JP6559576B2 - 雑音抑圧装置、雑音抑圧方法及びプログラム - Google Patents

Description

本発明の実施形態は雑音抑圧装置、雑音抑圧方法及びプログラムに関する。

音声認識及び映像制作等では、マイクロホンにより音が取得され、音響信号に変換されている。マイクロホンから出力される音響信号には、ユーザの音声を示す音声信号だけでなく、背景に流れる背景音（雑音）が雑音信号として含まれている。音声信号と雑音信号とが混入した音響信号（入力信号）から雑音信号を抑圧する技術として、雑音抑圧技術が従来から知られている。

従来の雑音抑圧技術には、例えばスペクトルサブトラクション法及びウィーナーフィルタリング法等がある。スペクトルサブトラクション法は、非音声区間の平均スペクトルを雑音推定値と仮定し、入力信号のスペクトルから雑音推定値を引いた値を雑音抑圧後のスペクトルとする雑音抑圧技術である。またウィーナーフィルタリング法は、雑音抑圧後のスペクトル、及び、入力信号のスペクトルの比から、入力信号から雑音信号を抑圧するための雑音抑圧係数を導出し、入力信号に雑音抑圧係数を掛け合わせることで雑音抑圧信号を求める雑音抑圧技術である。

特許第４４２３３００号公報 特開２０１０−１０２１９９号公報

しかしながら従来の雑音抑圧技術では、入力信号に実際に含まれる雑音と雑音推定値との間に大きな誤差があったり、雑音抑圧係数に大きな変動があったりする場合、雑音成分の過剰な抑圧、及び、雑音成分の抑圧不足が生じる問題があった。すなわち従来の雑音抑圧技術では、ミュージカルノイズが発生したり、音が不自然になったりする等の出力音の劣化を生じさせてしまう場合があった。

実施形態の雑音抑圧装置は、推定部と算出部と第１減衰部と第２減衰部と生成部とを備える。推定部は、音を示す第１音響信号の周波数帯域毎の特徴を示す特徴量から、前記特徴量の雑音成分を推定する。算出部は、前記特徴量と前記雑音成分とから、前記第１音響信号に含まれる雑音を抑圧する第１抑圧係数を周波数帯域毎に算出する。第１減衰部は、前記第１抑圧係数を時間領域で減衰させることにより、第２抑圧係数を算出する。第２減衰部は、前記第２抑圧係数を周波数領域で減衰させることにより、第３抑圧係数を算出する。生成部は、前記特徴量と前記第３抑圧係数とから、前記特徴量の音声成分を推定し、推定された音声成分から、前記第１音響信号に含まれる雑音が抑圧された第２音響信号を生成する。前記第１減衰部は、処理対象の時刻よりも過去に算出された前記第２抑圧係数の重み付け和と、処理対象の時刻の前記第１抑圧係数と、のうち、小さい方の値に基づいて、処理対象の時刻の前記第２抑圧係数を算出する。

第１実施形態の雑音抑圧装置の機能構成の例を示す図。 音響信号の例を示す図。 第１実施形態の第２抑圧係数の算出方法の例を示す概念図。 第１実施形態の第１抑圧係数及び第２抑圧係数の比較図。 第１実施形態の第３抑圧係数の算出方法の例を示す概念図。 第１実施形態の第２抑圧係数及び第３抑圧係数の比較図。 第１実施形態の雑音抑圧方法の例を示すフローチャート。 第２実施形態の雑音抑圧装置の機能構成の例を示す図。 第２実施形態の雑音抑圧方法の例を示すフローチャート。 第１及び第２実施形態の雑音抑圧装置のハードウェア構成の例を示す図。

以下に添付図面を参照して、雑音抑圧装置、雑音抑圧方法及びプログラムの実施形態を詳細に説明する。

（第１実施形態）
図１は第１実施形態の雑音抑圧装置１００の機能構成の例を示す図である。第１実施形態の雑音抑圧装置１００は、特徴量算出部１、推定部２、第１抑圧係数算出部３、第１減衰部４、第２減衰部５及び生成部６を備える。

特徴量算出部１は、音を示す音響信号を周波数分析し、当該音響信号の特徴を示す特徴量を、音響信号の周波数帯域毎に算出する。なお特徴量の算出の単位とする周波数帯域の大きさは任意に定めてよい。

音響信号は、例えば１６ｋＨｚでサンプリングされたデジタル信号である。音響信号には、ユーザの音声を示す音声信号だけでなく、雑音を示す雑音信号も含まれる。雑音信号は、ユーザにより音が取得された際の環境、音響信号の通信過程、及び、音響信号を処理する装置等の影響により生じる。

なお音響信号の取得方法は任意でよい。雑音抑圧装置１００は、例えばマイクを使用して音響信号を取得してもよい。また例えば、雑音抑圧装置１００は、記憶装置に記憶された音響信号を読み取ることにより音響信号を取得してもよい。また例えば、雑音抑圧装置１００は、有線又は無線の通信装置を介して音響信号を受信することにより音響信号を取得してもよい。

特徴量算出部１は、例えば以下のようにして特徴量を算出する。まず、特徴量算出部１は、音響信号を長さ１２８のサンプル、間隔６４サンプルのフレームに分割する。次に、特徴量算出部１は、窓関数を各時刻のフレームに適用する。窓関数は、例えばハニング窓及びハミング窓等である。次に、特徴量算出部１は、窓関数が適用された各時刻のフレームから、周波数に関する特徴を示す特徴ベクトルを取得する。具体的には、特徴ベクトルの各成分のスカラー値が、当該スカラー値に対応する周波数帯域の特徴量を示す。

なお特徴ベクトルは、各フレームのサンプル系列をフーリエ変換して得られるスペクトル領域の特徴ベクトルとして算出されてもよいし、ＬＰＣケプストラム及びＭＦＣＣ等のケプストラム領域の特徴ベクトルとして算出されてもよい。

特徴量算出部１は、周波数帯域毎に算出された特徴量を、推定部２、第１抑圧係数算出部３及び生成部６に入力する。

推定部２は、特徴量算出部１から、周波数帯域毎に算出された特徴量を受け付けると、当該特徴量の雑音成分を推定する。なお雑音成分の推定方法は任意でよい。

推定部２は、例えば雑音成分が時刻毎に変わらずに一定だと仮定して、雑音区間の特徴量の平均値を雑音成分として推定する。雑音区間は、例えば音声区間が検出された際に、音声区間として検出されなかった区間である。また例えば推定部２は、雑音成分が時刻毎に変動すると仮定して、カルマンフィルタを用いることにより、時刻毎に雑音成分を推定してもよい。また例えば推定部２は、雑音成分が時刻毎に変わらずに一定だと仮定して推定した雑音成分と、雑音成分が時刻毎に変動するとして仮定して推定した雑音成分との重み付き和により、雑音成分を推定してもよい。なお重みの付与の仕方は任意に定めてよい。

推定部２は、雑音成分を示す雑音成分情報を第１抑圧係数算出部３に入力する。

第１抑圧係数算出部３は、特徴量算出部１から、周波数帯域毎に算出された特徴量を受け付け、推定部２から雑音成分情報を受け付ける。第１抑圧係数算出部３は、特徴量と雑音成分とから、第１音響信号に含まれる雑音を抑圧する第１抑圧係数を周波数帯域毎に算出する。

第１抑圧係数は、雑音を抑圧するために、特徴量に掛け合わせる係数である。なお第１抑圧係数の決定方法は任意でよい。

第１抑圧係数は、例えば音声成分Ｍと特徴量Ｘとの比Ｍ／Ｘである。ここで第１抑圧係数算出部３は、例えばスペクトルサブトラクション法により特徴量Ｘから雑音成分Ｂの値を引くことにより、音声成分Ｍ＝Ｘ−Ｂを推定する。また例えば、第１抑圧係数算出部３は、音声成分Ｍと雑音成分Ｂとを別々に推定し、Ｍ＝Ｘ−Ｂが成立しなければ、第１抑圧係数をＭ／（Ｍ＋Ｂ）としてもよい。

また特徴量算出部１が、フーリエ変換だけでなく、フィルタバンク処理等により細分化された周波数帯域の状態から、より広い周波数帯域を代表する特徴量を算出する処理をしていた場合、第１抑圧係数算出部３は、再び細分化する処理を行ってもよい。すなわち第１抑圧係数算出部３は、フィルタバンク処理の逆変換等により、周波数帯域を再び細分化し、細分化された音声成分Ｍ、及び、細分化された雑音成分Ｂを用いて第１抑圧係数を算出してもよい。

第１抑圧係数算出部３は、音響信号の周波数帯域毎に算出された第１抑圧係数を、第１減衰部４に入力する。

第１減衰部４は、第１抑圧係数算出部３から、音響信号の周波数帯域毎に算出された第１抑圧係数を受け付けると、第１抑圧係数を時間領域で減衰させることにより、第２抑圧係数を、音響信号の周波数帯域毎に算出する。第２抑圧係数の具体的な算出方法の例は後述する。第１減衰部４は、音響信号の周波数帯域毎に算出された第２抑圧係数を第２減衰部５に入力する。

第２減衰部５は、第１減衰部４から、音響信号の周波数帯域毎に算出された第２抑圧係数を受け付けると、第２抑圧係数を周波数領域で減衰させることにより、第３抑圧係数を、音響信号の周波数帯域毎に算出する。第３抑圧係数の具体的な算出方法の例は後述する。第２減衰部５は、音響信号の周波数帯域毎に算出された第３抑圧係数を生成部６に入力する。

生成部６は、特徴量算出部１から、音響信号の周波数帯域毎に算出された特徴量を受け付け、第２減衰部５から、音響信号の周波数帯域毎に算出された第３抑圧係数を受け付けると、特徴量と第３抑圧係数とから、雑音が抑圧された音響信号を生成する。具体的には、生成部６は、特徴量に第３抑圧係数を掛け合せることにより、特徴量の音声成分を推定する。そして生成部６は、推定された音声成分を音響信号に変換する処理を行うことにより、雑音が抑圧された音響信号を生成する。

推定された音声成分を音響信号に変換する処理は、例えば逆フーリエ変換等の処理である。なお生成部６は、音響信号の連続性を保つために、ハニング窓又はハミング窓に基づいて設計された窓関数を適用する処理を行ってもよいし、前フレームとオーバーラップしている部分は、それぞれのフレームの音響信号の和をとる処理を行ってもよい。

次に第２抑圧係数及び第３抑圧係数の具体的な算出方法について説明する。

図２は音響信号２０の例を示す図である。図２（ａ）の例は、音響信号２０に、非音声区間２１、音声区間２２、ショートポーズ２３、音声区間２４及び非音声区間２５が含まれる場合を示す。図２（ｂ）は、音響信号２０を周波数で表した場合を示す。

第１減衰部４は、第１抑圧係数算出部３により、音響信号２０の周波数帯域毎に算出された第１抑圧係数を、時間方向２６の関数とみなし、時間領域で減衰させる。第２減衰部５は、第１減衰部４により第１抑圧係数から算出された第２抑圧係数を、周波数方向２７の関数とみなし、周波数領域で減衰させる。

まず第２抑圧係数の算出方法について説明する。

図３Ａは第１実施形態の第２抑圧係数Ｒ２_ｔの算出方法の例を示す概念図である。第１減衰部４は、音響信号の周波数帯域毎に算出された第１抑圧係数Ｒ１_ｔを減衰させることにより、第２抑圧係数Ｒ２_ｔを算出する。図３Ａは、第１抑圧係数Ｒ１_ｔ１の値を示す点４１、時刻ｔ１よりも過去の第２抑圧係数Ｒ２_ｔの値（例えば点４３及び点４４）に基づいて、第２抑圧係数Ｒ２_ｔ１の値を示す点５１が算出される例を概念的に示す。また図３Ａは、第１抑圧係数Ｒ１_ｔ２の値を示す点４２、時刻ｔ２よりも過去の第２抑圧係数Ｒ２_ｔの値（例えば点４５及び点４６）に基づいて、第２抑圧係数Ｒ２_ｔ２の値を示す点５２が算出される例を概念的に示す。

具体的には、まず、第１減衰部４は、過去のＮ個のフレームで算出された第２抑圧係数Ｒ２_ｔの重み付き和Ｒ２ａを算出する。

なお重み付き和Ｒ２ａの算出方法は任意でよい。第１減衰部４は、例えば処理対象の時刻ｔに近いフレームで算出された第２抑圧係数Ｒ２_ｔほど、重みが大きくなるようにして重みを付与してもよい。

なお第１減衰部４は、重み付き和Ｒ２ａの算出に必要な過去のＮ個のフレームがない場合、過去のＮ個のフレームが取得可能となる時刻ｔから処理を開始する。

また重み付き和Ｒ２ａの算出に使用されるフレームの数Ｎは任意でよい。例えばＮ＝１とし、重み付き和Ｒ２ａを、時刻ｔ−１の第２抑圧係数Ｒ２_ｔ−１とすることもできる。また、１フレームに含まれるサンプルの数に応じて、重み付き和Ｒ２ａの算出に使用されるフレームの数Ｎを変更してもよい。例えば１フレームに含まれるサンプルの数が少ないほど、重み付き和Ｒ２ａの算出に使用されるフレームの数Ｎを多くしてもよい。

次に、第１減衰部４は、重み付き和Ｒ２ａと第１抑圧係数Ｒ１_ｔのうち、小さい方の値により、最小値Ｒ１ｍｉｎを算出する。

次に、第１減衰部４は、最小値Ｒ１ｍｉｎと、処理対象の時刻の第１抑圧係数Ｒ１_ｔと、のうち、小さい方の値に基づいて、処理対象の時刻の第２抑圧係数Ｒ２_ｔを算出する。第１減衰部４は、例えば下記式（１）による重み付き和により第２抑圧係数Ｒ２_ｔを算出する。

αＲ１ｍｉｎ＋（１−α）Ｒ１_ｔ ・・・（１）

なおαの値の範囲は、０＜α＜１である。またαの値は１フレームに含まれるサンプルの数に応じて変更してもよい。例えば１フレームに含まれるサンプルの数が少ないほど、αの値を大きくしてもよい。言い換えると、１フレームに含まれるサンプルの数が多いほど、αの値を小さくしてもよい。これにより第１減衰部４は、１フレームに含まれるサンプルの数が多いほど、第１抑圧係数Ｒ１_ｔを時間領域で減衰させる際の減衰量を小さくすることができるので、過剰な減衰を防ぐことができる。

図３Ｂは第１実施形態の第１抑圧係数Ｒ１_ｔ及び第２抑圧係数Ｒ２_ｔの比較図である。上述の式（１）による重み付き和により、第１抑圧係数Ｒ１_ｔよりも値が減衰された第２抑圧係数Ｒ２_ｔが算出される。

次に第３抑圧係数の算出方法について説明する。

図４Ａは第１実施形態の第３抑圧係数Ｒ３_ｆの算出方法の例を示す概念図である。第２減衰部５は、音響信号の周波数帯域毎に、時間領域の関数として算出された第２抑圧係数Ｒ２_ｔを、周波数領域の関数として表された第２抑圧係数Ｒ２_ｆに変換し、当該第２抑圧係数Ｒ２_ｆを減衰させることにより、第３抑圧係数Ｒ３_ｆを算出する。図４Ａは、第２抑圧係数Ｒ２_ｆ１の値を示す点６１、周波数ｆ１周辺の第２抑圧係数Ｒ２_ｆの値（例えば点６３及び点６４）に基づいて、第３抑圧係数Ｒ３_ｆ１の値を示す点７１が算出される例を概念的に示す。また図３Ａは、第２抑圧係数Ｒ２_ｆ２の値を示す点６２、周波数ｆ２周辺の第２抑圧係数Ｒ２_ｆの値（例えば点６５及び点６６）に基づいて、第３抑圧係数Ｒ３_ｆ２の値を示す点７２が算出される例を概念的に示す。

具体的には、まず、第２減衰部５は、処理対象の周波数ｆの周辺帯域の第２抑圧係数Ｒ２_ｆの重み付き和Ｒ２ｂを算出する。第２減衰部５は、例えば周波数ｆの低域側のＮ_ｌｏｗ個のフレームで算出された第２抑圧係数Ｒ２_ｌｏｗと、周波数ｆの高域側のＮ_ｈｉｇｈ個のフレームで算出された第２抑圧係数Ｒ２_ｈｉｇｈと、の重み付き和Ｒ２ｂを算出する。

なおＮ_ｌｏｗ及びＮ_ｈｉｇｈは任意に定めてよい。例えば図４Ａの概念図の例では、Ｎ_ｌｏｗ＝２、Ｎ_ｈｉｇｈ＝０である。また、１フレームに含まれるサンプルの数に応じて、重み付き和Ｒ２ｂの算出に使用されるＮ_ｌｏｗ及びＮ_ｈｉｇｈの数を変更してもよい。例えばサンプルの数が少ないほど、重み付き和Ｒ２ｂの算出に使用されるフレームの数Ｎ_ｌｏｗ及びＮ_ｈｉｇｈを多くしてもよい。

また重み付き和Ｒ２ｂの算出方法は任意でよい。第２減衰部５は、例えば処理対象の周波数ｆに近い第２抑圧係数Ｒ２_ｆほど、重みが大きくなるようにして重みを付与してもよい。

次に、第２減衰部５は、重み付き和Ｒ２ｂと第２抑圧係数Ｒ２_ｆのうち、小さい方の値により、最小値Ｒ２ｍｉｎを算出する。

次に、第２減衰部５は、最小値Ｒ２ｍｉｎと、処理対象の周波数の第２抑圧係数Ｒ２_ｆと、のうち、小さい方の値に基づいて、処理対象の周波数の第３抑圧係数Ｒ３_ｆを算出する。第２減衰部５は、例えば下記式（２）による重み付き和により第３抑圧係数Ｒ３_ｆを算出する。

βＲ２ｍｉｎ＋（１−β）Ｒ２_ｆ ・・・（２）

なおβの値の範囲は、０＜β＜１である。またβの値は１フレームに含まれるサンプルの数に応じて変更してもよい。例えば１フレームに含まれるサンプルの数が少ないほど、βの値を大きくしてもよい。言い換えると、１フレームに含まれるサンプルの数が多いほど、βの値を小さくしてもよい。これにより第２減衰部５は、１フレームに含まれるサンプルの数が多いほど、第２抑圧係数Ｒ２_ｆを周波数領域で減衰させる際の減衰量を小さくすることができるので、過剰な減衰を防ぐことができる。

図４Ｂは第１実施形態の第２抑圧係数Ｒ２_ｆ及び第３抑圧係数Ｒ３_ｆの比較図である。上述の式（２）による重み付き和により、第２抑圧係数Ｒ２_ｆよりも値が減衰された第３抑圧係数Ｒ３_ｆが算出される。

ここで上述の図２の音響信号２０を例にして、第１実施形態の雑音抑圧装置１００の効果について説明する。

従来の雑音抑圧技術では、例えば音声区間２２からショートポーズ２３に移行する際、及び、音声区間２４から非音声区間２５に移行する際に、第１抑圧係数Ｒ１_ｔを急に増幅させた場合、雑音の抑圧量を高める反面、不自然さが生じる問題がある。しかしながら、第１抑圧係数Ｒ１_ｔの平滑化等の単純な処理では、音声区間２２及び２４の冒頭の第１抑圧係数Ｒ１_ｔを逆に高めてしまうことにより、音響信号２０の音声成分を失うことになる。

第１実施形態の雑音抑圧装置１００によれば、図３Ａ及び図３Ｂに示すように、過去の第２抑圧係数Ｒ２_ｔに基づいて第２抑圧係数Ｒ２_ｔを減衰させるため、音声成分を失うような第２抑圧係数Ｒ２_ｔの増幅を起こさないので、第２抑圧係数Ｒ２_ｔを滑らかに変動させることができる。これにより、音声区間２２からショートポーズ２３に移行する際、及び、音声区間２４から非音声区間２５に移行する際の不自然さを改善することができる。

また、周波数軸方向での変動も、雑音抑圧後の音響信号の自然性劣化に繋がるが、第１実施形態の雑音抑圧装置１００によれば、図４Ａ及び図４Ｂに示すように、周辺帯域の第２抑圧係数Ｒ２_ｆに基づいて第３抑圧係数Ｒ３_ｆを減衰させるため、音声成分を失うことなく、雑音抑圧後の音響信号の自然性を改善することができる。

次に、第１実施形態の雑音抑圧方法の例について説明する。

図５は第１実施形態の雑音抑圧方法の例を示すフローチャートである。はじめに、特徴量算出部１が、処理対象の音響信号として、１フレーム分の音響信号（例えば１２８サンプル）を取得し、当該音響信号の周波数帯域毎に、当該音響信号の特徴を示す特徴量を取得する（ステップＳ１）。

次に、推定部２が、特徴量算出部１から、周波数帯域毎に算出された特徴量を受け付けると、当該特徴量の雑音成分を推定する（ステップＳ２）。

次に、第１抑圧係数算出部３が、ステップＳ１の処理で算出された特徴量と、ステップＳ２の処理で推定された雑音成分とから、第１音響信号に含まれる雑音を抑圧する第１抑圧係数Ｒ１_ｔを周波数帯域毎に算出する（ステップＳ３）。

次に、第１減衰部４が、過去のＮ個のフレームで算出された第２抑圧係数Ｒ２_ｔの重み付き和Ｒ２ａを算出する（ステップＳ４）。

次に、第１減衰部４が、重み付き和Ｒ２ａと第１抑圧係数Ｒ１_ｔとから、第２抑圧係数Ｒ２_ｔを、音響信号の周波数帯域毎に算出する（ステップＳ５）。具体的には、第１減衰部４は、重み付き和Ｒ２ａと第１抑圧係数Ｒ１_ｔのうち、小さい方の値により、最小値Ｒ１ｍｉｎを算出する。次に、第１減衰部４は、上述の式（１）による重み付き和により第２抑圧係数Ｒ２_ｔを算出する。

次に、第２減衰部５が、周波数ｆの周辺帯域の第２抑圧係数Ｒ２_ｆの重み付き和Ｒ２ｂを算出する（ステップＳ６）。具体的には、第２減衰部５は、音響信号の周波数帯域毎に、時間領域の関数として算出された第２抑圧係数Ｒ２_ｔを、周波数領域の関数として表された第２抑圧係数Ｒ２_ｆに変換する。そして第２減衰部５は、周波数ｆの低域側のＮ_ｌｏｗ個のフレームで算出された第２抑圧係数Ｒ２_ｌｏｗと、周波数ｆの高域側のＮ_ｈｉｇｈ個のフレームで算出された第２抑圧係数Ｒ２_ｈｉｇｈと、の重み付き和Ｒ２ｂを算出する。

次に、第２減衰部５が、重み付き和Ｒ２ｂと第２抑圧係数Ｒ２_ｆとから、第３抑圧係数Ｒ３_ｆを、音響信号の周波数帯域毎に算出する（ステップＳ７）。具体的には、第２減衰部５は、重み付き和Ｒ２ｂと第２抑圧係数Ｒ２_ｆのうち、小さい方の値により、最小値Ｒ２ｍｉｎを算出する。次に、第２減衰部５は、上述の式（２）による重み付き和により第３抑圧係数Ｒ３_ｆを算出する。

次に、生成部６が、ステップＳ１の処理で音響信号の周波数帯域毎に算出された特徴量と、ステップＳ７の処理で周波数領域の関数として算出された第３抑圧係数Ｒ３_ｆとから、特徴量の音声成分を推定する（ステップＳ８）。具体的には、生成部６は、周波数領域の関数として算出された第３抑圧係数Ｒ３_ｆを、時間領域の関数として表された第３抑圧係数Ｒ３_ｔに変換する。そして生成部６は、ステップＳ１の処理で音響信号の周波数帯域毎に算出された特徴量に、音響信号の周波数帯域毎に算出された第３抑圧係数Ｒ３_ｔを掛け合せることにより、特徴量の音声成分を推定する。

次に、生成部６は、ステップＳ８の処理で推定された音声成分を、音響信号に変換する処理を行うことにより、雑音が抑圧された音響信号を生成する（ステップＳ９）。次に、特徴量算出部１が、音響信号を全て処理したか否かを判定する（ステップＳ１０）。音響信号を全て処理していない場合（ステップＳ１０、Ｎｏ）、処理はステップＳ１に戻る。音響信号を全て処理した場合（ステップＳ１０、Ｙｅｓ）、処理は終了する。

以上、説明したように、第１実施形態の雑音抑圧装置１００では、第１抑圧係数算出部３が、特徴量算出部１により算出された特徴量と、推定部２により推定された雑音成分とから、音響信号に含まれる雑音を抑圧する第１抑圧係数Ｒ１_ｔを、周波数帯域毎に算出する。第１減衰部４は、第１抑圧係数Ｒ１_ｔを時間領域で減衰させることにより、第２抑圧係数Ｒ２_ｔを算出する。第２減衰部５は、第２抑圧係数Ｒ２_ｆを周波数領域で減衰させることにより、第３抑圧係数Ｒ３_ｆを算出する。そして生成部６が、特徴量と第３抑圧係数Ｒ３_ｔとから、特徴量の音声成分を推定し、推定された音声成分から、雑音が抑圧された音響信号を生成する。

これにより第１実施形態の雑音抑圧装置１００によれば、過剰な雑音抑圧を改善することができるので、音声成分の抑圧を防ぐことができ、聞き取りやすい音響信号を生成することができる。例えば、第１実施形態の雑音抑圧装置１００により雑音が抑圧された音響信号を、音声認識装置に入力することにより、雑音の影響を取り除いた音声認識処理を行うことができる。また例えば、携帯電話等を用いた音声通話の際に、第１実施形態の雑音抑圧装置１００により雑音が抑圧された音声を再生することにより、音声を聴き取り易くすることができる。

（第２実施形態）
次に第２実施形態について説明する。第２実施形態の雑音抑圧装置１００は、平滑化部７を更に備える点が、第１実施形態の雑音抑圧装置１００と異なる。第２実施形態の説明では、第１実施形態と同様の説明については省略する。

図６は第２実施形態の雑音抑圧装置１００の機能構成の例を示す図である。第２実施形態の雑音抑圧装置１００は、特徴量算出部１、推定部２、第１抑圧係数算出部３、第１減衰部４、第２減衰部５、生成部６及び平滑化部７を備える。特徴量算出部１、推定部２、第１抑圧係数算出部３及び第１減衰部４の動作の説明は、第１実施形態と同じなので省略する。第２実施形態の第２減衰部５は、第１実施形態と同じ方法で第３抑圧係数Ｒ３_ｆを算出し、当該第３抑圧係数Ｒ３_ｆを平滑化部７に入力する。

平滑化部７は、時間領域の関数として表された第３抑圧係数Ｒ３_ｔを時間平滑化する処理（時間方向で平滑化する処理）を行うことにより、第４抑圧係数Ｒ４_ｔを算出する。また平滑化部７は、周波数領域の関数として表された第３抑圧係数Ｒ３_ｆを周波数平滑化する処理（周波数方向で平滑化する処理）を行うことにより、第４抑圧係数Ｒ４_ｆを算出する。

なお時間平滑化の処理及び周波数平滑化の処理の順序は任意でよい。また時間平滑化の処理及び周波数平滑化の処理は、少なくともどちらか一方が実施されればよい。また時間平滑化の処理及び周波数平滑化の処理の実行回数は任意でよい。

まず時間平滑化の処理について具体的に説明する。平滑化部７は、処理対象の時刻ｔ１の第３抑圧係数Ｒ３_ｔ１と、処理対象の時刻ｔ１よりも過去の時刻ｔに算出された第３抑圧係数Ｒ３_ｔと_、の重み付き和により、時刻ｔ１の第４抑圧係数Ｒ４_ｔ１を算出する。

なお重みの付け方は任意でよい。平滑化部７は、例えば処理対象の時刻ｔ１に近いフレームで算出された第３抑圧係数Ｒ３_ｔほど、重みが大きくなるようにして重みを付与してもよい。

また平滑化部７は、処理対象の時刻ｔ１よりも過去の時刻ｔに算出された第３抑圧係数Ｒ３_ｔではなく、処理対象の時刻ｔ１よりも過去の時刻ｔに算出された第４抑圧係数Ｒ４_ｔを使用して、時刻ｔ１の第４抑圧係数Ｒ４_ｔ１を算出してもよい。

次に周波数平滑化の処理について具体的に説明する。平滑化部７は、処理対象の周波数ｆ１の第３抑圧係数Ｒ３_ｆ１と、処理対象の周波数ｆ１の低域及び高域の周波数ｆで算出された第３抑圧係数Ｒ３_ｆと、の重み付き和により、周波数ｆ１の第４抑圧係数Ｒ４_ｆ１を算出する。

なお重みの付け方は任意でよい。平滑化部７は、例えば処理対象の周波数ｆ１に近い第３抑圧係数Ｒ３_ｆほど、重みが大きくなるようにして重みを付与してもよい。

また平滑化部７は、処理対象の周波数ｆ１の低域及び高域の周波数ｆで算出された第３抑圧係数Ｒ３_ｆではなく、処理対象の周波数ｆ１の低域及び高域の周波数ｆで算出された第４抑圧係数Ｒ４_ｆを使用して、周波数ｆ１の第４抑圧係数Ｒ４_ｆ１を算出してもよい。なお平滑化部７は、時間平滑化の処理の後に周波数平滑化の処理を行う場合、時間平滑化の処理により得られた第４抑圧係数Ｒ４_ｔを、周波数領域の関数に変換した第４抑圧係数Ｒ４_ｆに対して、周波数平滑化の処理を行う。

次に、第２実施形態の雑音抑圧方法の例について説明する。

図７は第２実施形態の雑音抑圧方法の例を示すフローチャートである。ステップＳ２１〜ステップＳ２７の説明は、第１実施形態の雑音抑圧方法のステップＳ１〜ステップＳ７の説明（図５参照）と同じなので省略する。

平滑化部７は、時間領域の関数として表された第３抑圧係数Ｒ３_ｔを、上述の方法により時間平滑化する処理を行うことにより、第４抑圧係数Ｒ４_ｔを算出する（ステップＳ２８）。

次に、平滑化部７は、ステップＳ２８で得られた第４抑圧係数Ｒ４_ｔを、周波数領域の関数として表された第４抑圧係数Ｒ４_ｆに変換し、当該第４抑圧係数Ｒ４_ｆを周波数平滑化する処理を行う（ステップＳ２９）。

次に、生成部６が、ステップＳ２１の処理で音響信号の周波数帯域毎に算出された特徴量と、ステップＳ２９の処理で周波数領域の関数として算出された第４抑圧係数Ｒ４_ｆとから、特徴量の音声成分を推定する（ステップＳ３０）。具体的には、生成部６は、周波数領域の関数として算出された第４抑圧係数Ｒ４_ｆを、時間領域の関数として表された第４抑圧係数Ｒ４_ｔに変換する。そして生成部６は、ステップＳ２１の処理で音響信号の周波数帯域毎に算出された特徴量に、音響信号の周波数帯域毎に算出された第４抑圧係数Ｒ４_ｔを掛け合せることにより、特徴量の音声成分を推定する。

ステップＳ３１及びステップＳ３２の説明は、第１実施形態の雑音抑圧方法のステップＳ９及びステップＳ１０の説明（図５参照）と同じなので省略する。

以上、説明したように、第２実施形態の雑音抑圧装置１００では、平滑化部７が、時間方向で平滑化する処理と、周波数方向で平滑化する処理とのうち、少なくとも一方の処理を行うことにより、第４抑圧係数Ｒ４_ｔを算出する。そして、生成部６が、音響信号の特徴量と、第４抑圧係数Ｒ４_ｔとから、音響信号の特徴量の音声成分を推定し、推定された音声成分から、雑音が抑圧された音響信号を生成する。

これにより第２実施形態の雑音抑圧装置１００によれば、第４抑圧係数Ｒ４_ｔ（第４抑圧係数Ｒ４_ｆ）は時間方向（周波数方向）により滑らかに変動するため、第１実施形態の雑音抑圧装置１００の効果に加え、より自然性の高い音響信号を生成することができる。

最後に第１及び第２実施形態の雑音抑圧装置１００のハードウェア構成の例について説明する。

図８は第１及び第２実施形態の雑音抑圧装置１００のハードウェア構成の例を示す図である。第１及び第２実施形態の雑音抑圧装置１００は、制御装置２０１、主記憶装置２０２、補助記憶装置２０３、表示装置２０４、入力装置２０５、通信装置２０６及びマイク２０７を備える。制御装置２０１、主記憶装置２０２、補助記憶装置２０３、表示装置２０４、入力装置２０５、通信装置２０６及びマイク２０７は、バス２０８を介して接続されている。

制御装置２０１は補助記憶装置２０３から主記憶装置２０２に読み出されたプログラムを実行する。主記憶装置２０２はＲＯＭ及びＲＡＭ等のメモリである。補助記憶装置２０３はメモリカード及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等である。

表示装置２０４は情報を表示する。表示装置２０４は、例えば液晶ディスプレイである。入力装置２０５は、情報の入力を受け付ける。入力装置２０５は、例えばキーボード及びマウス等である。なお表示装置２０４及び入力装置２０５は、表示機能と入力機能とを兼ねる液晶タッチパネル等でもよい。通信装置２０６は他の装置と通信する。マイク２０７は周囲の音を取得する。

第１及び第２実施形態の雑音抑圧装置１００で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、メモリカード、ＣＤ−Ｒ及びＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータ・プログラム・プロダクトとして提供される。

また第１及び第２実施形態の雑音抑圧装置１００で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また第１及び第２実施形態の雑音抑圧装置１００が実行するプログラムを、ダウンロードさせずにインターネット等のネットワーク経由で提供するように構成してもよい。

また第１及び第２実施形態の雑音抑圧装置１００で実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

第１及び第２実施形態の雑音抑圧装置１００で実行されるプログラムは、上述の第１及び第２実施形態の雑音抑圧装置１００の機能構成のうち、プログラムにより実現可能な機能を含むモジュール構成となっている。

プログラムにより実現される機能は、制御装置２０１が補助記憶装置２０３等の記憶媒体からプログラムを読み出して実行することにより、プログラムにより実現される機能が主記憶装置２０２にロードされる。すなわちプログラムにより実現される機能は、主記憶装置２０２上に生成される。

なお第１及び第２実施形態の雑音抑圧装置１００の機能の一部又は全部を、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウェアにより実現してもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ 特徴量算出部
２ 推定部
３ 第１抑圧係数算出部
４ 第１減衰部
５ 第２減衰部
６ 生成部
７ 平滑化部
１００ 雑音抑圧装置
２０１ 制御装置
２０２ 主記憶装置
２０３ 補助記憶装置
２０４ 表示装置
２０５ 入力装置
２０６ 通信装置
２０７ マイク
２０８ バス

Claims (8)

1. 音を示す第１音響信号の周波数帯域毎の特徴を示す特徴量から、前記特徴量の雑音成分を推定する推定部と、
   前記特徴量と前記雑音成分とから、前記第１音響信号に含まれる雑音を抑圧する第１抑圧係数を周波数帯域毎に算出する算出部と、
   前記第１抑圧係数を時間領域で減衰させることにより、第２抑圧係数を算出する第１減衰部と、
   前記第２抑圧係数を周波数領域で減衰させることにより、第３抑圧係数を算出する第２減衰部と、
   前記特徴量と前記第３抑圧係数とから、前記特徴量の音声成分を推定し、推定された音声成分から、前記第１音響信号に含まれる雑音が抑圧された第２音響信号を生成する生成部と、を備え、
   前記第１減衰部は、処理対象の時刻よりも過去に算出された前記第２抑圧係数の重み付け和と、処理対象の時刻の前記第１抑圧係数と、のうち、小さい方の値に基づいて、処理対象の時刻の前記第２抑圧係数を算出する、
   雑音抑圧装置。
2. 前記第１減衰部は、前記特徴量の算出に使用される前記第１音響信号のフレームに含まれるサンプルの数が多いほど、前記第１抑圧係数を時間領域で減衰させる際の減衰量を小さくする、
   請求項１に記載の雑音抑圧装置。
3. 前記第２減衰部は、処理対象の周波数の周辺帯域で算出された前記第２抑圧係数の重み付け和と、処理対象の周波数の第２抑圧係数と、のうち、小さい方の値に基づいて、処理対象の周波数の前記第３抑圧係数を算出する、
   請求項１に記載の雑音抑圧装置。
4. 前記第２減衰部は、前記特徴量の算出に使用される前記第１音響信号のフレームに含まれるサンプルの数が多いほど、前記第２抑圧係数を周波数領域で減衰させる際の減衰量を小さくする、
   請求項１に記載の雑音抑圧装置。
5. 前記第３抑圧係数に、時間方向で平滑化する処理と、周波数方向で平滑化する処理とのうち、少なくとも一方の処理を行うことにより、第４抑圧係数を算出する平滑化部を更に備え、
   前記生成部は、前記特徴量と前記第４抑圧係数とから、前記特徴量の音声成分を推定し、推定された音声成分から、前記第１音響信号に含まれる雑音が抑圧された第２音響信号を生成する、
   請求項１に記載の雑音抑圧装置。
6. 前記第１音響信号を周波数分析することにより、前記第１音響信号の周波数帯域毎に前記特徴量を算出する特徴量算出部、
   を更に備える請求項１に記載の雑音抑圧装置。
7. 雑音抑圧装置が、音を示す第１音響信号の周波数帯域毎の特徴を示す特徴量から、前記特徴量の雑音成分を推定するステップと、
   雑音抑圧装置が、前記特徴量と前記雑音成分とから、前記第１音響信号に含まれる雑音を抑圧する第１抑圧係数を周波数帯域毎に算出するステップと、
   雑音抑圧装置が、前記第１抑圧係数を時間領域で減衰させることにより、第２抑圧係数を算出するステップと、
   雑音抑圧装置が、前記第２抑圧係数を周波数領域で減衰させることにより、第３抑圧係数を算出するステップと、
   雑音抑圧装置が、前記特徴量と前記第３抑圧係数とから、前記特徴量の音声成分を推定し、推定された音声成分から、前記第１音響信号に含まれる雑音が抑圧された第２音響信号を生成するステップと、を含み、
   前記第２抑圧係数を算出するステップは、処理対象の時刻よりも過去に算出された前記第２抑圧係数の重み付け和と、処理対象の時刻の前記第１抑圧係数と、のうち、小さい方の値に基づいて、処理対象の時刻の前記第２抑圧係数を算出する、
   雑音抑圧方法。
8. コンピュータを、
   音を示す第１音響信号の周波数帯域毎の特徴を示す特徴量から、前記特徴量の雑音成分を推定する推定部と、
   前記特徴量と前記雑音成分とから、前記第１音響信号に含まれる雑音を抑圧する第１抑圧係数を周波数帯域毎に算出する算出部と、
   前記第１抑圧係数を時間領域で減衰させることにより、第２抑圧係数を算出する第１減衰部と、
   前記第２抑圧係数を周波数領域で減衰させることにより、第３抑圧係数を算出する第２減衰部と、
   前記特徴量と前記第３抑圧係数とから、前記特徴量の音声成分を推定し、推定された音声成分から、前記第１音響信号に含まれる雑音が抑圧された第２音響信号を生成する生成部、として機能させ、
   前記第１減衰部は、処理対象の時刻よりも過去に算出された前記第２抑圧係数の重み付け和と、処理対象の時刻の前記第１抑圧係数と、のうち、小さい方の値に基づいて、処理対象の時刻の前記第２抑圧係数を算出する、
   プログラム。