JP2017034490A - インターホン装置 - Google Patents

Abstract

【課題】住宅用インターホン装置において、室内にそのような生活音があっても応答操作者の声を聴取り易くする。
【解決手段】インターホン装置１の親機１０は、応答操作部１１と、複数のマイク１２ａ、１２ｂとが設けられ、マイク１２ａ、１２ｂによって集音された室内音を複数音源の音信号に分離し、音源分離された音信号のいずれかを応答操作者の声として応答操作部１１が操作されてから所定時間内に自動選択し、応答操作者の声として選択された音信号を聴取容易化するための音信号処理を実行するように構成されている。
【選択図】図１

Description

本発明は、戸建住宅、集合住宅等に設置されるインターホン装置に関する。

前記のようなインターホン装置では高品質な通話を提供するため、親機等にエコーキャンセラーや、特定の周波数以下の音波を除去して通話音を聴取リ易くするためのフィルターを内蔵させていた（特許文献１等）。

特開２００７−６０４２７号広報

しかしながら前記のようにエコーキャンセラーあるいはフィルターを用いた構成では、人の声に近い周波数の室内音、例えばＴＶの音等を弱めたり、聴こえ難くしたりすることは困難であった。本発明はこのような問題点に着目してなされたものであり、そのような室内音があっても応答操作者の声を聴取り易くすることができるインターホン装置を提供することを目的としている。

本発明は、室内に設置された親機と室外に設置された子器とで音声信号を相互に伝送させるインターホン装置において、前記親機は、応答操作部と、複数のマイクとが設けられ、かつ前記複数のマイクによって集音された室内音を複数音源の音信号に分離し、音源分離された音信号のいずれかを応答操作者の声として前記応答操作部が操作されてから所定時間内に自動選択し、応答操作者の声として選択された音信号を聴取容易化するための音信号処理を実行するように構成されていることを特徴とする。

本発明によれば、室内音があっても応答操作者の声の聴取が容易になる。またその室内音を聴こえ難くしてプライバシーを守ることもできる。

実施形態の一例とされるインターホン装置の基本構成を示すブロック図である。 親機の具体例を示す正面図である。 親機の表示画面の一例である。 音源分離の作用を説明する概念図である。 応答操作者の声の選択、聴取容易化の作用を説明する波形図である。

以下、本発明の実施形態の一例を図に従って説明する。
図１は、実施形態の一例とされるインターホン装置の基本構成を示すブロック図である。
インターホン装置１は、室内に設置された親機１０と、室外に設置された子器３０とからなり、これらの間で呼出通話のための音声信号を相互に伝送させるように構成されている。インターホン装置としての基本作用は従来と同様である。インターホン装置１は戸建住宅用のものでも集合住宅用のものでもよい。戸建住宅用のものであれば子器３０としてはドアホンが想定される。一方、集合住宅用のものであれば、子器３０としてはドアホン又はロビーインターホンが想定される。

本実施形態は、親機１０が通話の際に応答操作者の声を、音源分離法を用いて聴取容易化してから子器３０に伝送することを特徴とする。聴取容易化は子器３０において応答操作者の声が聴き取り易いという結果が得られればよく、具体的な処理内容は制限されない。例えば応答操作者の声として選択された音信号を、それ以外の音信号よりも相対的に強めてもよい。

親機１０は、応答操作部１１と、複数のマイク１２ａ、１２ｂとが設けられており、前記特徴を実現するために、マイク１２ａ、１２ｂによって集音された室内音を複数音源の音信号に分離するように構成されている。そして親機１０は、音源分離された音信号のいずれかを応答操作者の声として応答操作部１１が操作されてから所定時間内に自動選択し、応答操作者の声として選択された音信号を聴取容易化するための音信号処理を実行するように構成されている。以下、親機１０の構成要素をより詳細に説明する。

マイク１２ａ、１２ｂは筐体面に一定の間隔で配置されている。マイク１２ａ、１２ｂは無指向性のものでよい。更にスピーカー１３がマイク１２ａ、１２ｂから離れた場所に配置されている。スピーカー１３はダイナミック式のものでも圧電式のものでもよい。

音源分離部１４は、マイク１２ａ、１２ｂによって集音された室内音を複数音源の音信号に分離する要素である。音源分離の方法は後述するが、基本的には親機１０からの方向及び距離によって音源を分離すると考えてよい。

音信号選択部１５は、音源分離された音信号のいずれかを応答操作者の声として応答操作部１１が操作されてから所定時間内に自動選択する。その際の選択ルールは特に制限されないが、例えば音信号の平均レベルの大小によって、応答操作者の声と、それ以外の音とを識別してもよい。ただし応答操作者の声は常に存在するわけではなく無音のときもあるから、識別のタイミングが問題になる。本実施形態では、応答操作者の声が確実に存在しているタイミングとして、応答操作がなされた直後を採用している。具体的には応答操作を検知してから一呼吸分、例えば１秒程度待って、その後の１秒間を識別のタイミングとする等である。応答操作者の声の選択結果は通話の終了時点まで維持される。
なお変形例として、音信号選択部１５は、特定のキーワード、例えば「どちら様」等の音声データを予め登録しておき、音源分離された音信号がその音声データを含んでいるか監視して、含んでいた側の音信号を応答操作者の声であると判定してもよい。またあるいは、音信号選択部１５は、特定の応答操作者の声の特徴を予め登録しておき、音源分離された音信号がその特徴を有しているか監視し、その特徴を有している側の音信号を応答操作者の声であると判定してもよい。

音信号処理部１６は、応答操作者の声として選択された音信号を聴取容易化する音信号処理を実行する要素である。聴取容易化のための具体的な処理内容は特に制限されないが、応答操作者の声として選択された音信号をそれ以外の音信号よりも相対的に強めてもよい。そうすれば、通話の際に子器３０において応答操作者の声の聴取が容易になる。応答操作者の声を強めるのは相対的でよいから、応答操作者の声として選択された音信号を例えば６〜１２ｄＢ程増幅してもよく、あるいはそれ以外の音を−６〜１２ｄＢ程、あるいはそれ以上減衰させてもよい。ただし後者の方が音割れ等を生じさせることがない分、良好な結果が得られると考えられる。このような応答操作者の声の聴取容易化は、応答操作者の声以外の音が人の声（子供の声等）、人の声に近い音（ＴＶの音）であっても確実に作用する。また換言すれば、応答操作者の声以外の音を弱めることになるから、室内音が聴こえ難くなってプライバシーが守られる。そのため通話中に子供を黙らせたり、ＴＶの音を小さくしたりする必要もなくなる。また、応答操作者の声を相対的に強めるのと同時に、応答操作者の声に変調等を施してもよい。例えば女性の声を男性の声に変調すればセキュリティ効果も期待できる。
このような聴取容易化のための音信号処理のあと、応答操作者の声として選択された音信号とそれ以外の音信号は再び混合されて子器３０に伝送される。

音源分離部１４、音信号選択部１５、音信号処理部１６は、デジタル回路、例えばマイコン回路、ＤＳＰ回路等によって実現するとよい。そうした場合、マイク１２ａ、１２ｂのアナログ出力信号をＡ／Ｄ変換によってデジタル化し、デジタル化された音信号に対して、音源分離部１４、音信号選択部１５、音信号処理部１６の処理を数値演算によって実行する。そして処理された後の音信号をデジタルのまま混合し、混合されたあとの音信号をＤ／Ａ変換によってアナログ信号に戻せばよい。なお親機１０と子器３０との間の信号伝送がデジタル式であれば、音信号をアナログ信号に戻す処理を子器３０で行ってもよい。

通話録音部１７は、呼出操作者と応答操作者との通話を録音する要素である。この録音では、子器３０から伝送されてきた音信号と、親機１０のマイク１２ａ、１２ｂによって集音された音信号との両方を録音するのであるが、後者の音信号としては、聴取容易化された応答操作者の声ではなく、親機１０のマイク１２ａ、１２ｂのいずれかによって集音された室内音をそのまま録音するとよい。そうすればその録音を後で聞いたときに、室内音も聞こえるため記憶を呼び覚まし易くなる。

呼出音生成部１８は、子器３０の呼出操作部２１が操作されたときに、チャイム音等の呼出音を生成してスピーカー１３から出力させる要素である。

なお親機１０は、前記のような聴取容易化のための音信号処理の実行、非実行をスイッチ操作等によって予め設定可能に構成するとよい。そうすれば例えば室内で工事しているときなど、応答操作者の声の選択が正しく行われない可能性が高いとき、音信号処理の非実行を選択することで通話困難になる等の不具合が防止できる。

一方子器３０は、呼出操作部３１と、マイク３２と、スピーカー３３とを備えている。呼出操作部３１は、親機１０の呼出音生成部１８に伝送路４１等を介して接続されている。マイク３２は親機１０のスピーカー１３に伝送路４２等を介して接続されており、呼出操作者の声等が親機１０のスピーカー１３から再生されるようになっている。スピーカー３３は親機１０の音信号処理部１６に伝送路４３等を介して接続されており、応答操作者の声等が再生されるようになっている。なお図１では親機１０と子器３０との間に３系統の伝送路４１〜４３が設けられているが、系統数に特に制限はなく１系統で多重伝送してもよい。

図２は親機の具体例を示す正面図である。
親機１０は筐体の正面パネル２２に、「通話」キー、「終了」キー等からなる応答操作部１１と、「お知らせ」、「くらしモード」ランプ等からなる状態ランプ１９と、２つのマイク孔２０ａ、２０ｂと、スピーカー孔２１とが設けられている。マイク孔２０ａ、２０ｂの裏側には小型のマイク１２ａ、１２ｂが配置され、スピーカー孔２１の裏側には小型のスピーカー１３が配置されている。マイク１２ａ、１２ｂは音源分離が有効に作用するように一定の距離を隔てて配置するとよい。またハウリング防止等の観点からマイク１２ａ、１２ｂとスピーカー１３とも離しておくことが望ましい。また正面パネル２２には、子器３０の撮影した来客映像を表示するため小型タッチパネルからなる表示部２３も設けられている。

図３は、親機の表示画面の一例である。画面Ｗは、親機で応答操作がなされ通話中となったときに表示部２３に表示されるものである。画面下部に「通話録音」、「プライバシー」等のタッチキー２４が表示されている。「プライバシー」キーは、応答操作者の声の聴取容易化を行うか否かを設定するためのキーである。「通話録音」キーは、通話録音を開始、終了させるためのキーである。聴取容易化を行うか否かの選択状態、通話録音の状態は画面の隅に表示するようにしている。

インターホン装置１の基本作用は従来と同様である。すなわち子器３０で呼出操作がなされると、親機１０では呼出音が鳴動する。これに対して親機１０で応答操作がなされると、親機１０と子器３０との間で音声信号の伝送が許可され呼出操作者と応答操作者との通話が可能になる。この通話中、親機１０では本実施形態の特徴とされる音源分離、応答操作者の声の選択、聴取容易化等の処理が行われる。以下これらの処理について詳細に説明する。

音源分離の方法としては、例えばビームフォーミング、ブラインド音源分離等が知られている。本実施形態でも、これらの方法を利用できる。

ビームフォーミングは、要するに、複数のマイクで集音した音信号同士を加算又は減算することで、特定の方向からの音を強める又は弱めるものである。例えば親機に設けられた２つのマイクで集音した音信号同士を加算すれば正面方向の音が強められ、逆に減算すれば正面方向の音が弱められる。またマイクに左右不均等な遅延処理を施すことで正面だけでなく左右方向にも対応できる。このような方式としたとき、音源分離部は、２つのマイクで集音した音信号同士を加算して得られた音信号（応答操作者は親機の正面にいると想定）と、２つのマイクで集音した音信号同士を減算して得られた音信号とを出力するように構成すればよい。

一方、ブラインド音源分離は、要するに、異なる音源から発せられた音信号は互いに独立であると仮定し、分離後の音信号が互いに独立なものになるように、分離フィルターを逐次的に求めるというものである。
図４はブラインド音源分離の作用を説明する概念図である。親機１０としてマイク１２ａ、１２ｂと音源分離部１４のみを示している。音源としては応答操作者Ｐ１（母親等）と、その他として子供Ｐ２を想定している。応答操作者Ｐ１の発する声Ｓ１と、子供Ｐ２の発する声Ｓ２は互いに独立しているが、マイク１２ａ、１２ｂは、それらの声を異なる時間差、レベル差で混合された音信号Ｘ１、Ｘ２として集音することになる。フーリエ変換を用いれば、音信号Ｘ１、Ｘ２は次のような式に表せる。
ｘ（ω、ｋ）＝Ｈ（ω）ｓ（ω、ｋ）
ここにωは周波数、ｋは時間、ｘはマイクで集音された音信号ベクトル、Ｈは混合行列である。一方音源分離されたあとの音信号Ｙ１、Ｙ２は次のような式に表せる。
ｙ（ω、ｋ）＝Ｗ（ω）ｘ（ω、ｋ）
ここにｙは分離された音信号ベクトル、Ｗ（ω）は分離行列である。
音源分離部は、分離された音信号ベクトルの成分ｙ１（ω、ｋ）、ｙ２（ω、ｋ）が互いに独立になるように、周波数ω毎に分離行列Ｗ（ω）を勾配法等による繰り返し計算によって求める。
なおブラインド音源分離によって分離可能な音源の数はマイクの数以下である。しかし複数の音源の音が同時に生じることがほとんどない場合、すなわち複数の音源の音にスパース性がある場合には、マイクの数以上の音源を分離することも可能になる。

図５は、応答操作者の声の選択、聴取容易化の作用を説明する波形図である。波形として音源分離されたあとの音信号Ｙ１、Ｙ２と、応答操作部の操作状態とを示している。ここでは子器での呼出操作は既になされていると想定し、応答操作以降の作用を説明する。
グラフＧに示すように、時刻Ｔ０からＴ１までの間、親機の応答操作部が操作されている。これを受けて、時刻Ｔ０又はＴ１に親機のマイク、音源分離部、音信号選択部、音信号処理部等の作動が開始される。

音信号選択部は、音源分離されたあと音信号Ｙ１、Ｙ２の平均レベルの計測を、時刻Ｔ１より１秒後の時刻Ｔ２から更にその１秒後の時刻Ｔ３までの間（ハッチングによって示す期間）実行し、応答操作者の声として平均レベルが高い方の音信号を選択する。この例では音信号Ｙ１が選択されることになる。このときの選択結果は通話の終了時点まで維持される

音信号処理部は、時刻Ｔ３以降、その選択結果に従って、応答者の声の聴取容易化するための音信号処理として、その他の音（音信号Ｙ２）を減衰させる。波形図では、音信号Ｙ２の音信号処理前の波形をブラックで、音信号処理されたあとの波形をグレーで示している。子器には本来の音信号Ｙ１と、減衰されたあとの音信号Ｙ２とを混合させた音信号が伝送される。子器がその混合された音信号をスピーカーから再生すると、音信号Ｙ２は減衰されているので、子器での再生音では音信号Ｙ１が容易に聴き取れる。
時刻Ｔ４からＴ５までの間、音信号Ｙ１は無音になっている。しかしながらこの間も応答操作者の声として音信号Ｙ１が選択された状態が維持されたままなので、音信号Ｙ２を減衰させる音信号処理は継続して実行される。そのため子器で音信号Ｙ２の再生音が大きくなることはない。

１ インターホン装置
１０ 親機
１１ 応答操作部
１２ａ、１２ｂ マイク
１４ 音源分離部
１５ 音信号選択部
１６ 音信号処理部
３０ 子器

Claims (6)

1. 室内に設置された親機と室外に設置された子器とで音声信号を相互に伝送させるインターホン装置において、
   前記親機は、応答操作部と、複数のマイクとが設けられ、かつ
   前記複数のマイクによって集音された室内音を複数音源の音信号に分離し、音源分離された音信号のいずれかを応答操作者の声として前記応答操作部が操作されてから所定時間内に自動選択し、応答操作者の声として選択された音信号を聴取容易化するための音信号処理を実行するように構成されているインターホン装置。
2. 請求項１において、
   前記親機は、前記複数のマイクによって集音された室内音を複数音源の音信号に分離する音源分離部と、音源分離された音信号のいずれかを応答操作者の声として前記応答操作部が操作されてから所定時間内に自動選択する音信号選択部と、応答操作者の声として選択された音信号を聴取容易化するための音信号処理を実行する音信号処理部とを備えているインターホン装置。
3. 請求項１又は２に記載のインターホン装置において、
   前記親機は、前記応答操作者の声として選択された音信号を、それ以外の音信号よりも相対的に強める音信号処理を実行することを特徴とするインターホン装置。
4. 請求項１乃至３のいずれか一項に記載のインターホン装置において、
   前記親機は、前記音源分離された音信号の内、平均レベルが最も高い音信号を応答操作者の声として選択することを特長とするインターホン装置。
5. 請求項１乃至４のいずれか一項に記載のインターホン装置において、
   前記親機は、前記音信号処理の実行、非実行が予め設定可能に構成されているインターホン装置。
6. 請求項１乃至５のいずれか一項に記載のインターホン装置において、
   前記親機は、前記子器との間でなされた通話を録音可能に構成されており、その録音では、前記複数のマイクによって集音された室内音をそのまま録音することを特徴とするインターホン装置。
   

Images