JP2007180896A - 音声信号処理装置および音声信号処理方法 - Google Patents

Abstract

【課題】指向特性を狭い角度範囲で高いものとすることが可能な音声信号処理装置を提供すること。
【解決手段】第１のマイクロフォン（マイクロフォン１１）と、第１のマイクロフォンと近接して配置されるとともに、第１のマイクロフォンとは異なる指向性を有する第２のマイクロフォン（マイクロフォン１２）と、第１のマイクロフォンおよび／または第２のマイクロフォンの信号から、所定の相関を有する信号を抽出する抽出手段（係数固定フィルタ２１、減算回路２２、係数可変フィルタ２３、減算回路２４、フィードバック回路２５）と、を有する。
【選択図】図１

Description

本発明は、音声信号処理装置および音声信号処理方法に関する。

本願発明者は、特許文献１において、２つのマイクロフォンから出力される信号に基づいて、特定の角度範囲またはその一部からの音波の成分を抽出する音声信号処理装置に関する発明を開示している。

特許文献１に示す発明では、方向によって位相特性が異なる無指向性および双方向性のマイクロフォンを使用し、これらのマイクロフォンからの出力信号の位相差に応じて、特定の角度範囲またはその一部からの音波の成分を抽出する。

特開２００５−７２６４２号公報（要約書、特許請求の範囲）

ところで、マイクロフォンの位相特性は、周波数によって異なる。抽出しようとする成分が音声信号である場合、音声信号には複数の周波数の成分が含まれていることから、位相特性に依存する特許文献１に開示される発明では、音声信号を必ずしも効率よく抽出できない場合があるという問題点がある。

また、双指向性特性またはカージオイド特性を有するマイクロフォンでは、特定の角度を境として位相特性が急激に変化する。このため、当該特定の角度付近では周波数に応じて位相特性が大きく異なり、これに起因して、当該特定の角度付近から入力される音声が、例えば、断続的に抽出され、不自然な印象を与える場合があるという問題点がある。

本発明は、上記の事情に基づきなされたもので、その目的とするところは、指向特性を狭い角度範囲で高いものとすることが可能な音声信号処理装置および音声信号処理方法を提供することを目的とする。

上述の目的を達成するため、本発明の音声信号処理装置は、第１のマイクロフォンと、第１のマイクロフォンと近接して配置されるとともに、第１のマイクロフォンとは異なる指向性を有する第２のマイクロフォンと、第１のマイクロフォンおよび／または第２のマイクロフォンの信号から、所定の相関を有する信号を抽出する抽出手段と、を有する。

また、他の発明の音声信号処理装置は、上述の発明に加えて、抽出手段が、目標音源の信号を第１のマイクロフォンおよび／または第２のマイクロフォンの信号から削除し、目標音源以外の信号を生成する目標音源信号削除手段と、第１のマイクロフォンおよび／または第２のマイクロフォンの信号から目標音源信号削除手段で生成された信号を用いて目標音源以外の成分を除去する目標音源信号抽出手段と、を有するようにしいている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、第１のマイクロフォンと第２のマイクロフォンが、音波の入射角による位相特性または遅延特性がさらに異なるようにしている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、目標音源信号削除手段が、第１のマイクロフォンまたは第２のマイクロフォンの出力信号の一方に対して所定の振幅特性および位相特性を有するフィルタ処理を施し、第１のマイクロフォンまたは第２のマイクロフォンの出力信号の他方から、フィルタ処理によって得られた信号を減算して出力するようにしている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、フィルタ処理が、目標音源からの音波に対応する出力信号の実効値が最小になるようにフィルタ係数を学習するようにしている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、目標音源信号抽出手段が、目標音源信号削除手段の出力信号に対して所定の振幅特性および位相特性を有するフィルタ処理を施し、第１のマイクロフォンおよび／または第２のマイクロフォンの出力信号から、フィルタ処理によって得られた信号を減算して出力するようにしている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、フィルタ処理が、目標音源信号抽出手段の出力信号の実効値が最小となるように妨害音源の変化に追随してフィルタ係数が設定されるようにしている。

また、他の発明の音声信号処理装置は、上述の発明に加えて、目標音源からの音波に対応する信号のレベルと、妨害音源からの音波に対応する信号のレベルを比較し、前者が後者よりも所定レベル以上大きい場合には、フィルタ係数の設定を中止し、それ以前の値を用いるようにしている。

また、本発明の音声信号処理方法は、第１のマイクロフォンからの信号と、第１のマイクロフォンと近接して配置されるとともに、第１のマイクロフォンとは異なる指向性を有する第２のマイクロフォンからの信号を入力し、第１のマイクロフォンおよび／または第２のマイクロフォンの信号から、所定の相関を有する信号を抽出する、ようにしている。

本発明は、指向特性を狭い角度範囲で高いものとすることが可能な音声信号処理装置および音声信号処理方法を提供することができる。

以下、本発明の一実施の形態について図に基づいて説明する。

図１は、本発明の実施の形態に係る音声信号処理装置の構成例を示す図である。なお、本発明の実施の形態に係る音声信号処理方法については、音声信号処理装置の動作として説明する。この図に示すように、本発明の実施の形態に係る音声信号処理装置は、マイクロフォン１１，１２、アンプ１３，１４、係数固定フィルタ２１、減算回路２２、係数可変フィルタ２３、減算回路２４、および、フィードバック回路２５を主要な構成要素とする。

第１のマイクロフォンとしてのマイクロフォン１１は、例えば、双指向性マイクロフォンである。双指向性マイクロフォンの指向特性は、図２（Ａ）となっている。また、双指向性マイクロフォンでは、図中Ａの角度を境に、正面側の１８０度の角度範囲から入射した音波に対する出力信号の位相と、背面側の１８０度の角度範囲から入射した音波に対する出力信号の位相とは、１８０度異なる。なお、双指向性マイクロフォンとしては、速度型マイクロフォンがあり、リボン型マイクロフォンなどで実現される。

速度型マイクロフォンは、振動板の周囲が開放された構造を有する。振動板の周囲が開放されている場合、振動板の大きさが音波の波長に対して十分小さければ、振動板の正面側の気圧と背面側の気圧は同じになり、振動板は、気圧の変化ではなく、空気の直接的な動きに従って動く。したがって、速度型マイクロフォンでは、振動板の正面側から音波が入射する場合と、振動板の背面側から音波が入射する場合とでは、振動板の振動方向が逆になる。これにより、速度型マイクロフォンでは、マイクロフォンから見た音源の方向が正面側にある場合と背面側にある場合とでは、出力信号の位相が反転する。

また、第２のマイクロフォンとしてのマイクロフォン１２は、マイクロフォン１１に近接して（例えば両者間の間隙が１センチメートル未満で）配置される。マイクロフォン１１とは異なる特性を有している。すなわち、マイクロフォン１１，１２は、互いに近接して配置され、入射する音波に対して互いに異なる振幅および位相の出力信号を出力する。

本発明の実施の形態では、マイクロフォン１２は、無指向性マイクロフォンである。無指向性マイクロフォンの指向特性は、図２（Ｂ）となっている。無指向性マイクロフォンからは、全角度範囲において同一の位相の出力信号が出力される。なお、無指向性マイクロフォンとしては、圧力型マイクロフォンがあり、ダイナミック型マイクロフォン、コンデンサ型マイクロフォン、エレクトレットコンデンサ型マイクロフォンなどで実現される。

圧力型マイクロフォンは、振動板の正面側が開放され、背面側がハウジングで密閉された構造を有する。圧力型マイクロフォンの場合、背面側が密閉されているので、振動板の背面側の気圧は一定となり、正面側の気圧の変化によって振動板が動かされる。これにより、圧力型マイクロフォンは、マイクロフォンの配置場所における気圧の変化に従った波形信号を出力する。また、マイクロフォンの周囲の気圧変化は、マイクロフォンから見た音源の方向によらないので、音源の方向に拘わらず、感度が一定であり、出力信号の位相も一定である。

近接した無指向性マイクロフォンと双指向性マイクロフォンが同一音源からの音波を同一のタイミングで感受した場合、双指向性マイクロフォンの正面側の１８０度の角度範囲から入射した音波に対する出力信号の位相は、無指向性マイクロフォンの出力信号の位相とほぼ同位相となる。また、双指向性マイクロフォンの背面側の１８０度の角度範囲から入射した音波に対する出力信号は、無指向性マイクロフォンの出力信号の位相とほぼ逆位相となる。

アンプ１３は、マイクロフォン１１から出力される信号を所定のゲインで増幅して出力信号Ｓ１として出力する。アンプ１４は、マイクロフォン１２から出力される信号を所定のゲインで増幅して出力信号Ｓ２として出力する。

抽出手段の一部および目標音源信号削除手段の一部としての係数固定フィルタ２１は、アンプ１４の出力信号Ｓ２に対して、予め定められたフィルタ係数によりフィルタ処理を実行し、得られた信号Ｓ３を出力する。係数固定フィルタ２１は、例えば、ＦＩＲ（Finite Impulse Response）フィルタによって構成される。係数固定フィルタ２１および減算回路２２は、妨害音源からの音波に対応する信号をマイクロフォン１１の出力信号から抽出する抽出手段を構成する。なお、本明細書において、「妨害音源」とは、目標音源以外の音源としての、例えば、ノイズ音源をいう。また、「目標音源」とは、抽出しようとする目標の音源であり、例えば、話者の発話をいう。具体的には、本実施の形態は、例えば、自動車等の車両内に配置されるカーナビゲーション装置の音声認識装置の入力装置として使用され、目標音源は運転者としての話者の発話をいい、妨害音源はエンジン音、ロードノイズ、風切り音等である。

係数固定フィルタ２１は、後述するように、最初に使用する際に、妨害音源からの音波が存在しない状態（例えば、自動車のエンジンが停止された状態）において、目標音源からの音波を発生させ（例えば、運転者に発話を行わせ）、減算回路２２からの出力信号の実効値が最小となるようにフィルタ係数を設定する。すなわち、係数固定フィルタ２１は、最初に使用する際には、いわゆる適応フィルタとして動作する。

抽出手段の一部および目標音源信号削除手段の一部としての減算回路２２は、アンプ１３の出力信号Ｓ１から係数固定フィルタ２１の出力信号Ｓ３を減算し、出力信号Ｓ４として出力する。

抽出手段の一部および目標音源信号抽出手段の一部としての係数可変フィルタ２３は、減算回路２２の出力信号Ｓ４に対して、リアルタイムで更新されるフィルタ係数によりフィルタ処理を実行し、出力信号Ｓ５として出力する。係数可変フィルタ２３は、係数固定フィルタ２１と同様に、例えば、ＦＩＲフィルタによって構成される。係数可変フィルタ２３および減算回路２４は、妨害音源からの音波に対応する信号をマイクロフォン１１の出力信号Ｓ１から除去し、目標音源からの音波に対応する信号を得る除去手段を構成する。

係数可変フィルタ２３のフィルタ係数は、後述するように、実際の使用時（すなわち、自動車の運転時等）において、減算回路２４の出力信号Ｓ６の実効値が最小となるように、フィードバック回路２５によってフィードバックされる値に応じてリアルタイムで設定される。すなわち、係数可変フィルタ２３は、いわゆる適応フィルタとして動作する。

抽出手段の一部および目標音源信号抽出手段の一部としての減算回路２４は、アンプ１３の出力信号Ｓ１から係数可変フィルタ２３の出力信号Ｓ５を減算し、出力信号Ｓ６として出力する。

抽出手段の一部および目標音源信号抽出手段の一部としてのフィードバック回路２５は、減算回路２４の出力信号Ｓ６を係数可変フィルタ２３にフィードバックする回路である。係数可変フィルタ２３は、フィードバックされた値に基づいて、出力信号Ｓ６の実効値が最小となるように、フィルタ係数をリアルタイムで設定する。

つぎに、以上の実施の形態の動作について説明する。

まず、音声信号処理装置を自動車に搭載した後に、最初に使用する際において、係数固定フィルタ２１のフィルタ係数を決定する際の動作について説明する。

図３は、係数固定フィルタ２１のフィルタ係数を設定する場合における構成例を示すブロック図である。この例では、図１の場合と比較して、フィードバック回路３０が新たに追加されている。それ以外は、図１の場合と同様である。ここで、フィードバック回路３０は、減算回路２２の出力信号Ｓ４を、係数固定フィルタ２１にフィードバックする回路である。

図３に示す回路において、係数固定フィルタ２１のフィルタ係数を設定する場合、まず、エンジンを停止した状態（妨害音源の影響が少ない状態）とする。そして、自動車の場合には、運転者が運転席に着座し、運転時と同様の体勢（例えば、ハンドルを握った状態）において、例えば、１０秒間程度発話を行う。なお、発話を行う代わりに、例えば、ホワイトノイズを発生する装置（例えば、選局していない状態のラジオ受信機等）を、運転者の口の位置に掲げるようにしてもよい。ホワイトノイズには全ての周波数成分が含まれているので、そのような装置を使用することでも、係数固定フィルタ２１の係数を設定することができる。

運転者またはホワイトノイズ発生装置から放射された音波は、空間を伝搬し、マイクロフォン１１およびマイクロフォン１２に到達する。マイクロフォン１１，１２は、音波を対応する電気信号に変換して出力する。マイクロフォン１１，１２から出力された電気信号は、アンプ１３，１４でそれぞれ所定のゲインで増幅され、出力信号Ｓ１，Ｓ２としてそれぞれ出力される。

係数固定フィルタ２１は、予め設定されているデフォルトの係数に基づいてフィルタリング処理を実行し、出力信号Ｓ３として出力する。減算回路２２は、アンプ１３の出力信号Ｓ１から、係数固定フィルタ２１の出力信号Ｓ３を減算して出力信号Ｓ４として出力する。フィードバック回路３０は、減算回路２２の出力信号Ｓ４を係数固定フィルタ２１にフィードバックする。係数固定フィルタ２１は、フィードバック回路３０によってフィードバックされる値の実効値が最小となるように、適応アルゴリズムに基づいて係数を設定する。なお、適応アルゴリズムとしては、例えば、学習同定法、ＬＭＳ（Least Mean Square）法、ＭＳＥ（Mean Square Error）法、射影法等がある。

このような適応アルゴリズムに基づいて、係数固定フィルタ２１の係数を設定することにより、運転者とマイクロフォン１１，１２の位置関係、マイクロフォン１１，１２の特性（位相差等）、および、その他の音響条件（例えば、自動車の室内の反射特性および残響特性等）に適合した係数が設定される。すなわち、減算回路２２の出力信号Ｓ４から、運転者の音声信号が高い割合で除外された状態となるように、係数が設定される。

図４は、マイクロフォン１１，１２の指向特性および減算回路２２の出力における指向特性を示す図である。特性曲線ｄ１は、マイクロフォン１１の指向特性を示している。この図に示すように、マイクロフォン１１は双指向性を有している。特性曲線ｄ２は、マイクロフォン１２の指向特性を示している。この図に示すように、マイクロフォン１２は、無指向性を有している。特性曲線ｄ３は、減算回路２２の出力における指向特性を示している。この図に示すように、減算回路２２の出力における指向特性は、話者の方向の感度が減衰した状態となっている。前述の処理により、係数固定フィルタ２１の係数を設定することにより、図４に示す減衰位置が話者の方向に対応するように設定されるとともに、減衰率がより大きくなるように設定される。

以上の処理により、係数固定フィルタ２１の係数が設定される。なお、このような設定処理は、音声信号処理装置を初めて使用する際に実行すればよい。すなわち、以上のようにして設定された係数は、固定値として記憶され、次回以降の処理においても使用されるので、それ以降は設定する必要がない。設定が完了すると、フィードバック回路３０は除外される。

つぎに、係数固定フィルタ２１の係数が設定された後の通常状態における動作を説明する。

通常の状態とは、音声信号処理装置が設置された自動車が、例えば、走行している状態をいう。この場合、図４に示すように、話者である運転者が発話すると、話者からの音声とともに、自動車の各部から発生するノイズがマイクロフォン１１，１２に入力される状態となる。

マイクロフォン１１，１２は、図４に示す指向特性に応じて、運転者の音声およびノイズを感受し、電気信号に変換して出力する。アンプ１３，１４は、マイクロフォン１１，１２の出力信号をそれぞれ所定のゲインで増幅して出力信号Ｓ１，Ｓ２としてそれぞれ出力する。係数固定フィルタ２１は、前述した処理によって係数が予め設定されているので、当該係数を用いてアンプ１４からの出力信号Ｓ２に対してフィルタ処理を施し、出力信号Ｓ３として出力する。減算回路２２は、アンプ１３の出力信号Ｓ１から係数固定フィルタ２１の出力信号Ｓ３を減算して出力する。

ここで、アンプ１３，１４の出力信号Ｓ１，Ｓ２の離散時系列信号をＳ１（ｎ），Ｓ２（ｎ）とし、減算回路２２の出力信号Ｓ４の離散時系列信号をＳ４（ｎ）とし、係数固定フィルタ２１のインパルス応答をｈ１_ｉとすると、Ｓ１（ｎ），Ｓ２（ｎ），Ｓ４（ｎ）の間には、以下の関係が成立する。

なお、ｈ１_ｉは、ＦＩＲである係数固定フィルタ２１の係数であり、前述の適応処理により設定されたものである。前述のように、当該係数は、話者の音声を高い割合で除去するように設定されていることから、減算回路２２の出力信号の離散時間信号系列Ｓ４（ｎ）からは、話者の音声が高い割合で除去され、ノイズ成分が多く含まれた信号となる。

係数可変フィルタ２３は、減算回路２２の出力信号Ｓ４に対して所定のフィルタ係数を用いてフィルタ処理を施し、出力信号Ｓ５として出力する。なお、フィルタ係数については、後述するように、フィードバック回路２５のフィードバック値を参照して、係数可変フィルタ２３がリアルタイムで設定する。

減算回路２４は、アンプ１３の出力信号Ｓ１から係数可変フィルタ２３の出力信号Ｓ５を減算し、出力信号Ｓ６として出力する。

フィードバック回路２５は、減算回路２４の出力信号Ｓ６をフィードバックする。係数可変フィルタ２３は、フィードバックされた出力信号Ｓ６の実効値が最小となるように、係数をリアルタイムで設定する。すなわち、係数可変フィルタ２３は、出力信号Ｓ６の実効値が最小となるように、適応アルゴリズムである学習同定法、ＬＭＳ法、ＭＳＥ法、または、射影法等に基づいて、フィルタ係数を設定する。このように、出力信号Ｓ６の実効値が最小となるようにフィルタ係数を設定することで、ノイズ成分を高い割合で除去し、話者の音声信号を効率よく抽出することができる。

ここで、アンプ１３の出力信号の離散系列信号をＳ１（ｎ）とし、減算回路２２の出力信号Ｓ４の離散時系列信号をＳ４（ｎ）とし、減算回路２４の出力信号Ｓ６の離散時系列信号をＳ６（ｎ）とし、係数可変フィルタ２３のインパルス応答をｈ２_ｉとすると、Ｓ１（ｎ），Ｓ４（ｎ），Ｓ６（ｎ）の間には、以下の関係が成立する。

ところで、係数固定フィルタ２１の係数は固定であるが、係数可変フィルタ２３の係数はリアルタイムで更新される。これは、目標音源である話者とマイクロフォン１１，１２との位置関係は通常は変化しないが、妨害音源であるノイズ源は、音源の位置、音量、および、音質（周波数特性）等が時々刻々と変化することに起因する。ノイズ成分を効率よく除去するためには、これらの変化に対応してフィルタ係数を変化させ、ノイズ成分の振幅特性および位相特性等を調整することで、減算回路２４でノイズ成分を効率よく相殺させる必要がある。

すなわち、係数可変フィルタ２３のインパルス応答特性であるｈ２_ｉは、その時々におけるノイズ源の状態に即して設定される。係数可変フィルタ２３は、減算回路２４から出力される、主にノイズ成分から構成される信号の振幅特性および位相特性を調整し、減算回路２４において、アンプ１３の出力信号Ｓ１からノイズ成分が高い割合で除去されて、音声信号が確実に抽出されるように設定する。

以上の処理により、目標音源である話者の音声信号を、妨害音源のノイズ成分から抽出して出力することができる。すなわち、本発明の実施の形態に係る音声信号処理装置では、マイクロフォン１１および／またはマイクロフォン１２の信号から、所定の相関を有する目標音源である話者の音声信号を抽出することができる。

なお、係数可変フィルタ２３は、話者の音声信号と、ノイズ信号とを比較し、前者が後者に比べて十分に小さくない場合には、係数の更新を停止し、それ以前の値を用いるようにしてもよい。すなわち、話者の音声信号がノイズ信号と比較して、十分に小さい場合には、減算回路２２の出力信号Ｓ３はほぼノイズ信号だけとなるので、ノイズ信号が高い割合で除去されるようにフィルタ係数が設定される。一方、話者の音声信号がノイズ信号に比較して十分に小さくない場合には、減算回路２２の出力信号Ｓ４には、話者の音声信号も含まれた状態となる。その場合、実効値が最小となるように係数を設定したのでは、当該話者信号についても除去するように設定がなされてしまう。このため、話者の音声信号の出力レベルが低下してしまう。また、そのような場合には、目的としない信号を対象として係数が設定されることから、適応アルゴリズムによる係数の設定が意図しない方向に推移してしまう。

そこで、話者の音声信号と、ノイズ信号とを比較し、前者が後者に比べて十分に小さくない場合（例えば、音声信号がノイズ信号よりも所定レベル以上大きい場合）には、係数の更新を停止し、それ以前の値（例えば、直前の値）を用いることにより、前述のような不具合の発生を回避することができる。なお、話者の音声信号と、ノイズ信号とを比較する方法としては、例えば、減算回路２２の出力信号Ｓ４の実効値（ノイズ信号に対応する信号）と、フィードバック回路２５によるフィードバック値（音声信号に対応する信号）とを比較すればよい。

なお、上述の実施の形態は、本発明の好適な例であるが、本発明は、これらに限定されるものではなく、本発明の要旨を逸脱しない範囲において、種々の変形、変更が可能である。

例えば、以上の実施の形態では、係数固定フィルタ２１の係数については、最初に使用する際に設定するようにしたが、話者とマイクロフォン１１，１２との位置関係は、概略決まっている場合が多いので、当該位置関係に基づいてデフォルト値として予め設定しておき、必要に応じて当該係数を変更するようにしてもよい。

また、以上の実施の形態では、係数固定フィルタ２１および係数可変フィルタ２３としては、ともにＦＩＲフィルタを使用するようにしたが、例えば、これらの一方または双方にＩＩＲ（Infinite Impulse Response）フィルタを用いるようにしてもよい。また、以上の実施の形態では、係数固定フィルタ２１および係数可変フィルタ２３の係数の次数はＭで同じとしたが、これらが異なるようにしてもよい。

また、以上の実施の形態では、出力信号Ｓ６を得るために、減算回路２４において、マイクロフォン１１の出力信号Ｓ１から係数可変フィルタ２３の出力信号Ｓ５を減算するようにしたが、例えば、マイクロフォン１２の出力信号Ｓ２から係数可変フィルタ２３の出力信号Ｓ５を減算して出力信号Ｓ６を得るようにしてもよい。あるいは、マイクロフォン１１，１２の出力信号Ｓ１，Ｓ２を混合した信号から係数可変フィルタ２３の出力信号Ｓ５を減算したり、マイクロフォン１１，１２の出力信号Ｓ１，Ｓ２の少なくとも一方に対してフィルタ処理を施した後に混合して得られた信号から係数可変フィルタ２３の出力信号Ｓ５を減算し、出力信号Ｓ６を得るようにしたりしてもよい。

また、マイクフォン１１としては、双指向性マイクロフォンを用い、また、マイクロフォン１２としては無指向性マイクロフォンを用いるようにしたが、これら以外のマイクロフォンの組み合わせとしてもよい。例えば、マイクロフォン１１，１２としてそれぞれ無指向性マイクロフォンを用いて、話者からの音波の到達時間の差に基づいて、話者の音声を相殺するようにしてもよい。なお、マイクロフォン１１，１２としては、少なくとも振幅特性が異なるものであればよい。また、位相特性および遅延特性が異なるものであってもよい。

また、以上の実施の形態では、音声信号処理装置を自動車に搭載する場合（カーナビゲーション装置の音声認識装置の入り口として使用する場合）を想定して説明したが、例えば、携帯電話機等に本発明の音声信号処理装置を使用するようにしてもよい。

本発明は、例えば、カーナビゲーション装置または携帯電話機に利用することができる。

本発明の実施の形態に係る音声信号処理装置の構成例を示すブロック図である。 図１に示すマイクロフォンの指向特性を示す図であり、（Ａ）は双指向性マイクロフォンの指向特性を示し、（Ｂ）は無指向性マイクロフォンの指向特性を示す図である。 図１に示す音声信号処理装置を最初に使用する場合の構成例を示すブロック図である。 図１に示す２つのマイクロフォンのそれぞれの指向特性と、２つのマイクロフォンの差分の指向特性を示す図である。

符号の説明

１１ マイクロフォン（第１のマイクロフォン），１２ マイクロフォン（第２のマイクロフォン），２１ 係数固定フィルタ（抽出手段の一部、目標音源信号削除手段の一部），２２ 減算回路（抽出手段の一部、目標音源信号削除手段の一部），２３ 係数可変フィルタ（抽出手段の一部、目標音源信号抽出手段の一部），２４ 減算回路（抽出手段の一部、目標音源信号抽出手段の一部），２５ フィードバック回路（抽出手段の一部、目標音源信号抽出手段の一部）

Claims (9)

1. 第１のマイクロフォンと、
   上記第１のマイクロフォンと近接して配置されるとともに、上記第１のマイクロフォンとは異なる指向性を有する第２のマイクロフォンと、
   上記第１のマイクロフォンおよび／または上記第２のマイクロフォンの信号から、所定の相関を有する信号を抽出する抽出手段と、
   を備えたことを特徴とする音声信号処理装置。
2. 前記抽出手段は、
   目標音源の信号を前記第１のマイクロフォンおよび／または前記第２のマイクロフォンの信号から削除し、上記目標音源以外の信号を生成する目標音源信号削除手段と、
   前記第１のマイクロフォンおよび／または前記第２のマイクロフォンの信号から上記目標音源信号削除手段で生成された信号を用いて上記目標音源以外の成分を除去する目標音源信号抽出手段と、
   を有することを特徴とする請求項１記載の音声信号処理装置。
3. 前記第１のマイクロフォンと前記第２のマイクロフォンは、音波の入射角による位相特性または遅延特性がさらに異なることを特徴とする請求項２記載の音声信号処理装置。
4. 前記目標音源信号削除手段は、前記第１のマイクロフォンまたは前記第２のマイクロフォンの出力信号の一方に対して所定の振幅特性および位相特性を有するフィルタ処理を施し、前記第１のマイクロフォンまたは前記第２のマイクロフォンの出力信号の他方から、上記フィルタ処理によって得られた信号を減算して出力することを特徴とする請求項２記載の音声信号処理装置。
5. 前記フィルタ処理は、前記目標音源からの音波に対応する出力信号の実効値が最小になるようにフィルタ係数を学習することを特徴とする請求項４記載の音声信号処理装置。
6. 前記目標音源信号抽出手段は、前記目標音源信号削除手段の出力信号に対して所定の振幅特性および位相特性を有するフィルタ処理を施し、前記第１のマイクロフォンおよび／または前記第２のマイクロフォンの出力信号から、上記フィルタ処理によって得られた信号を減算して出力することを特徴とする請求項２記載の音声信号処理装置。
7. 前記フィルタ処理は、前記目標音源信号抽出手段の出力信号の実効値が最小となるように前記妨害音源の変化に追随して前記フィルタ係数が設定されることを特徴とする請求項６記載の音声信号処理装置。
8. 前記目標音源からの音波に対応する信号のレベルと、前記妨害音源からの音波に対応する信号のレベルを比較し、前者が後者よりも所定レベル以上大きい場合には、前記フィルタ係数の設定を中止し、それ以前の値を用いることを特徴とする請求項７記載の音声信号処理装置。
9. 第１のマイクロフォンからの信号と、上記第１のマイクロフォンと近接して配置されるとともに、上記第１のマイクロフォンとは異なる指向性を有する第２のマイクロフォンからの信号を入力し、
   上記第１のマイクロフォンおよび／または上記第２のマイクロフォンの信号から、所定の相関を有する信号を抽出する、
   ことを特徴とする音声信号処理方法。

Images