JP2008304498A - 音声検出装置、音声会議システムおよび遠隔会議システム - Google Patents

Abstract

【課題】ノイズの大小にかかわらず、ノイズに反応せず発話音声を正確に検出することができる音声検出装置を提供する。
【解決手段】指向性マイクを２つ設置し、環境ノイズは両方のマイクにほぼ均等に入力され、目的音声信号（話者の発話音声）は、一方のマイクのみに入力されるようにする。両方のマイクが収音した音声信号（収音信号）のレベル差Ｄを算出するとともに、パワー比Ｐを算出する。レベル差Ｄに、しきい値ＤＴ１、ＤＴ２（ＤＴ１＜ＤＴ２）を設定するとともに、パワー比Ｐに、しきい値ＰＴ１、ＰＴ２（ＰＴ１＞ＰＴ２）を設定する。そして、Ｄ＞ＤＴ１且つＰ＞ＰＴ１、または、Ｄ＞ＤＴ２且つＰ＞ＰＴ２のいずれか一方が満たされたとき、目的音声信号が入力されたと判定する。
【選択図】図５

Description

この発明は、話者の発話音声等の目的音声をノイズと識別して検出する音声検出装置に関し、また、この音声検出装置を用いた音声会議システムおよび遠隔会議システムに関する。

拡声装置や、遠隔会議装置等の収音装置には、会議出席者（話者）が発言したことを検出する機能、すなわち発話検出機能を備えたものがある（たとえば特許文献１）。この特許文献１の装置では、複数の話者に対して、その話者よりも少ない数のマイクを設置し、各マイクが収音した音声信号（収音信号）のうち、しきい値を超えたものの位置および数に基づいてどの話者が発言したかを検出するものである。

特開平０１−１６２４６５号公報

しかし、上記特許文献１の話者検出装置では、マイクによって収音される音声信号が話者の発言を収音したか否かを判定するためのしきい値が固定的な値であった。すなわち、収音信号がこのしきい値を超えると話者の発言を収音したと判定していた。

しかし、このような構成で、小さい発話音声を検出しようとすると、しきい値を低く設定しなければならない。しきい値を低く設定すると、ノイズが大きい環境では、ノイズがしきい値を超える場合があり、誤検出が発生する問題点があった。また、ノイズが大きい環境にあわせてしきい値を高く設定すると、ノイズの小さい環境での小さい発話音声を検出することができないという問題点があった。

この発明は、ノイズの大小にかかわらず、ノイズに反応せず発話音声を正確に検出することができる音声検出装置、音声会議システムおよび遠隔会議システムを提供することを目的とする。

請求項１の発明は、それぞれ異なる方向に向けて設置された複数の指向性マイクと、前記複数の指向性マイクのうち少なくとも２つのマイクによって収音された音声信号である収音信号の大きさの差Ｄを検出する差検出部と、前記収音信号の大きさの比Ｐを検出する比検出部と、検出された差Ｄおよび比Ｐに基づいて、前記指向性マイクに目的となる音声信号である目的音声信号が入力されたか否かを判定する目的音声判定部と、を備えた音声検出装置である。

この発明では、収音信号の大きさの差Ｄおよび収音信号の大きさの比Ｐの両方に基づいて目的音声信号が入力されたか否かを判定する。環境ノイズは、上記少なくとも２つのマイクにほぼ同じレベルで入力されるが、目的音声信号は、上記少なくとも２つのマイクに対して不均等に（一方のみに）入力される。そして、目的音声信号が入力されたときの差Ｄの変化および比Ｐの変化は、ノイズの大小によりそれぞれ異なる態様である。これにより、どちらか一方のみを用いて判定する場合に比べて高精度に目的音声信号の入力を判定することができる。

請求項２の発明は、請求項１の発明において、前記目的音声判定部は、前記差Ｄに、複数のしきい値ＤＴ１、ＤＴ２、・・・、ＤＴｎ（ＤＴ１＜ＤＴ２＜・・・＜ＤＴｎ）を設定するとともに、前記比Ｐに、複数のしきい値ＰＴ１、ＰＴ２、・・・、ＰＴｎ（ＰＴ１＞ＰＴ２＞・・・＞ＰＴｎ）を設定し、前記差Ｄおよび比Ｐが、ｉ＝１〜ｎの少なくとも１つのｉにおいて、Ｄ＞ＤＴｉまたはＤ≧ＤＴｉ、且つ、Ｐ＞ＰＴｉまたはＰ≧ＰＴｉを満たすとき、目的音声信号が入力されたと判定することを特徴とする。

この発明では、ノイズが大きくなるほど、差Ｄのしきい値ＤＴを大きくし、比Ｐのしきい値ＰＴを小さくするというルールに基づいて、複数のしきい値を設定した。これにより、環境のノイズレベルがどのようであっても、高精度に発話を検出することができる。

請求項３の発明は、請求項１の発明において、前記目的音声判定部は、「ノイズが大きいほど、目的音声信号が入力されない場合でも差Ｄが大きい。」、「ノイズが大きいほど、目的音声信号が収音されたときのパワー比Ｐの変化が小さい。」という特性を反映した条件式が特定のしきい値ＴＨ以上になったとき、目的音声信号が入力されたと判定することを特徴とする。

この発明では、「ノイズが大きいほど、目的音声信号が入力されない場合でも差Ｄが大きい。」、「ノイズが大きいほど、目的音声信号が収音されたときのパワー比Ｐの変化が小さい。」という特性を反映した条件式を用いて目的音声信号の入力の有無を判定する。条件式としては、たとえば、ａＤ＋ｂＰ＞ＴＨまたはａＤ＋ｂＰ≧ＴＨ等がある。これにより、高精度に発話を検出することができる。

請求項４の発明は、請求項１〜３の発明において、前記複数の指向性マイクに代えて、複数のマイクをアレイ状に配置したマイクアレイと、前記マイクアレイの各マイクによって収音された音声信号を遅延させて合成することにより、前記複数の指向性マイクの設置方向に指向性を有する複数の収音ビームを形成する収音ビーム形成部と、を備えたことを特徴とする。

請求項５の発明は、請求項１乃至４のいずれかに記載の音声検出装置と、前記音声検出装置によって目的音声信号が入力されたことが判定されたとき、前記指向性マイクによって収音された音声信号を外部に出力する音声出力部と、外部から入力された音声信号を放音する放音部と、を備えた放収音装置を、複数接続した音声会議システムである。

請求項６の発明は、請求項１乃至４のいずれかに記載の音声検出装置と、前記音声検出装置によって目的音声信号が入力されたことが判定されたとき、前記指向性マイクによって収音された音声信号を外部に出力する音声出力部と、外部から入力された音声信号を放音する放音部と、を備えた放収音装置を、ネットワークまたは通信回線を介して複数接続した遠隔会議システムである。

この発明によれば、ノイズの大小にかかわらず、目的音声信号の入力の有無を誤判定なく、高精度に検出することが可能になる。

≪基本構成の説明≫
図面を参照してこの発明の実施形態である収音装置について説明する。

図１は、同収音装置の概略構成を示す図である。収音装置１００は、２つの指向性マイク１０１Ｌ，１０１Ｒを備えている。各マイクは、それぞれ異なる方向に向けて設置されている。マイク１０１Ｌは、装置正面（同図下方向）から左４５度に向けて設置され、マイク１０１Ｒは、装置正面から右４５度に向けて設置されている。

空調音等の環境ノイズ（以下、単に「ノイズ」と呼ぶ。）は、両マイク１０１Ｌ，Ｒに、ほぼ均等であるが、若干のレベル差で収音される。また、この収音装置を使用する発話者１１０は、この収音装置１００の略正面に着席している。発話者１１０が発する発話音声（目的音声）は、マイク１０１Ｌ，Ｒの一方または両方に入力する。発話音声は、マイク１０１Ｌ，Ｒの両方に入力する場合でも、両マイク１０１Ｌ，Ｒに不均等に、すなわち大きなレベル差で入力されるものとする。以下の実施形態では、目的音声が左側のマイク１０１Ｌのみに入力するものとして説明する。

マイク１０１Ｌには、Ａ／Ｄコンバータ１０２Ｌが接続されている。マイク１０１Ｒには、Ａ／Ｄコンバータ１０２Ｒが接続されている。Ａ／Ｄコンバータ１０２Ｌ，Ｒには発話検出部１０３および音声出力部１０４が接続されている。Ａ／Ｄコンバータ１０２Ｌ，Ｒは、それぞれマイク１０１Ｌ，Ｒが収音した音声信号をデジタル信号に変換して、発話検出部１０３および音声出力部１０４に入力する。

発話検出部１０３は、マイク１０１Ｌが収音した音声信号ＳＬとマイク１０１Ｒが収音した音声信号ＳＲの各信号レベルの差であるレベル差Ｄおよび各信号パワーの比であるパワー比Ｐに基づいて発話の有無を検出する。発話検出部１０３は、検出した発話の有無を音声出力部１０４に通知する。音声出力部１０４は、発話検出部１０３から発話を検出した旨の通知を受けたとき、マイク１０１Ｌおよび／またはマイク１０１Ｒが収音した音声信号を後段に出力する。

≪発話検出方式の説明≫
図２〜図４を参照して、発話検出部１０３が行う発話検出のアルゴリズムについて説明する。
図２は、ノイズが小さい環境における収音信号、ノイズ、レベル差Ｄ、パワー比Ｐの関係を説明する図である。また、図３は、ノイズが大きい環境における収音信号、レベル差Ｄ、パワー比Ｐの関係を説明する図である。
すなわち、図２（Ａ）は、左側のマイク１０１Ｌによって収音されるノイズ（ノイズＬ）、右側のマイク１０１Ｒによって収音されるノイズ（ノイズＲ）、および、左側のマイク１０１Ｌによって収音される目的音声信号のレベルを示す図である。同図の目的音声信号は、話者が小声で話した場合の信号レベルを示している。同図（Ｂ）は、左側のマイク１０１Ｌの収音信号と右側のマイク１０１Ｒの収音信号のレベル差（Ｖ）を示す図である。この図において、ｄ０は、目的音声信号が収音されない場合のレベル差の推移を示す曲線である。また、ｄ１は、マイク１０１Ｌによって目的音声信号が収音された場合のレベル差の推移を示す曲線である。同図（Ｃ）は、左側のマイク１０１Ｌの収音信号と右側のマイク１０１Ｒの収音信号のパワー比（ｄＢ）を示す図である。この図において、ｐ０は、目的音声信号が収音されない場合のパワー比の推移を示す曲線である。また、ｐ１は、マイク１０１Ｌによって目的音声信号が収音された場合のパワー比の推移を示す曲線である。

また、図３も同様に、図３（Ａ）は、左側のマイク１０１Ｌによって収音されるノイズ（ノイズＬ）、右側のマイク１０１Ｒによって収音されるノイズ（ノイズＲ）、および、左側のマイク１０１Ｌによって収音される目的音声信号のレベルを示す図である。同図の目的音声信号は、話者が小声で話した場合の信号レベルを示している。同図（Ｂ）は、左側のマイク１０１Ｌの収音信号と右側のマイク１０１Ｒの収音信号のレベル差（Ｖ）を示す図である。この図において、ｄ０は、目的音声信号が収音されない場合のレベル差の推移を示す曲線である。また、ｄ１は、マイク１０１Ｌによって目的音声信号が収音された場合のレベル差の推移を示す曲線である。同図（Ｃ）は、左側のマイク１０１Ｌの収音信号と右側のマイク１０１Ｒの収音信号のパワー比（ｄＢ）を示す図である。この図において、ｐ０は、目的音声信号が収音されない場合のパワー比の推移を示す曲線である。また、ｐ１は、マイク１０１Ｌによって目的音声信号が収音された場合のパワー比の推移を示す曲線である。

図２（Ａ）に示すように、ノイズが小さい環境下では、左右のマイク１０１Ｌ，Ｒに収音されるノイズ（ノイズＬ，ノイズＲ）のレベルは、目的音声信号のレベルに比べて十分に小さく、また、両ノイズ間のレベル差も小さい。
また、図３（Ａ）に示すように、ノイズが大きい環境下では、左右のマイク１０１Ｌ，Ｒに収音されるノイズ（ノイズＬ，ノイズＲ）のレベルは、（小さい）目的音声信号のレベルに近いレベルであり、また、レベルが大きいため、両ノイズ間のレベル差も大きい。

このように、ノイズが小さい環境下では、左右のマイク１０１Ｌ，Ｒで収音されるノイズのレベル差が小さいうえに、目的音声信号のレベルがノイズに比べて十分に大きいため、図２（Ｂ）に示すように、小さい値のレベル差しきい値ＤＴ１を設定し、左右の収音信号のレベル差Ｄの、このしきい値ＤＴ１に対する大小を判定することで目的音声信号が収音されているか否かを推定することができる。

また、ノイズが大きい環境下では、左右のマイク１０１Ｌ，Ｒで収音されるノイズのレベル差が大きく、目的音声信号のレベルとノイズのレベルに大きな差がないため、図３（Ｂ）に示すように、
（上記ＤＴ１よりも）大きい値のレベル差しきい値ＤＴ２を設定し、左右の収音信号のレベル差Ｄの、このしきい値ＤＴ２に対する大小を判定することで目的音声信号が収音されているか否かを推定することができる。

パワー比について見ると、ノイズが小さい環境下でもノイズが大きい環境下でも、左右のマイク１０１Ｌ，Ｒで収音されるノイズのパワー比には大差がない。ノイズが小さい環境下のほうが、ノイズのレベル変化がパワー比の変動に与える影響が大きいため、ノイズが小さい環境下のノイズのみのパワー比変動曲線である図２（Ｃ）の曲線ｐ０のほうが、ノイズが大きい環境下のノイズのみのパワー比変動曲線である図３（Ｃ）の曲線ｐ０に比べて変動が大きく、若干値も大きい程度である。

一方、目的音声信号がパワー比に与える影響は、ノイズが小さい環境下のほうがノイズが大きい環境下よりも圧倒的に大きいため、ノイズが小さい環境下における目的音声信号が収音された場合のパワー比変動曲線である図２（Ｃ）の曲線ｐ１は、ノイズが大きい環境下における目的音声信号が収音された場合のパワー比変動曲線である図３（Ｃ）の曲線ｐ１よりもはるかに値が大きくなっている。

したがって、ノイズの小さい環境下では、図２（Ｃ）に示すように、大きい値のパワー比しきい値ＰＴ１を設定し、左右の収音信号のパワー比Ｐの、このしきい値ＰＴ１に対する大小を判定することで目的音声信号が収音されているか否かを推定することができる。

また、ノイズが大きい環境下では、図３（Ｃ）に示すように、（上記ＰＴ１よりも）小さい値のパワー比しきい値ＰＴ２を設定し、左右の収音信号のパワー比Ｐの、このしきい値ＰＴ２に対する大小を判定することで目的音声信号が収音されているか否かを推定することができる。

以上のレベル差に基づく推定とパワー比に基づく推定を複合して行うことにより、より高精度に目的音声信号入力の有無の検出、すなわち発話検出を行うことができる。
すなわち、レベル差Ｄに、２つのしきい値ＤＴ１、ＤＴ２（ＤＴ１＜ＤＴ２）を設定するとともに、パワー比Ｐに、２つのしきい値ＰＴ１、ＰＴ２（ＰＴ１＞ＰＴ２）を設定し、レベル差Ｄ＞ＤＴ１且つパワー比Ｐ＞ＰＴ１を満たすときは、ノイズの小さい環境下で目的音声信号が入力されたと推定することができ、レベル差Ｄ＞ＤＴ２且つパワー比Ｐ＞ＰＴ２を満たすときは、ノイズの大きい環境下で目的音声信号が入力されたと推定することができる。

図４は、発話検出部１０３の機能ブロック図である。この機能ブロック図は、上記発話検出のアルゴリズムを論理回路図で表した図である。
同図において、レベル差計算部２０１が、左側のマイク１０１Ｌが収音した音声信号（収音信号Ｌ）と右側のマイク１０１Ｒが収音した音声信号（収音信号Ｒ）とのレベル差を計算する。また、パワー比計算部２０２が、収音信号Ｌと収音信号Ｒとのパワー比を計算する。

レベル差計算部２０１によって計算されたレベル差Ｄは、レベル差判定部２１１、２１３に入力される。レベル差判定部２１１は、レベル差Ｄがしきい値ＤＴ１よりも大きいか否かを判定する。レベル差判定部２１３は、レベル差Ｄがしきい値ＤＴ２よりも大きいか否かを判定する。パワー比計算部２０２によって計算されたパワー比Ｐは、パワー比判定部２１２、２１４に入力される。パワー比判定部２１２は、パワー比Ｐがしきい値ＰＴ１よりも大きいか否かを判定する。パワー比判定部２１４は、パワー比Ｐがしきい値ＰＴ２よりも大きいか否かを判定する。レベル差判定部２１１，２１３、パワー比判定部２１２，２１４は、その判定結果が肯定的であったとき、判定結果信号としてＴｒｕｅ（１）を出力する。

レベル差判定部２１１の判定結果信号およびパワー比判定部２１２の判定結果信号は、ＡＮＤ回路２１５に入力される。レベル差判定部２１３の判定結果信号およびパワー比判定部２１４の判定結果信号は、ＡＮＤ回路２１６に入力される。また、ＡＮＤ回路２１５、２１６の出力はＯＲ回路２１７に入力される。この接続により、レベル差判定部２１１の判定結果が肯定的（Ｄ＞ＤＴ１）且つパワー比判定部２１２の判定結果が肯定的（Ｐ＞ＰＴ１）の場合、または、レベル差判定部２１３の判定結果が肯定的（Ｄ＞ＤＴ２）且つパワー比判定部２１４の判定結果が肯定的（Ｐ＞ＰＴ２）の場合にＯＲ回路２１７から（１）が出力される。このＯＲ回路２１７からの（１）の出力を話者検出信号として用いることができる。

なお、この図では、発話検出部１０３の機能を複数の論理回路からなるブロック図で表しているが、この発話検出処理をソフトウェアによる順次処理で実現することも可能である。この場合、発話検出部１０３の機能は、図９，図１０に示すようなフローチャートで表される。

なお、上記判定において、レベル差Ｄとしきい値ＤＴ１，ＤＴ２との比較、および、パワー比Ｐとしきい値ＰＴ１，ＰＴ２の比較を「＞」で行っているが、等号を含む不等号「≧」で行ってもよい。また、レベル差Ｄ、パワー比Ｐに設定するしきい値は２段階に限定されず、より多段階に設定することも可能である。

また、この実施形態では、左右のマイク１０１Ｌ，Ｒの収音信号のリニアな値（Ｖ）の差をレベル差Ｄとし、収音信号の二乗値の対数値（ｄＢ）をパワー比としているが、発話検出に用いる差Ｄおよび比Ｐはこれに限定されない。たとえば、比Ｐとして（二乗しない）電圧値の比を用いてもよく、また、その対数値を用いてもよい。

さらに、図２〜図４では、レベル差とパワー比のしきい値をノイズレベルに応じて複数段階に設定する方式について説明したが、図２、図３の説明で明らかなように、「ノイズが大きくなるほど、目的音声信号が無い場合のレベル差Ｄが大きく、且つ、目的音声信号が収音されたときのパワー比Ｐの変化が小さい。」という特性がある。このため、各しきい値は、「ノイズが大きくなるほど、レベル差Ｄのしきい値ＤＴを大きくし、パワー比Ｐのしきい値ＰＴを小さくする。」というルールに基づいて設定される。したがって、レベル差Ｄのしきい値ＤＴを単調増加関数ｆｄ（ｘ）；（ｘはノイズレベル）で表し、パワー比Ｐのしきい値ＰＴを単調減少関数ｆｐ（ｘ）で表すことも可能である。

すなわち、所定のノイズレベル（ｘ）の範囲で、レベル差ＤがＤＴ（＝ｆｄ（ｘ））を超え、且つ、パワー比ＰがＰＴ（＝ｆｐ（ｘ））を超えるｘが存在するか否かを演算し、ｘが存在する場合には発話有りと判定し、無い場合には発話無しと判定する。

また、レベル差Ｄとパワー比Ｐについて別々のしきい値を設定せずにこれらを複合した関数ｇ（Ｄ，Ｐ）が複合したしきい値ＴＨを超えるか否かで発話を検出するようにしてもよい。複合した関数としてはたとえば、一次関数ａＤ＋ｂＰがある。

≪変形例の説明≫
図５（Ａ）、（Ｂ）は、図１に示した収音装置の変形例を示す図である。
同図（Ａ）は、左右のマイク１０１Ｌ，Ｒに加えて、目的音声収音用のセンタマイク１０１Ｃを設けた例である。この構成では、センタマイク１０１Ｃが、音声出力部１０４に接続されている。発話検出部１０３が発話を検出すると、音声出力部１０４は、センタマイク１０１Ｃが収音した音声信号を後段に出力する。センタマイク１０１Ｃは、装置の真正面ではなく、左３０度等の若干斜めの方向に設置される。これは、発話音声等の目的音声信号が、左右のマイク１０１Ｌ，Ｒに対して異なるレベルで収音されるようにするため、話者が装置の真正面から外れた位置に着席するためである。

また、同図（Ｂ）は、図１、図５（Ａ）に示した指向性マイク１０１Ｌ，Ｒ，Ｃに代えて、マイクアレイ１０１Ａを設けた例を示す図である。この構成の収音装置では、マイクアレイ１０１Ａの各マイクが収音した音声信号を遅延合成することによって、上記１０１Ｌ，Ｒさらには１０１Ｃと同じ方向に指向性を有する収音ビームＢＬ，ＢＲ，ＢＣを形成する。

≪マイクアレイを用いた放収音装置の説明≫
図５（Ｂ）にマイクアレイを用いた収音装置の概略構成を示したが、図６以下の図面を参照して、このマイクアレイおよびスピーカアレイを用いた放収音装置についてさらに詳細に説明する。

図６は、同放収音装置の外観斜視図、図７（Ａ），（Ｂ），（Ｃ）は、同放収音装置のそれぞれ正面図，底面図，背面図である。この放収音装置は、筐体の前後側面にそれぞれ１６個ずつの２列のマイクアレイを備えているとともに（図７（Ａ）、（Ｃ）参照）、筐体の底面に１列（１６個）のスピーカアレイを備えている（図７（Ｂ）参照）。

なお、この実施形態の説明において、図７（Ａ）に示す面（図６に図示されている長手側面）を音声会議装置（筐体）の正面、前面または前側面と呼び、図７（Ｃ）に示す面を音声会議装置（筐体）の背面、後面または後側面と呼ぶ。したがって、図７（Ａ）の右端が右側面であり、左端が左側面である。なお、右側面は図６に図示されている短手側面である。

図６において、この放収音装置１は、筐体１１２、脚部１１３、操作部１１４を備えている。筐体１１２は左右方向に長尺の略直方体形状からなり、左右両端部には、脚部１１３が設置されている。脚部１１３は、筐体１１２を会議机等の設置面から所定高さ持ち上げた状態で支持する。なお、以下の説明では、筐体１１２の四側面のうち、前後側面を長尺面、左右側面を短尺面と称する。

筐体１１２の上面の右端部には、ＬＣＤディスプレイ４１や複数のボタン４２からなる操作部１１４が設置されている。操作部１１４は筐体１１２内に設置されたメイン制御部１０に接続されている。操作ボタン４２は、会議出席者の操作入力を受け付けてメイン制御部１０に伝達する。ＬＣＤディスプレイは、その操作内容や実行モード等を表示する。

筐体１１２の右側面には、入出力端子群が埋め込まれている。すなわち、ネットワークケーブルが接続されるネットワーク接続端子６１、オーディオ入出力端子であるライン出力端子６２Ｌ，Ｒ（ＯｕｔＬ，Ｒ）、ライン入力端子６３Ｌ，Ｒ（ＩｎＬ，Ｒ）が埋め込まれている。ライン出力端子６２Ｌ，Ｒ（ＯｕｔＬ，Ｒ）、ライン入力端子６３Ｌ，Ｒ（ＩｎＬ，Ｒ）は、ピンジャック等のアナログ信号端子であってもよく光ファイバ等のデジタルオーディオ端子であってもよい。なお、図示はしないが電源に接続するための電源端子もこの右側面に埋め込まれている。

筐体１１２の下面には、同一仕様のスピーカＳＰ１〜ＳＰ１６が設置されている。これらスピーカＳＰ１〜ＳＰ１６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、これによりスピーカアレイＳＰＡが構成される。筐体１１２の前側面には、同一仕様のマイクＭＩＣ１０１〜ＭＩＣ１１６が設置されている。これらマイクＭＩＣ１０１〜ＭＩＣ１１６は長尺方向に沿って所定の間隔で直線状に設置されており、これにより前面側のマイクアレイＭＡＦが構成される。また、筐体１１２の後側面にも、同一仕様のマイクＭＩＣ２０１〜ＭＩＣ２１６が設置されている。これらマイクＭＩＣ２０１〜ＭＩＣ２１６も長尺方向に沿って所定の間隔で直線状に設置されており、これにより背面側のマイクアレイＭＡＲが構成される。そして、筐体１１２の下面、前側面、後側面には、上記スピーカアレイおよびマイクアレイを覆うように、ネット状の下面グリル１２１が設置されている。

なお、本実施形態では、スピーカアレイのスピーカ数を１６本とし、各マイクアレイのマイク数をそれぞれ１６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、本実施形態では、スピーカアレイとマイクアレイの配置を等間隔にしたが、仕様に応じて適宜配置してもよい。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。

図８は、同放収音装置１の音声信号処理系統のブロック図である。放収音装置１は、メイン制御部１０、ミキシング部１１、放音制御部１２、Ｄ／Ａコンバータ１３、放音アンプ（ＡＭＰ）１４、収音アンプ（ＡＭＰ）１５、Ａ／Ｄコンバータ１６、収音制御部１７、ハウリングキャンセル部１８、通信制御部１９、操作部１１４、スピーカＳＰ１〜ＳＰ１６、マイクＭＩＣ１０１〜ＭＩＣ１１６、ＭＩＣ２０１〜ＭＩＣ２１６を備えている。

マイクＭＩＣ１０１〜ＭＩＣ１１６、ＭＩＣ２０１〜ＭＩＣ２１６は、到来する音声を収音して電気的な収音信号に変換し、収音アンプ１５に入力する。各マイクが収音する音声には、装置の周囲に在席する発話者からの発話音声が含まれる。収音アンプ１５は収音信号を増幅してＡ／Ｄコンバータ１６に入力する。Ａ／Ｄコンバータ１６は、アナログの収音信号をデジタル信号に変換して、収音制御部１７に入力する。

収音制御部１７は、各マイクＭＩＣ１０１〜ＭＩＣ１１６，ＭＩＣ２０１〜ＭＩＣ２１６の収音信号を用いて、図５（Ｂ）に示す複数の収音ビームを並列に形成する。収音ビームＢＣは装置の左３０度に向けて形成される。収音ビームＢＬは装置の左約４５度の方向に向けて形成される。収音ビームＢＲは装置の右約４５度の方向に向けて形成される。焦点は、いずれの収音ビームも装置長手方向の中心軸から約１メートル程度の距離になるように設定される。なお、図５（Ｂ）は、装置前面側の収音ビームのみ図示しているが、この放収音装置は、装置後面側にも同様に収音ビームを形成することができる。収音制御部１７は、左右の収音ビームＢＬ，ＢＲで収音した収音ビーム信号のレベルを逐次メイン制御部１０に通知する。

メイン制御部１０は、左右の収音ビーム信号レベル値に基づき、レベル差Ｄおよびパワー比Ｐを算出し、図２〜図４に示した手法で発話を検出する。メイン制御部１０が、発話を検出すると、発話検出信号を収音制御部１７に対して出力する。収音制御部１７は、中央の収音ビームＢＣで収音した音声信号を発話音声信号Ｓｓとしてミキシング部１１に出力する（マイクオン）。

収音制御部１７から出力された発話音声信号Ｓｓは、ミキシング部１１の処理により、ライン出力端子に出力されるとともに、ハウリングキャンセル部１８に入力されて、ハウリング検出部により、ノッチフィルタを制御する。

放音制御部１２は、スピーカアレイの各スピーカＳＰ１〜ＳＰ１６に供給する音声信号Ｓｄを、各スピーカごとに個別の遅延時間だけ遅延させる。各スピーカＳＰ１〜ＳＰ１６に供給する音声信号をそれぞれどの時間だけ遅延させるかはメイン制御部１０によって設定される。メイン制御部１０は、装置の正面に仮想焦点を設定して各スピーカＳＰ１〜ＳＰ１６に供給する音声信号の遅延時間を、放音制御部１２に設定する。

放音制御部１２は、遅延処理を行った音声信号Ｓｄを各Ｄ／Ａコンバータ１３に入力する。各Ｄ／Ａコンバータ１３は、入力された放音信号をアナログ信号に変換して、各放音アンプ１４に与え、各放音アンプ１４はアナログ化された放音信号を増幅して、各スピーカＳＰ１〜ＳＰ１６に与える。各スピーカＳＰ１〜ＳＰ１６は、入力された音声信号を放音する。

上記のように、スピーカアレイによる放音は、装置の真正面方向に行われる。このため、放音された音声は、左右の収音ビームＢＬ，ＢＲに均等に収音され、左右の収音信号のレベル差に影響を及ぼさない（パワー比に与える影響も僅かである）。したがって、スピーカアレイからの放音により、発話検出部１０３において、レベル差Ｄ、パワー比Ｐがしきい値を超えることはなく、この放音音声が目的音声信号と誤認されることはない。

ミキシング部１１において、ミキサ１１１Ｌは、ライン入力端子ＩｎＲ（６３Ｒ）からライン入力された音声信号ＳｄＲに収音した発話音声信号Ｓｓを重畳してライン出力端子ＯｕｔＬ（６２Ｌ）に出力し、ミキサ１１１Ｒは、ライン入力端子ＩｎＬ（６３Ｌ）からライン入力された音声信号ＳｄＬに収音した発話音声信号Ｓｓを重畳してライン出力端子ＯｕｔＲ（６２Ｒ）に出力する。加算器５０２は、外部から入力された音声信号ＳｄＲ、音声信号ＳｄＬおよび収音した発話音声信号Ｓｓを加算して音声信号Ｓｄを生成し、これを放音制御部１２に出力する。

加算器５０２と放音制御部１２の間には、ハウリングキャンセル部１８のノッチフィルタ１８１が挿入されている。ハウリングキャンセル部１８は、ハウリング検出部１８２およびノッチフィルタ１８１からなる。ハウリング検出部１８２は、収音制御部１７が出力した音声信号をＦＦＴして、急峻なピークが一定時間以上持続していないかを監視する。急峻なピークが一定時間以上持続している場合には、そのピーク成分をハウリング音であると判定し、その周波数成分を除去するべくノッチフィルタ１８１を設定する。ノッチフィルタ１８１は、ろ波する音声信号のうち特定の周波数成分のみを狭帯域に急峻に減衰させるフィルタであり、ノッチ周波数はハウリング検出部１８２によって設定される。なお、ハウリング検出部１８２がハウリングを検出していない場合、ノッチフィルタ１８１は機能しないよう設定される。
また、通信制御部１９は、ネットワーク接続端子６１を介して他の放収音装置等とデータ通信を行うための制御部である。

ライン入力端子およびライン出力端子は、この放収音装置を複数台接続して遠隔会議装置または音声会議装置を構成する場合に使用される。ここで、遠隔会議装置は、図１１に示すように、別室または遠隔の複数の会議室にそれぞれ放収音装置１を設置し、各放収音装置１をネットワーク２を介して接続することにより、通信による音声会議を可能にしたシステムである。音声会議装置は、図１２に示すように、同じ会議室に複数台の放収音装置１を設置して、会議における発話音声の拡声を行うものである。

ネットワーク等に接続して遠隔会議装置を構成する場合、または、２台の放収音装置を相互に接続して音声会議装置を構成する場合には、ライン入力端子としてＩｎＲ，Ｌのどちらを用いてもよく、ライン出力端子としてＯｕｔＲ，Ｌのどちらを用いてもよい。

また、図１２に示すように、３台以上の放収音装置をラダー状に接続して音声会議装置を構成する場合、ライン入力端子ＩｎＬ（６３Ｌ）およびライン出力端子ＯｕｔＬ（６２Ｌ）は、この装置の左側に連結される他の放収音装置に接続され、ライン入力端子ＩｎＲ（６３Ｒ）およびライン出力端子ＯｕｔＲ（６２Ｒ）は、この装置の右側に連結される他の放収音装置に接続される。なお、図１２のようにラダー接続した音声会議装置を別々の会議室にそれぞれ設置し、これらの音声会議装置をネットワーク等で接続して遠隔会議装置を構成するようにしてもよい。

≪メイン制御部１０の動作の説明≫
図９、図１０は、前記メイン制御部１０による発話検出動作を示すフローチャートである。
図９は、レベル差Ｄ、パワー比ＰにＮ段階のしきい値を設定した場合の動作を示すフローチャートである。すなわち、図２〜４の説明では、２段階のしきい値を設定しているが、このフローチャートでは、このしきい値をＮ段階に拡張した動作を示している。この処理動作は、話者の発言の頭切れが生じない程度に短い周期で繰り返し実行される。

メイン制御部１０は、収音制御部１７から入力された収音ビームＢＬ，ＢＲの信号レベルに基づき以下の処理を行う。まずレベル差Ｄを算出し（Ｓ１１）、パワー比Ｐを算出する（Ｓ１２）。次に、しきい値の番号を指定する引数であるｉに０をセットする（Ｓ１３）。

引数ｉに１を加算し（Ｓ１４）、ｉ番目のしきい値セットＤＴｉ，ＰＴｉを読み出す（Ｓ１５）。そして、Ｓ１１で算出したレベル差Ｄがしきい値ＤＴｉよりも大きく（Ｓ１６）、且つ、Ｓ１２で算出したパワー比がしきい値ＰＴｉよりも大きい（Ｓ１７）か否かを判定する。Ｓ１６，Ｓ１７の判定が両方とも肯定的（ＹＥＳ）であった場合には、発話を検出したとして発話検出信号を出力する（Ｓ１８）。Ｓ１６，Ｓ１７の判定の少なくとも一方が否定的（ＮＯ）であった場合には、ｉがＮ未満であることを条件に（Ｓ１９）、Ｓ１４に戻り、次のしきい値セットに対するレベル差Ｄ、パワー比Ｐの大小を判定する。

Ｓ１９において、ｉがＮ以上になっている場合には、今回発話は検出されなかったとして動作を終了する。

図１０は、レベル差Ｄとパワー比Ｐを変数とする所定の条件式を特定のしきい値ＴＨと比較することによって発話を検出する場合のメイン制御部１０の動作を示すフローチャートである。条件式としては、たとえば「ａＤ＋ｂＰ」を用いることができる。この処理動作は、話者の発言の頭切れが生じない程度に短い周期で繰り返し実行される。

メイン制御部１０は、収音制御部１７から入力された収音ビームＢＬ，ＢＲの信号レベルに基づき、レベル差Ｄを算出し（Ｓ２１）、パワー比Ｐを算出する（Ｓ２２）。そして、このレベル差Ｄおよびパワー比Ｐを上記条件式に当てはめて値を求め、この値が所定のしきい値ＴＨを超えているかを判定する（Ｓ２３）。Ｓ２３の判定が肯定的（ＹＥＳ）であった場合には、発話を検出したとして発話検出信号を出力する（Ｓ２４）。Ｓ２３の判定が否定的（ＮＯ）であった場合には、今回発話は検出されなかったとして動作を終了する。

なお、この実施形態では、人間の発話を例にあげて説明したが、検出対象は人間の発話に限定されない。

本発明の実施形態である収音装置の基本構成を示す図 ノイズが小さい環境下におけるレベル差Ｄ、パワー比Ｐおよびしきい値の関係を説明する図 ノイズが大きい環境下におけるレベル差Ｄ、パワー比Ｐおよびしきい値の関係を説明する図 発話検出のアルゴリズムの例を示す図 収音装置の変形例を示す図 マイクアレイ、スピーカアレイを用いた放収音装置の外観斜視図 同放収音装置の底面図および前後側面図 同放収音装置のブロック図 同放収音装置のメイン制御部の発話検出動作を示すフローチャート 同放収音装置のメイン制御部の発話検出動作を示すフローチャート 同放収音装置をネットワークを介して複数台接続した遠隔会議システムを示す図 同放収音装置を複数接続して構成した音声会議システムを示す図

符号の説明

１ 放収音装置
２ ネットワーク
１００ 収音装置
１０１Ｌ，１０１Ｒ，１０１Ｃ 指向性マイク
１０１Ａ マイクアレイ
１０２Ｌ，１０２Ｒ，１０２Ｃ Ａ／Ｄコンバータ
１０３ 発話検出部
１０４ 音声出力部
１１０ 話者
２０１ レベル差計算部
２０２ パワー比計算部
２１１，２１３ レベル差判定部
２１２，２１４ パワー比判定部
２１５，２１６ ＡＮＤ回路
２１７ ＯＲ回路

Claims (6)

1. それぞれ異なる方向に向けて設置された複数の指向性マイクと、
   前記複数の指向性マイクのうち少なくとも２つのマイクによって収音された音声信号である収音信号の大きさの差Ｄを検出する差検出部と、
   前記収音信号の大きさの比Ｐを検出する比検出部と、
   検出された前記差Ｄおよび前記比Ｐに基づいて、前記指向性マイクに目的となる音声信号である目的音声信号が入力されたか否かを判定する目的音声判定部と、
   を備えた音声検出装置。
2. 前記目的音声判定部は、
   差Ｄに、複数のしきい値ＤＴ１、ＤＴ２、・・・、ＤＴｎ（ＤＴ１＜ＤＴ２＜・・・＜ＤＴｎ）を設定するとともに、比Ｐに、複数のしきい値ＰＴ１、ＰＴ２、・・・、ＰＴｎ（ＰＴ１＞ＰＴ２＞・・・＞ＰＴｎ）を設定し、
   前記差Ｄおよび比Ｐが、ｉ＝１〜ｎの少なくとも１つのｉにおいて、Ｄ＞ＤＴｉまたはＤ≧ＤＴｉ、且つ、Ｐ＞ＰＴｉまたはＰ≧ＰＴｉを満たすとき、目的音声信号が入力されたと判定する請求項１に記載の音声検出装置。
3. 前記目的音声判定部は、「ノイズが大きいほど、目的音声信号が入力されない場合でも差Ｄが大きい。」、「ノイズが大きいほど、目的音声信号が収音されたときのパワー比Ｐの変化が小さい。」という特性を反映した条件式が特定のしきい値ＴＨ以上になったとき、目的音声信号が入力されたと判定する請求項１に記載の音声検出装置。
4. 前記複数の指向性マイクに代えて、
   複数のマイクをアレイ状に配置したマイクアレイと、
   前記マイクアレイの各マイクによって収音された音声信号を遅延させて合成することにより、前記複数の指向性マイクの設置方向に指向性を有する複数の収音ビームを形成する収音ビーム形成部と、を備えた請求項１乃至３のいずれかに記載の音声検出装置。
5. 請求項１乃至４のいずれかに記載の音声検出装置と、
   前記音声検出装置によって目的音声信号が入力されたことが判定されたとき、前記指向性マイクによって収音された音声信号を外部に出力する音声出力部と、
   外部から入力された音声信号を放音する放音部と、
   を備えた放収音装置を、複数接続した音声会議システム。
6. 請求項１乃至４のいずれかに記載の音声検出装置と、
   前記音声検出装置によって目的音声信号が入力されたことが判定されたとき、前記指向性マイクによって収音された音声信号を外部に出力する音声出力部と、
   外部から入力された音声信号を放音する放音部と、
   を備えた放収音装置を、ネットワークまたは通信回線を介して複数接続した遠隔会議システム。

Images