JP2007027959A - エコーキャンセラを備える拡声集音通信装置 - Google Patents

Abstract

【目的】
エコー純遅延時間が不明な環境下においても疑似エコー信号の推定を迅速におこない、エコーが発話側に戻ってしまうエコー現象を回避する拡声集音通信装置を提供する。
【構成】
受信音声信号を拡声集音エリアに向けて拡声するスピーカと、送信音声信号を該拡声集音エリアから集音するマイクと、該送信音声信号からエコー信号成分を除去するエコーキャンセラと、を備える拡声集音通信装置であり、該拡声集音エリアに形成されるエコーパスにおけるエコー遅延時間を算定し、該受信音声信号を該エコー遅延時間の時間分遅延せしめて遅延音声信号を生成する。該エコーキャンセラは、該遅延音声信号から擬似エコー信号成分を生成し、これを該音声信号から減算処理して、前記エコー信号成分の除去処理をなす。
【選択図】
図２

Description

本発明は、ネットワークを介して会議を行う電話会議システムやテレビ会議システム、あるいは電話機を備えるセットトップボックス等の拡声集音通信装置に関し、特に、受信音声信号の一部が送信音声信号に周り込むエコー信号成分を除去するエコーキャンセラを備える拡声集音通信装置に関する。

図１は、従来の一般的な適応エコーキャンセラの概念を示している。適応エコーキャンセラは、例えばＦＩＲフィルタにより実現される適応フィルタを備え、遠端話者からの受信信号に対して畳み込み演算を行い、エコー信号と推定される疑似エコー信号を生成している。適応フィルタは、エコー経路の推定インパルス応答のタップ係数を有している。そして、エコーを含んだ近端入力信号から、上記疑似エコー信号を減算することによりエコーを除去している。かかるエコーキャンセラの適応フィルタには、通常、学習同定法のアルゴリズムが用いられている（非特許文献１参照）。
金田豊著、「適応フィルタの概要」、日本音響学会誌４８巻７号、Ｐ．４８９〜４９２、１９９２年

しかし、上述の技術においては、エコー経路のインパルス応答を推定するまでに相応の時間を要し、推定を終えるまでの間にエコーが発話側に戻ってしまう問題がある。また、消去すべきエコーが返って来るまでの時間（すなわち、エコー純遅延時間）が不明な環境で用いる場合は、適応フィルタのタップ数を極力多く持つことによって広い範囲のエコー純遅延時間に対応しなければならない。その場合、適応フィルタがもつタップ数の増加が、エコー推定の精度が十分となる（例えば、ＥＲＬＥ（Echo Return Loss Enhancement）が３０ｄＢ以上となる）までの収束時間の比例的増加を招来するという問題もある。

本発明の目的は、エコー純遅延時間が不明な環境下においても疑似エコー信号の推定を迅速におこない、エコーが発話側に戻ってしまうエコー現象を回避する拡声集音通信装置を提供することである。

本発明による拡声集音通信装置は、受信音声信号を拡声集音エリアに向けて拡声するスピーカと、送信音声信号を該拡声集音エリアから集音するマイクと、該送信音声信号からエコー信号成分を除去するエコーキャンセラと、を備える拡声集音通信装置であり、該拡声集音エリアに形成されるエコーパスにおけるエコー遅延時間を算定する算定手段と、該受信音声信号を該エコー遅延時間の時間分遅延せしめて遅延音声信号を生成する遅延手段とを含み、該エコーキャンセラは、該遅延音声信号から擬似エコー信号成分を生成し、これを該音声信号から減算処理して、該エコー信号成分の除去処理をなす。

本発明による拡声集音通信装置によれば、エコー純遅延時間が不明な環境下においても疑似エコー信号の推定を迅速におこない、エコーが発話側に戻ってしまうエコー現象を回避することができる。

本発明の実施例について添付の図面を参照して詳細に説明する。
＜第１の実施例＞
図２は、本発明の第１の実施例を示し、本発明による拡声集音通信装置を含む全体構成を示している。本実施例では、本発明による拡声集音通信装置として電話会議システムの例が示されている。

本図を参照すると、電話会議システム１００は、遠端話者が通話をなす別の拡声集音通信装置（図示せず）とネットワーク２０を介して対向し、これとの間で、受信音声信号及び送信音声信号の各々を受信部及び送信部（図示せず）を介して送受信する。対向する別の拡声集音通信装置は、実際の運用上、電話会議システム１００と同一の装置とすることで、両者間で会議を行う構成が想定されるが、本発明はこれに限られず、通常の電話機等の拡声集音通信装置であっても良い。

電話会議システム１００は、受信音声信号を復号化する音声復号化部１０５と、ネットワーク２０に向けて送信されるべき送信音声信号を符号化する音声符号化部１０６と、受信音声信号を入力とし出力音声信号を出力すると共に、入力音声信号を入力とし送信音声信号を出力する適応エコーキャンセラ１０１と、適応エコーキャンセラ１０１からの出力音声信号を拡声集音エリア１１に向けて拡声するスピーカ１２と、拡声集音エリア１１に存在する話者（近端話者）からの音声を集音して、これを入力音声信号として適応エコーキャンセラ１０１に出力するマイクロホン１３（以下、マイク１３と称する）とを含んでいる。電話会議システム１００は、さらに、超音波受発信部１０２と、エコー純遅延時間算出部１０３とを含んでいる。

超音波受発信部１０２は、超音波信号を拡声集音エリア１１に向けて送信し、拡声集音エリア１１に存在する話者及び壁等のエコー反射源１０で反射してくる反射超音波信号を受信する。エコー純遅延時間算出部１０３は、超音波信号の発信から反射超音波信号の受信までの時間を計測することで、電話会議システム１００とエコー反射源１０との間の距離を測定し、該距離とエコー純遅延時間との変換を可能とする変換テーブル（図示せず）を用いてエコー純遅延時間を算出する。エコー純遅延時間は、拡声集音エリア１１に形成されるエコーパスにおけるエコー信号の遅延時間を与える。エコー純遅延時間該変換テーブルは予め設定されて用意される必要がある。該距離とエコー純遅延時間との変換は、かかる変換テーブルを用いる方法に限られず、適切な変換が可能な他の方法によっても良い。

適応エコーキャンセラ１０１は、入力音声信号に重畳されたエコー信号を除去する。エコー信号は、対向話者（遠端話者）からの受信音声信号が出力音声信号としてスピーカ１２から再生され、エコー反射源１０で跳ね返り、マイク１３を通って再び対向話者に戻る信号である。適応エコーキャンセラ１０１は、かかるエコー信号をエコー純遅延時間算出部１０３から入力されるエコー純遅延時間ＩＴを基にして推定し疑似エコー成分として生成する。次いで、実際にエコー信号が重畳された入力音声信号から該疑似エコー成分を差し引くことでエコー信号を除去する。該エコー信号が除去された音声信号は、符号化部１０６により符号化されて送信音声信号としてネットワーク２０に向けて送信される。

図３は、図２に示された適応エコーキャンセラのより詳細の構成を示している。本発明の１つの特徴をなす適応エコーキャンセラ１０１は、遅延挿入部１０１１と、ＦＩＲフィルタ１０１２とを含む構成であり、エコー純遅延時間ＩＴを入力として動作する遅延挿入部１０１１を有する点で通常の適応エコーキャンセラと異なる。

適応エコーキャンセラ１０１に入力される受信音声信号は、出力音声信号として出力されると共に、遅延挿入部１０１１に入力される。遅延挿入部１０１１は、エコー純遅延時間ＩＴに相当するオフセット時間を受信音声信号に挿入することにより受信音声信号を遅延せしめて遅延音声信号としてＦＩＲフィルタ１０１２に出力する。ＦＩＲフィルタ１０１２は、該遅延音声信号を取り込み、学習同定法等の公知のアルゴリズムによりフィルタ係数を調整しつつ擬似エコー成分を推定する。この推定に際して、ＦＩＲフィルタ１０１２は、加算器１０１３からの送信音声信号をフィルタ係数の収束判定のために評価信号として用いる。ＦＩＲフィルタ１０１２は擬似エコー成分を加算器１０１３に出力する。加算器１０１３は、実際のエコー信号を含むマイク１３（図２参照）からの入力音声信号から該擬似エコー成分を差し引くことにより送信音声信号を得る。該送信音声信号は、外部の符号化部１０６（図２参照）に向けて出力される。

本第１の実施例において、本発明の１つの特徴をなす適応エコーキャンセラ１０１は、適切なオフセット時間を挿入する遅延挿入部１０１１を備えることにより、エコー純遅延時間部分にあたるタップ係数をＦＩＲフィルタ１０１２に持つ必要がなく、エコー信号成分のエコー長時間に対応する数のタップ係数を保持すれば良い。これにより、迅速なタップ係数推定が可能となる。

かかるエコー純遅延時間の測定のために、本発明による拡声集音通信装置１００において、超音波受発信部１０３をもち、電話会議システム１００とエコー反射源１０の距離を得ることで、エコー純遅延時間を算出する。そして、算出したエコー純遅延時間を適応エコーキャンセラ１０１に与える。エコー純遅延時間を与えることによって、必要最低限のタップ数だけでエコー信号の推定動作を行うことができる。そのため、従来の電話会議システムで用いられていたエコーキャンセラと比較して、タップ数減少による収束時間の短縮が可能になる。
＜第２の実施例＞
図４は、本発明の第２の実施例を示し、本発明による拡声集音通信装置を含む全体構成を示している。本実施例では、本発明による拡声集音通信装置として電話会議システムの例が示されている。本第２の実施例は、基本的に第１の実施例と同様の構成を備えるが、第１の実施例における超音波信号による電話会議システムとエコー反射源の距離を測定する構成とは異なり、赤外線信号を用いてかかる距離を測定する。

本図を参照すると、電話会議システム２００は、第１の実施例と同様にして、音声復号化部１０５と、音声符号化部１０６と、適応エコーキャンセラ１０１と、スピーカ１２と、マイク１３とを含み、これらは第１の実施例と同様の機能を備える。電話会議システム２００は、さらに、赤外線受発信部２０２と、エコー純遅延時間算出部２０３と、を含んでいる。

赤外線受発信部２０２は、赤外線信号を拡声集音エリア１１に向けて送信し、拡声集音エリア１１に存在する話者及び壁等のエコー反射源１０で反射してくる反射赤外線信号を受信する。エコー純遅延時間算出部２０３は、赤外線信号の発信から反射赤外線信号の受信までの時間を計測することで、電話会議システム２００とエコー反射源１０との間の距離を測定し、該距離とエコー純遅延時間との変換を可能とする変換テーブル（図示せず）を用いてエコー純遅延時間を算出する。該変換テーブルは予め設定されて用意され必要がある。該距離とエコー純遅延時間との変換は、かかる変換テーブルを用いる方法に限られず、適切な変換が可能な他の方法によっても良い。

本第２の実施例において、第１の実施例と同様の効果を得られるが、本第２の実施例は、赤外線受発信部を用いて距離を測定するという点で第１の実施例とは異なる。赤外線受信部は、従来の電話会議システム、テレビ電話会議システムやセットトップボックス等に従来から既に付加されている場合もあり、本実施例で挙げた機能を後から実装するにあたっては、第１の実施例よりも実現が容易である。また、赤外線受発信部は超音波受発信器より安価であるという点でも実現性に優れている。
＜第３の実施例＞
図５は、本発明の第３の実施例を示し、本発明による拡声集音通信装置を含むの全体構成を示している。本実施例では、本発明による拡声集音通信装置として電話会議システムの例が示されている。本第３の実施例は、基本的に第１の実施例と同様の構成を備えるが、第１の実施例における超音波信号による電話会議システムとエコー反射源の距離を測定する構成とは異なり、本システムの話者が保持する赤外線ＬＥＤリモートコントローラを用いてかかる距離を測定する。

本図を参照すると、電話会議システム３００は、第１の実施例と同様にして、音声復号化部１０５と、音声符号化部１０６と、適応エコーキャンセラ１０１と、スピーカ１２と、マイク１３とを含み、これらは第１の実施例と同様の機能を備える。電話会議システム３００は、さらに、赤外線受信部３０２と、エコー純遅延時間算出部３０３と、赤外線ＬＥＤリモートコントローラ３０１とを含んでいる。

赤外線ＬＥＤリモートコントローラ３０１は、赤外線ＬＥＤによる発信回路を有しており、エコー反射源１０の一部をなす話者（ユーザ）がこれを操作することにより、赤外線受光部３０２に向けて赤外線を発信する。

赤外線受信部３０２は、赤外線ＬＥＤリモートコントローラ３０１から発信された赤外線を受信する。エコー純遅延時間算出部３０３は、予め赤外線ＬＥＤリモートコントローラ３０１から発信される赤外線の出力輝度を把握しており、実際に赤外線受信部３０２で受信する空間の距離に応じて減衰した赤外線信号の輝度から、電話会議システム３００と赤外線ＬＥＤリモートコントローラ３０１との距離、すなわち話者を含むエコー反射源１０との距離を求める。本実施例では、赤外線の伝搬距離に従った輝度減衰を応用して距離を求める方法としたが、輝度以外の赤外線の性質が用いられても良いし、赤外線に代えて超音波信号等の他のリモートコントローラ用信号が用いられても良い。

本第３の実施例において、第１の実施例及び第２の実施例と同様の効果が得られる。第１の実施例のように超音波受発信部を新たに搭載する必要もなく、第２の実施例のように赤外受発信部を搭載する必要もない。この点、本実施例おいて必要な赤外線受信部は、通常の電話会議システムやセットトップボックス等の拡声集音通信装置に従来より付加されていることが考えられるため、更に実現性に優れている。
＜第４の実施例＞
図６は、本発明の第４の実施例を示し、本発明による拡声集音通信装置を含むの全体構成を示している。本実施例では、本発明による拡声集音通信装置として電話会議システムの例が示されている。本第４の実施例は、基本的に第１の実施例と同様の構成を備えるが、第１の実施例における超音波信号による電話会議システムとエコー反射源の距離を測定する構成とは異なり、話者（ユーザ）や壁等の複数の物体からなるエコー反射源との距離をカメラにより撮像される映像データから測定する。さらに、第４の実施例においては、かかる映像データからインパルス応答（タップ係数）の決定し、これをタップ係数の初期値として利用する構成を含む。

本図を参照すると、電話会議システム４００は、第１の実施例と同様にして、音声復号化部１０５と、音声符号化部１０６と、適応エコーキャンセラ１０１と、スピーカ１２と、マイク１３とを含み、これらは第１の実施例と同様の機能を備える。電話会議システム４００は、さらに、カメラ４０２と、カメラ情報取得部４０３と、インパルス応答シミュレーション部４０４と、映像符号化部４０５とを含んでいる。

カメラ４０２は、複数の物体からなるエコー反射源１０を含めた映像を取り込み映像データを生成し、これをカメラ情報取得部４０３及び映像符号化部４０５に出力する。映像符号化部４０５は、該映像データを符号化して外部に出力する。カメラ情報取得部４０３は、カメラ４０２が生成して映像データを基に、話者や壁面等の複数の物体からなるエコー反射源１０までの少なくとも１つの距離からなる距離情報を取得する。かかる距離情報の取得は、例えば、カメラ４０２に備えたオートフォーカス機能を用いて、映し出した物体の焦点が定まったことを基に電話会議システム４００とエコー反射源１０との間の距離を求めることによりなされる。もちろん、本発明はかかるオートフォーカス機能に限定されず、他の方法により距離情報の取得がなされても良い。

インパルス応答シミュレート部４０４は、映像データから電話会議システム４００の置かれているエコー反射源１０を含む音響環境におけるエコー信号のインパルス応答をシミュレートとし、該インパルス応答の応答波形からタップ係数の初期値を求める。エコー信号のインパルス応答をシミュレートする方法としては、例えば、幾何音響解析法が挙げられるが、本発明はかかる方法に限定されない。求められたエコー純遅延時間ＩＴ及びインパルス応答Ｈは、適応エコーキャンセラ４０１に入力される。

適応エコーキャンセラ４０１は、入力音声信号に重畳されたエコー信号を除去する。エコー信号は、対向話者（遠端話者）からの受信音声信号が出力音声信号としてスピーカ１２から再生され、エコー反射源１０で跳ね返り、マイク１３を通って再び対向話者に戻る信号である。適応エコーキャンセラ４０１は、かかるエコー信号をインパルス応答シミュレート部４０４から入力されるエコー純遅延時間ＩＴ及びインパルス応答Ｈを基にして推定し疑似エコー成分として生成する。次いで、実際にエコー信号が重畳された入力音声信号から該疑似エコー成分を差し引くことでエコー信号を除去する。該エコー信号が除去された音声信号は、符号化部１０６により符号化されて送信音声信号としてネットワーク２０に向けて送信される。

図７は、図６に示された適応エコーキャンセラのより詳細の構成を示している。本発明の１つの特徴をなす適応エコーキャンセラ４０１は、遅延挿入部４０１１と、ＦＩＲフィルタ４０１２とを含む構成であり、エコー純遅延時間ＩＴを入力として動作する遅延挿入部４０１１を有する点と、インパルス応答Ｈを入力として動作するＦＩＲフィルタ４０１２を有する点とで通常の適応エコーキャンセラと異なる。

適応エコーキャンセラ４０１に入力される受信音声信号は、出力音声信号として出力されると共に、遅延挿入部４０１１に入力される。遅延挿入部４０１１は、エコー純遅延時間ＩＴに相当するオフセット時間を受信音声信号に挿入することにより受信音声信号を遅延せしめて遅延音声信号としてＦＩＲフィルタ４０１２に出力する。ＦＩＲフィルタ４０１２は、該遅延音声信号を取り込み、学習同定法等の公知のアルゴリズムによりフィルタ係数を調整しつつ擬似エコー成分を推定する。この推定に際して、ＦＩＲフィルタ４０１２は、加算器１０１３からの送信音声信号をフィルタ係数の収束判定のために評価信号として用いると共に、インパルス応答シミュレート部４０４で算出したインパル応答Ｈ（フィルタ係数）を初期値として利用する。ＦＩＲフィルタ４０１２は擬似エコー成分を加算器１０１３に出力する。加算器１０１３は、実際のエコー信号を含むマイク１３（図６参照）からの入力音声信号から該擬似エコー成分を差し引くことにより送信音声信号を得る。該送信音声信号は、外部の符号化部１０６（図６参照）に向けて出力される。

本第４の実施例において、本発明による拡声集音通信装置は、カメラで取得した映像情報からエコー純遅延時間、エコー経路のインパルス応答を特定し、音声通話開始前に適応エコーキャンセラに初期値として与える。エコー純遅延時間を与えることによって、第１、２及び３の実施例と同様に、必要最低限のタップ数だけでエコー信号の推定動作を行うことができる。そのため、従来の電話会議システムで用いられていたエコーキャンセラと比較して、収束時間を短縮することができる。また、エコー経路のインパルス応答を初期値としてエコーキャンセラに設定しておくことによって、フィルタ係数が実際のエコーインパルス応答に近づくまでに費やしていた時間が必要なくなる。そのため、第１、２及び３の実施例と比較しても収束時間が短くすることができる。

以上の複数の実施例から明らかなように、本発明による拡声集音通信装置である電話会議システムにおいて、超音波送受信器等の周辺機器装置から空間的なエコー反射源の距離を割り出し、通話前に予めエコーキャンセラにオフセット遅延量を設定し、更に、エコーキャンセラが推定するインパルス応答を予め設定しておくことにより、従来のエコーキャンセラよりも迅速に収束させるものである。これにより、必要最低限のタップ数でエコー信号の推定動作を行うようにし、フィルタ係数が乱れてからの収束時間を短くすることができる。

本発明による拡声集音通信装置は、電話会議システムやテレビ会議システムに限られず、ＴＶ視聴者が番組に参加することを可能とするような電話機能を備えるセットトップボックス等の多様な拡声集音通信装置に適用され得る。

通常の適応エコーキャンセラの概略を示している概略図である。 本発明の第１の実施例であり、拡声集音通信装置を含む全体の構成を示しているブロック図である。 図２に示されたエコーキャンセラのより詳細の構成を示しているブロック図である。 本発明の第２の実施例であり、拡声集音通信装置を含む全体の構成を示しているブロック図である。 本発明の第３の実施例であり、拡声集音通信装置を含む全体の構成を示しているブロック図である。 本発明の第４の実施例であり、拡声集音通信装置を含む全体の構成を示しているブロック図である。 図６に示されたエコーキャンセラのより詳細の構成を示しているブロック図である。

符号の説明

１０ エコー反射源
１１ 拡声集音エリア
１２ スピーカ
１３ マイク
２０ ネットワーク
１００、２００、３００、４００ 電話会議システム
１０１、４０１ 適応エコーキャンセラ
１０２ 超音波受発信部
１０３、２０３、３０３ エコー純遅延時間算出部
１０５ 音声復号化部
１０６ 音声符号化部
２０１ 赤外線受発信部
３０１ 赤外線ＬＥＤリモートコントローラ
３０２ 赤外線受信部
４０２ カメラ
４０３ カメラ情報取得部
４０４ インパルス応答シミュレート部
４０７ 映像符号化部
１０１１、４０１１ 遅延挿入部
１０１２、４０１２ ＦＩＲフィルタ
１０１３ 加算器

Claims (7)

1. 受信音声信号を拡声集音エリアに向けて拡声するスピーカと、前記拡声集音エリアから集音して音声信号を得るマイクロホンと、前記音声信号からエコー信号成分を除去するエコーキャンセラと、前記エコーキャンセラを経由した音声信号を送信する送信部と、を備える拡声集音通信装置であって、
   前記拡声集音エリアに形成されるエコーパスにおけるエコー遅延時間を算定する算定手段と、
   前記受信音声信号を前記エコー遅延時間の時間分遅延せしめて遅延音声信号を生成する遅延手段と、
   を含み、
   前記エコーキャンセラは、前記遅延音声信号から擬似エコー信号成分を生成し、これを前記音声信号から減算処理して、前記エコー信号成分の除去処理をなすことを特徴とする拡声集音通信装置。
2. 前記エコーキャンセラは、ＦＩＲフィルタを含み、前記ＦＩＲフィルタは、前記エコー遅延時間を除いたエコー長時間のみに対応する数のタップ係数を保持し、前記タップ係数を調整しつつ前記エコー信号成分の除去処理をなすことを特徴とする請求項１記載の拡声集音通信装置。
3. 前記算定手段は、超音波信号を前記拡声集音エリアに向けて送信すると共に前記拡声集音エリアから反射される超音波信号を受信し、前記超音波信号の伝搬距離を測定して前記遅延時間を算定することを特徴とする請求項１記載の拡声集音通信装置。
4. 前記算定手段は、赤外線信号を前記拡声集音エリアに向けて送信すると共に前記拡声集音エリアから反射される赤外線信号を受信し、前記超音波信号の伝搬距離を測定して前記エコー遅延時間を算定することを特徴とする請求項１記載の拡声集音通信装置。
5. 前記算定手段は、前記拡声集音エリアから発信される超音波又は赤外線の測定信号を受信し、前記測定信号の伝播距離を測定して前記エコー遅延時間を算定することを特徴とする請求項１記載の拡声集音通信装置。
6. 前記測定手段は、前記拡声集音エリアに向かった映像を撮像し、前記映像に含まれる少なくとも１つの物体が焦点を結ぶ焦点距離を決定し、前記焦点距離に基づいて前記エコー遅延時間を算定することを特徴とする請求項１記載の拡声集音通信装置。
7. 前記拡声集音エリアに向かった映像を撮像し、前記映像から前記拡声集音エリアの幾何学的情報を決定し、前記幾何学的情報に基づいて前記エコー信号成分のインパルス応答をシミュレートして得られる応答波形から前記ＦＩＲフィルタのタップ係数の初期値を決定する手段を更に含むことを特徴とする請求項２記載の拡声集音通信装置。

Images