JP2016010086A - 音声処理装置 - Google Patents

Abstract

【課題】過大入力音が続いた後の音声が途切れることを防止する。【解決手段】入力された音声信号を遅延させる遅延手段と、前記遅延手段で遅延させられた音声信号を、ゲイン応じて増幅する増幅手段と、入力された音声レベルによって予め定められたゲイン値を出力する第一のゲイン出力手段と、前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値を比較して、前記増幅手段のゲインを決定する第二のゲイン出力手段を有し、前記第二のゲイン出力手段は、前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値との差が大きければゲインの変化を大きくし、差が小さければゲインの変化を小さくする。【選択図】 図１

Description

本発明は、音声処理装置に関する。

従来、録音装置は、録音可能なレベルを超える過大な音声が入力された際に、録音された音声が歪んでしまい音声の品質が著しく低下するのを抑制するために音声増幅回路のゲインを下げる処理をする。入力音声が録音可能なレベルまで小さくなった際には、元のゲインに戻す処理であるリカバリ処理をする。

一般的に、リカバリ動作で元のゲイン値まで戻る時間であるリカバリタイムをゆっくりにして、ゲイン変化が頻繁に起こらないようにしている。リカバリタイムを早くすると、ゲインを下げる必要のある過大入力音とゲインを下げる必要のないぎりぎりの入力音が頻繁に入力されると、実際の音声では大差がないのに、録音された音ではゲイン変化が頻繁に起こってしまう。ゲイン変化が頻繁に起こっている音声は違和感のあるものになってしまう。

しかし、リカバリタイムがゆっくりであると、入力レベルの低い常音の中で手をたたいたような一瞬だけ過大入力になるようなインパルス性の入力があった場合に、過大入力後にゲインが直ぐに戻らないために、過大入力後の音声が聞こえなくなってしまう問題があった。

上記問題点の対策として、特許文献１では、図１１に示すように、音声入力を遅延させる遅延部１３０１、遅延部１３０１で遅延された音声にゲインをかけるゲイン１３０２、基準レベルと音声入力を比較する比較部１３０３、比較部から出力される値を平滑する平滑部１３０４、平滑部１３０４の値と比較部１３０３の出力を積分する積分器１３０５を備えており、積分器１３０５の値によってゲイン１３０２を制御する機器が開示されている。

これにより、一瞬だけの過大な音声が入力された場合には、積分器１３０５の値が小さいのでリカバリタイムを短くし、過大な音声がある程度入力され続けると積分器１３０５の値が大きくなり、リカバリタイムが長くなるという構成が開示されている。これにより、一瞬だけの過大な音声が入力された場合にリカバリタイムを短くし、ゲインを下げる必要のある過大入力音とゲインを下げる必要のないぎりぎりの入力音が頻繁に入力された場合には、リカバリタイムが長くなる構成となっている。

特開２００４−１０４６９２号公報

しかしながら、上述の特許文献１に開示された従来技術では、過大な入力が長い期間続いた後に、過小な入力があった場合に、リカバリタイムが長くなってしまい、録音された音声の過小入力部が聞こえなくなってしまい違和感のある音声となってしまう。

本発明は、過大入力音が続いた後の音声が途切れることを防止することを目的とする。

本発明に係る音声処理装置の構成は、入力された音声信号を遅延させる遅延手段と、前記遅延手段で遅延させられた音声信号を、ゲイン応じて増幅する増幅手段と、入力された音声レベルによって予め定められたゲイン値を出力する第一のゲイン出力手段と、前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値を比較して、前記増幅手段のゲインを決定する第二のゲイン出力手段を有し、前記第二のゲイン出力手段は、前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値との差が大きければゲインの変化を大きくし、差が小さければゲインの変化を小さくすることを特徴とする。

本発明によれば、過大入力音が続いた後の音声が途切れることを防止することができる。

音声処理装置の構成を示すブロック図である。 音声レベルとゲインの図である。 音声のレベル制御の処理を示すフローチャートである。 ゲインを説明するための図である。 ゲインと音声レベルを示す図である。 ゲインと音声レベルを示す図である。 ゲインと音声レベルを示す図である。 音声処理装置の構成を示すブロック図である。 音声のレベル制御の処理を示すフローチャートである。 ゲインの制御の様子を示す図である。 従来例を説明する図である。

以下に、本発明の好ましい実施の形態を、添付の図面に基づいて詳細に説明する。図１は、本発明の実施形態にかかわる録音装置の録音部の構成である。

［実施例１］
以下、図１を用いて、本発明の本発明の第1の実施例の構成の説明を行う。１０１は音声を電気信号として取り込むためのマイクである。１０２はマイク１０１で出力される微少の電気信号を増幅するためのマイクアンプである。１０３はマイクアンプ１０２から出力される増幅された音声信号をアナログ―デジタル変換するＡ／Ｄ変換部である。１０４はＡ／Ｄ変換部１０３から出力されたデータを所定の遅延をもたせるための遅延部である。

１１３は遅延部１０４から出力されたデータに対してゲインをかける値を制御するゲイン制御部である。１０５は遅延部１０４から出力されたデータに対してゲイン制御部１１３で決定したゲイン値をかける増幅部である。増幅部はゲインを減衰させることも含む。１０６はＡ／Ｄ変換部１０３から出力されたデータの振幅値のピークを検出するピーク検出部である。１０７はピーク検出部から出力される値に対してゲイン値を記憶しているゲインテーブルである。１０８はピーク検出部１０６から出力された値によって目標とするゲインをゲインテーブル１０７から読みだしてゲイン決定するターゲットゲイン決定部である。

１０９はターゲットゲイン決定部１０８から出力された値と現在のゲイン値とを比較して、現在の値よりもターゲットゲイン決定部１０８から出力された値が小さい場合に、ゲインを即座に下げるアッタク動作を行うかを決定するアタックコントロール部である。１１０はアッタク動作によってゲインを下げた後、ゲイン値を元に戻す動作であるリカバリ動作時にゲイン値を戻すゲイン値をコントロールするリカバリーコントロール部である。１１１はアタックコントロール部１０９とリカバリーコントロール部１１０の出力信号によって、増幅部１０５のゲインを決定するゲインコントロール部である。１１２は、アタック動作した際に、リカバリ動作を開始するまで一定期間ゲイン値を保持するホールド時間をカウントするタイマーである。

次に、図２を用いて、ゲインテーブル１０７の一例を説明する。入力音レベルが大きくて録音した際に、音声が歪んでしまう入力音レベルを４０１とする。入力音レベル４０１よりも大きなレベルの場合に目標とする出力音レベルを４０２とする。入力音レベルと出力音レベルの関係としては、図２の（ａ）に示したように、入力音レベル４０１までは出力音がリニアに変化し、入力音レベル４０１よりも大きなレベルは一定の出力レベル４０２になる。

また、入力音レベルとゲインの関係は、図２（ｂ）に示したように、入力音レベル４０１までは出力音がリニアに変化するようにゲインは一定であり、入力音レベル４０１よりも大きなレベルは一定の出力レベル４０２になるようにゲインを下げる関係となっている。ゲインテーブル１０７は、図２（ｂ）に示した関係の値を記憶しているテーブルである。

次に図２と図３を用いて、本発明の動作フローの説明をする。本実施形態であるデジタルカメラで録画を開始する（Ｓ５０１）。音声がマイク１０１によって電圧に変換され、マイクアンプ１０２において電圧が増幅される。増幅された音声がＡ／Ｄ変換部１０３でデジタル値に変換される。デジタル値に変換されたデータがピーク検出部１０６と遅延部１０４に出力される。ピーク検出部１０６で入力音のピーク値を検出する（Ｓ５０２）。

ピーク検出部５０２でピーク値を検出した場合、ターゲットゲイン決定部によって検出したピーク値に対応するゲイン値をゲインテーブル１０７から読みだしターゲットゲイン値（Ｇｔ）とする（Ｓ５０３）。アッタクコントロール部１０９において、現在のゲイン値（Ｇｎ）を増幅部１０５から読みだす（Ｓ５０４）。アッタクコントロール部１０９で、読みだした現在のゲイン値（Ｇｎ）とターゲットゲイン値（Ｇｔ）を比較する（Ｓ５０５）。Ｓ５０５で比較した結果、ターゲットゲイン値（Ｇｔ）が現在のゲイン値（Ｇｎ）よりも小さい場合（Ｇｔ＜Ｇｎ）、ゲイン値を下げる動作であるアタック動作を行う。

アタック動作を開始すると、増幅部１０５のゲイン値をターゲットゲイン値（Ｇｔ）に変更するように、アッタクコントロール部１０９はゲインコントロール部１１１に指示する。ゲインコントロール部１１１は、アッタクコントロール部１０９からの指示によって増幅部１０５をターゲットゲイン値（Ｇｔ）に変更する（Ｓ５０６）。遅延部１０４は、ピーク検出した際のデータがＳ５０６で変更されたゲイン値がかけられる遅延を行う。アタック動作後、入力音レベルが小さくなりゲイン値を上げていく動作であるリカバリ動作に入るまで一定期間ゲインを保っておくホールドタイムがある。

ホールドタイム中、リカバリ動作中に関わらず、アタック動作時よりも大きな入力レベルの音声が入ると、再度、ピーク検出を行い、アタック動作を行う（Ｓ５０２〜Ｓ５０６）。アタック動作をした後、ホールドタイムをカウントするためのタイマー１１２をリセットしてカウント開始する（Ｓ５０７）。Ｓ５０５で比較した結果、ターゲットゲイン値（Ｇｔ）が現在のゲイン値（Ｇｎ）よりも大きい場合（Ｇｔ＞Ｇｎ）、アタック動作によって下げられたゲインをターゲットゲイン値（Ｇｔ）に増加させるリカバリ動作又は、ホールド動作を行う。

リカバリ動作かホールド動作のどちらの動作を行うかを判定するために、タイマー１１２がホールドタイムに達しているかを確認する（Ｓ５０７）。Ｓ５０７において、タイマー１１２の値がホールドタイムよりも小さい場合（タイマ１１２＜ホールドタイム）、ホールドタイム中となりゲイン値を現状の値を保持する。Ｓ５０７において、タイマー１１２の値がホールドタイムよりも大きい場合（タイマ１１２＞ホールドタイム）、リカバリ動作を開始する（Ｓ５０８）。

次に図４、図５、図６、図７を用いて、本発明のリカバリ動作例の説明を行う。リカバリ動作時のゲインの増加量は、図４（ａ）のように、リカバリ動作開始時のゲイン値（Ｇｓ）とターゲットゲイン値（Ｇｔ）の差が大きければ大きいほどゲインの時間当たりの変化量が大きく、ゲイン差が小さければ小さいほどゲインの時間当たりの変化量が小さい特性となっている。一例として、リカバリ演算が下記の式の場合の動作例を説明する。

Ｇ＝Ｇｔ＋αｅｘｐ（１／βｔ）
Ｇｔ：ターゲットゲイン値
Ｇｓ：リカバリ動作開始のゲイン値
α：Ｇｓ−Ｇｔ
β：αの値によって決まる係数
βとαの係数の関係が図４（ｂ）のような関係となっている。

図５を用いて、一瞬だけ大きな入力音レベルが入力された場合の動作説明を行う。図５（ａ）のグラフのように、時間７０１までは一定の入力音レベルＡで、時間７０１から時間７０２の一瞬だけアッタク動作をするような過大入力音レベルＢが入力されたとする。入力音レベルＡに対するターゲットゲインをＧｔ、過大入力音レベルＢに対するターゲットゲインをＧｓとすると、ゲインの変化は、図５（ｂ）のようになる。出力音声レベルは、Ａ’＝Ｇｔ×Ａ、Ｂ’＝Ｇｔ×Ｂ、となり、出力音レベル変化としては、図５（ｃ）のようになる。

このように、一瞬だけ大きな入力音レベルが入力された場合、従来のリカバリ動作を遅くしている場合と異なり、リカバリ動作開始時のゲイン変化が大きくすることが可能となる。よって、音声が一瞬だけ大きい音の後でも、音声レベルが小さくなって聞こえなくなってしまうことを防止することが可能となる。

図６を用いて、大きな入力音レベルが続いた後、小さな入力音レベルに変化した場合の動作説明を行う。図６（ａ）のグラフのように、時間８０１まではアッタク動作をするような過大入力音レベルＢが入力された後、小さな入力音レベルＡに変化したとする。入力音レベルＡに対するターゲットゲインをＧｔ、過大入力音レベルＢに対するターゲットゲインをＧｓとすると、ゲインの変化は、図６（ｂ）のようになる。出力音声レベルは、Ａ’＝Ｇｔ×Ａ、Ｂ’＝Ｇｔ×Ｂ、となり、出力音レベル変化としては、図６（ｃ）のようになる。

このように、大きな入力音レベルが続いた後入力音レベルが小さくなった場合でも、従来のリカバリ動作を遅くしている場合と異なり、リカバリ動作開始時のゲイン変化が大きくすることが可能となる。よって、大きな入力音レベルが続いた後でも、音声レベルが小さくなって聞こえなくなってしまうことを防止することが可能となる。

図７を用いて、ゲインを下げる必要がある大きな入力音レベルが続いた後、短い期間の多少入力音レベルが小さく変化し、再度、大きな入力音レベルになった場合の動作説明を行う。

図７（ａ）のグラフのように、時間９０１まではアッタク動作をするような過大入力音レベルＢが入力された後、時間９０１から時間９０２の期間入力レベルが下がり、時間９０２以降は、レベルＢに戻ったとする。入力音レベルＡに対するターゲットゲインをＧｔ、過大入力音レベルＢに対するターゲットゲインをＧｓとすると、ゲインの変化は、図７（ｂ）のようになる。出力音声レベルは、Ａ’＝Ｇｔ×Ａ、Ｂ’＝Ｇｔ×Ｂ、となり、出力音レベル変化としては、図７（ｃ）のようになる。

このように、大きな入力音レベルが続いた後、短い期間の多少入力音レベルが小さく変化し、再度、大きな入力音レベルになった場合、リカバリを早くした場合と異なり、リカバリ動作時の変化量をごくわずかにすることが可能となる。よって、大きな入力音レベルが続いた後、短い期間の多少入力音レベルが小さく変化し、再度、大きな入力音レベルになった場合には、ほぼ一定のゲインを保てるので、聴感上違和感のない録音が可能となる。

［実施例２］
本発明を適用した実施例２は、実施例１のリカバリーコントロール部１１０のゲイン動作に係るものである。前記リカバリ動作以外の構成要素は実施例１と同じものであり、ここでは、説明を省略する。図８を用いて、リカバリーコントロール部１１０の構成を説明する。

１００１は、増幅部１０５のゲイン値とターゲットゲイン決定部１０８から出力されるゲイン値との差をとる差分回路である。１００２は、差分回路１００１の値に対して、リカバリ動作時にゲインを増加させる割合値を保持しているリカバリーゲインテーブルである。１００３は、差分回路１００１の出力値によって、ゲインテーブル１００２からゲイン値を読みだしてゲインコントロール部１１１にゲインを指示するリカバリーゲイン決定部である。

図８、図９を用いて、動作フローを説明する。リカバリ動作を開始（Ｓ１１０１）すると、リカバリーコントロール部１１０はターゲットゲイン決定部１０８からターゲットゲイン値（Ｇｔ）を取得する（Ｓ１００２）。

リカバリーコントロール部１１０は増幅部１０５から現在のゲイン値（Ｇｎ）を取得する（Ｓ１００３）。差分回路１００１は、ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分を算出する（Ｓ１００４）。リカバリーゲイン決定部１００３は、リカバリーゲインテーブル１００２から（Ｇｔ−Ｇｎ）に対応するゲインを増加させる割合値（Ｇｒ）を読みだす（Ｓ１１０５）。リカバリーゲイン決定部１００３は、現在のゲイン値（Ｇｎ）とゲインを増加させる割合値（Ｇｒ）の和（Ｇｓｕｍ＝Ｇｎ＋Ｇｒ）を算出する（Ｓ１１０６）。

Ｓ１１０６で算出した和（Ｇｓｕｍ）とターゲットゲイン（Ｇｔ）を比較して（Ｓ１１０７）、Ｓ１１０６で算出した和（Ｇｓｕｍ）が小さければ、ゲインコントロール部１１１は増幅部１０５のゲイン値をＳ１１０６で算出した和（Ｇｓｕｍ）に変更する（Ｓ１１０８）。Ｓ１１０８でゲインを変更したらＳ１１０３に戻る。Ｓ１１０６で算出した和（Ｇｓｕｍ）とターゲットゲイン（Ｇｔ）を比較して（Ｓ１１０７）、Ｓ１１０６で算出した和（Ｇｓｕｍ）が大きければ、ゲインコントロール部１１１は増幅部１０５のゲイン値をターゲットゲイン（Ｇｔ）に変更する（Ｓ１１０９）。Ｓ１１０９で増幅部１０５のゲイン値をターゲットゲイン（Ｇｔ）に変更したらリカバリ動作を終了する（Ｓ１１１０）。

次に、図１０を用いて、ゲイン変化が２点の折れ線近似になる場合の、リカバリーゲインテーブル１００２の実施例を説明する。

リカバリーゲインテーブル１００２の値が、ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分値と、ゲインの増加量の関係が図１０（ａ）のようになっている。

ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分の値がＸ０以下の時、ゲインの増加量がＹ０、差分の値がＸ０以上、Ｘ１以下の時、ゲインの増加量がＹ１、差分の値がＸ１以上の時、ゲインの増加量がＹ２となっている。

図１０（ｂ）を用いて、時間とゲインの関係を説明する。リカバリ動作に入り、ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分がＸ１以上ある場合は、ゲインの増加量は図１０（ａ）のグラフにあるように、Ｙ２となるので、差分がＸ１になる１２０１の点まで、ゲインがＹ２で増加していく。

ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分がＸ０以上、Ｘ１以下の場合、ゲインの増加量は図１０（ａ）のグラフにあるように、Ｙ１となるので、差分がＸ０になる１２０２の点まで、ゲインがＹ１で増加していく。

ターゲットゲイン値（Ｇｔ）と現在のゲイン値（Ｇｎ）の差分がＸ０以下の場合、ゲインの増加量は図１０（ａ）のグラフにあるように、Ｙ０となるので、差分が０であるターゲットゲインＧｔになる１２０２の点まで、ゲインがＹ０で増加していく。

リカバリーゲインテーブルを図１０（ａ）のようにすると、時間に対するゲインの変化が図１０（ｂ）のグラフにあるゲイン変化となり、実施例１と同様の効果が得ることが可能である。

１０１ マイク、１０２ マイクアンプ、１０３ Ａ／Ｄ変換部

Claims (4)

1. 入力された音声信号を遅延させる遅延手段と、
   前記遅延手段で遅延させられた音声信号を、ゲイン応じて増幅する増幅手段と、
   入力された音声レベルによって予め定められたゲイン値を出力する第一のゲイン出力手段と、
   前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値を比較して、前記増幅手段のゲインを決定する第二のゲイン出力手段を有し、
   前記第二のゲイン出力手段は、前記増幅手段のゲイン値と前記第一のゲイン出力手段の出力値との差が大きければゲインの変化を大きくし、差が小さければゲインの変化を小さくすることを特徴とする音声処理装置。
2. 前記第二のゲイン出力手段のゲインの変化が時間の指数関数で規定されることを特徴とする請求項１に記載の音声処理装置。
3. 前記第二のゲイン出力手段のゲインの変化を時間で規定する構成が、２点以上の折れ線近似となる構成であることを特徴とする請求項１に記載の音声処理装置。
4. 前記第二のゲイン出力手段のゲイン変化を時間で規定する構成が、前記前記第一のゲイン出力手段の出力値と前記増幅手段のゲイン値との差分から規定される構成であることを特徴とする請求項３に記載の音声処理装置。