JPH10513273A - スペクトル減算雑音抑止方法 - Google Patents

Abstract

(57)【要約】 フレーム・ベースのディジタル通信装置のスペクトル減算雑音抑止方法が記載されている。各フレームは所定数Ｎの音声サンプルを含み、これにより各フレームはＮ自由度を与える。本方法は、非音声フレームの背景雑音のパワー・スペク より実行される。各音声フレームは、自由度数をＮ以下に減少させるパラメータ・モデルにより近似される（１２０）。各音声フレームのパワー・スペクトル密

Description

【発明の詳細な説明】 スペクトル減算雑音抑止方法 技術分野 本発明はディジタル・フレームをベースにした通信システムの雑音抑止に関係 し、特にこのようなシステムのスペクトル減算雑音抑止に関係する。 発明の背景 音声信号処理の共通な問題は、その雑音測定からの音声信号の強化である。信 号チャネル（マイクロフォン）測定を基にした音声強化の１つの方法は、スペク トル減算技術[1]、[2]を適用した周波数領域でのフィルタ操作である。背景雑音 は長時間にわたって定常である（音声と比較して）という仮定のもとに、背景雑 音のモデルが音声活動のない時間間隔の間に通常評価される。次いで、音声活動 のあるデータ・フレームの間で、音声を強化するためこの評価雑音モデルが雑音 音声の評価モデルと共に使用される。スペクトル減算技術では、これらのモデル は古典的なＦＦＴ方法を使用して評価されるパワー・スペクトル密度（ＰＳＤ） により伝統的に与えられる。 上述の技術のどれも、移動電話応用面での満足できる音声品質、すなわち、 １．ひずみのない音声出力 ２．雑音レベルの十分な減少 ３．うるさい人工音のない残留雑音 の出力信号を基本形式では提供出来ない。 特に、スペクトル減算方法は２を満足すると１を犯し、１を満足すると２を犯す ことが知られている。加えて、この方法はいわゆる音楽雑音を導入するため多く の場合で３が多かれ少なかれ犯されている。 スペクトル減算方法の上記の欠点は公知であり、文献には、特定の音声対雑音 シナリオに対して基本アルゴリズムのいくつかの特別な修正が出現している。し かしながら、一般的なシナリオで１−３を満足するスペクトル減算方法をいかに 設計するかという問題はいまだに未解決である。 雑音データから音声を強化する困難を強調するため、音声減算方法は入力デー タの評価モデルを使用したフィルタ操作をもとにしている事に注意されたい。こ の評価モデルが下にある「真の」モデルに近い場合、これは良好に動作する方法 である。しかしながら、音声の短時間定常性（１０−４０ｍｓ）と共に移動電話 応用面を取り囲む物理的真実（８０００Ｈｚのサンプリング周波数、雑音の0.5- 2.0 s定常性、等）のため、評価モデルは下にある真実から相当に異なりやすく 、従って、聴覚品質の低いフィルタ出力を生じる。 EP,A1,0 588 526 は高速フーリエ変換（ＦＦＴ）又は線形予測コーディング（ ＬＰＣ）のどちらかによりスペクトル分析を実行する方法を記述している。 発明の要旨 本発明の目的は聴覚品質を犠牲にすることなく良好な雑音抑止を与えるスペク トル減算雑音抑止方法を提供することである。 この目的は特許請求の範囲第1 項の特徴により解決される。 図面の簡単な説明 本発明は、その更なる目的と利点と共に、以下の添付図面と共に行われる以下 の説明を参照して最も良く理解出来る。 図１は本発明の方法を実行するのに適したスペクトル減算雑音抑止装置のブロ ック線図である。 図２は図１の装置で使用される音声活動検出器（ＶＡＤ）の状態線図である。 図３は音声フレームの２つの異なるパワー・スペクトル密度評価の線図である 。 図４は音声と背景雑音を含むサンプルした音声信号の時間線図である。 図５は従来技術によるスペクトル雑音抑止後の図３の信号の時間線図である。 図６は本発明によるスペクトル雑音抑止後の図３の信号の時間線図である。 図７は本発明の方法を図示する流れ図である。 望ましい実施例の詳細な説明 スペクトル減算技術 余分な雑音により劣化した音声のフレームを考える。 x(k)=s(k)+v(k) k=1,...,N (1) ここでx(k)、s(k)、v(k)は各々音声の雑音測定、音声及び雑音を表わし、Ｎはフ レーム中のサンプル数を表わす。 音声はフレームを通して定常であると仮定し、一方雑音は長期定常、すなわち いくつかのフレームにわたって定常であるものとする。v(k)が定常であるフレー ム数はτ≫１により表わされる。更に、音声活動は充分低いものと仮定し、従っ て雑音のモデルは音声活動のない期間に正確に評価可能であるものとする。 測定、音声、雑音のパワー・スペクトル密度（ＰＳＤ）を各々Φｘ（ω）、Φ s（ω）、Φv（ω）で表わすと、 Φx(ω)=Φs(ω)＋Φv(ω) (2) Φx(ω)とΦv(ω)が解ると、以下で簡単に復習する標準的なスペクトル減算方法 [2]参照、を用いて量Φs(ω)とs(k)が評価可能である。 ここでＦ(・)は何らかの線形変換、例えば離散フーリエ変換（ＤＦＴ）を表わし 、Ｈ(ω)はω∈(０，２π)で実値偶関数で、０≦Ｈ（ω）≦１である。関数Ｈ（ ω）はΦｘ（ω）とΦｖ（ω）に依存する。Ｈ（ω）は実値であるため、位相Ｓ (ω)=Ｈ（ω）Ｘ（ω）は劣化した音声の位相に等しい。実値Ｈ（ω）の使用は 人間の耳が位相の歪みに鈍いことからきている。 りＨ（ω）で置き換えられなければならない。音声の非定常性から、Φx(ω)は 単一フレームのデータから評価され、Φv(ω)は音声のないτフレームのデータ を使用して評価される。簡単のため、雑音の入った音声を含むフレームと雑音の みを含むフレームとを区別するために音声活動検出器（ＶＡＤ）が利用可能であ るものとする。Φv(ω)は数フレームを通して平均化することにより音声のない 活動時に例えば以下を用いて評価される、 ある。スカラρ∈(０、１)はｖ（ｋ）の仮定した定常性に関連して調整される。 τフレームの平均は大体次式で暗黙に与えられるρに対応する、 適切なＰＳＤ評価（背景雑音のスペクトル形に何ら先験的な仮定がないものとす る）は、 ここで「＊」は複素共役を表わし、Ｖ(ω)=Ｆ(v(k))である。Ｆ(・)＝ＦＦＴ るバイアスのないＰＳＤ評価に漸近的に（Ｎ≫１）近づく、 本発明の方法を実行するのに適したスペクトル減算雑音抑止装置は図１にブロ ック形式で図示してある。マイクロフォン１０から音声信号x(t)がA／Ｄ変換器 １２に送られる。Ａ／Ｄ変換器１２はフレーム形式｛x(k)｝のディジタル化され た音声サンプルを変換ブロック14、例えばＦＦＴ（高速フーリエ変換）ブロック へ送り、このブロックは各フレームを対応する周波数変換フレーム｛Ｘ（ω）｝ 換ブロック１８により時間領域に変換される。結果は、雑音が抑止されたフレー エンコーダに送られる。音声コード化信号は次いで送信用のチャネル・エンコー ダと変調器に送られる（これらの要素は図示されていない）。 ＰＳＤ評価器２４で形成され、これらの評価の解析式が使用される。異なる式の 例が次の節の表２に与えられている。以下の説明の主要部分は入力フレーム ＰＳＤ評価器２４は音声活動検出器（ＶＡＤ）２６により制御され、これは入 力フレーム｛x(k)｝を使用してフレームが音声(S)又は背景雑音(B)のどちらを含 んでいるかを決定する。適当なVAD は［５］、［６］に説明されている。ＶＡＤ は図２に図示する４状態を有するステート・マシンとして実装される。生成した 制御信号Ｓ／ＢはＰＳＤ評価器２４に送られる。ＶＡＤ２６が音声(S)、状態 ＶＡＤ２６が非音声活動(B)、状態２０、を指示している時、ＰＳＤ評価器２４ 信号Ｓ／Ｂはまた音声減算ブロック１６へも送られる。このようにしてブロッ ク１６は音声及び非音声フレーム時に異なるフィルタを適用する。音声フレーム 声レベルと同じレベルまで減少させる定数Ｈ（０≦Ｈ≦１）である。このように して、認識雑音レベルは音声及び非音声フレームの両方の期間で同じになる。 式に従って後フィルタされる、 ることを意味している。 更に、信号Ｓ／Ｂは又音声エンコーダ２２へも送られる。これにより音声と背 景音とで異なるコード化が可能となる。 ＰＳＤ誤差解析 s(k)とv(k)に課された定常性の仮定が、雑音のない音声信号s(k)と比較して評 減算方法の解析技術を紹介する。これは、導入された偏差の精度に対する近似 式参照）の第１次近似をもとにしている。正確には、以下で、使用した方法（伝 達関数H(ω)の選択）により、又関係するＰＳＤ評価器の精度により、評価信号 ＳＤ誤差を以下で定義されるように考えるのが適当である、 ここで 差（周波数領域）を記述する誤差項であることに注意されたい。それゆえ、 択の要約は表２に与えられている。 定義により、Ｈ（ω）は区間０≦Ｈ（ω）≦１に属すが、これは表２の対応す る評価量には必ずしも真ではなく、それ故、実際には半波又は全波整流[１]を使 用する。 ここでΔx(ω)とΔv(ω)はＥ[Δx(ω)/Φx(ω)]²≪１とＥ[Δｖ(ω)/Φｖ(ω)]² ≪１となるような０次のスタカスティック変数である。ここ及び以下の文章中で 記号Ｅ［・］は統計期待値を表わす。更に、雑音の相関時間がフレーム長に比べ て短い場合、１≠ｋに対して Δx(ω)とΔv(ω)が近似的に独立であることを意味している。そうでない場合、 雑音が強く相関している場合、Φv(ω)は周波数ω１、... 、ωｎにある限定さ れた（≪Ｎ）数の（強大な）ピークを有しているものと仮定する。この時ω≠ω ｊ ｊ＝１、... 、ｎと１≠ｋに対して ω≠ωｊ ｊ＝１、... 、ｎに対しても解析は成立する。 式(11)はペリオドグラムまたは平均化ペリオドグラムのような漸近的(Ｎ≫１) バイアスのないＰＳＤ評価器を使用したことを意味している。しかしながら、ブ ラックマン・ターキーＰＳＤ評価器のような漸近的にバイアスのあるＰＳＤ評価 器を使用して、(11)を以下と置き換えて同様の解析が成立する、 かつ ここで、Ｂｘ（ω）とＢｖ（ω）はＰＳＤ評価器の漸近的バイアスを記述する決 定項である。 の完全な導出が次の節で与えられる。表１の他のスペクトル減算方法の同様な導 出は付録Ａ−Ｇに与えられている。 (10)式と表2 からのＨ_PS(ω)を(9)に代入し、テーラー級数展開 Δx(ω)とΔｖ(ω)は0 次スタカスティック変数である。従って、 そして 更に続けるため、一般的結果、すなわち、ある（多分周波数独立）変数γ（ω） する、 そして そして そして 析される）以下を与える： そして 共通の特徴 に依存することに注意されたい。例えば、Φv(ω)の平均化ペリオドグラムに対 しては、上記のバリアンス式に現れるγ＝γｘ＋γｖの主要項はγｘで、従って 、主要誤差源は雑音音声をもとにした単一フレームＰＳＤ評価である。 以上の事実から、スペクトル減算技術を改良するためには、γ_xの値を減少す ること（適切なＰＳＤ評価器を選択すること、すなわち可能な限り高性能の近似 的にバイアスのない評価器であること）と、「良好な」スペクトル減算技術を選 は、音声束の物理モデルを使用してγｘの値を減少可能な点である（自由度数を Ｎ（フレーム中のサンプル数）からＮより少ない値に減少させる）。s(k)は自動 ることは公知である。これが次の２節の主題である。 音声ＡＲモデル 本発明の望ましい実施例では、s(k)は自動回帰（ＡＲ）仮定としてモデル化さ れる、 ここでＡ（ｑ^-1）は後方シフト演算子（ｑ^-1w(k)＝w(k-1)等）のモーニック（先 頭係数が１）ｐ次多項式で、 １９w(k)はバリアンスσ² _wの白色零平均雑音である。一目見たところでは、ＡＲ モデルのみを考えるのは制限的であるように見える。しかしながら、音声モデル 化用にＡＲモデルを使用することは、音声束の物理的モデル化から、そしてここ では更に重要なことであるが、評価モデルの精度について雑音音声からの物理的 制限の両方から動機付けられている。 音声信号処理では、フレーム長Ｎは、バリアンスを減少させ、さらにＰＳＤ評 価器の無バイアス性を保存するためフレーム内での平均化技術の適用を可能とす るのに充分大きくない。従って、例示式(12)の第1 項の効果を減少させるため音 声束の物理的モデル化が使用される。ＡＲ構造(17)がs(k)に課される。正確には 、 加えて、Φｖ（ω）もパラメータ・モデルにより記述される、 ここでＢ（ｑ^-1）、とＣ（ｑ^-1）は各々ｑ次とｒ次の多項式で、(18)のＡ（ｑ^-1 ） と同様に定義される。簡単のため、(20)のパラメータ・モデルを以下の議論で使 用し、パラメータ・モデルのオーダーを評価する。しかしながら、他のモデルの 背景雑音も又可能であることを認識されたい。(19)と(20)を組み合せると、 より与えられる、 音声パラメータ評価 (17)-(18)のパラメータの評価は他の雑音が存在しない時には直接的である。 雑音のない場合には、(22)の右側の第2 項は消滅し、従って(21)は零極キャンセ ル後に(17)となる。 ここで、自動回帰方法をもとにしたＰＳＤ評価器を捜索する。この動機は4 項 目である。 ・自動相関方法は公知である。特に、評価パラメータは最小位相で、生成したフ ィルタの安定性を保証する。 ・レビンソン・アルゴリズムを使用し、方法は容易に実装でき、コンピュータの 複雑度は低い。 ・最適化処理は非線型最適化であり、何らかの初期化処理を陽的に必要とする。 自動相関方法は何も必要としない。 ・実用的な観点からは、劣化した音声と利用可能な時には各きれいな音声に同じ 評価処理を使用可能である場合が望ましい。言い換えると、評価方法は実際の動 作シナリオとは独立、すなわち音声対雑音比と独立であるべきである。 ＡＲＭＡモデル（(21)式のような）は無限次ＡＲ過程によりモデル化されるこ とは公知である。パラメータ評価用に有限数のデータが利用可能な場合、無限次 ＡＲモデルは切り捨てられなければならない。ここで使用したモデルは、 立する。近似モデル(23)はそのＰＳＤが近似的に等しい場合、雑音過程の音声に 近い、すなわち 音声束の物理的モデル化をもとにすると、ｐ＝deg(Ａ(q^-1))＝10と考えるのが ｒが成立し、ここでｐ＋ｒはΦｘ（ω）のピーク数と大体等しい。反対に、ＡＲ モデルを使用して雑音性の狭い帯域処理をモデル化するには、信頼出来るＰＳＤ 法はＮ≫１００の時に実り多いことが期待できる。また、(22)から雑音スペクト ルをより平らにするにはＮの小さな値を可能にすることが結論づけられる。ｐが 十分大きくなくとも、パラメータ的な方法はまともな結果を与えることが期待で きる。この理由は、パラメータ的な方法が、誤差バリアンスに関して、ペリオド グラムをもとにした方法より著しく正確なＰＳＤ評価を与え（典型的な例では、 バリアンスの比は１：８である、以下を参照）、これは出力のトーン雑音のよう な人工音を著しく減少させる。 パラメータＰＳＤ評価器は以下のように要約される。ＡＲパラメータ｛ｆ₁、 離散点）、 次いで、音声s(k)を強化するために表２の考えたスペクトル減算技術の内の一つ を使用する。 次に、パラメータＰＳＤ評価器のバリアンスの低次の近似（比パラメータ的な 方法に対して考えた(7)と同様）と、従って、雑音が白色であるという仮定の下 にs(k)のフーリエ級数展開を使用する。次いで、Φx(ω)の漸近的（データ数 れる、 である。 一例として、移動電話ハンドフリーな環境では、雑音は約0.5 ｓの間定常であ ると仮定するのが正当であり(8000Ｈｚサンプリング速度でフレーム長Ｎ＝256) 、 γｘ＝1/8 となる。 図３は典型的な音声フレームに対するペリオドグラムＰＳＤ評価と本発明によ るパラメータＰＳＤ評価との間の差を図示する。この例では、Ｎ＝256（256サン は対応するペリオドグラムＰＳＤ評価より非常に滑らかであることに注意された い。 図４は雑音背景での音声を含む5 秒間のサンプルされた音声信号を図示する。 図５は、高聴覚品質に優先度を与えたペリオドグラムＰＳＤ評価をもとにしたス ペクトル減算後の図４の信号を図示する。図６は本発明によるパラメータＰＳＤ 評価をもとにしたスペクトル減算後の図４の信号を図示する。 図５と図６を比較すると、著しい雑音抑止（10dBのオーダー）が本発明による 方法で得られる。（図１の説明に関連して上述したように、減少雑音レベルは音 声と非音声フレームの両方で同様である。）図６からは明らかでないその外の差 は、生成した音声信号が図５の音声信号より歪みが少ないことである。 全ての考えられる方法に対するＰＳＤ誤差のバイアスと誤差バリアンスに関す る理論的結果は表３に要約されている。 他の方法を選択することも可能である。適切な方法をいかに選択するかについ ては、少なくとも２つの基準が区別出来る。 法は低いバリアンスを有していることが望ましい。これは増大したバイアスなし では不可能であり、このバイアス項は、瞬間性低ＳＮＲで周波数域を抑止（増幅 しない）するためには、負の符号を有しなければならない（従って、(9)の である。 第２に、瞬間性高ＳＮＲに対しては、低い比率の音声歪みが望ましい。更にバ イアス項が主要な場合、これは正の符号を有しなければならない。ＭＬ、δＰＳ 、ＰＳ、ＩＰＳ及び（多分）ＷＦが第1 の文章を満足する。バイアス項はＭＳＥ 式でＭＬとＷＦに対してのみ主要であり、バイアス項の符号はＭＬに対して正で 、ＷＦに対しては負である。従って、ＭＬ、δＰＳ、ＰＳ及びＩＰＳがこの基準 を満足する。 アルゴリズム的な側面 この節では、図７を参照して本発明によるスペクトル減算方法の望ましい実施 例を説明する。 １．入力：ｘ＝｛x(k)｜ｋ＝１、... 、Ｎ｝ ２．変数の設計 ３．入力データの各フレームに対して実行する： （ａ）音声検出（段階１１０） ＶＡＤ出力がst=21 又はst=22 に等しい場合変数Speechは真にセットされる 。st=20 の場合、Speechは偽にセットされる。ＶＡＤ出力がst= ０に等しい場合 、アルゴリズムは再初期化されている。 （ｂ）スペクトル評価 ｉ 零平均調整入力データ｛x(k)｝に適用される自動相関方法を使用して、 （段階120） なければならない。最初に背景雑音に対して先験的な白色雑音過程を課している ことを意味する、例えば、0.25の因子、によりスケールされた第１フレームのペ えられる。 （ｂ）スペクトル減算（段階150） ii 可能な後フィルタ操作、ミューティング、雑音下限調節。 iii (3)と零平均調節データ｛x(k)｝を使用して出力を計算。データ｛x(k) ｝は実際のフレームの重なりに応じて窓操作される又はされない（非重なりフレ ームには矩形窓が使用され、50% 重なりにはハニング窓が使用される）。 以上の説明から、本発明は聴覚品質を犠牲にすることなく著しい雑音減少を実 施出来ることは明らかである。この改良は、音声と非音声フレームに使用される 別々のパワー・スペクトル評価方法により説明出来る。この方法は音声と非音声 （背景雑音）異なる特性を利用し、各パワー・スペクトル評価のバリアンスを最 小にする。 価方法、例えば各フレームの全てのＮサンプルを使用する、ＦＦＴベースのペリ オドグラム評価により評価される。非音声フレームの全てのＮ自由度を保持する ことにより、広範囲の背景雑音がモデル化される。背景雑音は数フレームにわた って定常であると仮定しているため、いくつかの非音声フレームにわたってパワ パラメータ・パワー・スペクトル評価方法により評価される。この場合、音声フ レームの自由度数を（パラメータ・モデルのパラメータ数に）減少させるため音 声の特殊な特性が使用される。少ないパラメータをもとにしたモデルはパワー・ スペクトル評価のバリアンスを減少させる。音声はあるフレームでのみ定常であ ると仮定されるため、この方法は音声フレームに最適である。 添付の特許請求の範囲により定義される発明の要旨と範囲から逸脱することな く当業者により各種の修正と変更を本発明に加え得ることを理解すべきである。 付録Ａ この第２の等式では、テーラー級数展開 更に、 (29)と(15)を組み合せて、 付録Ｂ この付録では、ウィーナー・フィルタ[2]をもとにした音声強化のＰＳＤ誤差 から導かれる。以下に注意して 計算によると、 (33)から、以下が導かれる。 及び 付録Ｃ 音声を未知の振幅と位相の決定論的波形により特徴づけると、最尤法（ＭＬ） スペクトル減算法は次式により定義される、 (11)を(36)に代入して、計算すると、 を使用した。これからＰＳＤ誤差を直截に計算出来る。(37)を(9)-(10)に代入し 、 (38)から、以下が成立する、 ここでは第２等式(2)を使用した。更に、 付録Ｄ 最後の等式には(2)を使用した。この場合、Ｈ（ω）は決定論的量であり、一方 この事実は一般に成り立たず、この節では、ＨＰＳ（ω）の性能を改善するため データ独立な重み関数を導く。この目的のため、以下の形式のバリアンス式 を考える（ＰＳに対してはξ＝１でＭＳに対しては でγ＝γｘ＋γｖ）。変数γは使用したＰＳＤ評価方法にのみ依存し、伝達関数 の選択に依存する。この節では、 す、すなわち、 (42)で、Ｇ（ω）は一般的な重み関数である。更に続行する前に、重み関数Ｇ（ ω）がデータ依存が可能な場合、一般的な範囲のスペクトル減算技術が発生し、 これは特殊な場合として多くの一般に使用される方法、例えば、 Ｇ（ω）による(42)の最適化はＧ（ω）の形式に非常に依存しているため、この 事実はしかしながら、殆ど興味がない。従って、データ依存重み関数を使用する 方法は、この場合一般的な結果が導かれないため一つづつ解析しなければならな い。 (42)を最小化するためには、直接的な計算により ２乗ＰＳＤ誤差の期待値を取り、(41)を使用すると次式が与えられる、 式(44)はＧ（ω）の２次式で、解析的に最小化可能である。その結果は、 ＳＤと変数γに依存する。上記したように、(45)中の未知ＰＳＤを対応する評価 と直接置き換えて、生成した修正ＰＳ方法が(42)を最小化する最適なものである 不確定性を考慮に入れて、修正ＰＳ方法は標準ＰＳより「良好に」実行すると期 待できる。以上の考慮から、この修正PS方法は改良パワー減算（ＩＰＳ）と表わ される。付録ＥでＩＰＳ法を解析する前に、以下の注意が必要である。 瞬間性高ＳＮＲ（Φs(ω)／Φv(ω)≫１のようなω）に対しては、(45)から ＰＳの性能に（非常に）近いと結論可能である。反対に、瞬間性低 そして ても、(46)-(47)は近似的にも正しいとは結論出来ない。 付録Ｅ 義されるものとし、そのΦv(ω)とΦx(ω)を対応する評価量により置き換える。 以下が示される、 これは(43)と比較可能である。明らかに、 そして 高ＳＮＲに対しては、Φs(ω)/Φv(ω)≫１であり、(49)-(50)に何らかの洞察が 得られる。この場合、以下が示される、 そして (51)と(52)の無視した項はＯ((Φv(ω)/Φs(ω))²)のオーダーである。従って、 既に記載したように、ＩＰＳの性能は高ＳＮＲではＰＳの性能と同様である。反 そして (53)-(54)を対応するＰＳの結果(13)と(16)と比較すると、瞬間性低ＳＮＲでは のバリアンスを著しく減少させる。明らかに、ＩＰＳとＰＳバリアンスの比は その間の比は９に等しいことに注意されたい。 付録Ｆ 最適減算因子δを有するＰＳ パワー減算方法のしばしば考えられる修正は、以下を考える、 ここでδ（ω）は多分周波数依存関数である。特に、ある定数δ＞１に対してδ (ω)=δであると、この方法は過剰減算のパワー減算としてしばしば参照される 。この修正は雑音レベルを著しく減少させ、トーン人工音を減少させる。加えて 、これは著しく音声を歪ませ、これはこの修正を高品質音声強化には無用のもの としている。この事は(55)からδ≫１の時に容易に解る。従って、適度な低い音 声対雑音比（ω領域）に対して、ルート記号下の式は非常にしばしば負となり、 整流素子がそれ故これを零にセットし（半波整流）、このことはＳＮＲが高い周 波数帯のみが(3)の出力信号s(k)に現れることを意味する。比線形整流素子のた め、本解析技術はこの場合直截には適用可能でなく、かつδ＞１は貧弱な聴覚品 質の出力を生じるためこの修正はこれ以上研究しない。 しかしながら、興味ある場合は、δ（ω）＜１の時で、以下の発見的議論から 見て取れる。前述したように、Φx(ω)とΦv(ω)が正確に既知の時、２乗ＰＳＤ 誤差を最小化するという意味で(55)のδ（ω）＝１は最適である。反対に、Φx( ω)とΦv(ω)が完全に未知の時、すなわちその評価が利用不能の時、最大 δ＝０で(55)の使用に対応する。上記両極端から、未知数Φx(ω)とΦv(ω)を 更に、経験量では、ＰＳＤ誤差と同様の平均スペクトル歪み改良をＭＳの減算 因子と関連して実験的に研究した。いくつかの実験をもとに、最適の減算因子は 0.5 から0.9 の間の区間にあるべきであることが望ましいと結論された。 この場合のＰＳＤ誤差を陽的に与えると、 ２乗ＰＳＤ誤差の期待値を取ると、 ここで(41)を使用した。式(57)はδ(ω)の2 次式で、解析的に最小化可能であ とを意味する。 １の使用は、入力から出力信号への音声対雑音比改良が小さいことを意味する。 在するかどうかの疑問が生じる。付録Ｇで、その方法を導出する（δＩＰＳと表 わす）。 付録Ｇ この付録では、ある定数δ（０＜δ＜１）に対して が２乗ＰＳＤ誤差を最小にするようなデータ独立な重み関数Ｇ（ω）を探す、(4 2)参照。直接的な計算により、 ２乗ＰＳＤ誤差の期待値は以下に与えられる、 第２等号のβは以下により与えられる、 δ＝1 に対して、上記の(61)-(62)はＩＰＳ方法(45)に帰着し、δ＝０に対して は、標準ＰＳに帰着する。(61)-(62)中のΦs(ω)とΦv(ω)をその対応する評 はδＩＰＳと表わされる方法を生じる。δＩＰＳ方法の解析はＩＰＳ方法の解析 と同様であるが、多大の努力と面倒な直接計算を必要とし、それ故省略する。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，Ｍ Ｃ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ， ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，Ｕ Ｇ)，ＡＭ，ＡＴ，ＡＵ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，Ｃ Ａ，ＣＨ，ＣＮ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ ，ＧＢ，ＧＥ，ＨＵ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ， ＫＲ，ＫＺ，ＬＫ，ＬＲ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，Ｍ Ｇ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ， ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ 【要約の続き】 より実行される。各音声フレームは、自由度数をＮ以下 に減少させるパラメータ・モデルにより近似される（１ ２０）。各音声フレームのパワー・スペクトル密

Claims (1)

1. 【特許請求の範囲】 １．フレーム・ベースのディジタル通信装置のスペクトル減算雑音抑止方法に おいて、各フレームは所定数Ｎの音声サンプルを含み、これにより各フレームは 自由度数をＮ以下に減少させるパラメータ・モデルにより各音声フレームを近 似する段階と、 近似パラメータ・モデルをもとにしたパラメータ・パワー・スペクトル評価方 階と、 非パラメータ・パワー・スペクトル評価方法により各非音声フレームのパワー を特徴とするフレーム・ベースのディジタル通信装置のスペクトル減算雑音抑止 方法。 ２．特許請求の範囲第１項記載の方法において、前記近似パラメータ・モデル は自動回帰（ＡＲ）モデルである方法。 ３．特許請求の範囲第２項記載の方法において、前記自動回帰（ＡＲ）モデル は近似的に√Ｎのオーダーである方法。 ４．特許請求の範囲第３項記載の方法において、前記自動回帰（ＡＲ）モデル は近似的に10のオーダーである方法。 ５．特許請求の範囲第３項記載の方法において、次式によるスペクトル減算関 ７．特許請求の範囲第５項又は第６項記載の方法において、δ（ω）が定数＜ １である方法。 が次式による方法。 ９．特許請求の範囲第３項記載の方法において、スペクトル減算関数Ｈ（ω） が次式による方法。 10．特許請求の範囲第３項記載の方法において、スペクトル減算関数Ｈ（ω） が次式による方法。