JPH08272391A

JPH08272391A - 音声マスキング特性測定方法

Info

Publication number: JPH08272391A
Application number: JP6096A
Authority: JP
Inventors: Yair Shoham; ショーハムヤー; Casimir Wierzynski; ウェイアージンスキーカシミール
Original assignee: AT&T Corp
Current assignee: AT&T Corp
Priority date: 1994-12-30
Filing date: 1996-01-04
Publication date: 1996-10-18
Also published as: CA2165352A1; EP0720146A1

Abstract

(57)【要約】【課題】音声マスキング特性測定方法の改善。【解決手段】信号のサブバンド構成要素のマスキング
特性を測定し信号についての雑音レベルベクトルを定め
る方法において、信号がサブバンド信号構成要素セット
に分離される。バンドパス雑音構成要素も生成される。
バンドパス雑音とサブバンド信号構成要素との各組み合
せについて、特定のマスキング基準に合う雑音対信号比
の値が定められる。これら組み合せからの値が格納され
る。そして信号をフィルタ処理によってサブバンド構成
要素セットに分割し、格納されている値にアクセスし、
これらの値を組み合せて他の信号のマスキング特性の測
定値を生成することにより他の信号についての雑音レベ
ルベクトルが定められる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、信号の構成要素の
音声マスキング特性を測定して、その信号についての雑
音レベルベクトルを定める方法に関する。

【０００２】

【従来の技術】統合サービスディジタルネットワーク
（ＩＳＤＮ）のようなディジタルネットワークにおける
進歩によって、高品質の画像及び音声の伝送に又関心が
引き起こされている。コンパクトディスク及び高品質テ
レビの時代において、ますます高忠実度を求める傾向に
は同様に電話も含まれるようになって来ている。

【０００３】純粋に聴取を楽しむ行為とは別に、よりよ
い音の電話が、特に実業界において必要とされている。
従来の電話方式では、狭帯域音声伝送の帯域幅が３００
〜３０００Ｈｚに制限されていて、長時間の電話での会
話が聴取者にストレスを与える傾向にある。他方、５０
〜７０００Ｈｚの範囲の広帯域音声の場合、聴取者に
は、より多くの臨場感（５０〜３００Ｈｚの範囲での信
号伝送による）とより高い明瞭度（３０００〜７０００
Ｈｚの範囲での信号伝送による）が得られ、長時間の聴
取でも、より容易に許容できる。

【０００４】電話ネットワーク上で音声を、広帯域また
は狭帯域のいずれかで伝送するためには、連続時間変数
の連続関数として特徴付けることができる入力音声信号
を、ディジタル信号、すなわち時間及び振幅の両方で離
散した信号に変換する必要がある。この変換は２段階の
プロセスで行われる。まず、入力音声信号が、時間周期
的に（すなわち特定の周波数（レート）で）標本抽出
（サンプリング）されて、連続した値を取るサンプルか
らなる一連のサンプル（サンプルシーケンス）が生成さ
れる。

【０００５】それから、これらの値が値の有限セット
（２進数字（ビット）で表される）に量子化されて、デ
ィジタル信号が産出される。このディジタル信号はビッ
トレート、すなわち入力信号のサンプリング頻度とサン
プリングされた値に用いられたビット数とを反映する指
定された秒当りビット数、によって特徴付けられる。

【０００６】しかし残念ながら、広帯域伝送によって可
能となった高品質の電話サービスは、広帯域信号に対し
て適切な符号化が行われない場合には一般に、より高い
ビットレートの伝送を必要とする。この適切な符号化と
は、すなわち、広帯域信号を、量子化エラーに起因する
目立ったひずみの発生なしにより、少ない数のビットで
表す形に圧縮できるような符号化である。

【０００７】最近、音声（人声及び可聴音響を含む）の
高忠実度符号器は、ひずみの平均自乗誤差測定値（例え
ば、信号とその同じ信号が符号化され復号化された形で
の信号との間のエネルギー差の測定値）は符号化された
信号の知覚的品質を必ずしも正確に記述しない、という
考えに基づいている。簡単にいえば、全ての種類のひず
みが人の耳に等しく知覚されるわけではない。

【０００８】（次の文献参照：M. R. Schroeder, B. S.
Atal and J. L. Hall, "Optimizing Digital Speech C
oders by Exploiting Masking Properties of the Huma
n Ear," J. Acous. Soc. Am., Vol. 66, 1647-1652, 19
79; N. Jayant, J. Johnstonand R. Safranek, "Signal
Compression Based on Models of Human Perception,"
Proc. IEEE, Vol. 81, No. 10, pp. 1385-1422, Octob
er 1993; J. D. Johnston, "Transform Coding of Audi
o Signals Using Perceptual Noise Criteria," IEEE
J. Sel. Areas Comm., Vol. 6, pp. 314-323, 1988）

【０００９】したがって、人の聴覚システムが異なった
種類の雑音をどのように許容するかについての或る程度
の知識が与えられると、量子化エラーの聞こえる度合
（可聴性）（必ずしもエネルギーではないが）を減少さ
せる符号器を設計することができるようになって来てい
る。具体的にいえば、これらの符号器は、聴覚システム
における、マスキングとして知られる現象を利用してい
る。

【００１０】マスキングは、１つの音によって別の音が
聞こえにくくなるか又はかき消されてしまうという、人
の聴覚現象を表す用語である。一般的な例を示せば、も
しカーラジオの音量を十分に大きくすればエンジンの音
はかき消されてしまう。同様に、もし人がシャワーを浴
びていて、かかってきた電話を取れなかった場合には、
それはシャワーの音が電話の呼び出し音をマスキングし
たからで、もしシャワーの音がなかったとしたら呼び出
し音が聞こえたはずである。

【００１１】信号のマスキング特性は一般に、マスキン
グ基準に関して定められる雑音対信号比として測定され
る。例えば、１つのマスキング基準は、ちょうどひずみ
に気付く（ＪＮＤ）レベル、すなわち雑音が聴取者にち
ょうど聞こえるように（可聴に）なる雑音対信号比であ
る。代わって、別のマスキング基準としては、可聴であ
るがうるさくないレベル、すなわち聴取者にその雑音が
聞こえるが、雑音のレベルが聴取者をいらいらさせうる
さく感じさせるほどに高いレベルではない雑音対信号比
が挙げられる。

【００１２】音響心理学の領域における実験は、純粋な
ト−ン（基音）（すなわち単一周波数）及び狭帯域雑音
のマスキング特性に焦点を置いている。（例えば次の文
献を参照されたい：J. P. Egan and H. W. Hake, "On t
he Masking Pattern of a Simple Auditory Stimulus,"
J. Acous. Soc. Am., Vol. 22, pp. 622-630, 1950;R.
L. Wegel and C. E. Lane, "The Masking of One Pure
Tone by Another and its Probable Relation to the
Dynamics of the Inner Ear," Phys. Rev., Vol. 23, N
o. 2, pp. 266-285, 1924）

【００１３】これらの実験の間に収集された音響心理学
データから次のことが立証された。すなわち、第１の基
音が第２の基音をマスキングするために用いられる場
合、第１の基音のマスキング能力は、第１の基音の周波
数が第２の基音の周波数に近いときに最大化されるこ
と、又狭帯域雑音が第２の基音をマスキングする能力
も、その狭帯域雑音が第２の基音に近い周波数に集中し
たときに最大化されること、である。

【００１４】そして、低い方の周波数の基音が高い方の
基音をマスキングする場合のほうが高い方の周波数の基
音が低い方の周波数の基音をマスキングする場合よりも
容易であること、も同様に立証された。

【００１５】

【発明が解決しようとする課題】しかし、より複雑な信
号（広帯域音声のような）のマスキング特性は、より定
めにくい。その理由は部分的には、これらのより複雑な
信号が、マスキング特性の研究が済んでいる基音及び狭
帯域雑音に容易に分解できないことにある。

【００１６】したがって、複雑な信号のマスキング特性
を演繹的に測定する方法、すなわち或る選択されたマス
キング基準に基づいて許容可能な雑音のレベルを演繹的
に定める方法が求められている。このような測定値が得
られれば、これを用いて、本出願と同時に出願された、
本発明人の同時継続出願の、そして本出願と共通の被譲
渡人に譲渡された出願（名称："Method for Noise Weig
hting Filtering"）（ここに本出願の参照文献とする）
に述べられているような音声符号化を改善することがで
きる。

【００１７】

【課題を解決するための手段】本発明の中心にあるの
は、広帯域音声のような信号のマスキング特性をそのサ
ブバンド構成要素のマスキング特性から定めることがで
きるという認識である。したがって、本発明は、例えば
フィルタバンクによるなどしてサブバンド構成要素セッ
トに分解できるような信号、のマスキング特性を定める
方法を提供するものである。

【００１８】一実施例においては、或る与えられたサブ
バンド構成要素について、そのサブバンド構成要素によ
ってマスキングすることができる雑音パワースペクトル
が特定され、これらの雑音パワースペクトルが組み合わ
されて、この信号によってマスキングすることができる
１つの雑音パワースペクトルが産出される。

【００１９】別の実施例においては、各サブバンド信号
中のパワーとマスキング行列とに基づいて出力信号が生
成される。入力信号によってマスキングすることができ
る雑音パワースペクトルは、これらの出力信号から定め
られる。

【００２０】

【発明の実施の形態】図１は、入力信号の或るフレ−ム
（又はセグメント）について、雑音レベルベクトル、す
なわちマスキング基準を超えずにフレ−ムに付加される
雑音スペクトルが演繹的に定められる本発明の方法を説
明する流れ図である。この方法は、３個の主要ステップ
からなる。ステップ１２０において、入力信号フレ−ム
が、例えばフィルタバンクによるなどして、マスキング
特性が知られている又は定めることができるようなサブ
バンド構成要素に分解される。

【００２１】ステップ１４０において、各構成要素につ
いてのマスキング特性が、例えばデータベース又はライ
ブラリから特定され又はアクセスされる。そしてステッ
プ１６０において、マスキング特性が組み合わされて、
雑音レベルベクトル、すなわちこの入力信号によってマ
スキングすることができる雑音パワーのスペクトルが定
められる。

【００２２】なお、本方法においては、入力信号のフレ
−ムが、各々のマスキング特性が既に測定されているよ
うなサブバンド構成要素、の合計として表される。しか
し、入力音声信号の雑音レベルベクトルを定めるために
は、ステップ１４０において必要とされる構成要素のマ
スキング特性がまず定められなければならない。

【００２３】構成要素のマスキング特性のライブラリが
定められ、有利なことにデータベースに格納されると、
マスキング構成要素は常にアクセス、及びオプションと
しての適応が可能であり、これによってどの入力信号の
雑音レベルベクトルでも定めることができる。

【００２４】図１の本発明の方法においては、音声信号
のマスキング特性、すなわちその音声信号がマスキング
することができる雑音のスペクトルが、その音声の構成
要素のマスキング特性に基づくとすることができること
が認識されている。例えば、音声のマスキング特性を定
めるために、第１の音声入力信号が、例えば複数のサブ
バンド（バンドパス）フィルタからなるフィルタバンク
を用いるなどしてサブバンド構成要素に分割される。

【００２５】第１の実施例における第１の音声入力信号
によってマスキングすることができる雑音のスペクトル
を定めるために、その音声入力信号の各サブバンド構成
要素によってマスキングすることができる雑音のスペク
トルが定められ、それから全てのサブバンド構成要素の
スペクトルが組み合わされて、その第１の音声入力信号
についての雑音レベルベクトルが求められる。

【００２６】別の実施例においては、各サブバンド構成
要素について、各サブバンドにおいてどれだけ多くの狭
帯域雑音をマスキングすることができるかを定めるため
の測定が行われる。この測定手順は、２個の入れ子状の
ステップからなる方法として要約できる。すなわち、各
音声サブバンドｉについて、又各白色雑音サブバンドに
ついて、マスキング基準に合うように十分な雑音が付加
される点にサブバンドｊ中の雑音を調整する。この点に
おいて雑音対信号比を測定する。次のサブバンドｊにつ
いて反復し、次のサブバンドｉについて反復する。

【００２７】ｉ及びｊの各組み合せであるｑ_i,j につい
ての雑音対信号比測定値は、帯域ｉにおける第１の音声
入力信号によってマスキングすることができる帯域ｊに
おける雑音パワーの比を表す。要素ｑ_i,j によって行列
Ｑが形成される。この行列Ｑの例を図２に示す。ここで
は便宜上、エントリをデシベルに変換してある。

【００２８】図２の行列Ｑは、狭帯域音声によって狭帯
域雑音をマスキングした実験の結果を示す。横列の番号
は、雑音帯域に対応し、縦列の番号は音声帯域に対応す
る。各要素ｑ_i,j は、雑音がマスキングされるように帯
域ｊの雑音と帯域ｉの第１の音声入力信号との間に維持
することができる最大パワー比を表す。

【００２９】なお、全てのｑ_i,j が連関する値を有する
わけではない。すなわち行列Ｑ中の或るエントリは空白
である。その理由は、下で述べるように、一般に、雑音
レベルベクトルを定めるために行列Ｑ中の各値をことご
とく定める必要がないためである。下で述べるように、
行列Ｑ中のサブバンドは、帯域幅が一様ではない。すな
わち、各サブバンドの帯域幅は、周波数と共に増大す
る。

【００３０】例えば、下で表２に示すように、サブバン
ド１は、０〜８０Ｈｚの８０Ｈｚの周波数範囲に対応
し、サブバンド２０は、６２３０〜７０００Ｈｚの７７
０Ｈｚの周波数範囲に対応する。

【００３１】もし第１の音声信号の入力フレ−ムの各サ
ブバンドのパワーが縦列ベクトル、

【数１】として表される場合、雑音レベルベクトルｄ_NLV は、行
列Ｑとベクトルｐとに基づいて、ｄ_NLV ＝Ｑｐとして求
められる。すなわち、図３に示すように、雑音レベルベ
クトルも縦列ベクトルで、ｎ×ｎ行列Ｑに、入力音声フ
レ−ムの各サブバンドのパワーの縦列ｎのベクトルを乗
じることによって求められる。

【００３２】いずれの実施例においても、各サブバンド
構成要素によってマスキングされる雑音のスペクトル又
は行列Ｑの要素のいずれかが、或る与えられた入力信号
について定められると、これらのスペクトル又は要素
は、その与えられた入力信号によってだけでなく他の入
力信号によってもマスキングすることができる雑音のス
ペクトルを定めるのに用いられる。

【００３３】例えば、もし第２の入力信号の各サブバン
ドのパワーが縦列ベクトル、

【数２】である場合、雑音レベルベクトルは、入力信号によって
定まるＱとベクトルｐ₂とに基づいて、ｄ_NLV2 ＝Ｑｐ₂
として求められる。

【００３４】なお、各ｑ_i,j は、特定のマスキング特性
について定められたパワー比である。この定義は、固定
刺激（すなわち統計的特性が時間変換に対して不変であ
るような信号）については意味があるが、音声のような
動的刺激の場合には、レベルが急速に変化する信号に雑
音パワーを付加する際に注意を要する。

【００３５】この場合には、この問題は、与えられたフ
レ−ム又はセグメント内では音声の雑音パワーに対する
比が予め定められた定数になるように雑音パワーレベル
が音声パワーレベルと共に変わる構成とすることにより
回避できるので有利である。いい替えれば、付加された
雑音レベルが、フレ−ム全域にわたって一定の信号対雑
音比（ＳＮ比）を得るために動的に調整される。

【００３６】したがって、１個の音声のサブバンド構成
要素と、もう１個の、すなわち雑音のサブバンド構成要
素との間のマスキング量の測定は、どのＳＮ比の値がマ
スキング基準に合うかを定めるために、部分的な（セグ
メント化した）ＳＮ比（又はＳＮ比セグメント）範囲を
有するバンドパス処理された音声フレ−ムの集合を聴取
することからなる。異なるフレ−ムサイズが、下で述べ
るように異なるサブバンドについて用いられるので有利
である。

【００３７】上記の方法について下で更に詳細に説明す
る。ステップ１４０について必要な、信号構成要素のマ
スキング特性を定める方法についてまず説明し、その次
にステップ１６０における構成要素のマスキング特性を
組み合わせる方法について述べる。そして最後に、本発
明の方法の他の潜在的用法について簡単に述べて説明を
終る。

【００３８】より詳細な説明においては、まず、次のこ
とを仮定する。すなわち、入力音声信号ｓ（ｎ）がフィ
ルタバンクを介してＮ個のサブバンドｓ
₁（ｎ），．．．，ｓ_N（ｎ）に分割されること及びマ
スキングされる雑音ｄ（ｎ）も同様にサブバンド構成要
素ｄ₁（ｎ），．．．，ｄ_N（ｎ）に分割されることの
仮定である。各サブバンド対（ｉ，ｊ）について、ｄ_j
（ｎ）とｓ_i（ｎ）との間の、雑音対信号比（ＮＳ
比）セグメントの最大値を測定する。

【００３９】この測定は、ｄ_j（ｎ）＋ｓ_i（ｎ）の組み
合せが、或る与えられたマスキングしきい値に合うよう
に、例えば、ｄ_j（ｎ）＋ｓ_i（ｎ）の組み合せが単独の
ｓ_i（ｎ）に対して聴覚的に区別がつかない（すなわ
ち、ちょうどひずみに気付くレベルに合う）ようにする
ためである。

【００４０】ＮＳ比を、従来のＳＮ比の逆数として定義
する。すなわち次式が成立する。

【数３】ここに、総和の上下限は現音声フレ−ムの範囲である。

【００４１】音声及び雑音をサブバンドに分割するため
に、非均一の準臨界帯域幅フィルタバンクを設計する。
用語「準臨界」は、人の内耳迷路内の蝸牛が、各バンド
パスフィルタの帯域幅が臨界帯域幅と称されるようなバ
ンドパスフィルタの集合として表されるという認識にお
いて用いられるものである。文献（H. Fletcher, "Audi
tory Patterns," Rev. Mod. Phy., Vol. 12, pp. 47-6
5, 1940）を参照されたい。

【００４２】すなわち、フィルタバンク中のフィルタの
特性及びパラメータには、例えばフィルタバンク中のフ
ィルタの帯域幅を定める際のような聴覚的経験からの知
識が組み込まれる。なお、構成要素のマスキング特性の
ライブラリを形成するのに用いられるフィルタバンク
は、図１のステップ１２０において用いられるフィルタ
バンクと同じものにすると有利である。

【００４３】しかし、フィルタバンクサブバンドの或る
１セットについて得られた測定値を他のサブバンドにつ
いてのフィルタバンクに、より容易に適用可能にするた
めには、フィルタバンクに或る制約を設けるのが有利で
ある。詳しくは、次の通りである。

【００４４】すなわち、より大きな減衰という名の下に
通過帯域リプルが顕著に犠牲とされることにはなるが、
各フィルタをできるだけ矩形にする必要がある。隣接フ
ィルタ間の重複については最小にする。したがって、実
験的に測定された蝸牛フィルタの応答が矩形ではなく、
又大幅に重複する傾向にあるという点では、このような
フィルタバンクは人の耳に完全に忠実ではない。

【００４５】それにも拘らずこれらの条件が課される理
由は、究極の関心が符号化の問題にあるためで、（ほ
ぼ）直交のサブバンドでは、同じ情報を２回符号化する
ことが妨げられる。フィルタの合成応答は、ほぼ平坦な
周波数応答であることが必要である。

【００４６】完全な再構築は必要ではないが、組み合わ
された出力は、知覚的に入力と区別がつかないようにす
るのが有利である。フィルタバンクのこの品質は、聴取
試験によって検証される。異なるグループ遅れに起因す
る可聴ひずみを避けるために、線形フェーズフィルタを
用いる。但し、順方向及び逆方向マスキングの非対称性
から、最小フェーズフィルタを用いるのが望ましい。

【００４７】この最後の点を、音声信号が単一のスパイ
クからなる場合について説明する。線形フェーズフィル
タバンクの組み合せ出力はフィルタ長さの半分だけ遅れ
た同じスパイクから構成されるが、組み合わされた、フ
ィルタ処理された雑音はスパイクの前後において均一に
分散される。順方向のマスキングは逆方向マスキングよ
りも時間的にはるかに遠くまで延びるので、より多くの
雑音がスパイクの後ではなく前に来ることが望ましい。
これは、より複雑な最小フェーズフィルタを設計するこ
とによって達成される。

【００４８】蝸牛の、Ｑが一定の、臨界帯域幅特性をモ
デリングするために、次の制約を課すことも有利であ
る。すなわち、合計サブバンド数をＮ＝２０とする。こ
の数は、前の実験的方法に見出されるように、０〜７Ｋ
Ｈｚの間の臨界帯域の数に概略的に対応する。帯域幅
は、幾何級数的に増加する。

【００４９】第１の帯域が周波数［０，ａ］の範囲にま
たがるものとし、互いに前後する帯域幅間の比をｂとす
ると、これら最後の２つの条件は、次の式に集約でき
る。ｆ₂₀＝ａ（ｂ²⁰−１）／（ｂ−１）ここに、ｆ₂₀は含めるべき最高周波数データ、音声の場
合には一般に７ＫＨｚである。第１の臨界帯域の、前の
測定値に対応して、ａ＝１００と設定して、ニュートン
の反復近似化手法を用いてｂの値が解かれる。それから
このｂの値を用いて、表１に示すような、理想的な帯域
縁セットが生成される。

【表１】

【００５０】これらの理想的な帯域縁を出発点として、
フィルタが設計される。本発明の一実施例においては、
周知のレメス交換アルゴリズムを用いる、２０個の５１
２ポイント最小最大最適フィルタが設計された。表２
は、各フィルタのパラメータを記載したものである。一
般に、合成フィルタバンク応答がより平坦であるよう
に、しかしフィルタバンクの組み合せ出力が入力と同一
に聞こえるように、帯域縁を調整する必要がある。

【表２】

【００５１】人の蝸牛はより高い周波数において時間分
解能が増加することが判っているので、各帯域について
のフレ−ムサイズは、帯域フィルタのインパルス応答の
長さに応じて選択するので有利である。より高い帯域で
は、インパルス応答のエネルギーは、時間的に、より集
中し、より小さなフレ−ムサイズが選択されるようにな
る。表３は、雑音帯域番号とフレ−ムサイズとの関係を
示す。

【表３】

【００５２】刺激レベルに対するマスキングの依存が周
知であるにも拘らず、実験中に音の大きさ（ラウドネ
ス）について細かい制約を課す必要は一般にない。実際
の音声符号器の通常の動作条件下でマスキング効果を測
定することで、普通は十分である。

【００５３】したがって、音量調整は、全帯域幅の音声
の聴取に快適なレベルに設定し、全帯域幅を構成するサ
ブバンドの聴取の際もそのままにしておく。その結果、
全帯域幅音声信号の場合よりもはるかに静かに聞こえる
ことになる。聴取試験は、両方の耳に同じ信号が供給さ
れるようにヘッドホンを用いて防音室で行うのが有利で
ある。

【００５４】上に述べたように、雑音のレベルは、一定
のローカルＮＳ比ｑ_ijを維持するために、個々のフレ−
ムごとに調整する必要がある。図５は、図４のシステム
によって行われるステップを説明する流れ図である。図
４のシステムの動作をステップごとに下に述べる。

【００５５】［単位分散雑音フレ−ムを生成する］：ス
テップ４０５において、単位分散ガウス雑音生成装置３
０５を用いてｕ（ｎ）が生成される。それから、この値
が次式に従って、スケーリングされる。

【数４】ここに、Ｎはフレ−ムサイズ、ｍは、ｍ＝０から始まる
現フレ−ムの数である。これによって、単位分散雑音が
個々のフレ−ムごとに定まる。

【００５６】［音声をフィルタ処理する］：ステップ４
１０において、現音声フレ−ムを入力する。ステップ４
１５において、音声がフィルタバンクの「フィルタｊ」
３１５を通してフィルタ処理され、ｓ_j（ｎ）が生成さ
れる。

【００５７】［バンドパス音声のエネルギーを測定す
る］：それから「フィルタｊ」３１５の出力が、遅れ装
置３１７を通して送られる。この遅れによって、図４の
システムが、下で述べるように、一定のローカルＮＳ比
を維持するために、先取り（ルックアヘッド）すること
が可能となる。

【００５８】どれだけの雑音をこのフレ−ムに注入する
かを計算するために、ステップ４２０において、この音
声のエネルギーｐ_j が、エネルギー測定装置３２０を用
いて次式によって計算される。

【数５】ここに、Ｌは、遅れ量である。

【００５９】［バンドパス音声のルックアヘッドエネル
ギーを測定する］：フィルタバンクによって課される本
来の遅れから、フィルタ入力における雑音レベルの調整
は、出力においてすぐにはレジスタされない。したがっ
て、現在の雑音レベルの調整の仕方を決定するのを助け
るために、音声パワーの測定が必要である。

【００６０】ルックアヘッドエネルギー（ｐ_j の上に山
形をつけた符号で表示）については、ｓ_j（ｎ）の１個
のフレ−ムのエネルギーとして、次式により定義され
る。

【数６】一般に、Ｌ＝３２０のサンプルが５１２ポイントフィル
タについて最良の結果をもたらす。なお、この問題は、
もしフィルタが線形フェーズでなく最小フェーズである
とした場合には、解決が更に容易となる。

【００６１】［望む狭帯域雑音パワーを計算する］：ス
テップ４３０において、適応制御装置３３０で、望むＮ
Ｓ比ｑ_ijを音声パワーに乗じて、望む雑音パワーΔ（次
式）を生成する。 Δ＝ｐ_iｑ_ij

【００６２】［必要とされる広帯域雑音パワーを計算す
る］：フィルタ出力において望む雑音パワーの近似値を
得るためには、帯域幅ω_iＨｚのフィルタについて、フ
ィルタ処理された単位分散雑音がω_i／Ｓの分散を有す
る必要があることを注記したい。ここに、Ｓはナイキス
ト周波数である。したがって、フィルタ出力において望
む雑音パワーΔを達成しようと試みる際に線形性が利用
される。

【００６３】上に述べたフィルタ遅れから、Δを計算す
るために現フレ−ムにおいて音声パワーを用いる代わり
に、望むルックアヘッド雑音エネルギー（Δの上に山形
をつけた符号で表示）が、次式により定義される。

【数７】

【００６４】それから、次式で示されるルックアヘッド
エネルギーを達成しようと試みるために、雑音が、前調
整装置３４０においてスケーリングされる。

【数８】

【００６５】［調整された雑音をフィルタ処理する］：
調整された雑音ｅ（ｎ）がフィルタ３５０を用いて帯域
ｉを通してフィルタ処理されて、ｅ_i（ｎ）が生成さ
れ、それから、雑音が再び入力音声フレ−ムと同期する
ように遅れ装置３５５に供給される。

【００６６】［バンドパス雑音のエネルギーを測定す
る］：次に、次式に示す実際のバンドパス雑音パワーｄ
_i を測定装置３６０において測定する。

【数９】

【００６７】［雑音を微調整する］：望むＮＳ比を正確
に達成できるように、雑音を調整するために、乗算器３
８０においてフィルタ出力における時間変動する利得ｇ
_i を供給する。雑音スペクトルが損傷を受けるスミアリ
ング現象を最小にするために、ｇ_i が次式を取るように
円滑に変化させるのが有利である。

【数１０】ここに、Ａは前のフレ−ムからのｇ_i の最終値、Ｗはス
ムージング・ウインドウの長さ（ハン・ウインドウの半
分と考えてよい）、そしてＢはｇ_i の最終値である。

【００６８】したがって、Ａ及びＷが与えられると、次
式のようにして、Ｂについて解くことが可能である。

【数１１】

【００６９】ｇ_i はＢにおいて線形データあるため、上
の式は次式の形の２次式となる。

【数１２】

【００７０】したがって、長いウインドウを用いる円滑
な遷移と、短いウインドウを用いる、望む雑音レベルへ
の簡明直截な変化との間で妥協が必要となる。ウインド
ウを短くし過ぎると、バンドパス雑音のスペクトルが損
傷を受けることになる。これは一般に、きわめて目立つ
効果で、マスキングパワーの重大な過小評価につなが
る。しかし、ウインドウを長くし過ぎると、雑音レベル
が音声よりも遅れるときに現れる、より微かなクリック
音につながる。これらのことから、初期値として、Ｗ＝
Ｎ／２が選択された。

【００７１】Ｂについての２次式は通常２個の実数解を
有する。利得の急激な変化を避けてスペクトルの損傷を
減少させるために、一般に、｜Ａ−Ｂ｜を最小にする解
が選択された。

【００７２】しかし、時には実数解のない場合がある。
これは、大きな音のフレ−ムから小さな音のフレ−ムへ
の移行する過渡期に生じる。その場合、利得の減少が、
フレ−ム全体について望まれる雑音よりも多くの雑音が
フレ−ムの初めに含まれるという影響が徐々に出たもの
である。このような場合には、正確な解の発見が許され
る範囲で可能最長ウインドウが見出されるまでＷが減値
された。

【００７３】まれな場合にこの探索がＷ＝０につながる
ことがあるが、これは、音声と雑音との両方が聴取のし
きい値よりも低いような非常にソフトな通過の際だけで
ある。Ｗ＝０の場合には、ｇ_i は次式の形を取る。

【数１３】

【００７４】サブバンドが２０個あるため、潜在的には
ｉとｊとの４００個の組み合せを測定する必要がある。
しかし一般には個々の特定の（ｉ，ｊ）の組み合せの全
てについて実験を行う必要はない。その理由はマスキン
グが、信号構成要素とマスキングされる雑音とが周波数
的にいかに近接しているかに依存するからである。

【００７５】したがって、測定値は一般に、｜ｉ−ｊ｜
≦２であるようなｉ及びｊについて採取する必要があ
る。｜ｉ−ｊ｜＞２であるようなｑ_i,j についての値は
一般に、０、すなわち、マスキングが時に３個の帯域に
延びるような小さな値のｉ及びｊの場合を除き、マスキ
ングが生じない、と仮定できる。

【００７６】音声信号についての雑音レベルベクトル、
すなわち入力信号によってマスキングされる雑音のスペ
クトルが、３段階のプロセスによって計算されるという
ことを前に述べた。それらのうち、音声がそれを構成す
る臨界帯域によって最もよく解析できることと、各帯域
のマスキング特性を定めることとについては既に説明し
た。そして、ここでは、プロセスの第３段階として、雑
音レベルベクトルを形成するための、サブバンドのマス
キング特性の重ね合わせについて説明する。

【００７７】音声パワーのベクトルｐ＝
（ｐ₁，．．．，ｐ₂₀）が与えられ、ｐ_i が現フレ−ム
の帯域ｉの音声パワーに対応するとした場合に、雑音レ
ベルベクトルｄ＝（ｄ₁，．．．，ｄ₂₀）は、これらの
レベル以下で付加された雑音がマスキングしきい値を超
えないように定めることができる。

【００７８】この計算は、２個以上のマスキング構成要
素のマスキング効果の付加の仕方についての知識を必要
とする。この効果は単純な組み合せ付加で、正式に表現
すれば次のようになる。

【００７９】［雑音パワーの線形重ね合わせ］：もし信
号Ｓが雑音パワーベクトルｄ＝（ｄ₁，．．．，ｄ₂₀）^T
をマスキングする場合、すなわちｄ_j が現フレ−ムの
帯域ｊの雑音のパワーであり、Ｔが置き換えを表し、Ｓ
と相関関係にないＳ’が雑音パワーベクトルｄ'＝（ｄ'
₁，．．．，ｄ'₂₀）^T をマスキングする場合、組み合わ
された信号Ｓ＋Ｓ’は、次式で表される雑音パワーベク
トルをマスキングすることになる。ｄ＋ｄ'＝（ｄ₁＋ｄ'₁，．．．，ｄ₂₀＋ｄ'₂₀）^T

【００８０】単純な付加が非線形重ね合わせ法則の代わ
りに有利に用いられる。その理由は、これが一般に、信
号のマスキング特性の、より保守的な予測につながるか
らである。

【００８１】なお、概して、重ね合わせの考えは、フィ
ルタバンクの互いに続く帯域が重ならず、したがって１
個の帯域の雑音レベルが他の帯域のレベルに影響を与え
ずに調整でき、又したがって音声が相関関係のないサブ
バンドに分解できる、という仮定に基づいている。した
がって、フィルタバンクにおける、高次でほぼ矩形のフ
ィルタが用いられた。

【００８２】したがって、もし各音声帯域ｉ＝
１，．．．，２０についてマスキング特性、ｄ_i が知ら
れている場合、雑音レベルベクトルの全体スペクトルｄ
_NLV は与えられたフレ−ムに見出すことができる。この
場合、雑音パワーの単純和は次式で得られる。

【数１４】音声帯域ｉについてのマスキングされた雑音ベクトルｄ
_i を求めるには、測定されたしきい値ＮＳ比ｑ_ijを用い
る。音声パワーｐ_i と音声の雑音パワーに対する最小比
ｑ_ijとが知られているので、ｑ_ij行列の１個の縦列を用
いる帯域１〜２０の最大のマスキングされたパワーは、
次式で計算できる。

【数１５】いい替えれば、各帯域の雑音パワーしきい値は、信号パ
ワーとＮＳ比のしきい値との積に等しい。

【００８３】式（４．２）と式（４．３）とを組み合わ
せて、１個の行列式として要約すると次式となる。ｄ_NLV＝Ｑｐ（４．４）ここに、Ｑ＝｛ｑ_ij｝（ｑ_ijが測定されなかった場合、
ゼロ・マスキング、ｑ_ij＝０と仮定する）。

【００８４】したがって、式（４．４）は、与えられた
音声フレ−ムについての雑音レベルベクトルが、音声フ
レ−ムの入力パワーと、マスキング行列Ｑによって表さ
れる音声のマスキング特性とに基づいて、どのように定
められるかについて述べている。

【００８５】上記の方法は、人の聴覚システムにおける
マスキング効果に関する新たな知識をすぐに取り入れら
れるという点で柔軟性がある。例えば、線形重ね合わせ
の法則は、将来の聴覚実験に基づいてより複雑な関数に
容易に変更することができる。その上、行列Ｑ中の値は
固定する必要がない。マスキング特性が高音量レベルに
おいて変わることが示されたので、行列中の各要素は、
例えばラウドネスに適応できる。又、現音声フレ−ムが
有声音の音声からなるか又は無声音の音声からなるかに
依って異なる行列Ｑを用いることが容易である。

【００８６】以上の説明においては、音声信号の構成要
素のマスキング特性を測定する方法及び音声信号のマス
キングしきい値を定める方法について述べた。又、特定
のハードウエア又はソフトウエアに言及せずに、代わり
に当業者がその利用可能な又は望ましいハードウエア及
びソフトウエアを容易に適応できるような仕方で説明し
た。

【００８７】以上の説明は、本発明の一実施例に関する
もので、この技術分野の当業者であれば、本発明の種々
の変形例を考え得るが、それらはいずれも本発明の技術
的範囲に包含される。

【００８８】

【発明の効果】以上述べたごとく本発明によれば、例え
ばフィルタバンクによるなどして広帯域音声などの音声
をサブバンド構成要素セットに分解し、音声信号のマス
キング特性をそのサブバンド構成要素のマスキング特性
から定めるようにしたので、複雑な信号のマスキング特
性を容易に測定することができ、選択されたマスキング
基準に基づいて、許容可能な雑音のレベルを容易に定め
ることが可能となる。

【００８９】そのため、従来技術で問題とされた広帯域
音声を用いるた通信における雑音のマスキングが容易と
なり、電話等の音声による情報伝送の効率が改善され
る。

【図面の簡単な説明】

【図１】音声信号の雑音レベルベクトルを定めるための
本発明の方法を説明する流れ図である。

【図２】マスキング行列Ｑの要素ｑ_i,j を示す説明表で
ある。

【図３】雑音レベルベクトルの要素を示す行列式であ
る。

【図４】本発明の方法においてマスキング行列Ｑ内の要
素ｑ_i,j の値を定めるためのシステムを示す説明図であ
る。

【図５】本発明の方法においてマスキング行列Ｑ内の要
素ｑ_i,j の値を定めるためのプロセスを示す流れ図であ
る。

【符号の説明】

３０５単位分散ガウス雑音生成装置３１５、３５０フィルタｊ３１７、３５５遅れ装置３２０エネルギー測定装置３３０適応制御装置３４０前調整装置３６０測定装置３８０乗算器

───────────────────────────────────────────────────── フロントページの続き (72)発明者カシミールウェイアージンスキーアメリカ合衆国，10013 ニューヨーク, ニューヨーク，ナンバー22シー，ブロードウェイ 376

Claims

【特許請求の範囲】

【請求項１】信号によってマスキングすることができ
る雑音パワースペクトルを定める、音声マスキング特性
測定方法であって、前記信号を、サブバンド信号構成要素セットに分離する
ステップと、前記サブバンド信号構成要素セット中の各サブバンド信
号構成要素によってマスキングすることができる雑音パ
ワースペクトルを特定するステップと、前記信号によってマスキングすることができる前記雑音
パワースペクトルを産出するために、前記各サブバンド
信号構成要素によってマスキングされる前記特定された
雑音パワースペクトルを組み合わせるステップと、から
なることを特徴とする、音声マスキング特性測定方法。
【請求項２】前記方法において、前記分離するステップが、前記信号をフィルタセットからなるフィルタバンクに供
給するステップからなり、該フィルタセット中の各フィ
ルタの出力が前記信号のサブバンド信号構成要素であ
る、ようにしたことを特徴とする請求項１の方法。
【請求項３】前記方法において、前記組み合わせるステップが、前記信号によってマスキングされる前記雑音パワースペ
クトルを産出するために前記各サブバンド信号構成要素
によってマスキングされる前記雑音パワースペクトルを
付加するステップ、からなるようにしたことを特徴とす
る請求項１の方法。
【請求項４】前記方法において、前記信号が広帯域音声であるようにしたことを特徴とす
る請求項１の方法。
【請求項５】入力信号を、サブバンド信号構成要素セ
ットに分離するステップと、前記サブバンド信号構成要素セット中の各サブバンド信
号構成要素のパワーとマスキング行列Ｑとに基づいて出
力信号を生成するステップと、からなることを特徴とす
る、マスキングされた信号を生成する方法。
【請求項６】前記方法において、前記マスキング行列Ｑがｎ×ｎ行列であり、前記マスキ
ング行列Ｑの各要素ｑ_i,j が、マスキングすることがで
きる帯域ｊ中の雑音パワーの、帯域ｉ中の前記サブバン
ド信号構成要素のパワーに対する比率である、ようにし
たことを特徴とする請求項５の方法。
【請求項７】前記方法において、前記入力信号が、音声信号である、ようにしたことを特
徴とする請求項５の方法。
【請求項８】前記方法において、前記分離するステップが、前記入力信号をフィルタセットからなるフィルタバンク
に供給するステップからなり、該フィルタセット中の各
フィルタの出力が前記入力信号のサブバンド信号構成要
素である、ようにしたことを特徴とする請求項５の方
法。
【請求項９】入力信号を、各々がパワーレベルによっ
て特徴づけられるｎ個のサブバンド信号構成要素からな
るサブバンド信号構成要素セットに分離するステップ
と、ｎ個のサブバンド雑音構成要素からなるサブバンド雑音
構成要素セットを生成するステップと、１個のサブバンド信号構成要素ｉ（ｉ＝１，２，．．．
ｎ）と１個のサブバンド雑音構成要素ｊ（ｊ＝１，
２，．．．ｎ）との組み合せについて、ｉ番目の前記サ
ブバンド信号構成要素によってマスキングすることがで
きるｊ番目のサブバンド雑音構成要素中のパワーレベル
の、ｉ番目の前記サブバンド信号構成要素のパワーに対
する比率を測定するステップと、からなることを特徴と
するサブバンド信号対雑音パワーレベル比率測定方法。
【請求項１０】前記方法において、前記各サブバンド信号構成要素によってマスキングする
ことができる前記各サブバンド雑音構成要素のパワーレ
ベルが、マスキング基準に基づいて定められるようにし
たことを特徴とする請求項９の方法。
【請求項１１】前記方法において、前記マスキング基準が、ちょうどひずみに気付くレベル
であるようにしたことを特徴とする請求項１０の方法。
【請求項１２】前記方法において、前記マスキング基準が、可聴であるがうるさくないレベ
ルであるようにしたことを特徴とする請求項１０の方
法。
【請求項１３】前記方法において、前記分離するステップが、前記信号を、ｎ個のフィルタを有する第１のフィルタセ
ットからなる第１のフィルタバンクに供給するステップ
からなり、該第１のフィルタバンク中の該第１のフィル
タセットの出力が前記ｎ個のサブバンド信号構成要素か
らなる前記サブバンド信号構成要素セットである、よう
にしたことを特徴とする請求項９の方法。
【請求項１４】前記方法において、前記生成するステップが、広帯域雑音を、第２のフィル
タセットからなり前記第１のフィルタバンクと同じフィ
ルタ特性を有する、第２のフィルタバンクに供給するス
テップからなり、該第２のフィルタバンク中の該第２の
フィルタセットの出力が前記ｎ個のサブバンド雑音構成
要素からなる前記サブバンド雑音構成要素セットであ
る、ようにしたことを特徴とする請求項１３の方法。
【請求項１５】前記方法において、前記測定された比率がマスキング行列Ｑの要素ｑ_i,j で
あるようにしたことを特徴とする請求項１０の方法。
【請求項１６】前記方法が更に、前記信号によってマスキングすることができる前記雑音
パワースペクトルを産出するために、前記マスキング行
列にベクトルｐを乗じるステップからなり、該ベクトル
ｐの成分ｐ_i が入力信号の各サブバンド信号構成要素に
おけるパワーである、ようにしたことを特徴とする請求
項１５の方法。
【請求項１７】フィルタ処理された音声フレ−ムによ
ってマスキングすることができるフィルタ処理された雑
音のパワーを定める、雑音パワー決定方法であって、前記フィルタ処理された音声フレ−ムを、指定された時
間だけ遅らせるステップと、前記フィルタ処理された音声フレ−ムのパワーを定める
ステップと、前記フィルタ処理された雑音のパワーを測定するステッ
プと、前記フィルタ処理された雑音を、前記指定された時間だ
け、遅らせるステップと、前記フィルタ処理された音声フレ−ムによってマスキン
グされる前記フィルタ処理された雑音のパワーを産出す
るために、前記フィルタ処理された雑音のパワーを、前
記フィルタ処理された音声フレ−ムと望ましい雑音対信
号比との関数として調整するステップと、からなること
を特徴とする、雑音パワー決定方法。
【請求項１８】前記方法が更に、前記望ましい雑音対信号比を達成するように、利得信号
を前記フィルタ処理された雑音に乗じるステップからな
るようにしたことを特徴とする請求項１７の方法。
【請求項１９】前記方法において、前記指定された時間が前記第１のフィルタのインパクト
応答の関数であるようにしたことを特徴とする請求項１
７の方法。
【請求項２０】前記方法において、前記望ましい雑音対信号比が、マスキング基準に基づい
て定められるようにしたことを特徴とする請求項１７の
方法。
【請求項２１】前記方法において、単位分散を有する雑音を生成するステップと、前記フィルタ処理された雑音を生成するために、前記雑
音を第２のフィルタに供給するステップと、からなるよ
うにしたことを特徴とする請求項１７の方法。
【請求項２２】入力音声信号を、ｎ個のフィルタを有
するフィルタセットからなるフィルタバンクであって各
該フィルタの出力が該入力信号のｎ個のサブバンド信号
構成要素からなるサブバンド信号構成要素セット中のそ
れぞれのサブバンド信号構成要素であるようなフィルタ
バンク、に供給するステップと、マスキング行列Ｑとベクトルｐとの積に基づき出力信号
を生成するステップであって、該マスキング行列Ｑがｎ
×ｎ行列であり、その各要素ｑ_i,j が、帯域ｉ中の前記
サブバンド信号構成要素によってマスキングすることが
できる帯域ｊ中の雑音のパワーレベルの、帯域ｉ中の前
記サブバンド信号構成要素のパワーレベルに対する比率
であり、該ベクトルｐが長さｎのベクトルであり、その
各成分ｐ_i がｉ番目のサブバンド信号構成要素であるよ
うな、ステップと、からなることを特徴とする、音声マ
スキング出力生成方法。