JPH06503185A - ノイズの影響を受けた有用な信号を検出する方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 ノイズの影響を受けた有用な信号を検出する方法本発明はノイズの影響を受けた 有用な信号を検出する方法に関する。

言うのは簡単だが解決するには極めて複雑である信号処理における大きな問題の 一つはノイズに埋没した有用な信号の有無の決定にある。

種々の解決法が考えられる。変数として実験的にきめられたしきい値に対する受 信あるいは処理された信号の瞬時振幅を用いることが出来る。

また、同じく実験的にしきい値づけを期間Ｔにわたる全信号のエネルギーに対し て行うことにより、そのエネルギーを変数として用いることも出来る。

これらのしきい値化により信号の有無の第一の仮定か可能となる。更にこれらは 任意の信号に適用出来る。したがって、これらは、有用な信号の性質が予めわか っていればその信号の形式に特有の“近似”的目安を限定する“確認”システム により補足される。

そのような補足システムはスピーチ処理において広く用いられており、そしてそ れは例えば“ピッチ”の抽出または母音の最小エネルギーの評価にある。

本発明の主題はノイズに影響された有用な信号の検出、出来るだけ正確な検出し きい値の決定の方法および自己適応型で動作可能な方法である。

本発明によれば処理されるべき信号の期待される信号／雑音比が使用可能であり 、そして予測されるノイズのみの測定が使用可能であり、Ｍ個の点について測定 を行い、これらＭ個の点にわたる、ホワイトノイズまたはホワイトノイズとされ るノイズの平均エネルギーが計算され、ノイズに影響された信号のＮ個の点がと られ、それらＮ個の点の平均エネルギーが計算され、理論的検出しきい値が計算 され、これら二つの平均エネルギーの比が計算されそしてこの比が上記しきい値 と比較される。

本発明は制限的ではない例として採用された一実施例の詳細な説明により、よく 理解しうるちのである。

まず、理想的なケースについてノイズに影響された信号の検出をいかにして理論 的に行うかを説明する。

情報ｎ　（ｎ）の第１項が次のように第１時間スライスについて使用可能である 。

ｕ　（ｎ）　＝ｓ　（ｎ）　十ｘ　（ｎ）但しｎは整数であり、０≦ｎ≦Ｎ−１ ．ｓ（ｎ）は有用な信号、ｘ　（ｎ）はノイズである。更に、情報ｙ　（ｎ）の 他の項が使用可能であり、ここで０５１６Ｍ−１であってＭはＮに等しいかある いは異なることが出来る。ｙ（ｎ）は有用信号のない他の時間スライスでのノイ ズＸ（ｎ）である。

その場合：Ｕ　−（ｕ　（０）　＋ｕ　（１）　２＋−−−−−−＋ｕ　（Ｎ） 　２）　／Ｎおよび　Ｖ−（ｙ　（０）　＋ｙ　（１）　２＋・・・・・・＋ｙ 　（Ｍ）　２）　／Ｍおよび　Ｚ　−Ｕ／Ｖ 従って、理想的な非現実的データではこれは５ＮＲ−信号−雑音比とすると次の ようになる。

Ｚ−１＋ＳＮＲ そして単純な検出目安は次のようになる。

Ｚ〉１：有用信号存在 Ｚく１：育用信号不在 本発明によれば、理論的しきい値１を後述するように計算するμで置き換える。

これは使用可能な信号か完全にはエルゴード的ではなくそしてＵとＶが差σ　お よびσ　の値の予測にしかすぎないという事実を考慮するものである。

μを計算するために次の方法が用いられる。

変数ＵとＶが本来ランダムなものであることおよびそれ故Ｚもそうであることか らスタートし、Ｚの確率密度（これは信号−雑音比によりきまる）が計算される 。

次に、変数Ｚが計算された後に、最尤法の原理を利用して信号−雑音比の最良の 予測を決定することが問題となる。

このため、上記の変数Ｕ　（ｎ）が一つの時間スライスにわたり測定されそして 変数ｕ　（ｎ）が、有用信号はなく、雑音（ｓ　（ｎ）には無関係でありそれと は相関しない）のみがあることが確実な他の時間スライスにわたり計算される。

ランダム変数２（これは観測変数と言うことも出来る）の密度を決定するために 、次の方法が用いられる。

Ｎ（ｍ　；ｃｙ　２）に属するＸ　とＮ（ｍ；　２）σ の属するＸ　を、その確率Ｐ　ｒ　（Ｘ　１　＜　Ｏ）とＰ　ｒ　ｉＸ２＜Ｏ） が実際上０である２つの独立したガウス形ランダム変数であるとする。

その場合：ｍ−ｍ１／ｍ２．σ−α１／σ２　、　（！　””ｍ２　／　（７２ ０Ｘの確率密度ｆ　（ｘ）は次のようになる。

但し、Ｘ＞０ならばＵ（Ｘ）−１であり、ｘ＜０であればＵ　（Ｘ）−０である 。

もし Ｐ　（Ｘ）　−Ｐ　ｒ　ｉＸ＜ｘｉ　−Ｆ　［ｈ　（ｘ）　］となり、Ｆ（Ｘ） は正規化ガウス変数の特性関数である。

信号ｓ　（ｎ）　、ｘ　（ｎ）およびＹ　（ｎ）がホワイトであり、ガウス形で あり中心づけられている（　ｃｅｎｔｅｒｅｄ）と仮定する。

その場合、 ｔｙ　２−Ｅ　［ｘ　（ｎ）２］＝Ｅ　［ｙ　（ｎ）２］　・ｕ　（ｎ）　−ｓ 　（ｎ）　＋ｘ　（ｎ）この後の項はそれ故それ自体ホワイトでガウス型てあり 、中心づけられている。そしてこのときσ５　とσ　は限定されるから、確率密 度の計算は既知のσ　とσ　を用いて行われるものとする。従Ｓ　ｘ ってＺの密度はσ　“とび　を知れば評価される。こＳ　Ｘ の場合、Ｕと■はｃｈｉ−２（ママ）則に従い、そして、充分大きなＮとＭにつ いてはＵとＶは常に実際上圧であるガウス則により近似される。

ＵはＮ［：（７ｕ　、−σ、’　／Ｎｌに属しモしてＶはＮ２つ ［σ　°　、つσ　／　Ｍ　］に属する。それ故Ｚは二つのｘ　”＋　ｘ 独立したがウス変数の比である。ＵとＶは独立していることは容易に証明出来る 。

σ　２は信号−雑音比である。ｋ−Ｍ／Ｍとすると、ｍ−ｒ＋１．ｃ２−ｋ　（ ｒ＋１）　２である。

Ｚの確率密度はσ　とσ　がわかれば次のようにＳ　Ｘ ｆ　（Ｚ：（７、ａ　）　−ｆ　（ｚ、ｃｙ　２／ａ　２）となるように次のｚ 　ｓ　ｘ　ｋ＋Ｍ　ｓ　Ｎ ２の確率密度に関した上記の結果により、確率が演鐸任意の信号ｓ　（ｎ）とガ ウスホワイトノイズの場合を次に検査する。

コニでもノイズｘ　（ｎ）とｙ　（ｎ）がａ、＝Ｅ　［ｘ　（ｎ）　コーＥ［ｙ （ｎ）２］のガウス型であるとする。有用信号ｓ　（ｎ）はノイズと無関係な任 意の信号であるとする。

ここで用いられる新しい前提は、ｓ　（ｎ）とｘ　（ｎ）が時間的に相関されな いと仮定することであり、すなゎち、 Σ０≦ｎ≦Ｎ−１ｓ　（ｎ＞　ｘ（ｎ）次にＵは次のように近似しうろことが示 される。

Ｕ　−μ＋　（Ｌ／Ｎ）Σ０≦ｎ≦Ｎ−１ｘ（ｎ）２前ではＺの密度の計算はσ 　とσ　を知って行ゎＳ　Ｘ れたが、ここでは計算はμ　とσ　を知って行われＳ　ｘ る。計算されるべき密度はｆ　（ｚ：μ８　、σ　２）Ｕ−ｕ＋（１／Ｎ）Σ０ ≦ｎ≦Ｎ−１ｘ（ｎ）２はこのようにＺ−Ｕ／Ｖは二つの独立したガウス型の比 較により近似される。ＵとＶは独立であるから、Ｘの確率密度に関する結果は次 で適用される：従−て：　ｍ−ｒ＋１　、　ａ２−に、α−（Ｍ／２）１１２． 　ｋ−Ｍ／Ｎのｒ−μ／σ２２　ｘ μ５　とσｘ２を知ればＺの確率密度は次に等しい二〇。とき、ｆ　（Ｚ：（７ ２，ａ　２）　−ｆ　（ｚ、　ｔｙ　２／ｃｙ　”）　とな、よう１゜ｚ　ｓ　 ｘ　ｋ、Ｍ　ｓ　ｘ Ｘの確率密度に関する上記の結果により、確率はそれからＰｒ（Ｚ＜ｚ：μ５　 、σエ　）　と演鐸される。

これによりＰｒ　（Ｚ＜ｚ：μ２．　ａ　２１　−Ｆ　（ｈ　（ｘ、ｒ））ｓ　 ｘ　ｋ、Ｍ となる。

本発明によれば活性度検出は最尤法を用いて行われる。

処理される信号の場合には、変数２の確率密度は有用信号とノイズのエネルギー を知ればｆ　（ｚ、ｒ）の形のに、Ｍ 関数で表わされるのであり、ここでｒは信号−雑音比を示す。それ故この確率は 信号−雑音比によりきまる。更に、その決定則は期待される信号−雑音比でのみ 与えることが出来る。それ故、この期待信号−雑音比をｒＯとする。

Ｓ　（ｎ）のない確率をπ０としＳ　（ｎ）がある確率をπ１とする。

確率密度ｆ　＊　（ｚ、ｒ）は既知であるから、最適法定則は一般決定理論で与 えられそして次のように表わされる。

また、この決定則を（Ｚ＜μ→Ｄ−０）および（２＞μ−Ｄ−１）の形で表わす ことが出来る。

次にμを決定し、次式を解く必要がある。

Ｉｎ［ｆ　（ｚ、ｒ　）　コ　−Ｉｎ　［ｆ　（ｚ、Ｏ）　］　−Ｉｎ　（π０ 　、　π１　）−０゜ｋ、Ｍ　Ｏｋ’ 次にエラー確率は次に等しいことが示される。

Ｐｅ−ｔｒ　［１−Ｆ　（ｈ　（μ、　０））］＋πＦ　（ｈ　（μ、　ｒｏ） ）Ｏｋ、Ｍ　Ｉ　Ｋ、Ｍ 自体がガウスでありホワイトであるノイズ内のがウス型ホワイト信号の検出の場 合を次に調べる。

信号ｓ　（ｎ）、ｘ　（ｎ）、ｙ　（ｎ）はホワイトでありガウス型であり中心 づけられていると仮定する。信号−雑音比をｒＯとし、ｋ−Ｍ／Ｎとする。ｓ　 （ｎ）がない確率はπ０でありｓ　（ｎ）がある確率はπ１である。

決定則はこのとき のとき決定Ｄ−１ のとき決定Ｄ−０である。

これら二つの表現の項間の一致（不等ではなく）についてしきい値が決定される 。

また、この決定則を（Ｚ＜μｍＤ−０）および（２＞μ−−１）の形で表現する ことも出来る。μ°についてＭ−Ｎ−１２８，π０−πｌ−１／２とすると、例 えば次が得られる。

エラー確率は とすると、Ｐｅ−ｘ　［１−Ｆ（ｈ　（μ、０））］＋ｒＩＦ（ｈｋ、Ｍ（μ、 ｒｏ））Ｏｋ、Ｍ となる。

次表はｒＯの関数としてのＰｅのいくつかの値を示す。

π０とπ１は０．５としている。

一つのシミュレーション例では単位分散のガウスホワイトノイズが発生された。

１２８点（Ｎ−Ｍ−１２８）の各フレームについて予め既知の信号−雑音比を示 す付加的ノイズｓ　（ｎ）の発生がランダムに決定された。見掛けおよび不在確 率（π０とπ１）は０．５である。単位分散をもつ第二のガウスホワイトノイズ が発生された。

そしてこれはランダム変数Ｖの計算に用いられた。Ｚは各フレームについて計算 された。次に決定則が適用され、エラーの数が計数された。

これらの結果は理論計算から予想されたものを裏付けるものである。

任意の信号ｓ　（ｎ）とガウスホワイトノイズの場合を次に述べる。

ここでもノイズｘ　（ｎ）とｙ　（ｎ）はガウスホワイトであり、ａ　−＝Ｅ　 ［ｘ　（ｎ）　］　−Ｅ　［ｙ　（ｎ）２］である。有用信号ｓ　（ｎ）はノイ ズと無関係な任意の信号である。ｒｏを期待信号−雑音比とし、ｋ−Ｍ／Ｎとす る。ｓ　（ｎ）の不在確率はπ０であり、ｓ　（ｎ）の存在確率はπ１である。

このときの決定則は のときＤ−１であり、 のときＤ−０である。

またこの決定則を（Ｚ＜μ−り一〇）および（Ｚ＞μ→−１）の形で表わしても よい。

μについて次の値が１口の関数として得られ、Ｍ−Ｎ−１２８についてπ０−π １−１／２である。

Ｐｅ−ｙｒ　［１−Ｆ　（ｈｋｌＭ（μ、　０））］”ｙｒｔ　Ｆ　（ｈｋ、Ｍ （μ、　ｒｏ））「０の関数としてのＰｅＯ値のいくつかを次にあげる。

確率π０とπ０　（ママ）は０．５である。

一つのシミュレーション例では発生されたホワイトノイズの１２８点の各フレー ムについて、正弦波であるそれへのｓ　（ｎ）の付加がランダムに決定され、予 め限定された信号−雑音比を示した。π　とπ。は０．５であす る。

単位分散の第二ホワイトノイズが発生され、■の計算に用いられた。各フレーム について、Ｚが計算されそして上記の決定則が適用された。エラーの数が計数さ れた。

次の結果が得られた。

これら結果は理論計算から予測されるものを確証する。

非常に一般的である以上の法則により、信号−雑音比が低く、ＯｄＢに近くとも ノイズに埋もれた信号の検出が可能となる。

この形式の検出が非常に有用である一つの応用を次に述べる。

与えられたアルゴリズムは音声アクティビティの検出用の前置システムとしてス ピーチの場合に適用する。

検出しきい値の選択は文脈によりきまる。

使用される音声帯域に関する限り、最尤法による予測にもとづく測定を用いたノ イズとスピーチの初期特性は、検出されるべき音声信号が少くともｄＢの信号− 雑音比を示すことを示している。

更に、処理システムは１２８点の信号フレームを用いサンプリング周波数は１０ ＫＨｚである。

変数ＵとＶはＭ−Ｎ−１２８となるように１２８点にわたり評価される。

以上から、理論的検出しきい４は３に演鐸される。

しかしながら、この単一のしきい値に制限することは不可能である。事実、ノイ ズが比較的静的であれば、それは変数Ｖを更新するために考慮されるべき非静的 特徴を示し、そしてそれによりそのアルゴリズムが部分的にアダプティブとしう る。

従って第二しきい値が導入され、それにより変数Ｖが更新されるかどうかの決定 を可能にする。

この第二しきい値は一２ｄＢの信号−雑音比を示す静的ノイズに加わるノイズに 対応する１、２５に選ばれる。

このとき決定則は次の通りである： Ｚ　＜　１．２５の場合。

処理されたフレームは基準として用いられたものと同じノイズからなる。変数■ は処理されたフレームのエネルギー値で置き換えられる。

決定は処理されたフレームを代表的ノイズと考えることであるからＶの前の値と 、問題のフレームのエネルギーの平均をとることにより変数Ｖを更新することが 可能である。これはＭの値（Ｖを評価する点の数）を変えることになるが、この 操作はアルゴリズムの動作を正しくないものにすることがある。

１．２５＜　Ｚ　＞　３の場合： そのフレームは非静止ノイズを含み、スピーチのないものと考えられる。

３＜Ｚの場合： このフレームはスピーチと考えられる。

ノイズに影響された信号の複数のサンプルについて行われるテストはこの検出を 有効なものとしている。

しかしながら、この音声検出は“ピッチ”の計算のようなスピーチ信号に特有の 目安を用いることで改善される。

ここで提案するアルゴリズムは信号のいくつかの例の調査に関する。異なる信号 −雑音比を示す他のスピーチ信号についてしきい値の新しい選択が必要なことは 明らかである。

−ａに二つのしきい値を用いることが望ま１．い。

このアルゴリズムの一つのアプリケーションは問題の音声認識システムについて 正しい基準ファイルをつくりうるようにする。そして語法の正確なセグメント化 が必要である。

一つのアプリケーションにおいて、切換マイクロスイッチ（開閉するマイクロス イッチ）が語法の粗セグメント化を行う。

上記のアルゴリズムはこの切換スイッチの調整に用いられた。このアルゴリズム の第１バスがその語法のスタートの特性を可能にした。第２バスはスピーチファ イルを“逆方向“に読取ること、すなわちマイクロスイッチ閉成からマイクロス イッチ開放に向ってのスタートにある。これもまた語法の終了を特定することを 可能にする。

このアルゴリズムの非原因的使用は、アクティビティ検出が内側の語、学習相に ついてのセグメント化の実行に有害な沈黙の存在の検出に充分正確であるから、 必要である。

これと同じ形式のアプリケーションも、認識を行われるスピーチファイルのセグ メント化を可能にする。

しかしながら、このアルゴリズムには明らかに原因的であり、これは実時間使用 について有害である。従って、このアルゴリズムはスピーチ処理に固有の計算に より完了する必要がある。

我々は最適検出しきい値の存在を示した。これは信号−雑音比の予測の問題およ び、特にホワイトノイズと、比較的静止的であるときＮ個の点におけるそのエネ ルギーからのみ知ることの出来る信号の場合の検出の問題に対する理論的な方法 を与えることの出来るものである。

国際調査報告

Claims (5)

【特許請求の範囲】
1. １．ノイズに影響された有用信号を、その期待される信号／雑音比、予測ノイズ のみの測定、およびＭ個の点での測定により検出する方法であって、それらＭ個 の点でのノイズの平均エネルギーを計算し、ノイズに影響された信号をＭ個の点 でとり出し、それらＮ個の点の平均エネルギーを計算し、理論的検出しきい値を 計算し、上記二つの平均エネルギーの比（Ｚ）を計算し、そしてこの比を上記し きい値と比較することを特徴とする方法。
2. ２．前記予測ノイズのみはホワイトであるかあるいはホワイトにされるものであ ることを特徴とする請求項１の方法。
3. ３．前記理論的検出しきい値はｒ０を期待信号／雑音比、ｋ＝Ｍ／Ｎ，π０を有 用信号不在確率、π１を存在確率として １ｎ（ｒ＋１）ｚ＋ｋ／ｚ＋ｋ＝（Ｍ／４）［ｚ−（ｒ０＋１）］２−（ｚ−１ ）２／ｚ２＋ｋ＋１ｎπ０／π１で決定されることを特徴とする前記請求項の１ に記載の方法。
4. ４．前記理論的検出しきい値は １ｎ［（ｒ＋１）［ｚ＋ｋ（ｒ０＋１）］（ｚ２＋ｋ３／２）／（ｚ＋ｋ）［ｚ ２＋ｋ（ｒ０＋１）２］３／２］＝（Ｍ／４）［［ｚ−（ｒ０＋１）］２／ｚ２ ＋ｋ（ｒ０＋１）２−（ｚ−１）２／ｚ２＋ｋ］＋１ｎπ０／π１で決定される ことを特徴とするガウスホワイト信号の検出のための請求項１または２の方法。
5. ５．前記理論的検出しきい値を越える第二の決定しきい値が非静的ノイズを考慮 するために前記予測ノイズのみの測定スライスを更新するために用いられること を特徴とする、スピーチ検出用の請求項１乃至３の１に記載の方法。