JP2010091912A

JP2010091912A - 音声強調システム

Info

Publication number: JP2010091912A
Application number: JP2008263664A
Authority: JP
Inventors: Kenichi Kumagai; 建一熊谷
Original assignee: Equos Research Co Ltd
Current assignee: Equos Research Co Ltd
Priority date: 2008-10-10
Filing date: 2008-10-10
Publication date: 2010-04-22

Abstract

【課題】複数のマイクロフォンが取得した音声信号から雑音を効果的に除去することができ、目的音声のみを強調して取り出すことができ、確実性が高く、信頼性が高くなるようにする。
【解決手段】目的音声の音声信号を強調する静的ベクトルを備える固定ビームフォーマと、目的音声の方向から到来した音声信号を抑制するブロッキング行列を備えるブロッキング行列部と、適応ベクトルを備え、適応ベクトル、静的ベクトル及びブロッキング行列を用いて目的音声を強調するように演算した音声信号を出力するとともに、固定ビームフォーマ及びブロッキング行列部からの音声信号を用いて、演算した音声信号の分布をスーパーガウシアンに近付けるように適応ベクトルを最適化する多入力キャンセラと、目的信号検出部を備え、目的音声の音声信号が検出されたか否かに応じて複数のビームフォーマを切換えて機能させるビームフォーミング部切換ユニットとを有する。
【選択図】図１

Description

本発明は、目的音声を強調する音声強調システムに関するものであり、特に、自動車のような車両の内部の雑音環境において、雑音を抑圧して音声認識の対象となる音声信号を取得するために好適な音声強調システムに関するものである。

従来、複数の音源が発生した音声信号の中から特定の音声信号、すなわち、目的音声のみを取得するための技術として、複数のマイクロフォンから成るマイクロフォンアレイ等を使用するアレイ信号処理技術が提案されている（例えば、非特許文献１参照。）。

例えば、固定ビームフォーマ、ブロッキング行列及び多入力キャンセラを備えるＧＳＣ（ＧｅｎｅｒａｌｉｚｅｄＳｉｄｅｌｏｂｅＣａｎｃｅｌｌｅｒ：一般化サイドローブキャンセラ）型ビームフォーマを使用することができる。通常、固定ビームフォーマは、Ｄｅｌａｙ−ａｎｄ−ｓｕｍビームフォーマと呼ばれるタイプのものであり、マイクロフォンアレイにおける各マイクロフォンに到来する音声信号の時間遅れを補償するように構築される。また、ブロッキング行列は、ある方向から来る音声信号に歪（ひず）みを加えないように計算される。さらに、多入力キャンセラは、無歪の制約が課されている状態で、ＧＳＣ型ビームフォーマ全体の出力信号の分散を最小化するように構築される。

このような方法では、目的信号としての目的音声の方向以外から到来する雑音を効果的に抑圧することはできるが、目的音声と相関の強い音声信号が目的音声の方向以外から到来した場合には、目的音声をも消去してしまうという欠点があった。そして、実際の環境では、例えば、目的音声は、壁のように表面の硬い物質から成る面等によって反射されるので、このような問題、すなわち、目的信号打消し問題（ｓｉｇｎａｌｃａｎｃｅｌｌａｔｉｏｎｐｒｏｂｌｅｍｓ）は避けられないものである。

つまり、ＧＳＣ型ビームフォーマを使用するシステムには目的信号打消し問題があるので、目的音声が存在しているときには、固定ビームフォーマを停止する必要があった。このため、ビームフォーマ自体の性能は音声区間検出の性能に依存してしまっていた。したがって、性能のよいビームフォーマを構築するために、高性能な音声区間検出装置が必要であった。しかしながら、雑音が大きい場合には、音声区間検出装置の性能は劣化してしまう。

そこで、目的信号打消し問題を解決するために、ブロッキング行列の出力信号から目的音声と相関のある要素を取り除く技術が提案されている（例えば、特許文献１参照。）。この場合、ブロッキング行列は、その出力信号から固定ビームフォーマの信号成分を取り除くように構築されている。

ただし、このようにブロッキング行列を構築すると、固定ビームフォーマの出力信号に雑音が含まれていた場合には、多入力キャンセラの雑音抑圧性能が著しく劣化してしまう。例えば、音源の位置推定に誤りがあると、固定ビームフォーマの信号成分に雑音が含まれる。また、空間エリアスィング（例えば、非特許文献１参照。）の影響によって、固定ビームフォーマの出力信号に雑音が多く含まれる場合もある。

つまり、特許文献１に記載される技術及び該技術に基づいた技術（例えば、非特許文献２参照。）は、目的信号打消し問題の解決と雑音抑圧性能とがトレードオフの関係となる、という問題を含んでいる。

そこで、目的信号打消し問題と雑音抑圧問題とを同時に解決するために、新しい基準を用いたビームフォーミングの技術が提案されている（例えば、非特許文献３〜５参照。）。この場合、ＧＳＣ型ビームフォーマ全体の出力信号の分散を最小化するのではなく、無歪の制約を課したままＧＳＣ型ビームフォーマ全体の出力信号の分布がスーパーガウシアン分布になるように適応ベクトルを推定する。
特許第３００１０９２号公報 H. L. Van Trees, Optimum Array Processing. New York: Wiley-Interscience, 2002. W. Herbordt, W. Kellermann, "Frequency-domain integration of acoustic echo cancellation and a generalized sidelobe canceller with improved robustness", European Trans. on Telecommunications (ETT), vol. 13, no. 2, pp. 123-132, Mar. 2002 Kenichi Kumatani, Tobias Gehrig, Uwe Mayer, Emilian Stoimenov, John McDonough and Matthias Wolfel,"Adaptive Beamforming with a Minimum Mutual Information Criterion", IEEE Trans. Audio, Speech and Language Processing, Vol. 15, pp. 2527-2541, November, 2007 Kenichi Kumatani, John McDonough, Dietrich Klakow, Philip N. Garner, Weifeng Li "Adaptive Beamforming with a Maximum Negentropy Criterion", for The Joint Workshop on Hands-free Speech Communication and Microphone Arrays (HSCMA), Trento, Italy, May 2008 Kenichi Kumatani, John McDonough, Barbara Rauch, Philip N. Garner, Weifeng Li, and John Dines,"Maximum kurtosis beamforming with the generalized sidelobe canceller, "in Proc. Interspeech-2008, Brisbane, Australia, September 2008

しかしながら、前記従来の音声強調システムにおいては、固定ビームフォーマとしてＤｅｌａｙ−ａｎｄ−ｓｕｍ型ビームフォーマが使用されているので、固定ビームフォーマの出力信号に雑音が含まれていた場合に雑音抑圧性能が劣化することがある。

本発明は、前記従来の音声強調システムの問題点を解決して、固定ビームフォーマを第１ビームフォーミング部と第２ビームフォーミング部とに切換えて機能させることによって、複数のマイクロフォンが取得した音声信号から雑音を効果的に除去することができ、目的音声のみを強調して取り出すことができ、確実性が高く、信頼性の高い高性能な音声強調システムを提供することを目的とする。

そのために、本発明の音声強調システムにおいては、少なくとも第１ビームフォーミング部及び第２ビームフォーミング部を備え、所定の方向から到来した音声信号に含まれる目的音声の音声信号を強調する静的ベクトルを備える固定ビームフォーマと、前記目的音声の方向から到来した音声信号を抑制するブロッキング行列を備えるブロッキング行列部と、適応ベクトルを備え、該適応ベクトル、前記静的ベクトル及び前記ブロッキング行列を用いて目的音声を強調するように演算した音声信号を出力するとともに、前記固定ビームフォーマ及び前記ブロッキング行列部からの音声信号を用いて、前記演算した音声信号の分布をスーパーガウシアンに近付けるように前記適応ベクトルを最適化する多入力キャンセラと、所定の方向から到来した音声信号に含まれる目的音声の音声信号を検出する目的信号検出部を備え、前記目的音声の音声信号が検出されたか否かに応じて前記複数のビームフォーマを切換えて機能させるビームフォーミング部切換ユニットとを有する。

本発明の他の音声強調システムにおいては、さらに、前記ビームフォーミング部切換ユニットは、前記目的信号検出部によって目的音声の音声信号が検出されない場合、前記固定ビームフォーマを目的音声の方向以外から到来した音声信号を抑圧する第１ビームフォーミング部として機能させる。

本発明の更に他の音声強調システムにおいては、さらに、前記第１ビームフォーミング部は、前記多入力キャンセラが出力する音声信号の分散を最小化する静的ベクトルを計算する。

本発明の更に他の音声強調システムにおいては、さらに、前記ビームフォーミング部切換ユニットは、前記第１ビームフォーミング部が重みの値を更新した場合には更新された値を前記静的ベクトルとし、前記第１ビームフォーミング部が重みの値を更新しない場合には、前記固定ビームフォーマは複数のマイクロフォンが取得した複数の音源からの音声信号の時間遅れを補償するように静的ベクトルを演算した第２ビームフォーミング部に切換えて機能させる。

本発明の更に他の音声強調システムにおいては、さらに、前記目的信号検出部は、前記多入力キャンセラが出力する音声信号に含まれる目的音声の音声信号から前記所定の方向から到来した音声信号に含まれる目的音声の音声信号を検出する。

請求項１の構成によれば、複数のマイクロフォンが取得した音声信号から雑音を効果的に除去することができ、目的音声のみを強調して取り出すことができる。

請求項２の構成によれば、目的音声の方向以外から到来した音声信号を抑圧することができ、雑音を除去することができる。

請求項３の構成によれば、出力される音声信号の分散を最小化することができ、目的音声を強調することができる。

請求項４及び５の構成によれば、出力される音声信号の分布をスーパーガウシアン分布にすることができる。

以下、本発明の実施の形態について図面を参照しながら詳細に説明する。

図１は本発明の実施の形態における音声強調システムの構成を示すブロック図である。

図１において、１０は、本実施の形態における音声強調システムであり、複数の音源が発生した音声信号の中から特定の音声信号としての目的音声のみを取得するために使用されるコンピュータシステムである。前記音声強調システム１０は、例えば、乗用車、トラック、バス、二輪車等の車両に装着されたナビゲーション装置、空調装置、オーディオ装置、映像装置、エンジン制御装置、サスペンション制御装置等の各種装置が備える音声入力装置において、運転者等が発生する音声を認識する音声認識の対象となる音声信号を雑音環境の下で取得するために使用されるものであるが、いかなる用途に使用されてもよい。また、前記音声強調システム１０は、コンピュータシステムであるので、ＣＰＵ、ＭＰＵ等の演算手段、磁気ディスク、半導体メモリ等の記憶手段、入出力インターフェイス等を備えるものであるが、物理的には、必ずしも独立したコンピュータシステムである必要はなく、例えば、前記各種装置の備えるコンピュータシステムと一体化されたものであってもよい。

ここで、前記音声強調システム１０は、機能の観点から、第１ビームフォーミング部及び第２ビームフォーミング部として機能する固定ビームフォーマ１１と、ブロッキング行列によって音声信号を処理するブロッキング行列部１２と、多入力キャンセラ１３と、第１ビームフォーミング部及び第２ビームフォーミング部を切換えて機能させる（制御する）ビームフォーミング部切換ユニット１４とを有する。そして、該ビームフォーミング部切換ユニット１４は、目的信号検出部１５を備える。なお、矢印２１は、音声強調システム１０の入力信号であって、図示されない複数のマイクロフォンから成るマイクロフォンアレイからのマイクロフォンアレイ信号を示している。該マイクロフォンアレイ信号は、各マイクロフォンが集音した音に応じて出力した音声信号の集合であり、多チャンネル信号である。また、矢印２２は、音声強調システム１０の出力信号であって、目的音声の音声信号である。

前記音声強調システム１０は、ＧＳＣ型ビームフォーマの一種であり、固定ビームフォーマ１１の重みとしての静的ベクトル、ブロッキング行列部１２のブロッキング行列、及び、多入力キャンセラ１３の適応ベクトルによってマイクロフォンアレイ信号を処理することにより、複数の音源が発生した音声信号の中から目的音声を取得する。そして、ビームフォーミング部切換ユニット１４は、固定ビームフォーマ１１を第１ビームフォーミング部と第２ビームフォーミング部とに切換えて機能させる。

そのため、前記ビームフォーミング部切換ユニット１４において、前記目的信号検出部１５は目的信号の有無を判別する。つまり、前記目的信号検出部１５は多入力キャンセラ１３が出力する音声信号に含まれる目的音声の音声信号を検出する。さらに、前記ビームフォーミング部切換ユニット１４は、前記目的信号検出部１５が目的信号なしと判断した場合、すなわち、目的音声の音声信号が検出されない場合、目的音声の方向以外から到来した音声信号を抑圧するために、固定ビームフォーマの出力信号の分散又はパワーの和を最小化する静的ベクトルを計算する第１ビームフォーミング部として前記固定ビームフォーマ１１を機能させる。前記目的信号検出部１５が目的信号ありと判断した場合には、前記ビームフォーミング部切換ユニット１４は、固定ビームフォーマ１１を第１ビームフォーミング部から第２ビームフォーミング部に切換えて、Ｄｅｌａｙ−ａｎｄ−ｓｕｍ型のビームフォーマの重みを静的ベクトルとする。固定ビームフォーマの静的ベクトルが求められた後、多入力キャンセラ１３は最終の出力信号の分布がスーパーガウシアン分布になるように適応ベクトルを求める。

なお、前記固定ビームフォーマ１１を第１ビームフォーミング部として機能させることによって、目的音声の方向以外から到来する雑音を抑圧することができる。さらに、多入力キャンセラ１３の雑音抑圧性能及び目的信号の強調性能を更に向上させることができる。なお、目的音声の音声信号が検出された場合であっても、非特許文献３〜５に記載された技術と同程度の性能を保つことができる。

また、前記第１ビームフォーミング部は、ＭＶＤＲ（Ｍｉｎｉｍｕｍｖａｒｉａｎｃｅｄｉｓｔｏｒｔｉｏｎｌｅｓｓｒｅｓｐｏｎｓｅ）ビームフォーマであることが望ましい。

さらに、前記第１ビームフォーミング部は、等方性の雑音場（ｉｓｏｔｒｏｐｉｃｎｏｉｓｅｆｉｅｌｄ）に最適化されたＭＶＤＲビームフォーマ（例えば、非特許文献６参照。）であることが望ましい。この場合、ＭＶＤＲビームフォーマは特定の環境に適応処理を行う必要がない。
Michael Brandstein and Darren Ward (Editors), "Super Directive Microphone arrays in Microphone Arrays: Signal Processing Techniques and Applications ", Springer

さらに、前記第１ビームフォーミング部は、受信信号の共分散行列の対角成分にある一定の値（Ｄｉａｇｏｎａｌｌｏａｄｉｎｇ）を加えたＭＶＤＲビームフォーマであることが望ましい。

さらに、前記第１ビームフォーミング部は、受信信号の共分散行列の対角成分にある一定の値を調整したＭＶＤＲビームフォーマ（例えば、非特許文献７及び８参照。）であることが望ましい。このＤｉａｇｏｎａｌｌｏａｄｉｎｇの量を調整することによって目的音源の到来方向の推定を修正することができる。
J. Li, P. Stoica, and Z. Wang,"On Robust Capon Beamforming and Diagonal Loading, "IEEE Transactions on Signal Processing, Vol. 51, No. 7, pp. 1702-1715, July 2003 Aboulnasr Hassanien, Sergiy Vorobyov and Kon Max Wong,"Robust Adaptive Beamforming using Sequential Quadratic Programming, "Proc. ICASSP2008, March 30-April 4 2008.

さらに、後述されるように、Ｄｅｌａｙ−ａｎｄ−ｓｕｍ型ビームフォーマの重みと直交するようにブロッキング行列を計算するので、前記第１ビームフォーミング部が、存在しない雑音源を抑圧するといった誤推定をした場合であっても、前記多入力キャンセラ１３がそれを自動訂正することができる。

次に、前記構成の音声強調システム１０の動作について説明する。まず、信号処理について説明する。

図２は本発明の実施の形態において用いられるＧＳＣ型ビームフォーマの信号処理の流れを示すブロック図である。

図において、２４は固定ビームフォーマ１１による処理を示し、ｗ_qは固定ビームフォーマ１１の重みを表す静的ベクトルである。また、２５はブロッキング行列部１２による処理を示し、Ｂはブロッキング行列部１２のブロッキング行列である。さらに、２６は多入力キャンセラ１３による処理を示し、ｗ_aは多入力キャンセラ１３の適応ベクトルである。さらに、Ｘは音声強調システム１０のあるフレームにおける入力信号であり、Ｙは音声強調システム１０の出力信号である。

前述のように、本実施の形態における音声強調システム１０は、ＧＳＣ型ビームフォーマの一種であり、その出力信号Ｙは、マイクロフォンアレイからのマイクロフォンアレイ信号である入力信号Ｘを用い、次の式（１）によって表される。
Ｙ＝（ｗ_q−Ｂｗ_a）^HＸ・・・式（１）
ここで、（）^Hは、（）で示される行列のエルミート行列を表す。

従来、前記静的ベクトルｗ_qは、ある方向から到来した音声信号を強調する固定ベクトルであって、多チャンネル信号である入力信号Ｘの各チャンネルの信号の遅延時間差を補償する目的で使用される。特に、そのような遅延時間差を補償するビームフォーマは、Ｄｅｌａｙ−ａｎｄ−ｓｕｍビームフォーマと呼ばれる。それに対し、本発明では、ビームフォーミング切換ユニット１４がこのｗ_qを求める方法を切換える。

また、前記ブロッキング行列Ｂは、ある方向から到来した音声信号を無歪にするものであって、Ｂ^Hｗ_q＝０の直交条件を満たすように設定される。この直交条件を満たすことによって、ある方向から到来した音声信号に無歪の制約を課すことができる。つまり、ブロッキング行列Ｂは、目的音声の方向から到来した音声信号を抑制するようにすることができるようになる。

なお、従来のビームフォーマでは、目的音源の到来方向が既知であると仮定しており、到来方向が不明である場合でも、既存の音源追跡アルゴリズム（例えば、非特許文献９参照。）を用いて音源方向の自動推定が可能である。
A. Quintan and Asano, F. "Tracking a varying number of speakers using particle filtering"Proc. ICASSP2008, March 30-April 4 2008

また、前記適応ベクトルｗ_aは、多入力キャンセラ１３によって音声強調システム１０の出力信号Ｙの分布がスーパーガウシアン分布に近くなるように設定される（例えば、非特許文献３〜５参照。）。そして、このような適応ベクトルｗ_aを使用することによって、雑音を抑圧することができるだけでなく、残響音の除去又は残響音を用いた目的信号の強調を達成することができる。このようにＧＳＣ型ビームフォーマの利点である到来方向の信号に対する無歪の制約を保持したまま適応ベクトルを推定するので、従来のマイク位置などの情報を用いないブライド音源分離装置（ＢＳＳ）にて起こるパーミュテーション（ｐｅｒｍｕｔａｔｉｏｎ）問題を解決することができる。なお、ある到来方向の信号にある程度の歪を許容してブロッキング行列を求めた場合も、パーミュテーション問題を防ぐことができる。

なお、前記静的ベクトルｗ_q、ブロッキング行列Ｂ及び適応ベクトルｗ_aの値は、周波数上で求めることもできるし、サブバンド上又は主成分分析等を用いた部分空間上でも求めることができる。

しかしながら、固定ビームフォーマ１１の出力に雑音が含まれていた場合には、音声強調システム１０の雑音抑圧能力が劣化する。そこで、本実施の形態においては、固定ビームフォーマ１１を目的信号がない際に受信した信号から適応的に求める。

次に、前記適応ベクトルｗ_aを推定する動作について詳細に説明する。

図３は本発明の実施の形態における音声強調システムの適応ベクトルを推定する動作を示すフローチャートである。

まず、多入力キャンセラ１３は適応ベクトルｗ_aをゼロに初期化する（ステップＳ１）。

次に、ビームフォーミング部切換ユニット１４はＤｅｌａｙ−ａｎｄ−ｓｕｍアルゴリズムを実行し、多チャンネル信号である入力信号の各チャンネルの信号の遅延時間差を補償するように固定ビームフォーマ１１の静的ベクトルｗ_qを設定する（ステップＳ２）。

続いて、目的信号検出部１５は、多入力キャンセラ１３の出力信号である音声強調システム１０の出力信号Ｙに含まれる目的音声の音声信号、すなわち、目的信号を検出する。そして、目的信号が含まれていないか否か、すなわち、目的信号なしか否かを判断する（ステップＳ３）。なお、目的信号の検出は、目的音声を発する発話者が手動操作によって行ってもよいし、既に知られている自動音声区間検出装置（例えば、特許文献２参照。）を用いて目的方向からの音声区間を検出することによって行ってもよい。従来の技術では非常に高性能な音声区間検出装置が必要であったが、後述するように、本発明では、適応ベクトルを音声強調システム１０の出力信号がスーパーガウシアン分布になるように推定するので高精度な音声区間検出装置は特に要求されない。
特開２００８−１７０７８９号公報

そして、目的信号が含まれていない場合、目的信号検出部１５は、音声強調システム１０の入力信号Ｘ、すなわち、受信信号を音声強調システム１０の記憶手段に保存する。この場合、入力信号Ｘそのものを記憶する必要はなく、例えば、入力信号Ｘの自己相関行列ＸＸ^Hの和及びそのサンプル数、又は、移動平均を求めて保存しておくだけでよい。なお、目的信号なしという状況は、例えば、車両の中で運転者の音声を目的音声として取得する場合において運転者が音声を発していない状況である。

また、目的信号検出部１５は、目的信号が含まれるまで受信信号の保存を連続して行う。そして、目的信号が含まれていると、すなわち、目的信号が検出されると、目的信号が検出される受信信号の保存を連続して行った信号区間が十分に長いか否かを判断する（ステップＳ４）。つまり、あらかじめ設定された所定時間以上の間、目的音声を連続的に検出することができなかったか否かを判断する。

ここで、目的音声を連続的に検出することができなかった時間が所定時間以上である場合、ビームフォーミング部切換ユニット１４は、ＭＶＤＲに基づいたアルゴリズムによる推定を実行させる（ステップＳ５）。つまり、固定ビームフォーマ１１を第１ビームフォーミング部として機能させる。これにより、目的音声の方向以外から到来する雑音を抑圧することができる。

この場合、第１ビームフォーミング部としての固定ビームフォーマ１１の重みを表す静的ベクトルｗ_qは、次の式（２）で表される。
ｗ_q＝Σ_XX ^-1ｄ／ｄ^HΣ_XX ^-1ｄ・・・式（２）
ここで、Σ_XX ^-1は、入力信号Ｘの自己相関行列ＸＸ^Hの期待値Σ_XXの逆行列である。また、ｄはｓｔｅｅｒｉｎｇｖｅｃｔｏｒである。さらに、期待値Σ_XXは、次の式（３）で表される。
Σ_XX＝Ｅ｛ＸＸ^H｝・・・式（３）
なお、期待値Σ_XXは、移動平均を用いて適応的に計算することもできる。また、前記式（２）は、二次方程式であるので、必ず解が存在する。

このように、静的ベクトルｗ_qが前記式（２）で表わされるビームフォーマは、具体的には、ＭＶＤＲビームフォーマである。実際には、不安定な解を避けるためにΣ_XXの対角成分に小さな値を加えた行列の逆行列が、Σ_XX ^-1の代わりに使用される。なお、対角成分に値を加えることは、ＤｉａｇｏｎａｌＬｏａｄｉｎｇと呼ばれる。

そして、ＤｉａｇｏｎａｌＬｏａｄｉｎｇの量を調整することによって、ある一定の範囲内であれば、音源の位置の誤差を訂正することができる（例えば、非特許文献８参照。）。

なお、車両の内部等の環境においては、音源の存在する範囲がある程度明らかなので、ＤｉａｇｏｎａｌＬｏａｄｉｎｇの調整を簡単に行うことができる。

また、ＤｉａｇｏｎａｌＬｏａｄｉｎｇの調整は、他の方法で、例えば、特定の指向性雑音を抑圧するのではなく、等方性の雑音場に最適化されたＭＶＤＲビームフォーマを使用する方法等で行うこともできる（例えば、非特許文献６及び７参照。）。

そして、前記固定ビームフォーマ１１の重みを表す静的ベクトルｗ_q、すなわち、推定された重みベクトルは、音声強調システム１０の記憶手段に保存される。

一方、目的音声を連続的に検出することができなかった時間が所定時間以上でない場合、ビームフォーミング部切換ユニット１４は、固定ビームフォーマ１１をＤｅｌａｙ−ａｎｄ−ｓｕｍ型ビームフォーマとしたままである（第２ビームフォーミング部）。

続いて、ビームフォーミング部切換ユニット１４は、十分な量の受信信号が保存されたか否か、すなわち、保存した受信信号が十分になったか否かを判断する（ステップＳ６）。このための、受信信号の音声強調システム１０の記憶手段への保存は、目的信号なしか否かに係わらず行われる。

そして、保存した受信信号が十分になった場合、例えば、１００フレーム以上の受信信号が保存された場合、ブロッキング行列部１２はブロッキング行列Ｂを計算する（ステップＳ７）。ステップＳ５でＭＶＤＲに基づいたアルゴリズムによる推定を実行したか否かに係わらず、ブロッキング行列部１２のブロッキング行列Ｂは、Ｄｅｌａｙ−ａｎｄ−ｓｕｍ型ビームフォーマの重みを表す静的ベクトルｗ_dと直交するように、つまり、Ｂ^Hｗ_d＝０となるように設定される。

これにより、前記第１ビームフォーミング部が、存在しない雑音源を抑圧するといった誤推定をした場合であっても、前記多入力キャンセラ１３がそれを自動訂正するような適応ベクトルｗ_aを得ることができる。

上記に述べたように静的ベクトルとブロッキング行列が求められた後、多入力キャンセラ１３は高次統計量（ｎｅｇｅｎｔｒｏｐｙ／ｋｕｒｔｏｓｉｓ）を用いて適応ベクトルを更新する（ステップＳ７）。これにより、出力信号Ｙの分布のスーパーガウシアンの度合いが最大となる適応ベクトルｗ_aを推定する。スーパーガウシアンの度合いにｎｅｇｅｎｔｒｏｐｙを用いた場合のアルゴリズムは非特許文献３及び４に記述されており、スーパーガウシアンの度合いにｋｕｒｔｏｓｉｓを用いた場合のアルゴリズムは非特許文献５に記述されている。

このように、本実施の形態においては、固定ビームフォーマ１１を第１ビームフォーミング部として、望ましくはＭＶＤＲビームフォーマとして、機能させることにより、目的音声の方向以外から到来する雑音を効果的に抑圧することができる。また、多入力キャンセラ１３の雑音抑圧性能及び目的信号の強調性能を更に向上させることができる。なお、目的音声の音声信号が検出された場合であっても、固定ビームフォーマ１１を第２ビームフォーミング部として、望ましくはＤｅｌａｙ−ａｎｄ−ｓｕｍビームフォーマとして機能させることによって、非特許文献３〜５に記載された技術と同程度の性能を保つことができる。つまり、本実施の形態においては、ＭＶＤＲビームフォーマの強力な雑音抑圧性能を保ちつつ、非特許文献３〜５に記載された技術の性能を更に向上させることができる。

さらに、本実施の形態では、固定ビームフォーマ１１は、第１ビームフォーミング部と第２ビームフォーミング部を備えているとして説明してきたが、例えば、２つ以上のビームフォーミング部を備えていてもよく、目的音声の大小等に応じて切換えて機能させてもよい。また、本実施の形態では、ビームフォーミング部切換ユニット１４は、多入力キャンセラ１３が出力信号、すなわち、目的音声の音声信号を強調するように演算した音声信号を出力するとし、この出力信号である演算した音声信号に目的音声の音声信号が含まれるか否かによって第１ビームフォーミング部と第２ビームフォーミング部を切換えて機能させる（制御する）としたが、例えば、音声強調システム１０の入力信号に目的音声の音声信号が含まれるか否かによって第１ビームフォーミング部と第２ビームフォーミングを切換えて機能させる（制御する）ようにしてもよい。

なお、本発明は前記実施の形態に限定されるものではなく、本発明の趣旨に基づいて種々変形させることが可能であり、それらを本発明の範囲から排除するものではない。

本発明の実施の形態における音声強調システムの構成を示すブロック図である。本発明の実施の形態において用いられるＧＳＣ型ビームフォーマの信号処理の流れを示すブロック図である。本発明の実施の形態における音声強調システムの適応ベクトルを推定する動作を示すフローチャートである。

符号の説明

１０音声強調システム
１１固定ビームフォーマ
１２ブロッキング行列部
１３多入力キャンセラ
１４ビームフォーミング部切換ユニット
１５目的信号検出部

Claims

少なくとも第１ビームフォーミング部及び第２ビームフォーミング部を備え、所定の方向から到来した音声信号に含まれる目的音声の音声信号を強調する静的ベクトルを備える固定ビームフォーマと、
前記目的音声の方向から到来した音声信号を抑制するブロッキング行列を備えるブロッキング行列部と、
適応ベクトルを備え、該適応ベクトル、前記静的ベクトル及び前記ブロッキング行列を用いて目的音声を強調するように演算した音声信号を出力するとともに、前記固定ビームフォーマ及び前記ブロッキング行列部からの音声信号を用いて、前記演算した音声信号の分布をスーパーガウシアンに近付けるように前記適応ベクトルを最適化する多入力キャンセラと、
所定の方向から到来した音声信号に含まれる目的音声の音声信号を検出する目的信号検出部を備え、前記目的音声の音声信号が検出されたか否かに応じて前記複数のビームフォーマを切換えて機能させるビームフォーミング部切換ユニットとを有することを
特徴とする音声強調システム。
前記ビームフォーミング部切換ユニットは、前記目的信号検出部によって目的音声の音声信号が検出されない場合、前記固定ビームフォーマを目的音声の方向以外から到来した音声信号を抑圧する第１ビームフォーミング部として機能させる請求項１に記載の音声強調システム。
前記第１ビームフォーミング部は、前記多入力キャンセラが出力する音声信号の分散を最小化する静的ベクトルを計算する請求項２に記載の音声強調システム。
前記ビームフォーミング部切換ユニットは、前記第１ビームフォーミング部が重みの値を更新した場合には更新された値を前記静的ベクトルとし、前記第１ビームフォーミング部が重みの値を更新しない場合には、前記固定ビームフォーマは複数のマイクロフォンが取得した複数の音源からの音声信号の時間遅れを補償するように静的ベクトルを演算した第２ビームフォーミング部に切換えて機能させる請求項２又は３に記載の音声強調システム。
前記目的信号検出部は、前記多入力キャンセラが出力する音声信号に含まれる目的音声の音声信号から前記所定の方向から到来した音声信号に含まれる目的音声の音声信号を検出する請求項１〜４のいずれか１項に記載の音声強調システム。