JP2014068052A - 音響信号処理装置、方法及びプログラム - Google Patents

Abstract

【課題】 入力音響信号が有する周波数帯域に関係なく、多チャンネル入力音響信号におけるマイク感度差を適切に校正する。
【解決手段】 入力音響信号に遅延減算処理を施して、第１、第２の所定方位に死角を有する第１、第２の指向性信号を形成し、これらの指向性信号を用いてコヒーレンスを得る。また、コヒーレンスに基づいて正面から到来する信号区間を検出する。検出された信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出し、得られた校正ゲインで対応する入力音響信号を校正する。
【選択図】 図１

Description

本発明は音響信号処理装置、方法及びプログラムに関し、例えば、複数（多チャンネル）のマイクロホン（以下、マイクと呼ぶ）を利用している、電話やテレビ会議などの通信装置に適用し得るものである。

近年、多チャンネルのマイクを用いた音響信号、音声信号（本明細書においては、音響信号及び音声信号を併せて音響信号と呼んでいることもある）の処理技術が実現されている。このような場合、同じ型番のマイクであっても感度差があり、感度差を校正しなければ正確な音響特徴量の計算ができない。これまでは、事前にマイクの感度を測定し、感度差に応じた補正ゲインを設定したり、チャンネルごとに入力レベルを比較して平均値に一致させるような補正ゲインを自動設定したりなどの手法で対処していた。しかし、前者は手間がかかり、後者はマイクの感度差だけでなく取得した入力信号の差も埋めてしまうため、校正回路の後段で計算する音響特徴量の精度が保障されない、という課題がある。

このような課題の改善方法の一つが、入力信号のうち、マイク正面から到来する信号成分の区間でのみ入力レベルの比較を行って校正ゲインを計算する、というものである。これは、正面から到来する信号ならば各マイクと音源との距離が等しいため、マイクに到達する信号成分の音響的な特性差は微小であり、両者に発生する特性差はマイク感度のみであると期待できることを前提としている。マイクに入力される音響成分のうち特定方位から到来する信号成分のみを検出する先行技術として特許文献１に記載の技術がある。

特許文献１の記載技術は、所定の距離を離して配置された２つのマイクからそれぞれ取得した音声信号に、目的音声以外の他の音声（非目的音声）の影響を受け易い周波数帯域に対して小さい値をとる重み付きＣＳＰ（Ｃｒｏｓｓ−ｐｏｗｅｒ Ｓｐｅｃｔｒｕｍ Ｐｈａｓｅ）係数を用いて、利得調整処理及び目的音声区間の切り出し処理の少なくとも一方を行おうとしたものである。

特開２０１１−１１３０４４号公報

しかしながら、特許文献１の記載技術で利用される重み付きＣＳＰ係数は、所定の周波数帯域を他の周波数帯域と区別する特徴量であるため、非目的音声の周波数帯域と目的音声の周波数帯域の関係や、目的音声が有するスペクトラムによっては、マイク感度差を表す特徴量として適当でないことも生じる。

そのため、入力される音響信号が有する周波数帯域に関係なく、多チャンネルのマイクからの複数の音響信号におけるマイク感度差を測定し、校正できる音響信号処理装置、方法及びプログラムが望まれている。

第１の本発明は、複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理装置において、（１）入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成する第１の指向性形成部と、（２）入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成する第２の指向性形成部と、（３）上記第１及び第２の指向性信号を用いてコヒーレンスを得るコヒーレンス計算部と、（４）上記コヒーレンスに基づいて正面から到来する信号区間を検出する正面到来信号検出部と、（５）正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出する校正ゲイン計算部と、（６）得られた校正ゲインで対応する入力音響信号を校正する複数の校正ゲイン乗算部とを備えることを特徴とする。

第２の本発明は、複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理方法において、（１）第１の指向性形成部は、入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成し、（２）第２の指向性形成部は、入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成し、（３）コヒーレンス計算部は、上記第１及び第２の指向性信号を用いてコヒーレンスを得、（４）正面到来信号検出部は、上記コヒーレンスに基づいて正面から到来する信号区間を検出し、（５）校正ゲイン計算部は、正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出し、（６）複数の校正ゲイン乗算部はそれぞれ、自己に与えられた校正ゲインで対応する入力音響信号を校正することを特徴とする。

第３の本発明の音響信号処理プログラムは、複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理装置に搭載されるコンピュータを、（１）入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成する第１の指向性形成部と、（２）入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成する第２の指向性形成部と、（３）上記第１及び第２の指向性信号を用いてコヒーレンスを得るコヒーレンス計算部と、（４）上記コヒーレンスに基づいて正面から到来する信号区間を検出する正面到来信号検出部と、（５）正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出する校正ゲイン計算部と、（６）得られた校正ゲインで対応する入力音響信号を校正する複数の校正ゲイン乗算部として機能させることを特徴とする。

本発明の音響信号処理装置、方法及びプログラムによれば、入力音響信号が有する周波数帯域に関係なく、多チャンネル入力音響信号におけるマイク感度差を校正することができる。

第１の実施形態に係る音響信号処理装置の構成を示すブロック図である。 第１の実施形態における各指向性形成部からの指向性信号の性質を示す説明図である。 第１の実施形態における２つの指向性形成部による指向性の特性を示す説明図である。 第１の実施形態における校正ゲイン計算部の詳細構成を示すブロック図である。 第１の実施形態における校正ゲイン計算部の動作を示すフローチャートである。 第１の実施形態の変形実施形態における校正ゲイン計算部の動作を示すフローチャートである。 第２の実施形態における校正ゲイン計算部の詳細構成を示すブロック図である。 第２の実施形態における校正ゲイン観測区間長制御部の詳細構成を示すブロック図である。 第２の実施形態における観測区間長記憶部の構成を示す説明図である。 第２の実施形態における校正ゲイン計算部の動作を示すフローチャートである。 第２の実施形態における校正ゲイン観測区間長制御部の動作を示すフローチャートである。

（Ａ）第１の実施形態
以下、本発明による音響信号処理装置、方法及びプログラムの第１の実施形態を、図面を参照しながら詳述する。

第１の実施形態は、音響信号の到来方位に係る特徴量としてコヒーレンスを適用することにより、入力される音響信号が有する周波数帯域に関係なく、複数の音響信号におけるマイク感度差を測定し、校正しようとしたものである。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る音響信号処理装置の構成を示すブロック図である。ここで、一対のマイクｍ＿１及びｍ＿２を除いた部分は、ＣＰＵが実行するソフトウェア（音響信号処理プログラム）として実現することも可能であるが、機能的には、図１で表すことができる。

図１において、第１の実施形態の音響信号処理装置１は、マイクｍ＿１、ｍ＿２、ＦＦＴ部１０、第１指向性形成部１１、第２の指向性形成部１２、コヒーレンス計算部１３、正面到来信号検出部１４、校正ゲイン計算部１５及び校正ゲイン乗算部１６、１７を有する。

一対のマイクｍ＿１、ｍ＿２は、所定距離（若しくは任意の距離）だけ離れて配置され、それぞれ、周囲の音響を捕捉するものである。各マイクｍ＿１、ｍ＿２で捕捉された音響信号（入力信号）は、図示しない対応するＡＤ変換器を介してデジタル信号ｓ１（ｎ）、ｓ２（ｎ）に変換されてＦＦＴ部１０に与えられる。なお、ｎはサンプルの入力順を表すインデックスであり、正の整数で表現される。本文中では、ｎが小さいほど古い入力サンプルであり、大きいほど新しい入力サンプルであるとする。

ＦＦＴ部１０は、マイクｍ＿１及びｍ＿２から入力信号系列ｓ１（ｎ）及びｓ２（ｎ）を受け取り、その入力信号ｓ１及びｓ２に高速フーリエ変換（あるいは離散フーリエ変換）を行うものである。これにより、入力信号ｓ１及びｓ２を周波数領域で表現することができる。なお、高速フーリエ変換を実施するにあたり、入力信号ｓ１（ｎ）及びｓ２（ｎ）から、所定のＮ個のサンプルからなる分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）を構成して適用する。入力信号ｓ１（ｎ）から分析フレームＦＲＡＭＥ１（Ｋ）を構成する例を以下の（１）式に示すが、分析フレームＦＲＡＭＥ２（Ｋ）も同様である。

なお、Ｋはフレームの順番を表すインデックスであり、正の整数で表現される。本文中では、Ｋが小さいほど古い分析フレームであり、大きいほど新しい分析フレームであるとする。また、以降の説明において、特に但し書きがない限りは、分析対象となる最新の分析フレームを表すインデックスはＫであるとする。

ＦＦＴ部１０は、分析フレームごとに高速フーリエ変換処理を施すことで、周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換し、得られた周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）をそれぞれ、対応する第１の指向性形成部１１、第２の指向性形成部１２に与える。なお、ｆは周波数を表すインデックスである。また、Ｘ１（ｆ，Ｋ）は単一の値ではなく、（２）式に示すように、複致の周波数ｆ１〜ｆｍのスペクトル成分から構成されるものである。Ｘ２（ｆ，Ｋ）や後述するＢ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）も同様である。

Ｘ１（ｆ，Ｋ）＝｛（ｆ１，Ｋ），（ｆ２，Ｋ），…，（ｆｍ，Ｋ）｝
…（２）
第１の指向性形成部１１は、周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）から特定方向に指向性が強い信号Ｂ１（ｆ，Ｋ）を形成するものである。第２の指向性形成部１２は、周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）から特定方向（上述の特定方向とは異なる）に指向性が強い信号Ｂ２（ｆ，Ｋ）を形成するものである。特定方向に指向性が強い信号Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）の形成方法としては既存の方法を適用でき、例えば、（３）式を適用して右方向に指向性が強いＢ１（ｆ，Ｋ）や（４）式を適用して左方向に指向性が強いＢ２（ｆ，Ｋ）が形成できる。（３）式及び（４）式では、フレームインデックスＫは演算に関与しないので省略している。

これらの式の意味を、（３）式を例に、図２及び図３を用いて説明する。図２（Ａ）に示した方向θから音波が到来し、距離ｌだけ隔てて設置されている一対のマイクｍ＿１及びｍ＿２で捕捉されたとする。このとき、音波が一対のマイクｍ＿１及びｍ＿２に到達するまでには時間差が生じる。この到達時間差τは、音の経路差をｄとすると、ｄ＝ｌ×ｓｉｎθなので、音速をｃとすると（５）式で与えられる。

τ＝ｌ×ｓｉｎθ／ｃ …（５）
ところで、入力信号ｓ１（ｎ）にτだけ遅延を与えた信号ｓ１（ｔ−τ）は、入力信号ｓ２（ｔ）と同一の信号である。従って、両者の差をとった信号ｙ（ｔ）＝ｓ２（ｔ）−ｓ１（ｔ−τ）は、θ方向から到来した音が除去された信号となる。結果として、マイクロフォンアレーｍ＿１及びｍ＿２は図２（Ｂ）のような指向特性を持つようになる。

なお、以上では、時間領域での演算を記したが、周波数領域で行っても同様なことがいえる。この場合の式が、上述した（３）式及び（４）式である。今、一例として、到来方位θが±９０度であることを想定する。すなわち、第１の指向性形成部１１からの指向性信号Ｂ１（ｆ）は、図３（Ａ）に示すように右方向に強い指向性を有し、第２の指向性形成部１２からの指向性信号Ｂ２（ｆ）は、図３（Ｂ）に示すように左方向に強い指向性を有する。

コヒーレンス計算部１３は、以上のようにして得られた指向性信号Ｂ１（ｆ）、Ｂ２（ｆ）に対し、（６）式、（７）式に示す演算を施すことでコヒーレンスＣＯＨを得るものである。（６）式におけるＢ２（ｆ）^＊はＢ２（ｆ）の共役複素数である。また、フレームインデックスＫは、（６）式、（７）式の演算には関与しないので、（６）式、（７）式ではフレームインデックスＫの記載を省略している。

正面到来信号検出部１４は、コヒーレンスＣＯＨ（Ｋ）を正面到来信号検出閾値Θと比較し、コヒーレンスＣＯＨ（Ｋ）が正面到来信号検出閾値Θより大きければ正面から到来する信号区間とみなして検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)に１．０を代入し、コヒーレンスＣＯＨが正面到来信号検出閾値Θより小さければ正面以外の方位から到来する信号区間とみなして検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)には０．０を代入し、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)を校正ゲイン計算部１５に与えるものである。

ここで、コヒーレンスの大小で入力信号が正面から到来した信号か否かを判定できる理由を簡単に説明する。

コヒーレンスの概念は、コヒーレンスＣＯＨの概念は、右から到来する信号と左から到来する信号の相関と言い換えられる（上述した（６）式はある周波数成分についての相関を算出する式であり、（７）式は全ての周波数成分の相関値の平均を計算している）。従って、コヒーレンスＣＯＨが小さい場合とは、２つの指向性信号Ｂ１及びＢ２の相関が小さい場合であり、反対にコヒーレンスＣＯＨが大きい場合とは相関が大きい場合と言い換えることができる。そして、相関が小さい場合の入力信号は、入力到来方位が右又は左のどちらかに大きく偏っている、つまり、正面以外から到来している信号といえる。一方、コヒーレンスＣＯＨの値が大きい場合は、到来方位の偏りがないため、入力信号が正面から到来する場合であるといえる。このようにコヒーレンスの大小で入力信号の到来方位が正面か否かを判定することができる。

因みに、校正ゲインを決定する段階の２つの入力信号は、一対のマイクｍ＿１及びｍ＿２の感度差がそのまま入り込んでおり、計算されたコヒーレンスＣＯＨは厳密に言えば正確ではないが、マイクの感度差程度では、入力音響信号が正面から到来する場合にはコヒーレンスＣＯＨは大きく、正面以外から到来する場合にはコヒーレンスＣＯＨは小さいという特性は維持されるので、正面から到来する信号の検出には不都合は生じない。

校正ゲイン計算部１５は、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）から、各入力信号ｓ１（ｎ）、ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、ＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを計算し、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨを校正ゲイン乗算部１６に与え、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを校正ゲイン乗算部１７に与えるものである。

校正ゲイン乗算部１６は、入力信号ｓ１（ｎ）に校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨを乗算して乗算後の信号ｙ１（ｎ）を出力するものである。

校正ゲイン乗算部１７は、入力信号ｓ２（ｎ）に校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを乗算して乗算後の信号ｙ２（ｎ）を出力するものである。

校正ゲインが乗算された信号ｙ１（ｎ）及びｙ２（ｎ）は、一対のマイクｍ＿１及びｍ＿２の感度差が是正（校正）されたものとなっている。

図４は、校正ゲイン計算部１５の詳細構成を示すブロック図である。

図４において、校正ゲイン計算部１５は、検出結果・入力信号受信部２１、校正ゲイン計算実行判定部２２、校正ゲイン計算実行部２３、記憶部２４及び校正ゲイン送信部２５を有する。

検出結果・入力信号受信部２１は、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）を取り込むものである。

校正ゲイン計算実行判定部２２は、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０ならば（入力音響の到来方位がほぼ正面ならば）、校正ゲイン計算実行部２３が校正ゲインを計算するように制御し、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が０．０ならば（入力音響の到来方位が正面以外ならば）、校正ゲインを計算させずに、記憶部２４に格納されている値を校正ゲインとして設定するように制御するものである。

校正ゲイン計算実行部２３は、校正ゲイン計算実行判定部２２が校正ゲインの計算を実行するフレームであることを指示したときに、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）に基づいて、入力信号ｓ１（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、入力信号ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを計算するものである。第１の実施形態の校正ゲイン計算実行部２３は、（８）式〜（１２）式に従って、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ及びＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを計算する。

（８）式は、マイクｍ＿１が捕捉した入力信号ｓ１（ｎ）に係る現フレーム（Ｋ番目のフレーム）の全ての構成要素の絶対値の平均ＬＥＶＥＬ＿１ＣＨを算出しているものであり、この算出した値ＬＥＶＥＬ＿１ＣＨはマイクｍ＿１の感度を反映した値とみなすことができる。（９）式は、マイクｍ＿２が捕捉した入力信号ｓ２（ｎ）に係る現フレーム（Ｋ番目のフレーム）の全ての構成要素の絶対値の平均ＬＥＶＥＬ＿２ＣＨを算出しているものであり、この算出した値ＬＥＶＥＬ＿２ＣＨはマイクｍ＿２の感度を反映した値とみなすことができる。なお、例えば、所定フレーム数での各フレームの構成要素の総和値を、マイク感度を反映した値ＬＥＶＥＬ＿１ＣＨ、ＬＥＶＥＬ＿２ＣＨとして用いるようにしても良く、また例えば、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０であった最新のＰ（Ｐ≦Ｋ）個のフレームを構成する全ての要素（信号成分）の絶対値の平均を、マイク感度を反映した値ＬＥＶＥＬ＿１ＣＨ、ＬＥＶＥＬ＿２ＣＨとして用いるようにしても良い。後者の場合、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０であった最新のＰ−１個のフレームの構成要素の絶対値の総和値を保存しておくことにより、現フレーム（Ｋ番目のフレーム）ＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）の情報が与えられたときに容易にマイク感度を反映した値ＬＥＶＥＬ＿１ＣＨ、ＬＥＶＥＬ＿２ＣＨを計算することができる。

上述したように長期間の信号成分の絶対値の平均や総和値を算出することにより、瞬間的な入力信号の変動の影響を抑制してマイク感度を反映した値を算出することができる。（８）式及び（９）式は、マイク感度を反映した値の算出式の一例であり、上述したように、その他、種々の算出式が適用できる。但し、マイクｍ＿１のマイク感度を反映した値ＬＥＶＥＬ＿１ＣＨの算出式と、マイクｍ＿２のマイク感度を反映した値ＬＥＶＥＬ＿２ＣＨの算出式とが同じ算出式であることを要する。

（１０）式は２つのマイクｍ＿１及びｍ＿２の感度ＬＥＶＥＬ＿１ＣＨ及びＬＥＶＥＬ＿２ＣＨの平均ＡＶＥ＿ＬＥＶＥＬを、校正後のマイクｍ＿１及びｍ＿２の目標感度として算出している。なお、２つのマイクｍ＿１及びｍ＿２の感度ＬＥＶＥＬ＿１ＣＨ及びＬＥＶＥＬ＿２ＣＨの大きい方の値若しくは小さい方の値を目標感度とするようにしても良い。

（１１）式は、その右辺の分母ＬＥＶＥＬ＿１ＣＨを左辺に移行した式を考えると理解できるように、マイクｍ＿１の感度ＬＥＶＥＬ＿１ＣＨに校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨを乗算した値が目標感度ＡＶＥ＿ＬＥＶＥＬになるように、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨを定める式になっている。同様に、（１２）式は、その右辺の分母ＬＥＶＥＬ＿２ＣＨを左辺に移行した式を考えると理解できるように、マイクｍ＿２の感度ＬＥＶＥＬ＿２ＣＨに校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを乗算した値が目標感度ＡＶＥ＿ＬＥＶＥＬになるように、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを定める式になっている。

記憶部２４は、校正ゲイン計算実行部２３が校正ゲインを計算しない場合に適用する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ（＝ＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ）及びＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨ（＝ＩＮＩＴ＿ＧＡＩＮ＿２ＣＨ）を記憶しているものである。このような記憶校正ゲインＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ、ＩＮＩＴ＿ＧＡＩＮ＿２ＣＨとして、校正させない値１．０を適用しても良く、また、校正ゲイン計算実行部２３が計算した直近の値を適用するようにしても良い。

校正ゲイン送信部２５は、校正ゲイン計算実行部２３が計算で得た校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ及びＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨ、若しくは、記憶部２４から読み出された校正ゲインＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ及びＩＮＩＴ＿ＧＡＩＮ＿２ＣＨをそれぞれ、対応する校正ゲイン乗算部１６、１７に与えるものである。

（Ａ−２）第１の実施形態の動作
次に、第１の実施形態の音響信号処理装置１の動作を、図面を参照しながら、全体動作、校正ゲイン計算部１５における詳細動作の順に説明する。

一対のマイクｍ＿１及びｍ＿２から入力された信号ｓ１（ｎ）、ｓ２（ｎ）はそれぞれ、ＦＦＴ部１０によって時間領域から周波数領域の信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換された後、第１及び第２の指向性形成部１１及び１２のそれぞれによって、所定の方位に死角を有する指向性信号Ｂ１(ｆ，Ｋ)、Ｂ２（ｆ，Ｋ）が生成される。そして、コヒーレンス計算部１３において、指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）を適用して、（６）式及び（７）式の演算が実行され、コヒーレンスＣＯＨ（Ｋ）が算出される。

校正ゲイン計算部１５においては、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）から、各入力信号ｓ１（ｎ）、ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、ＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨが定えられる。校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨは校正ゲイン乗算部１６に与えられ、入力信号ｓ１（ｎ）に校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨが乗算されて、マイクｍ＿１の感度の平均感度からのずれが是正（校正）された信号ｙ１（ｎ）が出力される。一方、校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨは校正ゲイン乗算部１７に与えられ、入力信号ｓ２（ｎ）に校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨが乗算されて、マイクｍ＿２の感度の平均感度からのずれが是正（校正）された信号ｙ２（ｎ）が出力される。

次に、校正ゲイン計算部１５の動作を説明する。図５は、校正ゲイン計算部１５の動作を示すフローチャートである。

新たなフレームの処理に移行したときには、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）が、校正ゲイン計算部１５に取り込まれる（ステップＳ１００）。そして、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０か否かが判定される（ステップＳ１０１）。

検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０の場合には、入力信号分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）が適用されて、上述した（８）式〜（１２）式に従って、入力信号ｓ１（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、入力信号ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨが計算される（ステップＳ１０２）。なお、校正ゲイン計算実行部２３が計算した直近の値を記憶部２４に記憶させる方法を採用している場合には、ステップＳ１０２において、計算された校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、ＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨが記憶部２４に書き込まれることも実行される。

一方、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が０．０の場合には、記憶部２４に格納されている値ＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ及びＩＮＩＴ＿ＧＡＩＮ＿２ＣＨが、現フレームについての入力信号ｓ１（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、入力信号ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨとして取り出される（ステップＳ１０３）。

そして、計算で得られた校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ及びＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨ、若しくは、記憶部２４から読み出された校正ゲインＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ及びＩＮＩＴ＿ＧＡＩＮ＿２ＣＨがそれぞれ、対応する校正ゲイン乗算部１６、１７に与えられる（ステップＳ１０４）。

その後、処理フレームを規定するパラメータＫを１インクリメントして、次のフレームの処理に進む（ステップＳ１０５）。

（Ａ−３）第１の実施形態の効果
上記第１の実施形態によれば、コヒーレンスを適用して音響信号の到来方位が正面か否かを判定し、到来方位が正面のときの入力音響信号を用いて校正ゲインを得るようにしたので、入力音響信号が有する周波数帯域に関係なく、マイク感度差を適切に校正することができる。

これにより、第１の実施形態の音響信号処理装置を、テレビ会議システムや携帯電話などの通信装置に適用することで、通話音質の向上が期待できる。

（Ａ−４）第１の実施形態の変形実施形態
ところで、マイク感度差は固定のものとみなすことができ、従って、校正ゲインは一度計算した後は変動することはないとみなすことができる。このような状況で、定常的に校正ゲインを更新し続けることは演算量の無駄となるので、途中から更新を停止するようにしても良い。

この場合には、校正ゲイン計算部１３の校正ゲイン計算実行判定部２２で、例えば、校正ゲインの計算を実施したフレーム数をＣＯＵＮＴＥＲという変数を用いて観測し、変数ＣＯＵＮＴＥＲが所定の閾値Ｔを上回った後は、校正ゲインの計算を行うことなく、常に記憶部２４を照合するのみとする、という制御を追加すれば良い。図６は、このような変形実施形態における校正ゲイン計算部１３の動作を示すフローチャートであり、上述した図５との同一、対応ステップには同一符号を付して示している。第１の実施形態との変更点は、上述の通り、ステップＳ１０１の処理に変数ＣＯＵＮＴＥＲによる判定が追加されたことと、ステップＳ１０２の処理に変数ＣＯＵＮＴＥＲの１インクリメント処理が追加されたことである。

（Ｂ）第２の実施形態
次に、本発明による音響信号処理装置、方法及びプログラムの第２の実施形態を、図面を参照しながら詳述する。

（Ｂ−１）第２の実施形態に至った考え方
音響信号処理装置をテレビ会議システムや携帯電話などの通信装置に適用する場合、入力信号は、正面から到来する目的話者の音声（目的音声）、正面以外から到来する目的話者以外の人の声（妨害音声）、背景雑音の３種に大別できる。妨害音声は音声なので、通常の音声区間検出方法では目的音声と区別できないのだが、到来方位によって値が変化するコヒーレンスによる判定ならば目的音声と区別することができる。しかし、目的音声と妨害音声とが重畳された区間は目的音声と判定される。この状態で、第１の実施形態の方法で校正ゲインを計算すると、妨害音声の成分も反映された状態で校正ゲインが計算されてしまう。この結果、「入力信号ｓ１（ｎ）及びｓ２（ｎ）の特性差はマイク感度差のみに由来し、音響的な特性差は微小」という前提が崩れ、校正ゲインの推定精度が低下してしまう。妨害音の到来方位が正面に近ければ、精度の劣化度は小さいが、到来方位が右や左に偏るほどに精度の劣化が大きくなってしまう。

第２の実施形態は、妨害音声が存在する場合であっても、校正ゲインの推定精度の劣化を防止しようとしたものである。

精度の劣化は校正ゲインを計算する区間を長くすることで軽減できる。そこで、第２の実施形態では、非目的音声区間（妨害音声、背景雑音区間）でのコヒーレンスＣＯＨから、妨害音声の到来方位を推定し、到来方位に応じて適切な校正区間長Ｔを設定できるようにした。

（Ｂ−２）第２の実施形態の構成
第２の実施形態に係る音響信号処理装置も、その全体構成は、第１の実施形態の説明で用いた図１で表すことができる。なお、図１における符号１Ａは、第２の実施形態の音響信号処理装置を表している。

第２の実施形態の音響信号処理装置１Ａは、校正ゲイン計算部（第２の実施形態では符号１５Ａを用いる）が第１の実施形態と異なっており、その他の構成要素、すなわち、マイクｍ＿１、ｍ＿２、ＦＦＴ部１０、第１指向性形成部１１、第２の指向性形成部１２、コヒーレンス計算部１３、正面到来信号検出部１４及び校正ゲイン乗算部１６、１７は、第１の実施形態のものと同様であり、その説明は省略する。

図７は、第２の実施形態の校正ゲイン計算部１５Ａの詳細構成を示すブロック図である。

図７において、校正ゲイン計算部１５Ａは、検出結果・入力信号受信部２１Ａ、校正ゲイン計算実行判定部２２Ａ、校正ゲイン計算実行部２３、記憶部２４、校正ゲイン送信部２５及び校正ゲイン観測区間長制御部２６を有する。校正ゲイン計算実行部２３、記憶部２４及び校正ゲイン送信部２５は、第１の実施形態のものと同様なものであり、その説明は省略する。

検出結果・入力信号受信部２１Ａは、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）に加え、コヒーレンスＣＯＨ（Ｋ）を取り込むものである。

校正ゲイン観測区間長制御部２６は、非目的音声区間のコヒーレンスに基づいて、後述するようにして校正ゲイン観測区間長Ｔを定めて、校正ゲイン計算実行判定部２２Ａに与えるものである。

校正ゲイン計算実行判定部２２Ａは、校正ゲイン観測区間長Ｔを閾値として設定し、校正ゲイン観測区間長Ｔを超えたフレームについては、記憶部２４から校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、ＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨを読み出すように制御するものである（図６参照）。

図８は、第２の実施形態の校正ゲイン観測区間長制御部２６の詳細構成を示すブロック図である。

図８において、校正ゲイン観測区間長制御部２６は、コヒーレンス・検出結果受信部３１、非目的音声コヒーレンス平均処理実施判定部３２、非目的音声コヒーレンス平均計算部３３、校正ゲイン観測区間長照合部３４、観測区間長記憶部３５及び校正ゲイン観測区間長送信部３６を有する。

コヒーレンス・検出結果受信部３１は、コヒーレンスＣＯＨ（Ｋ）と検出結果ＶＡＤ＿ＲＥＳ（Ｋ）を取得するものである。

非目的音声コヒーレンス平均処理実施判定部３２は、検出結果ＶＡＤ＿ＲＥＳ（Ｋ）が０．０か否かを確認し、検出結果ＶＡＤ＿ＲＥＳ（Ｋ）が０．０のフレームならば非目的音区間として、非目的音声コヒーレンス平均計算部３３及び校正ゲイン観測区間長照合部３４による処理を実施させ、検出結果ＶＡＤ＿ＲＥＳ（Ｋ）が１．０のフレームならば、非目的音声コヒーレンス平均計算部３３及び校正ゲイン観測区間長照合部３４による処理を実施させないように制御するものである。

非目的音声コヒーレンス平均計算部３３は、現フレーム区間が非目的音声区間であれば、（１３）式に従って、非目的音声区間におけるコヒーレンスの平均値を計算し直し、現フレーム区間が目的音声区間であれば非目的音声区間におけるコヒーレンスの平均値は更新せず、前フレームの平均値を流用するものである。

ＡＶＥ＿ＣＯＨ（Ｋ）＝δ×ＣＯＨ（Ｋ）＋（１．０−δ）×ＡＶＥ＿ＣＯＨ（Ｋ−１） （０．０＜δ＜１．０） …（１３）
（１３）式は、現フレーム区間（動作開始時点から数えてＫ番目のフレーム）の入力音響に対するコヒーレンスＣＯＨ（Ｋ）と、直前フレーム区間で得られた平均値ＡＶＥ＿ＣＯＨ（Ｋ−１）との重み付け加算平均値を計算しており、δの値の大小で、瞬時値ＣＯＨ（Ｋ）の平均値への寄与度を調整することができる。仮に、δを０に近い小さい値に設定した場合には、瞬時値の平均値への寄与度が小さくなるので、平均値ＡＶＥ＿ＣＯＨ（Ｋ）におけるコヒーレンスＣＯＨ（Ｋ）の変動の影響を抑制できる。また、δが１に近い値であれば、瞬時値の寄与度が高まるので、平均の効果を弱めることができる。

観測区間長記憶部３５は、非目的音声区間におけるコヒーレンス平均値と校正ゲイン観測区間長との対応関係が記憶しているものである。図９は、観測区間長記憶部３５の構成を示す説明図である。図９の例では、コヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）がＤ以上Ｃ未満の範囲では校正ゲイン観測区間長としてγが対応付けられ、コヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）がＣ以上Ｂ未満の範囲では校正ゲイン観測区間長としてβ（＜γ）が対応付けられ、コヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）がＢ以上Ａ未満の範囲では校正ゲイン観測区間長としてα（＜β）が対応付けられている。すなわち、コヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）が小さくなればなるほど（妨害音の到来方位が正面からずれればずれるほど）、校正ゲイン観測区間長Ｔを長くするようになされている。

コヒーレンスは到来方位によってレンジが異なるため、コヒーレンスの平均値と到来方位を対応付けることができる。すなわち、コヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）が得られれば到来方位を推定できる。今、妨害音声の到来方位を知りたいので、検出結果ＶＡＤ＿ＲＥＳ（Ｋ）が０．０の区間、すなわち、非目的音声区間を検出し、当該区間でのコヒーレンス平均値を算出している。そして、妨害音の到来方位と直結した特徴量であるコヒーレンスの平均値と観測区間長を対応付け、この対応関係に基づいて適切な観測区間長を取り出すようにしている。

因みに、校正ゲイン観測区間長Ｔを非常に長い値に固定した場合、正面から大きくずれた方位からの妨害音の存在による校正ゲインの計算精度の低下を防止できるが、その反面、妨害音がない状態や正面近くからの妨害音がある場合において、校正ゲインが適切になった以降も長期に渡って無駄な計算を行う。そこで、第２の実施形態においては、妨害音の到来方位に応じて、校正ゲイン観測区間長Ｔを制御することとした。

校正ゲイン観測区間長照合部３４は、非目的音声コヒーレンス平均計算部３３が計算した非目的音声区間におけるコヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）をキーとして観測区間長記憶部３５を照合し、校正ゲイン観測区間長Ｔを得るものである。

校正ゲイン観測区間長送信部３６は、校正ゲイン観測区間長Ｔを校正ゲイン計算実行判定部２２Ａに与えるものである。

（Ｂ−３）第２の実施形態の動作
次に、第２の実施形態の音響信号処理装置１Ａの動作を、図面を参照しながら、校正ゲイン計算部１５Ａにおける詳細動作、校正ゲイン観測区間長制御部２６における詳細動作の順に説明する。

図１０は、第２の実施形態の校正ゲイン計算部１５Ａの動作を示すフローチャートであり、上述した図６との同一、対応ステップには同一符号を付して示している。

新たなフレームの処理に移行したときには、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)、入力信号分析フレームＦＲＡＭＥ１（Ｋ）、ＦＲＡＭＥ２（Ｋ）及びコヒーレンスＣＯＨ（Ｋ）が、校正ゲイン計算部１５Ａに取り込まれる（ステップＳ１００）。

次に、校正ゲイン観測区間長Ｔが定められて設定される（ステップＳ１０６）。そして、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０で、かつ、変数ＣＯＵＮＴＥＲが閾値（校正ゲイン観測区間長）Ｔ以下であるか判定される（ステップＳ１０１）。この閾値Ｔは上述したようにステップＳ１０６で設定された値を用いる。

検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０で、かつ、変数ＣＯＵＮＴＥＲが閾値（校正ゲイン観測区間長）Ｔ以下の場合には、入力信号分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）が適用されて、上述した（８）式〜（１２）式に従って、入力信号ｓ１（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、入力信号ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨが計算され、また、変数ＣＯＵＮＴＥＲが１インクリメントされる（ステップＳ１０２）。

一方、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が０．０、若しくは、変数ＣＯＵＮＴＥＲが閾値Ｔを超えている、の一方が成立した場合には、記憶部２４に格納されている値ＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ及びＩＮＩＴ＿ＧＡＩＮ＿２ＣＨが、現フレームについての入力信号ｓ１（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ、及び、入力信号ｓ２（ｎ）に対する校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨとして取り出される（ステップＳ１０３）。

そして、計算で得られた校正ゲインＣＡＬＩＢ＿ＧＡＩＮ＿１ＣＨ及びＣＡＬＩＢ＿ＧＡＩＮ＿２ＣＨ、若しくは、記憶部２４から読み出された校正ゲインＩＮＩＴ＿ＧＡＩＮ＿１ＣＨ及びＩＮＩＴ＿ＧＡＩＮ＿２ＣＨがそれぞれ、対応する校正ゲイン乗算部１６、１７に与えられる（ステップＳ１０４）。

その後、処理フレームを規定するパラメータＫを１インクリメントして、次のフレームの処理に進む（ステップＳ１０５）。

次に、校正ゲイン観測区間長制御部２６における詳細動作を、図１１のフローチャートを参照しながら説明する。

新たなフレームの処理に移行したときには、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)及びコヒーレンスＣＯＨ（Ｋ）が、校正ゲイン観測区間長制御部２６に取り込まれる（ステップＳ２００）。そして、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が０．０か否かが判定される（ステップＳ２０１）。

検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が０．０であれば、非目的音声区間におけるコヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）が、現フレームのコヒーレンスＣＯＨ（Ｋ）を適用した上述した（１３）式に従って算出され（ステップＳ２０２）、一方、検出結果格納変数ＶＡＤ＿ＲＥＳ(Ｋ)が１．０であれば、直前フレームのコヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ−１）を、現フレームにおけるコヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）としてそのまま適用される（ステップＳ２０３）。

そして、現フレームにおけるコヒーレンス平均値ＡＶＥ＿ＣＯＨ（Ｋ）をキーとして、観測区間長記憶部３５が照合され、校正ゲイン観測区間長Ｔが得られる（ステップＳ２０４）。

その後、処理フレームを規定するパラメータＫを１インクリメントして、次のフレームの処理に進む（ステップＳ２０５）。

なお、以上では、校正ゲイン観測区間長Ｔをフレーム毎に更新する場合を示したが、必ずしもフレーム毎に更新する必要はなく、校正ゲイン観測区間長Ｔを一度決定したら本機能を停止させるようにしても良く、あるいは、停止期間が所定期間になるごと（例えば３００フレームごと）に校正ゲイン観測区間長Ｔの決定動作を再開させるようにしても良く、校正ゲイン観測区間長Ｔの決定に関し、装置利用者が任意に調整できるようにしても良い。

（Ｂ−４）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態と同様な効果に加え、以下のような効果を奏することができる。すなわち、第２の実施形態によれば、到来方位に応じて校正ゲイン観測区間長を最適値に設定できるので、妨害音が重畳していても校正ゲインの計算誤差を軽減することができる。

これにより、第１の実施形態の音響信号処理装置を、テレビ会議システムや携帯電話などの通信装置に適用することで、通話音質の向上が期待できる。

（Ｃ）他の実施形態
上記実施形態では、校正されていない入力信号をＦＦＴ部１０に入力させるものを示したが、計算した校正ゲインによって校正された入力信号がＦＦＴ部１０に入力させるようにし（フィードバック校正とし）、入力信号ｓ１（ｎ）、ｓ２（ｎ）にそれぞれ校正ゲインを乗算した校正後の入力信号を用いて校正ゲインを計算する構成とするようにしても良い。これにより、校正ゲイン計算の回数が増すごとに得られる校正ゲインの精度を高めることができる。この場合においては、フィードバックによって過去のフレームの情報が反映されるので、上述した（８）式及び（９）式を適用して、現フレームの全ての構成要素の絶対値の平均（ＬＥＶＥＬ＿１ＣＨ、ＬＥＶＥＬ＿２ＣＨ）を算出するようにすれば良い。

第２の実施形態（や第１の実施形態の変形実施形態）では、予め定めた校正ゲイン観測区間長Ｔによって校正ゲイン計算の終了判定を行っているが、これに限らず、例えば、校正ゲインの値が収束したときに校正ゲインの計算を終了させるようにしても良い。更新前後の校正ゲインの差が一定値以下になったことを、校正ゲインの値が収束したと捉えるようにしても良い。

上記各実施形態の説明では、マイクｍ＿１、ｍ＿２以外の構成要素は、マイク感度差の校正のためだけに設けられているように説明したが、マイクｍ＿１、ｍ＿２以外の構成要素を他の目的のために流用するようにしても良い。例えば、校正ゲイン乗算部１６、１７を、ボイススイッチ用の乗算部として併用し、ボイススイッチ用の係数と校正ゲインとを乗算した値を、併用する乗算部に与えるようにしても良い。

上記第２の実施形態では、テーブル構成の記憶部を利用して、校正ゲイン観測区間長を取得するものを示したが、コヒーレンス平均値から対応する校正ゲイン観測区間長を取得する方法は、変換テーブルを利用する方法に限定されず、例えば、変換関数を利用する方法であっても良い。

上記各実施形態において、周波数領域の信号で処理していた処理を、可能ならば時間領域の信号で処理するようにしても良く、逆に、時間領域の信号で処理していた処理を、可能ならば周波数領域の信号で処理するようにしても良い。

上記各実施形態では、一対のマイクが捕捉した信号を直ちに処理する場合を示したが、本発明の処理対象の音響信号はこれに限定されるものではない。例えば、記録媒体から読み出した一対の音響信号を処理する場合にも、本発明を適用することができ、また、対向装置から送信されてきた一対の音響信号を処理する場合にも、本発明を適用することができる。

上記各実施形態においては、マイクが２本の２チャンネル音響信号を処理する装置を示したが、これより多いチャンネル数の音響信号を処理する装置に対しても、本発明の技術思想を適用することができる。この場合において、ＦＦＴ部１０へは多チャンネルの中から選定した２チャンネルの信号を入力させ、校正ゲインは各チャンネルについて算出するようにしても良く、目標感度は、各チャンネルの感度の平均値とすれば良い。

１、１Ａ…音響信号処理装置、ｍ＿１、ｍ＿２…マイク、１０…ＦＦＴ部、１１…第１指向性形成部、１２…第２の指向性形成部、１３…コヒーレンス計算部、１４…正面到来信号検出部、１５、１５Ａ…校正ゲイン計算部、１６、１７…校正ゲイン乗算部、２１、２１Ａ…検出結果・入力信号受信部、２２、２２Ａ…校正ゲイン計算実行判定部、２３…校正ゲイン計算実行部、２４…記憶部、２５…校正ゲイン送信部、２６…校正ゲイン観測区間長制御部。

Claims (7)

1. 複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理装置において、
   入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成する第１の指向性形成部と、
   入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成する第２の指向性形成部と、
   上記第１及び第２の指向性信号を用いてコヒーレンスを得るコヒーレンス計算部と、
   上記コヒーレンスに基づいて正面から到来する信号区間を検出する正面到来信号検出部と、
   正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出する校正ゲイン計算部と、
   得られた校正ゲインで対応する入力音響信号を校正する複数の校正ゲイン乗算部と
   を備えることを特徴とする音響信号処理装置。
2. 上記校正ゲイン計算部は
   上記正面到来信号検出部が正面から到来する信号区間ではないと検出した区間の上記コヒーレンスに基づいて、校正ゲインの観測区間長を定める校正ゲイン観測区間長決定部と、
   校正ゲインの観測区間長内の正面から到来する信号区間において、校正ゲインの算出を実行させ、校正ゲインの観測区間長を超えた信号区間、並びに、校正ゲインの観測区間長内の正面以外から到来する信号区間において、校正ゲインの算出を実行させないように制御する校正ゲイン計算実行判定部と、
   校正ゲインを記憶する校正ゲイン記憶部と、
   校正ゲインの算出を実行させる信号区間において、校正ゲインを算出して出力すると共に、算出した校正ゲインを上記校正ゲイン記憶部に記憶させ、校正ゲインの算出を実行させない信号区間において、上記校正ゲイン記憶部から校正ゲインを読み出して出力する校正ゲイン計算実行部と
   を有することを特徴とする請求項１に記載の音響信号処理装置。
3. 上記校正ゲイン観測区間長制御部は、
   上記正面到来信号検出部が正面から到来する信号区間ではないと検出した区間の上記コヒーレンスの平均値を得るコヒーレンス平均計算部と、
   コヒーレンスの平均値の段階と校正ゲインの観測区間長との対応関係を記憶している観測区間長記憶部と、
   上記コヒーレンス平均計算部が求めたコヒーレンスの平均値が属する段階の校正ゲインの観測区間長を上記観測区間長記憶部から取得する校正ゲイン観測区間長照合部と
   を有することを特徴とする請求項２に記載の音響信号処理装置。
4. 上記校正ゲイン計算部は、上記各入力音響信号のそれぞれについて、その入力音響信号における複数の信号成分の絶対値の平均値を、その入力音響信号に係るマイク感度の指標値として算出することを特徴とする請求項１〜３のいずれかに記載の音響信号処理装置。
5. 上記校正ゲイン計算部は、算出された複数のマイク感度の指標値の平均値を目標感度に決定し、決定した目標感度を、上記各入力音響信号のそれぞれに係るマイク感度の指標値で除算することにより、上記各入力音響信号のそれぞれに対する校正ゲインを算出することを特徴とする請求項１〜４のいずれかに記載の音響信号処理装置。
6. 複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理方法において、
   第１の指向性形成部は、入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成し、
   第２の指向性形成部は、入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成し、
   コヒーレンス計算部は、上記第１及び第２の指向性信号を用いてコヒーレンスを得、
   正面到来信号検出部は、上記コヒーレンスに基づいて正面から到来する信号区間を検出し、
   校正ゲイン計算部は、正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出し、
   複数の校正ゲイン乗算部はそれぞれ、自己に与えられた校正ゲインで対応する入力音響信号を校正する
   ことを特徴とする音響信号処理方法。
7. 複数の入力音響信号におけるマイク感度の相違を校正する音響信号処理装置に搭載されるコンピュータを、
   入力音響信号に遅延減算処理を施すことで、第１の所定方位に死角を有する指向性特性を付与した第１の指向性信号を形成する第１の指向性形成部と、
   入力音響信号に遅延減算処理を施すことで、上記第１の所定方位とは異なる第２の所定方位に死角を有する指向性特性を付与した第２の指向性信号を形成する第２の指向性形成部と、
   上記第１及び第２の指向性信号を用いてコヒーレンスを得るコヒーレンス計算部と、
   上記コヒーレンスに基づいて正面から到来する信号区間を検出する正面到来信号検出部と、
   正面から到来する信号区間の各入力音響信号を用い、各入力音響信号のそれぞれについて同じ演算を行ってマイク感度の指標値を算出し、算出された複数のマイク感度の指標値から目標感度を決定し、各入力音響信号のそれぞれのマイク感度の指標値と目標感度とから、各入力音響信号のそれぞれに対する校正ゲインを算出する校正ゲイン計算部と、
   得られた校正ゲインで対応する入力音響信号を校正する複数の校正ゲイン乗算部と
   して機能させることを特徴とする音響信号処理プログラム。

Images