JP5588233B2 - Noise suppression device and program - Google Patents
Noise suppression device and program Download PDFInfo
- Publication number
- JP5588233B2 JP5588233B2 JP2010133098A JP2010133098A JP5588233B2 JP 5588233 B2 JP5588233 B2 JP 5588233B2 JP 2010133098 A JP2010133098 A JP 2010133098A JP 2010133098 A JP2010133098 A JP 2010133098A JP 5588233 B2 JP5588233 B2 JP 5588233B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- spectrum
- speech
- frequency spectrum
- coefficient
- 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
- 230000001629 suppression Effects 0.000 title claims description 67
- 238000001228 spectrum Methods 0.000 claims description 152
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 17
- 238000001514 detection method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012886 linear function Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- UNPLRYRWJLTVAE-UHFFFAOYSA-N Cloperastine hydrochloride Chemical compound Cl.C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)OCCN1CCCCC1 UNPLRYRWJLTVAE-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009408 flooring Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Landscapes
- Noise Elimination (AREA)
Description
本発明は、雑音抑圧装置およびプログラムに関し、特に、音声に付加された雑音成分を抑圧する雑音抑圧装置およびプログラムに関する。 The present invention relates to a noise suppression device and a program, and more particularly, to a noise suppression device and a program for suppressing a noise component added to speech.
生中継を含むテレビやラジオなど放送用の音声の収録は、必ずしも音声素材の収録に適した環境で行われるとは限らず、様々な雑音も同時に収録されることとなる。そのような環境下においても放送に耐えうる明瞭な音声を得るには、混入した雑音を高品質に抑圧する技術が必要である。 Recording of audio for broadcasting such as television and radio including live broadcasting is not necessarily performed in an environment suitable for recording of audio material, and various noises are also recorded at the same time. In order to obtain clear audio that can withstand broadcasting even in such an environment, a technique for suppressing mixed noise with high quality is required.
従来から、音声に付加された雑音成分を抑圧する方法としては様々なものが提案されており、例えばスペクトルサブトラクションがよく知られている。以下に、スペクトルサブトラクションの原理を説明する。 Conventionally, various methods for suppressing a noise component added to speech have been proposed. For example, spectral subtraction is well known. In the following, the principle of spectral subtraction will be described.
tを時刻として、雑音混入音声y(t)が、入力音声x(t)と加法性雑音d(t)との和で[数1]のように構成されるとする。ここで、雑音混入音声y(t)は予め適切なサンプリング周波数でサンプリングされているとする。
その離散フーリエ変換による周波数表現は、ωを離散角周波数として、[数2]のように表わされる。
雑音混入音声y(t)の周波数スペクトルY(ω)を極座標形式で表現すると、[数3]のように表わされる。以降では、|Y(ω)|、φy(ω)をそれぞれ雑音混入音声y(t)の振幅スペクトル、位相スペクトルと呼ぶ。
雑音d(t)の周波数スペクトルD(ω)も同様に振幅スペクトル、位相スペクトルを用いて、[数4]のように表わされる。
実際には雑音の振幅スペクトル|D(ω)|は未知だが、非音声区間から推定した値|Dest(ω)|で置換できる。また、位相成分は音声の知覚への影響が少ないので、雑音の位相スペクトルφd(ω)を雑音混入音声の位相スペクトルφy(ω)で置換できる。 Actually, the amplitude spectrum of noise | D (ω) | is unknown, but can be replaced by a value | D est (ω) | estimated from the non-speech interval. Further, since the phase component has little influence on speech perception, the noise phase spectrum φ d (ω) can be replaced with the phase spectrum φ y (ω) of the noise-mixed speech.
すると、雑音抑圧音声の周波数スペクトルX'(ω)は、例えば[数5]のように表わされる(例えば、特許文献1参照)。雑音抑圧音声x'(t)はX'(ω)を逆フーリエ変換することで求めることができる。ここで、α(ω)は雑音を減算する倍率(over-estimation factor)(以下、減算倍率と記す)であり、β(ω)はスペクトルの下限を決めるパラメータ(flooring factor)(以下、下限パラメータと記す)である。なお、Max{A,B}はAとBのうち大きい方を示す関数である。このような関数を用いるのは、振幅スペクトルが負の値を取り得ないためである。
特許文献1に開示された従来の方法では、雑音のスペクトル包絡を求め、これに依存した減算倍率α(ω)、下限パラメータβ(ω)を算出している。しかしながら、この方法では、スペクトル包絡を算出するために、雑音の周波数スペクトルD(ω)に対してさらにフーリエ変換および逆フーリエ変換を行う必要があり、計算量が非常に多くなるという問題がある。
In the conventional method disclosed in
本発明は、このような従来の課題を解決するためになされたものであって、計算量を抑えて高品質な雑音抑圧音声を得ることができる雑音抑圧装置およびプログラムを提供することを目的とする。 The present invention has been made to solve such a conventional problem, and an object of the present invention is to provide a noise suppression device and a program capable of obtaining high-quality noise-suppressed speech while suppressing the amount of calculation. To do.
本発明の雑音抑圧装置は、雑音混入音声を入力として、スペクトルサブトラクションにより雑音抑圧音声を出力として得る雑音抑圧装置であって、前記雑音混入音声の周波数スペクトルを求める周波数解析手段と、前記雑音混入音声の非音声区間の周波数スペクトルから雑音の周波数スペクトルを推定する雑音スペクトル推定手段と、前記雑音混入音声の周波数スペクトルと前記雑音の周波数スペクトルの離散角周波数ごとの大小関係に応じて、雑音抑圧スペクトルを算出する雑音抑圧スペクトル算出手段と、を備え、前記雑音抑圧スペクトル算出手段が、離散角周波数の関数であり、前記雑音の周波数スペクトルに対する前記雑音混入音声の周波数スペクトルの比に依存する第1の係数を設定する第1の係数設定手段と、離散角周波数の関数であり、前記第1の係数に依存する第2の係数を設定する第2の係数設定手段と、前記雑音混入音声の周波数スペクトルから、前記雑音の周波数スペクトルに前記第1の係数を乗じた周波数スペクトルを減算する減算手段と、前記雑音混入音声の周波数スペクトルに前記第2の係数を乗じた周波数スペクトルを算出する乗算手段と、前記減算手段が出力する周波数スペクトルと前記乗算手段が出力する周波数スペクトルを比較して、離散角周波数ごとに大きい方を出力することにより前記雑音抑圧スペクトルを算出する比較手段と、を備える構成を有している。 The noise suppression device of the present invention is a noise suppression device that receives noise-mixed speech as input and obtains noise-suppressed speech as an output by spectrum subtraction, a frequency analysis means for obtaining a frequency spectrum of the noise-mixed speech, and the noise-mixed speech Noise spectrum estimation means for estimating the frequency spectrum of noise from the frequency spectrum of the non-speech interval, and depending on the magnitude relationship of the frequency spectrum of the noise-mixed speech and the frequency spectrum of the noise for each discrete angular frequency, a noise suppression spectrum is obtained. and a noise suppression spectrum calculation means for calculating the noise suppression spectrum calculation unit, Ri functions der discrete angular frequency, first that depend on the ratio of the frequency spectrum of the noise-containing speech with respect to the frequency spectrum of the noise 1 a first coefficient setting means for setting the coefficients of the discrete angular frequency of Seki , And the said second coefficient setting means for setting a second factor that depends on the first coefficient, the frequency spectrum of the noisy speech, multiplied by the first coefficient in the frequency spectrum of said noise frequency Subtracting means for subtracting the spectrum, multiplying means for calculating the frequency spectrum obtained by multiplying the frequency spectrum of the noise-containing speech by the second coefficient, the frequency spectrum output by the subtracting means, and the frequency spectrum output by the multiplying means And comparing means for calculating the noise suppression spectrum by outputting the larger one for each discrete angular frequency.
この構成により、スペクトル包絡を計算することなく減算倍率(第1の係数)を算出し、さらに下限パラメータ(第2の係数)を減算倍率に基づいて算出するため、計算量を抑えて高品質な雑音抑圧音声を得ることができる。 With this configuration, the subtraction magnification (first coefficient) is calculated without calculating the spectral envelope, and the lower limit parameter (second coefficient) is calculated based on the subtraction magnification. Noise-suppressed speech can be obtained.
また、本発明の雑音抑圧装置においては、前記第2の係数設定手段が、前記第2の係数が前記第1の係数に対して単調減少するように前記第2の係数を設定する構成を有していてもよい。
また、本発明の雑音抑圧装置においては、前記第2の係数β(ω)が、以下の式(1)に示される前記第1の係数α(ω)の関数であってもよい。
In the noise suppression device of the present invention, the second coefficient β (ω) may be a function of the first coefficient α (ω) represented by the following expression (1).
本発明は、スペクトル包絡を計算することなく減算倍率を算出し、さらに下限パラメータを減算倍率に基づいて算出することにより、計算量を抑えて高品質な雑音抑圧音声を得ることができる雑音抑圧装置およびプログラムを提供するものである。 The present invention relates to a noise suppression device that can calculate a subtraction magnification without calculating a spectrum envelope, and further calculate a lower limit parameter based on the subtraction magnification, thereby obtaining high-quality noise-suppressed speech with a reduced amount of calculation. And provide a program.
以下、本発明に係る雑音抑圧装置およびプログラムの実施形態を図面を用いて説明する。 Embodiments of a noise suppression device and a program according to the present invention will be described below with reference to the drawings.
図1、2は本実施形態の雑音抑圧装置の構成を示すブロック図である。即ち、図1に示すように、本実施形態の雑音抑圧装置は、入力された雑音混入音声y(t)を複数の分析フレームFm(mは自然数)に対応させて切り出す音声波形切り出し手段1と、音声波形切り出し手段1によって切り出された雑音混入音声ym(t)の周波数スペクトルYm(ω)(以下、雑音混入スペクトルと記す)を求める周波数解析手段2と、雑音混入音声y(t)から非音声区間を検出するとともに、各分析フレームFmに対応した雑音混入音声ym(t)が非音声区間に属するものであるか否かを判定する非音声区間検出手段3と、非音声区間に属する雑音混入音声ym(t)の雑音混入スペクトルYm(ω)から雑音の周波数スペクトルD'(ω)(以下、推定雑音スペクトルと記す)を推定する雑音スペクトル推定手段4と、雑音混入スペクトルYm(ω)と推定雑音スペクトルD'(ω)の離散角周波数ωごとの大小関係に応じて、雑音抑圧スペクトルX'(ω)を算出する雑音抑圧スペクトル算出手段5と、を備える。
1 and 2 are block diagrams showing the configuration of the noise suppression apparatus of this embodiment. That is, as shown in FIG. 1, the noise suppression apparatus of the present embodiment is a speech waveform cutout means 1 that cuts out input noise-mixed speech y (t) corresponding to a plurality of analysis frames F m (m is a natural number). A
図2に示すように、雑音抑圧スペクトル算出手段5は、離散角周波数ωの関数である減算倍率(第1の係数)α(ω)を設定する第1の係数設定手段50と、減算倍率α(ω)に依存する下限パラメータ(第2の係数)β(ω)を設定する第2の係数設定手段53と、雑音混入スペクトルYm(ω)から、推定雑音スペクトルD'(ω)に減算倍率α(ω)を乗じた周波数スペクトルを減算する減算手段54と、雑音混入スペクトルYm(ω)に下限パラメータβ(ω)を乗じた周波数スペクトルを算出する乗算手段55と、減算手段54が出力する周波数スペクトルと乗算手段55が出力する周波数スペクトルを比較して、離散角周波数ωごとに大きい方を出力する比較手段56と、を備える。第1の係数設定手段50は、事後SN比算出手段51と、減算倍率α(ω)を算出する減算倍率算出手段52と、を備える。
As shown in FIG. 2, the noise suppression spectrum calculating means 5 includes a first coefficient setting means 50 for setting a subtraction magnification (first coefficient) α (ω) that is a function of the discrete angular frequency ω, and a subtraction magnification α. Subtract the estimated noise spectrum D ′ (ω) from the second coefficient setting means 53 for setting the lower limit parameter (second coefficient) β (ω) depending on (ω) and the noise-mixed spectrum Y m (ω). Subtracting means 54 for subtracting the frequency spectrum multiplied by the magnification α (ω), multiplying
本実施形態の雑音抑圧装置は、図1に示すように、雑音抑圧スペクトルX'(ω)に基づいて雑音抑圧音声x'(t)を出力する雑音抑圧音声出力手段6をさらに備える。 As shown in FIG. 1, the noise suppression device of the present embodiment further includes noise suppression speech output means 6 that outputs noise suppression speech x ′ (t) based on the noise suppression spectrum X ′ (ω).
図3は、本実施形態の雑音抑圧装置のハードウエア構成を示すブロック図である。図3に示すように、本実施形態の雑音抑圧装置は、表示パネル71、キーボード72、およびマウス73等のインターフェイスと、パーソナルコンピュータ等の演算装置74と、を含む。
FIG. 3 is a block diagram showing a hardware configuration of the noise suppression device of this embodiment. As shown in FIG. 3, the noise suppression device of the present embodiment includes an interface such as a
演算装置74は、サンプリング周波数48kHz、量子化ビット数16bitで雑音混入音声y(t)をデジタル音声信号に変換するAD変換部75、雑音抑圧音声x'(t)をアナログ音声信号として出力するDA変換部76、CPU(Central Processing Unit)77、CPU77の制御指令に基づいて周波数解析等の処理を実行するDSP(Digital Signal Processor)78、メモリ79、ハードディスク(HDD)80、および周辺機器I/F81がバス82を介して相互に結合された構成を有する。表示パネル71、キーボード72、およびマウス73等のインターフェイスは周辺機器I/F81に接続される。
The
AD変換部75およびDA変換部76とDSP78とはそれぞれ専用のバス83、84で接続されている。なお、雑音混入音声y(t)が予めAD変換されている場合は、雑音混入音声y(t)を直接DSP78に入力すればよい。また、雑音抑圧音声x'(t)をDA変換せずデジタル音声信号のままDSP78から出力する構成としてもよい。
The
なお、音声波形切り出し手段1、周波数解析手段2、非音声区間検出手段3、雑音スペクトル推定手段4、雑音抑圧スペクトル算出手段5、および雑音抑圧音声出力手段6は、メモリ79にプログラムをインストールすることにより、演算装置74内にソフトウエア的に構成される。
Note that the speech waveform cutout means 1, frequency analysis means 2, non-speech interval detection means 3, noise spectrum estimation means 4, noise suppression spectrum calculation means 5, and noise suppression speech output means 6 install a program in the
図4は、CPU77の制御指令に基づいてDSP78が実行する雑音抑圧プログラムのフローチャートである。図4(a)に示すように、DSP78は、音声波形切り出し手段1に対応する音声波形切り出し処理(ステップS100)と、周波数解析手段2に対応する高速フーリエ変換(FFT)処理(ステップS101)と、雑音抑圧スペクトル算出手段5に対応する雑音抑圧スペクトル算出処理(ステップS102)と、雑音抑圧音声出力手段6に対応する逆高速フーリエ変換(IFFT)処理(ステップS103)および音声波形重ね合わせ処理(ステップS104)と、を実行するようになっている。
FIG. 4 is a flowchart of a noise suppression program executed by the DSP 78 based on a control command from the
さらに、図4(b)に示すように、DSP78は、非音声区間検出手段3に対応する非音声区間検出処理(ステップS105)と、雑音スペクトル推定手段4に対応する雑音スペクトル推定処理(ステップS106)と、を実行するようになっている。 Further, as shown in FIG. 4B, the DSP 78 performs non-speech interval detection processing (step S105) corresponding to the non-speech interval detection means 3 and noise spectrum estimation processing (step S106) corresponding to the noise spectrum estimation means 4. ), And to perform.
図5は、雑音混入音声y(t)と分析フレームFmとの対応関係を示す模式的なグラフである。ここで、雑音混入音声y(t)はサンプリング周波数48kHz、量子化ビット数16bitでAD変換されているものとする。 FIG. 5 is a schematic graph showing the correspondence between the noise-mixed speech y (t) and the analysis frame F m . Here, it is assumed that the noise-mixed speech y (t) is AD-converted with a sampling frequency of 48 kHz and a quantization bit number of 16 bits.
DSP78は、雑音抑圧プログラムの音声波形切り出し処理(ステップS100)において、例えば、1つの分析フレームFmの窓幅Nが1024サンプル(約20ms)、シフト幅N/2が半分の512サンプル(約10ms)となるように、雑音混入音声y(t)を分割する。なお、このように分割された雑音混入音声をym(n)(1≦n≦N)と記す。ここで、nはm番目の分析フレームFmに含まれるサンプル番号を示すインデックスである。
In the speech waveform cutout process (step S100) of the noise suppression program, the
次に、雑音抑圧プログラムのFFT処理(ステップS101)の詳細について説明する。DSP78は、m番目の分析フレームFmに対応する雑音混入音声ym(n)(1≦n≦N)を読み込み、音声の声道特性の高域における減衰を補正するため、雑音混入音声ym(n)(1≦n≦N)に[数7]で表わされるフィルタ(H(z))でプリエンファシスを施す。
次に、DSP78は、プリエンファシスが施された雑音混入音声ym(n)(1≦n≦N)に適切な窓関数(例えば[数8]で表わされるハミング窓whamm(n))を乗じる。
そして、DSP78は、窓関数が乗じられた雑音混入音声ym(n)(1≦n≦N)に離散フーリエ変換(FFT)を施し、[数9]に示すような雑音混入音声ym(n)(1≦n≦N)の雑音混入スペクトルYm(ω)を出力する。ここで、|Ym(ω)|は振幅スペクトル、φm(ω)は位相スペクトルである。
次に、雑音抑圧プログラムの非音声区間検出処理(ステップS105)の詳細について説明する。DSP78は、非音声区間検出処理(ステップS105)において、公知の方法で雑音混入音声y(t)から非音声区間を検出するようになっている。例えば、入力される雑音混入音声y(t)に対して、予め音声区間とする音量レベルの閾値を設定し、音量レベルがその閾値以上である雑音混入音声ym(n)(1≦n≦N)を音声区間とし、閾値未満であるym(n)(1≦n≦N)を非音声区間とする方法がある。
Next, details of the non-speech interval detection process (step S105) of the noise suppression program will be described. The
即ち、DSP78は、各分析フレームFmに対応した雑音混入音声ym(n)(1≦n≦N)が非音声区間に属するものであるか否かを判定し、非音声区間に属する雑音混入音声ym(n)(1≦n≦N)、または、非音声区間に属する雑音混入音声ym(n)(1≦n≦N)の分析フレームFmのインデックスmを出力する。
That is, the
なお、この非音声区間検出処理(ステップS105)は、FFT処理(ステップS101)で求められた雑音混入スペクトルYm(ω)を用いて非音声区間を検出するものであってもよい。 In addition, this non-speech section detection process (step S105) may detect a non-speech section using the noise mixture spectrum Y m (ω) obtained by the FFT process (step S101).
次に、雑音抑圧プログラムの雑音スペクトル推定処理(ステップS106)の詳細について説明する。DSP78は、FFT処理(ステップS101)で求められた雑音混入スペクトルYm(ω)の振幅スペクトル|Ym(ω)|を分析フレームFmごとに順次読み込む。
Next, details of the noise spectrum estimation process (step S106) of the noise suppression program will be described. The
次に、DSP78は、雑音抑圧プログラムの非音声区間検出処理(ステップS105)の処理結果に基づいて、非音声区間の振幅スペクトル|Ym(ω)|のみに対して、[数10]より推定雑音スペクトルD'(ω)の振幅スペクトル|D'(ω)|を算出する。ここでは、M0個の非音声区間の振幅スペクトル|Ym(ω)|に対して平均化処理を行っている。
図6(a)に音声区間の雑音混入スペクトルYm(ω)の振幅スペクトル|Ym(ω)|、図6(b)に推定雑音スペクトルD'(ω)の振幅スペクトル|D'(ω)|のスペクトル例を示す。 FIG. 6A shows the amplitude spectrum | Y m (ω) | of the noise mixture spectrum Y m (ω) in the speech section, and FIG. 6B shows the amplitude spectrum | D ′ (ω) of the estimated noise spectrum D ′ (ω). ) | Shows an example spectrum.
なお、雑音スペクトル推定処理(ステップS106)においては、非音声区間検出処理(ステップS105)において新たな非音声区間の分析フレームFmを1つ検出するたびに、[数10]の平均化処理において用いるM0個の非音声区間の|Ym(ω)|を1つずつ新しいものに入れ替えてもよい。あるいは、音声区間検出方法を利用せず、手動で設定した区間で適宜[数10]のような計算を行うことにより|D'(ω)|を推定してもよい。 In the noise spectrum estimating process (step S106), the analysis frame F m of the new non-speech section each time it detects one in the non-speech section detection processing (step S105), the averaging processing of the number 10] You may replace | Y m (ω) | of the M 0 non-speech segments to be used one by one. Alternatively, | D ′ (ω) | may be estimated by performing a calculation such as [Equation 10] in a manually set interval without using the speech interval detection method.
次に、雑音抑圧プログラムの雑音抑圧スペクトル算出処理(ステップS102)の詳細について図7のフローチャートに沿って説明する。なお、ステップS110の処理は事後SN比算出手段51、ステップS111の処理は減算倍率算出手段52、ステップS112の処理は第2の係数設定手段53、ステップS113の処理は減算手段54、乗算手段55、および比較手段56に相当している。 Next, details of the noise suppression spectrum calculation process (step S102) of the noise suppression program will be described with reference to the flowchart of FIG. The processing in step S110 is a posteriori SN ratio calculation means 51, the processing in step S111 is a subtraction magnification calculation means 52, the processing in step S112 is a second coefficient setting means 53, the processing in step S113 is a subtraction means 54, and a multiplication means 55. , And the comparison means 56.
まず、DSP78は、推定雑音スペクトルD'(ω)の振幅スペクトル|D'(ω)|に対する雑音混入スペクトルYm(ω)の振幅スペクトル|Ym(ω)|の比である、[数11]で表わされる事後SN比ρ(ω)[dB]を算出する(ステップS110)。図8に算出した事後SN比ρ(ω)の例を示す。
次に、DSP78は、ステップS110で算出した事後SN比ρ(ω)を用いて、例えば、[数12]により減算倍率α(ω)を算出する(ステップS111)。
ここで、maxρ(ω)およびminρ(ω)は、それぞれ1つの分析フレームFmに対応するρ(ω)の最大値と最小値である。R(ω)は、ρ(ω)を正規化したものであり、−1≦R(ω)≦0である。なお、減算倍率α(ω)は、[数12]のように離散角周波数ωに依存しない予め定められた固定値であってもよい。あるいは、減算倍率α(ω)は、離散角周波数ωに依存する周波数域、および、離散角周波数ωに依存しない周波数域の関数であってもよい。上記の固定値は、例えば、表示パネル71、キーボード72、およびマウス73等のインターフェイスを介してユーザにより手動で入力されてもよい。
Here, maxρ (ω) and minρ (ω) are the maximum value and the minimum value of ρ (ω) corresponding to one analysis frame F m , respectively. R (ω) is obtained by normalizing ρ (ω), and −1 ≦ R (ω) ≦ 0. The subtraction magnification α (ω) may be a predetermined fixed value that does not depend on the discrete angular frequency ω as shown in [Equation 12]. Alternatively, the subtraction magnification α (ω) may be a function of a frequency region that depends on the discrete angular frequency ω and a frequency region that does not depend on the discrete angular frequency ω. The fixed value may be manually input by the user via an interface such as the
次に、DSP78は、例えば[数13]に示すように、減算倍率α(ω)の対数を独立変数とする一次関数の従属変数となる下限パラメータβ(ω)を算出する(ステップS112)。
[数13]において、a、bは一次関数の傾きと切片を決める定数とし、例えばa=−1、b=−3dBとする。傾きa、切片bは以下に示す客観音質評価実験の結果に基づいて定めた値である。 In [Equation 13], a and b are constants that determine the slope and intercept of the linear function, for example, a = −1 and b = −3 dB. The slope a and the intercept b are values determined based on the result of the objective sound quality evaluation experiment shown below.
図9に、クリーンな音声と雑音をSNR=0dBでミックスした雑音混入音声を対象に、減算倍率α=3dB(周波数に依存しない固定値)、一次関数の傾きa=−1の時に、切片bを0,−3,−6dBに変化させた場合の雑音抑圧音声に対して、クリーンな音声と雑音抑圧音声の間のケプストラム距離、および、セグメンタルSNRを求めたものを示す。ケプストラム距離の値が小さいほど雑音混入音声がクリーンな音声に近く、セグメンタルSNRの値が大きいほど雑音が抑圧されていることを意味する。 FIG. 9 shows the intercept b when the subtracting magnification α = 3 dB (fixed value independent of frequency) and the slope of the linear function a = −1 for the noise-mixed speech obtained by mixing clean speech and noise at SNR = 0 dB. FIG. 7 shows the cepstrum distance between the clean speech and the noise-suppressed speech and the segmental SNR with respect to the noise-suppressed speech when the value is changed to 0, −3, −6 dB. The smaller the cepstrum distance value, the closer the noise-mixed speech is to the clean speech, and the larger the segmental SNR value, the more the noise is suppressed.
図10に、クリーンな音声と雑音をSNR=0dBでミックスした雑音混入音声を対象に、減算倍率α=3dB(周波数に依存しない固定値)、一次関数の切片b=−3の時に、傾きa=−0.5,−1,−2に変化させた場合の雑音抑圧音声に対して、クリーンな音声と雑音抑圧音声の間のケプストラム距離、および、セグメンタルSNRを求めたものを示す。 FIG. 10 shows a gradient a when a subtracting magnification α = 3 dB (a fixed value independent of frequency) and a linear function intercept b = −3 for a noise-mixed speech obtained by mixing clean speech and noise at SNR = 0 dB. FIG. 5 shows the cepstrum distance between the clean speech and the noise-suppressed speech and the segmental SNR obtained with respect to the noise-suppressed speech when changed to = −0.5, −1, and −2.
図9、図10に示したいずれの場合においてもケプストラム距離とセグメンタルSNRはトレードオフの関係にあることがわかる。従って、これらの実験結果に基づいて、a=−1およびb=−3を最適な値とした。図11に、[数13]においてa=−1、b=−3dBとしたときの減算倍率α(ω)および下限パラメータβ(ω)の例を示す。 It can be seen that the cepstrum distance and the segmental SNR are in a trade-off relationship in any of the cases shown in FIGS. Therefore, based on these experimental results, a = −1 and b = −3 were set as optimum values. FIG. 11 shows an example of the subtraction magnification α (ω) and the lower limit parameter β (ω) when a = −1 and b = −3 dB in [Equation 13].
次に、DSP78は、[数14]に従って雑音抑圧スペクトルX'm(ω)を算出する(ステップS113)。なお、位相スペクトルは音声の知覚への影響が少ないので、雑音抑圧スペクトルX'm(ω)の位相スペクトルとして雑音混入スペクトルYm(ω)の位相スペクトルφm(ω)を利用している。
図12(a)に推定雑音スペクトルD'(ω)の振幅スペクトル|D'(ω)|に減算倍率α(ω)を乗じた周波数スペクトル、図12(b)に雑音混入スペクトルYm(ω)の振幅スペクトル|Ym(ω)|に下限パラメータβ(ω)を乗じた周波数スペクトル、図12(c)に[数14]より求められる雑音抑圧スペクトルX'm(ω)の振幅スペクトル|X'm(ω)|の例を示す。 FIG. 12A shows a frequency spectrum obtained by multiplying the amplitude spectrum | D ′ (ω) | of the estimated noise spectrum D ′ (ω) by the subtraction magnification α (ω), and FIG. 12B shows a noise-containing spectrum Y m (ω ) Amplitude spectrum | Y m (ω) | multiplied by the lower limit parameter β (ω), and the amplitude spectrum of the noise suppression spectrum X ′ m (ω) obtained from [Equation 14] in FIG. An example of X ′ m (ω) | is shown.
なお、DSP78は、ステップS112において、上記の[数13]の代わりに下記の[数15]に示すように、減算倍率α(ω)の逆数に比例するような下限パラメータβ(ω)を算出してもよい。なお、δは調整用の定数である。
次に、雑音抑圧プログラムのIFFT処理(ステップS103)の詳細について説明する。DSP78は、分析フレームFmに対応する雑音抑圧スペクトルX'm(ω)を読み込み、読み込んだ雑音抑圧スペクトルX'm(ω)に対して逆高速フーリエ変換(IFFT)を施すことにより、音声波形x'm(n)(1≦n≦N)を算出する。 Next, details of the IFFT processing (step S103) of the noise suppression program will be described. DSP78 is 'read the m (omega), read noise suppressed spectrum X' noise suppressed spectrum X corresponding to the analysis frame F m by performing inverse fast Fourier transform (IFFT) with respect to m (omega), the speech waveform x ′ m (n) (1 ≦ n ≦ N) is calculated.
次に、DSP78は、音声波形x'm(n)(1≦n≦N)をハミング窓whamm(n)で除して、プリエンファシスの逆フィルタ(1/H(z))でディエンファシスを施す。
Next, the
次に、雑音抑圧プログラムの音声波形重ね合わせ処理(ステップS104)の詳細について説明する。DSP78は、IFFT処理(ステップS103)においてディエンファシスを施した音声波形x'm(n)(1≦n≦N)に適切な窓関数(例えば[数16]で表わされるハニング窓whann(n))を乗じる。
そして、DSP78は、適切な窓関数を乗じた音声波形x'm(n)(1≦n≦N)と、一つ前の分析フレームFm-1に対応する音声波形x'm-1(n)(1≦n≦N)と、をシフト幅(N/2)分ずらして重ね合わせることにより、雑音抑圧音声x'(m−1,m)を得る。ここで、雑音抑圧音声x'(m−1,m)とは、最終的に得られる雑音抑圧音声x'(t)のうち、分析フレームFm-1と分析フレームFmの重なり部分に相当する区間のデータを示している。
Then,
即ち、DSP78は、全ての分析フレームに対して上記の音声波形重ね合わせ処理を行うことにより、雑音抑圧音声x'(t)を出力することができる。図13(a)に雑音混入音声y(t)、図13(b)にその雑音抑圧音声x'(t)の例を示す。
That is, the
以上説明したように、本発明に係る雑音抑圧装置およびプログラムは、スペクトル包絡を計算することなく減算倍率を算出し、さらに下限パラメータを減算倍率に基づいて算出することにより、計算量を抑えて高品質な雑音抑圧音声を得ることができるという効果を有し、収録される音声に対してリアルタイムで雑音を抑制することが可能な雑音抑圧装置およびプログラムとして有用である。 As described above, the noise suppression device and the program according to the present invention calculate the subtraction magnification without calculating the spectrum envelope, and further calculate the lower limit parameter based on the subtraction magnification, thereby reducing the calculation amount and increasing the calculation amount. The present invention has an effect that it is possible to obtain a quality noise-suppressed speech, and is useful as a noise suppression device and program capable of suppressing noise in real time for recorded speech.
1 音声波形切り出し手段
2 周波数解析手段
3 非音声区間検出手段
4 雑音スペクトル推定手段
5 雑音抑圧スペクトル算出手段
6 雑音抑圧音声出力手段
50 第1の係数設定手段
51 事後SN比算出手段
52 減算倍率算出手段
53 第2の係数設定手段
54 減算手段
55 乗算手段
56 比較手段
DESCRIPTION OF
55 Multiplication means
56 comparison means
Claims (4)
前記雑音混入音声の周波数スペクトルを求める周波数解析手段と、
前記雑音混入音声の非音声区間の周波数スペクトルから雑音の周波数スペクトルを推定する雑音スペクトル推定手段と、
前記雑音混入音声の周波数スペクトルと前記雑音の周波数スペクトルの離散角周波数ごとの大小関係に応じて、雑音抑圧スペクトルを算出する雑音抑圧スペクトル算出手段と、を備え、
前記雑音抑圧スペクトル算出手段が、
離散角周波数の関数であり、前記雑音の周波数スペクトルに対する前記雑音混入音声の周波数スペクトルの比に依存する第1の係数を設定する第1の係数設定手段と、
離散角周波数の関数であり、前記第1の係数に依存する第2の係数を設定する第2の係数設定手段と、
前記雑音混入音声の周波数スペクトルから、前記雑音の周波数スペクトルに前記第1の係数を乗じた周波数スペクトルを減算する減算手段と、
前記雑音混入音声の周波数スペクトルに前記第2の係数を乗じた周波数スペクトルを算出する乗算手段と、
前記減算手段が出力する周波数スペクトルと前記乗算手段が出力する周波数スペクトルを比較して、離散角周波数ごとに大きい方を出力することにより前記雑音抑圧スペクトルを算出する比較手段と、を備えることを特徴とする雑音抑圧装置。 A noise suppression device that receives noise-mixed speech as input and obtains noise-suppressed speech as output by spectral subtraction,
A frequency analysis means for obtaining a frequency spectrum of the noise-containing speech;
Noise spectrum estimation means for estimating a frequency spectrum of noise from a frequency spectrum of a non-speech section of the noisy speech;
A noise suppression spectrum calculation means for calculating a noise suppression spectrum according to a magnitude relationship for each discrete angular frequency of the frequency spectrum of the noise-mixed speech and the frequency spectrum of the noise, and
The noise suppression spectrum calculation means comprises:
Ri function der discrete angular frequency, a first coefficient setting means for setting a first coefficient that depends on the ratio of the frequency spectrum of the noise-containing speech with respect to the frequency spectrum of the noise,
Second coefficient setting means for setting a second coefficient that is a function of the discrete angular frequency and depends on the first coefficient;
Subtracting means for subtracting a frequency spectrum obtained by multiplying the frequency spectrum of the noise by the first coefficient from the frequency spectrum of the noise-containing speech;
Multiplication means for calculating a frequency spectrum obtained by multiplying the frequency spectrum of the noisy speech by the second coefficient;
Comparing means for comparing the frequency spectrum output from the subtracting means with the frequency spectrum output from the multiplying means and calculating the noise suppression spectrum by outputting the larger one for each discrete angular frequency. A noise suppression device.
コンピュータに、On the computer,
前記雑音混入音声の周波数スペクトルを求める周波数解析手段と、A frequency analysis means for obtaining a frequency spectrum of the noise-containing speech;
前記雑音混入音声の非音声区間の周波数スペクトルから雑音の周波数スペクトルを推定する雑音スペクトル推定手段と、Noise spectrum estimation means for estimating a frequency spectrum of noise from a frequency spectrum of a non-speech section of the noisy speech;
前記雑音混入音声の周波数スペクトルと前記雑音の周波数スペクトルの周波数ごとの大小関係に応じて、雑音抑圧スペクトルを算出する雑音抑圧スペクトル算出手段と、を実現させ、Realizing a noise suppression spectrum calculation means for calculating a noise suppression spectrum according to the magnitude relationship of the frequency spectrum of the noise-mixed speech and the frequency spectrum of the noise for each frequency,
前記雑音抑圧スペクトル算出手段が、The noise suppression spectrum calculation means comprises:
離散角周波数の関数であり、前記雑音の周波数スペクトルに対する前記雑音混入音声の周波数スペクトルの比に依存する第1の係数を設定する第1の係数設定手段と、First coefficient setting means for setting a first coefficient that is a function of a discrete angular frequency and depends on a ratio of a frequency spectrum of the noise-mixed speech to a frequency spectrum of the noise;
離散角周波数の関数であり、前記第1の係数に依存する第2の係数を設定する第2の係数設定手段と、Second coefficient setting means for setting a second coefficient that is a function of the discrete angular frequency and depends on the first coefficient;
前記雑音混入音声の周波数スペクトルから、前記雑音の周波数スペクトルに前記第1の係数を乗じた周波数スペクトルを減算する減算手段と、Subtracting means for subtracting a frequency spectrum obtained by multiplying the frequency spectrum of the noise by the first coefficient from the frequency spectrum of the noise-containing speech;
前記雑音混入音声の周波数スペクトルに前記第2の係数を乗じた周波数スペクトルを算出する乗算手段と、Multiplication means for calculating a frequency spectrum obtained by multiplying the frequency spectrum of the noisy speech by the second coefficient;
前記減算手段が出力する周波数スペクトルと前記乗算手段が出力する周波数スペクトルを比較して、離散角周波数ごとに大きい方を出力することにより前記雑音抑圧スペクトルを算出する比較手段と、を含むことを特徴とするプログラム。Comparing means for comparing the frequency spectrum output from the subtracting means with the frequency spectrum output from the multiplying means, and calculating the noise suppression spectrum by outputting the larger one for each discrete angular frequency. Program.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010133098A JP5588233B2 (en) | 2010-06-10 | 2010-06-10 | Noise suppression device and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010133098A JP5588233B2 (en) | 2010-06-10 | 2010-06-10 | Noise suppression device and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011257643A JP2011257643A (en) | 2011-12-22 |
JP5588233B2 true JP5588233B2 (en) | 2014-09-10 |
Family
ID=45473862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010133098A Active JP5588233B2 (en) | 2010-06-10 | 2010-06-10 | Noise suppression device and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5588233B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6182895B2 (en) | 2012-05-01 | 2017-08-23 | 株式会社リコー | Processing apparatus, processing method, program, and processing system |
KR102017244B1 (en) | 2017-02-27 | 2019-10-21 | 한국전자통신연구원 | Method and apparatus for performance improvement in spontaneous speech recognition |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3693022B2 (en) * | 2002-01-29 | 2005-09-07 | 株式会社豊田中央研究所 | Speech recognition method and speech recognition apparatus |
JP2007006525A (en) * | 2006-08-24 | 2007-01-11 | Nec Corp | Method and apparatus for removing noise |
WO2010052749A1 (en) * | 2008-11-04 | 2010-05-14 | 三菱電機株式会社 | Noise suppression device |
-
2010
- 2010-06-10 JP JP2010133098A patent/JP5588233B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011257643A (en) | 2011-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5528538B2 (en) | Noise suppressor | |
JP4670483B2 (en) | Method and apparatus for noise suppression | |
EP1774517B1 (en) | Audio signal dereverberation | |
JP4568733B2 (en) | Noise suppression device, noise suppression method, noise suppression program, and computer-readable recording medium | |
JP5875609B2 (en) | Noise suppressor | |
JP5791092B2 (en) | Noise suppression method, apparatus, and program | |
JP5453740B2 (en) | Speech enhancement device | |
JP2013517531A (en) | Distortion measurement for noise suppression systems | |
US9094078B2 (en) | Method and apparatus for removing noise from input signal in noisy environment | |
CN1808570A (en) | System for suppressing rain noise | |
CN106558315B (en) | Heterogeneous microphone automatic gain calibration method and system | |
JPWO2006046293A1 (en) | Noise suppressor | |
US20140177853A1 (en) | Sound processing device, sound processing method, and program | |
Udrea et al. | An improved spectral subtraction method for speech enhancement using a perceptual weighting filter | |
JPWO2009038136A1 (en) | Noise suppression device, method and program thereof | |
US9418677B2 (en) | Noise suppressing device, noise suppressing method, and a non-transitory computer-readable recording medium storing noise suppressing program | |
JP4757775B2 (en) | Noise suppressor | |
JP5588233B2 (en) | Noise suppression device and program | |
JP3849679B2 (en) | Noise removal method, noise removal apparatus, and program | |
Oukherfellah et al. | FPGA implementation of voice activity detector for efficient speech enhancement | |
Patil et al. | Use of baseband phase structure to improve the performance of current speech enhancement algorithms | |
CN116137154A (en) | Signal enhancement method, device, equipment and storage medium for voice signal | |
JP4478045B2 (en) | Echo erasing device, echo erasing method, echo erasing program and recording medium therefor | |
JP2004020945A (en) | Device, method and program of speech recognition | |
JP6720771B2 (en) | Signal processing device, signal processing method, and signal processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20130214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20130214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140130 |
|
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: 20140701 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5588233 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |