JP5498452B2 - 背景音抑圧装置、背景音抑圧方法、およびプログラム - Google Patents
背景音抑圧装置、背景音抑圧方法、およびプログラム Download PDFInfo
- Publication number
- JP5498452B2 JP5498452B2 JP2011182277A JP2011182277A JP5498452B2 JP 5498452 B2 JP5498452 B2 JP 5498452B2 JP 2011182277 A JP2011182277 A JP 2011182277A JP 2011182277 A JP2011182277 A JP 2011182277A JP 5498452 B2 JP5498452 B2 JP 5498452B2
- Authority
- JP
- Japan
- Prior art keywords
- resolution
- sound source
- source position
- occupancy
- spectral
- 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.)
- Active
Links
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
Description
まず、図1、図2を参照して、従来の背景音抑圧装置10の動作の概略を説明する。図1は従来の背景音抑圧装置10の構成を示すブロック図である。図2は従来の背景音抑圧装置10の動作を示すフローチャートである。
高解像度スペクトル特徴量X_(n,k)と高解像度占有度^M(j)_(n,k)とスペクトルパラメータの事前確率密度関数p(q(j))と高解像度スペクトル特徴量のモデルβ_(q(j),n,k)(S)とを用いて、式(15)に示すように、スペクトルパラメータの推定値^q(j)を更新する(M−step)。
高解像度占有度^M(j)_(n,k)と高解像度音源位置特徴量A_(n,k)とを用いて、式(17)に示すように、音源位置パラメータ^φ(j)を更新する(M−step)。
スペクトルパラメータ^q(j)と高解像度音源位置特徴量A_(n,k)と高解像度スペクトル特徴量X_(n,k)と高解像度スペクトル特徴量のモデルβ_(q(j),n,k)(S)とを用いて、式(18)に示すように、高解像度占有度^M(j)_(n,k)を更新する(E−step)。
従来の背景音抑圧装置10は、高解像度占有度推定部500において、スペクトルパラメータ^q(j)と音源位置パラメータ^φ(j)、および高解像度占有度^M(j)_(n,k)の更新のために、式(15)(17)(18)を繰返し実行する。このとき、高解像度スペクトル特徴量X_(n,k)および高解像度音源位置特徴量A_(n,k)の次元が増すほど、すなわち、各フレームの周波数ビンの総数Nkが増えるほど、計算コストが大きくなるという問題があった。
実施例1では、従来例で計算コストを増大させていたスペクトルパラメータ^q(j)の繰返し推定については、周波数の解像度を落とした空間での繰り返し推定により求める。これにより、効率的にスペクトルパラメータ^q(j)を推定できるようになる。さらに、推定したスペクトルパラメータ^q(j)と高解像度スペクトルモデルと高解像度音源位置占有度を用いることで、高解像度占有度を推定できる。このとき、高解像度占有度の推定には、繰返し処理は必要ないので、計算コストは大きくならない。その結果、スペクトルパラメータ^q(j)と高解像度占有度を効率的に求めることができるようになる。なお、本構成においても、高解像度音源位置占有度の推定のために繰返し処理が必要であるが、この処理は、従来例の高解像度占有度推定のための繰返し処理と比較して、小さい計算コストで実現することができる。
音源jごとに、式(22)を満たすスペクトルパラメータの推定値^q(j)=[^q(j)_(0),…,^q(j)_(Ns)]を、Viterbiアルゴリズムを用いて更新する。
低解像度占有度M ̄(j)_(n,k ̄)を、式(32)に示すように、更新する(E−step)。
(3−1)K(j)_(n,r,k)を、以下のように更新する。
(1)スペクトルパラメータの推定値の更新(S521)
音源jごとに、式(22’)を満たすスペクトルパラメータの推定値^q(j)=[^q(j)_(0),…,^q(j)_(Ns)]を、Viterbiアルゴリズムを用いて更新する。
高解像度占有度M(j)_(n,k)を、式(32’)に示すように、更新する(E−step)。
本発明の背景音抑圧装置を評価する目的で確認実験を行った。
上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。
100 特徴抽出部 200、210 音源位置占有度推定部
300 周波数解像度低減部 400 低解像度占有度推定部
500、520 高解像度占有度推定部 510 高解像度占有度再推定部
600 目的音声推定部
700 低解像度スペクトルモデル記憶部
800、810 高解像度スペクトルモデル記憶部
900 高解像度音源位置モデル記憶部
Claims (7)
- 複数のマイクロホンで収音した時間領域信号を時間周波数領域信号に変換した観測信号x(m)_(n,k)から、背景音を抑圧し目的音声の推定値^S(j)_(n,k)を抽出する背景音抑圧装置であって、
mはマイクロホンの番号を表し、nはフレームの番号を表し、kは高解像度での周波数ビンの番号を表し、k ̄は低解像度での周波数ビンの番号を表し、jは音源の番号を表すとして、
各音源信号のスペクトルパラメータの事前確率密度関数p(q(j))と各音源信号の低解像度スペクトル特徴量モデルβ ̄_(q(j),n,k ̄)(S)が記憶された低解像度スペクトルモデル記憶部と、
各音源信号の高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)が記憶された高解像度スペクトルモデル記憶部と、
前記観測信号x(m)_(n,k)から、高解像度音源位置特徴量A_(n,k)と高解像度スペクトル特徴量X_(n,k)を抽出する特徴抽出部と、
前記高解像度音源位置特徴量A_(n,k)から、各音源信号の音源位置パラメータφ(j)を求め、前記高解像度音源位置特徴量A_(n,k)と前記音源位置パラメータφ(j)から、各音源信号の高解像度音源位置占有度Q(j)_(n,k)を求める音源位置占有度推定部と、
前記高解像度スペクトル特徴量X_(n,k)と前記高解像度音源位置占有度Q(j)_(n,k)から、近傍周波数間の平滑化処理により、低解像度スペクトル特徴量X ̄_(n,k ̄)と低解像度音源位置占有度Q ̄(j)_(n,k ̄)を求める周波数解像度低減部と、
前記低解像度スペクトル特徴量X ̄_(n,k ̄)と前記低解像度音源位置占有度Q ̄(j)_(n,k ̄)と前記事前確率密度関数p(q(j))と前記低解像度スペクトル特徴量モデルβ ̄_(q(j),n,k ̄)(S)から、対数尤度関数を最大化するように、各音源信号のスペクトルパラメータの推定値^q(j)を求める低解像度占有度推定部と、
前記高解像度スペクトル特徴量X_(n,k)と前記スペクトルパラメータの推定値^q(j)と前記高解像度音源位置占有度Q(j)_(n,k)と前記高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)から、高解像度占有度の推定値^M(j)_(n,k)を求める高解像度占有度再推定部と、
前記スペクトルパラメータの推定値^q(j)と前記高解像度占有度の推定値^M(j)_(n,k)と前記高解像度スペクトル特徴量X_(n,k)と前記高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)から、前記目的音声の推定値^S(j)_(n,k)を求める目的音声推定部を備える
ことを特徴とする背景音抑圧装置。 - 請求項1に記載の背景音抑圧装置であって、
前記周波数解像度低減部は、前記高解像度スペクトル特徴量X_(n,k)とフィルタ係数F_(k ̄)を用いてフィルタバンク処理により前記低解像度スペクトル特徴量X ̄_(n,k ̄)を求め、前記高解像度音源位置占有度Q(j)_(n,k)を前記フィルタ係数F_(k ̄)と高解像度スペクトル特徴量X_(n,k)を引数とする関数値で重み付けした平均値を計算することにより、前記低解像度音源位置占有度Q ̄(j)_(n,k ̄)を求める
ことを特徴とする背景音抑圧装置。 - 請求項1又は2に記載の背景音抑圧装置であって、
各音源信号の高解像度音源位置特徴量の確率密度関数γ(j)_(k)(A)が記憶された高解像度音源位置モデル記憶部を備え、
前記音源位置占有度推定部は、前記高解像度音源位置特徴量A_(n,k)と前記確率密度関数γ(j)_(k)(A)から、各音源信号の前記高解像度音源位置占有度Q(j)_(n,k)を求める
ことを特徴とする背景音抑圧装置。 - 複数のマイクロホンで収音した時間領域信号を時間周波数領域信号に変換した観測信号x(m)_(n,k)から、背景音を抑圧し目的音声の推定値^S(j)_(n,k)を抽出する背景音抑圧方法であって、
mはマイクロホンの番号を表し、nはフレームの番号を表し、kは高解像度での周波数ビンの番号を表し、k ̄は低解像度での周波数ビンの番号を表し、jは音源の番号を表すとして、
低解像度スペクトルモデル記憶部に、各音源信号のスペクトルパラメータの事前確率密度関数p(q(j))と各音源信号の低解像度スペクトル特徴量モデルβ ̄_(q(j),n,k ̄)(S)が記憶されており、
高解像度スペクトルモデル記憶部に、各音源信号の高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)が記憶されており、
特徴抽出部が、前記観測信号x(m)_(n,k)から、高解像度音源位置特徴量A_(n,k)と高解像度スペクトル特徴量X_(n,k)を抽出する特徴抽出ステップと、
音源位置占有度推定部が、前記高解像度音源位置特徴量A_(n,k)から、各音源信号の音源位置パラメータφ(j)を求め、前記高解像度音源位置特徴量A_(n,k)と前記音源位置パラメータφ(j)から、各音源信号の高解像度音源位置占有度Q(j)_(n,k)を求める音源位置占有度推定ステップと、
周波数解像度低減部が、前記高解像度スペクトル特徴量X_(n,k)と前記高解像度音源位置占有度Q(j)_(n,k)から、近傍周波数間の平滑化処理により、低解像度スペクトル特徴量X ̄_(n,k ̄)と低解像度音源位置占有度Q ̄(j)_(n,k ̄)を求める周波数解像度低減ステップと、
低解像度占有度推定部が、前記低解像度スペクトル特徴量X ̄_(n,k ̄)と前記低解像度音源位置占有度Q ̄(j)_(n,k ̄)と前記事前確率密度関数p(q(j))と前記低解像度スペクトル特徴量モデルβ ̄_(q(j),n,k ̄)(S)から、対数尤度関数を最大化するように、各音源信号のスペクトルパラメータの推定値^q(j)を求める低解像度占有度推定ステップと、
高解像度占有度再推定部が、前記高解像度スペクトル特徴量X_(n,k)と前記スペクトルパラメータの推定値^q(j)と前記高解像度音源位置占有度Q(j)_(n,k)と前記高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)から、高解像度占有度の推定値^M(j)_(n,k)を求める高解像度占有度再推定ステップと、
目的音声推定部が、前記スペクトルパラメータの推定値^q(j)と前記高解像度占有度の推定値^M(j)_(n,k)と前記高解像度スペクトル特徴量X_(n,k)と前記高解像度スペクトル特徴量モデルβ_(q(j),n,k)(S)から、前記目的音声の推定値^S(j)_(n,k)を求める目的音声推定ステップを備える
ことを特徴とする背景音抑圧方法。 - 請求項4に記載の背景音抑圧方法であって、
前記周波数解像度低減ステップは、前記高解像度スペクトル特徴量X_(n,k)とフィルタ係数F_(k ̄)を用いてフィルタバンク処理により前記低解像度スペクトル特徴量X ̄_(n,k ̄)を求め、前記高解像度音源位置占有度Q(j)_(n,k)を前記フィルタ係数F_(k ̄)と高解像度スペクトル特徴量X_(n,k)を引数とする関数値で重み付けした平均値を計算することにより、前記低解像度音源位置占有度Q ̄(j)_(n,k ̄)を求める
ことを特徴とする背景音抑圧方法。 - 請求項4又は5に記載の背景音抑圧方法であって、
高解像度音源位置モデル記憶部に、各音源信号の高解像度音源位置特徴量の確率密度関数γ(j)_(k)(A)が記憶されており、
前記音源位置占有度推定ステップは、前記高解像度音源位置特徴量A_(n,k)と前記確率密度関数γ(j)_(k)(A)から、各音源信号の前記高解像度音源位置占有度Q(j)_(n,k)を求める
ことを特徴とする背景音抑圧方法。 - 請求項4から6に記載のいずれかの背景音抑圧方法をコンピュータに実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011182277A JP5498452B2 (ja) | 2011-08-24 | 2011-08-24 | 背景音抑圧装置、背景音抑圧方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011182277A JP5498452B2 (ja) | 2011-08-24 | 2011-08-24 | 背景音抑圧装置、背景音抑圧方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013044908A JP2013044908A (ja) | 2013-03-04 |
JP5498452B2 true JP5498452B2 (ja) | 2014-05-21 |
Family
ID=48008869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011182277A Active JP5498452B2 (ja) | 2011-08-24 | 2011-08-24 | 背景音抑圧装置、背景音抑圧方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5498452B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986832B (zh) * | 2018-07-12 | 2020-12-15 | 北京大学深圳研究生院 | 基于语音出现概率和一致性的双耳语音去混响方法和装置 |
-
2011
- 2011-08-24 JP JP2011182277A patent/JP5498452B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013044908A (ja) | 2013-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6243858B2 (ja) | 音声モデル学習方法、雑音抑圧方法、音声モデル学習装置、雑音抑圧装置、音声モデル学習プログラム及び雑音抑圧プログラム | |
JP6235938B2 (ja) | 音響イベント識別モデル学習装置、音響イベント検出装置、音響イベント識別モデル学習方法、音響イベント検出方法及びプログラム | |
CN101416237B (zh) | 基于源和室内声学的概率模型的语音去混响方法和设备 | |
JP4586577B2 (ja) | 外乱成分抑圧装置、コンピュータプログラム、及び音声認識システム | |
JP2011215317A (ja) | 信号処理装置、および信号処理方法、並びにプログラム | |
JP5351856B2 (ja) | 音源パラメータ推定装置と音源分離装置とそれらの方法と、プログラムと記憶媒体 | |
JP6748304B2 (ja) | ニューラルネットワークを用いた信号処理装置、ニューラルネットワークを用いた信号処理方法及び信号処理プログラム | |
JP4705414B2 (ja) | 音声認識装置、音声認識方法、音声認識プログラムおよび記録媒体 | |
JP2016143042A (ja) | 雑音除去装置及び雑音除去プログラム | |
JP5881454B2 (ja) | 音源ごとに信号のスペクトル形状特徴量を推定する装置、方法、目的信号のスペクトル特徴量を推定する装置、方法、プログラム | |
KR20220022286A (ko) | 잔향 제거 오토 인코더를 이용한 잔향 환경 임베딩 추출 방법 및 장치 | |
Ueda et al. | Single-channel dereverberation for distant-talking speech recognition by combining denoising autoencoder and temporal structure normalization | |
JP5670298B2 (ja) | 雑音抑圧装置、方法及びプログラム | |
JP6721165B2 (ja) | 入力音マスク処理学習装置、入力データ処理関数学習装置、入力音マスク処理学習方法、入力データ処理関数学習方法、プログラム | |
JP5438704B2 (ja) | 音源パラメータ推定装置と音源分離装置とそれらの方法とプログラム | |
JP4891805B2 (ja) | 残響除去装置、残響除去方法、残響除去プログラム、記録媒体 | |
JP5498452B2 (ja) | 背景音抑圧装置、背景音抑圧方法、およびプログラム | |
JP5740362B2 (ja) | 雑音抑圧装置、方法、及びプログラム | |
JP5530988B2 (ja) | 背景音抑圧装置、背景音抑圧方法、およびプログラム | |
EP3557576A1 (en) | Target sound emphasis device, noise estimation parameter learning device, method for emphasizing target sound, method for learning noise estimation parameter, and program | |
JP4729534B2 (ja) | 残響除去装置、残響除去方法、残響除去プログラム、および、その記録媒体 | |
JP4464797B2 (ja) | 音声認識方法、この方法を実施する装置、プログラムおよびその記録媒体 | |
JP6114053B2 (ja) | 音源分離装置、音源分離方法、およびプログラム | |
JP6827908B2 (ja) | 音源強調装置、音源強調学習装置、音源強調方法、プログラム | |
KR101862352B1 (ko) | 음성 인식을 위한 전처리 장치, 및 이를 이용한 음성 인식 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130829 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140304 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140307 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5498452 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |