JP6696424B2 - 雑音抑圧システムと雑音抑圧方法及びプログラム - Google Patents
雑音抑圧システムと雑音抑圧方法及びプログラム Download PDFInfo
- Publication number
- JP6696424B2 JP6696424B2 JP2016534288A JP2016534288A JP6696424B2 JP 6696424 B2 JP6696424 B2 JP 6696424B2 JP 2016534288 A JP2016534288 A JP 2016534288A JP 2016534288 A JP2016534288 A JP 2016534288A JP 6696424 B2 JP6696424 B2 JP 6696424B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- ratio
- model
- signal
- prior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001629 suppression Effects 0.000 title claims description 142
- 238000000034 method Methods 0.000 title claims description 42
- 238000004364 calculation method Methods 0.000 claims description 113
- 230000008569 process Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 description 75
- 238000006243 chemical reaction Methods 0.000 description 36
- 238000009826 distribution Methods 0.000 description 33
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010002953 Aphonia Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
- Noise Elimination (AREA)
Description
図1は、第1の実施形態に係る雑音抑圧システム100の構成を例示する図である。図1を参照して、本発明の第1の実施形態としての雑音抑圧システム100について説明する。図1に示すように、雑音抑圧システム100は、第1の事前SN比推定部101と、事前SN比の期待値計算部102と、雑音抑圧係数計算部103と、雑音抑圧部104と、事前SN比モデル(Msn)を記憶する記憶部105と、を含む。
次に、図2乃至図5を参照して、本発明の第2の実施形態に係る雑音抑圧システム200について説明する。なお、図5は、第2の実施形態の雑音抑圧システムの処理を示すフローチャートである。
図2は、第2の実施形態に係る雑音抑圧システム200の構成を例示する図である。第2の実施形態に係る雑音抑圧システム200は、所望の信号と雑音とが混在する混在信号から所望の信号を取得(抽出)する。以下の例では、所望の信号を音声信号として説明するが、所望の信号は、音声信号にのみ限定されるものでないことは勿論である。
まず、図2の第1の事前SN比推定部201の処理について説明する。所望の信号と雑音が混在する入力信号X0を、以下の(式1)のようにモデル化する。
第1の雑音推定部2011では、入力信号X0に含まれる雑音成分を推定し、第1の推定雑音N1を出力する。
第1の音声推定部2012では、入力信号X0に含まれる雑音成分を抑圧することにより、入力信号X0に含まれる音声成分を推定し、第1の推定音声S1を出力する。
この他、ウィナーフィルタ(WF: Wiener Filter)法、MMSE STSA (Minimum Mean Square Error Short Time Spectral Amplitude) 法、MMSE LSA(Minimum Mean Square Error Log Spectral Amplitude)法等を用いることができる。
事前SN比推定部2013は、第1の音声推定部2012からの第1の推定音声S1(入力信号X0に含まれる音声成分)と、第1の雑音推定部2011からの第1の推定雑音N1とを入力とし、音声信号と雑音のSN比(=S1/N1)を推定し、この値を、事前SN比Rsn1として出力する。
ただし、事前SN比推定部2013において、(式4)の右辺の分母の第1の推定雑音N1は、入力信号X0と第1の推定音声S1を用いて再推定した雑音成分N1’(=X0−S1)を用いてもよい。この場合、事前SN比Rsn1は、以下の(式5)で与えられる。
図4は、図2の事前SN比の期待値計算部202の構成を例示する図である。図4を参照すると、事前SN比の期待値計算部202は、特徴量変換部2021と、期待値計算部2022と、特徴量逆変換部2023と、を含む。
特徴量変換部2021では、事前SN比Rsn1を特徴量Fsn1に変換し、特徴量Fsn1を出力する。特徴量としては、例えば、以下の(式9)の対数値、あるいは、(式10)に示すように、対数値をコサイン変換(Discrete Cosine Transform(DCT):離散コサイン変換)した値(ケプストラム)等を用いることがきる。
・・・・(式9)
なお、式9に示すlogは自然対数とする。以降で示されるlogも同様である。なお、logは自然対数の他に常用対数を用いることもできる。なお、式9の右辺は、ベクトルRsn1の成分ごとに対数計算され、ベクトルRsn1の成分に対応して出力される。ここでベクトルの成分に対して出力されるとは、yi=logxi(yiは出力ベクトルの第i成分、xiはベクトルRsn1の第i成分)を意味する。
期待値計算部2022では、特徴量Fsn1と、記憶部205に予め記憶されている事前SN比モデルMsnと、を入力とし、事前SN比の期待値の特徴量FsnEを出力する。以下では、一例として、事前SN比モデルMsnをG個のガウス分布から構成される混合ガウス分布モデル(GMM:Gaussian Mixture Model)として説明する。ただし、本発明は以下の例に限定されるものでないことは勿論である。
あるいは、事前SN比モデルMsnは、音声のモデルMsと雑音のモデルMnを組み合わせることにより作成することができる。音声のモデルMsと雑音のモデルMnの組み合わせ方法については、次の実施の形態(図8の期待値計算部3062の説明参照)で説明する。
特徴量逆変換部2023では、事前SN比の期待値の特徴量FsnEを変換し、事前SN比の期待値RsnEを出力する。特徴量変換部2021において、(式9)の対数値を用いた場合には、(式14)により逆変換し、(式10)に示すように、対数値をコサイン変換した値を用いた場合には、(式15)により逆変換すればよい。
雑音抑圧係数計算部203では、事前SN比の期待値RsnEを用いて、雑音抑圧係数W0を計算して出力する。例えばウィナーフィルタ法による雑音抑圧係数は、事前SN比の期待値RsnEを用いて、次式のように計算できる。
・・・・(式17)
式17の右辺は、ベクトルRsnEの成分ごとに計算され、例えば、{(RsnE1/(1+RsnE1),(RsnE2/(1+RsnE2),・・・,(RsnEn/(1+RsnEn))のようにベクトルの成分に対応して出力される。ベクトルの成分に対応して出力されるとは、yi=xi/(1+xi)(yiは出力ベクトルの第i成分、xiはベクトルRsnEの第i成分)を意味する。
雑音抑圧部204では、雑音抑圧係数W0を入力信号X0に乗じることにより、入力信号X0に含まれる雑音成分を抑圧し、所望の信号の推定値S0を出力する。
第1の事前SN比推定部201は、所望の信号と雑音が混在する入力信号X0に含まれる所望の信号と雑音の比Rsn1を推定する。
事前SN比の期待値計算部202は、第1の事前SN比推定部201によって推定された事前SN比Rsn1と、記憶部205の事前SN比モデルMsnとを比較し、事前SN比モデルMsnにより補正した値である事前SN比の期待値RsnEを計算する。
雑音抑圧係数計算部203は、事前SN比の期待値RsnEを用いて雑音抑圧係数W0を計算する。
雑音抑圧部204は、雑音抑圧係数W0を入力信号X0に乗じることにより、入力信号に含まれる雑音成分を抑圧し、所望の信号の推定値S0を得る。
次に、図6、図7、図8を参照して、本発明の第3の実施形態に係る雑音抑圧システムについて説明する。図2の第2の実施形態に係る雑音抑圧システム200と、図6の第3の実施形態に係る雑音抑圧システム300を比較すると、
・図2の第1の事前SN比推定部201が、図6の第1の音声と第1の雑音の推定部305に置き換えられている点、
・図2の事前SN比の期待値計算部202が、図6の事前SN比の期待値計算部306に置き換えられている点、
・図2の記憶部205に記憶保持される事前SN比モデルMsnが、図6では、記憶部307、308にそれぞれ記憶保持される音声モデルMsと雑音モデルMnである点が、
第2の実施形態と異なる。なお、図6等では、単に、説明を容易化するため、音声モデルMsと雑音モデルMnを別々の記憶部に記憶保持する構成としたが、音声モデルMsと雑音モデルMnを同一の記憶部に記憶保持する構成としてもよいことは勿論である。
図7は、第1の音声と第1の雑音の推定部305の構成を例示する図である。第1の音声と第1の雑音の推定部305は、第1の雑音推定部3051、第1の音声推定部3052を含む。
図8は、事前SN比の期待値計算部306の構成を例示する図である。事前SN比の期待値計算部306は、特徴量変換部3061sと、特徴量変換部3061nと、期待値計算部3062と、特徴量逆変換部3063と、を含む。
特徴量変換部3061sは、第1の推定音声S1を入力とし、入力した第1の推定音声S1を変換して特徴量Fs1を出力する。特徴量としては、(式19)の対数値、あるいは、(式20)に示すように、対数値をコサイン変換(離散コサイン変換)した値(ケプストラム)等を用いることができる。
・・・・(式19)
なお式19の右辺は、なお、式19の右辺は、ベクトルS1の成分ごとに対数計算され、ベクトルS1の成分に対応して出力される。ここでベクトルの成分に対して出力されるとは、yi=logxi(yiは出力ベクトルの第i成分、xiはベクトルS1の第i成分)を意味する。
・・・・(式20)
また、式20の右辺は、のベクトルlogS1の成分ごとにコサイン変換され、ベクトルS1の成分に対応して出力される。ここでベクトルの成分に対して出力されるとは、zi=C[xi](ziは出力ベクトルの第i成分、xiはベクトルS1の第i成分)を意味する。また、式20の対数演算については式19における計算と同様である。
・・・・(式21)
なお式21の右辺は、なお、式21の右辺は、ベクトルN1の成分ごとに対数計算され、ベクトルN1の成分に対応して出力される。ここでベクトルの成分に対して出力されるとは、yi=logxi(yiは出力ベクトルの第i成分、xiはベクトルN1の第i成分)を意味する。
なお、特徴量Fs1とFn1は、時間のインデックスt毎に計算できるが、過去の時間(例えばt−1)の特徴量との差分をとり、一次差分特徴量を用いてもよいし、さらに差分をとり二次差分特徴量を用いることもできる。時間のインデックスtにおける特徴量Fs1とFn1は、ケプストラムの次元数や、一次差分特徴量、二次差分特徴量の数だけ存在するため、多次元のベクトルである。
期待値計算部3062は、
・特徴量変換部3061sから出力される特徴量Fs1と、
・特徴量変換部3061nから出力される特徴量Fn1と、
・記憶部307に記憶されている音声モデルMsと、
・記憶部308に記憶されている雑音モデルMnと、
を入力とし、事前SN比の期待値の特徴量FsnEを出力する。
・音声モデルをGs個のガウス分布から構成される混合ガウス分布モデル、
・雑音モデルをGn個のガウス分布から構成される混合ガウス分布モデル
として説明するが、本発明の第3の実施形態は、以下の例に限定されるものでないことは勿論である。
・特徴量が、(式9)、(式10)のように、対数値、又は、該対数値の線形変換であること、及び、
・音声と雑音の特徴量が(式19)〜(式22)のように対数値、又は、該対数値の線形変換であること、
を考慮すると、事前SN比の特徴量Fsn1は、特徴量Fs1とFn1を用いて、次のように表すことができる。
・(式23)の事前SN比の特徴量Fsn1(=Fs1−Fn1)と、
・音声モデルMsと雑音モデルMnから構成する事前SN比モデルと、
を用いて、図4の期待値計算部2022と同様にして、(式11)により、期待値の特徴量FsnEを計算して出力する。
図9、図10を参照して、本発明の第4の実施形態に係る雑音抑圧システムについて説明する。図9を参照すると、第4の実施形態に係る雑音抑圧システムでは、
・図6の事前SN比の期待値計算部306を、図9の事前SN比の期待値計算部406で置き換えた点、
・図6において、記憶部308に予め記憶保持されている雑音モデルMnが、図9では不要である点が、
第3の実施形態と異なる。
図10は、事前SN比の期待値計算部406の構成を例示する図である。図10を参照すると、事前SN比の期待値計算部406は、特徴量変換部4061sと、特徴量変換部4061nと、期待値計算部4062と、特徴量逆変換部4063と、雑音モデル作成部4064とを含む。第1の推定雑音の特徴量Fn1から雑音モデル作成部4064で雑音モデルMnを作成し(逐次的に更新し)、期待値計算部4062に入力する。特徴量変換部4061s、特徴量変換部4061n、特徴量逆変換部4063の動作は、それぞれ、図8の特徴量変換部3061s、特徴量変換部3061n、特徴量逆変換部3063の動作と同じであるため、説明を省略する。
雑音モデル作成部4064は、第1の推定雑音の特徴量Fn1を入力とし、雑音モデルMnを作成して(逐次的に更新し)、出力する。以下では、説明の簡単化のため、雑音モデルを単一ガウス分布として説明する。ただし、本発明の第4の実施形態は、かかる分布に限定されるものでないことは勿論である。
期待値計算部4062は、
・特徴量変換部4061sから出力される特徴量Fs1と、
・特徴量変換部4061nから出力される特徴量Fn1と、
・記憶部407に予め記憶保持されている音声モデル(音声のパタン)Msと、
・雑音モデル作成部4064からの雑音モデル(雑音のパタン)Mnと、
を入力とし、事前SN比の期待値の特徴量FsnEを出力する。
この出願は、2014年7月16日に出願された日本出願特願2014−145753を基礎とする優先権を主張し、その開示の全てをここに取り込む。
101、201 第1の事前SN比推定部
102、202、306、406 事前SN比の期待値計算部
103、203、303、403 雑音抑圧係数計算部
104、204、304、404 雑音抑圧部
105、205 事前SN比モデル(記憶部)
305、405 第1の音声と第1の雑音の推定部
307、407 音声モデル(記憶部)
308 雑音モデル(記憶部)
2011、3051 第1の雑音推定部
2012、3052 第1の音声推定部
2013 事前SN比推定部
2021、3061s、3061n、4061s、4061n 特徴量変換部
2022、3062、4062 期待値計算部
2023、3063、4063 特徴量逆変換部
4064 雑音モデル作成部
Claims (10)
- 信号と雑音が混在した入力信号から推定した信号と雑音に関する事前SN比の推定値の特徴量である第一の特徴量を取得する第一の取得手段と、
複数の周波数の情報を含む、事前SN比モデル、又は、信号モデルと雑音モデル、に基づき前記第一の特徴量を補正することで、前記事前SN比の期待値を取得する第二の取得手段と、
前記事前SN比の期待値を用いて雑音抑圧係数を計算する雑音抑圧係数計算部と、
前記雑音抑圧係数を前記入力信号に乗じることで前記入力信号に含まれる前記雑音の成分を抑圧する雑音抑圧部と、
を備えた、ことを特徴とする雑音抑圧システム。 - 前記第二の取得手段は、
推定した前記信号と前記雑音から前記事前SN比を推定する事前SN比推定部と、
予め用意された事前SN比モデルを記憶する記憶部と、
前記事前SN比推定部で推定された前記事前SN比を、前記記憶部に記憶された前記事前SN比モデルを用いて補正することで、前記事前SN比の期待値を計算する事前SN比の期待値計算部と、
を備えた、ことを特徴とする請求項1記載の雑音抑圧システム。 - 前記第二の取得手段は、
前記入力信号から前記信号と前記雑音とを推定する推定部と、
予め用意された信号モデルと雑音モデルとを記憶する記憶部と、
前記信号の前記雑音に対する前記事前SN比を、前記記憶部に記憶された前記信号モデルと前記雑音モデルとを用いて補正することで、前記事前SN比の期待値を計算する事前SN比の期待値計算部と、
を備えた、ことを特徴とする請求項1記載の雑音抑圧システム。 - 前記第二の取得手段は、
前記入力信号から前記信号と前記雑音とを推定する推定部と、
予め用意された信号モデルを記憶する記憶部と、
前記推定部で推定された前記信号と前記雑音とを入力し、前記雑音に基づき雑音モデルを生成し、前記信号の前記雑音に対する前記事前SN比に対して、前記記憶部に記憶された前記信号モデルと、生成した前記雑音モデルとを用いて補正を施し前記事前SN比の期待値を計算する事前SN比の期待値計算部と、
を備えた、ことを特徴とする請求項1記載の雑音抑圧システム。 - 前記記憶部が、前記信号モデルとして、木構造化された信号モデルを記憶保持する、ことを特徴とする請求項3又は4記載の雑音抑圧システム。
- 信号と雑音が混在した入力信号から推定した信号と雑音に関する事前SN比の推定値の特徴量である第一の特徴量を取得し、
複数の周波数の情報を含む、事前SN比モデル、又は、信号モデルと雑音モデル、に基づき前記第一の特徴量を補正することで、前記事前SN比の期待値を取得し、
前記事前SN比の期待値を用いて雑音抑圧係数を計算し、
前記雑音抑圧係数を前記入力信号に乗ずることで、前記入力信号に含まれる前記雑音の成分を抑圧する、ことを特徴とする雑音抑圧方法。 - 記憶部に、予め用意された前記事前SN比モデルを記憶しておき、
推定された前記信号の前記雑音に対する前記事前SN比を推定し、
前記事前SN比の期待値の取得にあたり、
前記推定された前記事前SN比を、前記記憶部に記憶された前記事前SN比モデルを用いて補正した値を、前記事前SN比の期待値として出力する、ことを特徴とする請求項6記載の雑音抑圧方法。 - 記憶部に、予め用意された前記信号モデルと前記雑音モデルとを記憶しておき、
前記入力信号から前記信号と前記雑音とを推定し、
前記事前SN比の期待値の取得にあたり、
推定された前記信号の前記雑音に対する前記事前SN比を、前記記憶部に記憶された前記信号モデルと前記雑音モデルとを用いて補正した値を、前記事前SN比の期待値として出力する、ことを特徴とする請求項6記載の雑音抑圧方法。 - 記憶部に、予め用意された前記信号モデルを予め記憶しておき、
前記入力信号から前記信号と前記雑音とを推定し、
前記事前SN比の期待値の取得にあたり、
推定された前記雑音に基づき雑音モデルを生成し、
推定された前記信号の前記雑音に対する前記事前SN比を、前記記憶部に記憶された前記信号モデルと、前記生成した雑音モデルと、を用いて補正した値を、前記事前SN比の期待値として出力する、ことを特徴とする請求項6記載の雑音抑圧方法。 - 信号と雑音が混在した入力信号から推定した前記信号と前記雑音に関する事前SN比の推定値の特徴量である第一の特徴量を取得する処理と、
複数の周波数の情報を含む、事前SN比モデル、又は、信号モデルと雑音モデルに基づき前記第一の特徴量を補正することで、前記事前SN比の期待値を取得する処理と、
前記事前SN比の期待値を用いて、雑音抑圧係数を計算する処理と、
前記雑音抑圧係数を前記入力信号に乗ずることで、前記入力信号に含まれる前記雑音の成分を抑圧する処理と、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014145753 | 2014-07-16 | ||
JP2014145753 | 2014-07-16 | ||
PCT/JP2015/003604 WO2016009654A1 (ja) | 2014-07-16 | 2015-07-16 | 雑音抑圧システムと雑音抑圧方法及びプログラムを格納した記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2016009654A1 JPWO2016009654A1 (ja) | 2017-04-27 |
JP6696424B2 true JP6696424B2 (ja) | 2020-05-20 |
Family
ID=55078160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016534288A Active JP6696424B2 (ja) | 2014-07-16 | 2015-07-16 | 雑音抑圧システムと雑音抑圧方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10748551B2 (ja) |
JP (1) | JP6696424B2 (ja) |
WO (1) | WO2016009654A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018206689A1 (de) * | 2018-04-30 | 2019-10-31 | Sivantos Pte. Ltd. | Verfahren zur Rauschunterdrückung in einem Audiosignal |
CN117909654A (zh) * | 2024-01-15 | 2024-04-19 | 山东北天极能源科技有限公司 | 基于ai的小区配套箱变电缆智能验收装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6252909B1 (en) * | 1992-09-21 | 2001-06-26 | Aware, Inc. | Multi-carrier transmission system utilizing channels of different bandwidth |
KR100355271B1 (ko) * | 2000-10-11 | 2002-10-11 | 한국전자통신연구원 | 적응형 전송기법을 이용한 강우 감쇠 보상방법 |
JP4282227B2 (ja) | 2000-12-28 | 2009-06-17 | 日本電気株式会社 | ノイズ除去の方法及び装置 |
JP3858668B2 (ja) * | 2001-11-05 | 2006-12-20 | 日本電気株式会社 | ノイズ除去方法及び装置 |
US7363221B2 (en) * | 2003-08-19 | 2008-04-22 | Microsoft Corporation | Method of noise reduction using instantaneous signal-to-noise ratio as the principal quantity for optimal estimation |
JP2006071956A (ja) * | 2004-09-02 | 2006-03-16 | Hitachi Ltd | 音声信号処理装置及びプログラム |
JP4765461B2 (ja) * | 2005-07-27 | 2011-09-07 | 日本電気株式会社 | 雑音抑圧システムと方法及びプログラム |
US8762139B2 (en) * | 2010-09-21 | 2014-06-24 | Mitsubishi Electric Corporation | Noise suppression device |
JP5713818B2 (ja) * | 2011-06-27 | 2015-05-07 | 日本電信電話株式会社 | 雑音抑圧装置、方法及びプログラム |
JP6339896B2 (ja) * | 2013-12-27 | 2018-06-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 雑音抑圧装置および雑音抑圧方法 |
-
2015
- 2015-07-16 JP JP2016534288A patent/JP6696424B2/ja active Active
- 2015-07-16 WO PCT/JP2015/003604 patent/WO2016009654A1/ja active Application Filing
- 2015-07-16 US US15/325,476 patent/US10748551B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2016009654A1 (ja) | 2016-01-21 |
US10748551B2 (en) | 2020-08-18 |
US20170169837A1 (en) | 2017-06-15 |
JPWO2016009654A1 (ja) | 2017-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200105287A1 (en) | Deep neural network-based method and apparatus for combining noise and echo removal | |
US10217456B2 (en) | Method, apparatus, and program for generating training speech data for target domain | |
JP5127754B2 (ja) | 信号処理装置 | |
US20190208320A1 (en) | Sound source separation device, and method and program | |
WO2005024788A9 (ja) | 信号分離方法、信号分離装置、信号分離プログラム及び記録媒体 | |
CN103559888A (zh) | 基于非负低秩和稀疏矩阵分解原理的语音增强方法 | |
CN106558315B (zh) | 异质麦克风自动增益校准方法及系统 | |
JP2018141922A (ja) | ステアリングベクトル推定装置、ステアリングベクトル推定方法およびステアリングベクトル推定プログラム | |
JP2012163919A (ja) | 音声信号処理装置、および音声信号処理方法、並びにプログラム | |
JP6696424B2 (ja) | 雑音抑圧システムと雑音抑圧方法及びプログラム | |
JP5344251B2 (ja) | 雑音除去システム、雑音除去方法および雑音除去プログラム | |
JP5443547B2 (ja) | 信号処理装置 | |
JP5994639B2 (ja) | 有音区間検出装置、有音区間検出方法、及び有音区間検出プログラム | |
CN108806721A (zh) | 信号处理器 | |
JP5807914B2 (ja) | 音響信号解析装置、方法、及びプログラム | |
JP2019035862A (ja) | 入力音マスク処理学習装置、入力データ処理関数学習装置、入力音マスク処理学習方法、入力データ処理関数学習方法、プログラム | |
WO2010085189A1 (en) | Aligning scheme for audio signals | |
WO2020162188A1 (ja) | 潜在変数最適化装置、フィルタ係数最適化装置、潜在変数最適化方法、フィルタ係数最適化方法、プログラム | |
JP5233330B2 (ja) | 音響分析条件正規化システム、音響分析条件正規化方法および音響分析条件正規化プログラム | |
US11152014B2 (en) | Audio source parameterization | |
JP2010049102A (ja) | 残響除去装置、残響除去方法、コンピュータプログラムおよび記録媒体 | |
US10347273B2 (en) | Speech processing apparatus, speech processing method, and recording medium | |
WO2013032025A1 (ja) | 信号処理装置、信号処理方法、およびコンピュータ・プログラム | |
CN117690421B (zh) | 降噪识别联合网络的语音识别方法、装置、设备及介质 | |
JP4714892B2 (ja) | 耐高残響ブラインド信号分離装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170116 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190319 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190515 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20191015 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200109 |
|
A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200120 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200324 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200406 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6696424 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |