JP2015061306A - 音声処理装置及び音声処理用コンピュータプログラム - Google Patents

Abstract

【課題】音源の方向が正確に特定できない場合でも、音声信号の歪みを抑制しつつ、雑音を抑制できる音声処理装置を提供する。
【解決手段】音声処理装置１は、第１及び第２の音声入力部（２−１、２−２）が生成した第１及び第２の音声信号を、第１及び第２の周波数信号に変換し、第１の周波数信号と第２の周波数信号間の位相差を各周波数について算出し、収音対象の音源の想定される方向に対応する、周波数ごとの第１の音声信号と第２の音声信号間の位相差の基準範囲外または基準範囲内に設定された各拡張範囲について、第１の周波数信号と第２の周波数信号間の位相差がその拡張範囲に含まれる周波数の数から存在率を算出し、存在率が所定値よりも高い第１の拡張範囲及び第１の拡張範囲よりも基準範囲の中心の位相差に近い第２の拡張範囲を基準範囲とともに第１及び第２の周波数信号を抑制範囲よりも減衰させない非抑制範囲に設定する。
【選択図】図２

Description

本発明は、例えば、複数のマイクロホンを用いて音声を集音する音声処理装置及び音声処理用コンピュータプログラムに関する。

近年、携帯電話機、電話会議システム、またはハンズフリー機能を備えた電話機といった、複数のマイクロホンにより音声を集音する音声処理装置が開発されている。このような音声処理装置において、集音した音声のうち、特定方向からの音声を聞き取り易くするために、その特定方向以外からの音声を減衰させる技術が研究されている（例えば、特許文献１及び２を参照）。

例えば、特許文献１に開示された指向性集音装置は、複数方向に存在する音源からの音を周波数軸上の信号に変換し、周波数軸上の信号を抑制する抑制関数を算出し、その抑制関数を元の信号の周波数軸上の信号の振幅成分に乗算して周波数軸上の信号を補正する。この指向性集音装置は、各周波数軸上の信号の位相成分を同じ周波数ごとに算出し、位相成分の差分を算出し、その差分に基づいて、所定の方向に音源が存在する確率を示す確率値を特定する。そしてこの指向性集音装置は、その確率値に基づいて所定の方向の音源以外の音源からの音を抑制する抑制関数を算出する。

また、特許文献２に開示された雑音抑制装置は、２つ以上のマイクロホンが受信した音の音源を分離し、分離した音源のうち、目的音の音源方向を推定する。そしてこの雑音抑制装置は、目的音の音源方向を用いてマイクロホン間の位相差を検出し、検出された位相差を用いて位相差の中心値を更新し、更新された中心値を用いて生成された雑音抑制フィルタを用いて、マイクロホンが受信した音の雑音を抑制する。

特開２００７−３１８５２８号公報 特開２０１０−１７６１０５号公報

しかしながら、集音された音声信号の信号対雑音比(Signal to Noise Ratio, SNR)が低いと、その音声信号から目的音と雑音とを分離することは困難である。そのため、SNRが低い場合には、音源方向の存在確率が正しく算出されなかったり、位相差の中心値が更新されない。その結果として、音源の方向が正しく推定されないおそれがあった。そのため、何れの先行技術でも、強調したい音声が誤って抑制されたり、あるいは、抑制すべき音声が抑制されず、結果として得られる音声信号が歪んでしまうおそれがあった。

そこで本明細書は、音源の方向が正確に特定できない場合でも、音声信号の歪みを抑制しつつ、雑音を抑制できる音声処理装置を提供することを目的とする。

一つの実施形態によれば、音声処理装置が提供される。この音声処理装置は、集音した音声を表す第１の音声信号を生成する第１の音声入力部と、第１の音声入力部と異なる位置に配置され、集音した音声を表す第２の音声信号を生成する第２の音声入力部と、収音対象の音源の想定される方向に対応する、周波数ごとの第１の音声信号と第２の音声信号間の位相差の範囲を表す基準範囲と、基準範囲外または基準範囲内に、基準範囲の一端から順に並ぶように設定された、周波数ごとの第１の音声信号と第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲とを記憶する記憶部と、第１の音声信号及び第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換する時間周波数変換部と、フレームごとに、第１の周波数信号と第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出する位相差算出部と、フレームごとに、少なくとも一つの拡張範囲のそれぞれについて、第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、第１の周波数信号と第２の周波数信号間の位相差がその拡張範囲に含まれる周波数の数の比である存在率を算出する存在率算出部と、フレームごとに、少なくとも一つの拡張範囲のうち、存在率が所定値よりも高い第１の拡張範囲及び第１の拡張範囲よりも基準範囲の中心の位相差に近い第２の拡張範囲と、基準範囲のうちの第１の拡張範囲よりも基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、非抑制範囲に含まれない位相差の範囲を抑制範囲に設定する非抑制範囲設定部と、フレームごとに、第１の周波数信号及び第２の周波数信号のうちの少なくとも一方について、第１の周波数信号と第２の周波数信号間の位相差が非抑制範囲に含まれる周波数の成分よりも、第１の周波数信号と第２の周波数信号間の位相差が抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出する抑圧係数算出部と、フレームごとに、第１及び第２の周波数信号のうちの少なくとも一方の各周波数の成分の振幅に、対応する周波数の抑圧係数を乗じることで第１及び第２の周波数信号のうちの少なくとも一方を補正する信号補正部と、補正された第１及び第２の周波数信号のうちの少なくとも一方を、時間領域の補正後の音声信号に変換する周波数時間変換部とを有する。

本発明の目的及び利点は、請求項において特に指摘されたエレメント及び組み合わせにより実現され、かつ達成される。
上記の一般的な記述及び下記の詳細な記述の何れも、例示的かつ説明的なものであり、請求項のように、本発明を限定するものではないことを理解されたい。

本明細書に開示された音声処理装置は、音源の方向が正確に特定できない場合でも、音声信号の歪みを抑制しつつ、雑音を抑制できる。

音声処理装置の概略構成図である。 処理部の概略構成図である。 基準範囲及び拡張範囲の一例を示す図である。 基準範囲及び拡張範囲の他の一例を示す図である。 非抑制範囲と抑制範囲の一例を示す図である。 抑制範囲及び非抑制範囲と抑圧係数の関係の一例を示す図である。 音声処理の動作フローチャートである。 （ａ）は、この変形例による、基準範囲と拡張範囲の一例を示す図である。（ｂ）及び（ｃ）は、それぞれ、（ａ）に示された基準範囲及び拡張範囲に対して設定される非抑制範囲の一例を示す図である。 変形例による非抑制範囲の設定に関する動作フローチャートである。 振幅比と第２の抑圧係数の関係の一例を示す図である。

以下、図を参照しつつ、様々な実施形態による音声処理装置について説明する。この音声処理装置は、複数の音声入力部によりそれぞれ集音された音声信号間の位相差を複数の周波数のそれぞれごとに求める。そしてこの音声処理装置は、音声信号のうち、目的音の音源の想定される方向に相当する位相差の範囲である基準範囲から位相差が外れる周波数についての成分を雑音として減衰させる。ただし、この音声処理装置は、基準範囲と隣接する拡張範囲についても、その拡張範囲に位相差が含まれる周波数の数の割合が一定以上となる場合に、その拡張範囲も信号減衰の対象外とする。これにより、この音声処理装置は、目的音のSNRが低く、目的音の到来方向を正確に推定できない場合でも、目的音が減衰され難くすることで、雑音抑制による音声の歪みを抑制する。

図１は、一つの実施形態による音声処理装置の概略構成図である。音声処理装置１は、例えば、携帯電話機であり、音声入力部２−１及び２−２と、アナログ／デジタル変換部３と、記憶部４と、記憶媒体アクセス装置５と、処理部６と、通信部７と、出力部８とを有する。

音声入力部２−１及び２−２は、例えば、それぞれ、マイクロホンを有し、音声入力部２−１及び音声入力部２−２の周囲の音声を集音し、その音声の音量に応じたアナログ音声信号を生成してアナログ／デジタル変換部３へ出力する。なお、音声入力部２−１及び音声入力部２−２は、音源の位置に応じて各音声入力部間で音声が達する時間が異なるように、例えば、所定の間隔（例えば、数cm程度）を空けて配置される。例えば、音声入力部２−１は、携帯電話機の筐体の長手方向の一方の端部近傍に配置され、音声入力部２−２は、その筐体の長手方向の他方の端部近傍に配置される。そのため、音源の方向によって、二つの音声入力部２−１及び２−２で得られた音声信号間の位相差も変化する。したがって、この位相差を調べることにより、音声処理装置１は、音源の方向を推定できる。

アナログ／デジタル変換部３は、例えば、アンプと、アナログ／デジタル変換器とを有する。アナログ／デジタル変換部３は、音声入力部２−１及び２−２から受け取ったアナログ音声信号をアンプによりそれぞれ増幅する。そしてアナログ／デジタル変換部３は、、その増幅されたアナログ音声信号をアナログ／デジタル変換器により所定のサンプリング周期（例えば、8kHz）でサンプリングすることにより、デジタル化された音声信号を生成する。なお、以下では、便宜上、音声入力部２−１により生成されたアナログ音声信号をデジタル化した音声信号を第１の音声信号と呼び、音声入力部２−２により生成されたアナログ音声信号をデジタル化した音声信号を第２の音声信号と呼ぶ。アナログ／デジタル変換部３は、第１及び第２の音声信号を処理部６へ出力する。

記憶部４は、例えば、読み書き可能な半導体メモリと読み出し専用の半導体メモリとを有する。そして記憶部４は、音声処理装置１で用いられる各種コンピュータプログラム及び各種のデータを記憶する。

また記憶部４は、周波数ごとの、第１の音声信号と第２の音声信号間の位相差の範囲である基準範囲を示す情報を記憶する。さらに、記憶部４は、基準範囲の一端から順に並ぶように設定された、周波数ごとの第１の音声信号と第２の音声信号間の位相差の範囲である少なくとも一つの拡張範囲を示す情報を記憶する。なお、基準範囲を示す情報及び拡張範囲を示す情報は、例えば、周波数ごとの、基準範囲及び拡張範囲の両端の位相差を含む。あるいは、基準範囲及び各拡張範囲を表す情報は、周波数ごとの、基準範囲及び各拡張範囲の中心の位相差と、基準範囲及び各拡張範囲の位相差の幅を含んでもよい。なお、基準範囲及び拡張範囲の詳細については後述する。

記憶媒体アクセス装置５は、例えば、半導体メモリカードといった記憶媒体１０にアクセスする装置である。記憶媒体アクセス装置５は、例えば、記憶媒体１０に記憶された処理部６上で実行されるコンピュータプログラムを読み込み、処理部６に渡す。

処理部６は、一つまたは複数のプロセッサと、メモリ回路と、周辺回路とを有する。処理部６は、音声処理装置１全体を制御する。
処理部６は、音声処理装置１が有するタッチパネルなどの操作部（図示せず）を介したユーザの操作により、例えば、通話が開始されると、呼び出し、応答、切断などの呼制御処理を実行する。

また処理部６は、第１及び第２の音声信号に含まれる、集音対象の音である目的音以外の音または雑音を減衰させることにより第１及び第２の音声信号を補正して、その目的音を聞き取り易くする。そして処理部６は、補正された第１及び第２の音声信号を符号化し、その符号化された第１及び第２の音声信号を通信部７を介して出力する。また処理部６は、通信部７を介して他の機器から受け取った、符号化された音声信号を復号し、その復号された音声信号を出力部８へ出力する。
本実施形態では、目的音は、例えば、音声処理装置１を使用して通話するユーザの声であり、目的音の音源は、ユーザの口である。
なお、処理部６による音声処理の詳細については後述する。

通信部７は、処理部６により補正された第１及び第２の音声信号を他の機器へ送信する。そのために、通信部７は、例えば、無線処理部及びアンテナを有する。通信部７の無線処理部は、処理部６により符号化された音声信号を含むアップリンク信号を無線周波数を持つ搬送波に重畳する。そしてそのアップリンク信号は、アンテナを介して他の機器へ送信される。また通信部７は、他の機器から音声信号を含むダウンリンク信号を受信してもよい。そして通信部７は、そのダウンリンク信号を処理部６へ渡してもよい。

出力部８は、例えば、処理部６から受け取った音声信号をアナログ化するためのデジタル／アナログ変換器とスピーカとを有し、処理部６から受け取った音声信号を再生する。

以下、処理部６による音声処理の詳細について説明する。
図２は、処理部６の概略構成図である。処理部６は、時間周波数変換部１１と、位相差算出部１２と、存在率算出部１３と、非抑制範囲設定部１４と、抑圧係数算出部１５と、信号補正部１６と、周波数時間変換部１７とを有する。
処理部６が有するこれらの各部は、例えば、処理部６が有するプロセッサ上で実行されるコンピュータプログラムによって実現される機能モジュールとして実装される。あるいは、処理部６が有するこれらの各部は、処理部６が有するプロセッサとは別個に、それらの各部の機能を実現する一つの集積回路として音声処理装置１に実装されてもよい。

時間周波数変換部１１は、第１の音声信号を所定の時間長（例えば、数10msec）を持つフレーム単位に分割し、フレームごとに時間周波数変換することにより、周波数領域の信号である第１の周波数信号を算出する。同様に、時間周波数変換部１１は、第２の音声信号をフレーム単位に分割し、フレームごとに時間周波数変換することにより、周波数領域の信号である第２の周波数信号を算出する。時間周波数変換部１１は、例えば、時間周波数変換として、高速フーリエ変換(Fast Fourier Transform, FFT)、または修正離散コサイン変換(Modified Discrete Cosine Transform, MDCT)を利用できる。第１及び第２の周波数信号には、フレームに含まれるサンプリング点の総数の1/2個の周波数成分が含まれる。
時間周波数変換部１１は、フレームごとに、第１及び第２の周波数信号を位相差算出部１２及び信号補正部１６へ出力する。

位相差算出部１２は、フレームごとに、周波数ごとの第１の周波数信号の位相と第２の周波数信号の位相間の差を求める。例えば、位相差算出部１２は、次式に従って周波数ごとの位相差Δθ_fを求める。

ただし、S_1fは、第１の周波数信号のうちの周波数fにおける成分を表し、S_2fは、第２の周波数信号のうちの周波数fにおける成分を表す。またfsは、サンプリング周波数を表す。
位相差算出部１２は、各周波数帯域の位相差Δθ_fを存在率算出部１３及び信号補正部１６へ渡す。

存在率算出部１３は、フレームごとに、拡張範囲のそれぞれについて、第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、位相差Δθ_fが含まれる周波数の数の比を、その拡張範囲についての存在率として算出する。

ここで、基準範囲及び拡張範囲について説明する。基準範囲は、目的音の音源の想定される方向に相当する、第１の音声信号と第２の音声信号間の周波数ごとの位相差の範囲である。基準範囲は、例えば、音声処理装置１についての想定される標準的な持ち方と、音声入力部２−１、２−２の配置に応じて予め設定される。また、拡張範囲は、本実施形態では、基準範囲に相当する音の到来方向よりも目的音の到来方向である可能性は低いものの、ユーザによる音声処理装置１の持ち方などによっては目的音の到来方向となり得る音の方向に対応する位相差の範囲である。

図３は、基準範囲及び拡張範囲の一例を示す図である。図３において、横軸は周波数を表し、縦軸は位相差を表す。この例では、基準範囲３０１よりも位相差が小さい方に２個の拡張範囲３０２、３０３が設定されている。拡張範囲３０２は基準範囲３０１の位相差が小さい方の端部に隣接し、拡張範囲３０３は、拡張範囲３０２の位相差が小さい方の端部に隣接している。この例では、位相差が小さい拡張範囲ほど、その拡張範囲に含まれる位相差の幅が狭くなる。この理由は、位相差が小さいほど、音源は、音声入力部２−１と音声入力部２−２に対して等距離となる位置に近く、音源方向の推定精度が向上するためである。また図３に示されたテーブル３００は、4kHzでの基準範囲及び各拡張範囲における端部の位相差dn(n=1〜4)及び基準範囲及び各拡張範囲の両端の位相差間の間隔Δdn(n=1〜3)を示す。この例では、第１及び第２の音声信号は、第１及び第２の音声入力部により生成されたアナログの音声信号がサンプリング周波数8kHzでサンプリングされることで生成されたものとする。そして、第１の音声入力部２−１と第２の音声入力部２−２間の距離が、（音速／サンプリング周波数）よりも小さいとする。この例では、第１及び第２の周波数信号の最も高い周波数(4kHz)成分について、基準範囲及び各拡張範囲の両端の位相差d_n、d_n+1と、その両端の位相差間の間隔Δd_nとの間に以下の関係が成り立つように、基準範囲及び各拡張範囲が設定されている。

図４は、基準範囲及び拡張範囲の他の一例を示す図である。図４において、横軸は周波数を表し、縦軸は位相差を表す。この例では、基準範囲４０１よりも位相差が大きい方に２個の拡張範囲４０２、４０３が設定されている。拡張範囲４０２は基準範囲４０１の位相差が大きい方の端部に隣接し、拡張範囲４０３は、拡張範囲４０２の位相差が大きい方の端部に隣接している。この例でも、位相差が小さいほど、拡張範囲も狭くなる。また図４に示されたテーブル４００は、4kHzでの基準範囲及び各拡張範囲における端部の位相差d_n(n=1〜4)及び基準範囲及び各拡張範囲の両端の位相差間の間隔Δd_n(n=1〜3)を示す。なお、この例では、基準範囲及び各拡張範囲の両端の位相差d_n、d_n+1と、その両端の位相差間の間隔Δd_nとの間に以下の関係が成り立つように、基準範囲及び拡張範囲が設定されている。

上記の例では、拡張範囲は、基準範囲の一方の側にのみ設定されているが、拡張範囲は、基準範囲の両側に設定されてもよい。また、基準範囲よりも位相差が大きい方に設定される拡張範囲の数は、基準範囲よりも位相差が小さい方に設定される拡張範囲の数と異なっていてもよい。

存在率算出部１３は、記憶部４から基準範囲及び各拡張範囲を表す情報を読み込む。そして存在率算出部１３は、フレームごとに、各拡張範囲について、位相差がその拡張範囲に含まれる周波数の数をカウントする。そして存在率算出部１３は、次式に従って、各拡張範囲について、第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、位相差がその拡張範囲に含まれる周波数の比である存在率を算出する。

ここで、r_n(n=1,2,..,N、ただしNは拡張範囲の数)は、基準範囲の中心の位相差に近い方から順にn番目の拡張範囲の存在率である。m_nは、位相差がn番目の拡張範囲に含まれる周波数の数である。lは、フレームに含まれるサンプリング点の数（例えば、512または1024）である。
存在率算出部１３は、各拡張範囲についての存在率を非抑制範囲設定部１４に通知する。

非抑制範囲設定部１４は、フレームごとに、各拡張範囲の存在率に基づいて、第１及び第２の周波数信号を減衰させる位相差の範囲である抑制範囲と、第１及び第２の周波数信号を減衰させない位相差の範囲である非抑制範囲とを設定する。

本実施形態では、非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順にn番目の拡張範囲（第１の拡張範囲）における存在率が所定値よりも高い場合、n番目の拡張範囲とともに、1〜(n-1)番目の拡張範囲（第２の拡張範囲）を、基準範囲とともに非抑制範囲に設定する。一方、非抑制範囲設定部１４は、非抑制範囲以外の範囲を抑制範囲に設定する。なお、抑制範囲には、基準範囲の中心の位相差に近い方から順に(n+1)〜N番目の拡張範囲（第３の拡張範囲）が含まれる。所定値は、例えば、目的音の音源が基準範囲または1〜n番目の拡張範囲に相当する方向にあると推定される場合の存在率の下限値、例えば、0.5に設定される。

図５は、非抑制範囲と抑制範囲の一例を示す図である。図５において、横軸は周波数を表し、縦軸は位相差を表す。この例では、基準範囲５００に近い方から順に、３個の拡張範囲５０１〜５０３が設定されている。そして、拡張範囲５０２についての存在率が所定値よりも高いとする。そのため、基準範囲５００と、拡張範囲５０２及び拡張範囲５０１が非抑制範囲５１１となり、その他の範囲が抑制範囲となる。

なお、所定値は、拡張範囲ごとに設定されてもよい。基準範囲の定義上、基準範囲に近い位相差に対応する方向ほど、目的音の音源が存在する方向である確率が高い。そこで、例えば、基準範囲から離れた拡張範囲ほど、その拡張範囲に対して設定される所定値は高くてもよい。例えば、基準範囲に隣接する拡張範囲についての所定値は、0.5に設定され、基準範囲と注目する拡張範囲の間に存在する他の拡張範囲の数が一つ増える度に、所定値は0.05または0.1ずつ増加するように、各拡張範囲の所定値が設定されてもよい。これにより、雑音の到来方向を、目的音の到来方向と誤って認識してしまう可能性が低くなるので、非抑制範囲が広くなり過ぎて、雑音の抑制が不十分となることが防止される。

また、変形例によれば、非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順に、1〜n番目の拡張範囲の存在率の合計が所定値よりも高い場合に、1〜n番目の拡張範囲の全てを基準範囲とともに非抑制範囲に含めてもよい。これにより、第１の音声信号と第２の音声信号間の推定された周波数ごとの位相差のばらつきが大きい場合でも、非抑制範囲設定部１４は、適切に非抑制範囲を設定できる。なお、この場合にも、非抑制範囲が広くなり過ぎて、雑音の抑制が不十分となることを防止するために、所定値は、基準範囲の中心の位相差から離れるほど高くなるように設定されることが好ましい。

非抑制範囲設定部１４は、抑制範囲及び非抑制範囲を抑圧係数算出部１５へ通知する。

抑圧係数算出部１５は、フレームごとに、第１及び第２の周波数信号の各周波数成分のうち、位相差が非抑制範囲に含まれる周波数成分については減衰させず、一方、位相差が抑制範囲に含まれる周波数成分を減衰させる抑圧係数を算出する。抑圧係数算出部１５は、例えば、周波数帯域fにおける抑圧係数G(f,Δθ_f)を以下のように設定する。
G(f,Δθ_f) = 1 (Δθ_fは、非抑制範囲内)
G(f,Δθ_f) = 0 (Δθ_fは、抑制範囲内)
この例では、抑圧係数G(f,Δθ_f)が1である場合には、第１及び第２の周波数信号は減衰せず、抑圧係数G(f,Δθ_f)が小さくなるほど、第１及び第２の周波数信号は減衰される。

また、抑圧係数算出部１５は、非抑制範囲から外れた位相差となる周波数成分に対する抑圧係数G(f,Δθ_f)を、位相差と非抑制範囲の上限または下限との差の絶対値が大きくなるにつれて単調減少させてもよい。

図６は、抑制範囲及び非抑制範囲と抑圧係数の関係の一例を示す図である。図６の左側には、基準範囲及び拡張範囲と、設定された非抑制範囲が示され、図６の右側には、周波数4kHzにおける抑圧係数が示される。図６の左側において、横軸は周波数を表し、縦軸は位相差を表す。また図６の右側において、横軸は位相差を表し、縦軸は抑圧係数を表す。

ここで、基準範囲６００のみが非抑制範囲に含まれるとする。すなわち、周波数4kHzにおいて、位相差d1〜d2の範囲が非抑制範囲に含まれるとする。この場合、折れ線６１１に示されるように、抑圧係数は、位相差d1〜d2の区間では1となり、位相差がd1よりも大きくなるほど、あるいは、d2よりも小さくなるほど、単調減少する。そして位相差がd1に対してΔdより大きくなるか、d2に対してΔdより小さくなると、抑圧係数は0で一定となる。

また、基準範囲６００とともに、拡張範囲６０１が非抑制範囲に含まれるとする。すなわち、周波数4kHzにおいて、位相差d1〜d3の範囲が非抑制範囲に含まれるとする。この場合、折れ線６１２に示されるように、抑圧係数は、位相差d1〜d3の区間では1となり、位相差がd1よりも大きくなるほど、あるいは、d3よりも小さくなるほど、単調減少する。

なお、抑圧係数の算出方法は上記の例に限られない。抑圧係数は、位相差が非抑制範囲に含まれる周波数の成分よりも、位相差が抑制範囲に含まれる周波数の成分を減衰させるように算出されればよい。

抑圧係数算出部１５は、各周波数の抑圧係数G(f,Δθ_f)を信号補正部１６へ渡す。

信号補正部１６は、フレームごとに、第１及び第２の周波数信号を、例えば、次式に従って、第１及び第２の周波数信号間の位相差Δθ_f及び抑圧係数算出部１５から受け取った抑圧係数G(f,Δθ_f)に基づいて補正する。

ここで、X(f)は、第１あるいは第２の周波数信号の振幅成分を表し、Y(f)は、補正後の第１あるいは第２の周波数信号の振幅成分を表す。またfは周波数帯域を表す。（５）式から明らかなように、抑圧係数G(f,Δθ_f)が小さいほど、Y(f)は小さくなる。したがって、位相差Δθ_fが非抑制範囲から外れている周波数における、第１及び第２の周波数信号の成分は信号補正部１６によって減衰される。一方、位相差Δθ_fが非抑制範囲に含まれる周波数における、第１及び第２の周波数信号の成分は減衰されない。なお、信号補正部１６は、（５）式に限らず、非抑制範囲から外れた位相差を持つ周波数における第１及び第２の周波数信号の成分を減衰させる他の関数に従って、第１及び第２の周波数信号を補正してもよい。
信号補正部１６は、補正後の第１及び第２の周波数信号を周波数時間変換部１７へ渡す。

周波数時間変換部１７は、フレームごとに、補正された第１及び第２の周波数信号を、それぞれ、時間周波数変換部１１が用いた時間周波数変換の逆変換を用いて時間領域の信号に変換することにより、補正された第１及び第２の音声信号を得る。
これにより、目的音の音源が位置する方向とは異なる方向からの音及び雑音が減衰するので、補正された第１及び第２の音声信号は、目的音を聞き取り易くした音声信号となる。

図７は、処理部６により実行される音声処理の動作フローチャートである。処理部６は、フレーム単位で以下の処理を実行する。
時間周波数変換部１１は、第１及び第２の音声信号を周波数領域の第１及び第２の周波数信号に変換する（ステップＳ１０１）。そして時間周波数変換部１１は、第１及び第２の周波数信号を、位相差算出部１２及び信号補正部１６へ渡す。

位相差算出部１２は、複数の周波数のそれぞれについて第１の周波数信号と第２の周波数信号間の位相差Δθ_fを算出する（ステップＳ１０２）。そして位相差算出部１２は、各周波数の位相差Δθ_fを存在率算出部１３及び信号補正部１６へ渡す。

存在率算出部１３は、拡張範囲ごとに、存在率r_nを算出する（ステップＳ１０３）。そして存在率算出部１３は、各拡張範囲の存在率r_nを非抑制範囲設定部１４へ通知する。

非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順に、1番目の拡張範囲を着目拡張範囲に設定する(n=1)（ステップＳ１０４）。そして非抑制範囲設定部１４は、着目拡張範囲の存在率r_nが所定値Thよりも高いか否か判定する（ステップＳ１０５）。着目拡張範囲の存在率r_nが所定値Thよりも高い場合（ステップＳ１０５−Ｙｅｓ）、非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順に、1〜n番目の拡張範囲を、基準範囲とともに非抑制範囲に設定する（ステップＳ１０６）。

一方、着目拡張範囲の存在率r_nが所定値Th以下の場合（ステップＳ１０５−Ｎｏ）、非抑制範囲設定部１４は、着目拡張範囲が基準範囲の中心の位相差から最も離れたN番目の拡張範囲か否か判定する（ステップＳ１０７）。着目拡張範囲がN番目の拡張範囲であれば(すなわち、n==N)（ステップＳ１０７−Ｙｅｓ）、非抑制範囲設定部１４は、基準範囲のみを非抑制範囲に設定する（ステップＳ１０８）。
一方、着目拡張範囲がN番目の拡張範囲でなければ（ステップＳ１０７−Ｎｏ）、非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順に(n+1)番目の拡張範囲を、次の着目拡張範囲に設定する（ステップＳ１０９）。そして非抑制範囲設定部１４は、ステップＳ１０５以降の処理を繰り返す。

ステップＳ１０６またはＳ１０８の後、抑圧係数算出部１５は、周波数ごとに、位相差が非抑制範囲に含まれる第１及び第２の周波数信号を減衰させず、位相差が抑制範囲に含まれる第１及び第２の周波数信号を減衰させる抑圧係数を算出する（ステップＳ１１０）。そして抑圧係数算出部１５は、周波数ごとの抑圧係数を信号補正部１６へ出力する。

信号補正部１６は、周波数ごとに、その周波数の抑圧係数を第１及び第２の周波数信号の振幅に乗じることで第１及び第２の周波数信号を補正する（ステップＳ１１１）。そして信号補正部１６は、補正された第１及び第２の周波数信号を周波数時間変換部１７へ出力する。

周波数時間変換部１７は、補正された第１及び第２の周波数信号を時間領域の補正された第１及び第２の音声信号に変換する（ステップＳ１１２）。そして処理部６は、補正された第１及び第２の音声信号を出力し、その後、音声処理を終了する。

なお、ステップＳ１０３の処理とステップＳ１０４の処理の順序は入れ替えられてもよい。この場合には、最初に全ての拡張領域について存在率が算出される代わりに、着目拡張領域が設定される度に、その着目拡張領域の存在率が算出されてもよい。

以上に説明してきたように、この音声処理装置は、周波数ごとの第１の音声信号と第２の音声信号の位相差が多数含まれる拡張範囲まで、非抑制範囲に含める。これにより、第１及び第２の音声信号のSNRが低い場合でも、この音声処理装置は、雑音を減衰させつつ、目的音を減衰させてしまうことを抑制できるので、目的音が歪むことを防止できる。

なお、変形例によれば、基準範囲は、予め広く、例えば、目的音の想定される到来方向の範囲全体に対応するように設定され、基準範囲内に１以上の拡張範囲が設定されてもよい。この場合には、非抑制範囲設定部１４は、例えば、基準範囲の外側に近い拡張範囲から順に存在率が所定値を超えるか否か調べる。そして非抑制範囲設定部１４は、基準範囲のうち、存在率が最初に所定値よりも高くなった拡張範囲（第１の拡張範囲）よりも基準範囲の外側に位置する拡張範囲（第３の拡張範囲）と重ならない範囲を、非抑制範囲とする。

図８（ａ）は、この変形例による、基準範囲と拡張範囲の一例を示す図である。図８（ａ）において、横軸は周波数を表し、縦軸は位相差を表す。この例では、基準範囲８００の中に、二つの拡張範囲８０１、８０２が設定されている。拡張範囲８０１は、その一端が基準範囲８００の位相差が小さい方の端部と接するように設定され、拡張範囲８０２は、拡張範囲８０１の他端と接するように、拡張範囲８０１よりも基準範囲８００の中心の位相差に近い位置に設定される。なお、この例でも、位相差が0に近いほど、拡張範囲は狭く設定されることが好ましい。

図８（ｂ）及び図８（ｃ）は、それぞれ、図８（ａ）に示された基準範囲及び拡張範囲に対して設定される非抑制範囲の一例を示す図である。図８（ｂ）及び図８（ｃ）において、横軸は周波数を表し、縦軸は位相差を表す。ここで、拡張範囲８０１の存在率が所定値以下であり、かつ、拡張範囲８０２の存在率が所定値よりも高い場合、図８（ｂ）に示されるように、非抑制範囲設定部１４は、非抑制範囲８１０を、基準範囲８００から拡張範囲８０１を除いた範囲に設定する。一方、拡張範囲８０１及び拡張範囲８０２の何れの存在率も所定値以下である場合、図８（ｃ）に示されるように、非抑制範囲設定部１４は、非抑制範囲８１１を、基準範囲８００から拡張範囲８０１及び８０２を除いた範囲に設定する。

図９は、この変形例による非抑制範囲設定部１４の非抑制範囲の設定に関する動作フローチャートである。非抑制範囲設定部１４は、図７に示された動作フローチャートにおけるステップＳ１０４〜Ｓ１０９の代わりに、以下に示す動作フローチャートに従って非抑制範囲及び抑制範囲を設定する。

非抑制範囲設定部１４は、基準範囲の一端に隣接する、基準範囲の中心の位相差から最も遠い拡張範囲を着目拡張範囲に設定する(すなわち、n=N)（ステップＳ２０１）。そして非抑制範囲設定部１４は、着目拡張範囲の存在率r_nが所定値Thよりも高いか否か判定する（ステップＳ２０２）。着目拡張範囲の存在率r_nが所定値Thよりも高い場合（ステップＳ２０２−Ｙｅｓ）、非抑制範囲設定部１４は、基準範囲から、着目拡張範囲よりも基準範囲の外側に近い(n+1)〜N番目の拡張範囲を除いた範囲を非抑制範囲に設定する（ステップＳ２０３）。

一方、着目拡張範囲の存在率r_nが所定値Th以下の場合（ステップＳ２０２−Ｎｏ）、非抑制範囲設定部１４は、着目拡張範囲が基準範囲の中心の位相差に最も近い拡張範囲か否か判定する（ステップＳ２０４）。着目拡張範囲が基準範囲の中心の位相差に最も近い拡張範囲であれば(すなわち、n==1)（ステップＳ２０４−Ｙｅｓ）、非抑制範囲設定部１４は、基準範囲からすべての拡張範囲を除いた範囲を非抑制範囲に設定する（ステップＳ２０５）。
一方、着目拡張範囲が基準範囲の中心の位相差に最も近い拡張範囲でなければ（ステップＳ２０４−Ｎｏ）、非抑制範囲設定部１４は、基準範囲の中心の位相差に近い方から順に(n-1)番目の拡張範囲を、次の着目拡張範囲に設定する（ステップＳ２０６）。そして非抑制範囲設定部１４は、ステップＳ２０２以降の処理を繰り返す。また、ステップＳ２０３またはＳ２０５の後、ステップＳ１１０以降の処理が実行される。

次に、第２の実施形態による音声処理装置について説明する。第２の実施形態による音声処理装置は、全ての拡張範囲について存在率が所定値以下となるか否かによって、抑圧係数の算出方法を変更する。

第２の実施形態による音声処理装置は、第１の実施形態による音声処理装置と比較して、抑圧係数算出部１５による処理が異なる。そこで以下では、抑圧係数算出部１５及び関連部分について説明する。第２の実施形態による音声処理装置のその他の構成要素については、第１の実施形態による音声処理装置の対応する構成要素についての説明を参照されたい。

抑圧係数算出部１５は、何れかの拡張範囲について存在率が所定値よりも高くなる場合、第１の実施形態と同様に、第１の周波数信号と第２の周波数信号の位相差に基づいて抑圧係数を算出する。一方、抑圧係数算出部１５は、全ての拡張範囲について存在率が所定値以下となる場合、位相差に基づく第１の抑圧係数候補と、位相差以外の雑音らしさを表す指標に基づく第２の抑圧係数候補を算出する。抑圧係数算出部１５は、第１の抑圧係数候補を、上記の実施形態における抑圧係数と同様に、位相差が非抑制範囲に含まれる周波数の成分よりも、位相差が抑制範囲に含まれる周波数の成分を減衰させるように求める。ただし、第１の抑圧係数候補の最小値は、0よりも大きい値、例えば、0.1〜0.5に設定されることが好ましい。また、抑圧係数算出部１５は、雑音らしさを表す指標が雑音である確率が高いことを示すほど、第２の抑圧係数候補の値を小さくすることが好ましい。そして抑圧係数算出部１５は、全ての周波数について、第１の抑圧係数候補と第２の抑圧係数候補から、第１の抑圧係数候補及び第２の抑圧係数候補のうちの小さい方以下となるように、抑圧係数を算出する。

雑音らしさを表す指標として、例えば、第１の周波数信号の振幅と第２の周波数信号の振幅の比が利用される。例えば、第１の音声入力部２−１の方が、第２の音声入力部２−２よりも目的音の音源に近いことが想定される場合、振幅比R(f)は次式で算出される。

ここで、A₁(f)は、第１の周波数信号の周波数fの成分であり、A₂(f)は、第２の周波数信号の周波数fの成分である。

一般に、マイクロホンの位置が音源に近いほど、音声信号に含まれるその音源からの音の成分も大きくなる。したがって、振幅比R(f)が小さいほど、その周波数成分の音源は第１の音声入力部２−１の方に近く、振幅比R(f)が大きいほど、その周波数成分の音源は第２の音声入力部２−２の方に近いと推定される。そのため、周波数fにおける振幅比R(f)が大きいほど、第１及び第２の周波数信号のうちの周波数fの成分は雑音成分である可能性が高いと推定される。そこで、抑圧係数算出部１５は、振幅比R(f)が1未満の所定の閾値（例えば、0.6〜0.8）よりも大きい場合に第１及び第２の周波数信号を減衰させ、その所定の閾値以下の場合には、第１及び第２の周波数信号を減衰させないように、第２の抑圧係数候補を設定する。

図１０は、振幅比と第２の抑圧係数候補の関係の一例を示す図である。図１０において、横軸は振幅比R(f)を表し、縦軸は第２の抑圧係数候補を表す。そして折れ線１０００は、振幅比R(f)と第２の抑圧係数候補の関係を表す。振幅比R(f)が閾値Th以下の場合、第２の抑圧係数候補は1、すなわち、第１及び第２の周波数信号を減衰させない値に設定される。そして振幅比R(f)が閾値Thよりも高くなるにつれて第２の抑圧係数候補は単調減少し、第２の閾値Th2以上となると、第２の抑圧係数候補は一定値Gminとなる。なお、Gminは、例えば、0.1〜0.5に設定される。

また、雑音らしさを表す指標として、振幅比の代わりに、第１の音声信号と第２の音声信号間の相互相関値が用いられてもよい。第１の音声入力部２−１と第２の音声入力部２−２の両方が、同一の目的音を集音していれば、第１の音声信号と第２の音声信号は類似する。そのため、相互相関値の絶対値は大きくなる。一方、第１の音声入力部２−１と第２の音声入力部２−２が異なる音源からの音を集音していれば、相互相関値の絶対値は小さくなる。そこで、抑圧係数算出部１５は、相互相関値の絶対値が所定の閾値（例えば、0.5）未満の場合、第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させる値（例えば、0.1〜0.5）に設定する。一方、抑圧係数算出部１５は、相互相関値の絶対値が所定の閾値以上の場合、第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させない値、すなわち、1に設定する。

さらにまた、雑音らしさを表す指標として、第１及び第２の音声入力部のうちの、目的音の音源に近いと推定される方の音声入力部により生成された音声信号の自己相関値が用いられてもよい。以下では、第１の音声入力部２−１の方が、第２の音声入力部２−２よりも目的音の音源に近いものとして説明する。

目的音が人の声である場合、第１の周波数信号には、時間的に連続する二つのフレーム間で類似性がある。そこで、抑圧係数算出部１５は、時間的に連続する二つのフレームの第１の周波数信号間の自己相関値を算出する。そして抑圧係数算出部１５は、自己相関値の絶対値が所定の閾値（例えば、0.5）未満の場合、第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させる値（例えば、0.1〜0.5）に設定する。一方、抑圧係数算出部１５は、自己相関値の絶対値が所定の閾値以上の場合、第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させない値、すなわち、1に設定する。

さらにまた、雑音らしさを表す指標として、抑圧係数算出部１５は、第１及び第２の音声入力部のうちの、目的音の音源に近いと推定される方の音声入力部により生成された音声信号の定常性が用いられてもよい。以下では、第１の音声入力部２−１の方が、第２の音声入力部２−２よりも目的音の音源に近いものとして説明する。

一般に、第１の音声信号の特定の周波数成分が定常雑音によるものである場合、その周波数成分の振幅は時間経過によってもあまり変化しない。したがって、周波数成分の振幅の変化が小さいほど、その周波数成分は定常雑音らしいと推定される。そこで、抑圧係数算出部１５は、次式に従って周波数ごとに、第１の周波数信号の定常性を求める。

ここで、I_f(i)は、現フレームの周波数fにおける第１の周波数信号の振幅スペクトルであり、I_f(i-1)は、一つ前のフレームの周波数fにおける第１の周波数信号の振幅スペクトルである。またI_f,avgは、周波数fにおける第１の周波数信号の振幅スペクトルの長期的な平均値であり、例えば、直近の10〜100フレームの振幅スペクトルの平均値とすることができる。そしてS_f(i)は、現フレームの周波数fについての定常性を表す。

抑圧係数算出部１５は、S_f(i)が所定の閾値（例えば、0.5）以上である場合、周波数fに対する第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させる値（例えば、0.1〜0.5）に設定する。一方、抑圧係数算出部１５は、Sf(i)が所定の閾値未満の場合、第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させない値、すなわち、1に設定する。なお、抑圧係数算出部１５は、全ての周波数についてのSf(i)の平均値S(i)を現フレームの定常性として算出してもよい。そして抑圧係数算出部１５は、S(i)が所定の閾値（例えば、0.5）以上である場合、全ての周波数に対する第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させる値（例えば、0.1〜0.5）に設定してもよい。一方、抑圧係数算出部１５は、S(i)が所定の閾値未満の場合、全ての周波数に対する第２の抑圧係数候補を、第１及び第２の周波数信号を減衰させない値、すなわち、1に設定してもよい。

抑圧係数算出部１５は、第１の抑圧係数候補と第２の抑圧係数候補が算出された場合には、各周波数について、第１の抑圧係数候補と第２の抑圧係数候補のうちの小さい方を抑圧係数とする。あるいは、抑圧係数算出部１５は、各周波数について、第１の抑圧係数候補に第２の抑圧係数候補を乗じて得られる値を抑圧係数としてもよい。
抑圧係数算出部１５は、周波数ごとに、求めた抑圧係数を信号補正部１６へ出力する。

この実施形態によれば、音声処理装置は、周波数ごとに算出された位相差が特定の拡張範囲内に集中しておらず、音源方向の特定が困難でも、複数の指標に基づいて抑圧係数を算出するので、より適切な抑圧係数を設定できる。

また、上記の各実施形態またはその変形例による音声処理装置は、第１及び第２の音声信号のうちの一方のみを補正してもよい。この場合には、上記の各実施形態またはその変形例において、抑圧係数は、第１及び第２の周波数信号のうちの補正対象となる方の周波数信号についてのみ算出されてもよい。そして信号補正部１６は、その補正対象の周波数信号のみを補正し、周波数時間変換部１７は、補正対象となった周波数信号のみを時間領域の信号に変換してもよい。

さらに、上記の各実施形態または変形例による音声処理装置の処理部が有する各機能をコンピュータに実現させるコンピュータプログラムは、磁気記録媒体あるいは光記録媒体といった、コンピュータによって読み取り可能な媒体に記録された形で提供されてもよい。

ここに挙げられた全ての例及び特定の用語は、読者が、本発明及び当該技術の促進に対する本発明者により寄与された概念を理解することを助ける、教示的な目的において意図されたものであり、本発明の優位性及び劣等性を示すことに関する、本明細書の如何なる例の構成、そのような特定の挙げられた例及び条件に限定しないように解釈されるべきものである。本発明の実施形態は詳細に説明されているが、本発明の精神及び範囲から外れることなく、様々な変更、置換及び修正をこれに加えることが可能であることを理解されたい。

以上説明した実施形態及びその変形例に関し、更に以下の付記を開示する。
（付記１）
集音した音声を表す第１の音声信号を生成する第１の音声入力部と、
前記第１の音声入力部と異なる位置に配置され、集音した音声を表す第２の音声信号を生成する第２の音声入力部と、
収音対象の音源の想定される方向に対応する、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す基準範囲と、前記基準範囲外または前記基準範囲内に、前記基準範囲の一端から順に並ぶように設定された、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲とを記憶する記憶部と、
前記第１の音声信号及び第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換する時間周波数変換部と、
前記フレームごとに、前記第１の周波数信号と前記第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出する位相差算出部と、
前記フレームごとに、前記少なくとも一つの拡張範囲のそれぞれについて、前記第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、前記第１の周波数信号と前記第２の周波数信号間の位相差が当該拡張範囲に含まれる周波数の数の比である存在率を算出する存在率算出部と、
前記フレームごとに、前記少なくとも一つの拡張範囲のうち、前記存在率が所定値よりも高い第１の拡張範囲及び該第１の拡張範囲よりも前記基準範囲の中心の位相差に近い第２の拡張範囲と、前記基準範囲のうちの前記第１の拡張範囲よりも前記基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、前記非抑制範囲に含まれない位相差の範囲を抑制範囲に設定する非抑制範囲設定部と、
前記フレームごとに、前記第１の周波数信号及び前記第２の周波数信号のうちの少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出する抑圧係数算出部と、
前記フレームごとに、前記第１及び第２の周波数信号のうちの前記少なくとも一方の各周波数の成分の振幅に、対応する周波数の前記抑圧係数を乗じることで第１及び第２の周波数信号のうちの前記少なくとも一方を補正する信号補正部と、
前記補正された第１及び第２の周波数信号のうちの前記少なくとも一方を、時間領域の補正後の音声信号に変換する周波数時間変換部と、
を有する音声処理装置。
（付記２）
前記少なくとも一つの拡張範囲の位相差の幅は、位相差が０に近い拡張範囲ほど狭くなるように設定される、付記１に記載の音声処理装置。
（付記３）
前記抑圧係数算出部は、前記拡張範囲の全てについて前記存在率が前記所定値以下の場合、前記第１の周波数信号及び前記第２の周波数信号のうちの前記少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる第１の抑圧係数候補と、前記第１及び第２の周波数信号が雑音らしいほど前記第１の周波数信号及び前記第２の周波数信号のうちの前記少なくとも一方を減衰させる第２の抑圧係数候補とを算出し、周波数帯域全体において、前記第１の抑圧係数候補と前記第２の抑圧係数候補のうちの小さい方の値以下となるように前記抑圧係数を算出する、付記１または２に記載の音声処理装置。
（付記４）
前記基準範囲の中心の位相差から離れた拡張範囲ほど、当該拡張範囲に対する前記所定値が高くなるように前記所定値が設定される、付記１〜３の何れかに記載の音声処理装置。
（付記５）
前記非抑制範囲設定部は、フレームごとに、前記基準範囲の中心の位相差に近いほうから順に１番目から所定番目までの拡張範囲の前記存在率の合計が前記所定番目の拡張範囲についての前記所定値よりも高い場合、前記１番目から前記所定番目の拡張範囲と、前記基準範囲のうちの前記所定番目の拡張範囲よりも前記基準範囲の中心の位相差から離れた拡張範囲と重ならない範囲を非抑制範囲に設定する、付記４に記載の音声処理装置。
（付記６）
第１の音声入力部により集音した音声を表す第１の音声信号を生成し、
前記第１の音声入力部と異なる位置に配置された第２の音声入力部により集音した音声を表す第２の音声信号を生成し、
前記第１の音声信号及び第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換し、
前記フレームごとに、前記第１の周波数信号と前記第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出し、
前記フレームごとに、収音対象の音源の想定される方向に対応する、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す基準範囲外または前記基準範囲内に、前記基準範囲の一端から順に並ぶように設定された、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲のそれぞれについて、前記第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、前記第１の周波数信号と前記第２の周波数信号間の位相差が当該拡張範囲に含まれる周波数の数の比である存在率を算出し、
前記フレームごとに、前記少なくとも一つの拡張範囲のうち、前記存在率が所定値よりも高い第１の拡張範囲及び該第１の拡張範囲よりも前記基準範囲の中心の位相差に近い第２の拡張範囲と、前記基準範囲のうちの前記第１の拡張範囲よりも前記基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、前記非抑制範囲に含まれない位相差の範囲を抑制範囲に設定し、
前記フレームごとに、前記第１の周波数信号及び前記第２の周波数信号のうちの少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出し、
前記フレームごとに、前記第１及び第２の周波数信号のうちの前記少なくとも一方の各周波数の成分の振幅に、対応する周波数の前記抑圧係数を乗じることで第１及び第２の周波数信号のうちの前記少なくとも一方を補正し、
前記補正された第１及び第２の周波数信号のうちの前記少なくとも一方を、時間領域の補正後の音声信号に変換する、
ことを含む音声処理方法。
（付記７）
第１の音声入力部により生成された、集音した音声を表す第１の音声信号と、前記第１の音声入力部と異なる位置に配置された第２の音声入力部により生成された、集音した音声を表す第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換し、
前記フレームごとに、前記第１の周波数信号と前記第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出し、
前記フレームごとに、収音対象の音源の想定される方向に対応する、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す基準範囲外または前記基準範囲内に、前記基準範囲の一端から順に並ぶように設定された、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲のそれぞれについて、前記第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、前記第１の周波数信号と前記第２の周波数信号間の位相差が当該拡張範囲に含まれる周波数の数の比である存在率を算出し、
前記フレームごとに、前記少なくとも一つの拡張範囲のうち、前記存在率が所定値よりも高い第１の拡張範囲及び該第１の拡張範囲よりも前記基準範囲の中心の位相差に近い第２の拡張範囲と、前記基準範囲のうちの前記第１の拡張範囲よりも前記基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、前記非抑制範囲に含まれない位相差の範囲を抑制範囲に設定し、
前記フレームごとに、前記第１の周波数信号及び前記第２の周波数信号のうちの少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出し、
前記フレームごとに、前記第１及び第２の周波数信号のうちの前記少なくとも一方の各周波数の成分の振幅に、対応する周波数の前記抑圧係数を乗じることで第１及び第２の周波数信号のうちの前記少なくとも一方を補正し、
前記補正された第１及び第２の周波数信号のうちの前記少なくとも一方を、時間領域の補正後の音声信号に変換する、
ことをコンピュータに実行させるための音声処理用コンピュータプログラム。

１ 音声処理装置
２−１、２−２ 音声入力部
３ アナログ／デジタル変換部
４ 記憶部
５ 記憶媒体アクセス装置
６ 処理部
７ 通信部
８ 出力部
１０ 記憶媒体
１１ 時間周波数変換部
１２ 位相差算出部
１３ 存在率算出部
１４ 非抑制範囲設定部
１５ 抑圧係数算出部
１６ 信号補正部
１７ 周波数時間変換部

Claims (6)

1. 集音した音声を表す第１の音声信号を生成する第１の音声入力部と、
   前記第１の音声入力部と異なる位置に配置され、集音した音声を表す第２の音声信号を生成する第２の音声入力部と、
   収音対象の音源の想定される方向に対応する、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す基準範囲と、前記基準範囲外または前記基準範囲内に、前記基準範囲の一端から順に並ぶように設定された、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲とを記憶する記憶部と、
   前記第１の音声信号及び第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換する時間周波数変換部と、
   前記フレームごとに、前記第１の周波数信号と前記第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出する位相差算出部と、
   前記フレームごとに、前記少なくとも一つの拡張範囲のそれぞれについて、前記第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、前記第１の周波数信号と前記第２の周波数信号間の位相差が当該拡張範囲に含まれる周波数の数の比である存在率を算出する存在率算出部と、
   前記フレームごとに、前記少なくとも一つの拡張範囲のうち、前記存在率が所定値よりも高い第１の拡張範囲及び該第１の拡張範囲よりも前記基準範囲の中心の位相差に近い第２の拡張範囲と、前記基準範囲のうちの前記第１の拡張範囲よりも前記基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、前記非抑制範囲に含まれない位相差の範囲を抑制範囲に設定する非抑制範囲設定部と、
   前記フレームごとに、前記第１の周波数信号及び前記第２の周波数信号のうちの少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出する抑圧係数算出部と、
   前記フレームごとに、前記第１及び第２の周波数信号のうちの前記少なくとも一方の各周波数の成分の振幅に、対応する周波数の前記抑圧係数を乗じることで第１及び第２の周波数信号のうちの前記少なくとも一方を補正する信号補正部と、
   前記補正された第１及び第２の周波数信号のうちの前記少なくとも一方を、時間領域の補正後の音声信号に変換する周波数時間変換部と、
   を有する音声処理装置。
2. 前記少なくとも一つの拡張範囲の位相差の幅は、位相差が０に近い拡張範囲ほど狭くなるように設定される、請求項１に記載の音声処理装置。
3. 前記抑圧係数算出部は、前記拡張範囲の全てについて前記存在率が前記所定値以下の場合、前記第１の周波数信号及び前記第２の周波数信号のうちの前記少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる第１の抑圧係数候補と、前記第１及び第２の周波数信号が雑音らしいほど前記第１の周波数信号及び前記第２の周波数信号のうちの前記少なくとも一方を減衰させる第２の抑圧係数候補とを算出し、周波数帯域全体において、前記第１の抑圧係数候補と前記第２の抑圧係数候補のうちの小さい方の値以下となるように前記抑圧係数を算出する、請求項１または２に記載の音声処理装置。
4. 前記基準範囲の中心の位相差から離れた拡張範囲ほど、当該拡張範囲に対する前記所定値が高くなるように前記所定値が設定される、請求項１〜３の何れか一項に記載の音声処理装置。
5. 前記非抑制範囲設定部は、フレームごとに、前記基準範囲の中心の位相差に近いほうから順に１番目から所定番目までの拡張範囲の前記存在率の合計が前記所定番目の拡張範囲についての前記所定値よりも高い場合、前記１番目から前記所定番目の拡張範囲と、前記基準範囲のうちの前記所定番目の拡張範囲よりも前記基準範囲の中心の位相差から離れた拡張範囲と重ならない範囲を非抑制範囲に設定する、請求項４に記載の音声処理装置。
6. 第１の音声入力部により生成された、集音した音声を表す第１の音声信号と、前記第１の音声入力部と異なる位置に配置された第２の音声入力部により生成された、集音した音声を表す第２の音声信号を、それぞれ、所定の時間長を持つフレームごとに周波数領域の第１の周波数信号及び第２の周波数信号に変換し、
   前記フレームごとに、前記第１の周波数信号と前記第２の周波数信号間の位相差を複数の周波数のそれぞれについて算出し、
   前記フレームごとに、収音対象の音源の想定される方向に対応する、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す基準範囲外または前記基準範囲内に、前記基準範囲の一端から順に並ぶように設定された、周波数ごとの前記第１の音声信号と前記第２の音声信号間の位相差の範囲を表す少なくとも一つの拡張範囲のそれぞれについて、前記第１及び第２の周波数信号が算出された周波数帯域に含まれる周波数の総数に対する、前記第１の周波数信号と前記第２の周波数信号間の位相差が当該拡張範囲に含まれる周波数の数の比である存在率を算出し、
   前記フレームごとに、前記少なくとも一つの拡張範囲のうち、前記存在率が所定値よりも高い第１の拡張範囲及び該第１の拡張範囲よりも前記基準範囲の中心の位相差に近い第２の拡張範囲と、前記基準範囲のうちの前記第１の拡張範囲よりも前記基準範囲の中心の位相差から離れた第３の拡張範囲と重ならない範囲を非抑制範囲に設定し、前記非抑制範囲に含まれない位相差の範囲を抑制範囲に設定し、
   前記フレームごとに、前記第１の周波数信号及び前記第２の周波数信号のうちの少なくとも一方について、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記非抑制範囲に含まれる周波数の成分よりも、前記第１の周波数信号と前記第２の周波数信号間の位相差が前記抑制範囲に含まれる周波数の成分を減衰させる抑圧係数を算出し、
   前記フレームごとに、前記第１及び第２の周波数信号のうちの前記少なくとも一方の各周波数の成分の振幅に、対応する周波数の前記抑圧係数を乗じることで第１及び第２の周波数信号のうちの前記少なくとも一方を補正し、
   前記補正された第１及び第２の周波数信号のうちの前記少なくとも一方を、時間領域の補正後の音声信号に変換する、
   ことをコンピュータに実行させるための音声処理用コンピュータプログラム。

Images