JPS62113199A - 音声スペクトル抽出方法 - 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】 （産業上の利用分野） 本発明は雑音が重畳した音声信号から雑音成分を除去し
、音声のスペクトルを抽出する方法に関する。

（従来の技術） 従来、この種の方法としてずペルシステムテクニカルジ
ャーナル（ＴＨＥＢＥＬＬ　ＳＹＳＴＥＭＴＥＣＨＮＩ
ＣＡＬ　ＪＯＵＲＮＡＬ　）　６０（８）　（１９８１
−ｉの）（米）Ｐ、１８４７−１８５９に記載されるも
のがあった。当該文献に記載される技術は雑音が重畳し
た音声信号からの音声スペクトルの抽出にス（クトラム
・サブトラクション法を用いているものである。

以下図面を参照しながら従来の雑音抑制処理について説
明する。第２図は従来の音声スペクトル抽出装置の構成
を示すブロック図である。

第２図においてｉの１はバンド・ぐスフィルタであシ、
Ｎチャネルの分析を行い、絶対値部ｉの２でバンド／Ｊ
？スフィルタの絶対値をとる。入力が雑音のみと判断さ
れるとき（これは雑音混入音声の無音部において判断さ
れる）分析出力はロー・ぐスフィルタ１（Ｙ４（カット
オフ周波数ｉのＨｚ）に入力され、前記以外の場合（雑
音＋音声の）とき）ロー／９スフイルタｉの３（カット
オフ周波！３０Ｈｚ）に入力される。入力が雑音のみと
判定されて、ローノやスフィルタｉの４を通った信号を
ノイズ推定部ｉの５においてｉの　ｍ５ｅｃ間隔で再サ
ンプルし、次の千１＠（ｉ）〜（ｖｉＤに従ってノイズ
推定を行う。ここでにチャネル、第ｎフレームの再す／
デルされたデータを叶とする。

（ｉ）　　サンプルデータ叶をストア。ｎ＝１．・・・
。

Ｑ（Ｑ：バッファのサイＸ”） （ｉｉ）　　最小値を求める（ＭＩＮとする）（ｉｉＤ
　　ＭＩＮからＭＩＮ＋　１５　ｄＢの間で１ｄＢ毎に
ヒストグラムを作成する。ＭＡＸ＝ＭＩＮ＋１５　ｄＢ
とする。

４ｖ１　　ヒストグラムのピークを示すデータのに倍を
ノイズレベルとする。

υ　次のサンプルデータを入力する。

（’／Ｉ　　ｆｙｆルデータがＭＡＸ　（＝ＭＩＮ＋　
１５　ｄＢ　）よシ大きければ、そのす／ｆデルータを
捨てステラｆ０へ進む。

（ｖｌｉ　）サンプルデータがＭＡＸより小さければ、
ノ９ッファ内の最も古いサンプルデータを新しいサンプ
ルデータに置き換えステラｆ　（ｉｉ）　ヘａ　ｂ。

上記文献においてはＱ＝ｉの０、Ｋ＝３又は３．５とし
ている。

以上の手順によりノイズの推定値Ｎｋを得る。

一方、雑音＋音声と判断され、ローパスフィルタｉの３
を通った信号はｉのｍ５ｅｃ毎に再サンプルされ、雑音
＋音声のスにクトルＹｋを得る。

続いて差分演算部ｉの６によシ、次のようにしく発明が
解決しようとする問題点） しかし、上記従来の音声スペクトル抽出方法においては
、環境雑音が急に大きくなった時追随性が悪いという欠
点があった。

極端にはＭＩＮを求める時極めて静かであって急にＭＡ
Ｘよシ大きなノイズ環境に変化した場合には全く追随し
ないという欠点があった。

またヒストグラムのピークを与える値を用いるためハー
ドウェアにおける実現手段が複雑になるという欠点もあ
った。

本発明は上述の欠点を除去し、且つ音声の特徴である子
音から母音へのわたシの部分をノイズの推定値抽出の除
用いないよう考慮したものであり、比較的簡単なハード
ウェア手段で実現することを目的とする。

（問題点を解決するための手段） 本発明は、所定フレーム周期毎で且つチャンネル毎に周
波数分析された雑音成分を含む入力音声信号データから
雑音成分を除去し音声スペクトルを抽出する方法におい
て、 音声入力開始直前の所定フレーム数りの雑音閾値測定区
間の雑音データの平均値Ａを算出し当該平均値Ａに基づ
き雑音の閾値ＴＨ０を設定する処理と、 音声入力開始後の任意のフレーム１において当該フレー
ム１が音声有りのフレームすなわち音声フレームもしく
は音声無しのフレームすなわち雑音フレームのいずれか
であることを判定する処理と、 当該フレームｌが雑音フレームであってその直前フレー
ム（ｉ−１）が雑音フレームである場合のみ前記直前フ
レーム（ｉ−１）のデータ、Ｙ、　　（但しにはチャネ
ル番号、ｉ−１はフレーム番号）とその時点以前の各チ
ャネル毎の雑音の平均値Ｎ′にとに基づきチャネル毎の
雑音の平均値Ｎｋを更新する処理と、 音声区間全区間にわたってチャネル毎の前記雑音平均値
Ｎｋを順次算出し最終フレーム分終了時点のチャネル毎
の前記雑音平均値Ｎｋを最終雑音推定値Ｇ、として抽出
する処理と、 音声区間全区間にわたって各フレームのチャネの差分を
算出し入力音声のスペクトルを抽出する処理とを具備す
るようにしたものである。

（作　用） 本発明の音声スペクトル抽出方法によれば、まず雑音の
閾値を設定し、この閾値を用いて任意のフレームが音声
フレームであるか又は雑音フレームであるかの識別をす
る比較判定を行ない、ある任意のフレーム及びその直前
のフレームにおける前述の比較判定結果によシ両フレー
ムとも雑音フレームである場合のみ雑音の平均値の算出
を行ない、音声区間全区間にわたって雑音の平均値を逐
次演算し、この逐次演算により最終的に得られる雑音平
均値を用いて雑音が重畳した入力音声信号から雑音成分
を除去しているため、入力された音声信号のスペクトル
を精度よく抽出するものである。

（実施例） 第１図は本発明の第１の実施列を示すブロック図であっ
て音声ス（クトル抽出装置を示している。

第１図において、入力音声は、マイク（図示せず）によ
り電気信号に変換され、アンプ（図示せず）、ロー・ぐ
スフィルタ（図示せず）を通り増幅、帯域制限され、φ
変換器により１２　ｋＨｚ程度で標本化され、バンドパ
スフィルタ（ＢＰＦ　）　、？　ＯｆによりＮチャネル
の周波数分析され、絶対値演算部２０２により絶対値が
とられ、ロー・ぐスフィルタ（ＬＰＦ　）　２ｏ　ｓに
よって、周波数スペクトルの包絡が得られ、２０　ｍ５
ｅｃ程度のフレーム周期で再サンプルされ、この再す／
ｆルされたデータはｔ４ス２１３を通りメモリ２０．４
に格納される。なお音声入力開始直前の所定フレーム数
り分（例えば２０フレ一ム分、これは４００　ｍ５ｅｃ
程度に相当する。）は雑音閾値測定区間として、この区
間のデータは後述する音声有無判定処理部２１２（以下
ＵＶ判定処理部と称する。）に雑音の閾値設定のために
入力される。この雑音閾値測定区間には音声信号の入力
はないものである。

また、メモリ２０４に蓄えられるデータをｙｖ（ｋ＝１
，２．・・−、Ｎ、ｉ＝１．２．・−、Ｉ　）とする。

ｋはチャネル番号を表わし、ｌは予め規定した最長単語
の長さくＩフレーム）中の何番目かのフレームかを表わ
す。

一方、Ｕｖ判定処理部２１２ではフレーム毎に音声が有
り（以下Ｖと記す）、又は無しく以下Ｕと記す）かの判
定を行う。音声無しと判定された場合は当該フレーム中
のデータは雑音とみなされる。このＵＶ判定処理部２１
２の構成としては、第１図の平均演算部２０５，２０８
、乗算器２ｉの、比較判定部２０６の如く構成される。

雑音の閾値測定は次の如くして行なわれる。すなわち、
音声入力開始直前のＬ７Ｖ−ム分の雑音に データｎｚ（チャネルｋ　＝　１　ｍ　２　ｍ　””　
ｔ　Ｎ　Ｓフレームｔ＝１　、２　、・・・、Ｌ）がノ
臂ス２１４を介し平均演算部２０５に入力され、平均演
算部２０５により、平均値Ａが下記の如く演算される。

続いて乗算部２ｉのによ！７Ａと定数αの積が求まり、
これを閾値ＴＨ０とする。すなわちＴＨｏ：α・Ａ 平均演算部２０Ｂではまず当該フレーム１の全帯域成分
の平均値を次式の如く、算出し、この算出されたｚｉと
閾値ＴＨ０とに基づいて比較判定部２０６において、 と判定する。これにより当該フレームが音声フレームで
あるか雑音フレームであるか判定される。

このｔＪＶ判定処理部２１２での主な処理内容をまとめ
ると、以下に示す処理（ａ）　、　（ｂ）となる。

（、）　　閾値に基づきフレーム毎のＵＶ判定を行う。

（ｂ）　　第１フレームでＵであり、かつ第（ｉ−１）
フレームでもＵのトキ第（ｉ−１）フレームのデータ緒
、を雑音の抽出の対象とし、逐次平均部２０７へ雑音の
逐次平均を行うための指令２１１を発する。この場合、
逐次平均部２０７ではノクス２２０を介して入力される
第（ｉ−１）フレームの成分’　　、、、に関して、次
に示す処理（、）のようにして、当該フレーム（ｉ−１
）までの各チャネル毎の雑音の平均値を算出する。

ただし雑音の第にチャネルの逐次計算される平均をＮｋ
とする。なお処理開始直後は初期設定ノ４ルス２２１に
より逐次平均部２０７には各チャネル対応に初期値Ｏが
設定される。

（ｃ）　’　ｉ　＝１　　のとき　Ｎｋ４−　Ｏ１≧２
　で指令２１１がないとき　Ｎ、←Ｎ／ｋ（但しＮ／、
は直前のチャネル毎の雑音平均値）ｉ≧２　で指令２１
ノが発せられたとき　”（但しＮｌｋは直前のチャネル
毎の雑音平均値）以上述べた（、）〜（Ｃ）の処理によ
って雑音の抽出が行なわれ。この（荀〜（Ｃ）の処理の
手順をフローチャートで示したのが第３図である。

第３図において、初期値である第１フレームの比較判定
結果はＵであるものとする。

ｉ　）　Ｉ　　となったとき（Ｉフレーム全部の処理が
終わったとき）、チャネル毎の最終の雑音の推定台□←
Ｎｋ（但しチャネルに＝１　、２・・・、Ｎ）なるステ
ップにて抽出する。

次にメモリ２０４より第１フレームから第１フレームま
でのサンプルデータが順次差分演算処理部２０９に入力
され、差分演算処理部２０９において雑音の重畳した音
声データｙｊ（チャネルに＝＝１．２．・＋ａ、Ｎ、　
フレームｊ＝１．２．・・・、Ｉ）とこれに対応するチ
ャネルの最終雑音推定値化から次式によって音声スペク
トルの推定値化を抽出以上の如く抽出された音声スペク
トル丸は音声認識の特徴・臂うメータとして用いられる
。

またチャネルボコーダにおける雑音抑制処理にも使用で
きる。

なお雑音の抽出方法としては、前記処理（ｅ）において なる演算により逐次平均値を算出したが次式のような雑
音の抽出方法を用いてもよい。

Ｎｋ←δＮ４−４−　（ｒ−δ）ｙＩＦ−４（ただし　
０〈δ〈１） 第４図は、雑音として抽出される様子を示したものであ
る。０はそのフレームが雑音抽出に用いられることを示
す。第４図に示すように、本発明による雑音抽出の方法
ではＵの隣りがＶであるときは抽出に用いられない。こ
のことから「わたり」の部分は抽出に用いられないこと
が特徴である。

次に本発明の講２の実施例について説明する。

第５図に本発明の第２の実施例のブロック図を示す。但
し、第５図においてＵＶ判定処理部以外は第１の実施例
と全く同じであるため省略する。

よってＵＶ判定処理部２１２のみ図示する。

第５図において予め音声入力開始直前のＬフレーム分の
雑音データｎ′ｔはノ臂ス２１４からＵＶ判定処理部２
１２に入力され、まずＬＯＧ変換器５０１によりＬＯＧ
変換され平均演算部５０２によ、９Ｌフレ一ム分の平均
値ｉを算出する。

続いて乗算器５０３により定数αとＫの積から後述する
全帯域平均値ＰｉＯ閾値ＴＨｏを求める。

ＴＨ＝ｎネα 〇 一方雑音重畳音声は・平ス２１５からの信号ｙ賢であり
、ＬＯＧ変換器５０４によりＬＯＧ変換され対数変換直
Ｇ縁を求める。

Ｇｋ＝Ｌｏｇｙ縁 １に 次に低域平均値算出器５０５、中域平均値算出器５０６
、高域平均値算出器５０７により、各々低域平城値Ｐｌ
１中域平均値Ｐｍ１高域平均値九を求める。

ただし１＜Ｎｌ＜Ｎ２＜Ｎ　である。

次に、全帯域平均値Ｐｈ、低域と高域の比Ｈｉを加算器
５０８．５０９によって次式のように求める。

Ｐｉ　＝ｐｔ＋ｐ−＋ｐｈ Ｈｉ＝ＰＬ−Ｐｈ 次に比較器５ｉのでＰｉとＴＨｏの大小が比較さへ比較
器５１１で馬とある固定閾値βとの大小が比較される。

次にＯＲ演算器５１２，５１３によってＰ、）ＴＨｏ　
　又は　Ｈ，＞β　のときＶと、Ｐ、≦ＴＨｏ　　又は
　Ｈ，（β　のときＵと判定しメモリ５１４に書く。判
定部５１５では第１の実施例の処理（ｂ）と同様な動作
を行う。

すなわち、第１フレームでＵであり、かつ第（ｉ−１）
フレームでもＵのときに、指令２１１を逐次平均部２０
７に発する。指令２１１によシ逐次平均部２０２におい
て雑音の逐次平均、値が計算される。ここでの処理内容
は第１の実施例における処理（Ｃ）と同様である。この
ようにして最初の雑と同様にして介□と雑音の重畳した
音声データｙ。

（チャネルに＝１　、２・・・、Ｎ１　フレームｊ＝１
．２・・・、Ｉ）とに基づき音声スにクトルの推定値谷
を抽出する。

第２の実ｍ　ＩＩＦＪにおいては、電力の小さいｌｂｌ
、Ｉｄｌ　、Ｉｇｌのような有声子音でもＶと判定され
、雑音抽出が行われないようにしたことに特徴がある。

（発明の効果） 以上詳細−説明したように本発明によれば、音声の有／
無の判定によシ適応的に雑音の推定値の抽出を行ってお
り、前記雑音推定値をもとに、音声スペクトルの抽出を
行っているため、周囲騒音が変化しても、追随し良好に
音声を抽出できる効果がある。

前記の如く抽出した音声スペクトルは音声認識の特徴ノ
９ラメータとして用いれば認識精度を上げる効果がある
。

またＢＰＦ分析に基づくチャネルデコーダの雑音抑制処
理として、聴感上のＳＮ比を高めるために適用可能であ
る。

【図面の簡単な説明】

第１図は本発明の第１の実施例の構成を示すブロック図
、第２図は従来の音声スペクトル抽出装置の構成を示す
ブロック図、第３図は本発明に係る雑音抽出のフローチ
ャート、第４図は本発明に係る雑音抽出を説明するだめ
の図、第５図は本発明の第２の実施例の音声有無判定処
理部の構成を示すブロック図である。 ２０１・・・パントノ４スフイルタ、２０２・・・絶対
値演算部、２０３・・拳ローノやスフィルタ、２０４・
−Φメモリ、２０５・・・平均演算部、２０６・・・比
較判定亀２０７・・・逐次平均部、２０８・・・平均演
算部、２０９・・・差分演算処理部、２ｉの・・・乗算
器、２１２・・・音声有無判定処理部、２１３・・・・
ぐス、２１４・・・・ぐス、２１５・・串ノクス、２２
０・・・ノクス、２２１・・・初期設定ノ母ルス。 特許出願人　沖電気工業株式会社 ａ者才由出の７０−ナヤート 第３図 第５図 ■、事件の表示 昭和６０年　特　許　　願第２５２６７８号３、補正を
する者 事件との関係　　　　　　特　許　出　願　人住　所（
〒ｉの５）　　東京都港区虎ノ門１丁目７番１２号６　
補正の内容 （１）明細書第１３頁第１行目に「ＮＫ←０」とあるの
を 「Ｎ′に←０」と補正する。 （２）　同書第】７頁第２０行目に「小さいＩｂｌ、Ｊ
とあるのを 「小さいＩｂｌ、」と補正する。 （３）同書第１８頁第１行目にｒ’ｌａｌ、Ｉｇｌのよ
うな」とあるのを 「／ｄ／、／　ｇ　／のような」と補正する。 （４）図面「第１図」及び「第３図」を別紙の通り補正
する。 以上 亀為抽出のフローチャート

Claims (3)

【特許請求の範囲】
1. （１）所定フレーム周期毎で且つチャンネル毎に周波数
   分析された雑音成分を含む入力音声信号データから雑音
   成分を除去し音声スペクトルを抽出する方法において、 音声入力開始直前の所定フレーム数Ｌの雑音閾値測定区
   間の雑音データの平均値Ａを算出し当該平均値Ａに基づ
   き雑音の閾値ＴＨ＿０を設定する処理と、 音声入力開始後の任意のフレームｉにおいて当該フレー
   ムｉが音声有りのフレームすなわち音声フレームもしく
   は音声無しのフレームすなわち雑音フレームのいずれか
   であることを判定する処理と、 当該フレームｉが雑音フレームであってその直前フレー
   ム（ｉ−１）が雑音フレームである場合のみ前記直前フ
   レーム（ｉ−１）のデータｙ＾ｋ＿ｉ＿−＿１（但しに
   はチャネル番号、ｉ−１はフレーム番号）とその時点以
   前の各チャネル毎の雑音の平均値Ｎ′＿ｋとに基づき各
   チャネル毎の雑音の平均値を更新する処理と、 音声区間全区間にわたってチャネル毎の前記雑音平均値
   Ｎ＿ｋを順次算出し最終フレーム分終了時点のチャネル
   毎の前記雑音平均値Ｎ＿ｋを最終雑音推定値■＿ｋとし
   て抽出する処理と、 音声区間全区間にわたって各フレームのチャネル毎のデ
   ータｙ＾ｋ＿ｊ（但しｋはチャネル番号、ｊはフレーム
   番号）とチャネル毎の前記雑音推定値■＿ｋとの差分を
   算出し入力音声のスペクトルを抽出する処理とを具備す
   ることを特徴とする音声スペクトル抽出方法。
2. （２）音声フレームもしくは雑音フレームと判定する前
   記処理が、任意の対象フレームｉの全チャネルのデータ
   の平均値Ｚ＿ｉを算出し、Ｚ＿ｉ＞ＴＨ＿０のときは当
   該フレームｉを音声フレームと判定し、Ｚ＿ｉ≦ＴＨ＿
   ０のときは雑音フレームと判定する処理であることを特
   徴とする特許請求の範囲第１項記載の音声スペクトル抽
   出方法。
3. （３）雑音の閾値ＴＨ＿０を設定する前記処理が、雑音
   閾値測定区間の雑音データの対数変換値の平均値Ａを算
   出し、当該平均値Ａに基づき雑音の閾値ＴＨ＿０を設定
   する処理であり、 音声フレームもしくは雑音フレームと判定する前記処理
   が、対象フレームｉの対数変換データの全チャネルの平
   均値Ｐ＿ｉ、高域の複数チャネルの平均値Ｐ＿ｈ、低域
   の複数チャネルの平均値ｐ＿ｌ、並びにこれらの差分Ｈ
   ＿ｉ＝Ｐ＿ｈ−Ｐ＿ｌの算出を行ない、予め設けた他の
   閾値をβとしてＰ＿ｉ＞ＴＨ＿０もしくはＨ＿ｉ＞βの
   ときは当該フレームｉを音声フレームと判定し、Ｐ＿ｉ
   ≦ＴＨ＿０もしくはＨ＿ｉ≦βのときは雑音フレームと
   判定する処理であることを特徴とする特許請求の範囲第
   １項記載の音声スペクトル抽出方法。