JP6221463B2 - 音声信号処理装置及びプログラム - Google Patents

Description

本発明は、音声信号処理装置及びプログラムに関し、例えば、電話機やテレビ会議装置などの音声信号（この明細書では、音声信号や音響信号等の音信号を「音声信号」と呼んでいる）を扱う通信機や通信ソフトウェアに適用し得るものである。

取得した音声信号中に含まれる雑音成分を抑圧する手法の一つとして、コヒーレンスフィルタ法が挙げられる。コヒーレンスフィルタ法は、特許文献１に記載されているように、左右に死角を有する信号の相互相関を周波数ごとに乗算することで、到来方位に偏りが大きい雑音成分を抑圧する手法である。

特開２０１３−０６１４２１号公報

コヒーレンスフィルタ処理に限らず、雑音抑圧処理は音に歪みを生じさせ、不自然な音質にしてしまうことがある。歪みの原因の一つは、雑音特性の誤推定による過剰な雑音抑圧処理である。そこで、過剰な抑圧を防止するために、「雑音状況などに応じて制御される雑音抑圧係数を所定の閾値と比較し、雑音抑圧係数が閾値より小さい場合には、その雑音抑圧係数を用いずに閾値を雑音抑圧係数にする」というフロアリング処理を用いることがある。フロアリング処理用の閾値（以下、フロアリング閾値と呼ぶ）は大き過ぎると抑圧性能が不足し、小さ過ぎると音の歪みが増す。

そのため、雑音抑圧性能と音質のバランスがとれるようなフロアリング処理を実行できる音声信号処理装置及びプログラムが望まれている。

第１の本発明は、入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（３）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（４）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、（５）上記妨害音声到来方位指標値取得手段は、指標値として、コヒーレンスフィルタ係数の全周波数での算術平均値であるコヒーレンスを算出することを特徴とする。
第２の本発明は、入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（３）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（４）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、（５）上記妨害音声到来方位指標値取得手段は、指標値として、上記入力音声信号のＳＮ比を算出することを特徴とする。
第３の本発明は、入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（３）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（４）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、（５）上記フロアリング閾値決定手段は、周波数が高いコヒーレンスフィルタ係数用のフロアリング閾値が、周波数が低いコヒーレンスフィルタ係数用のフロアリング閾値より大きくなる単純増加関数に従って、フロアリング閾値を決定することを特徴する。

第４の本発明の音声信号処理プログラムは、入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（３）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（４）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段として機能させ、（５）上記妨害音声到来方位指標値取得手段は、指標値として、コヒーレンスフィルタ係数の全周波数での算術平均値であるコヒーレンスを算出することを特徴とする。
第５の本発明の音声信号処理プログラムは、入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（３）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（４）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段として機能させ、（５）上記妨害音声到来方位指標値取得手段は、指標値として、上記入力音声信号のＳＮ比を算出することを特徴とする。
第６の本発明の音声信号処理プログラムは、（１）入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、（２）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（３）上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、（４）取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、（５）算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段として機能させ、（６）上記フロアリング閾値決定手段は、周波数が高いコヒーレンスフィルタ係数用のフロアリング閾値が、周波数が低いコヒーレンスフィルタ係数用のフロアリング閾値より大きくなる単純増加関数に従って、フロアリング閾値を決定することを特徴とする。

本発明の音声信号処理装置及びプログラムによれば、妨害音声の到来方位に応じて適用するフロアリング閾値を切り替えるようにしたので、雑音抑圧性能と音質のバランスがとれるフロアリング処理を実行させることができる。

第１の実施形態の音声信号処理装置の全体構成を示すブロック図である。 第１の実施形態におけるコヒーレンスフィルタ処理部の詳細構成を示すブロック図である。 第１の実施形態における指向性形成部からの指向性信号の性質を示す説明図である。 第１の実施形態における指向性形成部による２つの指向性の特性を示す説明図である。 方位ごとのコヒーレンスの挙動を示す説明図である。 第１の実施形態におけるフロアリング閾値決定部が内蔵するコヒーレンスとフロアリング閾値との対応（変換テーブル）を示す説明図である。 第１の実施形態におけるフロアリング閾値決定部が変換関数の演算を実行してフロアリング閾値を決定するとした場合に適用する変換関数の一例を示す説明図である。 第１の実施形態におけるフロアリング処理部が実行するフロアリング処理を示すフローチャートである。 第２の実施形態において生成される雑音信号の指向性を示す説明図である。

（Ａ）第１の実施形態
以下、本発明による音声信号処理装置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述する。

第１の実施形態に係る音声信号処理装置及びプログラムは、コヒーレンスフィルタ法を適用している。

一般に、コヒーレンスフィルタ係数は、雑音、とりわけ話者以外の人間の音声（妨害音声）の到来方位によって値が大きく変動する。そのため、フロアリング処理を行う場合には、フロアリング用の閾値を到来方位によって制御しなければ、所望するフロアリング効果が得られない。

コヒーレンスフィルタ係数は、妨害音声の到来方位によって次のような挙動をすることを本願発明者は認識した。

（ａ）妨害音声の到来方位が正面（目的音声の音源の方向）に近付くほど値が大きくなり、横にそれるほど値が小さくなる。（ｂ）妨害音声の到来方位が正面に近い場合には、高域のコヒーレンスフィルタ係数値は特に増大する。これらの挙動を整理して述べれば、妨害音声の到来方位が正面に近付くほど、コヒーレンスフィルタによる抑圧性能は低下し、特に高域の妨害音声成分の抑圧効果は低下する。

第１の実施形態は、上述した挙動の認識に基づいて、フロアリング閾値を妨害音声の到来方位に応じて制御するようにしたものである。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る音声信号処理装置の構成を示すブロック図である。ここで、一対のマイクロホンｍ１及びｍ２を除いた部分は、ハードウェアで構成することも可能であり、また、ＣＰＵが実行するソフトウェア（音声信号処理プログラム）とＣＰＵとで実現することも可能であるが、いずれの実現方法を採用した場合であっても、機能的には図１で表すことができる。

図１において、第１の実施形態に係る音声信号処理装置１０は、一対のマイクロホンｍ１、ｍ２、ＦＦＴ（高速フーリエ変換）部１１、コヒーレンスフィルタ処理部１２及びＩＦＦＴ（逆高速フーリエ変換）部１３を有する。

一対のマイクロホンｍ１、ｍ２は、所定距離（若しくは任意の距離）だけ離れて配置され、それぞれ、周囲の音声を捕捉するものである。各マイクロホンｍ１、ｍ２は、無指向のもの（若しくは、正面方向にごくごく緩やかな指向性を有するもの）である。各マイクロホンｍ１、ｍ２で捕捉された音声信号（入力信号）は、図示しない対応するＡ／Ｄ変換器を介してデジタル信号ｓ１（ｎ）、ｓ２（ｎ）に変換されてＦＦＴ部１１に与えられる。なお、ｎはサンプルの入力順を表すインデックスであり、正の整数で表現される。本文中では、ｎが小さいほど古い入力サンプルであり、大きいほど新しい入力サンプルであるとする。

ＦＦＴ部１１は、マイクロホンｍ１及びｍ２から入力信号系列ｓ１（ｎ）及びｓ２（ｎ）を受け取り、その入力信号ｓ１及びｓ２に高速フーリエ変換（あるいは離散フーリエ変換）を行うものである。これにより、入力信号ｓ１及びｓ２を周波数領域で表現することができる。なお、高速フーリエ変換を実施するにあたり、入力信号ｓ１（ｎ）及びｓ２（ｎ）から、所定のＮ個のサンプルからなる分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）を構成して適用する。入力信号ｓ１（ｎ）から分析フレームＦＲＡＭＥ１（Ｋ）を構成する例を以下の（１）式に示すが、分析フレームＦＲＡＭＥ２（Ｋ）も同様である。

なお、Ｋはフレームの順番を表すインデックスであり、正の整数で表現される。本文中では、Ｋが小さいほど古い分析フレームであり、大きいほど新しい分析フレームであるとする。また、以降の説明において、特に但し書きがない限りは、分析対象となる最新の分析フレームを表すインデックスはＫであるとする。

ＦＦＴ部１１は、分析フレームごとに高速フーリエ変換処理を施すことで、周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換し、得られた周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）をそれぞれ、コヒーレンスフィルタ処理部１２に与える。なお、ｆは周波数を表すインデックスである。また、Ｘ１（ｆ，Ｋ）は単一の値ではなく、（２）式に示すように、複数の周波数ｆ１〜ｆｍのスペクトル成分から構成されるものである。さらに、Ｘ１（ｆ，Ｋ）は複素数であり、実部と虚部からなる。Ｘ２（ｆ，Ｋ）や後述するＢ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）も同様である。

Ｘ１（ｆ，Ｋ）＝｛Ｘ１（ｆ１，Ｋ），Ｘ１（ｆ２，Ｋ），…，Ｘ１（ｆｍ，Ｋ）｝ …（２）
後述するコヒーレンスフィルタ処理部１２においては、周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）のうち、周波数領域信号Ｘ１（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ２（ｆ，Ｋ）をサブとして処理を行うが、周波数領域信号Ｘ２（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ１（ｆ，Ｋ）をサブとして処理を行っても良い（後述する（８）式参照）。

コヒーレンスフィルタ処理部１２は、後述する図２に示す詳細構成を有し、コヒーレンスフィルタ処理を実行し、雑音成分が抑圧された信号Ｙ（ｆ，Ｋ）を得て、ＩＦＦＴ部１３に与えるものである。

ＩＦＦＴ部１３は、雑音抑圧後信号Ｙ（ｆ，Ｋ）に対して、逆高速フーリエ変換を施して時間領域信号である出力信号ｙ（ｎ）を得るものである。

図２は、コヒーレンスフィルタ処理部１２の詳細構成を示すブロック図である。

図２において、コヒーレンスフィルタ処理部１２は、入力信号受信部２１、指向性形成部２２、フィルタ係数計算部２３、到来方位推定部２４、フロアリング閾値決定部２５、フロアリング処理部２６、フィルタ処理部２７及びフィルタ処理後信号送信部２８を有する。

入力信号受信部２１は、ＦＦＴ部１１から出力された周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）を受け取るものである。

指向性形成部２２は、特定方向に指向性が強い２種類の指向性信号（第１及び第２の指向性信号）Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）を形成するものである。指向性信号Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）を形成する方法は、既存の方法を適用することができ、例えば、（３）式及び（４）式に従った演算により求める方法を適用することができる。

以下、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）の算出式の意味を、（３）式を例に、図３及び図４を用いて説明する。図３（Ａ）に示した方向θから音波が到来し、距離ｌだけ隔てて設置されている一対のマイクロホンｍ１及びｍ２で捕捉されたとする。このとき、音波が一対のマイクロホンｍ１及びｍ２に到達するまでには時間差が生じる。この到達時間差τは、音の経路差をｄとすると、ｄ＝ｌ×ｓｉｎθなので、音速をｃとすると（５）式で与えられる。

τ＝ｌ×ｓｉｎθ／ｃ …（５）
ところで、入力信号ｓ１（ｎ）にτだけ遅延を与えた信号ｓ１（ｔ−τ）は、入力信号ｓ２（ｔ）と同一の信号である。従って、両者の差をとった信号ｙ（ｔ）＝ｓ２（ｔ）−ｓ１（ｔ−τ）は、θ方向から到来した音が除去された信号となる。結果として、一対のマイクロホン（マイクロホンアレー）ｍ１及びｍ２は図３（Ｂ）のような指向特性を持つようになる。

なお、以上では、時間領域での演算を記したが、周波数領域で行っても同様なことがいえる。この場合の式が、上述した（３）式及び（４）式である。今、一例として、到来方位θが±９０度であることを想定する。すなわち、第１の指向性信号Ｂ１（ｆ）は、図４（Ａ）に示すように右方向に強い指向性を有し、第２の指向性信号Ｂ２（ｆ）は、図４（Ｂ）に示すように左方向に強い指向性を有する。なお、以降では、θ＝±９０度であることを想定して説明するが、θは±９０度に限定されるものではない。

フィルタ係数計算部２３は、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）に基づいて、（６）式に従ってコヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）を計算するものである。

到来方位推定部２４は、雑音の到来方位を推定し得る指標値を得てフロアリング閾値決定部２５に与えるものである。ここで、到来方位推定部２４は、雑音の到来方位の推定し得る指標値としてコヒーレンスＣＯＨ（Ｋ）を算出する。コヒーレンスＣＯＨ（Ｋ）は、（７）式に示すように、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を全周波数で算術平均した値である。

図５は、コヒーレンスの挙動を示した説明図である。図５に示すように、雑音の到来方位に応じてコヒーレンスの値がとるレンジが変化することが分かる。この性質を用いることで、雑音の到来方位を推定することができる。

フロアリング閾値決定部２５は、到来方位推定部２４が算出したコヒーレンスＣＯＨ（Ｋ）に基づいてフロアリング閾値を決定するものである。フロアリング閾値決定部２５は、雑音の到来方位が正面に近付く（コヒーレンスＣＯＨ（Ｋ）が大きくなる）ほど、大きくなるフロアリング閾値を決定するものであり、また、高域用のフロアリング閾値をそれより低域のフロアリング閾値より大きくなるようにフロアリング閾値を決定するものである。フロアリング閾値決定部２５は、このようなフロアリング閾値を決定することができるのであれば、その具体的な構成は問われない。例えば、フロアリング閾値決定部２５は、変換テーブルを利用してフロアリング閾値を決定するものであっても良く、変換関数の演算を実行してフロアリング閾値を決定するものであっても良い。

図６は、前者の決定方法で利用される、コヒーレンスＣＯＨ（Ｋ）と、帯域Θ、Ψ、Φ別のフロアリング閾値との対応（変換テーブル）を示す説明図である。

フロアリング閾値は、帯域Θ、Ψ、Φごとに異なる値が設定されている。例えば、音声信号ｓ１（ｎ）、ｓ２（ｎ）のサンプリング周波数が８０００Ｈｚであれば、０〜２０００Ｈｚまでのコヒーレンスフィルタ係数用のフロアリング閾値Θ、２０００〜３０００Ｈｚまでのコヒーレンスフィルタ係数用のフロアリング閾値Ψ、３０００〜４０００Ｈｚまでのコヒーレンスフィルタ係数に用いるフロアリング閾値Φという３つの閾値が設定されている。そして、到来方位が正面に近付く（コヒーレンスＣＯＨ（Ｋ）が大きくなる）ほど、フロアリング閾値Θ、Ψ、Φは大きな値になるよう設定されている。

フロアリング閾値決定部２５は、与えられたコヒーレンスＣＯＨ（Ｋ）が変換テーブルのどの範囲Ａ以上Ｂ未満、Ｂ以上Ｃ未満、Ｃ以上Ｄ未満、…（但し、Ａ＜Ｂ＜Ｃ＜Ｄ＜…）に属するかを判定し、属する範囲に対応付けられている帯域Θ、Ψ、Φ別のフロアリング閾値の組を読み出してフロアリング処理部２６に与える。

図６の例では、コヒーレンスＣＯＨ（Ｋ）がＡ≦ＣＯＨ（Ｋ）＜Ｂの範囲に属する場合には、フロアリング閾値の組として、Θ＝α、Ψ＝δ、Φ＝ζが取り出され、コヒーレンスＣＯＨ（Ｋ）がＢ≦ＣＯＨ（Ｋ）＜Ｃの範囲に属する場合には、フロアリング閾値の組として、Θ＝β、Ψ＝ε、Φ＝ξが取り出され、コヒーレンスＣＯＨ（Ｋ）がＣ≦ＣＯＨ（Ｋ）＜Ｄの範囲に属する場合には、フロアリング閾値の組として、Θ＝γ、Ψ＝η、Φ＝ωが取り出される。なお、上述した通り、到来方位が正面に近付くほど、高域のコヒーレンスフィルタ係数が特に大きく増加するので、これに対応して帯域別のフロアリング閾値の大小関係がΘ＜Ψ＜Φという関係を満たすように、フロアリング閾値の具体的な値α、β、γ、δ、ε、η、ζ、ξ、ωが設定されている。

図７は、フロアリング閾値決定部２５が、変換関数の演算を実行してフロアリング閾値を決定する際に用いる変換関数の一例を示している。変換関数は、コヒーレンスＣＯＨ（Ｋ）の値毎に（若しくは、値が属する範囲毎に）設定されているものである。

変換関数において、高周波数ほどフロアリング閾値の値を大きくすることを要するので、傾きは周波数が高い帯域ほど大きくなるよう設定しておく。また、帯域ごとに傾きが異なる直線をフロアリング閾値とする場合、雑音の到来方位が正面に近付くほど、フロアリング閾値直線の傾きは大きくなるようにする。直線に限定せず、周波数帯域ごとに異なる曲率の曲線を用いるなど、任意の曲線を、フロアリング閾値を決定する関数とするようにして良い。

以下の各部の機能説明や動作の項の説明では、図６の変換テーブルを適用した場合について説明する。

フロアリング処理部２６は、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）に対し、フロアリング閾値決定部２５が決定したフロアリング閾値を適用してフロアリング処理を行うものである。例えば、周波数ｆｉが最も低い帯域Θに属する場合、そのコヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）のフロアリング処理には、フロアリング処理部２６は、帯域Θについて決定されたフロアリング閾値α、β又はγ（図６参照）を適用する。また例えば、周波数ｆｉが低い方から２番目の帯域Ψに属する場合、そのコヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）のフロアリング処理には、フロアリング処理部２６は、帯域Ψについて決定されたフロアリング閾値δ、ε又はη（図６参照）を適用する。さらに例えば、周波数ｆｉが最も高い帯域Φに属する場合、そのコヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）のフロアリング処理には、フロアリング処理部２６は、帯域Φについて決定されたフロアリング閾値ζ、ξ又はω（図６参照）を適用する。

フィルタ処理部２７は、フロアリング処理後のコヒーレンスフィルタ係数ｆｌｃｏｅｆ（ｆ、Ｋ）を適用して、（８）式に示すように、メインの周波数領域信号Ｘ１（ｆ，Ｋ）に対するコヒーレンスフィルタ処理を行い、雑音抑圧後信号（フィルタ処理後信号）Ｙ（ｆ、Ｋ）を得るものである。なお、（８）式は、各周波数のそれぞれの演算（乗算処理）を表している。

Ｙ（ｆ、Ｋ）＝Ｘ１（ｆ、Ｋ）×ｆｌｃｏｅｆ（ｆ、Ｋ） …（８）
ここで、コヒーレンスフィルタ処理の物理的な意味を補足しておく。コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）（フロアリング処理後コヒーレンスフィルタ係数ｆｌｃｏｅｆ（ｆ、Ｋ）も同様）は、左右に死角を有する信号成分の相互相関であるので、相関が大きい場合には到来方位には偏りがない正面から到来する音声成分であり、相関が小さい場合には到来方位が右か左に偏った成分である、というように入力音声の到来方位とも対応付けられる。従って、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を乗算することは横から到来する雑音成分を抑圧する処理であるということができる。

フィルタ処理後信号送信部２８は、雑音抑圧後信号Ｙ（ｆ，Ｋ）を後段のＩＦＦＴ部１３に与えるものである。また、フィルタ処理後信号送信部２８は、Ｋを１だけ増加させて次のフレームの処理を起動させるものである。

（Ａ−２）第１の実施形態の動作
次に、第１の実施形態の音声信号処理装置１０の動作を、図面を参照しながら、全体動作、コヒーレンスフィルタ処理部１２における詳細動作の順に説明する。

一対のマイクロホンｍ１及びｍ２から入力された信号ｓ１（ｎ）、ｓ２（ｎ）はそれぞれ、ＦＦＴ部１１によって時間領域から周波数領域の信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換された後、コヒーレンスフィルタ処理部１２に与えられる。これにより、コヒーレンスフィルタ処理部１２において、コヒーレンスフィルタ処理が実行され、得られた雑音抑圧後信号Ｙ（ｆ，Ｋ）がＩＦＦＴ部１３に与えられる。ＩＦＦＴ部１３においては、周波数領域信号である雑音抑圧後信号Ｙ（ｆ，Ｋ）が、逆高速フーリエ変換によって、時間領域信号ｙ（ｎ）に変換され、この時間領域信号ｙ（ｎ）が出力される。

次に、コヒーレンスフィルタ処理部１２における詳細動作を説明する。以下では、あるフレームの処理を説明するが、このようなフレーム単位の処理が、フレームごとに繰り返される。

新たなフレームになり、新たなフレーム（現フレームＫ）の周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）がＦＦＴ部１１から与えられると、指向性形成部２２によって、（３）式及び（４）式に従って、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）が計算され、さらに、これらの指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）に基づき、フィルタ係数計算部２３によって、（６）式に従って、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）が計算される。

計算されたコヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）に基づいて、到来方位推定部２４によって、雑音の到来方位を推定し得る指標値として、（７）式に従って、コヒーレンスＣＯＨ（Ｋ）が算出される。フロアリング閾値決定部２５によって、算出されたコヒーレンスＣＯＨ（Ｋ）が、変換テーブルのどの範囲Ａ以上Ｂ未満、Ｂ以上Ｃ未満、Ｃ以上Ｄ未満、…に属するかが判定され、属する範囲に対応付けられている帯域Θ、Ψ、Φ別のフロアリング閾値の組が変換テーブルから読み出される。これにより、フロアリング処理部２６によって、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）に対し、読み出されたフロアリング閾値が適用されてフロアリング処理が実行される。

図８は、フロアリング処理部２６が実行するフロアリング処理を示すフローチャートである。

フロアリング処理部２６は、ある周波数ｆｉのコヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）が、当該周波数ｆｉが属する帯域Θ、Ψ又はΦについて読み出されたフロアリング閾値ＴＨ（Ｋ）（＝α、β、γ、δ、ε、η、ζ、ξ又はω）より小さいか否かを判定し（ステップＳ１）、コヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）がフロアリング閾値ＴＨ（Ｋ）より小さい場合には、フロアリング閾値ＴＨ（Ｋ）をフロアリング処理後のコヒーレンスフィルタ係数ｆｌｃｏｅｆ（ｆｉ，Ｋ）に設定し（ステップＳ２）、コヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）がフロアリング閾値ＴＨ（Ｋ）以上の場合には、コヒーレンスフィルタ係数ｃｏｅｆ（ｆｉ，Ｋ）をそのままフロアリング処理後のコヒーレンスフィルタ係数ｆｌｃｏｅｆ（ｆｉ，Ｋ）に設定する（ステップＳ３）。

フロアリング処理後のコヒーレンスフィルタ係数ｆｌｃｏｅｆ（ｆ、Ｋ）を適用して、フィルタ処理部２７によって、（８）式に示すような、メインの周波数領域信号Ｘ１（ｆ，Ｋ）に対するコヒーレンスフィルタ処理が実行され、得られた雑音抑圧後信号（フィルタ処理後信号）Ｙ（ｆ、Ｋ）が、フィルタ処理後信号送信部２８によってＩＦＦＴ部１３に与えられると共に、フレーム変数Ｋが１だけ増加されて、次のフレームの処理に移行される。

（Ａ−３）第１の実施形態の効果
第１の実施形態によれば、妨害音声の到来方位に応じて決定したフロアリング閾値を適用して、コヒーレンスフィルタ係数にフロアリング処理を施すようにしたので、雑音抑圧性能と音質のバランスがとれるようなフロアリング処理を実行でき、フロアリング処理による所望した効果を得ることができる。

ここで、到来方位が正面に近付くほど高域のコヒーレンスフィルタ係数が増大するという独特の挙動に基づいて高域のフロアリング閾値を設定しているので、上記効果を一段と発揮させることができる。

これにより、第１の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機などの通信装置における通話音質の向上が期待できる。

（Ｂ）第２の実施形態
次に、本発明による音声信号処理装置及びプログラムの第２の実施形態を説明する。

第１の実施形態は、妨害音声の到来方位を表す指標値としてコヒーレンスＣＯＨを適用したものであった。この第２の実施形態は、妨害音声の到来方位を表す指標値としてコヒーレンスＣＯＨ（Ｋ）に代えて、ＳＮ比ＳＮＲ（Ｋ）を適用することとしたものである。

第２の実施形態の音声信号処理装置も、その全体構成は、第１の実施形態の説明で用いた図１で表すことができる。また、第２の実施形態のコヒーレンスフィルタ処理部の詳細構成も、第１の実施形態の説明で用いた図２で表すことができる。

但し、上述したように、到来方位推定部２４は、第１の実施形態と異なり、コヒーレンスＣＯＨ（Ｋ）ではなくＳＮ比ＳＮＲ（Ｋ）を算出するものである。フロアリング閾値決定部２５は、算出されたＳＮ比ＳＮＲ（Ｋ）に基づいて、帯域別のフロアリング閾値を決定するものである。

以下、第２の実施形態の到来方位推定部２４が実行する、ＳＮ比ＳＮＲ（Ｋ）の算出方法を説明する。

到来方位推定部２４は、周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に基づいて、（９）式に従って、雑音信号Ｎ（ｆ，Ｋ）を算出する。（９）式の演算は、図９に示すように、正面に死角を有する指向性を形成する処理に相当する。従って、左右から到来する成分のみを得ることができる。今、目的方向を正面方向に想定しているので（例えば、目的話者が正面にいることを想定している）、横から到来する成分は雑音であるということができる。

Ｎ（ｆ，Ｋ）＝Ｘ１（ｆ，Ｋ）−Ｘ２（ｆ，Ｋ） …（９）
次に、到来方位推定部２４は、メインの周波数領域信号Ｘ１（ｆ，Ｋ）と雑音信号Ｎ（ｆ，Ｋ）とに基づいて、（１０）式に従って、現フレームＫにおけるＳＮ比ＳＮＲ（Ｋ）を計算する。（１０）式の分母は、雑音信号のレベルであり、分子は、目的音信号のレベルである。目的音は正面から到来し、雑音は横（左右）から到来することを前提しているので、（１０）式によってＳＮ比を推定することができる。（１０）式におけるηは、０より大きく１より小さいパラメータである。

以上のように算出されたＳＮ比ＳＮＲ（Ｋ）を、妨害音声の到来方位を表す指標値として適用し、上述した第１の実施形態と同様にして、妨害音声の到来方位に応じたフロアリング閾値を決定する。

第２の実施形態によっても、妨害音声の到来方位に応じて決定したフロアリング閾値を適用して、コヒーレンスフィルタ係数にフロアリング処理を施すようにしたので、第１の実施形態と同様な効果を奏することができる。

（Ｃ）他の実施形態
上記各実施形態の説明においても、種々変形実施形態について言及したが、さらに、以下に例示するような変形実施形態を挙げることができる。

上記第１の実施形態では、コヒーレンスＣＯＨ（Ｋ）を妨害音声の到来方位を表す指標値として適用し、上記第２の実施形態ではＳＮ比ＳＮＲ（Ｋ）を妨害音声の到来方位を表す指標値として適用したものを示したが、妨害音声の到来方位を表すものであれば、他の指標値を適用しても良く、また、複数の指標値を同時に適用するようにしても良い。例えば、コヒーレンスＣＯＨ（Ｋ）が属する範囲とＳＮ比ＳＮＲ（Ｋ）が属する範囲との組み合わせに応じて、フロアリング閾値ＴＨ（Ｋ）を定めるようにしても良い。

上記各実施形態では、フロアリング閾値（若しくはフロアリング閾値の算出関数）を切り替える帯域の数が３帯域のものを示したが、帯域数は２帯域以上であれば良い。

上記各実施形態において、周波数領域の信号で処理していた処理を、可能ならば時間領域の信号で処理するようにしても良く、逆に、時間領域の信号で処理していた処理を、可能ならば周波数領域の信号で処理するようにしても良い。

上記各実施形態では、雑音抑制技術として、コヒーレンスフィルタ法を単独で適用したものを示したが、他の雑音抑制技術（特許文献１参照）、例えば、ボイススイッチ法、ウィーナーフィルタ法、周波数減算法と併用するようにしても良い。

上記各実施形態では、一対のマイクロホンが捕捉した信号を直ちに処理する音声信号処理装置やプログラムを示したが、本発明の処理対象の音声信号はこれに限定されるものではない。例えば、記録媒体から読み出した一対の音声信号を処理する場合にも、本発明を適用することができ、また、対向装置から送信されてきた一対の音声信号を処理する場合にも、本発明を適用することができる。

１０…音声信号処理装置、１１…ＦＦＴ部、１２…コヒーレンスフィルタ処理部、１３…ＩＦＦＴ部、ｍ１、ｍ２…マイクロホン、２１…入力信号受信部、２２…指向性形成部、２３…フィルタ係数計算部、２４…到来方位推定部、２５…フロアリング閾値決定部、２６…フロアリング処理部、２７…フィルタ処理部、２８…フィルタ処理後信号送信部。

Claims (9)

1. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、
   上記妨害音声到来方位指標値取得手段は、指標値として、コヒーレンスフィルタ係数の全周波数での算術平均値であるコヒーレンスを算出する
   ことを特徴とする音声信号処理装置。
2. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、
   上記妨害音声到来方位指標値取得手段は、指標値として、上記入力音声信号のＳＮ比を算出する
   ことを特徴とする音声信号処理装置。
3. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段とを有し、
   上記フロアリング閾値決定手段は、周波数が高いコヒーレンスフィルタ係数用のフロアリング閾値が、周波数が低いコヒーレンスフィルタ係数用のフロアリング閾値より大きくなる単純増加関数に従って、フロアリング閾値を決定する
   ことを特徴する音声信号処理装置。
4. 上記単純増加関数は階段状関数であることを特徴する請求項３に記載の音声信号処理装置。
5. 上記単純増加関数は高い周波数側の方が傾斜が大きい折れ線状関数であることを特徴する請求項３に記載の音声信号処理装置。
6. 上記単純増加関数は複数の曲線状関数を繋ぎ合せた関数であることを特徴する請求項３に記載の音声信号処理装置。
7. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段と
   して機能させ、
   上記妨害音声到来方位指標値取得手段は、指標値として、コヒーレンスフィルタ係数の全周波数での算術平均値であるコヒーレンスを算出する
   ことを特徴とする音声信号処理プログラム。
8. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段と
   して機能させ、
   上記妨害音声到来方位指標値取得手段は、指標値として、上記入力音声信号のＳＮ比を算出する
   ことを特徴とする音声信号処理プログラム。
9. 入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置に搭載されたコンピュータを、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音声の到来方位を表す指標値を得る妨害音声到来方位指標値取得手段と、
   取得した指標値に応じ、妨害音声の到来方位が目的音声の到来方位に近いほど大きな値をとるようにフロアリング閾値を決定するフロアリング閾値決定手段と、
   算出された各周波数のコヒーレンスフィルタ係数に対し、決定されたフロアリング閾値を適用してフロアリングを行うフロアリング処理手段と
   して機能させ、
   上記フロアリング閾値決定手段は、周波数が高いコヒーレンスフィルタ係数用のフロアリング閾値が、周波数が低いコヒーレンスフィルタ係数用のフロアリング閾値より大きくなる単純増加関数に従って、フロアリング閾値を決定する
   ことを特徴とする音声信号処理プログラム。

Images