JP6339896B2 - 雑音抑圧装置および雑音抑圧方法 - Google Patents

Description

本発明は、入力信号の雑音を抑圧するための抑圧係数を算出する雑音抑圧装置および雑音抑圧方法に関する。

ＴＶ会議システム等で行われるハンズフリー通話システムがある。この通話システムでは、マイクロホンで収音した信号に含まれる雑音を抑圧する雑音抑圧装置が搭載されている。この通話システムは、様々な環境に設置されるが、背景雑音の大きい環境に設置されると、通話における音声の明瞭度が低下してしまう問題がある。さらに、近年、この通話システムは、車にも搭載されるようになったため、背景雑音の影響がより顕著になってきている。そのため、雑音抑圧性能が高く、高音質な雑音抑圧装置の実現が望まれている。

例えば非特許文献１および特許文献１には、雑音を抑圧するための抑圧係数を算出する雑音抑圧装置や雑音抑圧方法が提案されている（例えば非特許文献１および特許文献１）。非特許文献１および特許文献１には、ＭＡＰ推定とベイズの定理を利用して演算量を抑えながら雑音を抑圧するための抑圧係数を算出する雑音抑圧装置や雑音抑圧方法が提案されている。

T.Lotter et al.,"Noisereduction by maximum a posteriori spectral amplitude estimation with supergaussian speech modeling", IWAENC 2003,pp.83-86

特許第４５４２７９０号公報

しかしながら、上記非特許文献１および特許文献１に開示される技術では、算出することができる雑音抑圧係数の精度が十分でないため、雑音抑圧の効果を得ることができるものの、音声信号も同時に抑圧してしまい、音質の劣化や明瞭度の低下が生じてしまうという問題を抱えている。

本発明は、上記課題を鑑みてなされたものであり、より推定精度の高い雑音抑圧係数を算出することができる雑音抑圧装置および雑音抑圧方法を提供することを目的とする。

上記目的を達成するために、本発明の一形態に係る雑音抑圧装置は、入力信号の周波数スペクトルを用いて、前記入力信号の雑音を抑圧するための抑圧係数を算出する雑音抑圧装置であって、前記入力信号を周波数スペクトルへ変換する周波数変換部と、前記周波数スペクトルを用いて、前記入力信号の推定雑音レベルを算出する雑音レベル推定部と、Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する重み係数算出部と、前記Ｎ個の統計分布モデルを前記Ｎ個の重み係数により重み付けすることにより音声の同時分布モデルを算出し、算出した前記音声の同時分布モデルを事前確率として用いる事後確率に基づき前記入力信号の音声スペクトルの推定式を導出し、導出した前記入力信号の音声スペクトルの推定式と前記入力信号のレベルとに基づいて、前記抑圧係数を算出する抑圧係数算出部と、を備える。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

本発明によれば、より推定精度の高い雑音抑圧係数を算出することができる雑音抑圧装置等を提供することができる。

図１は、分析区間が音声のみの場合の音声の振幅スペクトルの分布のヒストグラムの一例を示す図である。 図２は、分析区間が音声のみ、かつ、信号レベルが小さい場合の音声の振幅スペクトルの分布のヒストグラムの一例を示す図である。 図３は、分析区間に雑音区間と音声区間とが同時に存在する場合の音声の振幅スペクトルの分布のヒストグラム一例を示す図である。 図４Ａは、実施の形態に係る雑音抑圧装置の構成の一例を示す図である。 図４Ｂは、実施の形態に係る雑音抑圧装置の最小構成の一例を示す図である。 図５は、実施の形態に係る観測データである雑音の統計分布モデルの一例を示す図である。 図６は、実施例１に係る音声の同時分布モデルの一例を示す図である。 図７は、実施例１に係る音声の同時分布モデルの一例を示す図である。 図８は、実施例２に係る音声の同時分布モデルの一例を示す図である。 図９は、図８に示す音声の同時分布モデルの効果を示す図である。 図１０は、実施例３に係る音声の同時分布モデルの一例を示す図である。 図１１は、図１０に示す音声の同時分布モデルの効果を示す図である。 図１２は、実施の形態における雑音抑圧装置の最小構成が行う動作を示すフローチャートである。 図１３は、実施の形態における雑音抑圧装置の動作を示すフローチャートである。 図１４は、実施の形態の変形例に係る雑音抑圧装置の構成の一例を示す図である。 図１５は、図１４に示す重み係数算出部の詳細構成の一例である。

（本発明の基礎となった知見）
以下、本発明の基礎となった知見について説明する。

図１は、分析区間が音声のみの場合の音声の振幅スペクトルの分布のヒストグラムの一例を示す図である。図２は、分析区間が音声のみ、かつ、信号レベルが小さい場合の音声の振幅スペクトルの分布のヒストグラムの一例を示す図である。図３は、分析区間に雑音区間と音声区間とが同時に存在する場合の音声の振幅スペクトルの分布のヒストグラム一例を示す図である。

上記非特許文献１および上記特許文献１には、ＭＡＰ推定とベイズの定理を利用して演算量を抑えながら雑音を抑圧するための抑圧係数を算出する方法が提案されている。

具体的には、上記非特許文献１では、音声信号の周波数スペクトルの振幅をガンマ分布またはラプラス分布の確率密度関数で近似し、雑音信号の周波数スペクトルを正規分布で近似し、ＭＡＰ推定とベイズの定理を利用して雑音抑圧係数の推定式を導出する方法について提案されている。この方法では、雑音抑圧係数の推定式が簡単な式になるので、演算量を抑えることができるという効果がある。

しかしながら、分析区間における音声の周波数スペクトルの振幅分布は、音声信号のレベルの大小、雑音区間（音声信号が存在しない区間）の有無、周波数によって様々な形状となる（例えば図１〜図３）。特に、図１に示すように音声信号のみが存在する区間においてはガンマ分布やラプラス分布とはならない。つまり、図３に示すような無音区間を含んだ音声信号（音声の周波数スペクトルの振幅分布）はガンマ分布またはラプラス分布で近似が可能であるが、図１に示すような音声信号のみが存在する区間では音声信号はガンマ分布やラプラス分布で近似できない。このため、図１に示す区間において算出した雑音抑圧係数の精度は低く、雑音抑圧の効果は得られるものの、音声信号も同時に抑圧されてしまい、音質の劣化や明瞭度の低下が生じてしまうという問題がある。

また、上記特許文献１では、音声信号の周波数スペクトルの実部および虚部のそれぞれをラプラス分布で近似し、雑音信号の周波数スペクトルの実部および虚部を正規分布で近似し、ＭＡＰ推定とベイズの定理を利用して雑音抑圧係数の推定式を導出する方法について提案されている。

しかしながら、非特許文献１と同様、音声信号をラプラス分布で近似するため、図１に示すような無音区間を含まない音声信号のみが存在する区間では音声信号はガンマ分布やラプラス分布で近似できない。一方で、上記特許文献では、分析区間が比較的長期間（sec、msecオーダ）であるため、ガンマ分布やラプラス分布を用いても比較的長期間である分析区間における平均的な分布形状は近似することができるため雑音抑圧の効果は得られる。しかし、無音区間を含まない音声信号も丸めてしまっているため、算出した雑音抑圧係数の精度は低い。そのため、上記特許文献では、音声信号も同時に抑圧されてしまい、音質の劣化や明瞭度の低下が生じてしまうという問題がある。

ここで、音声スペクトルの分布は、分析区間における音声信号のレベル、雑音区間（音声信号存在しない区間）の有無等により大きく変動する。例えば図１に示すように、雑音区間のない音声スペクトルのみが存在する区間に着目すると、ガンマ分布やラプラス分布で近似できるような分布にはならない。また、図２に示すように、音声レベルが小さい時も同様である。ガンマ分布やラプラス分布のように指数分布に近い形状となるのは、図３で示されるような、雑音区間と音声区間が同時に存在する場合である。

このように、上記非特許文献１および特許文献１に開示される技術では、音声信号の確率密度関数を単一の統計分布モデルで表現されているので、様々な形状の分布が存在する音声区間における音声スペクトルの近似精度は低くなる。そのため、上記の従来技術では、雑音のみを抑圧する雑音抑圧係数の推定精度が低くなってしまい、音質の劣化や明瞭度の低下が生じてしまうという問題を抱えている。

そこで、上記目的を達成するために、本発明の一形態に係る雑音抑圧装置は、入力信号の周波数スペクトルを用いて、前記入力信号の雑音を抑圧するための抑圧係数を算出する雑音抑圧装置であって、前記入力信号を周波数スペクトルへ変換する周波数変換部と、前記周波数スペクトルを用いて、前記入力信号の推定雑音レベルを算出する雑音レベル推定部と、Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する重み係数算出部と、前記Ｎ個の統計分布モデルを前記Ｎ個の重み係数により重み付けすることにより音声の同時分布モデルを算出し、算出した前記音声の同時分布モデルを事前確率として用いる事後確率に基づき前記入力信号の音声スペクトルの推定式を導出し、導出した前記入力信号の音声スペクトルの推定式と前記入力信号のレベルとに基づいて、前記抑圧係数を算出する抑圧係数算出部と、を備える。

この構成により、より推定精度の高い雑音抑圧係数を算出することができる雑音抑圧装置を実現することができる。

具体的には、入力信号に含まれる音声（音声スペクトル）の出現確率を高精度に近似することができるので、より推定精度の高い雑音抑圧係数を算出することができる。それにより、高い雑音抑圧性能を保ちつつ、音声を過抑圧することなく雑音を除去することが可能な雑音抑圧装置を実現することができる。

ここで、例えば、前記抑圧係数算出部は、前記音声の同時分布モデルと観測された雑音の確率を近似する雑音の統計分布モデルとの積を用いて、前記入力信号の音声スペクトルの推定式を導出する。

また、例えば、前記音声の同時分布モデルは、前記入力信号の音声スペクトルを示す出現確率を近似し、前記抑圧係数算出部は、前記Ｎ個の重み係数により重み付けした前記Ｎ個の統計分布モデルの積を、前記音声の同時分布モデルとして算出する。

この構成により、音声の同時分布モデルは少なくとも２つ以上のＮ個の統計分布モデルの積で表現される。Ｎ個の統計分布モデルに対応した確率変数に、重み係数算出部より算出されたＮ個の重み係数が乗算されることにより得られる音声の同時分布モデルは、様々な分布形状を表現することができるので、入力信号に含まれる音声スペクトルの近似精度を上げることができる。それにより、より推定精度の高い雑音抑圧係数を算出することができる。

また、例えば、さらに、前記周波数スペクトルと前記推定雑音レベルと過去に算出した抑圧係数とを用いて、重み付き信号対雑音比を示す事前ＳＮＲを算出する事前ＳＮＲ算出部と、前記周波数スペクトルと前記推定雑音レベルとを用いて、入力信号対雑音比を示す事後ＳＮＲを算出する事後ＳＮＲ算出部と、前記抑圧係数算出部で算出された現抑圧係数を前記周波数スペクトルに乗算した重み付け周波数スペクトルを、時間信号に変換する時間信号変換部と、を備え、前記重み係数算出部は、前記事前ＳＮＲまたは前記事後ＳＮＲを用いて、前記Ｎ個の重み係数を算出し、前記抑圧係数算出部は、１）前記重み係数算出部で算出された前記Ｎ個の重み係数で重み付けした前記Ｎ個の統計分布モデルの積を、前記周波数スペクトルに含まれる音声スペクトルの出現確率を近似する前記音声の同時分布モデルとして算出し、２）前記周波数スペクトルに含まれる雑音スペクトルの出現確率を近似する雑音の統計分布モデルを算出し、３）算出した前記雑音の統計分布モデルと前記音声の同時分布モデルとの積から前記入力信号の音声スペクトルの推定式を導出し、４）前記事前ＳＮＲ、前記事後ＳＮＲおよび前記重み係数算出部で算出された前記Ｎ個の重み係数を用いて、前記音声スペクトルの推定式から前記抑圧係数を算出するとしてもよい。

この構成により、入力信号に含まれる音声スペクトルの出現確率を高精度に近似することができるので、より推定精度の高い雑音抑圧係数を算出することができる。

ここで、例えば、Ｎ個の統計分布モデルに対応する確率変数の重み係数は、事後ＳＮＲの値に連動する場合、事後ＳＮＲは入力信号レベルと推定雑音信号レベルとの比であるため、雑音区間では１に近づき、音声が存在する区間では１より大きな値を持つという特徴がある。そのため、この特徴を利用して重み係数を決定することができる。

また、例えば、Ｎ個の統計分布モデルに対応する確率変数の重み係数は、事前ＳＮＲの値に連動する場合、事前ＳＮＲは入力信号レベルから過去の雑音抑圧係数を用いて雑音除去した信号と、推定雑音信号レベルとの比であるため、雑音区間では零に近づき、音声が存在する区間では零より大きな値を持つという特徴がある。そのため、この特徴を利用することで重み係数を決定することができる。

ここで、例えば、前記Ｎ個の統計分布モデルは、ガンマ分布モデルと、レイリー分布モデルとを含むとしてもよい。

また、例えば、前記Ｎ個の統計分布モデルを構成する統計分布モデルの組み合わせは、前記周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、異なるとしてもよい。

この構成により、Ｎ個の統計分布モデルの組み合わせを、周波数スペクトルの周波数成分のうち少なくとも２つ以上の周波数成分において異なる組み合わせを持つようにすることができる。これにより、例えば低域および高域で構成される波長の異なる帯域において最適な構成を選択することができる。

また、例えば、前記重み係数算出部は、前記周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、前記Ｎ個の重み係数のうち少なくとも２つ以上異なる重み係数を含む前記Ｎ個の重み係数を算出するとしてもよい。

また、例えば、前記Ｎ個の統計分布モデルは、音声の振幅スペクトルの出現確率を近似するとしてもよい。

このように、Ｎ個の統計分布モデルが音声の振幅スペクトルの分布で構成されることにより、ガンマ分布等の正の値しか利用できない分布を利用することができるようになり、音声の同時分布モデルが表現できる分布形状の自由度が向上する。

また、例えば、前記抑圧係数算出部は、前記入力信号の音声スペクトルの推定式を、ＭＡＰ（Maximum A posteriori Estimation)推定およびベイズの定理を利用して、関数式として導出するとしてもよい。

ここで、例えば、前記抑圧係数算出部は、導出した前記音声スペクトルの推定式を音声スペクトルの振幅で偏微分し零とおいた演算式に従って、前記抑圧係数を算出するとしてもよい。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭ等の記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。

以下、本発明の一態様に係る雑音抑圧装置等について、図面を参照しながら具体的に説明する。

なお、以下で説明する実施の形態は、いずれも本発明の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

（実施の形態）
［雑音抑圧装置の構成］
図４Ａは、実施の形態に係る雑音抑圧装置の構成の一例を示す図である。図４Ｂは、実施の形態に係る雑音抑圧装置の最小構成の一例を示す図である。

図４Ａに示す雑音抑圧装置１は、周波数変換部１０と、雑音レベル推定部１１と、事前ＳＮＲ算出部１２と、事後ＳＮＲ推定部１３と、重み係数算出部１４と、抑圧係数算出部１５と、時間信号変換部１６とを備え、入力信号の周波数スペクトルを用いて、入力信号の雑音を抑圧するための抑圧係数を算出する。なお、図４Ｂに示す雑音抑圧装置１００は、図４Ａに示す雑音抑圧装置１の最小構成であり、雑音レベル推定部１１と、重み係数算出部１４と、抑圧係数算出部１５とを備える。

以下、雑音抑圧装置１の構成について詳細に説明する。

周波数変換部１０は、入力信号を周波数スペクトルへ変換する。本実施の形態では、周波数変換部１０は、入力信号ｘ（ｔ）（ｔは時間信号のサンプル）を入力とし、フーリエ変換やウェーブレット変換などの周波数分析手法を用いて、周波数スペクトルＸ（ｋ）（ｋは周波数のサンプル）に変換して出力する。

雑音レベル推定部１１は、周波数変換部１０で変換された周波数スペクトルを用いて、入力信号の推定雑音レベルを算出する。本実施の形態では、雑音レベル推定部１１は、周波数スペクトルＸ（ｋ）を入力とし、例えば周波数スペクトルの絶対値｜Ｘ（ｋ）｜または入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２（＾２は２乗を表す）を用いて、雑音区間での時間移動平均等を行うことで雑音レベルＮ（ｋ）＾２を推定する。なお、雑音レベル推定部１１は、雑音レベルＮ（ｋ）＾２と過去の雑音レベルとの重み付き平均を算出した平均雑音レベルを、上記雑音レベルＮ（ｋ）＾２に代えて推定するとしてもよい。

事前ＳＮＲ算出部１２は、周波数スペクトルと推定雑音レベルと過去に算出した抑圧係数とを用いて、重み付き信号対雑音比を示す事前ＳＮＲを算出する。本実施の形態では、事前ＳＮＲ算出部１２は、周波数スペクトルＸ（ｋ）から算出した入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２に対し、過去に算出した雑音抑圧係数Ｗ（ｋ）の２乗を乗算することで雑音除去した信号レベル（重み付き信号レベル）と、雑音レベル推定部１１より出力された雑音レベルＮ（ｋ）＾２との比（事前ＳＮＲ）であるＱ１（ｋ）を算出する。

ここで、事前ＳＮＲは、入力信号レベルから過去の雑音抑圧係数を用いて雑音除去した信号と、推定雑音信号レベルとの比であるため、雑音区間では零に近づき、音声が存在する区間では零より大きな値を持つという特徴がある。そのため、この特徴を利用することで、後述する重み係数ｃ１（ｋ）、・・・、ｃＮ（ｋ）を決定することができる。

なお、事前ＳＮＲ算出部１２は、雑音除去した信号レベル（重み付き信号レベル）を、スペクトルサブトラクション法を用いて、入力信号のパワースペクトルＸ（ｋ）＾２から雑音レベルＮ（ｋ）＾２を減算することで算出してもよい。また、事前ＳＮＲ算出部１２は、雑音除去した信号レベル（重み付き信号レベル）を、過去に算出した雑音抑圧係数Ｗ（ｋ）用いて算出した信号レベルと、スペクトルサブトラクション法を用いて算出した信号レベルの重み付き平均をとることで算出してもよい。

事後ＳＮＲ推定部１３は、周波数スペクトルと推定雑音レベルとを用いて、入力信号対雑音比を示す事後ＳＮＲを算出する。本実施の形態では、事後ＳＮＲ推定部１３は、周波数スペクトルＸ（ｋ）から算出した入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２と、雑音レベル推定部１１より出力された雑音レベルＮ（ｋ）＾２との比（事後ＳＮＲ）であるＱ２（ｋ）を算出する。

ここで、事後ＳＮＲは、入力信号レベルと推定雑音信号レベルとの比であるため、雑音区間では１に近づき、音声が存在する区間では１より大きな値を持つという特徴がある。そのため、この特徴を利用して後述する重み係数ｃ１（ｋ）、・・・、ｃＮ（ｋ）を決定することができる。

重み係数算出部１４は、Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する。また、重み係数算出部１４は、事前ＳＮＲまたは事後ＳＮＲを用いて、上記Ｎ個の重み係数を算出する。本実施の形態では、重み係数算出部１４は、少なくとも２つ以上のＮ個の統計分布モデルに対応する各確率変数に乗算する重み係数ｃ１（ｋ）、・・・、ｃＮ（ｋ）を算出する。ここで、Ｎ個の統計分布モデルそれぞれは、例えば音声の振幅スペクトルの出現確率の分布を近似するモデルである。なお、Ｎ個の統計分布モデルそれぞれは、音声のパワースペクトルの出現確率の分布を近似するモデルであってもよく、位相の情報のないスペクトルの出現確率であればよい。また、Ｎ個の統計分布モデルは、正規分布モデルと、レイリー分布モデルとを含むとしてもよい。

時間信号変換部１６は、抑圧係数算出部１５で算出された現抑圧係数を周波数スペクトルに乗算した重み付け周波数スペクトルを、時間信号に変換する。本実施の形態では、時間信号変換部１６は、抑圧係数算出部１５で算出された抑圧係数Ｗ（ｋ）を周波数スペクトルＸ（ｋ）に乗算したスペクトルＹ（ｋ）（重み付け周波数スペクトル）を時間信号である出力信号ｙ（ｔ）に変換して出力する。

抑圧係数算出部１５は、Ｎ個の統計分布モデルをＮ個の重み係数により重み付けすることにより音声の同時分布モデルを算出し、算出した音声の同時分布モデルを事前確率として用いる事後確率に基づき入力信号の音声スペクトルの推定式を導出し、導出した入力信号の音声スペクトルの推定式と入力信号のレベルとに基づいて、抑圧係数を算出する。また、音声の同時分布モデルは、入力信号の音声スペクトルを示す出現確率を近似しており、抑圧係数算出部１５はベイズの定理を利用し、音声の同時分布モデルと観測された雑音の確率を近似する雑音の統計分布モデルとの積を用いて事後確率分布を算出し、入力信号の音声スペクトルの推定式を導出する。

より具体的には、抑圧係数算出部１５は、重み係数算出部１４で算出されたＮ個の重み係数で重み付けしたＮ個の統計分布モデルの積を、周波数スペクトルに含まれる音声スペクトルの出現確率を近似する音声の同時分布モデルとして算出し、周波数スペクトルに含まれる雑音スペクトルの出現確率を近似する雑音の統計分布モデルを算出する。抑圧係数算出部１５はベイズの定理を利用し、算出した雑音の統計分布モデルと算出した音声の同時分布モデルとの積から事後確率分布を算出し、入力信号の音声スペクトルの推定式を導出し、事前ＳＮＲ、事後ＳＮＲおよび重み係数算出部１４で算出されたＮ個の重み係数を用いて、音声スペクトルの推定式から抑圧係数を算出する。

本実施の形態では、抑圧係数算出部１５は、ＭＡＰ推定およびベイズの定理を利用して、入力信号の音声スペクトルの推定式を導出する。具体的には、抑圧係数算出部１５は、それぞれ音声のスペクトルの出現確率を近似する少なくともＮ（Ｎ≧２）個の統計分布モデルの積で表現される音声の同時分布モデルと、雑音スペクトルの出現確率を近似する雑音分布モデルとの積から音声スペクトルの推定式を導出する。

ここで、音声の同時分布モデルは少なくとも２つ以上のＮ個の統計分布モデルの積で表現される。音声の同時分布モデルは、Ｎ個の統計分布モデルに対応した確率変数に、重み係数算出部より算出されたＮ個の重み係数が乗算されることにより得られる。そのため、Ｎ個の重み係数を変化させることで、様々な分布形状を表現することができる。つまり、入力信号に含まれる音声スペクトルの近似精度を上げることができる。

また、抑圧係数算出部１５は、導出した音声スペクトルの推定式を音声スペクトルの振幅で偏微分し零とおくことで算出した雑音抑圧係数の演算式に従って、抑圧係数を導出する。具体的には、抑圧係数算出部１５は、算出した雑音抑圧係数の演算式に、事前ＳＮＲ（Ｑ１（ｋ））と、事後ＳＮＲ（Ｑ２（ｋ））と、重み係数（ｃ１（ｋ）、・・・、ｃＮ（ｋ））とを代入することにより抑圧係数を算出する。なお、雑音抑圧係数の演算式において、重み係数（ｃ１（ｋ）、・・・、ｃＮ（ｋ））を所定時間毎に変化させることで、音声の同時分布モデルの変化を適応的（逐時を含む所定時間毎）に変化させることができる。つまり、雑音抑圧係数の演算式では、適応的に変化する重み係数を抑圧係数に対して直接反映することができる。これにより、より精度の高い抑圧係数の算出が可能になる。

［抑圧係数の演算式の導出］
抑圧係数を算出するために用いる雑音抑圧係数の演算式の導出について、以下説明する。

（音声スペクトルの推定式）
ＭＡＰ推定とベイズの定理とを利用すると、音声の推定振幅値

は（以下、特に断りがない限り、周波数成分を表すｋを省略する）、次の（式１）に示すように、事後確率の概念を用いて算出される関数式（音声スペクトルの推定式）で表現することができる。

ここで、Ｘは入力信号スペクトルの振幅を表し、Ｓは音声スペクトルの振幅を表す。

また、Ｐ（Ｓ）は、音声スペクトルの振幅Ｓの出現確率を表す音声の同時分布モデルを表し、事後確率を算出するために用いる事前確率に対応する。

また、Ｐ（Ｘ｜Ｓ）は、雑音の統計分布モデルを表し、事後確率を算出するために用いる観測データに対応する。

ここで、例えば図５は、本実施の形態に係る観測データである雑音の統計分布モデルの一例を示す図である。なお、本実施の形態では、観測データである雑音の統計分布モデルは、雑音信号の尤度を示す統計分布モデル（例えば正規分布）であり、上記特許文献１または非特許文献１で用いられている雑音の統計分布モデルと同じものを用いるため詳細な説明は省略する。

（音声の同時分布モデル）
ここでは、説明を簡単にするため、音声スペクトルの推定式の導出に用いられ音声の同時分布モデルが２つの統計分布モデル（第１の統計分布モデルおよび第２の統計分布モデル）から生成されるとする。なお、音声の同時分布モデルが３つ以上の統計分布モデルから生成される場合においても同様であるため、３以上の場合については説明を省略する。

２つの統計分布モデルのうちの一方である第１の統計分布モデルをＰ_１（Ｓ）とし、２つの統計分布モデルのうちの他方である第２の統計分布モデルをＰ_２（Ｓ）とする。

また、重み係数算出部１４で算出された重み係数を、ｃ_１、ｃ_２とおくと、音声の同時分布モデルＰ（Ｓ）は、次の（式２）のように表現できる。

Ｐ（Ｓ）＝Ｐ_１（ｃ_１Ｓ）・Ｐ_２（ｃ_２Ｓ） （式２）

ここで、本実施の形態における音声の同時分布の概念について説明する。

入力信号を分析する際、音声スペクトルの出現確率は、入力信号の分析区間に含まれる音声信号レベルや雑音区間の有無に応じて、分布の形状が大きく異なる。このため、上記特許文献１または非特許文献１に開示されているような平均的な分布形状（平均的なものとして固定された分布）では近似精度が低くなってしまう。例えば上記特許文献１または非特許文献１で用いられているガンマ分布やラプラス分布は、零付近にピークのある分布であり、雑音区間では音声の振幅がないとみなせるため、音声の出現確率を表現するのに適しているといえる。しかしながら、音声が存在する区間においては、出現確率は図１や図２のような分布となるため、音声スペクトルの出現確率の近似精度が低くなる。つまり、音声スペクトルを近似するのに用いた統計分布モデルの形状の影響（近似精度）により音声信号の過抑圧が発生してしまう。

言い換えると、上記特許文献１または非特許文献１に開示されているように音声スペクトルの出現確率の分布を単一の統計分布で近似する場合、分析区間に応じて変動する入力信号の音声スペクトルの出現確率の分布の近似精度が低くなる。そして、近似精度の低い分布を用いて導出した音声スペクトルの推定式では、雑音抑圧効果を高くするにつれ、音声スペクトルも抑圧してしまい、音声の音質、明瞭度が低下してしまう。

それに対して、音声スペクトルの出現確率の近似に音声の同時分布モデルを用いることで近似精度を改善できる。以下具体的に説明する。なお、以下でも、音声の同時分布が２つの統計分布モデル（第１の統計分布モデルおよび第２の統計分布モデル）から生成されるとし、２つの統計分布モデルそれぞれが、音声の振幅スペクトルの出現確率の分布を近似するモデルであるとして説明を行う。

第１の統計分布モデルＰ_１（Ｓ）は、例えばガンマ分布であるとし、第２の統計分布モデルＰ_２（Ｓ）は例えばレイリー分布であるとする。

なお、ガンマ分布は、雑音区間における音声の出現確率に対する近似精度が高い。一方、レイリー分布は、音声のみ存在する音声区間おける音声の出現確率に対する近似精度が高い。また、音声区間において無音区間を含む場合、零（音声の振幅が零）付近の頻度が増加するため、徐々にガンマ分布へと近づいていく。そのため、本実施の形態では、雑音区間と音声区間とを効率的に表現できる２つの統計分布モデルを選択する。

また、重み係数算出部１４から出力される重み係数のうち第１の統計分布モデルの重み係数をｃ_１とし、第２の統計分布モデルの重み係数をｃ_２とする。そして、事後ＳＮＲを

とすると、ｃ_１、ｃ_２は、次の（式３）のように表現することができる。なお、（式３）は１例であり事後ＳＮＲを用いた重み係数算出部１４はこの方法に限らない。

ここで、ＭＡＸ（）は２値のうち大きな値を選択することを意味する。また、α（α＞０）、およびβ（β＞０）は定数である。

例えば、事後ＳＮＲは、入力信号レベルと推定雑音レベルとの比で表され、雑音区間であるとほぼ１前後の値となる。そのため、（式２）において、入力信号レベルが推定雑音信号レベルに近くなればなるほどｃ_１の値が大きくなり、ｃ_２の値が小さくなる。つまり、雑音区間ではガンマ分布の特徴が支配的となる。

これに対して、入力信号レベルが推定雑音信号レベルより大きくなればなるほど、先ほどとは逆にｃ_２の値が大きくなり、ｃ_１の値が小さくなり、レイリー分布の特徴が支配的となる。

よって、音声区間において入力信号のレベルに応じてガンマ分布とレイリー分布の支配率を適応的に変化させることができる。

換言すると、雑音区間（音声が存在しない区間）では入力信号の出現確率を零に近づけることで音声スペクトルの分布の近似精度を上げることができる。そのため、Ｎ個の統計分布モデルの一つにガンマ分布や指数分布、ラプラス分布といった零付近のピークが高くなるような分布を用いる。一方、音声が含まれる区間では、音声信号の過抑圧を防ぐために、Ｎ個の統計分布モデルの一つにレイリー分布や正規分布といった零付近のピークが高くならないような分布を用いる。

例えば、雑音区間（音声が存在しない区間）において、ガンマ分布のような零付近のピークが高くなるような統計分布の影響がより大きくなるよう重み係数の値を大きくし、逆に零付近のピークが低い統計分布の重み係数の値を小さくすることで、影響を小さくすることができる。このように算出したＮ個の統計分布の積で音声の同時分布を近似することで、入力信号の音声スペクトルの出現確率を零に近づけることができ、高い近似精度を得ることができる。

また、例えば、音声が含まれる区間では、雑音区間とは逆にガンマ分布のような零付近のピークが高くなるような統計分布の影響が小さくなるよう、重み係数の値を小さくし、零付近のピークが低い統計分布の影響が大きくなるよう重み係数の値を大きくする。このように算出したＮ個の統計分布の積で音声の同時分布を近似することで、音声が含まれる区間における入力信号の音声スペクトルの出現確率の近似精度が向上するので、音声を過抑圧することなく雑音を除去することができる。

なお、ここでは、重み係数を算出するのに事後ＳＮＲを利用する方法を示したが、事前ＳＮＲを利用することも可能である。また、他に雑音区間の検出結果を利用する、音声区間の検出結果を利用するといったことも可能である。

（実施例１）
図６および図７は、実施例１に係る音声の同時分布モデルの一例を示す図である。なお、図６および図７において、分布（統計分布）の形状を比較できるように、分布モデルは正規化して示されている。

具体的には、図６には、一例として、ｃ_１＝４かつｃ_２＝０．１のときの音声の同時分布と、ガンマ分布とレイリー分布とが示されている。つまり、図６には、ガンマ分布とレイリー分布をｃ_１＝４およびｃ_２＝０．１の割合で生成した音声の同時分布モデルが示されている。

また、図７には、別の一例として、ｃ_１＝０．１かつｃ_２＝１のときの音声の同時分布と、ガンマ分布とレイリー分布とが示されている。つまり、図７には、ガンマ分布とレイリー分布をｃ_１＝０．１およびｃ_２＝１の割合で生成した音声の同時分布モデルが示されている。

（実施例２）
図８は、実施例２に係る音声の同時分布モデルの一例を示す図である。図９は、図８に示す音声の同時分布モデルの効果を示す図である。なお、図８および図９において、分布の形状を比較できるように、分布モデルは正規化して示されている。

具体的には、図８には、一例として、α＝０．０１かつβ＝０．８５でありｃ_１＝０．７５かつｃ_２＝０．１のときの音声の同時分布と、ガンマ分布とレイリー分布とが示されている。

図８に示す音声の同時分布は、図９に示すように、分析区間に雑音区間と音声区間とが同時に存在する場合の音声の振幅スペクトル（図３）を精度よく近似するのがわかる。

（実施例３）
図１０は、実施例３に係る音声の同時分布モデルの一例を示す図である。図１１は、図１０に示す音声の同時分布モデルの効果を示す図である。なお、図１０および図１１において、分布の形状を比較できるように、分布モデルは正規化して示されている。

具体的には、図１０には、一例として、α＝０．０１かつβ＝０．８５でありｃ_１＝０．０５かつｃ_２＝０．８のときの音声の同時分布と、ガンマ分布とレイリー分布とが示されている。

図１０に示す音声の同時分布は、図１１に示すように、分析区間に、雑音区間がなく音声スペクトルのみが存在する場合の音声の振幅スペクトル（図２）を精度よく近似するのがわかる。

［雑音抑圧装置の動作］
まず、図１２を用いて、雑音抑圧装置１の最小構成である雑音抑圧装置１００の動作について説明し、図１３を用いて、雑音抑圧装置１の動作について説明する。

図１２は、実施の形態における雑音抑圧装置の最小構成が行う動作を示すフローチャートである。

まず、雑音抑圧装置１００は、入力信号の推定雑音レベルを算出する（Ｓ１０）。

次に、雑音抑圧装置１００は、Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する（Ｓ１１）。

次に、雑音抑圧装置１００は、Ｎ個の統計分布モデルをＮ個の重み係数により重み付けすることにより音声の同時分布モデルを算出し、算出した音声の同時分布モデルを事前確率として用いる事後確率に基づき入力信号の音声スペクトルの推定式を導出する（Ｓ１２）。

最後に、雑音抑圧装置１００は、導出した入力信号の音声スペクトルの推定式と入力信号レベルとに基づいて、抑圧係数を算出する（Ｓ１３）。

図１３は、実施の形態における雑音抑圧装置の動作を示すフローチャートである。

まず、音声信号などの入力信号ｘ（ｔ）が、雑音抑圧装置１に入力される（Ｓ１０１）。

次に、雑音抑圧装置１は、周波数変換を行う（Ｓ１０２）。具体的には、周波数変換部１０は、入力信号ｘ（ｔ）を周波数スペクトルＸ（ｋ）に変換する。

次に、雑音抑圧装置１は、入力信号の信号レベルを算出する（Ｓ１０３）。具体的には、雑音レベル推定部１１は、信号レベルとして、周波数スペクトルＸ（ｋ）の絶対値｜Ｘ（ｋ）｜または入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２を算出する。

次に、雑音抑圧装置１は、入力信号の推定雑音レベルを算出する（Ｓ１０４）。具体的には、雑音レベル推定部１１は、周波数スペクトルＸ（ｋ）の絶対値｜Ｘ（ｋ）｜または入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２を用いて雑音レベルＮ（ｋ）＾２を推定する。

次に、雑音抑圧装置１は、事前ＳＮＲを算出する（Ｓ１０５）。具体的には、事前ＳＮＲ算出部１２は、入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２と推定雑音レベルＮ（ｋ）＾２と過去に算出した抑圧係数Ｗ（ｋ）とを用いて、事前ＳＮＲであるＱ１（ｋ）を算出する。

次に、雑音抑圧装置１は、事後ＳＮＲを算出する（Ｓ１０６）。具体的には、事後ＳＮＲ推定部１３は、入力信号ｘ（ｔ）のパワースペクトルＸ（ｋ）＾２と推定雑音レベルＮ（ｋ）＾２とを用いて、事後ＳＮＲであるＱ２（ｋ）を算出する。

次に、雑音抑圧装置１は、重み係数を算出する（Ｓ１０７）。具体的には、重み係数算出部１４は、少なくとも２つ以上のＮ個の統計分布モデルに対応する各確率変数に乗算する重み係数ｃ１（ｋ）、・・・、ｃＮ（ｋ）を算出する。

次に、雑音抑圧装置１は、抑圧係数を算出する（Ｓ１０８）。具体的には、抑圧係数算出部１５はベイズの定理より、音声の同時分布モデルを事前確率とし、雑音の統計分布モデルとの積から算出される事後確率を用いて入力信号の音声スペクトルの推定式を導出し、雑音抑圧装置１は、導出した入力信号の音声スペクトルの推定式と推定した入力信号レベルとに基づいて、抑圧係数を算出する。ここで、抑圧係数算出部１５は、所定時間毎に、Ｎ個の統計分布モデルをＮ個の重み係数により重み付けすることにより音声の同時分布モデルを算出する。

次に、雑音抑圧装置１は、重み付け周波数スペクトルを算出する（Ｓ１０９）。具体的には、雑音抑圧装置１は、重み付け周波数スペクトルとして、抑圧係数算出部１５で算出された抑圧係数Ｗ（ｋ）を周波数スペクトルＸ（ｋ）に乗算したスペクトルＹ（ｋ）を算出する。すなわち、雑音抑圧装置１は、スペクトルＹ（ｋ）＝周波数スペクトルＸ（ｋ）×抑圧係数Ｗ（ｋ）を計算する。

最後に、雑音抑圧装置１は、時間信号変換を行う（Ｓ１１０）。具体的には、時間信号変換部１６は、重み付け周波数スペクトルを時間信号である出力信号ｙ（ｔ）に変換して出力する。

［実施の形態の効果等］
以上のように、本実施の形態によれば、より推定精度の高い雑音抑圧係数を算出することができる雑音抑圧装置および雑音抑圧方法を提供することができる。

具体的には、入力信号に含まれる音声（音声スペクトル）の出現確率を高精度に近似することができるので、より推定精度の高い雑音抑圧係数を算出することができる。それにより、高い雑音抑圧性能を保ちつつ、音声を過抑圧することなく雑音を除去することが可能な雑音抑圧装置を実現することができる。

また、本実施の形態では、音声の同時分布モデルは少なくとも２つ以上のＮ個の統計分布モデルの積で表現される。Ｎ個の統計分布モデルに対応した確率変数に、重み係数算出部より算出されたＮ個の重み係数が乗算されることにより得られる音声の同時分布モデルは、様々な分布形状を表現することができるので、入力信号に含まれる音声スペクトルの近似精度を上げることができる。それにより、より推定精度の高い雑音抑圧係数を算出することができる。

換言すると、本実施の形態では、入力信号に含まれる音声スペクトルの出現確率を、分析区間の状態に応じて変化させた複数の分布の積で表現する。このようにすることで分析区間の音声スペクトルの状態に応じて適切な分布形状が得ることができ、音声スペクトルの出現確率の分布の近似精度が向上する。それにより、雑音抑圧効果を維持したまま、音声の明瞭度も確保可能となる雑音抑圧装置を実現することができる。

また、本実施の形態では、Ｎ個の統計分布モデルそれぞれが音声の振幅スペクトルの分布で構成されることにより、ガンマ分布等の正の値しか利用できない分布を利用することができるようになり、音声の同時分布モデルが表現できる分布形状の自由度が向上する。

なお、Ｎ個の統計分布モデルとしてガンマ分布とレイリー分布を例に説明をしたが、Ｎ個の統計分布を構成するものはこの二つに限ったものではない。例えば、音声が含まれる区間では、値が零付近のピークが周囲と比較して高くならない統計分布として、Ｎ個の統計分布モデルの一つにレイリー分布や正規分布といった分布を用いてもよい。

また、例えば第１の統計分布モデルにラプラス分布またはガンマ分布、第２の統計分布モデルにレイリー分布または正規分布を用いる場合（４通り）も考えられる。

このように、雑音区間を含む場合に近似効果の高い統計分布と、雑音区間を含まない場合に近似効果の高い統計分布をそれぞれ選択することにより、状況に応じて最適な分布形状の形成が可能となり近似精度の向上が望める。

さらに、Ｎ個の統計分布モデルを構成する統計分布モデルの組み合わせは、周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、異なるとしてもよい。

このように、Ｎ個の統計分布モデルの組み合わせを、周波数スペクトルの周波数成分のうち少なくとも２つ以上の周波数成分において異なる組み合わせを持つようにすることにより、例えば低域および高域で構成される波長の異なる帯域において最適な構成を選択することができる。それにより、状況に応じてより最適な分布形状の形成が可能となり近似精度の向上が望める。

また、本実施の形態では、音声スペクトルの推定式から雑音を抑圧する雑音抑圧係数の演算式を算出するために、ＭＡＰ推定法とベイズの定理を利用したが、それに限らない。最少二乗誤差法（ＭＭＳＥ法）とベイズの定理を利用し雑音抑圧係数を算出する等、その他の手法を用いて導出することも可能である。

（変形例）
図１４は、実施の形態の変形例に係る雑音抑圧装置の構成の一例を示す図である。図１５は、図１４に示す重み係数算出部の詳細構成の一例である。図１５において、Ｌは周波数の分割数を示し、Ｆは周波数のサンプル値を示す。

図１４に示す雑音抑圧装置１Ａは、実施の形態１に係る雑音抑圧装置１に対して、重み係数算出部２４の構成が異なり、事後ＳＮＲ推定部１３の推定結果（事後ＳＮＲ）が抑圧係数算出部１５にのみ出力される点が異なる。以下、異なる点を中心に説明する。

重み係数算出部２４は、周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、Ｎ個の重み係数のうち少なくとも２つ以上異なる重み係数を含むＮ個の重み係数を算出する。

例えば、重み係数算出部２４は、図１５に示すような確率変数重み設定部２４１〜２４３を備える。

確率変数重み設定部２４１〜２４３は、周波数毎に異なる固定値（重み係数）を設定する。

確率変数重み設定部２４１は、Ｆ_１の帯域（周波数帯域）における重み係数を設定し、確率変数重み設定部２４２は、Ｆ_１〜Ｆ_２の帯域（周波数帯域）における重み係数を設定し、確率変数重み設定部２４３は、Ｆ_Ｌ−１〜Ｆ_Ｌの帯域（周波数帯域）における重み係数を設定する。

このようにして、重み係数算出部２４は、複数の帯域それぞれにおける重み係数を適応的に算出することができるので、雑音抑圧装置１Ａは、状況に応じてより最適な分布形状の形成が可能となり近似精度の向上を図ることができる。

（その他の変形例）
以上、本発明の一つまたは複数の態様に係る雑音抑圧装置および雑音抑圧方法について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つまたは複数の態様の範囲内に含まれてもよい。例えば、以下のような場合も本発明に含まれる。

（１）上記の各装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムである。前記ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

（４）本発明は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。

また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

また、本発明は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしてもよい。

また、前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

（５）上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。

本発明は、マイクロホン近傍で発生する紙雑音等の雑音を自動的に抑圧することが可能であり、ハンズフリー機能を有する機器や会議システムにおける雑音抑圧装置、テレビ等の放送機器における雑音抑圧装置として利用可能である。

１、１Ａ、１００ 雑音抑圧装置
１０ 周波数変換部
１１ 雑音レベル推定部
１２ 事前ＳＮＲ算出部
１３ 事後ＳＮＲ推定部
１４、２４ 重み係数算出部
１５ 抑圧係数算出部
１６ 時間信号変換部
２４１、２４２、２４３ 確率変数重み設定部

Claims (11)

1. 入力信号の周波数スペクトルを用いて、前記入力信号の雑音を抑圧するための抑圧係数を算出する雑音抑圧装置であって、
   前記入力信号を周波数スペクトルへ変換する周波数変換部と、
   前記周波数スペクトルを用いて、前記入力信号の推定雑音レベルを算出する雑音レベル推定部と、
   Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する重み係数算出部と、
   前記Ｎ個の統計分布モデルを前記Ｎ個の重み係数により重み付けすることにより音声の同時分布モデルを算出し、算出した前記音声の同時分布モデルを事前確率として用いる事後確率に基づき前記入力信号の音声スペクトルの推定式を導出し、導出した前記入力信号の音声スペクトルの推定式と前記入力信号のレベルとに基づいて、前記抑圧係数を算出する抑圧係数算出部と、を備える、
   雑音抑圧装置。
2. 前記抑圧係数算出部は、
   前記音声の同時分布モデルと観測された雑音の確率を近似する雑音の統計分布モデルとの積を用いて、前記入力信号の音声スペクトルの推定式を導出する、
   請求項１に記載の雑音抑圧装置。
3. 前記音声の同時分布モデルは、前記入力信号の音声スペクトルを示す出現確率を近似し、
   前記抑圧係数算出部は、
   前記Ｎ個の重み係数により重み付けした前記Ｎ個の統計分布モデルの積を、前記音声の同時分布モデルとして算出する、
   請求項１または２に記載の雑音抑圧装置。
4. さらに、
   前記周波数スペクトルと前記推定雑音レベルと過去に算出した抑圧係数とを用いて、重み付き信号対雑音比を示す事前ＳＮＲを算出する事前ＳＮＲ算出部と、
   前記周波数スペクトルと前記推定雑音レベルとを用いて、入力信号対雑音比を示す事後ＳＮＲを算出する事後ＳＮＲ算出部と、
   前記抑圧係数算出部で算出された現抑圧係数を前記周波数スペクトルに乗算した重み付け周波数スペクトルを、時間信号に変換する時間信号変換部と、を備え、
   前記重み係数算出部は、前記事前ＳＮＲまたは前記事後ＳＮＲを用いて、前記Ｎ個の重み係数を算出し、
   前記抑圧係数算出部は、
   １）前記重み係数算出部で算出された前記Ｎ個の重み係数で重み付けした前記Ｎ個の統計分布モデルの積を、前記周波数スペクトルに含まれる音声スペクトルの出現確率を近似する前記音声の同時分布モデルとして算出し、２）前記周波数スペクトルに含まれる雑音スペクトルの出現確率を近似する雑音の統計分布モデルを算出し、３）算出した前記雑音の統計分布モデルと前記音声の同時分布モデルとの積から前記入力信号の音声スペクトルの推定式を導出し、４）前記事前ＳＮＲ、前記事後ＳＮＲおよび前記重み係数算出部で算出された前記Ｎ個の重み係数を用いて、前記音声スペクトルの推定式から前記抑圧係数を算出する、
   請求項１〜３のいずれか１項に記載の雑音抑圧装置。
5. 前記Ｎ個の統計分布モデルは、
   ガンマ分布モデルと、レイリー分布モデルとを含む、
   請求項１〜４のいずれか１項に記載の雑音抑圧装置。
6. 前記Ｎ個の統計分布モデルを構成する統計分布モデルの組み合わせは、
   前記周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、異なる、
   請求項４に記載の雑音抑圧装置。
7. 前記重み係数算出部は、
   前記周波数スペクトルの少なくとも２つ以上の帯域それぞれにおいて、前記Ｎ個の重み係数のうち少なくとも２つ以上異なる重み係数を含む前記Ｎ個の重み係数を算出する、
   請求項４に記載の雑音抑圧装置。
8. 前記Ｎ個の統計分布モデルは、音声の振幅スペクトルの出現確率を近似する、
   請求項１〜７のいずれか１項に記載の雑音抑圧装置。
9. 前記抑圧係数算出部は、
   前記入力信号の音声スペクトルの推定式を、ＭＡＰ（Maximum A posteriori Estimation)推定およびベイズの定理を利用して、式１に示す関数式として導出し、
   

   

   Ｘは前記入力信号のスペクトルの振幅を表し、Ｓは音声スペクトルの振幅を表し、Ｐ（Ｓ）は、Ｓの出現確率を表す前記音声の同時分布モデルを表し、Ｐ（Ｘ｜Ｓ）は前記雑音の統計分布モデルを表す、
   請求項１〜８のいずれか１項に記載の雑音抑圧装置。
10. 前記抑圧係数算出部は、
    導出した前記音声スペクトルの推定式を音声スペクトルの振幅で偏微分し零とおいた演算式に従って、前記抑圧係数を算出する、
    請求項９に記載の雑音抑圧装置。
11. 入力信号の周波数スペクトルを用いて、前記入力信号の雑音を抑圧するための抑圧係数を算出する雑音抑圧方法であって、
    前記入力信号を周波数スペクトルへ変換する周波数変換ステップと、
    前記周波数スペクトルを用いて、前記入力信号の推定雑音レベルを算出する雑音レベル推定ステップと、
    Ｎ個（Ｎは２以上）の重み係数を所定時間毎に算出する重み係数算出ステップと、
    前記Ｎ個の統計分布モデルを前記Ｎ個の重み係数により重み付けすることにより前記音声の同時分布モデルを算出し、算出した前記音声の同時分布モデルを事前確率として用いる事後確率に基づいて前記入力信号の音声スペクトルの推定式を導出し、導出した前記入力信号の音声スペクトルの推定式と前記入力信号のレベルとに基づいて、前記抑圧係数を算出する抑圧係数算出ステップと、を含む、
    雑音抑圧方法。

Images