JP2008015481A

JP2008015481A - 音声会議装置

Info

Publication number: JP2008015481A
Application number: JP2007101646A
Authority: JP
Inventors: Gakujitsu Katsuno; 学実勝野; Arikatsu Wada; 存功和田; Tatsuji Harima; 辰治播磨
Original assignee: Audio Technica KK
Current assignee: Audio Technica KK
Priority date: 2006-06-08
Filing date: 2007-04-09
Publication date: 2008-01-24

Abstract

【課題】スピーカから会議場特有の雑音が出力されることを効果的に低減することができる音声会議装置を得る。
【解決手段】マイクロホン１からの音声信号をデジタル信号に変換するＡ／Ｄ変換器２、変換されたデジタル信号を一時的に保存する音声データ保存手段４、保存されている音声データ中人の声の周波数領域を通すフィルタ５、フィルタ５を通った音声データのレベル検出手段、音声レベル変化量が大きい場合に人の音声信号であると判定する判定手段６、音声信号であると判定しているとき音声データ保存手段４から読み出される信号レベルの減衰を解除するミュート手段７、ミュート手段７がミュートを解除することによって音声データ保存手段４から読み出される音声データをアナログ音声信号に変換するＤ／Ａ変換器８、変換されたアナログ音声信号で駆動されるスピーカ１０、を備えている。
【選択図】図１

Description

本発明は、多人数が出席して会議を行うときに用いられる音声会議装置に関するもので、特に、周囲の騒音、例えば空調機の騒音や机をたたいた場合などに発生するインパルス音（衝撃音）を人の音声と識別して、このような騒音がスピーカから出力されることを回避するようにした音声会議装置に関するものである。

多人数が出席して会議を行う場合、一人の発言者の声が全員に行き届くように、発言者の声をマイクロホンで拾い、アンプで増幅して会議場内のスピーカから音声を流すようにした会議用音声システムが用いられる。音声システムが用いられるほどの会議では多数のマイクロホンが用いられる。多数のマイクロホンが同時にオンになって、いわゆる活きている状態になっていると、これらのマイクロホンで捕らえられた音声が増幅されてスピーカから流れるため、発言者の声以外の音声が雑音となり、聞き苦しいことになる。そこで、通常は各マイクロホン出力にミュートをかけておき、出席者が発言すると、その音声を近くのマイクロホンが拾い、所定のレベル以上の音圧の場合はそのマイクロホンのミュートを解除し、そのマイクロホンで変換された音声信号をスピーカから出力するようにした音声会議装置がある。つまり、マイクロホンに音声が入力した場合にのみ発言と認識し、スピーカから音声を出力するようにした自動音声会議装置である。

会議場には空調装置が備えられていて、空調装置に近い位置にマイクロホンがあると、そのマイクロホンが空調装置の作動音を拾い、発言と判断してそのマイクロホンのミュートを解除し、空調音を拡声してスピーカから出力することがある。また、会議中に出席者がテーブルをたたき、あるいは物を落とした場合などに、インパルス音が発生し、このインパルス音をマイクロホンが拾うことによって発言と判断してミュートを解除し、インパルス音がスピーカから出力されることがある。上記空調機の作動音やインパルス音は雑音であり、このような雑音がスピーカから出力されると、出席者は不快感を覚えるとともに、発言を聞き取りにくいという不具合を生じる。

そこで、音声会議装置において、マイクロホンに入力される騒音と人の音声とを識別し、騒音がスピーカから出力されないような工夫が提案されている。
その一つは、各マイクロホンの出力信号から雑音検出回路で周囲騒音の長時間平均レベルを検出し、送話時の各マイクロホンの出力信号と雑音検出回路の出力信号とを比較回路で比較し、比較結果から、マイクロホンの出力信号が雑音検出回路の出力信号より高いときにのみミュートを解除するようにしたものである（例えば、特許文献１参照）。

さらに、別の従来技術として、予め音韻のラベル付けがなされた多数の音声データからパワーと音声の音韻性を特徴付ける特徴量を特徴抽出部で抽出し、この音声データ中の単語の始端音韻毎の標準パターンおよび継続時間を標準パターン作成部で作成し、音声データ中の無音部分の無音平均パワーを無音パターン作成部で算出し、特徴抽出部で入力信号からパワーと特徴量を抽出し、この特徴量と標準パターンから類似度算出部で類似度を算出し、パワーが無音平均パワーを上回ったフレームから始端音韻毎の継続時間分の対数ゆう度の和を、類似度和算出部で求め、この対数ゆう度の和とある閾値を比較することで所定の範囲内であれば音声と判断する総合判定部を備えた音声検出方法が提案されている（例えば、特許文献２参照）。

また、マイクロホンの出力信号レベルおよびマイクロホン騒音レベルをデジタル量に変換し、これら変換出力に応じて少なくとも１本のマイクロホンを選択するようにするとともに、新たにマイクロホンを選択しようとする場合、選択しようとしているマイクロホンの出力レベルが、現在選択されているマイクロホンの信号レベルと比較して大きくても、選択しようとしているマイクロホンの閾値を超えていなければ、マイクロホンの切り換えを行わないようにし、これによって、騒音に影響されることなくマイクロホンの切り換えを行うことができるようにした会議電話装置が提案されている（例えば、特許文献３参照）。

特開平０８−２８８９９９号公報特開平０８−８７２９３号公報特開平０１−２４６６５号公報

特許文献１に記載されているような従来技術は、送話時のマイクロホンの出力信号と雑音検出回路の出力信号とを比較するものである。しかるに、雑音検出回路において、雑音を音声と区別して検出することは容易でなく、雑音を的確に検出するには、例えば特許文献２に記載されているような検出手段の構成になることが予測され、ハードおよびソフトの両面から複雑な構成になり、実用化にはコスト面からの難問がある。
特許文献２に記載されているような従来技術は、音声を検出するために、換言すれば、雑音と混在しているさまざまな音信号の中から音声を検出するために、特徴抽出部、標準パターン作成部、無音パターン作成部、類似度算出部、類似度和算出部などを必要とし、ハードおよびソフトの両面から複雑な構成になり、実用化にはコストが高くなる不具合がある。
特許文献３に記載されているような従来技術は、構成面からは比較簡単であるが、新たにマイクロホンを選択しようとする場合、選択しようとしているマイクロホンの出力レベルが、現在選択されているマイクロホンの信号レベルと比較して大きくても、選択しようとしているマイクロホンの閾値を超えていなければ、マイクロホンの切り換えを行わないようにするというだけのものであって、騒音と音声の識別の信頼性に難がある。

会議場で発生する雑音として、空調機の作動音、および、出席者がテーブルをたたき、あるいは物を落とした場合などに発生するインパルス音がほとんどであるが、上記従来技術は、このような会議場特有の雑音に着目してその特性に適合した処理をするという発想がなく、スピーカから雑音が出力されることを無くすことができる確率が低い。

本発明は、このような従来技術の現状に鑑みてなされたもので、会議場で発生する主たる雑音の特性に着目して対策を工夫することにより、スピーカから会議場特有の雑音が出力されることを効果的に低減することができる音声会議装置を提供することを目的とする。

請求項１記載の発明は、マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通すフィルタと、フィルタを通った音声データのレベルを検出するレベル検出手段と、レベル検出手段による検出結果検出レベルの変化量が多い場合に人の音声信号であると判定する判定手段を備えていることを特徴とする。

請求項２記載の発明は、マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、音声データ保存手段に保存されている音声データ中人の声の周波数領域よりも高い周波数領域のデータを通すフィルタと、フィルタを通った音声データのレベルを検出するレベル検出手段と、レベル検出手段による検出結果高い成分がない場合または検出レベルの変化量が少ない場合に人の音声信号であると判定する判定手段を備えていることを特徴としている。

請求項３記載の発明は、請求項１または２記載の音声会議装置において、判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、このミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出される音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、変換されたアナログ音声信号で駆動されるスピーカを備えていることを特徴とする。
請求項４記載の発明は、マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通す第１のフィルタと、音声データ保存手段に保存されている音声データ中人の声の周波数領域よりも高い周波数領域のデータを通す第２のフィルタと、第１のフィルタを通った音声データのレベルを検出する第１のレベル検出手段と、第２のフィルタを通った音声データのレベルを検出する第２のレベル検出手段と、第１のレベル検出手段による検出結果検出レベルの変化量が多くかつ上記第２のレベル検出手段による検出結果高い成分がない場合または検出レベルの変化量が少ない場合に人の音声信号であると判定する判定手段と、判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、ミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出された音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、変換されたアナログ音声信号で駆動されるスピーカと、を備えていることを特徴としている。

請求項５記載の発明は、マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、音声データ保存手段に保存されている音声データ中の人の声の周波数領域のデータを通す第一フィルタと、音声保存手段に保存されている音声データ中の人の声の周波数領域以外のデータを通す第二フィルタと、第一フィルタを通った音声データの音圧レベルと、第二フィルタを通った音声データの音圧レベルの比を演算し、第一フィルタを通った音声データの音圧レベルが、第二フィルタを通った音声データの音圧レベルよりも大きい場合に、人の音声信号であると判定する判定手段と、判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、ミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出された音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、変換されたアナログ音声信号で駆動されるスピーカと、を備えていることを特徴としている。

請求項１記載の発明は、フィルタによって人の音声の周波数領域のデータを通すようにし、フィルタを通った音声データのレベルの変化量が多い場合には、人の音声信号であると判断する。この判断に基づきミュートを解除することにより、発言者の音声がスピーカから発せられる。上記フィルタを通った音声データのレベルの変化量が少ない場合は、例えば、空調機の作動音のような低い周波数の雑音のみの音と判断する。このように判断した場合は、マイクロホンから出力される音声信号にミュートをかけ、雑音がスピーカから発せられることを防止する。人の音声であるかまたは雑音であるかの判断は、フィルタとレベル検出手段を付加するだけで可能であるから、雑音を低減することができる音声会議装置を、低コストで提供することができる。

請求項２記載の発明は、フィルタによって人の音声の周波数領域よりも高い周波数領域のデータを通すようにし、フィルタを通った音声データに高いレベル成分がない場合または高いレベル成分の変化量が少ない場合に人の音声信号であると判断する。この判断に基づきミュートを解除することにより、人の音声がスピーカから発せられる。上記フィルタを通った音声データに高い成分がある場合または検出レベルの変化量が多い場合は、インパルス音と判断する。この判断の場合は、マイクロホンから出力される音声信号にはミュートがかけられ、雑音としてのインパルス音がスピーカから発せられることを防止する。この発明の場合も、人の音声であるかまたはインパルス音であるかの判断は、フィルタとレベル検出手段を付加するだけで可能であるから、雑音を低減することができる音声会議装置を、低コストで提供することができる。

請求項４記載の発明は、請求項１記載の発明と請求項２記載の発明を組み合わせたもので、音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通す第１のフィルタと、音声データ保存手段に保存されている音声データ中人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断する第２のフィルタと、第１のフィルタを通った音声データのレベルを検出する第１のレベル検出手段と、第２のフィルタを通った音声データのレベルを検出する第２のレベル検出手段を備え、第１のレベル検出手段による検出結果検出レベルの変化量が多くかつ第２のレベル検出手段による検出結果高い成分がない場合または検出レベルの変化量が少ない場合に人の音声信号であると判定し、ミュートを解除するようになっているため、第１、第２のフィルタと、第１、第２のレベル検出手段を付加するだけで、空調機の作動音のような低い周波数の雑音およびインパルス音がスピーカから発せられることを防止することができる音声会議装置を、低コストで提供することができる。

請求項５記載の発明は、音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通す第一フィルタと、音声データ保存手段に保存されている音声データ中人の声よりも高い周波数領域を通しそれ以外の周波数領域のデータを遮断する第二フィルタと、第一フィルタを通った音声データの音圧レベルと、第二フィルタを通った音声データの音圧レベルと比較し、第一フィルタを通った音声データの音圧レベルが、第二フィルタを通った音声データの音圧レベルよりも大きい場合に、人の声であると判断する判定手段とを有し、判断に基づきミュートを解除することによって、人の音声がスピーカから発生される。上記の判定手段における比較によって第一フィルタを通った音声データが、第二フィルタを通った音声データよりも同じか、小さい場合は、人の声以外の音（例えば、拍手など）をマイクロホンに入力されていることになるので、これをスピーカから流す事がないように、人の声が大きく入力されている時のみミュートを解除することが可能であるから、雑音と低減することができる音声会議装置を、低コストで提供することができる。

以下、本発明にかかる音声会議装置の実施例について図面を参照しながら説明する。
図２は、会議場に設置される音声会議装置の実施例を概略的に示すブロック図で、図２において、符号１はマイクロホンを示している。マイクロホン１は、一般的な音声会議装置では複数の発言者に対応してテーブルなどの上に複数本設置されるが、図２では１本のみが図示されている。各マイクロホン１で音波を受け電気音響変換されて出力される音声信号は、アナログ・デジタル変換器２でデジタル信号に変換され、デジタル信号処理装置（以下「ＤＳＰ」という）３に含まれる音声データ保存手段としてのメモリ４に一時的に保存されるようになっている。メモリ４に一時保存されている音声信号は読み出されてＤＳＰ３に含まれるローカットフィルタ（又はハイパスフィルタ）５に通され、ローカットフィルタ５を通った音声信号レベルがレベル検出手段としての判定部６によって判定されるようになっている。

上記ローカットフィルタ５は、例えば、エアコンの作動音のような低い周波数の騒音がスピーカから出力されないようにする場合は、メモリ４に保存されている音声データ中、人の声の周波数領域よりも低い周波数領域のデータを遮断し、それ以外の周波数領域のデータを通すフィルタとする。あるいは、出席者がテーブルをたたき、あるいは物を落とした場合などに発生するインパルス音がスピーカから出力されないようにする場合、ローカットフィルタ５は、メモリ４に保存されている音声データ中、人の声の周波数領域よりも高い周波数領域のデータを通し、それ以外の周波数領域のデータを遮断するフィルタとする。また、ローカットフィルタ５は、メモリ４に保存されている音声データ中、人の声の周波数領域よりも低い周波数領域のデータを遮断しそれ以外の周波数領域のデータを通す第１のフィルタとして機能するとともに、メモリ４に保存されている音声データ中、人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断する第２のフィルタとしても機能するものであってもよい。第１のフィルタとして機能するローカットフィルタ５は、少なくとも人の声の周波数領域のデータを通すものであればよく、人の声の周波数領域のデータのみを通すバンドパスフィルタであってもよいし、人の声の周波数領域とそれ以上の領域のデータを通すものであってもよい。

上記判定部６は、ローカットフィルタ５を通った音声データから音声信号レベルを検出することによって、音声データが人の声のデータであるのか、エアコンの作動音のような低い周波数の騒音のデータなのか、または、インパルス音のデータなのかを判定する。エアコンの作動音のような低い周波数の騒音を検出するのであれば、上記第１のフィルタとして機能するフィルタ５の出力レベルの変化量が多いとき、判定部６が音声データは人の声のデータであると判定する。換言すれば、第１のフィルタとして機能するフィルタ５の出力レベルの変化量が少ない場合は、人の声ではないと判断する。判定部６はかかる判定動作をする第１のレベル検出手段を備えている。判定部６は、インパルス音を検出するのであれば、上記第２のフィルタとして機能するフィルタ５の出力レベルを検出し、検出の結果、高い成分がない場合に、音声データは人の声のデータであると判定する。換言すれば、第２のフィルタとして機能するフィルタ５の出力に高い音圧レベル成分があれば、判定部６がインパルス音であると判定する。判定部６はかかる判定動作をする第２のレベル検出手段を備えている。なお、第２のレベル検出手段は、第２のフィルタとして機能するフィルタ５の出力に、上記のように高い成分がないと判断した場合、または検出レベルの変化量が少ないと判断した場合に、音声データは人の声のデータであると判定するようにしてもよい。

前記ＤＳＰ３は、メモリ４から読み出される音声データのレベルを減衰させるミュート手段７を備えている。ミュート手段７は判定部６による判定結果によってミュートをかけるかまたはミュートを解除するかの切り換え制御が行われる。すなわち、判定部６による判定の結果、人の声のデータであると判定した場合はミュート手段７がミュートを解除し、メモリ４の読み出し信号をこれにミュートをかけることなく出力する。判定部６による判定の結果、人の声のデータではない、すなわち、低い周波数の騒音またはインパルス音であると判断した場合は、ミュート手段７はミュートをかけたままとし、メモリ４からの読み出しデータのレベルを減衰させる。

ミュート手段７の出力信号はデジタル・アナログ変換器８に入力されてアナログ信号に変換され、このアナログ信号に従ってドライブ回路（ドライバ）９がスピーカ１０を駆動し、スピーカ１０から音声として発せられるように構成されている。
デジタル・アナログ変換器８およびスピーカ１０は、複数のマイクロホン１に共通であって、複数のマイクロホン１からの音声信号を個別にＤＳＰ３で処理し、ミュート手段７でミュートを解除された音声信号がスピーカ１０から音声として発せられる。

次に、上記実施例の動作をより具体的に説明する。まず、図３を参照しながら、人の声と、空調装置の作動音と、インパルス音につき、それぞれの周波数領域を確認しておく。図３に示すように、人の声の周波数領域は５００Ｈｚから２ＫＨｚ程度であり、空調装置の作動音は１００Ｈｚから５００Ｈｚ程度であり、インパルス音は、低い周波数領域から高い周波数領域までを含む全周波数領域である。そこで、本発明はカット周波数の異なるローカットフィルタ、またはハイパスフィルタ、またはバンドパスフィルタを使い分け、マイクロホンで変換された音声信号をフィルタに通し、フィルタの出力レベルを見ることによって、音声信号が人の音声信号なのか、空調装置の作動音のような低周波数の騒音なのか、またはインパルス音なのかを判断し、この判断結果、人の音声信号と判断されたとき、ミュート手段７でミュートを解除し、スピーカ１０から人の音声が発せられるようにした。以上の動作を個別具体的に説明する。

図４は、人の音声がマイクロホンで拾われて電気信号に変換された場合を示すもので、図４（ｂ）は人の音声の周波数領域を示し、図４（ａ）は人の音声の周波数領域を通過させるローカットフィルタを備え、このローカットフィルタを通過した人の音声の音圧レベル変化を、時間軸を横にとって示している。図４（ａ）において一定の音圧レベルに沿って記した鎖線Ｓはスレッショルドレベル（閾値）を示している。図４（ａ）（ｂ）からわかるように、音声データ中、人の声の周波数領域よりも低い周波数領域のデータを遮断しそれ以外の少なくとも人の声の周波数領域のデータを通すフィルタを使用し、このフィルタを通過する音声データの音圧レベルが所定のスレッショルドレベルＳよりも高ければ、人の音声データであると判断することができる。よって、この場合は、一時的に前記メモリ４に保存された音声データの読み出し信号を、ミュート手段７でミュートをかけることなく出力させ、スピーカ１０から音声として出力させる。音声データがメモリ４に保存された時点からスピーカ１０から音声として出力されるまでの時間は、発言者が違和感を抱かない程度のごく短い時間であり、その間に上記一連の判断動作が行われる。

図５は、空調機の作動音のように、低い周波数領域の騒音がマイクロホンで拾われて電気信号に変換された場合を示す。図５（ｃ）はこの騒音の周波数領域を示し、図５（ａ）は上記低い周波数領域を通過させるバンドパスフィルタをかけてこのバンドパスフィルタを通過した周波数帯域の音声の音圧レベル変化を、時間軸を横にとり人の音声と比較して示している。図５（ｂ）は、空調機の作動音の音圧レベル変化量を、時間軸を横にとり人の音声と比較して示している。空調機の作動音を例にとると、図５（ａ）に示すように、人の音声よりも高い音圧レベルで長い時間軸上で連続的に騒音が発生している。また、図５（ｂ）に示すように、空調機の作動音の音圧レベル変化量は人の音声に比べて少なく、極めて単調である。図５（ｂ）に示すように、人の音声の変化量の平均値付近をスレッショルドレベルＳとすると、空調機の作動音の音圧レベル変化量はスレッショルドレベルＳよりも少ない。したがって、前記判定部６が、音圧レベル変化量は所定のスレッショルドレベルＳよりも少ないことを検出した場合は、図４について説明したように人の音声データであると判断しない限り、ミュート手段７によるミュート解除を禁止する。こうすることによって、空調機の作動音のように、低い周波数領域の騒音がスピーカ１０から発せられることはない。

図６は、インパルス音がマイクロホンで拾われて電気信号に変換された場合を示す。図６（ｂ）はインパルス音の周波数領域を示しており、人の音声の周波数領域よりも低い領域から２０ＫＨｚ以上に及ぶ広い範囲にわたっていることがわかる。図６（ａ）は、インパルス音の周波数領域を通過させるローカット（ハイパス）フィルタをかけ、このローカットフィルタを通過した周波数帯域の音声の音圧レベル変化を、時間軸を横にとって示している。インパルス音は、時間軸上の継続時間は短いが、音圧レベルは所定のスレッショルドレベルＳよりも高い。そこで、前記メモリ４に保存されている音声データ中、人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断するローカットフィルタをかけ、このフィルタを通過する音声データの音圧レベルが所定のスレッショルドレベルＳよりも高い場合は、前記判定部６においてインパルス音であると判定し、ミュート手段７によるミュート解除を禁止する。こうすることによって、インパルス音がスピーカ１０から発せられることを防止することができる。

図７は、以上説明した二つのローカットフィルタの特性線図である。曲線ａは空調機の作動音のような低い周波数領域の騒音を検出するためのフィルタであって、人の声の周波数領域よりも低い周波数領域のデータを遮断しそれ以外の周波数領域のデータを通すようになっている。このフィルタを第１のフィルタとする。曲線ｂは、インパルス音を検出するためのフィルタであって、人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断するようになっている。このフィルタを第２のフィルタとする。第２のフィルタｂを通すことによって人の声のデータを遮断することになるが、第２のフィルタｂを通過する音声データの音圧レベルが高ければ、それはインパルス音であり、人の声ではないと判断できる。

図１は、以上説明した音声会議装置の実施例の動作をまとめて示す。図１においてＳ１，Ｓ２，・・・とあるのは動作ステップを示す。まず、前記メモリ４に一時保存されている音声データを読み出し、これをローカットフィルタ５にかける。この場合のローカットフィルタ５は第１のフィルタであって、人の声の周波数領域よりも低い周波数でローカットするものである（Ｓ１）。次に、第１のフィルタを通過した音声データすなわちフィルタのカット周波数よりも高い周波数成分の音圧レベルを検出し、高い成分の音圧レベルの変化量が多いか少ないかを判断する。音圧レベルの変化量が多い場合は人の声であると判断し（Ｓ２）、次のステップＳ３に行く。上記音圧レベルの変化量が少ない場合は、人の声ではないと判断し、ステップＳ１に戻る。このステップＳ２での判断は前記判定部６によって行なうが、この場合の判定部６は第１のレベル検出手段として機能する。

ステップＳ３では、上記メモリ４から読み出した音声データを再びローカットフィルタ５にかける。この場合のローカットフィルタ５は第２のフィルタであって、人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断するフィルタである（Ｓ３）。次に、第２のフィルタを通過した音声データの音圧レベルを見て高い成分の有無を判断する（Ｓ４）。音圧レベルが高ければ人の声ではない、すなわちインパルス音と判断し、ステップＳ１に戻る。音圧レベルが低ければインパルス音は存在しないと判断することができるので、ここにおいて初めてミュートを解除し（Ｓ５）、前記スピーカ１０から音声を出力する（Ｓ６）。上記ステップＳ４での判断は前記判定部６によって行なうが、この場合の判定部６は第２のレベル検出手段として機能する。このように、人の音声であると判断しない限りミュート手段７のミュートが解除されず、ミュートがかかったままであるから、空調機の作動音のような低い周波数の騒音および、インパルス音がスピーカから出力されることを防止することができる。

なお、図１に示すステップＳ４では、高いレベル成分の有無の判断に代えて、検出レベルの変化量が多いか少ないかを判断するようにしてもよい。インパルス音は検出レベルの変化量が人の音声よりも多いため、検出レベルの変化量が多い場合はインパルス音と判断し、ミュートを解除することなく図１に示すステップＳ１に戻る。検出レベルの変化量が少ない場合は人の音声と判断し、ステップＳ５のミュート解除に進む。

図２からもわかるように、ミュート解除によってメモリ４からデジタル・アナログ変換器８に出力される音声データは、フィルタ５を通さない音声データである。
また、メモリ４に音声データが一時的に保存された時点から、フィルタ５を通し、判定部６によって人の音声信号と判断してミュート手段７によるミュート解除に至るまでの所要時間は、発言者が発言しスピーカ１０から発言が出力されるまでの時間遅れによって違和感を覚えない程度のごく僅かな時間である。

前述のとおり、マイクロホン１は会議出席者の人数に対応して複数本配置され、各マイクロホン１で変換され出力される音声データにつき、これまで説明してきた処理ないしは制御が行われる。つまり、デジタル信号への変換、メモリ４への一時保存、ローカットフィルタ５によるフィルタリング、判定部６による判断、ミュート手段７によるミュートの維持またはミュート解除が個々のマイクロホン１ごとに行われる。ただし、本発明は、複数のマイクロホンを使用することが必須ではなく、１本のマイクロホンを使用するものにおいても適用可能である。ミュート手段７によるミュート解除後の音声信号を音波に変換して出力するスピーカ１０は、各音声信号に共通に用いられる。また、一つのＤＳＰ３が各マイクロホン１から入力される音声データを個別に処理することができる。

本発明の一つの実施例によれば、空調機の作動音のような人の声の周波数領域よりも低い周波数の騒音がスピーカから出力されることを、ローカットフィルタと音圧レベルの判定部を用いた簡単な構成により、効果的に回避することができる。
本発明の別の実施例によれば、人の声の周波数領域よりも高い周波数を含むインパルス音がスピーカから出力されることを、ローカットフィルタと音圧レベルの判定部を用いた簡単な構成により、効果的に回避することができる。
本発明のさらに別の実施例によれば、上記二つの実施例を組み合わせることによって、空調機の作動音のような人の声の周波数領域よりも低い周波数の騒音と、人の声の周波数領域よりも高い周波数を含むインパルス音とがスピーカから出力されることを、ローカットフィルタと音圧レベルの判定部を用いた簡単な構成により、効果的に回避することができる。

なお、図示の実施例では、フィルタとしてローカットフィルタまたはハイパスフィルタを使用していたが、一定の周波数領域、例えば人の音声周波数領域の信号を通過させ、その領域よりも下の領域および上の領域の信号を遮断するようにしたバンドパスフィルタを使用してもよい。また、ローカットフィルタとバンドパスフィルタを適宜組み合わせてもよい。

次に、本発明にかかる音声会議装置の別の実施例について図面を参照しながら説明する。図９は、会議場に設置される音声会議装置の別の実施例を概略的に示すブロック図である。図９において、既に説明した実施例における音声会議装置と同じ機能ブロックには同じ符号を用いている。ここでは先の実施例とは異なる機能ブロックについて重点的に説明する。マイクロホン１は、一般的な音声会議装置では複数の発言者に対応してテーブルなどの上に複数本設置されるので（図９では１つのマイクのみが図示している）、各マイクロホン１が受けた音波を電気音響変換して出力される音声信号は、アナログ・デジタル変換器２でデジタル信号に変換されて、デジタル信号処理装置（以下「ＤＳＰ」という）３に含まれる音声データ保存手段としてのメモリ４に一時的に保存されるようになっている。メモリ４に一時保存されている音声信号は読み出されてＤＳＰ３に含まれるＦＩＲフィルタ５ａに通され、ＦＩＲ（Finite Impulse Response：有限インパルス応答）フィルタ５ａを通った音声信号レベルがレベル検出手段としての判定部６ａによって判定されるようになっている。

上記ＦＩＲフィルタ５ａは、上記の音声データに対して所定のパラメータを用いた積和演算を行なうことで、当該音声データから任意の周波数成分のみを抽出することができるフィルタである。ＦＩＲフィルタ５ａに用いるパラメータはＤＳＰ３に含まれるメモリ４に予め記憶されている。ＦＩＲフィルタ５ａはパラメータの選択によって、例えば、エアコンの作動音のような低い周波数の騒音や、紙のかすれ音などの高い周波数の騒音がスピーカから出力されないように、メモリ４に保存されている音声データ中、人の声の周波数領域のみのデータを通し、それ以外の周波数領域のデータは遮断するバンドパスフィルタとして動作させることができる。また、人の声以外の周波数領域よりも高い周波数領域のみのデータを通し、それ以外の周波数領域のデータは遮断するハイパスフィルタとして動作させることができる。本実施例においては、バンドパスフィルタとして動作するＦＩＲフィルタ５ａを第一フィルタとし、ハイパスフィルタとして動作するＦＩＲフィルタ５ａを第二フィルタとして説明する。

判定部６ａは、第一フィルタとして動作させるＦＩＲフィルタ５ａを通った音声データの音圧レベル（Ａ）と、第二フィルタとして動作させるＦＩＲフィルタ５ａを通った音声データの音圧レベル（Ｂ）を用いた演算処理を行なう。この演算結果が所定の値よりも小さいか大きいか比較した結果によって、上記のフィルタに通した音声データが人の声であるか否かを判定する。すなわち、音圧レベルＢを音圧レベルで除算した結果が、所定の値よりも小さい場合は、人の声であると判定する。なぜならば、音圧レベルＡは、人の声の周波数領域を通過した音声データの音圧レベルであり、音圧レベルＢは、人の声以外の周波数領域を通過した音声データの音圧レベルであるので、上記の比較演算によって所定の値よりも小さいということは、音圧レベルＡが音圧レベルＢに対して所定の割合で大きい、すなわち、人の声の周波数領域の音圧が、人の声以外の周波数領域の音圧よりも一定以上の大きさを有していることになるからである。

判定部６ａは、かかる判定動作をする演算手段と、演算結果を所定の値と比較する比較手段を有している。なお、上記の第一フィルタを音声周波数領域のみを通過させるバンドパスフィルタとして動作させ、上記の第二フィルタを音声周波数領域の上限周波数以下のみを通過させるローパスフィルタとして動作させて、第一フィルタ、第二フィルタを通った音声データに対して上記の判定動作をしてもよく、また、第一フィルタを音声周波数領域のみを通過させるバンドパスフィルタとして動作させ、第二フィルタを音声周波数領域外のみを通過させるバンドパスフィルタとして動作させて、上記の判定動作をしてもよい。また、比較する音声データの音圧レベルは絶対値でも実効値でもよい。

次に、本実施例の動作をより具体的に説明する。図３において説明したとおり、人の声の周波数領域は５００Ｈｚから２ＫＨｚ程度であり、空調装置の作動音は１００Ｈｚから５００Ｈｚ程度であり、拍手などのインパルス音は、低い周波数領域から高い周波数領域までを含む全周波数領域である。図１０は、マイクロホン１で拾われて電気信号に変換された音声データの音圧レベルを縦軸にとり、周波数を横軸に取った図と、この音声データを、ＦＩＲフィルタ５ａを通して音圧レベルの変化を、時間軸を横軸にとって示した図である。

図１０（ａ）に示すマイクロホン１で拾われて電気信号に変換され、メモリ４に保存された音声データを、第一フィルタとして動作するＦＩＲフィルタ５ａに通した後の音声データを示したものが図１０（ｂ）である。同様に、図１０（ａ）に示す音声データを、第二フィルタとして動作するＦＩＲフィルタ５ａに通した後の音声データを示したものが図１０（ｃ）である。図１０（ｂ）は音声帯域をバイパスした結果であるので、音圧レベルが高くなり、図１０（ｃ）は、音声帯域外をハイパスした結果であるので、音圧レベルが低くなる。図１０（ｂ）に示すものが前述の音声データＡに相当し、図１０（ｃ）に示したものが音声データＢに相当する。

図１１（ａ）は、インパルス音がマイクロホン１で拾われて電気信号に変換された例である。上記と同様に、第一フィルタをとして動作するＦＩＲフィルタ５ａに通した後の音声データの音圧レベルを示したものが図１１（ｂ）であり、第二フィルタとして動作するＦＩＲフィルタ５ａに通した後の音声データの音圧レベルを示したものが図１１（ｃ）である。図１１（ａ）に示すようにインパルス音は、音声帯域よりも低い周波数帯域から２０ｋＨｚ以上に及び広い範囲の周波数領域を有しているので、音声帯域をバイパスした結果である図１１（ｂ）の音圧レベルと、音声帯域外をハイパスした結果である図１１（ｃ）の音圧レベルは、ほぼ同じレベルとなる。図１１（ｂ）に示したものが上記の音声データＡに相当し、図１１（ｃ）に示したものが上記の音声データＢに相当する

このように、マイクロホン１に拾われて電気信号に変換された音声データを音声帯域のバンドパスフィルタに通した結果の音声データの音圧レベルと、同じ変換された音声データを音声帯域以外の帯域を通るフィルタに通した結果の音声データの音圧レベルを比較して、音声帯域の音圧レベルが高ければ、変換された音声データは人の声であると判定できる。音圧レベルの比較は、音声帯域の音声データの音圧レベルを１００とした場合に、音声帯域以外の音声データの音圧レベルの割合を求め、この割合の値が所定の数値以下であれば、音声帯域音圧レベルが高いと判定し、割合の値が所定の数値以上であれば、音声帯域以外の音圧レベルが音声帯域音圧レベルに近いので、人の声以外がマイクロホン１において拾われていると判定することができる。

人の声であると判定した場合は、一時的に前記メモリ４に保存された音声データの読み出し信号を、ミュート手段７でミュートをかけることなく出力させ、スピーカ１０から音声として出力させる。音声データがメモリ４に保存された時点からスピーカ１０から音声として出力されるまでの時間は、発言者が違和感を抱かない程度のごく短い時間であり、その間に上記一連の判断動作が行われる。

人の声では無いと判定した場合は、ミュート手段７によるミュート解除を禁止する。こうすることによって、人ｎ声のみをスピーカ１０から発することが出来、インパルス音がスピーカ１０から発せられることを防止することができる

図８は、以上説明した音声会議装置の実施例の動作をまとめて示す。図８においてＳ１１，Ｓ１２，・・・とあるのは動作ステップを示す。まず、前記メモリ４に一時保存されている音声データを読み出し、これを第一フィルタとして動作するＦＩＲフィルタ５ａにかける（Ｓ１）。次に、この第一フィルタを通過した音声データすなわち音声帯域に相当する周波数成分の音圧レベルを検出し、この音圧レベルが所定の閾値よりも多いか少ないかを判断する。音圧レベルが多い場合は人の声である可能性があると判断し（Ｓ１２）、次のステップＳ１３に行く。上記音圧レベルが低い場合は、人の声ではないと判断し、ステップＳ１１に戻る。このステップＳ１２での判断は前記判定部６ａによって行なうが、この場合の判定部６ａはレベル検出手段として機能する。

ステップＳ１３では、上記メモリ４から読み出した音声データを再びＦＩＲフィルタ５ａにかける。この場合のＦＩＲフィルタ５ａは第二フィルタであって、人の声の周波数領域よりも高い周波数領域のデータを通しそれ以外の周波数領域のデータを遮断するフィルタである（Ｓ１３）。次に、第二フィルタを通過した音声データの音圧レベルと、上記大地フィルタを通過した音声データの音圧レベルとを比較し、音声データが人の声であるか否かを判断する（Ｓ１４）。第二フィルタを通過した音声データの音圧レベルを、第一フィルタを通過した音声データの音圧レベルと比べた場合、その割合が所定の閾値よりも高ければ音声データは人の声ではないと判断し、ステップ１１に戻る。第二フィルタを通過した音声データの音圧レベルが、第一フィルタを通過した音声データの音圧レベルよりも低く、その割合が所定の閾値よりも少なければ、人の声であると判断することができるので、ここにおいて初めてミュートを解除し（Ｓ１５）、前記スピーカ１０から音声を出力する（Ｓ１６）。上記ステップＳ１４での判断は前記判定部６ａによって行なうが、この場合の判定部６ａは演算手段と、比較手段として機能する。このように、人の音声であると判断しない限りミュート手段７のミュートが解除されず、ミュートがかかったままであるから、空調機の作動音のような低い周波数の騒音および、インパルス音がスピーカから出力されることを防止することができる。

なお、図８に示すステップＳ１４では、比較する音圧は絶対値であってもよいし、実効値であっても良い。

図９からもわかるように、ミュート解除によってメモリ４からデジタル・アナログ変換器８に出力される音声データは、ＦＩＲフィルタ５ａを通さない音声データである。
また、メモリ４に音声データが一時的に保存された時点から、ＦＩＲフィルタ５を通し、判定部６ａによって人の音声信号と判断してミュート手段７によるミュート解除に至るまでの所要時間は、発言者が発言しスピーカ１０から発言が出力されるまでの時間遅れによって違和感を覚えない程度のごく僅かな時間である。

前述のとおり、マイクロホン１は会議出席者の人数に対応して複数本配置され、各マイクロホン１で変換され出力される音声データにつき、これまで説明してきた処理ないしは制御が行われる。つまり、デジタル信号への変換、メモリ４への一時保存、ＦＩＲフィルタ５ａによるフィルタリング、判定部６ａによる判断、ミュート手段７によるミュートの維持またはミュート解除が個々のマイクロホン１ごとに行われる。ただし、本発明は、複数のマイクロホンを使用することが必須ではなく、１本のマイクロホンを使用するものにおいても適用可能である。ミュート手段７によるミュート解除後の音声信号を音波に変換して出力するスピーカ１０は、各音声信号に共通に用いられる。また、一つのＤＳＰ３が各マイクロホン１から入力される音声データを個別に処理することができる。

なお、図８乃至図１１において示した実施例では、ＦＩＲフィルタ５ａを、第一フィルタを音声帯域のみ通過させるバンドパスフィルタとし、第二フィルタを音声帯域以上の通過させるハイパスフィルタとして使用していたが、第一フィルタは音声帯域を含むローパスフィルタとしてもよい。また、第一フィルタは、全帯域を通過させる設定としてもよい。また、第二フィルタは音声帯域以外を通過させるバンドパスフィルタとしてもよい。

本発明にかかる音声会議装置の実施例の動作を示すフローチャートである。本発明にかかる音声会議装置の実施例を示す回路ブロック図である。人の声と空調機の作動音とインパルス音の周波数領域を示すグラフである。人の声の特性を示すもので、（ａ）は音圧レベルのグラフ、（ｂ）は周波数領域のグラフである。空調機の作動音の特性を人の音声の特性と比較して示すもので、（ａ）は音圧レベル変化のグラフ、（ｂ）は音圧レベル変化量のグラフ、（ｃ）は周波数領域のグラフである。インパルス音の特性を示すもので、（ａ）は音圧レベルのグラフ、（ｂ）は周波数領域のグラフである。本発明に用いられる第１のフィルタおよび第２のフィルタの特性を示すグラフである。上記音声会議装置の別の実施例の動作を示すフローチャートである。上記音声会議装置の別の実施例を示す回路ブロック図である。人の声の特性を示すもので、（ａ）は周波数領域のグラフ、（ｂ）は音圧レベルのグラフである。インパルス音の特性を示すもので、（ａ）は周波数領域のグラフ、（ｂ）は音圧レベルのグラフである。

符号の説明

１マイクロホン
２アナログ・デジタル変換器
３ＤＳＰ
４音声データ保存手段としてのメモリ
５フィルタ
５ａＦＩＲフィルタ
６判定部
６ａ判定部
７ミュート手段
８デジタル・アナログ変換器
１０スピーカ

Claims

マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、
アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、
音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通すフィルタと、
フィルタを通った音声データのレベルを検出するレベル検出手段と、
レベル検出手段による検出結果検出レベルの変化量が多い場合に人の音声信号であると判定する判定手段を備えている音声会議装置。
マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、
アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、
音声データ保存手段に保存されている音声データ中人の声の周波数領域よりも高い周波数領域のデータを通すフィルタと、
フィルタを通った音声データのレベルを検出するレベル検出手段と、
レベル検出手段による検出結果高い成分がない場合または検出レベルの変化量が少ない場合に人の音声信号であると判定する判定手段を備えている音声会議装置。
判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、このミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出される音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、変換されたアナログ音声信号で駆動されるスピーカを備えている請求項１または２記載の音声会議装置。
マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、
アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、
音声データ保存手段に保存されている音声データ中人の声の周波数領域のデータを通す第１のフィルタと、
音声データ保存手段に保存されている音声データ中人の声の周波数領域よりも高い周波数領域のデータを通す第２のフィルタと、
第１のフィルタを通った音声データのレベルを検出する第１のレベル検出手段と、
第２のフィルタを通った音声データのレベルを検出する第２のレベル検出手段と、
第１のレベル検出手段による検出結果検出レベルの変化量が多くかつ上記第２のレベル検出手段による検出結果高い成分がない場合または検出レベルの変化量が少ない場合に人の音声信号であると判定する判定手段と、
判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、
ミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出された音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、
変換されたアナログ音声信号で駆動されるスピーカを備えている音声会議装置。
マイクロホンからの音声信号をデジタル信号に変換するアナログ・デジタル変換器と、
アナログ・デジタル変換器で変換されたデジタル信号を一時的に保存する音声データ保存手段と、
音声データ保存手段に保存されている音声データ中の人の声の周波数領域のデータを通す第一フィルタと、
音声保存手段に保存されている音声データ中の人の声の周波数領域以外のデータを通す第二フィルタと、
第一フィルタを通った音声データの音圧レベルと、第二フィルタを通った音声データの音圧レベルの比を演算し、第一フィルタを通った音声データの音圧レベルが、第二フィルタを通った音声データの音圧レベルよりも大きい場合に、人の音声信号であると判定する判定手段と、
判定手段が人の音声信号であると判定しているとき音声データ保存手段から読み出される信号レベルの減衰を解除するミュート手段と、
ミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出された音声データをアナログ音声信号に変換するデジタル・アナログ変換器と、
変換されたアナログ音声信号で駆動されるスピーカを備えている音声会議装置。
音声データ保存手段、フィルタ、レベル検出手段および判定手段は、デジタル信号プロセッサに含まれる請求項１乃至５のいずれかに記載の音声会議装置。
複数のマイクロホンを備え、各マイクロホンから入力される各音声信号に対応して、音声データ保存手段、フィルタ、レベル検出手段、判定手段がある請求項１乃至５のいずれかに記載の音声会議装置。
複数のマイクロホンを備え、各マイクロホンから入力される各音声信号に対応して、音声データ保存手段、フィルタ、レベル検出手段、判定手段、ミュート手段があり、ミュート手段により信号レベルの減衰が解除された音声データがデジタル・アナログ変換器で変換されスピーカを駆動する請求項３乃至５のいずれかに記載の音声会議装置。
ミュート手段が信号レベルの減衰を解除することによって音声データ保存手段から読み出される音声データは、音声データ保存手段から読み出されかつフィルタを通さない音声データである請求項３乃至５のいずれかに記載の音声会議装置。