JP5898515B2 - 半導体装置及び音声通信装置 - Google Patents

Description

本発明は、半導体装置及び音声通信装置に関し、特に、音声信号と雑音とを含む入力信号から雑音を除去するための処理を行う半導体装置に適用して、有効な技術に関する。

携帯電話や電話会議システム等の音声通信機器において、雑音を低減することは非常に重要である。携帯電話等の音声通信機器の多くは、背景雑音（環境雑音）を除去するための技術が適用されている。例えば、音声信号と背景雑音とを含む信号から背景雑音を除去するための従来技術として、特許文献１及び２に開示がある。

特許文献１には、音質を損なうことなく背景雑音を除去するために、入力信号から背景雑音の急峻な変化成分を取り除いた推定背景雑音を除去するとともに、Ｓ／Ｎ比が小さい周波数帯域に対しては背景雑音の急峻な変化分を含む再更新推定背景雑音を除去する雑音除去技術が開示されている。また、特許文献２には、音声信号と背景雑音とを含む信号から背景雑音を除去する背景雑音除去装置において、過去の雑音区間の帯域スペクトルに基づいて算出した帯域別Ｓ／Ｎ比に基づいて、現在のフレーム信号が音声区間又は雑音区間の何れかであるかを判定する技術が開示されている。

特開平１０−１７１４９７号公報 特開平２００１−２６５３６７号公報

背景雑音を除去する装置では、入力信号に音声信号が含まれているか否かを検出する処理（以下、雑音判定処理、とも称する。）を行った後に、音声と雑音とを区別して雑音を抑圧する処理が行われることが多い。前記雑音判定処理では、例えば、音声であるか雑音であるかを判定するための判定基準を用いて、入力信号に音声信号が含まれるか否かが判定される。従来、その判定に用いられる判定基準は、背景雑音を基に決定されていた。例えば、携帯電話の既存のエコーキャンセラ技術が適用されたノイズサプレッサでは、雑音判定処理に用いられる判定基準は、想定される使用環境のうち一般的な使用環境における背景雑音に対する入力信号を表すＳ／Ｎ比（例えば、２２ｄＢ）を基に決定される。

他方、音声通信機器の通信時の音質は、背景雑音のような線形な雑音（加法性の雑音）の他に、音声信号の符号化による音声信号自体の歪みや、話者とマイクとの間に存在する障害物（例えば、マスクやヘルメット等）による音声信号自体の歪みによっても劣化する。このような背景雑音以外の雑音を含む入力信号に対して、従来のように背景雑音のみを考慮して決定された判定基準を用いて雑音判定処理を行った場合、音声であるにも関わらず雑音であると誤って判定される虞があることを、本願発明者は見出した。例えば、コーデックによる低ビットレートの符号化により音声信号が劣化し、背景雑音以外の雑音が想定される背景雑音よりも大きくなった場合、想定される背景雑音を基に決定した判定基準を用いて雑音判定処理を行うと、音声であるにも関わらず雑音であると誤って判定され、音声が不当に抑圧される虞がある。例えば、通話音声に背景雑音以外の雑音が存在し、背景雑音以外の音声のＳ／Ｎ比が１７ｄＢである場合に、背景雑音を基に決定した雑音判定基準（２２ｄＢ）を用いて雑音判定処理を行うと、１７ｄＢより大きく２２ｄＢより小さい範囲の入力信号は、音声信号を含む可能性が高いにも関わらず、雑音と判定される虞がある。このような音声信号の歪みに基づく雑音について、特許文献２では特に考慮されていない。

また、特許文献１の記載の技術等を適用して入力信号から雑音を抑圧する処理を行ったとしても、背景雑音以外の雑音成分を抑圧することはできないため、雑音除去としては不十分であると、本願発明者は考えた。

本発明の目的は、より高精度な雑音除去を実現するための技術を提供することにある。

本発明の前記並びにその他の目的と新規な特徴は本明細書の記述及び添付図面から明らかになるであろう。

本願において開示される発明のうち代表的なものの概要を簡単に説明すれば下記のとおりである。

すなわち、本半導体装置は、符号化された入力信号を復号する復号部と、前記入力信号に音声信号が含まれるか否かの判定を行う判定部と、前記判定部による判定結果に基づいて前記入力信号に含まれる雑音成分を抑圧するための抑圧処理を行う抑圧部と、前記判定に用いられる判定基準値として音声信号の歪に基づく雑音に対する音声信号の割合を規定する第１基準値を格納するための第１記憶部とを有する。

本願において開示される発明のうち代表的なものによって得られる効果を簡単に説明すれば下記のとおりである。

すなわち、本半導体装置によれば、より高精度な雑音除去を実現することができる。

図１は、音声再生時に入力信号に含まれる雑音成分を抑圧するための雑音抑圧処理を行う音声処理装置を搭載した携帯電話端末を例示する説明図である。 図２は、音声処理部１０による信号処理の流れを例示する説明図である。 図３は、音声処理部１０の内部構成を例示するブロック図である。 図４は、背景雑音判定基準ＳＮＲ１の種類を例示する説明図である。 図５は、特有雑音判定基準ＳＮＲ２の種類を例示する説明図である。 図６は、特有雑音テーブルを例示する説明図である。 図７は、特有雑音テーブルの種類を例示する説明図である。 図８は、音声処理部１０による雑音抑圧処理の流れを例示する流れ図である。 図９は、雑音判定処理の流れを例示する流れ図である。 図１０は、実施の形態２に係る音声処理部の内部構成を例示するブロック図である。 図１１は、音声処理部２０による雑音抑圧処理の流れを例示する流れ図である。 図１２は、実施の形態３に係る音声処理部の内部構成を例示するブロック図である。 図１３は、音声処理部３０による雑音抑圧処理の流れを例示する流れ図である。 図１４は、実施の形態４に係る音声処理部の内部構成を例示するブロック図である。 図１５は、音声処理部４０による雑音抑圧処理の流れを例示する流れ図である。

１．実施の形態の概要
先ず、本願において開示される発明の代表的な実施の形態について概要を説明する。代表的な実施の形態についての概要説明で括弧を付して参照する図面中の参照符号はそれが付された構成要素の概念に含まれるものを例示するに過ぎない。

〔１〕（音声の歪に起因する雑音を考慮して音声を検出する半導体装置）
本発明の代表的な実施の形態に係る半導体装置（３）は、符号化された入力信号を復号する復号部（１１）と、前記入力信号に音声信号が含まれるか否かの判定を行う判定部（１００１、４００１）と、前記判定部による判定結果に基づいて前記復号部によって復号された入力信号に含まれる雑音成分を抑圧するための抑圧処理を行う抑圧部（１００２、１００３）とを有する。前記半導体装置は更に、前記判定に用いられる判定基準値として音声信号の歪に基づく雑音（特有雑音）に対する音声信号の割合を規定する第１基準値（ＳＮＲ２）を格納するための第１記憶部（１０７、２０８）を有する。

項１の半導体装置によれば、前記判定の判定基準値として前記第１基準値を用いることができるから、例えば、音声信号の歪に基づく雑音が想定される背景雑音よりも大きくなった場合であっても、背景雑音のみを考慮した判定基準値を用いる場合に比べて、音声信号が雑音であると誤判定される確率が低くなり、雑音除去の精度を高めることができる。

〔２〕（最も小さい基準値を選択して判定基準とする）
項１の半導体装置は、前記判定部による判定の判定基準値として、背景雑音に対する音声信号の割合を規定する第２基準値（ＳＮＲ１）を格納するための第２記憶部（１０５、２０８）と、前記第１記憶部に格納された前記第１基準値と前記第２記憶部に格納された前記第２基準値のうち最も小さい基準値を選択する選択部（１０８）とを更に有する。また、項１の半導体装置において、前記判定部は、前記選択部によって選択された基準値を用いて前記判定を行う。

これによれば、前記第１記憶部及び前記第２記憶部に設定された基準値に応じて、前記判定に適した判定基準値を選択することが容易となる。

〔３〕（背景雑音の大きさに応じて判定基準をダイナミックに決定する）
項２の半導体装置は、前記復号された入力信号に含まれる背景雑音の信号レベルに基づいて前記第２基準値を算出するとともに、前記第２記憶部の値を更新する更新部（３０４）を、更に有する。

これによれば、入力信号に含まれる背景雑音の信号レベルが変化した場合であっても、前記判定に適した判定基準値を選択することが可能となる。

〔４〕（判定方法）
項２又は３の半導体装置において、前記判定部は、前記入力信号の信号レベルが前記判定基準値に基づいて決定された判定閾値（雑音レベル×雑音判定基準ＳＮＲ）よりも大きい場合には、前記入力信号に音声信号が含まれると判定し、前記入力信号の信号レベルが前記判定閾値よりも小さい場合には、前記入力信号に音声信号が含まれないと判定する。

〔５〕（音声を含む信号から、背景雑音と前記音声歪に基づく雑音とを抑圧する処理を行う）
項１乃至４の何れかの半導体装置において、前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号に対して、前記背景雑音を抑圧するための処理を行うとともに、前記音声信号の歪に基づく雑音を抑圧するための処理を行う。

これによれば、背景雑音のみならず音声信号の歪に基づく雑音も抑圧するから、音質をより向上させることができる。

〔６〕（抑圧処理に用いる基準値（雑音テーブル））
項１乃至５の何れかの半導体装置は、背景雑音の抑圧量の基準となる第３基準値（背景雑音テーブル）を格納するための第３記憶部（１０３）と、音声信号の歪に基づく雑音の抑圧量の基準となる第４基準値（特有雑音テーブル）を格納するための第４記憶部（１０９）と、を更に有する。当該半導体装置において、前記抑圧部は、前記判定部によって音声信号が含まれると判定された場合には、前記入力信号から前記第３基準値に応じた抑圧量を減算するとともに前記第４基準値に応じた抑圧量を減算するための処理を行い、前記判定部によって音声信号が含まれないと判定された場合には、前記入力信号から第３基準値に基づく抑圧量を減算するための処理を行う。

これによれば、背景雑音に加えて、音声信号の歪に基づく雑音を容易に抑圧することができる。

〔７〕（有声音について音声歪に基づく雑音を抑圧する）
項５又は６の半導体装置において、前記抑圧部は、前記判定部（４００１）によって音声信号が含まれると判定された入力信号のうち有声音に係る音声信号を含む入力信号に対して、前記第３基準値に応じた抑圧量及び前記第４基準値に応じた抑圧量を減算するための処理を行う。

これによれば、無声音に対して前記第４基準値に応じた雑音の抑圧を行わないから、音声信号の歪に基づく雑音が無声音に近い信号波形を有する場合であっても、無声音を含む音声信号に悪影響を及ぼさない。

〔８〕（音声の符号化方式に応じた雑音）
項１乃至７の何れかの半導体装置において、前記音声信号の歪に基づく雑音は、前記符号化に基づく雑音である。

これによれば、背景雑音のみならずコーデックの符号化に基づく雑音を考慮した雑音抑圧が可能となるから、例えばコーデックによる符号化のビットレートが低く音声信号の歪が大きい場合であっても、音質をより向上させることができる。

〔９〕（音声の歪に基づく雑音を考慮して音声を検出する音声通信装置）
本発明の代表的な実施の形態に係る音声通信装置（１）は、符号化された入力信号を受信するための受信部（１２）と、前記受信部によって受信された入力信号を復号する復号部（１１）と、前記復号部によって復号された入力信号に含まれる雑音を抑圧するための処理を行う抑圧処理部（１００、４００）と、を有する。前記抑圧処理部は、前記入力信号に音声信号が含まれるか否かの判定を行う判定部（１００１）と、前記判定部による判定結果に基づいて、前記入力信号に含まれる雑音成分を抑圧するための抑圧処理を行う抑圧部（１００２、１００３）とを有する。更に、前記抑圧処理部は、前記判定のための判定基準値として、音声信号の歪に基づく雑音に対する音声信号の割合を規定する第１基準値（ＳＮＲ２）を格納するための第１記憶部（１０７、２０８）と、を有する。

これによれば、項１と同様に、音声通信装置による雑音除去の精度を高めることができる。

〔１０〕（最も小さい基準値を選択して判定基準とする）
項９の音声通信装置において、前記抑圧処理部は、前記判定部による判定の判定基準値として、背景雑音に対する音声信号の割合を規定する第２基準値（ＳＮＲ１）を格納するための第２記憶部（１０５）と、前記第１記憶部に格納された前記第１基準値と前記第２記憶部に格納された前記第２基準値のうち、最も小さい基準値を選択する選択部（１０８）と、を更に有する。また、前記判定部は、前記選択部によって選択された基準値を用いて前記判定を行う。

これによれば、項２と同様に、前記判定に適した判定基準値を選択することが可能となる。

〔１１〕（背景雑音の大きさに応じて判定基準をダイナミックに決定する）
項１０の音声通信装置において、前記抑圧処理部は、前記復号された入力信号に含まれる背景雑音の信号レベルに基づいて前記第２基準値を算出するとともに、前記第２記憶部の値を更新する更新部（３０４）を、更に有する。

これによれば、項３と同様に、前記判定に適した判定基準値を選択することが可能となる。

〔１２〕（判定方法）
項１０又は１１の音声通信装置において、前記判定部は、前記入力信号の信号レベルが、前記判定基準値に基づいて決定された判定閾値（雑音レベル×雑音判定基準ＳＮＲ）よりも大きい場合には、前記入力信号に音声信号が含まれると判定し、前記入力信号の信号レベルが前記判定閾値よりも小さい場合には、前記入力信号に音声信号が含まれないと判定する。但し、音声信号が含まれないと判定された場合も、時間軸上での判定結果が音声信号を含むと判定された場合は、音声信号は含まれると判定する。

〔１３〕（音声を含む信号から、背景雑音と前記音声歪に基づく雑音とを抑圧する処理を行う）
項９乃至１２の何れかの音声通信装置において、前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号に対して、前記背景雑音を抑圧するための処理を行うとともに、前記音声信号の歪に基づく雑音を抑圧するための処理を行う。

これによれば、背景雑音のみならず音声信号の歪に基づく雑音も抑圧するから、音質をより向上させることができる。

〔１４〕（抑圧処理に用いる基準値）
項９乃至１３の何れかの音声通信装置において、前記抑圧処理部は、背景雑音の抑圧量の基準となる第３基準値（背景雑音テーブル）を格納するための第３記憶部（１０３）と、音声信号の歪に基づく雑音の抑圧量の基準となる第４基準値（特有雑音テーブル）を格納するための第４記憶部（１０９）と、を更に有する。また、前記抑圧部は、前記判定部によって音声信号が含まれると判定された場合には、前記入力信号から前記第３基準値に応じた抑圧量を減算するとともに前記第４基準値に応じた抑圧量を減算するための処理を行い、前記判定部によって音声信号が含まれないと判定された場合には、前記入力信号から第３基準値に応じた抑圧量を減算するための処理を行う。

これによれば、項６と同様に、音声信号の歪に基づく雑音を容易に抑圧することができる。

〔１５〕（有声音について音声歪に基づく雑音を抑圧する）
項１３又は１４の音声通信装置において、前記抑圧部は、前記判定部（４００１）によって音声信号が含まれると判定された入力信号のうち有声音に係る音声信号を含む入力信号に対して、前記第３基準値に応じた信号成分及び前記第４基準値に応じた信号成分を抑圧するための処理を行う。

これによれば、項７と同様に、雑音を抑圧するための処理によって無声音を含む音声信号に悪影響を及ぼさない。

〔１６〕（音声の符号化方式に応じた雑音）
項９乃至１５の何れかの音声通信装置において、前記音声信号の歪に基づく雑音は、前記符号化に基づく雑音である。

これによれば、背景雑音のみならず、コーデックの符号化に基づく雑音を考慮した抑圧処理が可能となる。

〔１７〕（音声の歪に起因する雑音を抑圧する半導体装置）
本発明の代表的な実施の形態に係る別の半導体装置（３）は、符号化された入力信号を復号する復号部（１１）と、前記復号部によって復号された入力信号に含まれる雑音を抑圧するための抑圧処理を行う抑圧処理部（１００、４００）と、前記抑圧処理で用いられる、前記復号された入力信号に含まれる雑音のうち音声信号の歪に基づく雑音を抑圧するための基準値（ＳＮＲ２、特有雑音テーブル）を格納するための記憶部（１０７、２０８、１０９）と、を有する。

これによれば、音声信号の歪に基づく雑音を考慮した抑圧処理が可能となるから、背景雑音のみを考慮する場合に比べて雑音除去の精度を高めることができる。

〔１８〕（音声の符号化方式に応じた雑音）
項１７の半導体装置において、前記音声信号の歪に基づく雑音は前記符号化に基づく雑音である。

これによれば、項８と同様に、より音質を向上させることができる。

〔１９〕（有声音について音声歪に基づく雑音を抑圧する）
項１８の半導体装置において、前記抑圧処理部（４００）は、前記復号部によって復号された入力信号のうち有声音に係る音声信号を含む入力信号に対して、音声信号の歪に基づく雑音を抑圧するための処理を行う。

これによれば、項７と同様に、雑音を抑圧するための処理によって無声音を含む音声信号に悪影響を及ぼさない。

２．実施の形態の詳細
実施の形態について更に詳述する。

《実施の形態１》
図１に、音声通信装置の一実施の形態として、音声再生時に入力信号に含まれる雑音成分を除去するための雑音抑圧処理を行う音声処理装置を搭載した携帯電話端末を例示する。同図において、携帯電話端末１に搭載される音声処理装置３は、特に制限されないが、公知のＣＭＯＳ集積回路の製造技術によって１個の単結晶シリコンのような半導体基板に形成される。

図１を用いて、携帯電話端末２から送信された音声通信データを携帯電話端末１が受信して再生する場合の処理の流れを簡単に説明する。なお、同図には当該処理の内容を説明するために必要な機能ブロックのみを図示しており、携帯電話端末１が音声通信データの送信のための機能部（送信部やエンコーダ等）を備えることや、携帯電話端末２が音声通信データの受信のための機能部（音声処理部や受信部等）を備えることは言うまでもない。

先ず、話者から発せられた音声が携帯電話端末２に内蔵されたマイクロフォンによって電気信号に変換される。このとき、話者が存在する周辺環境からの背景雑音もマクロフォンに入力されるため、音声と背景雑音を含んだ音が電気信号に変換される。マイクロフォンによって生成された電気信号は、エンコーダによって符号化される。特に制限されないが、エンコーダによる音声符号化の方式は、例えば、ＡＭＲやＡＤＰＣＭ（ａｄａｐｔｉｖｅ ｄｉｆｆｅｒｅｎｔｉａｌ ｐｕｌｓｅ ｃｏｄｅ ｍｏｄｕｌａｔｉｏｎ）方式のＧ．７２６等である。エンコーダによる符号化処理によって生成された符号データは送信部２１によって所定の伝送方式に従って送信される。

携帯電話端末１は、携帯電話端末２から送信された符号データを受信部１２を介して受信する。デコーダ１１は、受信された符号データを復号するための復号処理を行い、ＰＣＭデータを生成する。音声処理部１０は、前記ＰＣＭデータに基づいて、音声再生のための各種信号処理を行い、スピーカを介して音声を再生する。

図２に、音声処理部１０による信号処理の流れを例示する。同図に示されるように、デコーダ１１から出力されたＰＣＭデータは、メモリ（バッファメモリ）に一旦格納される。メモリに格納されたＰＣＭデータは、所定のデータ単位で順次読み出されて各種信号処理が行われる。例えば、８０サンプルを１フレームとしたデータ単位毎に信号処理が行われる。先ず、ＰＣＭデータに含まれるＤＣ成分が抑圧される。その後、ＰＣＭデータに含まれる雑音成分を抑圧するために雑音抑圧処理が行われる。そして、音質を補正するために信号の周波数特性を補正する処理が行われる。最後に音声信号の出力レベルが適切な大きさになるようにゲイン調整が行われる。

以下、音声処理部１０による雑音抑圧処理について図を用いて詳細に説明する。

図３は、音声処理部１０の内部構成を例示するブロック図である。同図には、説明の便宜上、雑音抑圧処理に係る機能ブロックのみを図示する。同図に示されるように、音声処理部１０は、雑音抑圧部１００、エネルギー計算部１０１、背景雑音テーブル更新部１０２、背景雑音テーブル保持部１０３、背景雑音判定基準選択部１０４、背景雑音判定基準保持部１０５、特有雑音判定基準保持部１０７、特有雑音選択部１０６、特有雑音テーブル保持部１０９、及び雑音判定基準選択部１０８を備える。これらの機能部のうち、雑音抑圧部１００、エネルギー計算部１０１、背景雑音テーブル更新部１０２、背景雑音判定基準選択部１０４、特有雑音選択部１０６、及び雑音判定基準選択部１０８は、例えば、ＣＰＵ等のプログラム処理装置がＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に格納されたプログラムを実行することによって実現される機能実現手段の一部である。

音声処理部１０による雑音抑圧処理は、雑音抑圧部１００によって行われ、その処理内容は大きく２つに大別される。１つは、入力した１フレームのＰＣＭデータ（以下、単に、入力信号とも称する。）に音声信号が含まれるか否かを判定する判定処理であり、もう１つは、前記判定結果に基づいて入力信号に含まれる雑音を抑圧するための抑圧処理である。

先ず、前記判定処理について詳細に説明する。判定処理は判定処理部１００１によって行われる。判定処理部１００１が行う判定処理として、時間軸上で行う判定処理と周波数軸上で行う判定処理の２つの処理がある。本明細書では、時間軸上で行う判定処理を「有音／無音判定処理」と表記し、周波数軸上で行う判定処理を「雑音判定処理」と表記して２つの判定処理を区別し、以下では特に雑音判定処理を中心に説明する。

判定処理部１００１は、先ず、入力信号に対して高速フーリエ変換（ＦＦＴ）演算を行い、時間の関数で表される時間軸信号を周波数軸上の信号（スペクトル信号）に変換する。次に、判定処理部１００１は、当該変換した入力信号に対して雑音判定基準ＳＮＲを用いて雑音判定処理を行うことにより、当該入力信号に音声信号が含まれるか否かを判別する。前記雑音判定基準ＳＮＲは、雑音と音声とを判別するための閾値を決めるための情報であり、例えば、“２０ｌｏｇ（Ｐｓ／Ｐｎ）”で表される値である。ここで、Ｐｓは音声信号の信号電圧（又は信号電流）であり、Ｐｎは雑音の信号電圧（又は信号電流）である。判定処理部１００１は、雑音の信号レベルに雑音判定基準ＳＮＲを乗算した値と入力信号の信号レベルとを比較し、入力信号の方が大きければ音声フレームと判定し、入力信号の方が小さければ雑音フレームと判定する処理を行う。例えば雑音判定基準ＳＮＲの値が２２ｄＢ（振幅比：１３）である場合、判定処理部１００１は、雑音の信号レベルに対する入力信号の信号レベルが２２ｄＢ以上であるか否かを判別する。すなわち、判定処理部１００１は、入力信号が雑音の１３倍以上の信号レベルであれば、当該入力信号は音声信号を含むフレーム（音声フレーム）であると判定し、そうでなければ、当該入力信号は音声信号を含まないフレーム（雑音フレーム）であると判定する。

上記の判定処理部１００１による判定処理において、どのような雑音判定基準を用いるかが問題となる。例えば、背景雑音のみを考慮する場合、雑音の少ない静かな環境では背景雑音に対する音声信号のＳ／Ｎ比が大きくなるので、Ｓ／Ｎ比の大きい雑音判定基準（大きな閾値）を用いて判定処理を行い、逆に騒がしい環境では背景雑音に対する音声信号のＳ／Ｎ比が小さくなるので、Ｓ／Ｎ比の小さい雑音判定基準（小さな閾値）を用いて判定処理を行う。これによれば、通話環境の変化による判定精度の低下を抑えることができる。しかしながら、前述したように、入力信号には背景雑音のような線形な雑音成分の他に、音声信号の歪みに基づく雑音（以下、特有雑音、と称する。）も含まれる。例えば、特有雑音には、コーデックの符号化方式やビットレート及び圧縮率等に起因する音声信号の歪みに基づく雑音や、話者とマイクロフォンとの間に存在するマスクやヘルメット等の障害物による音声信号の歪みに基づく雑音等が含まれる。そのため、前述したように、コーデックによる低ビットレートの符号化等により音声信号が大きく歪み、特有雑音が想定される背景雑音よりも大きくなった場合に、背景雑音を基に決定した雑音判定基準を用いて雑音判定処理を行うと、音声フレームであるにも関わらず雑音フレームであると誤って判定され、後段の抑圧処理で音声信号が不当に抑圧される虞がある。そこで、本実施の形態に係る音声処理部１０では、背景雑音のみならず特有雑音を考慮して、雑音判定処理を行う。具体的には、背景雑音に対する音声信号のＳ／Ｎ比を表す背景雑音判定基準ＳＮＲ１と、特有雑音に対する音声信号のＳ／Ｎ比を表す特有雑音判定基準ＳＮＲ２のうち、最も小さい雑音判定基準を用いて雑音判定処理を行う。

先ず、背景雑音判定基準ＳＮＲ１について詳細に説明する。

図４に、背景雑音判定基準ＳＮＲ１を例示する。同図に示されるように、背景雑音判定基準ＳＮＲ１は、想定される通話環境に応じて複数用意される。例えば、静かな室内のような静かな通話環境を想定した雑音判定基準ＳＮＲ１＿０（＝４５ｄＢ）や、通常の室内のような一般的な通話環境を想定した雑音判定基準ＳＮＲ１＿１（＝２２ｄＢ）、大きな騒音を想定した雑音判定基準ＳＮＲ１＿ｎ（＝６ｄＢ）等である。これらの雑音判定基準ＳＮＲ１＿０〜ＳＮＲ１＿ｎ（ｎは１以上の整数）の情報は、例えば、背景雑音判定基準保持部１０５に保持される。背景雑音判定基準保持部１０５は、データを格納するための記憶領域を有する記憶装置であり、例えばメモリ等から構成される。背景雑音判定基準ＳＮＲ１として何れの情報を用いるかは、例えばＮ／Ｓ調整モード信号によって決定される。前記Ｎ／Ｓ調整モード信号は、背景雑音判定基準ＳＮＲ１を指示する信号であり、例えば外部又はユーザインタフェースを介して入力される。具体的には、背景雑音判定基準選択部１０４が、Ｎ／Ｓ調整モード信号によって指示された値に対応した背景雑音判定基準ＳＮＲ１＿０〜ＳＮＲ１＿ｎを背景雑音判定基準保持部１０５から選択して読み出し、背景雑音判定基準ＳＮＲ１として雑音判定基準選択部１０８に与える。例えば、Ｎ／Ｓ調整モード信号によって指定されたパラメータ値が“１”である場合、背景雑音判定基準選択部１０４は、背景雑音判定基準ＳＮＲ１＿１（＝２２ｄＢ）を選択し、その情報を背景雑音判定基準ＳＮＲ１として雑音判定基準選択部１０８に与える。

次に特有雑音判定基準ＳＮＲ２について説明する。

前述したように、コーデックによる符号化等によって音声信号は歪む。本願発明者は、その音声信号の歪を、コーデックの符号化方式やビットレート及び圧縮率等に依存し、音声信号に依存しない雑音成分としてモデル化することができることを発見した。例えば、所定の符号化方式、且つ所定のビットレートで符号化された音声信号に含まれる特有雑音成分は、何らかの形状の雑音成分としてモデル化（数値化）することができる。例えば、周波数に依存しない白色雑音形状の雑音成分、パルス形状の雑音成分、或いは周波数毎に特定比率で重み付けされた白色雑音形状の雑音成分等である。本実施の形態では、このモデル化した特有雑音に基づいて特有雑音判定基準ＳＮＲ２を予め算出しておき、算出した特有雑音判定基準ＳＮＲ２を音声処理装置内の記憶装置に格納しておく。

図５に、特有雑音判定基準ＳＮＲ２の種類を例示する。同図に示されるように、特有雑音判定基準ＳＮＲ２は、想定される特有雑音に応じて複数用意される。例えば、コーデックによる符号化方式がＧ．７２６であってビットレートが２４ｋｂｉｔ／ｓである場合の雑音判定基準ＳＮＲ２＿２、マスク使用時の通話を想定した雑音判定基準ＳＮＲ２＿５等である。これらの雑音判定基準ＳＮＲ２＿０〜ＳＮＲ２＿ｍは、以下の方法で算出される。例えば、設計段階で行ったシミュレーション結果や実機の評価結果を基に把握した特有雑音の特性から特有雑音成分をモデル化する。そしてモデル化した特有雑音成分の平均エネルギーを算出し、その平均エネルギーに基づいて、特有雑音判定基準を算出する。特有雑音判定基準は、例えば、半導体装置の設計段階又は携帯電話端末の製造段階で算出され、特有雑音判定基準保持部１０７に格納される。特有雑音判定基準保持部１０７は、データを格納するための記憶領域を有する記憶装置であり、例えばメモリ等から構成される。雑音判定基準ＳＮＲ２として何れの情報を用いるかは、例えば特有雑音選択信号によって決定される。前記特有雑音選択信号は、考慮すべき特有雑音を指示する信号であり、例えば外部又はユーザインタフェースを介して入力される。具体的には、特有雑音選択部１０６が、特有雑音選択信号によって指定されたパラメータ値に対応した特有雑音判定基準ＳＮＲ２＿０〜ＳＮＲ２＿ｍの情報を特有雑音判定基準保持部１０７から読み出し、特有雑音判定基準ＳＮＲ２として雑音判定基準選択部１０８に与える。例えば、特有雑音選択信号によってパラメータ値“０”とパラメータ値“５”が指定された場合には、特有雑音選択部１０６は、特有雑音判定基準ＳＮＲ２＿０と特有雑音判定基準ＳＮＲ２＿５を選択して雑音判定基準選択部１０８に与える。

雑音判定基準選択部１０８は、背景雑音判定基準選択部１０４によって選択された背景雑音判定基準ＳＮＲ１と、特有雑音選択部１０６によって選択された特有雑音判定基準ＳＮＲ２とを入力し、入力した雑音判定基準のうち最も小さい雑音判定基準を選択して判定処理部１００１に与える。ここで、雑音判定基準選択部１０８による雑音判定基準の決定方法を式で表すと、下記（式１）のようになる。（式１）において、Ｐｓは音声信号の信号電圧（又は信号電流）であり、Ｐｎ＿０〜Ｐｎ＿ｍ（ｍは１以上の整数）は特有雑音の信号電圧（又は信号電流）であり、Ｐｂは背景雑音の信号電圧（又は信号電流）である。（式１）の決定方法によれば、例えば、背景雑音判定基準ＳＮＲ１＿１、特有雑音判定基準ＳＮＲ２＿０、及び特有雑音判定基準ＳＮＲ２＿５が雑音判定基準選択部１０８に入力された場合に、特有雑音判定基準ＳＮＲ２＿０の値が最も小さければ、特有雑音判定基準ＳＮＲ２＿０が選択されて判定処理部１００１に与えられる。判定処理部１００１は、雑音判定基準選択部１０８によって選択された雑音判定基準に用いて、上述した方法により雑音判定処理を行う。

これによれば、例えば低ビットレートの符号化等により音声信号が大きく歪み、その歪に応じた特有雑音が想定される背景雑音よりも大きくなった場合であっても、最も小さい雑音判定基準を用いて雑音判定処理が行われるから、音声信号を含むフレームが雑音フレームであると誤って判定される確率が低くなる。

次に、抑圧処理について詳細に説明する。抑圧処理は、入力信号が音声フレームであるか否かによって処理内容が異なる。具体的には、前記雑音判定処理で音声フレームと判定された入力信号に対しては特有雑音を抑圧する特有雑音抑圧処理と背景雑音を抑圧する背景雑音抑圧処理とが行われ、他方、雑音フレームと判定された入力信号に対しては背景雑音抑圧処理が行われる。

特有雑音抑圧処理について説明する。判定処理部１００１によって音声フレームと判定された入力信号のスペクトル信号は、特有雑音抑圧処理部１００２に入力される。ここで、前記スペクトル信号は、例えば８１個の周波数帯域毎のスペクトルデータを含むデータ構成とされる。特有雑音抑圧処理部１００２は、特有雑音テーブルの値に基づいて、前記スペクトル信号に対して特有雑音抑圧処理を行う。

図６は、特有雑音テーブルを例示する説明図である。同図に示されるように、特有雑音テーブルは、例えば、特有雑音の大きさを表すスペクトルデータが８１分割された周波数帯域毎に格納されたデータ構成とされる。なお、上記８１個という個数は、雑音抑圧処理におけるＦＦＴ演算の周波数ポイント数に対応した個数であればよく、その数に特に制限はない。各周波数帯域のスペクトルデータは、例えば、設計段階で行ったシミュレーション結果や実機の評価結果を基に把握した特有雑音の特性から、周波数帯域毎に特有雑音をモデル化（数値化）したデータである。本実施の形態では、想定される特有雑音の種類毎に特有雑音テーブルを予め作成しておき、作成した特有雑音テーブルを音声処理装置内の記憶装置に格納しておく。

図７に、特有雑音テーブルの種類を例示する。同図に示されるように、特有雑音テーブルＮＴ２は、想定される特有雑音に応じて複数用意される。例えば、コーデックによる符号化方式がＧ．７２６であってビットレートが２４ｋｂｉｔ／ｓである場合の特有雑音テーブルＮＴ２＿０、マスク使用時の通話を想定した特有雑音テーブルＮＴ２＿５等である。これらの特有雑音テーブルＮＴ２＿０〜ＮＴ２＿ｍの情報は、例えば、特有雑音テーブル保持部１０９に保持される。特有雑音テーブル保持部１０９は、データを格納するための記憶領域を有する記憶装置であり、例えばメモリ等から構成される。特有雑音抑圧処理において、何れの特有雑音テーブルを用いるかは、例えば特有雑音選択信号によって決定される。特有雑音抑圧処理部１００２は、特有雑音選択信号によって指定されたパラメータ値に対応した特有雑音テーブルＮＴ２＿０〜ＮＴ２＿ｍを特有雑音テーブル保持部１０９から読み出し、読み出したテーブルを用いて特有雑音抑圧処理を行い、入力信号から特有雑音成分を取り除く。具体的には、特有雑音抑圧処理部１００２は、入力信号のスペクトルデータの値から、特有雑音選択信号によって指定された特有雑音テーブルのスペクトルデータの値を減算する処理を行う。当該減算処理は、８１個の周波数帯域毎に行われる。

背景雑音抑圧処理について説明する。判定処理部１００１によって雑音フレームと判定された入力信号（スペクトル信号）は、特有雑音抑圧処理部１００２を介さずに、背景雑音抑圧処理部１００３に入力される。また、特定雑音抑圧処理部１００２によって特有雑音成分が抑圧された音声フレームの入力信号（スペクトル信号）も、背景雑音抑圧処理部１００３に入力される。背景雑音抑圧処理部１００３は、入力されたスペクトル信号に対して背景雑音抑圧処理を行う。具体的には、背景雑音抑圧処理部１００３は、背景雑音テーブル保持部１０３から背景雑音テーブルの値を読み出すとともに、当該読み出したテーブルの値に所定の係数を乗じた値を、入力されたスペクトル信号から減算する処理を行う。当該減算処理は、周波数帯域毎に行われる。前記背景雑音テーブルは、例えば、前記図６で示した特有雑音テーブルのように背景雑音の大きさを表すスペクトルデータが８１分割された周波数帯域毎に格納されたデータ構成とされ、背景雑音テーブル保持部１０３に格納される。背景雑音テーブル保持部１０３は、データを格納するための記憶領域を有する記憶装置であり、例えばメモリ等から構成される。前記所定の係数は、背景雑音の減算量を加減する係数であり、例えば入力信号が音声フレームであるか否かによって異なる値とされる。例えば、雑音フレームと判定された入力信号に対しては、前記所定の係数を大きな値とすることで抑圧量を大きくし、他方、音声フレームと判定された入力信号に対しては、前記所定の係数を小さな値とすることで抑圧量を小さくする。背景雑音抑圧処理部１００３は、背景雑音抑圧処理が完了したスペクトル信号に対して逆高速フーリエ変換（ＩＦＦＴ）演算を行い、時間の関数で表される時間軸信号に逆変換する。逆変換された入力信号は、周波数特性の調整やゲイン調整等を行う機能部に入力され、最終的にスピーカによって再生される。

ここで、背景雑音テーブルの生成方法について説明する。背景雑音テーブル更新部１０２は、通話開始直後の一定期間は入力信号に音声信号が含まれず背景雑音のみが含まれると想定し、システム起動後の所定期間を利用して背景雑音テーブルを作成する。具体的には、先ず、エネルギー計算回路１０１が通話開始直後の一定期間に入力された入力信号（１フレームのＰＣＭデータ）の平均エネルギーを算出する。次に、背景雑音テーブル更新部１０２が、算出された平均エネルギーに対してＦＦＴ演算処理を行い、８１個の周波数帯域毎のスペクトルデータを生成する。背景雑音テーブル更新部１０２は、生成したスペクトルデータを背景雑音テーブル保持部１０３に格納する。その後は、判定処理部１００１による雑音判定処理において入力信号が雑音フレームであると判定され、かつ雑音期間が一定期間以上継続した場合に、背景雑音テーブル更新部１０２が当該入力信号の平均エネルギーに基づいて周波数帯域毎のスペクトルデータを生成し、背景雑音テーブル保持部１０３に格納された背景雑音テーブルを更新する。また、背景雑音テーブル更新の際、急激な背景雑音テーブルの変化が起こらないように更新する。これにより、通話環境の変化に応じて背景雑音テーブルを更新することができる。 音声処理部１０による雑音抑圧処理の流れについて詳細に説明する。

図８は、音声処理部１０による雑音抑圧処理の流れを例示する流れ図である。

携帯電話端末１と携帯電話端末２との間で通話が開始され、ＰＣＭデータがバッファメモリに格納されると、雑音抑圧処理が開始される。先ず、背景雑音判定基準ＳＮＲ１が決定される（Ｓ１０１）。具体的には、Ｎ／Ｓ調整モード信号が入力されると、背景雑音判定基準選択部１０４が、Ｎ／Ｓ調整モード信号で指定されたパラメータ値に対応する背景雑音判定基準ＳＮＲ１＿０〜１＿ｎを背景雑音判定基準保持部１０５から読み出し、雑音判定基準選択部１０８に与える。次に、特有雑音判定基準ＳＮＲ２が決定される（Ｓ１０２）。具体的には、特有雑音選択信号が入力されると、特有雑音選択部１０６が、特有雑音選択信号で指定されたパラメータ値に対応する特有雑音判定基準ＳＮＲ２＿０〜１＿ｍを特有雑音判定基準保持部１０７から読み出し、雑音判定基準選択部１０８に与える。

次に、ＤＣ成分が抑圧された１フレームのＰＣＭデータ（入力信号）が判定処理部１００１に入力されると、判定処理部１００１は、入力信号の平均エネルギーを算出する（Ｓ１０３）。判定処理部１００１は、算出した平均エネルギーに基づいて、入力信号に音声信号が含まれるか否かを判定する（Ｓ１０４）。当該判定処理は、時間軸上で行われる有音／無音判定処理である。有音／無音判定処理では、特に制限されないが、当該フレームの平均エネルギーと当該フレームの前に入力されたフレームの平均エネルギーとの相関に基づいて、音声信号の有無を判別する。

また、判定処理部１００１は、周波数軸上で行う雑音判定処理に用いる雑音判定基準ＳＮＲを決定する（Ｓ１０５）。具体的には、雑音判定基準選択部１０８が、入力された背景雑音判定基準ＳＮＲ１及び特有雑音判定基準ＳＮＲ２のうちの最も小さい雑音判定基準を選択して判定処理部１００１に与えることにより、雑音判定基準ＳＮＲが決定される。

次に、判定処理部１００１は、ステップ１０３で時間軸上の雑音判定処理が行われた入力信号に対してＦＦＴ演算処理を行い、スペクトル信号を生成する（Ｓ１０６）。当該スペクトル信号は、例えば８１個の周波数帯域毎のスペクトルデータを含む。次に、判定処理部１００１は、入力信号の信号レベル（入力信号レベル）と雑音の信号レベル（雑音レベル）を算出する（Ｓ１０７）。具体的には、判定処理部１００１が、入力信号に係る８１個の周波数帯域毎のスペクトルデータから、入力信号レベルを表す単一のデータを生成する。また、背景雑音テーブルが生成されている場合には、判定処理部１００１が、背景雑音テーブルにおける８１個の周波数帯域毎のスペクトルデータから、雑音レベルを表す単一のデータを生成する。その後の処理は、通話開始後一定期間が経過しているか否かによって分岐される（Ｓ１０８）。通話開始後一定期間が経過していない場合には、背景雑音テーブル更新部１０２が、前述した方法により、背景雑音テーブルを作成し、背景雑音テーブル保持部１０３に格納する（Ｓ１０９）。そして、判定処理部１００１は、前記ステップＳ１０６でスペクトル信号に変換された入力信号に対してＩＦＦＴ演算を行い、時間軸上の信号に逆変換する（Ｓ１１５）。逆変換された入力信号は、後段の周波数特性の補正を行う機能部に出力される（Ｓ１１６）。そして、通話が終了したか否かが判定され（Ｓ１１７）、通話が終了した場合には音声処理部１０における雑音抑圧処理が終了し、通話が終了していない場合には、前記ステップＳ１０３に移行する。すなわち、通話開始後一定期間が経過するまでに入力された入力信号は、背景雑音テーブルの作成に利用されるが、雑音抑圧処理は施されず、そのまま再生される。

一方、前記ステップＳ１０８において、通話開始後一定期間が経過した後の入力信号は、判定処理部１００１に入力され雑音判定処理が行われる（Ｓ１１０）。

図９は、雑音判定処理の流れを例示する流れ図である。先ず、判定処理部１００１は、雑音の信号レベルに雑音判定基準ＳＮＲを乗算した値と入力信号の信号レベルとを比較する（Ｓ１１０１）。具体的には、前記ステップ１０７で算出した雑音レベルと前記ステップＳ１０５で決定された雑音判定基準ＳＮＲとを乗算した値と、前記ステップＳ１０７で算出した入力信号レベルとを比較する。ステップＳ１１０１において、入力信号レベルの方が大きい場合には、判定処理部１００１は当該入力信号が音声フレームであると判定する（Ｓ１１０４）。一方、入力信号レベルの方が小さい場合には、判定処理部１００１は前記ステップＳ１０４の判定結果を参照する（Ｓ１１０２）。前記ステップＳ１０４で音声フレームと判定されている場合には、判定処理部１００１は、当該入力信号が音声フレームであると判定する（Ｓ１１０４）。前記ステップＳ１０４において雑音フレームと判定されている場合には、判定処理部１００１は、当該入力信号が雑音フレームであると判定する（Ｓ１１０３）。

上記ステップＳ１１０で入力信号が一定期間以上継続して雑音フレームであると判定された場合、その判定結果が背景雑音テーブル更新部１０２に通知され、背景雑音テーブル更新部１０２は、前述した方法により、背景雑音テーブルを更新する（Ｓ１１１）。そして、雑音フレームであると判定された入力信号は、背景雑音抑圧処理部１００３によって背景雑音成分が抑圧される（Ｓ１１４）。

上記ステップＳ１１０で入力信号が音声フレームであると判定された場合、特有雑音抑圧処理部１００２は、特有雑音選択信号で指定されたパラメータ値に対応する特有雑音テーブルの値を読み出す（Ｓ１１２）。そして、特有雑音抑圧処理部１００２は、読み出した特有雑音テーブルに基づいて特有雑音抑圧処理を行う（Ｓ１１３）。その後、特有雑音成分が抑圧されたスペクトル信号は、背景雑音抑圧処理部１００３によって更に背景雑音成分が抑圧される（Ｓ１１４）。背景雑音抑圧処理部１００３は、特有雑音成分及び背景雑音成分が抑圧されたスペクトル信号、又は背景雑音成分が抑圧されたスペクトル信号に対してＩＦＦＴ演算を行い、時間軸の信号に逆変換する（Ｓ１１５）。逆変換された入力信号は、後段の周波数特性の補正を行う機能部に出力される（Ｓ１１６）。そして、通話が終了したか否かが判定され（Ｓ１１７）、通話が終了した場合には音声処理部１０における雑音抑圧処理が終了し、通話が終了していない場合には前記ステップＳ１０３に再度移行し、通話が終了するまでステップＳ１０３〜ステップＳ１１６の処理が繰り返し行われる。

以上、実施の形態１によれば、背景雑音以外の雑音が存在する場合に、上記（式１）の決定方法に従って雑音判定基準値を決定することができるから、背景雑音のみに基づく雑音判定基準値を用いて雑音判定を行う方法に比べて、音声信号を含むフレームが雑音フレームであると誤って判定される確率を下げることができ、雑音判定処理の精度を高めることができる。更に、特有雑音抑圧処理を行うことにより、背景雑音のみならず音声信号の歪に基づく雑音も抑圧するから、より高精度な雑音除去が可能となる。

≪実施の形態２≫
図１０に、実施の形態２に係る音声処理部の内部構成の一例を示す。同図に示される音声処理部２０は、実施の形態１に係る音声処理部１０から雑音判定基準ＳＮＲを選択する機能を除いた構成とされる。具体的には、音声処理部２０は、雑音判定基準選択部１０８、特有雑音判定基準保持部１０７、特有雑音選択部１０６、背景雑音判定基準選択部１０４、及び背景雑音判定基準保持部１０５の代わりに雑音判定基準保持部２０８を備える。

雑音判定基準保持部２０８は、データを格納するための記憶領域を有する記憶装置であり、例えばメモリ等から構成される。雑音判定基準保持部２０８には、前述した（式１）に基づいて決定された雑音判定基準ＳＮＲの情報が格納される。例えば、音声処理部１０を含む半導体集積回路の設計段階で、想定される通話環境に応じた背景雑音判定基準ＳＮＲ１と、想定される特有雑音に応じた特有雑音判定基準ＳＮＲ２を算出しておき、そのうちの最も小さい雑音判定基準の情報を前記雑音判定基準保持部２０８に書き込んでおく。或いは、携帯電話端末の設計段階で外部から雑音判定基準保持部２０８に書き込んでもよい。同様に、特有雑音テーブル保持部１０９にも、想定される特有雑音に応じた特有雑音テーブルを書き込んでおく。例えば、コーデックの符号化方式がＡＭＲである場合には特有雑音テーブルＮＴ２＿０を格納しておき、符号化方式がＧ．７２６であってビットレートが２４ｋｂｉｔ／ｓである場合には特有雑音テーブルＮＴ２＿２を格納しておく。

図１１に、音声処理部２０による雑音抑圧処理の流れを例示する。

携帯電話端末１と携帯電話端末２との間で通話が開始されると、雑音抑圧処理が開始される。先ず、雑音判定基準ＳＮＲが決定される（Ｓ２０１）。具体的には、判定処理部１００１が、雑音判定基準保持部２０８に格納された雑音判定基準ＳＮＲを読み出すことで、雑音判定処理に用いる雑音判定基準ＳＮＲを決定する。その後の処理は、ステップＳ１０５（ＳＮＲ１、ＳＮＲ２に基づく雑音判定基準の選択処理）を除いて図８に示される処理フローと略同様である。

以上、実施の形態２によれば、背景雑音のみならず特有雑音を考慮した雑音判定処理を行うことが可能となるので、実施の形態１と同様に、雑音判定処理の精度を高めることができる。また、特有雑音抑圧処理を行うことにより、背景雑音のみならず音声信号の歪に基づく雑音も抑圧するから、より高精度な雑音除去が可能となる。更に、実施の形態２によれば、予め上記（式１）に基づいて決定した雑音判定基準を雑音判定基準保持部２０８に格納しておくから、複数の雑音判定基準の中から１つの雑音判定基準を選択するための機能部が不要となり、システム構成を簡素化することができる。

≪実施の形態３≫
図１２に、実施の形態３に係る音声処理部の内部構成の一例を示す。同図に示される音声処理部３０は、実施の形態１に係る音声処理部１０の機能に加え、背景雑音の変化に応じて背景雑音判定基準ＳＮＲ１を更新する機能を備える。具体的には、音声処理部３０は、背景雑音判定基準選択部１０４に代えて、背景雑音判定基準算出部３０４を備える。

背景雑音判定基準算出部３０４は、雑音フレームと判定された入力信号に基づいて背景雑音判定基準ＳＮＲ１を算出し、雑音判定基準選択部１０８に与える。例えば、背景雑音判定基準算出部３０４は、判定処理部１００１による判定結果を監視し、雑音フレームと判定された場合には、エネルギー計算部１０１によって算出された入力信号の平均エネルギーに基づいて、雑音判定基準ＳＮＲ１を算出し、雑音判定基準選択部１０８に与える。なお、雑音判定基準ＳＮＲ１の更新は、上記のように自ら判定結果を監視して行っても良いし、背景雑音テーブルの更新のタイミングに合わせて行っても良く、更新頻度は特に限定されない。

図１３に、音声処理部３０による雑音抑圧処理の流れを例示する。

携帯電話端末１と携帯電話端末２との間で通話が開始されると、雑音抑圧処理が開始される。先ず、背景雑音判定基準ＳＮＲ１の初期値が決定される（Ｓ３０１）。具体的には、Ｎ／Ｓ調整モード信号が入力されると、背景雑音判定基準算出部３０４が、Ｎ／Ｓ調整モード信号で指定されたパラメータ値に対応する背景雑音判定基準ＳＮＲ１＿０〜１＿ｎを背景雑音判定基準保持部１０５から読み出し、雑音判定基準選択部１０８に与える。その後のステップＳ１１０までは、前述の図８の処理フローと同様である。

ステップＳ１１０において、入力信号が音声フレームと判定された場合には、前述と同様に、特有雑音成分と背景雑音成分が抑圧する処理が行われる（Ｓ１１２〜Ｓ１１４）。他方、ステップＳ１１０において、入力信号が雑音フレームと判定された場合には、背景雑音テーブルの更新が行われる（Ｓ１１１）。そして、背景雑音判定基準算出部３０４は、前述した方法により、雑音フレームと判定された入力信号の平均エネルギーに基づいて背景雑音判定基準を算出し、新たな背景雑音判定基準ＳＮＲ１として雑音判定基準選択部１０８に与える。以降の処理は、図８と同様である。

以上、実施の形態３によれば、実施の形態１と同様に、雑音判定の精度を高めることができ、より高精度な雑音除去が可能となる。また、実施の形態３によれば、例えば、話者が騒がしい通話環境から静かな通話環境に移動して、背景雑音に対するＳ／Ｎ比よりも符号化による特有雑音に対するＳ／Ｎ比の方が小さくなった場合でも、その変化に応じて最適な雑音判定基準を選択することができ、雑音判定の精度をより高めることができる。

≪実施の形態４≫
図１４に、実施の形態４に係る音声処理部の内部構成を例示する。同図に示される音声処理部４０は、実施の形態１に係る音声処理部１０の機能に加え、有声音と無声音を判別して抑圧処理を行う機能を備える。

有声音は、声帯の周期的な振動を伴う音であり、類似波形が繰り返される特徴がある。それに対し、無声音は、声帯を振動させずそのまま通り抜ける音であり、白色雑音等の雑音波形に近く、繰り返し波形が検出されない。また、無声音のスペクトルパワーは有声音のスペクトルパワーと比較して極端に小さい。そのため、無声音を含む入力信号のスペクトルデータからモデル化した特有雑音のスペクトル成分を減算する処理を行うと、スペクトル歪みが発生する虞がある。そこで、実施の形態４に係る音声処理部４０は、有声音を含む音声フレームに対して特有雑音を抑圧する処理を行い、無声音を含む音声フレームに対しては特有雑音を抑圧する処理を行わない。

図１４に示される雑音抑圧部４００における判定処理部４００１は、前述の判定処理部１００１と同様に、雑音判定処理により雑音フレームと音声フレームとを判別する。判定処理部４００１は、その判別後、更に、音声フレームについて有声音を含むか否かを判別するための有声音／無声音判定処理を行う。判定処理部４００１は、有声音の波形（特性）に周期性があることを利用し、波形の周期性の出現率から有声音の有無を判定する。具体的には、判定処理部４００１は、相関ピッチの強度を元に有声音の有無を判定する。例えば、正規化相互相関値が設定された閾値以上であれば有声音と判定し、閾値未満であれば無声音と判定する。なお、判定処理部４００１による有声音／無声音の判定方法は、上記の方法に限定されず、他の方法であってもよい。例えば、周期性が不明瞭な有声音でも精度良く判定できるようにするため、正規化相互相関値に加え、別パラメータとして零交叉数等を用いて判定を行ってもよい。

上記有声音／無声音判定処理によって有声音を含むと判定された音声フレームの入力信号（スペクトル信号）は、特有雑音抑圧処理部１００２に入力され、前述した方法により、特有雑音が抑圧される。他方、有声音を含まない（無声音）と判定された音声フレームの入力信号（スペクトル信号）は、背景雑音抑圧処理部１００３に入力され、前述した方法により、背景雑音が抑圧される。これによれば、無声音の特性を劣化させることなく、効果的に雑音を抑圧することができ、通話品質の向上に資する。

なお、特に制限されないが、背景雑音抑圧処理部１００３による背景雑音抑圧処理は、実施の形態１と同様に、音声フレームと雑音フレームとの間で処理内容は相違するが、有声音の音声フレームと無声音の音声フレームとの間で処理内容に違いはない。

図１５に、音声処理部４０による雑音抑圧処理の流れを例示する。

ステップＳ１０１からステップＳ１１０までは、前述の図８の処理フローと同様である。

ステップＳ１１０において、入力信号が雑音フレームと判定された場合には、図８と同様に、背景雑音テーブルの更新と、雑音フレームの背景雑音成分を抑圧する処理が行われる（Ｓ１１１、Ｓ１１４）。他方、ステップＳ１１０において、入力信号が音声フレームと判定された場合には、判定処理部４００１は、更に、音声フレームであると判定した入力信号に対して、前記有声音／無声音判定処理を行う（Ｓ４０１）。ステップＳ４０１で有声音と判定された場合には、図８と同様に、入力信号から特有雑音及び背景雑音を抑圧する処理が行われる（Ｓ１１２、Ｓ１１４）。他方、ステップＳ４０１で無声音と判定された場合には、入力信号から背景雑音を抑圧する処理が行われる（Ｓ１１４）。その後の処理は、図８と同様である。

以上、実施の形態４によれば、実施の形態１と同様に、雑音判定の精度を高めることができる。また、有声音の音声フレームと無声音の音声フレームとを区別して雑音抑圧処理を行うことで、無声音の特性を劣化させることなく効果的に雑音を抑圧することができ、通話音質の向上に資する。

以上本発明者によってなされた発明を実施形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。

例えば、実施の形態４において、実施の形態１に係る音声処理部１０に有声音と無声音とを区別して雑音抑圧処理を行う機能を追加する形態を例示したが、これに限られず、実施の形態２、３に係る音声処理部２０、３０に上記機能を追加しても同様の効果が期待できる。

実施の形態１乃至４では、携帯電話端末に搭載される音声処理装置を例に取って説明したが、これに限られず、電話会議システムや風呂用電話等、雑音除去が音質に大きく影響する音声通信機器に搭載される音声処理装置であれば、上記技術を適用することができる。

また、音声処理装置３は、例えば音声処理部１０とデコーダ１１とが別個の半導体チップで形成されたものでもよいし、音声処理部１０と、デコーダ１１と、受信部１２とが１つのパッケージに封止されたＳＩＰ（Ｓｙｓｔｅｍ Ｉｎ Ｐａｃｋａｇｅ）のような半導体装置として構成されてもよい。

更に、音声処理部１０、２０、３０、４０内の各機能部がＣＰＵ等によって実行されるプログラム処理によって実現される場合を例示したが、これに限られず、専用ハードウェアによって実現されてもいし、専用ハードウェアとソフトウェアによるプログラム処理とが混在したシステムで実現されてもよい。

１、２ 携帯電話端末
３ 半導体装置
１０ 音声処理部
１００ 雑音抑圧部
１００１ 判定処理部
１００２ 特有雑音抑圧処理部
１００３ 背景雑音抑圧処理部
１０１ エネルギー計算部
１０２ 背景雑音テーブル更新部
１０３ 背景雑音テーブル保持部
１０４ 背景雑音判定基準選択部
１０５ 背景雑音判定基準保持部
１０６ 特有雑音選択部
１０７ 特有雑音判定基準保持部
１０８ 雑音判定基準選択部
１０９ 特有雑音テーブル保持部
ＳＮＲ 雑音判定基準
ＳＮＲ１ 背景雑音判定基準
ＳＮＲ２ 特有雑音判定基準
２０ 音声処理部
２０８ 雑音判定基準保持部
３０ 音声処理部
３０４ 背景雑音判定基準算出部
４０ 音声処理部
４００ 雑音抑圧部
４００１ 判定処理部

Claims (13)

1. 符号化された入力信号を復号する復号部と、
   前記入力信号に音声信号が含まれるか否かの判定を行う判定部と、
   前記判定部による判定結果に基づいて、前記復号部によって復号された入力信号に含まれる雑音成分を抑圧するための抑圧処理を行う抑圧部と、
   前記判定に用いられる判定基準値として、音声信号の歪に基づく雑音に対する音声信号の割合を規定する第１基準値を格納するための第１記憶部と、
   前記判定部による判定の判定基準値として、背景雑音に対する音声信号の割合を規定する第２基準値を格納するための第２記憶部と、
   前記第１記憶部に格納された前記第１基準値と前記第２記憶部に格納された前記第２基準値のうち、最も小さい基準値を選択する選択部と、を有し、
   前記判定部は、前記選択部によって選択された基準値を用いて前記判定を行う、半導体装置。
2. 前記復号された入力信号に含まれる背景雑音の信号レベルに基づいて前記第２基準値を算出するとともに、前記第２記憶部の値を更新する更新部を、更に有する請求項１に記載の半導体装置。
3. 前記判定部は、前記入力信号の信号レベルが、前記判定基準値に基づいて決定された判定閾値よりも大きい場合には、前記入力信号に音声信号が含まれると判定し、前記入力信号の信号レベルが前記判定閾値よりも小さい場合には、前記入力信号に音声信号が含まれないと判定する、請求項１に記載の半導体装置。
4. 前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号に対して、前記背景雑音を抑圧するための処理を行うとともに、前記音声信号の歪に基づく雑音を抑圧するための処理を行う、請求項１に記載の半導体装置。
5. 背景雑音の抑圧量の基準となる第３基準値を格納するための第３記憶部と、
   音声信号の歪に基づく雑音の抑圧量の基準となる第４基準値を格納するための第４記憶部と、を更に有し、
   前記抑圧部は、前記判定部によって音声信号が含まれると判定された場合には、前記入力信号から前記第３基準値に応じた抑圧量を減算するとともに前記第４基準値に応じた抑圧量を減算するための処理を行い、前記判定部によって音声信号が含まれないと判定された場合には、前記入力信号から第３基準値に応じた抑圧量を減算するための処理を行う、請求項４に記載の半導体装置。
6. 前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号のうち有声音に係る音声信号を含む入力信号に対して、前記第３基準値に応じた抑圧量及び前記第４基準値に応じた抑圧量を減算するための処理を行う、請求項５に記載の半導体装置。
7. 符号化された入力信号を受信するための受信部と、
   前記受信部によって受信された入力信号を復号する復号部と、
   前記復号部によって復号された入力信号に含まれる雑音を抑圧するための処理を行う抑圧処理部と、を有し、
   前記抑圧処理部は、
   前記入力信号に音声信号が含まれるか否かの判定を行う判定部と、
   前記判定部による判定結果に基づいて、前記入力信号に含まれる雑音成分を抑圧するための抑圧処理を行う抑圧部と、
   前記判定のための判定基準値として、音声信号の歪に基づく雑音に対する音声信号の割合を規定する第１基準値を格納するための第１記憶部と、
   前記判定部による判定の判定基準値として、背景雑音に対する音声信号の割合を規定する第２基準値を格納するための第２記憶部と、
   前記第１記憶部に格納された前記第１基準値と前記第２記憶部に格納された前記第２基準値のうち、最も小さい基準値を選択する選択部と、を有し、
   前記判定部は、前記選択部によって選択された基準値を用いて前記判定を行う、音声通信装置。
8. 前記抑圧処理部は、前記復号された入力信号に含まれる背景雑音の信号レベルに基づいて前記第２基準値を算出するとともに、前記第２記憶部の値を更新する更新部を、更に有する請求項７に記載の音声通信装置。
9. 前記判定部は、前記入力信号の信号レベルが、前記判定基準値に基づいて決定された判定閾値よりも大きい場合には、前記入力信号に音声信号が含まれると判定し、前記入力信号の信号レベルが前記判定閾値よりも小さい場合には、前記入力信号に音声信号が含まれないと判定する、請求項７に記載の音声通信装置。
10. 前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号に対して、前記背景雑音を抑圧するための処理を行うとともに、前記音声信号の歪に基づく雑音を抑圧するための処理を行う、請求項７に記載の音声通信装置。
11. 前記抑圧処理部は、
    背景雑音の抑圧量の基準となる第３基準値を格納するための第３記憶部と、
    音声信号の歪に基づく雑音の抑圧量の基準となる第４基準値を格納するための第４記憶部と、を更に有し、
    前記抑圧部は、前記判定部によって音声信号が含まれると判定された場合には、前記入力信号から前記第３基準値に応じた抑圧量を減算するとともに前記第４基準値に応じた抑圧量を減算するための処理を行い、前記判定部によって音声信号が含まれないと判定された場合には、前記入力信号から第３基準値に応じた抑圧量を減算するための処理を行う、請求項１０記載の音声通信装置。
12. 前記抑圧部は、前記判定部によって音声信号が含まれると判定された入力信号のうち有声音に係る音声信号を含む入力信号に対して、前記第３基準値に応じた抑圧量及び前記第４基準値に応じた抑圧量を減算するための処理を行う、請求項１１に記載の音声通信装置。
13. 符号化された入力信号を復号する復号部と、
    前記復号部によって復号された入力信号に含まれる雑音を抑圧するための抑圧処理を行う抑圧処理部と、
    前記抑圧処理で用いられる、前記復号された入力信号に含まれる雑音のうち音声信号の歪に基づく雑音を抑圧するための基準値を格納するための記憶部と、を有し、
    前記音声信号の歪に基づく雑音は、前記符号化に基づく雑音であり、
    前記抑圧処理部は、前記復号部によって復号された入力信号のうち有声音に係る音声信号を含む入力信号に対して、音声信号の歪に基づく雑音を抑圧するための処理を行う、半導体装置。

Images