JPH113091A - 音声信号の立ち上がり検出装置 - Google Patents
音声信号の立ち上がり検出装置Info
- Publication number
- JPH113091A JPH113091A JP9156540A JP15654097A JPH113091A JP H113091 A JPH113091 A JP H113091A JP 9156540 A JP9156540 A JP 9156540A JP 15654097 A JP15654097 A JP 15654097A JP H113091 A JPH113091 A JP H113091A
- Authority
- JP
- Japan
- Prior art keywords
- average power
- audio signal
- input audio
- frame average
- band
- 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.)
- Withdrawn
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【課題】 フーリエ変換等の変換処理を行うことなく、
少ない演算量で、精度の高い音声信号の立ち上がり検出
を実現する。 【解決手段】 入力音声信号を予め定められた長さのフ
レームに分割するフレーミング手段１０１と、入力音声
信号から、予め定められた周波数帯域の成分を取り出す
帯域制限手段としてのダウンサンプラ１０３と、フレー
ム内の帯域制限された入力音声信号のパワを算出するフ
レーム平均パワ算出手段１０２、１０４と、複数フレー
ム間に渡って帯域制限された入力音声の平均パワを算出
する長時間平均パワ算出手段１０６と、フレーム平均パ
ワと長時間平均パワを比較する比較手段１０７とを備
え、比較手段が出力する判定値を、予め設定されたしき
い値もしくは適応的に制御されるしきい値と比較するこ
とによって、入力音声信号の立ち上がりを検出する。
少ない演算量で、精度の高い音声信号の立ち上がり検出
を実現する。 【解決手段】 入力音声信号を予め定められた長さのフ
レームに分割するフレーミング手段１０１と、入力音声
信号から、予め定められた周波数帯域の成分を取り出す
帯域制限手段としてのダウンサンプラ１０３と、フレー
ム内の帯域制限された入力音声信号のパワを算出するフ
レーム平均パワ算出手段１０２、１０４と、複数フレー
ム間に渡って帯域制限された入力音声の平均パワを算出
する長時間平均パワ算出手段１０６と、フレーム平均パ
ワと長時間平均パワを比較する比較手段１０７とを備
え、比較手段が出力する判定値を、予め設定されたしき
い値もしくは適応的に制御されるしきい値と比較するこ
とによって、入力音声信号の立ち上がりを検出する。
Description
【０００１】
【発明の属する技術分野】本発明は、音声信号の立ち上
がりの位置および立ち上がりの度合いを検出する装置に
関し、特に、入力音声信号の性質によって変換ブロック
長を変化させる適応ブロック長変換を用いたオーディオ
符号化装置における変換ブロック長の選択技術に関す
る。
がりの位置および立ち上がりの度合いを検出する装置に
関し、特に、入力音声信号の性質によって変換ブロック
長を変化させる適応ブロック長変換を用いたオーディオ
符号化装置における変換ブロック長の選択技術に関す
る。
【０００２】
【従来の技術】人間の音声、音楽など、一般の音声信号
を高能率に圧縮し符号化する方法として、ブロック変換
を利用して符号化する方法が知られている。これは、入
力信号を、ある長さのブロック（またはフレーム）に分
割し、分割されたブロック内の音声信号に対して直交変
換を施し、変換された信号（変換係数）を符号化するも
のである。直交変換後の変換係数は、そのエネルギ分布
が、直交変換を行う前の入力音声信号と比較して偏って
いるため、変換係数のうち、エネルギ分布が集中してい
る部分を重点的に符号化することにより、直交変換を用
いない符号化方法と比較して、高い圧縮効率を得ること
ができる。直交変換の方法としては、ＭＤＣＴ（Modifi
ed Discrete Cosine Transform） を用いるのが一般的
であるが、変換されたＭＤＣＴ係数のエネルギ集中度
は、変換ブロック長が長いほど高まるため、圧縮効率を
高めるためには、変換ブロック長を長く取った方が良
い。その一方で、ＭＤＣＴ係数の符号化に伴う誤差は、
逆変換によりブロック全体に拡散することになるため、
特に、変換ブロック内に急峻な立ち上がり部分が存在し
ているときに、変換ブロック内の立ち上がりより前の部
分に、プリエコーと呼ばれるノイズが発生する。変換ブ
ロック長を長くすると、必然的にプリエコーの持続時間
も長くなり、聴覚的な音質の劣化に繋がる。
を高能率に圧縮し符号化する方法として、ブロック変換
を利用して符号化する方法が知られている。これは、入
力信号を、ある長さのブロック（またはフレーム）に分
割し、分割されたブロック内の音声信号に対して直交変
換を施し、変換された信号（変換係数）を符号化するも
のである。直交変換後の変換係数は、そのエネルギ分布
が、直交変換を行う前の入力音声信号と比較して偏って
いるため、変換係数のうち、エネルギ分布が集中してい
る部分を重点的に符号化することにより、直交変換を用
いない符号化方法と比較して、高い圧縮効率を得ること
ができる。直交変換の方法としては、ＭＤＣＴ（Modifi
ed Discrete Cosine Transform） を用いるのが一般的
であるが、変換されたＭＤＣＴ係数のエネルギ集中度
は、変換ブロック長が長いほど高まるため、圧縮効率を
高めるためには、変換ブロック長を長く取った方が良
い。その一方で、ＭＤＣＴ係数の符号化に伴う誤差は、
逆変換によりブロック全体に拡散することになるため、
特に、変換ブロック内に急峻な立ち上がり部分が存在し
ているときに、変換ブロック内の立ち上がりより前の部
分に、プリエコーと呼ばれるノイズが発生する。変換ブ
ロック長を長くすると、必然的にプリエコーの持続時間
も長くなり、聴覚的な音質の劣化に繋がる。
【０００３】このようなプリエコーによる音質の劣化を
抑えるためには、適応ブロック長変換と呼ばれる技術が
用いられる。これは、プリエコーの発生が予想される音
声信号の立ち上がりを検出し、立ち上がりと判定された
部分については、変換ブロック長を短くすることによっ
て、プリエコーの持続時間を短縮し、聴覚的な劣化を抑
えるものである。このような、適応ブロック長変換を用
いた符号化方式としては、例えば、ＩＳＯ／ＩＥＣ標準
ＭＰＥＧ２オーディオ符号化方式（ＩＳ−１１１７２−
３）があり、その規格書において、音声信号の立ち上が
り部分を検出する方法が開示されている。 ＭＰＥＧ２
オーディオ標準規格で開示される方法によれば、変換ブ
ロックに分割された入力音声信号をフーリエ変換し、そ
のフーリエ変換係数を複数の帯域（サブバンド）に分割
し、心理聴覚モデルに基づいて各サブバンド毎に算出さ
れる音声信号対最小可聴ノイズ比ＳＭＲ（Signal-to-Ma
skRatio）を基に、心理聴覚エントロピと呼ばれる値が
算出され、この値をあらかじめ定められたしきい値と比
較することにより、音声信号の立ち上がりを検出する。
抑えるためには、適応ブロック長変換と呼ばれる技術が
用いられる。これは、プリエコーの発生が予想される音
声信号の立ち上がりを検出し、立ち上がりと判定された
部分については、変換ブロック長を短くすることによっ
て、プリエコーの持続時間を短縮し、聴覚的な劣化を抑
えるものである。このような、適応ブロック長変換を用
いた符号化方式としては、例えば、ＩＳＯ／ＩＥＣ標準
ＭＰＥＧ２オーディオ符号化方式（ＩＳ−１１１７２−
３）があり、その規格書において、音声信号の立ち上が
り部分を検出する方法が開示されている。 ＭＰＥＧ２
オーディオ標準規格で開示される方法によれば、変換ブ
ロックに分割された入力音声信号をフーリエ変換し、そ
のフーリエ変換係数を複数の帯域（サブバンド）に分割
し、心理聴覚モデルに基づいて各サブバンド毎に算出さ
れる音声信号対最小可聴ノイズ比ＳＭＲ（Signal-to-Ma
skRatio）を基に、心理聴覚エントロピと呼ばれる値が
算出され、この値をあらかじめ定められたしきい値と比
較することにより、音声信号の立ち上がりを検出する。
【０００４】
【発明が解決しようとする課題】しかしながら、上記従
来の方法によれば、入力音声信号に対するフーリエ変換
処理が必要であり、特に、長い変換ブロック（例えば、
１０２４サンプル以上）を使用すると、演算量が大きく
なるという問題点があった。本発明は、上記課題を解決
し、長い変換ブロックを使用しても、少ない演算量で音
声信号の立ち上がりを検出することのできる音声信号の
立ち上がり検出装置を提供することを目的とするもので
ある。
来の方法によれば、入力音声信号に対するフーリエ変換
処理が必要であり、特に、長い変換ブロック（例えば、
１０２４サンプル以上）を使用すると、演算量が大きく
なるという問題点があった。本発明は、上記課題を解決
し、長い変換ブロックを使用しても、少ない演算量で音
声信号の立ち上がりを検出することのできる音声信号の
立ち上がり検出装置を提供することを目的とするもので
ある。
【０００５】
【課題を解決するための手段】上記課題を解決するため
に、本発明の音声信号の立ち上がり検出装置は、入力音
声信号をあらかじめ定められた長さのフレームに分割す
るフレーミング手段と、入力音声信号から、あらかじめ
定められた周波数帯域の成分を取り出す帯域制限手段
と、フレーム内の帯域制限された入力音声信号のパワを
算出するフレーム平均パワ算出手段と、複数フレーム間
に渡って、帯域制限された入力音声の平均パワを算出す
る長時間平均パワ算出手段と、フレーム平均パワと長時
間平均パワを比較する比較手段とを備え、比較手段が出
力する判定値を、あらかじめ設定されたしきい値もしく
は適応的に制御されるしきい値と比較することにより、
入力音声信号の立ち上がりを検出する。この構成によれ
ば、すべての処理を時間領域で処理できるので、フーリ
エ変換処理を行うことなく、少ない演算量で入力音声信
号の立ち上がりを検出できる。
に、本発明の音声信号の立ち上がり検出装置は、入力音
声信号をあらかじめ定められた長さのフレームに分割す
るフレーミング手段と、入力音声信号から、あらかじめ
定められた周波数帯域の成分を取り出す帯域制限手段
と、フレーム内の帯域制限された入力音声信号のパワを
算出するフレーム平均パワ算出手段と、複数フレーム間
に渡って、帯域制限された入力音声の平均パワを算出す
る長時間平均パワ算出手段と、フレーム平均パワと長時
間平均パワを比較する比較手段とを備え、比較手段が出
力する判定値を、あらかじめ設定されたしきい値もしく
は適応的に制御されるしきい値と比較することにより、
入力音声信号の立ち上がりを検出する。この構成によれ
ば、すべての処理を時間領域で処理できるので、フーリ
エ変換処理を行うことなく、少ない演算量で入力音声信
号の立ち上がりを検出できる。
【０００６】
【発明の実施の形態】本発明の請求項１に記載の発明
は、入力音声信号をあらかじめ定められた長さのフレー
ムに分割するフレーミング手段と、入力音声信号から、
あらかじめ定められた周波数帯域の成分を取り出す帯域
制限手段と、フレーム内の帯域制限された入力音声信号
のパワを算出するフレーム平均パワ算出手段と、複数フ
レーム間に渡って、帯域制限された入力音声の平均パワ
を算出する長時間平均パワ算出手段と、フレーム平均パ
ワと長時間平均パワを比較する比較手段とを備え、比較
手段が出力する判定値を、あらかじめ設定されたしきい
値もしくは適応的に制御されるしきい値と比較すること
によって、入力音声信号の立ち上がりを検出するもので
ある。すべての処理を時間領域で処理できるので、フー
リエ変換等の変換処理を行うことなく、少ない演算量で
入力音声信号の立ち上がりを検出できるものである。
は、入力音声信号をあらかじめ定められた長さのフレー
ムに分割するフレーミング手段と、入力音声信号から、
あらかじめ定められた周波数帯域の成分を取り出す帯域
制限手段と、フレーム内の帯域制限された入力音声信号
のパワを算出するフレーム平均パワ算出手段と、複数フ
レーム間に渡って、帯域制限された入力音声の平均パワ
を算出する長時間平均パワ算出手段と、フレーム平均パ
ワと長時間平均パワを比較する比較手段とを備え、比較
手段が出力する判定値を、あらかじめ設定されたしきい
値もしくは適応的に制御されるしきい値と比較すること
によって、入力音声信号の立ち上がりを検出するもので
ある。すべての処理を時間領域で処理できるので、フー
リエ変換等の変換処理を行うことなく、少ない演算量で
入力音声信号の立ち上がりを検出できるものである。
【０００７】請求項２に記載の発明は、前記帯域制限手
段として、入力音声信号をダウンサンプリングするダウ
ンサンプラを用いることにより、入力音声信号の低域成
分を取り出す構成としたものである。ダウンサンプリン
グにより、入力音声信号のサンプリング周波数を低くす
ることができるため、帯域制限フィルタリングおよびフ
レーム平均パワ算出に必要な演算量を削減することがで
きる。
段として、入力音声信号をダウンサンプリングするダウ
ンサンプラを用いることにより、入力音声信号の低域成
分を取り出す構成としたものである。ダウンサンプリン
グにより、入力音声信号のサンプリング周波数を低くす
ることができるため、帯域制限フィルタリングおよびフ
レーム平均パワ算出に必要な演算量を削減することがで
きる。
【０００８】請求項３に記載の発明は、帯域制限されて
いない入力音声信号と、低域成分のみを含むように帯域
制限された入力音声信号のフレーム平均パワをそれぞれ
独立に算出し、帯域制限されていない入力音声信号のフ
レーム平均パワから、帯域制限された入力音声信号のフ
レーム平均パワを減算することにより、入力音声信号の
高域成分のフレーム平均パワを算出し、さらに、算出し
た高域成分のフレーム平均パワを複数フレームにわたっ
て平均することによって、長時間平均パワを算出する構
成である。高域成分のみを含むように帯域制限された入
力音声信号を算出する必要が無いため、演算量を削減す
ることができる。
いない入力音声信号と、低域成分のみを含むように帯域
制限された入力音声信号のフレーム平均パワをそれぞれ
独立に算出し、帯域制限されていない入力音声信号のフ
レーム平均パワから、帯域制限された入力音声信号のフ
レーム平均パワを減算することにより、入力音声信号の
高域成分のフレーム平均パワを算出し、さらに、算出し
た高域成分のフレーム平均パワを複数フレームにわたっ
て平均することによって、長時間平均パワを算出する構
成である。高域成分のみを含むように帯域制限された入
力音声信号を算出する必要が無いため、演算量を削減す
ることができる。
【０００９】請求項４に記載の発明は、帯域制限されて
いない入力音声信号のフレーム平均パワから、低域成分
のみを含むように帯域制限された入力音声信号のフレー
ム平均パワを減算するにあたって、低域成分のフレーム
平均パワをわずかに減じておくことにより、低域成分を
わずかに含む高域成分のフレーム平均パワを算出する構
成である。変化の比較的穏やかな低域成分のフレーム平
均パワをわずかに加えることにより、高域成分のフレー
ム平均パワの変化を安定化し、入力音声信号の立ち上が
り検出を安定化することができる。
いない入力音声信号のフレーム平均パワから、低域成分
のみを含むように帯域制限された入力音声信号のフレー
ム平均パワを減算するにあたって、低域成分のフレーム
平均パワをわずかに減じておくことにより、低域成分を
わずかに含む高域成分のフレーム平均パワを算出する構
成である。変化の比較的穏やかな低域成分のフレーム平
均パワをわずかに加えることにより、高域成分のフレー
ム平均パワの変化を安定化し、入力音声信号の立ち上が
り検出を安定化することができる。
【００１０】請求項５に記載の発明は、各手段の動作を
信号処理プロセッサを用いてソフトウェアで実現するよ
うに構成したものであり、例えば、パーソナルコンピュ
ータなどの汎用信号処理装置上でソフトウェアにより本
発明による音声信号の立ち上がり検出装置を実現でき
る。
信号処理プロセッサを用いてソフトウェアで実現するよ
うに構成したものであり、例えば、パーソナルコンピュ
ータなどの汎用信号処理装置上でソフトウェアにより本
発明による音声信号の立ち上がり検出装置を実現でき
る。
【００１１】以下、本発明の実施の形態について、図面
を用いて説明する。 （第１の実施の形態）本発明の第１の実施の形態におけ
る音声信号の立ち上がり検出装置は、図１に示すよう
に、サンプリング周波数ｆｓでサンプリングされた入力
音声信号１０８をあらかじめ定められた長さに分割する
フレームミング手段１０１と、フレーミングされた入力
音声信号のフレーム内の平均パワを算出するフレーム平
均パワ算出手段１０２、１０４と、入力音声信号をダウ
ンサンプリングするダウンサンプラ１０３と、算出した
フレーム平均パワを減少させるパワ減衰手段１０５と、
算出したフレーム平均パワを、さらに複数フレームにわ
たって平均した長時間平均パワを算出する長時間平均パ
ワ算出手段１０６と、フレーム平均パワと長時間平均パ
ワを比較し、判定値を出力する比較手段１０７からなる
構成である。
を用いて説明する。 （第１の実施の形態）本発明の第１の実施の形態におけ
る音声信号の立ち上がり検出装置は、図１に示すよう
に、サンプリング周波数ｆｓでサンプリングされた入力
音声信号１０８をあらかじめ定められた長さに分割する
フレームミング手段１０１と、フレーミングされた入力
音声信号のフレーム内の平均パワを算出するフレーム平
均パワ算出手段１０２、１０４と、入力音声信号をダウ
ンサンプリングするダウンサンプラ１０３と、算出した
フレーム平均パワを減少させるパワ減衰手段１０５と、
算出したフレーム平均パワを、さらに複数フレームにわ
たって平均した長時間平均パワを算出する長時間平均パ
ワ算出手段１０６と、フレーム平均パワと長時間平均パ
ワを比較し、判定値を出力する比較手段１０７からなる
構成である。
【００１２】フレーミング手段１０１によって、あらか
じめ定められた長さのフレームに分割された入力音声信
号は、一方では、フレーム平均パワ算出手段１０２に入
力され、もう一方では、ダウンサンプラ１０３に入力さ
れる。フレームの長さとしては２ｍｓから６ｍｓ程度が
適当である。フレーム平均パワ算出手段１０２は、フレ
ーム内の入力音声信号からフレーム平均パワ１０９を算
出するが、このフレーム平均パワ１０９は、入力音声信
号に含まれる全周波数成分を含むフレーム平均パワであ
る。ダウンサンプラ１０３は、入力された音声信号に対
してダウンサンプリングを行い、入力された音声信号の
サンプリング周波数をダウンサンプリングレートＤＲの
割合で落とす。したがって、ダウンサンプリングされた
入力音声信号１１０のサンプリング周波数はｆｓ／ＤＲ
となり、サンプリング定理によって、ダウンサンプリン
グされた入力音声信号１１０に含まれる信号の帯域はｆ
ｓ／２ＤＲとなる。入力音声信号１０８のサンプリング
周波数ｆｓが、４８ｋＨｚないしは４４．１ｋＨｚのハ
イクオリティオーディオの場合、ダウンサンプリングレ
ートＤＲは４から６程度が適当であり、例えば、ｆｓが
４８ｋＨｚでＤＲが６ならば、ダウンサンプリング後の
サンプリング周波数は８ｋＨｚ、含まれる信号の帯域は
４ｋＨｚとなる。
じめ定められた長さのフレームに分割された入力音声信
号は、一方では、フレーム平均パワ算出手段１０２に入
力され、もう一方では、ダウンサンプラ１０３に入力さ
れる。フレームの長さとしては２ｍｓから６ｍｓ程度が
適当である。フレーム平均パワ算出手段１０２は、フレ
ーム内の入力音声信号からフレーム平均パワ１０９を算
出するが、このフレーム平均パワ１０９は、入力音声信
号に含まれる全周波数成分を含むフレーム平均パワであ
る。ダウンサンプラ１０３は、入力された音声信号に対
してダウンサンプリングを行い、入力された音声信号の
サンプリング周波数をダウンサンプリングレートＤＲの
割合で落とす。したがって、ダウンサンプリングされた
入力音声信号１１０のサンプリング周波数はｆｓ／ＤＲ
となり、サンプリング定理によって、ダウンサンプリン
グされた入力音声信号１１０に含まれる信号の帯域はｆ
ｓ／２ＤＲとなる。入力音声信号１０８のサンプリング
周波数ｆｓが、４８ｋＨｚないしは４４．１ｋＨｚのハ
イクオリティオーディオの場合、ダウンサンプリングレ
ートＤＲは４から６程度が適当であり、例えば、ｆｓが
４８ｋＨｚでＤＲが６ならば、ダウンサンプリング後の
サンプリング周波数は８ｋＨｚ、含まれる信号の帯域は
４ｋＨｚとなる。
【００１３】フレーム平均パワ算出手段１０４は、ダウ
ンサンプリングされた入力音声信号１１０のフレーム平
均パワ１１１を算出する。この時、入力音声信号１１０
は、ダウンサンプリングによりサンプル点数が１／ＤＲ
に減少するため、フレーム平均パワ算出に必要な演算量
も１／ＤＲに減少する。また、フレーム平均パワ１１１
は、入力音声信号中の低域成分のみのフレーム平均パワ
となる。算出された低域成分のフレーム平均パワは、パ
ワ減衰手段１０５によってわずかに値を減じられた後、
全周波数成分のフレーム平均パワ１０９から減算され
る。パワ減衰手段１０５の役割については、後で詳しく
説明するので、ここでの記述は省略する。全周波数成分
から低域成分を減算した結果、高域成分が残されること
となり、高域成分のフレーム平均パワ１１２が求められ
る。
ンサンプリングされた入力音声信号１１０のフレーム平
均パワ１１１を算出する。この時、入力音声信号１１０
は、ダウンサンプリングによりサンプル点数が１／ＤＲ
に減少するため、フレーム平均パワ算出に必要な演算量
も１／ＤＲに減少する。また、フレーム平均パワ１１１
は、入力音声信号中の低域成分のみのフレーム平均パワ
となる。算出された低域成分のフレーム平均パワは、パ
ワ減衰手段１０５によってわずかに値を減じられた後、
全周波数成分のフレーム平均パワ１０９から減算され
る。パワ減衰手段１０５の役割については、後で詳しく
説明するので、ここでの記述は省略する。全周波数成分
から低域成分を減算した結果、高域成分が残されること
となり、高域成分のフレーム平均パワ１１２が求められ
る。
【００１４】長時間平均パワ算出手段１０６は、高域成
分のフレーム平均パワ１１２をさらに複数フレームにわ
たって平均し、高域成分の長時間平均パワを算出する。
長時間平均パワ算出に用いるフレーム数は、一般にフレ
ーム長に依存するが、時間長としては２０ｍｓから５０
ｍｓ程度が望ましく、例えば、フレーム長を５ｍｓとす
ると、平均を求めるのに使用するフレームの数は４から
１０程度となる。高域成分のフレーム平均パワ１１２お
よび高域成分の長時間平均パワ１１３は、比較手段１０
７に入力され、フレーム平均パワ対長時間平均パワのパ
ワ比として、あらかじめ定められたしきい値と比較さ
れ、パワ比がしきい値を超えたときに、入力音声信号の
立ち上がりと判定する。高域成分のフレーム平均パワお
よび長時間平均パワを比較対象として用いる理由は、プ
リエコーの発生による音声品質の劣化が問題となるよう
な鋭い立ち上がり部分は、周波数的に見ると、エネルギ
分布が非常に広い帯域にわたって広がっているため、特
に、高域側でのパワ変化が顕著であり、検出が比較的容
易であるからである。
分のフレーム平均パワ１１２をさらに複数フレームにわ
たって平均し、高域成分の長時間平均パワを算出する。
長時間平均パワ算出に用いるフレーム数は、一般にフレ
ーム長に依存するが、時間長としては２０ｍｓから５０
ｍｓ程度が望ましく、例えば、フレーム長を５ｍｓとす
ると、平均を求めるのに使用するフレームの数は４から
１０程度となる。高域成分のフレーム平均パワ１１２お
よび高域成分の長時間平均パワ１１３は、比較手段１０
７に入力され、フレーム平均パワ対長時間平均パワのパ
ワ比として、あらかじめ定められたしきい値と比較さ
れ、パワ比がしきい値を超えたときに、入力音声信号の
立ち上がりと判定する。高域成分のフレーム平均パワお
よび長時間平均パワを比較対象として用いる理由は、プ
リエコーの発生による音声品質の劣化が問題となるよう
な鋭い立ち上がり部分は、周波数的に見ると、エネルギ
分布が非常に広い帯域にわたって広がっているため、特
に、高域側でのパワ変化が顕著であり、検出が比較的容
易であるからである。
【００１５】なお、比較手段１０７における比較対象と
しては、前記フレーム平均パワ対長時間平均パワのパワ
比に加えて、フレーム平均パワおよび長時間平均パワの
絶対値、フレーム平均パワと長時間平均パワの差、前フ
レームと現フレームの間でのフレーム平均パワの変化比
等から１ つないしは複数を選択し、組み合わせて使用
することもできる。また、しきい値も固定値を用いる代
わりに、例えば、しきい値を超えるような値が連続する
ような時にはしきい値を引き上げ、逆に、しきい値を超
えない状態が連続する時にはしきい値を引き下げるよう
な、入力音声信号の状態によって適応的に制御されるし
きい値を用いてもよい。
しては、前記フレーム平均パワ対長時間平均パワのパワ
比に加えて、フレーム平均パワおよび長時間平均パワの
絶対値、フレーム平均パワと長時間平均パワの差、前フ
レームと現フレームの間でのフレーム平均パワの変化比
等から１ つないしは複数を選択し、組み合わせて使用
することもできる。また、しきい値も固定値を用いる代
わりに、例えば、しきい値を超えるような値が連続する
ような時にはしきい値を引き上げ、逆に、しきい値を超
えない状態が連続する時にはしきい値を引き下げるよう
な、入力音声信号の状態によって適応的に制御されるし
きい値を用いてもよい。
【００１６】次に、パワ減衰手段１０５の役割について
説明する。本発明の音声信号の立ち上がり検出装置で
は、高域成分のフレーム平均パワを算出するために、全
周波数成分のフレーム平均パワから低域成分のフレーム
平均パワを減算しているが、このような方法で算出され
た高域成分のフレーム平均パワは、正確な高域成分のフ
レーム平均パワではない。すなわち、全周波数成分を含
む入力音声信号をａ（ｉ）、低域成分のみを含む入力音
声信号をｂ（ｉ）、高域成分のみを含む入力音声信号を
ｃ（ｉ）としたとき、フレーム長Ｎのフレーム内におけ
る正確な高域成分のフレーム平均パワは、
説明する。本発明の音声信号の立ち上がり検出装置で
は、高域成分のフレーム平均パワを算出するために、全
周波数成分のフレーム平均パワから低域成分のフレーム
平均パワを減算しているが、このような方法で算出され
た高域成分のフレーム平均パワは、正確な高域成分のフ
レーム平均パワではない。すなわち、全周波数成分を含
む入力音声信号をａ（ｉ）、低域成分のみを含む入力音
声信号をｂ（ｉ）、高域成分のみを含む入力音声信号を
ｃ（ｉ）としたとき、フレーム長Ｎのフレーム内におけ
る正確な高域成分のフレーム平均パワは、
【００１７】
【数１】 であるが、一般には、全周波数成分に占める低域成分の
割合が非常に大きいことから、
割合が非常に大きいことから、
【００１８】
【数２】 を仮定することによって、
【００１９】
【数３】 という近似式が成り立つ。さらに、本発明の方法では、
入力音声信号の低域成分はダウンサンプリングレートＤ
Ｒでダウンサンプリングされているため、ダウンサンプ
リング後のフレーム長をＮＤ（＝Ｎ／ＤＲ）、ダウンサ
ンプリングされた入力音声信号をｂ’（ｉ）として、
入力音声信号の低域成分はダウンサンプリングレートＤ
Ｒでダウンサンプリングされているため、ダウンサンプ
リング後のフレーム長をＮＤ（＝Ｎ／ＤＲ）、ダウンサ
ンプリングされた入力音声信号をｂ’（ｉ）として、
【００２０】
【数４】 という近似を用いて、低域成分のフレーム平均パワを算
出している。したがって、高域成分のフレーム平均パワ
を算出する近似式は、
出している。したがって、高域成分のフレーム平均パワ
を算出する近似式は、
【００２１】
【数５】 となるが、（２）式の近似の度合いが低くなった時、つ
まり、高域成分が増加した時には、（１）式に対する
（５）式の近似度合いも低下し、算出誤差が増大すると
いう問題が発生する。この問題を解決するための一つの
手段として、（２）式の近似の度合いが下がった時に
は、（１）式においてａ（ｉ）とｂ（ｉ）の内積成分Σ
ａ（ｉ）・ｂ（ｉ）が減少し、それが、（３）式または
（５）式において、（４）式で表わされる低域成分のフ
レーム平均パワを減少させることと等価であることが利
用できる。すなわち、（５）式に対して、
まり、高域成分が増加した時には、（１）式に対する
（５）式の近似度合いも低下し、算出誤差が増大すると
いう問題が発生する。この問題を解決するための一つの
手段として、（２）式の近似の度合いが下がった時に
は、（１）式においてａ（ｉ）とｂ（ｉ）の内積成分Σ
ａ（ｉ）・ｂ（ｉ）が減少し、それが、（３）式または
（５）式において、（４）式で表わされる低域成分のフ
レーム平均パワを減少させることと等価であることが利
用できる。すなわち、（５）式に対して、
【００２２】
【数６】 で表わされる減衰定数αを導入することによって、低域
成分のフレーム平均パワを減少させればよい。
成分のフレーム平均パワを減少させればよい。
【００２３】さらに、減衰定数αの値を、誤差補正のた
めに必要な値よりも多少小さめに設定すれば、高域成分
のフレーム平均パワに、低域成分のフレーム平均パワを
ある割合で加算するようにすることもできる。低域成分
の変化は、高域成分の変化と比較して穏やかであること
から、このようにして低域成分を加算することにより、
高域成分のフレーム平均パワの変化が安定化され、立ち
上がりの誤検出を防ぐことができる。
めに必要な値よりも多少小さめに設定すれば、高域成分
のフレーム平均パワに、低域成分のフレーム平均パワを
ある割合で加算するようにすることもできる。低域成分
の変化は、高域成分の変化と比較して穏やかであること
から、このようにして低域成分を加算することにより、
高域成分のフレーム平均パワの変化が安定化され、立ち
上がりの誤検出を防ぐことができる。
【００２４】図２は、前記フレーム平均パワ対長時間平
均パワのパワ比の変化を示す図であり、２０１は低域成
分を全く加えない場合（α＝１）、２０２は低域成分を
加えた場合（α＝０．９８）の変化の様子を示す。減衰
定数αの値以外の条件は同一である。低域成分を加えな
い場合のパワ比２０１が激しい変化を示し、立ち上がり
検出のためのしきい値の設定が難しいのに対し、低域成
分を加えた場合のパワ比２０２は、不必要なピークが抑
えられており、この例の場合には、１０ｄＢ付近にしき
い値を設定すれば立ち上がり検出が可能であることが分
かる。
均パワのパワ比の変化を示す図であり、２０１は低域成
分を全く加えない場合（α＝１）、２０２は低域成分を
加えた場合（α＝０．９８）の変化の様子を示す。減衰
定数αの値以外の条件は同一である。低域成分を加えな
い場合のパワ比２０１が激しい変化を示し、立ち上がり
検出のためのしきい値の設定が難しいのに対し、低域成
分を加えた場合のパワ比２０２は、不必要なピークが抑
えられており、この例の場合には、１０ｄＢ付近にしき
い値を設定すれば立ち上がり検出が可能であることが分
かる。
【００２５】なお、本発明の音声信号の立ち上がり検出
装置を、ダウンサンプラを備える階層符号化またはスケ
ーラブルコーデックと呼ばれる音声符号化装置と組み合
わせて用いる場合には、ダウンサンプリングに関わる処
理を省くことができ、さらに低演算量での実現が可能と
なる。
装置を、ダウンサンプラを備える階層符号化またはスケ
ーラブルコーデックと呼ばれる音声符号化装置と組み合
わせて用いる場合には、ダウンサンプリングに関わる処
理を省くことができ、さらに低演算量での実現が可能と
なる。
【００２６】（実施の形態２）本発明の音声信号の立ち
上がり検出装置は、その処理アルゴリズムをプログラミ
ング言語によって記述し、ソフトウェアとして実現する
ことができる。プログラムをフロッピディスク等の記憶
媒体に記録しておき、パーソナルコンピュータ等の汎用
信号処理装置に記憶媒体を接続して、プログラムを実行
させることにより、本発明の音声信号の立ち上がり検出
装置の機能を実現することができる。
上がり検出装置は、その処理アルゴリズムをプログラミ
ング言語によって記述し、ソフトウェアとして実現する
ことができる。プログラムをフロッピディスク等の記憶
媒体に記録しておき、パーソナルコンピュータ等の汎用
信号処理装置に記憶媒体を接続して、プログラムを実行
させることにより、本発明の音声信号の立ち上がり検出
装置の機能を実現することができる。
【００２７】
【発明の効果】以上の説明から明らかなように、本発明
の音声信号の立ち上がり検出装置は、フーリエ変換等の
変換処理を行うことなく、少ない演算量で精度の高い音
声信号の立ち上がり検出を実現することができる。
の音声信号の立ち上がり検出装置は、フーリエ変換等の
変換処理を行うことなく、少ない演算量で精度の高い音
声信号の立ち上がり検出を実現することができる。
【図１】本発明の第１の実施形態における音声の立ち上
がり検出装置の構成を示すブロック図
がり検出装置の構成を示すブロック図
【図２】低域成分を加算することによるパワ比安定化の
効果を示す特性図
効果を示す特性図
１０１ フレーミング手段 １０２、１０４ フレーム平均パワ算出手段 １０３ ダウンサンプラ １０５ パワ減衰手段 １０６ 長時間平均パワ算出手段 １０７ 比較手段 １０８ 入力音声信号 １０９ 全周波数成分のフレーム平均パワ １１０ ダウンサンプリングされた入力音声信号 １１１ 低域成分のフレーム平均パワ １１２ 高域部分のフレーム平均パワ １１３ 高域成分の長時間平均パワ １１４ 判定値 ２０１ 低域成分を加算しない場合のパワ比の変化 ２０２ 低域成分を加算した場合のパワ比の変化
Claims (5)
- 【請求項１】 入力音声信号を、あらかじめ定められた
長さのフレームに分割するフレーミング手段と、入力音
声信号から、あらかじめ定められた周波数帯域の成分を
取り出す帯域制限手段と、フレーム内の帯域制限された
入力音声信号のパワを算出するフレーム平均パワ算出手
段と、複数フレーム間に渡って、帯域制限された入力音
声の平均パワを算出する長時間平均パワ算出手段と、フ
レーム平均パワと長時間平均パワを比較する比較手段と
を備え、比較手段が出力する判定値を、あらかじめ設定
されたしきい値もしくは適応的に制御されるしきい値と
比較することにより、入力音声信号の立ち上がりを検出
することを特徴とする音声信号の立ち上がり検出装置。 - 【請求項２】 前記帯域制限手段は、入力音声信号をダ
ウンサンプリングすることにより、入力音声信号の低域
成分を取り出す構成であることを特徴とする請求項１に
記載の音声信号の立ち上がり検出装置。 - 【請求項３】 前記フレーム平均パワ算出手段は、帯域
制限されていない入力音声信号と、低域成分のみを含む
ように帯域制限された入力音声信号のフレーム平均パワ
をそれぞれ独立に算出し、帯域制限されていない入力音
声信号のフレーム平均パワから、帯域制限された入力音
声信号のフレーム平均パワを減算することにより、入力
音声信号の高域成分のフレーム平均パワを算出し、ま
た、前記長時間平均パワ算出手段は、高域成分のフレー
ム平均パワを複数フレーム間にわたって平均することに
よって、長時間平均パワを算出することを特徴とする請
求項１または請求項２に記載の音声信号の立ち上がり検
出装置。 - 【請求項４】 前記フレーム平均パワ算出手段は、帯域
制限されていない入力音声信号のフレーム平均パワか
ら、低域成分のみを含むように帯域制限された入力音声
信号のフレーム平均パワを減算するにあたって、低域成
分のフレーム平均パワをわずかに減じておくことによ
り、低域成分をわずかに含む高域成分のフレーム平均パ
ワを算出することを特徴とする請求項３に記載の音声信
号の立ち上がり検出装置。 - 【請求項５】 上記請求項に記載の音声信号の立ち上が
り検出装置を、信号処理プロセッサを用いてソフトウェ
アで実現することを特徴とする請求項１、２、３または
４に記載の音声信号の立ち上がり検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9156540A JPH113091A (ja) | 1997-06-13 | 1997-06-13 | 音声信号の立ち上がり検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9156540A JPH113091A (ja) | 1997-06-13 | 1997-06-13 | 音声信号の立ち上がり検出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH113091A true JPH113091A (ja) | 1999-01-06 |
Family
ID=15630037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9156540A Withdrawn JPH113091A (ja) | 1997-06-13 | 1997-06-13 | 音声信号の立ち上がり検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH113091A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002041073A (ja) * | 2000-07-31 | 2002-02-08 | Alpine Electronics Inc | 音声認識装置 |
| JP2010061151A (ja) * | 2002-01-24 | 2010-03-18 | Motorola Inc | 雑音環境のための音声活動検出器及び有効化器 |
| WO2010140355A1 (ja) * | 2009-06-04 | 2010-12-09 | パナソニック株式会社 | 音響信号処理装置および方法 |
| JP2013242465A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2013242463A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2013242462A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2017152067A (ja) * | 2016-02-24 | 2017-08-31 | アルパイン株式会社 | オーディオ装置 |
-
1997
- 1997-06-13 JP JP9156540A patent/JPH113091A/ja not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002041073A (ja) * | 2000-07-31 | 2002-02-08 | Alpine Electronics Inc | 音声認識装置 |
| JP2010061151A (ja) * | 2002-01-24 | 2010-03-18 | Motorola Inc | 雑音環境のための音声活動検出器及び有効化器 |
| WO2010140355A1 (ja) * | 2009-06-04 | 2010-12-09 | パナソニック株式会社 | 音響信号処理装置および方法 |
| JP5460709B2 (ja) * | 2009-06-04 | 2014-04-02 | パナソニック株式会社 | 音響信号処理装置および方法 |
| US8886528B2 (en) | 2009-06-04 | 2014-11-11 | Panasonic Corporation | Audio signal processing device and method |
| JP2013242465A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2013242463A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2013242462A (ja) * | 2012-05-22 | 2013-12-05 | Nippon Telegr & Teleph Corp <Ntt> | 音響特徴量計算装置及び方法、特定状況モデルデータベース作成装置、特定要素音モデルデータベース作成装置、状況推定装置、発呼適否通知装置並びにプログラム |
| JP2017152067A (ja) * | 2016-02-24 | 2017-08-31 | アルパイン株式会社 | オーディオ装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7313519B2 (en) | Transient performance of low bit rate audio coding systems by reducing pre-noise | |
| US6453282B1 (en) | Method and device for detecting a transient in a discrete-time audiosignal | |
| JP6517723B2 (ja) | 高度なスペクトラム拡張を使用して量子化ノイズを低減するための圧縮伸張装置および方法 | |
| EP3602549B1 (en) | Apparatus and method for post-processing an audio signal using a transient location detection | |
| US9489964B2 (en) | Effective pre-echo attenuation in a digital audio signal | |
| RU2470385C2 (ru) | Система и способ улучшения декодированного тонального звукового сигнала | |
| EP2425426B1 (en) | Low complexity auditory event boundary detection | |
| EP1287520A1 (en) | Spectrally interdependent gain adjustment techniques | |
| US7526428B2 (en) | System and method for noise cancellation with noise ramp tracking | |
| JP7008756B2 (ja) | デジタルオーディオ信号におけるプレエコーを識別し、減衰させる方法及び装置 | |
| RU2481650C2 (ru) | Ослабление опережающих эхо-сигналов в цифровом звуковом сигнале | |
| US20060004565A1 (en) | Audio signal encoding device and storage medium for storing encoding program | |
| JPH113091A (ja) | 音声信号の立ち上がり検出装置 | |
| KR20130109793A (ko) | 잡음 감쇄를 위한 오디오 신호 부호화 방법 및 장치 | |
| EP1509905A1 (en) | Perceptual normalization of digital audio signals | |
| US20230198488A1 (en) | Method and unit for performing dynamic range control | |
| JP2917766B2 (ja) | 音声高能率符号化装置 | |
| JP2002182695A (ja) | 高能率符号化方法及び装置 | |
| JP2000315091A (ja) | 音声信号の立ち上がり検出装置 | |
| Drygajlo et al. | Integrated speech enhancement and coding in the time-frequency domain | |
| Lin et al. | Speech enhancement based on a perceptual modification of Wiener filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040603 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20060310 |