波数解析手段により得られた信号から目的音方向に死角を形成し、非目的音信号を得る、非目的音信号生成手段と、
周波数解析手段で得られた入力信号から上記非目的音信号を減算する減算手段と、
減算により得られた雑音除去後信号を時間領域に変換する逆周波数変換手段からなる周波数減算手段
を備えることを特徴とする請求項1〜3のいずれかに記載の目的音抽出装置。 - 上記周波数解析手段により得られた信号に、コヒーレンス計算手段により得られるコヒーレンス係数を乗算し、到来方向に偏りを有する信号成分や背景雑音を抑制した雑音抑制後信号を得る、コヒーレンスフィルター係数乗算手段と、コヒーレンスフィルター係数乗算後の信号を時間領域に変換する逆周波数変換手段
からなる、コヒーレンスフィルター演算部を備えることを特徴とする請求項1〜4のいずれかに記載の目的音抽出装置。 - 上記目的音判定手段からの検出結果値に基づいて、非目的音区間の場合にのみ、所定の方法によりウィーナーフィルター係数を更新するウィーナーフィルター係数計算部と、
上記ウィーナーフィルター係数計算部で得られたウィーナーフィルター係数を、上記周波数解析手段から得た入力信号に乗算するウィーナーフィルター係数乗算部と、
上記ウィーナーフィルター係数乗算部により得られた周波数領域信号を時間領域に変換して上記乗算手段に与える逆周波数変換部と
を有するウィーナーフィルター演算手段を更に備えることを特徴とする請求項1〜5のいずれかに記載の目的音抽出装置。 - コンピュータを、
入力信号を時間領域から周波数領域に変換する周波数解析手段、
上記周波数解析手段により得られた信号に基づいて、それぞれ所定の方位に死角を有する指向性を持つ複数の信号を形成する指向性形成手段、
上記指向性形成手段により形成された複数の指向性信号に基づいて、コヒーレンス値を求めるコヒーレンス計算手段、
上記コヒーレンス計算手段により求められた上記コヒーレンス値に基づいて目的音を含むか否かを判定し、その判定結果に応じた検出結果値を出力する目的音判定手段、
上記目的音判定手段から得られた入力フレームにおける検出結果値と、前記入力フレームより一つ前のフレームで得られた上記検出結果値の長期平均値とを重み付け平均処理することにより、前記入力フレームにおける上記検出結果値の長期平均値を求める長期平均処理手段と、
上記コヒーレンス計算手段により求められた上記コヒーレンス値に基づいて、入力信号に含まれる目的音の発話速度を検出する発話速度検出手段と、
上記発話速度検出手段により検出された上記発話速度に応じて、上記長期平均処理手段の上記重み付け平均処理に係る重み係数を制御する重み係数制御手段と、
上記長期平均処理手段の上記入力フレームにおける検出結果値の長期平均値に基づいて、入力された信号に対する利得を制御する利得制御手段と、
上記利得制御手段により制御された利得を、入力された信号に乗算する利得乗算手段
として機能させることを特徴とする目的音抽出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011272620A JP5772562B2 (ja) | 2011-12-13 | 2011-12-13 | 目的音抽出装置及び目的音抽出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011272620A JP5772562B2 (ja) | 2011-12-13 | 2011-12-13 | 目的音抽出装置及び目的音抽出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013125085A JP2013125085A (ja) | 2013-06-24 |
JP5772562B2 true JP5772562B2 (ja) | 2015-09-02 |
Family
ID=48776369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011272620A Active JP5772562B2 (ja) | 2011-12-13 | 2011-12-13 | 目的音抽出装置及び目的音抽出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5772562B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6277739B2 (ja) * | 2014-01-28 | 2018-02-14 | 富士通株式会社 | 通信装置 |
JP6531776B2 (ja) | 2017-04-25 | 2019-06-19 | トヨタ自動車株式会社 | 音声対話システムおよび音声対話方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008135933A (ja) * | 2006-11-28 | 2008-06-12 | Tohoku Univ | 音声強調処理システム |
-
2011
- 2011-12-13 JP JP2011272620A patent/JP5772562B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013125085A (ja) | 2013-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5817366B2 (ja) | 音声信号処理装置、方法及びプログラム | |
JP6028502B2 (ja) | 音声信号処理装置、方法及びプログラム | |
JP5646077B2 (ja) | 雑音抑圧装置 | |
KR101339592B1 (ko) | 음원 분리 장치, 음원 분리 방법, 및 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
JP4916394B2 (ja) | エコー抑圧装置、エコー抑圧方法及びコンピュータプログラム | |
JP5156043B2 (ja) | 音声判別装置 | |
US9460731B2 (en) | Noise estimation apparatus, noise estimation method, and noise estimation program | |
JP5838861B2 (ja) | 音声信号処理装置、方法及びプログラム | |
KR20120080409A (ko) | 잡음 구간 판별에 의한 잡음 추정 장치 및 방법 | |
EP2463856B1 (en) | Method to reduce artifacts in algorithms with fast-varying gain | |
JP2012150237A (ja) | 音信号処理装置、および音信号処理方法、並びにプログラム | |
JP5927887B2 (ja) | 非目的音抑制装置、非目的音抑制方法及び非目的音抑制プログラム | |
US10937418B1 (en) | Echo cancellation by acoustic playback estimation | |
JP5772562B2 (ja) | 目的音抽出装置及び目的音抽出プログラム | |
JP6840302B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
JP6314475B2 (ja) | 音声信号処理装置及びプログラム | |
JP6638248B2 (ja) | 音声判定装置、方法及びプログラム、並びに、音声信号処理装置 | |
JP6763319B2 (ja) | 非目的音判定装置、プログラム及び方法 | |
JP6631127B2 (ja) | 音声判定装置、方法及びプログラム、並びに、音声処理装置 | |
JP5970985B2 (ja) | 音声信号処理装置、方法及びプログラム | |
JP6295650B2 (ja) | 音声信号処理装置及びプログラム | |
JP6903947B2 (ja) | 非目的音抑圧装置、方法及びプログラム | |
JP6221463B2 (ja) | 音声信号処理装置及びプログラム | |
JP2017067990A (ja) | 音声処理装置、プログラム及び方法 | |
JP2013125084A (ja) | 発話速度検出装置及び発話速度検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150528 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150615 |
|
R150 | Certificate of patent (=grant) or registration of utility model |
Ref document number: 5772562 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |