JP6263890B2 - 音声信号処理装置及びプログラム - Google Patents

Description

本発明は、音声信号処理装置及びプログラムに関し、例えば、電話機やテレビ会議装置などの音声信号（この明細書では、音声信号や音響信号等の音信号を「音声信号」と呼んでいる）を用いる通信機又は通信ソフトウェアに適用し得るものである。

取得した音声信号（音響信号や音声信号などの各種の音信号をこの明細書では「音声信号」と呼んでいる）中に含まれる雑音成分を抑圧する手法の一つとして、スペクトル減算法を挙げることができる。特許文献１（における第４の実施形態）には、一対のマイクロホンが捕捉した入力信号に基づいて、正面方向（一対のマイクロホンを結ぶ線分に直交する目的音源側の方向）の信号成分を抑圧して、正面に死角を有する雑音信号を形成し、一方の入力信号から雑音信号をスペクトル減算することにより、横から到来する雑音信号を抑圧する手法が記載されている。

特開２０１３−０６１４２１号公報

スペクトル減算法は、単純な処理で入力信号に含まれている雑音成分を抑圧できるという効果を奏する一方で、ミュージカルノイズという異音成分が発生し、音の自然さを損ねるという課題がある。

ここで、雑音成分の抑圧性能を高めればミュージカルノイズが増し、ミュージカルノイズを減らすためには抑圧性能を下げなければならないというように、雑音成分の抑圧とミュージカルノイズの発生の抑制との間にはトレードオフの関係にあるため、音質と抑圧性能を共に満足させることは難しかった。

そのため、音質の低下を招かずに雑音を十分に抑圧できる音声信号処理装置及びプログラムが望まれている。

第１の本発明は、入力音声信号から雑音信号形成手段が雑音信号を形成し、周波数減算手段が、上記入力音声信号から、形成した雑音信号をスペクトル減算することにより入力音声信号に含まれている雑音成分を抑制する音声信号処理装置において、（１）上記雑音信号形成手段が形成した上記雑音信号を、周波数領域上で平滑化してから、上記周波数減算手段に与える雑音平滑化手段を有し、（２）上記雑音平滑化手段は、上記雑音信号における各周波数の成分を、近接する周波数成分と平均化することにより平滑化する平均処理部を備え、さらに、（３）上記入力音声信号における雑音成分の到来方位を反映した値を計算する雑音方位反映値計算部と、（４）上記平均化における近接周波数成分の反映度合を表す平均化パラメータを、計算された到来方位を反映した値に応じて決定する平均化パラメータ決定部とを有することを特徴とする。

第２の本発明の音声信号処理プログラムは、コンピュータを、（１）入力音声信号から雑音信号を形成する雑音信号形成手段と、（２）形成された上記雑音信号を、周波数領域上で平滑化する雑音平滑化手段と、（３）上記入力音声信号から平滑化された雑音信号をスペクトル減算することにより入力音声信号に含まれている雑音成分を抑制する周波数減算手段として機能させ、（４）上記雑音平滑化手段は、上記雑音信号における各周波数の成分を、近接する周波数成分と平均化することにより平滑化する平均処理部を備え、さらに、上記コンピュータを、（５）上記入力音声信号における雑音成分の到来方位を反映した値を計算する雑音方位反映値計算部と、（６）上記平均化における近接周波数成分の反映度合を表す平均化パラメータを、計算された到来方位を反映した値に応じて決定する平均化パラメータ決定部として機能させることを特徴とする。

本発明によれば、一旦得られた雑音信号を周波数領域上で平滑化してから、入力音声信号からスペクトル減算するようにしたので、音質の低下を招かずに雑音を十分に抑圧できる音声信号処理装置及びプログラムを提供できる。

第１の実施形態に係る音声信号処理装置の構成を示すブロック図である。 第１の実施形態における雑音信号生成部が生成する雑音信号の指向性を示す説明図である。 第２の実施形態に係る音声信号処理装置の構成を示すブロック図である。 第２の実施形態における平均化パラメータ決定部が適用する変換テーブルを示す説明図である。 第３の実施形態に係る音声信号処理装置の構成を示すブロック図である。 第３の実施形態におけるコヒーレンス計算部の詳細構成を示すブロック図である。 第３の実施形態における指向性形成部からの指向性信号の性質を示す説明図である。 第３の実施形態における指向性形成部による２つの指向性の特性を示す説明図である。 方位ごとのコヒーレンスの挙動を示す説明図である。

（Ａ）第１の実施形態
以下、本発明による音声信号処理装置及びプログラムの第１の実施形態を、図面を参照しながら詳述する。

第１の実施形態に係る音声信号処理装置及びプログラムは、以下の考え方によってなされたものである。

従来技術において問題となっていたミュージカルノイズの発生要因は、スペクトル減算処理により、特定の周波数成分が際立って大きくなる、あるいは、小さくなることによって、周波数領域上の孤立点が生じることであることが分かった。そこで、第１実施形態では、正面方向の抑圧処理により得られた雑音信号の各周波数成分に対して平滑化する操作を行うことにより、周波数領域での孤立点の発生を抑制し、ミュージカルノイズを軽減しようとした。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る音声信号処理装置の構成を示すブロック図である。マイクロホンを除く図１に示す部分は、ハードウェア的に各種回路を接続して構築されても良く、また、ＣＰＵ、ＲＯＭ、ＲＡＭなどを有する汎用的な装置若しくはユニットが所定のプログラムを実行することで該当する機能を実現するように構築されても良く、いずれの構築方法を採用した場合であっても、機能的には、図１で表すことができる。

図１において、第１の実施形態の音声信号処理装置１０は、マイクロホンｍ１、ｍ２、ＦＦＴ（高速フーリエ変換）部１１、雑音信号生成部（正面抑圧信号生成部）１２、平滑処理部１３、周波数減算部１４及びＩＦＦＴ（逆高速フーリエ変換）部１５を有する。

各マイクロホンｍ１、ｍ２は、所定距離（若しくは任意の距離）だけ離れて配置され、それぞれ、周囲の音声を捕捉して電気信号（入力信号）に変換するものである。各マイクロホンｍ１、ｍ２は、無指向のもの（若しくは、正面方向（後述する図２参照）にごくごく緩やかな指向性を有するもの）である。各マイクロホンｍ１、ｍ２が捕捉して得た入力信号（アナログ信号）は、図示しないＡ／Ｄ変換器を介して、デジタル信号ｓ１（ｎ）、ｓ２（ｎ）に変換されてＦＦＴ部１１に与えられる。なお、ｎはサンプルの入力順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、ｎが小さいほど古い入力サンプルであり、ｎが大きいほど新しい入力サンプルであるとする。

ＦＦＴ部１１は、マイクロホンｍ１及びマイクロホンｍ２からの入力信号系列ｓ１及びｓ２を受け取り、その入力信号ｓ１及びｓ２に高速フーリエ変換（あるいは離散フーリエ変換）を行うものである。これにより、入力信号ｓ１及びｓ２は、周波数領域で表現される。なお、高速フーリエ変換を実施するに当たり、入力信号ｓ１（ｎ）及びｓ２（ｎ）から、所定のＮ個のサンプルから成る、分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）を構成する。入力信号ｓ１から分析フレームＦＲＡＭＥ１（Ｋ）を構成する例を、以下の（１）式で表す。

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、Ｋが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、特に但し書きがない限りは、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。

ＦＦＴ部１１は、入力信号ｓ１から構成した分析フレームＦＲＡＭＥ１（Ｋ）に高速フーリエ変換して得た周波数領域信号Ｘ１（ｆ，Ｋ）、及び、入力信号ｓ２から構成した分析フレームＦＲＡＭＥ２（Ｋ）を高速フーリエ変換して得た周波数領域信号Ｘ２（ｆ，Ｋ）を、雑音信号形成部１２及び周波数減算部１４に与えるものである。なお、ｆは周波数を表すインデックスである。また、Ｘ１（ｆ，Ｋ）は、（２）式に示すように、単一の値ではなく、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。また、Ｘ１（ｆ，Ｋ）は複素数であり、実部と虚部からなる。Ｘ２（ｆ，Ｋ）や、雑音信号生成部１２で生成される雑音信号Ｎ（ｆ，Ｋ）も同様に表記されたものである。

以下の雑音信号生成部（正面抑圧信号生成部）１２及び周波数減算部１４においては、周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）のうち、周波数領域信号Ｘ１（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ２（ｆ，Ｋ）をサブとして処理を行うが、周波数領域信号Ｘ２（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ１（ｆ，Ｋ）をサブとして処理を行っても良い（後述する（３）式及び（５）式の右辺第１項にメインの信号がくる）。

雑音信号生成部１２では、（３）式のような演算を行って雑音信号Ｎ（ｆ，Ｋ）を生成する。（３）式の演算は、図２に示すように、正面に死角を有する指向性を形成する処理に相当する。従って、左右から到来する成分のみを得ることができる。今、目的方向を正面方向に想定しているので（例えば、目的話者が正面にいることを想定している）、横から到来する成分は雑音であるということができる。

Ｎ（ｆ，Ｋ）＝Ｘ１（ｆ，Ｋ）−Ｘ２（ｆ，Ｋ） …（３）
平滑処理部１３は、雑音信号Ｎ（ｆ，Ｋ）における各周波数の振幅スペクトルを、近傍の周波数の振幅スペクトルに近付ける平滑化を行うものである。平滑処理部１３は、例えば、（４）式に示すような重み付け平均化処理により平滑化を行う。（４）式において、ｆｉは、今処理対象の周波数（注目周波数）を表しており、周波数が小さい側から数えてｉ番目のＦＦＴにおける周波数ポイントの周波数である。

（４）式は、雑音信号Ｎ（ｆ，Ｋ）における注目周波数ｆｉの成分Ｎ（ｆｉ，Ｋ）と、注目周波数ｆｉより小さい周波数成分ｆ１〜ｆｉ−１（但し、「ｆｉ−１」は、注目周波数ｆｉから１を減算したものを表しているのではなく、（ｉ−１）番目のＦＦＴにおける周波数ポイントの周波数を表している）までの周波数の平滑化後雑音信号ＡＶＥ＿Ｎ（ｆｉ−１，Ｋ）との重み付け平均値を計算している。（４）式の演算によって得られた平滑化後雑音信号ＡＶＥ＿Ｎ（ｆｉ，Ｋ）は、より低い周波数における雑音信号成分も寄与するため、周波数領域上の孤立点の発生を抑えることができる。

平滑処理部１３が実行する平滑化のための演算は、（４）式の演算に限定されず、他の平滑化のための演算式を適用しても良い。例えば、注目周波数を中心とし、注目周波数を含めた近傍の複数の周波数の雑音信号成分（近傍周波数のものも平均化されていないものを適用する）の単純平均や重み付け平均を適用するようにしても良い。

周波数減算部１４は、（５）式に示すように、メインの周波数領域信号Ｘ１（ｆ，Ｋ）から平滑化後雑音信号ＡＶＥ＿Ｎ（ｆ，Ｋ）をスペクトル減算して雑音抑圧後信号Ｙ（ｆ，Ｋ）を生成するものである。（５）式におけるε（０＜ε＜１）は、雑音成分の抑圧量を規定するパラメータである。（５）式の演算処理によって、入力信号に含まれる成分のうち、横から到来する雑音成分を抑圧することができる。

Ｙ（ｆ，Ｋ）＝Ｘ１（ｆ，Ｋ）−ε×ＡＶＥ＿Ｎ（ｆ，Ｋ） …（５）
ＩＦＦＴ部１５は、周波数領域信号である雑音抑圧後信号Ｙ（ｆ，Ｋ）を時間領域信号ｙ（ｎ）に変換するものである。なお、次段の処理回路が、周波数領域の信号の入力が好ましいものであればＩＦＦＴ部１５は省略される。

（Ａ−２）第１の実施形態の動作
次に、第１の実施形態の音声信号処理装置１０の動作を説明する。

一対のマイクロホンｍ１及びｍ２によって捕捉され、図示しないＡ／Ｄ変換器によってデジタル信号に変換された信号ｓ１（ｎ）、ｓ２（ｎ）は、ＦＦＴ部１１によって時間領域から周波数領域の信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換される。

メインの周波数領域信号Ｘ１（ｆ，Ｋ）は、雑音信号生成部１２及び周波数減算部１４に与えられ、サブの周波数領域信号Ｘ２（ｆ，Ｋ）は、雑音信号生成部１２に与えられる。

雑音信号生成部１２においては、２つの周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）を適用した（３）式の演算が実行され、すなわち、正面方向に死角を有するような指向性の生成処理が実行され、これにより、左右から到来する成分のみを含む雑音信号Ｎ（ｆ，Ｋ）が生成されて平滑処理部１３に与えられる。

雑音信号Ｎ（ｆ，Ｋ）に対して、平滑処理部１３によって、（４）式の演算が実行され、すなわち、雑音信号Ｎ（ｆ，Ｋ）における周波数領域での孤立点を抑制するような平滑化が実行され、平滑化後雑音信号ＡＶＥ＿Ｎ（ｆｉ，Ｋ）が得られて周波数減算部１４に与えられる。

周波数減算部１４においては、（５）式のように、メインの周波数領域信号Ｘ１（ｆ，Ｋ）から平滑化後雑音信号ＡＶＥ＿Ｎ（ｆ，Ｋ）がスペクトル減算され、雑音抑圧後信号Ｙ（ｆ，Ｋ）が生成される。

周波数領域信号である雑音抑圧後信号Ｙ（ｆ，Ｋ）は、ＩＦＦＴ部１５によって、時間領域信号ｙ（ｎ）に変換されて出力される。

（Ａ−３〉第１の実施形態の効果
第１の実施形態によれば、雑音信号をそのままスペクトル減算に適用するのではなく、雑音信号を周波数領域上で平滑化した後、スペクトル減算に適用するようにしたので、雑音抑圧後信号において、周波数領域上の孤立点の発生を防ぐことができる。従って、ミュージカルノイズを抑制しつつ、雑音抑圧を行うことができるので、音質と抑圧性能をバランスよく実現することができる。

これにより、第１の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機などの通信装置における通話音質の向上が期待できる。

（Ｂ）第２の実施形態
次に、本発明による音声信号処理装置及びプログラムの第２の実施形態を、図面を参照しながら詳述する。

雑音抑圧後信号におけるミュージカルノイズの発生度合いは、ＳＮ比によっても変動する。特に、ＳＮ比が悪化した場合には、雑音信号の孤立点が増える傾向がある。そこで、第２の実施形態においては、（４）式に示すような平均処理における他の周波数成分の寄与を、ＳＮ比に応じて制御することとした。

（Ｂ−１）第２の実施形態の構成
図３は、第２の実施形態に係る音声信号処理装置の構成を示すブロック図であり、第１の実施形態に係る図１との同一、対応部分には同一符号を付して示している。

図３において、第２の実施形態の音声信号処理装置１０Ａは、マイクロホンｍ１、ｍ２、ＦＦＴ部１１、雑音信号生成部１２、平滑処理部１３、周波数減算部１４及びＩＦＦＴ部１５に加え、ＳＮ比計算部１６及び平均化パラメータ決定部１７を有する。

マイクロホンｍ１、ｍ２、ＦＦＴ部１１、雑音信号生成部１２、平滑処理部１３、周波数減算部１４及びＩＦＦＴ部１５は、第１の実施形態のものと同様であり、その機能説明は省略する。なお、第２の実施形態の平滑処理部１３は、（４）式の演算を実行する際に、固定の平均化パラメータαを適用するのではなく、平均化パラメータ決定部１７から与えられた平均化パラメータα（Ｋ）を適用する点は、第１の実施形態の平滑処理部と異なっている。

ＳＮ比計算部１６は、ＦＦＴ部１１から与えられたメインの周波数領域信号Ｘ１（ｆ，Ｋ）と、雑音信号生成部１２から与えられた雑音信号Ｎ（ｆ，Ｋ）とに基づいて、現フレームＫにおけるＳＮ比ＳＮＲ（Ｋ）を計算するものである。例えば、ＳＮ比ＳＮＲ（Ｋ）の計算式としては、（６）式を挙げることができる。（６）式の分母は、雑音信号のレベルであり、分子は、目的音信号のレベルである。第２の実施形態では、第１の実施形態と同様に、目的音は正面から到来し、雑音は横（左右）から到来することを前提しているので、（６）式によってＳＮ比を推定することができる。（６）式におけるηは、０＜η＜１の範囲内の値をとるパラメータである。

平均化パラメータ決定部１７は、ＳＮ比計算部１６が計算（推定）して得たＳＮ比ＳＮＲ（Ｋ）に基づいて、平滑処理部１３が用いる平均化パラメータα（Ｋ）を決定するものである。上述したように、ＳＮ比が悪化すると周波数領域上の孤立点が増える傾向にあるので、より多くの周波数成分を寄与させて平均化処理を行うことが望ましい。そこで、ＳＮ比ＳＮＲ（Ｋ）が大きければ平均化パラメータα（Ｋ）を大きくして他の周波数成分の寄与を小さくし、逆に、ＳＮ比ＳＮＲ（Ｋ）が小さければ平均化パラメータα（Ｋ）を小さくして他の周波数成分の寄与を大きくすることとした。平均化パラメータ決定部１７は、このような関係を満たす平均化パラメータα（Ｋ）を決定することができるのであれば、その具体的な構成は問われないものである。例えば、平均化パラメータ決定部１７は、変換テーブルを利用して構成されたものであっても良く、変換関数の演算を実行するように構成されたものであっても良い。

図４は、平均化パラメータ決定部１７が変換テーブルを利用して構成されたものである場合における適用する変換テーブルを示している。平均化パラメータ決定部１７は、与えられたＳＮ比ＳＮＲ（Ｋ）が変換テーブルのどの範囲Ａ以上Ｂ未満、Ｂ以上Ｃ未満、Ｃ以上Ｄ未満、…（但し、Ａ＜Ｂ＜Ｃ＜Ｄ＜…）に属するかを判定し、属する範囲に対応付けられている値β、γ、δ、…（但し、β＜γ＜δ＜…）を平均化パラメータα（Ｋ）として平滑処理部１３に与える。例えば、ＳＮ比ＳＮＲ（Ｋ）がＢ以上Ｃ未満の範囲の値であると、平均化パラメータ決定部１７は、値がγである平均化パラメータα（Ｋ）を平滑処理部１３に与える。

（Ｂ−２）第２の実施形態の動作
次に、第２の実施形態の音声信号処理装置１０Ａの動作を説明する。

一対のマイクロホンｍ１及びｍ２によって捕捉され、図示しないＡ／Ｄ変換器によってデジタル信号に変換された信号ｓ１（ｎ）、ｓ２（ｎ）は、ＦＦＴ部１１によって時間領域から周波数領域の信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換される。そして、メインの周波数領域信号Ｘ１（ｆ，Ｋ）は、雑音信号生成部１２、周波数減算部１４及びＳＮ比計算部１６に与えられ、サブの周波数領域信号Ｘ２（ｆ，Ｋ）は、雑音信号生成部１２に与えられる。

雑音信号生成部１２においては、第１の実施形態と同様にして、雑音信号Ｎ（ｆ，Ｋ）が生成される。生成された雑音信号Ｎ（ｆ，Ｋ）は、ＳＮ比計算部１６及び平滑処理部１３に与えられる。

ＳＮ比計算部１６においては、メインの周波数領域信号Ｘ１（ｆ，Ｋ）と、雑音信号Ｎ（ｆ，Ｋ）とに基づいて、現フレームＫにおけるＳＮ比ＳＮＲ（Ｋ）が計算され、平均化パラメータ決定部１７に与えられる。平均化パラメータ決定部１７においては、現フレームＫにおけるＳＮ比ＳＮＲ（Ｋ）に応じた平均化パラメータα（Ｋ）が決定されて平滑処理部１３に与えられる。

第２の実施形態の場合、雑音信号Ｎ（ｆ，Ｋ）に対して、平滑処理部１３によって、固定値αに代えて、平均化パラメータα（Ｋ）を適用した（４）式の演算が実行され、平滑化後雑音信号ＡＶＥ＿Ｎ（ｆｉ，Ｋ）が得られて周波数減算部１４に与えられる。

周波数減算部１４においては、第１の実施形態と同様に、メインの周波数領域信号Ｘ１（ｆ，Ｋ）から平滑化後雑音信号ＡＶＥ＿Ｎ（ｆ，Ｋ）がスペクトル減算され、雑音抑圧後信号Ｙ（ｆ，Ｋ）が生成され、生成された雑音抑圧後信号Ｙ（ｆ，Ｋ）は、ＩＦＦＴ部１５によって、時間領域信号ｙ（ｎ）に変換されて出力される。

（Ｂ−３〉第２の実施形態の効果
第２の実施形態によれば、ＳＮ比に応じて最適な平均化パラメータを用いて雑音信号の平均化処理を行うことができるので、ＳＮ比に依存しないミュージカルノイズの低減効果が得られる。

これにより、第２の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機などの通信装置における通話音質の向上が期待できる。

（Ｃ）第３の実施形態
次に、本発明による音声信号処理装置及びプログラムの第３の実施形態を、図面を参照しながら詳述する。

上述した第２の実施形態は、雑音抑圧後信号におけるミュージカルノイズの発生度合いは、ＳＮ比によっても変動することに鑑み、（４）式に示すような平均処理における他の周波数成分の寄与を、ＳＮ比に応じて制御するものであった。

この第３の実施形態は、（４）式に示すような平均処理における他の周波数成分の寄与を、雑音の到来方位に応じて制御することとしたものである。これは、雑音抑圧後信号におけるミュージカルノイズの発生度合いは、雑音がどの方位から到来するのかによっても変動することに鑑みたものである。

図５は、第３の実施形態に係る音声信号処理装置の構成を示すブロック図であり、第１の実施形態に係る図１や第２の実施形態に係る図３との同一、対応部分には同一符号を付して示している。

図５において、第３の実施形態の音声信号処理装置１０Ｂは、マイクロホンｍ１、ｍ２、ＦＦＴ部１１、雑音信号生成部１２、平滑処理部１３、周波数減算部１４及びＩＦＦＴ部１５に加え、コヒーレンス計算部１８及び平均化パラメータ決定部１７Ｂを有する。

マイクロホンｍ１、ｍ２、ＦＦＴ部１１、雑音信号生成部１２、平滑処理部１３、周波数減算部１４及びＩＦＦＴ部１５は、第１の実施形態のものと同様であり、平均化パラメータ決定部１７Ｂは、第２の実施形態のものと同様であり、その機能説明は省略する。なお、第３の実施形態の平滑処理部１３は、（４）式の演算を実行する際に、固定の平均化パラメータαを適用するのではなく、平均化パラメータ決定部１７Ｂから与えられた平均化パラメータα（Ｋ）を適用する点は、第１の実施形態の平滑処理部と異なっている。また、平均化パラメータ決定部１７Ｂは、コヒーレンスＣＯＨ（Ｋ）に基づいて平均化パラメータα（Ｋ）を決定する点は、第２の実施形態の平均化パラメータ決定部と異なっている。

コヒーレンス計算部１８は、雑音の到来方位を推定し得る指標値としてコヒーレンスＣＯＨ（Ｋ）を算出するものである。

図６は、コヒーレンス計算部１８の詳細構成を示すブロック図である。

図６において、コヒーレンス計算部１８は、入力信号受信部２１、指向性形成部２２、フィルタ係数計算部２３、コヒーレンス計算本体部２４及びコヒーレンス送信部２５を有する。

入力信号受信部２１は、ＦＦＴ部１１から出力された周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）を受け取るものである。

指向性形成部２２は、特定方向に指向性が強い２種類の指向性信号（第１及び第２の指向性信号）Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）を形成するものである。指向性信号Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）を形成する方法は、既存の方法を適用することができ、例えば、（７）式及び（８）式に従った演算により求める方法を適用することができる。

以下、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）の算出式の意味を、（７）式を例に、図７及び図８を用いて説明する。図７（Ａ）に示した方向θから音波が到来し、距離ｌだけ隔てて設置されている一対のマイクロホンｍ１及びｍ２で捕捉されたとする。このとき、音波が一対のマイクロホンｍ１及びｍ２に到達するまでには時間差が生じる。この到達時間差τは、音の経路差をｄとすると、ｄ＝ｌ×ｓｉｎθなので、音速をｃとすると（９）式で与えられる。

τ＝ｌ×ｓｉｎθ／ｃ …（９）
ところで、入力信号ｓ１（ｎ）にτだけ遅延を与えた信号ｓ１（ｔ−τ）は、入力信号ｓ２（ｔ）と同一の信号である。従って、両者の差をとった信号ｙ（ｔ）＝ｓ２（ｔ）−ｓ１（ｔ−τ）は、θ方向から到来した音が除去された信号となる。結果として、一対のマイクロホン（マイクロホンアレー）ｍ１及びｍ２は図７（Ｂ）のような指向特性を持つようになる。

なお、以上では、時間領域での演算を記したが、周波数領域で行っても同様なことがいえる。この場合の式が、上述した（７）式及び（８）式である。今、一例として、到来方位θが±９０度であることを想定する。すなわち、第１の指向性信号Ｂ１（ｆ）は、図８（Ａ）に示すように右方向に強い指向性を有し、第２の指向性信号Ｂ２（ｆ）は、図８（Ｂ）に示すように左方向に強い指向性を有する。なお、以降では、θ＝±９０度であることを想定して説明するが、θは±９０度に限定されるものではない。

フィルタ係数計算部２３は、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）に基づいて、（１０）式に従ってコヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）を計算するものである。

コヒーレンス計算本体部２５は、（１１）式に示すように、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を全周波数で算術平均した値であるコヒーレンスＣＯＨ（Ｋ）を算出する。

図９は、コヒーレンスの挙動を示した説明図である。図９に示すように、雑音の到来方位に応じてコヒーレンスの値がとるレンジが変化することが分かる。この性質を用いることで、雑音の到来方位をコヒーレンスＣＯＨ（Ｋ）によって推定することができる。

コヒーレンス送信部２５は、算出されたコヒーレンスＣＯＨ（Ｋ）を平均化パラメータ決定部１７Ｂに与えるものである。

第３の実施形態の平均化パラメータ決定部１７Ｂは、第２の実施形態とは異なり、コヒーレンス計算部１８が計算（推定）して得たコヒーレンス計算部１８に基づいて、平滑処理部１３が用いる平均化パラメータα（Ｋ）を決定するものであり、例えば、第２の実施形態と同様に、変換テーブルを利用して平均化パラメータα（Ｋ）を決定する（図４参照）。

第３の実施形態によれば、雑音の到来方位に応じて最適な平均化パラメータを用いて雑音信号の平均化処理を行うことができるので、雑音の到来方位に依存しないミュージカルノイズの低減効果が得られる。

これにより、第３の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機などの通信装置における通話音質の向上が期待できる。

（Ｄ）他の実施形態
上記各実施形態の説明においても、種々変形実施形態について言及したが、さらに、以下に例示するような変形実施形態を挙げることができる。

上記第２の実施形態においては、ＳＮ比ＳＮＲ（Ｋ）に応じて平均化パラメータタα（Ｋ）を制御するものを示したが、これに加え、ＳＮ比ＳＮＲ（Ｋ）に応じて、スペクトル減算時の抑圧係数ε（Ｋ）をも制御するようにしても良い。例えば、変換テーブルを利用して、ＳＮ比ＳＮＲ（Ｋ）に応じて抑圧係数ε（Ｋ）を決定する。同様に、第３の実施形態に関しても、コヒーレンスＣＯＨ（Ｋ）に応じて、平均化パラメータα（Ｋ）及び抑圧係数ε（Ｋ）の双方を制御するようにしても良い。

上記第２の実施形態の説明で言及した変換テーブルにおけるＳＮ比ＳＮＲ（Ｋ）の範囲の数は２以上であれば良く、所定の数に限定されるものではない。

上記各実施形態において、周波数領域の信号で処理していた処理を、可能ならば時間領域の信号で処理するようにしても良く、逆に、時間領域の信号で処理していた処理を、可能ならば周波数領域の信号で処理するようにしても良い。

上記第２の実施形態では、ＳＮ比ＳＮＲ（Ｋ）を雑音の影響度合いを表す指標値として適用し、上記第３の実施形態では、コヒーレンスＣＯＨ（Ｋ）を雑音の影響度合いを表す指標値として適用したものを示したが、雑音の影響度合いを表すものであれば、他の指標値を適用しても良く、また、複数の指標値を同時に適用するようにしても良い。例えば、ＳＮ比ＳＮＲ（Ｋ）が属する範囲とコヒーレンスＣＯＨ（Ｋ）が属する範囲との組み合わせに応じて、平均化パラメータα（Ｋ）を定めるようにしても良い。

上記各実施形態では、雑音抑制技術として、周波数減算法を単独で適用したものを示したが、他の雑音抑制技術（特許文献１参照）、例えば、ボイススイッチ法、ウィーナーフィルタ法、コヒーレンスフィルタ法と併用するようにしても良い。

上記各実施形態では、一対のマイクロホンが捕捉した信号を直ちに処理する音声信号処理装置やプログラムを示したが、本発明の処理対象の音声信号はこれに限定されるものではない。例えば、記録媒体から読み出した一対の音声信号を処理する場合にも、本発明を適用することができ、また、対向装置から送信されてきた一対の音声信号を処理する場合にも、本発明を適用することができる。

１０、１０Ａ、１０Ｂ…音声信号処理装置、ｍ１、ｍ２…マイクロホン、１１…ＦＦＴ（高速フーリエ変換）部、１２…雑音信号生成部、１３…平滑処理部、１４…周波数減算部、１５…ＩＦＦＴ（逆高速フーリエ変換）部、１６…ＳＮ比計算部、１７、１７Ｂ…平均化パラメータ決定部、１８…コヒーレンス計算部１８。

Claims (2)

1. 入力音声信号から雑音信号形成手段が雑音信号を形成し、周波数減算手段が、上記入力音声信号から、形成した雑音信号をスペクトル減算することにより入力音声信号に含まれている雑音成分を抑制する音声信号処理装置において、
   上記雑音信号形成手段が形成した上記雑音信号を、周波数領域上で平滑化してから、上記周波数減算手段に与える雑音平滑化手段を有し、
   上記雑音平滑化手段は、上記雑音信号における各周波数の成分を、近接する周波数成分と平均化することにより平滑化する平均処理部を備え、
   さらに、上記入力音声信号における雑音成分の到来方位を反映した値を計算する雑音方位反映値計算部と、
   上記平均化における近接周波数成分の反映度合を表す平均化パラメータを、計算された到来方位を反映した値に応じて決定する平均化パラメータ決定部と
   を有することを特徴とする音声信号処理装置。
2. コンピュータを、
   入力音声信号から雑音信号を形成する雑音信号形成手段と、
   形成された上記雑音信号を、周波数領域上で平滑化する雑音平滑化手段と、
   上記入力音声信号から平滑化された雑音信号をスペクトル減算することにより入力音声信号に含まれている雑音成分を抑制する周波数減算手段と
   して機能させ、
   上記雑音平滑化手段は、上記雑音信号における各周波数の成分を、近接する周波数成分と平均化することにより平滑化する平均処理部を備え、
   さらに、上記コンピュータを、
   上記入力音声信号における雑音成分の到来方位を反映した値を計算する雑音方位反映値計算部と、
   上記平均化における近接周波数成分の反映度合を表す平均化パラメータを、計算された到来方位を反映した値に応じて決定する平均化パラメータ決定部と
   して機能させることを特徴とする音声信号処理プログラム。

Images