特許 7461020 音声信号処理装置、音声信号処理システム、音声信号処理方法、およびプログラム

(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】

(24)【登録日】2024-03-26

(45)【発行日】2024-04-03

(54)【発明の名称】音声信号処理装置、音声信号処理システム、音声信号処理方法、およびプログラム

(51)【国際特許分類】

   G10L 25/03 20130101AFI20240327BHJP

   G10L 25/27 20130101ALI20240327BHJP

【ＦＩ】

G10L25/03

G10L25/27

【請求項の数】 7

(21)【出願番号】P 2020024213

(22)【出願日】2020-02-17

(65)【公開番号】P2021128307

(43)【公開日】2021-09-02

【審査請求日】2022-11-22

(73)【特許権者】

【識別番号】000128566

【氏名又は名称】株式会社オーディオテクニカ

(74)【代理人】

【識別番号】110004222

【氏名又は名称】弁理士法人創光国際特許事務所

(74)【代理人】

【識別番号】100166006

【弁理士】

【氏名又は名称】泉 通博

(74)【代理人】

【識別番号】100154070

【弁理士】

【氏名又は名称】久恒 京範

(74)【代理人】

【識別番号】100153280

【弁理士】

【氏名又は名称】寺川 賢祐

(72)【発明者】

【氏名】和田 存功

【審査官】山下 剛史

(56)【参考文献】

【文献】特表２０１７－５１３０５２（ＪＰ，Ａ）

【文献】特開２００２－１４９４８（ＪＰ，Ａ）

【文献】小野順貴，短時間フーリエ変換の基礎と応用，日本音響学会誌，2016年12月，72巻，12号，pp.764-769

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１０Ｌ １３／００－９９／００

ＩＥＥＥ Ｘｐｌｏｒｅ

(57)【特許請求の範囲】

【請求項1】

音声信号の入力データ列に対して、処理タイミング毎にＩＩＲ方式ＤＦＴを用いて周波数データに変換する第１変換部と、
前記周波数データに窓関数を用いて窓処理を実行する窓処理部と、
前記窓処理を実行した前記周波数データに予め定められた信号処理を実行する信号処理部と、
前記信号処理を実行した前記周波数データを時間軸データ列に変換する第２変換部と
を備え、
前記第２変換部は、
係数Ｗ（＝ｅ ^{２πｊ／Ｎ} ）と、前記信号処理を実行した前記周波数データとの積に基づいて、データ点数Ｎ個の前記周波数データから前記時間軸データ列のデータを算出し、
前記窓関数に対応して値が決定された遅延パラメータｍを用いて、前記時間軸データ列のデータを算出し、
前記時間軸データ列のデータをｘ'（ｎ）、前記窓関数をｈ（ｎ）、前記信号処理を実行した前記周波数データをＦ（ｎ）、ＩＩＲ方式ＤＦＴで用いるパラメータをｒとした場合に、

を用いて前記時間軸データ列のデータを算出し、
前記窓関数のデータ値を最大値で正規化した後に、前記窓関数のデータ値ｈ（ｎ）が０．５以上となるｎの値を前記遅延パラメータｍとして、前記時間軸データ列のデータを算出する、
音声信号処理装置。

【請求項2】

前記窓処理部は、前記窓関数にＤＦＴを実行して得られた第１関数と、前記周波数データとを畳み込み処理することで、前記窓処理を実行する、請求項１に記載の音声信号処理装置。

【請求項3】

前記窓関数は、７次の三角関数の線形結合で形成されている、請求項１または２に記載の音声信号処理装置。

【請求項4】

前記遅延パラメータｍは、データ点数Ｎに１０％以上かつ３０％未満の割合を乗じて整数化した値となるように設定されており、
前記窓関数は、前記窓関数のデータ値を最大値で正規化すると、先頭のデータ値ｈ（０）およびデータ値ｈ（Ｎ－１）が０であり、先頭から前記遅延パラメータｍだけ末尾にずれた位置のデータ値ｈ（ｍ）が０．８以上となるように形成されている、
請求項１から３のいずれか一項に記載の音声信号処理装置。

【請求項5】

入力する音声を音声信号として出力する音声入力装置と、
前記音声入力装置が出力する音声信号に予め定められた前記信号処理を実行する、請求項１から４のいずれか一項に記載の前記音声信号処理装置と
を備える、音声信号処理システム。

【請求項6】

音声信号の入力データ列に対して、処理タイミング毎にＩＩＲ方式ＤＦＴを用いて周波数データに変換するステップと、
前記周波数データに窓関数を用いて窓処理を実行するステップと、
前記窓処理を実行した前記周波数データに予め定められた信号処理を実行するステップと、
前記信号処理を実行した前記周波数データを時間軸データ列に変換するステップと
を備え、
前記周波数データを時間軸データ列に変換するステップは、
係数Ｗ（＝ｅ ^{２πｊ／Ｎ} ）と、前記信号処理を実行した前記周波数データとの積に基づいて、データ点数Ｎ個の前記周波数データから前記時間軸データ列のデータを算出し、
前記窓関数に対応して値が決定された遅延パラメータｍを用いて、前記時間軸データ列のデータを算出し、
前記時間軸データ列のデータをｘ'（ｎ）、前記窓関数をｈ（ｎ）、前記信号処理を実行した前記周波数データをＦ（ｎ）、ＩＩＲ方式ＤＦＴで用いるパラメータをｒとした場合に、

を用いて前記時間軸データ列のデータを算出し、
前記窓関数のデータ値を最大値で正規化した後に、前記窓関数のデータ値ｈ（ｎ）が０．５以上となるｎの値を前記遅延パラメータｍとして、前記時間軸データ列のデータを算出する、
音声信号処理方法。

【請求項7】

コンピュータにより実行されると、前記コンピュータを請求項１から４のいずれか一項に記載の前記音声信号処理装置として機能させる、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、音声信号処理装置、音声信号処理システム、音声信号処理方法、およびプログラムに関する。

【背景技術】

【0002】

時系列に並ぶデータ列を周波数変換して、周波数領域のデータ列にしてから所定の信号処理を実行し、再び時間領域のデータ列に変換する技術が知られている。時間領域のデータ列を周波数領域のデータ列に変換する手法としては、ＤＦＴ、ＩＩＲ方式ＤＦＴ等が知られている（例えば、非特許文献１を参照）。また、時間と共に周波数成分が変化する音声信号等を処理する場合、短時間フーリエ変換といった窓関数をオーバーラップさせつつ処理する技術が知られている（例えば、非特許文献２を参照）。

【先行技術文献】

【非特許文献】

【0003】

【文献】辻井重男，“デジタル信号処理の基礎”，電子情報通信学会，pp.99－103

【文献】小野順貴，“短時間フーリエ変換の基礎と応用”，日本音響学会誌，2016年，72巻，12号，pp.764－769

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、音声信号等を処理する場合、許容される遅延時間が０．００３秒程度以下といった高い処理速度が要求されることがある。窓関数をオーバーラップさせる短時間フーリエ変換は、オーバーラップさせた時間に応じて遅延が生じてしまうため、このような高い処理速度を達成できなくなる。そこで、音声信号等をより高速に処理できる技術が望まれていた。

【0005】

そこで、本発明はこれらの点に鑑みてなされたものであり、音声信号等を周波数変換しつつ、より高速に処理できるようにすることを目的とする。

【課題を解決するための手段】

【0006】

本発明の第１の態様においては、音声信号の入力データ列に対して、処理タイミング毎にＩＩＲ方式ＤＦＴを用いて周波数データに変換する第１変換部と、前記周波数データに窓関数を用いて窓処理を実行する窓処理部と、前記窓処理を実行した前記周波数データに予め定められた信号処理を実行する信号処理部と、前記信号処理を実行した前記周波数データを時間軸データ列に変換する第２変換部とを備える、音声信号処理装置を提供する。

【0007】

前記窓処理部は、前記窓関数にＤＦＴを実行して得られた第１関数と、前記周波数データとを畳み込み処理することで、前記窓処理を実行してもよい。

【0008】

前記窓関数は、７次の三角関数の線形結合で形成されていてもよい。

【0009】

前記第２変換部は、係数Ｗ（＝ｅ^{２πｊ／Ｎ}）と、前記信号処理を実行した前記周波数データとの積に基づいて、データ点数Ｎ個の前記周波数データから前記時間軸データ列のデータを算出してもよい。

【0010】

前記第２変換部は、前記窓関数に対応して値が決定された遅延パラメータｍを用いて、前記時間軸データ列のデータを算出してもよい。

【0011】

前記時間軸データ列のデータをｘ'（ｎ）、前記窓関数をｈ（ｎ）、前記信号処理を実行した前記周波数データをＦ（ｎ）、ＩＩＲ方式ＤＦＴで用いるパラメータをｒとした場合に、前記第２変換部は、

を用いて前記時間軸データ列のデータを算出してもよい。

【0012】

本発明の第２の態様においては、入力する音声を音声信号として出力する音声入力装置と、前記音声入力装置が出力する音声信号に予め定められた信号処理を実行する、第１の態様の前記音声信号処理装置とを備える、音声信号処理システムを提供する。

【0013】

本発明の第３の態様においては、音声信号の入力データ列に対して、処理タイミング毎にＩＩＲ方式ＤＦＴを用いて周波数データに変換するステップと、前記周波数データに窓関数を用いて窓処理を実行するステップと、前記窓処理を実行した前記周波数データに予め定められた信号処理を実行するステップと、前記信号処理を実行した前記周波数データを時間軸データ列に変換するステップとを備える、音声信号処理方法を提供する。

【0014】

本発明の第４の態様においては、コンピュータにより実行されると、前記コンピュータを第１の態様の前記音声信号処理装置として機能させる、プログラムを提供する。

【発明の効果】

【0015】

本発明によれば、音声信号等を高速に処理できるという効果を奏する。

【図面の簡単な説明】

【0016】

【図1】ハーフ・オーバーラップの概念を説明する概念図である。

【図2】本実施形態に係る音声信号処理装置１０の構成例を示す。

【図3】本実施形態に係る窓関数の係数の一例を示す。

【発明を実施するための形態】

【0017】

従来、時系列に並ぶデータ列に窓関数を乗じ、窓関数を乗じたデータ列を周波数変換してから所定の信号処理を実行し、再び時間領域のデータ列に変換する短時間フーリエ変換が知られていた。ＤＦＴ、ＩＤＦＴ等によって、このような時間領域から周波数領域への変換処理と、周波数領域から時間領域への変換処理との組み合わせを実行できることが知られている。なお、本実施形態において、ＤＦＴ処理はＦＦＴ処理を含み、ＩＤＦＴ処理はＩＦＦＴ処理を含むものとする。このようなＤＦＴおよびＩＤＦＴによる信号処理では複素乗算の回数が多い。そのため、変換に係るコンピュータ資源の割合が全体のコンピュータ資源に対して大きくなり、その他の信号処理の実装を阻害することになる。

【0018】

また、窓関数は、時間領域のデータ列に周期性を持たせるために、先頭および末尾の両端の値を０にし、先頭または末尾に近づくにつれて値が０に収束するように形成されている。したがって、信号処理後の周波数データ列を時間領域のデータ列に変換しても、窓関数の両端および両端近辺に対応するデータの値は０またはほとんど０となる。そこで、例えば、オーバーラップと呼ばれているような、窓関数を予め定められた値だけシフトさせて時間領域のデータ列に適用する方法が知られている。

【0019】

図１は、ハーフ・オーバーラップの概念を説明する概念図である。図１は、横軸が時間を示し、縦軸が信号レベルを示す。ここで、１つの窓関数の時間幅をＮとする。窓関数の時間幅Ｎは、データ点数に対応する。データ点数は、一例として、２５６点である。図１に示すような窓関数が時間領域のデータ列に乗じられると、窓関数の両端および両端近辺に対応するデータの値は０またはほとんど０となる。例えば、窓関数Ｗ１、窓関数Ｗ３、・・・が、窓関数の時間幅Ｎ毎に時間領域のデータ列に適用されて、乗じられると、窓関数Ｗ１および窓関数Ｗ３の間の期間Ｂのデータ列の値は０または０に近い値となる。

【0020】

したがって、このような期間Ｂのデータ列が周波数変換され、周波数変換されたデータ列から再び時間領域のデータ列が生成されると、データの値は０または０に近い値となってしまう。この場合、期間Ｂのデータ列を窓関数で減少した分だけ定数倍することが考えられるが、誤差が増加する。そこで、窓関数Ｗ１から時間幅Ｎの半分のＮ／２だけシフトさせた窓関数Ｗ２が更に用いられて、期間Ｂのデータ列を処理したデータ列を生成する処理がなされる。この場合、窓関数Ｗ１を適用した時間領域のデータ列が処理されて期間Ａのデータ列が生成され、窓関数Ｗ３が適用された時間領域のデータ列が処理されて期間Ｃのデータ列が生成される。これにより、ハーフ・オーバーラップにおいては、期間Ａから期間Ｃの全体の期間を処理したデータ列を誤差の増加を抑制しつつ生成できる。

【0021】

このようなオーバーラップにおいては、窓関数をオーバーラップした分だけ処理に遅延が生じる。ハーフ・オーバーラップの場合、一例として、信号のサンプリング周期を４８ｋＨｚとすると、遅延時間は、（Ｎ／２）×（１／４８ｋＨｚ）と計算され、略０．００２７秒となる。音声信号を用いた会議システム、カラオケ、ライブ音声伝送システム等においては、０．００３秒程度以上の遅延が利用者に違和感を与えることが知られている。したがって、時間領域から周波数領域への変換と、周波数領域から時間領域への変換とで略０．００２７秒も遅延してしまうと、他の処理を実行する時間がほとんどなくなってしまう。

【0022】

そこで、本実施形態に係る音声信号処理装置は、従来のオーバーラップを用いずに、音声信号の信号処理等をより高速に実行する。このような音声信号処理装置について、次に説明する。

【0023】

＜音声信号処理装置１０の構成例＞
図２は、本実施形態に係る音声信号処理装置１０の構成例を示す。音声信号処理装置１０には、音声信号を示すデータ列が入力される。音声信号は、例えば、マイク等から出力される信号である。音声信号処理装置１０は、入力されたデータ列に所定の信号処理を施してから、信号処理後の音声信号を出力する。音声信号処理装置１０は、例えば、音声信号に対して、雑音の低減処理、ハウリングの低減処理等を実行する。音声信号処理装置１０は、取得部１００と、第１変換部１１０と、窓処理部１２０と、信号処理部１３０と、第２変換部１４０とを備える。

【0024】

取得部１００は、音声信号のデータ列を取得する。取得部１００は、所定の信号処理を実行するためのデータ列を取得する。取得部１００は、例えば、送信器、ＡＤ変換器、記憶装置等からデータ列を取得する。また、取得部１００は、ネットワーク等に接続され、データベース等に記憶されているデータ列を取得してもよい。データ列は、一例として、時系列に並ぶ複数のデータを含む。

【0025】

取得部１００は、例えば、処理タイミング毎にデータ列のデータを１つずつ取得する。これに代えて、取得部１００は、処理タイミング毎にデータ列のデータを予め定められた点数ずつ取得してもよい。処理タイミングは、例えば、クロック信号等に同期したタイミングである。

【0026】

第１変換部１１０は、音声信号の入力データ列に対して、処理タイミング毎にＩＩＲ方式ＤＦＴを用いて周波数データに変換する。ＩＩＲ方式ＤＦＴは、次式の伝達関数に基づいて、入力データを周波数データに変換する。伝達関数は、例えば、Ｎ個のデータｚ_ｋ（ｋ＝０，１，２，・・・，Ｎ－１）においてそれぞれ指定された値Ｈ（ｚ_ｋ）となる（Ｎ－１）次のｚ^－１の多項式Ｈ（ｚ）を、ラグランジュの内挿公式を用いて算出されている。

【数1】

【0027】

ＩＩＲ方式ＤＦＴは、ＤＦＴをＩＩＲで実現させたフィルタである。ＩＩＲ方式ＤＦＴの詳細については、例えば、非特許文献１等に記載されているので、ここでは説明を省略する。なお、（数１）式において、ｊは虚数単位（ｊ^２＝－１）、ｒは０より大きく、１より小さい実数である。ｒは、ＩＩＲフィルタにおいて極が単位円の外に出て回路が不安定になってしまうことを防止するために用いられるパラメータである。

【0028】

第１変換部１１０は、例えば、処理タイミング毎に、入力データ列の次のデータｘ（ｎ）と、データｘ（ｎ）よりもＮ－１個過去のデータｘ（ｎ－Ｎ＋１）までのＮ－１個のデータを用いて出力したＮ－１個の値とに基づいて、周波数領域のデータ列を算出する。

【0029】

第１変換部１１０は、このようなＩＩＲ方式ＤＦＴを用いて時間領域のデータ列を周波数領域のデータ列に変換するので、一般的なＤＦＴと比較してより少ない記憶領域と演算量で変換処理を行う。例えば、データ点数Ｎのデータ列をＤＦＴする場合、複素乗算の回数にはＮ^２またはＮ×ｌｏｇ_２Ｎ程度の回数を必要とすることが知られている。これに対して、ＩＩＲ方式ＤＦＴでは、乗算回数をＮ回程度に低減できる。

【0030】

なお、一般的に、ＤＦＴの窓処理は、時間領域のデータ列のＮ個のデータに窓関数を乗じてから、乗算後のＮ個のデータを用いて周波数変換する。しかしながら、ＩＩＲ方式ＤＦＴは、ＤＦＴとは異なり、処理タイミング毎に、過去の出力と新たな１つのデータとを用いて周波数領域のデータ列を算出する。このように、ＩＩＲ方式ＤＦＴでは、時間領域のデータ列のうち１つのデータを用いて周波数変換するため、通常の窓処理は適用できない。

【0031】

そこで、窓処理部１２０は、第１変換部１１０が変換した周波数データに窓関数を用いて窓処理を実行する。ここで、例えば、窓関数ｈ（ｎ）を次式のように三角関数の線形結合で表されるものとする。

【数2】

【0032】

（数２）式は、次式のように置き換えることができる。

【数3】

【0033】

次に、次式のように窓処理の離散フーリエ変換を考え、（数３）式を代入する。ここで、ｋ＝０，１，２，・・・，Ｎ－１である。また、｛Ｆ（ｎ）：ｎ＝０，１，２，・・・，Ｎ－１｝は、｛ｘ（ｎ）：ｎ＝０，１，２，・・・，Ｎ－１｝の離散フーリエ変換である。

【数4】

【0034】

（数４）式より、時間領域のデータ列ｘ（ｎ）に窓関数ｈ（ｎ）を乗じて窓処理を施してから離散フーリエ変換した周波数領域のデータ列は、データ列ｘ（ｎ）および窓関数ｈ（ｎ）の離散フーリエ変換の畳み込みと一致する。そこで、窓処理部１２０は、窓関数ｈ（ｎ）にＤＦＴを実行して得られた第１関数と、第１変換部１１０が変換した周波数データとを畳み込み処理することで、窓処理を実行する。すなわち、窓処理部１２０は、第１変換部１１０がＩＩＲ方式ＤＦＴを用いて出力した周波数データに対して、窓処理を実行する。

【0035】

ここで、窓関数の次数をＭとすると、畳み込み演算の乗算回数はＮ×Ｍ程度であり、第１変換部１１０のＩＩＲ方式ＤＦＴの乗算回数との合計は、Ｎ×（Ｍ＋１）程度である。したがって、Ｍが極端に大きな値でなければ、窓処理部１２０までの処理は、ＤＦＴよりも高速に実行できる。窓処理部１２０は、例えば、このような窓処理を処理タイミング毎に実行する。

【0036】

信号処理部１３０は、窓処理を実行した周波数データに予め定められた信号処理を実行する。信号処理部１３０は、音声信号処理装置１０に入力された音声信号に施す信号処理を実行する。信号処理部１３０は、例えば、ノイズ低減処理、ハウリング低減処理等を実行する。窓処理部１２０が出力する周波数領域のデータは、時間領域のデータ列に窓関数を乗じて窓処理を施してから離散フーリエ変換した周波数領域のデータと略一致する。そのため、信号処理部１３０は、既知の信号処理を実行すればよい。なお、信号処理部１３０による既知の信号処理については、詳細な説明を省略する。

【0037】

第２変換部１４０は、信号処理を実行した周波数データを時間軸データ列に変換する。第２変換部１４０は、例えば、ＩＤＦＴ処理により、周波数領域のデータを時間領域のデータに変換する。ＩＤＦＴ処理は、既知の信号処理でよく、ここでは詳細な説明を省略する。

【0038】

以上の本実施形態に係る音声信号処理装置１０は、ＩＩＲ方式ＤＦＴと対応する窓処理を実行することにより、高速に周波数データに変換する。そのため、本実施形態に係る音声信号処理装置１０は、遅延時間を低減させつつ音声信号等に所定の信号処理を施して出力できる。

【0039】

また、第１変換部１１０は、ＩＩＲ方式ＤＦＴを用いて処理タイミング毎に音声信号を周波数データに変換する。そのため、後に述べるように、第２変換部１４０は、処理タイミング毎に変換した時間領域のデータのうち窓関数が平坦になっている部分に対応する１つのデータを採用して出力すればよい。したがって、以上の音声信号処理装置１０は、時間領域のデータ列に窓関数をオーバーラップする処理をすることなく、適切に周波数データに変換しつつ所定の信号処理を実行できる。言い換えると、音声信号処理装置１０は、オーバーラップによる時間遅延が生じないため、音声信号等をより高速に処理できる。

【0040】

なお、以上の音声信号処理装置１０において、第２変換部１４０が通常のＩＤＦＴ処理により、周波数データを時間軸データ列に変換する例を説明したが、これに限定されることはない。第２変換部１４０は、次に説明するように、より高速な変換処理を実行してもよい。

【0041】

＜第２変換部１４０の変換処理＞
ここで、離散逆フーリエ変換を示す行列［Ｗ^ｋｍ］を次式のように示す。

【数5】

【0042】

［Ｗ^ｋｍ］は、ユニタリ行列なので、単位行列をＥとすると、次式が成立する。

【数6】

【0043】

ここで、信号処理部１３０が出力する周波数データを｛Ｆ（ｎ）：ｎ＝０，１，２，・・・，Ｎ－１｝とすると、第２変換部１４０は、Ｆ（ｎ）の逆離散フーリエ変換を算出することになる。ここで、Ｆ（ｎ）の逆離散フーリエ変換は、｛ｈ（ｎ）ｒ^ｎｘ’（ｎ）：ｎ＝０，１，２，・・・，Ｎ－１｝と表され、次式が成立する。

【数7】

【0044】

（数７）式より、Ｆ（ｎ）を逆離散フーリエ変換した結果のうち、ｍ番目のデータは、次式のように表される。

【数8】

【0045】

ここで、第２変換部１４０は、取得部１００が取得する時間領域のデータ列ｘ（ｎ）に対応して信号処理した時間領域のデータ列ｘ’（ｎ）を出力すればよい。言い換えると、第２変換部１４０は、Ｆ（ｎ）を逆離散フーリエ変換した結果のうち、時間領域のデータ列ｘ（ｎ）に対応するデータ列ｘ’（ｎ）を算出できればよい。例えば、第２変換部１４０は、（数８）式に基づいて、次式のように、係数Ｗ（＝ｅ^{２πｊ／Ｎ}）と、信号処理を実行した周波数データＦ（ｎ）との積に基づいて、データ点数Ｎ個の周波数データから時間軸データ列のデータｘ’（ｍ）を算出する。

【数9】

【0046】

第２変換部１４０は、例えば、処理タイミング毎に（数９）式を算出する。データ点数Ｎのデータ列をＩＤＦＴする場合、ＤＦＴと同様に、複素乗算の回数はＮ×ｌｏｇ_２Ｎ程度が必要であることが知られている。これに対して、第２変換部１４０は、（数９）式を用いることにより、複素乗算の回数をＮ回程度に低減できる。

【0047】

（数９）式において、ｒは既に説明したＩＩＲ方式ＤＦＴで用いるパラメータである。また、ｍは窓関数に対応して値が決定された遅延パラメータである。窓関数ｈ（ｎ）は、入力データ列を区間Ｎに対応する周期的な関数とするために用いられているので、例えば、先頭ｈ（０）または末尾ｈ（Ｎ－１）に近づくにつれて値が０に収束するように形成されている。したがって、先頭ｈ（０）に対応するデータｘ’（０）と、末尾ｈ（Ｎ－１）に対応するデータｘ’（Ｎ－１）は、最も分母が小さくなり、精度が不確定になってしまう。

【0048】

したがって、第２変換部１４０では、窓関数の値が十分に大きくなる程度まで、ｍの値を大きくしてデータｘ’（ｍ）を算出することが好ましい。しかしながら、ｍの値が大きくなると、第２変換部１４０がデータｘ’（ｍ）を算出する処理時間が大きくなってしまうことがある。そこで、用いる窓関数に対応して、適切なｍの値が予め設定されていることがより好ましい。例えば、窓関数のデータの値を最大値で正規化した場合、データ値が０．５以上となるようなｍの値が設定されている。この場合、窓関数のデータの値が０．７となるようなｍの値が設定されていることが望ましく、また、窓関数のデータの値が０．８となるようなｍの値が設定されていることがより望ましい。

【0049】

ここで、窓処理部１２０は、例えば、既知の窓関数を用いてもよい。例えば、窓関数は、ガウス窓、ハン窓、ハミング窓、テューキー窓、ハニング窓、ブラックマン窓、カイザー窓等である。これらの既知の窓関数は、先頭ｈ（０）近辺のデータの値は０に近い値であり、データの値が比較的緩やかに大きくなる関数である。そのため、適切なの値としてｍは、例えば、データ点数Ｎの３０％以上の値に設定されていた。そこで、より立ち上がりが急峻な窓関数を用いて、第２変換部１４０の時間軸データの算出をより高速化させてもよい。そこで、立ち上がりが急峻な窓関数の例を次に説明する。

【0050】

＜窓関数の生成＞
立ち上がりが急峻な窓関数の例は、７次の三角関数の線形結合で形成されている窓関数である。このような窓関数は、一例として、（数２）式で表される窓関数の係数{α_ｍ：ｍ＝０，１，・・・，Ｍ－１｝を次式で示すラグランジュの未定乗数法により算出できる。ここで、Ｎ＝２５６、Ｍ＝８とする。

【数10】

【0051】

（数１０）式の例において、ｍ_１は窓関数の水平部の開始点、Ｎ－ｍ_１は窓関数の水平部の終了点、右辺第一項は水平部の最小二乗和、右辺第二項はｈ（０）＝０、右辺第三項はｈ（Ｎ／２）＝１、右辺第四項は２７番目の値を０．８とすることを示す。（数１０）式に示す係数{α_ｍ：ｍ＝０，１，・・・，Ｍ－１｝は、右辺を{α_ｍ：ｍ＝０，１，・・・，Ｍ－１}、λ、μ、σで偏微分し、左辺＝0とすることで、図３に示すように算出できる。

【0052】

以上のように、７次の三角関数の線形結合で形成されている窓関数は、例えば、データ点数２５６点のうち、平坦な領域の値を１、０番目の値を０、ｒ＝０．９９５とした場合に、２７番目の値を０．８とすることができる。言い換えると、生成した窓関数は、急峻な立ち上がりを有する。この場合、例えば、（数９）式の遅延パラメータｍをデータ点数Ｎの１０％程度である３０程度の値に設定することができるため、第２変換部１４０は、時間軸データをより高速に算出することができる。

【0053】

なお、窓関数の例として７次の三角関数の線形結合を説明したが、これに限定されることはない。窓関数は、立ち上がりが急峻で、かつ、より次数の低い窓関数であればよい。例えば、窓関数は、６次から１０次までの三角関数の線形結合であってもよく、７次から９次までの三角関数の線形結合であることが望ましい。このような三角関数の線形結合であっても、既に説明したようなラグランジュの未定乗数法を用いることで、窓処理部１２０は、適切に算出された窓関数を用いることができる。

【0054】

以上の本実施形態に係る音声信号処理装置１０は、音声信号処理システムの少なくとも一部として機能してもよい。例えば、音声信号処理装置１０は、音声信号を出力する音声入力装置と音声信号処理システムを構成する。言い換えると、音声信号処理システムは、例えば、音声入力装置と、音声信号処理装置１０とを備える。音声入力装置は、入力する音声を音声信号として出力する。音声入力装置は、例えば、マイクロホンである。

【0055】

音声信号処理装置１０は、このような音声入力装置が出力する音声信号に予め定められた信号処理を実行する。音声信号処理装置１０は、音声入力装置から無線または有線で音声信号を受信する。音声信号処理装置１０は、一例として、赤外通信により音声入力装置から音声信号を受信する。このような音声信号処理システムは、カラオケ、会議システム、ライブ音声伝送システム等として機能することができる。

【0056】

以上の本実施形態に係る音声信号処理装置１０では、少なくとも一部が集積回路等で構成されていることが望ましい。例えば、音声信号処理装置１０は、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）、および／またはＣＰＵ（Central Processing Unit）を含む。

【0057】

音声信号処理装置１０の少なくとも一部をコンピュータ等で構成する場合、当該音声信号処理装置１０は、記憶部を含む。記憶部は、一例として、音声信号処理装置１０を実現するコンピュータ等のＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）、および作業領域となるＲＡＭ（Random Access Memory）を含む。また、記憶部は、ＯＳ（Operating System）、アプリケーションプログラム、および／または当該アプリケーションプログラムの実行時に参照されるデータベースを含む種々の情報を格納してよい。即ち、記憶部は、ＨＤＤ（Hard Disk Drive）および／またはＳＳＤ（Solid State Drive）等の大容量記憶装置を含んでよい。

【0058】

ＣＰＵ等のプロセッサは、記憶部に記憶されたプログラムを実行することによって、取得部１００、第１変換部１１０、窓処理部１２０、信号処理部１３０、および第２変換部１４０として機能する。音声信号処理装置１０は、ＧＰＵ（Graphics Processing Unit）等を含んでもよい。

【0059】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

【符号の説明】

【0060】

１０ 音声信号処理装置
１００ 取得部
１１０ 第１変換部
１２０ 窓処理部
１３０ 信号処理部
１４０ 第２変換部

【図1】

【図2】

【図3】