JP2005142639A - 信号処理装置 - Google Patents

Abstract

【課題】 複数のソースからの音声を容易に認識可能とする。
【解決手段】 異なるソースから得られた複数種類の音声信号を入力する音声入力手段と、前記音声入力手段から入力された音声信号を処理して、ｎ個（ｎは３以上の整数）の音声出力デバイスに出力する音声処理手段と、前記複数種類の音声信号のうち同時に出力すべき音声信号を選択する選択手段と、前記選択された複数種類の音声信号の組合せに基づき、前記ｎ個の音声出力デバイスより前記選択された複数種類の音声信号を出力すべき音声出力デバイスを決定する制御手段とを備える。
【選択図】 図２

Description

本発明は信号処理装置に関し、特に音声信号の処理に関する。

従来、特許文献１の様に、複数のチャンネル（ソース）の画像を一つの画面に表示する装置においては、各ソースの音声信号のうちの一方を選択して出力している。また、各ソースの音声を合成して出力する装置も考えられている。
特開平７−２９８１６２号公報

しかし、複数のソースの音声のうちの一つを選択して出力される場合、他のソースの音声が聞こえなくなる。各ソースの音声を合成して出力する場合、同方向からの音声となるため、それぞれの音声の認識が困難であった。

本発明はこの様な問題を解決し、複数のソースからの音声を容易に認識可能とすることを目的とする。

本発明によれば、異なるソースから得られた複数種類の音声信号を入力する音声入力手段と、前記音声入力手段から入力された音声信号を処理して、ｎ個（ｎは３以上の整数）の音声出力デバイスに出力する音声処理手段と、前記複数種類の音声信号のうち同時に出力すべき音声信号を選択する選択手段と、前記選択された複数種類の音声信号の組合せに基づき、前記ｎ個の音声出力デバイスより前記選択された複数種類の音声信号を出力すべき音声出力デバイスを決定する制御手段とを備える。

本発明によれば、同時に表示される画像のソースに係る複数の音声の認識を容易にし、音声を犠牲にすることなく複数の処理を同時に提供する。

≪実施形態１≫
図１は、本発明に係る処理装置の一実施例のブロック図であり、１００はビデオカメラ信号受信部であり、ビデオカメラからの映像信号を受信し、信号選択部１０５へ出力する。１０１はマイク信号受信部であり、録音デバイスからの音声信号を受信し、信号選択部１０５へ出力する。１０２はＤＶＤ信号受信部であり、ＤＶＤデバイスからのＤＶＤ符号化信号を受信し、信号選択部１０５へ出力する。１０３はテレビ電話信号受信部であり、テレビ電話信号受信デバイスからのテレビ電話信号を受信し、信号選択部１０５へ出力する。１０４はＢＳ放送信号受信部であり、システム制御部１１１からの放送チャネル情報を基にＢＳ放送受信デバイスからのＢＳ放送信号を受信し、信号選択部１０５へ出力する。１０５は信号選択部であり、システム制御部１１１からの信号選択情報に基づいて、選択された複数の処理の信号を出力する。具体的には、ビデオカメラ信号受信部１００とマイク信号受信部１０１からの信号をテレビ電話信号符号部／多重部１０６へ、ＤＶＤ信号受信部１０２からの信号をＤＶＤ信号分離部／復号部１０７へ、テレビ電話信号受信部１０３からの信号をテレビ電話信号分離部／復号部１０８へ、ＢＳ放送信号受信部１０４からの信号をＢＳ放送信号分離部／復号部１０９とＢＳデータ放送信号分離部／復号部１１０へ出力する。

１０６はテレビ電話信号符号部／多重部であり、信号選択部１０５からのテレビ電話信号を符号化し多重化してシステム制御部１１１へ出力する。１０７はＤＶＤ信号分離部／復号部であり、信号選択部１０５からのＤＶＤ信号を映像信号、音声信号、制御信号に分離しそれぞれを復号してシステム制御部１１１へ出力する。１０８はテレビ電話信号分離部／復号部であり、信号選択部１０５からのテレビ電話信号を映像信号、音声信号、制御信号に分離しそれぞれを復号してシステム制御部１１１へ出力する。１０９はＢＳ放送信号分離部／復号部であり、信号選択部１０５からのＢＳ放送信号を映像信号、音声信号、制御信号に分離しそれぞれを復号してシステム制御部１１１へ出力する。１１０はＢＳデータ放送信号分離部／復号部であり、信号選択部１０５からのＢＳデータ放送信号を映像信号、音声信号、制御信号に分離しそれぞれを復号してシステム制御部１１１へ出力する。１１１はシステム制御部であり、テレビ電話信号符号部／多重部１０６からのテレビ電話信号はテレビ電話信号送信部１２１へ、ＤＶＤ信号分離部／復号部１０７、テレビ電話信号分離部／復号部１０８、１０９ＢＳ放送信号分離部／復号部、１１０ＢＳデータ放送信号分離部／復号部からの音声信号は音声周波数変換部１１４へ、制御信号は制御信号選択部１１７へ、映像信号は映像周波数変換部１１８へ、リモコン送信部１１２からの処理選択情報を信号選択部１０５と音声出力デバイス決定部１１３と映像合成部１１９へ、各音声の出力デバイス設定情報を音声出力デバイス決定部１１３へ、放送チャネル情報をＢＳ放送信号受信部１０４へ、リモコン操作による操作音を音声合成部１１５へ、所望の処理を施し出力する。１１２はリモコン受信部であり、ユーザからの各種操作情報をシステム制御部１１１へ出力する。１１３は音声出力デバイス決定部であり、システム制御部１１１からの処理選択情報よりわかる選択された複数の音声のうち、システム制御部１１１からの各音声の出力デバイス設定情報あるいは規定の出力デバイス設定情報を用いて出力する出力デバイスを決定し、音声合成部１１５へ出力する。１１４は音声周波数変換部であり、システム制御部１１１からの複数の音声信号のうち最も周波数の高い音声信号を選択し、それぞれの音声信号が選択した周波数になるように周波数変換処理を施し、音声合成部１１５へ出力し、選択情報を制御信号選択部１１７へ出力する。１１５は音声合成部であり、システム制御部１１１、音声周波数変換部１１４からのそれぞれの音声信号を音声出力デバイス決定部１１３で決定したデバイスになるようにダウンミックスして音声合成し、音声出力制御部１１６へ出力する。１１６は音声出力制御部であり、制御信号選択部１１７で選択された制御信号で制御し、音声合成部１１５からの音声信号を音声出力デバイスから出力する。１１７は制御信号選択部であり、システム制御部１１１からの複数の制御信号のうち、音声に関しては音声周波数変換部１１４で決定された音声の制御信号を音声出力制御部１１６へ、映像に関しては映像周波数変換部１１８で決定された映像の制御信号を映像出力制御部１２０へ出力する。１１８は映像周波数変換部であり、システム制御部１１１からの複数の映像信号のうち最も周波数の高い映像信号を選択し、それぞれの映像信号が選択した周波数になるように周波数変換処理を施し、映像合成部１１９へ出力し、選択情報を制御信号選択部１１７へ出力する。１１９は映像合成部であり、映像周波数変換部１１８からのそれぞれの映像信号をシステム制御部１１１からの処理選択情報に依存した規定の解像度に変換して映像合成し、映像出力制御部１２０へ出力する。１２０は映像出力制御部であり、制御信号選択部１１７で選択された制御信号で制御し、映像合成部１１９からの映像信号を表示デバイスから出力する。１２１はテレビ電話信号送信部であり、システム制御部１１１からのテレビ電話信号を送信デバイスから出力する。

次に、音声出力デバイス決定部１１３による出力音声の決定方法について説明する。

リモコン受信部１１２、システム制御部１１１を通してユーザの出力設定がある場合はその設定に従い出力デバイスを決定し、指定がない場合は図２のテーブルに従い出力デバイスを決定する。

例えば、ソースとしてＢＳ放送受信処理とＢＳデータ放送受信処理とテレビ電話処理が選択され、ユーザの出力設定がない場合、図２のテーブルに従い、図３のように、ＢＳ放送の音声はフロント左右スピーカとセンタスピーカとウーハスピーカ、ＢＳデータ放送の音声はリア左スピーカ、テレビ電話の音声はリア右スピーカに決定し、音声合成部１１５へ出力する。

次に、音声合成部１１５の合成方法について説明する。

音声信号が指定したデバイス数よりも多くのチャネル数を持っている場合のみ規定のダウンミックス係数を用いてダウンミックスし、音声出力デバイス決定部１１３で決定したデバイスになるように音声合成し、音声出力制御部１１６へ出力する。

前記例において、選択されたＢＳ放送の音声信号が６チャネル、ＢＳデータ放送とテレビ電話の音声信号がともに２チャネルであった場合、ＢＳ放送音声信号は６チャネルの音声信号を基にフロント左右スピーカ、センタスピーカ、ウーハスピーカそれぞれについて規定の混合比で混合した４つの信号に変換し、ＢＳデータ放送音声信号、テレビ電話音声信号は規定の混合比で１つの信号に変換し、合成して１１６音声出力制御部、音声出力デバイスを経由して出力される。

この様に、本形態では、同時に出力すべき音声の種類や数に従って音声を出力するデバイス（スピーカ）を選択するため、ユーザは、画面上に表示される各画像のソースの音声を容易に認識できる。

≪実施形態２≫
図４は、本発明に係る信号処理装置の一実施例のブロック図であり、３００はマイク信号受信部であり、録音デバイスからの音声信号を受信し、信号選択部３０６へ出力する。３０１は電話信号受信部であり、電話信号受信デバイスからの電話音声信号を受信し、信号選択部３０６へ出力する。３０２はＡＭ信号受信部であり、システム制御部３１０からの放送チャネル情報を基にＡＭ信号受信デバイスからのＡＭ音声信号を受信し、Ａ／Ｄ変換部３０４へ出力する。３０３はＦＭ信号受信部であり、システム制御部３１０からの放送チャネル情報を基にＦＭ信号受信デバイスからのＦＭ音声信号を受信し、Ａ／Ｄ３０４変換部へ出力する。３０４はＡ／Ｄ変換部であり、ＡＭ信号受信部３０２とＦＭ信号受信部３０３からの音声信号をＡ／Ｄ変換を施し信号選択部３０６へ出力する。３０５はＭＰ３信号受信部であり、システム制御部３１０からのＭＰ３制御信号を基に外部メディアからＭＰ３符号化信号を受信し、信号選択部３０６へ出力する。３０６は信号選択部であり、マイク信号受信部３００、電話信号受信部３０１、Ａ／Ｄ変換部３０４、ＭＰ３信号受信部３０５からの音声信号のうちシステム制御部３１０からの信号選択情報を基にマイク信号は電話信号符号部３０７へ、電話信号は電話信号復号部３０８へ、ＡＭ信号とＦＭ信号はシステム制御部３１０へ、ＭＰ３符号化信号はＭＰ３信号復号部３０９へ出力する。３０７は電話信号符号部であり、信号選択部３０６からのマイク信号を符号化し、システム制御部３１０へ出力する。３０８は電話信号復号部であり、信号選択部３０６からの電話信号を復号し、システム制御部３１０へ出力する。３０９はＭＰ３信号復号部であり、信号選択部３０６からのＭＰ３符号化信号を復号し、システム制御部３１０へ出力する。３１０はシステム制御部であり、電話信号符号部３０７からの電話符号化信号は電話信号送信部３１７へ、電話信号復号部３０６からの電話信号、信号選択部３０６からのＡＭ・ＦＭ信号、ＭＰ３信号復号部３０９からの音声信号は音声周波数変換部３１３へ、リモコン送信部３１１からの処理選択情報を信号選択部３０６と音声出力座標決定部３１２へ、各音声の出力座標設定情報を音声出力座標決定部３１２へ、放送チャネル情報をＡＭ信号受信部３０２、ＦＭ信号受信部３０３へ、ＭＰ３制御信号をＭＰ３信号受信部３０５へ、リモコン操作による操作音を音声３Ｄエミュレート部３１４へ所望の処理を施し出力する。３１１はリモコン受信部であり、ユーザからの各種操作情報をシステム制御部３１０へ出力する。３１２は音声出力座標決定部であり、システム制御部３１０からの処理選択情報よりわかる選択された複数の音声のうち、システム制御部３１０からの各音声の出力座標設定情報あるいは規定の出力座標設定情報を用いて出力する出力座標を決定し、音声３Ｄエミュレート部３１４へ出力する。３１３は音声周波数変換部であり、システム制御部３１０からの複数の音声信号のうち最も周波数の高い音声信号を選択し、それぞれの音声信号が選択した周波数になるように周波数変換処理を施し、音声３Ｄエミュレート部３１４へ出力する。３１４は音声３Ｄエミュレート部であり、システム制御部３１０からのそれぞれの音声信号を音声出力座標決定部１１３で決定した座標になるように音声加工し、音声合成部３１５へ出力する。３１５は音声合成部であり、システム制御部３１０、音声周波数変換部３１３からのそれぞれの音声信号を音声合成し、音声出力制御部３１６へ出力する。３１６は音声出力制御部であり、音声合成部３１５からの音声信号を音声出力デバイスから出力する。３１７は電話信号送信部であり、システム制御部３１０からの電話信号を電話信号発信デバイスから送信する。

次に、音声出力座標決定部３１２の処理について説明する。

３１１リモコン受信部、３１０システム制御部を通してユーザの出力設定がある場合はその設定に従って出力座標を決定し、設定がない場合は以下のルールで出力座標を決定する。

１．１処理につき０．７メートル離れた２点の出力座標とする。

２．選択された複数の音声がユーザの周囲１メートルの平面円周上に等間隔になるように１処理につき２点ずつの出力座標を決定する。

３．処理が選択された順にユーザの真正面を起点に反時計周りに割り当てられる。

例えば、外部メディア音声復号処理、電話受信処理、ＦＭ受信処理が順に選択され、ユーザの出力設定がない場合、図５、図６のように、外部メディア音声は座標Ａ１・Ａ２、電話音声は座標Ｂ１・Ｂ２、ＦＭ音声は座標Ｃ１・Ｃ２に決定し、音声合成部３１５へ出力する。音声合成部３１５は、接続された複数の音声出力デバイス（スピーカ）に対して、この様に決定した音声座標に応じた位置から書くソースの音声が出力されるよう、音声信号を合成して出力する。

本発明の実施形態における信号処理装置のブロック図である。 出力すべき音声信号の種類とそのときのスピーカの組み合わせを示すテーブルを示す図である。 実施形態におけるスピーカの配置を示す図である。 本発明の実施形態における信号処理装置のブロック図である。 実施形態における音声出力座標を示す図である。 実施形態における音声出力座標を示す図である。

Claims (5)

1. 複数のソースからの音声信号を所定の聴取位置の周囲に配置された複数の音声出力デバイスに対して同時に出力する装置であって、
   前記複数のソースの音声が前記聴取位置に対して異なる方向から聴取されるように前記音声信号を出力すべき音声出力デバイスを決定する決定手段と、
   前記決定手段の決定結果に従って前記複数の音声信号を合成して前記音声出力デバイスに供給する音声合成手段とを備える信号処理装置。
2. 複数のソースからの音声信号を所定の聴取位置の周囲に配置された複数の音声出力デバイスに対して同時に出力する装置であって、
   前記複数のソースの音声が前記聴取位置に対して異なる方向から聴取されるように前記音声信号を出力すべき座標を決定する決定手段と、
   前記決定手段の決定結果に従って前記複数の音声信号を合成して前記音声出力デバイスに供給する音声合成手段とを備える信号処理装置。
3. 異なるソースから得られた複数種類の音声信号を入力する音声入力手段と、
   前記音声入力手段から入力された音声信号を処理して、ｎ個（ｎは３以上の整数）の音声出力デバイスに出力する音声処理手段と、
   前記複数種類の音声信号のうち同時に出力すべき音声信号を選択する選択手段と、
   前記選択された複数種類の音声信号の組合せに基づき、前記ｎ個の音声出力デバイスより前記選択された複数種類の音声信号を出力すべき音声出力デバイスを決定する制御手段とを備える音声信号処理装置。
4. 前記制御手段は、前記複数種類の音声信号の組合せと出力すべき音声出力デバイスの種類とを記憶したテーブルに従って前記音声出力デバイスを決定することを特徴とする請求項３記載の信号処理装置。
5. 前記複数のソースから前記音声信号に関連した画像信号を入力する画像入力手段と、
   前記画像入力手段により入力された複数の画像信号を処理して表示装置に出力する画像処理手段とを備えたことを特徴とする請求項３記載の信号処理装置。
   

Images