JP2016031243A - 位相差算出装置、音源方向検知装置、および位相差算出方法 - Google Patents

Abstract

【課題】異なるマイクロフォンが出力した音声信号間の位相差をより正確に算出する。
【解決手段】音源方向検知装置（１）の音源信号評価部（５）は、第１マイクロフォン（２ａ）および第２マイクロフォン（２ｂ）が出力した音声信号の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を作成し、各位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値に基づき両者の位相差を算出する。
【選択図】図１

Description

本発明は、複数のマイクロフォンから得られた音声信号間の位相差を算出する位相差算出装置、当該位相差算出装置を備える音源方向検知装置、および位相差算出方法に関する。

従来、複数のマイクロフォンを用い、各マイクロフォンから得られる音声信号の時間的なずれ（位相差）を計測することにより、音源の方向または位置を検知する技術が知られている。複数のマイクロフォン各々から得られる音声信号の位相差を判定する技術としては、例えば特許文献１および特許文献２に開示されているような、音響信号における位相差スペクトルを求める技術がある。

特許文献１には、２つの音響信号における位相差スペクトルを求め、求めた位相差スペクトルの全てまたは一部を、原点を通る周波数に関する一次関数で近似し、当該一次関数の傾きから音源の方向を算出する方法が開示されている。

また、特許文献２には、２つの音響信号における位相差スペクトルを求めると共に、２つの音響信号の少なくともいずれか一方のパワースペクトラムを求め、求めた位相差スペクトラムとパワースペクトラムとに基づき音源ごとの音源方向を求める方法が開示されている。

特開２００３−３３７１６４号公報（２００３年１１月２８日公開） 特開２００７−１８３２０２号公報（２００７年７月１９日公開）

人の声は、言葉の発音によって周波数成分が大きく揺れる。そのため、人の声が音源の場合は、複数のマイクロフォンから得られる各音声信号のずれを正確に計測することが困難である。たとえば、「シ」の音は比較的高周波の音が多く含まれ、「オ」は低周波の音が多く含まれる。

また、各マイクロフォンに入力される音声は、必ずしも唯一の人物からの発声のように単一の音源からの音とは限らず、周囲の雑音や近傍の壁面からの反射音等も加わるため、時間軸上にずれた同一波形の信号が各マイクロフォンに同様に入力されるわけではない。そのため、周囲の雑音が大きい場合や近傍に音を反射しやすい固い壁面がある場合には各信号のずれを正確に計測することが困難である。

そこで、本発明は、上記の課題に鑑みてなされたものであり、その目的は、異なるマイクロフォンから出力された音声信号間の位相差をより正確に算出可能な位相差算出装置、当該位相差算出装置を備える音源方向検知装置および位相差算出方法を提供することにある。

上記の課題を解決するために、本発明の一態様に係る位相差算出装置は、互いに異なる位置に配置され、外部の音を音声信号に変換して出力する複数のマイクロフォンと、上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を上記位相シフト量ごとに作成する位相シフト音声信号作成部と、各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する積算値算出部と、上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する位相差算出部と、を備える。

上記の課題を解決するために、本発明の一態様に係る音源方向検知方法は、互いに異なる位置に配置された複数のマイクロフォンを用いて、外部の音を音声信号に変換して出力する工程と、上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を作成する工程と、各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する工程と、上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する工程と、を含む。

本発明の一態様によれば、異なるマイクロフォンから出力された音声信号間の位相差をより正確に算出可能である。

本発明の一実施形態に係る音源方向検知装置を示すブロック図である。 本発明の一実施形態に係る音声信号評価部を示すブロック図である。 本発明の一実施形態において、２つの音声データからずれ値グラフを作成する方法を説明するための図である。 本発明の一実施形態において、２つの音声データからずれ値グラフを作成する方法を説明するための図である。 位相差の算出に適切な音声データの例を示す図である。 図４中の第１マイクロフォンから得られた音声信号を、第２マイクロフォンから得られた音声信号に向けてプラス方向に位相シフトさせたときのずれ値グラフである。 本発明の一実施形態において、２つの音声信号の位相差から音源方向を特定する方法を説明するための図である。 周囲に雑音が多いときの音声データの例を示す図である。 図４の音声データから得られるずれ値グラフである。 所定の周波数を超える高周波の音声データの例を示す図である。 図９の音声データから得られるずれ値グラフである。 本発明の一実施形態に係る音源方向検知方法の流れを示すフロー図である。 本発明の他の実施形態に係る音源方向検知装置を示すブロック図である。 本発明のさらに他の実施形態に係る音源方向検知装置を示すブロック図である。 本発明の一実施形態において、４つのマイクロフォンを用いて音源方向を特定する方法を説明するための図である。

〔実施形態１〕
（音源方向検知装置の構成）
以下、本発明の実施形態１に係る音源方向検知装置ついて、図１を参照して詳細に説明する。図１は、本実施形態に係る音源方向検知装置１を示すブロック図である。

音源方向検知装置１は、複数のマイクロフォンを用いて、音源の方向を検知する装置である。音源方向検知装置１は、例えば人間と会話するロボットに搭載することができる。音源方向検知装置１が話している人間の方向を検知することにより、ロボットの顔または視線を話し手の方向に向けることができる。あるいは、音源方向検知装置１は、電話会議システムのマイクロフォン部に搭載することができる。音源方向検知装置１が会議の参加者のうち話している人物の方向を検知することにより、当該人物を特定することができる。また、音源方向検知装置１は、セキュリティ監視システムにも搭載することができる。物陰に隠れてセキュリティ監視システムのカメラには映らない侵入者であっても、音源方向検知装置１が音を検知できれば、侵入者のおおよその位置を検知することができる。

図１に示すように、音源方向検知装置１は、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、音声信号評価部５、音源方向特定部６（特定部）、および角度テーブル７を有している。なお、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、および音声信号評価部５が、本発明に係る位相差算出装置１０として機能する。

第１マイクロフォン２ａおよび第２マイクロフォン２ｂは、外部の音を音声信号に変換するマイクロフォンである。第１マイクロフォン２ａおよび第２マイクロフォン２ｂは、互いに異なる位置に配置されている。

第１マイクロフォン信号入力部３ａは、第１マイクロフォン２ａが変換した音声信号を数値化した音声データを作成する。同様に、第２マイクロフォン信号入力部３ｂは、第２マイクロフォン２ｂが変換した音声信号を数値化した音声データを作成する。具体的には、音声データとは、音声信号の出力値と時間との関係（音声信号の出力値の経時的な変化）を示すデータである。

第１マイクロフォン信号記憶部４ａは、第１マイクロフォン信号入力部３ａが作成した音声データを記憶しており、第２マイクロフォン信号記憶部４ｂは、第２マイクロフォン信号入力部３ｂが作成した音声データを記憶している。第１マイクロフォン信号記憶部４ａおよび第２マイクロフォン信号記憶部４ｂはいずれも任意の一定時間分の音声データを常に記憶している。

音声信号評価部５は、第１マイクロフォン信号記憶部４ａと第２マイクロフォン信号記憶部４ｂに記憶されている音声データを参照し、それぞれの音声データが表す音声信号の時間的なずれを計測することにより、２つの音声信号の位相差を求める。音声信号評価部のブロック図を図２に示す。図２に示すように、音声信号評価部５は、位相シフト音声信号作成部５１、ずれ値算出部５２（積算値算出部）、ずれ値グラフ作成部５３、判定部５４、および位相差算出部５５を有している。これらの部材の詳細、およびこれらの部材による位相差の算出方法については、後述する。

音源方向特定部６は、音声信号評価部５が算出した位相差に基づき、音源方向を特定する。具体的には、角度テーブル７には、各位相差に対応する角度方向が格納されており、音源方向特定部６から位相差を受け取ると、当該位相差に対応する音源方向の角度を音源方向特定部６に送る。音源方向の角度とは、音源方向と基準となる方向との間の角度である。音源方向特定部６は、角度テーブル７を用いて得られた角度より音源の角度方向を特定する。そして、音源方向特定部６は、特定した角度方向を、音源方向の検知結果として外部に出力する。

（位相差の算出方法）
以下に、音声信号評価部５が、第１マイクロフォン信号記憶部４ａと第２マイクロフォン信号記憶部４ｂとに記憶されている音声データに基づき、２つの音声信号の位相差を算出する方法について、図３および図４を参照して説明する。図３および図４は、２つの音声データからずれ値グラフを作成する方法を説明するための図である。

図３中の（Ａ）に示すような、２つの音声データを例に挙げて説明する。例えば、実線で示した音声データは第１マイクロフォン２ａから得られた音声信号を表し、点線で示した音声データは第２マイクロフォン２ｂから得られた音声信号を表すとする。

まず音声信号評価部５の位相シフト音声信号作成部５１は、２つの音声信号の間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を位相シフト量ごとに作成する。ずれ値算出部５２は、各位相シフト量に対応する位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を求める。出力値の差分とは、特定の点（時間）における２つの音声信号の出力値の差の絶対値であり、これらの積算値とは、一定範囲内における２つの音声信号の間（図２中の（Ａ）で灰色に塗りつぶされた領域）の面積に相当する。以下では、２つの音声信号における一定範囲内の出力値の差分の積算値を「ずれ値」と呼ぶ。ずれ値は、値が大きいほど２つの音声信号の位相差が大きく、小さいほど２つの音声信号の位相差が小さいと考えられる。

そして、ずれ値グラフ作成部５３は、２つの音声信号の間の相対的な位相シフト量を段階的に変化させたときのずれ値の経時的な変化を示すずれ値グラフを作成する。図３中の（Ａ）の第１マイクロフォン２ａから得られた音声信号（実線）を紙面右方向（プラス方向）に＋１だけ位相シフトしたときの状態が図３中の（Ｂ）である。さらにこの状態から、第１マイクロフォン２ａから得られた音声信号を紙面右方向に＋１だけ位相シフトしたときの状態が図３中の（Ｃ）であり、またさらに＋１だけ位相シフトしたときの状態が図２中の（Ｄ）である。各状態におけるずれ値をプロットすることにより、図２中に示すずれ値グラフが得られる。

一方、図４中の（Ａ）に示すような、２つの音声データが得られたとする。この場合は、図４中の（Ａ）の第１マイクロフォン２ａから得られた音声信号（実線）を紙面左方向（マイナス方向）に−１だけ位相シフトする。このときの状態が図４中の（Ｂ）である。さらにこの状態から、第１マイクロフォン２ａから得られた音声信号を紙面右方向に−１だけ位相シフトしたときの状態が図４中の（Ｃ）であり、またさらに−１だけ位相シフトしたときの状態が図４中の（Ｄ）である。各状態におけるずれ値をプロットすることにより、図４中に示すずれ値グラフが得られる。

なお、以上では、第２マイクロフォン２ｂから得られた音声信号を基準にして、第１マイクロフォン２ａから得られた音声信号を位相シフトする例を示したが、必ずしもこれに限定されるわけではない。第１マイクロフォン２ａから得られた音声信号を基準にして、第２マイクロフォン２ｂから得られた音声信号を位相シフトしてもよい。この場合、図３中の（Ａ）の第２マイクロフォン２ｂから得られた音声信号を紙面左方向（マイナス方向）に位相シフトしたときのずれ値グラフは、図４中に示すずれ値グラフとなる。また、図４中の（Ａ）の第２マイクロフォン２ｂから得られた音声信号を紙面右方向（プラス方向）に位相シフトしたときのずれ値グラフは、図３中に示すずれ値グラフとなる。

判定部５４は、ずれ値グラフ作成部５３が作成したずれ値グラフに基づき、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから得られた音声信号が位相差の算出に適切であるか否かを判定する。判定部５４により、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから得られた音声信号が位相差の算出に適切であると判定された場合は、位相差算出部５５は、ずれ値グラフ作成部５３が作成したずれ値グラフに基づき、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから得られた音声信号間の位相差を算出する。判定部５４による判定方法については後述し、以下には位相差算出部５５による位相差の算出方法を説明する。

図５に、位相差の算出に適切な音声データの例を示す。そして、音声信号評価部５が、図５中の第１マイクロフォン２ａから得られた音声信号を、第２マイクロフォン２ｂから得られた音声信号に向けてプラス方向に位相シフトさせたときのずれ値グラフを図６に示す。

図６に示すずれ値グラフでは、ずれ値が最小となる点が１点または連続する２点となっている。ずれ値が最小となるのは、２つの音声信号が略一致しているときである。したがって、２つの音声信号のずれ値が最小になるときの位相シフト量が、２つの音声信号の時間的なずれ（位相差）である。例えば、図６では、位相シフト量が＋９のときにずれ値が最小となっているため、２つの音声信号の位相差は＋９となる。

このように、第１マイクロフォン２ａおよび第２マイクロフォン２ｂが出力した音声信号の間の相対的な位相シフト量を段階的に変化させたときの一定範囲内における両者の出力値の差分の積算値（ずれ値）に基づいて、第１マイクロフォン２ａおよび第２マイクロフォン２ｂが出力した音声信号間の位相差を算出することができる。そこで、位相差算出部５５は、位相シフト量ごとのずれ値に基づいて、第１マイクロフォン２ａおよび第２マイクロフォン２ｂが出力した音声信号間の位相差を算出している。

（音源方向の特定方法）
以下に、音源方向特定部６が、音声信号評価部５が算出した位相差に基づき、音源の方向を特定する方法について、図７を参照して説明する。図７は、２つの音声信号の位相差から音源方向を特定する方法を説明するための図である。

図７に示すように、マイクロフォン間の距離が１００ｍｍ、音速３４３．５ｍ／ｓ、音声のサンプリングレート４８ＫＨｚのときを例に挙げて説明する。なお、第２マイクロフォン２ｂから第１マイクロフォン２ａへの方向を基準の方向として０度方向とし、第１マイクロフォン２ａから第２マイクロフォン２ｂへの方向を１８０度方向とする。このとき、０度方向に音源がある場合は位相差＝１４となり、１８０度方向に音源がある時は位相差＝−１４となるものとする。ここで言う位相差は、第２マイクロフォン２ｂから得られた音声信号を基準にした、第１マイクロフォン２ａから得られた音声信号の位相シフト量を指す。第１マイクロフォン２ａから得られた音声信号を基準にした、第２マイクロフォン２ｂから得られた音声信号の位相シフト量を位相差とする場合は、０度方向に音源がある場合は位相差＝−１４となり、１８０度方向に音源がある時は位相差＝１４となる。

一般的に、２つの地点それぞれからの距離の差が一定量となるような点の軌跡は、２つの地点を焦点とする双曲線関数となる。そして、上記の点が２つの焦点間の距離よりも十分遠方にある場合は、上記の点は双曲線関数の漸近線上に位置し、漸近線の傾きを上記の点の位置する方向とみなすことができる。すなわち、音源は、第１マイクロフォン２ａおよび第２マイクロフォン２ｂそれぞれの位置を焦点とする双曲線関数の漸近線上に位置し、音源の位置する方向は、当該漸近線の傾きと見なすことができる。

したがって、音声信号評価部５が算出した位相差が＋９の場合、音源方向の角度は、
arccos（9/14）≒50度
となる。上記の角度は、０度方向との間の角度θである。すなわち、音源方向は、５０度方向となる。

位相差ごとに上記の計算を行った結果は、角度テーブル７に記憶されている。すなわち、角度テーブル７では、各位相差に対応する音源方向の角度が格納されている。音源方向特定部６は、音声信号評価部５が算出した位相差を角度テーブル７に送ると、角度テーブル７から当該位相差に対応する音源方向の角度を受け取る。音源方向特定部６は、角度テーブル７を用いて得られた角度より音源の角度方向を特定し、特定した角度方向を、音源方向の検知結果として外部に出力する。

なお、音声信号評価部５が算出した位相差から特定される角度方向は、第１マイクロフォン２ａおよび第２マイクロフォン２ｂを結ぶ直線に対して左側および右側の方向であり得る。そのため、１つの位相差から特定される角度方向では、音源方向が第１マイクロフォン２ａおよび第２マイクロフォン２ｂを結ぶ直線に対して左側および右側の方向であるのかを特定することができない。そこで、本実施形態に係る音源方向検知装置１は、壁際に設置する場合等、第１マイクロフォン２ａおよび第２マイクロフォン２ｂを結ぶ直線に対して片側に位置する音源を検知するときに好適に用いられる。

（位相差の算出に不適切な音声データの回避）
周囲に雑音が多いときの音声データの例を図８に示す。この図では、大きな波形を示しているメインの音声の他に、小さな波形を示している他の音声が別の方角から発せられている様子を表している。

音声信号評価部５は、上記と同様の方法によって、ずれ値グラフを作成する。作成したずれ値グラフは、図９に示すようなグラフとなる。図９に示すずれ値グラフでは、ずれ値が最小となる点が１点または連続する２点となっているものの、図６に示すずれ値グラフと比較して最小値の値が高い。これは、２つの音声信号の一致度が低いことを意味している。このようなずれ値グラフを用いて位相差の算出を行うと、正確な位相差を算出し難く、音源方向を誤検知しやすい。このため、このようなずれ値グラフは、位相差の算出に不適切であり、音源方向の検知には適さない。

そこで、音声信号評価部５の判定部５４は、所定の閾値を設定し、閾値以上の最小値を持つずれ値グラフが得られた場合には、得られた音声データは位相差の算出に不適切であると判定する。そして、位相差算出部５５は、当該音声データを用いて位相差の算出を行わない。これにより、位相差の算出に不適切な音声データを用いて位相差を算出することによる音源方向の誤検知を防ぎ、より正確な音源方向の検知を行うことができる。なお、所定の閾値は、例えば、適切な音声データから得られるずれ値グラフ（図６に示すずれ値グラフ）の最小値と、不適切な音声データから得られるずれ値グラフ（図９に示すずれ値グラフ）の最小値との間の値とすることができる。

続いて、所定の周波数を超える高周波の音声データの例を図１０に示す。この図では、密な波形を持つ音声が発せられている様子を示している。

音声信号評価部５は、上記と同様の方法によって、ずれ値グラフを作成する。作成したずれ値グラフは、図１１に示すようなグラフとなる。図１１に示すずれ値グラフでは、極小点が２点存在している。これは、一方の音声信号を他方の音声信号に向けて位相シフトさせたときに、前後どちらに位相シフトさせても複数回にわたって２つの音声信号が一致してしまうほどに当該２つの音声信号が密な波形を有しているためである。このようなずれ値グラフを用いて位相差の算出を行うと、正確な位相差を算出し難く、音源方向を誤検知しやすい。このため、このようなずれ値グラフは、位相差の算出に不適切であり、音源方向の検知には適さない。

そこで、音声信号評価部５の判定部５４は、ずれ値グラフが２つ以上の極小点を有している場合には、得られた音声データは位相差の算出に不適切であると判定する。そして、位相差算出部５５は、当該音声データを用いて位相差の算出を行わない。これにより、位相差の算出に不適切な音声データを用いて位相差の算出を行うことによる音源方向の誤検知を防ぎ、より正確な音源方向の検知を行うことができる。なお、ずれ値グラフにおける極小点の個数は、グラフの傾きが−（負の値）から＋（正の値）に変化する回数を数えることにより容易に求めることができる。

このように、判定部５４が、位相差の算出に不適切な音声データを見分けるため、位相差算出部５５では、位相差の算出に適切な音声データのみを用いて位相差の算出を行うことができる。このため、音源方向検知装置１では、より正確に位相差を算出することができる。そして、音源方向特定部６では、位相差の算出に適切な音声データのみを用いて算出された位相差に基づき、音源方向の検知を行うことができる。このため、音源方向検知装置１では、より正確に音源方向を検知することができる。例えば、人の声は、言葉の発音によって周波数成分が大きく揺れる。また、周囲から別の雑音が混入することにより音声信号が乱されることが断続的に発生することがある。このような音源であっても、ずれ値を算出することにより、当該ずれ値によって音声信号を評価することにより、両者の位相差を正確に算出可能な音声信号の部分を抽出することができる。このように、本実施形態では、異なるマイクロフォンから出力された音声信号間の位相差をより正確に算出可能である。

特に、図９および図１１に示したような音声データを用いて音源方向の検知を行おうとすると、音源方向を特定するまでの処理が多いため、音源方向検知装置には多くの処理部材が必要となる。しかし、本実施形態に係る音源方向検知装置１では、図９および図１１に示したような音声データを用いて音源方向の検知は行わないため、音源方向を特定するまでの処理が少なくて済み、音源方向検知装置１に必要な処理部材を抑えることができる。

また、判定部５４は、ずれ値グラフを用いて、音声データが位相差を算出するために適切であるか否かを判定し、位相差算出部５５は、当該ずれ値グラフを用いて、音声信号間の位相差を算出している。このように、音源方向検知装置１では、ずれ値グラフを作成するだけで音声データが位相差を算出するために適切であるか否かの判定および音声信号間の位相差の算出を行うことができ、音源方向を特定するまでに要する処理を削減することができる。

（音源方向の検知手順）
以上の処理の流れは、図１２に示すとおりである。

まず、音声信号評価部５は、第１マイクロフォン信号記憶部４ａおよび第２マイクロフォン信号記憶部４ｂに記憶されている音声データを取得する（ステップＳ１；以下、Ｓ１と略記する）。音声信号評価部５の位相シフト音声信号作成部５１は、２つの音声データ各々が示す音声信号の間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を位相シフト量ごとに作成する（Ｓ２）。そして、ずれ値算出部５２は、各位相シフト量に対応する位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値（ずれ値）を求め（Ｓ３）、ずれ値グラフ作成部５３は、当該ずれ値の経時的な変化を示すずれ値グラフを作成する（Ｓ４）。

判定部５４は、ずれ値グラフ作成部５３が作成したずれ値グラフに基づき、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから出力された音声信号が位相差を算出するために適切であるか否かを判定する。具体的には、判定部５４は、ずれ値グラフの最小値が所定の閾値よりも大きいか否かを判定する（Ｓ５）。ずれ値グラフの最小値が所定の閾値よりも大きい場合は、判定部５４は、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから出力された音声信号が位相差を算出するために不適切であると判定し、Ｓ１に戻り、別の音声データを用いて再びＳ２以降の処理を進める。

一方、ずれ値グラフの最小値が所定の閾値よりも小さい場合は、判定部５４は、ずれ値グラフの極小点の個数を特定する（Ｓ６）。そして、判定部５４は、特定した極小点の個数が１つであるか否かを判定する（Ｓ７）。ずれ値グラフの極小点の個数が２つ以上の場合は、判定部５４は、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから出力された音声信号が位相差を算出するために不適切であると判定し、Ｓ１に戻り、別の音声データを用いて再びＳ２以降の処理を進める。

一方、ずれ値グラフの極小点の個数が１つの場合は、判定部５４は、第１マイクロフォン２ａおよび第２マイクロフォン２ｂから出力された音声信号が位相差を算出するために適切であると判定する。そして、位相差算出部５５は、ずれ値グラフの最小値における位相シフト量を、２つの音声データが示す２つの音声信号の位相差として算出する（Ｓ８）。

音源方向特定部６は、位相差算出部５５が算出した位相差に基づき、音源方向を特定する（Ｓ９）。具体的には、音源方向特定部６は、位相差算出部５５が算出した位相差を角度テーブル７に送り、角度テーブル７から当該位相差に対応する音源方向の角度を受け取る。そして、音源方向特定部６は、角度テーブル７を用いて得られた角度より音源の角度方向を特定し、特定した角度方向を、音源方向の検知結果として外部に出力する（Ｓ１０）。

〔実施形態２〕
本発明の実施形態２について、図１３に基づいて説明すれば、以下のとおりである。なお、説明の便宜上、実施形態１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。図１３は、本実施形態に係る音源方向検知装置１１を示すブロック図である。

図１３に示すように、音源方向検知装置１１は、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第３マイクロフォン２ｃ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第３マイクロフォン信号入力部３ｃ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、第３マイクロフォン信号記憶部４ｃ、音声信号評価部５、音源方向特定部６、および角度テーブル７を有している。なお、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第３マイクロフォン２ｃ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第３マイクロフォン信号入力部３ｃ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、第３マイクロフォン信号記憶部４ｃ、および音声信号評価部５が、本発明に係る位相差算出装置２０として機能する。

音源方向検知装置１１では、第３マイクロフォン２ｃ、第３マイクロフォン信号入力部３ｃ、および第３マイクロフォン信号記憶部４ｃを有している点で音源方向検知装置１と異なる。第３マイクロフォン２ｃは、外部の音を音声信号に変換するマイクロフォンである。第１マイクロフォン２ａ、第２マイクロフォン２ｂ、および第３マイクロフォン２ｃは、互いに異なる位置に配置され、同一直線上に位置しないように配置されている。

第３マイクロフォン信号入力部３ｃは、第３マイクロフォン２ｃが変換した音声信号を数値化した音声データを作成する。また、第３マイクロフォン信号記憶部４ｃは、第３マイクロフォン信号入力部３ｃが作成した音声データを記憶しており、任意の一定時間分の音声データを常に記憶している。

音源方向検知装置１１は、第１マイクロフォン２ａ、第２マイクロフォン２ｂおよび第３マイクロフォン２ｃの３つのマイクロフォンを有しているため、音声信号評価部５は、３つのマイクロフォンのうち２つのマイクロフォンの組み合わせごとに、各マイクロフォンから得られた音声信号間の位相差を算出する。すなわち、音声信号評価部５は、マイクロフォンの３つの組み合わせごとに位相差を算出する。なお、原理上、音声信号評価部５は、マイクロフォンの少なくとも２つの組み合わせの位相差を算出すればよい。

ここで、音声信号評価部５が算出した位相差から特定される角度方向は、２つのマイクロフォンを結ぶ直線に対して左側および右側の方向であり得る。そのため、１つの位相差から特定される角度方向では、音源方向が２つのマイクロフォンを結ぶ直線に対して左側および右側の方向であるのかを特定することができない。

そこで、音源方向特定部６は、音声信号評価部５が算出した少なくとも２つの位相差の間で、当該位相差から特定される角度方向が一致する方向を音源方向と特定する。すなわち、音源方向特定部６は、１つの位相差から特定される角度方向のうち、もう１つの位相差から特定される角度方向のうちのいずれかと一致する方向を音源方向として特定する。音源方向特定部６は、特定した音源方向を検知結果として外部に出力する。

これにより、音源方向検知装置１１では、３つのマイクロフォンを含む平面上において、３６０度全方向からの音源方向を検知することができる。実施形態１に係る音源方向検知装置１では、壁際に設置する等、利用場所が制限されるが、本実施形態に係る音源方向検知装置１１では、利用場所が制限されず、好きな場所に音源方向検知装置１１を設置することができる。

〔実施形態３〕
本発明の実施形態３について説明すれば、以下のとおりである。なお、説明の便宜上、実施形態２にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。

本実施形態では、実施形態２に係る音源方向検知装置１１を２つ用い、双方を互いに離れた場所に設置する。そして、各音源方向検知装置１１が検知した音源方向から、三角測量の手法を用いることにより、各音源方向検知装置から音源までの距離を算出し、音源の位置を特定することができる。

このように、本実施形態では、２つの音源方向検知装置１１を用いることにより、音源の位置を検知することができる。つまり、本実施形態では、２つの音源方向検知装置１１を、音源位置検知装置として利用することができる。

〔実施形態４〕
本発明の実施形態４について、図１４に基づいて説明すれば、以下のとおりである。なお、説明の便宜上、実施形態２にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。図１４は、本実施形態に係る音源方向検知装置２１を示すブロック図である。

図１４に示すように、音源方向検知装置２１は、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第３マイクロフォン２ｃ、第４マイクロフォン２ｄ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第３マイクロフォン信号入力部３ｃ、第４マイクロフォン信号入力部３ｄ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、第３マイクロフォン信号記憶部４ｃ、第４マイクロフォン信号記憶部４ｄ、音声信号評価部５、音源方向特定部６、および角度テーブル７を有している。なお、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第３マイクロフォン２ｃ、第４マイクロフォン２ｄ、第１マイクロフォン信号入力部３ａ、第２マイクロフォン信号入力部３ｂ、第３マイクロフォン信号入力部３ｃ、第４マイクロフォン信号入力部３ｄ、第１マイクロフォン信号記憶部４ａ、第２マイクロフォン信号記憶部４ｂ、第３マイクロフォン信号記憶部４ｃ、第４マイクロフォン信号記憶部４ｄ、および音声信号評価部５が、本発明に係る位相差算出装置３０として機能する。

音源方向検知装置２１では、第４マイクロフォン２ｄ、第４マイクロフォン信号入力部３ｄ、および第４マイクロフォン信号記憶部４ｄを有している点で音源方向検知装置１１と異なる。第４マイクロフォン２ｄは、外部の音を音声信号に変換するマイクロフォンである。第１マイクロフォン２ａ、第２マイクロフォン２ｂ、第３マイクロフォン２ｃ、および第４マイクロフォン２ｄは、互いに異なる位置に配置され、同一平面上に位置しないように配置されている。

第４マイクロフォン信号入力部３ｄは、第４マイクロフォン２ｄが変換した音声信号を数値化した音声データを作成する。また、第４マイクロフォン信号記憶部４ｄは、第４マイクロフォン信号入力部３ｄが作成した音声データを記憶しており、任意の一定時間分の音声データを常に記憶している。

音源方向特定部６が、音声信号評価部５が算出した位相差に基づき、音源の方向を特定する方法について、図１５を参照して説明する。図１５は、４つのマイクロフォンを用いて音源方向を特定する方法を説明するための図である。

図１５に示すように、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、および第３マイクロフォン２ｃを含む平面に垂直、かつ、第３マイクロフォン２ｃを通る直線上の位置に第４マイクロフォン２ｄが配置されている場合を想定する。この場合、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、および第３マイクロフォン２ｃを用いて、実施形態２で示した方法により上記の平面（第１マイクロフォン２ａ、第２マイクロフォン２ｂ、および第３マイクロフォン２ｃを含む平面）上における音源方向を特定する。これにより、音源方向の角度θ１が得られる。角度θ１は、上記の平面における第１マイクロフォン２ａおよび第２マイクロフォン２ｂを通る直線との間の角度である。

続いて、第３マイクロフォン２ｃと第４マイクロフォン２ｄを用いて、実施形態１で示した方法により上記の直線（第３マイクロフォン２ｃと第４マイクロフォン２ｄとを通る直線）に対する音源方向を特定する。これにより、音源方向の角度θ２が得られる。角度θ２は、上記の直線との間の角度である。すなわち、音源方向は、上記の直線を主軸とし、頂角を角度２×θ２とした円錐面を通る方向となる。

以上より得られた２つの角度θ１および角度θ２によって得られる極座標系の３次元ベクトルから、音源方向を特定することができる。具体的には、第３マイクロフォン２ｃと第４マイクロフォン２ｄとを通る直線との間の角度が角度θ２であり、かつ、第１マイクロフォン２ａ、第２マイクロフォン２ｂ、および第３マイクロフォン２ｃを含む平面上において、第１マイクロフォン２ａおよび第２マイクロフォン２ｂを通る直線と平行な直線との間の角度が角度θ１（＝角度θ１’）となる方向が音源方向である。

音源方向特定部６は、以上のようにして特定した音源方向を検知結果として外部に出力する。このように、音源方向検知装置２１では、平面上での音源方向の検知でなく、立体空間での音源位置の方向検知が可能となる。これにより、音源が人物の声である場合には、話している人物の口の位置を高さ方向も含めて検知することができるので、身長がある程度分かることから、大人と子供との識別にも利用可能となる。

〔まとめ〕
本発明の態様１に係る位相差算出装置１０，２０，３０は、互いに異なる位置に配置され、外部の音を音声信号に変換して出力する複数のマイクロフォンと、上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を上記位相シフト量ごとに作成する位相シフト音声信号作成部５１と、各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する積算値算出部（ずれ値算出部５２）と、上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する位相差算出部５５と、を備える。

上記の構成によれば、１つのマイクロフォンの音声信号と、他のマイクロフォンの音声信号との相対的な位相シフト量を段階的に変化させた位相シフト音声信号における２つの音声信号の一定範囲内における出力値の差分の積算値に基づき、両者の位相差を算出することができる。例えば、人の声は、言葉の発音によって周波数成分が大きく揺れる。また、周囲から別の雑音が混入することにより音声信号が乱されることが断続的に発生することがある。このような音源であっても、位相シフト量ごとの２つの音声信号の一定範囲内における出力値の差分の積算値を算出することにより、当該積算値によって音声信号を評価することにより、両者の位相差を正確に算出可能な音声信号の部分を抽出することができる。このように、本発明の一態様に係る位相差算出装置は、異なるマイクロフォンから出力された音声信号間の位相差をより正確に算出可能である。

本発明の態様２に係る位相差算出装置１０，２０，３０は、上記態様１において、上記位相差算出部５５は、上記位相シフト量を段階的に変化させたときの上記積算値の経時的な変化において、当該積算値が最小となるときの位相シフト量を、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差として算出する。

上記積算値が最小となるのは、２つの音声信号が略一致しているときである。したがって、上記積算値が最小になるときの位相シフト量が、２つの音声信号の時間的なずれ（位相差）である。そこで、上記の構成においては、１つのマイクロフォンが出力した音声信号に対して、他のマイクロフォンが出力した音声信号を位相シフトさせたときの上記積算値の経時的な変化において、当該積算値が最小となるときの位相シフト量を、両マイクロフォンが出力した音声信号間の位相差として算出している。

本発明の態様３に係る位相差算出装置１０，２０，３０は、上記態様１または２において、上記位相シフト量を段階的に変化させたときの上記積算値の経時的な変化に基づき、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であるか否かを判定する判定部５４をさらに備え、上記位相差算出部５５は、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であると上記判定部５４が判定した場合に、上記積算値の経時的な変化に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する。

上記の構成によれば、判定部５４が、位相差の算出に不適切な音声信号を見分け、位相差算出部５５では、当該音声信号は位相差の算出に用いないため、位相差の算出に適切な音声信号のみを用いて位相差の算出を行うことができる。このため、本発明の一態様に係る位相差算出装置１０，２０，３０では、より正確に位相差を算出することができる。

本発明の態様４に係る位相差算出装置１０，２０，３０は、上記態様３において、上記判定部５４は、上記積算値の経時的な変化における極小点が１つの場合に、各上記マイクロフォンが出力した上記音声信号が、上記位相差の算出するために適切であると判定する。

上記積算値の経時的な変化における極小点が２つ以上存在するのは、一方の音声信号を他方の音声信号に向けて位相シフトさせたときに、前後どちらに位相シフトさせても複数回にわたって２つの音声信号が一致してしまうほどに当該２つの音声信号が密な波形を有しているためである。このような音声信号を用いて位相差の算出を行うと、正確な位相差を算出し難い。そこで、上記の構成によれば、上記積算値の経時的な変化における極小点が１つ存在する場合のみに位相差の算出を行うため、より正確に位相差を算出することができる。

本発明の態様５に係る位相差算出装置１０，２０，３０は、上記態様４において、上記判定部５４は、上記積算値の経時的な変化における当該積算値の最小値が所定の閾値未満の場合に、各上記マイクロフォンが出力した上記音声信号が、上記位相差の算出するために適切であると判定する。

上記積算値の経時的な変化における当該積算値の最小値が所定の閾値以上の場合は、２つの音声信号の一致度が低いことを意味している。このような音声信号を用いて位相差の算出を行うと、正確な位相差を算出し難い。そこで、上記の構成によれば、上記積算値の経時的な変化における当該積算値の最小値が所定の閾値未満の場合のみに位相差の算出を行うため、より正確に位相差を算出することができる。

本発明の態様６に係る音源方向検知装置１，１１，２１は、上記態様１〜５に記載の位相差算出装置１０，２０，３０により算出した上記位相差に基づき、上記音の音源方向を特定する。

上記の構成によれば、本発明の一態様に係る位相差算出装置１０，２０，３０によって算出された正確な位相差を用いて、音源方向の検知を行うことができるため、より正確な音源方向の検知が可能となる。

本発明の態様７に係る音源方向検知装置１１，２１は、上記態様６において、３つ以上の上記マイクロフォンを備え、上記位相差算出装置２０，３０は、上記３つ以上のマイクロフォンが出力した上記音声信号に関して、上記位相差を算出し、上記位相差算出装置２０，３０が算出した２つ以上の上記位相差に基づき、上記音源方向を特定する。

上記の構成によれば、３つのマイクロフォンを用いることにより、３つのマイクロフォンを含む平面上において、３６０度全方向からの音源方向を検知することができる。また、４つのマイクロフォンを用いることにより、平面上での音源方向の検知でなく、立体空間での音源位置の方向検知が可能となる。

本発明の態様８に係る位相差算出方法は、互いに異なる位置に配置された複数のマイクロフォンを用いて、外部の音を音声信号に変換して出力する工程と、上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を作成する工程と、各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する工程と、上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する工程と、を含む。

上記の方法によれば、本発明の一態様に係る位相差算出装置と同様の効果を奏することができる。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。

本発明は、人間と会話するロボット、電話会議システムのマイクロフォン部、またはセキュリティ監視システム等に用いる音源方向検知装置の位相差算出装置として好適に利用できる。

１ 音源方向検知装置
２ａ 第１マイクロフォン
２ｂ 第２マイクロフォン
２ｃ 第３マイクロフォン
２ｄ 第４マイクロフォン
３ａ 第１マイクロフォン信号入力部
３ｂ 第２マイクロフォン信号入力部
３ｃ 第３マイクロフォン信号入力部
３ｄ 第４マイクロフォン信号入力部
４ａ 第１マイクロフォン信号記憶部
４ｂ 第２マイクロフォン信号記憶部
４ｃ 第３マイクロフォン信号記憶部
４ｄ 第４マイクロフォン信号記憶部
５ 音声信号評価部（位相シフト部，積算値算出部，位相差算出部，判定部）
６ 音源方向特定部（特定部）
７ 角度テーブル
１１ 音源方向検知装置
２１ 音源方向検知装置
１０ 位相差算出装置
２０ 位相差算出装置
３０ 位相差算出装置

Claims (8)

1. 互いに異なる位置に配置され、外部の音を音声信号に変換して出力する複数のマイクロフォンと、
   上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を上記位相シフト量ごとに作成する位相シフト音声信号作成部と、
   各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する積算値算出部と、
   上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する位相差算出部と、を備えることを特徴とする位相差算出装置。
2. 上記位相差算出部は、上記位相シフト量を段階的に変化させたときの上記積算値の経時的な変化において、当該積算値が最小となるときの上記位相シフト量を、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差として算出することを特徴とする請求項１に記載の位相差算出装置。
3. 上記位相シフト量を段階的に変化させたときの上記積算値の経時的な変化に基づき、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であるか否かを判定する判定部をさらに備え、
   上記位相差算出部は、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であると上記判定部が判定した場合に、上記積算値の経時的な変化に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出することを特徴とする請求項１または２に記載の位相差算出装置。
4. 上記判定部は、上記積算値の経時的な変化における極小点が１つの場合に、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であると判定することを特徴とする請求項３に記載の位相差算出装置。
5. 上記判定部は、上記積算値の経時的な変化における当該積算値の最小値が所定の閾値以上の場合に、各上記マイクロフォンが出力した上記音声信号が、上記位相差を算出するために適切であると判定することを特徴とする請求項３に記載の位相差算出装置。
6. 請求項１〜５のいずれか１項に記載の位相差算出装置と、
   上記位相差算出装置により算出された上記位相差に基づき、上記音の音源方向を特定する音源方向特定部とを備えることを特徴とする音源方向検知装置。
7. 上記位相差算出装置は、３つ以上の上記マイクロフォンを備え、上記３つ以上のマイクロフォンが出力した上記音声信号に関して、上記位相差を算出し、
   上記音源方向特定部は、上記位相差算出装置により算出された２つ以上の上記位相差に基づき、上記音源方向を特定することを特徴とする請求項６に記載の音源方向検知装置。
8. 互いに異なる位置に配置された複数のマイクロフォンを用いて、外部の音を音声信号に変換して出力する工程と、
   上記複数のマイクロフォンのうちの１つの上記マイクロフォンが出力した上記音声信号と、他の上記マイクロフォンが出力した上記音声信号との間の相対的な位相シフト量を段階的に変化させた位相シフト音声信号を作成する工程と、
   各上記位相シフト量に対応する上記位相シフト音声信号における２つの音声信号の一定範囲内の出力値の差分の積算値を算出する工程と、
   上記積算値に基づき、上記１つのマイクロフォンが出力した上記音声信号と、上記他のマイクロフォンが出力した上記音声信号との位相差を算出する工程と、を含むことを特徴とする位相差算出方法。

Images