JP2010256421A

JP2010256421A - 集音エリア制御方法および音声入力装置

Info

Publication number: JP2010256421A
Application number: JP2009103249A
Authority: JP
Inventors: Osamu Akasaka; 修赤坂; Kosaku Kitada; 耕作北田
Original assignee: Panasonic Electric Works Co Ltd
Current assignee: Panasonic Electric Works Co Ltd
Priority date: 2009-04-21
Filing date: 2009-04-21
Publication date: 2010-11-11

Abstract

【課題】目的音と雑音との分離精度を向上させた集音エリア制御方法および音声入力装置を提供する。
【解決手段】一対のマイクロホンＭ１，Ｍ２が各々出力する音圧信号に基づいて基準位置Ｏにおける音圧信号に、基準位置と目的音源との間の距離に基づく空間微分関数を適用して第１の空間音圧勾配成分を算出し、マイクロホンＭ１，Ｍ２の各音圧信号の差分をＸ軸方向成分の距離で除算した第２の空間音圧勾配成分を算出し、第１の空間音圧勾配成分のＸ軸方向の成分を算出し、第１の空間音圧勾配成分のＸ軸方向の成分と第２の空間音圧勾配成分との差分に基づいて雑音の空間音圧勾配成分を推定し、第１の空間音圧勾配成分または第２の空間音圧勾配成分から、雑音の空間音圧勾配成分を除いた結果に、空間微分関数の逆関数を適用して実時間関数を導出し、当該実時間関数を目的音として抽出する。
【選択図】図１

Description

本発明は、集音エリア制御方法および音声入力装置に関するものである。

周囲雑音や残響の存在する環境下で特定の目的音源から発せられる音、例えば、人の発する音声（話者音声）のみを抽出する集音エリア制御方法を用いた音響入力装置が従来より種々提供されており、その出力が音声認識装置に入力されている。

例えば、特許文献１に記載されている従来例は、音圧、当該音圧の時間微分値、当該音圧を二次元直交座標系の各軸方向に微分した空間微分値をそれぞれ検出する集音センサ手段と、検出した音圧、時間微分値、空間微分値に対して所定の係数ベクトルとの荷重和及び低域通過フィルタ処理を行うことにより集音感度が最小となる死点を予め設定した目的話者の位置に形成する死点形成手段と、集音センサ手段で検出される音圧と死点形成手段から出力される音圧を用いて目的話者から発せられる音声の音圧のみを抽出する目的話者音声抽出手段とを備えている。すなわち、死点形成手段から出力される音圧には死点に存在する音源から発せられる音以外の音、すなわち、雑音の音圧のみが含まれ、一方、集音センサ手段で検出される音圧には死点に存在する音源から発せられる音の音圧と雑音の音圧の双方が含まれており、目的話者音声抽出手段によって死点に存在する音源から発せられる音の音圧のみを抽出するので、雑音が死点の方向から到来する場合においても死点に存在する音源から発せられる音のみを抽出することができる。

また、特許文献２に記載されている従来例は、複数のマイクロホンを具備するマイクロホンアレー装置を備えており、複数の第一次分離手段によって、マイクロホンアレー装置の各マイクロホンの出力信号を用いて複数の異なる指向特性制御を行って目的音源、雑音音源からの各音を選択的に強調または抑圧するとともに周波数解析を行うことにより、各音に向けられた複数の第一次分離処理を行った後、第二次分離手段により、複数の第一次分離処理結果として得られた各周波数特性のうち同一の周波数帯域についての各振幅値を用いて周波数帯域毎に第一次分離処理よりも分離精度を高めるための第二次分離処理を行って目的音を分離している。

特開２００８−３０４５５５号公報特開２００５−７７７３１号公報

しかしながら、周囲雑音や残響が大きい場合には、目的音と雑音との分離精度が低下するため、後段に接続した音声認識装置での音声認識率が悪化していた。また、音声入力装置を機器に組み込んで使用する場合に、音声入力装置のさらなる小型化が求められている。

本発明は、上記事由に鑑みてなされたものであり、その目的は、目的音と雑音との分離精度を向上させた集音エリア制御方法および音声入力装置を提供することにある。

請求項１の発明は、予め決められた基準位置に対する位置が既知である目的音源が目的音を発するとともに、任意の位置に存在する雑音音源が雑音を発し、同一平面上に配置された複数のマイクロホンのうち一対のマイクロホンが各々出力する音圧信号に基づいて前記基準位置における音圧信号を求め、基準位置と目的音源との間の距離に基づく空間微分関数を前記求めた音圧信号に適用して第１の空間音圧勾配成分を算出し、前記一対のマイクロホンの各音圧信号の差分を当該一対のマイクロホン間を結ぶ軸方向成分の距離で除算した第２の空間音圧勾配成分を算出し、第１の空間音圧勾配成分の前記軸方向の成分を算出し、第１の空間音圧勾配成分の前記軸方向の成分と第２の空間音圧勾配成分との差分に基づいて雑音の空間音圧勾配成分を推定し、第１の空間音圧勾配成分または第２の空間音圧勾配成分から、雑音の空間音圧勾配成分を除いた結果に、前記第１の空間音圧勾配成分の算出に用いた空間微分関数の逆関数を適用して実時間関数を導出する処理を行い、前記処理を１組以上の一対のマイクロホンを用いて行うことによって導出された１乃至複数の実時間関数に基づいて目的音を抽出することを特徴とする。

この発明によれば、目的音源が設置されている既知の方向からの信号のみを抽出でき、目的音と雑音との分離精度を向上させることができる。

請求項２の発明は、請求項１において、前記マイクロホンの集音範囲は、所定の指向性を有することを特徴とする。

この発明によれば、各マイクロホンに互いに異なる指向性を付与することによって、一対のマイクロホンの各音圧信号の差分を大きくすることができ、遠くの目的音源に対しても、一対のマイクロホンの音圧信号の勾配差（第２の空間音圧勾配成分）をより顕著に検出することができ、集音エリア制御の精度を向上させることができる。

請求項３の発明は、請求項２において、無指向性の前記マイクロホンを収納する筐体に、マイクロホンの集音範囲に指向性を付与する手段を設けたことを特徴とする。

この発明によれば、マイクロホンの指向性を容易に設定できる。

請求項４の発明は、請求項１乃至３いずれかにおいて、前記第１の空間音圧勾配成分の算出に用いた空間微分関数は、目的音源と基準位置との間の距離による目的音の減衰と、目的音源と基準位置との間の距離による目的音の伝達遅れとを考慮した関数であることを特徴とする。

この発明によれば、基準位置と目的音源との間の距離に基づく空間微分を容易に求めることができる。

請求項５の発明は、請求項４において、前記目的音源と基準位置との間の距離による目的音の伝達遅れは、温度による変動要素を含むことを特徴とする。

この発明によれば、基準位置と目的音源との間の距離に基づく空間微分を高精度に求めることができ、集音エリア制御の精度がさらに向上する。

請求項６の発明は、請求項１乃至５いずれかにおいて、前記雑音の空間音圧勾配成分の推定結果が所定の閾値以上である場合にのみ前記目的音の抽出処理を行うことを特徴とする。

この発明によれば、回路が発生する雑音や暗騒音等の影響による集音エリア制御の精度劣化を抑制することができる。

請求項７の発明は、予め決められた基準位置に対する位置が既知である目的音源が発する目的音、任意の位置に存在する雑音音源が発する雑音を集音するために同一平面上に配置された複数のマイクロホンと、複数のマイクロホンのうち一対のマイクロホンが各々出力する音圧信号に基づいて求めた前記基準位置における音圧信号に、基準位置と目的音源との間の距離に基づく空間微分関数を適用して第１の空間音圧勾配成分を算出する第１の空間勾配算出手段と、一対のマイクロホンの各音圧信号の差分を当該一対のマイクロホン間を結ぶ軸方向成分の距離で除算した第２の空間音圧勾配成分を算出する第２の空間勾配算出手段と、第１の空間音圧勾配成分の前記軸方向の成分を算出する軸方向成分算出手段と、第１の空間音圧勾配成分の前記軸方向の成分と第２の空間音圧勾配成分との差分に基づいて雑音の空間音圧勾配成分を推定する雑音勾配成分推定手段と、第１の空間音圧勾配成分または第２の空間音圧勾配成分から、雑音の空間音圧勾配成分を除いた結果に、前記第１の空間音圧勾配成分の算出に用いた空間微分関数の逆関数を適用して実時間関数を導出する実時間関数変換手段とを備え、１組以上の一対のマイクロホンを用いて導出された１乃至複数の実時間関数に基づいて目的音を抽出することを特徴とする。

以上説明したように、本発明では、目的音と雑音との分離精度を向上させた集音エリア制御方法および音声入力装置を提供することができるという効果がある。

実施形態１の音声入力装置のブロック構成を示す図である。同上のマイクロホン、目的音源、雑音音源の位置関係を示す図である。同上の分離精度測定実験の概略構成を示す図である。（ａ）（ｂ）同上の分離精度測定実験の結果を示す波形図である。（ａ）〜（ｃ）同上の分離精度測定実験の結果を示す周波数特性図である。実施形態２の音声入力装置のブロック構成を示す図である。同上のマイクロホンの位置関係を示す図である。同上のマイクロホン、目的音源、雑音音源の位置関係を示す図である。同上の筐体を示す分解斜視図である。同上の筐体を示す斜視図である。

以下、本発明の実施の形態を図面に基づいて説明する。

（実施形態１）
図１は、本実施形態の音声入力装置Ａのブロック構成を示し、一対のマイクロホンＭ１，Ｍ２と、信号前処理部１と、第１の空間勾配算出部２と、第２の空間勾配算出部３と、軸方向成分算出部４と、減算器５と、雑音勾配成分推定部６と、減算器７と、実時間関数変換部８とを備える。

一対のマイクロホンＭ１，Ｍ２は、無指向性のマイクロホンであり、音声入力装置Ａの筐体に配置されて、図２に示すように筐体の前面（以降、筐体面と称す）に沿って規定したＸ軸上に距離ｄ_Ｘの間隔で配置されている。さらに筐体面に対して法線方向（前後方向）にＺ軸を規定する。ここで、マイクロホンＭ１，Ｍ２を結ぶ線の中点（マイクロホンＭ１，Ｍ２の両方から等距離［ｄ_Ｘ／２］離れているＸ軸上の点）を、Ｘ軸およびＺ軸の原点（０，０）となる基準位置Ｏとする。

マイクロホンＭ１，Ｍ２の前方には人が目的音源Ｓとして存在し、話者音声（目的音）を発する。この目的音源Ｓの位置は音声入力装置Ａにとって既知であって、基準位置Ｏから特定方向に距離ｒ離れた位置に存在する。さらに、マイクロホンＭ１，Ｍ２の前方には雑音音源Ｎが存在し、雑音を発する。この雑音音源Ｎの位置は任意であり、音声入力装置Ａにとって未知である。

そして、集音動作を行うマイクロホンＭ１，Ｍ２が音圧信号ｆ１，ｆ２を各々出力したとすると、信号前処理部１は、マイクロホンＭ１，Ｍ２からの音圧信号をＡ／Ｄ変換し、ｆａ＝ｆ１、ｆｂ＝ｆ２として［数１］にしたがって、基準位置Ｏでの音圧信号ｆ１，ｆ２の平均値ｆ（以降、音圧平均値ｆと称す）を算出する。なお、以降の信号処理は、デジタル演算によって行われる。

次に、第１の空間勾配算出部２は、［数２］に示す空間微分の関数を用いて音圧平均値ｆを、目的音源Ｓと基準位置Ｏとの間の距離ｒで偏微分し（空間微分）、目的音源Ｓからの第１の空間音圧勾配成分ｈ_ａ（ｔ）を算出する。なお、ｃは音速を示す。

上記［数２］に示す空間微分の関数は、以下のように導出された。まず、距離ｒによる目的音の減衰の影響（［数３］参照）と、距離ｒによる目的音の伝達遅れの影響（［数４］参照）とを考慮し、さらに図２に示すようにＸ軸の負方向にＸ軸方向の単位ベクトルｎ_ｘをとると、［数５］に示すように空間微分の関数が導出されて、第１の空間音圧勾配成分ｈ_ａ（ｔ）が求められる。なお、Ｚ軸方向の単位ベクトルｎ_Ｚは、前から後に向かう方向に規定される。

そして、軸方向成分算出部４は、［数６］にしたがって、第１の空間音圧勾配成分ｈ_ａ（ｔ）のＸ軸方向の成分を算出する。

また、第２の空間勾配算出部３は、ｆａ＝ｆ１、ｆｂ＝ｆ２として［数７］にしたがって、音圧信号ｆ１，ｆ２の差分をマイクロホンＭ１，Ｍ２間を結ぶＸ軸方向成分の距離ｄ_Ｘで除算した第２の空間音圧勾配成分ｈ_ｂ（ｔ）を算出する。

ここで、雑音音源Ｎがなく、目的音源Ｓのみが存在する場合には、上記［数６］で求めた第１の空間音圧勾配成分ｈ_ａ（ｔ）のＸ軸方向成分と、［数７］で求めた第２の空間音圧勾配成分ｈ_ｂ（ｔ）とが等しくなる。しかし、特に第１の空間音圧勾配成分ｈ_ａ（ｔ）のＸ軸方向成分は目的音源Ｓのみが存在すると仮定して算出しているので、雑音音源Ｎが存在する場合には、第１の空間音圧勾配成分ｈ_ａ（ｔ）のＸ軸方向成分と第２の空間音圧勾配成分ｈ_ｂ（ｔ）とは互いに異なる値となる。

そこで減算器５は、［数８］にしたがって、［数７］で求めた第２の空間音圧勾配成分ｈ_ｂ（ｔ）から、［数６］で求めた第１の空間音圧勾配成分ｈ_ａ（ｔ）のＸ軸方向の成分を減算した関数ｈ_ｘ（ｔ）を求める。この関数ｈ_ｘ（ｔ）は、雑音によって発生した関数であるといえる。

そして、雑音勾配成分推定部６は、［数９］にしたがって、［数２］で求めたｈ_ａ（ｔ）と［数８］で求めたｈ_ｘ（ｔ）との時間区間平均ａ_ｘを算出する。時間区間平均ａ_ｘは、ｈ_ｘ（ｔ）に含まれる雑音の成分割合の推定結果であり、さらにａ_ｘとｈ_ｘ（ｔ）との積を求めて、音圧平均値ｆに含まれる雑音の空間音圧勾配成分の推定値ａ_ｘ・ｈ_ｘ（ｔ）（以降、雑音推定値ａ_ｘ・ｈ_ｘ（ｔ）と称す）を出力する。なお積分区間のΓは、特定の時間区間を示す。

次に、減算器７は、［数１０］にしたがって、第１の空間音圧勾配成分ｈ_ａ（ｔ）から、雑音推定値ａ_ｘ・ｈ_ｘ（ｔ）を減算して、目的音源Ｓの空間勾配成分ｓ’を求める。

なお、雑音勾配成分推定部６は、［数７］で求めたｈ_ｂ（ｔ）と［数８］で求めたｈ_ｘ（ｔ）との時間区間平均ａ_ｘを算出し、減算器７は、第２の空間音圧勾配成分ｈ_ｂ（ｔ）から、雑音推定値ａ_ｘ・ｈ_ｘ（ｔ）を減算して、目的音源Ｓの空間勾配成分ｓ’を求めてもよい。

そして、実時間関数変換部８は、［数１１］にしたがって、［数２］で用いた空間微分関数の逆関数を、［数１０］で求めた目的音源Ｓの空間勾配成分ｓ’に適用して実時間関数ｓ_ｏｕｔに変換し、実時間関数ｓ_ｏｕｔを目的音として抽出、出力する。

このように、目的音源Ｓの位置を既知とした上で、空間微分によって求めた第１の空間音圧勾配成分ｈ_ａ（ｔ）の軸方向成分と、マイクロホンＭ１，Ｍ２間における軸方向の第２の空間音圧勾配成分ｈ_ｂ（ｔ）との差に基づいて、雑音の空間音圧勾配成分を推定し、元の信号の空間音圧勾配成分から雑音の空間音圧勾配成分を除した後に、実時間関数に変換することによって、所定エリアからの目的音のみを抽出している。したがって、本実施形態では、目的音源Ｓが設置されている既知の方向からの信号のみを抽出でき、目的音と雑音との分離精度が向上する。例えば、音の残響が大きい風呂場に設置したテレビ装置を音声操作する場合でも、テレビ装置からの音声や残響音を除去して、指示音声を精度よく抽出できる。また、一対のマイクロホンＭ１，Ｍ２間の距離ｄ_Ｘを短くしても、［数２］に示す第１の空間音圧勾配成分ｈ_ａ（ｔ）、［数７］に示す第２の空間音圧勾配成分ｈ_ｂ（ｔ）を算出して、目的音の抽出処理は可能であり、音声入力装置Ａの小型化を図ることができ、周りの環境に違和感なく設置することができる。

図３に示すように原点ＯからＺ軸方向にｒ＝０．３（ｍ）離れた位置に存在する目的音源Ｓが目的音（男声）を発し、原点ＯからＺ軸に対して４５度傾いた方向に０．３（ｍ）離れた位置に存在する雑音音源Ｎが雑音（女声）を発した場合に、実際に測定した目的音と雑音との分離精度の結果を図４（ａ）（ｂ）、図５（ａ）〜（ｃ）に示す。

図４（ａ）（ｂ）、図５（ａ）〜（ｃ）は、音圧信号ｆ１，ｆ２の音圧平均値ｆ（［数１］参照）と、実時間関数変換部８が出力する実時間関数ｓ_ｏｕｔ（［数１１］参照）との比較結果であり、図４（ａ）は、目的音のみが発せられたときの音圧平均値ｆ_ｓ、雑音のみが発せられたときの音圧平均値ｆ_ｎ、目的音と雑音の両方が発せられたときの音圧平均値ｆ_ｓｎの各波形を示し、図４（ｂ）は、目的音のみが発せられたときの実時間関数ｓ_ｓ、雑音のみが発せられたときの実時間関数ｓ_ｎ、目的音と雑音の両方が発せられたときの実時間関数ｓ_ｓｎの各波形を示す。なお、図４（ａ）（ｂ）は、音圧平均値ｆ、実時間関数ｓ_ｏｕｔの各デジタル値を規格化してプロットしており、横軸はサンプル数、縦軸はデジタル値の最大値を１、最小値を−１にして規格化した結果である。本実施形態では、Ａ／Ｄ変換のサンプリング周波数が４４．１（ｋＨｚ）であり、横軸の１目盛りが約２秒に相当する。

さらに、図５（ａ）は、目的音のみが発せられたときの音圧平均値ｆ_ｓおよび実時間関数ｓ_ｓの周波数特性、図５（ｂ）は、音圧平均値ｆ_ｎおよび実時間関数ｓ_ｎの周波数特性、図５（ｃ）は、音圧平均値ｆ_ｓｎおよび実時間関数ｓ_ｓｎの周波数特性を示す。

このように、音圧信号ｆ１，ｆ２の音圧平均値ｆと、実時間関数変換部８が出力する実時間関数ｓ_ｏｕｔとでは、目的音の波形および周波数特性は殆ど変化がないものの、雑音の波形および周波数特性は、雑音を分離して目的音を抽出した実時間関数ｓ_ｏｕｔのほうが、音圧信号ｆ１，ｆ２の音圧平均値ｆより振幅が大きく、目的音と雑音との混合時にも目的音が精度よく抽出されていることがわかる。

（実施形態２）
図６は、本実施形態の音声入力装置Ａのブロック構成を示し、一対のマイクロホンＭ１，Ｍ２、一対のマイクロホンＭ３，Ｍ４を備える。図７に示すように、一対のマイクロホンＭ１，Ｍ２は、筐体面に沿って規定したＸ軸方向に距離ｄ_Ｘの間隔で配置され、一対のマイクロホンＭ３，Ｍ４もＸ軸方向に距離ｄ_Ｘの間隔で配置されており、一対のマイクロホンＭ１，Ｍ２と一対のマイクロホンＭ３，Ｍ４とは、Ｘ軸に直交するＹ軸方向に距離ｄ_Ｙの間隔で配置されている。さらに筐体面に対して法線方向（前後方向）にＺ軸を規定する。ここで、マイクロホンＭ１，Ｍ２を結ぶ線の中点とマイクロホンＭ３，Ｍ４を結ぶ線の中点とを接続するＹ軸方向の線の中点（マイクロホンＭ１〜Ｍ４から等距離離れている点）を、Ｘ軸およびＹ軸およびＺ軸の原点（０，０，０）となる基準位置Ｏとする。なお、実施形態１と同様の構成には同一の符号を付して説明は省略する。

マイクロホンＭ１〜Ｍ４の前方には人が目的音源Ｓとして存在し、話者音声（目的音）を発する。この目的音源Ｓの位置は音声入力装置Ａにとって既知であって、基準位置Ｏから特定方向に距離ｒ離れた位置に存在する。さらに、マイクロホンＭ１〜Ｍ４の前方には雑音音源Ｎが存在し、雑音を発する。この雑音音源Ｎの位置は任意であり、音声入力装置Ａにとって未知である。

そして、集音動作を行うマイクロホンＭ１，Ｍ２が音圧信号ｆ１，ｆ２を各々出力したとすると、ｆａ＝ｆ１、ｆｂ＝ｆ２とし、実施形態１と同様にマイクロホンＭ１，Ｍ２間の中点を基準点として［数１］〜［数１１］を用いて実時間関数ｓ_ｏｕｔ（以降、ｓ_ｘ１と称す）を求める。さらに、集音動作を行うマイクロホンＭ３，Ｍ４も音圧信号ｆ３，ｆ４を各々出力しており、ｆａ＝ｆ３、ｆｂ＝ｆ４とし、マイクロホンＭ３，Ｍ４間の中点を基準点として上記同様に［数１］〜［数１１］を用いて実時間関数ｓ_ｏｕｔ（以降、ｓ_ｘ２と称す）を求める。

次に、実時間関数ｓ_ｘ１および実時間関数ｓ_ｘ２から目的信号を抽出する。

まず、信号前処理部１は、ｆａ＝ｓ_ｘ１、ｆｂ＝ｓ_ｘ２として［数１２］にしたがって、基準位置Ｏでの音圧平均値ｆである実時間関数ｓ_ｘ１，ｓ_ｘ２の平均値を算出する。すなわち、マイクロホンＭ１，Ｍ２間の中点において音圧信号ｓ_ｘ１を集音するマイクロホン、マイクロホンＭ３，Ｍ４間の中点において音圧信号ｓ_ｘ２を集音するマイクロホンが、Ｙ軸上に距離ｄ_Ｙの間隔で配置されているとみなして、以降は［数１］〜［数１１］と同様の処理を行うのである。

次に、第１の空間勾配算出部２は、［数２］に示す空間微分の関数を用いて、実時間関数ｓ_ｘ１，ｓ_ｘ２の音圧平均値ｆを距離ｒで偏微分し（空間微分）、目的音源Ｓからの第１の空間音圧勾配成分ｈ_ａ（ｔ）を算出する。

そして、軸方向成分算出部４は、図８に示すようにＹ軸の負方向にＹ軸方向の単位ベクトルｎ_Yをとると、［数１３］にしたがって、第１の空間音圧勾配成分ｈ_ａ（ｔ）のＹ軸方向の成分を算出する。なお、Ｚ軸方向の単位ベクトルｎ_Ｚは、前から後に向かう方向に規定される。

また、第２の空間勾配算出部３は、［数１４］にしたがって、音圧信号ｓ_ｘ１，ｓ_ｘ２の差分をマイクロホンＭ１，Ｍ２−マイクロホンＭ３，Ｍ４間を結ぶＹ軸方向成分の距離ｄ_Ｙで除算した第２の空間音圧勾配成分ｈ_ｂ（ｔ）を算出する。

次に減算器５は、［数１５］にしたがって、［数１４］で求めた第２の空間音圧勾配成分ｈ_ｂ（ｔ）から、［数１３］で求めた第１の空間音圧勾配成分ｈ_ａ（ｔ）のＹ軸方向の成分を減算した関数ｈ_Ｙ（ｔ）を求める。この関数ｈ_Ｙ（ｔ）は、雑音によって発生した関数であるといえる。

そして、雑音勾配成分推定部６は、［数１６］にしたがって、［数２］で求めたｈ_ａ（ｔ）と［数１５］で求めたｈ_Ｙ（ｔ）との時間区間平均ａ_Ｙを算出する。時間区間平均ａ_Ｙは、ｈ_Ｙ（ｔ）に含まれる雑音の成分割合の推定結果であり、さらにａ_Ｙとｈ_Ｙ（ｔ）との積を求めて、［数１２］で求めた音圧平均値ｆに含まれる雑音の空間音圧勾配成分の推定値ａ_Ｙ・ｈ_Ｙ（ｔ）を出力する。なお積分区間のΓは、特定の時間区間を示す。

次に、減算器７は、［数１７］にしたがって、第１の空間音圧勾配成分ｈ_ａ（ｔ）から、音圧平均値ｆに含まれる雑音の空間音圧勾配成分の推定値ａ_Ｙ・ｈ_Ｙ（ｔ）を減算して、目的音源Ｓの空間勾配成分ｓ’を求める。

そして、実時間関数変換部８は、［数１１］にしたがって、［数２］で用いた空間微分関数の逆関数を、［数１７］で求めた目的音源Ｓの空間勾配成分ｓ’に適用して実時間関数ｓ_ｏｕｔに変換し、実時間関数ｓ_ｏｕｔを目的音として抽出、出力する。このように、目的音源Ｓが設置されている既知の方向からの信号のみを抽出でき、目的音と雑音との分離精度が向上する。また、実施形態１，２で示したように目的音源Ｓの方向としては２次元、３次元を問わず、本発明を適用することができる。

図９，図１０は、本実施形態の音声入力装置Ａの筐体Ａ１の構成を示しており、無指向性のマイクロホンＭ１〜Ｍ４が配置されるケースＡ１０と、ケースＡ１０の前面に覆設されるカバーＡ１１とで構成される。ケースＡ１０は、底板１１の周囲を側壁１２で囲んで前面を開口した略直方体状に形成され、その側壁１２の四隅にはケースＡ１０の中心方向に向かって凹部１３が各々形成されている。凹部１３を構成する側壁１２はＹ字型に形成され、凹部１３開口の側壁１２ａは遮音壁として機能する。そして、凹部１３の底部にはマイクロホンＭ１〜Ｍ４の各々が配置されており、マイクロホンＭ１ → マイクロホンＭ２ → マイクロホンＭ４ → マイクロホンＭ３の順に互いに隣り合って各隅に配置されている。

そして、カバーＡ１１がケースＡ１０の前面に覆設されると、ケースＡ１０の凹部１３とカバーＡ１１の裏面とでマイクロホン音孔１４を構成し、マイクロホン音孔１４を介したマイクロホンＭ１〜Ｍ４の各指向性は、ケースＡ１０の四隅から放射状に設定され、隣り合うマイクロホンとの間には略９０度の指向性差が生じる。なお図１０に示すように、ケースＡ１０の開口に覆設したカバーＡ１１の表面が上記筐体面となり、互いに直交するＸ軸およびＹ軸が筐体面上に規定され、Ｘ軸およびＹ軸の交点に直交する前後方向にＺ軸が規定される。

このようにマイクロホンＭ１〜Ｍ４に互いに異なる指向性を付与することによって、上記［数７］で算出される第２の空間音圧勾配成分ｈ_ｂ（ｔ）をより顕著に検知できる。例えば、無指向性の一対のマイクロホン（Ｍ１とＭ２、またはＭ３とＭ４）を距離ｄの間隔で配置し、Ｚ軸から４５度傾いた方向に距離ｒ離れた目的音源Ｓが存在する場合、一対のマイクロホンの音圧信号のレベル差Δは、［数１８］で表される。なお、目的音源Ｓは点音源とする。

［数１８］によると、ｄ＝０．０５（ｍ）、ｒ＝０．３（ｍ）のときに、Δ＝１．０９（ｄＢ）程度となり、ｒが大きくなるほどレベル差Δは小さくなり、マイクロホン間の感度バラツキの影響を無視できなくなる。しかしながら、上記のように各マイクロホンに互いに異なる指向性を付与することによってレベル差Δを大きくすることができ、遠くの目的音源Ｓに対しても、一対のマイクロホンの音圧信号の勾配差をより顕著に検出することができ、集音エリア制御の精度を向上させることができる。また、指向性を有するマイクロホンＭ１〜Ｍ４を用いて、隣り合うマイクロホンとの間に略９０度の指向性差を付与してもよい。

なお、本実施形態では、４つのマイクロホンＭ１〜Ｍ４を用いているが、３つのマイクロホンＭ１〜Ｍ３を用いて、一対のマイクロホンを２組作り（例えば、マイクロホンＭ１，Ｍ２の組、マイクロホンＭ２，Ｍ３の組）、上記音圧信号ｓ_ｘ１，ｓ_ｘ２を導出してもよい。

また、上記実施形態１，２における［数２］を［数１９］に置き換えてもよく、［数１９］では、音速ｃを温度Ｔの関数ｃ（Ｔ）としており、第１の空間音圧勾配成分ｈ_ａ（ｔ）を、周囲温度Ｔに応じて精度よく算出することができる。

また、雑音音源Ｎが存在せず、目的音源Ｓのみが存在する場合、理想的には上記［数８］の結果ｈ_ｘ（ｔ）は「０」となるが、実際には音声入力装置Ａを構成する各回路が発生する雑音や暗騒音等の影響で「０」にはならず、ｈ_ｘ（ｔ）は微少な値となる。そこで、雑音勾配成分推定部６は、ｈ_ｘ（ｔ）が予め決められた閾値以上であれば、雑音音源Ｎが存在するとして上記処理を行い、実時間関数ｓ_ｏｕｔを導出して目的音を抽出してもよい。一方、ｈ_ｘ（ｔ）が予め決められた閾値未満であれば、雑音勾配成分推定部６は、雑音音源Ｎが存在しないとして、実時間関数ｓ_ｏｕｔを導出する上記処理を行わず、上記［数１］に示す音圧平均値ｆを目的音として出力する。したがって、回路が発生する雑音や暗騒音等の影響による集音エリア制御の精度劣化を抑制することができる。

Ａ音声入力装置
Ｍ１，Ｍ２マイクロホン
１信号前処理部
２第１の空間勾配算出部
３第２の空間勾配算出部
４軸方向成分算出部
５減算器
６雑音勾配成分推定部
７減算器
８実時間関数変換部

Claims

予め決められた基準位置に対する位置が既知である目的音源が目的音を発するとともに、任意の位置に存在する雑音音源が雑音を発し、
同一平面上に配置された複数のマイクロホンのうち一対のマイクロホンが各々出力する音圧信号に基づいて前記基準位置における音圧信号を求め、基準位置と目的音源との間の距離に基づく空間微分関数を前記求めた音圧信号に適用して第１の空間音圧勾配成分を算出し、
前記一対のマイクロホンの各音圧信号の差分を当該一対のマイクロホン間を結ぶ軸方向成分の距離で除算した第２の空間音圧勾配成分を算出し、
第１の空間音圧勾配成分の前記軸方向の成分を算出し、
第１の空間音圧勾配成分の前記軸方向の成分と第２の空間音圧勾配成分との差分に基づいて雑音の空間音圧勾配成分を推定し、
第１の空間音圧勾配成分または第２の空間音圧勾配成分から、雑音の空間音圧勾配成分を除いた結果に、前記第１の空間音圧勾配成分の算出に用いた空間微分関数の逆関数を適用して実時間関数を導出する処理を行い、
前記処理を１組以上の一対のマイクロホンを用いて行うことによって導出された１乃至複数の実時間関数に基づいて目的音を抽出する
ことを特徴とする集音エリア制御方法。
前記マイクロホンの集音範囲は、所定の指向性を有することを特徴とする請求項１記載の集音エリア制御方法。
無指向性の前記マイクロホンを収納する筐体に、マイクロホンの集音範囲に指向性を付与する手段を設けたことを特徴とする請求項２記載の集音エリア制御方法。
前記第１の空間音圧勾配成分の算出に用いた空間微分関数は、目的音源と基準位置との間の距離による目的音の減衰と、目的音源と基準位置との間の距離による目的音の伝達遅れとを考慮した関数であることを特徴とする請求項１乃至３いずれか記載の集音エリア制御方法。
前記目的音源と基準位置との間の距離による目的音の伝達遅れは、温度による変動要素を含むことを特徴とする請求項４記載の集音エリア制御方法。
前記雑音の空間音圧勾配成分の推定結果が所定の閾値以上である場合にのみ前記目的音の抽出処理を行うことを特徴とする請求項１乃至５いずれか記載の集音エリア制御方法。
予め決められた基準位置に対する位置が既知である目的音源が発する目的音、任意の位置に存在する雑音音源が発する雑音を集音するために同一平面上に配置された複数のマイクロホンと、
複数のマイクロホンのうち一対のマイクロホンが各々出力する音圧信号に基づいて求めた前記基準位置における音圧信号に、基準位置と目的音源との間の距離に基づく空間微分関数を適用して第１の空間音圧勾配成分を算出する第１の空間勾配算出手段と、
一対のマイクロホンの各音圧信号の差分を当該一対のマイクロホン間を結ぶ軸方向成分の距離で除算した第２の空間音圧勾配成分を算出する第２の空間勾配算出手段と、
第１の空間音圧勾配成分の前記軸方向の成分を算出する軸方向成分算出手段と、
第１の空間音圧勾配成分の前記軸方向の成分と第２の空間音圧勾配成分との差分に基づいて雑音の空間音圧勾配成分を推定する雑音勾配成分推定手段と、
第１の空間音圧勾配成分または第２の空間音圧勾配成分から、雑音の空間音圧勾配成分を除いた結果に、前記第１の空間音圧勾配成分の算出に用いた空間微分関数の逆関数を適用して実時間関数を導出する実時間関数変換手段と
を備え、
１組以上の一対のマイクロホンを用いて導出された１乃至複数の実時間関数に基づいて目的音を抽出する
ことを特徴とする音声入力装置。