JPH03247011A - 雑音除去回路 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、入力信号から雑音成分を除去する雑音除去回
路に関するものである。

〔発明の概要〕

本発明は、周波数軸上のデータに変換された信号を臨界
帯域で分割し、各帯域毎に雑音成分の抽出とマスキング
スレッショールドレベルの検出とを行い、これらを比較
してマスキングスレッショールドレベルを越える雑音成
分を、各帯域から除去することにより、音質劣化を最小
にすることができる雑音除去回路を提供するものである
。

〔従来の技術〕

一般に、音声信号には、音声が元々有している雑音成分
が含まれていることが多い、これに対し、音声信号に種
々の処理を施すことによって、２次的に発生する雑音成
分がある。この２次的に発生する雑音成分としては、例
えば、音声信号にアナログ／ディジタル（Ａ／Ｄ）変換
或いは再量子化等の処理を施すことで発生するいわゆる
量子化雑音が挙げられる。

〔発明が解決しようとする課題〕

ところで、例えば、エンコーダ等による量子化の際に発
生する量子化雑音は、処理の容５さから当該エンコーダ
内でノイズシェービング等のノイズ低減処理が施される
場合が多い、すなわち、エンコーダ内で量子化雑音を低
減処理する場合が多いのは、量子化雑音の原因となる量
子化処理が、例えばＡ／Ｄ変換であるか或いは再量子化
であるか、また、量子化ステップがどのくらいであるか
等が判明しており、その量子化雑音低減処理への対応が
し易いためである。

しかし、一般に、エンコーダで発生した量子化雑音を、
デコーダ側で低減処理することは困難な場合が多い、す
なわち、量子化雑音は、デコーダの入力信号に既に混入
しているものであるため、当該デコーダ側で、その量子
化雑音を特定して除去することは困難である。

そこで、本発明は、上述のような実情に鑑みて提案され
たものであり、例えば、デコーダ側での量子化雑音の除
去すなわち、既に量子化雑音が乗ってしまっている音声
信号の量子化雑音を、有効に除去することができる雑音
除去回路を提供することを目的とするものである。

〔課題を解決するための手段］ 本発明の雑音除去回路は、上述の目的を達成するために
提案されたものであり、入力信号を周波数軸上のデータ
に変換する変換手段と、当該変換手段の出力を複数の臨
界帯域（クリティカルバンド）に分割する分割手段と、
各帯域毎の雑音成分を抽出する抽出手段と、各帯域毎の
マスキングスレッシッールドレベルを検出する検出手段
と、上記抽出手段の出力と上記検出手段の出力を比較し
、上記検出手段の出力レベルを越える雑音成分を上記分
割手段の出力から除去するようにした雑音除去手段とを
有してなるものである。

ここで、上記臨界帯域とは、人間の聴覚特性を考慮した
ものであり、音声信号を例えば２５バンドに分割して高
域程帯域幅が広くなるようにしたものである。また、マ
スキングスレッショールドレベルのマスキングとは、人
間の聴覚上の特性により、ある信号によって他の信号が
マスクされて聞こえなくなる現象を言うもので、このマ
スキングの効果によって、マスクされる部分にノイズが
あったとしてもマスキングスレッショールドレベル以下
のレベルのノイズは聞こえなくなる。

〔作用〕

本発明によれば、人間の聴覚特性に基づいた臨界帯域で
入力信号を分割し、各帯域毎に同じく人間の聴覚特性を
考慮したマスキングスレッショールドレベルと雑音成分
のレベルとを比較しており、マスキングスレッシッール
ドレベルを越える帯域の雑音すなわち人間の耳に雑音と
して聞こえる雑音成分を除去するようにしている。

〔実施例〕

以下、本発明を適用した実施例について図面を参照しな
がら説明する。

第１図に本発明実施例の雑音除去回路の概略構成を示す
。

この第１図の雑音除去回路は、入力信号を周波数軸上の
データに変換する変換回路９と、当該変換回路９の出力
を複数の臨界帯域（クリティカルバンド）に分割（例え
ば２５バンドに分割）する分割手段である帯域分割フィ
ルタ１０と、各帯域毎の雑音成分を抽出する抽出手段で
ある雑音成分抽出回路１１１〜１１２．と、各帯域毎の
マスキングスレッシホールドレベルを検出する検出回路
１５と、上記雑音成分抽出回路１１＋〜１１゜の出力と
上記検出回路１５の出力を比較し、上記検出回路１５の
出力レベルを越える雑音成分を上記帯域分割フィルタ１
０の出力から除去するようにした雑音除去手段である雑
音成分除去回路１２Ｉ〜１２、ｓとを有してなるもので
ある。ここで、入力端子１には、例えばアナログ／ディ
ジタル（Ａ／Ｄ）変換或いは再量子化されることによっ
て発生した量子化雑音の含まれた音声信号が、入力信号
として供給されている。

すなわち、本実施例回路においては、第２回に示すよう
に、上記変換回路９で周波数軸上のデータに変換された
音声信号Ｓが、上記帯域分割フィルタ１０によって、人
間の聴覚特性に基づいた臨界帯域すなわち高域程帯域幅
の広くなるような帯域分割の手法で例えば２５バンド（
ＣＢＩ〜ＣＢ２５）に分割されている。これら各帯域毎
の音声信号は、上記各雑音成分抽出回路１１＋　”＝Ｉ
　Ｉｔｓに送られ、当該雑音成分抽出回路１１．〜１１
！Ｓによって、量子化雑音成分のみが抽出される。また
、各帯域毎の音声信号からは、上記検出回路１５によっ
て各帯域毎に人間の聴覚特性を考慮した後述スるマスキ
ングスレッシッールドレベルＭＳが検出される。これら
各帯域毎の上記雑音成分抽出出力と上記マスキングスレ
ッショールドレベル検出出力は、それぞれレベル比較回
路１３Ｉ〜１３！ｓに送られる。

ここで、一般に音声信号等を量子化することで発生する
量子化雑音には、そのレベルに一定の統計的性質が現れ
る。すなわち、−船釣な量子化雑音には、第２図に示す
量子化雑音想定レベルＱＮのように、統計的に表すこと
ができるレベルが存在する０本実施例雑音除去回路の上
記レベル比較回路１３１〜１３□では、−船釣な量子化
雑音の統計的性質に基づいて予め定められた上記量子化
雑音想定レベルＱＮと、上記雑音成分抽出出力のレベル
と、上記マスキングスレッショールドレベル検出出力と
を各帯域毎に比較するようにしている。これにより、当
該レベル比較回路１３１〜１３！ｓからは、上記各帯域
毎の量子化雑音のレベルが、上記量子化雑音想定レベル
ＱＮの範囲内にあり、かつ、上記マスキングスレッシツ
ールドレベルＭＳよりも大きい場合を示す所定の信号が
出力されるようになっている。

このレベル比較回路１３１〜１３ｔｓからの上記所定の
信号は、上記雑音成分除去回路１２１〜１２■に送られ
るようになっている。また、この雑音成分除去回路１２
ｔ〜１２．Ｓには、上記帯域分割フィルタ１０からの各
帯域毎の音声信号と、上記雑音成分抽出回路１１．〜１
１！、からの出力信号も伝送されるようになっている。

このことから、当該雑音成分除去回路１２＋−１２ｔｓ
では、上記レベル比較回路１３＋〜１３１Ｓからの上記
所定の信号が供給された時に、上記雑音成分抽出回路１
２、〜１２！Ｓからの抽出出力に基づいて、上記各帯域
毎の音声信号からそれぞれ雑音成分を滑らかに減少させ
るようにしている。すなわち、上記所定信号が供給され
た雑音成分除去回路のみが雑音除去動作を行うようにな
っている。

上述のようにして量子化雑音が除去された音声信号は、
それぞれ合成フィルタ１６に送られて合成された後、出
力端子２から出力されるようになっている。

すなわち、本実施例の雑音除去回路においては、マスキ
ングスレッシ冒−ルドレベルＭＳよりモ雑音レベルが小
さい帯域の音声信号には、雑音成分除去の処理を施して
いないため、この処理による音声信号の変化を最小限に
止めることができるようになっている。また、本実施例
では、量子化雑音に着目して雑音除去を行っているため
、量子化雑音想定レベルＱＮの範囲内の雑音のみを除去
処理の対象としている。更に、このように量子化雑音想
定レベルＱＮの範囲内の雑音のみを除去するようにして
いるので、例えば量子化雑音に近い音声信号の信号成分
を除去してしまうようなことはない。

ところで、上述した量子化雑音の抽出及び除去は、例え
ば後述するいわゆるニューラルネットワーク（Ｎｅｕｒ
ａｌ　Ｎｅｔｗｏｒｋ：神経回路ｗ４）を用いることに
より具体的に実現することができる。このニューラルネ
ットワークは、例えば、いわゆるバックプロパゲーシッ
ン（Ｂａｃｋ　Ｐｒｏｐａｇａ、ｔｉｏｎ：逆伝播）学
習側に従った学習処理が成されている。

すなわち、上記ニューラルネットワークとは、人間の脳
細胞のニューロン間の結合をモデルとしたものであり、
このニューラルネットワークの一般的な回路は、例えば
、第３図に示すように、入力層３１と出力層３３の間に
中間層３２ａ、３２ｂを有する多層構造となっている。

これら各層は上記ニューロンに対応するそれぞれ複数個
のユニットｕで構成されている。また、これらの各層間
においては、入力層→中間層→出力層の方向に結合し、
逆に出力層から入力層へ向かう結合のないいわゆるフィ
ードフォワードのネットワークとなっている。すなわち
、上記入力層３１の各々のユニットｕが中間層３２ａの
各々のユニッｌ−ｕと結合し、中間層３２ａの各々のユ
ニットｕが中間層３２ｂの各々のユニットｕと結合し、
同様に中間層３２ｂの各々のユニッ）ｕが出力層３３の
各々のユニッ）Ｕと結合していて、この逆の結合のない
ネットワークとなっている。また、１つの層内の各々の
ユニット層間での結合もない、ここで、上記ユニッ）Ｕ
は、他のユニッ）Ｕからの入力を一定の規則で変換し、
その変換結果を出力するようになっていて、他のユニッ
）Ｕとの結合部はそれぞれ可変の重み（リンク・ウエー
ト）付けを行うようになっている。この重み付けにより
、各ユニットの結合の強さが表される０例えば中間層３
２ｂ内の１番目のユニッ）Ｕ＝　と出力層３３内の３番
目のユニットｕ、との結合では、可変の重み付けの係数
（結合係数）Ｗｌ、が付けられる。この結合係数ｗ　＝
Ｊ＠変えるとネットワークの構造が変わるようになる。

ネットワークの学習とは、この結合係数Ｗｉｊを変える
ことであり、この値は正。

ゼロ、負の値をとる。ゼロは結合のないことを表す、こ
こで、あるユニットＵが複数のユニットから入力を受け
た場合、当該ユニットｕは、その総和を例えばｓｉｇｍ
ｏｉｄ関数等の所定の関数で変換し、その変換された値
を出力する。すなわち、人力信号の値（例えば各サンプ
ルデータ）が入力層３１の各ユニットＵに入力値として
それぞれ供給され、当該入力層３１から出力層３３に向
かって各ユニットｕの出力値を順次計夏していくことで
、上記出力層３３の各ユニットＵの出力値Ｏｐが得られ
るようになる。

ここで、バックプロパゲージ目ン学習アルゴリズムにお
いては、入力信号を与えた時の出力層３３の各ユニット
Ｕの実際の出力値Ｏ９と、望ましい出力ＭＯＬすなわち
教師信号Ｏｔとの二乗誤差の総和を、極小化するように
上記結合係数を変える学習処理を行っていくことによっ
て、教師信号０、に最も近い出力値Ｏ２が上記出力層３
３から得られるようになる。

第４図は、音声信号の量子化雑音の除去をニューラルネ
ットワークで実現するための具体的なブロック図である
。この第４図では、第１図の各雑音成分抽出回路に上記
ニューラルネットワークを適用した例を示し、例えば、
第１図の１つの帯域のみの雑音除去を例に挙げている。

すなわち、この第４図の入力端子４１には、第１図の帯
域分割フィルタ１０からの各臨界帯域の内の１つの帯域
の音声信号が供給されている。当該音声信号には量子化
雑音が含まれていて、ニューラルネットワーク４２に送
られている。ここで、上記ニューラルネットワーク４２
は、予め量子化雑音を教師信号として上述したような学
習処理が施されたものである。このため、このニューラ
ルネットワーク４２からは、上記音声信号から、量子化
雑音のみが抽出されて出力されることになる。なお、ニ
ューラルネットワークの基本構造は、通常複数入力。

複数出力の構成をとるため、上記ニューラルネットワー
ク４２は、音声信号をパラレルのサンプルデータに変換
して処理した後、再びシリアルに変換して出力するよう
にしている。或いは、臨界帯域の内の１つの帯域の音声
信号を、更に周波数分割したデータの処理を行った後、
再び合成して出力するようなものとすることもできる。

このニューラルネットワーク４２で抽出された量子化雑
音を、減算器で構成された雑音成分除去回路４３に送り
、この回路４３で上記入力音声信号から上記抽出された
量子化雑音を引くことで、人力音声信号の量子化雑音の
除去が可能となる。

また、上記ニューラルネットワーク４２で抽出された量
子化雑音は、レベル比較回路４４にも送られている。こ
のレベル比較回路４４は、第１図のレベル比較回路と同
様に動作するものであり、端子４５を介した前記マスキ
ングスレッシッールドレベルＭＳと、上記量子化雑音の
レベルと、前記量子化雑音想定レベルＱＮとの比較が行
われる。

このレベル比較回路４４の出力が、セレクタ４６に送ら
れるようになっている。Ｆｉセレクタ４６は、当該レベ
ル比較回路４４の出力に応じて、上記雑音成分除去回路
４３の出力と入力端子４１からの入力音声信号とを切り
換えて出力するものである。

このようにしてレベル比較回路４４の出力に応じて切り
換えられた信号が出力端子４７から出力され、第１図の
合成フィルタ１６に送られる。したがって、この第４図
の構成を第１図の回路に適用することで、量子化雑音成
分の除去による音声信号の変化を最小限に止めることが
てきる。更に、音声信号の信号成分を損なうことなく雑
音の除去も可能となる。

また、第５図に、上記ニューラルネットワークを第１図
の各雑音成分抽出回路及び雑音成分除去回路の両方に適
用する場合の例を示す、この第５図も第４図同Ｉｓ１つ
の帯域の例を示す。

すなわち、第５図において、入力端子５１を介した１つ
の帯域の音声信号は、雑音成分抽出ニューラルネットワ
ーク５２と、雑音成分除去二二一うルネットワーク５３
とに伝送されている。上記雑音成分抽出ニューラルネッ
トワーク５２は、第４図のニューラルネットワーク４２
と同様に、予め量子化雑音を教師信号として学習処理が
施されており、したがって、入力音声信号の量子化雑音
のみが抽出されて出力される。また、雑音成分除去ニュ
ーラルネットワーク５３では、予め量子化雑音のない音
声信号を教師信号とした学習処理が施されており、した
がって、入力音声信号の量子化雑音成分が除去されて出
力されている。なお、これらニューラルネットワーク５
２．５３では、第４図のニューラルネットワーク４２と
同様に、音声信号のパラレル変換とシリアル変換、或い
は、周波数分割と合成が行われる。上記雑音成分抽出ニ
ューラルネットワーク５２によって抽出された量子化雑
音は、レベル比較回路５４に送られ、ここで、端子５５
を介した上記マスキングスレッシッールドＭＳと、上記
量子化雑音想定レベルＱＮと比較される。このレベル比
較回路５４の出力に応じて、入力音声信号と上記雑音成
分除去ニューラルネットワーク５３の出力とを切り換え
るセレクタ５６での切り換え動作が行われ、出力端子５
７から出力される。この第５図の構成を第１図の回路に
適用することで第４図同様の効果を得ることができる。

なお、第１図、第４図、第５図において、例えば量子化
雑音の抽出が理想的に行われたならば、上述したレベル
比較処理の際の上記量子化雑音想定レベルＱＮは必ずし
も必要でない。

ここで、第１図の上記検出回路１５で行われる各帯域毎
の上記マスキングスレッシッールドレベルＭＳの検出に
ついて述べる。

マスキングとは、人間の聴覚上の特性により、ある信号
によって他の信号がマスクされて聞こえなくなる現象を
言うもので、このマスキング効果には、時間軸上の信号
に対するマスキング効果と周波数軸上の信号に対するマ
スキング効果（或いは、同時刻マスキング、テンポラル
マスキング）とがある、このマスキング効果により、マ
スキングされる部分にノイズがあったとしても、このノ
イズは聞こえなくなる０本実施例では上記周波数軸上の
マスキングが適用されている。

上記検出回路１５では、具体的に以下に述べるような処
理を行ってマスキングスレツシツールドレベルＭＳを検
出している。先ず、該検出回路１５の前段の構゛成であ
る上記変換回路９では、時間軸の入力音声信号を例えば
高速フーリエ変換（ＦＦＴ）により周波数軸上の成分（
ＦＦＴ係数）に変換しており、また、上記帯域分割フィ
ルタｌＯでは、該ＦＦＴ係数の振幅環Ａｍ（以下、ｍ＝
０〜１０２４）を、臨界帯域幅で例えば２５バンドのグ
ループＯｎ（以下、ｎは各バンドの番号を示し、ｎ＝０
〜２４）に分けている。このような各帯域毎のＦＦＴ係
数の振幅環Ａｍが上記検出回路１５に送られる。この検
出回路１５では、例えば、第（１）式により各バンド毎
のそれぞれの振幅環Ａｍの総和（振幅環Ａｍのピーク又
は平均或いはエネルギ総和）を取ることで得られるいわ
ゆるパークスペクトル（総和のスペクトル）Ｂｎが求め
られる。

Ｂ　ｎ　＝　１０　ｌｏｇ＋ｏ　　Ｃｎ　（Ｐｎ）”　
　　［ｄＢ］　　　　（１）ただし、ｎ＝０〜２４であ
り、Ｃｎは第ｎ番目のバンド内の要素数すなわち振幅項
（ポイント数）、Ｐｎは各バンドのピーク値である。上
記各バンドのパークスペクトルＢｎは、例えば、第６図
に示すようになる。ただし、この第６図では図示を簡略
化するため、上記臨界帯域における全バンド数を例えば
１２バンド（Ｂｌ〜Ｂ　＋ｚ）で表現している。

更に、この各バンド毎のパークスペクトルＢｎを、第（
２）式によりバンド間の影響を考慮してコンボリューシ
ョン（所定の重み付けの関数を畳込む）することで、こ
の各バンド毎の上記コンボリューションされたパークス
ペクトルＳｎを算出する。

Ｓ　ｎ　−Ｈｎ　＊　Ｂ　ｎ　　　　　　　　　　　　
　（２）ただし、Ｈｎはコンボリューションの係数、こ
のコンボリューションにより、第６図の図中点線で示す
部分の総和がとられる。

更に、該コンボリューションされたパークスペクトルＳ
ｎと、必要とされるＳ／Ｎ値である０ｎ（ｎ＝０〜２４
）とを用い、第（３）　、　（４）式によりコンボリュ
ーションされたマスキングスレッショールドＴｎを算出
する。

Ｏｎ　＝　Ｎ　−Ｋ　Ｘ　ｎ　　　　　　　　　　　　
（３）Ｔ　ｎ　＝　Ｓ　ｎ　−Ｏｎ　　　　　　　　　
　　　（４）ここで、例えばＮ＝３８で、Ｋ＝１とする
ことができ、この時の音質劣化は少ない、すなわち、第
７図に示すように、該コンボリューションされたマスキ
ングスレッショールドＴｎの各レベル（マスキングスレ
ッショールドレベルＭＳ）で示すレベル以下がマスキン
グされることになる。

［発明の効果］ 本発明の雑音除去回路においては、周波数軸上のデータ
に変換された信号を臨界帯域で分割し、各帯域毎の雑音
成分の抽出とマスキングスレッショールドレベルの検出
を行い、これらを比較してマスキングスレッショールド
レベルを越える雑音成分を、各帯域から除去することに
より、例えば、デコーダ側での量子化雑音の除去すなわ
ち、既に量子化雑音が乗ってしまっている音声信号等の
量子化雑音を有効に除去することができ、音質劣化を最
小にすることが可能となる。

【図面の簡単な説明】

第１図は本発明実施例の雑音除去回路の構成を示すブロ
ック回路図、第２図は臨界帯域毎のマスキングスレッシ
ョールドと量子化雑音の関係を示す図、第３図はニュー
ラルネットワークを説明するためのブロック図、第４図
は量子化雑音成分抽出をニューラルネットワークで行う
ための構成を示すブロック回路図、第５図は量子化雑音
成分抽出と除去をニューラルネットワークで行うための
構成を示すブロック回路図、第６図はパークスペクトル
を示す図、第７図はマスキングスレッショールドを示す
図である。

Claims (1)

1. 【特許請求の範囲】 入力信号を周波数軸上のデータに変換する変換手段と、 該変換手段の出力を複数の臨界帯域に分割する分割手段
   と、 各帯域毎の雑音成分を抽出する抽出手段と、各帯域毎の
   マスキングスレッショールドレベルを検出する検出手段
   と、 上記抽出手段の出力と上記検出手段の出力を比較し、上
   記検出手段の出力レベルを越える雑音成分を上記分割手
   段の出力から除去するようにした雑音除去手段とを有し
   てなることを特徴とする雑音除去回路。