JPH10290497A - 音声信号の処理回路 - Google Patents

Abstract

(57)【要約】 【課題】 マスキングの影響を軽減する。 【解決手段】 入力された音声信号の子音成分に対して
振幅の変更を行なう振幅変更回路１５を設ける。音声信
号について有声音の開始点を検出する開始点検出回路２
３と、音声信号について有声音の終了点を検出する終了
点検出回路２３とを設ける。検出回路２３の出力にした
がって振幅変更回路１５の利得を制御する制御回路２４
を設ける。制御回路２４は、開始点検出回路２３が開始
点を検出したとき、振幅変更回路１５に対して利得を大
きくするように制御信号を供給するとともに、終了点検
出回路２３が終了点を検出したとき、振幅変更回路１５
に対して利得を戻すように制御信号を供給する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、補聴器、電話、
拡声器、音声通信などの分野で用いられる音声信号の処
理回路に関する。

【０００２】

【従来の技術】音声を伝送あるいは再生する場合、その
伝送系あるいは再生系に残響やエコーが多いと、音声の
明瞭度が低下してしまう。そこで、そのようなときに
は、発話速度を遅くする、連続して発声される語音を細
かく分解し、時間をあけて再生するなどの処理が行なわ
れている。

【０００３】また、子音のような高域周波数が聞き取り
にくいときには、周波数イコライザ処理により高域周波
数の強調を行うこともある。さらに、いわゆる継時マス
キング（エネルギーの大きい母音と子音とが続くとき、
その母音により子音がマスクされる現象）を考慮した重
み関数をかける処理も試みられている。

【０００４】さらに、以上の処理は難聴者や老人を対象
に行われることもある。

【０００５】

【発明が解決しようとする課題】ところが、上述したよ
うに、発話速度を遅くしたり、連続して発声される語音
を分解したりすると、次のような問題点を生じてしま
う。

【０００６】１．原音声との間に時間のずれを生じ、即
時性がなくなってしまう。したがって、会話などを行な
うときには使えない。また、放送などを聞く楊合であっ
ても、聞き終わるまでの時間が長くなってしまう。 ２．語音の知覚判断には音声成分の変化速度も重要な手
がかりになっているので、発話速度を遅くすると、この
手がかりが変化して別な語音に知覚されてしまうことが
ある。 ３．語音を分解してゆっくり再生すると、語音のまとま
りとしての情報や過渡的な変化部分の情報が失われ、明
瞭度の悪くなることがある。 ４．周波数イコライザ処理により常に高域周波数を増幅
した音声は、音色のバランスがくずれて不快であった
り、聞き取りにくいことがある。 ５．継時マスキングを考慮した重み関数をかける処理
は、少なくとも重み関数の時間長の遅延が生じてしま
い、即時性が失われてしまう。この結果、口の動きと処
理音との間に時間ずれを生じて明瞭度に悪い影響を与え
ることがある。また、イヤホンからマイクロフォンへの
音響的フィードバックがあるときには、その時間遅れに
よって残響音のような現象が引き起こされてしまう。

【０００７】この発明は、このような問題点に対処しよ
うとするものである。

【０００８】

【課題を解決するための手段】このため、この発明にお
いては、入力された音声信号の子音成分に対して振幅の
変更を行なう振幅変更回路と、上記音声信号について有
声音の開始点を検出する開始点検出回路と、上記音声信
号について上記有声音の終了点を検出する終了点検出回
路と、上記開始点検出回路および上記終了点検出回路の
出力にしたがって上記振幅変更回路の利得を制御する制
御回路とを有し、上記制御回路は、上記開始点検出回路
が上記開始点を検出したとき、上記振幅変更回路に対し
て上記利得を大きくするように制御信号を供給するとと
もに、上記終了点検出回路が上記終了点を検出したと
き、上記振幅変更回路に対して上記利得を戻すように制
御信号を供給するようにした音声信号の処理回路とする
ものである。したがって、有声音によるマスキングや継
時マスキングに見合う大きさだけ、子音成分が増幅さ
れ、言葉の聞き取りが改善される。

【０００９】

【発明の実施の形態】ところで、通常の会話の音声は、
無声音と有声音との組み合わせ、すなわち、低い周波数
の成分と高い周波数の成分との組み合わせで構成されて
いる。また、一般の生活環境に存在する音も、低い周波
数の成分と高い周波数の成分との組み合わせになってい
ることが多い。

【００１０】そして、聴覚では、低域成分が高域成分を
マスクすることが知られており、音声を知覚するときに
も、このマスキングが働いている。健聴者では、このマ
スキングによる妨害は小さく、マスキングがあっても正
しく音声を知覚できるが、難聴者では、マスキングによ
る妨害が大きく、時間的にも長く続くことがあり、言葉
の聞き取りを悪くする原因の一つになっている。

【００１１】また、健聴者でも低域成分の大きい雑音が
あると、言葉の聞き取りが低下することがある。さら
に、いわゆる継時マスキングによっても、言葉の明瞭度
が低下する。

【００１２】そこで、この発明は、このようなマスキン
グあるいは継時マスキングに起因する明瞭度の低下を抑
えようとするものである。

【００１３】そして、このため、この発明の一形態にお
いては、有声音の開始点から数ミリ秒〜十数ミリ秒の期
間を立ち上がり期間とし、有声音の終了点から十数ミリ
秒〜数十ミリ秒の期間を立ち下がり期間とするとき、こ
れら立ち上がり期間および立ち下がり期間に、高域成分
を増強するものである。

【００１４】図１は、この発明の一形態を示すもので、
処理前の音声信号Ｓ11が、入力端子１１を通じて有声音
の帯域を通過帯域とするフィルタ１２に供給されてその
有声音の信号成分Ｓ12が取り出され、この信号成分Ｓ12
が加算回路１３に供給される。また、端子１１からの信
号Ｓ11が、子音の帯域を通過帯域とするフィルタ１４に
供給されて子音の信号成分Ｓ14が取り出され、この信号
成分Ｓ14が可変利得アンプ１５を通じて加算回路１３に
供給される。

【００１５】したがって、加算回路１３においては、信
号成分Ｓ12と信号成分Ｓ14とが加算されるので、可変利
得アンプ１５の利得Ｇ15が基準利得（例えば１倍）であ
るとすれば、加算回路１３からは、音声信号Ｓ11に含ま
れる有声音の信号成分Ｓ12および子音の信号成分Ｓ14
を、等しい割り合いで有する音声信号Ｓ13が得られるこ
とになる。そして、この信号Ｓ13が出力端子１６に取り
出される。

【００１６】さらに、端子１１の信号Ｓ11が、前処理の
ため、バンドパスフィルタ２１およびレベル算出回路２
２に順に供給される。この場合、バンドパスフィルタ２
１は、有声音の開始点および終了点を検出しやすくし、
かつ、雑音による影響が小さくなるように、信号Ｓ11か
らピッチ成分とフォルマント成分とを、信号Ｓ21として
抽出するものである。したがって、バンドパスフィルタ
２１の通過帯域は、例えば150Hz 〜1000Hzとされてい
る。

【００１７】また、レベル算出回路２２は、例えば、信
号Ｓ21を両波整流するとともに、その低域成分（例えば
60Hz以下の成分）を取り出すことにより、信号Ｓ14のレ
ベルを示す信号Ｓ22を形成するものである。

【００１８】そして、このレベル算出回路２２の算出信
号Ｓ22が検出回路２３に供給されて有声音の開始点およ
び終了点が検出され、その検出信号Ｓ23が制御回路２４
に供給されて制御信号Ｓ24が形成され、この信号Ｓ24が
可変利得アンプ１５に利得Ｇ15の制御信号として供給さ
れる。

【００１９】この場合、有声音の開始点および終了点の
検出と、アンプ１５の利得Ｇ15の大きさとは、例えば図
２に示すような関係とされる。すなわち、算出信号Ｓ22
の示す有声音のレベルが開始判定のしきい値より小さい
ときには、アンプ１５の利得Ｇ15は基準値とされている
が、有声音のレベルがその開始判定のしきい値よりも大
きくなると、利得Ｇ15は、数ミリ秒から十数ミリ秒の立
ち上がり期間をもって最大値まで次第に大きくされる。

【００２０】また、算出信号Ｓ22の示す有声音のレベル
が終了判定のしきい値よりも大きいときには、利得Ｇ15
は大きいままとされるが、有声音のレベルがその終了判
定のしきい値よりも小さくなると、利得Ｇ15は、数十ミ
リ秒から200 ミリ秒程度の立ち下がり期間をもって基準
値まで次第に小さくされる。

【００２１】このような構成によれば、処理前の音声信
号Ｓ11に有声音の信号成分が含まれているとき、その開
始点から終了点までの期間、信号Ｓ24によりアンプ１５
の利得Ｇ15が大きくなるので、その開始点から終了点ま
での期間、アンプ１５を通じる子音の信号成分Ｓ14が大
きくなる。

【００２２】したがって、有声音の開始点から終了点ま
での期間、端子１６に出力される音声信号Ｓ13の子音の
信号成分Ｓ14のレベルが大きくなるので、信号Ｓ13の再
生音にマスキングを生じても、そのマスキングに見合う
大きさだけ子音が大きくなり、したがって、言葉の聞き
取りが改善される。

【００２３】また、有声音の終了点からの時間間隔が短
い期間には、継時マスキングが大きいが、子音の信号成
分Ｓ14は大きく増幅されるので、継時マスキングに対し
ても明瞭度を有効に高めることができる。さらに、次の
子音の開始点までの時間間隔の長い期間には、継時マス
キングが小さいが、この期間には、子音の信号成分Ｓ14
はあまり増幅されないので、音色のバランスのくずれこ
とがない。

【００２４】図３は、検出回路２３および制御回路２４
が、検出信号Ｓ22から制御信号Ｓ24を形成する方法の一
形態を示す。すなわち、この場合には、図１に示した回
路の全部がデジタル化されるとともに、例えばＤＳＰに
より構成される。また、音声信号Ｓ11はもとの処理前の
アナログ音声信号をＡ／Ｄ変換したデジタル音声信号と
される。

【００２５】そして、検出回路２３および制御回路２４
においては、デジタル音声信号Ｓ11の１サンプルごと
に、図３の処理ルーチン１００が実行され、アンプ１５
の利得Ｇ15が例えば図２に示すように制御させる。な
お、ルーチン１００および以下の説明において、各変数
の意味は以下のとおりである。

【００２６】 e(i) ：音声信号Ｓ11の第ｉ番目のサンプルの示すレベル。 threshold1：有声音の終了判定のしきい値。信号Ｓ11がこの値よりも小さ くなったとき、有声音が終了と判定する。 threshold2：有声音の開始判定のしきい値。信号Ｓ11がこの値よりも大き くなったとき、有声音が開始と判定する。 threshold1≦threshold2に設定される。 w ：利得Ｇ15を制御するための重み係数。０≦w ≦１ w ＝０ときＧ15＝基準利得、w ＝１のときＧ15＝最大利得。 d1 ：係数w を減少させるときのステップ幅。 d2 ：係数w を増加させるときのステップ幅。

【００２７】すなわち、ルーチン１００においては、ま
ず、ステップ１０１において、第ｉ番目のサンプルの信
号レベルe(i)が開始判定のしきい値threshold2よりも小
さいかどうかが判別され、小さいときには、処理はステ
ップ１０１からステップ１０２に進む。

【００２８】そして、このステップ１０２において、第
ｉ番目のサンプルの信号レベルｅ（ｉ）が終了判定のし
きい値ｔｈｒｅｓｈｏｌｄ１よりも小さいかどうかが判
別され、小さいときには、処理はステップ１０２からス
テップ１０３に進み、このステップ１０３において、係
数w がステップ幅d1だけ小さくされ、ルーチン１００を
終了する。したがって、図２に示すように、有声音の終
了点が検出されたときには、以後、利得Ｇ15は次第に小
さくなっていく。

【００２９】また、ステップ１０２において、第ｉ番目
のサンプルの信号レベルe(i)が終了判定のしきい値thre
shold1以上のときには、処理はステップ１０２からこの
ルーチン１００を終了する。したがって、図２に示すよ
うに、有声音の終了が検出されるまでの期間（利得Ｇ15
の大きい期間）は、その利得Ｇ15が保持される。

【００３０】さらに、ステップ１０１において、第ｉ番
目のサンプルの信号レベルe(i)が開始判定のしきい値th
reshold2以上のときには、処理はステップ１０１からス
テップ１０４に進み、このステップ１０４において、係
数w がステップ幅d2だけ大きくされ、ルーチン１００を
終了する。したがって、図２に示すように、有声音の開
始点が検出されたときには、以後、利得Ｇ15は次第に大
きくなっていく。

【００３１】こうして、ルーチン１００によれば、有声
音のレベルにしたがってアンプ１５の利得Ｇ15を制御す
ることにより、子音のレベルを補正しているので、マス
キングや継時マスキングによる子音成分の聴感上の減衰
を補うことができ、会話の子音部分など音声の明瞭度を
向上させることができる。

【００３２】図４は、音声波形の観測結果を示すもの
で、図４Ａはルーチン１００による処理を行っていない
音声信号Ｓ11の波形、図４Ｂはルーチン１００による処
理を行った音声信号Ｓ13の波形の観測例である。なお、
このときの発声内容は、「１行目に書いてください」で
ある。

【００３３】そして、有声音の開始点から終了点までの
区間Ｂは、子音の部分が大きく増幅され、有声音の終了
点からの短い期間（矢印Ａ、Ｆの部分）は、継時マスキ
ングが大きいので、子音は大きく増幅され、次の子音の
始まりまでの長い期間（矢印Ｃ、Ｄ、Ｅの部分）は、継
時マスキングが小さいので、子音はあまり増幅されてい
ない。

【００３４】したがって、上述の処理回路によれば、音
声を残響やエコーなどのある系で伝送あるいは再生する
とき、あるいは難聴者や老人が音声を聞くとき、以下の
ような効果を得ることができる。 １．次に発声される音への継時マスキングだけが軽減さ
れるように、子音が強調されるので、音声がはっきり
し、明瞭度を改善できる。 ２．マスキングが起きているときだけ子音が強調される
ので、常に高域が強調されるときのように、音色のバラ
ンスが崩れたような不快感がない。 ３．原理的に即時処理ができるので、発声者の口の動き
と処理音との間に時間差の生じることがない。また、イ
ヤホンからマイクロフォンへの音響的フィードバックが
あっても、残響音のような音にはならないので、聞きや
すい。 ４．語音の知覚判断にとって重要な音声成分の変化速度
や、語音のまとまりとしての情報および過渡的な変化部
分の情報が失われない。 ５．図４の処理ルーチン１００によれば、その処理のス
テップ数が少ないので、処理が多少遅いＤＳＰであって
も、十分に対応することができる。

【００３５】図５に示すルーチン２００は、 threshold=threshold1=threshold2 とすることにより、ルーチン１００を簡略化した場合で
ある。すなわち、ルーチン２００においては、 threshold ：有声音の開始判定および終了判定のしきい
値。信号Ｓ11がこの値よりも小さいと終了と判定し、こ
の値よりも大きいと開始と判定する。 とされ、他はルーチン１００と同様とされる。

【００３６】そして、ステップ２０１において、第ｉ番
目のサンプルの信号レベルe(i)がしきい値threshold と
比較され、レベルe(i)がしきい値threshold よりも小さ
ければ、ステップ２０２において、係数w がステップ幅
d1だけ小さくされ、そうでなければ、ステップ２０３に
おいて、係数w がステップ幅d2だけ大きくされる。

【００３７】したがって、このルーチン２００によれ
ば、処理がさらに簡単であり、ＤＳＰの負担がより軽く
なる。

【００３８】

【発明の効果】この発明によれば、音声がはっきりし、
明瞭度を改善できる。また、常に音声の高域を強調する
ときのような不快感がない。さらに、発声者の口の動き
と処理音との間に時間差の生じることがない。

【００３９】また、イヤホンからマイクロフォンへの音
響的フィードバックがあっても、残響音のようになら
ず、聞きやすい。さらに、語音の知覚判断などに有効な
情報が損なわれない。しかも、デジタル処理する場合の
負担を少なくすることができる。

【図面の簡単な説明】

【図１】この発明の一形態を示す系統図である。

【図２】この発明を説明するための図である。

【図３】この発明の一形態の一部を示すフローチャート
である。

【図４】この発明を説明するための波形図である。

【図５】この発明の一形態の一部を示すフローチャート
である。

【符号の説明】

１２…有声音帯域フィルタ、１３…加算回路、１４…子
音帯域フィルタ、１５…可変利得アンプ、２１…バンド
パスフィルタ、２２…レベル算出回路、２３…検出回
路、２４…制御回路、１００…処理ルーチン

Claims (5)

【特許請求の範囲】
1. 【請求項１】入力された音声信号の子音成分に対して振
   幅の変更を行なう振幅変更回路と、 上記音声信号について有声音の開始点を検出する開始点
   検出回路と、 上記音声信号について上記有声音の終了点を検出する終
   了点検出回路と、 上記開始点検出回路および上記終了点検出回路の出力に
   したがって上記振幅変更回路の利得を制御する制御回路
   とを有し、 上記制御回路は、上記開始点検出回路が上記開始点を検
   出したとき、上記振幅変更回路に対して上記利得を大き
   くするように制御信号を供給するとともに、 上記終了点検出回路が上記終了点を検出したとき、上記
   振幅変更回路に対して上記利得を戻すように制御信号を
   供給するようにした音声信号の処理回路。
2. 【請求項２】請求項１に記載の音声信号の処理回路にお
   いて、 上記開始点検出回路は、上記有声音の信号レベルが所定
   のしきい値を越えたとき、これを検出して上記開始点の
   検出信号とするようにした音声信号の処理回路。
3. 【請求項３】請求項１に記載の音声信号の処理回路にお
   いて、 上記終了点検出回路は、上記有声音の信号レベルが所定
   のしきい値を下回ったとき、これを検出して上記終了点
   の検出信号とするようにした音声信号の処理回路。
4. 【請求項４】請求項１に記載の音声信号の処理回路にお
   いて、 上記振幅変更回路が可変利得アンプであるようにした音
   声信号の処理回路。
5. 【請求項５】請求項１〜請求項４に記載の音声信号の処
   理回路において、 上記有声音の開始点から数ミリ秒〜十数ミリ秒の期間を
   立ち上がり期間とし、上記有声音の終了点から十数ミリ
   秒〜数十ミリ秒の期間を立ち下がり期間とするとき、上
   記立ち上がり期間および上記立ち下がり期間に、上記振
   幅変更回路の利得を増強するようにした音声信号の処理
   回路。