JP2007081455A - 音源位置・受音位置推定方法、その装置、そのプログラム、およびその記録媒体 - Google Patents

Abstract

【課題】 少ないマイクロホン数と音源数とから正確な音源位置を推定できる音源位置推定方法を提供する。
【解決手段】 収音手段対ごとに観測される受音信号間の遅延時間差の観測値と、事前に既知であり、事前設定された１つ以上の受音位置間距離とから、繰り返し演算を用いて音源位置と受音位置を推定する方法であり、まず、推定音源位置と推定受音位置の初期値を設定する。次に、事前設定された受音位置間距離の設定値と推定受音位置から計算される受音位置間距離の推定値間の２乗誤差が減少し、かつ前記受音信号間の遅延時間差の観測値と推定音源位置と推定受音位置から計算される受音信号間遅延時間差の推定値間の２乗誤差が減少するように、音源位置と受音位置の推定値を繰り返し更新する。更新量と事前に設定した収束閾値を比較し、更新量が閾値以下となった場合に収束と判断し、繰り返し演算を停止する。
【選択図】図１

Description

この発明は、複数の収音手段を用いた雑音抑圧収音や話者位置に自動追従するテレビカメラ制御に利用するための音源位置・受音位置推定方法および装置に関する。

図１６は、従来の音源位置・受音位置推定装置を示すブロック図である。従来技術の音源位置・受音位置推定装置はマイクロホン１１_１〜１１_Mと、受音信号間遅延時間差推定部１２と、音源位置・受音位置推定部１０１により構成される。
従来の音源位置・受音位置推定装置は、位置が分からない音源から発せられた音を、位置がわからない複数のマイクロホンにより受音し、その信号から受音信号間の遅延時間差を求め、その遅延時間差から、音源位置、受音位置の両方を同時に推定する。
まず、全てのマイクロホン対間の受音信号間遅延時間差は、受音信号間遅延時間差推定部１２で、マイクロホンで受音された信号の相互相関をとり、そのピークを検出することで求める。

次に、求められた受音信号間遅延時間差から音源位置・受音位置推定部１０１により、音源位置、受音位置の両方を同時に推定する。
以下に音源位置・受音位置推定の方法を示す。
マイクロホン数をＭ、音源数をＮとする。ｋ番目音源から音が発せられている場合に、ｉ番目マイクロホンとｊ番目マイクロホンで受音された信号より求められる受音信号間遅延時間差をτ_ｉｊｋとする。ｍ番目の推定受音位置を（ｘ＾_ｍ，ｙ＾_ｍ，ｚ＾_ｍ）、ｎ番目の推定音源位置を（ｘ＾_ｎ，ｙ＾_ｎ，ｚ＾_ｎ）と表す。座標は１番目受音位置を原点として、２番目受音位置と３番目受音位置とを通る平面をｘ−ｙ平面として定義される。これによりｘ＾_１＝０，ｙ＾_１＝０，ｚ＾_１＝０，ｙ＾_２＝０，ｚ＾_２＝０，ｚ＾_３＝０となり、これらは定数となる。

これらの位置ｐから求められる推定受音信号間遅延時間差τ＾_ｉｊｋ（ｐ）は、式（１）で表される。ただし、ｐ＝（ｘ＾_２，…，ｘ＾_Ｍ，ｙ＾_３，…，ｙ＾_Ｍ，ｚ＾_４，…，ｚ＾_Ｍ，Ｘ＾_１，…，Ｘ＾_Ｍ，Ｙ＾_１，…，Ｙ＾_Ｍ，Ｚ＾_１，…，Ｚ＾_Ｍ）であり、３Ｍ＋３Ｎ−６個の要素を持つベクトルを表す。

ただし、ｃは音速である。

次に、受音信号間遅延時間差τ_ｉｊｋ，τ＾_ｉｊｋ（ｐ）に音速ｃを乗じ距離に換算したものを、それぞれ受音信号間距離差ｄ_ｉｊｋ，ｄ＾_ｉｊｋ（ｐ）とし、測定値ｄ_ｉｊｋと推定値ｄ＾_ｉｊｋ（ｐ）の二乗平均誤差ｅ（ｐ）を求めれば、式（２）となる。

式（２）の二乗平均誤差ｅ′（ｐ）を最小化する解を逐次修正を用いた数値解析により求め、位置を推定する。
その修正式は式（３）である。

ただし、αは修正のステップサイズ、ｐ_（ｕ）は、ｕ回修正後のｐを表し、gradは勾配を表し、式（４）〜（１１）で表される。

初期位置を設定し、式（３）の修正式を用いて繰り返し計算をすることにより、推定受音位置、推定音源位置を求められる。
受音位置と音源位置を正確に求めるための条件は以下である。Ｍはマイクロホン数、Ｎは音源数である。
受音位置、音源位置が全く未知の場合は式（１２）となる。

この条件は、マイクロホンの高さが既知の場合は式（１３）となる。

さらに、マイクロホンの高さおよび音源の高さが既知の場合は式（１４）となる。

式（１２）〜（１４）をまとめれば、図１１に示す（）内の数となる。

以上が、従来技術による受音位置、音源位置を推定方法と、位置推定するためのマイクロホン数、音源数の条件である。
しかし、この従来技術では、図１１に示したように、位置推定するためにはマイクロホン数、音源数の条件があり、この条件を満たさない場合には、音源位置と受音位置を正確に推定することはできない。
特開２００４−６４６９７号公報

従来技術の音源位置受音位置推定装置では、位置推定するためのマイクロホン数と音源数の条件があり、音源位置と受音位置を正確に推定するためには、多くのマイクロホンと音源が必要となる。
この発明は、このような問題を解決するためになされたもので、位置推定するためのマイクロホン数と音源数の条件を緩和し、従来技術よりも少ないマイクロホン数と音源数で位置推定を実現することを目的とする。

配置位置が未知であるが少なくとも２つの配置位置間の距離が既知であるＭ個（Ｍは３以上の整数）の収音器にそれぞれ収音された受音信号間の遅延時間差を推定する受音信号間遅延時間差推定段階と、上記受音信号間の遅延時間差の推定値と、対応する推定音源位置及び推定受音位置から計算される受音信号間遅延時間差との2乗誤差を最小化し、かつ上記既知の配置位置間の距離と、対応する上記推定受音位置間の距離の2乗誤差とを最小にすることにより音源位置及び受音位置を推定する音源位置・受音位置推定段階とを有する。

この発明による音源位置受音位置推定方法によれば、収音手段対ごとに観測される受音信号間の遅延時間差の観測値と、事前に既知であり事前設定された１つ以上の受音位置間距離とから、繰り返し演算を用いて音源位置と受音位置を推定するので、従来の技術よりも少ないマイクロホン数と音源数であっても、音源位置と受音位置の正確な推定が行える。

以下、この発明の実施例を示し、図面を参照して説明する。

図１は、この発明の第１の実施例である音響結合量推定装置のブロック図である。この実施例の音響結合量推定装置は、複数のマイクロホン１１_１〜１１_Ｍの出力信号が入力される受音信号間遅延時間差推定部１２と、その出力信号が入力される音源位置・受音位置推定部１４と、いくつかのマイクロホン間距離を既知に設定する受音位置間距離設定部１３とにより構成される。
受音信号間遅延時間差推定部１２は、マイクロホン１１_１〜１１_Mでそれぞれ受音された音源１０_１〜１０_Ｎからの受音信号間の遅延時間差を推定する。図２に受音信号間遅延時間差推定部の一例をブロック図で示す。FFT部１１１_１〜１１１_Mは、マイクロホン１１_１〜１１_Ｍからの受音信号を周波数領域信号に変換する。白色化部１１２_１〜１１２_Mは、周波数領域に変換された受音信号を、周波数スペクトルで、白色化（フラット）する。次に、マイクロホン対選択部１１３は、白色化部１１２_１〜１１２_Mの出力信号うち２つを選択する。このとき、すべてのマイクロホンペアの組み合わせについて以下の処理が実施されるようスイッチの切替が行われる。乗算部１１４はマイクロホン対選択部１１３で選ばれた信号のうち一方だけ共役をとり、２つの信号を周波数成分ごとに乗算し、クロススペクトルを求める。乗算部１１４の出力信号を、IFFT部１１５により、時間領域に変換し、白色化相互相関を求める。次に、最大ピーク検出部１１６で、IFFT部１１５出力の相互相関の最大ピークを検出し、その最大ピークの地点を受音信号間遅延時間差として、音源位置受音位置推定部１４に出力する。

音源位置受音位置推定部１４は、受音位置間距離設定部１３で設定された１つ以上のマイクロホン間距離と、マイクロホンにより受音された信号から観測される受音信号間時間差から、音源位置と受音位置を推定し、出力する。マイクロホン間距離のいくつかが既知であることで、従来技術に比べ、より少ないマイクロホン数、音源数での位置推定が可能である。
以下に、この実施例の処理の詳細を述べる。まず、１つ以上のマイクロホン間距離が既知である場合のマイクロホンと音源位置の同時推定方法について述べ、次に、位置推定のためのマイクロホン数と音源数の条件を示す。

Ｍ個のマイクロホンとＮ個の音源があるとし、マイクロホン間の距離のうちＱ個が既知であるとする。ｋ番目音源から音が発せられている場合に、ｉ番目マイクロホンとｊ番目マイクロホンで受音された信号より求められるマイクロホン間遅延時間差をτ_ｉｊｋとする。ただし、ｉ＝１，…，Ｍ−１ ｊ＝１，…，Ｍ（ｊ＞ｉ） ｋ＝１，…，Ｎである。これは、マイクロホンで受音された信号の相互相関のピーク検出などにより求めることができる。
次に、ｍ番目の推定マイクロホン位置を（ｘ＾_ｍ，ｙ＾_ｍ，ｚ＾_ｍ）、ｎ番目の推定音源位置を（Ｘ＾_ｎ，Ｙ＾_ｎ，Ｚ＾_ｎ）と表す。ただし、マイクロホン位置および音源位置の全てが未知であるので、位置を推定する前に、座標の基準位置を設ける必要がある。ここでは、１番目マイクロホン位置を原点として、２番目マイクロホンと３番目マイクロホンと通る平面をｘ−ｙ平面として座標を定義する。このようにすれば、ｘ＾_１＝０，ｙ＾_１＝０，ｚ＾_１＝０，ｙ＾_２＝０，ｚ＾_２＝０，ｚ＾_３＝０となり、これらは定数となる。

これらの位置から求められる推定受音信号間遅延時間差τ＾_ｉｊｋ（ｐ）は、式(１５)で表される。

ただし、ｃは音速であり、ｐは３Ｍ＋３Ｎ−６個の要素を持つ推定位置のベクトルでｐ＝（ｘ＾_２，…，ｘ＾_Ｍ，ｙ＾_３，…，ｙ＾_Ｍ，ｚ＾_４，…，ｚ＾_Ｍ，Ｘ＾_１，…，Ｘ＾_Ｍ，Ｙ＾_１，…，Ｙ＾_Ｍ，Ｚ＾_１，…，Ｚ＾_Ｍ）で表される。

次に、推定受音信号間遅延時間差τ_ｉｊｋ，τ＾_ｉｊｋ（ｐ）に音速ｃを乗じ距離に換算したものを、それぞれ受音信号間距離差ｄ_ｉｊｋ，ｄ＾_ｉｊｋ（ｐ）とし、実測値ｄ_ｉｊｋと推定値ｄ＾_ｉｊｋ（ｐ）の二乗誤差の和ｅ′（ｐ）を求めれば、式(１６)となる。

次に、マイクロホン間の距離のうちＱ個が既知であるとし、その受音位置間距離をＤ_{Ｆ（ｑ）Ｇ（ｑ）}とする。ただし、Ｆ（ｑ）とＧ（ｑ）は、ｑ番目の既知である受音位置間距離のマイクロホン番号のペアを表す。受音位置間距離の真値Ｄ_{Ｆ（ｑ）Ｇ（ｑ）}と推定位置ｐから計算される値Ｄ＾_{Ｆ（ｑ）Ｇ（ｑ）}（ｐ）の関係は、式(１７)で表される。

ここで、受音位置と音源位置を推定するには、式(１７)の制約条件下で式（１６）を最小化すればよい。そこで、式(１７)と式(１６)を変形して、１つの最小化問題に置き換えれば、式(１８)となる。

ただし、λ_ｑは任意の乗数であり、事前に設定される。λ_ｑが大きいほど式（１７）が厳密に満たされる解が求まる。λ_ｑは、１〜１００程度の値を取り、１０程度が好ましい。

式(１８)の二乗誤差ｅ（ｐ）を最小化する解を求めれば、受音信号間遅延時間差の測定値と推定値の誤差が最小となる推定受音位置、推定音源位置を求めることができる。ただし、式(１８)は非線形連立方程式となっており、解析的に解くことは困難であり、ここでは、逐次修正を行う繰り返し演算を用いた数値解析により求める。式(１８)を最小化する推定マイクロホン位置（ｘ＾_ｍ，ｙ＾_ｍ，ｚ＾_ｍ）と、推定音源位置（Ｘ＾_ｎ，Ｙ＾_ｎ，Ｚ＾_ｎ）を求めるには、ある点における勾配を求め、誤差が小さくなる方向に、推定受音位置、推定音源位置を修正していき、勾配が0となる点を求めればよいので、修正式は式(１９)のようになる。

ただし、αは修正のステップサイズ、ｐ_（ｕ）は、ｕ回修正後のｐを表し、gradは勾配を表し、gradｅ（ｐ）は式(２０)〜(２７)で表される。

以上、示した方法により、従来技術よりも少ないマイクロホン数と音源数であっても音源位置と受音位置を推定することができる。
また、この発明では、繰り返し演算を用いて音源位置と受音位置を推定する際に、受音位置間距離に関する誤差と、前記受音信号間遅延時間差に関する誤差の、いずれを重視して推定音源位置と推定受音位置を更新するかの乗数を、更新量の大きさに応じて変化させる。収束が進むにつれて乗数に大きな値に設定することで、より確実な情報である受音位置間距離の誤差を重視した音源位置と受音位置を推定し、推定精度を向上させることができる。

上述では、推定受音信号間距離差ｄ＾_ｉｊｋ（ｐ）と実測受音信号間距離差ｄ_ｉｊｋとの2乗誤差を最小化したが、ｄ＾_ｉｊｋ（ｐ），ｄ_ｉｊｋは、それぞれ音速ｃ（定数）で除算すれば推定受音信号間遅延時間差τ_ｉｊｋ、実測受音信号間遅延時間差τ＾_ｉｊｋ（ｐ）となる。よってτ_ｉｊｋとτ＾_ｉｊｋ（ｐ）との２乗誤差を最小化しても同様に音源位置、マイクロホン位置を推定することができる。したがって、特許請求の範囲では、これらを代表して推定受音信号間遅延時間差τ＾_ｉｊｋ（ｐ）、受音信号間遅延時間差τ_ｉｊｋとにより表現した。

図３に、この発明の第２の実施例である音源位置・受音位置推定装置の音源位置・受音位置推定部１４のブロック図を示す。第２の実施例は、この発明の第１の実施例に含まれる音源位置・受音位置推定部１４を、音源位置・受音位置更新量計算部２１と、音源位置・受音位置初期値設定部２２と、推定音源位置記憶部２３と、推定受音位置記憶部２４と、収束判定部２５で構成した装置である。他の構成は図１と同じであり、参照符号を同一にして説明は省略する。図４に音源位置・受音位置推定部１４の動作フローチャートを示す。

音源位置・受音位置初期値設定部２２は、初期化段階で推定音源位置記憶部２３と、推定受音位置記憶部２４に任意の初期値を設定する（ステップＳ１）。続いて、音源位置・受音位置更新量計算部２１は、推定音源位置記憶部２３と、推定受音位置記憶部２４に設定されている音源の位置と、受音信号間遅延時間差と、受音位置間距離とを読み込む（ステップＳ２）。続いて更新量を式（１９）により計算する（ステップＳ３）。次に、読み込んだ推定音源位置と推定受音位置に、更新量を加算し更新後の推定音源位置と推定受音位置を求め、更新量の総和を計算する（ステップＳ４）。この一連の動作を収束判定部２５が、ステップ５で収束と判定するまで繰り返す。

収束判定部２５は、音源位置・受音位置更新量計算部２１で計算される更新量が十分に小さいかを判定し、十分小さければ収束と判定する。例えば、推定位置の更新量grad
ｅ（ｐ）の総和Σ_ｐ｜gradｅ（ｐ）｜と事前に設定された閾値Ｔｃを比較し、ＴｃよりもΣ_ｐ｜gradｅ（ｐ）｜が小さくなったときに収束と判定する。閾値Ｔｃは、例えば１０^-５以下の値にすると精度が高くなる。粗くても概略の位置を速く知りたい場合には１０^-５以上にしてもよい。
収束後の音源位置と受音位置が出力となる（ステップＳ６）。
これら以外の部分に関しては、第１の実施例と同じであるので、説明を省略する。

この発明の第３の実施例である音源位置・受音位置推定装置は、実施例２の構成に乗数設定部４１を付加したものである。図３に乗数設定部４１を破線で示す。
乗数設定部４１は、式（１８）に含まれる乗数λ_ｑに値を逐次設定するものである。設定は以下のようにして行われる。
まず、受音信号間距離差の実測値ｄ_ｉｊｋは音の到来時間差推定から求めるので誤差を含むが、受音位置間距離の真値Ｄ_{Ｆ（ｑ）Ｇ（ｑ）}はフレーム等で固定されたマイクロホン間の距離であるので、ほとんど誤差を含まない。したがって、式(１８)の乗数λ_ｑを大きな値に設定し、式(１７)の条件を厳密に満たすような推定位置ｐを求めることが望ましい。ただし、逐次修正の初期段階からλ_ｑを大きな値に設定すると、式(１８)右辺第１項の最小化が十分に行われないうちに、収束とみなされてしまう可能性がある。そこで、λ_ｑを収束が進むにつれて大きな値に設定する。

図５Ａに、このように動作する乗数設定部の具体的機能構成例をブロック図で示す。乗数設定部４１は、複数の閾値Ｔ（ｉ）から成る閾値群４１ｂと、複数の乗数λ_ｑ（ｉ）から成る乗数値群４１ｄと、閾値群４１ｂから大きな値の閾値Ｔ（ｉ）から順に選択して比較器４１ａに伝達するセレクタ４１ｃと、その逆に閾値Ｔ（ｉ）と対応して小さい値から順に乗数λ_ｑ（ｉ）を選択して音源位置・受音位置更新量計算部２１に提供するセレクタ４１ｅと、から構成される。
この乗数設定部４１が動作を開始すると、セレクタ４１ｃは、値の大きな閾値Ｔ（ｉ）から比較器４１ａに伝達するので、更新量総和計算部２５ａから比較部４１ａに入力された更新量総和計算値は大きな閾値から評価される。このとき、乗数λ_ｑ（ｉ）は逆に小さい値が選択される。例えばＴ（1）＝1.0,Ｔ（2）＝0.1, Ｔ（3）＝0.01,・・・・
λ_ｑ（1）＝2.0, λ_ｑ（2）＝4.0, λ_ｑ（2）＝8.0,・・・・・である。

動作フローチャートを図５Ｂに示す。ステップＳ２１ｂにおいて閾値Ｔ（ｉ）と更新量総和計算値が評価される。大きな閾値Ｔ（ｉ）よりも更新量総和計算値が小さくなると、ステップＳ２１ｃにおいて、より小さな閾値の閾値Ｔ（ｉ+1）、乗数はより大きな乗数λ_ｑ（ｉ+1）に変更される。以降、更新量総和計算（ステップＳ２１ａ）、更新量総和計算値の評価（ステップＳ２１ｂ）、閾値減少と乗数増大の変更（ステップＳ２１ｃ）の動作が、収束判定部２５が収束と判定するまで繰り返される。このようにすることで、収束が進むにつれて乗数λ_ｑの値を小から大に変化させることができる。

ここで、λ_ｑ（ｉ）はＴ（ｉ）が小さくなるほど、大きくなる例で説明したが、この関係はこの動作を記述したプログラム又は、回路設計によって変わってくるので、逆でもかまわない。
以上のように乗数を変化させることにより、正確な情報である受音位置間距離を重視して音源位置と受音位置を推定でき、その推定精度を向上させることができる。
これら以外の部分に関しては第１または第２の実施例と同じであるので、説明を省略する。

図６にこの発明の実施例４を示す。実施例４は、これまでの実施例に受音信号間遅延時間差記憶部６１を追加したものである。
受音信号間遅延時間差記憶部６１は、受音信号間遅延時間差を記憶する。図６の受音信号遅延時間差記憶部６１の中に示す表は、使用するマイクロホンの数を増やしていった場合に増加するマイクロホン間遅延時間差データを表している。マイクロホンが２本の場合、得られるマイクロホン間遅延時間差はτ_１２の１個であり、３本でτ_１２, τ_１２, τ_２３の３個、４本でτ_１２, τ_１２, τ_２３,τ_１４, τ_２４, τ_３４の６個と増える。この発明ではマイクロホンが４本以上からＮ個の音源が推定可能であり、それを保存音源数Ｎで表している。

また、マイクロホンの数が増えるとＮも、Ｎ+1、Ｎ+２と増加する。これはＮ加算部６１ａでカウントされる。
音源位置・受音位置推定部１４は、保存されたＮ個の音源に対する受音信号間遅延時間差と、受音位置間距離設定部１３で設定された１つ以上のマイクロホン間距離と測定に用いたマイクロホンに応じて決まる受音信号間時間差から、この発明の第１から第３の実施例と同様の方法を用いて音源位置と受音位置を推定し、出力する。
このように受音信号間遅延時間差を記憶することで、過去の受音信号間遅延時間差を有効に活用できる。

これら以外の部分に関しては、第1から第３の実施例と同じであるので、説明を省略する。

図７は、この発明の第５の実施例及び第６の実施例における新音源位置検出部７１（７２）の具体的機能構成例を示すブロック図である。
新音源位置検出部７１は、現在の受音信号間遅延時間差τｖｐと、受音信号間遅延時間差記憶部６１に記憶されている過去の受音信号間遅延時間差τｖｓを比較し、その値が大きく異なる場合に音源位置の移動を検出する。
受音信号間遅延時間差記憶部６１は、音源位置検出部７１で音源位置の移動（異なる位置から発せられた音）が検出されたときのみ、受音信号間遅延時間差推定部１２で推定された受音信号間遅延時間差を新たに保存し、保存音源数Nに１を加算する。音源位置にして、例えば10ｃｍ程度の距離の移動が検出できるようにする。

図８Ａに動作フローチャートを示し動作を説明する。受音信号間遅延時間差推定部１２からの現在の受音信号間遅延時間差推定値τｖｐと、受音信号間遅延時間差記憶部６１に記憶された前回の受音信号間遅延時間差推定値τｖｓとが、ベクトル間距離計算部７１ａに入力され、それぞれの遅延時間差推定値に基づいて音源位置が計算される（ステップＳ２２ａ）。今回と前回の音源位置の計算結果の差Δτｖと、基準値Ｔｐ７１ｃとが比較部７１ｂで比較され（ステップＳ２２ｂ）、基準値Ｔｐ７１ｃよりも音源位置の計算結果の差が大きい場合、受音信号間遅延時間差記憶部６１内のＮ加算部６１ａを＋１し（ステップＳ２２ｃ）、ゲート７１ｄが現在の受音信号間遅延時間差推定値を、セレクタ７２ｂに通過させる。セレクタ７２ｂは、比較部７１ｂの比較結果が音源位置の計算結果の差が大のとき、受音信号間遅延時間差記憶部６１の新たな記憶領域に、現在の受音信号間遅延時間差推定値を記憶させる。基準値７１ｃよりも音源位置の計算結果の差が小さい場合は、受音信号間遅延時間差記憶部６１への新たなデータの書き込みは行われない。

このように、音源位置の移動を検出したときのみ、受音信号間遅延時間差を保存することで、同じ音源に対する受音信号間遅延時間差を複数個保存することがなくなり、必要最小限の保存数で位置推定を行うことができる。これにより、メモリ量が少なくなる。
これら以外の部分に関しては、第４の実施例と同じであるので、説明を省略する。

図７に示すこの発明の第６の実施例における新音源位置検出部７２の動作を説明する。新音源位置検出部７２は、この発明の第５の実施例と同様にして音源位置の移動を検出する。
受音信号間遅延時間差記憶部６１は、新音源位置検出部７２で音源位置の移動が検出されたときに、受音信号間遅延時間差推定部１２で推定された受音信号間遅延時間差を新たに保存し、保存音源数Ｎに１を加算する。新音源位置検出部７２で音源位置の移動が検出されないときは、受音信号間遅延時間差推定部１２で推定された受音信号間遅延時間差と、記憶されている受音信号間遅延時間差を平均して、同じ記憶領域に上書きする。

先に説明した実施例５と異なる点は、今回と前回の音源位置の計算結果の差が小さい場合に、受音信号間遅延時間差を平均して、受音信号間遅延時間差記憶部６１同じ記憶領域に上書きする点である。
図８Ａの動作フローチャートを参照してその動作を説明する。ステップＳ２２ｂにおいて、基準値Ｔｐ７１ｃよりも音源位置の計算結果の差が小さいと判定されると、受音信号間遅延時間差推定部１２からの現在の受音信号間遅延時間差推定値と、受音信号間遅延時間差記憶部６１に記憶された前回の受音信号間遅延時間差推定値とが、入力される平均化部７２ａが、その２つの推定値を平均しセレクタ７２ｂに出力する。

セレクタ７２ｂは、比較部７１ｂの比較結果が音源位置の計算結果の差が小のとき、受音信号間遅延時間差記憶部６１の前回の受音信号間遅延時間差推定値が記憶されている同一の記憶領域に、平均した受音信号間遅延時間差推定値を記憶させる。
このように、音源位置の移動を検出しないとき（同じ音源の場合）に、推定された受音信号間遅延時間差と、記憶されている受音信号間遅延時間差を平均することで、より精度の高い受音信号間遅延時間差とすることができ、精度の高いで位置推定を行うことができる。これら以外の部分に関しては、第５の実施例と同じであるので、説明を省略する。

図９は、この発明の第７の実施例である音源位置・受音位置推定装置の新音源位置検出部７３のブロック図である。第７の実施例は、この発明の第５、第６の実施例に含まれる新音源位置検出部７１,７２を、二乗誤差計算部９１と閾値比較部９２で構成した装置である。
二乗誤差計算部９１は、受音信号間遅延時間差推定部１２の出力である現在の受音信号間遅延時間差と、受音信号間遅延時間差記憶部６１に記憶されている過去の受音信号間遅延時間差を減算して、二乗平均する。次に、閾値比較部９２は、二乗誤差計算部９１の出力が事前に設定した閾値以上である場合に、音源位置が移動したとして検出する。

二乗誤差は例えば以下のように求められる。ｉ番目マイクロホンとｊ番目マイクロホン間の現在の受音信号間遅延時間差をτ_{ｉｊ，ＮＥＷ}とし、過去の受音信号間遅延時間差をτ_{ｉｊ，ＯＬＤ}とし、マイクロホン数をＭとした場合、二乗誤差計算部９１の出力ｅは、式（３４）で表される。

現在の音源位置と、過去の音源位置がほぼ同じであれば、式（３４）は、ほぼ０となり、現在の音源位置と、過去の音源位置が異なれば、式（３４）は、正の大きな値をとる。したがって、式（３４）を事前に設定した閾値と比較することにより、音源の移動が検出できる。これら以外の部分に関しては、第５〜第６の実施例と同じであるので、説明を省略する。

図１０Ａは、この発明の第８の実施例である音源位置・受音位置推定装置のブロック図である。第８の実施例は、この発明の第１〜第７の実施例に、有音・雑音検出部８１を追加した構成である。
有音・雑音検出部８１は、マイクロホン受音信号から有音と無音を検出する。検出方法の一例を以下に示す。まず、マイクロホン受音信号を加算部８１ａで加算した信号をx(t)とし、この信号を短時間平均部８１ｂで短時間平均したものをX(t)とする。X(t)のノイズレベルは、落ち込みホールド部８１ｃでX(t)ディップホールド処理することで推定することができ、式（３３）を用いて計算される。

N(t) = X(t) N(t)≧Ｘ(t)の場合
N(t) = u・N(t-1)+(1-u)・X(t) N(t)＜Ｘ(t)の場合 式（３３）
ここで、uは1未満の定数であり事前に設定する。uは推定ノイズレベル上昇時の平滑化係数であり0<u<1の値をとる。uが1に近いと緩やかなノイズレベル上昇となり、ディップホールドの効果が得られる。次に、有音区間と雑音区間の検出は、ノイズレベルN(t)にあらかじめ設定した定数８１ｅを乗算部８１ｄで乗じた閾値ＴＮ(t)と、短時間平均部８１ｂの出力X(t)を比較することで行う。ＴＮ(t) ＞X(t)であれば雑音区間と検出し、ＴＮ(t) ＜ X(t)であれば有音区間と検出する。

落ち込みホールド部８１ｃの機能構成例を図１０Ｂに示す。落ち込みホールド部８１ｃは、短時間平均部８１ｂの出力信号Ｘ（ｔ）と、落ち込みホールド部８１ｃの過去の出力信号Ｎ（ｔ-1）とを比較する比較部８２ａと、Ｘ（ｔ）と１から平均化係数ｕを減じた（１−ｕ）とを乗算する乗算部８２ｂと、Ｎ（ｔ-1）とｕとを乗算する乗算部８２ｃと、乗算部８２ｂと８２ｃの出力信号を加算する加算部８２ｄと、短時間平均部８１ｂの出力信号Ｘ（ｔ）が落ち込みホールド部８１ｃの過去の出力信号Ｎ（ｔ-1）よりも大のときに加算部８２ｄの出力信号を選択し、小のときに短時間平均部８１ｂの出力信号Ｘ（ｔ）を選択して落ち込みホールド部８１ｃの出力信号とするセレクタ８２ｅとで構成できる。

以上述べた有音・雑音検出部８１で有音と検出されたときのみに、受音信号間遅延時間差推定部１２が受音信号間遅延時間差の推定を行う。
このようにすることで、雑音の位置を推定しないようにすることができる。
これら以外の部分に関しては、第１〜第７の実施例と同じであるので、説明を省略する。

この発明の第９の実施例は、この発明の第４〜第７の実施例の受音信号間遅延時間差記憶部６１において、保存できる受音信号間遅延時間差の最大個数の制限を与えた装置である。受音信号間遅延時間差記憶部６１において保存されている受音信号間遅延時間差数が、事前設定された保存数最大値まで達していて、受音信号間遅延時間差を新たに保存する場合には、最も古く保存された受音信号間遅延時間差を破棄し、保存数が事前設定された保存数最大値を超えないようにする。
これにより、受音信号間遅延時間差記憶部６１を少ないメモリで構成できる。

これら以外の部分に関しては、第４〜第７の実施例と同じであるので、説明を省略する。
以上、実施例を示して説明したこの発明による音源位置受音位置推定方法によれば、収音手段対ごとに観測される受音信号間の遅延時間差の観測値と、事前に既知であり事前設定された１つ以上の受音位置間距離とから、繰り返し演算を用いて音源位置と受音位置を推定するので、従来の技術よりも少ないマイクロホン数と音源数であっても、音源位置と受音位置の正確な推定を行うことができる。

なお、各実施例に示した装置及びその装置を用いて行われる方法は、プログラムが記憶されるＲＯＭ（Read Only Memory）と、プログラムやデータを記憶するハードディスクとこれらのプログラムを実行するＣＰＵ（Central Processing Unit）と、ＣＰＵが用いるデータ等を記憶するＲＡＭ（Random Access Memory）とから構成される一般的なコンピュータで実現できるものである。プログラムは、ＣＤ-ＲＯＭ等の記録媒体に記録可能であり、ＣＤ-ＲＯＭに記録された、例えばこの発明による音響結合量推定装置プログラムを、今まで他の用途に使用していたコンピュータ装置のＲＯＭにインストールすることで、そのコンピュータ装置をこの発明による音響結合量推定装置に変えることが出来る。もちろん、専用のハードウェアでこの発明による各装置を実現することも容易である。

〔実施例１の効果〕
次に、この発明の実施例１で示した音源位置と受音位置を推定する方法関して、正確に求めるための条件について検討する。理論検討のために受音信号間距離差の測定値ｄ_ｉｊｋに誤差がないと仮定すると、式(２８)と式(２９)に示す連立方程式の解が受音位置と音源位置となる。式(２８)と式(２９)の解を厳密に求めるための条件は、独立な式の数が未知変数の数よりも大きくなることである。

式(２８)の式の数はＮ・Ｍ（Ｍ−１）／２であるが、ｄ_１３ｋ＝ｄ_１２ｋ＋ｄ_２３ｋのようにｉとｊが連続していない式は、全て独立ではないので、独立な式の数は、最大でＮ・（Ｍ−１）となる。式(２９)の独立な式は最大でＱであるので、これらをあわせると、独立な式の数は最大でＮ・（Ｍ−１）＋Ｑとなる。

受音位置、音源位置が全く未知の場合、未知変数の数は、３Ｍ＋３Ｎ−６であるので、独立な式の数が未知変数の数よりも大きくなる条件は式(３０)となる。

この条件は、マイクロホンの高さが既知の場合、未知変数の数が２Ｍ＋３Ｎ−３となるので、式(３１)となる。

さらに、マイクロホンの高さおよび音源の高さが既知の場合、未知変数の数が２Ｍ+２Ｎ−３となるので、式(３２)となる。

この発明の一例として、マイクロホンが２つずつフレームで固定されている場合を想定しＱ＝［Ｍ／２］と設定した場合（［］は小数点以下切り捨てを表す）を想定した場合に、必要となるマイクロホン数と音源数の関係を図１１に示す。ｈ_ＭＩＣはマイクロホンの高さ、ｈ_Ｓｏｕｃは音源の高さであり、マイクロホンが２個ずつフレーム（スタンド）で固定されている場合に必要な音源数を、マイクロホンの数と対応して表した図である。図１１には、従来技術の場合に必要となるマイクロホン数と音源数も（＊＊）で合わせて示している。図１１より、この発明は、従来技術に比べ少ないマイクロホン数と音源数で位置推定が可能であることが確認できる。

次に、この発明の効果を示すために、シミュレーションの結果を示す。
図１２にマイクロホンおよび音源の配置を示す。マイクロホンは直径1.5mの円周上に配置され、その高さは0〜0.5m（ただし、マイクロホンの高さ、音源の高さが既知の場合は0m固定）とした。音源は、直径2.5mの円周上に配置し、その高さは、0.5m〜1.0m（ただし、マイクロホンの高さ、音源の高さが既知の場合は0.5m固定）とした。この発明で既知であるマイクロホン間距離は、マイクロホン１１_１−１１_２、１１_３−１１_４、１１_５−１１_６、１１_７−１１_８間の距離とした。各マイクロホンの対である１１_１−１１_２はスタンド２_１、１１_３−１１_４はスタンド２_２、１１_５−１１_６はスタンド２_３、１１_７−１１_８はスタンド２_４でそれぞれ上記した位置に固定した。

この条件で、マイクロホン数と記憶音源数を変化させ位置推定を行った。マイクロホン、音源の初期位置はランダムとして１０回位置推定を行い、その位置推定誤差の平均を求めた。この結果を図１３〜１５に示す。図１３〜図１５のＡは従来技術による位置推定結果であり、Ｂはこの発明による位置推定結果である。
これら図と、図１１に示した推定に必要なマイクロホン数、音源数の関係を比較する。図１１に示した推定に必要なマイクロホン数、記憶音源数を満たす場合において、図１３〜１５の位置推定誤差は非常に小さく、精度よく推定が行えていることが確認できる。Ａの従来技術による位置推定結果と、Ｂのこの発明による位置推定結果を比較すると、この発明のほうが少ないマイクロホン数、音源数で位置推定が行えていること確認できる。

以上より、この実施例によれば、従来技術よりも少ないマイクロホン数と音源数で、音源位置と受音位置を推定することができる。

この発明の実施例１の機能構成例を示すブロック図である。 実施例１中の受音信号時間差推定部の具体的機能構成例を示すブロック図である。 この発明の実施例２の機能構成例を示すブロック図である。 実施例２中の音源位置受音位置推定部の処理手順の例を示すフローチャート。 Ａはこの発明の実施例３における乗数設定部の具体的機能構成例を示すブロック図、Ｂはその処理手順の例を示すフローチャートである。 この発明の実施例４の機能構成例を示すブロック図である。 この発明の実施例５及び６における新音源位置検出部７１（７２）の具体的機能構成例を示すブロック図である。 この発明の実施例５及び６における新音源位置検出部７１（７２）の処理手順の例を示す流れ図である。 この発明の実施例７新音源位置検出部７３の具体的機能構成例を示すブロック図である。 Ａはこの発明の実施例８における有音・雑音検出部８１の具体的機能構成例を示すブロック図、Ｂはその落込みホールド部８１ｃの具体的機能構成例を示すブロック図である。 実施例１の効果としてマイクロホンの数Ｍと必要な音源数との関係を示す図である。 シミュレーションにおける音源位置と受音位置とを示す図。 音源の高さが未知で、マイクロホンの高さが未知の場合の位置推定誤差のシミュレーション結果を示すグラフであり、Ａは従来技術、Ｂはこの発明である。 音源の高さが未知で、マイクロホンの高さが既知の場合の位置推定誤差のシミュレーション結果を示すグラフであり、Ａは従来技術、Ｂはこの発明である。 音源の高さが既知で、マイクロホンの高さが既知の場合の位置推定誤差のシミュレーション結果を示すグラフであり、Ａは従来技術、Ｂはこの発明である。 従来の音源位置推定装置の機能構成を示すブロック図である。

Claims (10)

1. 配置位置が未知であるが少なくとも２つの配置位置間の距離が既知であるＭ個（Ｍは４以上の整数）の収音器にそれぞれ収音された受音信号間の遅延時間差を推定する受音信号間遅延時間差推定段階と、
   上記受音信号間の遅延時間差の推定値と、対応する推定音源位置及び推定受音位置から計算される受音信号間遅延時間差との２乗誤差を最小化し、かつ上記既知の配置位置間の距離と、対応する上記推定受音位置間の距離の２乗誤差とを最小にすることにより音源位置及び受音位置を推定する音源位置・受音位置推定段階と
   を有する音源位置・受音位置推定方法。
2. 請求項１記載の方法において、
   上記音源位置・受音位置推定段階は、
   初期設定された音源位置及び受音位置を上記推定音源位置及び上記推定受音位置とする初期値設定段階と、
   上記受音信号間の遅延時間差の推定値と、対応する上記推定音源位置及び上記推定受音位置から計算された受音信号間遅延時間差との２乗誤差を減少し、かつ上記既知の配置位置間距離と対応する上記推定受音位置間の距離の２乗誤差を減少するように上記音源位置及び上記受音位置を更新する音源位置・受音位置更新段階と、
   上記音源位置・受音位置更新段階で更新した更新量と閾値とを比較し、更新量が閾値を越えれば上記音源位置・受音位置更新段階に戻り、更新量が閾値以下であれば上記２つの２乗誤差が共に最小化されたと判定する収束判定段階とを有することを特徴とする音源位置・受音位置推定方法。
3. 請求項２記載の方法において、
   上記音源位置・受音位置更新段階は、上記受音信号間遅延時間差に関する２乗誤差と上記受音位置間距離に関する２乗誤差との一方に乗数を乗算してこれら２乗誤差の和を減少させるように上記音源位置及び上記受音位置を更新し、その更新量の大きさが小さくなるに従って、上記受音位置間距離に関する２乗誤差が重視されるように上記乗数の大きさを変化させる乗数設定段階を含む、
   ことを特徴とする音源位置・受音位置推定方法。
4. 請求項１〜３のいずれかに記載の方法において、
   上記遅延時間差推定段階は上記受音信号間遅延時間差を記憶部に記憶する受音信号間遅延時間差記憶段階を含み、
   上記現に推定された受音信号間遅延時間差と、前回の推定受音信号間遅延時間差を検出し、その検出した差が大きければ新たな音源位置が生じたと判定する新たな音源位置検出段階を有する
   ことを特徴とする音源位置・受音位置推定方法。
5. 受音位置間の距離を設定することができる受音位置間距離設定部と、
   配置位置が未知であるが少なくとも２つの配置位置間の距離が上記受音位置間距離設定部により設定されたＭ個（Ｍは４以上の整数）の収音器にそれぞれ収音された受音信号が入力され、これら受音信号間の遅延時間差を推定する受音信号間遅延時間差推定部と、
   上記推定された受音信号間の遅延時間差と上記設定された受音位置間距離が入力され、上記受音信号間の遅延時間差の推定値と、対応する推定音源位置及び推定受音位置から計算される受音信号間遅延時間差との２乗誤差を最小化し、かつ上記入力された配置位置間の距離と、対応する上記推定受音位置間の距離の２乗誤差とを最小にすることにより音源位置及び受音位置を推定する音源位置・受音位置推定部と
   を具備する音源位置・受音位置推定装置。
6. 請求項５記載の装置において、
   上記音源位置・受音位置推定部は、
   上記受音信号間の遅延時間差の推定値と、対応する上記推定音源位置及び上記推定受音位置から計算された受音信号間遅延時間差との２乗誤差を減少し、かつ上記入力された配置位置間距離と対応する上記推定受音位置間の距離との２乗誤差を減少するように上記音源位置及び上記受音位置を更新する音源位置・受音位置更新部を含み、
   上記音源位置・受音位置更新部で更新した更新量と閾値とを比較し、更新量が閾値を越えれば上記音源位置・受音位置更新推定部に上記更新処理を行わせ、更新量が閾値以下であれば上記２つの２乗誤差が共に最小化されたと判定する収束判定部を備えることを特徴とする音源位置・受音位置推定装置。
7. 請求項６記載の装置において、
   上記音源位置・受音位置更新部は、上記受音信号間遅延時間差に関する２乗誤差と上記受音位置間距離に関する２乗誤差との一方に乗数を乗算してこれら２乗誤差の和を減少させるように上記音源位置及び上記受音位置を更新するものであり、
   その更新量の大きさが小さくなるに従って、上記受音位置間距離に関する２乗誤差が重視されるように上記乗数の大きさを変化させる乗数設定部を備える
   ことを特徴とする音源位置・受音位置推定装置。
8. 請求項５〜７のいずれかに記載の装置において、
   上記遅延時間差推定部は上記受音信号間遅延時間差が記憶される記憶部を含み、
   上記現に推定された受音信号間遅延時間差と、上記記憶部より取出された前回の推定受音信号間遅延時間差を検出し、その検出した差が閾値より大きければ新たな音源位置が生じたと判定する新たな音源位置検出部を有する
   ことを特徴とする音源位置・受音位置推定装置。
9. 請求項１〜４のいずれかに記載された音源位置・受音位置推定方法の各段階をコンピュータに実行させるための音源位置・受音位置推定プログラム。
10. 請求項９記載の音源位置・受音位置推定プログラムを記録したコンピュータ読み取り可能な記録媒体。

Images