JP7011075B2 - マイク・アレイに基づく対象音声取得方法及び装置 - Google Patents
マイク・アレイに基づく対象音声取得方法及び装置 Download PDFInfo
- Publication number
- JP7011075B2 JP7011075B2 JP2020542484A JP2020542484A JP7011075B2 JP 7011075 B2 JP7011075 B2 JP 7011075B2 JP 2020542484 A JP2020542484 A JP 2020542484A JP 2020542484 A JP2020542484 A JP 2020542484A JP 7011075 B2 JP7011075 B2 JP 7011075B2
- Authority
- JP
- Japan
- Prior art keywords
- gain
- signal
- audio signal
- weak
- strong
- 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
- 238000000034 method Methods 0.000 title claims description 51
- 230000005236 sound signal Effects 0.000 claims description 121
- 238000012545 processing Methods 0.000 claims description 68
- 238000001514 detection method Methods 0.000 claims description 49
- 230000007704 transition Effects 0.000 claims description 39
- 238000009499 grossing Methods 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02166—Microphone arrays; Beamforming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Otolaryngology (AREA)
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Obtaining Desirable Characteristics In Audible-Bandwidth Transducers (AREA)
Description
ンテリジェントなインタラクティブ製品の主流となるインタラクティブ手段である。実際の音声インタラクションプロセスでは、インタラクション効果が音声の品質の直接的な影響を受け、それに実際の環境は複雑で変化し、音声の品質に影響を与えるさまざまなノイズが存在するため、どのようにしてノイズを除去し対象音声の品質を向上させるのかはインタラクティブシナリオで非常に重要である。
マイク・アレイに基づく対象音声取得方法であり、
マイク・アレイで収集された音声信号を受信することと、
予め選択された対象音声信号及びその方向を決定することと、
前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得ることと、
前記強指向性ゲイン信号に基づき端点検出を行い、端点検出結果を得ることと、
前記端点検出結果により、前記弱指向性ゲイン信号に対して端点処理を行い、最終対象音声信号を得ることとを含む。
音源の位置決めにより予め選択された対象音声信号及びその方向を決定することを含む。
前記音声信号に対してビームフォーミングを行い、さまざまな方向のビームを得ることと、
前記さまざまな方向のビームの中から、予め設定された条件を満たすビームを選択し、選択されたビームにより、対象音声信号及びその方向を決定することとを含む。
前記強指向性ゲインの収音ゾーン角度が前記弱指向性ゲインの収音ゾーン角度よりも小さく、前記強指向性ゲインの遷移ゾーン角度が前記弱指向性ゲインの遷移ゾーン角度よりも小さくなるように、強指向性ゲインの収音ゾーン角度と遷移ゾーン角度、及び弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度を設定することと、
前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、音源の方位角に基づいた強指向性ゲインを決定し、弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、前記予め選択された対象音声信号の方位角を意味する音源の方位角に基づいた弱指向性ゲインを決定することと、
それぞれ前記音源の方位角に基づいた強指向性ゲイン及び弱指向性ゲインにより、強指向性ゲイン信号及び弱指向性ゲイン信号を得ることとを含む。
前記予め選択された対象信号及び干渉信号の平滑化エネルギー比率γを計算することと、
前記平滑化エネルギー比率γ、予め設定された高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定することと、
前記ゲイン調整係数によりそれぞれ前記強指向性ゲイン及び弱指向性ゲインを調整することとをさらに含む。
前記平滑化エネルギー比率γは前記高エネルギー比率閾値よりも大きい場合、前記ゲイン調整係数を1に設定することと、前記平滑化エネルギー比率γは前記低エネルギー比率閾値よりも小さい場合、前記ゲイン調整係数をK0に設定することと、前記平滑化エネルギー比率γは前記低エネルギー比率閾値以上、前記高エネルギー比率閾値以下である場合、前記ゲイン調整係数をK1に設定することとを含み、ここで、K1>K0とする。
予め設定された条件を満たすビームにより、予め選択された対象音声信号及びその方向を決定する前に、各ビームに対して適応フィルターを用いたノイズ軽減を行うことと、又は
予め選択された対象音声信号及びその方向を決定した後、前記予め選択された対象音声信号に対して適応フィルターを用いたノイズ軽減を行うこととをさらに含む。
ジュールと、ゲイン処理モジュールと、端点検出モジュールと、対象音声抽出モジュールとを含む。ここで、
前記信号受信モジュールは、マイク・アレイで収集された音声信号を受信し、前記音声信号を前記事前選択モジュールに出力し、
前記事前選択モジュールは、予め選択された対象音声信号及びその方向を決定するために使用され、
前記ゲイン処理モジュールは、前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得て、前記強指向性ゲイン信号を前記端点検出モジュールに出力し、前記弱指向性ゲイン信号を前記対象音声抽出モジュールに出力し、
前記端点検出モジュールは、前記強指向性ゲイン信号に基づき端点検出を行い、端点検出結果を前記対象音声抽出モジュールに出力し、
前記対象音声抽出モジュールは、前記端点検出結果により前記弱指向性ゲイン信号に対して端点処理を行い、最終対象音声信号を得る。
前記音声信号に対してビームフォーミングを行い、さまざまな方向のビームを得るビーム形成ユニットと、
前記ビーム形成ユニットから得られたさまざまな方向のビームの中から予め設定された条件を満たすビームを選択し、選択されたビームにより、前記予め選択された対象音声信号及びその方向を決定する決定ユニットとを含む。
強指向性ゲインの収音ゾーン角度が弱指向性ゲインの収音ゾーン角度よりも小さく、強指向性ゲインの遷移ゾーン角度が弱指向性ゲインの遷移ゾーン角度よりも小さくなるように、前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度、及び前記弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度を設定する角度設定ユニットと、
前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、音源の方位角に基づいた強指向性ゲインを決定し、前記弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、前記予め選択された対象音声信号の方位角を意味する音源の方位角に基づいた弱指向性ゲインを決定するゲイン計算ユニットと、
それぞれ前記音源の方位角に基づいた強指向性ゲイン及び弱指向性ゲインにより、前記強指向性ゲイン信号及び前記弱指向性ゲイン信号を得るゲイン信号生成ユニットとを含む。
高エネルギー比率閾値及び低エネルギー比率閾値を設定するエネルギー比率閾値設定ユニットと、
前記予め選択された対象信号及び干渉信号の平滑化エネルギー比率γを計算するエネルギー比率計算ユニットと、
前記平滑化エネルギー比率γ、前記高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定するゲイン調整係数決定ユニットと、
前記ゲイン調整係数によりそれぞれ前記ゲイン計算ユニットで得られた前記強指向性ゲイン及び弱指向性ゲインを調整するゲイン補正ユニットとをさらに含む。
前記ビーム形成ユニットと前記決定ユニットの間に設置され、前記ビーム形成ユニットで得られた各ビームに対して適応フィルターを用いたノイズ軽減を行うノイズ軽減ユニットをさらに含み、
又は、
前記事前選択モジュールとゲインモジュールの間に設置され、前記事前選択モジュールによって決定された予め選択された対象音声信号に対して適応フィルターを用いたノイズ軽減を行うノイズ軽減モジュールをさらに含む。
タユニットに前述のマイク・アレイに基づく対象音声取得方法のステップを実行させる。
前記プロセッサ及び前記メモリは、前記システムバスを介して接続される。
サによって実行された時に、前述のマイク・アレイに基づく対象音声取得方法のステップを実行させる。
を得ることを意味し、ここでxm(k,l)はm個目のマイクで受信された周波数領域の音声信号、kは信号の周波数、lは音声フレームの番号である。
仮にM個のマイクからN個の固定ビームを形成し、各マイクに対応するビーム形成係数は
、
は(M-1)×1ベクトル、
は(M-1)×1のブロッキング行列であり、所望方向の信号を最大限に抑制するという原則に基づいて得られ、当該行列は、対象信号を除去したノイズ参考信号を取得するために使用される。
はフィルター係数であり、正規化線形最小平均二乗誤差(LMS)アルゴリズムにより更新して得られる。
ンである。
はそれぞれ強指向性ゲイン及び弱指向性ゲインとする。γ(k,l)は周波数がkのl番目のフレームにおける予め選択された対象信号及び干渉信号の平滑化エネルギーの比率であり、干渉信号は他のビームのうち、エネルギーが一番大きなビームを選択できる。γhigh、γlowはそれぞれ高エネルギー比率の閾値、低エネルギー比率の閾値であり、その値は実際の応用状況によって決定され、例えば、それぞれ4と0.4とする。K0は補正係数であり、主に弱指向性でゲインアップする時に、double-talk(双方向通話)がある場合、ゲインを補正する。一般的に、0.2のような小さい値を取る。
プロセッサ及びメモリは、システムバスを介して接続される。
信号受信モジュール301は、マイク・アレイで収集された音声信号を受信し、当該音声信号を事前選択モジュール302に出力し、
事前選択モジュール302は、当該音声信号により予め選択された対象音声信号及びその方向を決定し、
ゲイン処理モジュール303は、予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得て、当該強指向性ゲイン信号を端点検出モジュール304に出力し、当該弱指向性ゲイン信号を対象音声抽出モジュール305に出力し、
端点検出モジュール304は、当該強指向性ゲイン信号に基づき端点検出を行い、端点検出結果を対象音声抽出モジュール305に出力し、
対象音声抽出モジュール305は、端点検出結果により当該弱指向性ゲイン信号に対して端点処理を行い、最終対象音声信号を得る。
強指向性ゲインの収音ゾーン角度が弱指向性ゲインの収音ゾーン角度よりも小さく、強指向性ゲインの遷移ゾーン角度が弱指向性ゲインの遷移ゾーン角度よりも小さく、強指向性ゲインの収音ゾーン角度は予め選択された対象音声信号のビームメインローブの角度よりも小さくなるように、強指向性ゲインの収音ゾーン角度と遷移ゾーン角度、及び弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度を設定する角度設定ユニット41と、
強指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、音源の方位角に基づいた強指向性ゲインを決定し、弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、予め選択された対象音声信号の方位角を意味する音源の方位角に基づいた弱指向性ゲインを決定するゲイン計算ユニット42と、
それぞれ音源の方位角に基づいた強指向性ゲイン及び弱指向性ゲインにより、強指向性ゲイン信号及び弱指向性ゲイン信号を得るゲイン信号生成ユニット43とを含む。
高エネルギー比率閾値及び低エネルギー比率閾値を設定するエネルギー比率閾値設定ユニット51と、
予め選択された対象信号及び干渉信号の平滑化エネルギー比率γを計算するエネルギー比率計算ユニット52と、
平滑化エネルギー比率γ、高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定するゲイン調整係数決定ユニット53と、
ゲイン調整係数によりそれぞれゲイン計算ユニット42で得られた強指向性ゲイン及び弱指向性ゲインを調整するゲイン補正ユニット54とをさらに含む。
の実施例で限定されない。
Claims (18)
- マイク・アレイに基づく対象音声取得方法であって、
マイク・アレイで収集された音声信号を受信することと、
予め選択された対象音声信号及びその方向を決定することと、
前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得ることと、
前記強指向性ゲイン信号に基づき端点検出を行い、端点検出結果を得ることと、
前記端点検出結果により、前記弱指向性ゲイン信号に対して端点処理を行い、最終対象音声信号を得ることとを含む、
ことを特徴とする方法。 - 前記予め選択された対象音声信号及びその方向を決定することは、
音源の位置決めにより予め選択された対象音声信号及びその方向を決定することを含む、
ことを特徴とする請求項1記載の方法。 - 前記予め選択された対象音声信号及びその方向を決定することは、
前記音声信号に対してビームフォーミングを行い、さまざまな方向のビームを得ることと、
前記さまざまな方向のビームの中から、予め設定された条件を満たすビームを選択し、選択されたビームにより、対象音声信号及びその方向を決定することとを含む、
ことを特徴とする請求項1記載の方法。 - 前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得ることは、
強指向性ゲインの収音ゾーン角度が弱指向性ゲインの収音ゾーン角度よりも小さく、前記強指向性ゲインの遷移ゾーン角度が前記弱指向性ゲインの遷移ゾーン角度よりも小さくなるように、前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度、及び前記弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度を設定することと、
強指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、音源の方位角に基づいた強指向性ゲインを決定し、弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、前記音源の方位角に基づいた弱指向性ゲインを決定し、前記音源の方位角とは、前記予め選択
された対象音声信号の方位角であることと、
それぞれ前記音源の方位角に基づいた強指向性ゲイン及び弱指向性ゲインにより、強指向性ゲイン信号及び弱指向性ゲイン信号を得ることとを含む、
ことを特徴とする請求項1記載の方法。 - 前記強指向性ゲインの収音ゾーン角度は前記予め選択された対象音声信号のビームメインローブの角度よりも小さい、
ことを特徴とする請求項4に記載の方法。 - 前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得ることは、
前記予め選択された対象信号及び干渉信号の平滑化エネルギー比率γを計算することと、前記平滑化エネルギー比率γ、予め設定された高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定することと、
前記ゲイン調整係数によりそれぞれ前記強指向性ゲイン及び弱指向性ゲインを調整することとをさらに含む、
ことを特徴とする請求項4記載の方法。 - 前記平滑化エネルギー比率γ、予め設定された高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定することは、
前記平滑化エネルギー比率γは前記高エネルギー比率閾値よりも大きい場合、前記ゲイン調整係数を1に設定することと、前記平滑化エネルギー比率γは前記低エネルギー比率閾値よりも小さい場合、前記ゲイン調整係数をK0に設定することと、前記平滑化エネルギー比率γは前記低エネルギー比率閾値以上、前記高エネルギー比率閾値以下である場合、前記ゲイン調整係数をK1に設定することとを含み、K1>K0とする、
ことを特徴とする請求項6に記載の方法。 - 予め設定された条件を満たすビームにより、予め選択された対象音声信号及びその方向を決定する前に、各ビームに対して適応フィルターを用いたノイズ軽減を行うこと、
又は、
予め選択された対象音声信号及びその方向を決定した後、前記予め選択された対象音声信号に対して適応フィルターを用いたノイズ軽減を行うことをさらに含む、
ことを特徴とする請求項3に記載の方法。 - マイク・アレイに基づく対象音声取得装置であって、信号受信モジュールと、事前選択モジュールと、ゲイン処理モジュールと、端点検出モジュールと、対象音声抽出モジュールとを含み、
前記信号受信モジュールは、マイク・アレイで収集された音声信号を受信し、前記音声信号を前記事前選択モジュールに出力し、
前記事前選択モジュールは、予め選択された対象音声信号及びその方向を決定するために使用され、
前記ゲイン処理モジュールは、前記予め選択された対象音声信号を、強指向性ゲイン処理及び弱指向性ゲイン処理をして、それぞれ強指向性ゲイン信号及び弱指向性ゲイン信号を得て、前記強指向性ゲイン信号を前記端点検出モジュールに出力し、前記弱指向性ゲイン信号を前記対象音声抽出モジュールに出力し、
前記端点検出モジュールは、前記強指向性ゲイン信号に基づき端点検出を行い、端点検出結果を前記対象音声抽出モジュールに出力し、
前記対象音声抽出モジュールは、前記端点検出結果により前記弱指向性ゲイン信号に対して端点処理を行い、最終対象音声信号を得る、
ことを特徴とする装置。 - 前記事前選択モジュールは、音源の位置決めにより予め選択された対象音声信号及びその方向を決定する、
ことを特徴とする請求項9に記載の装置。 - 前記事前選択モジュールは、
前記音声信号に対してビームフォーミングを行い、さまざまな方向のビームを得るビーム形成ユニットと、
前記ビーム形成ユニットから得られたさまざまな方向のビームの中から予め設定された条件を満たすビームを選択し、選択されたビームにより、前記予め選択された対象音声信号及びその方向を決定する決定ユニットとを含む、
ことを特徴とする請求項9に記載の装置。 - 前記ゲイン処理モジュールは、
強指向性ゲインの収音ゾーン角度が弱指向性ゲインの収音ゾーン角度よりも小さく、強指向性ゲインの遷移ゾーン角度が弱指向性ゲインの遷移ゾーン角度よりも小さくなるように、前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度、及び前記弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度を設定する角度設定ユニットと、
前記強指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、音源の方位角に基づいた強指向性ゲインを決定し、前記弱指向性ゲインの収音ゾーン角度と遷移ゾーン角度により、前記音源の方位角に基づいた弱指向性ゲインを決定するゲイン計算ユニットであって、前記音源の方位角とは、前記予め選択された対象音声信号の方位角であるゲイン計算ユニットと、
それぞれ前記音源の方位角に基づいた強指向性ゲイン及び弱指向性ゲインにより、前記強指向性ゲイン信号及び前記弱指向性ゲイン信号を得るゲイン信号生成ユニットとを含む、
ことを特徴とする請求項9に記載の装置。 - 前記強指向性ゲインの収音ゾーン角度は前記予め選択された対象音声信号のビームメインローブの角度よりも小さい、
ことを特徴とする請求項12に記載の装置。 - 前記ゲイン処理モジュールは、
高エネルギー比率閾値及び低エネルギー比率閾値を設定するエネルギー比率閾値設定ユニットと、
前記予め選択された対象信号及び干渉信号の平滑化エネルギー比率γを計算するエネルギー比率計算ユニットと、
前記平滑化エネルギー比率γ、前記高エネルギー比率閾値及び低エネルギー比率閾値によりゲイン調整係数を決定するゲイン調整係数決定ユニットと、
前記ゲイン調整係数によりそれぞれ前記ゲイン計算ユニットで得られた前記強指向性ゲイン及び弱指向性ゲインを調整するゲイン補正ユニットとをさらに含む、
ことを特徴とする請求項12に記載の装置。 - 前記事前選択モジュールは、
前記ビーム形成ユニットと前記決定ユニットの間に設置され、前記ビーム形成ユニットで得られた各ビームに対して適応フィルターを用いたノイズ軽減を行うノイズ軽減ユニットをさらに含み、
又は、
前記事前選択モジュールとゲインモジュールの間に設置され、前記事前選択モジュールによって決定された予め選択された対象音声信号に対して適応フィルターを用いたノイズ
軽減を行うノイズ軽減モジュールをさらに含む、
ことを特徴とする請求項11に記載の装置。 - 1つのコンピュータユニットによって実行されることで、当該コンピュータユニットに請求項1ないし8のいずれかの1項に記載のマイク・アレイに基づく対象音声取得方法のステップを実行させるコンピュータプログラムコードを格納する、
ことを特徴とするコンピュータ読取可能な記憶媒体。 - マイク・アレイに基づく対象音声取得装置であって、プロセッサと、メモリと、システムバスとを含み、
前記プロセッサ及び前記メモリは、前記システムバスを介して接続され、
前記メモリは、命令を含む1つ又は複数のプログラムを格納し、前記命令は前記プロセッサによって実行された時に、前記プロセッサに請求項1ないし8のいずれかの1項に記載の方法を実行させる、
ことを特徴とする対象音声取得装置。 - コンピュータプログラムであって、端末装置で実行される時に、前記端末装置に請求項1ないし8のいずれかの1項に記載の方法を実行させる、
ことを特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994211.5A CN107742522B (zh) | 2017-10-23 | 2017-10-23 | 基于麦克风阵列的目标语音获取方法及装置 |
CN201710994211.5 | 2017-10-23 | ||
PCT/CN2018/095765 WO2019080553A1 (zh) | 2017-10-23 | 2018-07-16 | 基于麦克风阵列的目标语音获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021500634A JP2021500634A (ja) | 2021-01-07 |
JP7011075B2 true JP7011075B2 (ja) | 2022-01-26 |
Family
ID=61238104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020542484A Active JP7011075B2 (ja) | 2017-10-23 | 2018-07-16 | マイク・アレイに基づく対象音声取得方法及び装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US11081123B2 (ja) |
EP (1) | EP3703053B1 (ja) |
JP (1) | JP7011075B2 (ja) |
KR (1) | KR102469516B1 (ja) |
CN (1) | CN107742522B (ja) |
ES (1) | ES2967132T3 (ja) |
HU (1) | HUE065302T2 (ja) |
PL (1) | PL3703053T3 (ja) |
WO (1) | WO2019080553A1 (ja) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742522B (zh) | 2017-10-23 | 2022-01-14 | 科大讯飞股份有限公司 | 基于麦克风阵列的目标语音获取方法及装置 |
CN108735227B (zh) * | 2018-06-22 | 2020-05-19 | 北京三听科技有限公司 | 对麦克风阵列拾取的语音信号进行声源分离的方法及*** |
CN108962226B (zh) * | 2018-07-18 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 用于检测语音的端点的方法和装置 |
CN110875056B (zh) * | 2018-08-30 | 2024-04-02 | 阿里巴巴集团控股有限公司 | 语音转录设备、***、方法、及电子设备 |
CN109243457B (zh) * | 2018-11-06 | 2023-01-17 | 北京如布科技有限公司 | 基于语音的控制方法、装置、设备及存储介质 |
CN109545242A (zh) * | 2018-12-07 | 2019-03-29 | 广州势必可赢网络科技有限公司 | 一种音频数据处理方法、***、装置及可读存储介质 |
CN111627425B (zh) * | 2019-02-12 | 2023-11-28 | 阿里巴巴集团控股有限公司 | 一种语音识别方法及*** |
CN110310625A (zh) * | 2019-07-05 | 2019-10-08 | 四川长虹电器股份有限公司 | 语音断句方法及*** |
CN112216298B (zh) * | 2019-07-12 | 2024-04-26 | 大众问问(北京)信息科技有限公司 | 双麦克风阵列声源定向方法、装置及设备 |
CN110517677B (zh) * | 2019-08-27 | 2022-02-08 | 腾讯科技(深圳)有限公司 | 语音处理***、方法、设备、语音识别***及存储介质 |
CN110415718B (zh) * | 2019-09-05 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 信号生成的方法、基于人工智能的语音识别方法及装置 |
CN110517702B (zh) * | 2019-09-06 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 信号生成的方法、基于人工智能的语音识别方法及装置 |
CN110619895A (zh) * | 2019-09-06 | 2019-12-27 | Oppo广东移动通信有限公司 | 定向发声控制方法及装置、发声设备、介质和电子设备 |
CN111243615B (zh) * | 2020-01-08 | 2023-02-10 | 环鸿电子(昆山)有限公司 | 麦克风阵列信号处理方法及手持式装置 |
CN113141285B (zh) * | 2020-01-19 | 2022-04-29 | 海信集团有限公司 | 一种沉浸式语音交互方法及*** |
CN111161748B (zh) * | 2020-02-20 | 2022-09-23 | 百度在线网络技术(北京)有限公司 | 一种双讲状态检测方法、装置以及电子设备 |
CN113393856B (zh) * | 2020-03-11 | 2024-01-16 | 华为技术有限公司 | 拾音方法、装置和电子设备 |
CN111429905B (zh) * | 2020-03-23 | 2024-06-07 | 北京声智科技有限公司 | 语音信号处理方法、装置、语音智能电梯、介质和设备 |
CN113496708B (zh) * | 2020-04-08 | 2024-03-26 | 华为技术有限公司 | 拾音方法、装置和电子设备 |
CN111627456B (zh) * | 2020-05-13 | 2023-07-21 | 广州国音智能科技有限公司 | 噪音排除方法、装置、设备及可读存储介质 |
USD958435S1 (en) * | 2020-07-17 | 2022-07-19 | Aiping GUO | Motion sensor ceiling light |
CN112151036B (zh) * | 2020-09-16 | 2021-07-30 | 科大讯飞(苏州)科技有限公司 | 基于多拾音场景的防串音方法、装置以及设备 |
CN112333602B (zh) * | 2020-11-11 | 2022-08-26 | 支付宝(杭州)信息技术有限公司 | 信号处理方法、信号处理设备、计算机可读存储介质及室内用播放*** |
CN112562681B (zh) * | 2020-12-02 | 2021-11-19 | 腾讯科技(深圳)有限公司 | 语音识别方法和装置、存储介质 |
CN112735461B (zh) * | 2020-12-29 | 2024-06-07 | 西安讯飞超脑信息科技有限公司 | 拾音方法以及相关装置、设备 |
CN112908310A (zh) * | 2021-01-20 | 2021-06-04 | 宁波方太厨具有限公司 | 一种智能电器中的语音指令识别方法及识别*** |
CN113053406B (zh) * | 2021-05-08 | 2024-06-18 | 北京小米移动软件有限公司 | 声音信号识别方法及装置 |
WO2023085749A1 (ko) * | 2021-11-09 | 2023-05-19 | 삼성전자주식회사 | 빔포밍을 제어하는 전자 장치 및 이의 동작 방법 |
CN114245266B (zh) * | 2021-12-15 | 2022-12-23 | 苏州蛙声科技有限公司 | 小型麦克风阵列设备的区域拾音方法及*** |
CN116168719A (zh) * | 2022-12-26 | 2023-05-26 | 杭州爱听科技有限公司 | 一种基于语境分析的声音增益调节方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005520211A (ja) | 2002-03-05 | 2005-07-07 | アリフコム | ノイズ抑制システムと共に用いるための発声活動検出(vad)デバイスおよび方法 |
JP2007086554A (ja) | 2005-09-26 | 2007-04-05 | Toshiba Tec Corp | 音声認識装置及び音声認識処理用プログラム |
JP2011244232A (ja) | 2010-05-19 | 2011-12-01 | Fujitsu Ltd | マイクロホンアレイ装置及び前記マイクロホンアレイ装置が実行するプログラム |
JP2011257627A (ja) | 2010-06-10 | 2011-12-22 | Murata Mach Ltd | 音声認識装置と認識方法 |
JP2014514794A (ja) | 2011-03-03 | 2014-06-19 | クゥアルコム・インコーポレイテッド | 可聴音と超音波とを用いたソース特定のためのシステム、方法、装置、およびコンピュータ可読媒体 |
US20200342887A1 (en) | 2017-10-23 | 2020-10-29 | Iflytek Co., Ltd. | Microphone array-based target voice acquisition method and device |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7415117B2 (en) * | 2004-03-02 | 2008-08-19 | Microsoft Corporation | System and method for beamforming using a microphone array |
EP1923866B1 (en) * | 2005-08-11 | 2014-01-01 | Asahi Kasei Kabushiki Kaisha | Sound source separating device, speech recognizing device, portable telephone, sound source separating method, and program |
JP4096104B2 (ja) * | 2005-11-24 | 2008-06-04 | 国立大学法人北陸先端科学技術大学院大学 | 雑音低減システム及び雑音低減方法 |
KR20090037845A (ko) * | 2008-12-18 | 2009-04-16 | 삼성전자주식회사 | 혼합 신호로부터 목표 음원 신호를 추출하는 방법 및 장치 |
KR101041039B1 (ko) * | 2009-02-27 | 2011-06-14 | 고려대학교 산학협력단 | 오디오 및 비디오 정보를 이용한 시공간 음성 구간 검출 방법 및 장치 |
CN101510426B (zh) * | 2009-03-23 | 2013-03-27 | 北京中星微电子有限公司 | 一种噪声消除方法及*** |
CN102196109B (zh) * | 2010-03-01 | 2013-07-31 | 联芯科技有限公司 | 一种残留回声检测方法和*** |
JP2012150237A (ja) | 2011-01-18 | 2012-08-09 | Sony Corp | 音信号処理装置、および音信号処理方法、並びにプログラム |
US9100735B1 (en) * | 2011-02-10 | 2015-08-04 | Dolby Laboratories Licensing Corporation | Vector noise cancellation |
CN103248992B (zh) * | 2012-02-08 | 2016-01-20 | 中国科学院声学研究所 | 一种基于双麦克风的目标方向语音活动检测方法及*** |
KR20130101943A (ko) * | 2012-03-06 | 2013-09-16 | 삼성전자주식회사 | 음원 끝점 검출 장치 및 그 방법 |
CN102800325A (zh) * | 2012-08-31 | 2012-11-28 | 厦门大学 | 一种超声波辅助麦克风阵列语音增强装置 |
CN102969002B (zh) | 2012-11-28 | 2014-09-03 | 厦门大学 | 一种可抑制移动噪声的麦克风阵列语音增强装置 |
JP6107151B2 (ja) * | 2013-01-15 | 2017-04-05 | 富士通株式会社 | 雑音抑圧装置、方法、及びプログラム |
US10229697B2 (en) * | 2013-03-12 | 2019-03-12 | Google Technology Holdings LLC | Apparatus and method for beamforming to obtain voice and noise signals |
CN104103277B (zh) * | 2013-04-15 | 2017-04-05 | 北京大学深圳研究生院 | 一种基于时频掩膜的单声学矢量传感器目标语音增强方法 |
CN103426440A (zh) | 2013-08-22 | 2013-12-04 | 厦门大学 | 利用能量谱熵空间信息的语音端点检测装置及其检测方法 |
CN103544959A (zh) * | 2013-10-25 | 2014-01-29 | 华南理工大学 | 一种基于无线定位麦克风阵列语音增强的通话***及方法 |
CN104091593B (zh) * | 2014-04-29 | 2017-02-15 | 苏州大学 | 采用感知语谱结构边界参数的语音端点检测算法 |
CN104038880B (zh) * | 2014-06-26 | 2017-06-23 | 南京工程学院 | 一种双耳助听器语音增强方法 |
CN105489224B (zh) * | 2014-09-15 | 2019-10-18 | 讯飞智元信息科技有限公司 | 一种基于麦克风阵列的语音降噪方法及*** |
WO2016076237A1 (ja) * | 2014-11-10 | 2016-05-19 | 日本電気株式会社 | 信号処理装置、信号処理方法および信号処理プログラム |
CN104936091B (zh) * | 2015-05-14 | 2018-06-15 | 讯飞智元信息科技有限公司 | 基于圆形麦克风阵列的智能交互方法及*** |
KR102444061B1 (ko) * | 2015-11-02 | 2022-09-16 | 삼성전자주식회사 | 음성 인식이 가능한 전자 장치 및 방법 |
CN106255026A (zh) * | 2016-08-08 | 2016-12-21 | 浙江大学 | 基于语音模式识别和振动反馈的助残装置及交互方法 |
CN106952653B (zh) * | 2017-03-15 | 2021-05-04 | 科大讯飞股份有限公司 | 噪声去除方法、装置和终端设备 |
CN107146614B (zh) * | 2017-04-10 | 2020-11-06 | 北京猎户星空科技有限公司 | 一种语音信号处理方法、装置及电子设备 |
-
2017
- 2017-10-23 CN CN201710994211.5A patent/CN107742522B/zh active Active
-
2018
- 2018-07-16 US US16/757,905 patent/US11081123B2/en active Active
- 2018-07-16 WO PCT/CN2018/095765 patent/WO2019080553A1/zh unknown
- 2018-07-16 HU HUE18870140A patent/HUE065302T2/hu unknown
- 2018-07-16 KR KR1020207014257A patent/KR102469516B1/ko active IP Right Grant
- 2018-07-16 EP EP18870140.3A patent/EP3703053B1/en active Active
- 2018-07-16 PL PL18870140.3T patent/PL3703053T3/pl unknown
- 2018-07-16 ES ES18870140T patent/ES2967132T3/es active Active
- 2018-07-16 JP JP2020542484A patent/JP7011075B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005520211A (ja) | 2002-03-05 | 2005-07-07 | アリフコム | ノイズ抑制システムと共に用いるための発声活動検出(vad)デバイスおよび方法 |
JP2007086554A (ja) | 2005-09-26 | 2007-04-05 | Toshiba Tec Corp | 音声認識装置及び音声認識処理用プログラム |
JP2011244232A (ja) | 2010-05-19 | 2011-12-01 | Fujitsu Ltd | マイクロホンアレイ装置及び前記マイクロホンアレイ装置が実行するプログラム |
JP2011257627A (ja) | 2010-06-10 | 2011-12-22 | Murata Mach Ltd | 音声認識装置と認識方法 |
JP2014514794A (ja) | 2011-03-03 | 2014-06-19 | クゥアルコム・インコーポレイテッド | 可聴音と超音波とを用いたソース特定のためのシステム、方法、装置、およびコンピュータ可読媒体 |
US20200342887A1 (en) | 2017-10-23 | 2020-10-29 | Iflytek Co., Ltd. | Microphone array-based target voice acquisition method and device |
Also Published As
Publication number | Publication date |
---|---|
EP3703053A1 (en) | 2020-09-02 |
US20200342887A1 (en) | 2020-10-29 |
JP2021500634A (ja) | 2021-01-07 |
US11081123B2 (en) | 2021-08-03 |
ES2967132T3 (es) | 2024-04-26 |
EP3703053C0 (en) | 2023-10-18 |
CN107742522A (zh) | 2018-02-27 |
KR102469516B1 (ko) | 2022-11-21 |
EP3703053B1 (en) | 2023-10-18 |
CN107742522B (zh) | 2022-01-14 |
WO2019080553A1 (zh) | 2019-05-02 |
PL3703053T3 (pl) | 2024-03-11 |
HUE065302T2 (hu) | 2024-05-28 |
EP3703053A4 (en) | 2021-07-21 |
KR20200066366A (ko) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7011075B2 (ja) | マイク・アレイに基づく対象音声取得方法及び装置 | |
CN111418010B (zh) | 一种多麦克风降噪方法、装置及终端设备 | |
US8891785B2 (en) | Processing signals | |
CN102164328B (zh) | 一种用于家庭环境的基于传声器阵列的音频输入*** | |
CN112424863B (zh) | 语音感知音频***及方法 | |
US20140025374A1 (en) | Speech enhancement to improve speech intelligibility and automatic speech recognition | |
CN108447496B (zh) | 一种基于麦克风阵列的语音增强方法及装置 | |
CN108766456B (zh) | 一种语音处理方法及装置 | |
WO2015196760A1 (zh) | 一种麦克风阵列语音检测方法及装置 | |
CN110610718B (zh) | 一种提取期望声源语音信号的方法及装置 | |
CN111435598B (zh) | 语音信号处理方法、装置、计算机可读介质及电子设备 | |
CN111063366A (zh) | 降低噪声的方法、装置、电子设备及可读存储介质 | |
CN106031196B (zh) | 信号处理装置、方法以及程序 | |
CN112242148B (zh) | 一种基于头戴式耳机的风噪抑制方法及装置 | |
CN110660404B (zh) | 基于零陷滤波预处理的语音通信和交互应用***、方法 | |
CN115457971A (zh) | 一种降噪方法、电子设备及存储介质 | |
CN112735370B (zh) | 一种语音信号处理方法、装置、电子设备和存储介质 | |
US11483646B1 (en) | Beamforming using filter coefficients corresponding to virtual microphones | |
CN112363112A (zh) | 一种基于线性麦克风阵列的声源定位方法及装置 | |
CN113223552B (zh) | 语音增强方法、装置、设备、存储介质及程序 | |
CN114724574A (zh) | 一种期望声源方向可调的双麦克风降噪方法 | |
CN111048096B (zh) | 一种语音信号处理方法、装置及终端 | |
CN114242104A (zh) | 语音降噪的方法、装置、设备及存储介质 | |
US10692514B2 (en) | Single channel noise reduction | |
CN112785997B (zh) | 一种噪声估计方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200617 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210819 |
|
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: 20211221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220113 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7011075 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |