特許 6379839 雑音抑圧装置、方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6379839

(24)【登録日】2018年8月10日

(45)【発行日】2018年8月29日

(54)【発明の名称】雑音抑圧装置、方法及びプログラム

(51)【国際特許分類】

   G10L 21/0232 20130101AFI20180820BHJP

   G10L 25/84 20130101ALI20180820BHJP

【ＦＩ】

   G10L21/0232

   G10L25/84

【請求項の数】10

【全頁数】16

(21)【出願番号】特願2014-163841(P2014-163841)

(22)【出願日】2014年8月11日

(65)【公開番号】特開2016-38551(P2016-38551A)

(43)【公開日】2016年3月22日

【審査請求日】2017年5月15日

(73)【特許権者】

【識別番号】000000295

【氏名又は名称】沖電気工業株式会社

(74)【代理人】

【識別番号】100180275

【弁理士】

【氏名又は名称】吉田 倫太郎

(74)【代理人】

【識別番号】100161861

【弁理士】

【氏名又は名称】若林 裕介

(74)【代理人】

【識別番号】100090620

【弁理士】

【氏名又は名称】工藤 宣幸

(72)【発明者】

【氏名】藤枝 大

【審査官】 山下 剛史

(56)【参考文献】

【文献】 国際公開第９９／３０３１５（ＷＯ，Ａ１）

【文献】 国際公開第２０１０／０５２７４９（ＷＯ，Ａ１）

【文献】 国際公開第２０１０／０４６９５４（ＷＯ，Ａ１）

【文献】 特開２０００−３３０５９７（ＪＰ，Ａ）

【文献】 特開２００１−１３４２８７（ＪＰ，Ａ）

【文献】 特開２０１３−２４６４１８（ＪＰ，Ａ）

【文献】 藤枝大他，ミュージカルノイズを軽減したスペクトル減算法，電子情報通信学会２０１２年基礎・境界ソサイエティ大会講演論文集，２０１２年 ８月２８日，p.64

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ１０Ｌ ２１／００−２５／９３

(57)【特許請求の範囲】

【請求項1】

入力信号に含まれる雑音成分を抑圧する雑音抑圧装置において、
入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定する雑音推定手段と、
上記入力スペクトルと上記雑音スペクトルとに基づいて音声らしさを示す値を算出する音声らしさ算出手段と、
上記入力スペクトルと上記雑音スペクトルとに基づいて第１の抑圧ゲインを算出する抑圧ゲイン算出手段と、
上記音声らしさを示す値に基づいて、上記第１の抑圧ゲインと所定の定数値である又は上記第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出する抑圧ゲイン合成手段と、
上記入力スペクトルに上記第３の抑圧ゲインを乗じて出力スペクトルを得る乗算手段と
を備えることを特徴とする雑音抑圧装置。

【請求項2】

上記音声らしさ算出手段が、上記音声らしさを示す値を周波数帯域毎に算出することを特徴とする請求項１に記載の雑音抑圧装置。

【請求項3】

上記入力スペクトルのパワーと、上記雑音スペクトルのパワーとに基づいて、音声対雑音比を算出する音声対雑音比算出手段と、
上記音声対雑音比を、周波数軸と時間軸との両方向に平滑化して平滑化音声対雑音比を算出する音声対雑音比平滑化手段と
を備え、
上記音声らしさ算出手段が、上記平滑化音声対雑音比に基づいて、上記音声らしさを示す値を算出することを特徴とする請求項１又は２に記載の雑音抑圧装置。

【請求項4】

上記音声らしさ算出手段が、所定の広義単調増加な非線形関数を用いて、上記平滑化音声対雑音比を、上記音声らしさを示す値に変換することを特徴とする請求項３に記載の雑音抑圧装置。

【請求項5】

上記所定の広義単調増加な非線形関数は、上記音声らしさを示す値の値域が０以上１以下であることを特徴とする請求項４に記載の雑音抑圧装置。

【請求項6】

上記抑圧ゲイン合成手段は、
上記第１の抑圧ゲインに上記音声らしさを示す値を乗じたものと、上記第２の抑圧ゲインに、１から上記音声らしさを示す値を減じた値を乗じたものとを加算して上記第３の抑圧ゲインを算出する
ことを特徴とする請求項１〜５のいずれかに記載の雑音抑圧装置。

【請求項7】

上記第１の抑圧ゲインを周波数軸及び時間軸の両方向に平滑化して上記第２の抑圧ゲインを算出する抑圧ゲイン平滑化手段を備えることを特徴とする請求項１〜６のいずれかに記載の雑音抑圧装置。

【請求項8】

上記抑圧ゲイン平滑化手段が、上記第１の抑圧ゲインを、時間方向に幅５０ミリ秒以上、周波数方向に幅２００Ｈｚ以上、平滑化して上記第２の抑圧ゲインを算出することを特徴とする請求項７に記載の雑音抑圧装置。

【請求項9】

入力信号に含まれる雑音成分を抑圧する雑音抑圧方法において、
雑音推定手段が、入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定し、
音声らしさ算出手段が、上記入力スペクトルと上記雑音スペクトルとに基づいて音声らしさを示す値を算出し、
抑圧ゲイン算出手段が、上記入力スペクトルと上記雑音スペクトルとに基づいて第１の抑圧ゲインを算出し、
抑圧ゲイン合成手段が、上記音声らしさを示す値に基づいて、上記第１の抑圧ゲインと所定の定数値である又は上記第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出し、
乗算手段が、上記入力スペクトルに上記第３の抑圧ゲインを乗じて出力スペクトルを得る
ことを特徴とする雑音抑圧方法。

【請求項10】

入力信号に含まれる雑音成分を抑圧する雑音抑圧プログラムにおいて、
コンピュータを、
入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定する雑音推定手段と、
上記入力スペクトルと上記雑音スペクトルとに基づいて音声らしさを示す値を算出する音声らしさ算出手段と、
上記入力スペクトルと上記雑音スペクトルとに基づいて第１の抑圧ゲインを算出する抑圧ゲイン算出手段と、
上記音声らしさを示す値に基づいて、上記第１の抑圧ゲインと所定の定数値である又は上記第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出する抑圧ゲイン合成手段と、
上記入力スペクトルに上記第３の抑圧ゲインを乗じて出力スペクトルを得る乗算手段と
して機能させることを特徴とする雑音抑圧プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、雑音抑圧装置、方法及びプログラムに関し、特に音声信号に重畳された雑音成分を周波数領域で処理することによって抑圧する雑音抑圧装置、方法及びプログラムに適用し得るものである。

【背景技術】

【0002】

非特許文献１には、入力音声信号のスペクトル（入力スペクトル）から雑音成分のスペクトル（雑音スペクトル）を減算するスペクトルサブトラクション（ＳＳ：Spectral Subtraction）法が開示されている。

【0003】

また、非特許文献２には、音声成分が強調されるように選定されたスペクトルゲインを入力スペクトルに乗算するＭＭＳＥ−ＳＴＳＡ（Minimum Mean Square Error Short Time Spectral Amplitude）法が開示されている。

【0004】

非特許文献１及び２に記載のいずれの方法も入力スペクトルに重畳されている雑音スペクトルを必要とするが、雑音スペクトルは別途推定される。推定された雑音スペクトルには推定誤差が含まれる。この推定誤差の影響によって、非特許文献１や非特許文献２の記載技術のように周波数領域で雑音を抑圧すると、抑圧後のスペクトル（出力スペクトル）には時間軸上及び周波数軸上に分散的に点在する成分（孤立周波数成分）が残ってしまう。この孤立周波数成分は、耳障りなミュージカルノイズとして受聴者に知覚される。

【0005】

上記のようなミュージカルノイズを軽減するため、特許文献１及び特許文献２には、入力スペクトルの特性に応じて、相異なる２つの雑音抑圧方法を切り替える技術が開示されている。

【0006】

特許文献１の記載技術は、雑音成分が支配的に存在している区間か否かを判定する区間判定手段と、第１のグループ数のグループ毎に周波数帯域をまとめて雑音成分を抑圧する第１の雑音抑圧手段と、第１のグループ数より多い第２のグループ数のグループ毎に周波数帯域をまとめて雑音成分を抑圧する第２の雑音抑圧手段とを備え、区間判定手段が「雑音成分が支配的である」と判定した場合には第１の雑音抑圧手段によって雑音成分を抑圧し、区間判定手段が「雑音成分が支配的でない」と判定した場合には第２の雑音抑圧手段が雑音成分を抑圧するというものである。第１の雑音抑圧手段は、１つのグループにグループ化する周波数ビン数が少ない（周波数解像度が粗い）ので、孤立周波数成分が生じることを防ぎ、その結果としてミュージカルノイズを軽減することができるが、音声成分は歪んでしまう。一方、第２の雑音抑圧手段は、第１のグループ数よりもグループ化する周波数ビン数が多い（周波数解像度が細かい）ので、音声成分は歪みづらいが、孤立周波数成分が生じるため、雑音成分が支配的な区間ではミュージカルノイズが生じてしまう。したがって、特許文献１の記載技術は、雑音成分が支配的な区間か否かに応じてこれらの２つの雑音抑圧手段を切り替えることで、ミュージカルノイズの発生と音声成分の歪みとの両方を軽減しようとしている。

【0007】

特許文献２の記載技術は、音響信号（スペクトル）の強度の度数分布における尖度が、雑音抑圧処理の前後で変化した度合を示す尖度指標値を算出する尖度指標値算出手段と、ＳＳ法を用いる第１の雑音抑圧手段と、ＭＭＳＥ−ＳＴＳＡ法を用いる第２の雑音抑圧手段とを具備しており、尖度指標値は第１の雑音抑圧手段と第２の雑音抑圧手段との両方に対して算出し、尖度指標値が小さい方の雑音抑圧手段によって雑音成分を抑圧するものである。つまり、尖度指標値は、雑音成分の抑圧後に生じるミュージカルノイズの量と正の相関を有する。従って、特許文献２の記載技術は、尖度指標値に応じてこれら２つの雑音抑圧手段を切り替えることで、ミュージカルノイズの発生を軽減しようとしている。

【先行技術文献】

【特許文献】

【0008】

【特許文献1】特開２０１０−０５５０２４号公報

【特許文献2】特開２０１０−１６０２４６号公報

【非特許文献】

【0009】

【非特許文献1】Ｓ．Ｆ．Ｂｏｌｌ，“Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ ａｃｏｕｓｔｉｃ ｎｏｉｓｅ ｉｎ ｕｓｉｎｇ ｓｐｅｃｔｒａｌ ｓｕｂｔｒａｃｔｉｏｎ”，ＩＥＥＥ Ｔｒａｎｓ．，Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏｌ．ＡＳＳＰ−２７，ｎｏ．２，ｐ．１１３−１２０，Ａｐｒ．１９７９

【非特許文献2】Ｙ．Ｅｐｈｒａｉｍ ａｎｄ Ｄ．Ｍａｌａｈ，“Ｓｐｅｅｃｈ ｅｎｈａｎｃｅｍｅｎｔ ｕｓｉｎｇ ａ ｍｉｎｉｍｕｍ ｍｅａｎ−ｓｑｕａｒｅ ｅｒｒｏｒ ｓｈｏｒｔ−ｔｉｍｅ ｓｐｅｃｔｒａｌ ａｍｐｌｉｔｕｄｅ ｅｓｔｉｍａｔｏｒ”，ＩＥＥＥ ＡＳＳＰ，ｖｏｌ.ＡＳＳＰ−３２，ｎｏ．６，ｐ．１１０９−１１２１，Ｄｅｃ．１９８４

【発明の概要】

【発明が解決しようとする課題】

【0010】

しかしながら、特許文献１及び特許文献２の記載技術のように、２つの雑音抑圧手段を全ての周波数帯域で同時に切り替えると、切り替わった瞬間に出力スペクトルの特性が急激に変化するため、不自然な音響信号として受聴者に知覚されるという問題が生じ得る。

【0011】

また、特許文献１の記載技術は、周波数帯域をグループ化し、グループ内で共通の処理を行うものである。そうすると、グループ間で抑圧特性が大きく変化するため、最終的に得られる出力信号は歪んでしまうという問題が生じ得る。

【0012】

さらに、特許文献２の記載技術は、多かれ少なかれミュージカルノイズを生じてしまう２つの雑音抑圧手段を切り替えているだけなので、ミュージカルノイズを完全に抑圧することはできないという問題も生じ得る。

【0013】

そのため、抑圧ゲインの切り替わりを受聴者に感じさせず、ミュージカルノイズを始めとする歪みを生じさせずに雑音を抑圧することができる雑音抑圧装置、方法及びプログラムが求められている。

【課題を解決するための手段】

【0014】

以上の課題を解決するために、第１の本発明に係る雑音抑圧装置は、入力信号に含まれる雑音成分を抑圧する雑音抑圧装置において、（１）入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定する雑音推定手段と、（２）入力スペクトルと雑音スペクトルとに基づいて音声らしさを示す値を算出する音声らしさ算出手段と、（３）入力スペクトルと雑音スペクトルとに基づいて第１の抑圧ゲインを算出する抑圧ゲイン算出手段と、（４）音声らしさを示す値に基づいて、第１の抑圧ゲインと所定の定数値である又は第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出する抑圧ゲイン合成手段と、（５）入力スペクトルに第３の抑圧ゲインを乗じて出力スペクトルを得る乗算手段とを備えることを特徴とする。

【0015】

第２の本発明に係る雑音抑圧方法は、入力信号に含まれる雑音成分を抑圧する雑音抑圧方法において、（１）雑音推定手段が、入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定し、（２）音声らしさ算出手段が、入力スペクトルと雑音スペクトルとに基づいて音声らしさを示す値を算出し、（３）抑圧ゲイン算出手段が、入力スペクトルと雑音スペクトルとに基づいて第１の抑圧ゲインを算出し、（４）抑圧ゲイン合成手段が、音声らしさを示す値に基づいて、第１の抑圧ゲインと所定の定数値である又は第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出し、（５）乗算手段が、入力スペクトルに第３の抑圧ゲインを乗じて出力スペクトルを得ることを特徴とする。

【0016】

第３の本発明に係る雑音抑圧プログラムは、入力信号に含まれる雑音成分を抑圧する雑音抑圧プログラムにおいて、コンピュータを、（１）入力信号を周波数解析して得た入力スペクトルに基づいて雑音スペクトルを推定する雑音推定手段と、（２）入力スペクトルと雑音スペクトルとに基づいて音声らしさを示す値を算出する音声らしさ算出手段と、（３）入力スペクトルと雑音スペクトルとに基づいて第１の抑圧ゲインを算出する抑圧ゲイン算出手段と、（４）音声らしさを示す値に基づいて、第１の抑圧ゲインと所定の定数値である又は第１の抑圧ゲインを平滑化して得た第２の抑圧ゲインとを合成して第３の抑圧ゲインを算出する抑圧ゲイン合成手段と、（５）入力スペクトルに第３の抑圧ゲインを乗じて出力スペクトルを得る乗算手段として機能させることを特徴とする。

【発明の効果】

【0017】

本発明によれば、抑圧ゲインの切り替わりを受聴者に感じさせず、ミュージカルノイズを始めとする歪みを生じさせずに雑音を抑圧することができる。

【図面の簡単な説明】

【0018】

【図1】第１の実施形態に係る雑音抑圧装置の内部構成を示すブロック図である。

【図2】第１の実施形態に係る音声らしさ算出手段で用いられる非線形関数の例を説明する説明図である。

【図3】第２の実施形態に係る雑音抑圧装置の内部構成を示すブロック図である。

【発明を実施するための形態】

【0019】

（Ａ）第１の実施形態
以下では、本発明に係る雑音抑圧装置、方法及びプログラムの第１の実施形態を、図面を参照しながら詳細に説明する。

【0020】

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る雑音抑圧装置の内部構成を示すブロック図である。第１の実施形態の雑音抑圧装置１００は、ＣＰＵが実行するソフトウェア（雑音抑圧プログラム）として実現することも可能であり、また、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ ＩＣ）、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）などの電子回路を利用して実現することも可能であるが、機能的には、図１で表すことができる。なお、図１は、第１の実施形態の雑音抑圧装置１００における雑音抑圧処理の流れを示すフローチャートと見ることもできる。

【0021】

図１において、第１の実施形態に係る雑音抑圧装置１は、周波数解析手段１０１、雑音推定手段１０２、ＳＮＲ（Ｓｉｇｎａｌ−ｔｏ−Ｎｏｉｓｅ Ｒａｔｉｏ）算出手段１０３、ＳＮＲ平滑化手段１０４、音声らしさ算出手段１０５、抑圧ゲイン算出手段１０６、抑圧ゲイン合成手段１０７、乗算手段１０８、波形復元手段１０９を有する。

【0022】

雑音抑圧装置１００には、デジタル音声信号でなる入力音声が入力される。例えば、マイクロフォンが音声を捕捉して得たアナログ音声信号をＡ／Ｄ変換器でデジタル変換したものが入力音声であっても良い。また、通信回線を介して転送されたデジタル音声信号が入力音声であっても良い。さらに、記録媒体から読み出したデジタル音声信号が入力音声であっても良い。

【0023】

周波数解析手段１０１は、所定の周波数解析方法で、入力音声を周波数解析し、入力スペクトルを算出するものである。周波数解析方法は、特に限定されるものではなく様々な手法を広く適用することができ、例えばＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）が好適である。この実施形態では、ＦＦＴを用いる場合を例示する。しかし、周波数解析方法は、これに限定されることなく、ＦＦＴ以外に、Ｗａｖｅｌｅｔ変換や直交ミラーフィルタバンク等を用いるようにしても良い。

【0024】

また、周波数解析手段１０１により得られる入力スペクトルは、複素数である。以下、当該入力スペクトルの各周波数帯域のパワーを算出し、スペクトルとして構成したものを入力パワースペクトルと称して言及する。

【0025】

周波数解析手段１０１は、得られた入力スペクトルを、雑音推定手段１０２、ＳＮＲ算出手段１０３、抑圧ゲイン算出手段１０６及び乗算手段１０８に与える。

【0026】

雑音推定手段１０２は、周波数解析手段１０１からの入力スペクトル中に含まれている雑音成分を周波数帯域毎に推定し、周波数帯域毎の推定パワースペクトルを算出するものである。また、雑音推定手段１０２は、得られた雑音パワースペクトルをＳＮＲ算出手段１０３及び抑圧ゲイン算出手段１０６に与える。

【0027】

ここで、雑音推定手段１０２における雑音推定方法は、例えば、参考文献１（Ｒ．Ｍａｒｔｉｎ，“Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｉｎｉｍｕｍ ｓｔａｔｉｓｔｉｃｓ”，ｉｎ Ｐｒｏｃ． ＥＵＳＩＰＣＯ，ｐｐ．１１８２−１１８５，１９９４）に記載される技術を用いることができるが、これに限定されるものではない。なお、多くの雑音推定方法は、雑音パワースペクトルを算出するものであり、雑音スペクトルが必要な場合には、当該雑音パワースペクトルを各周波数帯域の平方根を算出してスペクトルとして構成する雑音スペクトルを得るようにしても良い。また、もし使用した雑音推定方法が、雑音スペクトルを算出する場合には、雑音パワースペクトルを得るために、当該雑音スペクトルの各周波数帯域のパワーを算出してスペクトルとして構成したものを雑音パワースペクトルとしても良い。いずれの方法を用いる場合でも、雑音スペクトルの各周波数帯域は振幅を表す実数値で与えられる。

【0028】

ＳＮＲ算出手段１０３は、周波数解析手段１０１からの入力パワースペクトルと、雑音推定手段１０２からの雑音パワースペクトルとを受け取り、周波数帯域毎に、入力パワースペクトルを雑音パワースペクトルで除してＳＮＲを算出する。ＳＮＲ算出手段１０３は、得られたＳＮＲをＳＮＲ平滑化手段１０４に与える。第１の実施形態では、ＳＮＲ算出手段１０２が観測信号としての入力パワースペクトルを雑音パワースペクトルで除したものをＳＮＲとして算出する場合を例示する。しかし、ＳＮＲ算出手段１０２は、音声成分のパワースペクトルを観測信号としての入力パワースペクトルで除したものを算出するようにしても良い。

【0029】

ＳＮＲ平滑化手段１０４は、ＳＮＲ算出手段１０３から与えられたＳＮＲを周波数軸と時間軸との両方向に平滑化して平滑化ＳＮＲを算出するものである。ＳＮＲ平滑化手段１０４は、得られた平滑化ＳＮＲを音声らしさ算出手段１０５に与える。このように、音声らしさを示す値を算出するための材料であるＳＮＲを周波数軸及び時間軸の両方向に平滑化することで、後述する抑圧ゲイン合成手段１０７において算出される最終的な第３の抑圧ゲインの特性の急激な変化を抑えることができるので、聴感上の不自然さをより抑えることができる。

【0030】

また、ＳＮＲ平滑化手段１０４は、周波数軸及び時間軸の両方向にＳＮＲを平滑化するが、周波数軸、時間軸のいずれかを先に実施するようにしても良いし、周波数軸及び時間軸を同時に実施するようにしても良いが、周波数軸方向にＳＮＲを平滑化した後に時間軸方向に平滑化する構成が好適に用いられる。

【0031】

さらに、周波数軸方向と時間軸方向への平滑化方法はいずれも同じ方法を適用するようにしても良いし、又はそれぞれ異なる方法を適用するようにしても良い。周波数軸方向と時間軸方向との平滑化方法はそれぞれ、何ら制限されるものではなく種々の方法を適用することができるが、周波数軸方向への平滑化には移動平均法が好適であり、時間軸方向への平滑化には時定数フィルタが好適である。なお、両方向に同時に平滑化を実施する場合には、２次元フィルタを用いることで実現できる。以下、移動平均法と時定数フィルタについて、それぞれ簡単に説明する。

【0032】

移動平均法は、平滑化される値をｐｉ（ｉ＝０，１，３，…，Ｉ−１）とし、平滑化窓をｗｊ（ｊ＝−Ｊ１，…，Ｊ２）、平滑化された値をｑｉとすると、式（１）のように表現することができる。ここで、Ｉ＞０、Ｊ１＞０，Ｊ２＞０で、平滑化窓の長さはＪ＝Ｊ１＋Ｊ２＋１となり、式（１）のｍｉｎ｛α，β｝は、αとβのうち小さい方を選択する演算を表す。平滑化窓は矩形窓関数やハミング窓関数によって算出される。周波数方向への平滑化に移動平行法を用いる場合、Ｊ１＝Ｊ２とすることが望ましく、平滑化の度合いはＪが２００〜４００Ｈｚに相当する長さとするのが良い。また、時間軸方向への平滑化に移動平均法を用いる場合、Ｊ１＝０とすれば未来の値を使用しない構成となり、平滑化の度合いはＪ＝Ｊ２＋１が５０〜１００ミリ秒に相当する長さとすることが良い。

【数1】

【0033】

時定数フィルタは、平滑化される値をｐｉ、時定数をｃ（０＜ｃ＜１）、平滑化された値をｑｉとすると、式（２）のように表すことができる。式(２)において、時定数ｃが１に近いほど、平滑化の度合いが強いことを意味し、より滑らかな値が得られる。時定数フィルタは、時間軸方向への平滑化には好んで用いられるが、周波数軸方向に用いられることは少ない。時間軸方向への平滑化に時定数フィルタを用いる場合、平滑化の度合いは時定数ｃが０．７〜０．９程度とするのが良い。

【数2】

【0034】

音声らしさ算出手段１０５は、ＳＮＲ平滑化手段１０４から与えられた平滑化ＳＮＲを所定の広義単調増加な非線形関数で変換した値を、音声らしさを示す値として算出する。音声らしさ算出手段１０５は、得られた音声らしさを示す値を、抑圧ゲイン合成手段１０７に与える。

【0035】

ここで、音声らしさを示す値は、周波数帯域毎の入力スペクトル中に音声成分が存在している度合いをいう。第１の実施形態では、音声らしさ算出手段１０５が、ＳＮＲ平滑化手段１０４によって平滑化ＳＮＲを、非線形関数の値に変換することで、周波数帯域毎の入力スペクトル中に存在している音声成分の度合いを算出する。

【0036】

図２は、第１の実施形態に係る音声らしさ算出手段１０５において用いられる非線形関数を説明する説明図である。

【0037】

図２において、縦軸は非線形関数の値を示し、横軸は平滑化ＳＮＲの値を示す。図２の非線形関数は、広義単調増加な関数であり、音声らしさを示す値は０以上１以下の値に制限されている。図２において、平滑化ＳＮＲの値がｒ１からｒ２までの値のときには、平滑化ＳＮＲの値が大きくなるにつれて、非線形関数の値は０以上１以下の値を取る。平滑化ＳＮＲの値がｒ１以下のときには、非線形関数の値が０の値を取り、平滑化ＳＮＲの値がｒ２以上のときには、非線形関数の値が１の値を取る。

【0038】

音声らしさ算出手段１０５は、例えば図２に例示する非線形関数を用いて、ＳＮＲを、音声らしさを示す値に変換することが好適であるが、任意の広義単調増加な関数を用いて、音声らしさを示す値を算出するようにしても良い。特に、値域が０以上１以下の関数に限定する場合にはシグモイド関数を用いるのも良い選択である。図２では、ｒ１は１〜４程度の値とすることが良く、ｒ２は１２〜２０程度の値とすることが良い。

【0039】

なお、ＳＮＲ算出手段１０３が、音声成分のパワースペクトルを観測信号としての入力パワースペクトルで除したものを求めるようにしても良く、その場合でも、ＳＮＲ平滑化手段１０４は、ＳＮＲ算出手段１０３からの出力を周波数軸方向及び時間軸方向への平滑化を行う。この場合でも、音声らしさ算出手段１０５は、上記と同様にして、広義単調増加な所定の非線形関数を用いて、周波数帯域毎に、平滑化された値を非線形関数の値に変換するようにしても良い。

【0040】

抑圧ゲイン算出手段１０６は、周波数帯域毎に、周波数解析手段１０１からの入力パワースペクトルと、雑音推定手段１０２からの雑音パワースペクトルとを用いて、第１の抑圧ゲインを算出するものである。抑圧ゲイン算出手段１０６は、得られた第１の抑圧ゲインを抑圧ゲイン合成手段１０７に与える。

【0041】

抑圧ゲイン合成手段１０７は、周波数帯域毎に、抑圧ゲイン算出手段１０６から第１の抑圧ゲインと、予め定められた所定の定数値である第２の抑圧ゲインとを、音声らしさを示す値に基づいて合成して、第３の抑圧ゲインを算出するものである。抑圧ゲイン合成手段１０７は、得られた第３の抑圧ゲインを乗算手段１０８に与える。

【0042】

乗算手段１０８は、周波数解析手段１０１からの周波数帯域毎の入力スペクトルに、抑圧ゲイン合成手段１０７からの周波数帯域毎の第３の抑圧ゲインを乗じて出力スペクトルを算出するものである。乗算手段１０８は、得られた出力スペクトルを波形復元手段１０９に与える。

【0043】

波形復元手段１０９は、周波数解析手段１０１による周波数解析方法に対応して波形復元を行うものであり、乗算手段１０８から出力された出力スペクトルを、時間波形に変換して音声出力信号を得るものである。波形復元手段１００は、得られた音声出力信号を雑音抑圧装置１００の出力信号として出力する。例えば、周波数解析手段１０１がＦＦＴを用いた場合、波形復元手段１０９はＩＦＦＴ（Ｉｎｖｅｒｓｅ Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）を用いて波形を復元する。

【0044】

（Ａ−２）第１の実施形態の動作
次に、第１の実施形態に係る雑音抑圧装置１００における雑音抑圧方法を、図１を参照しながら説明する。

【0045】

雑音抑圧装置１００に入力した入力音声は、周波数解析手段１０１に与えられる。周波数解析手段１０１では、所定の周波数解析方法により、入力音声から入力スペクトルを算出する。得られた入力スペクトルは、乗算手段１０８、ＳＮＲ算出手段１０３、雑音推定手段１０２及び抑圧ゲイン算出手段１０６に与えられる。

【0046】

雑音推定手段１０２では、所定の雑音推定方法により、周波数帯域毎の入力スペクトル中に含まれる雑音成分が周波数帯域毎に推定され、推定された雑音成分の雑音パワースペクトルが算出される。得られた周波数帯域毎の雑音パワースペクトルは、ＳＮＲ算出手段１０３及び抑圧ゲイン算出手段１０６に与えられる。

【0047】

ＳＮＲ算出手段１０３では、周波数帯域毎に、入力パワースペクトルを雑音パワースペクトルで除して、周波数帯域毎のＳＮＲが算出される。この周波数帯域毎のＳＮＲはＳＮＲ平滑化手段１０４に与えられる。

【0048】

ＳＮＲ平滑化手段１０４では、聴感上の不自然さを抑えるために、ＳＮＲ算出手段１０３からのＳＮＲを周波数軸及び時間軸の両方向に平滑化して、平滑化ＳＮＲが算出される。得られた平滑化ＳＮＲは、音声らしさ算出手段１０５に与えられる。

【0049】

上述したように、ＳＮＲ平滑化手段１０４による周波数軸方向への平滑化及び時間軸方向への平滑化の方法は、特に限定されるものではないが、ここでは、例えば、周波数軸方向への平滑化については移動平均法を用いて行い、時間軸方向への平滑化については時定数フィルタを用いて行う場合を例示する。この場合、ＳＮＲ平滑化手段１０４は、周波数軸方向への平滑化について、平滑化される値をｐｉ（ｉ＝０，１，…，Ｉ−１）、平滑化窓をｗｊ（ｊ＝−Ｊ１，…，Ｊ２）、平滑化された値をｑｉとすると、式（１）のように表すことができる。式（１）において、Ｉ＞０、Ｊ１＞０、Ｊ２＞０、Ｊ１＝Ｊ２とし、平滑化窓の長さＪ＝Ｊ１＋Ｊ２＋１を２００〜４００Ｈｚ程度に相当する長さとして、周波数軸方向への平滑化を行う。また、時間軸方向への平滑化について、平滑化される値ｐｉ、時定数をｃ（０＜ｃ＜１）、平滑化された値をｑｉとすると、式（２）のように表すことができる。そして、時定数ｃを０．７〜０．９程度として時間軸方向への平滑化を行う。

【0050】

音声らしさ算出手段１０５では、所定の広義単調増加な非線形関数を用いて、平滑化されたＳＮＲを、音声らしさを示す値に変換する。得られた音声らしさを示す値は、抑圧ゲイン合成手段１０７に与えられる。

【0051】

例えば、広義単調増加な非線形関数は、図２に例示するように、平滑化ＳＮＲの値がｒ１からｒ２までの範囲で、音声らしさを示す値ｂｋの値域が０以上１以下に制限されるようなものを用いる。このとき、図２のｒ１は１〜４程度とするのが良く、ｒ２は１２〜２０程度とするのが良い。

【0052】

抑圧ゲイン算出手段１０６では、周波数帯域毎に、入力パワースペクトルと雑音パワースペクトルとを用いて、第１の抑圧ゲインが算出される。得られた周波数帯域毎の第１の抑圧ゲインは、抑圧ゲイン合成手段１０７に与えられる。

【0053】

ここで、抑圧ゲイン算出手段１０６による第１の抑圧ゲインの算出方法は、例えば、非特許文献１に開示されているＳＳ法や、又は非特許文献２に開示されているＭＭＳＥ−ＳＴＳＡ法等を用いることができる。ＳＳ法は、演算量が少ないが、ミュージカルノイズが多く発生する。一方、ＭＭＳＥ−ＳＴＳＡ法は、ミュージカルノイズの発生量は少ないが演算量が多い。第１の実施形態では、音声成分が存在しない部分の歪みを完全に抑えることができるので、演算量の少ないＳＳ法を用いることが好適である。

【0054】

この実施形態では、抑圧ゲイン算出手段１０６が、ＳＳ法を用いて第１の抑圧ゲインを算出する場合を例示する。例えば、入力スペクトルをＸｋ、雑音スペクトルをＤｋ、ＳＳ法に基づく抑圧ゲインをＧｋ、抑圧係数をａ、抑圧ゲインの最小値である最小抑圧ゲイン（すなわち、最大抑圧量）をＧｍｉｎとすると、第１の抑圧ゲインＧｋは式（３）のように表現することができる。ｋは、周波数帯域を示す番号である。ここで、ｍａｘ｛α，β｝は、αとβのうち大きい方を選択する演算である。一般には、ミュージカルノイズを抑えるために、ａには１未満の値が用いられ、Ｇｍｉｎは０．２５（−１２ｄＢ相当）程度の値が良く好まれる。一方、第１の実施形態に係る雑音抑圧装置１００では、後述するようにミュージカルノイズが発生しないため、ａ＝１が好適に用いられ、Ｇｍｉｎも０．１（−２０ｄＢ相当の抑圧量）や０．０１（−４０ｄＢ相当の抑圧量）といった小さな値を用いることが好適である。

【数3】

【0055】

抑圧ゲイン合成手段１０７には、音声らしさ算出手段１０５から音声らしさを示す値ｂｋと、抑圧ゲイン算出手段１０６からの第１の抑圧ゲインＧｋと、所定の定数値である第２の抑圧ゲインＦとが与えられる。抑圧ゲイン合成手段１０７は、例えば、式（４）を用いて、第３の抑圧ゲインＨｋを算出する。得られた第３の抑圧ゲインＨｋは、乗算手段１０８に与えられる。

【数4】

【0056】

ここで、第２の抑圧ゲインＦは、任意の定数値を設定することができるが、以下に述べる理由から、ＳＳ法の最小抑圧ゲインが好適に用いられる。つまり、式（４）において、Ｆ＞Ｇｍｉｎの場合、音声成分の存在する部分は音声成分が存在しない部分よりも強く抑圧されるため、不自然に音声成分が強調されてしまう。また、Ｆ＜Ｇｍｉｎの場合、音声成分の存在する部分において雑音成分抑圧後に残留する雑音成分が不自然に受聴者に知覚される。なお、第２の抑圧ゲインＦは、図示しない記憶部に記憶されているものであっても良いし、又は必要に応じてユーザ操作により設定されるものであっても良い。

【0057】

上述したように、音声らしさを示す値ｂｋは０以上１以下の実数である。従って、第１の抑圧ゲインＧｋと第２の抑圧ゲインＦには、０〜１の実数で与えられる係数を乗じることになるので、第３の抑圧ゲインＨｋの特性の急激な変化による不自然さは受聴者に知覚されない。

【0058】

音声らしさを示す値ｂｋは、周波数帯域毎に算出される。従って、第１の抑圧ゲインＧｋと第２の抑圧ゲインＦとの合成割合は周波数帯域毎に異なるため、抑圧ゲインの切り替わりによる不自然さは受聴者に知覚されない。

【0059】

第２の抑圧ゲインＦは定数値であるから、第２の抑圧ゲインＦを乗じることは入力音声信号のボリュームを変更しているだけであり、歪みはまったく生じない。したがって、音声が存在する部分では第１の抑圧ゲインＧｋを乗じることで音声成分を強調するので従来技術と同等の音質が得られ、音声が存在しない部分では第２の抑圧ゲインＦを乗じることでボリュームを小さくするので信号の歪み（ミュージカルノイズを含む）が全く生じない。

【0060】

乗算手段１０８では、周波数解析手段１０１からの周波数帯域毎の入力スペクトルに、抑圧ゲイン合成手段１０７からの周波数帯域毎の第３の抑圧ゲインを乗じて出力スペクトルが算出され、得られた出力スペクトルが波形復元手段１０９に与えられる。

【0061】

波形復元手段１０９では、乗算手段１０８からの出力スペクトルを時間波形に変換して音声出力信号が得られ、その音声出力信号が雑音抑圧装置１００の出力信号として出力される。

【0062】

（Ａ−３）第１の実施形態の効果
以上のように、第１の実施形態によれば、音声成分が存在する部分では音声成分を強調しながら従来技術と同等の音質を得ることができ、音声成分が存在しない部分では出力信号の歪みが全く生じない。

【0063】

（Ｂ）第２の実施形態
次に、本発明に係る雑音抑圧装置、方法及びプログラムの第２の実施形態を、図面を参照しながら詳細に説明する。

【0064】

上述した第１の実施形態では、第２の抑圧ゲインが予め定められた所定の定数値である場合を例示した。しかし、第１の抑圧ゲインによる音声成分が存在する部分における雑音の抑圧のされ方は、入力信号に含まれる音声成分と雑音成分との性質によって変化するため、値が変化しない第２の抑圧ゲインを用いると音声成分が存在する部分と存在しない部分とで音質の差が生じ得る。

【0065】

そこで、第２の実施形態では、第１の抑圧ゲインに基づいて第２の抑圧ゲインを算出することにより、音声成分が存在する部分と存在しない部分との間で音質の差が生じないようにする。

【0066】

（Ｂ−１）第２の実施形態の構成
図３は、第２の実施形態に係る雑音抑圧装置２００の内部構成を示すブロック図である。

【0067】

図３において、第２の実施形態に係る雑音抑圧装置２００は、周波数解析手段１０１、雑音抑圧手段１０２、ＳＮＲ算出手段１０３、ＳＮＲ平滑化手段１０４、音声らしさ算出手段１０５、抑圧ゲイン算出手段１０６、抑圧ゲイン合成手段１０７、乗算手段１０８、波形復元手段１０９、抑圧ゲイン平滑化手段２１０を有する。

【0068】

図３において、第１の実施形態に係る図１の雑音抑圧装置１００が有する構成要素と同一又は対応するものには、同一符号を付している。第２の実施形態が、第１の実施形態と異なる点は、抑圧ゲイン平滑化手段２１０を有する点である。

【0069】

図３において、抑圧ゲイン算出手段１０６は、第１の実施形態と同様にして、第１の抑圧ゲインを算出するものである。得られた第１の抑圧ゲインは、第１の実施形態と同様に抑圧ゲイン合成手段１０７に与えられると共に、抑圧ゲイン平滑化手段２１０にも与えられる。

【0070】

抑圧ゲイン平滑化手段２１０は、抑圧ゲイン算出手段１０６により算出された第１の抑圧ゲインを、周波数軸及び時間軸の両方向に平滑化して第２の抑圧ゲインを算出するものである。また、抑圧ゲイン平滑化手段２１０は、得られた第２の抑圧ゲインを抑圧ゲイン合成手段１０７に与える。

【0071】

（Ｂ−２）第２の実施形態の動作
次に、第２の実施形態に係る雑音抑圧装置２００における雑音抑圧方法を、図面を参照しながら詳細に説明する。以下では、第１の実施形態で詳細に説明した動作については省略し、第２の実施形態に係る雑音抑圧方法の特徴的な動作を詳細に説明する。

【0072】

抑圧ゲイン算出手段１０６では、第１の実施形態と同様にして、第１の抑圧ゲインが算出される。得られた第１の抑圧ゲインは、抑圧ゲイン合成手段１０７及び抑圧ゲイン平滑化手段２１０に与えられる。

【0073】

抑圧ゲイン平滑化手段２１０は、第１の抑圧ゲインを周波数軸と時間軸の両方向に平滑化して第２の抑圧ゲインを算出する。ここで、抑圧ゲイン平滑化手段２１０は、まったく歪みを生じさせない特性を持つ抑圧ゲインを算出するために、第１の抑圧ゲインを周波数軸及び時間軸の両方向に十分に平滑化して第２の抑圧ゲインを算出する。

【0074】

抑圧ゲイン平滑化手段２１０による平滑化方法は、上述したＳＮＲ平滑化手段１０４における平滑化方法と同じ方法を用いることが好適である。しかし、ＳＮＲ平滑化手段１０４と異なる方法を用いるようにしても良い。例えば、周波数軸方向への平滑化として、抑圧ゲイン平滑化手段２１０は全周波数帯域の第１の抑圧ゲインの平均値を算出し、得られた平均値を各周波数帯域に与えるという方法は、演算量が少なく歪みも最小となるので一つの良い選択であるが、低い周波数帯域（特に、音声成分のピッチ周波数を有する１００〜４００Ｈｚ）と高い周波数帯域（例えば３ｋＨｚ以上）とでは第１の抑圧ゲインの大きさに差があることが多いため、この第１の抑圧ゲインの大きさの差が第２の抑圧ゲインに反映される方がより望ましい。

【0075】

周波数軸及び時間軸の両方向に平滑化する方法として、ＳＮＲ平滑化手段１０４と同じ平滑化方法を行う場合、平滑化の度合いはＳＮＲ平滑化手段１０４と同じ程度としても良いし、又は異なる値としても良い。

【0076】

例えば、周波数軸方向の平滑化に移動平均法を用いる場合、より強く平滑化するために、平滑化の度合いとしての平滑化窓の長さは５００Ｈｚ程度に相当する長さが好適に用いられる。また時間軸方向の平滑化に時定数フィルタを用いる場合、より強く平滑化するために、平滑化の度合いとしての時定数の値には０．９以上の値が好適に用いられる。つまり、抑圧ゲイン平滑化手段２１０は、より強く平滑化するために、平滑化の度合いを大きくして、より滑らかな定常的な値とした第２の抑圧ゲインを算出する。

【0077】

上記のようにして、抑圧ゲイン平滑化手段２１０において得られた第２の抑圧ゲインは、ゲイン合成手段１０７に与えられる。

【0078】

抑圧ゲイン合成手段１０７では、音声らしさ算出手段１０５からの音声らしさを示す値ｂｋと、抑圧ゲイン算出手段１０６からの第１の抑圧ゲインＧｋと、抑圧ゲイン平滑化手段２１０からの平滑化された第２の抑圧ゲインＦｋとに基づき、例えば、式（５）を用いて、周波数帯域毎に、第３の抑圧ゲインを算出する。得られた第３の抑圧ゲインは、乗算手段１０８に与えられる。

【数5】

【0079】

第２の抑圧ゲインＦｋは、第１の抑圧ゲインＧｋを平滑化したものであるから、第１の抑圧ゲインＧｋを反映させた値とすることができる。したがって、音声成分が存在する部分と音声成分が存在しない部分との音質の差を小さくすることができるため、自然な音質の音声を出力することができる。

【0080】

（Ｂ−３）第２の実施形態の効果
以上のように，第２の実施形態によれば、第１の実施形態で説明した効果に加えて、以下の効果を奏する。

【0081】

第２の実施形態によれば、第２の抑圧ゲインが第１の抑圧ゲインに基づいて決定されるので，音声成分が存在する部分と存在しない部分との間の音質の差が第１の実施形態よりも小さくなり，より自然な音質の出力信号を得ることができる。

【0082】

また、第１の実施形態の場合、例えば第１の抑圧ゲインの算出方法にＭＭＳＥ−ＳＴＳＡ法を用いた場合、ＭＭＳＥ−ＳＴＳＡ法には最小抑圧ゲインという概念がないため、予め定数値で与えられる第２の抑圧ゲインの設計に経験的スキルが必要となる。これに対して、第２の実施形態では、第１の抑圧ゲインに連動して第２の抑圧ゲインが自動的に設定されるので、自然な音質の出力信号をより簡単に得ることができる。

【0083】

（Ｃ）他の実施形態
上述した各実施形態においても種々の変形実施形態を言及したが、本発明は以下の変形実施形態にも適用可能である。

【0084】

（Ｃ−１）上述した各実施形態では、雑音抑圧装置にデジタル音声信号が入力されるものを示したが、入力スペクトルが雑音抑圧装置に入力される場合にも、本発明を適用することができる。例えば、対向する装置から、通信回線を介して転送されてくる信号が入力スペクトルＸｋの場合には、それをデジタル音声信号に変換することなく、雑音抑圧装置に入力するようにしても良い。

【0085】

（Ｃ−２）上述した各実施形態では、ＳＳ法をベースとした雑音抑圧装置を示したが、ＳＳ法をベースとした雑音抑圧方法と、他の雑音抑圧方法（例えば、ウィナーフィルタ、コヒーレンスフィルタなど）のいずれか１つ以上とを併用して、雑音抑圧装置を構成するようにしても良い。

【0086】

（Ｃ−３）上述した各実施形態では、入力音声信号が入力する場合を例示したが、音楽などの信号が入力して、上述した各実施形態の雑音抑圧装置を用いて入力信号に含まれる雑音成分を抑圧するようにしても良い。

【符号の説明】

【0087】

１００及び２００…雑音抑圧装置、１０１…周波数解析手段、１０２…雑音推定手段、１０３…ＳＮＲ算出手段、１０４…ＳＮＲ平滑化手段、１０５…音声らしさ算出手段、１０６…抑圧ゲイン算出手段、１０７…抑圧ゲイン合成手段、１０８…乗算手段、１０９…波形復元手段、２１０…抑圧ゲイン平滑化手段。

【図1】

【図2】

【図3】