JP2008259022A

JP2008259022A - 放収音装置

Info

Publication number: JP2008259022A
Application number: JP2007100489A
Authority: JP
Inventors: Toshiaki Ishibashi; 利晃石橋; Makoto Tanaka; 田中　　良; Norifumi Ukai; 訓史鵜飼
Original assignee: Yamaha Corp
Current assignee: Yamaha Corp
Priority date: 2007-04-06
Filing date: 2007-04-06
Publication date: 2008-10-23
Anticipated expiration: 2027-04-06
Also published as: JP5050616B2

Abstract

【課題】スピーカ、マイク一体型の構成であっても話者の音声だけを的確に判定し、遠方からの非定常音を誤って話者の音声と判定しないようにした放収音装置を提供する。
【解決手段】信号差分回路１９１は、収音ビームＭＢ１１〜ＭＢ１４と、収音ビームＭＢ２１〜ＭＢ２４の差分信号ＭＳ１〜ＭＳ４を出力する。レベル比較器１９５は、最大レベルの差分信号を選択する。波形整形回路１９７は、最大レベルの差分信号が所定閾値以上であれば有効音検出信号を制御部１０に出力する。制御部１０は、有効音検出信号が入力されている場合にのみ、ネットワークに音声信号を出力するよう設定する。
【選択図】図５

Description

この発明は、ネットワーク等を介して複数の地点間で行う音声会議等に用いる放収音装置、特にマイクとスピーカとが比較的近い位置に配置された放収音装置に関するものである。

従来、遠隔地間で音声会議を行う方法として、音声会議を行う地点毎に放収音装置を設置して、これら装置をネットワークで接続し、音声信号を通信する方法が多く用いられている。このような音声会議装置は、マイクで収音した音声の信号レベルから、有音、無音を判定し、無音時には音声情報を送信しない機能が搭載されている。無音時に音声情報を送信しない構成とすることで、送信する情報量を下げることができる。

しかし、上記のような音声会議装置では、高レベルの背景音（空調機などのノイズ）が存在すると、常に有音と判定してしまう。また、話者の発声レベルが低く、話者の入力音声信号レベルが低い場合は、常に無音と判定してしまう。そこで、入力音声信号のパワーを背景音との相対レベルから判定し、背景音が大きい場合や話者の発声レベルが低い場合等であっても、その話者の音声の入力を的確に判定するようにした装置が提案されている（例えば特許文献１参照）。
特開平１１−２０５４６０号公報

しかしながら、特許文献１の装置では、スピーカからの回り込み音声がマイクに入力されると、これを話者の音声と誤判定してしまうという問題が有った。また、特許文献１の装置では、定常的な背景音を排除することができるが、例えば遠方から入力された非定常音は話者の音声と誤判定してしまうという問題が有った。

この発明は、スピーカ、マイク一体型の構成であっても話者の音声だけを的確に判定し、遠方からの非定常音を誤って話者の音声と判定しないようにした放収音装置を提供することを目的とする。

この発明の放収音装置は、所定基準面に対して対称となる音圧で音声を放音するスピーカと、前記所定基準面の一方側の音声を収音する第１マイク群および他方側の音声を収音する第２マイク群と、前記第１マイク群の収音信号に基づく第１収音ビーム群の各収音ビームと、前記第２マイク群の収音信号に基づく第２収音ビーム群の各収音ビームと、を前記所定基準面に対して対称に生成する収音ビーム生成手段と、前記第１収音ビーム群の各収音ビームと、対称に生成した前記第２収音ビームの各収音ビームと、の差分信号をそれぞれ生成する差分信号生成手段と、各差分信号の絶対レベルを比較し、最大レベルの差分信号を選択する信号比較手段と、前記最大レベルの差分信号の絶対レベルが所定の閾値以上である場合に有効音検出信号を出力する差分信号レベル検出手段と、前記差分信号レベル検出手段が有効音検出信号を出力している場合にのみ、前記信号比較手段が選択した最大レベルの差分信号を出力する収音ビーム出力手段と、を備えたことを特徴とする。

この構成では、第１収音ビーム群の各収音ビームと、第２収音ビーム群の各収音ビームとが基準面に対して対称であるので、面対称の関係にある収音ビーム同士の回り込み音声成分は基準面に垂直な方向に対して同じ大きさになる。この面対称の関係にある各収音ビームを差分して差分信号を生成し、これらの信号レベルを比較する。その結果、最大レベルとなる差分信号を出力信号として選択する。さらに、最大レベルとなる差分信号の絶対レベルが所定閾値以上であるか否かを検出し、所定閾値以上である場合にのみ出力信号を外部出力する。

また、この発明の放収音装置は、前記第１マイク群と前記第２マイク群とは、それぞれに複数のマイクが前記所定基準面に沿って一直線状に配列されたマイクアレイであることを特徴とする。

この構成では、所定基準面に沿ってマイクアレイを構成することで、各マイクの収音信号に基づいて収音ビームを生成する場合に、各収音信号に対して遅延処理等の簡素な信号処理を行うだけでよい。

また、この発明の放収音装置は、前記差分信号レベル検出手段は、前記最大レベルの差分信号の絶対レベルが前記所定の閾値未満である状態が所定時間以上継続したとき有効音検出信号の出力を停止することを特徴とする。

この構成では、最大レベルとなる差分信号の絶対レベルが所定閾値未満である状況が所定時間以上継続した場合に、出力信号を外部に出力しない。所定閾値未満となった時点で即信号出力を停止するのではなく、所定時間以上継続した場合に停止する構成としたことで、短い切れ目が存在する一連の会話内容を続けて出力することができる。

この発明の放収音装置は、所定基準面に対して対称となる音圧で音声を放音するスピーカと、前記所定基準面の一方側の所定エリアの音声を第１の収音信号として収音する第１の収音手段、および前記所定基準面に対して前記第１の収音信号と対称となる他方側のエリアの音声を第２の収音信号として収音する第２の収音手段と、前記第１の収音信号と、前記第２の収音信号と、の差分信号を生成する差分信号生成手段と、前記差分信号の絶対レベルが所定の閾値以上である場合に有効音検出信号を出力する差分信号レベル検出手段と、前記差分信号レベル検出手段が有効音検出信号を出力している場合にのみ、前記差分信号を出力する制御手段と、を備えたことを特徴とする。

この構成では、第１の収音信号と、第２の収音信号とが基準面に対して対称のエリアを収音した音声信号であるので、面対称の関係にある各収音信号の回り込み音声成分は基準面に垂直な方向に対して同じ大きさになる。この面対称の関係にある各収音信号を差分して差分信号を生成する。さらに、最大レベルとなる差分信号の絶対レベルが所定閾値以上であるか否かを検出し、所定閾値以上である場合にのみ差分信号を外部出力する。なお、基準面に対称のエリアを収音するためには、基準面に対して互いに指向軸が対称の方向を向いた２つの単一指向性のマイクを用いればよい。また、複数のマイクからなるマイクアレイを基準面に対して対称に構成することにより、基準面に対して対称な２つの収音ビームを生成するようにしてもよい。

また、この発明の放収音装置は、前記第１の収音手段、および前記第２の収音手段は、それぞれ複数のマイクが前記所定基準面に沿って一直線状に配列されたマイクアレイと、それぞれのマイクアレイに対して収音すべきエリアと反対の方向に仮想焦点を設定し、各マイクが収音した音声信号を、前記仮想焦点までの距離が等しくなるようにそれぞれ遅延して合成することにより、前記第１の収音信号、および第２の収音信号を前記所定基準面に対して対称のエリアから収音する収音ビーム生成手段と、からなることを特徴とする。

この発明では、所定基準面に沿ってマイクアレイを構成する。マイクアレイの後方に焦点を設定し、この焦点に収束する波面で音声信号を収音する。ここで、「仮想焦点までの距離が等しくなるように遅延する」とは、マイクアレイの複数のマイクは仮想焦点との距離がそれぞれ異なるが、これら複数のマイクを仮想焦点から等距離に配列したようなタイミングで信号を合成できるように仮想焦点から遠いマイクの収音信号を遅延させる処理である。このような処理をすることにより、仮想焦点からマイクアレイの両端を通過する２本の半直線で挟まれる範囲が収音エリアとなる。これらの収音エリアを基準面に対して対称とすることにより、第１の収音信号、および第２の収音信号を前記所定基準面に対して対称のエリアから収音する。

この発明によれば、面対称の関係にある各収音信号を差分して差分信号を生成し、最大レベルとなる差分信号の絶対レベルが所定閾値以上であるか否かを検出し、所定閾値以上である場合にのみ差分信号を外部出力する構成としたことで、スピーカ、マイク一体型の構成であっても話者の音声（有効な音声）だけを的確に判定し、有効な音声だけを外部に出力することができる。

本発明の第１の実施形態に係る放収音装置について図を参照して説明する。
図１は、本実施形態に係る放収音装置１のマイク、スピーカ配置を示す平面図である。
本実施形態の放収音装置１は、筐体１０１に、複数のスピーカＳＰ１〜ＳＰ３、複数のマイクＭＩＣ１１〜ＭＩＣ１７，ＭＩＣ２１〜ＭＩＣ２７を備えて成る。

筐体１０１は一方向に長尺な略直方体形状からなり、筐体１０１の長尺な辺（面）の両端部には、筐体１０１の下面を設置面から所定間隔離間する所定高さの脚部（図示せず）が設置されている。なお、以下の説明では、筐体１０１の四側面のうち、長尺な面を長尺面、短尺な面を短尺面と称する。

筐体１０１の下面には、同形状からなる無指向性の単体スピーカＳＰ１〜ＳＰ３が設置されている。これら単体スピーカＳＰ１〜ＳＰ３は長尺方向に沿って一定の間隔で直線状に設置されており、且つ、各単体スピーカＳＰ１〜ＳＰ３の中心を結ぶ直線は、筐体１０１の長尺面に沿い、短尺面の中心間を結ぶ中心軸１００に対して水平方向位置が一致するように設置されている。すなわち、中心軸１００を含む垂直な基準面にスピーカＳＰ１〜ＳＰ３の中心を結ぶ直線が配置される。このように、単体スピーカＳＰ１〜ＳＰ３を配列設置することでスピーカアレイＳＰＡ１０が構成される。このような状態では、スピーカアレイＳＰＡ１０の各単体スピーカＳＰ１〜ＳＰ３から音声を放音すると、放音音声は二つの長尺面に同等に伝わる。この際、二つの対向する長尺面に伝搬する放音音声は、前記基準面に対して直交する互いに対称な方向へ進行する。

筐体１０１の一方の長尺面には、同一仕様のマイクＭＩＣ１１〜ＭＩＣ１７が設置されている。これらマイクＭＩＣ１１〜ＭＩＣ１７は長尺方向に沿って一定の間隔で直線状に設置されており、これによりマイクアレイＭＡ１０が構成される。また、筐体１０１の他方の長尺面にも、同一仕様のマイクＭＩＣ２１〜ＭＩＣ２７が設置されている。これらマイクＭＩＣ２１〜ＭＩＣ２７も長尺方向に沿って一定の間隔で直線状に設置されており、これにより、マイクアレイＭＡ２０が構成される。マイクアレイＭＡ１０とマイクアレイＭＡ２０とはその配列軸の垂直位置が一致するように配置されており、さらに、マイクアレイＭＡ１０の各マイクＭＩＣ１１〜ＭＩＣ１７と、マイクアレイＭＡ２０の各マイクＭＩＣ２１〜ＭＩＣ２７とは、それぞれ前記基準面に対して対称な位置に配置されている。具体的に、例えば、マイクＭＩＣ１１とマイクＭＩＣ２１とが基準面に対して対称の関係にあり、同様にマイクＭＩＣ１７とマイクＭＩＣ２７とが対称の関係にある。

なお、本実施形態では、スピーカアレイＳＰＡ１０のスピーカ数を３本とし、各マイクアレイＭＡ１０，ＭＡ２０のマイク数をそれぞれ７本としたが、これに限ることなく、仕様に応じてスピーカ数およびマイク数は適宜設定すればよい。また、スピーカアレイの各スピーカ間隔およびマイクアレイの各マイク間隔は一定ではなくてもよく、例えば、長尺方向に沿って中央部で密に配置され、両端部に向かうに従って疎に配置されるような態様でもよい。

本実施形態の放収音装置は、各マイクで収音した音声をそれぞれ遅延して合成することにより、マイクアレイ全体としての収音指向性をビーム化する。この収音ビームの向かう先で、特定のスポットまたはエリアで発生した発話者の音声を高いゲインで収音するとともに、発話者以外の音声（ノイズ）を抑制する。なお、ビーム化された収音指向性を収音ビームと呼ぶ。

この実施形態の放収音装置では、上記収音指向性のビーム化を２つのモードで行うことができる。図２は、この２つのモードを説明する図である。同図（Ａ）は、第１のモードであるスポット収音モードを説明する図である。また、同図（Ｂ）は、第２のモードであるエリア収音モードを説明する図である。

同図（Ａ）において、スポット収音モードは、収音したい地点（収音スポット）に焦点を結ぶような収音ビームを形成し、狭い範囲の音声を高ゲインで収音するモードである。ここで、収音スポットＰ１〜Ｐ４は、たとえば会議出席者の着席位置等に設定される。各マイクＭＩＣ１１〜ＭＩＣ１７（またはＭＩＣ２１〜ＭＩＣ２７）が収音した音声信号を、焦点（同図においてはＦ４）から等距離になるように遅延したのち合成することにより、焦点周辺で発生した音声を高ゲインで取り出すことができる。

ここで、焦点から等距離とは、焦点からマイクまでの物理的な距離と、マイクで収音した音声信号の遅延時間に音速を乗じた距離の和が各マイクに関して等しくなるということである。

なお、スポット収音モードでは、収音スポットを、会議室の座席等に合わせて複数設定する。例えば、図３（Ａ）に示すように、マイクアレイＭＡ１０は、各収音スポットに向けた収音ビームＭＢ１１〜ＭＢ１４を並行して形成し、マイクアレイＭＡ２０は、各収音スポットに向けた収音ビームＭＢ２１〜ＭＢ２４を並行して形成する。

次に、図２（Ｂ）は、エリア収音モードを説明する図である。このモードは、マイクアレイの後方に仮想的な焦点Ｆ１０を設定し、この焦点Ｆ１０に向かう音声信号をマイクアレイで収音するモードである。このモードでは、前記仮想的な焦点Ｆ１０からマイクアレイの両端ＭＩＣ１１，ＭＩＣ１７を通過する２本の半直線Ｒ１０，Ｒ１１で挟まれた範囲が収音エリアとなる。なお、エリア収音モードにおける仮想焦点位置は、Ｆ１０の位置に限定されず、収音したいエリアに応じて設定される。図２（Ｂ）において、仮想的な焦点Ｆ１０に最も近いマイクはマイクＭＩＣ１１であり、その距離はＬ１１である。他のマイクＭＩＣ１２〜ＭＩＣ１７から焦点Ｆ１０までの距離Ｌ１２〜Ｌ１７は、Ｌ１１よりも長い。そこで、マイクＭＩＣ１２〜ＭＩＣ１７から焦点までの仮想的な距離が、マイクＭＩＣ１１とＦ１０との距離Ｌ１１に等しくなるように、マイクＭＩＣ１２〜ＭＩＣ１７で収音した信号に対して、Ｌ１２〜Ｌ１７とＬ１１との差に相当する遅延を付与する。これにより、収音エリアから到来した音声は、各マイクで収音されたのち、上記遅延によってタイミングが調整され、略同じタイミングで合成され、レベルを高くすることができる。

エリア収音モードは、上述のスポット収音モードに比べて収音する範囲が広い分、ゲインは高くないが、広いエリアを一括して収音することができ、話者が移動した場合に追従しなくても的確に収音することができる。このエリア収音モードでは、例えば、図３（Ｂ）に示すように、マイクアレイＭＡ１０は、マイクＭＩＣ１１〜ＭＩＣ１７の前面収音エリアに向けた収音ビームＭＢ１０１を形成し、マイクアレイＭＡ２０は、マイクＭＩＣ２１〜ＭＩＣ２７の前面収音エリアに向けた収音ビームＭＢ２０１を形成する。

次に、図４は、放収音装置１の構成を示すブロック図である。図４に示すように、本実施形態の放収音装置１は、操作部４、制御部１０、入出力コネクタ１１、入出力Ｉ／Ｆ１２、放音指向性制御部１３、Ｄ／Ａコンバータ１４、放音用アンプ１５、前述のスピーカアレイＳＰＡ１０（スピーカＳＰ１〜ＳＰ３）、前述のマイクアレイＭＡ１０，ＭＡ２０（マイクＭＩＣ１１〜ＭＩＣ１７，ＭＩＣ２１〜ＭＩＣ２７）、収音用アンプ１６、Ａ／Ｄコンバータ１７、収音ビーム生成部１８１，１８２、収音ビーム選択・補正部１９、および、エコーキャンセル部２０を備える。

制御部１０は、放収音装置１を統括的に制御し、収音ビーム生成部１８１、１８２、および収音ビーム選択・補正部１９に上述の２つの収音モードの切り換えを指示する。操作部４は、利用者からの操作入力を受け付けて制御部１０に出力する。利用者は、操作部４を用いて２つの収音モードの切り換え指示をすることができる。また、制御部１０は、収音ビーム選択・補正部１９が検出する各収音ビームの信号レベルに基づいて、入出力Ｉ／Ｆ１２に対し、音声信号を出力するか否かを設定する。すなわち、収音ビーム選択・補正部１９は、各収音ビームの信号レベルから、有効音、無効音を判定し、制御部１０は、有効音の判定結果を取得したときのみ音声信号を出力するように設定する。詳細は後述する。

入出力Ｉ／Ｆ１２は、入出力コネクタ１１を介して入力された、他の放収音装置からの入力音声信号をネットワークに対応するデータ形式（プロトコル）から変換して、エコーキャンセル部２０を介して放音指向性制御部１３に与える。また、入出力Ｉ／Ｆ１２は、エコーキャンセル部２０で生成される出力音声信号をネットワークに対応するデータ形式（プロトコル）に変換して、入出力コネクタ１１を介して、ネットワークに送信する。

放音指向性制御部１３は、放音指向性が設定されていなければ、スピーカアレイＳＰＡ１０の各スピーカＳＰ１〜ＳＰ３へ、入力音声信号に基づく放音信号を同時に与える。また、放音指向性制御部１３は、仮想点音源の設定等の放音指向性が指定されると、指定された放音指向性に基づいて、スピーカアレイＳＰＡ１０の各スピーカＳＰ１〜ＳＰ３にそれぞれ固有の遅延処理及び振幅処理等を入力音声信号に対して行うことで個別放音信号を生成する。放音指向性制御部１３は、これら個別放音信号をスピーカＳＰ１〜ＳＰ３毎に設置されたＤ／Ａコンバータ１４に出力する。各Ｄ／Ａコンバータ１４は個別放音信号をアナログ形式に変換して各放音用アンプ１５に出力し、各放音用アンプ１５は個別放音信号を増幅してスピーカＳＰ１〜ＳＰ３に与える。

スピーカＳＰ１〜ＳＰ３は、与えられた個別放音信号を外部に放音する。スピーカＳＰ１〜ＳＰ３は筐体１０１の下面に設置されているので、放音された音声は、放収音装置１が設置される机の設置面を反射して、装置の横から会議者のいる斜め上方に向かって伝搬される。また、放音音声の一部は、放収音装置１の底面からマイクアレイＭＡ１０，ＭＡ２０が設置された側面へ回り込む。

マイクアレイＭＡ１０，ＭＡ２０の各マイクＭＩＣ１１〜ＭＩＣ１７、ＭＩＣ２１〜ＭＩＣ２７は、無指向性であっても有指向性であってもよいが、有指向性であることが望ましく、放収音装置１の外部からの音声を収音して収音信号を各収音用アンプ１６に出力する。

この際、このようなスピーカアレイＳＰＡ１０の構成およびマイクアレイＭＡ１０，ＭＡ２０の構成から、基準面に対して対称位置にあるマイクアレイＭＡ１０のマイクＭＩＣ１ｎ（ｎ＝１〜７）と、マイクアレイＭＡ２０のマイクＭＩＣ２ｎ（ｎ＝１〜７）とで、スピーカアレイＳＰＡ１０の単体スピーカＳＰ１〜ＳＰ３からの回り込み音声が、同等に収音される。

各収音用アンプ１６は、収音信号を増幅してそれぞれＡ／Ｄコンバータ１７に与え、Ａ／Ｄコンバータ１７は、収音信号をデジタル変換して収音ビーム生成部１８１，１８２に出力する。収音ビーム生成部１８１には、一方の長尺面に設置されたマイクアレイＭＡ１０の各マイクＭＩＣ１１〜ＭＩＣ１７での収音信号が入力され、収音ビーム生成部１８２には、他方の長尺面に設置されたマイクアレイＭＡ２０のマイクＭＩＣ２１〜ＭＩＣ２７での収音信号が入力される。

収音ビーム生成部１８１、収音ビーム生成部１８２は、制御部１０から指定された収音モードに基づいて、図２、図３に示したスポット型の収音ビームまたはエリア型の収音ビームのいずれかを形成するべく、各マイクが収音した音声信号に対して遅延処理を行う。

収音ビーム生成部１８１は、各マイクＭＩＣ１１〜ＭＩＣ１７の収音信号に対して所定の遅延処理等を行い、スポット収音モード時には、上述したように特定のスポットから到来する音声を強調した信号である収音ビームＭＢ１１〜ＭＢ１４を生成する。また、エリア収音モード時には、特定のエリアから到来する音声信号を強調した信号である収音ビームＭＢ１０１を生成する。収音ビームＭＢ１１〜ＭＢ１４は、図３（Ａ）に示すように、マイクＭＩＣ１１〜ＭＩＣ１７が設置された長尺面側で当該長尺面に沿ってそれぞれに異なる所定幅の領域が収音ビーム領域（収音ビームによって強調される特定の空間、方向）として設定されている。収音ビームＭＢ１０１は、図３（Ｂ）に示すように、マイクＭＩＣ１１〜ＭＩＣ１７が設置された長尺面側で当該長尺面に沿って所定幅の領域（広エリア）が収音ビーム領域として設定されている。

収音ビーム生成部１８２は、各マイクＭＩＣ２１〜ＭＩＣ２７の収音信号に対して所定の遅延処理等を行い、スポット収音モード時には、収音ビームＭＢ２１〜ＭＢ２４を生成する。また、エリア収音モード時には収音ビームＭＢ２０１を生成する。収音ビームＭＢ２１〜ＭＢ２４は、図３（Ａ）に示すように、マイクＭＩＣ２１〜ＭＩＣ２７が設置された長尺面側で当該長尺面に沿ってそれぞれに異なる所定幅の領域が収音ビーム領域として設定されている。収音ビーム２０１は、図３（Ｂ）に示すように、マイクＭＩＣ２１〜ＭＩＣ２７が設置された長尺面側で当該長尺面に沿って所定幅の領域（広エリア）が収音ビーム領域として設定されている。

この際、収音ビームＭＢ１１と収音ビームＭＢ２１とは、前記中心軸１００を有する垂直面（基準面）に対して対称なビームとして形成される。同様に、収音ビームＭＢ１２と収音ビームＭＢ２２、収音ビームＭＢ１３と収音ビームＭＢ２３、収音ビームＭＢ１４と収音ビームＭＢ２４も、前記基準面に対して対称なビームとして形成される。また、収音ビームＭＢ１０１と収音ビームＭＢ２０１も、前記基準面に対して対称なビームとして形成される。

収音ビーム選択・補正部１９は、スポット収音モード時に入力された収音ビームＭＢ１１〜ＭＢ１４と、収音ビームＭＢ２１〜ＭＢ２４との差分信号をそれぞれ算出し、これらの差分信号のうち最もレベルの高い信号を選択し、その差分信号を補正収音ビームＭＢとしてエコーキャンセル部２０に出力する。また、収音ビーム選択・補正部１９は、エリア収音モード時に入力された収音ビームＭＢ１０１と、収音ビームＭＢ２０１との差分信号を算出して、この差分信号を補正収音ビームＭＢとしてエコーキャンセル部２０に出力する。

さらに、収音ビーム選択・補正部１９は、選択した差分信号の信号レベルから、有効音、無効音の判定結果を制御部１０に出力する。収音ビーム選択・補正部１９は、差分信号の信号レベルの絶対値が所定の閾値以上であれば有効音、閾値未満が所定時間以上継続していれば無効音として判定する。

図５は、収音ビーム選択・補正部１９の主要構成を示すブロック図である。
収音ビーム選択・補正部１９は、信号差分回路１９１、ＢＰＦ（バンドパスフィルタ）１９２、全波整流回路１９３、ピーク検出回路１９４、レベル比較器１９５、信号選択回路１９６、波形整形回路１９７、および減算器１９９を備える。

信号差分回路１９１は、収音ビームＭＢ１１〜ＭＢ１４、ＭＢ２１〜ＭＢ２４から、前記基準面に対称な収音ビーム同士を差分演算する。具体的に、収音ビームＭＢ１１とＭＢ２１とを差分演算して差分信号ＭＳ１を生成し、収音ビームＭＢ１２とＭＢ２２とを差分演算して差分信号ＭＳ２を生成する。また、収音ビームＭＢ１３とＭＢ２３とを差分演算して差分信号ＭＳ３を生成し、収音ビームＭＢ１４とＭＢ２４とを差分演算して差分信号ＭＳ４を生成する。このように生成される差分信号ＭＳ１〜ＭＳ４では、元となる収音ビーム同士が基準面上のスピーカアレイの軸に対して対称になる。

ＢＰＦ１９２は、ビーム特性を主に有する帯域および人の音声の主成分帯域を通過帯域とするバンドパスフィルタであり、差分信号ＭＳ１〜ＭＳ４を帯域通過フィルタ処理して、全波整流回路１９３に出力する。全波整流回路１９３は、差分信号ＭＳ１〜ＭＳ４を全波整流（絶対値化）し、ピーク検出回路１９４は、全波整流された差分信号ＭＳ１〜ＭＳ４のピーク検出を行い、ピーク値データＰｓ１〜Ｐｓ４を出力する。レベル比較器１９５は、ピーク値データＰｓ１〜Ｐｓ４を比較して、最も高いレベルのピーク値データＰｓに対応する差分信号ＭＳを選択する選択指示データを信号選択回路１９６に与える。また、レベル比較器１９５は、ピーク値データＰｓ１〜Ｐｓ４のうち、最も高いレベルのピーク値データＰｓを波形整形回路１９７に出力する。

波形整形回路１９７は、レベル比較器１９５から入力されたピーク値データＰｓが所定の閾値以上であるか、閾値未満であるかを判定し、閾値以上であれば有効音検出信号を制御部１０に出力し、閾値未満が所定時間以上（例えば５０ｍｓｅｃ）継続していれば無効音検出信号を制御部１０に出力する、または有効音検出信号の出力を停止する。波形整形回路１９７は、レベル比較器１９５から入力されたピーク値データＰｓが閾値未満であっても所定時間内であれば有効音検出信号を出力し続ける。制御部１０は、有効音検出信号が入力された時のみ入出力Ｉ／Ｆ１２に音声信号を出力するように設定し、無効音検出信号が入力された時（有効音検出信号が入力されない時）は入出力Ｉ／Ｆ１２に音声信号を出力しないように設定する。

これは、発話者が存在する収音領域に対応する収音ビームの信号レベルが他の領域に対応する収音ビームの信号レベルよりも高いことを利用している。すなわち、基準面に対して対称関係にある収音ビーム同士において、一方が発話者の存在する収音領域に対応する収音ビームである場合、差分信号の信号レベルは、発話者からの発声音に基づいて或る程度の高さで存在する。ところが、双方が発話者の存在しない領域に対応する収音ビームである場合、互いの回り込み音声成分が相殺し合い、差分信号の信号レベルは極低くなる。このため、発話者の存在する収音領域に対応する収音ビームを含む差分信号が、他の差分信号よりも信号レベルが高くなる。したがって、最も信号レベルの高い差分信号を選択することで、発話者方向を検出することができ、また、この差分信号の信号レベルが所定閾値以上であれば発話者からの発声音が有ると判断することができる。

図６は、本実施形態の放収音装置１を机Ｃ上に配置し、二人の会議者Ａ，Ｂが会議を行っている状況を示した図であり、（Ａ）は会議者Ａが発言している状況、（Ｂ）は会議者Ｂが発言している状況、（Ｃ）は会議者Ａ，Ｂともに発言せず、遠方の音源Ｄから突発音が発生した状況を示す。

例えば、図６（Ａ）に示すように、収音ビームＭＢ１３に対応する領域にいる会議者Ａが発言すると、収音ビームＭＢ１３の信号レベルが他の収音ビームＭＢ１１，ＭＢ１２，ＭＢ１４、ＭＢ２１〜ＭＢ２４の信号レベルよりも高くなる。このため、収音ビームＭＢ１３から収音ビームＭＢ２３を差分した差分信号ＭＳ３の信号レベルが差分信号ＭＳ１，ＭＳ２，ＭＳ４の信号レベルよりも高くなる。この結果、差分信号ＭＳ３のピーク値データＰｓ３が、他のピーク値データＰｓ１，Ｐｓ２，Ｐｓ４より高くなり、レベル比較器１９５は、ピーク値データＰｓ３を検出して、差分信号ＭＳ３を選択する選択指示データを信号選択回路１９６に与える。また、ピーク値データＰｓ３は高レベル（閾値以上）であるため、波形整形回路１９７は、ピーク値データＰｓ３が所定閾値を超えているとして、有効音検出信号を制御部１０に出力する。

図７は、各収音ビーム、および差分信号の信号レベル（平均エネルギ）を示した図である。同図に示すグラフの横軸は時間を表す。同図（Ａ）は、各収音ビームの信号レベルを示した図であり、同図（Ｂ）は、差分信号のうち、いずれか１つの信号レベルを示した図である。同図（Ｃ）は、波形整形回路１９７が出力する有効音／無効音検出信号を示した図である。

同図（Ａ）に示すように、各収音ビームは、収音領域内で音声が発生していない場合に、平均エネルギが２０ｄＢ程度を示しており、音声が発生すると、４０〜６０ｄＢ程度の平均エネルギを示す。ここで、各収音ビームは、４００〜７００ｍｓｅｃの区間で４０〜６０ｄＢ程度の平均エネルギを示している。これらの収音ビームは、基準面に対して対称関係にある収音ビーム同士において、双方が同程度の平均エネルギを有するため、同図（Ｂ）に示すように、差分信号の平均エネルギがゼロｄＢ程度となる。したがって、この場合、波形整形回路１９７は、ピーク値データＰｓが所定閾値未満であり、この状況が所定時間（例えば５０ｍｓｅｃ）以上継続しているとして、無効音検出信号を制御部１０に出力する。なお、この場合、レベル比較器１９５Ａは、直前の最高レベルのピーク値データＰｓに基づいて選択指示データを信号選択回路１９６に与える。

一方で、各収音ビームは、７００〜９００ｍｓｅｃの区間においても４０〜６０ｄＢ程度の平均エネルギを示しているが、いずれか１つの収音ビームが他の収音ビームよりも１０ｄＢ程度高い平均エネルギを示す。この状況は、図６（Ａ）に示したようないずれか１つの収音領域で発話者から音声が発生された状態である。したがって、同図（Ｂ）に示すように、差分信号ＭＳ３の平均エネルギが１０ｄＢ程度となる。この場合、波形整形回路１９７は、ピーク値データＰｓ３が所定閾値（例えば５ｄＢ）以上であるとして、有効音検出信号を制御部１０に出力する。

また、各収音ビームは、続く９００〜１１００ｍｓｅｃ区間でも、４０〜６０ｄＢ程度の平均エネルギを示しているが、これらの収音ビームは、基準面に対して対称関係にある収音ビーム同士において、双方が同程度の平均エネルギを有する。したがって、上述のように、差分信号の平均エネルギがゼロｄＢ程度となり、波形整形回路１９７は、無効音検出信号を制御部１０に出力する。

一方、図６（Ｂ）に示すように、収音ビームＭＢ２１に対応する領域にいる会議者Ｂが発言すると、レベル比較器１９５Ａは、ピーク値データＰｓ１を検出して、差分信号ＭＳ１を選択する選択指示データを信号選択回路１９６に与える。この場合、図７（Ａ）の、１１００〜１２００ｍｓｅｃ区間に示すように、各収音ビームは、４０〜６０ｄＢ程度の平均エネルギを示しているが、いずれか１つの収音ビーム（収音ビームＭＢ２１）が他の収音ビームよりも１０ｄＢ程度高い平均エネルギを示す。

したがって、同図（Ｂ）に示すように、差分信号ＭＳ１の平均エネルギが−１０ｄＢ程度となる。なお、この図７（Ｂ）では、説明を容易にするために、７００〜９００ｍｓｅｃ区間では差分信号ＭＳ３を、１１００〜１２００ｍｓｅｃ区間では、差分信号ＭＳ１の平均エネルギを示しているが、無論本音声会議装置は、それぞれの差分信号を算出しているものとする。ここで、差分信号がマイナスを示しているのは、信号差分回路１９１がマイクアレイＭＡ１０側の収音ビームからマイクアレイＭＡ２０側の収音ビームの信号レベルを減算しているからである。この場合、波形整形回路１９７は、ピーク値データＰｓ１（絶対値）が所定閾値（例えば５ｄＢ）以上であるとして、有効音検出信号を制御部１０に出力する。

また、図６（Ｃ）に示すように双方の会議者Ａ，Ｂが発言していない状況で、遠方の音源Ｃから音声が発せられた場合、この音源Ｃは、いずれの収音ビームの収音領域にも対応していないため、各収音ビームの平均エネルギが高くなることはない。

以上のようにして、レベル比較器１９５で選択された選択指示データが信号選択回路１９６に出力され、信号選択回路１９６は、与えられた選択指示データに指示された差分信号ＭＳを構成する二つの収音ビームＭＢ１ｘ，ＭＢ２ｘ（ｘ＝１〜４）を選択する。例えば、図６（Ａ）の状況であれば、差分信号ＭＳ３を構成する収音ビームＭＢ１３，ＭＢ２３を選択し、図６（Ｂ）の状況であれば、差分信号ＭＳ１を構成する収音ビームＭＢ１１，ＭＢ２１を選択する。

減算器１９９は、信号選択回路１９６から入力される収音ビームＭＢ１ｘから、収音ビームＭＢ２ｘを減算補正して、補正収音ビームＭＢをエコーキャンセル部２０に与える。

例えば、図６（Ａ）の状況であれば、収音ビームＭＢ１３から収音ビームＭＢ２３を減算して補正収音ビームＭＢとしてエコーキャンセル部２０に与え、図６（Ｂ）の状況であれば、収音ビームＭＢ１１から収音ビームＭＢ２１を減算して補正収音ビームＭＢとしてエコーキャンセル部２０に与える。

エコーキャンセル部２０は、適応型フィルタ２０１とポストプロセッサ２０２とを備える。適応型フィルタ２０１は、入力音声信号に対して、選択された補正収音ビームＭＢの収音指向性に基づく擬似回帰音信号を生成する。ポストプロセッサ２０２は、収音ビーム選択・補正部１９から出力される補正収音ビームＭＢから擬似回帰音信号を減算して、出力音声信号として入出力Ｉ／Ｆ１２に出力する。このようなエコーキャンセル処理を行うことにより、収音ビーム選択・補正部１９で抑圧しきれなかった回り込み音声を抑圧し、より高いＳ／Ｎ比で発声音を収音して出力することができる。

最後に、入出力Ｉ／Ｆ１２は、エコーキャンセル部２０から入力された出力音声信号を制御部１０の設定に応じて出力する。すなわち、入出力Ｉ／Ｆ１２は、図６（Ａ）、同図（Ｂ）に示したような状況において、制御部１０から音声信号を出力するように設定されている場合にのみ出力音声信号をネットワークに対応するデータ形式（プロトコル）に変換して、入出力コネクタ１１を介して、ネットワークに送信する。入出力Ｉ／Ｆ１２は、図６（Ｃ）に示したような状況において、制御部１０から音声信号を出力しないように設定されている場合には、出力音声信号を変換せずに破棄する。

なお、上記説明では、収音ビームＭＢ１ｘから収音ビームＭＢ２ｘを減算補正する例を示しているが、逆に収音ビームＭＢ２ｘから収音ビームＭＢ１ｘを減算補正してもよい。いずれにしても、最大レベルを示す差分信号が（信号レベルは反転するが）出力されるため、この信号を受け取る放音側では発話者の音声（上記補正収音ビームＭＢに基づく音声）が放音される。

また、上記の説明は、収音ビーム選択・補正部１９が制御部１０からスポット収音モードを指定されている場合に行う動作であるが、エリア収音モード時においても同様の動作を行う。エリア収音モード時においても、収音ビームＭＢ１０１と収音ビームＭＢ２０１との差分信号の信号レベルが所定閾値以上であれば、有効音検出信号が収音ビーム選択・補正部１９から制御部１０に出力され、ネットワークに音声信号が出力されることとなる。一方で収音ビームＭＢ１０１と収音ビームＭＢ２０１との差分信号の信号レベルが所定閾値未満で、これが所定時間以上継続していれば、無効音検出信号が収音ビーム選択・補正部１９から制御部１０に出力され、ネットワークに音声信号が出力されない。

以上のように、一方のマイクアレイで収音される音声と、他方のマイクアレイで収音される音声との差分信号から有効音／無効音を検出し、有効音のみをネットワークに出力する構成により、送信する情報量を下げることができる。

なお、本実施形態の放収音装置がエリア収音モードのみ行う場合、マイクアレイＭＡ１０、およびＭＡ２０に換えて、基準面に対して互いに指向軸が対称の方向を向いた２つの単一指向性のマイクを用いてもよい。この場合、収音ビーム生成部１８１、および収音ビーム生成部１８２は、遅延制御を行うことなく、それぞれの単一指向性のマイクが収音した音声信号を後段に出力すればよい。

本実施形態に係る放収音装置のマイク、スピーカ配置を示す平面図放収音装置の正面側，背面側の収音モードの設定例を示す図放収音装置により形成される収音ビーム領域を示す図放収音装置の構成を示すブロック図図４に示す収音ビーム選択・補正部１９の構成を示すブロック図本実施形態の放収音装置１を机Ｃ上に配置し、二人の会議者Ａ，Ｂが会議を行っている状況を示した図各収音ビーム、および差分信号の信号レベル（平均エネルギ）を示した図

符号の説明

１−放収音装置
１０１−筐体
１１−入出力コネクタ
１２−入出力Ｉ／Ｆ
１３−放音指向性制御部
１４−Ｄ／Ａコンバータ
１５−放音用アンプ
１６−収音用アンプ
１７−Ａ／Ｄコンバータ
１８１，１８２−収音ビーム生成部
１９−収音ビーム選択・補正部
２０−エコーキャンセル部
２０１−適応型フィルタ
２０２−ポストプロセッサ
ＳＰ１〜ＳＰ３−スピーカ
ＳＰＡ１０−スピーカアレイ
ＭＩＣ１１〜ＭＩＣ１７，ＭＩＣ２１〜ＭＩＣ２７−マイク
ＭＡ１０，ＭＡ２０−マイクアレイ

Claims

所定基準面に対して対称となる音圧で音声を放音するスピーカと、
前記所定基準面の一方側の音声を収音する第１マイク群および他方側の音声を収音する第２マイク群と、
前記第１マイク群の収音信号に基づく第１収音ビーム群の各収音ビームと、前記第２マイク群の収音信号に基づく第２収音ビーム群の各収音ビームと、を前記所定基準面に対して対称に生成する収音ビーム生成手段と、
前記第１収音ビーム群の各収音ビームと、対称に生成した前記第２収音ビームの各収音ビームと、の差分信号をそれぞれ生成する差分信号生成手段と、
各差分信号の絶対レベルを比較し、最大レベルの差分信号を選択する信号比較手段と、
前記最大レベルの差分信号の絶対レベルが所定の閾値以上である場合に有効音検出信号を出力する差分信号レベル検出手段と、
前記差分信号レベル検出手段が有効音検出信号を出力している場合にのみ、前記信号比較手段が選択した最大レベルの差分信号を出力する収音ビーム出力手段と、
を備えた放収音装置。
前記第１マイク群と前記第２マイク群とは、それぞれに複数のマイクが前記所定基準面に沿って一直線状に配列されたマイクアレイである請求項１に記載の放収音装置。
前記差分信号レベル検出手段は、前記最大レベルの差分信号の絶対レベルが前記所定の閾値未満である状態が所定時間以上継続したとき有効音検出信号の出力を停止する請求項１、または請求項２に記載の放収音装置。
所定基準面に対して対称となる音圧で音声を放音するスピーカと、
前記所定基準面の一方側の所定エリアの音声を第１の収音信号として収音する第１の収音手段、および前記所定基準面に対して前記第１の収音信号と対称となる他方側のエリアの音声を第２の収音信号として収音する第２の収音手段と、
前記第１の収音信号と、前記第２の収音信号と、の差分信号を生成する差分信号生成手段と、
前記差分信号の絶対レベルが所定の閾値以上である場合に有効音検出信号を出力する差分信号レベル検出手段と、
前記差分信号レベル検出手段が有効音検出信号を出力している場合にのみ、前記差分信号を出力する制御手段と、
を備えた放収音装置。
前記第１の収音手段、および前記第２の収音手段は、それぞれ複数のマイクが前記所定基準面に沿って一直線状に配列されたマイクアレイと、
それぞれのマイクアレイに対して収音すべきエリアと反対の方向に仮想焦点を設定し、各マイクが収音した音声信号を、前記仮想焦点までの距離が等しくなるようにそれぞれ遅延して合成することにより、前記第１の収音信号、および第２の収音信号を前記所定基準面に対して対称のエリアから収音する収音ビーム生成手段と、
からなる請求項４に記載の放収音装置。
前記差分信号レベル検出手段は、前記最大レベルの差分信号の絶対レベルが前記所定の閾値未満である状態が所定時間以上継続したとき有効音検出信号の出力を停止する請求項４、または請求項５に記載の放収音装置。