JP2009124454A - Echo elimination method, device, program, and recording medium - Google Patents

Echo elimination method, device, program, and recording medium Download PDF

Info

Publication number
JP2009124454A
JP2009124454A JP2007296282A JP2007296282A JP2009124454A JP 2009124454 A JP2009124454 A JP 2009124454A JP 2007296282 A JP2007296282 A JP 2007296282A JP 2007296282 A JP2007296282 A JP 2007296282A JP 2009124454 A JP2009124454 A JP 2009124454A
Authority
JP
Japan
Prior art keywords
echo
frequency domain
microphone
level
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2007296282A
Other languages
Japanese (ja)
Other versions
JP4700673B2 (en
Inventor
Kazunori Kobayashi
和則 小林
Kenichi Furuya
賢一 古家
Yoichi Haneda
陽一 羽田
Akitoshi Kataoka
章俊 片岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2007296282A priority Critical patent/JP4700673B2/en
Publication of JP2009124454A publication Critical patent/JP2009124454A/en
Application granted granted Critical
Publication of JP4700673B2 publication Critical patent/JP4700673B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Telephone Function (AREA)
  • Telephonic Communication Services (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To suppress even distortion components caused by a speaker in echo components in a microphone sound reception signal. <P>SOLUTION: A coupling amount is estimated based on level ratio between a frequency region main microphone sound receiving signal and a frequency region sub-microphone sound receiving signal by an echo estimation part 20, an estimated echo level is obtained by multiplication between the estimated coupling amount and the frequency region sub-microphone sound receiving signal, ratio between difference between the level of the frequency region main microphone sound receiving signal and the level of the estimated echo level and the level of the frequency region main microphone sound receiving signal is calculated as a gain by an echo suppression gain calculation part 14, the gain is multiplied by the frequency region main microphone sound receiving signal to suppress the echo components in the frequency region main microphone sound receiving signal by a multiplication part 16, and inverse frequency region conversion is performed to a multiplication result of the gain by an inverse frequency region conversion part to output a transmission signal of a time region. <P>COPYRIGHT: (C)2009,JPO&INPIT

Description

本発明は、TV会議や音声会議などハンズフリー通信のエコー消去方法および装置に関する。   The present invention relates to an echo cancellation method and apparatus for hands-free communication such as a video conference and an audio conference.

従来技術のエコー消去装置について説明する。
図9は特許文献1で開示された従来技術のエコー消去装置の構成図である。従来技術のエコー消去装置10は、周波数領域変換部11と、結合量推定部12と、エコーレベル推定部13と、エコー抑圧ゲイン計算部14と、周波数領域変換部15と、ゲイン乗算部16と、逆周波数領域変換部17とにより構成されている。
A conventional echo canceller will be described.
FIG. 9 is a block diagram of a conventional echo canceller disclosed in Patent Document 1. In FIG. The prior art echo canceller 10 includes a frequency domain converter 11, a coupling amount estimator 12, an echo level estimator 13, an echo suppression gain calculator 14, a frequency domain converter 15, and a gain multiplier 16. , And the inverse frequency domain transform unit 17.

このエコー消去装置は、スピーカとマイクロホンを用いた拡声通話においてマイクロホン受音信号に混入するスピーカ音である音響エコーを消去する。エコー消去装置10の入力信号は、通話相手から受信して自地点のスピーカ31から受話音声として出力する信号である受話信号x(t)と、自地点のマイクロホン32で受音した信号であるマイクロホン受音信号y(t)であり、出力信号は、通話相手への送信信号である送話信号e(t)である。この装置10は、マイクロホン受音信号y(t)に含まれる音響エコーの周波数スペクトルを推定してマイクロホン受音信号中の音響エコーを抑圧するゲインを求め、周波数領域に変換されたマイクロホン受音信号に音響エコーを抑圧するゲインを乗算することにより、マイクロホン受音信号に含まれる音響エコーを消去する。   This echo canceller erases acoustic echo, which is speaker sound mixed in a microphone sound reception signal in a loudspeaking call using a speaker and a microphone. The input signal of the echo canceller 10 is a received signal x (t) which is a signal received from the other party of the call and output as a received voice from the speaker 31 at the local point, and a microphone which is a signal received by the microphone 32 at the local point. The received signal is y (t), and the output signal is a transmission signal e (t) that is a transmission signal to the other party. This device 10 estimates the frequency spectrum of the acoustic echo included in the microphone received signal y (t), obtains a gain for suppressing the acoustic echo in the microphone received signal, and obtains the microphone received signal converted into the frequency domain. Is multiplied by a gain for suppressing the acoustic echo to cancel the acoustic echo contained in the microphone sound reception signal.

以下に、従来のエコー消去装置の動作について図10を参照して説明する。
図10は、図9におけるエコー消去装置10と、スピーカ31と、マイクロホン32間の各信号の関係を等価モデルで表している。受話信号x(t)、マイクロホン受音信号y(t)、送話信号e(t)をそれぞれ短時間フレームで周波数領域に変換した信号を、X(ω,n)、Y(ω,n)、E(ω,n)と表す。ただし、離散化されたtは時刻、ωは離散化された周波数、nはフレーム番号を表す。ここで、周波数領域への変換手順について受話信号x(t)の周波数領域変換を例に図11を用いて詳細に説明する。受話信号x(t)のうち0〜(N−1)番目までのN個のサンプルの信号に対し、窓関数を乗算してからフーリエ変換して、フレーム#0の周波数領域信号X(ω,0)を求める。次に、TサンプルシフトしたT〜(N−1+T)番目までのN個のサンプルの信号に対し、同様に、窓関数を乗算してからフーリエ変換して、フレーム#1の周波数領域信号X(ω,1)を得る。この手順をTサンプルずつシフトしながら繰り返し、各フレームにおける周波数領域信号X(ω,n)(n=0, 1, …)を求める。
Hereinafter, the operation of the conventional echo canceling apparatus will be described with reference to FIG.
FIG. 10 shows the relationship between signals in the echo canceller 10, the speaker 31, and the microphone 32 in FIG. 9 as an equivalent model. A signal obtained by converting the received signal x (t), microphone received signal y (t), and transmitted signal e (t) into the frequency domain in a short-time frame, respectively, X (ω, n), Y (ω, n) , E (ω, n). However, discretized t represents time, ω represents a discretized frequency, and n represents a frame number. Here, the conversion procedure to the frequency domain will be described in detail with reference to FIG. 11 by taking the frequency domain conversion of the received signal x (t) as an example. The N-sample signals from 0 to (N−1) th of the received signal x (t) are multiplied by a window function and then subjected to Fourier transform to obtain the frequency domain signal X (ω, 0). Next, the signal of N samples from T to (N−1 + T) th shifted by T samples is similarly multiplied by a window function and then subjected to Fourier transform to obtain the frequency domain signal X ( ω, 1) is obtained. This procedure is repeated while shifting by T samples, and the frequency domain signal X (ω, n) (n = 0, 1,...) In each frame is obtained.

次に、図9においてスピーカ31からマイクロホン32までの音の伝達経路33の伝達特性は線形であり、その空間応答(インパルス応答)をr(t)、伝達関数(インパルス応答を周波数領域変換したもの)をR(ω)で表す。一般にスピーカ特性は、振幅の大きな信号の入力に対して、出力が頭打ちになるような非線形の応答特性をもっているので、図10においてスピーカ31の特性は線形応答部31Aと非線形応答部31Bに分けて考え、その線形応答部31Aのインパルス応答をg(t)、伝達関数をG(ω)とし、非線形応答部31Bの時間領域での特性を関数f、周波数領域での特性をFとして表す。これら線形応答部31Aと非線形応答部31Bの出力は加算部31Cで加算されてスピーカ31の出力となる。また、近端話者40の音声をs(t)、短時間フレームで周波数領域に変換した近端話者音声をS(ω,n)とし、近端話者40からマイクロホン32までの伝達経路34のインパルス応答をc(t)、伝達関数をC(ω)で表す。   Next, in FIG. 9, the transmission characteristic of the sound transmission path 33 from the speaker 31 to the microphone 32 is linear, the spatial response (impulse response) is r (t), and the transfer function (impulse response is frequency domain transformed). ) Is represented by R (ω). In general, the speaker characteristic has a non-linear response characteristic such that the output reaches a peak with respect to the input of a signal having a large amplitude. Therefore, the characteristic of the speaker 31 in FIG. Considering this, the impulse response of the linear response unit 31A is expressed as g (t), the transfer function is expressed as G (ω), the characteristic in the time domain of the nonlinear response unit 31B is expressed as a function f, and the characteristic in the frequency domain is expressed as F. The outputs of the linear response unit 31A and the non-linear response unit 31B are added by the addition unit 31C to be the output of the speaker 31. Also, s (t) is the voice of the near-end speaker 40 and S (ω, n) is the near-end talker voice converted to the frequency domain in a short frame, and the transmission path from the near-end talker 40 to the microphone 32 The impulse response of 34 is represented by c (t), and the transfer function is represented by C (ω).

これらから、マイクロホン受音信号y(t)は次式(1)で表される。
y(t)=g(t)*r(t)*x(t)+r(t)*f(x(t))+c(t)*s(t) (1)
ただし、は畳み込み演算を表す。これを周波数領域で表現すれば、式(2)となる。
Y(ω,n)=G(ω)R(ω)X(ω,n)+R(ω)F(X(ω,n))+C(ω)S(ω,n) (2)
更に、パワースペクトルで表現すれば、式(3)となる。
|Y(ω,n)|2=|G(ω)R(ω)|2|X(ω,n)|2+|R(ω)|2|F(X(ω,n))|2+|C(ω)|2|S(ω,n)|2
(3)
ただし|・|は、絶対値を表す。なお、式(3)における右辺の第1項と第2項がそれぞれスピーカ31からマイクロホン32に至る線形音響エコー成分及び非線形音響エコー成分に相当する。
From these, the microphone sound reception signal y (t) is expressed by the following equation (1).
y (t) = g (t) * r (t) * x (t) + r (t) * f (x (t)) + c (t) * s (t) (1)
However, * represents a convolution operation. If this is expressed in the frequency domain, Equation (2) is obtained.
Y (ω, n) = G (ω) R (ω) X (ω, n) + R (ω) F (X (ω, n)) + C (ω) S (ω, n) (2)
Furthermore, when expressed in terms of a power spectrum, equation (3) is obtained.
| Y (ω, n) | 2 = | G (ω) R (ω) | 2 | X (ω, n) | 2 + | R (ω) | 2 | F (X (ω, n)) | 2 + | C (ω) | 2 | S (ω, n) | 2
(3)
However, | · | represents an absolute value. Note that the first and second terms on the right side of Equation (3) correspond to the linear acoustic echo component and the nonlinear acoustic echo component from the speaker 31 to the microphone 32, respectively.

ここで、エコー消去装置に求められるのは、マイクロホン受音信号のパワースペクトル|Y(ω)|2に含まれる音響エコー成分を抑圧するゲインを求め、そのゲインをマイクロホン受音信号の周波数領域信号Y(ω)に乗算して、音響エコー成分を抑圧することである。即ち、マイクロホン受音信号y(t)のパワースペクトルに|Y(ω)|2に、ゲインのパワースペクトルH(ω,n)2を乗算した結果が、話者音声s(t)のマイクロホン32への入力成分のパワースペクトル|C(ω)|2|S(ω,n)|2と等しくなることが理想である。これを式で表せば式(4)となる。
H(ω,n)2|Y(ω,n)|2=|C(ω)|2|S(ω,n)|2 (4)
式(4)をゲインH(ω,n)について解けば、式(5)となる。
H(ω,n)=SQRT(|C(ω)|2|S(ω,n)|2/|Y(ω,n)|2) (5)
ただし、SQRT(・)は、平方根をとることを意味する。
Here, the echo canceller is required to obtain a gain for suppressing the acoustic echo component included in the power spectrum | Y (ω) | 2 of the microphone sound reception signal, and to calculate the gain in the frequency domain signal of the microphone sound reception signal. Multiplying Y (ω) to suppress the acoustic echo component. That is, the result of multiplying the power spectrum of the microphone sound reception signal y (t) by | Y (ω) | 2 and the power spectrum H (ω, n) 2 of the gain is the microphone 32 of the speaker voice s (t). Ideally, it becomes equal to the power spectrum of the input component to | C (ω) | 2 | S (ω, n) | 2 . If this is expressed by an equation, equation (4) is obtained.
H (ω, n) 2 | Y (ω, n) | 2 = | C (ω) | 2 | S (ω, n) | 2 (4)
Solving equation (4) for gain H (ω, n) yields equation (5).
H (ω, n) = SQRT (| C (ω) | 2 | S (ω, n) | 2 / | Y (ω, n) | 2 ) (5)
However, SQRT (•) means taking the square root.

ここで、|C(ω)|2|S(ω,n)|2は、実際には観測不可能であるので、式(3)を変形して式(5)に代入すれば、次式(6)のようになる。

Figure 2009124454
しかし、図9に示す従来のエコー消去装置では、スピーカの非線形成分(即ち歪成分)である|F(X(ω,n))|2は観測不可能であるので、従来のエコー消去装置のエコー抑圧ゲイン計算部14で計算されるゲイン値Hconv(ω,n)は、スピーカの歪成分を無視した次式(7)
Figure 2009124454
により求めていた。このため、従来のエコー消去装置では、スピーカの歪成分の抑圧はできない。ここで、|G’(ω)R’(ω)|は、スピーカ31からマイクロホン32までの伝達関数の推定スペクトルであり推定結合量と呼ぶ。 Here, | C (ω) | 2 | S (ω, n) | 2 is not actually observable, so if equation (3) is modified and substituted into equation (5), It becomes like (6).
Figure 2009124454
However, in the conventional echo canceller shown in FIG. 9, the non-linear component (ie, distortion component) of the speaker | F (X (ω, n)) | 2 cannot be observed. The gain value H conv (ω, n) calculated by the echo suppression gain calculation unit 14 is expressed by the following equation (7) ignoring the distortion component of the speaker.
Figure 2009124454
Was asking for. For this reason, the conventional echo canceller cannot suppress the distortion component of the speaker. Here, | G ′ (ω) R ′ (ω) | is an estimated spectrum of a transfer function from the speaker 31 to the microphone 32 and is called an estimated coupling amount.

ここまでで、従来のエコー消去装置で計算されるゲイン値を導出した。以下に、具体的な処理内容について図9を参照して述べる。
周波数領域変換部11は、受話信号x(t)を図11で説明したと同様の処理により周波数領域の信号X(ω,n)に変換する。周波数領域変換部15は、マイクロホン受音信号y(t)を周波数領域の信号Y(ω,n)に変換する。変換方法は周波数領域変換部11と同様である。
Thus far, the gain value calculated by the conventional echo canceller has been derived. Hereinafter, specific processing contents will be described with reference to FIG.
The frequency domain transform unit 11 transforms the received signal x (t) into a frequency domain signal X (ω, n) by the same processing as described in FIG. The frequency domain converter 15 converts the microphone sound reception signal y (t) into a frequency domain signal Y (ω, n). The conversion method is the same as that of the frequency domain converter 11.

結合量推定部12は、周波数領域変換部11の出力X(ω,n)と、周波数領域変換部15の出力Y(ω,n)から、スピーカ31とマイクロホン32間の結合量の推定値|G’(ω)R’(ω)|を求める。結合量はスピーカ31とマイクロホン32間の伝達関数の振幅であり、周波数領域のスピーカ出力信号X(ω,n)と周波数領域のマイクロホン受音信号Y(ω,n)の絶対値の比で求められる。また、結合量の精度を向上するために時間平滑化が行われる。即ち、推定結合量|G’(ω)R’(ω)|は式(8)により求めることができる。
|G’(ω)R’(ω)|=Avg{|Y(ω,n)|/|X(ω,n)|} (8)
ただし、Avg(・)はωの各値での平均値を取ることを表す。
The coupling amount estimation unit 12 estimates the coupling amount between the speaker 31 and the microphone 32 from the output X (ω, n) of the frequency domain conversion unit 11 and the output Y (ω, n) of the frequency domain conversion unit 15. G ′ (ω) R ′ (ω) | The amount of coupling is the amplitude of the transfer function between the speaker 31 and the microphone 32, and is determined by the ratio of the absolute value of the speaker output signal X (ω, n) in the frequency domain and the microphone sound reception signal Y (ω, n) in the frequency domain. It is done. In addition, time smoothing is performed to improve the accuracy of the coupling amount. That is, the estimated coupling amount | G ′ (ω) R ′ (ω) | can be obtained by the equation (8).
| G '(ω) R' (ω) | = Avg {| Y (ω, n) | / | X (ω, n) |} (8)
However, Avg (·) represents taking an average value at each value of ω.

エコーレベル推定部13は、周波数領域変換部11の出力X(ω,n)と、結合量推定部12の出力である推定結合量|G’(ω)R’(ω)|から、推定エコーレベル|Z(ω,n)|を求める。推定エコーレベルは、次式(9)
|Z(ω,n)|=|G’(ω)R’(ω)||X(ω,n)| (9)
で示すように受話信号と結合量を乗算して求められる。
The echo level estimation unit 13 calculates the estimated echo from the output X (ω, n) of the frequency domain conversion unit 11 and the estimated coupling amount | G ′ (ω) R ′ (ω) | that is the output of the coupling amount estimation unit 12. Find the level | Z (ω, n) |. The estimated echo level is given by
| Z (ω, n) | = | G '(ω) R' (ω) || X (ω, n) | (9)
As shown by multiplying the received signal by the coupling amount.

エコー抑圧ゲイン計算部14は、エコーレベル推定部13の出力|Z(ω,n)|と、周波数領域変換部15の出力Y(ω,n)から、エコーを抑圧するゲインHconv(ω,n)を求める。ゲインを求めるための式は、すでに式(7)として導出しているので、これに、式(9)を代入して得られる次式(10)により計算される。
Hconv(ω,n)=SQRT{(|Y(ω,n)|2−|Z(ω,n)|2)/|Y(ω,n)|2} (10)
The echo suppression gain calculation unit 14 uses the gain H conv (ω, n) to suppress the echo from the output | Z (ω, n) | of the echo level estimation unit 13 and the output Y (ω, n) of the frequency domain conversion unit 15. Find n). Since the equation for obtaining the gain has already been derived as the equation (7), it is calculated by the following equation (10) obtained by substituting the equation (9) into the equation (7).
H conv (ω, n) = SQRT {(| Y (ω, n) | 2 − | Z (ω, n) | 2 ) / | Y (ω, n) | 2 } (10)

ゲイン乗算部16は、エコー抑圧ゲイン計算部14で求められたゲインHconv(ω,n)を、周波数領域変換部15の出力Y(ω,n)に乗算し、送話信号の周波数領域信号E(ω,n)を求める。これを式で表せば式(11)となる。
E(ω,n)=Hconv(ω,n)Y(ω,n) (11)
The gain multiplication unit 16 multiplies the output Y (ω, n) of the frequency domain conversion unit 15 by the gain H conv (ω, n) obtained by the echo suppression gain calculation unit 14 to obtain the frequency domain signal of the transmission signal. Find E (ω, n). If this is expressed by an equation, equation (11) is obtained.
E (ω, n) = H conv (ω, n) Y (ω, n) (11)

逆周波数領域変換部17は、ゲイン乗算部16の出力信号E(ω,n)を、逆周波数領域変換して、このエコー消去装置10の出力である送話信号e(t)を出力する。逆周波数領域変換の詳細な手順を図12を用いて説明する。ゲイン乗算部16の出力信号E(ω,n)をNサンプルのフレーム毎に逆フーリエ変換してから窓関数を乗算する。次に、それら窓関数を乗算して得られたそれぞれNサンプルの信号をTサンプルずつずらして加算することで、出力信号e(t)を求め、出力する。   The inverse frequency domain transform unit 17 performs inverse frequency domain transform on the output signal E (ω, n) of the gain multiplier 16 and outputs a transmission signal e (t) that is an output of the echo canceller 10. A detailed procedure of the inverse frequency domain transform will be described with reference to FIG. The output signal E (ω, n) of the gain multiplier 16 is subjected to inverse Fourier transform every N sample frames, and then multiplied by a window function. Next, the output signal e (t) is obtained and output by shifting the N sample signals obtained by multiplying these window functions by T samples.

以上示した方法により、従来技術のエコー消去装置はエコー成分を消去する。しかし、従来のエコー消去装置では、スピーカの歪が大きい場合、その歪成分(非線形成分)は消去されない。これは、エコーを抑圧するゲインを求める式を導出する際に、式(6)における観測不可能なスピーカの歪成分|R(ω)|2|F(ω,n))|2を無視したためである。
特開2005-250266
By the method described above, the echo canceling device of the prior art cancels the echo component. However, in the conventional echo canceller, when the distortion of the speaker is large, the distortion component (nonlinear component) is not erased. This is because the distortion component | R (ω) | 2 | F (ω, n)) | 2 of the unobservable speaker in Equation (6) was ignored when deriving the equation to calculate the gain for suppressing echo. It is.
JP2005-250266

従来のエコー消去装置において消去可能なエコーは、線形のエコー経路を通ってマイクロホンに到達したエコー成分のみで、非線形のエコー成分は消去できない。従って、非線形性が強いスピーカ等を用いた場合、十分なエコー抑圧性能が得られないという問題が生じる。   In the conventional echo canceller, the echo that can be canceled is only the echo component that reaches the microphone through the linear echo path, and the nonlinear echo component cannot be canceled. Therefore, when a loudspeaker or the like with strong nonlinearity is used, there arises a problem that sufficient echo suppression performance cannot be obtained.

本発明が解決しようとする課題は、非線形性が強いスピーカ等を用いた場合でも、高いエコー消去性能を実現するエコー消去方法及び装置を提供することである。   The problem to be solved by the present invention is to provide an echo cancellation method and apparatus that realizes high echo cancellation performance even when a loudspeaker or the like with strong nonlinearity is used.

この発明によれば、受話信号がスピーカから出力されてマイクロホンに回り込んだ信号成分であるエコー成分をマイクロホン受音信号から消去するエコー消去装置は、
複数のマイクロホンの受音信号から得られたメインマイクロホン受音信号とサブマイクロホン受音信号をそれぞれ周波数領域メインマイクロホン受音信号と周波数領域サブマイクロホン受音信号に変換する周波数領域変換手段と、
上記周波数領域メインマイクロホン受音信号と上記周波数領域サブマイクロホン受音信号間のレベル比に基づいて結合量を推定し、その推定結合量と上記周波数領域サブマイクロホン受音信号との乗算により推定エコーレベルを得るエコー推定手段と、
上記周波数領域メインマイクロホン受音信号のレベルと上記推定エコーレベルとの差と、上記周波数領域メインマイクロホン受音信号のレベルとの比をゲインとして計算するエコー抑圧ゲイン計算手段と、
上記周波数領域メインマイクロホン受音信号に上記ゲインを乗算して上記周波数領域メインマイクロホン受音信号中のエコー成分を抑圧するゲイン乗算部と、
上記ゲイン乗算部による乗算結果を逆周波数領域変換して時間領域の送話信号を出力する逆周波数領域変換部、
とを含むように構成される。
According to the present invention, an echo canceller for canceling an echo component, which is a signal component output from a speaker and circulated into a microphone, from a microphone sound reception signal,
A frequency domain converting means for converting a main microphone received signal and a sub microphone received signal obtained from a plurality of microphone received signals into a frequency domain main microphone received signal and a frequency domain sub microphone received signal, respectively;
The amount of coupling is estimated based on the level ratio between the frequency domain main microphone received signal and the frequency domain sub microphone received signal, and the estimated echo level is calculated by multiplying the estimated amount of coupling and the frequency domain sub microphone received signal. Echo estimation means for obtaining
An echo suppression gain calculating means for calculating a difference between the level of the frequency domain main microphone received signal and the estimated echo level and a ratio of the level of the frequency domain main microphone received signal as a gain;
A gain multiplier that multiplies the frequency domain main microphone received signal by the gain to suppress echo components in the frequency domain main microphone received signal;
An inverse frequency domain transform unit for performing a reverse frequency domain transform on the multiplication result by the gain multiplier and outputting a time domain transmission signal;
And is configured to include.

この発明によれば、受話信号がスピーカから出力されてマイクロホンに回り込ん打診合成分であるエコー成分をマイクロホン受音信号から消去するエコー消去方法は、
(a) 複数のマイクロホンの受音信号から得られたメインマイクロホン受音信号と少サブマイクロホン受音信号をそれぞれ周波数領域メインマイクロホン受音信号と周波数領域サブマイクロホン受音信号に変換する過程と、
(b) 上記周波数領域メインマイクロホン受音信号と上記周波数領域サブマイクロホン受音信号間のレベル比に基づいて結合量を推定し、その推定結合量と上記周波数領域サブマイクロホン受音信号との乗算により推定エコーレベルを得る過程と、
(c) 上記周波数領域メインマイクロホン受音信号のレベルと上記推定エコーレベルとの差と、上記周波数領域メインマイクロホン受音信号のレベルとの比をゲインとして計算する過程と、
(d) 上記周波数領域メインマイクロホン受音信号に上記ゲインを乗算して上記周波数領域メインマイクロホン受音信号中のエコー成分を抑圧する過程と、
(e) 上記過程(d) による乗算結果を逆周波数領域変換して時間領域の送話信号を出力する過程、
とを含む。
According to the present invention, an echo canceling method for canceling an echo component, which is a percussion synthesis component that is output from a speaker and circulates into a microphone, from the microphone received signal,
(a) a process of converting a main microphone received signal and a low sub microphone received signal obtained from a plurality of microphone received signals into a frequency domain main microphone received signal and a frequency domain sub microphone received signal, respectively;
(b) Estimating a coupling amount based on a level ratio between the frequency domain main microphone received signal and the frequency domain sub microphone received signal, and multiplying the estimated coupling amount by the frequency domain sub microphone received signal. The process of obtaining the estimated echo level;
(c) calculating as a gain the ratio between the level of the frequency domain main microphone received signal and the estimated echo level and the level of the frequency domain main microphone received signal;
(d) a process of suppressing an echo component in the frequency domain main microphone received signal by multiplying the frequency domain main microphone received signal by the gain;
(e) a process of outputting a time-domain transmission signal by performing inverse frequency domain transformation on the multiplication result obtained in the process (d),
Including.

本発明によれば、線形な音響エコーと、スピーカの歪特性により発生する非線形な音響エコーの両方を抑圧し、高いエコー消去性能を実現できる。更に、近端話者音声の劣化が小さく高品質な収音が実現できる。   According to the present invention, it is possible to suppress both a linear acoustic echo and a non-linear acoustic echo generated due to the distortion characteristics of the speaker, thereby realizing a high echo cancellation performance. Further, high-quality sound collection can be realized with little deterioration of the near-end speaker voice.

実施例1
図1は、本発明の第1の実施例であるエコー消去装置のブロック図である。図9における対応するものに同様の参照符号をつけて示してある。
本実施例のエコー消去装置は、図9の従来構成におけるマイクロホン32と周波数領域変換部15に対応するものをメインマイクロホン321及び周波数領域変換部15とすると、サブマイクロホン322〜32M(Mは2以上の整数)とそれに対応する周波数領域変換部152〜15Mと、結合量推定部212〜21Mと、エコーレベル推定部222〜22Mが追加され、図9における受話信号x(t)に対する周波数領域変換部11、結合量推定部12、エコーレベル推定部13が省略されている。更に、222〜22Mの出力を統合するエコーレベル統合部23が設けられ、その出力がエコー抑圧ゲイン計算部14に与えられるように構成されている。結合量推定部21〜21と、エコーレベル推定部22〜22と、エコーレベル統合部23はエコー推定部20を構成している。ただし、後述の説明から明らかなように、エコーレベル統合部23は使用するマイクロホンの数が3個以上の場合に必要であり、2個の場合は必要でない。
Example 1
FIG. 1 is a block diagram of an echo canceller that is a first embodiment of the present invention. Corresponding parts in FIG. 9 are shown with similar reference numerals.
The echo canceller of the present embodiment, when the microphone 32 and the main microphones 32 1 and the frequency domain conversion unit 15 1 a which corresponds to the frequency domain transforming section 15 in the conventional arrangement of FIG. 9, the sub-microphone 32 2 to 32 M ( M is an integer greater than or equal to 2 ) and frequency domain transforming units 15 2 to 15 M corresponding thereto, coupling amount estimating units 21 2 to 21 M , and echo level estimating units 22 2 to 22 M are added. The frequency domain conversion unit 11, the coupling amount estimation unit 12, and the echo level estimation unit 13 for the signal x (t) are omitted. Further, an echo level integration unit 23 that integrates the outputs of 22 2 to 22 M is provided, and the output is provided to the echo suppression gain calculation unit 14. The coupling amount estimation units 21 2 to 21 M , the echo level estimation units 22 2 to 22 M, and the echo level integration unit 23 constitute an echo estimation unit 20. However, as will be apparent from the description below, the echo level integration unit 23 is necessary when the number of microphones to be used is three or more, and is not necessary when the number is two.

図2は本実施例のエコー消去装置100の入出力信号を説明する図である。本実施例のエコー消去装置100の入力信号は、通話相手から通信網50を通して与えられた受話信号x(t)に応じて自地点のスピーカ31から出力された受話音声と、近端話者40の送話音声とを自地点の2以上のマイクロホン321〜32Mで受音した信号である2チャネル以上のマイクロホン受音信号y1(t)〜yM(t)であり、出力信号は、通話相手への送信信号である送話信号e(t)である。ただし、図2は2つのマイクロホン321,322を使用する場合を示している。各マイクロホン受音信号ym(t)(m=1, 2)は、近端話者40から経路34を通ってマイクロホン32に入力される送話音声に加えて、スピーカ31の出力音が経路33mを通ってマイクロホン32mに回り込んだ信号である音響エコー成分が含まれる。エコー消去装置100はこの音響エコー成分を消去し、会話をしやすくする。また、エコー消去装置100の各入力信号は、AD変換により、アナログ信号から離散時間の信号に変換され、各出力信号は、離散時間信号からDA変換によりアナログ信号に変換されているものとする。 FIG. 2 is a diagram for explaining input / output signals of the echo canceling apparatus 100 of this embodiment. The input signal of the echo canceling apparatus 100 according to the present embodiment includes the received voice output from the speaker 31 at the local point according to the received signal x (t) given from the other party of the call through the communication network 50, and the near-end speaker 40. And two or more microphone sound reception signals y 1 (t) to y M (t), which are signals received by two or more microphones 32 1 to 32 M at the local point, and the output signal is , A transmission signal e (t) which is a transmission signal to the other party. However, FIG. 2 shows a case where two microphones 32 1 and 32 2 are used. Each microphone sound reception signal y m (t) (m = 1, 2) is output from the speaker 31 in addition to the transmitted voice input from the near-end speaker 40 through the path 34 m to the microphone 32 m. Includes an acoustic echo component, which is a signal that has passed through the path 33 m and has entered the microphone 32 m . The echo canceling apparatus 100 cancels this acoustic echo component to facilitate conversation. Each input signal of the echo canceling apparatus 100 is converted from an analog signal to a discrete time signal by AD conversion, and each output signal is converted from a discrete time signal to an analog signal by DA conversion.

図3は図1におけるエコー消去装置100と、スピーカ31と、マイクロホン321〜32M間の信号の関係を等価的に表している。ただし、図3ではM=2の場合を示している。受話信号をx(t)、2以上のマイクロホン321〜32Mで受音したMチャネルのマイクロホン受音信号をy1(t),…,yM(t)、送話信号をe(t)と表す。これらの信号をそれぞれフレームごとに周波数領域に変換した信号をそれぞれX(ω,n)、Y1(ω,n),…,YM(ω,n)、E(ω,n)と表す。周波数領域への変換方法については、従来のエコー消去装置と同様であり、図11で説明した手順により周波数領域への変換が行われる。ただし、tは離散時刻、ωは離散周波数、nはフレーム番号を表す。 FIG. 3 equivalently shows the signal relationship among the echo canceller 100, the speaker 31, and the microphones 32 1 to 32 M in FIG. However, FIG. 3 shows a case where M = 2. The received signal is x (t), the M-channel microphone received signals received by two or more microphones 32 1 to 32 M are y 1 (t),..., Y M (t), and the transmitted signal is e (t ). Signals obtained by converting these signals into the frequency domain for each frame are represented as X (ω, n), Y 1 (ω, n),..., Y M (ω, n), and E (ω, n), respectively. The conversion method to the frequency domain is the same as that of the conventional echo canceller, and the conversion to the frequency domain is performed according to the procedure described in FIG. However, t represents a discrete time, ω represents a discrete frequency, and n represents a frame number.

次に、スピーカ31から各マイクロホン321〜32Mまでの音の伝達経路331〜33Mの伝達特性は線形であり、そのインパルス応答をr1(t),…,rM(t)、伝達関数(インパルス応答を周波数領域に変換したもの)をR1(ω),…,RM(ω)で表す。 Next, the transmission characteristics of the sound transmission paths 33 1 to 33 M from the speaker 31 to the microphones 32 1 to 32 M are linear, and their impulse responses are expressed as r 1 (t),..., R M (t), The transfer function (the impulse response converted into the frequency domain) is represented by R 1 (ω),..., R M (ω).

スピーカ31は、振幅の大きな信号の入力に対して、出力が頭打ちになるような非線形の特性をもっているので、図10の場合と同様に線形応答特性を有する線形応答部31Aと非線形応答特性を有する非線形応答部31Bに分けて考え、その線形応答部31Aのインパルス応答をg(t)、伝達関数をG(ω)とし、非線形応答部31Bの時間領域での特性を関数fとし、周波数領域での特性をFで表す。近端話者40の発話音声をs(t)、その周波数領域信号をS(ω,n)とし、近端話者40から各マイクロホン321〜32Mまでの伝達経路341〜34Mのインパルス応答をc1(t),…,cM(t)、伝達関数をC1(ω),…,CM(ω)で表す。 Since the speaker 31 has a nonlinear characteristic such that the output reaches a peak with respect to an input of a signal having a large amplitude, it has a linear response unit 31A having a linear response characteristic and a nonlinear response characteristic as in the case of FIG. Considering the nonlinear response unit 31B separately, the impulse response of the linear response unit 31A is g (t), the transfer function is G (ω), the time domain characteristic of the nonlinear response unit 31B is the function f, and in the frequency domain The characteristic is expressed by F. S (t) the speech of the near-end talker 40, the frequency domain signal S (ω, n) and, from the near end talker 40 of the transmission path 34 1 to 34C M to the microphones 32 1 to 32 M an impulse response c 1 (t), ..., c M (t), a transfer function C 1 (ω), ..., represented by C M (ω).

これらから、マイクロホン受音信号ym(t)は次式(12)で表すことができる。ただし、m(m=1, …, M)はマイクロホン番号を表す。
ym(t)=g(t)*rm(t)*x(t)+rm(t)*f(x(t))+cm(t)*s(t) (12)
ここで、は畳み込み演算を表す。周波数領域変換後の各マイクロホン受音信号Ym(ω)は次式(13)で表される。
Ym(ω,n)=G(ω)Rm(ω)X(ω,n)+Rm(ω)F(X(ω,n))+Cm(ω)S(ω,n) (13)
From these, the microphone sound reception signal y m (t) can be expressed by the following equation (12). Here, m (m = 1,..., M) represents a microphone number.
y m (t) = g (t) * r m (t) * x (t) + r m (t) * f (x (t)) + cm (t) * s (t) (12)
Here, * represents a convolution operation. Each microphone sound reception signal Y m (ω) after the frequency domain conversion is expressed by the following equation (13).
Y m (ω, n) = G (ω) R m (ω) X (ω, n) + R m (ω) F (X (ω, n)) + C m (ω) S (ω, n) (13 )

更に、マイクロホン受音信号のパワースペクトル|Ym(ω)|2は次式(14)で表される。
|Ym(ω,n)|2=|G(ω)Rm(ω)|2|X(ω,n)|2+|Rm(ω)|2|F(X(ω,n))|2
+|Cm(ω)|2|S(ω,n)|2 (14)
ただし|・|は、絶対値を表す。また、右辺第1項目の成分を線形エコー成分、右辺第2項目の成分を非線形エコー成分と呼ぶ。
Further, the power spectrum | Y m (ω) | 2 of the microphone sound reception signal is expressed by the following equation (14).
| Y m (ω, n) | 2 = | G (ω) R m (ω) | 2 | X (ω, n) | 2 + | R m (ω) | 2 | F (X (ω, n) ) | 2
+ | C m (ω) | 2 | S (ω, n) | 2 (14)
However, | · | represents an absolute value. The component of the first item on the right side is called a linear echo component, and the component of the second item on the right side is called a nonlinear echo component.

ここで、エコー消去装置に求められるのは、メインマイクロホン受音信号y1(t)のパワースペクトル|Y1(ω)|2に含まれる音響エコー成分を抑圧するゲインを求め、そのゲインをメインマイクロホン受音信号y1(t)の周波数領域信号Y1(ω)に乗算して、音響エコー成分を抑圧することである。即ち、メインマイクロホン受音信号y1(t)のパワースペクトル|Y1(ω)|2に、ゲインのパワースペクトルH(ω,n)2を乗算したときに、話者音声の、メインマイクロホン321への入力音声成分のパワースペクトル|Cm(ω)|2|S(ω,n)|2となることが理想である。これを式で表せば式(15)となる。
H(ω,n)2|Y1(ω,n)|2=|C1(ω)|2|S(ω,n)|2 (15)
式(15)をゲインH(ω,n)について解けば、式(16)となる。
H(ω,n)=SQRT{|C1(ω)|2|S(ω,n)|2/|Y1(ω,n)|2} (16)
ただし、SQRT(・)は、平方根をとることを意味する。ここで、|C1(ω)|2|S(ω,n)|2は、実際には観測不可能であるので、式(14)を変形して式(16)に代入すれば、次式(17)が得られる。

Figure 2009124454
Here, the echo canceller is required to obtain a gain for suppressing the acoustic echo component included in the power spectrum | Y 1 (ω) | 2 of the main microphone sound reception signal y 1 (t), The acoustic echo component is suppressed by multiplying the frequency domain signal Y 1 (ω) of the microphone sound reception signal y 1 (t). That is, when the power spectrum | Y 1 (ω) | 2 of the main microphone sound reception signal y 1 (t) is multiplied by the power spectrum H (ω, n) 2 of the gain, the main microphone 32 of the speaker voice is obtained. Ideally, the power spectrum of the input speech component to 1 becomes | C m (ω) | 2 | S (ω, n) | 2 . If this is expressed by an equation, equation (15) is obtained.
H (ω, n) 2 | Y 1 (ω, n) | 2 = | C 1 (ω) | 2 | S (ω, n) | 2 (15)
Solving equation (15) for gain H (ω, n) yields equation (16).
H (ω, n) = SQRT {| C 1 (ω) | 2 | S (ω, n) | 2 / | Y 1 (ω, n) | 2 } (16)
However, SQRT (•) means taking the square root. Here, | C 1 (ω) | 2 | S (ω, n) | 2 is not actually observable, so if equation (14) is transformed into equation (16), then Equation (17) is obtained.
Figure 2009124454

式(17)で表されるゲインを求めるには、線形エコー成分と非線形エコー成分を加算して得られるエコー信号成分のパワースペクトル(|G(ω)R1(ω)|2|X(ω,n)|2+|R1(ω)|2|F(X(ω,n))|2)を推定する必要がある。サブマイクロホン受音信号ym(t)のパワースペクトル|Ym(ω,n)|2、m=2,…,M、に結合量推定部12で得たサブマイクロホン32とメインマイクロホン32間の結合量の推定値|R’1(ω)|/|R’m(ω)|のパワースペクトル|R’1(ω)|2/|R’m(ω)|2をエコーレベル推定部13で乗算すれば、式(14)を使って次式(18)
|Ym(ω,n)|2|R’1(ω)|2/|R’m(ω)|2
=|G(ω)|2|R’1(ω)|2(|Rm(ω)|2/|R’m(ω)|2)|X(ω,n)|2
+|R’1(ω)|2(|Rm(ω)|2/|R’m(ω)|2)|F(X(ω,n))|2
+(|R’1(ω)|2/|R’m(ω)|2)|Cm(ω)|2|S(ω,n)|2
≒|G(ω)|2|R’1(ω)|2|X(ω,n)|2+|R’1(ω)|2|F(X(ω,n))|2
+(|R’1(ω)|2/|R’m(ω)|2)|Cm(ω)|2|S(ω,n)|2 (18)
が得られる。ただし、|Rm(ω)|2/|R’m(ω)|2=1としている。(|R’1(ω)|2/|R’m(ω)|2)|Cm(ω)|2が十分小さければ、式(18)から推定線形エコー成分と推定非線形エコー成分の和である推定エコー信号のパワースペクトルが次式(19)
|Zm(ω,n)|2=|Ym(ω,n)|2|R’1(ω)|2/|R’m(ω)|2
≒|G(ω)R’1(ω)|2|X(ω,n)|2+|R’1(ω)|2|F(X(ω,n))|2 (19)
のように表されることがわかる。この(|R’1(ω)|2/|R’m(ω)|2)|Cm(ω)|2が十分小さくなる条件が成立するためには、マイクロホンとスピーカの配置に工夫が必要であり、これについては後述する。
In order to obtain the gain represented by Equation (17), the power spectrum of the echo signal component obtained by adding the linear echo component and the nonlinear echo component (| G (ω) R 1 (ω) | 2 | X (ω , n) | 2 + | R 1 (ω) | 2 | F (X (ω, n)) | 2 ) must be estimated. Y m (ω, n) | | power spectrum of the sub-microphone sound reception signal y m (t) 2, m = 2, ..., the sub-microphone 32 m and the main microphone 32 obtained by M, the coupling amount estimating unit 12 m binding of the estimated value of between 1 | R '1 (ω) | / | R' m (ω) | power spectrum | R '1 (ω) | 2 / | R' m (ω) | 2 the echo level If multiplication is performed by the estimation unit 13 m , the following equation (18) is obtained using equation (14).
| Y m (ω, n) | 2 | R ' 1 (ω) | 2 / | R' m (ω) | 2
= | G (ω) | 2 | R ' 1 (ω) | 2 (| R m (ω) | 2 / | R' m (ω) | 2 ) | X (ω, n) | 2
+ | R ' 1 (ω) | 2 (| R m (ω) | 2 / | R' m (ω) | 2 ) | F (X (ω, n)) | 2
+ (| R ' 1 (ω) | 2 / | R' m (ω) | 2 ) | C m (ω) | 2 | S (ω, n) | 2
≒ | G (ω) | 2 | R ' 1 (ω) | 2 | X (ω, n) | 2 + | R' 1 (ω) | 2 | F (X (ω, n)) | 2
+ (| R ' 1 (ω) | 2 / | R' m (ω) | 2 ) | C m (ω) | 2 | S (ω, n) | 2 (18)
Is obtained. However, | R m (ω) | 2 / | R ′ m (ω) | 2 = 1. (| R ' 1 (ω) | 2 / | R' m (ω) | 2 ) | C m (ω) | If 2 is sufficiently small, the sum of the estimated linear echo component and the estimated nonlinear echo component is obtained from equation (18). The power spectrum of the estimated echo signal is
| Z m (ω, n) | 2 = | Y m (ω, n) | 2 | R ' 1 (ω) | 2 / | R' m (ω) | 2
≒ | G (ω) R ' 1 (ω) | 2 | X (ω, n) | 2 + | R' 1 (ω) | 2 | F (X (ω, n)) | 2 (19)
It can be seen that In order for this (| R ' 1 (ω) | 2 / | R' m (ω) | 2 ) | C m (ω) | 2 to be sufficiently small, the arrangement of microphones and speakers must be devised. This is necessary and will be described later.

図1の構成において、サブマイクロホンの数は1つ(即ちM=2)でもよいが、近似の精度を高めるため、サブマイクロホンの数を2以上とし、後述するようにメインマイクロホン32と各サブマイクロホン32間の結合量|R’1(ω)|/|R’m(ω)|の推定値から求めたZm(ω,n)、m=2,…, M、を統合して推定エコーレベルZ(ω,n)を決めている。 In the configuration of FIG. 1, the number of sub-microphone one (i.e. M = 2) even better, but to increase the accuracy of the approximation, the number of sub microphones 2 or more, each of the sub and main microphone 32 1 as described below the amount of coupling between the microphones 32 m | R '1 (ω ) | / | R' m (ω) | Z m determined from the estimated value (ω, n), m = 2, ..., integrates M, a Estimated echo level Z (ω, n) is determined.

次に、サブマイクロホンの受音信号|Y2(ω)|〜|YM(ω)|にそれぞれ推定結合量|R’(ω)|/|R’2(ω)|〜|R’(ω)|/|R’M(ω)|を乗算して求めた推定エコーレベルZ2(ω,n)〜ZM(ω,n)を統合して得た統合推定エコーレベルにより、式(17)中の線形エコー成分と非線形エコー成分のパワースペクトルの和|G(ω)R1(ω)|2|X(ω,n)|2+|R1(ω)|2|F(X(ω,n))|2を推定する。推定エコーレベルの統合方法としては、得られた推定エコーレベルZ2(ω,n)〜ZM(ω,n)の各ωの値における最大値を取る方法や、平均を取る方法がある。 Next, the estimated coupling amount | R '(ω) | / | R' 2 (ω) | to | R '(, respectively, for the received sound signal | Y 2 (ω) | to | Y M (ω) | ω) | / | R ' M (ω) | multiplied by the estimated echo level Z 2 (ω, n) -Z M (ω, n) 17) Sum of power spectrum of linear echo component and nonlinear echo component in | G (ω) R 1 (ω) | 2 | X (ω, n) | 2 + | R 1 (ω) | 2 | F (X (ω, n)) | 2 is estimated. As a method for integrating the estimated echo levels, there are a method for obtaining the maximum value and an average method for each value of ω of the obtained estimated echo levels Z 2 (ω, n) to Z M (ω, n).

統合後の推定エコーレベルをZ(ω,n)と表すと、本実施例で計算されるエコー抑圧ゲインは次式(20)
Hprop(ω,n)=SQRT{(|Y(ω,n)|2−|Z(ω,n)|2)/|Y(ω,n)|2} (20)
で表される。ここで、本実施例の推定エコーレベルZ(ω,n)には、線形エコーと非線形エコーの両方の成分が含まれているので、その両方を抑圧することができる。
When the estimated echo level after integration is expressed as Z (ω, n), the echo suppression gain calculated in this embodiment is expressed by the following equation (20)
H prop (ω, n) = SQRT {(| Y (ω, n) | 2 − | Z (ω, n) | 2 ) / | Y (ω, n) | 2 } (20)
It is represented by Here, since the estimated echo level Z (ω, n) of the present embodiment includes both components of the linear echo and the nonlinear echo, both of them can be suppressed.

以上までで、本実施例におけるエコーを抑圧するためのゲインHprop(ω,n)を求める式の導出を行った。なお、式(20)では信号のパワーレベルに基づいてゲインの計算を行っているが、次式(20’)のように信号の振幅レベルに基づいてゲインを計算してもよい。
Hprop(ω,n)=(|Y(ω,n)|−|Z(ω,n)|)/|Y(ω,n)| (20’)
この式(20’)によれば、ゲインの精度は悪くなるが、演算量が少なくなる利点がある。後述の他の実施例においても同様であり、ゲインを計算する場合、扱う信号のレベルはパワーレベルでも振幅レベルでもよい。
Up to this point, an expression for obtaining the gain H prop (ω, n) for suppressing the echo in this embodiment has been derived. In equation (20), the gain is calculated based on the signal power level, but the gain may be calculated based on the amplitude level of the signal as in equation (20 ′) below.
H prop (ω, n) = (| Y (ω, n) | − | Z (ω, n) |) / | Y (ω, n) | (20 ')
According to the equation (20 ′), the gain accuracy is deteriorated, but there is an advantage that the calculation amount is reduced. The same applies to other embodiments described later, and when calculating the gain, the level of the signal to be handled may be a power level or an amplitude level.

以下に、図1における各部の具体的な動作について説明する。
メインマイクロホン受音信号に対する周波数領域変換部15とサブマイクロホン受音信号に対する周波数領域変換部15〜15は、マイクロホン受音信号y1(t)〜yM(t)を周波数領域の信号Y1(ω,n)〜YM(ω,n)に変換する。変換方法は図11で説明した受話信号x(t)に対する周波数領域変換方法と同様である。
The specific operation of each part in FIG. 1 will be described below.
Frequency domain transform section 15 2 to 15 M for the frequency domain transform section 151 and the sub microphone received sound signals to the main microphone sound reception signal, the microphone sound reception signal y 1 (t) ~y M ( t) a frequency domain signal Convert from Y 1 (ω, n) to Y M (ω, n). The conversion method is the same as the frequency domain conversion method for the received signal x (t) described in FIG.

サブマイクロホン受音信号y2(t)〜yM(t)ごとに設けられた結合量推定部12〜12 は、各サブマイクロホン受音信号y2(t)〜yM(t)とメインマイクロホン受音信号y1(t)間の結合量を推定する。結合量はスピーカとマイクロホン間の伝達関数の振幅であり、スピーカ出力信号とマイクロホン受音信号の周波数領域における絶対値の比で求められる。また、結合量の精度を向上するために時間平滑化が行われる。例えば推定結合量|G’(ω)R’1(ω)|は式(21)により求められる。
|G’(ω)R’1(ω)|=Avg{|Y1(ω,n)|/|X(ω,n)|} (21)
ただし、Avg(・)はωの各値での平均値を取ることを表す。
Sub microphone sound reception signal y 2 (t) ~y M ( t) coupling amount estimating section 12 2 to 12 M provided for each includes a respective sub-microphone received sound signal y 2 (t) ~y M ( t) The amount of coupling between the main microphone sound reception signal y 1 (t) is estimated. The amount of coupling is the amplitude of the transfer function between the speaker and the microphone, and is determined by the ratio of absolute values in the frequency domain of the speaker output signal and the microphone sound reception signal. In addition, time smoothing is performed to improve the accuracy of the coupling amount. For example, the estimated coupling amount | G ′ (ω) R ′ 1 (ω) | is obtained by Expression (21).
| G '(ω) R' 1 (ω) | = Avg {| Y 1 (ω, n) | / | X (ω, n) |} (21)
However, Avg (·) represents taking an average value at each value of ω.

次に、サブマイクロホン受音信号ym(t)に対する結合量推定部12(m=2, …, M)は、サブマイクロホン受音信号ym(t)に対する周波数領域変換部15の出力Ym(ω,n)と、メインマイクロホン受音信号y1(t)に対する周波数領域変換部15の出力Y1(ω,n)から、メインマイクロホン32とサブマイクロホン32間の結合量の推定値|R’1(ω)|/|R’m(ω)|を求める。受話信号x(t)に対する結合量推定部12と同様にして、結合量|R’1(ω)|/|R’m(ω)|は式(22)により推定される。
|R’1(ω)|/|R’m(ω)|=Avg{|Y1(ω,n)|/|Ym(ω,n)|} (22)
ただし、Avg(・)はωの各値での平均値を取ることを表す。
Next, coupling estimation unit 12 m for the sub-microphone received sound signal y m (t) (m = 2, ..., M) , the sub-microphone received sound signal y m (t) with respect to the frequency domain converter 15 m outputs of Y m (ω, n) and, from the main microphone sound reception signal y 1 output Y 1 of the frequency domain transform unit 15 1 for (t) (ω, n) , the amount of coupling between the main microphone 32 1 and the sub microphone 32 m Estimated value | R ′ 1 (ω) | / | R ′ m (ω) | In the same manner as the coupling amount estimation unit 12 for the received signal x (t), the coupling amount | R ′ 1 (ω) | / | R ′ m (ω) | is estimated by Expression (22).
| R ' 1 (ω) | / | R' m (ω) | = Avg {| Y 1 (ω, n) | / | Y m (ω, n) |} (22)
However, Avg (·) represents taking an average value at each value of ω.

サブマイクロホン受音信号ym(t)、m=2, …, M、に対するエコーレベル推定部13は、サブマイクロホン受音信号ym(t)に対するの周波数領域変換部15の出力Ym(ω,n)、m=2,…,Mと、結合量推定部12の出力|R’1(ω)|/|R’m(ω)|から、推定エコーレベル|Zm(ω,n)|、m=2,…,Mを求める。この推定エコーレベルは、次式(23)に示すようにサブマイクロホン受音信号と結合量を乗算して求められる。
|Zm(ω,n)|=(|R’1(ω)|/|R’m(ω)|)|Ym(ω,n)| (23)
The echo level estimation unit 13 m for the sub microphone sound reception signal y m (t), m = 2,..., M is the output Y m of the frequency domain conversion unit 15 m for the sub microphone sound reception signal y m (t). From (ω, n), m = 2,..., M and the output | R ′ 1 (ω) | / | R ′ m (ω) | of the coupling amount estimation unit 12 m , the estimated echo level | Z m (ω , n) |, m = 2,. This estimated echo level is obtained by multiplying the sub-microphone sound reception signal and the coupling amount as shown in the following equation (23).
| Z m (ω, n) | = (| R ' 1 (ω) | / | R' m (ω) |) | Y m (ω, n) | (23)

エコーレベル統合部18は、各エコーレベル推定部13〜13の出力|Zm(ω,n)|、m=2,…,Mを、1つのエコーレベル|Z(ω,n)|に統合する。統合は最大値を取る方法、または平均値を取る方法により行われる。最大値を取る方法では、次式(24)により統合エコーレベル|Z(ω,n)|が求められ、平均値を取る方法では、次式(25)により統合エコーレベル|Z(ω,n)|が求められる。
|Z(ω,n)|=Maxm(|Zm(ω,n)|) (24)
|Z(ω,n)|=Avem(|Zm(ω,n)|) (25)
ただし、Maxm(・)はωの各値においてmを変化させて最大値を取ることを意味し、Avem(・)はωの各値においてmを変化させて平均値を取ることを意味する。
Echo level integration unit 18, the output of the echo level estimator 13 2 ~13 M | Z m ( ω, n) |, m = 2, ..., a M, 1 single echo level | Z (ω, n) | To integrate. Integration is performed by a method of taking a maximum value or a method of taking an average value. In the method of taking the maximum value, the integrated echo level | Z (ω, n) | is obtained by the following equation (24), and in the method of taking the average value, the integrated echo level | Z (ω, n ) |
| Z (ω, n) | = Max m (| Z m (ω, n) |) (24)
| Z (ω, n) | = Ave m (| Z m (ω, n) |) (25)
However, Max m (•) means that the maximum value is obtained by changing m at each value of ω, and Ave m (•) means that the average value is obtained by changing m at each value of ω. To do.

エコー抑圧ゲイン計算部14は、エコーレベル統合部18の出力|Z(ω,n)|と、メインマイクロホン受音信号y1(t)に対する周波数領域変換部15の出力Y1(ω,n)から、エコーを抑圧するゲインHprop(ω,n)を求める。ゲインは、メインマイクロホン受音信号y1(t)のパワースペクトル|Y1(ω,n)|2から、統合したエコーレベルのパワースペクトル|Z(ω,n)|2を減算して得た推定送話音声レベルを、メインマイクロホン受音信号y1(t)のパワースペクトル|Y1(ω,n)|2で割って求められる。これを式で表せば、次式(26)となる。
Hconv(ω,n)=SQRT{(|Y1(ω,n)|2−|Z(ω,n)|2)/|Y1(ω,n)|2} (26)
Echo suppression gain calculator 14, the output of the echo level of integration unit 18 | Z (ω, n) | and the main microphone sound reception signal y 1 output Y 1 of the frequency domain transform unit 15 1 for (t) (ω, n ), The gain H prop (ω, n) for suppressing the echo is obtained. Gain was obtained by subtracting the integrated echo-level power spectrum | Z (ω, n) | 2 from the power spectrum | Y 1 (ω, n) | 2 of the main microphone sound reception signal y 1 (t) The estimated transmission voice level is obtained by dividing by the power spectrum | Y 1 (ω, n) | 2 of the main microphone sound reception signal y 1 (t). This can be expressed by the following equation (26).
H conv (ω, n) = SQRT {(| Y 1 (ω, n) | 2 − | Z (ω, n) | 2 ) / | Y 1 (ω, n) | 2 } (26)

ゲイン乗算部16は、エコー抑圧ゲイン計算部14で求められたゲインHprop(ω,n)を、メインマイクロホン受音信号y1(t)に対する周波数領域変換部15の出力Y1(ω,n)に乗算することにより、送話信号e(t)の周波数領域信号E(ω,n)を得る。これを式で表せば式(27)となる。
E(ω,n)=Hprop(ω,n)Y1(ω,n) (27)
Gain multiplication unit 16, the gain H prop (ω, n) obtained in the echo suppression gain computing unit 14, a main microphone sound reception signal y 1 output Y 1 of the frequency domain transform unit 15 1 for (t) (omega, By multiplying n), the frequency domain signal E (ω, n) of the transmission signal e (t) is obtained. If this is expressed by an equation, equation (27) is obtained.
E (ω, n) = H prop (ω, n) Y 1 (ω, n) (27)

逆周波数領域変換部17は、ゲイン乗算部16の出力信号E(ω,n)を、図12で説明したと同様の処理により逆周波数領域変換して、本実施例のエコー消去装置100の出力である送話信号e(t)を出力する。   The inverse frequency domain transform unit 17 performs inverse frequency domain transform on the output signal E (ω, n) of the gain multiplication unit 16 by the same process as described with reference to FIG. 12, and outputs the output of the echo cancellation apparatus 100 of the present embodiment. The transmission signal e (t) is output.

次に、マイクロホンとスピーカの配置について述べる。
サブマイクロホン受音信号ym(t)(m=2, …, M)から求められる推定エコーレベル|Zm(ω,n)|には、式(18)で示したように、近端話者音声の成分|S(ω,n)|も混合している。推定エコーレベルに近端話者音声の成分が含まれると、近端話者音声までも抑圧してしまうゲインが決まってしまうため、送話音声が劣化する。これを防ぐには、式(18)中の(|R’1(ω)|2/|R’m(ω)|2)|Cm(ω)|2を小さくする必要がある。そのためには、スピーカ31からサブマイクロホン32までの伝達関数の振幅|R’m(ω)|、m=2,…,Mが大きく、スピーカ31からメインマイクロホン32までの伝達関数の振幅|R’1(ω)|が小さく、近端話者からサブマイクロホン32までの伝達関数の振幅|Cm(ω)|、m=2,…,Mが小さくなればよい。このひとつの方法として、マイクロホンの配置に工夫をすることが考えられる。例えば図4に示すように、単一指向性マイクロホンを2つ使い、メインマイクロホン32は、感度の高い方向を近端話者40に向け、感度の低い方向をスピーカ31に向ける。また、サブマイクロホン32は、逆に感度の高い方向をスピーカ31に向け、感度の低い方向を近端話者40に向ける。このような配置とすることで、|Cm(ω)|、m=2,…,Mの振幅が小さくなり、更に、|R’1(ω)|の振幅が小さくなり、|R’m(ω)|、m=2,…,Mの振幅が大きくなる。この工夫により、近端話者音声の劣化を小さくすることができる。
Next, the arrangement of microphones and speakers will be described.
The estimated echo level | Z m (ω, n) | obtained from the sub microphone received signal y m (t) (m = 2,…, M) has a near-end talk as shown in Equation (18). Human voice component | S (ω, n) | is also mixed. If the estimated echo level includes a component of the near-end speaker voice, a gain that suppresses even the near-end speaker voice is determined, so that the transmitted voice is deteriorated. In order to prevent this, it is necessary to reduce (| R ′ 1 (ω) | 2 / | R ′ m (ω) | 2 ) | C m (ω) | 2 in equation (18). For this purpose, the amplitude of the transfer function from the speaker 31 to the sub microphone 32 m | R ′ m (ω) |, m = 2,..., M is large, and the amplitude of the transfer function from the speaker 31 to the main microphone 32 1 | R ′ 1 (ω) | is small, and the amplitude | C m (ω) |, m = 2,..., M of the transfer function from the near-end speaker to the sub microphone 32 m may be small. One possible method is to devise a microphone arrangement. For example, as shown in FIG. 4, using two unidirectional microphone, the main microphones 32 1 directs the sensitive direction near-end talker 40, directs the low sensitivity direction to the speaker 31. The sub-microphone 32 2, conversely toward the sensitive direction to the speaker 31, directs a low sensitivity direction near-end talker 40. With such an arrangement, | C m (ω) | , m = 2, ..., the amplitude of M is reduced, further, | R '1 (ω) | amplitude becomes small, | R' m The amplitude of (ω) |, m = 2,. By this device, it is possible to reduce the deterioration of the near-end speaker voice.

以上示した説明したように、この発明では、エコー推定部20によりメインマイクロホン受音信号とサブマイクロホン受音信号間の結合量に基づいてエコーレベルを推定している。式(18)で示したように推定エコーレベルには線形エコー成分と非線形エコー成分が含まれており、従って、そのような推定エコーレベルから求めたエコー抑圧ゲインをメインマイクロホン受音信号に乗算することにより、メインマイクロホン受音信号に含まれる線形エコー成分と非線形エコー成分の両方を抑圧することができる。   As described above, in the present invention, the echo estimation unit 20 estimates the echo level based on the coupling amount between the main microphone received signal and the sub microphone received signal. As shown in Equation (18), the estimated echo level includes a linear echo component and a nonlinear echo component. Therefore, the echo suppression gain obtained from such an estimated echo level is multiplied by the main microphone sound reception signal. As a result, both the linear echo component and the nonlinear echo component included in the main microphone sound reception signal can be suppressed.

本実施例のエコー消去装置100は、スピーカの歪が大きい場合でも、その歪成分に起因する非線形エコーと線形のエコー成分の両方を抑圧し、快適なハンズフリー通話を実現することができる。   The echo canceling apparatus 100 according to the present embodiment can realize a comfortable hands-free call by suppressing both nonlinear echoes and linear echo components caused by the distortion components even when the speaker distortion is large.

図1の実施例において、Mは2以上の整数であるが、M=2の場合は当然エコーレベル統合部23は不要であり、エコーレベル推定部22の出力推定エコーレベルZM(ω,n)は直接エコー抑圧ゲイン計算部14に与えられる。
実施例2
In the embodiment of FIG. 1, M is an integer of 2 or more, of course echo level integration section 23 in the case of M = 2 is not required, the output estimated echo level of the echo level estimating unit 22 M Z M (ω, n) is directly given to the echo suppression gain calculator 14.
Example 2

図5はこの発明による第2実施例のエコー消去装置を示すブロック図である。
この実施例は、図1の実施例に対し、図9で説明した従来のエコー推定方法を組み合わせることにより、よりエコー推定精度をより高めることを意図しており、図1の構成に、図9と同様に受話信号x(t)に対する周波数領域変換部11と、結合量推定部12と、エコーレベル推定部13を追加したものである。エコー推定部20はこれら結合量推定部12とエコーレベル推定部13を含んでおり、エコーレベル統合部23はエコーレベル推定部13,22〜22で求めた推定エコーレベルZ1(ω,n), Z2(ω,n)〜ZM(ω,n)を統合して推定エコーレベルZ(ω,n)を生成する。
FIG. 5 is a block diagram showing an echo canceling apparatus according to a second embodiment of the present invention.
This embodiment is intended to further improve the echo estimation accuracy by combining the conventional echo estimation method described in FIG. 9 with the embodiment of FIG. Similarly, a frequency domain conversion unit 11, a coupling amount estimation unit 12, and an echo level estimation unit 13 for the received signal x (t) are added. The echo estimation unit 20 includes the coupling amount estimation unit 12 and the echo level estimation unit 13, and the echo level integration unit 23 estimates the estimated echo level Z 1 (ω, obtained by the echo level estimation units 13, 22 2 to 22 M. n), Z 2 (ω, n) to Z M (ω, n) are integrated to generate an estimated echo level Z (ω, n).

式(6), (7)で説明したと同様に、式(17)中の線形エコー成分|G(ω)R1(ω)|2|X(ω,n)|2はスピーカとマイクロホン間の結合量の推定値|G’(ω)R’1(ω)|を次式(28)のように受話信号|X(ω,n)|に乗算して得られる推定エコーレベル
|Z1(ω,n)|=|G’(ω)R’1(ω)||X(ω,n)| (28)
から推定することができる。
As explained in equations (6) and (7), the linear echo component | G (ω) R 1 (ω) | 2 | X (ω, n) | 2 in equation (17) is between the speaker and the microphone. Estimated echo level obtained by multiplying the received signal | X (ω, n) | by the estimated value | G '(ω) R' 1 (ω) |
| Z 1 (ω, n) | = | G '(ω) R' 1 (ω) || X (ω, n) | (28)
Can be estimated from

受話信号x(t)に対する周波数領域変換部11は、受話信号x(t)を図11で説明した処理により周波数領域の信号X(ω,n)に変換する。受話信号x(t)に対する結合量推定部12は、受話信号x(t)に対する周波数領域変換部11の出力X(ω,n)と、メインマイクロホン受音信号y1(t)に対する周波数領域変換部15の出力Y1(ω,n)から、スピーカ31とメインマイクロホン32間の結合量の推定値|G’(ω)R’1(ω)|を次式(29)により求める。
|G’(ω)R’1(ω)|=Avg{|Y1(ω,n)|/|X(ω,n)|} (29)
The frequency domain conversion unit 11 for the received signal x (t) converts the received signal x (t) into a frequency domain signal X (ω, n) by the process described with reference to FIG. The coupling amount estimation unit 12 for the received signal x (t) is subjected to the frequency domain conversion for the output X (ω, n) of the frequency domain conversion unit 11 for the received signal x (t) and the main microphone sound reception signal y 1 (t). from part 15 1 of the output Y 1 (ω, n), the estimated value of the amount of binding between the speaker 31 and the main microphones 32 1 | obtained by the following equation (29) | G '(ω ) R' 1 (ω).
| G '(ω) R' 1 (ω) | = Avg {| Y 1 (ω, n) | / | X (ω, n) |} (29)

受話信号のエコーレベル推定部13は、受話信号x(t)に対する周波数領域変換部11の出力X(ω,n)と、結合量推定部12の出力|G’(ω)R’1(ω)|から、推定エコーレベル|Z1(ω)|を次式(29)により求める。
|Z1(ω,n)|=Avg{|Y1(ω,n)|/|X(ω,n)|}|X(ω,n)| (30)
The echo level estimation unit 13 of the received signal receives the output X (ω, n) of the frequency domain transform unit 11 for the received signal x (t) and the output | G ′ (ω) R ′ 1 (ω ) |, The estimated echo level | Z 1 (ω) | is obtained by the following equation (29).
| Z 1 (ω, n) | = Avg {| Y 1 (ω, n) | / | X (ω, n) |} | X (ω, n) | (30)

エコーレベル統合部23は、エコーレベル推定部13,22〜22で得られた推定エコーレベル|Z1(ω,n)|〜|ZM(ω,n)|を統合して推定エコーレベルZ(ω,n)を出力する。統合方法としては、例えば第1実施例で説明したと同様に、各ωの値での最大値、又は平均値を取ればよい。その他の部分の構成及び動作は図1の実施例と同様なので説明を省略する。
実施例3
The echo level integration unit 23 integrates the estimated echo levels | Z 1 (ω, n) | to | Z M (ω, n) | obtained by the echo level estimation units 13, 22 2 to 22 M to estimate echoes. Output level Z (ω, n). As an integration method, for example, as described in the first embodiment, the maximum value or the average value of the values of each ω may be taken. The configuration and operation of the other parts are the same as in the embodiment of FIG.
Example 3

図6は、この発明による第3の実施例のエコー消去装置を示すブロック図である。本実施例のエコー消去装置100は、図5の実施例におけるエコー推定部20内に、受話検出部24とスイッチ部25を追加した構成である。   FIG. 6 is a block diagram showing an echo canceling apparatus according to a third embodiment of the present invention. The echo canceling apparatus 100 of the present embodiment has a configuration in which an incoming call detection unit 24 and a switch unit 25 are added to the echo estimation unit 20 in the embodiment of FIG.

受話検出部24は、受話信号x(t)に対する周波数領域変換部11の出力X(ω,n)のレベルを観測し、受話が存在する区間を検出する。検出は、例えば、予め設定した固定閾値と、受話信号X(ω,n)のレベルを比較し、受話信号のレベルが大きい場合に受話として検出する。あるいは、受話信号と背景ノイズのレベル比を固定閾値と比較して検出してもよい。スイッチ部25は、エコーレベル統合部23とエコー抑圧ゲイン計算部14の間に挿入されており、受話検出部24で受話が検出されたときにONとなり、受話が検出されないときにOFFとなり、エコーレベル統合部23の出力信号をON/OFFする。スイッチ部25がOFFの時には、スピーカ31から受話音が出力されていない(従ってエコーは生じていない)。この時、エコー抑圧ゲイン計算部14は、推定エコーレベルが与えられないので、ゲイン=1(又は固定値)をゲイン乗算部16に与える。従って、エコーを含まない受音信号|Y1(ω)|はそのまま逆周波数領域変換部17に与えられる。 The reception detection unit 24 observes the level of the output X (ω, n) of the frequency domain conversion unit 11 with respect to the reception signal x (t), and detects a section where the reception is present. In the detection, for example, a fixed threshold value set in advance is compared with the level of the received signal X (ω, n), and when the received signal level is high, it is detected as received. Alternatively, the level ratio between the received signal and the background noise may be detected by comparing with a fixed threshold value. The switch unit 25 is inserted between the echo level integration unit 23 and the echo suppression gain calculation unit 14, and is turned on when an incoming call is detected by the incoming call detection unit 24, and is turned off when no incoming call is detected. The output signal of the level integration unit 23 is turned ON / OFF. When the switch unit 25 is OFF, no reception sound is output from the speaker 31 (thus, no echo is generated). At this time, since the estimated echo level is not given, the echo suppression gain calculation unit 14 gives gain = 1 (or a fixed value) to the gain multiplication unit 16. Accordingly, the received sound signal | Y 1 (ω) | that does not include an echo is supplied to the inverse frequency domain transform unit 17 as it is.

これらの処理により、近端話者の発話が有り、受話が無い区間では、スイッチがOFFとなっているので、エコーレベル統合部23の出力が遮断され、サブマイクロホン受音信号y2(t)〜yM(t)に混合する近端話者音声成分の影響による送話音声の劣化がなくなる。また、受話が有る場合は、スイッチがONとなるので、図5の実施例と同様の性能でエコーを抑圧することができる。これら以外の部分に関しては図5の実施例と同様であるので説明を省略する。なお、図6では、受話検出部24は周波数領域受話信号|X(ω)|から受話の検出を行う場合を示したが、破線で示すように時間領域の受話信号x(t)のレベルから受話を検出してもよい。 By these processes, since the switch is OFF in the section where the near-end speaker is uttered and there is no reception, the output of the echo level integration unit 23 is cut off, and the sub-microphone sound reception signal y 2 (t) Deterioration of the transmitted speech due to the influence of the near-end speaker speech component mixed in ~ y M (t) is eliminated. Further, when there is an incoming call, the switch is turned on, so that echo can be suppressed with the same performance as the embodiment of FIG. Since the other parts are the same as those in the embodiment of FIG. FIG. 6 shows a case where the reception detection unit 24 detects a reception from the frequency domain reception signal | X (ω) |, but from the level of the reception signal x (t) in the time domain as indicated by a broken line. An incoming call may be detected.

この第3実施例は、図5の実施例に受話検出部24とスイッチ25を設ける例として説明したが、このような受話検出部24とスイッチ25の構成を図1の実施例に同様に設けてもよい。図1又は図5に設ける場合のいずれにおいても、サブマイクロホンは1個でもよい。この第3実施例によれば、第1又は第2の実施例の効果に加えて、近端話者の音声のみが存在する区間において、近端話者音声の劣化をなくすことができる。
実施例4
Although the third embodiment has been described as an example in which the reception detection unit 24 and the switch 25 are provided in the embodiment of FIG. 5, the configuration of the reception detection unit 24 and the switch 25 is similarly provided in the embodiment of FIG. May be. In either case shown in FIG. 1 or FIG. 5, the number of sub-microphones may be one. According to the third embodiment, in addition to the effects of the first or second embodiment, it is possible to eliminate the deterioration of the near-end speaker voice in the section where only the near-end speaker voice exists.
Example 4

図7は、本発明による第4の実施例のエコー消去装置を示すブロック図である。
本実施例のエコー消去装置100は、図5の実施例に、Mチャネルの固定フィルタと加算器で構成されるメインビームフォーマ26とサブビームフォーマ27を追加した構成である。この実施例では、M個のマイクロホン32〜32に対し、メイン、サブの区別を付けず、M個のマイクロホンの出力がメインビームフォーマ26とサブビームフォーマ27の両方に与えられる。メインビームフォーマ26はM個の固定フィルタ部26F1〜26FMと加算部26Aを有し、近端話者の方向に感度が高くなるよう固定フィルタ部26F1〜26FMの係数が設定される。メインビームフォーマ26の出力は前述の各実施例におけるメインマイクロホン受音信号として使用される。サブビームフォーマ27もM個の固定フィルタ部27F1〜27FMと加算部27Aを有し、スピーカ31の方向に感度が高くなるよう固定フィルタ部27F1〜27FMの係数が設定される。サブビームフォーマ27の出力は前述の各実施例におけるサブマイクロホン受音信号として使用される。
FIG. 7 is a block diagram showing an echo canceling apparatus according to a fourth embodiment of the present invention.
The echo canceling apparatus 100 of the present embodiment has a configuration in which a main beam former 26 and a sub beam former 27 composed of an M channel fixed filter and an adder are added to the embodiment of FIG. In this embodiment, the M microphones 32 1 to 32 M are not distinguished from main and sub, and the outputs of the M microphones are given to both the main beam former 26 and the sub beam former 27. The main beamformer 26 has M fixed filter units 26F 1 to 26F M and an adding unit 26A, and coefficients of the fixed filter units 26F 1 to 26F M are set so that the sensitivity becomes higher in the direction of the near-end speaker. . The output of the main beam former 26 is used as a main microphone sound reception signal in each of the embodiments described above. The sub-beamformer 27 also has M fixed filter units 27F 1 to 27F M and an adding unit 27A, and the coefficients of the fixed filter units 27F 1 to 27F M are set so that the sensitivity increases in the direction of the speaker 31. The output of the sub-beamformer 27 is used as a sub-microphone sound reception signal in each of the above embodiments.

メインビームフォーマ26の固定フィルタ部26F1〜26FMはMチャネルのマイクロホン受音信号y1(t)〜yM(t)を、それぞれ予め設定されたフィルタ係数でフィルタリングし、加算部26Aは固定フィルタ部26F1〜26FMの出力を加算する。加算結果はメインマイクロホン受音信号としてメインビームフォーマ26から出力され、周波数領域変換部15に与えられる。サブビームフォーマ27の固定フィルタ部27F1〜27FMもMチャネルのマイクロホン受音信号y1(t)〜yM(t)を、それぞれ予め設定されたフィルタ係数でフィルタリングし、加算部27Aは固定フィルタ部27F1〜27FMの出力を加算する。加算結果はサブマイクロホン受音信号としてサブビームフォーマ27から出力され、周波数領域変換部15に与えられる。他の部分の構成及び動作は図5の実施例と同様であり、説明を省略する。 The fixed filter units 26F 1 to 26F M of the main beam former 26 filter the M channel microphone sound reception signals y 1 (t) to y M (t) with preset filter coefficients, respectively, and the addition unit 26A is fixed. The outputs of the filter units 26F 1 to 26F M are added. The result of addition output from the main beamformer 26 as a main microphone received sound signals provided to the frequency domain transform unit 15 1. The fixed filter units 27F 1 to 27F M of the sub-beamformer 27 also filter the M-channel microphone received signals y 1 (t) to y M (t) with preset filter coefficients, respectively. The outputs of the units 27F 1 to 27F M are added. Addition result is output from the sub-beam former 27 as the sub-microphone received sound signals provided to the frequency domain transform unit 15 2. The configuration and operation of the other parts are the same as in the embodiment of FIG.

図1の実施例では、図4を参照した説明において、メインマイクロホン32は感度の高い方向を近端話者40に向け感度の低い方向をスピーカ31に向け、サブマイクロホン32〜32は感度の高い方向をスピーカ31に向け感度の低い方向を近端話者40に向けることで、近端話者音声の劣化成分を小さくすることができることを述べた。図7の実施例では、メインビームフォーマ26とサブビームフォーマ27を使って、近端話者音声の劣化成分を小さくする。メインビームフォーマ26は近端話者方向に感度を高くし、スピーカに対する感度を低くする。サブビームフォーマ27はスピーカ31に対する感度を高くし、近端話者に対する感度を低くする。ビームフォーマ26,27を使うことで、任意の方向に対して指向性が高い部分と低い部分を作ることができ、様々なスピーカとマイクロホンの配置に適用することができる。 In the embodiment of FIG. 1, in the description with reference to FIG. 4, the main microphone 32 1 has a high sensitivity direction toward the near-end speaker 40 and a low sensitivity direction toward the speaker 31, and the sub microphones 32 2 to 32 M have It has been described that the deterioration component of the near-end speaker voice can be reduced by directing the direction with high sensitivity toward the speaker 31 and the direction with low sensitivity toward the near-end speaker 40. In the embodiment of FIG. 7, the main beam former 26 and the sub beam former 27 are used to reduce the deterioration component of the near-end speaker voice. The main beamformer 26 increases sensitivity toward the near-end speaker and decreases sensitivity to the speaker. The sub beam former 27 increases the sensitivity to the speaker 31 and decreases the sensitivity to the near-end speaker. By using the beam formers 26 and 27, it is possible to create a portion having high directivity and a portion having low directivity in an arbitrary direction, and it can be applied to various speaker and microphone arrangements.

メインビームフォーマ26及びサブビームフォーマ27の固定フィルタ係数の設計は、例えば以下のようにして行われる。M個のマイクロホンがあり、近端話者からm番目マイクロホンまでの伝達関数をCm(ω)、スピーカからm番目マイクロホンまでの伝達関数をRm(ω)とする。ただし、ωは周波数を表す。メインビームフォーマ26の第mチャネルの固定フィルタ26Fmの係数をPm(ω)とする。このときメインビームフォーマ26に要求されるのは、近端話者の音声を収音し、スピーカ31の音を抑圧することであり、これらの条件を式で表せば、式(31)と式(32)となる。

Figure 2009124454
ただし、D(ω)は、目標とする周波数応答であり、例えば、振幅値が固定値で、位相が直線位相(時間領域における固定遅延)となっているような応答を設定する。 The design of the fixed filter coefficients of the main beam former 26 and the sub beam former 27 is performed as follows, for example. There are M microphones, and the transfer function from the near-end speaker to the m-th microphone is C m (ω), and the transfer function from the speaker to the m-th microphone is R m (ω). However, ω represents a frequency. The coefficient of the m-th channel fixed filter 26F m of the main beam former 26 is P m (ω). At this time, what is required of the main beamformer 26 is to pick up the voice of the near-end speaker and suppress the sound of the speaker 31. If these conditions are expressed by equations, equations (31) and (31) (32)
Figure 2009124454
However, D (ω) is a target frequency response, and for example, a response is set such that the amplitude value is a fixed value and the phase is a linear phase (fixed delay in the time domain).

次に、サブビームフォーマ27の第mチャネルの固定フィルタ27Fmの係数をQm(ω)とする。このときサブビームフォーマ27に要求されるのは、近端話者の音声を抑圧し、受話スピーカ音を収音することである。これらの条件を式で表せば、式(33)と式(34)となる。

Figure 2009124454
ただし、K(ω)は、目標とする周波数応答であり、例えば、振幅値が固定値で、位相が直線位相(時間領域における固定遅延)となっているような応答を設定する。 Next, the coefficient of the m-th channel fixed filter 27F m of the sub-beamformer 27 is defined as Q m (ω). At this time, what is required of the sub-beamformer 27 is to suppress the voice of the near-end speaker and collect the reception speaker sound. If these conditions are expressed by equations, equations (33) and (34) are obtained.
Figure 2009124454
However, K (ω) is a target frequency response, and for example, a response is set such that the amplitude value is a fixed value and the phase is a linear phase (fixed delay in the time domain).

以上のように、固定フィルタ係数を設定すれば、任意のマイクロホンとスピーカの配置において、メインビームフォーマ26では近端話者方向に感度を高くし、スピーカ31に対する感度を低くし、サブビームフォーマ27ではスピーカ31に対する感度を高くし、近端話者に対する感度を低くすることが実現し、近端話者音声の劣化を防止することが可能である。   As described above, if the fixed filter coefficient is set, in the arrangement of an arbitrary microphone and speaker, the main beamformer 26 increases the sensitivity toward the near-end speaker, decreases the sensitivity to the speaker 31, and the subbeamformer 27 It is possible to increase the sensitivity to the speaker 31 and to reduce the sensitivity to the near-end speaker, and to prevent deterioration of the near-end speaker voice.

図7の実施例においても、図1の実施例と同様に受話信号x(t)に対する周波数領域変換部11と結合量推定部12とエコーレベル推定部13とを使用せず、従ってエコーレベル統合部23も使用せず、サブマイクロホン受音信号に対するエコーレベル推定部22の出力をそのままエコー抑圧ゲイン計算部14に与えてもよい。また、図7中に破線で示すように、図6の実施例と同様に受話検出部24とスイッチ部25を設け、受話の検出期間のみ推定エコーレベルをエコー抑圧ゲイン計算部14に与えるようにしてもよい。
以上示したように、本実施例によれば、本発明の第1の実施例または第2の実施例の効果に加えて、任意のスピーカ、マイクロホンの配置において、近端話者音声の劣化を防止することが可能である。
Also in the embodiment of FIG. 7, as in the embodiment of FIG. 1, the frequency domain converter 11, the coupling amount estimator 12, and the echo level estimator 13 for the received signal x (t) are not used. part 23 also without, may provide an output of the echo level estimator 22 2 to the sub-microphone received sound signal as the echo suppression gain computing unit 14. Further, as indicated by a broken line in FIG. 7, the reception detection unit 24 and the switch unit 25 are provided in the same manner as the embodiment of FIG. 6, and the estimated echo level is given to the echo suppression gain calculation unit 14 only during the reception detection period. May be.
As described above, according to the present embodiment, in addition to the effects of the first embodiment or the second embodiment of the present invention, the near-end speaker voice is deteriorated in any speaker and microphone arrangement. It is possible to prevent.

以上説明したこの発明によるエコー消去装置の各実施例において、ディジタル信号として入力される受話信号及び受音信号に対するエコー抑圧のための処理を全てディジタル処理で実現することができ、また、それらの処理を実行するプログラムをコンピュータで実行することにより、エコー消去装置を実施させることができる。   In each of the embodiments of the echo canceling apparatus according to the present invention described above, the processing for echo suppression for the received signal and the received sound signal inputted as digital signals can be all realized by digital processing. The echo canceling apparatus can be implemented by executing a program for executing the above in a computer.

図8は図1の第1実施例に対応するこの発明によるエコー消去方法の基本的な処理手順を示す。
ステップS1:メインマイクロホン受音信号及びサブマイクロホン受音信号を周波数領域信号に変換する。
ステップS2:周波数領域メインマイクロホン受音信号と周波数領域サブマイクロホン受音信号間のレベル比を結合量として求め、周波数領域サブマイクロホン受音信号に乗算して推定エコーレベルを得る。
ステップS3:周波数領域メインマイクロホン受音信号のレベルと推定エコーレベルとの差と、周波数領域メインマイクロホン受音信号のレベルとの比をゲインとして求める。
ステップS4:周波数領域メインマイクロホン受音信号にゲインを乗算してエコー成分を抑圧する。
ステップS5:エコー成分が抑圧された周波数領域メインマイクロホン受音信号を逆周波数領域変換して時間領域の送話信号として出力する。
FIG. 8 shows a basic processing procedure of the echo cancellation method according to the present invention corresponding to the first embodiment of FIG.
Step S1: The main microphone sound reception signal and the sub microphone sound reception signal are converted into frequency domain signals.
Step S2: A level ratio between the frequency domain main microphone received signal and the frequency domain sub microphone received signal is obtained as a coupling amount, and the frequency domain sub microphone received signal is multiplied to obtain an estimated echo level.
Step S3: A ratio between the difference between the level of the frequency domain main microphone sound reception signal and the estimated echo level and the level of the frequency domain main microphone sound reception signal is obtained as a gain.
Step S4: The echo component is suppressed by multiplying the frequency domain main microphone sound reception signal by a gain.
Step S5: The frequency domain main microphone received signal in which the echo component is suppressed is subjected to inverse frequency domain conversion and output as a time domain transmission signal.

あるいは、上記ステップS1で上記メインマイクロホン受音信号と複数のサブマイクロホン受音信号をそれぞれ上記周波数領域メインマイクロホン受音信号と複数の周波数領域サブマイクロホン受音信号に変換し、
ステップS2で、上記周波数領域メインマイクロホン受音信号と上記複数の周波数領域サブマイクロホン受音信号のそれぞれとのレベル比を結合量として計算し、上記複数の周波数領域サブマイクロホン受音信号に対しそれぞれ対応する複数の結合量を乗算して複数のエコーレベルを得て、上記複数のエコーレベルを統合して上記推定エコーレベルを生成するようにしてもよい。
Alternatively, in step S1, the main microphone sound reception signal and the plurality of sub microphone sound reception signals are converted into the frequency domain main microphone sound reception signal and the plurality of frequency domain sub microphone sound reception signals, respectively.
In step S2, a level ratio between the frequency domain main microphone sound reception signal and each of the plurality of frequency domain sub microphone sound reception signals is calculated as a coupling amount, and each of the frequency domain sub microphone sound reception signals corresponds to the frequency domain main microphone sound reception signal. A plurality of echo levels may be multiplied to obtain a plurality of echo levels, and the plurality of echo levels may be integrated to generate the estimated echo level.

図5の第2実施例の場合、上記ステップS1において、上記受話信号と、上記メインマイクロホン受音信号と、少なくとも1つの上記サブマイクロホン受音信号をそれぞれ周波数領域受話信号と、上記周波数領域メインマイクロホン受音信号と、上記周波数領域サブマイクロホン受音信号とに変換し、
上記ステップS2において、上記周波数領域メインマイクロホン受音信号のレベルと、上記周波数領域受話信号と少なくとも1つの上記周波数領域受音信号のそれぞれのレベルとのレベル比を結合量として計算し、上記周波数領域受話信号と少なくとも1つの上記周波数領域サブマイクロホン受音信号に対しそれぞれ対応する結合量を乗算して複数のエコーレベルを得て、上記複数のエコーレベルを統合して上記推定エコーレベルを生成する。
In the case of the second embodiment shown in FIG. 5, in step S1, the received signal, the main microphone received signal, the at least one sub microphone received signal are converted into a frequency domain received signal and the frequency domain main microphone, respectively. Converted into a sound reception signal and the frequency domain sub-microphone sound reception signal,
In step S2, a level ratio between the level of the frequency domain main microphone received signal and the level of each of the frequency domain received signal and at least one frequency domain received signal is calculated as a coupling amount, and the frequency domain A plurality of echo levels are obtained by multiplying the received signal and the at least one frequency domain sub-microphone received signal by the corresponding coupling amounts, and the estimated echo level is generated by integrating the plurality of echo levels.

図6の第3実施例の場合、上記ステップS2において、上記受話信号のレベルに基づいて受話の有無を検出し、受話が検出された区間は上記推定エコーレベルを上記エコー抑圧ゲイン計算部へ与え、検出されない区間は禁止する。   In the case of the third embodiment of FIG. 6, in step S2, the presence / absence of reception is detected based on the level of the reception signal, and the estimated echo level is given to the echo suppression gain calculation unit in the section where reception is detected. The section that is not detected is prohibited.

図7の第4実施例の場合、図8に示してないが、ステップS1とS2の間に、更に、上記複数のマイクロホン受音信号をそれぞれ第1のフィルタ処理し、上記第1フィルタ処理の結果を加算して加算結果を上記メインマイクロホン受音信号として得るステップと、 上記複数のマイクロホン受音信号をそれぞれ第2のフィルタ処理し、上記第2フィルタ処理の結果を加算して加算結果を上記サブマイクロホン受音信号として得るステップとが挿入される。   In the case of the fourth embodiment of FIG. 7, although not shown in FIG. 8, between the steps S1 and S2, the plurality of microphone sound reception signals are further subjected to first filter processing, respectively. Adding the results and obtaining an addition result as the main microphone sound reception signal; respectively, performing a second filter process on each of the plurality of microphone sound reception signals, adding the results of the second filter process, and adding the addition result to the above And a step of obtaining as a sub-microphone received signal is inserted.

以上説明したように、本発明の第1〜4の実施例によれば、線形な音響エコーと、スピーカの歪特性により発生する非線形な音響エコーの両方を抑圧し、高いエコー抑圧性能を実現できる。更に、近端話者音声の劣化が小さく高品質な収音が実現できる。本発明の第2の実施例に拠れば、エコー抑圧性能を更に改善することができる。更に本発明の第3の実施例によれば、近端話者の音声のみが存在する区間において、近端話者音声の劣化をなくすことができる。更に本発明の第4の実施例によれば、任意のスピーカ、マイクロホン配置において近端話者音声の劣化を防止することが可能である。   As described above, according to the first to fourth embodiments of the present invention, it is possible to suppress both the linear acoustic echo and the nonlinear acoustic echo generated due to the distortion characteristic of the speaker, thereby realizing high echo suppression performance. . Further, high-quality sound collection can be realized with little deterioration of the near-end speaker voice. According to the second embodiment of the present invention, the echo suppression performance can be further improved. Further, according to the third embodiment of the present invention, it is possible to eliminate the deterioration of the near-end speaker voice in the section where only the near-end speaker voice exists. Furthermore, according to the fourth embodiment of the present invention, it is possible to prevent the deterioration of the near-end speaker voice in any speaker and microphone arrangement.

本発明の第1の実施例であるエコー消去装置を示すブロック図である。1 is a block diagram showing an echo canceller that is a first embodiment of the present invention; FIG. 本発明のエコー消去装置の使い方を示す図である。It is a figure which shows the usage of the echo cancellation apparatus of this invention. 本発明のエコー消去装置の信号の流れを示す図である。It is a figure which shows the signal flow of the echo cancellation apparatus of this invention. 本発明において近端話者音声の劣化を抑えるためのスピーカ、マイクロホンの配置を示す図である。It is a figure which shows arrangement | positioning of the speaker and microphone for suppressing deterioration of a near-end speaker audio | voice in this invention. 本発明の第2の実施例であるエコー消去装置を示すブロック図である。It is a block diagram which shows the echo cancellation apparatus which is the 2nd Example of this invention. 本発明の第3の実施例であるエコー消去装置を示すブロック図である。It is a block diagram which shows the echo cancellation apparatus which is the 3rd Example of this invention. 本発明の第4の実施例であるエコー消去装置を示すブロック図である。It is a block diagram which shows the echo cancellation apparatus which is the 4th Example of this invention. 本発明のエコー消去方法の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the echo cancellation method of this invention. 従来のエコー消去装置を示すブロック図である。It is a block diagram which shows the conventional echo cancellation apparatus. 従来のエコー消去装置の信号の流れを示す図である。It is a figure which shows the flow of the signal of the conventional echo cancellation apparatus. 周波数領域変換部の変換手順を説明する図である。It is a figure explaining the conversion procedure of a frequency domain conversion part. 逆周波数領域変換部の変換手順を説明する図である。It is a figure explaining the conversion procedure of an inverse frequency domain conversion part.

Claims (16)

受話信号がスピーカから出力されてマイクロホンに回り込んだ信号成分であるエコー成分をマイクロホン受音信号から消去するエコー消去装置であり、
複数のマイクロホンの受音信号から得られたメインマイクロホン受音信号とサブマイクロホン受音信号をそれぞれ周波数領域メインマイクロホン受音信号と周波数領域サブマイクロホン受音信号に変換する周波数領域変換手段と、
上記周波数領域メインマイクロホン受音信号と上記周波数領域サブマイクロホン受音信号間のレベル比に基づいて結合量を推定し、その推定結合量と上記周波数領域サブマイクロホン受音信号との乗算により推定エコーレベルを得るエコー推定手段と、
上記周波数領域メインマイクロホン受音信号のレベルと上記推定エコーレベルとの差と、上記周波数領域メインマイクロホン受音信号のレベルとの比をゲインとして計算するエコー抑圧ゲイン計算手段と、
上記周波数領域メインマイクロホン受音信号に上記ゲインを乗算して上記周波数領域メインマイクロホン受音信号中のエコー成分を抑圧するゲイン乗算部と、
上記ゲイン乗算部による乗算結果を逆周波数領域変換して時間領域の送話信号を出力する逆周波数領域変換部、
とを含むことを特徴とするエコー消去装置。
An echo canceling device that cancels an echo component, which is a signal component output from a speaker and circulated into a microphone, from a microphone received signal,
A frequency domain converting means for converting a main microphone received signal and a sub microphone received signal obtained from a plurality of microphone received signals into a frequency domain main microphone received signal and a frequency domain sub microphone received signal, respectively;
The amount of coupling is estimated based on the level ratio between the frequency domain main microphone received signal and the frequency domain sub microphone received signal, and the estimated echo level is calculated by multiplying the estimated amount of coupling and the frequency domain sub microphone received signal. Echo estimation means for obtaining
An echo suppression gain calculating means for calculating a difference between the level of the frequency domain main microphone received signal and the estimated echo level and a ratio of the level of the frequency domain main microphone received signal as a gain;
A gain multiplier that multiplies the frequency domain main microphone received signal by the gain to suppress echo components in the frequency domain main microphone received signal;
An inverse frequency domain transform unit for performing a reverse frequency domain transform on the multiplication result by the gain multiplier and outputting a time domain transmission signal;
And an echo canceller.
請求項1記載のエコー消去装置において、
上記周波数領域変換手段は、上記メインマイクロホン受音信号と上記サブマイクロホン受音信号を含む複数のサブマイクロホン受音信号をそれぞれ上記周波数領域メインマイクロホン受音信号と複数の周波数領域サブマイクロホン受音信号に変換する複数の周波数領域変換部を含んでおり、
上記エコー推定部は、上記周波数領域メインマイクロホン受音信号と上記複数の周波数領域サブマイクロホン受音信号のそれぞれとのレベル比を結合量として計算する複数の結合量推定部と、上記複数の周波数領域サブマイクロホン受音信号に対しそれぞれ対応する複数の結合量を乗算して複数のエコーレベルを得る複数のエコーレベル推定部と、上記複数のエコーレベルを統合して上記推定エコーレベルを生成するエコーレベル統合部とを含むことを特徴とするエコー消去装置。
The echo canceller according to claim 1,
The frequency domain converting means converts a plurality of sub microphone received signals including the main microphone received signal and the sub microphone received signal into the frequency domain main microphone received signal and the plurality of frequency domain sub microphone received signals, respectively. Includes a plurality of frequency domain transforming units to transform,
The echo estimation unit includes a plurality of coupling amount estimation units that calculate a level ratio between the frequency domain main microphone sound reception signal and each of the plurality of frequency domain sub microphone sound reception signals as a coupling amount, and the plurality of frequency regions. A plurality of echo level estimation units that obtain a plurality of echo levels by multiplying a plurality of corresponding coupling amounts with respect to the sub-microphone received signal, and an echo level that integrates the plurality of echo levels to generate the estimated echo level An echo canceller comprising an integration unit.
請求項1記載のエコー消去装置において、
上記周波数領域変換手段は、上記受話信号と、上記メインマイクロホン受音信号と、少なくとも1つの上記サブマイクロホン受音信号をそれぞれ周波数領域受話信号と、上記周波数領域メインマイクロホン受音信号と、上記周波数領域サブマイクロホン受音信号とに変換する複数の周波数領域変換部を含んでおり、
上記エコー推定部は、上記周波数領域メインマイクロホン受音信号のレベルと、上記周波数領域受話信号と上記周波数領域受音信号のそれぞれのレベルとのレベル比を結合量として計算する複数の結合量推定部と、上記周波数領域受話信号と少なくとも1つの上記周波数領域サブマイクロホン受音信号に対しそれぞれ対応する結合量を乗算して複数のエコーレベルを得る複数のエコーレベル推定部と、上記複数のエコーレベルを統合して上記推定エコーレベルを生成するエコーレベル統合部とを含むことを特徴とするエコー消去装置。
The echo canceller according to claim 1,
The frequency domain conversion means includes the reception signal, the main microphone reception signal, the at least one sub microphone reception signal, the frequency domain reception signal, the frequency domain main microphone reception signal, and the frequency domain, respectively. It includes a plurality of frequency domain converters that convert sub-microphone sound reception signals,
The echo estimation unit includes a plurality of coupling amount estimation units that calculate, as a coupling amount, a level ratio between the level of the frequency domain main microphone received signal and each level of the frequency domain received signal and the frequency domain received signal. A plurality of echo level estimators for obtaining a plurality of echo levels by multiplying the frequency domain received signal and the at least one frequency domain sub-microphone received signal by a corresponding coupling amount, and the plurality of echo levels. And an echo level integration unit that integrates and generates the estimated echo level.
請求項3記載のエコー消去装置において、
上記複数の周波数領域変換部は、上記サブマイクロホン受音信号を含む複数のサブマイクロホン受音信号をそれぞれ複数の周波数領域サブマイクロホン受音信号に変換する複数の周波数領域変換部を含んでおり、
上記複数の結合量推定部は、上記周波数領域メインマイクロホン受音信号と上記複数の周波数領域サブマイクロホン受音信号のそれぞれとのレベル比を結合量として計算する複数の結合量推定部を含んでおり、上記複数のエコーレベル推定部は上記複数の周波数領域サブマイクロホン受音信号に対しそれぞれ対応する複数の結合量を乗算して複数のエコーレベルを得る複数のエコーレベル推定部を含んでおり、上記エコーレベル統合部はすべての上記エコーレベルを統合して上記推定エコーレベルを生成するようにされていることを特徴とするエコー消去装置。
The echo canceller according to claim 3, wherein
The plurality of frequency domain converters include a plurality of frequency domain converters that convert a plurality of sub-microphone sound reception signals including the sub-microphone sound reception signals into a plurality of frequency domain sub-microphone sound reception signals, respectively.
The plurality of coupling amount estimation units includes a plurality of coupling amount estimation units that calculate a level ratio between each of the frequency domain main microphone reception signal and the plurality of frequency domain sub microphone reception signals as a coupling amount. The plurality of echo level estimators includes a plurality of echo level estimators that obtain a plurality of echo levels by multiplying the plurality of frequency domain sub-microphone received signals by a plurality of corresponding coupling amounts, respectively, An echo cancellation apparatus characterized in that an echo level integration unit generates all of the estimated echo levels by integrating all the echo levels.
請求項1乃至4のいずれか記載のエコー消去装置において、上記エコー推定手段は、上記受話信号のレベルに基づいて受話の有無を検出する受話検出手段と、受話が検出された区間は上記推定エコーレベルを上記エコー抑圧ゲイン計算部へ与え、検出されない区間は禁止するスイッチ手段とを含むことを特徴とするエコー消去装置。   5. The echo canceller according to claim 1, wherein the echo estimation means includes a reception detection means for detecting presence / absence of reception based on a level of the reception signal, and a section in which reception is detected includes the estimated echo. An echo canceling apparatus comprising: a switching unit that applies a level to the echo suppression gain calculation unit and prohibits a section that is not detected. 請求項1乃至5のいずれか記載のエコー消去装置において、上記複数のマイクロホンは指向性マイクロホンであり、それらのうち、上記メインマイクロホン受音信号を与えるマイクロホンは送話音源方向の感度が上記スピーカ方向の感度より高く、また、上記サブマイクロホン受音信号を与えるマイクロホンは、上記スピーカ方向の感度が上記送話音源方向の感度より高くなるように配置されていることを特徴とするエコー消去装置。   The echo canceller according to any one of claims 1 to 5, wherein the plurality of microphones are directional microphones, and among them, the microphone that provides the main microphone sound reception signal has a sensitivity in a transmission sound source direction of the speaker direction. The echo canceling apparatus is characterized in that the microphone that provides the sub-microphone sound reception signal is arranged such that the sensitivity in the speaker direction is higher than the sensitivity in the transmission sound source direction. 請求項1又は3記載のエコー消去装置において、更にメインビームフォーマとサブビームフォーマとが設けられており、
上記メインビームフォーマは、上記複数マイクロホン受音信号をそれぞれフィルタ処理する複数の第1フィルタと、上記複数の第1フィルタの出力を加算して加算結果を上記メインマイクロホン受音信号として出力する第1加算部とを含み、
上記サブビームフォーマは、上記複数マイクロホン受音信号をそれぞれフィルタ処理する複数の第2フィルタと、上記複数の第2フィルタの出力を加算して加算結果を上記サブマイクロホン受音信号として出力する第2加算部とを含み、
上記複数の第1フィルタの係数は上記スピーカ方向の受音信号成分を抑圧するよう設定されており、上記複数の第2フィルタの係数は送話音源方向の受音信号成分を抑圧するように設定されていることを特徴とするエコー消去装置。
The echo canceller according to claim 1 or 3, further comprising a main beam former and a sub beam former,
The main beamformer adds a plurality of first filters that respectively filter the plurality of microphone sound reception signals, and outputs of the plurality of first filters, and outputs the addition result as the main microphone sound reception signal. Including an adder,
The sub-beamformer adds a plurality of second filters that respectively filter the plurality of microphone sound reception signals, and outputs of the plurality of second filters, and outputs an addition result as the sub microphone sound reception signal. Including
The coefficients of the plurality of first filters are set to suppress the sound reception signal component in the speaker direction, and the coefficients of the plurality of second filters are set to suppress the sound reception signal component in the transmission sound source direction. An echo canceling device characterized by that.
受話信号がスピーカから出力されてマイクロホンに回り込んだ信号成分であるエコー成分をマイクロホン受音信号から消去するエコー消去方法であり、
(a) 複数のマイクロホンの受音信号から得られたメインマイクロホン受音信号とサブマイクロホン受音信号をそれぞれ周波数領域メインマイクロホン受音信号と周波数領域サブマイクロホン受音信号に変換する過程と、
(b) 上記周波数領域メインマイクロホン受音信号と上記周波数領域サブマイクロホン受音信号間のレベル比に基づいて結合量を推定し、その推定結合量と上記周波数領域サブマイクロホン受音信号との乗算により推定エコーレベルを得る過程と、
(c) 上記周波数領域メインマイクロホン受音信号のレベルと上記推定エコーレベルとの差と、上記周波数領域メインマイクロホン受音信号のレベルとの比をゲインとして計算する過程と、
(d) 上記周波数領域メインマイクロホン受音信号に上記ゲインを乗算して上記周波数領域メインマイクロホン受音信号中のエコー成分を抑圧する過程と、
(e) 上記過程(d) による乗算結果を逆周波数領域変換して時間領域の送話信号を出力する過程、
とを含むことを特徴とするエコー消去方法。
An echo cancellation method for canceling an echo component, which is a signal component output from a speaker and circulated into a microphone, from a microphone reception signal,
(a) a process of converting a main microphone received signal and a sub microphone received signal obtained from a plurality of microphone received signals into a frequency domain main microphone received signal and a frequency domain sub microphone received signal, respectively;
(b) Estimating a coupling amount based on a level ratio between the frequency domain main microphone received signal and the frequency domain sub microphone received signal, and multiplying the estimated coupling amount by the frequency domain sub microphone received signal. The process of obtaining the estimated echo level;
(c) calculating as a gain the ratio between the level of the frequency domain main microphone received signal and the estimated echo level and the level of the frequency domain main microphone received signal;
(d) a process of suppressing an echo component in the frequency domain main microphone received signal by multiplying the frequency domain main microphone received signal by the gain;
(e) a process of outputting a time-domain transmission signal by performing inverse frequency domain transformation on the multiplication result obtained in the process (d),
And an echo canceling method.
請求項8記載のエコー消去方法において、
上記過程(a) は、上記メインマイクロホン受音信号と上記サブマイクロホン受音信号を含む複数のサブマイクロホン受音信号をそれぞれ上記周波数領域メインマイクロホン受音信号と複数の周波数領域サブマイクロホン受音信号に変換する過程を含んでおり、
上記過程(b) は、上記周波数領域メインマイクロホン受音信号と上記複数の周波数領域サブマイクロホン受音信号のそれぞれとのレベル比を結合量として計算する過程と、上記複数の周波数領域サブマイクロホン受音信号に対しそれぞれ対応する複数の結合量を乗算して複数のエコーレベルを得る過程と、上記複数のエコーレベルを統合して上記推定エコーレベルを生成する過程とを含むことを特徴とするエコー消去方法。
The echo cancellation method according to claim 8, wherein
In the step (a), a plurality of sub microphone reception signals including the main microphone reception signal and the sub microphone reception signal are converted into the frequency domain main microphone reception signal and the plurality of frequency domain sub microphone reception signals, respectively. Including the process of converting,
The step (b) includes calculating a level ratio between the frequency domain main microphone received signal and each of the plurality of frequency domain sub microphone received signals as a coupling amount, and receiving the plurality of frequency domain sub microphone received signals. Echo cancellation comprising: a step of multiplying a signal by a plurality of corresponding coupling amounts to obtain a plurality of echo levels; and a step of integrating the plurality of echo levels to generate the estimated echo level. Method.
請求項8記載のエコー消去方法において、
上記過程(a) は、上記受話信号と、上記メインマイクロホン受音信号と、少なくとも1つの上記サブマイクロホン受音信号をそれぞれ周波数領域受話信号と、上記周波数領域メインマイクロホン受音信号と、上記周波数領域サブマイクロホン受音信号とに変換する過程を含んでおり、
上記過程(b) は、上記周波数領域メインマイクロホン受音信号のレベルと、上記周波数領域受話信号と上記周波数領域受音信号のそれぞれのレベルとのレベル比を結合量として計算する過程と、上記周波数領域受話信号と少なくとも1つの上記周波数領域サブマイクロホン受音信号に対しそれぞれ対応する結合量を乗算して複数のエコーレベルを得る過程と、上記複数のエコーレベルを統合して上記推定エコーレベルを生成する過程とを含むことを特徴とするエコー消去方法。
The echo cancellation method according to claim 8, wherein
The step (a) includes the reception signal, the main microphone reception signal, the at least one sub-microphone reception signal, the frequency domain reception signal, the frequency domain main microphone reception signal, and the frequency domain, respectively. Including the process of converting to a sub-microphone received signal,
The step (b) includes a step of calculating, as a coupling amount, a level ratio between the level of the frequency domain main microphone received signal and the level of the frequency domain received signal and the frequency domain received signal, and the frequency A process of obtaining a plurality of echo levels by multiplying a region reception signal and at least one frequency domain sub-microphone reception signal by a corresponding coupling amount, and generating the estimated echo level by integrating the plurality of echo levels An echo canceling method comprising the steps of:
請求項10記載のエコー消去方法において、
上記過程(a) は、上記メインマイクロホン受音信号と上記サブマイクロホン受音信号を含む複数のサブマイクロホン受音信号をそれぞれ上記周波数領域メインマイクロホン受音信号と複数の周波数領域サブマイクロホン受音信号に変換する過程を含んでおり、
上記過程(b) は、上記周波数領域メインマイクロホン受音信号と上記複数の周波数領域サブマイクロホン受音信号のそれぞれとのレベル比を結合量として計算する過程と、上記複数の周波数領域サブマイクロホン受音信号に対しそれぞれ対応する複数の結合量を乗算して複数のエコーレベルを得る過程と、全ての上記エコーレベルを統合して上記推定エコーレベルを生成する過程とを含むことを特徴とするエコー消去方法。
The echo cancellation method according to claim 10, wherein
In the step (a), a plurality of sub microphone reception signals including the main microphone reception signal and the sub microphone reception signal are converted into the frequency domain main microphone reception signal and the plurality of frequency domain sub microphone reception signals, respectively. Including the process of converting,
The step (b) includes calculating a level ratio between the frequency domain main microphone received signal and each of the plurality of frequency domain sub microphone received signals as a coupling amount, and receiving the plurality of frequency domain sub microphone received signals. Echo cancellation comprising: a step of multiplying a signal by a plurality of corresponding coupling amounts to obtain a plurality of echo levels; and a step of integrating all the echo levels to generate the estimated echo level. Method.
請求項8乃至11のいずれか記載のエコー消去方法において、上記過程(b) は、上記受話信号のレベルに基づいて受話の有無を検出する過程と、受話が検出された区間は上記推定エコーレベルを使って上記過程(c)によるゲインの計算を実行させ、検出されない区間は上記ゲインの計算を禁止する切替過程とを含むことを特徴とするエコー消去方法。   12. The echo canceling method according to claim 8, wherein the step (b) includes a step of detecting presence / absence of reception based on a level of the reception signal, and a section in which reception is detected includes the estimated echo level. The echo canceling method is characterized in that the calculation of the gain according to the step (c) is executed using a step, and the non-detected section includes a switching step for prohibiting the calculation of the gain. 請求項8乃至12のいずれか記載のエコー消去方法において、上記複数のマイクロホンは指向性マイクロホンであり、それらのうち、上記メインマイクロホン受音信号を与えるマイクロホンは送話音源方向の感度が上記スピーカ方向の感度より高く、また、上記サブマイクロホン受音信号を与えるマイクロホンは、上記スピーカ方向の感度が上記送話音源方向の感度より高くなるように配置されていることを特徴とするエコー消去方法。   The echo cancellation method according to any one of claims 8 to 12, wherein the plurality of microphones are directional microphones, and among them, the microphone that provides the main microphone sound reception signal has a sensitivity in the direction of the transmission sound source. The echo canceling method is characterized in that the microphone that provides the sub-microphone sound reception signal is arranged such that the sensitivity in the speaker direction is higher than the sensitivity in the transmission sound source direction. 請求項8又は11記載のエコー消去方法において、更に、
(f) 上記複数のマイクロホン受音信号をそれぞれ第1のフィルタ処理し、上記第1フィルタ処理の結果を加算して加算結果を上記メインマイクロホン受音信号として得る過程と、
(g)上記複数のマイクロホン受音信号をそれぞれ第2のフィルタ処理し、上記第2フィルタ処理の結果を加算して加算結果を上記サブマイクロホン受音信号として得る過程、
とを含み、第1フィルタ処理の係数は上記スピーカ方向の受音信号成分を抑圧するよう設定されており、上記第2フィルタ処理の係数は送話音源方向の受音信号成分を抑圧するように設定されていることを特徴とするエコー消去方法。
The echo cancellation method according to claim 8 or 11, further comprising:
(f) first filtering each of the plurality of microphone sound reception signals, adding the results of the first filter processing, and obtaining an addition result as the main microphone sound reception signal;
(g) a process of performing a second filter process on each of the plurality of microphone sound reception signals, adding the results of the second filter processing, and obtaining an addition result as the sub microphone sound reception signal;
The coefficient of the first filter processing is set to suppress the received signal component in the speaker direction, and the coefficient of the second filter processing is set to suppress the received signal component in the transmission sound source direction. An echo canceling method characterized by being set.
コンピュータを請求項1乃至7のいずれか記載のエコー消去装置として機能させるためのプログラム。   A program for causing a computer to function as the echo canceling device according to any one of claims 1 to 7. コンピュータを請求項1乃至7のいずれか記載のエコー消去装置として機能させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体。   A computer-readable recording medium having recorded thereon a program for causing the computer to function as the echo canceling device according to claim 1.
JP2007296282A 2007-11-15 2007-11-15 Echo cancellation method, apparatus, program, and recording medium Active JP4700673B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007296282A JP4700673B2 (en) 2007-11-15 2007-11-15 Echo cancellation method, apparatus, program, and recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007296282A JP4700673B2 (en) 2007-11-15 2007-11-15 Echo cancellation method, apparatus, program, and recording medium

Publications (2)

Publication Number Publication Date
JP2009124454A true JP2009124454A (en) 2009-06-04
JP4700673B2 JP4700673B2 (en) 2011-06-15

Family

ID=40816126

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007296282A Active JP4700673B2 (en) 2007-11-15 2007-11-15 Echo cancellation method, apparatus, program, and recording medium

Country Status (1)

Country Link
JP (1) JP4700673B2 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015526045A (en) * 2012-12-20 2015-09-07 ゴーアテック インコーポレイテッドGoertek Inc Echo canceling apparatus and method applied to small hands-free voice communication system
JP2016034119A (en) * 2014-07-31 2016-03-10 富士通株式会社 Echo suppression device, echo suppression method, and computer program for echo suppression
KR101695840B1 (en) * 2015-11-19 2017-01-13 남서울대학교 산학협력단 System for automatic controlling digital tv volume based on loudness and the method thereof
JP2018014588A (en) * 2016-07-20 2018-01-25 ホシデン株式会社 Hands-free call device for emergency reporting system
CN112863532A (en) * 2019-11-12 2021-05-28 松下电器(美国)知识产权公司 Echo suppressing device, echo suppressing method, and storage medium

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63269850A (en) * 1987-04-28 1988-11-08 Juki Corp Transmitting /receiving circuit for speaker phone for telephone set
JPH06152724A (en) * 1992-10-30 1994-05-31 Sony Corp Speech equipment
JP2003284183A (en) * 2002-03-20 2003-10-03 Nippon Telegr & Teleph Corp <Ntt> Echo suppression apparatus, echo suppression method, and program

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63269850A (en) * 1987-04-28 1988-11-08 Juki Corp Transmitting /receiving circuit for speaker phone for telephone set
JPH06152724A (en) * 1992-10-30 1994-05-31 Sony Corp Speech equipment
JP2003284183A (en) * 2002-03-20 2003-10-03 Nippon Telegr & Teleph Corp <Ntt> Echo suppression apparatus, echo suppression method, and program

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015526045A (en) * 2012-12-20 2015-09-07 ゴーアテック インコーポレイテッドGoertek Inc Echo canceling apparatus and method applied to small hands-free voice communication system
JP2016034119A (en) * 2014-07-31 2016-03-10 富士通株式会社 Echo suppression device, echo suppression method, and computer program for echo suppression
KR101695840B1 (en) * 2015-11-19 2017-01-13 남서울대학교 산학협력단 System for automatic controlling digital tv volume based on loudness and the method thereof
JP2018014588A (en) * 2016-07-20 2018-01-25 ホシデン株式会社 Hands-free call device for emergency reporting system
CN112863532A (en) * 2019-11-12 2021-05-28 松下电器(美国)知识产权公司 Echo suppressing device, echo suppressing method, and storage medium

Also Published As

Publication number Publication date
JP4700673B2 (en) 2011-06-15

Similar Documents

Publication Publication Date Title
JP4702372B2 (en) Echo suppression method and apparatus
EP2749016B1 (en) Processing audio signals
JP4702371B2 (en) Echo suppression method and apparatus
JP4162604B2 (en) Noise suppression device and noise suppression method
JP5038143B2 (en) Echo cancellation
EP1855457B1 (en) Multi channel echo compensation using a decorrelation stage
JP5036874B2 (en) Echo canceller
JP4957810B2 (en) Sound processing apparatus, sound processing method, and sound processing program
JP5391103B2 (en) Multi-channel echo canceling method, multi-channel echo canceling apparatus, multi-channel echo canceling program and recording medium therefor
US20080112568A1 (en) Echo Canceller and Communication Audio Processing Apparatus
JPH114288A (en) Echo canceler device
KR101182017B1 (en) Method and Apparatus for removing noise from signals inputted to a plurality of microphones in a portable terminal
JP4700673B2 (en) Echo cancellation method, apparatus, program, and recording medium
JP3607625B2 (en) Multi-channel echo suppression method, apparatus thereof, program thereof and recording medium thereof
JP5662232B2 (en) Echo canceling apparatus, method and program
JP5469564B2 (en) Multi-channel echo cancellation method, multi-channel echo cancellation apparatus and program thereof
JP4413205B2 (en) Echo suppression method, apparatus, echo suppression program, recording medium
JP3756839B2 (en) Reverberation reduction method, Reverberation reduction device, Reverberation reduction program
JP3756828B2 (en) Reverberation elimination method, apparatus for implementing this method, program, and recording medium therefor
JP4345208B2 (en) Reverberation and noise removal device
KR20090122802A (en) Method and apparatus for acoustic echo cancellation using spectral subtraction
JP2014023110A (en) Echo canceler, echo cancellation method, and program
JP6143702B2 (en) Echo canceling apparatus, method and program
JP6356087B2 (en) Echo canceling apparatus, method and program
JP4209348B2 (en) Echo suppression method, apparatus for implementing this method, program, and recording medium

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20101007

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20101012

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20101201

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20110222

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20110304

R150 Certificate of patent or registration of utility model

Ref document number: 4700673

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350