JP5887087B2

JP5887087B2 - 雑音低減処理装置および雑音低減処理方法

Info

Publication number: JP5887087B2
Application number: JP2011194333A
Authority: JP
Inventors: 康貴田中; 田中　伸一; 伸一田中; 学川▲崎▼; 益巳谷本
Original assignee: SOHGO SECURITY SERVICES CO.,LTD.
Current assignee: SOHGO SECURITY SERVICES CO.,LTD.
Priority date: 2011-09-06
Filing date: 2011-09-06
Publication date: 2016-03-16
Anticipated expiration: 2031-09-06
Also published as: JP2013054319A

Description

本発明は、雑音を低減する雑音低減処理装置および雑音低減処理方法に関する。

従来から、雑音環境下において目的の音を取得するために雑音を低減する様々な雑音処理技術が知られている。例えば、スペクトルサブトラクション法（ＳＳ法）による雑音処理技術が知られている（特許文献１、非特許文献１参照）。ＳＳ法とは、雑音のパワースペクトルを推定し、音声と雑音が混在した入力信号のパワースペクトルから、推定した雑音のパワースペクトルを差し引くことで雑音を低減する手法である。この雑音のパワースペクトルの推定には、いくつかの手法があるが、信号パワーなどを指標として音声入力区間を検出し、その音声入力の直前の信号を用いることが多い。

また、適応フィルタによる雑音処理技術も知られている（非特許文献２、３参照）。適応フィルタによる雑音低減処理とは、パラメータを逐次更新し、出力信号を目標信号に近づけていく機能を持った適応フィルタにより雑音低減を行う手法である。この適応フィルタによる雑音処理技術は、一般に、音声入力信号（音声と雑音が混在する信号）と雑音入力信号（雑音のみ存在する信号）をそれぞれ別のマイクロホン（マイク）で観測して処理を行うものである。

特開平１０−９７２７８号公報

Ｓ．Ｆ．Ｂｏｌｌ，ＳｕｐｐｒｅｓｓｉｏｎｏｆＡｃｏｕｓｔｉｃＮｏｉｓｅｉｎＳｐｅｅｃｈＵｓｉｎｇＳｐｅｃｔｒａｌＳｕｂｔｒａｃｔｉｏｎ，ＩＥＥＥＴｒａｎｓ．ＡＳＳＰ，２７，２，１１３‐１２０，１９７９．Ｂ．Ｗｉｄｒｏｗｅｔａｌ．，Ａｄａｐｔｉｖｅｎｏｉｓｅｃａｎｃｅｌｌｉｎｇ: Ｐｒｉｎｃｉｐｌｅｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ，ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ６３，１６９２‐１７１６，１９７５．大賀寿郎山崎芳男金田豊共著「音響システムとディジタル処理」p.124-157 社団法人電子情報通信学会１９９５年

しかしながら、上述したような従来の雑音処理技術で十分な雑音低減効果を得るためには、雑音が定常であること、音声入力マイクと雑音入力マイクの位置が既知であること、雑音の到来方向が既知であること、といった条件を満たさなければならないという問題があった。

具体的には、上述のＳＳ法による雑音処理技術では、音声入力時の雑音と推定した雑音が同じである必要があることから、雑音が定常でなければならず、非定常な雑音には適用することができない。しかし、音声認識精度の低下を招く雑音は、常に定常とは限らず非定常であることが多く、音声認識精度を向上させる雑音低減処理には非定常な雑音に対しても適応する手法が必要である。

また、上述の適応フィルタによる雑音処理技術では、音声入力信号と雑音入力信号をそれぞれ別のマイクロホンで観測して処理を行うが、２つの入力信号の位相の同期をとる必要があることから、雑音の到来方向およびマイクロホン間の距離情報が既知でなければならない。しかし、雑音入力マイクを建物内などに設置し、音声入力マイクを発話者が装着した状態で雑音低減を行う場合には、発話者が移動することによりマイクロホン間の距離が変化してしまう。また、マイクロホンの移動や周囲の環境の変化によって雑音到来方向も変化してしまう。そうすると、音声入力信号と雑音入力信号の位相の同期をとることが困難になるため、マイクロホン間の距離や雑音到来方向の変化に依存しない手法が必要である。

本発明は、上記に鑑みてなされたものであって、非定常な雑音に対しても有効であり、かつマイクロホンの設置位置や雑音到来方向が既知でなくとも雑音低減効果が得られる雑音低減処理装置および雑音低減処理方法を得ることを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、所定の範囲内に存在し、抽出対象の音である抽出音と、前記抽出音以外の音である雑音とを含む第１入力信号が入力される第１音入力部と、前記所定の範囲内に存在し、前記雑音を示す第２入力信号が入力される第２音入力部と、前記第１音入力部と前記第２音入力部との距離および音速に基づいて、前記第１音入力部への前記雑音の到達時間と、前記第２音入力部への前記雑音の到達時間との差である到達時間差が最小値から最大値となる区間を算出し、算出した前記区間における前記第２入力信号の平均スペクトルを算出する平均スペクトル算出手段と、前記第１入力信号から、算出された前記平均スペクトルの特性を差し引くことにより前記第１入力信号の前記雑音を低減するフィルタ処理手段と、を備えることを特徴とする。

また、本発明は、所定の範囲内に存在し、抽出対象の音である抽出音と、前記抽出音以外の音である雑音とを含む第１入力信号が入力される第１音入力部と、前記所定の範囲内に存在し、前記雑音を示す第２入力信号が入力される第２音入力部と、を備えた雑音低減処理装置で実行される雑音低減処理方法において、前記第１音入力部への前記雑音の到達時間と、前記第２音入力部への前記雑音の到達時間との差である到達時間差が最小値から最大値となる区間を算出し、算出した前記区間における前記第２入力信号の平均スペクトルを算出する平均スペクトル算出ステップと、前記第１入力信号から、算出された前記平均スペクトルの特性を差し引くことにより前記第１入力信号の前記雑音を低減するフィルタ処理ステップと、を含むことを特徴とする。

本発明によれば、非定常な雑音に対しても有効であり、かつマイクロホンの設置位置や雑音到来方向が既知でなくとも雑音低減効果が得られるという効果を奏する。

図１は、実施の形態１にかかる雑音低減処理装置の構成を示すブロック図である。図２は、実施の形態１の音声入力マイクと雑音参照マイクの使用環境の一例を示す説明図である。図３は、マイク間の最大距離の一例を示す図である。図４は、平均化区間の概要を示す説明図である。図５は、平均ＬＰＣ係数フィルタリングによる雑音低減処理の流れを示すフローチャートである。図６は、平均ＬＰＣスペクトルによる雑音低減処理の流れを示すフローチャートである。図７は、平均スペクトル包絡による雑音低減処理の流れを示すフローチャートである。図８は、平均スペクトルによる雑音低減処理の流れを示すフローチャートである。図９は、雑音低減処理装置による雑音低減処理条件を示す図である。図１０は、雑音低減処理を実施した際の結果を説明するための図である。図１１は、雑音低減処理を実施した際の結果を説明するための図である。図１２は、雑音低減処理を実施した際の結果を説明するための図である。図１３は、雑音低減処理を実施した際の結果を説明するための図である。図１４は、雑音低減処理を実施した際の結果を説明するための図である。図１５は、雑音低減処理を実施した際の結果を説明するための図である。図１６は、雑音低減処理を実施した際の結果を説明するための図である。図１７は、雑音低減処理を実施した際の結果を説明するための図である。

以下に添付図面を参照して、この発明にかかる雑音低減処理装置および雑音低減処理方法の最良な実施の形態を詳細に説明する。

（実施の形態１）
図１は、実施の形態１にかかる雑音低減処理装置の構成を示すブロック図である。図１に示すように、雑音低減処理装置１００は、音声入力マイク１０と、雑音参照マイク２０と、受信部１０１と、ＡＤ変換部１０２と、平均スペクトルフィルタ算出部１０３と、フィルタ処理部１０４と、出力部１０５と、記憶部１１０とを主に備えている。

音声入力マイク１０は、予め定められた移動範囲内を移動する発話者に装着されており、明瞭にすべき抽出対象の音である発話者の音声や雑音を集音するワイヤレスマイクロホン（無線式マイク）である。ここで、雑音とは、抽出対象の音以外の音であって、本実施の形態では、発話者の音声以外の音である。音声入力マイク１０は、発話者が所定の移動範囲内を移動する場合には、常にその移動範囲内に存在し、発話者の音声と周囲の雑音とを含む音声入力信号が入力される。音声入力信号とは、発話者が音声入力を行った信号であり、周囲の雑音が混在している。

雑音参照マイク２０は、上述した所定の移動範囲内における所定位置（例えば天井）に固定して設置されており、周囲の雑音や音声を集音するマイクロホン（有線式マイク）である。雑音参照マイク２０は、音声に付加された雑音を含む信号である雑音参照信号が入力される。

また、音声入力マイク１０は、雑音を低減して抽出する音声（発話者の音声）の強度が、雑音参照マイク２０で集音される音声（雑音を除く）の強度よりも大きい強度で入力されることが、音声入力マイク１０と雑音参照マイク２０の設置条件となっている。すなわち、雑音参照マイク２０と発話者（音声の発せられる音源）との距離が、音声入力マイク１０と発話者との距離より相対的に長く（遠く）なる状況であることが好ましい。

なお、本実施の形態では、音声入力マイク１０が発話者に装着されているが、これに限定されることなく、所定の移動範囲内であれば一定の位置に固定して設置されてもよい。また、本実施の形態では、雑音参照マイク２０が所定位置に固定して設置されているが、これに限定されることなく、所定の移動範囲内であって、かつ発話者の音声の強度が、雑音参照マイク２０で集音される音声の強度よりも大きい強度で音声入力マイク１０に入力されれば、固定して設置されていなくともよい。また、本実施の形態では、音声入力マイク１０を無線式とし、雑音参照マイク２０を有線式としているが、これらのマイクは適用環境により有線式、無線式のいずれも使用可能である。

図２は、実施の形態１の音声入力マイクと雑音参照マイクの使用環境の一例を示す説明図である。本実施の形態の雑音低減処理装置１００は、雑音の強度が高い環境下において、図２に示すように、予め設定した移動範囲Ａ内を雑音低減処理装置１００の使用者（発話者３０）が移動する状態で利用する。

雑音の強度が高い環境下とは、例えば、工場やコンビニエンスストア、小売店など様々な雑音（機械音や店内ＢＧＭ、屋外からの騒音など）が存在する場所である。また、移動範囲とは、例えば、工場内や小売店のカウンター内などが想定される。図２では、雑音参照マイク２０を天井などの所定の場所に固定して設置する。そして、音声入力マイク１０を発話者３０が装着し、予め設定した移動範囲Ａを発話者３０が移動する環境での適用を示している。

音声入力マイク１０と雑音参照マイク２０の設置条件としては、上述したように、音声入力マイク１０で集音される発話者３０の音声の強度が、雑音参照マイク２０で集音される音声の強度よりも大きい強度で入力される位置に各マイクが設置されていればよい。この設置条件を満たすためには、例えば図２のように、雑音参照マイク２０を移動範囲Ａの天井に固定して設置するなど、音声入力マイク１０と発話者３０の距離よりも雑音参照マイク２０と発話者３０の距離を遠くすればよい。

これら使用環境では、雑音の種類（定常的な雑音や非定常な雑音など）や到来方向が未知であり、また発話者３０の移動による雑音到来方向の変化や、雑音到達時間差の変化が考えられる。本実施の形態の雑音低減処理装置１００は、このような使用環境においても平均的に雑音を低減する効果が得られるものである。

図１に戻り、受信部１０１は、音声入力マイク１０で集音された音声入力信号を受信するものである。ＡＤ変換部１０２は、音声入力マイク１０から入力された音声入力信号および雑音参照マイク２０から入力された雑音参照信号をディジタル音に変換し出力する。

平均スペクトルフィルタ算出部１０３は、音声入力マイク１０と雑音参照マイク２０との距離および音速に基づいて、音声入力マイク１０への雑音の到達時間と、雑音参照マイク２０への雑音の到達時間の差である到達時間差が最小値から最大値となる区間である平均化区間を算出し、算出した平均化区間における雑音参照信号の平均スペクトルを算出するものである。

以下では、平均化区間について詳細に説明する。「平均化区間」とは、雑音が音声入力マイク１０へ到達する到達時間と、雑音が雑音参照マイク２０へ到達する到達時間との差である到達時間差が最小値０［sec］から、最大値±ｄ_ｍａｘ／ｃ［sec］の区間のことである。「ｄ_ｍａｘ［ｍ］」とは、マイク間（雑音参照マイク２０と音声入力マイク１０との間）の最大距離であり、「ｃ［ｍ／sec］」は音速である。

ここで、マイク間の最大距離「ｄ_ｍａｘ［ｍ］」について説明する。平均化区間の算出に用いるマイク間の最大距離ｄ_ｍａｘ［ｍ］は、雑音参照マイク２０を基準として、移動範囲内で発話者に装着された音声入力マイク１０が最も遠くなる位置との距離である。図３は、マイク間の最大距離の一例を示す図である。

例えば、図３に示すように、雑音参照マイク２０が移動範囲Ａの所定位置に固定されて設置され、移動範囲Ａ内を音声入力マイク１０を装着した発話者が移動する場合、雑音参照マイク２０から最も遠い位置（図３では音声入力マイク１０の位置）までの距離が最大距離である。

この２つのマイク（雑音参照マイク２０と音声入力マイク１０）が最大距離の位置にあり、かつ２つのマイクを結んだ直線の延長線上に雑音の発生源である雑音源があるとき、雑音の到達時間差｜ｄ_ｍａｘ／ｃ｜［sec］は最大となる。なお、図３は、平面で説明しているが、３次元でも同様に考えることができる。

従って、音声入力マイク１０を基準とした場合の雑音参照マイク２０に入力される雑音参照信号の平均化区間は、−ｄ_ｍａｘ／ｃ〜ｄ_ｍａｘ／ｃ［sec］となる。なお、図３に示すように、移動範囲Ａにおける最大距離ｄ_ｍａｘに基づいて平均化区間を算出しているが、その結果、雑音参照マイク２０を中心とし、雑音参照マイク２０と音声入力マイク１０との最大距離ｄ_ｍａｘを半径とした円で囲まれる範囲Ｂが平均化区間の対象となる。そして、音声入力信号に混在している雑音は、必ずこの平均化区間内に含まれることになる。

図４は、平均化区間の概要を示す説明図である。図４に示すように、音声入力マイク１０は、発話者３０の音声と、例えば車４０の雑音とを含む音声入力信号が入力される。また、雑音参照マイク２０は、車４０の雑音を含む雑音参照信号が入力される。そして、音声入力マイク１０と雑音参照マイク２０との距離は、０≦ｄ≦ｄ_ｍａｘとなる。

図４では、右側に各マイクで採取された音響信号（音声入力信号と雑音参照信号）の波形が示されている。この波形は、横軸が音響信号の検出時間、縦軸が音響信号の振幅を示し、上が音声入力信号、下が雑音参照信号を示している。音声入力マイク１０に入力された音声入力信号は、音声入力マイク１０を装着した発話者３０の音声が入力された場合には、音声と雑音が混在しているため音声の波形が不明瞭となる（上の波形参照）。そして、この音声が入力された波形に混在する雑音は、平均化区間内における雑音参照信号の中に必ず含まれていることになる（下の波形参照）。

図１に戻り、フィルタ処理部１０４は、音声入力マイク１０に入力された音声入力信号から、平均スペクトルフィルタ算出部１０３により算出された平均スペクトルの特性を差し引くことで、音声入力信号の雑音を低減した信号である音声予測信号を算出するものである。

このように、本実施の形態の雑音低減処理装置１００は、平均化区間（−ｄ_ｍａｘ／ｃ〜ｄ_ｍａｘ／ｃ［sec］の区間）における雑音参照信号の平均スペクトルを求め、その特性を音声入力信号から差し引くことで雑音を低減している。具体的な雑音低減処理方法は複数あるが、本実施の形態では、平均ＬＰＣ係数フィルタリングによる雑音低減処理を行っている。雑音低減処理の詳細は処理の流れに沿って後述する（図５参照）。

出力部１０５は、フィルタ処理部１０４により算出された音声予測信号を出力するものである。記憶部１１０は、音声入力信号、雑音参照信号等の各処理で必要な信号等のデータを保存するＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）やメモリ等の記憶媒体である。

次に、雑音参照信号の平均スペクトルを求め、その特性から音声入力信号を差し引く方法（雑音低減処理方法）の具体的な説明を行う。以下では、雑音低減処理方法の一例である、平均ＬＰＣ係数フィルタリングによる雑音低減処理について説明する。なお、本実施の形態で説明した方法に限定されることなく、その他の周波数特徴抽出手法やフィルタリング手法を用いてもよく、その場合でも同様の効果が得られる。

平均ＬＰＣ係数フィルタリングによる雑音低減処理では、まず、雑音参照信号から平均化区間内のＬＰＣ係数を算出し、平均ＬＰＣ係数を算出する。そして、音声入力信号を対象として、算出された平均ＬＰＣ係数によるフィルタリングを算出することにより、音声入力信号から平均スペクトルの特性を差し引き、雑音が低減された音声予測信号を算出する。図５は、平均ＬＰＣ係数フィルタリングによる雑音低減処理の流れを示すフローチャートである。

まず、平均ＬＰＣ係数フィルタリングによる雑音低減処理の詳細説明の前提として、平均化区間について説明する。音声入力信号ｘ(ｔ)および雑音参照信号ｙ(ｔ)は、以下の（式１−１）（式１−２）で表される。ｓ(ｔ)：音声信号、ｎ(ｔ)：雑音信号、τ：雑音信号到達の遅れ（進み）とする。

ここで、雑音信号到達の遅れ（進み）τは、−ｄ_ｍａｘ／ｃ≦τ≦ｄ_ｍａｘ／ｃ［sec］を満足するものとする。そして、Ｔ＝ｄ_ｍａｘ／ｃとおくと、雑音参照信号の平均化区間は、τ±Ｔとなる。

図５に戻り、まず、音声入力マイク１０から音声入力信号を受信し、雑音参照マイク２０から雑音参照信号を受信すると（ステップＳ１０）、ＡＤ変換部１０２は、それらの信号をディジタル音に変換する。

次に、平均スペクトルフィルタ算出部１０３は、雑音参照信号からＬＰＣ係数を算出する（ステップＳ１１）。そして、平均スペクトルフィルタ算出部１０３は、平均化区間内のＬＰＣ係数を算出したか否かを判断する（ステップＳ１２）。平均化区間内のＬＰＣ係数を算出していない場合（ステップＳ１２：Ｎｏ）、ステップＳ１１に戻って処理を繰り返す。

一方、平均化区間内のＬＰＣ係数を算出した場合（ステップＳ１２：Ｙｅｓ）、平均スペクトルフィルタ算出部１０３は、平均ＬＰＣ係数を算出する（ステップＳ１３）。具体的には、雑音参照信号ｙ(ｔ)から次数ＰのＬＰＣ係数Ｃ_ｊを算出するフレーム長をＬ、フレームシフトをｍとし、平均回数をＮとすると、平均化区間内におけるＬＰＣ係数の平均化演算は（式２）のように表される。従って、（式２）によって、平均ＬＰＣ係数Ｃ_ｊを算出する。

次に、フィルタ処理部１０４は、算出された平均ＬＰＣ係数により、フィルタリング信号を算出し（ステップＳ１４）、雑音低減処理された信号である音声予測信号を得る。具体的には、音声入力信号ｘ(ｔ)を対象として、求められた平均ＬＰＣ係数Ｃ_ｊによるフィルタリングにより算出される信号は、（式３）のように表され、その信号は音声予測信号となる。

そして、出力部１０５は、算出された音声予測信号を出力する（ステップＳ１５）。

このように、本実施の形態の雑音低減処理装置では、音声入力マイク１０と雑音参照マイク２０との距離および音速に基づいて、音声入力マイク１０への雑音の到達時間と、雑音参照マイク２０への雑音の到達時間との差である到達時間差が最小値から最大値となる平均化区間を算出し、算出した平均化区間における雑音参照信号の平均スペクトルを求め、その特性を音声入力信号から差し引くことで音声入力信号の雑音を低減している。このため、非定常な雑音に対しても有効であり、かつマイクロホンの設置位置や雑音到来方向が既知でなくとも雑音低減効果が得られる。

（実施の形態２）
実施の形態１の雑音低減処理装置では、雑音低減処理方法として、平均ＬＰＣ係数フィルタリングによる雑音低減処理を用いていた。これに対し、本実施の形態では、平均ＬＰＣスペクトルによる雑音低減処理を用いた場合について説明する。

ここで、雑音低減処理装置の全体構成、使用環境、平均化区間、音声入力マイクと雑音参照マイクの最大距離については、実施の形態１と同様であるため説明を省略する。

次に、雑音参照信号の平均スペクトルを求め、その特性から音声入力信号を差し引く方法（雑音低減処理方法）の具体的な説明を行う。以下では、雑音低減処理方法の一例である、平均ＬＰＣスペクトルによる雑音低減処理について説明する。

平均ＬＰＣスペクトルによる雑音低減処理では、まず、雑音参照信号から平均化区間内のＬＰＣ係数を算出し、平均ＬＰＣ係数を算出する。次に、平均ＬＰＣ係数からスペクトル包絡を算出し、算出したスペクトル包絡から逆スペクトル特性を持ったフィルタを作成する。そして、このフィルタを音声入力信号に掛ける（乗ずる）ことにより、音声入力信号から平均スペクトルの特性を差し引き、音声予測信号を算出する。

図６は、平均ＬＰＣスペクトルによる雑音低減処理の流れを示すフローチャートである。なお、音声入力信号ｘ(ｔ)、雑音参照信号ｙ(ｔ)や平均化区間τ±Ｔについては、実施の形態１と同様であるため、説明を省略する。

まず、音声入力マイク１０から音声入力信号を受信し、雑音参照マイク２０から雑音参照信号を受信すると（ステップＳ２０）、ＡＤ変換部１０２は、それらの信号をディジタル音に変換する。

次に、平均スペクトルフィルタ算出部１０３は、雑音参照信号からＬＰＣ係数を算出する（ステップＳ２１）。そして、平均スペクトルフィルタ算出部１０３は、平均化区間内のＬＰＣ係数を算出したか否かを判断する（ステップＳ２２）。平均化区間内のＬＰＣ係数を算出していない場合（ステップＳ２２：Ｎｏ）、ステップＳ２１に戻って処理を繰り返す。

一方、平均化区間内のＬＰＣ係数を算出した場合（ステップＳ２２：Ｙｅｓ）、平均スペクトルフィルタ算出部１０３は、平均ＬＰＣ係数を算出し（ステップＳ２３）、スペクトル包絡を算出する（ステップＳ２４）。具体的には、（式４）によって、雑音参照信号ｙ(ｔ)から平均ＬＰＣ係数Ｃ_ｊを算出する。

そして、算出された平均ＬＰＣ係数Ｃ_ｊから（式５）によって、スペクトル包絡Ｙ(ω)を算出する。

次に、平均スペクトルフィルタ算出部１０３は、算出されたスペクトル包絡から、ＦＦＴ逆変換を行い（ステップＳ２５）、フィルタを作成する（ステップＳ２６）。具体的には、（式５）によって求められたスペクトル包絡Ｙ(ω)から（式６）によりＦＦＴ逆変換を行う。

そして、（式７）によって、逆スペクトル特性を持ったフィルタｗ(ｌ)を作成する。

次に、フィルタ処理部１０４は、作成されたフィルタにより、フィルタ処理を行い（ステップＳ２７）、雑音低減処理された信号である音声予測信号を得る。具体的には、（式８）に示すように、フィルタｗ(ｌ)を音声入力信号ｘ(ｔ)に掛ける（乗ずる）ことによって、音声予測信号を得る。

そして、出力部１０５は、算出された音声予測信号を出力する（ステップＳ２８）。

（実施の形態３）
実施の形態１の雑音低減処理装置では、雑音低減処理方法として、平均ＬＰＣ係数フィルタリングによる雑音低減処理を用いていた。これに対し、本実施の形態では、平均スペクトル包絡による雑音低減処理を用いた場合について説明する。

次に、雑音参照信号の平均スペクトルを求め、その特性から音声入力信号を差し引く方法（雑音低減処理方法）の具体的な説明を行う。以下では、雑音低減処理方法の一例である、平均スペクトル包絡による雑音低減処理について説明する。

平均スペクトル包絡による雑音低減処理では、まず、雑音参照信号からＬＰＣ係数を算出する。そして、算出されたＬＰＣ係数を元にスペクトル包絡を算出し、平均スペクトル包絡を算出する。次に、算出された平均スペクトル包絡から逆スペクトル特性を持ったフィルタを作成する。そして、このフィルタを音声入力信号に掛ける（乗ずる）ことにより、音声入力信号から平均スペクトルの特性を差し引き、音声予測信号を算出する。

図７は、平均スペクトル包絡による雑音低減処理の流れを示すフローチャートである。なお、音声入力信号ｘ(ｔ)、雑音参照信号ｙ(ｔ)や平均化区間τ±Ｔについては、実施の形態１と同様であるため、説明を省略する。

まず、音声入力マイク１０から音声入力信号を受信し、雑音参照マイク２０から雑音参照信号を受信すると（ステップＳ３０）、ＡＤ変換部１０２は、それらの信号をディジタル音に変換する。

次に、平均スペクトルフィルタ算出部１０３は、雑音参照信号からＬＰＣ係数を算出し（ステップＳ３１）、スペクトル包絡を算出する（ステップＳ３２）。次に、平均スペクトルフィルタ算出部１０３は、平均化区間内のＬＰＣ係数を算出したか否かを判断する（ステップＳ３３）。平均化区間内のＬＰＣ係数を算出していない場合（ステップＳ３３：Ｎｏ）、ステップＳ３１に戻って処理を繰り返す。

一方、平均化区間内のＬＰＣ係数を算出した場合（ステップＳ３３：Ｙｅｓ）、平均スペクトルフィルタ算出部１０３は、スペクトル包絡から平均スペクトル包絡を算出する（ステップＳ３４）。具体的には、フレーム長をＬ、フレームシフトをｍとし、平均回数をＮとすると、雑音参照信号ｙ(ｔ)から、次数ＰのＬＰＣ係数Ｃ_ｉ，ｊを元にスペクトル包絡を求めることができ、平均化区間内におけるスペクトル包絡の平均化演算は（式９）のように表される。従って、（式９）によって、平均スペクトル包絡Ｆ(ω)を算出する。

次に、平均スペクトルフィルタ算出部１０３は、算出された平均スペクトル包絡から、ＦＦＴ逆変換を行い（ステップＳ３５）、フィルタを作成する（ステップＳ３６）。具体的には、（式９）によって求められた平均スペクトル包絡Ｆ(ω)から、（式１０）によりＦＦＴ逆変換を行う。

そして、（式１１）によって、逆スペクトル特性を持ったフィルタｗ(ｌ)を作成する。

次に、フィルタ処理部１０４は、作成されたフィルタにより、フィルタ処理を行い（ステップＳ３７）、雑音低減処理された信号である音声予測信号を得る。具体的には、（式１２）に示すように、フィルタｗ(ｌ)を音声入力信号ｘ(ｔ)に掛ける（乗ずる）ことによって、音声予測信号を得る。

そして、出力部１０５は、算出された音声予測信号を出力する（ステップＳ３８）。

（実施の形態４）
実施の形態１の雑音低減処理装置では、雑音低減処理方法として、平均ＬＰＣ係数フィルタリングによる雑音低減処理を用いていた。これに対し、本実施の形態では、平均スペクトルによる雑音低減処理を用いた場合について説明する。

次に、雑音参照信号の平均スペクトルを求め、その特性から音声入力信号を差し引く方法（雑音低減処理方法）の具体的な説明を行う。以下では、雑音低減処理方法の一例である、平均スペクトルによる雑音低減処理について説明する。

平均スペクトルによる雑音低減処理では、まず、平均化区間内についてＦＦＴ処理を行い、雑音参照信号から平均スペクトルを算出する。次に、算出した平均スペクトルから逆スペクトル特性を持ったフィルタを作成する。そして、このフィルタを音声力信号に掛ける（乗ずる）ことにより、音声入力信号から平均スペクトルの特性を差し引き、音声予測信号を算出する。

図８は、平均スペクトルによる雑音低減処理の流れを示すフローチャートである。なお、音声入力信号ｘ(ｔ)、雑音参照信号ｙ(ｔ)や平均化区間τ±Ｔについては、実施の形態１と同様であるため、説明を省略する。

まず、音声入力マイク１０から音声入力信号を受信し、雑音参照マイク２０から雑音参照信号を受信すると（ステップＳ４０）、ＡＤ変換部１０２は、それらの信号をディジタル音に変換する。

次に、平均スペクトルフィルタ算出部１０３は、ＦＦＴ処理を行う（ステップＳ４１）。そして、平均スペクトルフィルタ算出部１０３は、平均化区間についてＦＦＴ処理を行ったか否かを判断する（ステップＳ４２）。平均化区間についてＦＦＴ処理を行っていない場合（ステップＳ４２：Ｎｏ）、ステップＳ４１に戻って処理を繰り返す。

一方、平均化区間についてＦＦＴ処理を行った場合（ステップＳ４２：Ｙｅｓ）、平均スペクトルフィルタ算出部１０３は、平均スペクトルを算出する（ステップＳ４３）。具体的には、雑音参照信号ｙ(ｔ)から、ポイント数ＰのスペクトルＹ(ω)を求めるフレーム長をＬ、フレームシフトをｍとし、平均回数をＮとすると、平均化区間内におけるスペクトルの平均化演算は（式１３）のように表される。従って、（式１３）によって、平均スペクトルＦ(ω)を算出する。

次に、平均スペクトルフィルタ算出部１０３は、算出された平均スペクトルにより、ＦＦＴ逆変換を行い（ステップＳ４４）、フィルタを作成する（ステップＳ４５）。具体的には、（式１３）によって求められた平均スペクトルＦ(ω)から、（式１４）によってＦＦＴ逆変換を行う。

そして、（式１５）によって、逆スペクトル特性を持ったフィルタＷ(ｌ)を作成する。

次に、フィルタ処理部１０４は、作成されたフィルタにより、フィルタ処理を行い（ステップＳ４６）、雑音低減処理された信号である音声予測信号を得る。具体的には、（式１６）に示すように、フィルタｗ(ｌ)を音声入力信号ｘ(ｔ)に掛ける（乗ずる）ことによって、音声予測信号を得る。

そして、出力部１０５は、算出された音声予測信号を出力する（ステップＳ４７）。

次に、実施の形態４の雑音低減処理装置による雑音低減処理を実施した際の結果（雑音処理実験の結果）を、図を参照して説明する。図９は、雑音低減処理装置による雑音低減処理条件を示す図である。図９では、雑音処理実験を行うためのパラメータを示している。ここでは、音声入力信号に雑音参照信号をＳＮＲ＝０ｄＢで付加して雑音処理実験を行った。また、マイク間の距離の変化による雑音低減の精度について評価するために、マイク間距離を３種類で雑音処理実験を行った。

図９に示すように、雑音低減処理条件は、まず、音声データは、女性が天気概況として「トコロニヨッテワニワカアメガフルデショー」と発声した音声である。雑音データは、マーケット内の騒音である。この雑音データの信号には、定常、非定常な騒音の他に女性客の声が含まれている。マイク（音声入力マイクと雑音参照マイク）間距離（ｄ）は、０ｍ、１０ｍ、−１０ｍである。音声＋雑音データのＳＮＲ（音声入力信号と雑音参照信号の比）は、０ｄＢである。量子化精度は、１６ｋＨz、１６ｂｉｔである。分析窓は、ハミング窓である。平均化処理フレーム長（Ｌ）は、１０２４ｐｏｉｎｔ（６４ｍｓｅｃ）である。そして、平均化処理フレームシフト（ｍ）は、５１２ｐｏｉｎｔ（３２ｍｓｅｃ）である。

図１０〜１７は、雑音低減処理を実施した際の結果を説明するための図である。各図における上図は音響信号の波形であり、下図は波形のスペクトログラム（白から黒でパワーの強さを表している）である。図１０は、雑音が付加されていない音声を示している。すなわち、この場合は、女性の発した音声である。図１１は、付加した雑音である雑音参照信号を示している。すなわち、この場合は、マーケット内の騒音である。

図１２、１４、１６は、雑音参照信号を基準とした、それぞれのマイク間距離に相当する時間差で雑音を付加した音響信号の波形、およびスペクトログラムである。すなわち、図１２は、２つのマイク（音声入力マイクと雑音参照マイク）間の距離が０ｍのときの音声入力信号を示している。図１４は、マイク間の距離が１０ｍのときの音声入力信号を示している。この場合は、雑音が雑音参照マイクより先に音声入力マイクに入力された場合である。図１６は、マイク間の距離が−１０ｍのときの音声入力信号を示している。この場合は、雑音が雑音参照マイクより後に音声入力マイクに入力された場合である。

図１３、１５、１７は、平均スペクトルフィルタによって雑音低減処理を行った結果である。すなわち、図１３は、マイク間の距離が０ｍのときの雑音低減処理の結果を示している。図１５は、マイク間の距離が１０ｍのときの雑音低減処理の結果を示している。図１７は、マイク間の距離が−１０ｍのときの雑音低減処理の結果を示している。

マイク間の距離が異なるそれぞれの図面において、雑音低減処理前（図１２、１４、１６）と、雑音低減処理後（図１３、１５、１７）の音響信号の波形およびスペクトログラムを比較すると、マイク間の距離や雑音の種類に関わらず、雑音を低減して音声を明瞭にしているという結果が示された。従って、本実施の形態の雑音低減処理装置により雑音低減処理を行った場合、非定常な雑音に対しても有効であり、かつマイクロホンの設置位置や雑音到来方向が既知でなくとも雑音低減効果が得られるということが示された。

１０音声入力マイク
２０雑音参照マイク
３０発話者
４０車
１００雑音低減処理装置
１０１受信部
１０２ＡＤ変換部
１０３平均スペクトルフィルタ算出部
１０４フィルタ処理部
１０５出力部
１１０記憶部

Claims

所定の範囲内に存在し、抽出対象の音である抽出音と、前記抽出音以外の音である雑音とを含む第１入力信号が入力される第１音入力部と、
前記所定の範囲内に存在し、前記雑音を示す第２入力信号が入力される第２音入力部と、
前記第１音入力部と前記第２音入力部との距離および音速に基づいて、前記第１音入力部への前記雑音の到達時間と、前記第２音入力部への前記雑音の到達時間との差である到達時間差が最小値から最大値となる区間を算出し、算出した前記区間における前記第２入力信号の平均スペクトルを算出する平均スペクトル算出手段と、
前記第１入力信号から、算出された前記平均スペクトルの特性を差し引くことにより前記第１入力信号の前記雑音を低減するフィルタ処理手段と、
を備えることを特徴とする雑音低減処理装置。
前記第１音入力部は、前記抽出音の強度が、前記第２音入力部よりも大きい強度で入力されることを特徴とする請求項１に記載の雑音低減処理装置。
前記第２音入力部は、前記所定の範囲内における天井に設置されていることを特徴とする請求項１または２に記載の雑音低減処理装置。
前記第１音入力部は、前記所定の範囲内を移動する発話者に装着されていることを特徴とする請求項１〜３のいずれか一つに記載の雑音低減処理装置。
前記フィルタ処理手段は、算出された前記平均スペクトルから逆スペクトル特性を有するフィルタを作成し、作成した前記フィルタを前記第１入力信号に乗ずることにより、前記第１入力信号から前記平均スペクトルの特性を差し引くことを特徴とする請求項１〜４のいずれか一つに記載の雑音低減処理装置。
所定の範囲内に存在し、抽出対象の音である抽出音と、前記抽出音以外の音である雑音とを含む第１入力信号が入力される第１音入力部と、前記所定の範囲内に存在し、前記雑音を示す第２入力信号が入力される第２音入力部と、を備えた雑音低減処理装置で実行される雑音低減処理方法において、
前記第１音入力部と前記第２音入力部との距離および音速に基づいて、前記第１音入力部への前記雑音の到達時間と、前記第２音入力部への前記雑音の到達時間との差である到達時間差が最小値から最大値となる区間を算出し、算出した前記区間における前記第２入力信号の平均スペクトルを算出する平均スペクトル算出ステップと、
前記第１入力信号から、算出された前記平均スペクトルの特性を差し引くことにより前記第１入力信号の前記雑音を低減するフィルタ処理ステップと、
を含むことを特徴とする雑音低減処理方法。