JP2016163135A - 収音装置、プログラム及び方法 - Google Patents

Abstract

【課題】安定的に特定の方向の音源からの音を強調して収音する収音装置を提供する。【解決手段】収音装置（音声強調装置１００）は、１又は複数のマイクロホンＭ１、Ｍ２で収音した信号を取得する信号入力部１−１、１−２と、信号入力部が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出する非目的音抽出部３と、第１の信号から、非目的音抽出部が抽出した非目的音をスペクトル減算した第２の信号を生成するスペクトル減算部４と、第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成するフィルタ形成部５と、フィルタ形成部が形成したフィルタを用いて、第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する目的音強調部６とを有する。【選択図】図１

Description

本発明は、収音装置及びプログラムに関し、例えば、例えば複数の音源が存在する環境下において、特定の方向の音源のみ強調し収音する場合に適用し得るものである。

従来、複数の音源が存在する環境下において、ある特定の方向（以下、「目的方向」とも呼ぶ）の音のみ分離し収音する技術として、マイクロホンアレイを用いたビームフォーマ（Ｂｅａｍ Ｆｏｒｍｅｒ；以下ＢＦ）がある（非特許文献１参照）。ＢＦとは、各マイクロホンに到達する信号の時間差を利用して指向性を形成する技術である。

従来のＢＦは、加算型と減算型の大きく２つの種類に分けられる。特に減算型ＢＦは、加算型ＢＦに比べ、少ないマイクロホン数で指向性を形成できるという利点がある。従来の減算型ＢＦを適用した装置としては特許文献１に記載されたものがある。

以下では、従来の減算型ＢＦの構成例について説明する。

図４は、従来の減算型ＢＦを適用した収音装置ＰＳの構成例について示した説明図である。

図４に示す収音装置ＰＳは、２個のマイクロホンＭ１、Ｍ２を用いて構成されたマイクロホンアレイＭＡの出力から目的音（目的方向の音）を抽出するものである。

図４では、マイクロホンＭ１、Ｍ２で捕捉した音の信号を、それぞれｘ_１（ｔ）、ｘ_２（ｔ）と示している。また、図４に示す収音装置ＰＳは、遅延器ＤＥＬ及び減算器ＳＵＢを有している。

遅延器ＤＥＬは、各マイクロホンＭ１、Ｍ２に到来する信号ｘ_１（ｔ）とｘ_２（ｔ）の時間差τ_Ｌを算出し、遅延を加えることで目的音の位相差を合せる。以下では、ｘ_１（ｔ）に時間差τ_Ｌ分の遅延を加えた信号をｘ_１（ｔ−τ_Ｌ）と表す。

遅延器ＤＥＬは、以下の（１）式により時間差τ_Ｌを算出する。以下の（１）式において、ｄはマイクロホンＭ１、Ｍ２の間の距離、ｃは音速、τ_ｉは遅延量を示している。また、以下の（１）式において、θ_Ｌは、各マイクロホンＭ１、Ｍ２を結んだ直線に対する垂直方向から目的方向への角度を示している。
τ_Ｌ＝（ｄｓｉｎθ_Ｌ）／ｃ …（１）

ここで、死角が、マイクロホンＭ１、Ｍ２の中心（中点）に対し、マイクロホンＭ１の方向に存在する場合、マイクロホンＭ１の入力信号ｘ_１（ｔ）に対し遅延処理を行う。減算器ＳＵＢは、例えば、以下の（２）式により、ｘ_２（ｔ）からｘ_１（ｔ−τ_Ｌ）を減算する処理を行う。
α（ｔ）＝ｘ_２（ｔ）−ｘ_１（ｔ−τ_Ｌ） …（２）

減算器ＳＵＢは、周波数領域で減算処理を行うこともできる。その場合、上記の（２）式は、以下の(３)式のように示すことができる。
Ａ（ω）＝Ｘ_２（ω）−ｅ^{−ｊωτＬ}Ｘ_１（ω） …（３）

ここで、θ_Ｌ＝±π／２の場合、マイクロホンアレイＭＡにより形成される指向性は図５（Ａ）に示すように、カージオイド型の単一指向性となる。一方、θ_Ｌ＝０，πの場合、マイクロホンアレイＭＡにより形成される指向性は、図５（Ｂ）のような８の字型の双指向性となる。以下では、入力信号から単一指向性を形成するフィルタを単一指向性フィルタ、双指向性を形成するフィルタを双指向性フィルタと呼称する。また、減算器ＳＵＢでは、スペクトル減算法（Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ）の処理（以下、単に「ＳＳ」とも呼ぶ）を用いることで、双指向性の死角に強い指向性を形成することもできる。

減算器ＳＵＢは、ＳＳによる指向性の形成を行う場合、以下の（４）式を用いて減算処理を行うことができる。以下の（４）式では、マイクロホンＭ１の入力信号Ｘ_１を用いているが、マイクロホンＭ２の入力信号Ｘ_２でも同様の効果を得ることができる。以下の（４）式において、βはＳＳの強度を調節するための係数である。減算器ＳＵＢは、以下の（４）式を用いて減算処理を行った結果値がマイナスなった場合、０または元の値を小さくした値に置き換える処理（フロアリング処理）を行うようにしてもよい。減算器ＳＵＢでは、ＳＳ法で減算処理を行うことにより、目的エリアの方向以外に存在する音を抽出し、抽出した音（目的方向以外に存在する音）の振幅スペクトルを入力信号の振幅スペクトルから減算することで、目的音を強調することができる。
｜Ｙ（ω）｜＝｜Ｘ_１（ω）｜−β｜Ａ（ω）｜ …（４）

特許文献２には、単一指向性を双指向性の２種類の指向性を利用することで、目的方向に強い指向性を形成する装置（音源分離装置）が提案されている。特許文献２に記載の装置では、まず目的方向に対して左右に死角を向ける単一指向性と、目的方向に対して死角を向ける双指向性を形成する。そしてその後、特許文献２に記載の装置では、２つの単一指向性フィルタ出力の内パワーの大きい方を選択し、選択した単一指向性フィルタ出力から双指向性フィルタ出力をＳＳすることにより非目的音を抑圧し、目的音を強調する。

特開２００８−１３１１８３号公報

浅野太著，"音響テクノロジーシリーズ１６ 音のアレイ信号処理−音源の定位・追跡と分離−"，日本音響学会編，コロナ社，２０１１年２月２５日発行 矢頭 隆，森戸 誠，山田 圭，小川 哲司著，「情報処理Ｖｏｌ．５１ Ｎｏ．１１ Ｎｏｖ．２０１０」（正方形マイクロホンアレイによる音源分離技術），情報処理学会、２０１０年１２月発行，ｐｐ．１４１０−１４１６

しかしながら、従来の収音装置では、非目的音源の数が多く、かつ収音する際の周波数分解能が十分でない場合や、非目的音成分の一部が目的音成分と重なる場合等には、抽出した非目的音を入力信号からＳＳすると、非目的音成分と重なった目的音成分も減算されてしまい、目的音が歪んでしまうおそれがある。

また、従来の収音装置では、残響が強い環境下では、壁などに反射した目的音が目的方向以外から回り込み、目的方向以外から非目的音としてマイクロホンに収音される場合がある。この場合は、目的音成分が非目的音成分として抽出されてしまうため、入力信号から非目的音をＳＳする際に、目的音成分自体が減算され、同様に目的音が歪んでしまう。

さらにまた、従来の収音装置において、ＳＳを用いる場合、通常フロアリング処理を行うが、このとき周囲の周波数成分に比べてパワーの大きい孤立周波数ができてしまうと、耳障りなミュージカルノイズが発生する原因となってしまう場合がある。

そのため、安定的に特定の方向の音源からの音を強調して収音することができる収音装置、プログラム及び方法が望まれている。

第１の本発明の収音装置は、（１）１又は複数のマイクロホンで収音した信号を取得する入力信号取得手段と、（２）上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出する非目的音抽出手段と、（３）上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成するスペクトル減算手段と、（４）上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成するフィルタ形成手段と、（５）上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する目的音強調手段とを有することを特徴とする。

第２の本発明の収音プログラムは、コンピュータを、（１）１又は複数のマイクロホンで収音した信号を取得する入力信号取得手段と、（２）上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出する非目的音抽出手段と、（３）上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成するスペクトル減算手段と、（４）上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成するフィルタ形成手段と、（５）上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する目的音強調手段として機能させることを特徴とする。

第３の本発明は、収音装置が行う収音方法において、（１）入力信号取得手段、入力信号取得手段、スペクトル減算手段、フィルタ形成手段、及び目的音強調手段を有し、（２）上記入力信号取得手段は、１又は複数のマイクロホンで収音した信号を取得し、
上記入力信号取得手段は、上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出し、（３）上記スペクトル減算手段は、上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成し、（４）上記フィルタ形成手段は、上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成し、（５）上記目的音強調手段は、上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成することを特徴とする。

本発明によれば、安定的に特定の方向の音源からの音を強調して収音する収音装置を提供することができる。

第１の実施形態に係る音声強調装置（収音装置）の機能的構成について示したブロック図である。 第１の実施形態に係るマイクロホンの位置関係の例について示した説明図である。 第２の実施形態に係る音声強調装置（収音装置）の機能的構成について示したブロック図である。 従来の指向性フィルタにより形成される指向特性の一例を説明する説明図である。 従来の収音装置において、２つのマイクロホンアレイのビームフォーマ（ＢＦ）による指向性を別々の方向から目的エリアへ向けた場合の構成例について示した説明図である。

（Ａ）第１の実施形態
以下、本発明による収音装置、プログラム及び方法の第１の実施形態を、図面を参照しながら詳述する。なお、以下では、本発明の収音装置を、音声強調装置に適用した例について説明する。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態の音声強調装置１００の機能的構成について示したブロック図である。

音声強調装置１００は、２つのマイクロホンＭ１、Ｍ２（マイクロホンアレイ）を用いて、目的方向（目的エリアの位置する方向）の音源からの目的音を収音する処理を行う。以下では、マイクロホンＭ１、Ｍ２をそれぞれ、「第１のマイクロホン」、「第２のマイクロホンとも呼ぶものとする。

図２は、２つのマイクロホンＭ１、Ｍ２の配置の例について示した説明図である。

この実施形態では、図２に示すように、２つのマイクロホンＭ１、Ｍ２は、それぞれ目的方向に対して水平に配置されているものとする。言い換えると、図２に示すように、第１のマイクロホンＭ１の位置と第２のマイクロホンＭ２の位置とを結ぶ線に直交する線上に、目的方向の目的エリアが位置しているものとする。

音声強調装置１００は、２つの信号入力部１（１−１、１−２）、信号入力部１、信号加算部２、非目的音抽出部３、スペクトル減算部４、フィルタ形成部５、及び目的音強調部６を有している。

音声強調装置１００は、全てハードウェア（例えば、専用チップ等）により構成するようにしてもよいし一部又は全部についてソフトウェア（プログラム）として構成するようにしてもよい。音声強調装置１００は、例えば、プロセッサ及びメモリを有するコンピュータに実施形態の収音プログラムをインストールすることにより構成するようにしてもよい。

信号入力部１−１、１−２は、それぞれ第１、第２のマイクロホンＭ１、Ｍ２で収音した音響信号をアナログ信号からデジタル信号に変換するものである。また、ここでは、信号入力部１−１、１−２は、取得した信号（ディジタル信号）を時間領域から周波数領域に変換する。信号入力部１−１、１−２は、例えば、高速フーリエ変換等を用いて、取得した信号（ディジタル信号）を時間領域から周波数領域へ変換する。

信号加算部２は、信号入力部１−１と信号入力部１−２からの信号（周波数領域の信号）を加算した後、平均を取り目的音成分を強調した信号を取得して出力する。以下では、信号加算部２が出力する信号（周波数領域の信号）を「入力信号ｘ」とも呼ぶものとする。なお、音声強調装置１００では、マイクロホンの数が少ない場合、加算処理をせず、いずれかのマイクロホンからの入力（いずれかの信号入力部１からの入力）を選択し、入力信号ｘとして出力するようにしてもよい。

非目的音抽出部３は、信号入力部１−１と信号入力部１−２からの信号に基づいて、ＢＦにより指向性を形成し、非目的音（目的方向以外の方向の音）を抽出する。

非目的音抽出部３は、例えば、信号入力部１−１と信号入力部１−２からの信号を用い、目的方向に死角を向ける双指向性フィルタ（上述の図５（Ｂ）参照）を形成することで、非目的音を抽出するようにしてもよい。この場合、非目的音抽出部３は、例えば、θ_Ｌ＝０として、上記の（１）式と（３）式を用いて、双指向性の形成を行うことができる。

また、非目的音抽出部３は、例えば、信号入力部１−１と信号入力部１−２からの信号を用い、単一指向性フィルタ（上述の図５（Ａ）参照）を形成することで、非目的音を抽出するようにしてもよい。この場合、非目的音抽出部３は、例えば、θ_Ｌ＝π／２として、上記の（１）式と（３）式を用いて、単一指向性の形成を行うことができる。単一指向性フィルタを用いた場合でも、非目的音抽出部３は、少なくとも目的音方向を含む方向に死角を向けた指向性を形成することが可能である。

スペクトル減算部４は、信号加算部２の出力（入力信号ｘ）から、非目的音抽出部３の出力（非目的音）をＳＳした音を、目的音について推定した音（以下、「推定目的音」と呼ぶ）として抽出する。推定目的音の抽出は、例えば、上述の（４）式を用いて求めることができる。なお、スペクトル減算部４は、スペクトル減算の結果、値がマイナスになった場合は、０または元の値を小さくした値に置き換えるフロアリング処理を行うものとする。

フィルタ形成部５は、スペクトル減算部４の出力である推定目的音をもとに、入力信号ｘから非目的音を抑圧し、目的音を強調する処理に対応可能なフィルタＨを形成する処理を行う。

フィルタ形成部５は、まず、推定目的音の成分の内、一定のパワー以上の成分（閾値Ｔ１以上のパワーの成分）を目的音であると判定し、目的音成分（目的音成分の周波数）のフィルタ値（当該成分(周波数)に対する係数の値）を１、それ以外の成分のフィルタ値を０に設定したフィルタＨを形成（例えば、以下の（７）式に従って形成）する。フィルタＨでは、推定目的音を構成する各成分（周波数）に対して、フィルタ値が設定されているものとする。ここでは、推定目的音は、１番目〜ｋ番目（ｋは２以上の整数）の周波数（成分）で構成されているものとする。したがってフィルタＨには１番目〜ｋ番目の各周波数（成分）に対するフィルタ値が設定されるものとして説明する。

また、フィルタ形成部５は、推定目的音と入力信号ｘ（信号加算部２の出力信号）とのパワー比を利用して上述のフィルタ値を補正するようにしてもよい。この実施形態では、フィルタ形成部５は、周波数毎（１番目〜ｋ番目の成分毎）に以下の（５）式に従って、パワー比（推定目的音と入力信号ｘとのパワー比）を求めるものとする。そして、フィルタ形成部５は、周波数ごとに求めたパワー比に基づいて、フィルタＨの各周波数に対応するフィルタ値を補正するものとする。

以下の（５）式において、Ｒ_ｋは、推定目的音と信号加算部２の出力とのｋ番目の周波数のパワー比である。また、以下の（５）式において、Ｙ_ｋは推定目的音のｋ番目の周波数のパワーである。さらに、以下の（５）式において、Ｘ_ｋは入力信号ｘ（信号加算部２の出力信号）のｋ番目の周波数のパワーである。

ここでは、フィルタ形成部５は、一定のパワー以上の成分（閾値Ｔ１以上のパワーの成分）であっても、パワー比が閾値Ｔ２以下の成分については、非目的音抽出部３において抽出が不十分であった非目的音成分と判定し、フィルタ値の値を１から０に変更する補正（例えば、以下の（５−１）式に従って補正）を行うものとする。閾値Ｔ２としては、例えば０．５程度の値を適用することができる。言い換えると、フィルタ形成部５は、一定のパワー以上の成分（閾値Ｔ１以上のパワーの成分）であって、かつ、パワー比が閾値Ｔ２より大きい成分についてのみ、フィルタ値の値を「１」とし、それ以外の成分のフィルタ値を「０」とする処理を行う。
Ｒ_ｋ＝Ｙ_ｋ／Ｘ_ｋ …（５）

目的音強調部６は、信号加算部２の出力（入力信号ｘ）にフィルタ形成部５で形成したフィルタＨをかけて（フィルタＨを用いて）、非目的音成分を抑圧し、目的音を強調した信号を出力する。この実施形態の例では、目的音強調部６は、以下の（６）式を用いて、信号加算部２の出力（入力信号ｘ）にフィルタＨを適用して目的音を強調した目的音の信号を生成するものとする。以下の（６）式において、Ｚは、目的音の各周波数成分（各周波数のパワー）を要素に持つベクトルである。また、以下の（６）式において、Ｘは、信号加算部２の出力（入力信号ｘ）の各周波数成分（各周波数のパワー）を要素に持つベクトル（例えば、以下の（６−１）式で示されるベクトル）である。さらに、以下の（６）式において、Ｈは、各周波数のフィルタ値を要素に持つ対角行列（例えば、以下の（６−２）式で示される対角行列）である。なお、目的音強調部６が出力する信号の形式については限定されないものであり、例えば、周波数領域を時間領域に変換して出力するようにしてもよいし、所定の形式で符号化した音声データを出力するようにしてもよい。
Ｚ＝ＨＸ …（６）

ＳＳにより抽出された推定目的音は、減算処理により変形している可能性があるが、周波数領域に分布する成分自体は、もとの目的音源と同じであると考えられる。また、推定目的音には、目的音以外にも引き残しの非目的音成分が含まれている可能性がある。

そこで、フィルタ形成部５は、まず、推定目的音の各成分のうち、一定以上のパワーの成分（閾値より大きいパワーの成分）に対するフィルタ値を「１」、それ以外の成分（閾値以下のパワーの成分）については非目的音の成分と判定しフィルタ値を「０」とするフィルタＨを生成している。

さらに、フィルタ形成部５は、ＳＳ出力と入力信号とのパワー比Ｒ_ｋを利用してフィルタＨの各フィルタ値を補正している。ＳＳ出力のパワーを入力信号のパワーで割ると、共通に含まれる目的音成分のパワー比Ｒ_ｋは、通常１に近い値になる傾向がある。逆に非目的音成分は、入力信号にしか含まれないため、パワー比Ｒ_ｋは目的音成分よりも比較的小さい値となる傾向にある。例えば、推定目的音において、上述の閾値以上のパワーの成分でも、例えば「パワー比Ｒ_ｋ」が閾値Ｔ２（例えば、０．５以下）であるような場合、当該成分は、目的音成分でない可能性（非目的成分である可能性）が高い。このような成分に対して、０又は０に近いフィルタ値をフィルタＨに設定することで、ＳＳでは抑圧が不十分であった非目的音成分も抑圧することができる。

（Ａ−２）第１の実施形態の動作
次に、以上のような構成を有する第１の実施形態の音声強調装置１００の動作（実施形態の収音方法）の例を説明する。

信号入力部１−１、１−２は、それぞれ第１、第２のマイクロホンＭ１、Ｍ２で収音した音響信号をアナログ信号からデジタル信号に変換し、さらに時間領域から周波数領域に変換する。

信号加算部２は、信号入力部１−１と信号入力部１−２からの信号を加算した後、平均を取り目的音成分を強調した信号を入力信号ｘとして取得する。

非目的音抽出部３は、信号入力部１−１と信号入力部１−２からの信号に基づいて、ＢＦにより指向性を形成（例えば、上記の（１）式と（３）式を用いて形成）し、非目的音を抽出する。

スペクトル減算部４は、信号加算部２の出力から非目的音抽出部３の出力をＳＳして推定目的音を抽出（例えば、上記の（４）式を用いて抽出）する。

フィルタ形成部５は、一定のパワー以上の成分（閾値Ｔ１以上のパワーの成分）であって、かつ、パワー比が閾値Ｔ２より大きい成分についてのみ、フィルタ値の値を「１」とし、それ以外の成分のフィルタ値を「０」とするフィルタＨを形成する。

目的音強調部６は、信号加算部２の出力にフィルタ形成部５で形成したフィルタをかけ、非目的音成分を抑圧し、目的音を強調した信号を生成（例えば、上記の（６）式を用いて生成）して出力する。

（Ａ−３）第１の実施形態の効果
第１の実施形態によれば、以下のような効果を奏することができる。

音声強調装置１００では、ＳＳの出力音（スペクトル減算部４の出力信号）をそのまま目的音として出力するのではなく、フィルタ形成部５がＳＳの出力をもとに、目的音成分には影響を与えずに目的音成分以外を抑圧するフィルタＨを形成している。そして、音声強調装置１００では、目的音強調部６により、入力信号（信号加算部２の出力信号）に対してフィルタＨを掛けたものを目的音として抽出している。これにより、音声強調装置１００では、周囲に非目的音源が多く存在する環境や、残響が強い環境においても、歪を抑えて、安定的に目的音を強調した収音を行うことができる。また、音声強調装置１００では、最終的に出力される音について、ＳＳを直接行っていないため、ＳＳにより発生する副作用（例えば、ミュージカルノイズの発生等）も抑えることができる。

（Ｂ）第２の実施形態
以下、本発明による収音装置、プログラム及び方法の第２の実施形態を、図面を参照しながら詳述する。

（Ｂ−１）第２の実施形態の構成
図３は、第２の実施形態の音声強調装置１００Ａの機能的構成について示したブロック図であり、上述の図１と同一又は対応する部分には、同一又は対応する符号を付している。

以下では、第２の実施形態の音声強調装置１００Ａについて、第１の実施形態との差異を中心に説明する。

第２の実施形態の音声強調装置１００Ａは、１つのマイクロホンＭを用いて、目的方向（目的エリアの位置する方向）の音源からの目的音を収音する収音処理を行う点で第１の実施形態と異なっている。

次に、第２の実施形態の音声強調装置１００Ａの内部構成について説明する。

第２の実施形態の音声強調装置１００Ａでは、信号加算部２が音声区間検出部７に置き換わっている。また、第２の実施形態では、非目的音抽出部３が非目的音抽出部３Ａに置き換わっている。

信号入力部１は、マイクロホンＭで収音した音響信号をアナログ信号からデジタル信号に変換するものである。また、信号入力部１は、取得した信号（ディジタル信号）を時間領域から周波数領域に変換して出力する。第２の実施形態では、信号入力部１の出力信号を入力信号ｘとして以下の説明を行う。

音声区間検出部７は、信号入力部１の出力（入力信号ｘ）をもとに、音声区間と非音声区間を判定する処理を行う。このとき、音声区間検出部７が行う音声区間の判定方法は限定されないものであり、例えば、振幅スペクトルの変動や零交差など、種々の手法を用いることが可能である。

非目的音抽出部３Ａは、音声区間検出部７において非音声区間と判定された信号の成分を、非目的音として出力するものとする。この実施形態の例では、非目的音抽出部３Ａは、音声区間検出部７において非音声区間と判定された信号のパワーの平均値（各周波数成分のパワーの平均値）を算出し、非目的音として出力するものとする。この実施形態では、音声強調装置１００Ａは、主として目的方向（目的エリア）に存在する話者の発する音声を収音することを目的としているものとする。したがって、非目的音抽出部３Ａでは、音声区間検出部７を用いて、人間の音声が存在しない非音声区間の音を、目的方向以外の方向から到来した非目的音と認識することができるものとする。

スペクトル減算部４は、信号入力部１の出力（入力信号ｘ）から非目的音抽出部３Ａの出力（非目的音）をＳＳし、推定目的音を抽出する。スペクトル減算部４で行われるＳＳの処理自体は、第１の実施形態と同様の処理であるため、詳しい説明を省略する。

フィルタ形成部５は、スペクトル減算部４が出力する推定目的音を用いて、第１の実施形態と同様の処理によりフィルタＨを形成する。このとき、フィルタ形成部５は、入力信号ｘとして信号入力部１の出力信号を用いて、フィルタＨを形成することになる。

目的音強調部６は、入力信号ｘ（信号入力部１の出力）にフィルタ形成部５で形成したフィルタＨをかけ、非目的音成分を抑圧し、目的音を強調した信号を生成して出力する処理を行う。

（Ｂ−２）第２の実施形態の動作
次に、以上のような構成を有する第２の実施形態の音声強調装置１００Ａの動作（実施形態の収音方法）の例を説明する。

信号入力部１は、マイクロホンＭで収音した音響信号をアナログ信号からデジタル信号に変換し、さらに、取得した信号（ディジタル信号）を時間領域から周波数領域に変換して入力信号ｘとして出力する。

音声区間検出部７は、信号入力部１の出力（入力信号ｘ）をもとに、音声区間と非音声区間を判定する処理を行う。

非目的音抽出部３Ａは、音声区間検出部７において非音声区間と判定された信号のパワーの平均値を算出して、非目的音として出力する。

スペクトル減算部４は、信号入力部１の出力（入力信号ｘ）から非目的音抽出部３Ａの出力をＳＳし推定目的音を抽出（第１の実施形態と同様の処理により抽出）する。

フィルタ形成部５は、スペクトル減算部４が出力する推定目的音を用いて、フィルタＨを形成（第１の実施形態と同様の処理により形成）する。

目的音強調部６は、信号入力部１の出力（入力信号ｘ）にフィルタ形成部５で形成したフィルタＨをかけ、非目的音成分を抑圧し、目的音を強調した信号を生成（第１の実施形態と同様の処理により生成）して出力する。

（Ｂ−３）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態の効果に加えて以下のような効果を奏することができる。

第２の実施形態の音声強調装置１００Ａでは、非目的音抽出部３Ａが非音声区間の音を、目的方向以外の方向から到来した非目的音として抽出するため、１つのマイクロホンＭを用いた場合でも目的方向以外の方向から到来した非目的音と認識することができる。したがって、第２の実施形態の音声強調装置１００Ａでは、マイクロホンＭを複数用いない場合でも目的音を強調する処理を行うことができる。

（Ｃ）他の実施形態
本発明は、上記の各実施形態に限定されるものではなく、以下に例示するような変形実施形態も挙げることができる。

（Ｃ−１）上記の各実施形態において、フィルタＨの各フィルタ値は、「０」又は「１」の２値のいずれかであるものとして説明したが、フィルタＨに設定するフィルタ値は０から１の間で任意の値を設定するようにしてもよい。これにより、目的音強調部６ではＳＮ比を操作することもできる。例えば、フィルタＨとして、目的音成分以外の成分を２０ｄＢ抑圧するフィルタ値を設定すれば、非目的音を完全に抑圧せずに環境音の一部として残すこともできる。これにより、目的音強調部６で出力する音を聴いた聴者の違和感を低減することができる。

（Ｃ−２）第１の実施形態では、音声強調装置１００は、２つのマイクロホンＭ１、Ｍ２が収音した信号を処理しているが、３つ以上のマイクロホンで収音した信号を処理するようにしてもよい。

（Ｃ−３）上記各実施形態では、マイクロホンが捕捉して得た音響信号をリアルタイムに処理するものを示したが、マイクロホンが捕捉して得た音響信号を記憶媒体に記憶し、その後、記憶媒体から読み出して処理して目的音、目的エリア音の強調信号を得るようにしても良い。このように記憶媒体を利用する場合には、マイクロホンが設定されている場所と、目的音や目的エリア音の抽出処理する場所とが離れていても良い。同様に、リアルタイム処理をする場合でも、マイクロホンが設定されている場所と、目的音や目的エリア音の抽出処理する場所とが離れていても良く、通信により信号を遠隔地に供給するようにしても良い。

（Ｃ−４）第１の実施形態において、フィルタ形成部５が形成するフィルタＨは、入力信号ｘから非目的音を抑圧し、目的音を強調する処理に対応可能なフィルタ値が設定されていれば良い。したがって、フィルタ形成部５は、上述のパワー比を用いたフィルタＨの補正処理を省略するようにしてもよい。

１００…音声強調装置、Ｍ、Ｍ１、Ｍ２…マイクロホン、１…信号入力部、２…信号加算部、３…非目的音抽出部、４…スペクトル減算部、５…フィルタ形成部、６…目的音強調部。

Claims (6)

1. １又は複数のマイクロホンで収音した信号を取得する入力信号取得手段と、
   上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出する非目的音抽出手段と、
   上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成するスペクトル減算手段と、
   上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成するフィルタ形成手段と、
   上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する目的音強調手段と
   を有することを特徴とする収音装置。
2. 上記入力信号取得手段は、複数の上記マイクロホンで収音した信号を取得し、
   上記非目的音抽出手段は、上記入力信号取得手段が取得した信号に基づく上記第１の信号を用いて、上記目的方向以外の方向に指向性を形成して、上記第１の信号から非目的音を抽出する
   ことを特徴とする請求項１に記載の収音装置。
3. 上記第１の信号は、複数の上記マイクロホンにより収音した信号のいずれか１つ、又は複数の上記マイクロホンにより収音した信号を平均した信号であることを特徴とする請求項２に記載の収音装置。
4. 上記第１の信号の音声区間と非音声区間とを判定する音声区間検出手段をさらに備え、
   上記非目的音抽出手段は、上記第１の信号の非音声区間の信号に基づいて非目的音を抽出する
   ことを特徴とする請求項１に記載の収音装置。
5. コンピュータを、
   １又は複数のマイクロホンで収音した信号を取得する入力信号取得手段と、
   上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出する非目的音抽出手段と、
   上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成するスペクトル減算手段と、
   上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成するフィルタ形成手段と、
   上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する目的音強調手段と
   して機能させることを特徴とする収音プログラム。
6. 収音装置が行う収音方法において、
   入力信号取得手段、入力信号取得手段、スペクトル減算手段、フィルタ形成手段、及び目的音強調手段を有し、
   上記入力信号取得手段は、１又は複数のマイクロホンで収音した信号を取得し、
   上記非目的音抽出手段は、上記入力信号取得手段が取得した信号に基づく第１の信号から目的音以外の非目的音を抽出し、
   上記スペクトル減算手段は、上記第１の信号から、上記非目的音抽出手段が抽出した非目的音をスペクトル減算した第２の信号を生成し、
   上記フィルタ形成手段は、上記第２の信号から目的音成分を判定し、目的音成分以外の成分を抑圧するフィルタを形成し、
   上記目的音強調手段は、上記フィルタ形成手段が形成したフィルタを用いて、上記第１の信号から非目的音を抑圧し、目的音を強調した第３の信号を生成する
   ことを特徴とする収音方法。

Images