JP2010114554A - 放収音装置 - Google Patents

Abstract

【課題】処理負荷をかけずに、音源（例えば、主な発話者）の方位を正確に推定することができる放収音装置を提供する。
【解決手段】放収音装置１は、他の放収音装置とネットワーク等を介して接続される。放収音装置１は、他の放収音装置からの音声信号を放音信号ＦＥとして受信してスピーカＳＰから放音する。また、放収音装置１は、マイクＭＩＣ１〜ＭＩＣ３で収音して、異なる複数方位の収音ビーム信号ＮＥ１〜ＮＥ３を生成する。放収音装置は、各収音ビーム信号ＮＥ１〜ＮＥ３をダウンサンプリングして、ダウンサンプリングの収音ビーム信号ＤＮＥ１〜ＤＮＥ３のエコーを除去する。放収音装置は、エコーを除去した収音ビーム信号ＤＮＥ１’〜ＤＮＥ３’の中から最も信号レベルが高い収音ビーム信号ＤＮＥ１’を選択する。放収音装置は、収音ビーム信号ＤＮＥ１’の収音方位Ｄ１からの収音ビーム信号ＮＥ１のエコーを除去して、他の放収音装置へ送信する。
【選択図】図１

Description

この発明は、複数方位の音声を収音する放収音装置に関する。

従来、話者の音声を収音するとともに、入力された放音信号に基づいて音声を放音する放収音装置が各種提案されている（例えば、特許文献１参照。）。

例えば、特許文献１の放収音装置は、複数のマイクからなるマイクアレイを備え、各マイクが収音した音声信号に対して遅延処理等を行い、それぞれ異なる方向を指向性の軸方向とする収音指向性を備える複数の収音ビーム信号を生成する。そして、放収音装置は、複数の収音ビーム信号の中から最も信号レベルが高い収音ビーム信号を選択し、選択した収音ビーム信号からエコーを除去して、通信相手に送信することで、主な話者の音声を通信相手に送信している。
特開２００２−２３８０９１号公報

しかしながら、収音ビーム信号には、話者の音声と、自装置から放音した音声に基づく回帰音と、が含まれる。このため、放収音装置は、回帰音が話者の音声より大きい場合に、主な話者の音声を正確に選択することができない。

このような場合、放収音装置は、エコーを除去した後の各収音ビーム信号の信号レベルに基づいて、送信する収音ビーム信号を選択すれば、主な話者の音声を正確に選択することができる。しかし、全収音ビーム信号（例えば６方向）のエコーを除去する処理は、負荷が大きく、現実的に全方位のエコーを除去することは不可能であった。

そこで、処理負荷をかけずに、主な話者の音声を正確に選択することができる放収音装置を提供することを目的とする。

この発明の放収音装置は、複数の異なる方位毎に収音信号を生成して、音源（例えば、主な発話者）の方位を推定する。また、放収音装置は、第１エコーキャンセル手段と複数の第２エコーキャンセル手段とを備える。第１エコーキャンセル手段は、推定した方位からの収音信号のエコーを除去する。第２エコーキャンセル手段は、第１エコーキャンセル手段よりも簡易な構成からなり、方位毎の収音信号からエコーを除去する。放収音装置は、複数の第２エコーキャンセル手段での処理後の収音信号の信号レベルに基づいて、音源の方位を推定する。なお、簡易な構成からなるエコーキャンセル手段とは、ダウンサンプリング後の収音信号に対してエコーを除去するものや、タップ数が少ない適応フィルタを用いてエコーを除去するものである。

これにより、放収音装置は、簡易にエコーを除去した後の収音信号を用いて音源の方位を推定するため、処理負荷をかけずに、音源の方位を正確に推定することができる。

また、この発明の放収音装置の第１エコーキャンセル手段及び複数の第２エコーキャンセル手段は、それぞれ適応フィルタと、該適応フィルタのフィルタ係数を推定するフィルタ係数推定部を備える。第１エコーキャンセル手段のフィルタ係数推定手段は、推定した音源の方位からの収音信号のエコーを除去した第２エコーキャンセル手段のフィルタ係数を初期値として、フィルタ係数を更新する処理を行う。

これにより、放収音装置は、音源方位の推定の際に用いたフィルタ係数を初期値として、音源方位からの収音信号のエコーを除去することができるため、フィルタ係数の推定時間を短縮することができる。よって、放収音装置は、初期状態からエコーの除去を行うことができる。

更に、この発明の放収音装置の第１エコーキャンセル手段は、適応フィルタのフィルタ係数を方位毎に記憶している。第１エコーキャンセル手段のフィルタ係数推定手段は、フィルタ係数が記憶されていない場合のみ、上述のように第２エコーキャンセル手段のフィルタ係数を初期値とする初期処理を行う。

これにより、放収音装置の第１エコーキャンセル手段は、記憶部にフィルタ係数を記憶していない場合のみ、音源方位の推定時に用いたフィルタ係数を初期値とし、それ以外は、以前に用いたフィルタ係数を初期値とするため、環境（話者）が変わっても即座にエコーを除去することができる。

この発明の放収音装置は、処理負荷をかけずに、音源（例えば、主な発話者）の方位を正確に推定することができる。

本発明の実施形態に係る放収音装置１について、図１〜４を参照して説明する。放収音装置１は、他の放収音装置とネットワーク等を介して接続される。放収音装置１は、他の放収音装置からの音声信号を放音信号として受信してスピーカＳＰから放音する。また、放収音装置１は、マイクＭＩＣ１〜ＭＩＣ３で収音して、複数方位からの収音ビーム信号を生成する。そして、放収音装置は、主な発話者の方位からの収音ビーム信号を他の放収音装置へ送信する。

まず、放収音装置１の機能、構成について、図１，２を参照して説明する。図１は、放収音装置の機能、構成を示すブロック図である。図２は、収音ビーム信号毎の収音方位を説明するための説明図である。放収音装置１は、スピーカＳＰ、マイクＭＩＣ１〜ＭＩＣ３、通信制御部１１、収音制御部１２、ダウンサンプリング部（以下、ＤＳ部と称す。）１３、ダウンサンプリング部（以下、ＤＳ部と称す。）１４Ａ〜１４Ｃ、エコーキャンセル部（本発明の第２エコーキャンセル部に相当する。）１５Ａ〜１５Ｃ、方位推定部１６、制御部１７、収音信号選択部１８、及びエコーキャンセル部（本発明の第１エコーキャンセル部に相当する。）１９から構成される。

通信制御部１１は、他の放収音装置とネットワークを介して接続され、他の放収音装置との通信に関する制御を行う。通信制御部１１は、具体的には、他の放収音装置から放音信号ＦＥを受信して、エコーキャンセル部１９を介して、後述するＤＳ部１３及びスピーカＳＰへ出力する。スピーカＳＰは、放音信号ＦＥに基づく音声を放音する。また、通信制御部１１は、後述するエコーキャンセル部１９から入力された収音ビーム信号ＮＥ１’を他の放収音装置へ送信する。

マイクＭＩＣ１〜ＭＩＣ３は、周囲の音声を収音して、それぞれ収音信号を生成して、収音制御部１２へ出力する。なお、マイクの台数は、３台に限らない。

収音制御部１２は、各マイクＭＩＣ１〜ＭＩＣ３からの収音信号に対して、遅延処理等を行い、図２に示すように異なる方位を収音指向性の中心方向とする複数の収音ビーム信号ＮＥ１〜ＮＥ３を生成する。なお、以下、収音ビーム信号ＮＥ１〜ＮＥ３のそれぞれの収音方位をＤ１〜Ｄ３とする。

そして、収音制御部１２は、収音ビーム信号ＮＥ１〜ＮＥ３をそれぞれＤＳ部１４Ａ〜１４Ｃへ出力するとともに、収音ビーム信号ＮＥ１〜ＮＥ３を収音信号選択部１８へ出力する。なお、収音制御部１２が生成する収音ビーム信号の数は３本に限らない。また、収音制御部１２は、必須の構成ではない。この場合、各マイクＭＩＣ１〜ＭＩＣ３は、それぞれ異なる方位からの音声を収音して収音信号を生成し、ＤＳ部１４Ａ〜１４Ｃ及び収音信号選択部１８へ出力する。

ＤＳ部１４Ａ〜１４Ｃは、ローパスフィルタを含み、それぞれ入力された収音ビーム信号ＮＥ１〜ＮＥ３のダウンサンプリングを行い、ダウンサンプリング後の収音ビーム信号ＤＮＥ１〜ＤＮＥ３をそれぞれエコーキャンセル部１５Ａ〜１５Ｃに出力する。例えば、ＤＳ部１４Ａ〜１４Ｃは、２０ｋＨｚのサンプリング周波数でサンプリングされた収音ビーム信号ＤＮＥ１〜ＮＥ３を１０ｋＨｚのサンプリング周波数の信号にダウンサンプリングする。

ＤＳ部１３は、ローパスフィルタを含み、入力された放音信号ＦＥのダウンサンプリングを行い、ダウンサンプリング後の放音信号ＤＦＥをエコーキャンセル部１５Ａ〜１５Ｃに出力する。例えば、ＤＳ部１３は、２０ｋＨｚのサンプリング周波数でサンプリングされた放音信号ＦＥを１０ｋＨｚのサンプリング周波数の信号にダウンサンプリングする。

エコーキャンセル部１５Ａ〜１５Ｃは、ダウンサンプリング後の放音信号ＤＦＥに基づいて、スピーカＳＰから各マイクＭＩＣ１〜ＭＩＣ３へ至る回り込成分の擬似信号である擬似回帰音信号を生成する。エコーキャンセル部１５Ａ〜１５Ｃは、それぞれダウンサンプリング後の収音ビーム信号ＤＮＥ１〜ＤＮＥ３から擬似回帰音信号を差し引くことで、エコーを除去する。そして、エコーキャンセル部１５Ａ〜１５Ｃは、エコーを除去した後の収音ビーム信号ＤＮＥ１’〜ＤＮＥ３’を方位推定部１６へ出力する。

このエコーキャンセル部１５Ａ〜１５Ｃは、ダウンサンプリング後の収音ビーム信号ＤＮＥ１〜ＤＮＥ３のエコーを除去するためのものであるため、エコーキャンセル部１９よりも簡易な構成からなり、処理負荷をかけずにエコーを除去することができる。また、エコーキャンセル部１５Ａ〜１５Ｃは、エコーキャンセル部１９よりもタップ数を少なくしてもよい。なお、エコーキャンセル部１５Ａ〜１５Ｃの詳細な機能、構成については後述する。

方位推定部１６は、エコーキャンセル後の収音ビーム信号ＤＮＥ１’〜ＤＮＥ３’の中から最も信号レベルが高い収音ビーム信号を選択する。以下、方位推定部１６は、収音方位Ｄ１からの収音ビーム信号ＤＮＥ１’を選択したとして説明する。そして、方位推定部１６は、選択した収音ビーム信号ＤＮＥ１’の収音方位Ｄ１を取得して、制御部１７へ出力する。

制御部１７は、方位推定部１６から入力された収音方位Ｄ１に基づいて、収音信号選択部１８、及びエコーキャンセル部１９を制御する。

収音信号選択部１８は、収音制御部１２から入力された収音ビーム信号ＮＥ１〜ＮＥ３の中から、制御部１７から入力された収音方位Ｄ１からの収音ビーム信号ＮＥ１を選択して、エコーキャンセル部１９へ出力する。

エコーキャンセル部１９は、放音信号ＦＥに基づいて、スピーカＳＰから各マイクＭＩＣ１〜ＭＩＣ３へ至る回り込成分の擬似信号である擬似回帰音信号を生成して、収音信号選択部１８から入力された収音ビーム信号ＮＥ１から擬似回帰音信号を差し引くことでエコーを除去する。そして、エコーキャンセル部１９は、エコーを除去した後の収音ビーム信号ＮＥ１’を通信制御部１１へ出力する。なお、エコーキャンセル部１９の詳細な機能、構成については後述する。

以上より、エコーキャンセル部１５Ａ〜１５Ｃは、ダウンサンプリングした後の収音ビーム信号ＤＮＥ１〜ＤＮＥ３に対してエコーを除去するため、処理負荷を低減することができる。また、放収音装置１は、エコーを除去した後の収音ビーム信号ＤＮＥ１’〜ＤＮＥ３’を用いて、主な発話者の方位を取得して、主な発話者の方位からの収音ビーム信号を選択するため、主な発話者の音声を正確に選択することができる。よって、放収音装置１は、処理負荷をかけずに、主な発話者の音声を正確に選択することができる。

次に、エコーキャンセル部１５Ａ〜１５Ｃ、エコーキャンセル部１９の機能、構成の詳細について、図３，４を参照して説明する。図３は、エコーキャンセル部の機能、構成を示すブロック図である。図４は、適応フィルタの収音方位毎のフィルタ係数の一例を示す図である。エコーキャンセル部１５Ａ〜１５Ｃとエコーキャンセル部１９とは、同じ機能、構成を有する。以下は、エコーキャンセル部１９を例に挙げて説明する。

図３に示すように、エコーキャンセル部１９は、記憶部２１、フィルタ係数推定部２２、適応フィルタ２３、及び加算部２４から構成される。

記憶部２１は、図４に示すような係数一覧表２１１を一時記憶している。係数一覧表２１１は、収音方位毎のフィルタ係数が記載されており、フィルタ係数推定部２２により参照される。なお、係数一覧表２１１に記憶されているフィルタ係数は、放収音装置１の電源のオンオフに伴ってリセットされる。

フィルタ係数推定部２２は、音響伝達系（スピーカＳＰから各マイクＭＩＣ１〜ＭＩＣ３に至る音響伝搬経路）の伝達関数を推定し、推定した伝達関数でＦＩＲフィルタのフィルタ係数を設定する。この際、フィルタ係数推定部２２は、制御部１７から入力された収音方位Ｄ１に対応するフィルタ係数を係数一覧表２１１から取得し、該フィルタ係数を初期値として、フィルタ係数を算出する。また、フィルタ係数推定部２２は、加算部２４から出力された収音ビーム信号ＮＥ１’と放音信号ＦＥとに基づいて、適応アルゴリズムを用いてフィルタ係数の更新を行う。そして、フィルタ係数推定部２２は、算出したフィルタ係数を適応フィルタ２３へ出力する。

適応フィルタ２３は、ＦＩＲフィルタ等のデジタルフィルタを含んでおり、フィルタ係数推定部２２から入力されたフィルタ係数で、擬似回帰音信号を生成する。適応フィルタ２３は、生成した擬似回帰音信号を加算部２４へ出力する。

加算部２４は、適応フィルタ２３から入力された擬似回帰音信号を収音ビーム信号ＮＥ１から差し引いた収音ビーム信号ＮＥ１’を出力する。

なお、記憶部２１は必須の構成ではない。しかし、エコーキャンセル部１９は、収音方位が切り替わると、フィルタ係数の初期値を変更する必要があるため、記憶部２１を備えた方がよい。

また、エコーキャンセル部１５Ａ〜１５Ｃのフィルタ係数推定部２２は、それぞれ加算部２４から出力された収音ビーム信号ＤＮＥ１’〜ＤＮＥ３’とダウンサンプリング後の放音信号ＤＦＥとに基づいて、適応アルゴリズムを用いてフィルタ係数の更新を行う。

以上より、エコーキャンセル部１９は、収音方位毎のフィルタ係数を記憶部２１に記憶しているため、収音方位を切り替えた際には環境（話者）が変わるが、過去の適応済みのフィルタ係数を記憶部２１から取得して適応フィルタを推定する。このため、エコーキャンセル部１９は、適応フィルタの推定を短縮することがきでき、環境（話者）が変わっても即座にエコーを除去することができる。

なお、エコーキャンセル部１９は、エコーキャンセル部１５Ａ〜１５Ｃから取得したフィルタ係数を用いて、エコーキャンセルを行ってもよい。この場合、エコーキャンセル部１５Ａ〜１５Ｃのフィルタ係数をアップサンプリングして使用する。図５は、他の実施形態に係る放収音装置の機能、構成を示すブロック図である。図５に示すように、制御部１７は、放収音装置１の電源オン時や収音方位を切り替えた際に、エコーキャンセル部１９の記憶部２１の係数一覧表２１１を参照する。制御部１７は、方位推定部１６から入力された収音方位のフィルタ係数が係数一覧表２１１に記載されていない場合にのみ、当該収音方位からの収音ビーム信号のエコーを除去したエコーキャンセル部１５Ａ〜１５Ｃからフィルタ係数を取得して、エコーキャンセル部１９のフィルタ係数推定部２２へ出力する。そして、フィルタ係数推定部２２は、制御部１７から入力されたフィルタ係数を初期値としてフィルタ係数を算出する。これにより、エコーキャンセル部１９は、ダウンサンプリングした収音ビーム信号ＤＮＥ１〜ＤＮＥ３のエコーを除去した際のフィルタ係数を初期値として、フィルタ係数の算出を行うため、フィルタ係数の推定時間を短縮することができる。このため、エコーキャンセル部１９は、初期状態からエコーを除去することができる。

放収音装置の機能、構成を示すブロック図である。 収音ビーム信号毎の収音方位を説明するための説明図である。 エコーキャンセル部の機能、構成を示すブロック図である。 適応フィルタの収音方位毎のフィルタ係数の一例を示す図である。 他の実施形態に係る放収音装置の機能、構成を示すブロック図である。

符号の説明

１…放収音装置，１１…通信制御部， １２…収音制御部，１３，１４…ＤＳ部，１５，１９…エコーキャンセル部，１６…方位推定部，１７…制御部，１８…収音信号選択部，２１…記憶部，２１１…係数一覧表，２２…フィルタ係数推定部，２３…適応フィルタ，２４…加算部，ＭＩＣ１〜ＭＩＣ３…マイク，ＳＰ…スピーカ

Claims (3)

1. 複数方位の音声を収音して、方位毎に収音信号を生成する収音手段と、
   音声を放音する放音手段と、
   前記方位毎の収音信号の信号レベルに基づいて、音源の方位を推定する方位推定手段と、
   前記方位推定手段が推定した音源の方位からの収音信号のエコーを除去する第１エコーキャンセル手段と、
   前記方位毎の収音信号からそれぞれエコーを第１エコーキャンセル手段よりも簡易な構成からなる複数の第２エコーキャンセル手段と、を備え、
   前記方位推定手段は、前記複数の第２エコーキャンセル手段による処理後の収音信号の信号レベルに基づいて、音源の方位を推定する放収音装置。
2. 前記第１エコーキャンセル手段及び前記複数の第２エコーキャンセル手段は、それぞれ適応フィルタと該適応フィルタのフィルタ係数を推定するフィルタ係数推定手段とを備え、
   前記第１エコーキャンセル手段のフィルタ係数推定手段は、前記方位推定手段が推定した方位の収音信号のエコーを除去した第２エコーキャンセル手段の適応フィルタのフィルタ係数を初期値とする初期処理を行う請求項１に記載の放収音装置。
3. 前記第１エコーキャンセル手段は、前記適応フィルタのフィルタ係数を方位毎に記憶する記憶手段を更に備え、
   前記第１エコーキャンセル手段のフィルタ係数推定手段は、前記記憶手段にフィルタ係数が記憶されていない場合のみ、前記初期処理を行う請求項２に記載の放収音装置。

Images