JP2009276528A

JP2009276528A - 音声処理装置及び録音装置

Info

Publication number: JP2009276528A
Application number: JP2008127231A
Authority: JP
Inventors: Onsai Ryu; 恩彩劉
Original assignee: Yamaha Corp
Current assignee: Yamaha Corp
Priority date: 2008-05-14
Filing date: 2008-05-14
Publication date: 2009-11-26

Abstract

【課題】雑音ないし騒音に相当する音声を精度良く除去する。
【解決手段】モータ１９のノイズがある期間においては、録音用マイクロホン１３及びノイズ用マイクロホン１４の双方に、ノイズが入力されるから、フィルタ係数更新部は、適応信号処理により誤差信号ｅ、すなわち、ノイズに相当する音声の強度が最小となるようにフィルタ係数を決定する。この適応フィルタにより、録音用マイクロホン１３から出力される音声信号から、ノイズに相当する音声信号が除去される。このようなフィルタリング処理を経てノイズが除去された音声信号は、出力部１２７に供給される。出力部１２７から出力された雑音の除去後の音声信号は音声データとして記憶部１５に記憶される。一方、モータ１９のノイズがない期間においては、フィルタ係数更新部は、フィルタ係数の更新をしない。
【選択図】図２

Description

本発明は、雑音ないし騒音に相当する音声成分を低減する技術に関する。

電気製品の構成部品から発せられる音を低減する技術として、例えば特許文献１に記載されたものがある。この技術によれば、テレビ受像機が備える放熱ファンの騒音を低減させるべく、予め実験的に発生させた騒音について位相反転した音声データを用意しておき、その音声をスピーカから放音して、音の干渉作用を利用して騒音の音量を弱めることができる。
特開平５−７３０７２号公報

ところで、ビデオカメラなどの録音機能を有する電気製品においては、その構成部品から発せられる音が、録音用のマイクロホン側に回り込んで、その音も録音されてしまうことがある。利用者にとって、この録音音声は、雑音ないし騒音となるから、これを精度良く除去することが望ましい。
そこで、本発明は、雑音ないし騒音に相当する音声を精度良く除去することを目的とする。

上述した課題を解決するため、本発明は、収音を行って音声信号を出力する第１のマイクロホン及び第２のマイクロホンを含む複数のマイクロホンと、複数の係数を持つ適応フィルタと、前記第１のマイクロホンから出力される音声信号と、前記第２のマイクロホンから出力される音声信号に対して前記適応フィルタを用いた適応信号処理がなされた結果との差を演算し、その差を誤差信号として出力する誤差信号演算手段と、発音源による発音がなされているか否かを判断する判断手段と、前記判断手段によって発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が小さくなるように、前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、前記適応フィルタの係数を更新しないフィルタ係数更新手段とを備えることを特徴とする音声処理装置を提供する。

上記音声処理装置において、前記発音源として、複数の発音源があり、第２のマイクロホンとして、前記複数の発音源の各々に対応する複数のマイクロホンと、前記適応フィルタとして、前記複数のマイクロホンの各々に対応する複数の適応フィルタとを備え、前記判断手段は、前記複数の発音源の各々により発音がなされているか否かを判断し、前記フィルタ係数更新手段は、前記判断手段によって前記複数の発音源から発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が小さくなるように、当該発音源に対応する前記マイクロホンに対応する前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、当該適応フィルタの係数を更新しないようにしてもよい。

また、本発明は、発音源と、収音を行って音声信号を出力する第１のマイクロホンと、前記第１のマイクロホンよりも前記発音源に近い位置に設けられた第２のマイクロホンと、複数の係数を持つ適応フィルタと、前記第１のマイクロホンから出力される音声信号と、前記第２のマイクロホンから出力される音声信号に対して前記適応フィルタを用いた適応信号処理がなされた結果との差を演算し、その差を誤差信号として出力する誤差信号演算手段と、前記誤差信号演算手段によって出力される誤差信号を記録する記録手段と、前記発音源による発音がなされているか否かを判断する判断手段と、前記判断手段によって発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が最小となるように前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、前記適応フィルタの係数を更新しないフィルタ係数更新手段とを備えることを特徴とする録音装置を提供する。

上記録音装置において、前記発音源は、駆動しているときに駆動音を発生する駆動体であり、駆動している期間にわたって駆動通知信号を供給し、前記判断手段は、前記発音源から駆動通知信号が供給されている期間にわたっては、発音がなされていると判断し、前記発音源から駆動通知信号が供給されていない期間にわたっては、発音がなされていないと判断することを特徴とする。

［構成］
図１は、本発明を適用した録音装置の一実施例であるビデオカメラ１の電気的構成を示す図である。
ビデオカメラ１は、制御部１０と、撮像部１１と、音声処理部１２と、録音用マイクロホン１３と、ノイズ用マイクロホン１４と、記憶部１５と、表示部１６と、操作部１７とを備えており、これらはバス１８を介して相互に接続されている。制御部１０は、例えばＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）を備えている。ＲＯＭには、ＣＰＵが実行する制御プログラムが記憶されており、ＣＰＵはＲＡＭをワークメモリとしてこの制御プログラムを実行することにより、ビデオカメラ１の各部を制御する。撮像部１１は、レンズ、ミラー及び撮像素子などの光学系部品と、これらの光学系部品を駆動するための駆動体であるモータ１９とを備えている。

音声処理部１２には、録音用マイクロホン１３と、ノイズ用マイクロホン１４とが接続されている。録音用マイクロホン１３は、ビデオカメラ１の前面、つまり撮像部１１のレンズが配置された面に配置されており、撮像対象となる人間や動物或いは環境音など、主にビデオカメラ１の装置外の発音源から発せられる音声を収音する。ただし、撮像部１１のモータ１９から発せられる音声（以下、モータ１９のノイズという）も、ビデオカメラ１の各構成部品を伝わって、この録音用マイクロホン１３に収音される。ノイズ用マイクロホン１４は、撮像部１１のモータ１９の近傍に設けられており、このモータ１９から発せられる音声、つまりモータ１９のノイズを収音する。音声処理部１２は、録音用マイクロホン１３によって収音された音声からモータ１９のノイズを除去し、これをＡ／Ｄ変換してデジタルの音声データとして出力する。記憶部１５は、例えばＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory）やフラッシュメモリであり、この記憶部１５に、ノイズが除去された上記音声データが記憶される。表示部１６は、例えば液晶ディスプレイや液晶駆動回路を備えており、制御部１０からの指示に応じて、各種の情報や、ユーザに対する対話画面などを表示する。操作部１７は、各種のボタンやスイッチを備えており、ユーザによる操作に応じた信号を制御部１０に供給する。制御部１０はこの信号に基づき、ユーザの操作によって指示された内容を判断し、その判断結果に応じた処理を実行する。

次に、音声処理部１２の構成について説明する。
図２は、音声処理部１２の構成を示すブロック図である。この音声処理部１２は、第１入力部１２１と、第２入力部１２２と、無音識別部１２３と、加算器１２４と、適応フィルタ１２５と、フィルタ係数更新部１２６と、出力部１２７とを備えている。なお、図２において、実線矢印は音声信号の流れを意味しており、点線矢印は制御系の信号の流れを意味している。

第１入力部１２１には、録音用マイクロホン１３が接続されており、このマイクロホン１３によって収音された音声に応じた音声信号が入力される。第１入力部１２１は、この音声信号に対してＡ／Ｄ変換などの所定の処理を行って、無音識別部１２３及び加算器１２４に供給する。第２入力部１２２には、ノイズ用マイクロホン１４が接続されており、このマイクロホン１４によって収音された音声に応じた音声信号が入力される。第２入力部１２２は、この音声信号に対してＡ／Ｄ変換などの所定の処理を行って、適応フィルタ１２５に供給する。加算器１２４は、第１入力部１２１から供給された音声信号と、適応フィルタ１２５から供給された音信号との差を演算し、その演算結果を誤差信号ｅとして出力する。適応フィルタ１２５は、例えばFIR型デジタルフィルタ構成の適応フィルタである。フィルタ係数更新部１２６には、誤差信号ｅが入力されると共に、ノイズ用マイクロホン１４から出力された音声信号が参照信号として入力される。フィルタ係数更新部１２６には、誤差信号ｅの強度が最小となるようにＬＭＳ(Least Mean Square) などのフィードバック制御系のアルゴリズムに基づいて適応信号処理を行って、適応フィルタ１２５のフィルタ係数を決定する。ここで、モータのノイズを完全に除去し得る状態となるのは、ノイズ出力ｅ(n)としたときに、{ｅ(n)}²の平均が最小値をとるような適応フィルタのフィルタ係数を用いたフィルタリングを行った場合である。なお、ノイズ出力ｅ(n)は、数１の演算式で表すことができる。

数１の演算式において、ｘ_n１(ｎ)，ｘ_n２(ｎ)はそれぞれ、録音用マイクロホン１３、ノイズ用マイクロホン１４から出力される音声信号に含まれるノイズ成分である。また、Ｎは適応フィルタ１２５が持つ係数の数を示し、ω（ｉ）（ただし、ｉ＝０，１，・・・，Ｎ−１）は、フィルタ係数を示す。

撮像部１１は、モータ１９を駆動させているときには、モータ１９の駆動中であることを示す駆動通知信号を無音識別部１２３に供給する。従って、無音識別部１２３は、駆動通知信号が撮像部１１から供給されている期間にわたっては、モータ１９が駆動中であると判断し、駆動通知信号が撮像部１１から供給されていない期間にわたっては、モータ１９が駆動中ではないと判断する。モータ１９が駆動中であるということは、モータのノイズがあるということを意味し、モータ１９が駆動中でないということは、モータのノイズがないということを意味している。よって、無音識別部１２３は、駆動通知信号の有無に基づいて、モータ１９のノイズの有無を判断することができる。

モータ１９のノイズがある期間においては、録音用マイクロホン１３及びノイズ用マイクロホン１４の双方に、ノイズが入力されるから、フィルタ係数更新部１２６は、適応信号処理により、誤差信号ｅすなわちノイズに相当する音声の強度が最小となるようにフィルタ係数を決定する。この適応フィルタ１２５により、録音用マイクロホン１３から出力される音声信号から、ノイズに相当する音声信号が除去される。このようなフィルタリング処理を経てノイズが除去された音声信号は、出力部１２７に供給される。出力部１２７から出力された、雑音の除去後の音声信号は、音声データとして記憶部１５に記憶される。一方、モータ１９のノイズがない期間においては、フィルタ係数更新部１２６は、適応フィルタ１２５のフィルタ係数の更新を行わない。

雑音をフィルタリングで除去したい場合、例えば雑音成分などの情報を事前に特定できるのであれば、最適フィルタ理論などの解析手法を用いたオープンループの信号処理系を構築してノイズを除去すればよい。一方、適応デジタルフィルタを用いれば、これらの情報をほとんど必要とせずに自動的にフィルタ特性をコントロールすることができ、雑音ないし騒音に相当する音声を精度良く除去することができる。

［変形例］
以上が実施形態の説明であるが、この実施形態の内容は以下のように変形し得る。また、以下の各態様を適宜組み合わせてもよい。
（１）変形例１
音声処理部１２に接続されたマイクロホンの数や設置場所は、実施形態で例示した内容に限らない。
例えば、発音源として複数のモータが設置されている場合の音声処理部１２ｂの構成を図３に示す。同図では、図１，２と同じ構成には同じ符号を付している。
図３において、発音源は、第１モータ１９ａと第２モータ１９ｂである。これら第１モータ１９ａ及び第２モータ１９ｂの各々に対応する位置に、ノイズ用マイクロホンとして、第１ノイズ用マイクロホン１４ａと第２ノイズ用マイクロホン１４ｂとが設けられている。音声処理部１２ｂは、第１モータ１９ａに対応する適応フィルタとして、第１適応フィルタ１２５ｂを備え、第２モータ１９ｂに対応する適応フィルタとして、第２適応フィルタ１２５ｃを備えている。無音識別部１２３ｂは、撮像部１１から第１モータ１９ａ及び第２モータ１９ｂ毎に供給される駆動通知信号に基づいて、第１モータ１９ａから駆動音が発生しているか否かを判断する一方、第２モータ１９ｂから駆動音が発生しているか否かを判断する。第１フィルタ係数更新部１２６ｂは、第１モータ１９ａから駆動音が発生していると判断されている期間においては、加算器１２４ａから出力される誤差信号ｅの強度が最小となるように適応信号処理を行って、第１適応フィルタ１２５ｂのフィルタ係数を決定する。第２フィルタ係数更新部１２６ｃは、第２モータ１９ｂから駆動音が発生していると判断されている期間においては、加算器１２４ｂから出力される誤差信号ｅの強度が最小となるように適応信号処理を行って、第２適応フィルタ１２５ｃのフィルタ係数を決定する。
このような構成によれば、第１モータ１９ａから駆動音が発生していると判断されている期間においては、第１モータ１９ａからのノイズを除去し、第２モータ１９ｂから駆動音が発生していると判断されている期間においては、第２モータ１９ｂからのノイズを除去し、さらに、第１モータ１９ａ及び第２モータ１９ｂの双方から駆動音が発生していると判断されている期間においては、第１モータ１９ａと第２モータ１９ｂとのそれぞれのノイズを除去することが可能となる。

（２）変形例２
音声処理部１２は、上述した実施形態の動作を、プログラムに記述された手順に従って実行してもよい。つまり、本発明は、コンピュータを、複数の収音手段によってそれぞれ収音された複数の音声を表す音声信号が入力される入力手段と、前記入力手段に入力された前記複数の音声信号のうち少なくとも２以上の音声信号に共通に含まれる音声成分である共通音声成分を抽出する抽出手段と、前記入力手段に入力された前記複数の音声信号のうちのいずれかを、前記共通音声成分の除去対象の音声信号として特定する特定手段と、前記特定手段によって特定された音声信号から、前記抽出手段によって抽出された共通音声成分を除去する除去手段と、前記除去手段によって共通音声成分が除去された音声信号を放音手段に出力する出力手段として機能させるためのプログラムとしてもよい。
なお、このプログラムは、磁気テープ、磁気ディスク、フレキシブルディスク、光記録媒体、光磁気記録媒体、ＲＡＭなどの記録媒体に記録した状態で提供し得る。

本発明の実施形態に係るビデオカメラの構成を示した図である。同実施形態における音声処理部の構成を示したブロック図である。変形例１における音声処理部の構成を示したブロック図である。

符号の説明

１２，１２ｂ…音声処理部、１２１…第１入力部、１２２，１２２ａ…第２入力部、１２３，１２３ｂ…無音識別部、１２４…加算器、１２５…適応フィルタ、１２５ｂ…第１適応フィルタ、１２５ｃ…第２適応フィルタ、１２６…フィルタ係数更新部、１２６ｂ…第１フィルタ係数更新部、１２６ｃ…第２フィルタ係数更新部、１２７…出力部。

Claims

収音を行って音声信号を出力する第１のマイクロホン及び第２のマイクロホンを含む複数のマイクロホンと、
複数の係数を持つ適応フィルタと、
前記第１のマイクロホンから出力される音声信号と、前記第２のマイクロホンから出力される音声信号に対して前記適応フィルタを用いた適応信号処理がなされた結果との差を演算し、その差を誤差信号として出力する誤差信号演算手段と、
発音源による発音がなされているか否かを判断する判断手段と、
前記判断手段によって発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が小さくなるように、前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、前記適応フィルタの係数を更新しないフィルタ係数更新手段と
を備えることを特徴とする音声処理装置。
前記発音源として、複数の発音源があり、
第２のマイクロホンとして、前記複数の発音源の各々に対応する複数のマイクロホンと、
前記適応フィルタとして、前記複数のマイクロホンの各々に対応する複数の適応フィルタとを備え、
前記判断手段は、前記複数の発音源の各々により発音がなされているか否かを判断し、
前記フィルタ係数更新手段は、前記判断手段によって前記複数の発音源から発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が小さくなるように、当該発音源に対応する前記マイクロホンに対応する前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、当該適応フィルタの係数を更新しない
ことを特徴とする請求項１記載の音声処理装置。
発音源と、
収音を行って音声信号を出力する第１のマイクロホンと、
前記第１のマイクロホンよりも前記発音源に近い位置に設けられた第２のマイクロホンと、
複数の係数を持つ適応フィルタと、
前記第１のマイクロホンから出力される音声信号と、前記第２のマイクロホンから出力される音声信号に対して前記適応フィルタを用いた適応信号処理がなされた結果との差を演算し、その差を誤差信号として出力する誤差信号演算手段と、
前記誤差信号演算手段によって出力される誤差信号を記録する記録手段と、
前記発音源による発音がなされているか否かを判断する判断手段と、
前記判断手段によって発音がなされていると判断されている期間においては、前記誤差信号演算手段によって出力される誤差信号の強度が最小となるように前記適応フィルタの係数を更新し、前記判断手段によって発音がなされていないと判断されている期間においては、前記適応フィルタの係数を更新しないフィルタ係数更新手段と
を備えることを特徴とする録音装置。
前記発音源は、駆動しているときに駆動音を発生する駆動体であり、駆動している期間にわたって駆動通知信号を供給し、
前記判断手段は、前記発音源から駆動通知信号が供給されている期間にわたっては、発音がなされていると判断し、前記発音源から駆動通知信号が供給されていない期間にわたっては、発音がなされていないと判断する
ことを特徴とする請求項３記載の録音装置。