JPH09252268A - 音声および雑音の除去装置、音声認識装置 - Google Patents
音声および雑音の除去装置、音声認識装置Info
- Publication number
- JPH09252268A JPH09252268A JP8058633A JP5863396A JPH09252268A JP H09252268 A JPH09252268 A JP H09252268A JP 8058633 A JP8058633 A JP 8058633A JP 5863396 A JP5863396 A JP 5863396A JP H09252268 A JPH09252268 A JP H09252268A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- unit
- output
- section
- dft
- 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.)
- Granted
Links
- 230000008030 elimination Effects 0.000 title claims description 38
- 238000003379 elimination reaction Methods 0.000 title claims description 38
- 238000001228 spectrum Methods 0.000 claims abstract description 123
- 230000005540 biological transmission Effects 0.000 claims description 78
- 238000001514 detection method Methods 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 16
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/20—Reducing echo effects or singing; Opening or closing transmitting path; Conditioning for transmission in one direction or the other
- H04B3/23—Reducing echo effects or singing; Opening or closing transmitting path; Conditioning for transmission in one direction or the other using a replica of transmitted signal in the time domain, e.g. echo cancellers
-
- 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
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- 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
- G10L2021/02168—Noise filtering characterised by the method used for estimating noise the estimation exclusively taking place during speech pauses
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Interconnected Communication Systems, Intercoms, And Interphones (AREA)
Abstract
(57)【要約】
【課題】 自己の送出したガイダンス音声だけでなく相
手話者の周囲の雑音をも除去し、高性能な音声および雑
音の除去装置と、音声認識装置を提供することにある。 【解決手段】 電話の受信信号をスペクトルに変換する
第１のＤＦＴ部１１と、電話の送信信号をスペクトルに
変換する第２のＤＦＴ部１２と、第１のＤＦＴ部１１の
出力から相手の話者の音声の周囲雑音を除去する１入力
スペクトルサブトラクション部１３と、第１のＤＦＴ部
１１の出力と第２のＤＦＴ部１２の出力とから送信信号
の受信側への回り込みに関する伝送特性を推定し、第２
のＤＦＴ部１２の出力信号を受信側の特性に合わせて補
正する特性補正部１４と、１入力スペクトルサブトラク
ション部１３の出力から特性補正部１４の出力を差し引
くことにより２入力のスペクトルサブトラクションを行
なう２入力スペクトルサブトラクション部１５とで構成
される。
手話者の周囲の雑音をも除去し、高性能な音声および雑
音の除去装置と、音声認識装置を提供することにある。 【解決手段】 電話の受信信号をスペクトルに変換する
第１のＤＦＴ部１１と、電話の送信信号をスペクトルに
変換する第２のＤＦＴ部１２と、第１のＤＦＴ部１１の
出力から相手の話者の音声の周囲雑音を除去する１入力
スペクトルサブトラクション部１３と、第１のＤＦＴ部
１１の出力と第２のＤＦＴ部１２の出力とから送信信号
の受信側への回り込みに関する伝送特性を推定し、第２
のＤＦＴ部１２の出力信号を受信側の特性に合わせて補
正する特性補正部１４と、１入力スペクトルサブトラク
ション部１３の出力から特性補正部１４の出力を差し引
くことにより２入力のスペクトルサブトラクションを行
なう２入力スペクトルサブトラクション部１５とで構成
される。
Description
【０００１】
【発明の属する技術分野】本発明は電話回線の音声認識
に用いられる音声除去装置に関し、特に相手の話者の周
囲雑音と送信信号の受信側への回り込みとの両方を除去
する技術に関する。
に用いられる音声除去装置に関し、特に相手の話者の周
囲雑音と送信信号の受信側への回り込みとの両方を除去
する技術に関する。
【０００２】
【従来の技術】電話回線を用いた音声認識を行なう際に
は通常ガイダンス音声を用いて対話的なシステムを構成
する場合が多い。例えば、以下にこの種の対話の例を示
すと、 （ガイダンス）こちらは、○○商事でございます。御用
件を発声して下さい。 （相手の話者）在庫照会 （ガイダンス）在庫照会でございますね。はいまたはい
いえでお答え下さい。 （相手の話者）はい この対話の例において、相手の話者がある程度システム
に習熟してくると、ガイダンスの終了を待たずに発声を
行なう場合がある。例えば、第１番目のガイダンスにお
いて「こちらは、○○商事でございます。」の直後に相
手の話者が「在庫照会」の発声を行なう場合や第２番目
の「在庫照会でございますね。」の直後に相手の話者が
「はい」を発声する場合が考えられる。従来、音声認識
装置はシステムが出力したガイダンスと相手の話者の音
声とが同時に行なわれた場合、認識装置に入力される音
声は２線−４線変換器（ハイブリッド）で両者が混合さ
れたものとなる。このような２つの音声が重畳する場合
には正しく認識が行なえないため、このような発声を受
理することが出来なかった。したがって、ある程度習熟
した利用者においても、ガイダンスが終了するまで必ず
待たなければならず、極めて冗長な、使い勝手の悪いシ
ステムとなり、ひいてはシステムが利用されなくなる要
因ともなっていた。
は通常ガイダンス音声を用いて対話的なシステムを構成
する場合が多い。例えば、以下にこの種の対話の例を示
すと、 （ガイダンス）こちらは、○○商事でございます。御用
件を発声して下さい。 （相手の話者）在庫照会 （ガイダンス）在庫照会でございますね。はいまたはい
いえでお答え下さい。 （相手の話者）はい この対話の例において、相手の話者がある程度システム
に習熟してくると、ガイダンスの終了を待たずに発声を
行なう場合がある。例えば、第１番目のガイダンスにお
いて「こちらは、○○商事でございます。」の直後に相
手の話者が「在庫照会」の発声を行なう場合や第２番目
の「在庫照会でございますね。」の直後に相手の話者が
「はい」を発声する場合が考えられる。従来、音声認識
装置はシステムが出力したガイダンスと相手の話者の音
声とが同時に行なわれた場合、認識装置に入力される音
声は２線−４線変換器（ハイブリッド）で両者が混合さ
れたものとなる。このような２つの音声が重畳する場合
には正しく認識が行なえないため、このような発声を受
理することが出来なかった。したがって、ある程度習熟
した利用者においても、ガイダンスが終了するまで必ず
待たなければならず、極めて冗長な、使い勝手の悪いシ
ステムとなり、ひいてはシステムが利用されなくなる要
因ともなっていた。
【０００３】この種の音声除去装置はこのような問題点
に対処するものであり、ガイダンス音声と相手の話者の
音声とが重畳した信号から、相手の話者の音声のみを抽
出して音声認識を行なうことにより、利用者がガイダン
スの終了を待たずに発声した音声を高精度に認識するこ
と（いわゆるバージイン）を可能とするものである。例
えば、辻井（監修）：“エコーキャンセラ技術”、日本
工業技術センター、ｐ．４（昭和６１年１２月）、（以
下引用文献［１］とする）に示される音声除去装置を、
図１０を用いて説明する。図１０に示した音声除去装置
はいわゆるエコーキャンセラと呼ばれる技術を長距離電
話回線の中継用交換機内部のハイブリッドにおける回り
込み除去に応用した例であり、時間波形上の適応フィル
タを用いて送信側の音声を受信側の音声に等価せしめ、
時間波形上で引き算を行なうものである。ここでは、引
用文献［１］記載の音声除去装置を加入者側の電話器に
用いた音声認識装置に応用した場合について説明する。
すなわち、ガイダンス音声が出力されるとハイブリッド
１０１で漏洩し、４線部分の受話側へ回り込む。疑似エ
コー発生部１０３は、残留エコーが最小となるように回
り込み音声の伝送特性を補正し、疑似エコーを発生す
る。減算器１０２は、回り込みのガイダンス音声から疑
似エコー発生部１０３が出力した疑似エコーを引き算す
ることにより、ガイダンス音声のみをキャンセルする。
電話回線から伝送された相手話者の音声とガイダンス音
声とが重なった状態では、疑似エコー発生部１０３は最
も直前に推定した伝送特性を利用して疑似エコーを発生
し、減算器１０２はガイダンスに関するエコーのみを除
去する。音声認識部１０４は、減算器１０２が処理し
た、ガイダンス音声除去後の音声を用いて音声認識を行
なう。
に対処するものであり、ガイダンス音声と相手の話者の
音声とが重畳した信号から、相手の話者の音声のみを抽
出して音声認識を行なうことにより、利用者がガイダン
スの終了を待たずに発声した音声を高精度に認識するこ
と（いわゆるバージイン）を可能とするものである。例
えば、辻井（監修）：“エコーキャンセラ技術”、日本
工業技術センター、ｐ．４（昭和６１年１２月）、（以
下引用文献［１］とする）に示される音声除去装置を、
図１０を用いて説明する。図１０に示した音声除去装置
はいわゆるエコーキャンセラと呼ばれる技術を長距離電
話回線の中継用交換機内部のハイブリッドにおける回り
込み除去に応用した例であり、時間波形上の適応フィル
タを用いて送信側の音声を受信側の音声に等価せしめ、
時間波形上で引き算を行なうものである。ここでは、引
用文献［１］記載の音声除去装置を加入者側の電話器に
用いた音声認識装置に応用した場合について説明する。
すなわち、ガイダンス音声が出力されるとハイブリッド
１０１で漏洩し、４線部分の受話側へ回り込む。疑似エ
コー発生部１０３は、残留エコーが最小となるように回
り込み音声の伝送特性を補正し、疑似エコーを発生す
る。減算器１０２は、回り込みのガイダンス音声から疑
似エコー発生部１０３が出力した疑似エコーを引き算す
ることにより、ガイダンス音声のみをキャンセルする。
電話回線から伝送された相手話者の音声とガイダンス音
声とが重なった状態では、疑似エコー発生部１０３は最
も直前に推定した伝送特性を利用して疑似エコーを発生
し、減算器１０２はガイダンスに関するエコーのみを除
去する。音声認識部１０４は、減算器１０２が処理し
た、ガイダンス音声除去後の音声を用いて音声認識を行
なう。
【０００４】図１０に示す例は、時間波形上の適応フィ
ルタを用いた例を示したが、これをパワースペクトル上
の引き算（いわゆる２入力のスペクトルサブトラクショ
ン）で実現することも可能である。例えば、有吉、松
下、藤本：“２入力による騒音下の音声認識方式”、音
響学会秋季講演論文集、１−８−５、ｐｐ．９−１０
（１９９０．９）．（以下引用文献［２］とする）に用
いられている２入力スペクトルサブトラクションを用い
れば、図１０と同様の構成をパワースペクトル上の適応
フィルタと引き算で実現することも可能である。なお、
引用文献［２］では、その応用として自動車内の音声認
識を行なった場合を示しており、この場合の除去対象は
自動車内の周囲雑音となっているが、原理的には電話に
おける音声除去技術と同一である。この方式は引用文献
［１］記載の音声除去装置に比べて、パワースペクトル
上で位相を除去した後に演算を行なうことで処理量を大
きく低減化が可能であり、より廉価なシステムを構成す
ることが可能である。
ルタを用いた例を示したが、これをパワースペクトル上
の引き算（いわゆる２入力のスペクトルサブトラクショ
ン）で実現することも可能である。例えば、有吉、松
下、藤本：“２入力による騒音下の音声認識方式”、音
響学会秋季講演論文集、１−８−５、ｐｐ．９−１０
（１９９０．９）．（以下引用文献［２］とする）に用
いられている２入力スペクトルサブトラクションを用い
れば、図１０と同様の構成をパワースペクトル上の適応
フィルタと引き算で実現することも可能である。なお、
引用文献［２］では、その応用として自動車内の音声認
識を行なった場合を示しており、この場合の除去対象は
自動車内の周囲雑音となっているが、原理的には電話に
おける音声除去技術と同一である。この方式は引用文献
［１］記載の音声除去装置に比べて、パワースペクトル
上で位相を除去した後に演算を行なうことで処理量を大
きく低減化が可能であり、より廉価なシステムを構成す
ることが可能である。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
音声除去装置では、除去する対象が自己の送出したガイ
ダンス音声のみであり、相手話者の周囲の雑音レベルが
高い場合にもこの雑音に対する対処がなされておらず、
音声認識性能が劣化するという問題点があった。
音声除去装置では、除去する対象が自己の送出したガイ
ダンス音声のみであり、相手話者の周囲の雑音レベルが
高い場合にもこの雑音に対する対処がなされておらず、
音声認識性能が劣化するという問題点があった。
【０００６】また、相手話者の周囲の雑音レベルが高い
場合には、その影響により電話の送信信号の受話器側へ
の回り込みに関する伝送特性が正しく推定出来ず、ひい
てはガイダンス音声の除去性能が低下するという問題点
があった。
場合には、その影響により電話の送信信号の受話器側へ
の回り込みに関する伝送特性が正しく推定出来ず、ひい
てはガイダンス音声の除去性能が低下するという問題点
があった。
【０００７】本発明は上述の問題を解決するものであ
り、その目的は、自己の送出したガイダンス音声だけで
なく相手話者の周囲の雑音をも除去し、高性能な音声お
よび雑音の除去装置と、音声認識装置を提供することに
ある。
り、その目的は、自己の送出したガイダンス音声だけで
なく相手話者の周囲の雑音をも除去し、高性能な音声お
よび雑音の除去装置と、音声認識装置を提供することに
ある。
【０００８】また、他の目的として相手話者の周囲の雑
音影響をとり除くことで、自己の送出したガイダンス音
声を高精度に除去することにある。
音影響をとり除くことで、自己の送出したガイダンス音
声を高精度に除去することにある。
【０００９】
【課題を解決するための手段】本発明による第１の音声
および雑音の除去装置は、電話の受信信号をスペクトル
に変換する第１のＤＦＴ部（図１の１１）と、電話の送
信信号をスペクトルに変換する第２のＤＦＴ部（図１の
１２）と、第１のＤＦＴ部（図１の１１）の出力から相
手の話者の音声の周囲雑音を除去する１入力スペクトル
サブトラクション部（図１の１３）と、第１のＤＦＴ部
（図１の１１）の出力と第２のＤＦＴ部（図１の１２）
の出力とから送信信号の受信側への回り込みに関する伝
送特性を推定し、第２のＤＦＴ部（図１の１２）の出力
信号を受信側の特性に合わせて補正する特性補正部（図
１の１４）と、１入力スペクトルサブトラクション部
（図１の１３）の出力から特性補正部（図１の１４）の
出力を差し引くことにより２入力のスペクトルサブトラ
クションを行なう２入力スペクトルサブトラクション部
（図１の１５）とで構成される。
および雑音の除去装置は、電話の受信信号をスペクトル
に変換する第１のＤＦＴ部（図１の１１）と、電話の送
信信号をスペクトルに変換する第２のＤＦＴ部（図１の
１２）と、第１のＤＦＴ部（図１の１１）の出力から相
手の話者の音声の周囲雑音を除去する１入力スペクトル
サブトラクション部（図１の１３）と、第１のＤＦＴ部
（図１の１１）の出力と第２のＤＦＴ部（図１の１２）
の出力とから送信信号の受信側への回り込みに関する伝
送特性を推定し、第２のＤＦＴ部（図１の１２）の出力
信号を受信側の特性に合わせて補正する特性補正部（図
１の１４）と、１入力スペクトルサブトラクション部
（図１の１３）の出力から特性補正部（図１の１４）の
出力を差し引くことにより２入力のスペクトルサブトラ
クションを行なう２入力スペクトルサブトラクション部
（図１の１５）とで構成される。
【００１０】本発明による第２の音声および雑音の除去
装置は、電話の受信信号をスペクトルに変換する第１の
ＤＦＴ部（図２の２１）と、電話の送信信号をスペクト
ルに変換する第２のＤＦＴ部（図２の２２）と、第１の
ＤＦＴ部（図２の２１）の出力から相手の話者の音声の
周囲雑音を除去する１入力スペクトルサブトラクション
部（図２の２３）と、１入力スペクトルサブトラクショ
ン部（図２の２３）の出力と第２のＤＦＴ部（図２の２
２）の出力とから送信信号の受信側への回り込みに関す
る伝送特性を推定し、第２のＤＦＴ部（図２の２２）の
出力信号を受信側の特性に合わせて補正する特性補正部
（図２の２４）と、１入力スペクトルサブトラクション
部（図２の２３）の出力から特性補正部（図２の２４）
の出力を差し引くことにより２入力のスペクトルサブト
ラクションを行なう２入力スペクトルサブトラクション
部（図２の２５）とで構成される。
装置は、電話の受信信号をスペクトルに変換する第１の
ＤＦＴ部（図２の２１）と、電話の送信信号をスペクト
ルに変換する第２のＤＦＴ部（図２の２２）と、第１の
ＤＦＴ部（図２の２１）の出力から相手の話者の音声の
周囲雑音を除去する１入力スペクトルサブトラクション
部（図２の２３）と、１入力スペクトルサブトラクショ
ン部（図２の２３）の出力と第２のＤＦＴ部（図２の２
２）の出力とから送信信号の受信側への回り込みに関す
る伝送特性を推定し、第２のＤＦＴ部（図２の２２）の
出力信号を受信側の特性に合わせて補正する特性補正部
（図２の２４）と、１入力スペクトルサブトラクション
部（図２の２３）の出力から特性補正部（図２の２４）
の出力を差し引くことにより２入力のスペクトルサブト
ラクションを行なう２入力スペクトルサブトラクション
部（図２の２５）とで構成される。
【００１１】本発明による第３の音声および雑音の除去
装置は、本発明による第１または第２の音声および雑音
の除去装置の特性補正部（図３の３４）が送信信号の存
在する区間を用いて電話の送信信号の受信側への回り込
みに関する伝送特性を推定し、ＤＦＴ部２（図３の３
２）の出力信号を受信側の特性に合わせて補正する。
装置は、本発明による第１または第２の音声および雑音
の除去装置の特性補正部（図３の３４）が送信信号の存
在する区間を用いて電話の送信信号の受信側への回り込
みに関する伝送特性を推定し、ＤＦＴ部２（図３の３
２）の出力信号を受信側の特性に合わせて補正する。
【００１２】本発明による第４の音声および雑音の除去
装置は、本発明による第１または第２の音声および雑音
の除去装置に加えて２入力スペクトルサブトラクション
部（図４の４５）の出力を用いて相手の話者の音声の存
在する区間の検出を行なう音声検出部（図４の４６）を
備え、１入力スペクトルサブトラクション部（図４の４
３）は音声検出部（図４の４６）が音声区間検出中でな
い区間から除去する雑音を求めることを特徴とする。
装置は、本発明による第１または第２の音声および雑音
の除去装置に加えて２入力スペクトルサブトラクション
部（図４の４５）の出力を用いて相手の話者の音声の存
在する区間の検出を行なう音声検出部（図４の４６）を
備え、１入力スペクトルサブトラクション部（図４の４
３）は音声検出部（図４の４６）が音声区間検出中でな
い区間から除去する雑音を求めることを特徴とする。
【００１３】本発明による第５の音声および雑音の除去
装置は、本発明による第４の音声および雑音の除去装置
の１入力スペクトルサブトラクション部（図５の５３）
が音声検出部（図５の５６）が音声区間検出中でない区
間かつ電話の送信信号の存在しない区間から除去する雑
音を求めることを特徴とする。
装置は、本発明による第４の音声および雑音の除去装置
の１入力スペクトルサブトラクション部（図５の５３）
が音声検出部（図５の５６）が音声区間検出中でない区
間かつ電話の送信信号の存在しない区間から除去する雑
音を求めることを特徴とする。
【００１４】本発明による第６の音声および雑音の除去
装置は、本発明による第４または第５の音声および雑音
の除去装置の特性補正部（図６の６４）が音声検出部
（図６の６６）が音声区間検出中でない区間から電話の
送信信号の受話器側への回り込みに関する伝送特性を推
定し、第２のＤＦＴ部（図６の６２）の出力信号を受信
側の特性に合わせて補正することを特徴とする。
装置は、本発明による第４または第５の音声および雑音
の除去装置の特性補正部（図６の６４）が音声検出部
（図６の６６）が音声区間検出中でない区間から電話の
送信信号の受話器側への回り込みに関する伝送特性を推
定し、第２のＤＦＴ部（図６の６２）の出力信号を受信
側の特性に合わせて補正することを特徴とする。
【００１５】本発明による第７の音声および雑音の除去
装置は、本発明による第６の音声および雑音の除去装置
の特性補正部（図７の７４）が音声検出部（図７の７
６）が音声区間検出中でない区間かつ電話の送信信号の
存在する区間から電話の送信信号の受話器側への回り込
みに関する伝送特性を推定し、第２のＤＦＴ部（図７の
７２）の出力信号を受信側の特性に合わせて補正するこ
とを特徴とする。
装置は、本発明による第６の音声および雑音の除去装置
の特性補正部（図７の７４）が音声検出部（図７の７
６）が音声区間検出中でない区間かつ電話の送信信号の
存在する区間から電話の送信信号の受話器側への回り込
みに関する伝送特性を推定し、第２のＤＦＴ部（図７の
７２）の出力信号を受信側の特性に合わせて補正するこ
とを特徴とする。
【００１６】本発明による第８の音声および雑音の除去
装置は、本発明による第３の音声および雑音の除去装置
の２入力スペクトルサブトラクション部（図８の８５）
の出力を用いて相手の話者の音声の存在する区間の検出
を行なう音声検出部（図８の８６）を備え、特性補正部
（図８の８４）が音声検出部（図８の８６）が音声区間
検出中でない区間かつ電話の送信信号の存在する区間を
用いて送信信号の受信側への回り込みに関する伝送特性
を推定し、第２のＤＦＴ（図８の８２）の出力信号を受
信側の特性に合わせて補正することを特徴とする。
装置は、本発明による第３の音声および雑音の除去装置
の２入力スペクトルサブトラクション部（図８の８５）
の出力を用いて相手の話者の音声の存在する区間の検出
を行なう音声検出部（図８の８６）を備え、特性補正部
（図８の８４）が音声検出部（図８の８６）が音声区間
検出中でない区間かつ電話の送信信号の存在する区間を
用いて送信信号の受信側への回り込みに関する伝送特性
を推定し、第２のＤＦＴ（図８の８２）の出力信号を受
信側の特性に合わせて補正することを特徴とする。
【００１７】本発明による音声認識装置は、本発明の音
声および雑音の除去装置の出力を用いて音声認識を行な
う音声認識部（図９の９１）を有する。
声および雑音の除去装置の出力を用いて音声認識を行な
う音声認識部（図９の９１）を有する。
【００１８】本発明は、電話における相手話者の音声と
送信したガイダンス音声とが重畳した信号から相手話者
の音声のみを取りだし、しかも相手話者の周囲雑音を除
去することにより、高性能な雑音および音声の除去装置
を提供出来るという効果を得るものであり、従来の音声
の除去装置では得られなかった高い雑音および音声の除
去性能を得るものである。
送信したガイダンス音声とが重畳した信号から相手話者
の音声のみを取りだし、しかも相手話者の周囲雑音を除
去することにより、高性能な雑音および音声の除去装置
を提供出来るという効果を得るものであり、従来の音声
の除去装置では得られなかった高い雑音および音声の除
去性能を得るものである。
【００１９】本発明の第２の音声および雑音の除去装置
の作用を図２を用いて説明する。まず、ガイダンスとし
て送出した信号はハイブリッドを経て電話回線に送出さ
れるのと同時にハイブリッドの受信信号線にも漏洩す
る。相手話者がガイダンス音声と時間的に重なった位置
で発声を行なった場合は、受信信号線には両方の音声が
重畳した信号が観測される。相手話者の音声に周囲雑音
が存在する場合は、受信信号にはさらに相手話者の周囲
雑音が重畳される。相手話者の音声をｓ（ｔ）、周囲雑
音をｎ（ｔ）とし、相手話者の周囲雑音が重畳された観
測信号をｘ（ｔ）とすると、 ｘ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ） （１） 送出するガイダンス信号をｙ（ｔ）、ハイブリッドの回
り込みのインパルス応答特性をｈ（ｔ）とすると、ハイ
ブリッドの受信側信号線の観測信号ｗ（ｔ）は以下のよ
うに表される。
の作用を図２を用いて説明する。まず、ガイダンスとし
て送出した信号はハイブリッドを経て電話回線に送出さ
れるのと同時にハイブリッドの受信信号線にも漏洩す
る。相手話者がガイダンス音声と時間的に重なった位置
で発声を行なった場合は、受信信号線には両方の音声が
重畳した信号が観測される。相手話者の音声に周囲雑音
が存在する場合は、受信信号にはさらに相手話者の周囲
雑音が重畳される。相手話者の音声をｓ（ｔ）、周囲雑
音をｎ（ｔ）とし、相手話者の周囲雑音が重畳された観
測信号をｘ（ｔ）とすると、 ｘ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ） （１） 送出するガイダンス信号をｙ（ｔ）、ハイブリッドの回
り込みのインパルス応答特性をｈ（ｔ）とすると、ハイ
ブリッドの受信側信号線の観測信号ｗ（ｔ）は以下のよ
うに表される。
【００２０】
【数１】
【００２１】なお、
【００２２】
【外１】
【００２３】は波形同士の畳み込み演算を表すものとす
る。また、実際は相手話者の音声と周囲雑音との合成信
号ｘ（ｔ）自体もハイブリッドの伝達特性により変形を
受けるが、本発明の目的とは直接関係がないので考慮に
入れないものとする。ＤＦＴ部１（図２の２１）および
ＤＦＴ部２（図２の２２）は、それぞれハイブリッドの
送信信号および受信信号をパワースペクトルに変換す
る。各々の出力のパワースペクトルをＷ（ｆ）、Ｖ
（ｆ）とすると、 Ｗ（ｆ）＝Ｓ（ｆ）＋Ｎ（ｆ）＋Ｈ（ｆ）Ｙ（ｆ） Ｖ（ｆ）＝Ｙ（ｆ） （３） の関係が得られる。ここで、Ｓ（ｆ）、Ｎ（ｆ）、Ｈ
（ｆ）、Ｙ（ｆ）はそれぞれ、ｓ（ｔ）、ｎ（ｔ）、ｈ
（ｔ）、ｙ（ｔ）のパワースペクトルを表すものとす
る。
る。また、実際は相手話者の音声と周囲雑音との合成信
号ｘ（ｔ）自体もハイブリッドの伝達特性により変形を
受けるが、本発明の目的とは直接関係がないので考慮に
入れないものとする。ＤＦＴ部１（図２の２１）および
ＤＦＴ部２（図２の２２）は、それぞれハイブリッドの
送信信号および受信信号をパワースペクトルに変換す
る。各々の出力のパワースペクトルをＷ（ｆ）、Ｖ
（ｆ）とすると、 Ｗ（ｆ）＝Ｓ（ｆ）＋Ｎ（ｆ）＋Ｈ（ｆ）Ｙ（ｆ） Ｖ（ｆ）＝Ｙ（ｆ） （３） の関係が得られる。ここで、Ｓ（ｆ）、Ｎ（ｆ）、Ｈ
（ｆ）、Ｙ（ｆ）はそれぞれ、ｓ（ｔ）、ｎ（ｔ）、ｈ
（ｔ）、ｙ（ｔ）のパワースペクトルを表すものとす
る。
【００２４】いま、相手話者の周囲雑音Ｎ（ｆ）が定常
であると仮定すれば、Ｎ（ｆ）は、相手話者の音声Ｓ
（ｆ）およびガイダンス音声Ｙ（ｆ）がどちらも存在し
ない部分で直接観測することが可能である。例えば、相
手話者と回線が接続された瞬間かつガイダンス音声を出
力していない時間位置で観測することが出来る。また、
音声検出手段を設けて観測することももちろん可能であ
る。１入力スペクトルサブトラクション部（図２の２
３）は、この様にして求めた周囲雑音Ｎ′（ｆ）をＤＦ
Ｔ部１（図２の２１）の出力スペクトルから引き算する
ことにより話者の周囲雑音の除去を行なう。１入力スペ
クトルサブトラクション（図２の２３）の出力スペクト
ルをＷ1 （ｆ）とすると、
であると仮定すれば、Ｎ（ｆ）は、相手話者の音声Ｓ
（ｆ）およびガイダンス音声Ｙ（ｆ）がどちらも存在し
ない部分で直接観測することが可能である。例えば、相
手話者と回線が接続された瞬間かつガイダンス音声を出
力していない時間位置で観測することが出来る。また、
音声検出手段を設けて観測することももちろん可能であ
る。１入力スペクトルサブトラクション部（図２の２
３）は、この様にして求めた周囲雑音Ｎ′（ｆ）をＤＦ
Ｔ部１（図２の２１）の出力スペクトルから引き算する
ことにより話者の周囲雑音の除去を行なう。１入力スペ
クトルサブトラクション（図２の２３）の出力スペクト
ルをＷ1 （ｆ）とすると、
【００２５】
【数２】
【００２６】の様に話者の周囲雑音が除去されることに
なる。特性補正部（図２の２４）は、まずＤＦＴ部２
（図２の２２）と１入力スペクトルサブトラクション部
（図２の２３）とから、ハイブリッドのパワー伝送特性
Ｈ（ｆ）を推定する。いま相手話者の音声が存在せずガ
イダンス音声のみが存在する場合、１入力スペクトルサ
ブトラクション部（図２の２３）の出力は、
なる。特性補正部（図２の２４）は、まずＤＦＴ部２
（図２の２２）と１入力スペクトルサブトラクション部
（図２の２３）とから、ハイブリッドのパワー伝送特性
Ｈ（ｆ）を推定する。いま相手話者の音声が存在せずガ
イダンス音声のみが存在する場合、１入力スペクトルサ
ブトラクション部（図２の２３）の出力は、
【００２７】
【数３】
【００２８】のようにハイブリッドで変形を受けたガイ
ダンス音声のみとなり、この時間位置を用いて伝送特性
Ｈ′（ｆ）を事前に推定することが出来る。
ダンス音声のみとなり、この時間位置を用いて伝送特性
Ｈ′（ｆ）を事前に推定することが出来る。
【００２９】
【数４】
【００３０】特性補正部（図２の２４）はこの伝送特性
Ｈ′（ｆ）をＤＦＴ部２（図２の２２）の出力に掛ける
ことにより出力Ｖ′（ｆ）を得る。２入力スペクトルサ
ブトラクション部（図２の２５）は、１入力スペクトル
サブトラクション部（図２の２３）の出力Ｗ1 （ｆ）か
ら特性補正部（図２の２４）の出力Ｖ′（ｆ）を引くこ
とにより、Ｗ2 （ｆ）を出力する。
Ｈ′（ｆ）をＤＦＴ部２（図２の２２）の出力に掛ける
ことにより出力Ｖ′（ｆ）を得る。２入力スペクトルサ
ブトラクション部（図２の２５）は、１入力スペクトル
サブトラクション部（図２の２３）の出力Ｗ1 （ｆ）か
ら特性補正部（図２の２４）の出力Ｖ′（ｆ）を引くこ
とにより、Ｗ2 （ｆ）を出力する。
【００３１】
【数５】
【００３２】以上のように、２入力のスペクトルサブト
ラクションを行なう前に相手話者の周囲雑音を除去する
１入力スペクトルサブトラクション部（図２の２３）を
設けることで、相手話者の周囲雑音が大きい場合にも最
終的に得られたスペクトルＷ2 （ｆ）は相手話者の周囲
雑音およびガイダンス音声の両方が除去されており、高
精度な音声および雑音の除去装置の提供が可能である。
ラクションを行なう前に相手話者の周囲雑音を除去する
１入力スペクトルサブトラクション部（図２の２３）を
設けることで、相手話者の周囲雑音が大きい場合にも最
終的に得られたスペクトルＷ2 （ｆ）は相手話者の周囲
雑音およびガイダンス音声の両方が除去されており、高
精度な音声および雑音の除去装置の提供が可能である。
【００３３】なお、１入力スペクトルサブトラクション
部を設けない従来の音声除去装置においては、２入力の
スペクトルサブトラクション部が出力するスペクトルに
相手話者の周囲雑音および除去できなかったガイダンス
音声が混入することはここで述べた方法により容易に導
出可能であることはいうまでもない。
部を設けない従来の音声除去装置においては、２入力の
スペクトルサブトラクション部が出力するスペクトルに
相手話者の周囲雑音および除去できなかったガイダンス
音声が混入することはここで述べた方法により容易に導
出可能であることはいうまでもない。
【００３４】
【発明の実施の形態】以下、図１から図９を参照しなが
ら本発明の実施の形態について説明する。
ら本発明の実施の形態について説明する。
【００３５】図１は本発明の第１の音声および雑音の除
去装置の実施の形態のブロック図である。この音声およ
び雑音の除去装置は、電話の受信信号をスペクトルに変
換する第１のＤＦＴ部１１と、ガイダンス等の電話の送
信信号をスペクトルに変換する第２のＤＦＴ部１２と、
第１のＤＦＴ部１１の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部１
３と、第１のＤＦＴ部１１の出力と第２のＤＦＴ部１２
の出力とから電話の送信信号の受信側への回り込みに関
する伝送特性を推定し、第２のＤＦＴ部１２の出力信号
を受信側の特性に合わせて補正する特性補正部１４と、
１入力スペクトルサブトラクション部１３の出力から特
性補正部１４の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部１５とで構成される。
去装置の実施の形態のブロック図である。この音声およ
び雑音の除去装置は、電話の受信信号をスペクトルに変
換する第１のＤＦＴ部１１と、ガイダンス等の電話の送
信信号をスペクトルに変換する第２のＤＦＴ部１２と、
第１のＤＦＴ部１１の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部１
３と、第１のＤＦＴ部１１の出力と第２のＤＦＴ部１２
の出力とから電話の送信信号の受信側への回り込みに関
する伝送特性を推定し、第２のＤＦＴ部１２の出力信号
を受信側の特性に合わせて補正する特性補正部１４と、
１入力スペクトルサブトラクション部１３の出力から特
性補正部１４の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部１５とで構成される。
【００３６】ガイダンスとして送出した信号はハイブリ
ッドを経て電話回線に送出されるのと同時にハイブリッ
ドの受信信号線にも漏洩する。相手話者がガイダンス音
声と時間的に重なった位置で発声を行なった場合は、受
信信号線には両方の音声が重畳した信号が観測される。
相手話者の音声に周囲雑音が存在する場合は、受信信号
にはさらに相手話者の周囲雑音が重畳される。相手話者
の音声をｓ（ｔ）、周囲雑音をｎ（ｔ）とし、相手話者
の周囲雑音が重畳された観測信号をｘ（ｔ）とすると、 ｘ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ） （８） 送出するガイダンス信号をｙ（ｔ）、ハイブリッドの回
り込みのインパルス応答特性をｈ（ｔ）とすると、ハイ
ブリッドの受信側信号線の観測信号ｗ（ｔ）は以下のよ
うに表される。
ッドを経て電話回線に送出されるのと同時にハイブリッ
ドの受信信号線にも漏洩する。相手話者がガイダンス音
声と時間的に重なった位置で発声を行なった場合は、受
信信号線には両方の音声が重畳した信号が観測される。
相手話者の音声に周囲雑音が存在する場合は、受信信号
にはさらに相手話者の周囲雑音が重畳される。相手話者
の音声をｓ（ｔ）、周囲雑音をｎ（ｔ）とし、相手話者
の周囲雑音が重畳された観測信号をｘ（ｔ）とすると、 ｘ（ｔ）＝ｓ（ｔ）＋ｎ（ｔ） （８） 送出するガイダンス信号をｙ（ｔ）、ハイブリッドの回
り込みのインパルス応答特性をｈ（ｔ）とすると、ハイ
ブリッドの受信側信号線の観測信号ｗ（ｔ）は以下のよ
うに表される。
【００３７】
【数６】
【００３８】なお、
【００３９】
【外２】
【００４０】は波形同士の畳み込み演算を表すものとす
る。また、実際は相手話者の音声と周囲雑音との合成信
号ｘ（ｔ）自体もハイブリッドの伝達特性により変形を
受けるが、本発明の目的とは直接関係がないので考慮に
入れないものとする。第１のＤＦＴ部１１および第２の
ＤＦＴ部１２は、それぞれハイブリッドの送信信号およ
び受信信号をパワースペクトルに変換する。ここでは、
ディジタル信号に変換した後にＤＦＴ（離散的フーリエ
変換）を行なう例を用いたが、他のスペクトル変換手法
や、フィルタバンクなどを利用することも可能である。
第１のＤＦＴ部１１および第２のＤＦＴ部１２各々の出
力のパワースペクトルをＷ（ｆ）、Ｖ（ｆ）とすると、 Ｗ（ｆ）＝Ｓ（ｆ）＋Ｎ（ｆ）＋Ｈ（ｆ）Ｙ（ｆ） Ｖ（ｆ）＝Ｙ（ｆ） （１０） の関係が得られる。ここで、Ｓ（ｆ）、Ｎ（ｆ）、Ｈ
（ｆ）、Ｙ（ｆ）はそれぞれ、ｓ（ｔ）、ｎ（ｔ）、ｈ
（ｔ）、ｙ（ｔ）のパワースペクトルを表すものとす
る。いま、相手話者の周囲雑音Ｎ（ｆ）が定常であると
仮定すれば、Ｎ（ｆ）は、相手話者の音声Ｓ（ｆ）およ
びガイダンス音声Ｙ（ｆ）がどちらも存在しない部分で
直接観測することが可能である。例えば、相手話者と回
線が接続された瞬間かつガイダンス音声を出力していな
い時間位置で観測することが出来る。また、１入力スペ
クトルサブトラクション部１３は、この様にして求めた
周囲雑音Ｎ′（ｆ）を第１のＤＦＴ部１１の出力スペク
トルから引き算することにより話者の周囲雑音の除去を
行なう。１入力スペクトルサブトラクションは従来より
種々の方式が公知例として知られているので、ここでは
詳細な説明は省略する。例えば、Ｓ．Ｆ．Ｂｏｌｌ：
“Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ ＡｃｏｕｓｔｉｃＮ
ｏｉｓｅ ｉｎ Ｓｐｅｅｃｈ Ｕｓｉｎｇ Ｓｐｅｃ
ｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ”，ＩＥＥＥ Ｔｒ
ａｎｓ．ｏｎ ＡＳＳＰ．，Ｖｏｌ．ＡＳＳＰ−２７，
Ｎｏ．２，ｐｐ．１１３−１２０（１９７９．４）．
（以下引用文献［３］とする）などがその一例である。
１入力スペクトルサブトラクション部１３の出力スペク
トルをＷ1 （ｆ）とすると、
る。また、実際は相手話者の音声と周囲雑音との合成信
号ｘ（ｔ）自体もハイブリッドの伝達特性により変形を
受けるが、本発明の目的とは直接関係がないので考慮に
入れないものとする。第１のＤＦＴ部１１および第２の
ＤＦＴ部１２は、それぞれハイブリッドの送信信号およ
び受信信号をパワースペクトルに変換する。ここでは、
ディジタル信号に変換した後にＤＦＴ（離散的フーリエ
変換）を行なう例を用いたが、他のスペクトル変換手法
や、フィルタバンクなどを利用することも可能である。
第１のＤＦＴ部１１および第２のＤＦＴ部１２各々の出
力のパワースペクトルをＷ（ｆ）、Ｖ（ｆ）とすると、 Ｗ（ｆ）＝Ｓ（ｆ）＋Ｎ（ｆ）＋Ｈ（ｆ）Ｙ（ｆ） Ｖ（ｆ）＝Ｙ（ｆ） （１０） の関係が得られる。ここで、Ｓ（ｆ）、Ｎ（ｆ）、Ｈ
（ｆ）、Ｙ（ｆ）はそれぞれ、ｓ（ｔ）、ｎ（ｔ）、ｈ
（ｔ）、ｙ（ｔ）のパワースペクトルを表すものとす
る。いま、相手話者の周囲雑音Ｎ（ｆ）が定常であると
仮定すれば、Ｎ（ｆ）は、相手話者の音声Ｓ（ｆ）およ
びガイダンス音声Ｙ（ｆ）がどちらも存在しない部分で
直接観測することが可能である。例えば、相手話者と回
線が接続された瞬間かつガイダンス音声を出力していな
い時間位置で観測することが出来る。また、１入力スペ
クトルサブトラクション部１３は、この様にして求めた
周囲雑音Ｎ′（ｆ）を第１のＤＦＴ部１１の出力スペク
トルから引き算することにより話者の周囲雑音の除去を
行なう。１入力スペクトルサブトラクションは従来より
種々の方式が公知例として知られているので、ここでは
詳細な説明は省略する。例えば、Ｓ．Ｆ．Ｂｏｌｌ：
“Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ ＡｃｏｕｓｔｉｃＮ
ｏｉｓｅ ｉｎ Ｓｐｅｅｃｈ Ｕｓｉｎｇ Ｓｐｅｃ
ｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ”，ＩＥＥＥ Ｔｒ
ａｎｓ．ｏｎ ＡＳＳＰ．，Ｖｏｌ．ＡＳＳＰ−２７，
Ｎｏ．２，ｐｐ．１１３−１２０（１９７９．４）．
（以下引用文献［３］とする）などがその一例である。
１入力スペクトルサブトラクション部１３の出力スペク
トルをＷ1 （ｆ）とすると、
【００４１】
【数７】
【００４２】の様に話者の周囲雑音が除去されることに
なる。引き算の結果スペクトルが負になった成分は０と
したり、あるいは引き算の結果の下限を設けてそれ以下
の値を取らないような工夫が引用文献［３］で述べられ
ており、この様な工夫を設けることももちろん可能であ
り、この他１入力のスペクトルサブトラクションの原理
を応用した方式であればどの様な方法も利用することが
可能である。また、推定した雑音Ｎ′（ｆ）は、比較的
長時間の平均値を用いることも可能である。特性補正部
１４は、まず第２のＤＦＴ部１２と第１のＤＦＴ部１１
とから、ハイブリッドのパワー伝送特性Ｈ（ｆ）を推定
する。いま相手話者の音声および周囲雑音が存在せずガ
イダンス音声のみが存在する場合、第１のＤＦＴ部１１
の出力は、
なる。引き算の結果スペクトルが負になった成分は０と
したり、あるいは引き算の結果の下限を設けてそれ以下
の値を取らないような工夫が引用文献［３］で述べられ
ており、この様な工夫を設けることももちろん可能であ
り、この他１入力のスペクトルサブトラクションの原理
を応用した方式であればどの様な方法も利用することが
可能である。また、推定した雑音Ｎ′（ｆ）は、比較的
長時間の平均値を用いることも可能である。特性補正部
１４は、まず第２のＤＦＴ部１２と第１のＤＦＴ部１１
とから、ハイブリッドのパワー伝送特性Ｈ（ｆ）を推定
する。いま相手話者の音声および周囲雑音が存在せずガ
イダンス音声のみが存在する場合、第１のＤＦＴ部１１
の出力は、
【００４３】
【数８】
【００４４】のようにハイブリッドで変形を受けたガイ
ダンス音声のみとなり、この時間位置あるいはその区間
の平均値を用いて伝送特性Ｈ′（ｆ）を事前に推定する
ことが出来る。
ダンス音声のみとなり、この時間位置あるいはその区間
の平均値を用いて伝送特性Ｈ′（ｆ）を事前に推定する
ことが出来る。
【００４５】
【数９】
【００４６】特性補正部１４はこの伝送特性Ｈ′（ｆ）
を第２のＤＦＴ部１２の出力に掛けることにより出力
Ｖ′（ｆ）を得る。２入力スペクトルサブトラクション
部１５は、１入力スペクトルサブトラクション部１３の
出力Ｗ1 （ｆ）から特性補正部１４の出力Ｖ′（ｆ）を
引くことにより、Ｗ2 （ｆ）を出力する。
を第２のＤＦＴ部１２の出力に掛けることにより出力
Ｖ′（ｆ）を得る。２入力スペクトルサブトラクション
部１５は、１入力スペクトルサブトラクション部１３の
出力Ｗ1 （ｆ）から特性補正部１４の出力Ｖ′（ｆ）を
引くことにより、Ｗ2 （ｆ）を出力する。
【００４７】
【数１０】
【００４８】２入力スペクトルサブトラクションについ
ても従来より種々の方法が公知となっているが、引用文
献［２］で挙げた方法の他、２入力スペクトルサブトラ
クションの原理を応用したものであればどのような方法
も利用可能である。
ても従来より種々の方法が公知となっているが、引用文
献［２］で挙げた方法の他、２入力スペクトルサブトラ
クションの原理を応用したものであればどのような方法
も利用可能である。
【００４９】以上のように、２入力のスペクトルサブト
ラクションを行なう前に相手話者の周囲雑音を除去する
１入力スペクトルサブトラクション部１３を設けること
で、相手話者の周囲雑音が大きい場合にも最終的に得ら
れたスペクトルＷ2 （ｆ）は相手話者の周囲雑音および
ガイダンス音声の両方が除去されており、高精度な音声
および雑音の除去装置の提供が可能である。
ラクションを行なう前に相手話者の周囲雑音を除去する
１入力スペクトルサブトラクション部１３を設けること
で、相手話者の周囲雑音が大きい場合にも最終的に得ら
れたスペクトルＷ2 （ｆ）は相手話者の周囲雑音および
ガイダンス音声の両方が除去されており、高精度な音声
および雑音の除去装置の提供が可能である。
【００５０】図２は本発明の第２の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、電話の受信信号をスペクトル
に変換する第１のＤＦＴ部２１と、ガイダンス等の電話
の送信信号をスペクトルに変換する第２のＤＦＴ部２２
と、第１のＤＦＴ部２１の出力から相手の話者の音声の
周囲雑音を除去する１入力スペクトルサブトラクション
部２３と、１入力スペクトルサブトラクション部２３の
出力と第２のＤＦＴ部２２の出力とから電話の送信信号
の受信側への回り込みに関する伝送特性を推定し、第２
のＤＦＴ部２２の出力信号を受信側の特性に合わせて補
正する特性補正部２４と、１入力スペクトルサブトラク
ション部２３の出力から特性補正部２４の出力を差し引
くことにより２入力のスペクトルサブトラクションを行
なう２入力スペクトルサブトラクション部２５とで構成
される。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、電話の受信信号をスペクトル
に変換する第１のＤＦＴ部２１と、ガイダンス等の電話
の送信信号をスペクトルに変換する第２のＤＦＴ部２２
と、第１のＤＦＴ部２１の出力から相手の話者の音声の
周囲雑音を除去する１入力スペクトルサブトラクション
部２３と、１入力スペクトルサブトラクション部２３の
出力と第２のＤＦＴ部２２の出力とから電話の送信信号
の受信側への回り込みに関する伝送特性を推定し、第２
のＤＦＴ部２２の出力信号を受信側の特性に合わせて補
正する特性補正部２４と、１入力スペクトルサブトラク
ション部２３の出力から特性補正部２４の出力を差し引
くことにより２入力のスペクトルサブトラクションを行
なう２入力スペクトルサブトラクション部２５とで構成
される。
【００５１】図２の音声および雑音の除去装置は基本的
に図１の音声および雑音の除去装置と同じ動作をする
が、その違いは、図２の特性補正部２４が、第１のＤＦ
Ｔ部２１の出力を用いるのではなく、１入力スペクトル
サブトラクション部２３と第２のＤＦＴ部２２の出力と
から回り込みに関する伝送特性を推定する点にある。こ
れは、周囲雑音が存在しない場合を仮定した図１の方法
より相手話者の音声のみ存在しない場合を仮定した図２
の場合の方が特性推定に利用可能な区間候補が長く取れ
る場合があるという理由による。すなわち、特性補正部
２４は、相手話者の周囲雑音のみ存在する状況におい
て、ガイダンス音声のみが存在する場合、１入力スペク
トルサブトラクション部１３の出力は、
に図１の音声および雑音の除去装置と同じ動作をする
が、その違いは、図２の特性補正部２４が、第１のＤＦ
Ｔ部２１の出力を用いるのではなく、１入力スペクトル
サブトラクション部２３と第２のＤＦＴ部２２の出力と
から回り込みに関する伝送特性を推定する点にある。こ
れは、周囲雑音が存在しない場合を仮定した図１の方法
より相手話者の音声のみ存在しない場合を仮定した図２
の場合の方が特性推定に利用可能な区間候補が長く取れ
る場合があるという理由による。すなわち、特性補正部
２４は、相手話者の周囲雑音のみ存在する状況におい
て、ガイダンス音声のみが存在する場合、１入力スペク
トルサブトラクション部１３の出力は、
【００５２】
【数１１】
【００５３】となり、この時間位置を用いて伝送特性
Ｈ′（ｆ）を事前に推定することが出来る。
Ｈ′（ｆ）を事前に推定することが出来る。
【００５４】
【数１２】
【００５５】以下、図１と同様の方法により、最終的に
２入力スペクトルサブトラクション部２５の出力は相手
話者の周囲雑音およびガイダンス音声の両方が除去され
たものとなる。
２入力スペクトルサブトラクション部２５の出力は相手
話者の周囲雑音およびガイダンス音声の両方が除去され
たものとなる。
【００５６】図３は本発明の第３の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第１または第２の音
声および雑音の除去装置の特性補正部３４が、電話の送
信信号の存在する区間を用いて送信信号の受信側への回
り込みに関する伝送特性を推定し、第２のＤＦＴ部３２
の出力信号を受信側の特性に合わせて補正する。なお、
図３は図１に示す本発明の第１の音声および雑音の除去
装置に対して実施した場合について示してある。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第１または第２の音
声および雑音の除去装置の特性補正部３４が、電話の送
信信号の存在する区間を用いて送信信号の受信側への回
り込みに関する伝送特性を推定し、第２のＤＦＴ部３２
の出力信号を受信側の特性に合わせて補正する。なお、
図３は図１に示す本発明の第１の音声および雑音の除去
装置に対して実施した場合について示してある。
【００５７】電話の送信信号の存在する区間の同定につ
いては種々の方法が考えられる。図３にはガイダンス区
間信号を外部から供給し、その信号を利用した場合につ
いてのみ示してあるが、この他第２のＤＦＴ部３２の出
力を直接利用してガイダンス音声区間を求めたり、ある
いは簡易なパワー判定を利用してガイダンス信号そのも
のを用いることが可能である。なお、従来より音声の検
出方法については種々のものが公知となっており、音声
の存在する区間を同定出来るものであればどのような方
法を用いても良い。ガイダンス音声は通常相手話者との
対話のなかで開始、終了、中断が頻繁に繰り返されるた
め、ガイダンス音声が存在しない区間がある。このよう
な場合、ガイダンス音声のない部位の信号を用いたり、
あるいはガイダンス音声のない部位の信号を含めて平均
を求めたりすると伝送特性Ｈ′（ｆ）の推定精度が低下
する虞がある。図３の本発明の第３の音声および雑音の
除去装置はこのような問題点に対処したものである。
いては種々の方法が考えられる。図３にはガイダンス区
間信号を外部から供給し、その信号を利用した場合につ
いてのみ示してあるが、この他第２のＤＦＴ部３２の出
力を直接利用してガイダンス音声区間を求めたり、ある
いは簡易なパワー判定を利用してガイダンス信号そのも
のを用いることが可能である。なお、従来より音声の検
出方法については種々のものが公知となっており、音声
の存在する区間を同定出来るものであればどのような方
法を用いても良い。ガイダンス音声は通常相手話者との
対話のなかで開始、終了、中断が頻繁に繰り返されるた
め、ガイダンス音声が存在しない区間がある。このよう
な場合、ガイダンス音声のない部位の信号を用いたり、
あるいはガイダンス音声のない部位の信号を含めて平均
を求めたりすると伝送特性Ｈ′（ｆ）の推定精度が低下
する虞がある。図３の本発明の第３の音声および雑音の
除去装置はこのような問題点に対処したものである。
【００５８】図４は本発明の第４の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第１または第２の音
声および雑音の除去装置の２入力スペクトルサブトラク
ション部４５の出力を用いて相手の話者の音声の存在す
る区間の検出を行なう音声検出部４６を有し、１入力ス
ペクトルサブトラクション部４３が音声検出部４６が音
声区間検出中でない区間から除去する雑音を求める構成
となっている。なお、図４は図１の音声および雑音の除
去装置に対して実施した場合について示してある。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第１または第２の音
声および雑音の除去装置の２入力スペクトルサブトラク
ション部４５の出力を用いて相手の話者の音声の存在す
る区間の検出を行なう音声検出部４６を有し、１入力ス
ペクトルサブトラクション部４３が音声検出部４６が音
声区間検出中でない区間から除去する雑音を求める構成
となっている。なお、図４は図１の音声および雑音の除
去装置に対して実施した場合について示してある。
【００５９】１入力スペクトルサブトラクション部４３
は、相手の話者の周囲雑音のみ存在する区間を用いて周
囲雑音のスペクトルを推定する。例えば、簡便な方法と
して電話回線が接続された直後の部位を用いて周囲雑音
のスペクトルを推定することが可能であるが、相手話者
がすぐに発声を始めた場合などには推定したスペクトル
に音声が混入し１入力スペクトルサブトラクションの雑
音除去効果が低下する場合がある。このような場合にお
いても安定に動作する装置の提供が可能である。音声検
出部４６は、２入力スペクトルサブトラクション部４５
が出力したスペクトル情報を用いて相手話者の音声の開
始、終了を検出する。なお、従来より音声の検出方法に
ついては種々のものが公知となっており、音声の存在す
る区間を同定出来るものであればどのような方法を用い
ても良い。なお、音声検出部４６は、最終的に求めたス
ペクトルのみ出力しても良いが、検出した音声の始端終
端情報を出力したり、あるいは検出した音声の始端から
終端までのスペクトルのみ出力するような構成も可能で
ある。
は、相手の話者の周囲雑音のみ存在する区間を用いて周
囲雑音のスペクトルを推定する。例えば、簡便な方法と
して電話回線が接続された直後の部位を用いて周囲雑音
のスペクトルを推定することが可能であるが、相手話者
がすぐに発声を始めた場合などには推定したスペクトル
に音声が混入し１入力スペクトルサブトラクションの雑
音除去効果が低下する場合がある。このような場合にお
いても安定に動作する装置の提供が可能である。音声検
出部４６は、２入力スペクトルサブトラクション部４５
が出力したスペクトル情報を用いて相手話者の音声の開
始、終了を検出する。なお、従来より音声の検出方法に
ついては種々のものが公知となっており、音声の存在す
る区間を同定出来るものであればどのような方法を用い
ても良い。なお、音声検出部４６は、最終的に求めたス
ペクトルのみ出力しても良いが、検出した音声の始端終
端情報を出力したり、あるいは検出した音声の始端から
終端までのスペクトルのみ出力するような構成も可能で
ある。
【００６０】図５は本発明の第５の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第４の音声および雑
音の除去装置に加えて、１入力スペクトルサブトラクシ
ョン部５３は音声検出部５６が音声区間検出中でない区
間かつ電話の送信信号の存在しない区間から除去する雑
音を求める。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第４の音声および雑
音の除去装置に加えて、１入力スペクトルサブトラクシ
ョン部５３は音声検出部５６が音声区間検出中でない区
間かつ電話の送信信号の存在しない区間から除去する雑
音を求める。
【００６１】１入力スペクトルサブトラクション部５３
は、相手の話者の周囲雑音のみ存在する区間かつガイダ
ンス音声が存在しない区間を用いて周囲雑音のスペクト
ルを推定する。このような構成により、図４の本発明の
第４の音声および雑音の除去装置の効果に加えてガイダ
ンス音声のない部位の信号を用いたり、あるいはガイダ
ンス音声のない部位の信号を含めて平均を求めたりする
と求めた推定雑音にガイダンス音声が混入し雑音の推定
精度が低下する虞があるものを解決するものである。
は、相手の話者の周囲雑音のみ存在する区間かつガイダ
ンス音声が存在しない区間を用いて周囲雑音のスペクト
ルを推定する。このような構成により、図４の本発明の
第４の音声および雑音の除去装置の効果に加えてガイダ
ンス音声のない部位の信号を用いたり、あるいはガイダ
ンス音声のない部位の信号を含めて平均を求めたりする
と求めた推定雑音にガイダンス音声が混入し雑音の推定
精度が低下する虞があるものを解決するものである。
【００６２】図６は本発明の第６の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第４または第５の音
声および雑音の除去装置に加えて、特性補正部６４が音
声検出部６６が音声区間検出中でない区間から電話の送
信信号の受話器側への回り込みに関する伝送特性を推定
し、第２のＤＦＴ部６２の出力信号を受信側の特性に合
わせて補正する。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第４または第５の音
声および雑音の除去装置に加えて、特性補正部６４が音
声検出部６６が音声区間検出中でない区間から電話の送
信信号の受話器側への回り込みに関する伝送特性を推定
し、第２のＤＦＴ部６２の出力信号を受信側の特性に合
わせて補正する。
【００６３】このような構成となすことにより、本発明
の第４または第５の音声および雑音の除去装置が有して
いる効果に加えて、特性補正部６４の回り込みに関する
特性の推定時に相手話者の音声が混入して推定精度が低
下することを防ぎ、ひいては高い除去性能を得ることが
可能であるという効果を有する。
の第４または第５の音声および雑音の除去装置が有して
いる効果に加えて、特性補正部６４の回り込みに関する
特性の推定時に相手話者の音声が混入して推定精度が低
下することを防ぎ、ひいては高い除去性能を得ることが
可能であるという効果を有する。
【００６４】図７は本発明の第７の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第６の音声および雑
音の除去装置に加えて、特性補正部７４が音声検出部７
６が音声区間検出中でない区間かつ電話の送信信号の存
在する区間から電話の送信信号の受話器側への回り込み
に関する伝送特性を推定し、第２のＤＦＴ部７２の出力
信号を受信側の特性に合わせて補正する。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第６の音声および雑
音の除去装置に加えて、特性補正部７４が音声検出部７
６が音声区間検出中でない区間かつ電話の送信信号の存
在する区間から電話の送信信号の受話器側への回り込み
に関する伝送特性を推定し、第２のＤＦＴ部７２の出力
信号を受信側の特性に合わせて補正する。
【００６５】このような構成となすことにより、本発明
の第６の音声および雑音の除去装置が有している効果に
加えて、ガイダンスが確実に存在する区間のみを用いて
特性推定を行なうことが出来、ひいては高い除去性能を
得ることが可能であるという効果を有する。
の第６の音声および雑音の除去装置が有している効果に
加えて、ガイダンスが確実に存在する区間のみを用いて
特性推定を行なうことが出来、ひいては高い除去性能を
得ることが可能であるという効果を有する。
【００６６】図８は本発明の第８の音声および雑音の除
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第３の音声および雑
音の除去装置に加えて、２入力スペクトルサブトラクシ
ョン部８５の出力を用いて相手の話者の音声の存在する
区間の検出を行なう音声検出部８６を備え、特性補正部
８４が音声検出部８６が音声区間検出中でない区間かつ
電話の送信信号の存在する区間を用いて送信信号の受信
側への回り込みに関する伝送特性を推定し、第２のＤＦ
Ｔ部８２の出力信号を受信側の特性に合わせて補正す
る。
去装置の実施の形態を示すブロック図である。この音声
および雑音の除去装置は、本発明の第３の音声および雑
音の除去装置に加えて、２入力スペクトルサブトラクシ
ョン部８５の出力を用いて相手の話者の音声の存在する
区間の検出を行なう音声検出部８６を備え、特性補正部
８４が音声検出部８６が音声区間検出中でない区間かつ
電話の送信信号の存在する区間を用いて送信信号の受信
側への回り込みに関する伝送特性を推定し、第２のＤＦ
Ｔ部８２の出力信号を受信側の特性に合わせて補正す
る。
【００６７】このような構成となすことにより、本発明
の第３の音声および雑音の除去装置が有している効果に
加えて、ガイダンスが確実に存在し、しかも相手話者の
音声が存在しない区間で回り込みに関する伝送特性を推
定するため、推定の精度が高く、ひいては高い除去性能
を得ることが可能であるという効果を有する。なお、音
声検出部８６は、最終的に求めたスペクトルのみ出力し
ても良いが、検出した音声の始端終端情報を出力した
り、あるいは検出した音声の始端から終端までのスペク
トルのみ出力するような構成も可能である。
の第３の音声および雑音の除去装置が有している効果に
加えて、ガイダンスが確実に存在し、しかも相手話者の
音声が存在しない区間で回り込みに関する伝送特性を推
定するため、推定の精度が高く、ひいては高い除去性能
を得ることが可能であるという効果を有する。なお、音
声検出部８６は、最終的に求めたスペクトルのみ出力し
ても良いが、検出した音声の始端終端情報を出力した
り、あるいは検出した音声の始端から終端までのスペク
トルのみ出力するような構成も可能である。
【００６８】図９は本発明の音声および雑音の除去装置
を用いた音声認識装置の実施の形態を示すブロック図で
ある。前記音声および雑音の除去装置の出力を用いて音
声認識を行なう音声認識部９１を有する。
を用いた音声認識装置の実施の形態を示すブロック図で
ある。前記音声および雑音の除去装置の出力を用いて音
声認識を行なう音声認識部９１を有する。
【００６９】認識部９１は本発明の音声および雑音の除
去装置が出力するスペクトルを元に音声認識のための特
徴ベクトルの時系列に変換し、音声認識を行ない、認識
結果を出力する。認識部９１は通常音声検出手段を有し
ているが、本発明の第４〜第８の音声および雑音の除去
装置においては音声検出部４６、５６、６６、７６、８
６を有しており、この場合にはこれらの検出情報を利用
したり、あるいは音声検出部４６、５６、６６、７６、
８６が切り出した音声区間のスペクトルのみを利用する
ような構成にすることも可能である。このような構成に
より、本発明の音声および雑音の除去装置が有する高い
雑音と音声の除去性能により高性能な音声認識装置が提
供可能となる。
去装置が出力するスペクトルを元に音声認識のための特
徴ベクトルの時系列に変換し、音声認識を行ない、認識
結果を出力する。認識部９１は通常音声検出手段を有し
ているが、本発明の第４〜第８の音声および雑音の除去
装置においては音声検出部４６、５６、６６、７６、８
６を有しており、この場合にはこれらの検出情報を利用
したり、あるいは音声検出部４６、５６、６６、７６、
８６が切り出した音声区間のスペクトルのみを利用する
ような構成にすることも可能である。このような構成に
より、本発明の音声および雑音の除去装置が有する高い
雑音と音声の除去性能により高性能な音声認識装置が提
供可能となる。
【００７０】
【発明の効果】以上から明らかなように、本発明の音声
および雑音の除去装置によれば、１入力のスペクトルサ
ブトラクションを用いて事前に相手話者の周囲雑音を除
去することで、相手の話者の周囲雑音をも除去可能な高
精度な装置の提供が可能となった。
および雑音の除去装置によれば、１入力のスペクトルサ
ブトラクションを用いて事前に相手話者の周囲雑音を除
去することで、相手の話者の周囲雑音をも除去可能な高
精度な装置の提供が可能となった。
【００７１】また、第２の効果としては、相手話者の周
囲の雑音レベルが高い場合にも、その雑音に影響され
ず、回り込みに関する伝送特性が正しく推定出来るた
め、ガイダンス音声を高精度に除去可能であるという効
果を有する。
囲の雑音レベルが高い場合にも、その雑音に影響され
ず、回り込みに関する伝送特性が正しく推定出来るた
め、ガイダンス音声を高精度に除去可能であるという効
果を有する。
【００７２】第３の効果としては、ガイダンス音声の存
在する区間のみを用いて回り込みに関する伝送特性を推
定することで、より正確な推定伝送特性の推定が可能と
なり、高精度な装置の提供が可能となった。
在する区間のみを用いて回り込みに関する伝送特性を推
定することで、より正確な推定伝送特性の推定が可能と
なり、高精度な装置の提供が可能となった。
【００７３】第４の効果としては、音声検出部を設けそ
の出力を利用し、相手話者の音声が存在しない区間で回
り込みに関する伝送特性を推定することで、より正確な
推定伝送特性の推定が可能となり、高精度な装置の提供
が可能となった。
の出力を利用し、相手話者の音声が存在しない区間で回
り込みに関する伝送特性を推定することで、より正確な
推定伝送特性の推定が可能となり、高精度な装置の提供
が可能となった。
【００７４】第５の効果としては、ガイダンス音声の存
在しない区間のみを用いて１入力スペクトルサブトラク
ションのための周囲雑音の推定を行なうことで、より正
確な周囲雑音の除去が可能となり、ひいては高精度な装
置の提供が可能となった。
在しない区間のみを用いて１入力スペクトルサブトラク
ションのための周囲雑音の推定を行なうことで、より正
確な周囲雑音の除去が可能となり、ひいては高精度な装
置の提供が可能となった。
【００７５】第６の効果としては、音声検出部を設けそ
の出力を利用し、相手話者の音声が存在しない区間で１
入力スペクトルサブトラクションのための周囲雑音の推
定を行なうことで、より正確な周囲雑音の除去が可能と
なり、ひいては高精度な装置の提供が可能となった。
の出力を利用し、相手話者の音声が存在しない区間で１
入力スペクトルサブトラクションのための周囲雑音の推
定を行なうことで、より正確な周囲雑音の除去が可能と
なり、ひいては高精度な装置の提供が可能となった。
【００７６】第７の効果としては、本発明の音声および
雑音の除去装置を利用した音声認識装置は、その高精度
な除去性能により従来にない高性能な音声認識装置の提
供が可能となる。
雑音の除去装置を利用した音声認識装置は、その高精度
な除去性能により従来にない高性能な音声認識装置の提
供が可能となる。
【図１】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図２】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図３】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図４】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図５】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図６】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図７】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図８】本発明による音声および雑音の除去装置の一実
施の形態を示すブロック図である。
施の形態を示すブロック図である。
【図９】本発明による音声および雑音の除去装置を用い
た音声認識装置の一実施の形態を示すブロック図であ
る。
た音声認識装置の一実施の形態を示すブロック図であ
る。
【図１０】従来の音声の除去装置の一例を示すブロック
図である。
図である。
１１，２１，３１，４１，５１，６１，７１，８１ 第
１のＤＦＴ部 １２，２２，３２，４２，５２，６２，７２，８２ 第
２のＤＦＴ部 １３，２３，３３，４３，５３，６３，７３，８３ １
入力スペクトルサブトラクション部 １４，２４，３４，４４，５４，６４，７４，８４ 特
性補正部 １５，２５，３５，４５，５５，６５，７５，８５ ２
入力スペクトルサブトラクション部 ４６，５６，６６，７６，８６ 音声検出部 ９１，１０４ 音声認識部 １０１ ハイブリッド １０２ 減算器 １０３ 疑似エコー発生部
１のＤＦＴ部 １２，２２，３２，４２，５２，６２，７２，８２ 第
２のＤＦＴ部 １３，２３，３３，４３，５３，６３，７３，８３ １
入力スペクトルサブトラクション部 １４，２４，３４，４４，５４，６４，７４，８４ 特
性補正部 １５，２５，３５，４５，５５，６５，７５，８５ ２
入力スペクトルサブトラクション部 ４６，５６，６６，７６，８６ 音声検出部 ９１，１０４ 音声認識部 １０１ ハイブリッド １０２ 減算器 １０３ 疑似エコー発生部
Claims (11)
- 【請求項１】電話の受信信号をスペクトルに変換する第
１のＤＦＴ部と、 電話の送信信号をスペクトルに変換する第２のＤＦＴ部
と、 前記第１のＤＦＴ部の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部
と、 前記第１のＤＦＴ部の出力と前記第２のＤＦＴ部の出力
とから送信信号の受信側への回り込みに関する伝送特性
を推定し、前記第２のＤＦＴ部の出力信号を受信側の特
性に合わせて補正する特性補正部と、 前記１入力スペクトルサブトラクション部の出力から前
記特性補正部の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部とで構成される音声および雑音の除去装
置。 - 【請求項２】電話の受信信号をスペクトルに変換する第
１のＤＦＴ部と、 電話の送信信号をスペクトルに変換する第２のＤＦＴ部
と、 前記第１のＤＦＴ部の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部
と、 前記１入力スペクトルサブトラクション部の出力と前記
第２のＤＦＴ部の出力とから送信信号の受信側への回り
込みに関する伝送特性を推定し、前記第２のＤＦＴ部の
出力信号を受信側の特性に合わせて補正する特性補正部
と、 前記１入力スペクトルサブトラクション部の出力から前
記特性補正部の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部とで構成される音声および雑音の除去装
置。 - 【請求項３】前記特性補正部が電話の送信信号の存在す
る区間を用いて送信信号の受信側への回り込みに関する
伝送特性を推定し、前記第２のＤＦＴ部の出力信号を受
信側の特性に合わせて補正することを特徴とする請求項
１または２記載の音声および雑音の除去装置。 - 【請求項４】前記２入力スペクトルサブトラクション部
の出力を用いて相手の話者の音声の存在する区間の検出
を行なう音声検出部を備え、 前記１入力スペクトルサブトラクション部は前記音声検
出部が音声区間検出中でない区間から除去する雑音を求
めることを特徴とする請求項１または２記載の音声およ
び雑音の除去装置。 - 【請求項５】前記１入力スペクトルサブトラクション部
は前記音声検出部が音声区間検出中でない区間かつ電話
の送信信号の存在しない区間から除去する雑音を求める
ことを特徴とする請求項４記載の音声および雑音の除去
装置。 - 【請求項６】前記特性補正部は前記音声検出部が音声区
間検出中でない区間から電話の送信信号の受話器側への
回り込みに関する伝送特性を推定し、前記第２のＤＦＴ
部の出力信号を受信側の特性に合わせて補正することを
特徴とする請求項４または５記載の音声および雑音の除
去装置。 - 【請求項７】前記特性補正部は音声検出部が音声区間検
出中でない区間かつ電話の送信信号の存在する区間から
電話の送信信号の受話器側への回り込みに関する伝送特
性を推定し、前記第２のＤＦＴ部の出力信号を受信側の
特性に合わせて補正することを特徴とする請求項６記載
の音声および雑音の除去装置。 - 【請求項８】前記２入力スペクトルサブトラクション部
の出力を用いて相手の話者の音声の存在する区間の検出
を行なう音声検出部を備え、 前記特性補正部が前記音声検出部が音声区間検出中でな
い区間かつ電話の送信信号の存在する区間を用いて送信
信号の受信側への回り込みに関する伝送特性を推定し、
前記第２のＤＦＴ部の出力信号を受信側の特性に合わせ
て補正することを特徴とする請求項３記載の音声および
雑音の除去装置。 - 【請求項９】電話の受信信号をスペクトルに変換する第
１のＤＦＴ部と、 電話の送信信号をスペクトルに変換する第２のＤＦＴ部
と、 前記第１のＤＦＴ部の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部
と、 前記第１のＤＦＴ部の出力と前記第２のＤＦＴ部の出力
とから送信信号の受信側への回り込みに関する伝送特性
を推定し、前記第２のＤＦＴ部の出力信号を受信側の特
性に合わせて補正する特性補正部と、 前記１入力スペクトルサブトラクション部の出力から前
記特性補正部の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部を備え、前記２入力スペクトルサブトラ
クション部の出力を用いて音声認識を行なうことを特徴
とする電話音声認識装置。 - 【請求項１０】電話の受信信号をスペクトルに変換する
第１のＤＦＴ部と、 電話の送信信号をスペクトルに変換する第２のＤＦＴ部
と、 前記第１のＤＦＴ部の出力から相手の話者の音声の周囲
雑音を除去する１入力スペクトルサブトラクション部
と、 前記１入力スペクトルサブトラクション部の出力と前記
第２のＤＦＴ部の出力とから送信信号の受信側への回り
込みに関する伝送特性を推定し、前記第２のＤＦＴ部の
出力信号を受信側の特性に合わせて補正する特性補正部
と、 前記１入力スペクトルサブトラクション部の出力から前
記特性補正部の出力を差し引くことにより２入力のスペ
クトルサブトラクションを行なう２入力スペクトルサブ
トラクション部を備え、前記２入力スペクトルサブトラ
クション部の出力を用いて音声認識を行なうことを特徴
とする電話音声認識装置。 - 【請求項１１】前記２入力スペクトルサブトラクション
部の出力を用いて相手の話者の音声の存在する区間の検
出を行なう音声検出部を備え、 前記１入力スペクトルサブトラクション部は前記音声検
出部が音声区間検出中でない区間から除去する雑音を求
めることを特徴とする請求項９または１０記載の電話音
声認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8058633A JP2921472B2 (ja) | 1996-03-15 | 1996-03-15 | 音声および雑音の除去装置、音声認識装置 |
| EP97104423A EP0806759B1 (en) | 1996-03-15 | 1997-03-14 | Canceler of speech and noise, and speech recognition apparatus |
| DE69726490T DE69726490D1 (de) | 1996-03-15 | 1997-03-14 | Vorrichtung zur Unterdrückung von Sprache und Rauschen, sowie zur Spracherkennung |
| US08/819,036 US5937379A (en) | 1996-03-15 | 1997-03-17 | Canceler of speech and noise, and speech recognition apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8058633A JP2921472B2 (ja) | 1996-03-15 | 1996-03-15 | 音声および雑音の除去装置、音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09252268A true JPH09252268A (ja) | 1997-09-22 |
| JP2921472B2 JP2921472B2 (ja) | 1999-07-19 |
Family
ID=13089996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8058633A Expired - Fee Related JP2921472B2 (ja) | 1996-03-15 | 1996-03-15 | 音声および雑音の除去装置、音声認識装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5937379A (ja) |
| EP (1) | EP0806759B1 (ja) |
| JP (1) | JP2921472B2 (ja) |
| DE (1) | DE69726490D1 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002297186A (ja) * | 2001-03-30 | 2002-10-11 | Kddi Corp | 音声認識装置 |
| US7412382B2 (en) | 2002-10-21 | 2008-08-12 | Fujitsu Limited | Voice interactive system and method |
| JP2011253543A (ja) * | 2010-06-03 | 2011-12-15 | Electronics And Telecommunications Research Institute | 通訳端末及び通訳端末間の相互通信を用いた通訳方法 |
| JP2013228459A (ja) * | 2012-04-24 | 2013-11-07 | Nippon Telegr & Teleph Corp <Ntt> | 音声聴取装置とその方法とプログラム |
| JP2019020678A (ja) * | 2017-07-21 | 2019-02-07 | 株式会社レイトロン | ノイズ低減装置および音声認識装置 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6717991B1 (en) | 1998-05-27 | 2004-04-06 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method for dual microphone signal noise reduction using spectral subtraction |
| US6574601B1 (en) * | 1999-01-13 | 2003-06-03 | Lucent Technologies Inc. | Acoustic speech recognizer system and method |
| US6725193B1 (en) * | 2000-09-13 | 2004-04-20 | Telefonaktiebolaget Lm Ericsson | Cancellation of loudspeaker words in speech recognition |
| US7103539B2 (en) * | 2001-11-08 | 2006-09-05 | Global Ip Sound Europe Ab | Enhanced coded speech |
| EP1459510A1 (en) * | 2001-12-14 | 2004-09-22 | Koninklijke Philips Electronics N.V. | Echo canceller having spectral echo tail estimator |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4897878A (en) * | 1985-08-26 | 1990-01-30 | Itt Corporation | Noise compensation in speech recognition apparatus |
| US4914692A (en) * | 1987-12-29 | 1990-04-03 | At&T Bell Laboratories | Automatic speech recognition using echo cancellation |
| US5125024A (en) * | 1990-03-28 | 1992-06-23 | At&T Bell Laboratories | Voice response unit |
| JP2842026B2 (ja) * | 1991-02-20 | 1998-12-24 | 日本電気株式会社 | 適応フィルタの係数制御方法及び装置 |
| US5155760A (en) * | 1991-06-26 | 1992-10-13 | At&T Bell Laboratories | Voice messaging system with voice activated prompt interrupt |
| EP0649578B1 (en) * | 1992-07-07 | 2003-05-14 | Lake Technology Limited | Digital filter having high accuracy and efficiency |
| US5533133A (en) * | 1993-03-26 | 1996-07-02 | Hughes Aircraft Company | Noise suppression in digital voice communications systems |
| US5475791A (en) * | 1993-08-13 | 1995-12-12 | Voice Control Systems, Inc. | Method for recognizing a spoken word in the presence of interfering speech |
| JP3068996B2 (ja) * | 1993-12-21 | 2000-07-24 | 真作 森 | 適応フィルタ装置及びそのステップゲインの発生方法 |
| DE4427124A1 (de) * | 1994-07-30 | 1996-02-01 | Philips Patentverwaltung | Anordnung zur Kommunikation mit einem Teilnehmer |
| FR2726392B1 (fr) * | 1994-10-28 | 1997-01-10 | Alcatel Mobile Comm France | Procede et dispositif de suppression de bruit dans un signal de parole, et systeme avec annulation d'echo correspondant |
| US5761638A (en) * | 1995-03-17 | 1998-06-02 | Us West Inc | Telephone network apparatus and method using echo delay and attenuation |
| DE19521258A1 (de) * | 1995-06-10 | 1996-12-12 | Philips Patentverwaltung | Spracherkennungssystem |
| US5809463A (en) * | 1995-09-15 | 1998-09-15 | Hughes Electronics | Method of detecting double talk in an echo canceller |
| KR100197794B1 (ko) * | 1996-05-25 | 1999-06-15 | 최승원 | 무선통신시스템에서 간섭을 최소화하고 잡음의 영향을 줄여주기 위한 신호처리 장치 및 방법 |
| US5787165A (en) * | 1996-12-13 | 1998-07-28 | Ericsson Inc. | Handsfree radiotelephone having dynamic path attenuation control for echo suppression |
-
1996
- 1996-03-15 JP JP8058633A patent/JP2921472B2/ja not_active Expired - Fee Related
-
1997
- 1997-03-14 EP EP97104423A patent/EP0806759B1/en not_active Expired - Lifetime
- 1997-03-14 DE DE69726490T patent/DE69726490D1/de not_active Expired - Lifetime
- 1997-03-17 US US08/819,036 patent/US5937379A/en not_active Expired - Lifetime
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002297186A (ja) * | 2001-03-30 | 2002-10-11 | Kddi Corp | 音声認識装置 |
| US7412382B2 (en) | 2002-10-21 | 2008-08-12 | Fujitsu Limited | Voice interactive system and method |
| JP2011253543A (ja) * | 2010-06-03 | 2011-12-15 | Electronics And Telecommunications Research Institute | 通訳端末及び通訳端末間の相互通信を用いた通訳方法 |
| US8798985B2 (en) | 2010-06-03 | 2014-08-05 | Electronics And Telecommunications Research Institute | Interpretation terminals and method for interpretation through communication between interpretation terminals |
| JP2013228459A (ja) * | 2012-04-24 | 2013-11-07 | Nippon Telegr & Teleph Corp <Ntt> | 音声聴取装置とその方法とプログラム |
| JP2019020678A (ja) * | 2017-07-21 | 2019-02-07 | 株式会社レイトロン | ノイズ低減装置および音声認識装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0806759A2 (en) | 1997-11-12 |
| JP2921472B2 (ja) | 1999-07-19 |
| DE69726490D1 (de) | 2004-01-15 |
| EP0806759A3 (en) | 1998-09-30 |
| EP0806759B1 (en) | 2003-12-03 |
| US5937379A (en) | 1999-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4225430B2 (ja) | 音源分離装置、音声認識装置、携帯電話機、音源分離方法、及び、プログラム | |
| JP4283212B2 (ja) | 雑音除去装置、雑音除去プログラム、及び雑音除去方法 | |
| EP1855457B1 (en) | Multi channel echo compensation using a decorrelation stage | |
| JP4098842B2 (ja) | 音声作動プロンプト・インタラプト機能を備えたプロンプト・インタラプト・システム及び調整可能にエコーを打ち消す方法 | |
| JP2538176B2 (ja) | エコ―制御装置 | |
| JP6545419B2 (ja) | 音響信号処理装置、音響信号処理方法、及びハンズフリー通話装置 | |
| JP2503747B2 (ja) | Ｆｉｒ形エコ―キャンセラ | |
| CN101719969A (zh) | 判断双端对话的方法、系统以及消除回声的方法和系统 | |
| JP3406590B2 (ja) | 音声通信装置、およびエコー処理プロセッサ | |
| US20200245066A1 (en) | Sound processing apparatus and sound processing method | |
| JPH096388A (ja) | 音声認識装置 | |
| US6683961B2 (en) | Process and apparatus for eliminating loudspeaker interference from microphone signals | |
| JP2921472B2 (ja) | 音声および雑音の除去装置、音声認識装置 | |
| JP2009094802A (ja) | 通信装置 | |
| JPH1152977A (ja) | 音声処理方法および装置 | |
| CN109215672B (zh) | 一种声音信息的处理方法、装置及设备 | |
| US20060184361A1 (en) | Method and apparatus for reducing an interference noise signal fraction in a microphone signal | |
| JP2891295B2 (ja) | 音響エコーキャンセラ | |
| KR100400214B1 (ko) | 전화 통신시스템에서의 반향 제거장치 및 그에 따른 적응필터의 계수갱신방법 | |
| JP2010016478A (ja) | 音声通信装置 | |
| JP6369192B2 (ja) | エコー抑圧装置、エコー抑圧プログラム、エコー抑圧方法及び通信端末 | |
| JPH088789A (ja) | 音声通信システム | |
| JP3233525B2 (ja) | 音声通信システム | |
| RU2786157C2 (ru) | Устройство эхоподавления, способ эхоподавления и программа эхоподавления | |
| JP2004266726A (ja) | エコーキャンセラ装置，エコーキャンセル処理のフィルタ係数計算方法及びコンピュータプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080430 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090430 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100430 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110430 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120430 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120430 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130430 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130430 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140430 Year of fee payment: 15 |
|
| LAPS | Cancellation because of no payment of annual fees |