JP2010187085A - 音響結合量算出装置とその方法と、プログラム - Google Patents

Abstract

【課題】音響結合量の推定精度を向上させる。
【解決手段】この発明の音響結合量算出装置は、第１音響結合量推定値を、周波数領域の再生信号スペクトルと収音信号スペクトルを入力として、同一時刻のフレームの再生信号スペクトルと収音信号スペクトルを所定フレーム数Ｎの範囲で掛け合わせて加算した値を、再生信号スペクトルの所定フレーム数のパワーを加算した値で除した値を結合量として求める。そして、収音信号スペクトルに対して再生信号スペクトルを、過去の時刻ｍ（ｍ＝１〜Ｍ−１）にずらして第１音響結合量推定値と同様に計算した結合量を第２音響結合量推定値乃至第Ｍ音響結合量推定値として求め、第１音響結合量推定値から第Ｍ音響結合量推定値までの合計の絶対値を自乗した値を音響結合量の推定値として出力する。
【選択図】図１

Description

この発明は、音響再生系を有する例えば通信会議システムにおいて、ハウリングの原因及び聴覚上の障害となる音響エコーを消去する音響エコー消去装置に用いられる音響結合量算出装置と、その方法とプログラムに関する。

従来の音響結合量算出装置を用いたエコー消去の考えは、例えば非特許文献１に開示されている。図５に従来の音響エコー消去装置５００の機能構成例を示してその動作を簡単に説明する。

音響エコー消去装置５００は、受話端１、スピーカ２、マイクロホン３、送話端４、エコーキャンセルフィルタ５、ノイズフィルタ６、減算器７を備える。受話端１に入力されスピーカ２で音響信号に変換される再生信号ｘ（ｔ）と、マイクロホン３が出力する収音信号ｙ（ｔ）は、時間領域のアナログ信号である。音響結合量算出装置は、エコーキャンセルフィルタ５に含まれ図示されていない。収音信号ｙ（ｔ）は、スピーカ２から放出された再生信号ｘ（ｔ）に、図示しない屋内のインパルス応答（伝達関数）の影響を受けたエコー成分が重畳した信号である。

図５において再生信号ｘ（ｔ）と収音信号ｙ（ｔ）を、周波数領域のディジタル信号であるＸ（ｆ）とＹ（ｆ）に変換するためのＡ/Ｄ変換器とＤ/Ａ変換器、及び周波数分析部は省略している。また、ノイズフィルタ６とエコーキャンセルフィルタ５は、デジタルフィルタである。

音響エコー消去装置５００は、収音信号Ｙ（ｆ）からエコー成分を消去した近端話者信号推定値Ｓ＾（ｆ）を送話端４に出力する。近端話者信号推定値Ｓ＾（ｆ）は式（１）で表せる。＾は式及び図中の表記が正しい。

雑音、近端話者信号、エコーが統計的に無相関であるとすると、近端話者信号推定値Ｓ＾（ｆ）は式（２）で表せる。

ここでＷ_１（ｆ）は、ノイズフィルタ６のフィルタ係数であり、Ｓは近端話者信号、Ｎは雑音である。Ｅ[・]は期待値を表す。エコーキャンセルフィルタ５に含まれる音響結合量算出装置は、スピーカ２からマイクロホン３に回りこむエコー経路の伝達関数の推定値Ｗ_２（ｆ）を式（４）で計算する。そして更に、その伝達関数の推定値Ｗ_２（ｆ）の振幅値を自乗した音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を式（５）で計算する。

式（３）において、雑音Ｎを０とするとノイズフィルタ６のフィルタ係数Ｗ_１（ｆ）は１となる。よって、近端話者信号推定値Ｓ＾（ｆ）は、雑音Ｎ＝０の場合、再生信号Ｘ（ｆ）に音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を乗算して求めたエコー成分を、収音信号Ｙ（ｆ）から減算して求められる。なお、以降、音響結合量の推定値を｜Ｈ_ω＾（ｉ）｜^２、再生信号スペクトルをＸ_ω（ｉ）、収音信号スペクトルをＹ_ω（ｉ）と表記する。なお、式（２）では、近端話者信号推定値Ｓ＾（ｆ）を、伝達関数の推定値Ｗ_２（ｆ）を用いて求めているが、音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を用いて求めても良い。

ここで、ｊ＝０〜Ｎ−１までの合計ΣはＮ×Ｅ[・]と同じ意味であり、期待値を求めるものである。＊は共役複素数、Ｎは加算フレーム数を示す。図６に式（５）の計算を示す。図６の横方向は時間経過を表し、フレーム（ｉ）が現在時刻である。

式（５）の分子は、例えばＮ＝４とすると、現在時刻のフレーム（ｉ）から３フレーム過去の時刻フレーム（ｉ−３）までの再生信号スペクトルＸ_ω（・）と、収音信号スペクトルＹ_ω（・）の同時刻同士の積であるクロススペクトルの合計を表す。分母は、同じＮ＝４の区間、（ｉ）〜（ｉ−３）の範囲の再生信号スペクトルＸ_ω（・）のパワーの合計を表す。このように音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２は、所定フレーム数Ｎの範囲における再生信号のパワーに対するクロススペクトルの比で与えられる。

Christophe Beaugeant, Valerie Turbin, Pascal Scalart, Andre Gilloire, "New optimal filtering approaches for hands-free telecommunication terminals " Signal Processing 64, 1998, 33-47

式（５）又は式（４）に示す従来の音響結合量の計算方法は、同時刻同士の再生信号スペクトルＸ_ω（・）と収音信号スペクトルＹ_ω（・）の短い時間幅のフレーム同士を乗算したクロススペクトルを用いていた。そのため、音響結合量の推定値の誤差が大きかった。つまり、スピーカから発せられた再生信号ｘ（ｔ）が、マイクロホンで収音されて収音信号ｙ（ｔ）として観測されるまでには、必ず時間遅れが生じる。その遅れ時間は、エコー経路のインパルス応答長の影響を受け、凡そ数１０ｍｓ〜数１００ｍｓである。

一方、フレームの時間幅は、例えばサンプリング周波数を１６ｋＨｚとし、周波数分析のデータ量を２５６点とした場合、１６ｍｓである。したがって、遅れ時間の方が大きくなる場合が多い。また、フレームの時間幅に比べて、エコー経路のインパルス応答長は、大抵２００ｍｓ〜４００ｍｓと非常に長い。そのため、短い時間幅のフレームではエコー経路のインパルス応答全体を考慮できない場合が多い。そのため、従来の音響結合量の計算方法では、音響結合量の推定値に誤差が生じ易く、ミュージカルノイズ発生の原因の一つになっていた。

この発明はこの点に鑑みてなされたものであり、エコー経路のインパルス応答長に関わらず高精度に音響結合量を推定できる計算方法と、その方法による音響結合量算出装置と、そのプログラムを提供することを目的とする。

この発明の音響結合量算出装置は、第１音響結合量推定値を、周波数領域の再生信号スペクトルと収音信号スペクトルを入力として、同一時刻のフレームの再生信号スペクトルと収音信号スペクトルを所定フレーム数Ｎの範囲で掛け合わせて加算した値を、再生信号スペクトルの所定フレーム数のパワーを加算した値で除した値を結合量として求める。そして、収音信号スペクトルに対して再生信号スペクトルを、過去の時刻ｍ（ｍ＝１〜Ｍ−１）にずらして第１音響結合量推定値と同様に計算した結合量を第２音響結合量推定値乃至第Ｍ音響結合量推定値として求め、第１音響結合量推定値から第Ｍ音響結合量推定値までの合計の絶対値を自乗した値を音響結合量の推定値として出力する。

この発明による音響結合量の推定値は、収音信号スペクトルに対する再生信号スペクトルを過去にずらして求めた結合量を合計して求められる。したがって、エコー経路のインパルス応答長に関わらず高精度に音響結合量を推定することができる。つまり、或るフレームの再生信号とそれ以外のフレームの再生信号は統計的に無相関であることから、過去の時刻の再生信号と現在時刻のフレームの収音信号とのクロススペクトル加算値から、無相関成分を除去すれば、現在時刻のフレームの収音信号スペクトルと過去フレームの再生信号スペクトルとの間に相関のあるエコー経路の音響結合量（つまり、エコー経路中の残響成分に相当する値）を推定することが可能である。よって、現在時刻のフレームと過去の時刻のフレームを用いて計算した複数の音響結合量を合計することで、エコー経路のインパルス応答長がフレームより長い場合でも、高精度に音響結合量の推定ができる。

この発明の音響結合量算出装置１００が出力する音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を求める信号の入出力関係と、計算式（６）を示す図。 計算式（６）の計算を説明する図。 音響結合量算出装置１００′の機能構成例を示す図。 音響結合量算出装置１００′の動作フローを示す図。 非特許文献１に開示された従来の音響エコー消去装置の機能構成を示す図。 従来の音響結合量の推定値の計算を説明する図。

以下に、この発明の実施の形態を図面を参照して説明する。

図１にこの発明の音響結合量算出装置１００の信号の入出力の関係と、音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を計算する式（６）を示す。

ここでｍは、ｍ＝０，１，…，Ｍ−１の整数値をとる値であり、収音信号スペクトルＹ
_ω（・）に対して再生信号スペクトルＸ_ω（・）を過去の時刻にずらすフレーム数を表す。Ｎ（ｍ）は、所定フレーム数であり、音響結合量の推定値を求めるフレーム幅を表す。Ｃ（ｍ）は調整定数であり、例えばＣ（ｍ）＝１とする。

式（６）は、周波数領域の再生信号スペクトルＸ_ω（・）と収音信号スペクトルＹ_ω（・）を入力として、同一時刻のフレームの再生信号スペクトルＸ_ω（・）と収音信号スペクトルＹ_ω（・）を所定フレーム数Ｎ（ｍ）の範囲で掛け合わせて加算した値を、再生信号スペクトルＸ_ω（・）の所定フレーム数Ｎのパワーを加算した値で除した結合量を第１音響結合量推定値として計算する。そして更に、収音信号スペクトルＹ_ω（・）に対して再生信号スペクトルＸ_ω（・）を、過去の時刻（ｍ＝１〜Ｍ−１）にずらして第１音響結合量推定値と同様に計算した結合量を第２音響結合量推定値乃至第Ｍ音響結合量推定値として求め、第１音響結合量推定値から第Ｍ音響結合量推定値までの合計の絶対値を自乗した値を、音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２として出力する計算である。

図２に、例えばＮ＝４，Ｍ＝３とした場合の式（６）の計算を示す。ｍ＝０の時が第１音響結合量を求める計算になる。この場合、式（６）の分子のクロススペクトルは、現在時刻（ｉ）から４個のフレーム数過去の時刻（ｉ−３）までの、同一時刻同士の再生信号スペクトルＸ_ω（・）と収音信号スペクトルＹ_ω（・）とが乗算され、それぞれの乗算値が合計された値である。分母は、現在時刻（ｉ）〜（ｉ−３）までのそれぞれの時刻の再生信号スペクトルＸ_ω（・）のパワーの合計である。

ｍ＝１の時が第２音響結合量の計算になる。この場合、分子のクロススペクトルは、現在時刻の収音信号スペクトルＹ_ω（ｉ）に対して１フレーム過去の時刻の再生信号スペクトルＸ_ω（ｉ−１）が乗算され、以後、時刻（ｉ−３）の収音信号スペクトルＹ_ω（ｉ−３）に時刻（ｉ−４）の再生信号スペクトルＸ_ω（ｉ−４）が乗算されまで繰り返され、それぞれの乗算値が合計される。ｍ＝１の場合の分母は、時刻（ｉ−１）〜（ｉ−４）までのそれぞれの時刻の再生信号スペクトルＸ_ω（・）のパワーの合計である。
ｍ＝２の時が第３音響結合量の計算になる。この場合は、収音信号スペクトルＹ_ω（ｉ）に対して２フレーム過去の時刻の再生信号スペクトルＸ_ω（ｉ−２）が乗算され、以下同様に計算される。

音響結合量算出装置１００は、このようにして計算された第１音響結合量〜第３音響結合量の合計の絶対値を自乗した値を、音響結合量の推定値として出力する。このように現在時刻の収音信号スペクトルＹ_ω（ｉ）に、過去の時刻の再生信号スペクトルＸ_ω（ｉ−ｊ−ｍ）を乗算したクロススペクトルの加算値から音響結合量の推定値を求めるので、エコー経路中の残響成分に相当する音響結合量を抽出することができる。この結果、エコー経路全体の音響結合量を高精度に推定することが可能になる。

図３に、音響結合量の推定値を振幅特性の値から求めるようにした音響結合量算出装置１００′の機能構成例を示す。音響結合量算出装置１００′は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。音響結合量算出装置１００′は、音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を式（７）で計算する。

式（７）は、実施例１の結合量が自乗されて振幅特性の値に変換され、その結合量の振
幅値を合計した値を音響結合量の推定値とするものである。音響結合量算出装置１００′
の動作フローを図４に示す。

音響結合量算出装置１００′は、クロススペクトル加算部１０、パワースペクトル加算部２０、音響結合量演算部３０、を具備する。クロススペクトル加算部１０は、収音信号スペクトルＹ_ω（・）と再生信号スペクトルＸ_ω（・）を入力としてクロススペクトルの加算値Ｃ_ＲＳ（ｍ）を式（８）で計算する（ステップＳ１０）。式（８）は、式（７）の右辺の絶対値記号内の分子の計算と同じである。

ステップ１０は、クロススペクトルを算出する過程（ステップＳ１０１）と、クロススペクトルを加算する過程（ステップＳ１０２）を含む。
パワースペクトル加算部２０は、再生信号スペクトルＸ_ω（・）を入力として所定フレーム数Ｎの範囲の再生信号スペクトルＸ_ω（・）のパワーの合計値Ｐ_Ｓ（ｍ）を式（９）で計算する（ステップＳ２０）。式（９）は、式（７）の右辺の絶対値記号内の分母の計算と同じである。

ステップ２０は、各フレームのパワーを算出する過程（ステップＳ２０１）と、所定フ
レーム数Ｎの範囲で合計する過程（ステップＳ２０２）を含む。
音響結合量演算部３０は、クロススペクトルの加算値Ｃ_ＲＳ（ｍ）とパワーの合計値Ｐ_Ｓ（ｍ）を入力として音響結合量の推定値｜Ｈ_ω＾（ｉ）｜^２を式（１０）で計算する（ステップＳ３０）。

ステップ３０の過程は、第１〜第Ｍ音響結合量振幅値算出過程（ステップＳ３０１）と、ステップＳ３０１で求めた複数の音響結合量振幅値を合計する過程（ステップＳ３０２）と、その合計値の絶対値の自乗値を算出する過程（ステップＳ３０３）とを含む。

なお、調整定数Ｃ（ｍ）について、Ｃ（ｍ）＝１として特に説明しなかったがｍによっ
て異なる値に設定しても良い。例えばｍが大であるとより過去のフレーム時刻が計算対象
になるので、ｍが小の場合の音響結合量よりもＳＮ比が相対的に低下する。そこでｍが大
の時は、例えばＣ（ｍ）を小さくするようにしても良い。つまり、過去分の重みを小さく
する。また、同様に過去のフレーム時刻のＳＮ比は低下することから、所定のフレーム
数Ｎ（ｍ）もｍの値によって変化させても良い。例えばｍが大であればＮ（ｍ）も大とす
る。そうすることで、クロススペクトル加算値やパワー値がより平均化されるので精度向
上が期待できる。また、実施例１の式（６）の場合でも、図３に示す機能構成で実現でき
る。

以上説明したこの発明の音響結合量算出装置とその方法は、上述の実施形態に限定されるものではなく、この発明の趣旨を逸脱しない範囲で適宜変更が可能である。例えば、上記した装置及び方法において説明した処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。なお、この音響結合量算出装置は、音響エコー消去装置以外の例えばボイススイッチ装置にも利用することが可能である。

上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ-ＲＡＭ
（Random Access Memory）、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）、ＣＤ-Ｒ
（Recordable）/ＲＷ（ReWritable）等を、光磁気記録媒体として、ＭＯ（Magneto Optical disc）等を、半導体メモリとしてフラッシュメモリー等を用いることができる。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

Claims (9)

1. 周波数領域の再生信号スペクトルと収音信号スペクトルを入力として、同一時刻のフレームの上記再生信号スペクトルと上記収音信号スペクトルを所定フレーム数Ｎの範囲で掛け合わせて加算した値を、上記再生信号スペクトルの上記所定フレーム数のパワーを加算した値で除した結合量を第１音響結合量推定値とし、
   上記収音信号スペクトルに対して上記再生信号スペクトルを、過去の時刻ｍ（ｍ＝１〜Ｍ−１）にずらして上記第１音響結合量推定値と同様に計算した結合量を第２音響結合量推定値乃至第Ｍ音響結合量推定値とし、上記第１音響結合量推定値から第Ｍ音響結合量推定値までの合計の絶対値を自乗した値を音響結合量の推定値として出力する音響結合量算出装置。
2. 請求項１に記載した音響結合量算出装置において、
   上記第１音響結合量推定値から第Ｍ音響結合量推定値は、上記結合量が自乗された振幅特性の値を合計した値であることを特徴とする音響結合量算出装置。
3. 請求項１又は２に記載した音響結合量算出装置において、
   上記第１音響結合量推定値から第Ｍ音響結合量推定値のそれぞれに対して調整定数が乗算され、上記調整定数は上記過去の時刻を示すｍの値によって異なる値であることを特徴とする音響結合量算出装置。
4. 請求項１乃至３の何れかに記載した音響結合量算出装置において、
   上記所定フレーム数Ｎは、上記過去の時刻を示すｍの値が大であれば大きくなる値であることを特徴とする音響結合量算出装置。
5. 周波数領域の再生信号スペクトルと収音信号スペクトルを入力として、同一時刻のフレームの上記再生信号スペクトルと上記収音信号スペクトルを所定フレーム数Ｎの範囲で掛け合わせて加算した値を、上記再生信号スペクトルの上記所定フレーム数のパワーを加算した値で除した結合量を第１音響結合量推定値とし、
   上記収音信号スペクトルに対して上記再生信号スペクトルを、過去の時刻ｍ（ｍ＝１〜Ｍ−１）にずらして上記第１音響結合量推定値と同様に計算した結合量を第２音響結合量推定値から第Ｍ音響結合量推定値とし、上記第１音響結合量推定値から第Ｍ音響結合量推定値までの合計の絶対値を自乗した値を音響結合量の推定値として出力する音響結合量算出方法。
6. 請求項５に記載した音響結合量算出方法において、
   上記第１音響結合量推定値から第Ｍ音響結合量推定値は、上記結合量が自乗された振幅特性の値を合計した値であることを特徴とする音響結合量算出方法。
7. 請求項５又は６に記載した音響結合量算出方法において、
   上記第１音響結合量推定値から第Ｍ音響結合量推定値のそれぞれに対して調整定数が乗算され、上記調整定数は、上記過去の時刻を示すｍの値によって異なる値であることを特徴とする音響結合量算出装置。
8. 請求項５乃至７の何れかに記載した音響結合量算出方法において、
   上記所定フレーム数Ｎは、上記過去の時刻を示すｍの値が大であれば大きくなる値であることを特徴とする音響結合量算出方法。
9. 請求項１乃至４の何れかに記載した音響結合量算出装置としてコンピュータを機能させる装置プログラム。

Images