JP2008236268A

JP2008236268A - Clip suppression device and clip suppression program

Info

Publication number: JP2008236268A
Application number: JP2007071659A
Authority: JP
Inventors: Katsumori Hagiwara; 克守萩原; Toshiaki Nobumoto; 俊明信本; Kazuhiro Nomoto; 一宏野元
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2007-03-19
Filing date: 2007-03-19
Publication date: 2008-10-02

Abstract

【課題】信号の連続性を保持しつつ、クリップ部分を抑えることを課題とする。
【解決手段】音声信号の入力波形において、所定の上限値または下限値を越えるクリップ部分を、上限値以上の波形および下限値以下の波形がセンターライン（無音のときに描かれる直線）から始まるように抽出したクリップ部分の音声信号と比較して波形の傾斜がなだらかな平滑化信号を生成する。そして、音声信号の入力波形に、生成した平滑化信号の逆位相を加算してクリップ部分の音声信号を抑制する。
【選択図】図１An object of the present invention is to suppress a clip portion while maintaining signal continuity.
In an input waveform of an audio signal, a clip portion exceeding a predetermined upper limit value or lower limit value is such that a waveform above the upper limit value and a waveform below the lower limit value start from a center line (a straight line drawn when there is no sound). Compared with the audio signal of the clip portion extracted in (1), a smoothed signal having a gentle waveform inclination is generated. Then, the audio signal in the clip portion is suppressed by adding the reverse phase of the generated smoothed signal to the input waveform of the audio signal.
[Selection] Figure 1

Description

この発明は、入力された一連の音声信号が所定の上限値または下限値を越えないように、当該音声信号を抑制するクリップ抑制装置およびクリップ抑制プログラムに関する。 The present invention relates to a clip suppression device and a clip suppression program that suppress an audio signal so that a series of input audio signals do not exceed a predetermined upper limit value or lower limit value.

従来、音の電気信号の信号波形に対して所定の処理を行う際に（例えば、スピーカで出力する、あるいは、デジタル化して記憶するなど）、その処理において表現できる上限値および下限値を超える部分が信号波形に生ずることを「信号がクリップする」と言われている。また、上限値または下限値を超えた部分（一旦上限値または下限値を超えてから再度上限値または下限値に戻るまでの部分）を指して「クリップ部分」と言われている。 Conventionally, when predetermined processing is performed on a signal waveform of a sound electric signal (for example, output by a speaker or digitized and stored), a portion exceeding an upper limit value and a lower limit value that can be expressed in the processing That occurs in the signal waveform is said to “clip the signal”. In addition, the portion that exceeds the upper limit value or the lower limit value (the portion that once exceeds the upper limit value or the lower limit value and then returns to the upper limit value or the lower limit value) is referred to as a “clip portion”.

そして、従来、信号の連続性を保ちつつ、このような信号のクリップを防止する技術が考案されている。具体的には、信号波形を一定の間隔（フレーム）で区切り、フレームごとに利得を制御してクリップを防止する。例えば、クリップ部分が複数のフレームにまたがって生じていた場合には、信号の連続性を保ちつつ（フレーム間の連続性を考慮して、利得が急激に下がらないように）、フレームごとに利得を設定して信号を減衰し、信号のクリップを防止する。 Conventionally, a technique for preventing such signal clipping while keeping the signal continuity has been devised. Specifically, the signal waveform is divided at regular intervals (frames), and the gain is controlled for each frame to prevent clipping. For example, if the clip portion occurs across multiple frames, the gain of each frame is maintained while maintaining signal continuity (considering continuity between frames so that the gain does not drop sharply). Set to attenuate the signal and prevent signal clipping.

また、特許文献１では、デジタル信号で再現できる上限値または下限値を超える値を検知すると、検知した時刻から前後所定の期間にわたって、上限値または下限値と、当該期間内の各値との差で一意に決まる減衰係数に応じて、各値の減衰係数を決定し、当該期間内全体を減衰する方法が開示されている。 Further, in Patent Document 1, when a value exceeding an upper limit value or a lower limit value that can be reproduced with a digital signal is detected, the difference between the upper limit value or the lower limit value and each value within the period is detected for a predetermined period before and after the detected time. A method is disclosed in which the attenuation coefficient of each value is determined in accordance with the attenuation coefficient uniquely determined by (1), and the entire period is attenuated.

特開昭５６−８９３５号公報JP-A-56-8935

しかしながら、上記した技術では、信号の連続性を保持しつつ、クリップ部分を抑えることができないという課題があった。つまり、従来の技術では、利得を突発的に下げてしまうと、フレーム間の連続性が保持できないため、ある程度しか信号を減衰せざるを得ず、結果として、クリップ部分を抑えることができなかった。また、特許文献１の技術を用いたとしても、所定の期間にわたって信号を減衰するので、同様に、クリップ部分を抑えることができなかった。 However, the above-described technique has a problem that the clip portion cannot be suppressed while maintaining the continuity of the signal. In other words, in the conventional technique, if the gain is suddenly lowered, the continuity between frames cannot be maintained, so the signal has to be attenuated only to some extent, and as a result, the clip portion cannot be suppressed. . Further, even if the technique disclosed in Patent Document 1 is used, the signal is attenuated over a predetermined period, and similarly, the clip portion cannot be suppressed.

そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、信号の連続性を保持しつつ、クリップ部分を抑えることが可能なクリップ抑制装置、クリップ抑制プログラムを提供することを目的とする。 Accordingly, the present invention has been made to solve the above-described problems of the prior art, and provides a clip suppression device and a clip suppression program capable of suppressing a clip portion while maintaining signal continuity. For the purpose.

上述した課題を解決し、目的を達成するため、請求項１に係る発明は、入力された一連の音声信号が所定の上限値または下限値を越えないように、当該音声信号を抑制するクリップ抑制装置であって、前記音声信号の入力波形において、前記上限値または下限値を越えた点から再度前記上限値または下限値に到達する点までの部分であるクリップ部分を抽出する抽出手段と、前記抽出手段によって抽出されたクリップ部分の音声信号を平滑化して平滑化信号を生成する平滑化手段と、前記平滑化手段によって生成された平滑化信号を用いて、前記音声信号の入力波形におけるクリップ部分の音声信号を抑制する抑制手段と、を備えたことを特徴とする。 In order to solve the above-described problems and achieve the object, the invention according to claim 1 is a clip suppression that suppresses an audio signal so that the input series of audio signals does not exceed a predetermined upper limit value or lower limit value. An extraction means for extracting a clip portion which is a portion from a point exceeding the upper limit value or the lower limit value to a point reaching the upper limit value or the lower limit value again in the input waveform of the audio signal; Smoothing means for generating a smoothed signal by smoothing the audio signal of the clip portion extracted by the extracting means, and a clip portion in the input waveform of the audio signal using the smoothed signal generated by the smoothing means And a suppressor for suppressing the audio signal.

また、請求項２に係る発明は、上記の発明において、前記抑制手段は、前記平滑化手段によって生成された平滑化信号の逆位相を前記音声信号の入力波形におけるクリップ部分に加算して、前記音声信号の入力波形におけるクリップ部分の音声信号を抑制することを特徴とする。 Further, in the invention according to claim 2, in the above invention, the suppression unit adds an antiphase of the smoothed signal generated by the smoothing unit to a clip portion in an input waveform of the audio signal, and The audio signal of the clip part in the input waveform of the audio signal is suppressed.

また、請求項３に係る発明は、上記の発明において、前記抑制手段は、前記平滑化手段によって生成された平滑化信号を重み付けした上で、当該重み付けした平滑化信号の逆位相を前記音声信号の入力波形におけるクリップ部分に加算して、前記音声信号の入力波形におけるクリップ部分の音声信号を抑制することを特徴とする。 According to a third aspect of the present invention, in the above invention, the suppression unit weights the smoothed signal generated by the smoothing unit, and then sets an inverse phase of the weighted smoothed signal to the audio signal. Is added to the clip portion in the input waveform, and the audio signal of the clip portion in the input waveform of the audio signal is suppressed.

また、請求項４に係る発明は、入力された一連の音声信号が所定の上限値または下限値を越えないように、当該音声信号を抑制する方法をコンピュータに実行させるクリップ抑制プログラムであって、前記音声信号の入力波形において、前記上限値または下限値を越えた点から再度前記上限値または下限値に到達する点までの部分であるクリップ部分を抽出する抽出手順と、前記抽出手順によって抽出されたクリップ部分の音声信号を平滑化して平滑化信号を生成する平滑化手順と、前記平滑化手順によって生成された平滑化信号を用いて、前記音声信号の入力波形におけるクリップ部分の音声信号を抑制する抑制手順と、をコンピュータに実行させることを特徴とする。 The invention according to claim 4 is a clip suppression program for causing a computer to execute a method of suppressing an audio signal so that the input series of audio signals does not exceed a predetermined upper limit value or lower limit value. In the input waveform of the audio signal, an extraction procedure for extracting a clip portion that is a portion from a point where the upper limit value or the lower limit value is exceeded to a point where the upper limit value or the lower limit value is reached again, and the extraction procedure extracts the clip portion. The audio signal of the clip portion in the input waveform of the audio signal is suppressed by using a smoothing procedure for generating a smoothed signal by smoothing the audio signal of the clip portion and the smoothed signal generated by the smoothing procedure. And a suppression procedure for causing the computer to execute.

請求項１または４の発明によれば、音声信号の入力波形において、上限値または下限値を越えた点から再度上限値または下限値に到達する点までの部分であるクリップ部分を抽出し、クリップ部分の音声信号を平滑化して平滑化信号を生成し、当該生成した平滑化信号を用いて、音声信号の入力波形におけるクリップ部分の音声信号を抑制するので、信号の連続性を保持しつつ、クリップ部分を抑えることが可能となる。また、クリップ部分のみを処理対象とするので、処理負担を軽減することも可能となる。 According to the first or fourth aspect of the present invention, in the input waveform of the audio signal, a clip portion that is a portion from a point exceeding the upper limit value or the lower limit value to a point reaching the upper limit value or the lower limit value again is extracted, and the clip Smoothing the audio signal of the part to generate a smoothed signal, and using the generated smoothed signal to suppress the audio signal of the clip part in the input waveform of the audio signal, while maintaining the continuity of the signal, The clip portion can be suppressed. In addition, since only the clip portion is a processing target, it is possible to reduce the processing load.

また、請求項２の発明によれば、平滑化信号の逆位相を音声信号の入力波形におけるクリップ部分に加算して、音声信号の入力波形におけるクリップ部分の音声信号を抑制するので、加算処理という簡易な処理でクリップ部分を抑えることが可能となる。 According to the second aspect of the present invention, the reverse phase of the smoothed signal is added to the clip portion in the input waveform of the audio signal to suppress the audio signal in the clip portion in the input waveform of the audio signal. It is possible to suppress the clip portion with a simple process.

また、請求項３の発明によれば、平滑化信号を重み付けした上で、当該重み付けした平滑化信号の逆位相を音声信号の入力波形におけるクリップ部分に加算して、音声信号の入力波形におけるクリップ部分の音声信号を抑制するので、クリップ部分に重み付けを行わずにクリップ部分を抑える手法に比較して、より確実にクリップ部分を抑えることが可能となる。 According to the invention of claim 3, after the smoothed signal is weighted, the inverse phase of the weighted smoothed signal is added to the clip portion in the input waveform of the audio signal, and the clip in the input waveform of the audio signal is added. Since the audio signal of the portion is suppressed, the clip portion can be more reliably suppressed as compared with the method of suppressing the clip portion without weighting the clip portion.

以下に添付図面を参照して、この発明に係るクリップ抑制装置、クリップ抑制プログラムの実施例を詳細に説明する。なお、以下では、本発明に係る音声処理装置の概要および特徴、音声処理装置の構成および処理を順に説明し、実施例１の効果を説明した後に、他の実施例を実施例２として説明する。 Exemplary embodiments of a clip suppression device and a clip suppression program according to the present invention will be described below in detail with reference to the accompanying drawings. In the following, the outline and features of the speech processing apparatus according to the present invention, the configuration and processing of the speech processing apparatus will be described in order, the effects of the first embodiment will be described, and then another embodiment will be described as the second embodiment. .

［音声処理装置の概要および特徴］
図１を用いて、実施例１に係る音声処理装置の概要および特徴を説明する。図１は、実施例１に係る音声処理装置の概要および特徴を説明するための図である。なお、図１では、横軸を時間、縦軸を振幅とした座標上で音声信号全体の波形が示されている。また、以下では、無音のときに描かれる直線で、横軸に平行な直線をセンターラインと呼称する。 [Outline and features of speech processing unit]
The outline and features of the speech processing apparatus according to the first embodiment will be described with reference to FIG. FIG. 1 is a diagram for explaining the outline and features of the speech processing apparatus according to the first embodiment. In FIG. 1, the waveform of the entire audio signal is shown on the coordinates with the horizontal axis representing time and the vertical axis representing amplitude. In the following, a straight line drawn during silence and parallel to the horizontal axis is referred to as a center line.

実施例１に係る音声処理装置の概要は、マイクロフォンから入力された一連の音声信号が所定の上限値または下限値を越えないように、当該音声信号を抑制しつつ、スピーカより音声を出力するというもの（例えば、多地点による音声会議に用いられる）であり、信号の連続性を保持しつつ、クリップ部分を抑えることを可能にしている点に主たる特徴がある。 The outline of the sound processing apparatus according to the first embodiment is that the sound is output from the speaker while suppressing the sound signal so that the series of sound signals input from the microphone does not exceed a predetermined upper limit value or lower limit value. The main feature is that it is possible to suppress the clip portion while maintaining the continuity of the signal.

この主たる特徴について説明すると、音声処理装置は、音声信号の入力波形において、上限値または下限値を越えた点から再度上限値または下限値に到達する点までの部分であるクリップ部分を抽出する。具体的に例を挙げて説明すると、図１の（Ａ）や（Ｂ）に示すように、音声処理装置は、音声信号の入力波形において、横軸に平行な２本の点線（所定の上限値または下限値を示す）を越えるクリップ部分を、上限値以上の波形および下限値以下の波形がセンターラインから始まるように抽出する。 Explaining this main feature, the audio processing device extracts a clip portion that is a portion from the point where the upper limit value or the lower limit value is reached to the point where the upper limit value or the lower limit value is reached again in the input waveform of the audio signal. Specifically, as shown in FIGS. 1A and 1B, the speech processing apparatus has two dotted lines (predetermined upper limit) parallel to the horizontal axis in the input waveform of the speech signal. The clip portion exceeding (indicating the value or lower limit value) is extracted so that the waveform above the upper limit value and the waveform below the lower limit value start from the center line.

そして、音声処理装置は、クリップ部分の音声信号を平滑化して平滑化信号を生成する。具体的に例を挙げて説明すると、図１の（Ｂ）や（Ｃ）に示すように、音声処理装置は、抽出したクリップ部分の音声信号と比較して波形の傾斜がなだらかな平滑化信号を生成する。 Then, the audio processing device generates a smoothed signal by smoothing the audio signal of the clip portion. More specifically, as shown in FIGS. 1B and 1C, the audio processing apparatus performs smoothing signal with a gentle waveform slope compared to the extracted audio signal of the clip portion. Is generated.

そして、音声処理装置は、生成した平滑化信号を用いて、音声信号の入力波形におけるクリップ部分の音声信号を抑制する。具体的に例を挙げて説明すると、図１の（Ｄ）に示すように、音声処理装置は、音声信号の入力波形に、生成した平滑化信号の逆位相を加算してクリップ部分の音声信号を抑制する。 Then, the audio processing device suppresses the audio signal of the clip portion in the input waveform of the audio signal using the generated smoothed signal. Specifically, as shown in FIG. 1D, the audio processing apparatus adds the opposite phase of the generated smoothed signal to the input waveform of the audio signal, and the audio signal of the clip portion. Suppress.

こうすることによって、実施例１に係る音声処理装置は、上記した主たる特徴のとおり、信号の連続性を保持しつつ、クリップ部分を抑えることが可能となる。 By doing so, the sound processing apparatus according to the first embodiment can suppress the clip portion while maintaining the continuity of the signal as described above.

［音声処理装置の構成］
次に、図２を用いて、音声処理装置１０の構成を説明する。図２は、音声処理装置１０の構成を示すブロック図である。同図に示すように、音声処理装置１０は、複数のマイクロフォン２０ａ１〜２０ａｎと、音声多重部３０と、クリップ抽出部４０と、フィルタリング部５０と、出力信号生成部６０と、スピーカ７０とから構成される。なお、クリップ抽出部４０は、特許請求の範囲に記載の「抽出手段」に対応し、フィルタリング部７０は、同じく「平滑化手段」に対応し、出力信号生成部６０は、同じく「抑制手段」に対応する。 [Configuration of voice processing device]
Next, the configuration of the voice processing device 10 will be described with reference to FIG. FIG. 2 is a block diagram illustrating a configuration of the audio processing device 10. As shown in the figure, the audio processing apparatus 10 includes a plurality of microphones 20a1 to 20an, an audio multiplexing unit 30, a clip extraction unit 40, a filtering unit 50, an output signal generation unit 60, and a speaker 70. Is done. The clip extraction unit 40 corresponds to the “extraction unit” described in the claims, the filtering unit 70 also corresponds to the “smoothing unit”, and the output signal generation unit 60 also corresponds to the “suppression unit”. Corresponding to

マイクロフォン２０ａ１〜２０ａｎは、音を音声信号に変換する。具体的には、マイクロフォン２０ａ１〜２０ａｎは、発話者などから声を受け取ると、それを音声信号に変換して後述する音声多重部３０に出力する。 The microphones 20a1 to 20an convert sound into audio signals. Specifically, when receiving a voice from a speaker or the like, the microphones 20a1 to 20an convert the voice into a voice signal and output the voice signal to the voice multiplexing unit 30 described later.

音声多重部３０は、音声信号を多重化する。具体的には、音声多重部３０は、各マイクロフォン２０ａ１〜２０ａｎから音声信号を受け取ると、多重化して後述するクリップ抽出部４０に出力する。ここで、音声多重部３０は、音声信号を多重化する際、多重化された音声信号がクリップしないようにビット拡張を行うことが望ましい。例えば、図３に示すように、音声処理装置１０が２つのマイクロフォン２０ａ１〜２０ａ２を備える場合には、音声多重部３０は、各マイクロフォン２０ａ１〜２０ａ２の音声信号の所定値が１６ビットであるなら、多重化した音声信号の所定値を３２ビットにビット拡張する。なお、図３は、音声多重部の処理を説明するための図であり、横軸を時間、縦軸を振幅とした座標上で音声信号全体の波形が示されている。 The audio multiplexing unit 30 multiplexes the audio signal. Specifically, when receiving an audio signal from each of the microphones 20a1 to 20an, the audio multiplexing unit 30 multiplexes and outputs the multiplexed signal to the clip extraction unit 40 described later. Here, when the audio multiplexing unit 30 multiplexes the audio signal, it is desirable to perform bit extension so that the multiplexed audio signal is not clipped. For example, as shown in FIG. 3, when the audio processing device 10 includes two microphones 20a1 to 20a2, the audio multiplexing unit 30 is configured so that the predetermined value of the audio signal of each microphone 20a1 to 20a2 is 16 bits. The predetermined value of the multiplexed audio signal is bit-extended to 32 bits. FIG. 3 is a diagram for explaining the processing of the audio multiplexing unit, and shows the waveform of the entire audio signal on coordinates with the horizontal axis representing time and the vertical axis representing amplitude.

クリップ抽出部４０は、音声信号の入力波形において、上限値または下限値を越えた点から再度上限値または下限値に到達する点までの部分であるクリップ部分を抽出する。具体的には、図４に示すように、クリップ抽出部４０は、上述した音声多重部３０から多重化された音声信号を一定時間受け取り、当該一定時間ごとに、当該音声信号において所定値（例えば、１６ビットで表される正の値）以上の値を全て同じ値に、また、所定値（例えば、１６ビットで表される負の値）以下の値を全て同じ値にした（点線で表される値を実線で表される値へ算出）音声信号を生成する。そして、クリップ抽出部４０は、もとの音声信号と、当該生成した音声信号との差をとることで、所定値以上の波形および所定値以下の波形がセンターラインから始まるようにクリップ部分を抽出する。そして、クリップ抽出部４０は、抽出したクリップ部分の音声信号を後述するフィルタリング部５０に出力する。なお、図４は、クリップ抽出部の処理を説明するための図であり、横軸を時間、縦軸を振幅とした座標上で音声信号全体の波形が示されている。 The clip extraction unit 40 extracts a clip portion from the point where the upper limit value or lower limit value is exceeded to the point where the upper limit value or lower limit value is reached again in the input waveform of the audio signal. Specifically, as illustrated in FIG. 4, the clip extraction unit 40 receives the audio signal multiplexed from the audio multiplexing unit 30 described above for a certain period of time, and performs a predetermined value (for example, , A positive value represented by 16 bits) is set to the same value, and a value equal to or less than a predetermined value (for example, a negative value represented by 16 bits) is set to the same value (represented by a dotted line). A sound signal is generated). Then, the clip extraction unit 40 extracts the clip portion so that a waveform greater than a predetermined value and a waveform less than the predetermined value start from the center line by taking the difference between the original audio signal and the generated audio signal. To do. Then, the clip extraction unit 40 outputs the extracted audio signal of the clip portion to the filtering unit 50 described later. FIG. 4 is a diagram for explaining the processing of the clip extraction unit, and shows the waveform of the entire audio signal on the coordinates with time on the horizontal axis and amplitude on the vertical axis.

フィルタリング部５０は、クリップ抽出部４０によって抽出されたクリップ部分の音声信号を平滑化して平滑化信号を生成する。具体的には、フィルタリング部５０は、上述したクリップ抽出部４０からクリップ部分の音声信号を受け取ると、ＬＰＦ（Low Pass Filter）によって高周波成分を除去し、クリップ部分の音声信号と比較して波形の傾斜がなだらかな平滑化信号を生成する。そして、フィルタリング部５０は、生成した平滑化信号を後述する出力信号生成部６０に出力する。 The filtering unit 50 smoothes the audio signal of the clip portion extracted by the clip extraction unit 40 to generate a smoothed signal. Specifically, when the filtering unit 50 receives the audio signal of the clip portion from the clip extraction unit 40 described above, the filtering unit 50 removes a high frequency component by an LPF (Low Pass Filter), and compares the waveform signal with the audio signal of the clip portion. A smoothed signal with a gentle slope is generated. And the filtering part 50 outputs the produced | generated smoothed signal to the output signal production | generation part 60 mentioned later.

ここで、ＬＰＦによる処理の詳細を説明すると、フィルタリング部５０は、抽出されたクリップ部分の音声信号の振幅を時間の関数でｘｃｌｉｐ（ｔ）と表し、同じく平滑化された音声信号の振幅を時間の関数でｘ_fil（ｔ）と表した場合に、図５で示した式１よりｘ_fil（ｔ）を算出する（ＬＰＦ（ｉ）は、ＦＩＲ（Finite Impulse Response）フィルタ係数であり、Ｍは、ＦＩＲフィルタの次数である）。例えば、図６に示すように、フィルタリング部５０は、概形が横軸「タップ数」、縦軸「フィルタ係数」の座標軸上で表されるＬＰＦ（ｉ）を用いて、点線で表される曲線ｘ_clip（ｔ）を、実線で表される曲線ｘ_fil（ｔ）へ変換する。なお、図６は、フィルタリング部の処理を説明するための図であり、同図右の座標では横軸を時間、縦軸を振幅として音声信号の波形が示されている。 Here, the details of the processing by the LPF will be described. The filtering unit 50 represents the amplitude of the audio signal of the extracted clip portion as xclip (t) as a function of time, and similarly represents the amplitude of the smoothed audio signal as time. When x _fil (t) is expressed by the function of (2), x _fil (t) is calculated from Equation 1 shown in FIG. 5 (LPF (i) is a FIR (Finite Impulse Response) filter coefficient, and M is , FIR filter order). For example, as shown in FIG. 6, the filtering unit 50 is represented by a dotted line using LPF (i) whose outline is represented on the coordinate axis of the horizontal axis “number of taps” and the vertical axis “filter coefficient”. The curve x _clip (t) is converted into a curve x _fil (t) represented by a solid line. FIG. 6 is a diagram for explaining the processing of the filtering unit. The coordinates on the right side of FIG. 6 show the waveform of the audio signal with the horizontal axis representing time and the vertical axis representing amplitude.

出力信号生成部６０は、フィルタリング部５０によって生成された平滑化信号の逆位相を音声信号の入力波形におけるクリップ部分に加算して、音声信号の入力波形におけるクリップ部分の音声信号を抑制する。具体的には、図７に示すように、出力信号生成部６０は、フィルタリング部５０から平滑化信号を受け取ると、音声多重部３０によって多重化された音声信号と、当該平滑化信号を逆位相にした音声信号との和をとることで、クリップ部分を抑制した音声信号を算出する。そして、出力信号生成部６０は、クリップ部分を抑制した音声信号を後述するスピーカ７０に出力する。なお、このとき、出力信号生成部６０は、図６で示した概形のフィルタ係数を用いることで生成された平滑化信号によって、上記した算出を行う場合には、音声多重部３０によって多重化された音声信号を（Ｍ−１）／２秒だけ遅らせることで、平滑化信号に位相を合わせる。なお、図７は、出力信号生成部の処理を説明するための図であり、横軸を時間、縦軸を振幅とした座標上で音声信号全体の波形が示されている。 The output signal generation unit 60 adds the antiphase of the smoothed signal generated by the filtering unit 50 to the clip portion in the input waveform of the audio signal, and suppresses the audio signal in the clip portion in the input waveform of the audio signal. Specifically, as illustrated in FIG. 7, when the output signal generation unit 60 receives the smoothed signal from the filtering unit 50, the output signal generation unit 60 converts the audio signal multiplexed by the audio multiplexing unit 30 and the smoothed signal to an opposite phase. The audio signal with the clip portion suppressed is calculated by taking the sum of the audio signal. Then, the output signal generation unit 60 outputs an audio signal in which the clip portion is suppressed to the speaker 70 described later. At this time, the output signal generator 60 performs multiplexing by the audio multiplexer 30 when performing the above calculation using the smoothed signal generated by using the rough filter coefficients shown in FIG. The phase of the smoothed signal is adjusted by delaying the audio signal thus delayed by (M−1) / 2 seconds. FIG. 7 is a diagram for explaining the processing of the output signal generation unit, and shows the waveform of the entire audio signal on coordinates with the horizontal axis representing time and the vertical axis representing amplitude.

スピーカ７０は、音声信号を音に変換する。具体的には、スピーカ７０は、上述した出力信号生成部６０から音声信号を受け取ると、音声として出力する。 The speaker 70 converts an audio signal into sound. Specifically, when the speaker 70 receives an audio signal from the output signal generation unit 60 described above, the speaker 70 outputs the audio signal.

［音声処理装置による処理］
次に、図８を用いて、音声処理装置１０による処理を説明する。図８は、音声処理装置による処理の流れを示すフローチャートである。 [Processing by voice processor]
Next, processing performed by the voice processing device 10 will be described with reference to FIG. FIG. 8 is a flowchart showing the flow of processing by the speech processing apparatus.

図８に示すように、音声処理装置１０は、マイクロフォン２０ａ１〜２０ａｎによって音声信号が入力されると（ステップＳ８０１肯定）、一定時間ごとに音声信号におけるクリップ部分を抽出する（ステップＳ８０２）。 As shown in FIG. 8, when an audio signal is input from the microphones 20a1 to 20an (Yes in step S801), the audio processing apparatus 10 extracts a clip portion in the audio signal at regular intervals (step S802).

そして、音声処理装置１０は、クリップ部分をフィルタリングし（ステップＳ８０３）、フィルタリングによって得られた平滑化信号を用いて、クリップ部分の音声信号を抑制した出力信号を生成し（ステップＳ８０４）、スピーカ７０から音声として出力する（ステップＳ８０５）。 Then, the audio processing device 10 filters the clip portion (step S803), generates an output signal in which the audio signal of the clip portion is suppressed using the smoothed signal obtained by the filtering (step S804), and the speaker 70. Are output as voice (step S805).

［実施例１の効果］
上記したように、実施例１によれば、音声信号の入力波形において、上限値または下限値を越えた点から再度上限値または下限値に到達する点までの部分であるクリップ部分を抽出し、クリップ部分の音声信号を平滑化して平滑化信号を生成して得られた平滑化信号を用いて、音声信号の入力波形におけるクリップ部分の音声信号を抑制するので、信号の連続性を保持しつつ、クリップ部分を抑えることが可能となる。また、クリップ部分のみを処理対象とするので、処理負担を軽減することも可能となる。 [Effect of Example 1]
As described above, according to the first embodiment, in the input waveform of the audio signal, a clip portion that is a portion from a point exceeding the upper limit value or the lower limit value to a point reaching the upper limit value or the lower limit value again is extracted. Since the audio signal of the clip portion in the input waveform of the audio signal is suppressed by using the smoothed signal obtained by smoothing the audio signal of the clip portion and generating the smoothed signal, the continuity of the signal is maintained. It becomes possible to suppress the clip portion. In addition, since only the clip portion is a processing target, it is possible to reduce the processing load.

図９は、実施例１の効果を説明するための図であり、以下では、図９を用いて具体的に本発明の効果を説明する。図９において、（１）、（３）、（５）では、本発明を適用せずに音声の多重化を行った波形を示し、（２）、（４）、（６）では、本発明を適用してクリップ部分を抑制した波形を示す。（１）および（２）における波形は、横軸を時間、縦軸を振幅としたときの信号全体の波形であり、（３）および（４）における波形は、全体の波形の一部を拡大した波形、（５）および（６）における波形は、拡大した波形を周波数分析し、横軸を周波数、縦軸を振幅としたときの波形である。（３）と（４）の比較を行うと、（３）では、信号がクリップして上限で張り付いているのに対し、（４）では、クリップ部分が抑制されて、信号の連続性が保持されている。また、（５）と（６）の比較を行うと、（５）に比べ（６）には高域にエネルギーがなくなっている。これは、信号が不連続になることを防ぎ、インパルス的なノイズを防止できていることを示している。 FIG. 9 is a diagram for explaining the effect of the first embodiment. Hereinafter, the effect of the present invention will be specifically described with reference to FIG. 9. In FIG. 9, (1), (3), and (5) show waveforms obtained by multiplexing audio without applying the present invention, and (2), (4), and (6) show the present invention. The waveform which suppressed clip part by applying is shown. The waveforms in (1) and (2) are waveforms of the entire signal when the horizontal axis is time and the vertical axis is amplitude, and the waveforms in (3) and (4) are a part of the entire waveform. The waveforms in (5) and (6) are the waveforms when the expanded waveform is subjected to frequency analysis, the horizontal axis is frequency and the vertical axis is amplitude. When comparing (3) and (4), the signal is clipped and stuck at the upper limit in (3), while in (4) the clip portion is suppressed and the continuity of the signal is reduced. Is retained. Further, when (5) and (6) are compared, energy in the high range is lost in (6) compared to (5). This indicates that the signal is prevented from becoming discontinuous and impulse noise can be prevented.

また、実施例１によれば、平滑化信号の逆位相を音声信号の入力波形におけるクリップ部分に加算して、音声信号の入力波形におけるクリップ部分の音声信号を抑制するので、加算処理という簡易な処理でクリップ部分を抑えることが可能となる。 Further, according to the first embodiment, since the opposite phase of the smoothed signal is added to the clip portion in the input waveform of the audio signal and the audio signal of the clip portion in the input waveform of the audio signal is suppressed, a simple process of addition processing is performed. The clip portion can be suppressed by the processing.

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下に示すように、（１）〜（４）にそれぞれ区分けして異なる実施例を説明する。 Although the embodiments of the present invention have been described so far, the present invention may be implemented in various different forms other than the embodiments described above. Therefore, as shown below, different embodiments will be described by dividing into (1) to (4).

（１）クリップ部分の抑制
上記の実施例１では、平滑化信号の逆位相をもとの音声信号に加算することでクリップ部分を抑制する場合を説明したが、本発明はこれに限定されるものではなく、クリップ部分を抑制する際に、平滑化信号を用いる手法であればいかなるものであってもよく、例えば、もとの音声信号と、平滑化信号との差をとるなどしてもよい。 (1) Suppression of clip portion In the first embodiment, the case where the clip portion is suppressed by adding the reverse phase of the smoothed signal to the original audio signal has been described, but the present invention is limited to this. Any method may be used as long as it uses a smoothed signal when suppressing the clip portion. For example, the difference between the original audio signal and the smoothed signal may be taken. Good.

（２）重み付け
また、上記の実施例１では、平滑化信号の逆位相に対して重み付けを行わずにもとの音声信号に加算する場合を説明したが、本発明はこれに限定されるものではなく、平滑化信号の逆位相に対して重み付けを行った後、もとの音声信号に加算することでクリップ部分を抑制するようにしてもよい。こうすることで、クリップ部分に重み付けを行わずにクリップ部分を抑える手法に比較して、より確実にクリップ部分を抑えることが可能となる。 (2) Weighting In the above-described first embodiment, the case of adding to the original audio signal without weighting the reverse phase of the smoothed signal has been described, but the present invention is limited to this. Instead, the clip portion may be suppressed by weighting the opposite phase of the smoothed signal and then adding it to the original audio signal. By doing so, it becomes possible to more reliably suppress the clip portion as compared with the method of suppressing the clip portion without weighting the clip portion.

（３）システム構成等
また、図示した装置（音声処理装置１０）の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、例えば、音声多重部３０とクリップ抽出部４０とを統合するなど、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。 (3) System Configuration etc. Each component of the illustrated apparatus (speech processing apparatus 10) is functionally conceptual and does not necessarily need to be physically configured as illustrated. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure. For example, all or a part of the audio multiplexing unit 30 and the clip extraction unit 40 may be integrated with various loads and usage conditions. Depending on the above, it can be configured to be functionally or physically distributed and integrated in arbitrary units. Further, all or any part of each processing function performed in each device may be realized by a CPU and a program analyzed and executed by the CPU, or may be realized as hardware by wired logic.

（４）音声処理プログラム
ところで、上記の実施例１では、ハードウェアロジックによって各種の処理を実現する場合を説明したが、本発明はこれに限定されるものではなく、あらかじめ用意されたプログラムをコンピュータで実行することによって実現するようにしてもよい。そこで、以下では、図１０を用いて、上記の実施例１に示した音声処理装置１０と同様の機能を有する音声処理プログラムを実行するコンピュータの一例を説明する。図１０は、音声処理プログラムを実行するコンピュータを示す図である。 (4) Audio Processing Program In the above-described first embodiment, the case where various processes are realized by hardware logic has been described. However, the present invention is not limited to this, and a program prepared in advance is stored in a computer. You may make it implement | achieve by performing by. In the following, an example of a computer that executes a voice processing program having the same function as that of the voice processing apparatus 10 shown in the first embodiment will be described with reference to FIG. FIG. 10 is a diagram illustrating a computer that executes a voice processing program.

同図に示すように、コンピュータ８０は、マイクロフォン８１、スピーカ８２、ＣＰＵ８３、ＲＯＭ８４、ＨＤＤ８５およびＲＡＭ８６をバス８７などで接続して構成される。 As shown in the figure, the computer 80 is configured by connecting a microphone 81, a speaker 82, a CPU 83, a ROM 84, an HDD 85, and a RAM 86 through a bus 87 or the like.

ＲＯＭ８４には、上記の実施例１に示した音声処理装置１０と同様の機能を発揮する音声処理プログラム、つまり、図１０に示すように、音声多重プログラム８４ａと、クリップ抽出プログラム８４ｂと、フィルタリングプログラム８４ｃと、出力信号生成プログラム８４ｄとが予め記憶されている。なお、これらのプログラム８４ａ〜８４ｄについては、図１０に示した音声処理装置１０の各構成要素と同様、適宜統合または分散してもよい。 The ROM 84 has a voice processing program that exhibits the same function as that of the voice processing apparatus 10 shown in the first embodiment, that is, as shown in FIG. 10, a voice multiplex program 84a, a clip extraction program 84b, and a filtering program. 84c and an output signal generation program 84d are stored in advance. Note that these programs 84a to 84d may be appropriately integrated or distributed in the same manner as each component of the audio processing apparatus 10 shown in FIG.

そして、ＣＰＵ８３が、これらのプログラム８４ａ〜８４ｄをＲＯＭ８４から読み出して実行することで、図１０に示すように、各プログラム８４ａ〜８４ｄは、音声多重プロセス８３ａ、クリップ抽出プロセス８３ｂ、フィルタリングプロセス８３ｃ、出力信号生成プロセス８３ｄとして機能するようになる。なお、各プロセス８３ａ〜８３ｄは、図２に示した音声多重部３０と、クリップ抽出部４０と、フィルタリング部５０と、出力信号生成部６０とにそれぞれ対応する。そして、ＣＰＵ８３は、ＲＡＭ８６に種々のデータを読み書きすることで音声処理を実行する。 Then, the CPU 83 reads out these programs 84a to 84d from the ROM 84 and executes them, so that each program 84a to 84d has an audio multiplexing process 83a, a clip extraction process 83b, a filtering process 83c, and an output as shown in FIG. It functions as the signal generation process 83d. Each process 83a to 83d corresponds to the audio multiplexing unit 30, the clip extraction unit 40, the filtering unit 50, and the output signal generation unit 60 shown in FIG. The CPU 83 executes voice processing by reading and writing various data in the RAM 86.

なお、上記した各プログラム８４ａ〜８４ｄについては、必ずしも最初からＲＯＭ８４に記憶させておく必要はなく、例えば、コンピュータ８０に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯディスク、ＤＶＤディスク、ＩＣカードなどの「可搬用の物理媒体」、または、コンピュータ８０の内外に備えられるＨＤＤなどの「固定用の物理媒体」、さらには、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ８０に接続される「他のコンピュータ（またはサーバ）」などに各プログラムを記憶させておき、コンピュータ８０がこれらから各プログラムを読み出して実行するようにしてもよい。 The above-described programs 84a to 84d are not necessarily stored in the ROM 84 from the beginning. For example, a flexible disk (FD), a CD-ROM, an MO disk, a DVD disk, and an IC inserted into the computer 80 can be used. Connected to the computer 80 via a “portable physical medium” such as a card, or a “fixed physical medium” such as an HDD provided inside or outside the computer 80, and further via a public line, the Internet, a LAN, a WAN, etc. Each program may be stored in “another computer (or server)” or the like, and the computer 80 may read and execute each program from these.

以上のように、本発明に係るクリップ抑制装置およびクリップ抑制プログラムは、入力された一連の音声信号が所定の上限値または下限値を越えないように、当該音声信号を抑制することに有用であり、特に信号の連続性を保持しつつ、クリップ部分を抑えることに適する。 As described above, the clip suppression device and the clip suppression program according to the present invention are useful for suppressing an audio signal so that the input series of audio signals does not exceed a predetermined upper limit value or lower limit value. Especially, it is suitable for suppressing the clip portion while maintaining the continuity of the signal.

実施例１に係る音声処理装置の概要および特徴を説明するための図である。BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a diagram for explaining an overview and characteristics of a speech processing apparatus according to Embodiment 1. 実施例１に係る音声処理装置の構成を示すブロック図である。1 is a block diagram illustrating a configuration of a sound processing apparatus according to Embodiment 1. FIG. 音声多重部の処理を説明するための図である。It is a figure for demonstrating the process of an audio | voice multiplexing part. クリップ抽出部の処理を説明するための図である。It is a figure for demonstrating the process of a clip extraction part. クリップ部分の音声信号とフィルタリングされた音声信号の関係を示す図である。It is a figure which shows the relationship between the audio | voice signal of a clip part, and the filtered audio | voice signal. フィルタリング部の処理を説明するための図である。It is a figure for demonstrating the process of a filtering part. 出力信号生成部の処理を説明するための図である。It is a figure for demonstrating the process of an output signal generation part. 実施例１に係る音声処理装置による処理の流れを示すフローチャートである。3 is a flowchart illustrating a flow of processing by the speech processing apparatus according to the first embodiment. 実施例１の効果を説明するための図である。It is a figure for demonstrating the effect of Example 1. FIG. 音声処理プログラムを実行するコンピュータを示す図である。It is a figure which shows the computer which performs a speech processing program.

Explanation of symbols

１式
１０音声処理装置
２０ａ１〜２０ａｎマイクロフォン
３０音声多重部
４０クリップ抽出部
５０フィルタリング部
６０出力信号生成部
７０スピーカ 1 set 10 audio processing device 20a1-20an microphone 30 audio multiplexing unit 40 clip extraction unit 50 filtering unit 60 output signal generation unit 70 speaker

Claims

A clip suppression device that suppresses an audio signal so that a series of input audio signals does not exceed a predetermined upper limit value or lower limit value,
In the input waveform of the audio signal, an extraction means for extracting a clip portion that is a portion from a point exceeding the upper limit value or the lower limit value to a point reaching the upper limit value or the lower limit value again;
Smoothing means for smoothing the audio signal of the clip portion extracted by the extracting means to generate a smoothed signal;
Suppression means for suppressing the audio signal of the clip portion in the input waveform of the audio signal using the smoothed signal generated by the smoothing means;
A clip restraining device comprising:

The suppression means adds the reverse phase of the smoothed signal generated by the smoothing means to the clip portion in the input waveform of the audio signal, and suppresses the audio signal of the clip portion in the input waveform of the audio signal. The clip suppressing device according to claim 1.

The suppression means weights the smoothed signal generated by the smoothing means, adds the opposite phase of the weighted smoothed signal to the clip portion in the input waveform of the audio signal, and The clip suppression device according to claim 2, wherein the audio signal of the clip portion in the input waveform is suppressed.

A clip suppression program for causing a computer to execute a method of suppressing an audio signal so that a series of input audio signals does not exceed a predetermined upper limit value or lower limit value.
In the input waveform of the audio signal, an extraction procedure for extracting a clip portion that is a portion from a point exceeding the upper limit value or the lower limit value to a point reaching the upper limit value or the lower limit value again;
A smoothing procedure for smoothing the audio signal of the clip portion extracted by the extraction procedure to generate a smoothed signal;
Using the smoothed signal generated by the smoothing procedure, a suppression procedure for suppressing the audio signal of the clip portion in the input waveform of the audio signal;
A clip suppression program for causing a computer to execute the above.