JP2010239458A - 音量調整装置、方法、プログラム及び記録媒体 - Google Patents

Abstract

【課題】送話系及び受話系からなる音声システム等において、入力信号の音量を調整し、受話系出力信号から適切にエコーを抑圧するという課題がある。
【解決手段】この課題を解決するために、本発明に係る音声調整装置は、音量を調整し、送話系出力信号ｘ１’を求める第１音量調整部と、音量を調整し、受話系出力信号ｘ２’を求める第２音量調整部と、各出力信号を用いて、エコーを抑圧した受話系出力信号ｘ２”を求めるエコー抑圧部と、送話系入力信号等を用いて、第１ゲイン情報を求める第１ゲイン計算部と、受話系出力信号等を用いて、第２ゲイン情報を求める第２ゲイン計算部と、各ゲイン情報の値が、第１音量調整部及び第２音量調整部が各ゲインを変更する値であるか否か判定し、変更する値の場合には、第１音量調整部及び第２音量調整部が変更後、第２ゲインの更新を停止するように指示する停止判定部と、を有する。
【選択図】図６

Description

本発明は、音声認識等のために、電話機やマイクロホン等の音入力装置から入力した音の音量を自動的に調整する音量調整装置、方法、プログラム及び記録媒体に関する。

非特許文献１が従来技術として知られている。図１は、非特許文献１の音量調整装置１０の構成例である。音量調整部１０_１は、音信号ｍを入力され、ゲインに基づき音量を調整し、音信号ｍ’を出力する。音信号ｍ’は音量調整装置１０から出力されるとともに、主要振幅検出部１０_３へ入力される。主要振幅検出部１０_３は、入力波形の包絡を抽出し、発話の継続時間長をもとに主要振幅部分を検出する。ゲイン計算部１０_５は、抽出した主要振幅の包絡を時間平均し平滑化し、その値を主要振幅の代表振幅値とし、予め定めた目標大きさになるようにゲインを計算し、音量調整部１０_１へゲインｇを出力する。音量調整部１０_１では、ゲインを更新する。

音量調整装置１０を用いて、２チャネル音声入力系（送話系及び受話系）を有する音声対話システム等（例えば、電話機等）から入力される音の音量を調整することが考えられる。しかし、この場合、受話系の入力音には、エコーが含まれる。エコーとは、受信者側のスピーカで再生された音が受信者側のマイクロホンによって収音され、さらに、送信者側のスピーカで再生される音のことである。このエコーが存在すると通話が困難になる。

このエコーを抑圧するための従来技術として、エコー抑圧装置２０がある。図２は、エコー抑圧装置２０の構成例である。エコー抑圧装置２０は、エコー模擬部２１及び減算部２３を有する。また、エコー模擬部２１は、適応フィルタ更新部２１１と模擬エコー経路部２１３を備える。

送信者側のマイクロフォンから得られた信号ｘ（ｎ）は、受話者側のスピーカ３１とエコー抑圧装置２０へ入力される。なお、ｎは離散サンプル番号を表す。信号ｘ（ｎ）は受信者側のスピーカ３１によって再生され、再生された音はエコー経路３３を通って受信者側のマイクロフォン３５で収音される。収音される信号をエコー信号ｙ（ｎ）という。

一方、エコー抑圧装置２０に入力された信号ｘ（ｎ）は、エコー抑圧装置２０内のエコー模擬部２１へ入力され、さらに、エコー模擬部２１内の擬似エコー経路部２１１と適応フィルタ更新部２１３へ入力される。擬似エコー経路部２１１では、適応フィルタｈ＾（ｎ）のタップ長Ｌ以上の信号ｘ（ｎ）を蓄積し、以下のように、信号ｘ（ｎ）と適応フィルタｈ＾（ｎ）を畳み込むことで擬似エコー信号ｙ＾（ｎ）を求める。
ｙ＾（ｎ）＝ｈ＾^Ｔ（ｎ）ｘ（ｎ） （１）
但し、h^(n)=[h₁^(n),h₂^(n),…,h_L^(n)]^T、x(n)=[x(n),x(n-1),…,x(n-L+1)]^T、Ｔは転置を、ｈ_k＾（ｎ）はサンプル番号ｎの時刻における適応フィルタのｋ番目のフィルタ係数を表す。減算部２３は、エコー信号ｙ（ｎ）から擬似エコー信号ｙ＾（ｎ）を差し引き、信号ｅ（ｎ）を生成する。
ｅ（ｎ）＝ｙ（ｎ）−ｙ＾（ｎ） （２）
信号ｅ（ｎ）は、エコー抑圧装置２０から出力されるとともに、エコー模擬部２１内の適応フィルタ更新部２１３へ入力される。適応フィルタ更新部２１３は、非特許文献２のＮＬＭＳアルゴリズムを用いた場合、適応フィルタｈ＾（ｎ）、信号ｘ（ｎ）及び信号ｅ（ｎ）から以下の式によりサンプル番号（ｎ＋１）に対する適応フィルタｈ＾（ｎ＋１）を求め、擬似エコー経路２１１へと出力する。

但し、μは更新量を制御するステップサイズ（０＜μ＜２）を、σは式の右辺第２項の分数の分母が０にならないようにするための微小な正の定数を表す。このようにして、送信者側のスピーカで再生される信号からエコーを抑圧する。よって、送話系及び受話系を有する音声対話システム等から入力される音の音量を調整し、エコーを抑圧するために、エコーを抑圧した信号を音量調整装置１０に入力する方法等が考えられる。

篠崎 翼，浅見 太一，野田 喜昭，高橋 敏、「発話の主要振幅に着目した音声認識向けの自動音量調整手法」、日本音響学会講演論文集、2008年3月、p.25-26 Simon Haykin, Adaptive Filter Theory, Prentice Hall International Inc, third edition, 1996, p.432-437.

しかしながら、従来技術は音量調整装置１０とエコー抑圧装置２０を組み合わせた場合には、以下のような問題がある。

図３は、音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせた場合の構成例１を示す。なお、送信者側のマイクロフォン３０を介して入力される送話系の入力信号ｘＡが受信者側のスピーカ３１で再生され、エコー経路３３を介して、マイクロフォン３５で収音され、受話系入力信号ｘＢにエコーが含まれる場合であって、音量調整、及びエコー抑圧した信号ｘＡ’，ｘＢ”を録音装置や音声認識装置等に入力する場合を考える。各入力信号ｘＡ及びｘＢは、エコー抑圧装置２０に入力される。ｘＡ、ｘＢは、音量調整が行われていないため、音量が大きすぎるとクリップが発生し、小さすぎると量子化ノイズが増加している場合がある。エコー抑圧装置２０は、これらのクリップや量子化ノイズにより、適切にエコーを抑圧することができずに信号ｘＢ’を出力する。さらに、音量調整装置１０Ｂでは、信号ｘＢ’を基にして、音量調整が行われるため、結果として得られる信号ｘＢ”にも歪みが生じるという問題がある。よって、適切にエコーを抑圧し、かつ、音量を調整できるようにするという課題がある。

図４は、音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせた場合の構成例２を示す。各入力信号ｘＡ及びｘＢは、それぞれ音量調整装置１０Ａ、１０Ｂに入力される。音量調整装置１０Ａ、１０Ｂは、音量を調整し、信号ｘＡ’，ｘＢ’を出力する。エコー抑圧装置２０に入力される信号ｘＡ’、ｘＢ’は、音量調整が行われているため、クリップの発生や、量子化ノイズの増加という問題は生じない。しかし、音量調整装置１０Ｂでは、エコーが残る信号ｘＢ’を基にして、ゲインが計算される。よって、適切なゲインを算出することができず、音量調節を適切に行うことができないという問題がある。よって、上記と同様の課題がある。

上記の課題を解決するために、本発明に係る音量調整装置は、第１ゲイン情報ｇ１’を用いて第１ゲインｇ１を求め、送話系入力信号ｘ１及び第２ゲインｇ２を用いて音量を調整し、送話系出力信号ｘ１’を求める第１音量調整部と、第２ゲイン情報ｇ２’を用いて第２ゲインｇ２を求め、受話系入力信号ｘ２及び第２ゲインｇ２を用いて音量を調整し、受話系出力信号ｘ２’を求める第２音量調整部と、送話系出力信号ｘ１’と受話系出力信号ｘ２’を用いて、エコーを抑圧した受話系出力信号ｘ２”を求めるエコー抑圧部と、送話系入力信号ｘ１または送話系出力信号ｘ１’を用いて、第１ゲイン情報ｇ１’を求める第１ゲイン計算部と、受話系出力信号ｘ２、受話系出力信号ｘ２’、ｘ２”の何れかを用いて、第２ゲイン情報ｇ２’を求める第２ゲイン計算部と、各ゲイン情報ｇ１’、ｇ２’の値が、第１音量調整部及び第２音量調整部が各ゲインｇ１、ｇ２を変更する値であるか否か判定し、変更する値の場合には、第１音量調整部及び第２音量調整部が変更後、第２ゲインｇ２の更新を停止するように指示する停止判定部と、を有する。

本発明は、ゲインを変更した後、停止判定部を用いて、所定の間、エコーが含まれる音に対するゲインの変更を停止する。これにより、音声対話システム等から入力される受話系及び送話系入力信号の音量を安定して調整することができ、受話系出力信号に含まれるエコーを適切に消去することができるという効果を奏する。

非特許文献１の音量調整装置１０の構成例を示す図。 エコー抑圧装置２０の構成例を示す図。 音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせた場合の構成例１を示す図。 音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせた場合の構成例２を示す図。 音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせ、音量調整装置１０Ｂ内の音量調整部１０_１Ｂと主要振幅検出部１０_３Ｂの間にエコー抑圧装置２０を設けた場合の構成例を示す図。 音量調整装置１００の構成例を示す図。 音量調整装置１００の処理フロー例を示す図。 第１音量調整部１１１と第１ゲイン計算部１５１の構成例を示す図。 エコー抑圧部１２０の構成例を示す図。 停止判定部１３０の構成例を示す図。 停止判定部１３０の処理フロー例を示す図。 Ａは音信号の波形を例示する図。Ｂは第一音区間（発話区間）を例示する図。Ｃは第一音区間の外形値を例示する図。 第１_１ゲイン情報生成部１６５の構成例を示す図。 第１_２ゲイン情報生成部１６６の構成例を示す図。 実施例２に係る停止判定部２３０の構成例を示す図。 停止判定部２３０の処理フロー例を示す図。 エコー抑圧部３２０の構成例を示す図。 実施例３に係る停止判定部３３０の構成例を示す図。 停止判定部３３０の処理フロー例を示す図。 本実施例における音声調整装置１００のハードウェア構成を例示したブロック図。

［考察］
図５は、音量調整装置１０Ａ、１０Ｂとエコー抑圧装置２０を組み合わせ、音量調整装置１０Ｂ内の音量調整部１０_１Ｂと主要振幅検出部１０_３Ｂの間にエコー抑圧装置２０を設けた場合の構成例を示す。各入力信号ｘＡ及びｘＢは、それぞれ音量調整部１０_１Ａ、１０_１Ｂに入力される。音量調整部１０_１Ａ、１０_１Ｂは、音量を調整し、信号ｘＡ’，ｘＢ’を出力する。エコー抑圧装置２０に入力される信号ｘＡ’、ｘＢ’は、音量調整が行われているため、クリップの発生や、量子化ノイズの増加という問題は生じない。しかし、この場合、以下の問題がある。

音量調整部１０_１Ａ、１０_１Ｂにおいて、ゲインが変更されると、エコー抑圧装置２０では、適応フィルタの更新が行われる。しかし、適応フィルタが適切な値となるまでに十分な時間が必要となる。十分な時間が経つまでの間、エコー抑圧装置２０から出力される信号ｘＢ”にエコーが残る。主要振幅検出部１０_３Ｂでは、エコーが残る信号ｘＢ”を基にして、主要振幅の包絡が求められ、ゲイン計算部１０_５Ｂでは、その主要振幅の包絡を基にして、ゲインが計算される。よって、適切なゲインを算出することができない。さらに、適切ではないゲインを基にして音量調整を行い、調整された信号ｘＢ’を基にして、適応フィルタを更新し、エコーが残る信号を基にしてゲインを計算する。そのため、いつまで経っても音量調整が安定せず、エコーを消去できないという問題がある。
以下、本発明の実施の形態について、詳細に説明する。

［音量調整装置１００］
図６は音量調整装置１００の構成例を、図７は音量調整装置１００の処理フロー例を示す。図６及び図７を用いて実施例１に係る音量調整装置１００を説明する。
音量調整装置１００は、記憶部１０３、制御部１０５、第１音量調整部１１１と第２音量調整部１１２とエコー抑圧部１２０と第１ゲイン計算部１５１と第２ゲイン計算部１５２と停止判定部１３０を有する。例えば、電話機本体とハンドセットやヘッドセット等の送受話器との間に送受信アダプターを設置し、線（ＲＪ２２の４線等）から音声信号を取り出す構成等が考えられる。

＜記憶部１０３及び制御部１０５＞
記憶部１０３は、入出力される各データや演算過程の各データを、逐一、格納・読み出しする。それにより各演算処理が進められる。但し、必ずしも記憶部１０３に記憶しなければならないわけではなく、各部間で直接データを受け渡してもよい。
制御部１０５は、各処理を制御する。

＜第１音量調整部１１１及び第２音量調整部１１２＞
第１音量調整部１１１は、第１ゲイン情報ｇ１’を用いて第１ゲインｇ１を求め、送話系入力信号ｘ１及びゲインを用いて音量を調整し、送話系出力信号ｘ１’を求める（ｓ１１１）。第２音量調整部１１２は、第２ゲイン情報ｇ２’を用いて第２ゲインｇ２を求め、受話系入力信号ｘ２及びゲインを用いて音量を調整し、受話系出力信号ｘ２’を求める（ｓ１１２）。
図８は、第１音量調整部１１１と第１ゲイン計算部１５１の構成例を示す。なお、第２音量調整部１１２も同様の構成としてもよい。

第１音量調整部１１１は、例えば、電話機と、送受話器又はヘッドセットとの間に設置した送受話アダプターを用いて電話の送話音声を取り出し、電気信号に変換された送話系入力信号ｘ１が入力される。また、第１音量調整部１１１は、第１ゲイン計算部１５１が決定した第１ゲイン情報ｇ１’を入力され、これを用いて、第１ゲインｇ１を求める。さらに、第１音量調整部１１１は、第１ゲインｇ１を用いて、送話系入力信号ｘ１の音量を調整して、送話系出力信号ｘ１’を出力する。なお、ゲイン情報とは、具体的なゲインの値（例えば０．７、音量にして３ｄＢ）等であってもよいし、具体的な数値を伴わない単なる音量を下げる旨を指示する情報や変更のみを知らせる信号等であってもよい。

なお、第１音量調整部１１１は、図中の第１_１音量調整部１１１_１、第１_２音量調整部１１１_２から構成されても良く、第１ゲイン情報ｇ１’は、図中の第１_１ゲイン情報ｇ１_１’、第１_２ゲイン情報ｇ１_２’を含んでも良い。第１ゲイン情報ｇ１’については、第１ゲイン計算部１５１と併せて後述する。送話系出力信号の一部が第１ゲイン計算部１５１に入力される。第１音量調整部１１１は、アナログでもデジタルでもよい。第１音量調整部１１１は、新たな第１ゲイン情報ｇ１’が第１ゲイン計算部１５１から送られてくるまで、既に送られている第１ゲイン情報ｇ１’に基づいて音量調整を行う構成としてもよい。

＜エコー抑圧部１２０＞
図９は、エコー抑圧部１２０の構成例を示す。エコー抑圧部１２０は、送話系出力信号ｘ１’と受話系出力信号ｘ２’を用いて、エコーを抑圧した受話系出力信号ｘ２”を求める（ｓ１２０）。

例えば、背景技術と同様の方法により、式（１）’〜（３）’を用いて、エコーを抑圧する。送話系出力信号ｘ１’と受話系出力信号ｘ２’が入力され、エコーを抑圧した受話系出力信号ｘ２”を出力する。なお、音量調整装置とエコー抑圧部は一体でもよいし、既存のエコー抑圧装置等を用いてもよい。また、他のエコー抑圧方法を用いてもよい。

例えば、エコー抑圧部１２０は、エコー模擬部１２１及び減算部１２３を有する。また、エコー模擬部１２１は、模擬エコー経路部１２１１と適応フィルタ更新部１２１３を備える。

送話系出力信号ｘ１’（ｎ）は、エコー抑圧部１２０内のエコー模擬部１２１へ入力され、さらに、エコー模擬部１２１内の擬似エコー経路部１２１１と適応フィルタ更新部１２１３へ入力される。擬似エコー経路部１２１１では、適応フィルタｈ＾（ｎ）のタップ長Ｌ以上の信号ｘ１’（ｎ）を蓄積し、以下のように、信号ｘ１’（ｎ）と適応フィルタｈ＾（ｎ）を畳み込むことで擬似エコー信号ｘ２’＾（ｎ）を求める。
ｘ２’＾（ｎ）＝ｈ＾^Ｔ（ｎ）ｘ１’（ｎ） （１）’
但し、x1’（ｎ）=[ x1'(n), x1'(n-1),…, x1'(n-L+1)]^Tを表す。減算部１２３は、受話系出力信号ｘ２’（ｎ）から擬似エコー信号ｘ２’＾（ｎ）を差し引き、エコーを抑圧した受話系出力信号ｘ２”（ｎ）を生成し、出力する。
ｘ２”（ｎ）＝ｘ２’（ｎ）−ｘ２’＾（ｎ） （２）’
信号ｘ２”（ｎ）は、エコー抑圧部１２０から出力されるとともに、エコー模擬部１２１内の適応フィルタ更新部１２１３へ入力される。適応フィルタ更新部１２１３は、非特許文献２のＮＬＭＳアルゴリズムを用いた場合、適応フィルタｈ＾（ｎ）、送話系出力信号ｘ１’（ｎ）及び受話系出力信号ｘ２”（ｎ）から以下の式によりサンプル番号（ｎ＋１）に対する適応フィルタｈ＾（ｎ＋１）を求め、擬似エコー経路１２１１へと出力する。

このようにして、受話系出力信号からエコーを抑圧する。
＜第１ゲイン計算部１５１及び第２ゲイン計算部１５２＞
第１ゲイン計算部１５１は、送話系入力信号ｘ１または前記送話系出力信号ｘ１’を用いて、第１ゲイン情報ｇ１’を求める（ｓ１５１）。第２ゲイン計算部１５２は、前記受話系入力信号ｘ２、前記受話系出力信号ｘ２’、ｘ２”の何れかを用いて、第２ゲイン情報ｇ２’を求める（ｓ１５２）。詳細は後述する。

＜停止判定部１３０＞
図１０は停止判定部１３０の構成例を、図１１は停止判定部１３０の処理フロー例を示す。停止判定部１３０は、各ゲイン情報ｇ１’、ｇ２’の値が、第１音量調整部１１１及び第２音量調整部１１２が各ゲインｇ１、ｇ２を変更する値であるか否か判定し（ｓ１３１）、変更する値の場合には、第１音量調整部１１１及び第２音量調整部１１２が変更後、第２ゲインｇ２の更新を停止するように指示する（ｓ１３３）。変更する値ではない場合には、音量調整（ｓ１１１、ｓ１１２）、エコー抑圧（ｓ１２０）、ゲイン計算（ｓ１５１、ｓ１５２）及び判定（ｓ１３１）を繰り返す。

停止するように指示した後、音量調整（ｓ１１１、ｓ１１２）、エコー抑圧（ｓ１２０）、第１ゲインを計算する（ｓ１５１）。停止解除条件を満たすか否か判定し（ｓ１３５）、満たす場合には、停止を解除するよう指示する（ｓ１３７）。満たさない場合には、音量調整（ｓ１１１、ｓ１１２）、エコー抑圧（ｓ１２０）、第１ゲイン計算（ｓ１５１）及び判定（ｓ１３５）を繰り返す。

例えば、ゲイン情報ｇ１’、ｇ２’（ゲインそのもの、音量、パラメータ等）が変更されるときのみ各ゲイン計算部１５１、１５２が、ゲイン情報をｇ１’、ｇ２’を出力する場合には、停止判定部１３０は、ゲイン情報を入力されると、ゲインを変更すると判定し、第２ゲインｇ２の更新を停止するように指示する。

また、ゲイン情報ｇ１’、ｇ２’が変更しないときも各ゲイン計算部１５１、１５２が、ゲイン情報をｇ１’、ｇ２’を出力する場合には、停止判定部１３０は、ゲイン情報ｇ１’、ｇ２’を記憶しておき、一つ前のゲイン情報と現在のゲイン情報を比較し、異なる場合に、ゲインを変更すると判定し、第２ゲインｇ２の更新を停止するように指示する。

「第２ゲインｇ２の更新を停止するように指示する」とは、例えば、第２ゲイン計算部１５２に対しゲイン情報を計算する処理を停止するように指示することである。また、エコー抑圧部１２０に対しｘ２”を第２ゲイン計算部１５２に出力しないように指示してもよいし、第２ゲイン計算部１５２に対しゲイン計算のみ行い第２音量調整部１１２へ出力しないように指示してもよいし、第２音量調整部が新たなゲイン情報ｇ２’を取得した場合にも、ゲインｇ２を更新しないように指示してもよく、第２音量調整部１１２において用いられる第２ゲインｇ２を変更しないようにする指示であればよい。

停止解除条件とは、例えば、予め定めた時間を経過することである。なお、予め定めた時間とは、エコー抑圧部の特性から予め適応フィルタの再学習にかかる時間を実験的に求めておき決定する。例えば、３０秒間等である。この場合、停止判定部１３０は、予め定めた時間を経過後、停止解除条件を満たすと判定し（ｓ１３５１）、停止を解除するように指示する。例えば、停止判定部１３０は、停止・解除指示部１３２とタイマー１３４を有する。停止判定部１３０内の停止・解除指示部１３２にゲイン情報ｇ１’またはｇ２’が入力されると、停止・解除指示部１３２は、第２ゲイン計算部１５２に対し、第２ゲイン情報を計算する処理を停止するように停止信号ｓを出力する。それと同時にタイマー１３４に対し、計測開始の信号ｔを出力する。第２ゲイン計算部１５２は、処理を停止する。

タイマー１３４は、信号ｔを入力されると、計測を開始する。タイマー１３４は、予め定めた時間経過後、停止・解除指示部１３２に対し、時間経過を知らせる報知信号ｉを出力する。

停止・解除指示部１３２は、報知信号を入力されると、第２ゲイン計算部１５２に対し、第２ゲイン情報を計算する処理を再開するように解除信号ｃを出力する。第２ゲイン計算部１５２は、解除信号ｃを入力されると処理を再開する。

このような構成とすることによって、ゲインを変更した後、停止判定部を用いて、予め定めた時間、エコーが含まれる音に対し調整を行うゲインの変更を停止する。この間に、適応フィルタの再学習が終わり、エコー抑圧部においてエコーを消去することができる。その後、ゲインの変更停止を解除する。よって、エコーを含む信号に基づきゲインを変更することを回避できる。また、ゲインを変更した場合でも、エコーの消し残りの影響を受けず安定した音量調整を行うことができる。音声対話システム等から入力される受話系及び送話系入力信号の音量を調整することができ、受話系出力信号に含まれるエコーを適切に消去することができる。

＜第１ゲイン計算部１５１の詳細＞
図８を用いて、第１ゲイン計算部１５１の詳細を説明する。なお、第２ゲイン計算部１５２も同様の構成としてもよい。但し、第２音量調整部１１２から出力される受話系出力信号ｘ２’は直接第２ゲイン計算部１５２には入力されず、エコー抑圧部１２０に入力される。第２ゲイン計算部１５２は、受話系出力信号ｘ２’に代えて、エコーを抑圧した受話系出力信号ｘ２”を入力される。

例えば、第１ゲイン計算部１５１は、ＡＤ変換部１５３、フレーム分割部１５４、バッファ１５５、直流バイアス計算部１５６、減算部１５７、終始判定部１５８、外形値決定部１５９、有音無音フレーム判定部１６０、有音無音区間判定部１６１、第１_１ゲイン情報生成部１６５、第１_２ゲイン情報生成部１６６及び終了時音量調整部１７３等を備えてもよい。

『ＡＤ変換部１５３』
ＡＤ変換部１５３は、送話系出力信号ｘ１’を所定のサンプリング周波数で量子化することによりデジタル化して、フレーム分割部１５４に送る。なお、第１音量調整部１１１の前にＡＤ変換部１５３を設けてもよい。この場合、第１音量調整部１１１は、デジタル式となる。

『フレーム分割部１５４』
フレーム分割部１５４は、入力された送話系出力信号を一定の時間長のフレームで分割する。例えば、１フレームの長さを１００ｍｓ（サンプリング周波数が１６ｋＨｚである場合にはフレームを構成するサンプル数は１６００）とする。このように、フレームの時間長を例えば男性の音声波形及び電源ノイズの基本周期よりも十分長くすることにより、声の高低及び電源ノイズによらず安定して音量調整をすることができる。フレーム化された送話系出力信号は、バッファ１５５に送られる。

『バッファ１５５及び直流バイアス計算部１５６』
バッファ１５５は、予め定めた数１以上の数Ａ_１のフレームを一時的に格納する。直流バイアス計算部１５６は、フレーム化されバッファ１５５に格納された送話系出力信号を読み込み、その送話系出力信号の振幅の平均値を長時間観測して計算する。その平均値、すなわち直流成分の値は、減算部１５７に送られる。

『減算部１５７』
減算部１５７は、バッファ１５５から読み込んだ送話系出力信号から、直流バイアス計算部１５６が計算した直流成分の値を減算して、バイアスのかかっていない送話系出力信号を生成する。生成された送話系出力信号は、終始判定部１５８と、外形値決定部１５９と、第１_２ゲイン情報生成部１６６とに送られる。以下、断りなく送話系出力信号といった場合には、このバイアスのかかっていない送話系出力信号を意味するものとする。

『終始判定部１５８』
終始判定部１５８は、フレームごとの送話系出力信号の絶対値の平均値を観測することで、発音の開始時と発音の終了時を判定する。発音の開始時と発音の終了時の音区間のことを、発音と定義する。発音の開始時と発音の終了時とは、音が電話等の音声である場合には通話の始端と終端のことである。この場合、発音は、いわゆる通話区間に相当することになる。

具体的には、終始判定部１５８の平均値計算部１５８１は、入力された送話系出力信号の振幅の絶対値の平均値をフレームごとに計算する。そして、終始判定部１５８が、計算された振幅の絶対値の平均値が予め定められた閾値Ａ_２よりも大きいかどうかを順次判定して、大きいと判定された場合には発音が開始されたと判定し、その旨の信号を終了時音量調整部１７３を含む第１ゲイン計算部１５１の各部に送る。計算された振幅の絶対値の平均値が予め定められた閾値Ａ_２よりも大きいと判定された場合に、その判定された時から一定時間長（例えば０．５秒）遡った時から発音が開始されたと判定してもよい。

また、終始判定部１５８は、計算された振幅の絶対値の平均値が、予め定められた閾値Ａ_３（閾値Ａ_３は、閾値Ａ_２よりも小さい値である。）よりも小さい状態が予め定められた一定時間長続いた場合には、又は、予め定められた数Ａ_４のフレームだけ続いた場合には、発音が終了したと判定し、その旨の信号を終了時音量調整部１７３を含む第１ゲイン計算部１５１の各部に送る。

『外形値決定部１５９』
発音が開始された旨の信号を受け取った外形値決定部１５９は、フレームの音の大きさを表す特徴量である外形値をフレームごとに求める。例えば、外形値とは、送話系出力信号の振幅の絶対値の最大値のことである。換言すると、外形値とは、フレームを構成する複数のサンプルの値の最大値のことである。求められたフレームごとの外形値は、有音無音フレーム判定部１６０、第１_１ゲイン情報生成部１６５に送られる。図１２Ａ，Ｂに、外形値抽出の具体例を示す。図１２Ａはバイアスがかかっていない送話系出力信号の波形である。図１２Ｂは、Ａに示した送話系出力信号の波形からフレームごとに振幅の絶対値の最大値（外形値）を求めて、図示したものである。

『有音無音フレーム判定部１６０』
再度、図８を参照して説明をする。有音無音フレーム判定部１６０は、外形値と予め定められた閾値Ａ_５とを比較して、外形値の方が大きければそのフレームを有音フレームと判定し、そうでなければ、そのフレームを無音フレームと判定する。閾値Ａ_５を、予め定めた値とせずに、例えば、過去１０秒間の無音フレームの外形値の最小値の定数倍（例えば３倍）の値として動的に閾値Ａ_５を変化させてもよい。フレームが、有音フレームであるか、無音フレームであるかの情報は、有音無音区間判定部１６１に送られる。

『有音無音区間判定部１６１』
有音無音区間判定部１６１は、無音フレームが予め定められた数Ａ_６（例えば５、時間長にして０．５秒となるように、Ａ_６を設定する）以上連続する場合には、その連続するフレームから構成される音区間を無音区間と判定し、それ以外のフレームから構成される音区間を有音区間と判定する。有音区間、無音区間についての情報は、第１_１ゲイン情報生成部１６５の第一音区間抽出部１６２に送られる。

『第１_１ゲイン情報生成部１６５』
以下、図１３を参照して、第１_１ゲイン情報生成部１６５の説明をする。
「第一音区間抽出部１６２」
第１_１ゲイン情報生成部１６５の第一音区間抽出部１６２は、上記判定された有音区間が予め定められた時間長Ａ_７（例えば２秒）よりも長いかどうか、又は、上記判定された有音区間を構成するフレーム数が予め定められた数Ａ_８（例えば２０フレーム）よりも大きい場合には、その有音区間を第一音区間とする。入力される音が電話等の音声である場合には、第一音区間はいわゆる発話区間に相当する。発話区間は、人間が一呼吸で発した音の区間のことである。このようにして、第一音区間を抽出することにより、「こんにちは」や「ちょっと質問があるのですが」といった人の感覚に近い長さの音区間を切り出すことができる。図１２Ｂに、第一音区間の抽出の具体例を示す。例えば、この図１２Ｂ示すように、０．５秒以上の無音区間を使って２秒以上の有音区間のかたまりを第一音区間として抽出する。第一音区間抽出部１６２は、例えば、第一音区間を構成するフレームと、それらのフレームの外形値とに関する情報を、第一音区間外形値抽出部１６３に送る。第一音区間を構成するフレームの外形値は、第一音区間抽出部１６２が外形値決定部１５９から受け取ったフレームの外形値の情報を用いる。

「第一音区間外形値抽出部１６３」
第一音区間外形値抽出部１６３の除外部１６３１は、第一音区間を構成する複数のフレームの外形値から、外形値が大きい方から複数の外形値を除外する。除外する外形値の数は、第一音区間を構成するフレームの数が多いほど多くするとよい。例えば、第一音区間を構成するフレームの数に予め設定した割合Ａ_９（例えば１０〜３０％、今回は２０％）をかけて、小数点以下を切り捨て・四捨五入・切り上げた数の外形値を除外する。予め定めた数Ａ_１０の外形値を除外することにしてもよい。除外されずに残った外形値は、最大値決定部１６３２に送られる。
最大値決定部１６３２は、除外されずに残った外形値の最大値を求め、その最大値を第１_１音区間の外形値として保存する。第一音区間の外形値は、第一ゲイン情報決定部１６４に送られる。

「第１_１ゲイン情報決定部１６４」
第１_１ゲイン情報決定部１６４は、第一音区間の外形値が予め定められた範囲に入るように、入力された音を調整するための情報（以下、第１_１ゲイン情報とする。）を決定して、第１音量調整部１１１に送る。例えば、第１_１ゲイン情報決定部１６４に入力のピークが入力される。第１_１ゲイン情報決定部１６４は、入力のピークに予め定められた割合Ａ_１１（例えば、１０％〜２５％）をかけた範囲に、第一音区間の外形値が入るように、ゲインを決定する。この場合、ゲインが第１_１ゲイン情報となる。なお、第１_１ゲイン情報が決定された場合には、第１_１ゲイン情報生成部１６５は、バッファ１５５の遅延分の時間に相当するフレームについて、上記の処理を行わない。

図１２Ｃを参照して、具体例を説明する。除外部１６３１は、第一音区間を構成するフレームの外形値のうち、外形値が大きい予め定められた数（この例では、８つ）の外形値を除外する。図１２Ｃの白で示した外形値が除外された外形値である。最大値決定部１６３２は、第一音区間の外形値として、除外されずに残った外形値のうち最も大きい外形値を選択する。除外されずに残った外形値が図１２Ｃの黒と斜線で示した外形値であり、その最大値である第一音区間の外形値は斜線で示した外形値である。第一音区間の外形値が入るべき予め定められた範囲を３０００〜８０００とすると、この例では、第一音区間の外形値はその範囲に入っていない。第１_１ゲイン情報決定部１６４は、第一音区間の外形値とその範囲との差分を計算して、第一音区間の外形値がその範囲に入るようにゲインを決定する。第一音区間の外形値がその範囲に入っている場合には、処理を行わない。別の具体例を説明する。第一音区間の外形値が入力のピークの５％であり、第一音区間の外形値が入るべき予め定められた範囲が入力のピークの１０％〜２５％であるとする。この場合、第１_１ゲイン情報決定部１６４は、第一音区間の外形値が入力のピークの１０％になるように、第１_１ゲイン情報を決定する。このように、音量調整後の第一音区間の外形値が、予め定められた範囲の上限値又は下限値のうち、音量調整前の第一音区間の外形値と近い方の値と等しくなるように、ゲインを決定することにより、音量調整量が最も小さくすることができ、音の所定の特徴量の変化を最も小さくすることができる。

また、このように、第一音区間の外形値が入るべき予め定められた範囲を設けて、この範囲に第一音区間の外形値が入っている場合には上記のゲインの計算を行わないようにすることにより、ゲインを変更する回数を少なくすることができる。これにより、音の波形が歪む回数を少なくすることができるため、音の所定の特徴量の変化を小さくすることができる。

この方法では、「はい」、「あ」、「えー」等の音量が不安定な短い音区間ではなく、「お電話ありがとうございます。」、「ちょっと聞きたいことがあるのですが」等のある程度の長さを持ち音量が安定した音区間を音量調整の基準としている。また、第一音区間を構成する複数のフレームの外形値から、外形値が大きい複数の外形値を除外して、除外されず残った外形値の最大値を第一音区間の外形値として、その第一音区間の外形値を用いて、ゲインを調整している。これにより、咳やくしゃみ等の突発的な雑音の影響を受けにくくなり、かつ、対象とする音の振幅の分散の大小によっても音量調整後の音量が入力のピークが超えることがなくなる。

上記の例においては、第一音区間を構成するフレームの外形値のうち、大きい方から２０％の外形値を除外し、第一音区間の外形値が入るべき予め定められた範囲を入力ピークの１０％〜２０％としている。これは、実験を行った結果、突発的な雑音を除くと、入力のピークが第一音区間の外形値のおよそ４倍未満であったためである。

『第１_１音量調整部１１１_１』
再度、図８を参照して説明をする。第１音量調整部１１１の第１_１音量調整部１１１_１は、第１_１ゲイン情報生成部１６５が決定した第１_１ゲイン情報（例えば、ゲイン）を用いて、入力された音の音量を調整して出力する。第１_１音量調整部１１１_１は、新たな第１_１ゲイン情報が第１_１ゲイン情報生成部１６５から送られてくるまで、既に送られている第１_１ゲイン情報に基づいて音量調整を行ってもよい。

このように、本実施例では、従来技術の音量調整装置と比較して長い時間、同じ第１_１ゲイン情報に基づいて音量を調整している。これにより、従来技術のように頻繁に音量を調整するためのゲインが変化する場合と比較して、音の所定の特徴量が失われづらくなる。

第１ゲイン計算部１５１及び第１音量調整部１１１は、それぞれ、下記に述べる、第一音区間よりも短い音区間（第二音区間）を基準として、音量調整をする第１_２ゲイン情報生成部１６６、第１_２音量調整部１１１_２を有していてもよい。

『第１_２ゲイン情報生成部１６６』
図１４は、第１_２ゲイン情報生成部１６６の構成例を示す。減算部１５７から出力された送話系出力信号は、第１_２ゲイン情報生成部１６６の過大入力サンプル数決定部１６７に入力される。

「過大入力サンプル数決定部１６７」
過大入力サンプル数決定部１６７は、予め定められた値Ａ_１２（例えばサンプル値で表現することができる値の上限の９０％の値）よりも大きいサンプルの数（以下、過大入力サンプル数とする）をフレームごとに決定する。決定されたフレームごとの過大入力サンプル数は、過大入力フレーム決定部１６８と、記憶部１６９とに送られる。

「過大入力フレーム決定部１６８」
過大入力フレーム決定部１６８は、過大入力サンプル数が予め定められた数Ａ_１３（１フレームのサンプル数の３０％の数）よりも大きいかどうかをフレームごとに決定する。以下、過大入力サンプル数が予め定められた数Ａ_１３よりも大きいフレームを、過大入力フレームとする。過大入力フレームについての情報（例えば、過大入力フレームであることを表すフラグ）は、記憶部１６９に送られる。

「第二音区間過大入力サンプル数決定部１７０」
第二音区間過大入力サンプル数決定部１７０は、第一音区間を構成するフレームの数よりも少ない数Ａ_１４（例えば１０、時間長にして１秒）のフレームから構成される音区間を第二音区間として、その第二音区間を構成するフレームについての過大入力サンプル数の総数を計算して、その総数を第１_２ゲイン情報決定部１７２に送る。具体的には、第二音区間が過去１０フレームである場合には、記憶部１６９から、過去１０フレームの過大入力サンプル数をそれぞれ読み出して、それらを加算することにより、過大入力サンプル数の総数を求める。

「第二音区間過大入力フレーム数決定部１７１」
第二音区間過大入力フレーム数決定部１７１は、第二音区間を構成するフレームの中の過大入力フレームの数を決定して、その数を第１_２ゲイン情報決定部１７２に送る。具体的には、第二音区間が過去１０フレームである場合には、記憶部１６９から、過去１０フレームの過大入力フレームについての情報を読み込み、過大入力フレームの数を決定する。

「第１_２ゲイン情報決定部１７２」
第１_２ゲイン情報決定部１７２は、過大入力サンプル数の総数が予め定められた数Ａ_１５（例えば第二音区間を構成するサンプルの総数の２０％の数）よりも大きく、かつ、過大入力フレームの数が予め定められた値Ａ_１６（第二音区間が１０フレームである場合には、例えば３）よりも大きい場合には、入力された音の音量を所定の音量だけ下げるための情報（以下、第１_２ゲイン情報とする。）を、第１音量調整部１１１に送る。第１_２ゲイン情報は、具体的なゲインの値（例えば０．７、音量にして３ｄＢ）等であってもよいし、具体的な数値を伴わない単なる音量を下げる旨を指示する情報であってもよい。

「第１_２音量調整部１１１_２」
第１音量調整部１１１の第１_２音量調整部１１１_２は、第１_２ゲイン情報に基づいて、入力された音の音量を下げる。ゲインを下げた場合には、第１_２ゲイン情報生成部１６６は、フレームに短時間音量調整フラグを立て、以降は、バッファ１５５の遅延分の時間に相当するフレームについて処理を行わない。

これにより、突発的な雑音のうち、比較的短い継続時間長をもった雑音を回避して、ゲインを下げることにより、音量を下げることができる。
終始判定部１５８によって発音の開始が検出された後は、上記のように、第１_１ゲイン情報生成部１６５、第１_２ゲイン情報生成部１６６の指示に従って音量が調節される。終始判定部１５８が発音の終了を検出した場合には、発音が終了した旨の情報が、終了時音量調整部１７３に送られる。

『終了時音量調整部１７３』
終了時音量調整部１７３は、発音が終了した旨の情報を受け取ると、第１音量調整部１１１に設定された発音の終了時のゲインを読み込んで、終了時音量調整部１７３の記憶部１７３１に格納する。そして、終了時音量調整部１７３は、直近の発音から予め定められた数Ａ_１７の過去の発音の終了時のゲインを記憶部１７３１からそれぞれ読み出して、それらの平均値を求め、その平均値を第１音量調整部１１１に設定する。

第１音量調整部１１１から現在のゲインの値を得ることができない場合には、終了時音量調整部１７３は、以下のようにしてゲインを第１音量調整部１１１に設定する。第１音量調整部１１１から現在のゲインの値を得ることができない場合とは、例えば、第１音量調整部１１１が３ｄＢ音量を上げる、３ｄＢ音量を下げるというような相対的なゲインの指定手段しか持たず、装置の調整範囲を超えた場合や、調整できなかったことを通知する手段を持たない場合のことである。

１．第１_１ゲイン情報生成部１６５の指示によっては音量を調整するためにゲインを変更しなかった場合には、終了時音量調整部１７３は何もしない。
２．第１_１ゲイン情報生成部１６５の指示により音量を下げるためにゲインを下げた場合には、終了時音量調整部１７３は現在のゲインから予め設定した値Ａ_１８だけ値を下げたゲインを第１音量調整部１１１に設定する。

３．第１_１ゲイン情報生成部１６５の指示により音量を上げるためにゲインを上げたときには、終了時音量調整部１７３は、以下の処理を行う。
３−１．第１２ゲイン情報生成部１６６の指示により音量を下げるためにゲインを下げた場合には、終了時音量調整部１７３は何もしない。
３−２．「３−１．」以外の場合には、終了時音量調整部１７３は現在のゲインから予め設定した値Ａ_１９だけ値を上げたゲインを第１音量調整部１１１に設定する。

このような方法で、発音の終了時に音量を調整することで、次の発音開始時の音量を適切な値に近づけることができるとともに、話者、マイク位置、声量等の収音環境条件の変化に追随して音量を適切に調整することができる。

なお、送話系入力信号ｘ１が、ＡＤ変換部１５３と第１音量調整部１１１とにそれぞれ入力され、ＡＤ変換部１５３に入力された音から上記と同様に第１ゲイン情報ｇ１’が決定され、その決定された第１ゲイン情報ｇ１’に基づいて、第１音量調整部１１１が音量の調整をしてもよい。同様に、受話系入力信号ｘ２または受話系出力信号ｘ２’を用いて、第２ゲイン情報ｇ２’を決定してもよい。

例えば、コールセンターで日ごとにオペレータが席を替わる等の場合には、一定時間同一の収音条件が続くが、日々収音条件が変わる。このような環境では、短い時間で、それぞれのオペレータの声量、マイク位置などの収音条件に合うように音量を調整することができ、また、オペレータが途中で交替した場合にも、追随して適切に音量を調整できる。なお、第１_２ゲイン情報生成部１６６及び第１_２音量調整部１１１_２はなくてもよい。また、終了時音量調整部１７３がなくてもよい。

なお、本実施例は発明の内容を限定するものではない。例えば、各ゲイン計算部１５１、１５２は、単に入力信号の平均パワーを用いて、その入力信号が予め定められた範囲に入るようにを調整するように各ゲイン情報を計算するものであってもよいし、他のゲイン計算方法を用いてもよい。

実施例１と異なる部分のみ説明する。実施例１とは、停止判定部の構成が異なる。図１５は実施例２に係る停止判定部２３０の構成例を、図１６は停止判定部２３０の処理フロー例を示す。

実施例１と同様に、停止判定部２３０は、各ゲイン情報ｇ１’、ｇ２’の値が、第１音量調整部１１１及び第２音量調整部１１２が各ゲインｇ１、ｇ２を変更する値であるか否か判定し（ｓ１３１）、変更する値の場合には、第２ゲインｇ２を変更後、第２ゲインｇ２の更新を停止するように指示する（ｓ１３３）。停止するように指示した後、停止解除条件を満たすか否か判定し（ｓ１３５）、満たす場合には、停止を解除するよう指示する（ｓ１３７）。

本実施例において、停止解除条件とは、例えば、送話系出力信号ｘ１’の有音区間を積算し、有音区間の和が予め定めた値以上となることである。この場合、停止判定部２３０は、送話系出力信号ｘ１’の有音区間を積算し（ｓ２３２）、有音区間の和が予め定めた値以上となると、停止解除条件と満たすと判定し（ｓ２３５１）、停止を解除するように指示する。例えば、停止判定部２３０は、停止・解除指示部２３２と有音区間積算部２３４を有する。停止・解除指示部２３２は、停止信号ｓを出力すると同時に、有音区間積算部２３４及び第１ゲイン計算部内の有音無音区間判定部１６１に対し、処理を開始するように信号ｑを出力する。

有音無音区間判定部１６１は、信号ｑを入力されると、有音区間、無音区間についての情報ｚを有音区間積算部２３４へ出力する。

有音区間積算部２３４は、信号ｑを入力されると、有音無音区間判定部１６１から出力される有音区間、無音区間についての情報ｚを入力され、その内、有音区間を積算する。有音区間積算部２３４は、有音区間の和が予め定めた値以上となったとき、停止・解除指示部２３２に対し、積算が所定値以上であることを知らせる報知信号ｉを出力する。停止・解除指示部２３２は、報知信号ｉを入力されると、第２ゲイン計算部１５２に対し、第２ゲイン情報を計算する処理を再開するように解除信号ｃを出力する。第２ゲイン計算部１５２は、処理を再開する。

なお、第１ゲイン計算部１５１が単に入力信号の平均パワーを用いて、その入力信号が予め定められた範囲に入るようにを調整するようにゲイン情報を計算する場合には、停止判定部２３０が、ＡＤ変換部１５３、フレーム分割部１５４、バッファ１５５、直流バイアス計算部１５６、原産部１５７、外形値決定部１５９、有音無音フレーム判定部１６０及び有音無音区間判定部１６１等を有する構成としてもよい。その場合には、有音無音フレーム判定部１６０及び有音無音区間判定部１６１は、有音区間のみ判定し、出力する構成としてもよい。

このような構成とすることによって、実施例１と同様の効果を奏する。適応フィルタの学習は、送話系出力信号ｘ１’に含まれる有音区間に基づいて行われる。そのため、有音区間の和が予め定めた値以上になるまで、ゲインの変更を停止することで、より正確で、効率よくエコーを消去できる。なお、予め定めた値とは、エコー抑圧部の特性から予め適応フィルタの再学習にかかる有音区間の長さを実験的に求めておき決定する。

実施例１と異なる部分のみ説明する。実施例１とは、エコー抑圧部と停止判定部の構成が異なる。

＜エコー抑圧部３２０＞
図１７は、エコー抑圧部３２０の構成例を示す。エコー抑圧部３２０は、エコーの消去状態を表す消去情報ｄを求める。例えば、エコー抑圧部３２０は、消去情報生成部３２５を備える。消去情報生成部３２５は、適応フィルタ更新部１２１３から適応フィルタｈ＾（ｎ）を入力され、保存する。消去情報生成部３２５は、現在の適応フィルタｈ＾（ｎ）から一つ前の適応フィルタｈ＾（ｎ−１）を差し引き、フィルタ係数の二乗和を求める。
{h₁(n)- h₁(n-1)}²+ {h₂(n)- h₂(n-1)} ²+…+ {h_L(n)- h_L(n-1)}² （４）
この二乗和の値を消去情報ｄとして、停止解除指示部３３２へ出力する。

また、例えば、エコー抑圧部３２０は、エコー抑圧前の受話系出力信号ｘ２’（ｎ）とエコー抑圧後の受話系出力信号ｘ２”（ｎ）を入力され（図中において一点鎖線で表す）。これを用いて、以下のように、エコー消去量ＥＲＬＥ（echo return loss enhancement）を求め、これを消去情報として出力してもよい。なお、１≦Ｋ≦ｎである。

但し、本実施例は、発明の内容を限定するものではない。エコーの消去状態を表す消去情報ｄは、他の方法により求めてもよい。

＜停止判定部３３０＞
図１８は実施例３に係る停止判定部３３０の構成例を、図１９は停止判定部３３０の処理フロー例を示す。実施例１と同様に、停止判定部３３０は、各ゲイン情報ｇ１’、ｇ２’の値が、第１音量調整部１１１及び第２音量調整部１１２が各ゲインｇ１、ｇ２を変更する値であるか否か判定し（ｓ１３１）、変更する値の場合には、第２ゲインｇ２を変更後、第２ゲインｇ２の更新を停止するように指示する（ｓ１３３）。停止するように指示した後、停止解除条件を満たすか否か判定し（ｓ１３５）、満たす場合には、停止を解除するよう指示する（ｓ１３７）。

本実施例において、停止解除条件とは、受話系出力信号ｘ２”に含まれるエコーが充分に消去されることである。停止判定部３３０は、消去情報ｄにより受話系出力信号ｘ２”に含まれるエコーが充分に消去されたと判定した場合（ｓ３３５１）、停止を解除するように指示する。

例えば、停止・解除指示部３３２は、停止信号ｓを出力すると同時に、エコー抑圧部３２０に対し、消去情報ｄを求めるように支持する信号ｅを出力する。エコー抑圧部３２０は、上述のように消去情報ｄを求め、停止・解除指示部３３２へ出力する。停止・解除指示部３３２は、式（４）により求めた二乗和や式（５）により求めたＥＲＬＥが予め定めた値よりも小さい場合には、フィルタ係数の変動が少なく、適応フィルタの学習が十分進んだと判断する。停止・解除指示部３３２は、解除信号ｃを第２ゲイン計算部１５２に出力し、第２ゲイン計算部１５２は処理を再開する。なお、「エコーを抑圧する」とはエコー抑圧部３２０等で行われる処理を意味し、「エコーを消去する」とは式（４）により求めた二乗和や式（５）により求めたＥＲＬＥ等を予め定めた値よりも小さい（または大きい）状態にすることを意味する。

このような構成とすることによって、実施例１と同様の効果を奏する。さらに、消去情報に基づき、停止を解除するため、より正確であって、かつ、効率的にエコーの消去間隔を決定でき、それにより、音量を適切に調整することができる。

＜ハードウェア構成＞
図２０は、本実施例における音声調整装置１００のハードウェア構成を例示したブロック図である。
図２０に例示するように、この例の音声調整装置１００は、それぞれＣＰＵ（Central Processing Unit）１１、入力部１２、出力部１３、補助記憶装置１４、ＲＯＭ（Read Only Memory）１５、ＲＡＭ（Random Access Memory）１６及びバス１７を有している。

この例のＣＰＵ１１は、制御部１１ａ、演算部１１ｂ及びレジスタ１１ｃを有し、レジスタ１１ｃに読み込まれた各種プログラムに従って様々な演算処理を実行する。また、入力部１２は、データが入力される入力インターフェース、キーボード、マウス等であり、出力部１３は、データが出力される出力インターフェース等である。補助記憶装置１４は、例えば、ハードディスク、ＭＯ（Magneto-Optical disc）、半導体メモリ等であり、音声調整装置１００としてコンピュータを機能させるためのプログラムが格納されるプログラム領域１４ａ及び各種データが格納されるデータ領域１４ｂを有している。また、ＲＡＭ１６は、ＳＲＡＭ (Static Random Access Memory)、ＤＲＡＭ (Dynamic Random Access Memory)等であり、上記のプログラムが格納されるプログラム領域１６ａ及び各種データが格納されるデータ領域１６ｂを有している。また、バス１７は、ＣＰＵ１１、入力部１２、出力部１３、補助記憶装置１４、ＲＯＭ１５及びＲＡＭ１６を通信可能に接続する。なお、このようなハードウェアの具体例としては、例えば、パーソナルコンピュータの他、サーバ装置やワークステーション等を例示できる。

＜プログラム構成＞
上述のように、プログラム領域１４ａ，１６ａには、本実施例の音声調整装置１００の各処理を実行するための各プログラムが格納される。音声調整プログラムを構成する各プログラムは、単一のプログラム列として記載されていてもよく、また、少なくとも一部のプログラムが別個のモジュールとしてライブラリに格納されていてもよい。また、各プログラムが単体でそれぞれの機能を実現してもよいし、各プログラムがさらに他のライブラリを読み出して各機能を実現するものでもよい。

＜ハードウェアとプログラムとの協働＞
ＣＰＵ１１（図２０）は、読み込まれたＯＳ（Operating System）プログラムに従い、補助記憶装置１４のプログラム領域１４ａに格納されている上述のプログラムをＲＡＭ１６のプログラム領域１６ａに書き込む。同様にＣＰＵ１１は、補助記憶装置１４のデータ領域１４ｂに格納されている各種データを、ＲＡＭ１６のデータ領域１６ｂに書き込む。そして、このプログラムやデータが書き込まれたＲＡＭ１６上のアドレスがＣＰＵ１１のレジスタ１１ｃに格納される。ＣＰＵ１１の制御部１１ａは、レジスタ１１ｃに格納されたこれらのアドレスを順次読み出し、読み出したアドレスが示すＲＡＭ１６上の領域からプログラムやデータを読み出し、そのプログラムが示す演算を演算部１１ｂに順次実行させ、その演算結果をレジスタ１１ｃに格納していく。
図６は、このようにＣＰＵ１１に上述のプログラムが読み込まれて実行されることにより構成される音声調整装置１００の機能構成を例示したブロック図である。

ここで、記憶部１０３は、補助記憶装置１４、ＲＡＭ１６、レジスタ１１ｃ、その他のバッファメモリやキャッシュメモリ等の何れか、あるいはこれらを併用した記憶領域に相当する。また、記憶手段１０３、制御手段１０５、第１音量調整部１１１、第２音量調整部１１２、エコー抑圧部１２０、３２０、停止判定部１３０、２３０、３３０、第１ゲイン計算部１５１及び第二ゲイン計算部１５２は、ＣＰＵ１１に音声調整プログラムを実行させることにより構成されるものである。また、本形態の音声調整装置１００は、制御部１０５の制御のもと各処理を実行する。

１００ 音量調整装置 １１１ 第１音量調整部
１１２ 第２音量調整部 １２０、３２０ エコー抑圧部
１５１ 第１ゲイン計算部 １５２ 第２ゲイン計算部
１３０、２３０、３３０ 停止判定部

Claims (10)

1. 第１ゲイン情報ｇ１’を用いて第１ゲインｇ１を求め、送話系入力信号ｘ１及び第１ゲインｇ１を用いて音量を調整し、送話系出力信号ｘ１’を求める第１音量調整部と、
   第２ゲイン情報ｇ２’を用いて第２ゲインｇ２を求め、受話系入力信号ｘ２及び第２ゲインｇ２を用いて音量を調整し、受話系出力信号ｘ２’を求める第２音量調整部と、
   前記送話系出力信号ｘ１’と前記受話系出力信号ｘ２’を用いて、エコーを抑圧した受話系出力信号ｘ２”を求めるエコー抑圧部と、
   前記送話系入力信号ｘ１または前記送話系出力信号ｘ１’を用いて、第１ゲイン情報ｇ１’を求める第１ゲイン計算部と、
   前記受話系入力信号ｘ２、前記受話系出力信号ｘ２’、ｘ２”の何れかを用いて、第２ゲイン情報ｇ２’を求める第２ゲイン計算部と、
   前記各ゲイン情報ｇ１’、ｇ２’の値が、前記第１音量調整部及び第２音量調整部が前記各ゲインｇ１、ｇ２を変更する値であるか否か判定し、変更する値の場合には、前記第１音量調整部及び第２音量調整部が変更後、第２ゲインｇ２の更新を停止するように指示する停止判定部と、
   を有する音量調整装置。
2. 請求項１記載の音量調整装置であって、
   前記停止判定部は、前記第２ゲインｇ２の更新を停止するように指示した後、予め定めた時間を経過したと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整装置。
3. 請求項１記載の音量調整装置であって、
   前記停止判定部は、前記第２ゲインｇ２の更新を停止するように指示した後、出力信号ｘ１’の有音区間を積算し、有音区間の和が予め定めた値以上となったと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整装置。
4. 請求項１記載の音量調整装置であって、
   前記エコー抑圧部は、エコーの消去状態を表す消去情報を求め、
   前記停止判定部は、前記第２ゲインｇ２の更新を停止するように指示した後、前記消去情報により受話系出力信号ｘ２”に含まれるエコーが消去されたと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整装置。
5. 第１ゲイン情報ｇ１’を用いて第１ゲインｇ１を求め、送話系入力信号ｘ１及び第１ゲインｇ１を用いて音量を調整し、送話系出力信号ｘ１’を求める第１音量調整ステップと、
   第２ゲイン情報ｇ２’を用いて第２ゲインｇ２を求め、受話系入力信号ｘ２及び第２ゲインｇ２を用いて音量を調整し、受話系出力信号ｘ２’を求める第２音量調整ステップと、
   前記送話系出力信号ｘ１’と前記受話系出力信号ｘ２’を用いて、エコーを抑圧した受話系出力信号ｘ２”を求めるエコー抑圧ステップと、
   前記送話系入力信号ｘ１または前記送話系出力信号ｘ１’を用いて、第１ゲイン情報ｇ１’を求める第１ゲイン計算ステップと、
   前記受話系入力信号ｘ２、前記受話系出力信号ｘ２’、ｘ２”の何れかを用いて、第２ゲイン情報ｇ２’を求める第２ゲイン計算ステップと、
   前記各ゲイン情報ｇ１’、ｇ２’の値が、前記第１音量調整部及び第２音量調整部が前記各ゲインｇ１、ｇ２を変更する値であるか否か判定し、変更する値の場合には、前記第１音量調整部及び第２音量調整部が変更後、第２ゲインｇ２の更新を停止するように指示する停止判定ステップと、
   を有する音量調整方法。
6. 請求項５記載の音量調整方法であって、
   前記停止判定ステップは、前記第２ゲインｇ２の更新を停止するように指示した後、予め定めた時間を経過したと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整方法。
7. 請求項５記載の音量調整方法であって、
   前記停止判定ステップは、前記第２ゲインｇ２の更新を停止するように指示した後、出力信号ｘ１’の有音区間を積算し、有音区間の和が予め定めた値以上となったと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整方法。
8. 請求項５記載の音量調整方法であって、
   前記エコー抑圧ステップは、エコーの消去状態を表す消去情報を求め、
   前記停止判定ステップは、前記第２ゲインｇ２の更新を停止するように指示した後、前記消去情報により受話系出力信号ｘ２”に含まれるエコーが消去されたと判定した場合、停止を解除するように指示すること、
   を特徴とする音量調整方法。
9. 請求項１から４記載の何れかの音量調整装置として、コンピュータを機能させるためのプログラム。
10. 請求項９記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images