JP6244652B2 - 音声処理装置及びプログラム - Google Patents

Description

本発明は、音声の明瞭度を上げるための音声処理に関する。

フォルマントを強調して明瞭度の高い音声を得るための技術が、従来から様々提案されている。特許文献１，２は、第一フォルマントを検出して、第一フォルマントよりも高い周波数帯域の音圧レベルを増幅することを開示している。特許文献３〜５は、入力された音声信号を周波数軸上で複数の帯域に分割し、分割した帯域毎の音圧レベルを個別に調整することにより、周波数エンベロープのピーク及びディップを強調することを開示している。特許文献６は、入力音声信号を周波数解析してフォルマント成分を検出し、その検出周波数に基づく重み付け演算によってフォルマント成分を強調することを開示している。非特許文献１は、ＮＢＰＦ(Notch Band-Pass Filter)を用いて、重回帰分析によりフォルマントピークレベルを推定し、ピークレベルを急峻化させることを開示している。

特開２００１−１５７２９９号公報 特開２００２−２５２８９４号公報 特開平６−２０２６９５号公報 特開平７−２４８７９４号公報 特開平６−１７５６９１号公報 特開平６−２８９８９７号公報

濱川智哉、坂田聡、渡邉亮、上田裕市、「フォルマント分解信号のピーク制御による音声強調方式の検討」、日本音響学会九州支部第６回講演論文集、２００５年１０月

特許文献１〜６及び非特許文献１に記載された技術には、例えば以下に説明する課題がある。音声信号に含まれるフォルマント成分を解析し、その解析結果に基づいてフォルマントを強調する処理を行う手法では、処理負荷が著しく増大することがある。また、音声信号を複数の周波数帯域に分割して、帯域毎に個別に周波数エンベロープのピークやディップを強調する音声処理を行う場合、音声信号の音圧レベルの変化が大きくなり、聴取者に不快感や違和感を与える可能性がある。
そこで、本発明の目的は、音声の明瞭度を上げるための音声処理で、低い処理負荷で、音声信号の音圧レベルの変化を抑えて、違和感や不快感を低減するための技術を提供することである。

上述した課題を解決するため、本発明の音声処理装置は、入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段とを備え、前記ゲイン制御手段は、前記分割手段により分割されたサブバンド信号のうち、レベルが前記基準レベルを上回るサブバンド信号については、当該サブバンド信号のレベルを変更しない、又は、当該基準レベルを下回るサブバンド信号よりも低い割合でレベルを低下させる。
本発明では、入力音声信号を周波数軸上で分割したサブバンド信号のレベルが基準レベルを下回る量が大きい場合ほど、ゲイン係数を大きくするように設定する。このため、ゲイン制御においては、基準レベルへの寄与が相対的に大きいサブバンドのレベルについては、そのレベルの低下の割合を小さくし、基準レベルへの寄与が相対的に小さいサブバンドのレベルについては、そのレベルの低下の割合を大きくすることとなる。よって、本発明により、周波数エンベロープのピーク及びディップを強調することができる。

また、本発明の音声処理装置は、入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段とを備え、前記基準レベル算出手段は、前記複数のサブバンド信号の合計のレベルを、前記基準レベルとして算出する。
本発明によれば、複数のサブバンド信号の合計のレベルを、基準レベルとして算出するので、基準レベルとサブバンド信号のレベルとの差で定まるゲイン係数により、ゲイン制御を行えばよい。

本発明の音声処理装置において、前記サブバンド信号は、臨界帯域に基づいて、前記周波数帯域の幅がそれぞれ設定されているようにしてもよい。
本発明では、人間による音の感じ方と整合した方法でサブバンド信号への分割を行って、各サブバンド信号の音圧を制御することできる。

本発明の音声処理装置において、予め決められた期間毎に前記ゲイン係数を算出するとともに、当該ゲイン係数の時間軸上での変化を平滑化する処理を、前記サブバンド信号毎の設定に従って行うようにしてもよい。
本発明では、時間軸上での音圧レベルの急激な変化を抑えるための処理を、サブバンド信号毎の設定に従って行うことができる。
また、本発明の音声処理装置において、前記基準レベル算出手段は、前記複数のサブバンド信号に対する共通の基準レベルを算出してもよい。

本発明のプログラムは、コンピュータを、入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段として機能させるためのプログラムであって、前記ゲイン制御手段は、前記分割手段により分割されたサブバンド信号のうち、レベルが前記基準レベルを上回るサブバンド信号については、当該サブバンド信号のレベルを変更しない、又は、当該基準レベルを下回るサブバンド信号よりも低い割合でレベルを低下させるプログラムである。
また、本発明のプログラムは、コンピュータを、入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段として機能させるためのプログラムであって、前記基準レベル算出手段は、前記複数のサブバンド信号の合計のレベルを、前記基準レベルとして算出するプログラムである。

本発明によれば、音声の明瞭度を上げるための音声処理で、低い処理負荷で、音声信号の音圧レベルの変化を抑えて、違和感や不快感を低減することができる。

本発明の一実施形態に係る音声処理装置の全体構成を示す図。 同音声処理装置によるゲイン制御を説明するグラフ。 本発明の変形例に係るゲイン制御を説明するグラフ。 本発明の変形例に係るゲイン制御を説明するグラフ。

以下、図面を参照しつつ本発明の実施形態を説明する。
図１は、本発明の一実施形態に係る音声処理装置１の全体構成を示す図である。図１に示すように、音声処理装置１は、信号処理部１０−１〜１０−８と、基準音圧レベル算出部２０と、加算器３０とを備える。
信号処理部１０−１〜１０−８は、互いに同一の入力系統からの入力音声信号Ｓｉｎに対して、音声の明瞭度を上げるための信号処理を施す。入力音声信号Ｓｉｎは、ここではデジタル形式の音声信号であり、例えば、人間の音声を含む音声（例えば話し声や楽曲の歌唱音声）を表す。基準音圧レベル算出部２０は、信号処理部１０−１〜１０−８と同一の入力系統からの入力音声信号Ｓｉｎに基づいて、信号処理部１０−１〜１０−８での音声処理に用いられる基準音圧レベルＲＬを算出する（基準レベル算出手段）。基準音圧レベルＲＬは、ここでは、入力音声信号Ｓｉｎの音声帯域での合計の音圧レベル（以下、トータルレベルともいう）である。音声帯域は、ここでは１２５Ｈｚ〜４０００Ｈｚの周波数帯域であり、例えば、第一フォルマント〜第四フォルマントを含む周波数帯域である。基準音圧レベル算出部２０は、基準音圧レベルＲＬを、信号処理部１０−１〜１０−８のそれぞれへ供給する。基準音圧レベル算出部２０は、ここでは、入力音声信号Ｓｉｎのサンプル毎に、基準音圧レベルＲＬを繰り返し算出する。

次に、信号処理部１０−１〜１０−８の構成をより詳細に説明する。信号処理部１０−１〜１０−８は、それぞれ共通の機能構成を有している。具体的には、信号処理部１０−ｋ（ｋは１〜８の自然数）は、ＢＰＦ（Band-Pass Filter）１１−ｋと、サブバンドレベル算出部１２−ｋと、ゲイン係数算出部１３−ｋと、平滑化フィルタ１４−ｋと、乗算器１５−ｋとを備える。信号処理部１０−ｋの各部は、入力音声信号Ｓｉｎのサンプル毎に、以下に説明する信号処理を繰り返し行う。また、この実施形態において、音圧レベルは、特に断りのない限り、デシベル値で表される。

ＢＰＦ１１−ｋは、入力音声信号Ｓｉｎの音声帯域のうちの一部の帯域を通過帯域とするように構成された、帯域通過フィルタである。ＢＰＦ１１−１〜１１−８は、それぞれ通過帯域を異ならせて構成されている。すなわち、ＢＰＦ１１−１〜１１−８は、入力音声信号Ｓｉｎの音声帯域を、８つのサブバンドの各々に対応したサブバンド信号に分割して出力する（分割手段）。ここでは、ＢＰＦ１１−１〜１１−８の符号の末尾の枝番の値が小さいものほど、低周波数側のサブバンド信号を出力する。ＢＰＦ１１−１〜１１−８の各々は、例えば、低周波数側ほど通過帯域が狭く、高周波数側ほど通過帯域が広くなるように構成される。例えば、ＢＰＦ１１−１〜１１−８の各々は、１／３オクターブ帯域フィルタや１／４オクターブ帯域フィルタを用いて構成される。
以下では、ＢＰＦ１１−ｋによって抽出されるサブバンドのことを、「（低周波数側から）ｋ番目のサブバンド」と称することがある。

サブバンドレベル算出部１２−ｋは、ＢＰＦ１１−ｋにより出力されたサブバンド信号に基づいて、ｋ番目のサブバンドの音圧レベルＡ（ｋ）を算出する。サブバンドレベル算出部１２−ｋは、音圧レベルＡ（ｋ）をゲイン係数算出部１３−ｋへ供給する。

ゲイン係数算出部１３−ｋは、サブバンドレベル算出部１２−ｋから供給された音圧レベルＡ（ｋ）と、基準音圧レベル算出部２０から供給された基準音圧レベルＲＬとの音圧レベルとの差に応じて、ゲイン係数Ｇｐ（ｋ）を算出（設定）する。ゲイン係数Ｇｐ（ｋ）は、ｋ番目のサブバンドについて音圧レベルを低下させる割合を示すパラメータである。ゲイン係数算出部１３−ｋは、ここでは、下記式（１）の関係を満たすように、ゲイン係数Ｇｐ（ｋ）を算出する。ただし、ゲイン係数Ｇｐ（ｋ）はデシベルによって表される。
Ｇｐ（ｋ）＝Ａ（ｋ）−ＲＬ ・・・（１）

式（１）から分かるように、ゲイン係数算出部１３−ｋは加算器（減算器）により構成することができる。
ゲイン係数Ｇｐ（ｋ）は、音圧レベルＡ（ｋ）が、基準音圧レベルＲＬを下回る量が大きいほど、ｋ番目のサブバンドの音圧レベルが低下させる割合を大きくするように作用する。基準音圧レベルＲＬは、信号処理部１０−１〜１０−８で共通に用いられるから、音圧レベルＡ（ｋ）が小さいほど、ゲイン係数Ｇｐ（ｋ）は大きくなる。すなわち、ゲイン係数算出部１３−ｋは、音圧レベルＡ（ｋ）が基準音圧レベルＲＬを下回る場合に、この音圧レベルＡ（ｋ）と基準音圧レベルＲＬとの差の大きさに比例して、ゲイン係数Ｇｐ（ｋ）を大きくするように設定する。

平滑化フィルタ１４−ｋは、ゲイン係数算出部１３−ｋから供給されたゲイン係数Ｇｐ（ｋ）の時間軸上での変化を平滑化する処理（以下、「平滑化処理」という。）を行う。この平滑化処理は、ゲイン係数Ｇｐ（ｋ）を用いたゲイン制御を実行した際に、時間軸上での音圧レベルの急激な変化が発生するのを抑える処理である。ここでは、平滑化フィルタ１４−ｋは、アタックタイム及びリリースタイムを時定数として設定可能な、一次巡回型フィルタにより構成される。アタックタイムは、目標のゲイン係数Ｇｐ（ｋ）へ変化するまでに要する時間である。リリースタイムは、ゲイン係数Ｇｐ（ｋ）が元に戻るのに要する時間である。平滑化フィルタ１４−ｋは、出力信号を入力側にフィードバックして、自身に設定されたアタックタイム及びリリースタイムに従って、平滑化処理を行う。

平滑化フィルタ１４−１〜１４−８においては、個別にアタックタイム及びリリースタイムを設定可能である。この具体的な設定方法については特に問わないが、例えば、低い周波数に対応するサブバンドほど、平滑化フィルタ１４−ｋに設定されるアタックタイム及びリリースタイムを長くし、高い周波数に対応するサブバンドほど、アタックタイム及びリリースタイムを短くする。この平滑化処理によれば、自然な再生音を得ることに寄与することがある。アタックタイム及びリリースタイムは、これ以外の設定であってもよく、例えば、平滑化フィルタ１４−１〜１４−８で共通のアタックタイム及びリリースタイムに設定されてもよい。

乗算器１５−ｋは、ＢＰＦ１１−ｋから出力されたサブバンド信号に、平滑化フィルタ１４−ｋから供給されたゲイン係数Ｇｐ（ｋ）を乗じて、加算器３０へ供給する。すなわち、ゲイン係数算出部１３−ｋ、平滑化フィルタ１４−ｋ及び乗算器１５−ｋの協働により、信号処理部１０−ｋでのゲイン制御が行われる（ゲイン制御手段）。ゲイン制御後の音声信号において、ｋ番目のサブバンドの音圧レベルＢ（ｋ）は、下記式（２）の関係を満たす。
Ｂ（ｋ）＝Ｇｐ（ｋ）＋Ａ（ｋ） ・・・（２）

ところで、ＢＰＦ１１−ｋでの処理時間と、ゲイン係数算出部１３−ｋ、平滑化フィルタ１４−ｋ及び乗算器１５−ｋの処理時間との差により、ＢＰＦ１１−ｋからの音声信号と、平滑化フィルタ１４−ｋからのゲイン係数Ｇｐ（ｋ）とが同期しない場合がある。この場合には、ＢＰＦ１１−ｋと乗算器１５−ｋとの間に遅延回路を設けて、出力を同期させるとよい。また、信号処理部１０−１〜１０−８の各々で、遅延回路の遅延時間を異ならせてもよい。例えば、信号処理部１０−１〜１０−８の各々で、入力音声信号Ｓｉｎが入力されてから、ＢＰＦ１１−ｋから音声信号が出力されるまでの時間又はゲイン係数Ｇｐ（ｋ）を算出するまでの時間が異なる場合には、乗算器１５−ｋから出力される音声信号が同期しない場合がある。そこで、遅延回路の遅延時間の調整により、乗算器１５−ｋからの出力を同期させてもよい。

加算器３０は、乗算器１５−１〜１５−８から供給された８つのサブバンドのサブバンド信号同士を加算して、この加算処理により得た合成音声信号Ｓｏｕｔを、図示せぬスピーカやヘッドフォン等の放音装置へ出力する。

次に、信号処理部１０−ｋによる信号処理の具体例を、図２を参照して説明する。図２は、信号処理部１０−ｋで行われるゲイン制御を説明するグラフである。図２のグラフにおいて、横軸がサブバンド（つまり周波数軸に対応）を表し、縦軸が音圧レベル（デシベル値）を表す。
図２に示すように、この例では、１〜８番目のサブバンドの音圧レベルＡ（１）〜Ａ（８）が、順に、−３０ｄＢ，−２０ｄＢ，−１０ｄＢ，−４０ｄＢ，−６０ｄＢ，−３０ｄＢ，−５５ｄＢ，−４５ｄＢであるものとする。図２のグラフでは、入力音声信号Ｓｉｎの周波数エンベロープを分かりやすくするために、各サブバンドに対応するプロット同士を実線で結んで表している。基準音圧レベルＲＬは、ここでは−６．０６ｄＢである。

この場合、式（１）の関係により、１〜８番目のサブバンドのゲイン係数Ｇｐ（１）〜Ｇｐ（８）は、順に、−２３．９４ｄＢ，−１３．９４ｄＢ，−３．９４ｄＢ，−３３．９４ｄＢ，−５３．９４ｄＢ，−２３．９４ｄＢ，−４８．９４ｄＢ，−３８．９４ｄＢとなる。ただし、ここでは、平滑化処理による音圧レベルの変化を考慮していない。
ゲイン制御後の音圧レベルＢ（ｋ）は、式（２）の関係により、ゲイン係数Ｇｐ（ｋ）を、ｋ番目のサブバンドの音圧レベルＡ（ｋ）に加算した音圧レベルとなる。具体的には、１〜８番目のサブバンドの音圧レベルＢ（１）〜Ｂ（８）は、順に、−５３．９４ｄＢ，−３３．９４ｄＢ，−１３．９４ｄＢ，−７３．９４ｄＢ，−１１３．９４ｄＢ，−５３．９４ｄＢ，−１０３．０４ｄＢ，−８３．９４ｄＢとなる。図２のグラフでは、ゲイン制御後の周波数エンベロープを分かりやすくするために、各サブバンドに対応するプロット同士を破線で結んで表している。

前述したとおり、ゲイン係数Ｇｐ（ｋ）は、ｋ番目のサブバンドの音圧レベルＡ（ｋ）が基準音圧レベルＲＬに対して小さいほど、大きな値をとる。これにより、ゲイン係数Ｇｐ（ｋ）を用いたゲイン制御後においては、元の音圧レベルが相対的に高く、基準音圧レベルＲＬに近い音圧レベルのサブバンドほど、音圧レベルの低下量が相対的に小さくなる。他方、元の音圧レベルが相対的に低く、基準音圧レベルＲＬから遠い音圧レベルのサブバンドほど、ゲイン制御後においては、音圧レベルの低下量が相対的に大きくなる。図２で示されるように、ここでは、５番目及び７番目のサブバンド、すなわち、周波数エンベロープのディップ（谷部分）に当たる帯域の音圧レベルの低下量が特に大きい。このため、音圧レベルを高くする処理なしに、周波数エンベロープのピーク（山部分）及びディップが強調される。従来の手法では、周波数エンベロープのピークの音圧レベルを高くして、ピーク及びディップを強調することがあるが、音圧レベルを高くする処理を行うことは、音圧レベルを低くする処理を行う場合に比べて、聴取者に与える違和感や不快感が大きくなりやすい。信号処理部１０−ｋでは、周波数エンベロープのピークの音圧レベルを高くする処理を行っていないので、聴取者に与える違和感や不快感を抑えることができる。

また、信号処理部１０−ｋでは、基準音圧レベルＲＬを下回る量が相対的に大きい音圧レベルのサブバンドほど、ゲイン係数Ｇｐ（ｋ）を相対的に大きくすることで、音声帯域全体での音圧レベルの変化を小さく抑制する。すなわち、信号処理部１０−ｋによれば、音声の明瞭度を上げるために、過度な音圧レベルの変化を発生させることがない。

また、信号処理部１０−ｋでは、フォルマント成分の解析等の負荷の大きい処理を要しない。音圧レベルをデシベル値で規定すれば、信号処理部１０−ｋは、加減算及び乗算処理により、必要な信号処理を低い負荷で行うことができる。ただし、信号処理部１０−ｋにおいて除算処理を行うことができる場合には、デシベル値に代えてリニア値を用いてもよい。しかし、いずれの値を用いるにせよ、信号処理部１０−ｋでは、フォルマント成分を検出する処理をすることなく、周波数エンベロープのピーク及びディップを強調して音声の明瞭度を上げる処理をするため、低い負荷の処理を実行するだけである。このため、信号処理部１０−ｋの構成を簡便な構成にすることができる。

本発明は、上述した実施形態と異なる形態で実施することが可能である。本発明は、例えば、以下のような形態で実施することも可能である。また、以下に示す変形例は、各々を適宜に組み合わせてもよい。
上述した実施形態の音声処理装置１では、信号処理部１０−１〜１０−８により、入力音声信号Ｓｉｎを８つのサブバンド信号に分割していたが、７つ以下又は９つ以上のサブバンド信号に分割してもよい。ただし、サブバンド信号の数を少なくし過ぎると、周波数エンベロープのピーク及びディップの強調が不十分になる可能性があり、反対に、サブバンド信号の数を多くし過ぎると、信号処理部１０−ｋの処理負荷の増大の原因となるので、これらの事情を考慮に入れて、適切な数に設定されるとよい。

信号処理部１０−ｋのＢＰＦ１１−ｋは、人間の聴覚の臨界帯域に基づいて通過帯域が設定されてもよい。周波数の低い音に対しては帯域幅を相対的に小さく又は一定(例えば、５００Ｈｚ以下では１００Ｈｚ程度の帯域幅)、周波数の高い音に対しては、その周波数に比例して、前者の低い音に対する帯域幅より広い帯域幅に設定すればよい（例えば、その周波数の０．２倍程度の帯域幅）。具体的な数値は、公知の近似式等を用いればよいが、例えば、以下とおりに設定することが可能である。

臨界帯域幅は、詳細には、５００Ｈｚ以下の周波数ではおよそ１００Ｈｚの帯域幅となり、５００Ｈｚよりも高い周波数では、例えば、１／３オクターブから１／４オクターブの帯域幅となる。そこで、ＢＰＦ１１−ｋからなるフィルタ群は、臨界帯域幅に基づいて、中心周波数や帯域幅を含むフィルタ特性が設定されてもよい。この場合のサブバンドは、例えば、中心周波数を２５０Ｈｚ，３５０Ｈｚ，４５０Ｈｚ，５７０Ｈｚ，７００Ｈｚ，８４０Ｈｚ，１０００Ｈｚ，１１７０Ｈｚ，１３７０Ｈｚ，１６００Ｈｚ，１８５０Ｈｚ，２１５０Ｈｚ，２５００Ｈｚ，３４００Ｈｚ，４０００Ｈｚとし、帯域幅を、１００Ｈｚ，１００Ｈｚ，１１０Ｈｚ，１２０Ｈｚ，１４０Ｈｚ，１５０Ｈｚ，１６０Ｈｚ，１８０Ｈｚ，２１０Ｈｚ，２４０Ｈｚ，２８０Ｈｚ，３２０Ｈｚ，３８０Ｈｚ，４５０Ｈｚ，５５０Ｈｚとすることが考えられる。ただし、これら通過帯域の周波数の値はあくまで一例であり、他の値であってもよい。

また、ＢＰＦ１１−ｋからなるフィルタ群は、１／４オクターブバンドの等比帯域フィルタ群により構成されてもよい。１／４オクターブバンドの等比帯域フィルタ群は、通過させる信号成分の周波数帯域幅を１／４オクターブとした帯域通過フィルタを並べたもので、これも人間の聴覚機能に近い働きを持つことが知られている。
また、ＢＰＦ１１−ｋからなるフィルタ群は、人間の聴覚機能に近い働きを持つ１／３オクターブバンドの等比帯域フィルタ群を用いて構成されてもよいし、１／３オクターブバンドよりは狭く、且つ、１／４オクターブバンドよりは広い帯域幅の帯域通過フィルタで構成されてもよい。
いずれの場合であっても、ＢＰＦ１１−ｋからなるフィルタ群は、低周波数方向のサブバンドほど帯域幅を狭くし、高周波方向のサブバンドほど帯域幅を広くするように構成される。

基準音圧レベルＲＬは、入力音声信号Ｓｉｎにおける複数のサブバンド信号での合計の音圧レベル以外の音圧レベルであってもよい。基準音圧レベルＲＬは、入力音声信号Ｓｉｎの音声帯域での音圧レベルの大きさの指標となるレベルであればよい。
例えば、基準音圧レベル算出部２０は、入力音声信号Ｓｉｎにおける複数のサブバンド信号の音圧レベルの平均レベルを、基準音圧レベルＲＬとして算出してもよい。この基準音圧レベルＲＬを採用した場合であっても、信号処理部１０−ｋでは、ｋ番目のサブバンドの音圧レベルＡ（ｋ）が基準音圧レベルＲＬを下回る量が大きいほど、ゲイン係数Ｇｐ（ｋ）を大きくするとよい。

図３は、この変形例のゲイン制御を説明するグラフである。図３のグラフにおいて、横軸がサブバンド（周波数軸に対応）を表し、縦軸が音圧レベル（デシベル値）を表す。図３に示す実線及び破線のグラフの意味は、図２の例と同じである。
図３に示すように、この変形例の基準音圧レベルＲＬは平均レベルであるから、トータルレベルを採用した図２の場合に比べて、低い音圧レベルを示す。ただし、この場合であっても、信号処理部１０−ｋが、基準音圧レベルＲＬを下回る音圧レベルのサブバンドについてゲイン係数Ｇｐ（ｋ）を大きくして、ゲイン制御を行うことにより、周波数エンベロープのピーク及びディップを強調することができる。

図３の例では、信号処理部１０−ｋは、平均レベルよりも音圧レベルが高いサブバンドについては、音圧レベルを低下させていないが、例えば、平均レベルを下回るサブバンドよりもゲイン係数を小さくして（すなわち音圧レベルの低下量を小さくして）、平均レベルよりも音圧レベルが高いサブバンドの音圧レベルを低下させてもよい。

基準音圧レベルＲＬは、更に別の音圧レベルで規定されてもよい。
例えば、基準音圧レベル算出部２０は、各サブバンド信号の周波数に応じた重み付けを音圧レベルに与えた後、前述のトータルレベル又は平均レベルを用いた場合と同じ演算により、基準音圧レベルＲＬを算出してもよい。
また、基準音圧レベル算出部２０は、複数のサブバンド信号の音圧レベルの中央値等、いずれか１つのサブバンド信号の音圧レベルを基準音圧レベルＲＬとすることも可能である。
少なくとも、基準音圧レベル算出部２０がＤＣレベル値により基準音圧レベルＲＬを算出すれば、基準音圧レベル算出部２０や信号処理部１０−ｋでのレイテンシを小さくすることができる。

また、図４に示す方法でゲイン制御が行われてもよい。図４は、図２及び図３に対応するグラフであり、横軸、縦軸及びグラフの意味は、それぞれ図２及び図３と同じである。
ここでは、信号処理部１０−ｋは、音圧レベルＡ（ｋ）が低い順に所定数（ここでは２つ）のサブバンドについて音圧レベルを低下させ、その他のサブバンドについては音圧レベルを変化させない。すなわち、信号処理部１０−ｋが、基準音圧レベルＲＬを下回る一部のサブバンドについてのみ音圧レベルを低下させることによっても、周波数エンベロープのピーク及びディップを強調することができる。信号処理部１０−ｋは、音圧レベルＡ（ｋ）が低い順に１つのサブバンドについてのみ音圧レベルを低下させてもよく、音圧レベルＡ（ｋ）が低い順にいくつのサブバンドの音圧レベルを低下させてもよい。
また、信号処理部１０−ｋは、音圧レベルＡ（ｋ）が閾値レベルを下回るサブバンドについてのみ、音圧レベルを低下させてもよい。
また、信号処理部１０−ｋは、音圧レベルが低いサブバンドほどゲイン係数Ｇｐ（ｋ）に大きな重み付けを与えてもよい。

上述した実施形態では、音声処理装置１は、入力音声信号Ｓｉｎのサンプル単位で、音声の明瞭度を上げるための信号処理を行っていた。音声処理装置１は、例えば、時間軸上で連続する複数のサンプルからなるフレーム単位で、音声の明瞭度を上げるための信号処理を行ってもよい。この場合、音声処理装置１は、同一フレーム内では共通の基準音圧レベルＲＬを用いて、入力音声信号Ｓｉｎを複数のサブバンド信号に分割してもよい。ここにおいて、１フレームの時間長は、１つの音素の時間長（例えば３０ｍｓ）又は複数の音素の時間長（例えば１００ｍｓ）に基づいて設定されてもよい。すなわち、音声処理装置１の各部が、予め決められた期間毎に信号処理を繰り返し実行することによって、ゲイン係数Ｇ（ｋ）を時間経過とともに変化させたゲイン制御が行われる。

信号処理部１０−ｋにおいて、例えば信号の不自然さが問題とならない場合には、平滑化フィルタ１４−ｋを省略してもよい。
信号処理部１０−ｋは、入力音声信号Ｓｉｎを音声帯域で複数のサブバンド信号に分割していたが、それよりも狭い周波数帯域で複数のサブバンド信号に分割してもよいし、更に広い周波数帯域で複数のサブバンド信号に分割してもよい。信号処理部１０−ｋは、例えば、可聴域を含む周波数帯域を、複数のサブバンド信号に分割する。

上述した実施形態の入力音声信号Ｓｉｎは、人間の音声以外の音声を表す信号であってもよい。例えば、入力音声信号Ｓｉｎは、動物等の人間以外の生物の音声を表す音声信号であってもよい。また、入力音声信号Ｓｉｎは、人工的な音声（人工音）を表す音声信号であってもよい。例えば、入力音声信号Ｓｉｎは、非常放送（火災や地震時等で避難誘導をする放送等）の報知音やサイレン等の、所定の報知が行われたことを意味する報知音であってもよい。この場合、音声処理装置１によれば、設備騒音や交通騒音、災害時の騒音等の暗騒音の中から報知音の明瞭度を上げることによって、その報知音を人間に知覚させやすくすることができる。人工音は、報知音に限らず、所定の操作が行われたことを意味する操作音等の他の音声であってもよい。すなわち、入力音声信号Ｓｉｎは、明瞭度を上げる対象となる音を含む音を表す音声信号である。ここにおいて明瞭度を上げる対象となる音は、騒音等の人間に聞かせなくてよい音以外の音であり、伝えるべき情報を含む音である。

上述した実施形態の信号処理部１０−ｋは、音圧レベルに基づいて信号処理を行っていたが、音圧を表す他のパラメータに基づいて信号処理を行ってもよい。この場合であっても、信号処理部１０−ｋは、サブバンド信号のレベルが音声帯域での音圧の大きさの指標となる基準レベルを下回る量に応じて、ゲイン係数を大きくし、ゲイン制御を行う。

本発明の音声処理装置は、例えば、スピーカやヘッドフォン、補聴器、ラジオ、家電器具等の種々の音を出力する装置に適用することができる。これ以外にも、本発明の音声処理装置は、例えば、店舗等の商業施設や駅等の公共施設において、一般放送（広告や案内の音楽又は音声の放送等）や非常放送での利用にも適している。
上述した実施形態で説明したパラメータ（例えば、数式や各種周波数）はあくまで例示であり、本発明はこれに限定されない。
上述した実施形態において、音声処理装置１（信号処理部１０−ｋ）が実現する各機能は、複数のプログラムの組み合わせによって実現され、又は、複数のハードウェア資源の連係によって実現されうる。音声処理装置１の機能がプログラムを用いて実現される場合、このプログラムは、磁気記録媒体（磁気テープ、磁気ディスク（ＨＤＤ（Hard Disk Drive）、ＦＤ（Flexible Disk））など）、光記録媒体（光ディスクなど）、光磁気記録媒体、半導体メモリなどのコンピュータ読取り可能な記録媒体に記憶した状態で提供されてもよいし、ネットワークを介して配信されてもよい。また、本発明は、入力音声信号の明瞭度を上げるための音声明瞭化方法として実施することも可能である。

１…音声処理装置、１０−ｋ，１０−１〜１０−８…信号処理部、１１−ｋ，１１−１〜１１−８…ＢＰＦ、１２−ｋ，１２−１〜１２−８…サブバンドレベル算出部、１３−ｋ，１３−１〜１３−８…ゲイン係数算出部、１４−ｋ，１４−１〜１４−８…平滑化フィルタ、１５−ｋ，１５−１〜１５−８…乗算器、２０…基準音圧レベル算出部、３０…加算器。

Claims (7)

1. 入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、
   前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、
   前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段と
   を備え、
   前記ゲイン制御手段は、前記分割手段により分割されたサブバンド信号のうち、レベルが前記基準レベルを上回るサブバンド信号については、当該サブバンド信号のレベルを変更しない、又は、当該基準レベルを下回るサブバンド信号よりも低い割合でレベルを低下させる
   音声処理装置。
2. 入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、
   前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、
   前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段と
   を備え、
   前記基準レベル算出手段は、
   前記複数のサブバンド信号の合計のレベルを、前記基準レベルとして算出する
   音声処理装置。
3. 前記サブバンド信号は、臨界帯域に基づいて、前記周波数帯域の幅がそれぞれ設定されている
   請求項１又は２に記載の音声処理装置。
4. 前記ゲイン制御手段は、
   予め決められた期間毎に前記ゲイン係数を算出するとともに、当該ゲイン係数の時間軸上での変化を平滑化する処理を、前記サブバンド信号毎の設定に従って行う
   請求項１から３のいずれか１項に記載の音声処理装置。
5. 前記基準レベル算出手段は、前記複数のサブバンド信号に対する共通の基準レベルを算出する
   請求項１に記載の音声処理装置。
6. コンピュータを、
   入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、
   前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、
   前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段
   として機能させるためのプログラムであって、
   前記ゲイン制御手段は、前記分割手段により分割されたサブバンド信号のうち、レベルが前記基準レベルを上回るサブバンド信号については、当該サブバンド信号のレベルを変更しない、又は、当該基準レベルを下回るサブバンド信号よりも低い割合でレベルを低下させる
   プログラム。
7. コンピュータを、
   入力音声信号を複数の周波数帯域毎のサブバンド信号に分割して出力する分割手段と、
   前記入力音声信号に基づいて、前記複数のサブバンド信号に対する基準レベルを算出する基準レベル算出手段と、
   前記分割手段により分割されたサブバンド信号毎に、当該サブバンド信号のレベルを低下させる割合を示すゲイン係数を、当該サブバンド信号のレベルが前記基準レベルを下回る量に応じて大きくするよう設定し、当該設定したゲイン係数で前記サブバンド信号のレベルを変更するゲイン制御手段
   として機能させるためのプログラムであって、
   前記基準レベル算出手段は、
   前記複数のサブバンド信号の合計のレベルを、前記基準レベルとして算出する
   プログラム。

Images