亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

聲源檢測(cè)裝置、噪聲模型生成裝置、噪聲抑制裝置、聲源方位推定裝置、接近車輛檢測(cè)裝置...的制作方法

文檔序號(hào):2825885閱讀:242來源:國知局
聲源檢測(cè)裝置、噪聲模型生成裝置、噪聲抑制裝置、聲源方位推定裝置、接近車輛檢測(cè)裝置 ...的制作方法
【專利摘要】本發(fā)明的課題在于,提供一種通過高精度地判定由集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源來生成適于各環(huán)境的合適的噪聲模型噪聲模型生成裝置。本發(fā)明是一種噪聲模型生成裝置,用于生成與由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源以外的噪聲信息相關(guān)的噪聲模型,其中,從收集到的聲音信息取得功率譜,通過對(duì)該功率譜的概率密度分布(直方圖)進(jìn)行評(píng)價(jià)來判定收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源,在判定為收集到的聲音信息中不包含檢測(cè)對(duì)象的聲源的情況下,根據(jù)收集到的聲音信息生成噪聲模型。
【專利說明】聲源檢測(cè)裝置、噪聲模型生成裝置、噪聲抑制裝置、聲源方 位推定裝置、接近車輛檢測(cè)裝置以及噪聲抑制方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及從由集音器收集到的聲音信息檢測(cè)檢測(cè)對(duì)象的聲源的聲源檢測(cè)裝置、 生成與由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源以外的噪聲信息相關(guān)的噪聲 模型的噪聲模型生成裝置、使用該噪聲模型的噪聲抑制裝置、聲源方位推定裝置、接近車輛 檢測(cè)裝置以及噪聲抑制方法。

【背景技術(shù)】
[0002] 已開發(fā)出如下的聲源方位推定裝置(例如,接近車輛檢測(cè)裝置),該聲源方位推定 裝置利用多個(gè)集音器分別收集周圍的聲音,基于聲音到達(dá)各集音器的到達(dá)時(shí)間差等來推定 聲源(例如,接近的車輛的行駛聲音)的方位等。在專利文獻(xiàn)1所記載的裝置中,利用帶通 濾波器從以預(yù)定間隔配設(shè)的多個(gè)麥克風(fēng)(集音器)所輸出的電信號(hào)分別除去低頻段和高頻 段的頻率成分而變換為修正電信號(hào),根據(jù)該修正電信號(hào)算出呈現(xiàn)車輛的行駛聲音的特征的 預(yù)定頻段的功率,在該功率等級(jí)比預(yù)定值大的情況下判定為存在接近車輛,并且,利用該修 正電信號(hào)除去不需要的雜音成分而變換為雜音抑制信號(hào),運(yùn)算多個(gè)麥克風(fēng)的雜音抑制信號(hào) 間的互相關(guān),根據(jù)相關(guān)成為最大的到達(dá)時(shí)間差來運(yùn)算接近車輛的接近方向。
[0003] 現(xiàn)有技術(shù)文獻(xiàn)
[0004] 專利文獻(xiàn)1 :日本實(shí)開平5-92767號(hào)公報(bào)
[0005] 專利文獻(xiàn)2:日本特開2008-76975號(hào)公報(bào)
[0006] 專利文獻(xiàn)3:日本特開2011-186384號(hào)公報(bào)


【發(fā)明內(nèi)容】

[0007] 發(fā)明要解決的問題
[0008] 為了高精度地推定聲源,需要從由集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源 以外的噪聲(降噪),使用抑制了噪聲后的聲音信息進(jìn)行推定。以往,存在使用預(yù)先準(zhǔn)備的 噪聲模型和/或以規(guī)定的定時(shí)強(qiáng)制性生成的噪聲模型的降噪技術(shù)。但是,在將聲源方位推 定裝置應(yīng)用于接近車輛檢測(cè)裝置等在屋外使用的裝置的情況下,由集音器收集的周邊的環(huán) 境會(huì)變化,因此噪聲源也變化。因此,若在這樣的多樣的環(huán)境下使用預(yù)先準(zhǔn)備的噪聲模型和 /或以預(yù)先決定的定時(shí)生成的噪聲模型,則有時(shí)不會(huì)成為適于各環(huán)境的噪聲模型。因此,有 時(shí)會(huì)無法充分地抑制噪聲成分,或者連所需要的聲音成分也進(jìn)行抑制。其結(jié)果,聲源的推定 精度降低。
[0009] 因此,本發(fā)明的課題在于,提供一種通過高精度地判定由集音器收集到的聲音信 息中是否包含檢測(cè)對(duì)象的聲源來高精度地對(duì)檢測(cè)對(duì)象的聲源進(jìn)行檢測(cè)的聲源檢測(cè)裝置和 生成適于各環(huán)境的噪聲模型的噪聲模型生成裝置、使用適于各環(huán)境的噪聲模型的噪聲抑制 裝置、聲源方位推定裝置、接近車輛檢測(cè)裝置以及噪聲抑制方法。
[0010] 用于解決問題的手段 toon] 本發(fā)明的聲源檢測(cè)裝置,從由集音器收集到的聲音信息檢測(cè)檢測(cè)對(duì)象的聲源,其 特征在于,具備:功率譜取得部,其從由集音器收集到的聲音信息取得功率譜;和判定部, 其對(duì)由功率譜取得部取得的功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定由集音器收集到的 聲音信息中是否包含檢測(cè)對(duì)象的聲源。
[0012] 在該聲源檢測(cè)裝置中,具備集音器,通過集音器來收集周邊的聲音,獲得聲音信 息。然后,在聲源檢測(cè)裝置中,通過功率譜取得部從該聲音信息取得功率譜(聲音的每個(gè)頻 率的功率(能量))。進(jìn)而,在聲源檢測(cè)裝置中,通過判定部對(duì)功率譜的概率密度分布進(jìn)行評(píng) 價(jià),從而判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,從聲音信息檢測(cè)聲源。在不存在檢測(cè)對(duì) 象的聲源的環(huán)境(聲音信息中僅包含噪聲成分的情況)和存在檢測(cè)對(duì)象的聲源的環(huán)境(聲 音信息中除了噪聲成分之外還包含檢測(cè)對(duì)象的聲源成分的情況)下,功率譜的概率密度分 布的形狀明顯不同。因此,根據(jù)從聲音信息得到的功率譜的概率密度分布,能夠高精度地判 別聲音信息中是僅包含噪聲成分(例如,白噪聲、粉紅噪聲)、還是除了噪聲成分之外還包 含檢測(cè)對(duì)象的聲源成分。這樣,在聲源檢測(cè)裝置中,通過對(duì)由集音器收集到的聲音信息的功 率譜的概率密度分布進(jìn)行評(píng)價(jià),能夠高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的聲源, 能夠高精度地檢測(cè)檢測(cè)對(duì)象的聲源。
[0013] 此外,在對(duì)功率譜的概率密度分布進(jìn)行評(píng)價(jià)的情況下,既可以是在求出概率密度 分布后使用概率密度分布進(jìn)行評(píng)價(jià)的方法,也可以是不求出概率密度分布而使用功率譜進(jìn) 行評(píng)價(jià)的方法。
[0014] 在本發(fā)明的上述聲源檢測(cè)裝置中,優(yōu)選,判定部對(duì)基于檢測(cè)對(duì)象的聲源而設(shè)定的 第1頻段中的功率譜的概率密度分布和第1頻段以外的第2頻段中的功率譜的概率密度分 布進(jìn)行評(píng)價(jià),從而判定由集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源。
[0015] 在不存在檢測(cè)對(duì)象的聲源的環(huán)境下(由白噪聲和/或粉紅噪聲等實(shí)現(xiàn)的噪聲環(huán)境 下),在全頻段中功率分布具有連續(xù)性。另一方面,在存在檢測(cè)對(duì)象的聲源的環(huán)境下,在包含 該聲源的頻段中,功率分布發(fā)生變化,因此,在包含聲源的頻段和其以外的頻段之間連續(xù)性 消失。因此,通過對(duì)這2個(gè)頻段的功率譜的概率密度分布進(jìn)行比較,能夠高精度地判別是不 存在檢測(cè)對(duì)象的聲源的環(huán)境、還是存在檢測(cè)對(duì)象的聲源的環(huán)境。因此,在聲源檢測(cè)裝置中, 通過判定部對(duì)包含檢測(cè)對(duì)象的聲源的第1頻段中的功率譜的概率密度分布和第1頻段以外 的第2頻段中的功率譜的概率密度分布進(jìn)行比較評(píng)價(jià),從而判定聲音信息中是否包含檢測(cè) 對(duì)象的聲源,從聲音信息檢測(cè)聲源。這樣,在聲源檢測(cè)裝置中,通過對(duì)包含檢測(cè)對(duì)象的聲源 的第1頻段中的功率譜的概率密度分布和第1頻段以外的第2頻段中的功率譜的概率密度 分布進(jìn)行評(píng)價(jià),能夠高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,能夠更加高精度 地檢測(cè)檢測(cè)對(duì)象的聲源。
[0016] 在本發(fā)明的上述聲源檢測(cè)裝置中,也可以構(gòu)成為具備尺度參數(shù)算出部,該尺度參 數(shù)算出部利用基于功率譜的伽瑪分布擬合來算出伽瑪分布的尺度參數(shù),判定部使用由尺度 參數(shù)算出部算出的尺度參數(shù)來對(duì)功率譜的概率密度分布進(jìn)行評(píng)價(jià)。這樣,在聲源檢測(cè)裝置 中,通過使用利用伽瑪分布擬合得到的尺度參數(shù),能夠高精度地對(duì)功率譜的概率密度分布 進(jìn)行評(píng)價(jià)。
[0017] 本發(fā)明的噪聲模型生成裝置,用于生成與由集音器收集到的聲音信息所包含的檢 測(cè)對(duì)象的聲源以外的噪聲信息相關(guān)的噪聲模型,其特征在于,具備:功率譜取得部,其從由 集音器收集到的聲音信息取得功率譜;判定部,其對(duì)由功率譜取得部取得的功率譜的概率 密度分布進(jìn)行評(píng)價(jià),從而判定由集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源;以 及噪聲模型生成部,其在由判定部判定為聲音信息中不包含檢測(cè)對(duì)象的聲源的情況下,根 據(jù)由集音器收集到的聲音信息來生成噪聲模型。
[0018] 在該噪聲模型生成裝置中,具備集音器,通過集音器來收集周邊的聲音,獲得聲音 信息。然后,在噪聲模型生成裝置中,通過功率譜取得部從該聲音信息取得功率譜。進(jìn)而,在 噪聲模型生成裝置中,通過判定部對(duì)功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定聲音信息 中是否包含檢測(cè)對(duì)象的聲源,判斷用于生成噪聲模型的合適的定時(shí)。如上所述,在不存在檢 測(cè)對(duì)象的聲源的環(huán)境和存在檢測(cè)對(duì)象的聲源的環(huán)境下,功率譜的概率密度分布的形狀明顯 不同,因此,根據(jù)從聲音信息得到的功率譜的概率密度分布的形狀,能夠高精度地判別是不 存在檢測(cè)對(duì)象的聲源的環(huán)境、還是存在檢測(cè)對(duì)象的聲源的環(huán)境。另外,為了使用基于噪聲模 型抑制了噪聲后的聲音信息來高精度地檢測(cè)檢測(cè)對(duì)象的聲源,需要根據(jù)在不存在檢測(cè)對(duì)象 的聲源的環(huán)境下收集到的聲音信息來生成噪聲模型。在根據(jù)在存在檢測(cè)對(duì)象的聲源的環(huán)境 下收集到的聲音信息生成了噪聲模型的情況下,在使用該噪聲模型時(shí)會(huì)從聲音信息中連所 需要的聲音成分也進(jìn)行抑制。當(dāng)判斷出用于生成噪聲模型的合適的定時(shí)(不存在檢測(cè)對(duì)象 的聲源的環(huán)境)時(shí),在噪聲模型生成裝置中,通過噪聲模型生成部,根據(jù)在該定時(shí)收集到的 聲音信息來生成噪聲模型。這樣,在噪聲模型生成裝置中,通過對(duì)由集音器收集到的聲音信 息的功率譜的概率密度分布進(jìn)行評(píng)價(jià),能夠高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的 聲源,因此,能夠判斷用于生成噪聲模型的合適的定時(shí),能夠生成適于各環(huán)境的噪聲模型。
[0019] 在本發(fā)明的上述噪聲模型生成裝置中,優(yōu)選,判定部對(duì)基于檢測(cè)對(duì)象的聲源而設(shè) 定的第1頻段中的功率譜的概率密度分布和第1頻段以外的第2頻段中的功率譜的概率密 度分布進(jìn)行評(píng)價(jià),從而判定由集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源。
[0020] 如上所述,在不存在檢測(cè)對(duì)象的聲源的環(huán)境下,在全頻段中功率分布具有連續(xù)性, 而在存在檢測(cè)對(duì)象的聲源的環(huán)境下,在包含檢測(cè)對(duì)象的聲源的頻段和其以外的頻段之間連 續(xù)性消失。因此,通過對(duì)這2個(gè)頻段的功率譜的概率密度分布進(jìn)行比較,能夠高精度地判定 是不存在檢測(cè)對(duì)象的聲源的環(huán)境(適于生成噪聲模型的環(huán)境)、還是存在檢測(cè)對(duì)象的聲源 的環(huán)境(不適于生成噪聲模型的環(huán)境)。因此,在噪聲模型生成裝置中,通過判定部,對(duì)包 含檢測(cè)對(duì)象的聲源的第1頻段中的功率譜的概率密度分布和第1頻段以外的第2頻段中的 功率譜的概率密度分布進(jìn)行比較評(píng)價(jià),從而判定聲音信息中是否包含檢測(cè)對(duì)象的聲源。然 后,在噪聲模型生成裝置中,通過噪聲模型生成部,在由判定部判定為不包含檢測(cè)對(duì)象的聲 源的情況下(判斷為是用于生成噪聲模型的合適的定時(shí)的情況下),根據(jù)在該定時(shí)收集到 的聲音信息來生成噪聲模型。這樣,在噪聲模型生成裝置中,通過對(duì)包含檢測(cè)對(duì)象的聲源的 第1頻段中的功率譜的概率密度分布和第1頻段以外的第2頻段中的功率譜的概率密度分 布進(jìn)行評(píng)價(jià),能夠更加高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,能夠判斷用于 生成噪聲模型的合適的定時(shí)。
[0021] 在本發(fā)明的上述噪聲模型生成裝置中,也可以構(gòu)成為具備尺度參數(shù)算出部,該尺 度參數(shù)算出部利用基于功率譜的伽瑪分布擬合來算出伽瑪分布的尺度參數(shù),判定部使用由 尺度參數(shù)算出部算出的尺度參數(shù)來對(duì)功率譜的概率密度分布進(jìn)行評(píng)價(jià)。這樣,在噪聲模型 生成裝置中,通過使用利用伽瑪分布擬合得到的尺度參數(shù),能夠高精度地對(duì)功率譜的概率 密度分布進(jìn)行評(píng)價(jià)。
[0022] 在本發(fā)明的上述噪聲模型生成裝置中,也可以構(gòu)成為具備點(diǎn)聲源檢測(cè)部,該點(diǎn)聲 源檢測(cè)部從由集音器收集到的聲音信息檢測(cè)點(diǎn)聲源,噪聲模型生成部即使在由判定部判定 為聲音信息中不包含檢測(cè)對(duì)象的聲源的情況下,在由點(diǎn)聲源檢測(cè)部檢測(cè)到點(diǎn)聲源時(shí),也不 生成噪聲模型。
[0023] 在該噪聲模型生成裝置中,通過點(diǎn)聲源檢測(cè)部,從由集音器收集到的聲音信息檢 測(cè)點(diǎn)聲源。點(diǎn)聲源是非白噪聲、粉紅噪聲等環(huán)境噪聲的特定的聲源,有可能是檢測(cè)對(duì)象的聲 源。因此,在噪聲模型生成裝置的噪聲模型生成部中,即使在由判定部判定為聲音信息中不 包含檢測(cè)對(duì)象的聲源的情況下(判定為可以生成噪聲模型的情況下),在由點(diǎn)聲源檢測(cè)部 檢測(cè)到點(diǎn)聲源時(shí)(有可能存在檢測(cè)對(duì)象的聲源時(shí)),也不生成噪聲模型。這樣,在噪聲模型 生成裝置中,即使在通過功率譜的概率密度分布的評(píng)價(jià)而判定為可以生成噪聲模型的情況 下,也考慮點(diǎn)聲源的有無來判斷噪聲模型生成,由此,能夠更加高精度地判斷用于生成噪聲 模型的合適的定時(shí)。
[0024] 在本發(fā)明的上述噪聲模型生成裝置中,也可以構(gòu)成為具備特征音檢測(cè)部,該特征 音檢測(cè)部從由集音器收集到的聲音信息檢測(cè)檢測(cè)對(duì)象的聲源以外的特征音,噪聲模型生成 部在由特征音檢測(cè)部檢測(cè)到檢測(cè)對(duì)象的聲源以外的特征音的情況下,生成噪聲模型。
[0025] 在該噪聲模型生成裝置中,通過特征音檢測(cè)部,從由集音器收集到的聲音信息檢 測(cè)檢測(cè)對(duì)象的聲源以外的特征音。特征音是非白噪聲、粉紅噪聲等環(huán)境噪聲的特定的聲源 (點(diǎn)聲源)中的、檢測(cè)對(duì)象的聲源以外的聲源。因此,在噪聲模型生成裝置的噪聲模型生成 部中,在由特征音檢測(cè)部檢測(cè)到特征音的情況下下,生成噪聲模型。這樣,在噪聲模型生成 裝置中,通過考慮檢測(cè)對(duì)象的聲源以外的特征音的有無來判斷是否生成噪聲模型,能夠更 加高精度地判定用于生成噪聲模型的合適的定時(shí)。
[0026] 在本發(fā)明的上述噪聲模型生成裝置中,也可以構(gòu)成為具備噪聲模型更新部,該噪 聲模型更新部在已經(jīng)由噪聲模型生成部生成了噪聲模型的情況下,考慮由集音器收集到的 聲音信息來更新該噪聲模型。這樣,在噪聲模型生成裝置中,在已經(jīng)生成了噪聲模型的情況 下,考慮在當(dāng)前環(huán)境下收集到的聲音信息來更新噪聲模型,由此,能夠以少的處理負(fù)荷來生 成與環(huán)境的變化對(duì)應(yīng)的合適的噪聲模型。
[0027] 本發(fā)明的噪聲抑制裝置,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的 聲源以外的噪聲進(jìn)行抑制,其特征在于,具備上述任一項(xiàng)的噪聲模型生成裝置,使用由噪聲 模型生成裝置生成的噪聲模型,從由集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外的 噪聲。根據(jù)該噪聲抑制裝置,通過使用由上述各噪聲模型生成裝置生成的適于各環(huán)境的噪 聲模型,能夠高精度地從由集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外的噪聲。
[0028] 本發(fā)明的聲源方位推定裝置,對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的 聲源的方位進(jìn)行推定,其特征在于,具備上述噪聲抑制裝置,根據(jù)由噪聲抑制裝置抑制了噪 聲后的聲音信息來推定檢測(cè)對(duì)象的聲源的方位。根據(jù)該聲源方位推定裝置,通過使用由上 述噪聲抑制器高精度地抑制了噪聲的聲音信息,能夠高精度地推定由集音器收集到的聲音 信息所包含的檢測(cè)對(duì)象的聲源的方位。
[0029] 本發(fā)明的接近車輛檢測(cè)裝置,基于由搭載于車輛的集音器收集到的聲音信息來檢 測(cè)接近的車輛,其特征在于,具備上述聲源方位推定裝置,利用聲源方位推定裝置來推定從 接近車輛產(chǎn)生的聲源的方位。根據(jù)該接近車輛檢測(cè)裝置,通過利用上述聲源方位推定裝置 來推定從接近車輛產(chǎn)生的聲源(例如,行駛聲音)的方位等,能夠高精度地檢測(cè)接近車輛的 方位等。
[0030] 另外,本發(fā)明的噪聲抑制裝置,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè) 對(duì)象的聲源以外的噪聲進(jìn)行抑制,其特征在于,具備:判定部,其判定由集音器收集到的聲 音信息中是否包含檢測(cè)對(duì)象的聲源;噪聲模型生成部,其在由判定部判定為聲音信息中不 包含檢測(cè)對(duì)象的聲源的情況下,根據(jù)由集音器收集到的聲音信息來生成噪聲模型;以及噪 聲抑制部,其使用由噪聲模型生成部生成的噪聲模型,從由集音器收集到的聲音信息抑制 檢測(cè)對(duì)象的聲源以外的噪聲。
[0031] 在該噪聲抑制裝置中,具備集音器,通過集音器來收集周邊的聲音,獲得聲音信 息。然后,在噪聲抑制裝置中,通過判定部來判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,判 斷用于生成噪聲模型的合適的定時(shí)。為了使用基于噪聲模型抑制了噪聲后的聲音信息高精 度地檢測(cè)檢測(cè)對(duì)象的聲源,需要根據(jù)在不存在檢測(cè)對(duì)象的聲源的環(huán)境下收集到的聲音信息 來生成噪聲模型。在根據(jù)在存在檢測(cè)對(duì)象的聲源的環(huán)境下收集到的聲音信息生成了噪聲模 型的情況下,在使用該噪聲模型時(shí)會(huì)從聲音信息中連所需要的聲音成分也進(jìn)行抑制。當(dāng)判 斷出用于生成噪聲模型的合適的定時(shí)(不存在檢測(cè)對(duì)象的聲源的環(huán)境)時(shí),在噪聲抑制裝 置中,通過噪聲模型生成部,根據(jù)在該定時(shí)收集到的聲音信息來生成噪聲模型。進(jìn)而,在噪 聲抑制裝置中,通過噪聲抑制部,使用該生成的噪聲模型從由集音器收集到的聲音信息抑 制檢測(cè)對(duì)象的聲源以外的噪聲。這樣,在噪聲抑制裝置中,在用于生成由集音器收集到的聲 音信息中不包含檢測(cè)對(duì)象的聲源的噪聲模型的合適的定時(shí)生成噪聲模型,使用適于各環(huán)境 的噪聲模型,由此,能夠高精度地從由集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外 的噪聲。
[0032] 在本發(fā)明的上述噪聲抑制裝置中,噪聲抑制部在存在由噪聲模型生成部生成的噪 聲模型的情況下,使用由噪聲模型生成部生成的噪聲模型,從由集音器收集到的聲音信息 抑制檢測(cè)對(duì)象的聲源以外的噪聲,在不存在由噪聲模型生成部生成的噪聲模型的情況下, 使用預(yù)先準(zhǔn)備的噪聲模型,從由集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外的噪 聲,或者不抑制噪聲。
[0033] 在噪聲模型生成部中,雖然在用于生成噪聲模型的合適的定時(shí)生成噪聲模型,但 也存在還未生成噪聲模型的情況。因此,在噪聲抑制裝置中,在由噪聲模型生成部生成了噪 聲模型的情況下,通過噪聲抑制部,使用該生成的噪聲模型從由集音器收集到的聲音信息 抑制檢測(cè)對(duì)象的聲源以外的噪聲。另外,在噪聲抑制裝置中,在還未由噪聲模型生成部生成 噪聲模型的情況下,通過噪聲抑制部,使用預(yù)先準(zhǔn)備的噪聲模型從由集音器收集到的聲音 信息抑制檢測(cè)對(duì)象的聲源以外的噪聲,或者不抑制噪聲。
[0034]本發(fā)明的噪聲抑制方法,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的 聲源以外的噪聲進(jìn)行抑制,其特征在于,包括:判定步驟,判定由集音器收集到的聲音信息 中是否包含檢測(cè)對(duì)象的聲源;噪聲模型生成步驟,在判定步驟中判定為聲音信息中不包含 檢測(cè)對(duì)象的聲源的情況下,根據(jù)由集音器收集到的聲音信息來生成噪聲模型;以及噪聲抑 制步驟,使用在噪聲模型生成步驟中生成的噪聲模型,從由集音器收集到的聲音信息抑制 檢測(cè)對(duì)象的聲源以外的噪聲。根據(jù)該噪聲抑制方法,與上述噪聲抑制裝置同樣地發(fā)揮作用, 具有同樣的效果。
[0035] 發(fā)明的效果
[0036] 根據(jù)本發(fā)明,通過對(duì)由集音器收集到的聲音信息的功率譜的概率密度分布進(jìn)行評(píng) 價(jià),能夠高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,能夠高精度地檢測(cè)檢測(cè)對(duì)象 的聲源。另外,根據(jù)本發(fā)明,通過對(duì)由集音器收集到的聲音信息的功率譜的概率密度分布進(jìn) 行評(píng)價(jià),能夠高精度地判定聲音信息中是否包含檢測(cè)對(duì)象的聲源,因此,能夠判斷用于生成 噪聲模型的合適的定時(shí),能夠生成適于各環(huán)境的噪聲模型。另外,根據(jù)本發(fā)明,通過在用于 生成由集音器收集到的聲音信息中不包含檢測(cè)對(duì)象的聲源的噪聲模型的合適的定時(shí)生成 噪聲模型,使用適于各環(huán)境的噪聲模型,能夠高精度地從由集音器收集到的聲音信息抑制 檢測(cè)對(duì)象的聲源以外的噪聲。

【專利附圖】

【附圖說明】
[0037] 圖1是第1實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。
[0038] 圖2是觀測(cè)到行駛聲音的時(shí)間段的數(shù)據(jù)的一例,(a)是功率譜,(b)是功率譜的直 方圖。
[0039] 圖3是沒有觀測(cè)到行駛聲音的時(shí)間段的數(shù)據(jù)的一例,(a)是功率譜,(b)是功率譜 的直方圖。
[0040] 圖4是尺度參數(shù)的時(shí)間變化的一例。
[0041] 圖5是表示本實(shí)施方式的接近車輛檢測(cè)裝置中的整體的動(dòng)作的流程的流程圖。
[0042] 圖6是表示與第1實(shí)施方式的噪聲模型生成相關(guān)的動(dòng)作的流程的流程圖。
[0043] 圖7是第2實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。
[0044] 圖8是可觀測(cè)到行駛聲音的頻段中的尺度參數(shù)和觀測(cè)不到行駛聲音的頻段中的 尺度參數(shù)的時(shí)間變化的一例。
[0045] 圖9是表示與第2實(shí)施方式的噪聲模型生成相關(guān)的動(dòng)作的流程的流程圖。
[0046] 圖10是第3實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。
[0047] 圖11是表示與第3實(shí)施方式的噪聲模型生成相關(guān)的動(dòng)作的流程的流程圖。
[0048] 圖12是第4實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。
[0049] 圖13是表示與第4實(shí)施方式的噪聲模型生成相關(guān)的動(dòng)作的流程的流程圖。
[0050] 圖14是第5實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。
[0051] 圖15是表示與第5實(shí)施方式的噪聲模型生成相關(guān)的動(dòng)作的流程的流程圖。

【具體實(shí)施方式】
[0052] 以下,參照附圖,對(duì)本發(fā)明的實(shí)施方式進(jìn)行說明。此外,在各圖中,對(duì)相同或相當(dāng)?shù)?要素標(biāo)注相同的標(biāo)號(hào),省略重復(fù)的說明。
[0053] 在本實(shí)施方式中,將本發(fā)明應(yīng)用于搭載于車輛的接近車輛檢測(cè)裝置(聲源方位推 定裝置)。本實(shí)施方式的接近車輛檢測(cè)裝置,基于由多個(gè)麥克風(fēng)(集音器)收集到的各聲音 信號(hào)來檢測(cè)接近自身車輛的車輛(即,推定自身車輛周邊的其他車輛的行駛聲音(檢測(cè)對(duì) 象的聲源)的方位等),向駕駛輔助裝置提供接近車輛的信息。特別是,在本實(shí)施方式中,為 了高精度地檢測(cè)接近車輛,生成與環(huán)境對(duì)應(yīng)的合適的噪聲模型,使用利用該噪聲模型從由 集音器收集到的聲音信號(hào)抑制了噪聲后的聲音信號(hào)。本實(shí)施方式具有噪聲模型生成的結(jié)構(gòu) 不同的5個(gè)實(shí)施方式,第1實(shí)施方式是基本的方式,向各實(shí)施方式依次追加功能。
[0054] 此外,車輛的行駛聲音主要是路面噪聲(輪胎表面與路面的摩擦聲)和圖案噪聲 (輪胎槽中的空氣的漩渦(壓縮/開放))。該車輛的行駛聲音的頻段通過實(shí)車實(shí)驗(yàn)等預(yù)先 測(cè)定。
[0055] 參照?qǐng)D1?圖4,對(duì)第1實(shí)施方式的接近車輛檢測(cè)裝置IA進(jìn)行說明。圖1是第1 實(shí)施方式的接近車輛檢測(cè)裝置的結(jié)構(gòu)圖。圖2是觀測(cè)到行駛聲音的時(shí)間段的數(shù)據(jù)的一例, (a)是功率譜,(b)是功率譜的直方圖。圖3是沒有觀測(cè)到行駛聲音的時(shí)間段的數(shù)據(jù)的一 例,(a)是功率譜,(b)是功率譜的直方圖。圖4是尺度參數(shù)的時(shí)間變化的一例。
[0056] 為了判斷適于生成噪聲模型的定時(shí),接近車輛檢測(cè)裝置IA判別由麥克風(fēng) (microphone,傳聲器)收集到的聲音信號(hào)中是否包含檢測(cè)對(duì)象的聲源(車輛的行駛聲音), 判斷能夠生成噪聲模型的定時(shí)(區(qū)間)。為此,接近車輛檢測(cè)裝置IA算出聲音信號(hào)的功率 譜,利用伽瑪分布擬合來對(duì)功率譜的直方圖(概率密度分布)進(jìn)行評(píng)價(jià)。
[0057] 在對(duì)接近車輛檢測(cè)裝置IA的結(jié)構(gòu)進(jìn)行具體說明之前,參照?qǐng)D2、圖3,對(duì)聲音信號(hào) 中包含行駛聲音的情況和不包含行駛聲音的情況下的功率譜和功率譜的直方圖進(jìn)行說明。 圖2(a)表不聲音信號(hào)中包含行駛聲音的情況下的聲音信號(hào)的功率譜(相對(duì)于各頻率的功 率(能量)),圖3(a)表不聲音信號(hào)中不包含行駛聲音的情況下的聲音信號(hào)的功率譜。在該 各圖(a)中,標(biāo)號(hào)R所示的區(qū)間是行駛聲音的聲音成分支配性地出現(xiàn)的頻段。另外,圖2(b) 表示聲音信號(hào)中包含行駛聲音的情況下的頻段R中的功率譜的直方圖(各功率的頻度),圖 3(a)表不聲音信號(hào)中不包含行駛聲音的情況下的頻段R中的功率譜的直方圖。
[0058] 對(duì)圖2 (a)所示的頻段R中的功率分布和圖3 (a)所示的頻段R中的功率分布進(jìn)行 比較可知,在聲音信號(hào)中僅包含噪聲成分(例如,白噪聲、粉紅噪聲等環(huán)境噪聲)的情況和 聲音信息中除了噪聲成分之外還包含車輛的行駛聲音成分的情況下,功率分布不同。該差 異可以通過對(duì)圖2 (b)所示的頻段R中的功率譜的直方圖和圖3 (b)所示的頻段R中的功率 譜的直方圖進(jìn)行比較而從直方圖的形狀的差異容易得知。這樣,根據(jù)檢測(cè)對(duì)象的行駛聲音 的頻段R中的功率譜的直方圖的形狀的變化,能夠判別聲音信號(hào)是僅包含噪聲成分、還是 除了噪聲成分之外還包含檢測(cè)對(duì)象的行駛聲音成分。
[0059] 另外,為了使用基于噪聲模型抑制了噪聲成分后的聲音信號(hào)來高精度地檢測(cè)行駛 聲音,需要根據(jù)在不存在行駛聲音的環(huán)境下收集到的聲音信號(hào)來生成噪聲模型。在根據(jù)在 存在行駛聲音的環(huán)境下收集到的聲音信號(hào)生成了噪聲模型的情況下,由于噪聲模型中也包 含行駛聲音成分,所以在使用該噪聲模型時(shí),會(huì)從聲音信號(hào)中連所需要的聲音成分也進(jìn)行 抑制。
[0060] 因此,通過對(duì)功率譜的直方圖的形狀進(jìn)行評(píng)價(jià),判定是不存在行駛聲音的環(huán)境還 是存在行駛聲音的環(huán)境,檢測(cè)處于不存在行駛聲音的環(huán)境的定時(shí)(區(qū)間)。通過使用在該 定時(shí)收集到的聲音信號(hào)生成噪聲模型,能夠根據(jù)僅包含噪聲成分的聲音信號(hào)來生成噪聲模 型。
[0061] 為了對(duì)直方圖的形狀進(jìn)行評(píng)價(jià),將在車輛行駛期間的各種各樣的環(huán)境下收集到的 聲音信號(hào)的數(shù)據(jù)(包含行駛聲音的數(shù)據(jù)和不包含行駛聲音的數(shù)據(jù))應(yīng)用到了各種方法,結(jié) 果,將利用伽瑪分布擬合得到的尺度參數(shù)作為特征量的情況是最有效的。在圖4中,用實(shí)線 LI表示根據(jù)在車輛行駛期間收集到的聲音信號(hào)的功率譜求出的尺度參數(shù)的時(shí)間變化的一 例。從實(shí)線Ll的變化可知,在觀測(cè)不到行駛聲音的時(shí)間段中,尺度參數(shù)成為O附近,而在可 觀測(cè)到行駛聲音的時(shí)間段Tl、T2、T3、T4中,尺度參數(shù)顯著增大。這樣,根據(jù)尺度參數(shù)的大 小,能夠?qū)Υ嬖谛旭偮曇舻沫h(huán)境和不存在行駛聲音的環(huán)境進(jìn)行判別。
[0062]因此,在第1實(shí)施方式中,為了對(duì)功率譜的直方圖進(jìn)行評(píng)價(jià),使用伽瑪分布擬合求 出伽瑪分布的形狀參數(shù),根據(jù)該形狀系數(shù)求出尺度參數(shù),將尺度參數(shù)設(shè)為評(píng)價(jià)的特征量。伽 瑪分布是連續(xù)概率分布的一種,其性質(zhì)以形狀分布和尺度分布這2個(gè)參數(shù)為特征。此外,在 使用伽瑪分布擬合的情況下,能夠根據(jù)功率譜直接求出形狀參數(shù)、尺度參數(shù),因此,既可以 在算出功率譜的直方圖后進(jìn)行伽瑪分布擬合,也可以不算出直方圖而進(jìn)行伽瑪分布擬合。
[0063] 接著,對(duì)接近車輛檢測(cè)裝置IA的結(jié)構(gòu)進(jìn)行說明。接近車輛檢測(cè)裝置IA具備麥克風(fēng) 陣列10、數(shù)字信號(hào)變換器20以及ECU[ElectronicControlUnit:電子控制單元]30A(噪 聲模型生成部31A、噪聲抑制器32、聲源方位推定器33)。
[0064] 麥克風(fēng)陣列10具有左側(cè)麥克風(fēng)單元11和右側(cè)麥克風(fēng)單元12。左側(cè)麥克風(fēng)單元11 和右側(cè)麥克風(fēng)單元12在車輛的前端部的同一高度位置處配置在車寬方向(左右方向)的 左側(cè)和右側(cè)。左側(cè)麥克風(fēng)單元11具有第1麥克風(fēng)Ila和第2麥克風(fēng)lib。例如,第1麥克 風(fēng)Ila配置在車寬方向的左側(cè)的外側(cè),第2麥克風(fēng)Ilb從第1麥克風(fēng)Ilb隔開預(yù)定的間隔 而配置在車輛中心側(cè)。右側(cè)麥克風(fēng)單元12具有第3麥克風(fēng)12a和第4麥克風(fēng)12b。例如, 第4麥克風(fēng)12b配置在車寬方向的右側(cè)的外側(cè),第3麥克風(fēng)12a從第4麥克風(fēng)12b隔開預(yù) 定的間隔而配置在車輛中心側(cè)。各麥克風(fēng)lla、llb、12a、12b是聲電變換器,將車外的周圍 的聲音變換為模擬的電信號(hào),并向數(shù)字信號(hào)變換器20輸出該電信號(hào)(聲音信號(hào))。此外,在 本實(shí)施方式中,麥克風(fēng)11a、lib、12a、12b相當(dāng)于權(quán)利要求書所記載的集音器。
[0065] 在數(shù)字信號(hào)變換器20中,在按每個(gè)麥克風(fēng)11a、lib、12a、12b輸入了模擬的聲音信 號(hào)(電信號(hào))時(shí),將該各聲音信號(hào)分別變換為數(shù)字的聲音信號(hào)(電信號(hào))。然后,在數(shù)字信 號(hào)變換器20中,分別向ECU30A輸出每個(gè)麥克風(fēng)的數(shù)字的聲音信號(hào)(電信號(hào))。
[0066]ECU30A是包括CPU[CentralProcessingUnit:中央處理器]、R0M[ReadOnly Memory:只讀存儲(chǔ)器]、RAM[RandomAccessMemory:隨機(jī)存取存儲(chǔ)器]等的電子控制單元, 對(duì)接近車輛檢測(cè)裝置IA進(jìn)行統(tǒng)括控制。在ECU30A中,構(gòu)成噪聲模型生成部3IA(功率譜算 出器31a、直方圖算出器31b、尺度參數(shù)算出器31c、噪聲模型可否生成判定器31d、噪聲模型 生成器31e)、噪聲抑制器32、聲源方位推定器33。在ECU30A中,分別從數(shù)字信號(hào)變換器20 輸入每個(gè)麥克風(fēng)的聲音信號(hào)(數(shù)字的電信號(hào))。
[0067]此外,在第1實(shí)施方式中,功率譜算出器31a相當(dāng)于權(quán)利要求書所記載的功率譜取 得部,尺度參數(shù)算出器31c相當(dāng)于權(quán)利要求書所記載的尺度參數(shù)算出部,噪聲模型可否生 成判定器31d相當(dāng)于權(quán)利要求書所記載的判定部,噪聲模型生成器31e相當(dāng)于權(quán)利要求書 中記載的噪聲模型生成部,噪聲抑制器32相當(dāng)于權(quán)利要求書中記載的噪聲抑制部。
[0068] 在功率譜算出器31a中,使用來自數(shù)字信號(hào)變換器20的數(shù)字的聲音信號(hào),對(duì)聲音 信號(hào)進(jìn)行FFT[FastFourierTransform](高速傅里葉變換),算出聲音信號(hào)的功率譜(每 個(gè)頻率的功率(能量))。在此,既可以使用4個(gè)麥克風(fēng)lla、llb、12a、12b的聲音信號(hào)中的 任意1個(gè)麥克風(fēng)的聲音信號(hào),也可以使用將4個(gè)麥克風(fēng)lla、llb、12a、12b的聲音信號(hào)中的 多個(gè)麥克風(fēng)(例如,在左側(cè)和右側(cè)對(duì)應(yīng)的2個(gè)麥克風(fēng)、全部4個(gè)麥克風(fēng))的聲音信號(hào)平均化 后的聲音信號(hào)。
[0069] 在直方圖算出器31b中,根據(jù)由功率譜算出器31a算出的功率譜,算出支配性地包 含行駛聲音的頻段中的功率譜的直方圖。
[0070] 在尺度參數(shù)算出器31c中,使用支配性地包含行駛聲音的頻段中的功率譜的數(shù) 據(jù),進(jìn)行伽瑪分布擬合,算出尺度參數(shù)。具體而言,根據(jù)式(1)算出形狀參數(shù)α的推定值。 式(1)中的Y可以使用行駛聲音支配的頻段中的各頻率的功率的數(shù)據(jù)列{x:xl、x2、…、 xN}而根據(jù)式(2)算出。進(jìn)而,使用形狀參數(shù)α的推定值和數(shù)據(jù)列{X:Xl、x2、…、抓},根 據(jù)式(3)笪,屮,尺麼參數(shù)

【權(quán)利要求】
1. 一種聲源檢測(cè)裝置,從由集音器收集到的聲音信息檢測(cè)檢測(cè)對(duì)象的聲源,其特征在 于,具備: 功率譜取得部,其從由所述集音器收集到的聲音信息取得功率譜;和 判定部,其對(duì)由所述功率譜取得部取得的功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定 由所述集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源。
2. 根據(jù)權(quán)利要求1所述的聲源檢測(cè)裝置,其特征在于, 所述判定部,對(duì)基于檢測(cè)對(duì)象的聲源而設(shè)定的第1頻段中的功率譜的概率密度分布和 第1頻段以外的第2頻段中的功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定由所述集音器收 集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源。
3. 根據(jù)權(quán)利要求1或2所述的聲源檢測(cè)裝置,其特征在于, 具備尺度參數(shù)算出部,該尺度參數(shù)算出部利用基于功率譜的伽瑪分布擬合來算出伽瑪 分布的尺度參數(shù), 所述判定部使用由所述尺度參數(shù)算出部算出的尺度參數(shù)來對(duì)功率譜的概率密度分布 進(jìn)行評(píng)價(jià)。
4. 一種噪聲模型生成裝置,用于生成與由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象 的聲源以外的噪聲信息相關(guān)的噪聲模型,其特征在于,具備: 功率譜取得部,其從由所述集音器收集到的聲音信息取得功率譜; 判定部,其對(duì)由所述功率譜取得部取得的功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定 由所述集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源;以及 噪聲模型生成部,其在由所述判定部判定為聲音信息中不包含檢測(cè)對(duì)象的聲源的情況 下,根據(jù)由所述集音器收集到的聲音信息來生成噪聲模型。
5. 根據(jù)權(quán)利要求4所述的噪聲模型生成裝置,其特征在于, 所述判定部,對(duì)基于檢測(cè)對(duì)象的聲源而設(shè)定的第1頻段中的功率譜的概率密度分布和 第1頻段以外的第2頻段中的功率譜的概率密度分布進(jìn)行評(píng)價(jià),從而判定由所述集音器收 集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源。
6. 根據(jù)權(quán)利要求4或5所述的噪聲模型生成裝置,其特征在于, 具備尺度參數(shù)算出部,該尺度參數(shù)算出部利用基于功率譜的伽瑪分布擬合來算出伽瑪 分布的尺度參數(shù), 所述判定部使用由所述尺度參數(shù)算出部算出的尺度參數(shù)來對(duì)功率譜的概率密度分布 進(jìn)行評(píng)價(jià)。
7. 根據(jù)權(quán)利要求4?6中任一項(xiàng)所述的噪聲模型生成裝置,其特征在于, 具備點(diǎn)聲源檢測(cè)部,該點(diǎn)聲源檢測(cè)部從由所述集音器收集到的聲音信息檢測(cè)點(diǎn)聲源, 所述噪聲模型生成部,即使在由所述判定部判定為聲音信息中不包含檢測(cè)對(duì)象的聲源 的情況下,在由所述點(diǎn)聲源檢測(cè)部檢測(cè)到點(diǎn)聲源時(shí),也不生成噪聲模型。
8. 根據(jù)權(quán)利要求4?7中任一項(xiàng)所述的噪聲模型生成裝置,其特征在于, 具備特征音檢測(cè)部,該特征音檢測(cè)部從由所述集音器收集到的聲音信息檢測(cè)檢測(cè)對(duì)象 的聲源以外的特征音, 所述噪聲模型生成部,在由所述特征音檢測(cè)部檢測(cè)到檢測(cè)對(duì)象的聲源以外的特征音的 情況下,生成噪聲模型。
9. 根據(jù)權(quán)利要求4?8中任一項(xiàng)所述的噪聲模型生成裝置,其特征在于, 具備噪聲模型更新部,該噪聲模型更新部在已經(jīng)由所述噪聲模型生成部生成了噪聲模 型的情況下,考慮由所述集音器收集到的聲音信息來更新該噪聲模型。
10. -種噪聲抑制裝置,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源 以外的噪聲進(jìn)行抑制,其特征在于, 具備權(quán)利要求4?9中任一項(xiàng)所述的噪聲模型生成裝置, 使用由所述噪聲模型生成裝置生成的噪聲模型,從由所述集音器收集到的聲音信息抑 制檢測(cè)對(duì)象的聲源以外的噪聲。
11. 一種聲源方位推定裝置,對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源 的方位進(jìn)行推定,其特征在于, 具備權(quán)利要求10所述的噪聲抑制裝置, 根據(jù)由所述噪聲抑制裝置抑制了噪聲后的聲音信息來推定檢測(cè)對(duì)象的聲源的方位。
12. -種接近車輛檢測(cè)裝置,基于由搭載于車輛的集音器收集到的聲音信息來檢測(cè)接 近的車輛,其特征在于, 具備權(quán)利要求11所述的聲源方位推定裝置, 利用所述聲源方位推定裝置來推定從接近車輛產(chǎn)生的聲源的方位。
13. -種噪聲抑制裝置,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源 以外的噪聲進(jìn)行抑制,其特征在于,具備: 判定部,其判定由所述集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源; 噪聲模型生成部,其在由所述判定部判定為聲音信息中不包含檢測(cè)對(duì)象的聲源的情況 下,根據(jù)由所述集音器收集到的聲音信息來生成噪聲模型;以及 噪聲抑制部,其使用由所述噪聲模型生成部生成的噪聲模型,從由所述集音器收集到 的聲音信息抑制檢測(cè)對(duì)象的聲源以外的噪聲。
14. 根據(jù)權(quán)利要求13所述的噪聲抑制裝置,其特征在于, 所述噪聲抑制部,在存在由所述噪聲模型生成部生成的噪聲模型的情況下,使用由所 述噪聲模型生成部生成的噪聲模型,從由所述集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲 源以外的噪聲,在不存在由所述噪聲模型生成部生成的噪聲模型的情況下,使用預(yù)先準(zhǔn)備 的噪聲模型,從由所述集音器收集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外的噪聲,或者不 抑制噪聲。
15. -種噪聲抑制方法,用于對(duì)由集音器收集到的聲音信息所包含的檢測(cè)對(duì)象的聲源 以外的噪聲進(jìn)行抑制,其特征在于,包括: 判定步驟,判定由所述集音器收集到的聲音信息中是否包含檢測(cè)對(duì)象的聲源; 噪聲模型生成步驟,在所述判定步驟中判定為聲音信息中不包含檢測(cè)對(duì)象的聲源的情 況下,根據(jù)由所述集音器收集到的聲音信息來生成噪聲模型;以及 噪聲抑制步驟,使用在所述噪聲模型生成步驟中生成的噪聲模型,從由所述集音器收 集到的聲音信息抑制檢測(cè)對(duì)象的聲源以外的噪聲。
【文檔編號(hào)】G10L21/0216GK104380378SQ201280073568
【公開日】2015年2月25日 申請(qǐng)日期:2012年5月31日 優(yōu)先權(quán)日:2012年5月31日
【發(fā)明者】佐藤潤, 船山龍士, 高谷智哉, 金道敏樹, 深町映夫 申請(qǐng)人:豐田自動(dòng)車株式會(huì)社
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1