JP2020504966A - 遠距離音の捕捉 - Google Patents

Abstract

遠距離音捕捉のためのシステムの方法であって、収音しＭ≧２個のマイクロホン信号を提供することと、Ｍ個のマイクロホン信号（および１つ以上の基準信号）をエコーキャンセル処理しＭ個のエコーキャンセルされた信号を提供することと、Ｍ個のエコーキャンセルされた信号をビームフォーミング処理しＢ≧１個のビームフォーミングされた信号を提供することと、を含む。方法は、Ｂ個のビームフォーミングされた信号をビームステアリング処理することをさらに含み得、ビームステアリング処理は、所望のソースビーム信号を検出することを含み得、所望のソースビーム信号は所望のソースの方角を指す音波ビームを表し得る。【選択図】図１

Description

本開示は、遠距離音捕捉のためのシステムおよび方法（一般に「システム」と呼ばれる）に関する。

遠距離マイクロホンまたは遠距離マイクロホンシステムとも呼ばれる遠距離音捕捉のためのシステムは、遠距離マイクロホンからより長い距離（例えば、数メートル）に位置する所望の音源からの音を記録するように適合されている。しかしながら、音源と遠距離マイクロホンとの間の距離が大きいほど、所望の音の対雑音比は低くなる。本明細書における用語「雑音」は、情報、アイデアまたは感情、例えば、音声または音楽を伝えない音を含む。雑音が所望されない場合は、干渉雑音とも呼ばれる。音声または音楽が家庭またはオフィスの内部のような雑音の多い環境に導入されると、内部に存在する雑音が所望の音声通信または音楽の提供に対して所望しない妨害効果を及ぼすことがある。雑音低減（Ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ）は一般的に所望しない信号を減衰させることであるが、所望する信号を増幅させることも含むことがある。所望の信号は音声信号であり得る一方、所望されない信号は所望の信号と干渉する環境内の任意の音であり得る。雑音低減に関連して使用される次の３つの主要なアプローチがある。指向性ビームフォーミング、スペクトル減算、およびピッチベースの音声強調。空間を伝搬する信号を受信するように設計されたシステムは、しばしば干渉信号の存在に遭遇する。所望の信号と干渉物が同一の時間的周波数帯域を占有する場合、時間的フィルタリングは、所望の信号を干渉から分離するために使用することができない。雑音低減の改善が望まれている。

遠距離音捕捉のためのシステムは、収音しＭ個のマイクロホン信号を提供するように構成されたＭ≧２個のマイクロホンと、Ｍ個のマイクロホン信号（および１つ以上の基準信号）を受信しＭ個のエコーキャンセルされた信号を提供するように構成されたマルチチャンネル音響エコーキャンセラブロックと、Ｍ個のエコーキャンセルされた信号を受信しＭ個のエコーキャンセルされた信号を処理してＢ≧１個のビームフォーミングされた信号を提供するように構成された（固定）ビームフォーマブロックと、を含む。

音声ポーズ検出器は、時間領域の入力信号を周波数領域の入力信号に変換するように構成された時間−周波数変換ブロックと、周波数領域の前記入力信号を周波数領域の多数の中間信号に分割するように構成されたスプリッタと、周波数領域において各中間信号に含まれる雑音を推定するように構成された多数の雑音推定器と、を含む。音声ポーズ検出器は、さらに、周波数領域の前記多数の中間信号と周波数領域の各中間信号に含まれる前記推定された雑音とから、周波数領域の各入力信号の信号対雑音比を評価するように構成された多数の信号対雑音評価器と、各信号対雑音比を所定の閾値と比較して信号対雑音比較信号を提供するように構成された多数の比較器と、前記信号対雑音比較信号を合計し、和信号を提供するように構成された加算器と、前記和信号における音声信号の発生および非発生を検出し、音声信号の発生および非発生を示す音声活動信号を提供するように構成された音声活動検出器と、を含む。

遠距離音捕捉のための方法であって、収音しＭ≧２個のマイクロホン信号を提供することと、Ｍ個のマイクロホン信号（および１つ以上の基準信号）をエコーキャンセル処理しＭ個のエコーキャンセルされた信号を提供することと、Ｍ個のエコーキャンセルされた信号をビームフォーミング処理しＢ≧１個のビームフォーミングされた信号を提供すること、を含む方法。

音声ポーズ検出方法は、時間領域の入力信号を周波数領域の入力信号に変換することと、周波数領域の入力信号を周波数領域の多数の中間信号に分割することと、周波数領域において各中間信号に含まれる雑音を推定することと、周波数領域の多数の中間信号と周波数領域の各中間信号に含まれる前記推定された雑音とから、周波数領域の各入力信号の信号対雑音比を評価することと、を含む。前記方法は、さらに各信号対雑音比を所定の閾値と比較して信号対雑音比較信号を提供することと、前記信号対雑音比較信号を合計し、和信号を提供することと、前記和信号中の音声信号の発生および非発生を検出し、音声信号の発生および非発生を示す音声活動信号を提供することと、を含む。

他のシステム、方法、特徴および利点は、以下の詳細な説明および添付の図面を検討することにより当業者には明らかであり、または明らかになるであろう。すべてのそのような追加のシステム、方法、特徴および利点はこの説明の中に含まれ、本発明の範囲内にあり、そして添付の特許請求の範囲によって保護されることが意図される。

このシステムは、以下の図面および説明を参照してよりよく理解され得る。図中の構成要素は必ずしも縮尺通りではなく、代わりに本発明の原理を例示することに重点が置かれている。さらに、図面において、同様の参照番号は、異なる図を通して対応する部分を示す。

例示的な遠距離マイクロホンシステムを示す概略図である 図１に示す遠距離マイクロホンシステムに適用可能な例示的音響エコーキャンセラを示す概略図である。 例示的なフィルタおよび和ビームフォーマを示す概略図である。 例示的なビームステアリングブロックを示す概略図である。 適応ブロッキングフィルタを用いずに適応ポストフィルタを用いた適応ビームフォーマの単純化された構造を示す概略図である。 例示的な音声ポーズ検出ブロックを有する例示的な遠距離マイクロホンの概略図である。 周波数領域で動作する例示的な音声ポーズ検出ブロックを示す概略図である。

図は、１つまたは複数の構成要素の文脈で概念を説明している。図に示される様々な構成要素は、例えば、適切なハードウェア上で実行されるソフトウェアまたはファームウェアプログラムコード、ハードウェア、およびそれらの任意の組み合わせを含む任意の方法で実施することができる。いくつかの例では、様々な構成要素は、実際の実施態様における対応する構成要素の使用を反映し得る。特定の構成要素は、複数の副構成要素に分割されてもよく、特定の構成要素は、並列的な方法を含む、本明細書に示されたものとは異なる順序で実施されてもよい。

所望の信号と干渉信号は通常異なる空間的位置から発生することが判明している。したがって、ビームフォーミング技術を使用して、オーディオ用途における信号対雑音比を改善することができる。一般的なビームフォーミング技術は、遅延和技術、グリフィス−ジムアルゴリズムなどのアルゴリズムを使用する適応有限インパルス応答（ＦＩＲ）フィルタリング技術、および人間の両耳聴覚システムのモデリングに基づく技術を含む。

ビームフォーマは、重みの選択方法に応じて、データに依存しないものと統計的に最適なものに分類できる。データに依存しないビームフォーマにおける重みはアレイデータに依存せず、すべての信号／干渉シナリオに対して特定の応答を提供するように選択される。統計的に最適なビームフォーマは、データの統計に基づいてビームフォーマの応答を最適化するために重みを選択する。データ統計はしばしば未知であり、時間と共に変化する可能性があるため、統計的に最適な解に収束する重みを得るために適応アルゴリズムが使用される。計算上の考慮事項により、多数のセンサからなるアレイを有する部分的に適応的なビームフォーマの使用が必要となる。最適なビームフォーマを実現するために多くの異なるアプローチが提案されてきた。一般に、統計的に最適なビームフォーマは、ビームフォーマ出力における信号対雑音比を最大にしようとして、干渉源の方向にヌル（ｎｕｌｌｓ）を配置する。

多くの用途において、所望の信号は未知の強度のものであり得、常に存在するとは限らない。そのような用途では、最大信号対雑音比（ＳＮＲ）における信号および雑音の共分散行列の正しい推定は不可能である。所望の信号についての知識がないと、基準信号によるアプローチの利用が妨げられる可能性がある。これらの制限は、重みベクトルに線形拘束を適用することによって克服することができる。線形拘束の使用は、ビームフォーマの適応された応答に対する広範な制御を可能にする手法である。しかしながら、普遍的な線形拘束設計アプローチは存在せず、そして多くの用途において異なるタイプの拘束技術の組み合わせが効果的であり得る。しかしながら、線形拘束を設計するための単一の最良の方法または異なる方法の組み合わせのいずれかを見いだす試みにより、線形拘束設計に頼る技術のビームフォーミング用途での使用が制約されている。

一般化サイドローブキャンセリング（ＧＳＣ）技術は、ビームフォーミング用途のための線形拘束設計技術に関連する欠点に対処するための代替アプローチである。基本的に、GSCは制約付き最小化問題を制約のない形式に変更するためのメカニズムである。ＧＳＣは、ある方向からの所望の信号を歪ませずに残し、同時に、他の方向から放射される所望しない信号を抑制する。しかしながら、ＧＳＣは２経路構造を使用する。所望の信号の方向を指す（固定）ビームフォーマを実現するための所望の信号経路と、理想的には純粋な雑音推定値を適応的に生成する所望しない信号の経路であり、後者が固定ビームフォーマの出力信号から差し引かれることにより、雑音が抑制され、その信号対雑音比（ＳＮＲ）が増加する。

所望しない信号の経路、すなわち雑音を推定するための経路は、２段階の手法で実現することができる。所望しない信号の経路の第１段では、この段の入力信号から所望の信号以外の残りの成分を除去または遮断する。これは、例えば単一入力の場合は適応ブロッキングフィルタであり、２つ以上の入力信号が使用される場合は適応ブロッキング行列である。所望しない信号の経路の第２段には、単一チャネルの推定雑音信号を生成するための適応（マルチチャネル）干渉キャンセラ（ＡＩＣ）がさらに含まれてよく、次に、例えば、固定ビームフォーマの任意に時間遅延された出力信号である所望の信号の経路の出力信号から減算される。したがって、所望の信号成分は理想的にはこの処理によって影響されないので、固定ビームフォーマの任意に遅延された出力信号に含まれる雑音を抑制することができ、より良いＳＮＲをもたらす。これは、雑音推定内のすべての所望の信号成分が首尾よくブロックされることができる場合に限り当てはまり、これは実際にはまれであり、したがって現在の適応ビームフォーミングアルゴリズムに関連する大きな欠点の１つを表す。

音響エコーキャンセレーションは、例えば、全音響信号から推定エコー信号を差し引くことによって達成することができる。実際のエコー信号の推定値を提供するために、時間領域で動作し、時間離散信号を処理する適応デジタルフィルタを使用することができるアルゴリズムが開発されてきた。そのような適応デジタルフィルタは、フィルタの伝送特性を定義するネットワークパラメータが事前設定された品質関数を参照して最適化されるように動作する。そのような品質関数は、例えば、基準信号に関して適応ネットワークの出力信号の平均二乗誤差を最小にすることによって実現される。

ここで図１を参照すると、例示的な遠距離音捕捉システムでは、所望の音源１０１からの音源信号ｘ（ｎ）に対応し、nは（離散的な）時間インデックスである音が、１つまたは複数のスピーカ（図示せず）を介して放射され、部屋の中を進む際に、伝達関数ｈ_１（ｚ）．．．．ｈ_Ｍ（ｚ）を有し、ｚは周波数インデックスである対応する室内インパルス応答（ＲＩＲ）１００でフィルタリングされ、その結果の音がＭ個のマイクロホン信号を提供するＭ個（Ｍは、例えば２、３またはそれより大きい、整数である）のマイクロホン１０７によって収音される前に、最終的に雑音により損なわれる可能性がある。図１に示される例示的な遠距離音捕捉システムは、Ｍ個のエコーキャンセルされた信号ｘ_１（ｎ）．．．．ｘ_Ｍ（ｎ）を提供する音響エコーキャンセレーション（ＡＥＣ）ブロック２００と、Ｂ個（Ｂは、例えば１、２またはそれより大きい、整数である）のビームフォーミング信号ｂ_１（ｎ）．．．．ｂ_Ｂ（ｎ）を提供する後続の固定ビームフォーマ（ＦＢ）ブロック３００と、後続のビームステアリング（ＢＳ）ブロック４００とを含む。ビームステアリング（ＢＳ）ブロック４００は、本明細書ではポジティブビーム出力信号ｂ（ｎ）とも呼ばれる所望のソースビーム信号ｂ（ｎ）を提供し、任意選択で、本明細書ではネガティブビーム出力信号ｂ_ｎ（ｎ）とも呼ばれる所望しないソースビーム信号ｂ_ｎ（ｎ）を提供する。ＢＳブロック４００の後に続いており、所望しないソースビーム信号ｂ_ｎ（ｎ）が供給される任意の所望しない信号（ネガティブビーム）の経路には、エラー信号ｅ（ｎ）を提供する任意の適応ブロッキングフィルタ（ＡＢＦ）ブロック５００および後に続く適応干渉キャンセラブロック６００を含む。元のＭ個のマイクロホン信号、またはＡＥＣブロック２００のＭ個の出力信号、またはＦＢブロック３００のＢ個の出力信号は、ＡＢＭブロック５００への入力信号として、任意選択で所望しないソースビーム信号ｂ_ｎ（ｎ）とオーバーレイして使用することが可能であり、任意選択のマルチチャネルＡＩＣブロックに加えて任意選択のマルチチャネルＡＢＭブロックを確立することができる。

ビームステアリングブロック４００の次に続き、所望のソースビーム信号ｂ（ｎ）が供給される、所望のソースビーム信号（ポジティブビーム）経路には、任意選択の遅延ブロック１０２、後続の減算ブロック１０３および後続の（適応）ポストフィルタブロック１０４を含む。任意選択の音声ポーズ検出器７００は、適応ポストフィルタブロック１０４、任意選択の雑音低減（ＮＲ）ブロック１０５および任意選択の自動利得制御（ＡＧＣ）ブロック１０６の下流に接続されてもよい。また、それぞれ、存在する場合は音声ポーズ検出器７００の上流に接続されてもよい。ＡＥＣブロック２００は、ＦＢブロック３００の上流に接続される代わりに、その下流に接続されてもよいことに留意されたい。これは、Ｂ＜Ｍ、すなわちＦＢブロック３００内のビームフォーマの数がマイクロホンの数より少ない場合に有益であり得る。さらに、ＡＥＣブロックは、多数のサブブロック（図示せず）、例えば、各マイクロホン信号用の長さが短いサブブロックと、ＢＳブロック下流の所望のソースビーム信号用の長さが長いサブブロック（図示せず）、および任意選択で所望しないソースビーム信号用の別の長さが長いサブブロック（図示せず）とに分割することができる。さらに、このシステムは、示されているようにただ１つのソースを有する状況において適用可能であるのみはなく、多数のソースに関連して使用するために適合させることができる。例えば、２つの無相関信号を提供するステレオソースが使用される場合、ＡＥＣブロックはステレオ音響エコーキャンセラ（ＳＡＥＣ）ブロック（図示せず）によって置き換えられてもよい。

図１から分かるように、Ｎ（＝１）個のソース信号ｘ（ｎ）は、Ｎ×Ｍ個のＲＩＲによってフィルタリングされ、かつ場合により雑音の干渉を受け、ＡＥＣブロック２００への入力として機能する。図２は、単一のマイクロホン（２０６）と単一のスピーカ（２０５）を有するＡＥＣブロック２００の例示的な実現形態を示す。当業者によって理解および認識されるように、そのような構成は、複数のマイクロホン２０６および／または複数のスピーカ２０５を含むように拡張することができる。ソース信号ｘ（ｎ）である遠端信号は、スピーカ２０５を介し、伝達関数（ベクトル）
を有するエコー経路２０１を通って進み、エコー信号ｘ_ｅ（ｎ）を提供する。この信号は、加算ノード２０９において、背景雑音と近端音声の両方を含み得る近端信号ｖ（ｎ）に加算されて、電気マイクロホン（出力）信号ｄ（ｎ）を生成する。適応フィルタブロック２０２によって提供される推定エコー信号
は、減算ノード２０３においてマイクロホン信号ｄ（ｎ）から減算されて、エラー信号ｅ_ＡＥＣ（ｎ）を提供する。適応フィルタ２０２の目的は、エラー信号ｅ_ＡＥＣ（ｎ）を最小にすることである。

ＬがＦＩＲフィルタの長さである次数Ｌ-１の伝達関数
を有するＦＩＲフィルタ２０２は、エコー経路をモデル化するために使用される。伝達関数
は、
として与えられる。
適応フィルタに対するブロック２０３での所望のマイクロホン信号ｄ（ｎ）は、
として与えられ、ここで、
は、L（Lは整数）個の最新の入力信号の時間サンプル、ｘ（ｎ）、およびｖ（ｎ）、すなわち、雑音を含み得る近端信号を含む実数値ベクトルである。前述の表記法を再び適用して、フィードバック／エコーエラー信号は、次のように与えられる。
ここで、ベクトルｈ（ｎ）および
は、音響エコー経路を表すフィルタ係数と、時間ｎにおける適応フィルタ係数によるその推定値とを含む。ベクトル
は、例えば、最小二乗平均（ＬＭＳ）アルゴリズムまたは任意の最先端の再帰アルゴリズムを用いて推定される。ＬＭＳ型アルゴリズムのステップサイズμ（ｎ）を用いたＬＭＳ更新は、
と表わされる。

単純であるが効果的なビームフォーミング技術は遅延和（ＤＳ）技術である。図１を再び参照すると、ＡＥＣブロック２００の出力は、固定ビームフォーマブロック３００への入力ｘ_ｉ（ｎ）（ｉ＝１，…，Ｍ）として機能する。フィルタアンドサム（ＦＳ）ビームフォーマブロック３００の一般的構造は、伝達関数ｗ_ｉ（Ｌ）＝［ｗ_ｉ（０），．．．，ｗ_ｉ（Ｌ−１）］を有するフィルタ３０２を含み、図３に示される。このとき、ｉ＝１，．．．，Ｍであり、LはＦＢ内のフィルタの長さである。フィルタブロック３０２が所望の（実際の）遅延を実行する場合、ｊ＝１，．．．，Ｂである出力ビームフォーマ信号ｂ_ｊ（ｎ）は以下のように与えられる。ここで、Ｍはマイクロホンの数である。
ｊ＝１，．．．，Ｂである各（固定）ビームフォーマ出力信号ｂ_ｊ（ｎ）に対して、各マイクロホンは互いに対して遅延τ_ｉ，ｊを有する。ＦＳビームフォーマは、伝達関数ｗ_ｉ（Ｌ）を有するフィルタ３０２を介して入力信号ｘ_ｉ（ｎ）を受信する加算器３０１を含み得る。

再び図１を参照すると、固定ＦＳビームフォーマブロック３００によって出力されたビームフォーマ信号ｂ_ｊ（ｎ）は、ＢＳブロック４００への入力として機能する。固定ビームフォーマブロック３００からの各信号は異なる室内方向から取られ、異なるＳＮＲレベルを有することができる。ＢＳブロック４００の入力信号ｂ_ｊ（ｎ）は、低周波数ランブル、直流（ＤＣ）オフセット、および音声信号の場合、不要なボーカル破裂音などの低周波数成分を含むことがある。したがって、ＢＳブロック４００の入力信号ｂ_ｊ（ｎ）に影響を及ぼし得るこれらのアーチファクトは除去されることが望ましい。

代替的に、所望しない信号（例えば、雑音）源を指すビーム、すなわち所望しない信号ビームは、所望の音源を指すビーム、すなわち所望のソースビームに基づいて、それを所望のソースを指すビームと反対の方向に（または所望のソースを指すビームに対して任意の固定された異なる方向に）指向させることによって近似させ得る。これにより、より少ないリソースを使用するシステムをもたらし、またまったく同じ時間変動を有するビームをもたらすことになる。さらに、これにより、両方のビームが同じ方向を向くことは決して許さない。

代替的に、所望のソース方向を向いているビーム（ポジティブビーム）を単に基準とする代わりに、その隣接ビームと合計することによって、ポジティブビーム出力信号を生成するための基準を形成することができる。これらすべてのビームが高レベルで含む所望の信号は互いに相関しており、そのため合計によって増幅されることとなる。
一方、隣接する３つのビームに含まれる雑音部分は互いに単に無相関であり、そのため、合計されることによって抑制される。結果として、３つの隣接ビームの最終の出力信号は改善されたＳＮＲを示すであろう。

所望しないソース方向を向いているビーム（ネガティブビーム）は、代替的に、ポジティブビームを表すものを除く、ＦＢブロック３００のすべての出力信号を使用することによって生成することができる。これにより、所望の信号ソースの方向に空間的ゼロを有する有効な指向性応答がもたらされる。その他の点では、全方向性の性質が応用可能であり、これは通常、雑音も全方向性的にマイクロホンアレイに入り、指向性のある形態はまれであることから有益であり得る。

さらに、任意選択的に遅延されたＢＳブロック４００からの所望の信号は、出力信号の基礎を形成し、したがって任意選択的な適応ポストフィルタ１０４に入力される。ＡＩＣブロック６００によって制御され、フィルタリングされた出力信号を供給する適応ポストフィルタ１０４は、既知のスペクトル・サブストラクション方法を実行できる後続の単一チャネル雑音低減ブロック（例えば、図１のＮＲブロック１０５）、および（例えば、最終の）任意選択である自動利得制御ブロック（例えば、図１のＡＧＣブロック１０６）への、任意選択的な入力が可能である。

図４を参照すると、ＢＳブロック４００において、雑音の影響を受けた、または例えば音声信号成分など有用な信号成分を含まない信号成分をブロックするため、ポジティブビーム信号ｂ_ｊ（ｎ）は、（ハイパスおよび任意のローパス）フィルタブロック４０１を用いてフィルタリングされる。フィルタブロック４０１からの出力は、ビーム信号ｂ_ｊ（ｎ）内において点から点への振幅の急速でランダムな変化をもたらし得る、雑音による振幅変動を有する可能性がある。この状況において、例えば、図４に示されるように後続の平滑化ブロック４０２において実行されるプロセスによって雑音を低減することが有用であり得る。

フィルタブロック４０１からのフィルタリングされた信号は、平滑化ブロック４０２において、例えばローパス無限インパルス応答（ＩＩＲ）フィルタまたは移動平均（ＭＡ）有限インパルス応答（ＦＩＲ）フィルタ（いずれも図示せず）を適用することによって平滑化され、これにより、低周波成分はほとんど変化せずに通過し、高周波成分が減少する。平滑化ブロック４０２が出力する平滑化された信号は、ある程度レベルの雑音を依然として含んでいる可能性があり、したがって上述のような、気付き得る鋭い不連続性の原因となり得る。音声信号のレベルは、特にそのレベル変動が、背景雑音のレベル変動よりも、レベル変動の動的範囲が広くはるかに短い間隔で生じるという事実のために、通常、背景雑音のレベルの変動とは明らかに異なる。したがって、雑音推定ブロック４０３内の線形平滑化フィルタは、雑音を除去するだけでなく、所望の信号、例えば音楽または音声信号における急激な変動を不鮮明にするであろう。このような音楽または音声信号の不鮮明化は多くの用途で受け入れられず、したがって、上述のアーチファクトを抑制するため、雑音推定ブロック４０３内において非線形平滑化フィルタ（図示せず）を平滑化された信号に適用することができる。平滑化ブロック４０２の出力ビーム信号ｂ_ｊ（ｎ）におけるデータ点は、（おそらく雑音のために）直接隣接する点よりも高い振幅を有する個別の点が減少し、隣接する点よりも低い振幅を有する個別の点が増加するように修正される。これはより滑らかな信号（そして信号の変化に対するより遅いステップ応答）をもたらす。

次に、平滑化ブロック４０２からの平滑化された信号と雑音推定ブロック４０３からの推定背景雑音信号とに基づいて、ＳＮＲ値の変動を決定（例えば、計算）することができる。ＳＮＲの変動により、雑音ソースを所望の音声または音楽信号と区別することができる。例えば、低いＳＮＲ値は、エアコン、ファン、開いている窓、またはコンピュータなどの電気装置などの様々な雑音ソースを表すことがある。ＳＮＲは、時間領域または周波数領域またはサブバンド周波数領域で評価することができる。

ブロック４０４からの出力ＳＮＲ値は、比較器ブロック４０５において所定の閾値と比較される。現在のＳＮＲ値が所定の閾値よりも大きい場合、例えば所望の音声信号を示すフラグ、例えば「１」が設定される。代替的に、現在のＳＮＲ値が所定の閾値未満である場合、エアコン、ファン、開いている窓、またはコンピュータなどの電気装置からの雑音などの所望しない信号を示すフラグ例えば、「０」が設定される。

ブロック４０４および４０５からのＳＮＲ値は、パス＃１からパス＃Ｂを介してコントローラブロック４０６に渡される。コントローラブロック４０６は、経時的に収集された複数のＳＮＲ（低および高の両方）値のインデックスを比較器ブロック４０５の状態フラグと比較する。最大値および最小値のヒストグラムは、所定の期間にわたって収集される。ヒストグラムの最小値と最大値は、少なくとも２つの異なる出力信号を表す。少なくとも１つの信号はＳ（ｎ）で示される所望のソースに向けられ、少なくとも１つの信号はＩ（ｎ）で表される干渉源に向けられる。

コントローラブロック４０６内の低いＳＮＲ値および高いＳＮＲ値に対するインデックスが時間と共に変化する場合、一方の出力信号から他方の出力信号への滑らかな遷移を音響アーチファクトを生成することなく可能とするフェーディングプロセスが開始され得る。ＢＳブロック４００の出力は、経時的に選択された所望信号ビームおよび任意選択の所望しない信号ビームを表す。ここで、所望信号ビームは、最もＳＮＲが高いＦＢ出力（ポジティブビーム信号ｂ（ｎ））を表す。任意選択で、所望しないビームは、最も低いＳＮＲを有するＦＢ出力（負のビーム信号ｂ_ｎ（ｎ））を表すことができる。

ＢＳブロック４００の出力は、任意選択の適応ブロッキングフィルタ（ＡＢＦ）ブロック５００による基準として使用することができる高いＳＮＲ（ポジティブビーム）を有する信号と、任意選択の低ＳＮＲ（ネガティブビーム）を有する追加の信号とを含み、任意選択のＡＢＦブロック５００に対する第２の入力信号を形成する。ＡＢＦフィルタブロック５００は、最小二乗平均（ＬＭＳ）アルゴリズムにより制御されるフィルタを使用して、参照信号ｂ（ｎ）（所望のソースビームを表す）によって表される関心信号を信号ｂ_ｎ（ｎ）（所望しないソースビームを表す）から適応的に減算し、エラー信号（複数可）ｅ_ｉ（ｎ）を供給できる。ＡＢＦブロック５００から得られたエラー信号ｅ_ｉ（ｎ）は、適応干渉キャンセラ（ＡＩＣ）ブロック６００に渡され、適応干渉キャンセラ（ＡＩＣ）ブロック６００は所望の信号経路内の固定ビームフォーマ３００のビームフォーマ出力からエラー信号に相関する信号成分を適応的に除去する。既に述べたように、他の信号は代替的にまたは付加的にＡＢＭブロックへの入力として機能することができる。さらに、任意選択的にＡＢＭ、ＡＩＣおよびＡＰＦブロックを含むことができる適応ビームフォーマブロックは、部分的にまたはその全体を省略することができる。

まず、ＡＩＣブロック６００は、適応フィルタ（図示せず）を使用して干渉信号を計算する。次に、この適応フィルタの出力は、正のビーム信号ｂ（ｎ）であり得る任意選択的に（遅延１０２によって）遅延された基準信号から減算器１０３によって減算されて、基準信号ｂ（ｎ）中の残りの干渉および雑音成分を除去する。最後に、適応ポストフィルタ１０４は、統計的雑音成分（すなわち、明確な自己相関を持たない信号）を低減するために減算器１０３の下流に接続されてもよい。ＡＢＦブロック５００におけるように、ＡＩＣブロック６００におけるフィルタ係数は、適応ＬＭＳアルゴリズムを使用して更新され得る。ＡＩＣブロック６００、ＡＢＦブロック５００、およびＡＥＣブロックのうちの少なくとも１つの中のフィルタ係数のノルムは、それらが過度に大きくなるのを防ぐために制約され得る。

図５は、所望のソースビーム（ポジティブビーム）信号ｂ（ｎ）から雑音を除去するための例示的なシステムを示す。それによって、図５において信号ｚ_ｉ（ｎ）によって表される信号ｂ（ｎ）に含まれる雑音成分は、適応システム７００によって提供され、遅延１０２によって任意選択的に遅延された所望の信号ｂ（ｎ−γ）から加算器１０３によって減算され、その中に含まれる所望しない雑音をある程度まで低減する。適応フィルタ７００のための参照信号、すなわち、所望しないソースビームを表す負のビーム信号ｂ_ｎ（ｎ）が使用され、理想的には雑音のみを含み、音声のような有用な信号を含まない。既知のＮＬＭＳアルゴリズムを使用して、ＢＳブロック４００からの所望のソースビーム信号ｂ（ｎ）から雑音をフィルタリングすることができる。所望のソースビーム信号ｂ（ｎ）中の雑音成分は、適応システムブロック７００を使用して推定される。所望のソースビーム信号ｂ（ｎ）におけるさらなる雑音を低減するために、加算器１０３によって、所望の信号ｂ（ｎ）における推定雑音が、任意選択的に遅延された所望の信号ｂ（ｎ−γ）から減算される。所望しないソースビーム信号ｂ_ｎ（ｎ）は、所望ソースビーム信号ｂ（ｎ）中の残留雑音を除去するために、適応システムブロック７００のための雑音基準信号として使用される。これにより、所望のソースビーム信号ｂ（ｎ）の信号対雑音（ＳＮＲ）比が増大する。図５に示されるシステムは、ＡＢＦまたはＡＢＭブロックによって実行される所望しない信号の信号成分の追加のブロッキングが、純粋な雑音信号の品質を所望の信号ｂ（ｎ−γ）と比較してほとんど向上させない場合には省略され得るので、任意選択のＡＢＦまたはＡＢＭブロックは使用しない。したがって、所望しないソースビーム信号ｂ_ｎ（ｎ）の品質に応じて、適応ビームフォーマの性能を低下させることなく、ＡＢＦおよび／またはＡＢＭブロックを省略することができる。

図６に示すように、ブロック１０４の所望の出力音声信号ｙ（ｎ）は、音声ポーズ検出器（ＳＰＤ）ブロック７００への入力として機能することができる。ＳＰＤブロック７００などのＳＰＤブロックは、図示のような遠距離場マイクロホンシステムにおいて、または他の任意の適切な用途において使用することができる。

図７を参照すると、音声ポーズ検出器（ＳＰＤ）ブロック７００は、時間−周波数変換ブロック７０１によって入力信号ｙ（ｎ）を時間領域から周波数領域に変換することができる。入力信号のスペクトル成分はバンドパスフィルタリングやフーリエ変換を含む様々な方法によって得ることができる。一手法では、離散または高速フーリエ変換を利用して、入力信号のＮ点の連続ブロックを変換することができる。ハニング窓などの窓関数を適用することができ、その場合、Ｎ／２点の重なりを使用することができる。入力信号内の各周波数ビンで離散フーリエ変換（ＤＦＴ）を利用することができる。代替的に、高速フーリエ変換（ＦＦＴ）を入力信号によって占められる全周波数帯域にわたって利用することができる。スペクトルは、入力信号帯域内の周波数ビンごとに保存される。

この例では、時間−周波数変換ブロック７０１は、時間領域の入力信号ｙ（ｎ）に任意選択的な窓掛け（図示せず）を伴う高速フーリエ変換（ＦＦＴ）を適用して、周波数領域の信号Ｙ（ω）を生成する。信号Ｙ（ω）は、適切な長さの移動平均フィルタを使用して、そして窓関数を適用することによって、スペクトル平滑化ブロック７０２によって任意選択的に平滑化される。窓関数としては、ハニング窓または他の任意の窓関数が適用可能である。

（任意選択の）スペクトル平滑化の欠点は、それが複数の周波数ビンを説明することであり、これはスペクトル分解能を低下させる。スペクトル平滑化に関連する欠点を克服するために、スペクトル平滑化ブロック７０２の出力は、時間的平滑化ブロック７０３を使用することによってさらに平滑化される。時間的平滑化ブロック７０３は、時間経過に伴う周波数ビン値を組み合わせて、ブロック７０２の出力信号における時間的ダイナミクスを減少させる。

時間的平滑化ブロック７０３は、背景雑音と共にインパルス歪みを依然として含み得る時間的に平滑化された信号を出力する。雑音推定ブロック７０４は、時間的平滑化ブロック７０３の下流に接続されて、時間的平滑化ブロック７０３の出力における音声のような衝撃的な歪みを不鮮明化して、現在の背景雑音を最終的に推定する。音楽または音声信号などの所望の信号の不鮮明化を低減または回避するために、雑音推定ブロック７０４において非線形平滑化（図示せず）を採用することができる。

時間的平滑化ブロック７０３からの平滑化された信号および雑音推定ブロック７０４からの推定準定常背景雑音信号に基づいて、ＳＮＲの変動を（例えば、ＳＮＲ値の周波数分布として）決定することができる。ＳＮＲの変動によって、雑音源は所望の音声または音楽信号と区別することができる。例えば、低いＳＮＲ値は、エアコン、ファン、開いている窓、またはコンピュータなどの電気装置などの様々な雑音源を表し得る。ＳＮＲは、時間領域または周波数領域またはサブバンド領域において評価され得る。

比較器ブロック７０６において、ブロック４０５からの出力ＳＮＲ値は所定の閾値と比較される。現在のＳＮＲ値が所定の閾値よりも大きい場合、例えば所望の音声信号を示すフラグが例えば「１」に設定される。現在のＳＮＲ値が所定の閾値未満である場合、エアコン、ファン、開いている窓、またはコンピュータなどの電気装置からの雑音などの所望しない信号を示すフラグが、例えば、「０」に設定される。

ブロック７０６からのＳＮＲ値は合計ブロック７０７に渡される。合計ブロック７０７は、ブロック７０６からのスペクトルフラグを合計し、少なくとも１つの時変信号Ｓ（ｎ）を出力する。ブロック７０７からの出力信号Ｓ（ｎ）は比較器ブロック７０８に渡される。比較器ブロック７０８において、ブロック７０７からの出力信号Ｓ（ｎ）はさらに別の所定の閾値と比較される。出力信号Ｓ（ｎ）の現在の値が所定の閾値よりも大きい場合、音声活動を示すフラグが例えば「１」に設定される。代替的に、出力信号Ｓ（ｎ）の現在値が所定の閾値よりも小さい場合、音声活動を示すフラグが例えば「０」に設定される。

比較器ブロック７０８の出力信号は、音声の非活動を表し得る。比較器ブロック７０８の出力は音声ポーズ検出（ＳＰＤ）タイマブロック７０９に渡される。ＳＰＤタイマブロック７０９は、カウンタ７１０を使用して、比較器ブロック７０８からの音声の非アクティブまたは音声のポーズを示すフラグ「０」の数（カウント）Ｔ（ｎ）をカウントすることができる。ＳＰＤタイマブロック７０９が音声の非アクティブ状態またはポーズに遭遇すると、カウントＴ（ｎ）は１だけ減分され、さもなければカウントＴ（ｎ）は例えばその初期化値にリセットされる。

ＳＰＤタイマブロック７１０の出力は、音声ポーズ検出（ＳＰＤ）ブロック７１０に渡される。ＳＰＤタイマブロック７１０において、出力カウントＴ（ｎ）は所定の閾値と比較される。現在のカウントＴ（ｎ）が所定の閾値未満である場合、例えば音声のポーズを示すフラグが「Ｉ」に設定されることになる。現在のカウントＴ（ｎ）が所定の閾値より大きい場合、音声のポーズを示すフラグは音声活動を示す「０」に設定される。既に述べたように、上で概説した方法は時間領域でも実現することができる。

実施形態の説明は、例示および説明の目的で提供されている。実施形態に対する適切な修正および変形は、上記の説明に照らして実行されてもよく、または方法を実施することから取得されてもよい。例えば、特記しない限り、記載された方法のうちの１つ以上は、適切な装置および／または装置の組み合わせによって実行されてもよい。記載された方法および関連する動作はまた、本願に記載された順序に加えて、並行しておよび／または同時に様々な順序で実行されてもよい。説明されたシステムは、本質的に例示的なものであり、追加の要素を含み、かつ／または要素を省略することができる。

例えば、上述のような遠距離音捕捉システムでは、ビームステアリングブロックは、代替的に、Ｍ個のマイクロホンまたは、音響エコーキャンセラによって提供されるエラー信号、すなわち、音響エコーキャンセラの前または後、または、音響エコーキャンセラにおける任意選択的な残留エコーサプレッサの前または後の信号に基づくことができる。所望のソースを向く音波のビームを検出することに代えてまたは加えて、所望しないソースを向く音波のビームを主ビームとして使用することができる。システムはさらに、適応干渉キャンセラの上流に接続されたその入力信号内の有用な信号部分を静的または適応的にブロックするように構成された任意選択的な適応ブロッキングフィルタまたは適応ブロッキング行列を含むことができる。適応干渉キャンセラは、代替的にまたは追加的に、Ｍ個のエコーキャンセルされた信号だけではなく、（例えば）所望しないソースビーム信号などの他の信号にも基づいて推定雑音信号を提供するように構成され得る。

音響エコーキャンセラブロック、後続の（固定）ビームフォーミングブロック、後続のビームステアリングブロック、そして最後に適応干渉キャンセラとする上述のブロックの順序の代わりに、いくつかの信号処理ブロック、特に、固定ビームフォーマブロック、音響エコーキャンセラブロックまたはその一部の順序を入れ替えまたは省略し、場合により、（固定）ビームフォーマブロック、次に音響エコーキャンセラブロック、そして、ビームステアリングブロック、任意選択で、適応干渉キャンセラの順序とすることが可能である。さらなる任意選択的な構造は、入力段として、Ｍ個のマイクロホン信号のそれぞれを処理するように構成されたより短い音響エコーキャンセラブロックと、ポジティブビーム出力信号を処理するように構成された単一チャネルで潜在的により長い音響エコーキャンセラブロックと、任意選択的に、所望しないソースビーム信号を処理するように構成された、別の単一チャネルで潜在的により長い音響エコーキャンセラブロックを含む。

リソースを節約するために、音響エコーキャンセラブロック（複数可）は、最も効率的な位置、例えばＭ＜Ｂの場合は入力段として、そしてＭ＞Ｂの場合はビームフォーミングブロックの下流、または上記のような分割構造で配置されてもよい。さらなる選択肢として、（固定）ビームフォーマブロックは、（固定）モーダルビームフォーマであってもよく、これにより、様々な「ルックアングル」によって、各固有ビームごとに単純な乗算を行い、ひとつの追加的な回転行列によってより容易に実施できる。その後は、固有ビームは回転可能であるため、最も適切なものを動的に微調整可能である。

さらに、ビームステアリングブロックは、その最も単純な実施態様では、所望のソースビーム信号のみの提供が可能であり、その結果、遠距離音捕捉システムの最初で最も単純な出力信号として機能することができる。他のすべての信号処理ユニット、例えば、任意選択的な適応ブロッキングフィルタまたはマトリックスブロックに関連して適応干渉キャンセラによって形成され得る適応ビームフォーマ、適応ポストフィルタブロック、雑音低減ブロック、自動利得制御ブロック、および音声ポーズ検出器ブロックは任意選択である。これらの任意選択のブロックは、任意の組み合わせによる構成とすることができる。したがって、ポジティブビーム出力信号は、例えば、最初に自動利得制御ブロックを通過するか、または最初に雑音低減を通過し、次に自動利得制御ブロックを通過することができる。さらに、適応ビームフォーマは、適応ブロッキングフィルタまたはマトリクスブロックを伴ってまたは伴わずに利用され得る。多数の他の組み合わせが適用可能である。（固定）モーダルビームフォーマが使用される場合、（固定）モーダルビームフォーマはそれ自体をそれぞれのソースの方向に自動的に（動的に）または適応的に方向付けるように構成され得るので、ビームステアリングブロックは省略でき、それぞれのビーム出力信号を既に提供可能である。

上述のような音声ポーズ検出器では、代替的に、（例えば、バークスケール、メルスケール、ＥＲＢスケールなどに従って）人間の耳のそれと同様の周波数分解能を提供するために、多数の隣接するビンが組み合わされてもよい。これにより、処理ステップ数を対応して減らすことで複雑さが減少するであろう。さらに、音声ポーズ検出器は音声活動認識のところまでが説明されており、最後の部分（タイマーおよび決定部）は省かれている。音声ポーズ検出器は、周波数領域で実施されるだけでなく、時間領域でも実現され得る。さらに、このシステムは音声のポーズを検出するのみでなく、音声活動も順次検出できる。上述の音声ポーズ検出器の様々な変形例は、スタンドアロンの用途にも相応に適用可能である。

本出願で使用されるように、単数形で記載され、単語「ａ」または「ａｎ」に先行された要素またはステップは、複数の前記要素またはステップを排除する旨述べられていない限り、そのような排除は行っていないと理解されるべきである。さらに、本開示の「一実施形態」または「一例」への言及は、列挙された特徴を同様に含む追加の実施形態の存在を排除するものとして解釈されることを意図していない。「第１」、「第２」、および「第３」などの用語は単にラベルとして使用されており、それらのオブジェクトに数値要件または特定の位置順を課すことを意図していない。

本開示の実施形態は、概して、複数の回路、電気装置、および／または少なくとも１つのコントローラを提供する。回路、少なくとも１つのコントローラ、および他の電気装置、ならびにそれぞれによって提供される機能への言及は、すべて、本明細書で例示および説明されたもののみを包含することに限定されることを意図しない。開示された様々な回路、コントローラ、および他の電気装置に特定のラベルを割り当てることができるが、そのようなラベルは、様々な回路、コントローラ、および他の電気機器の動作範囲を限定することを意図しない。そのような回路、コントローラ、および他の電気装置は、互いに組み合わされてもよく、および／または所望される特定の種類の電気的実装に基づく任意の方法で分離されてもよい。

本明細書に開示される任意のコントローラは、任意の数のマイクロプロセッサ、集積回路、メモリデバイス（例えば、ＦＬＡＳＨ、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、電気的プログラマブル読出し専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読出し専用メモリ（ＥＥＰＲＯＭ）、またはそれらの他の適切な変形形態、および互いに協働するソフトウェアを含み得ることが認識される。さらに、開示されているような任意のコントローラは、開示されているように任意の数の機能を実行するようにプログラムされている非一時的コンピュータ可読媒体で具体化されるコンピュータプログラムを実行するために任意の１つまたは複数のマイクロプロセッサを利用する。さらに、本明細書で提供される任意のコントローラは、ハウジングと、ハウジング内に配置された様々な数のマイクロプロセッサ、集積回路、およびメモリデバイス（例えば、ＦＬＡＳＨ、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、電気的プログラマブル読出し専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読出し専用メモリ（ＥＥＰＲＯＭ））と、を含む。開示されるコントローラはまた、本明細書で論じられるように、他のハードウェアベースの装置との間でそれぞれデータを送受信するためのハードウェアベースの入力および出力も含む。

本発明の様々な実施形態を説明したが、本発明の範囲内でさらに多くの実施形態および実施態様が可能であることは当業者には明らかであろう。特に、当業者は、異なる実施形態からの様々な特徴の互換性を認識するであろう。これらの技術およびシステムは特定の実施形態および実施例の文脈で開示されているが、これらの技術およびシステムは具体的に開示された実施形態を超えて他の実施形態および／または使用およびそれらの明白な修正に拡張され得る。

Claims (45)

1. 遠距離音捕捉のためのシステムであって、
   収音しＭ個の電気マイクロホン信号を提供するように構成されたＭ≧２個のマイクロホンと、
   前記Ｍ個のマイクロホン信号を受信しＭ個のエコーキャンセルされた信号を提供するように構成されたマルチチャネル音響エコーキャンセラと、
   前記Ｍ個のエコーキャンセルされた信号を受信し前記Ｍ個のエコーキャンセルされた信号を処理してＢ≧１個のビームフォーミングされた信号を提供するように構成されたビームフォーマと、を含む前記システム。
2. 前記Ｂ個のビームフォーミングされた信号を受信し処理するように構成されたビームステアラをさらに含み、前記Ｂ個のビームフォーミングされた信号を処理することは所望のソースビーム信号を検出することを含み、前記所望のソースビーム信号は所望のソースの方角を指す音波ビームを表す、請求項１に記載のシステム。
3. 前記Ｂ個のビームフォーミングされた信号を処理することは所望しないソースビーム信号を検出することをさらに含み、前記所望しないソースビーム信号は所望しないソースの方角を指す音波ビームを表す、請求項２に記載のシステム。
4. 前記所望のソースビーム信号および前記所望しないソースビーム信号のうちの少なくとも一方に基づいて推定雑音信号を提供するように構成された適応干渉キャンセラと、
   前記所望のビーム信号から前記推定雑音信号を減算して出力信号を提供するように構成された減算器と、
   をさらに含む、請求項２または３に記載のシステム。
5. 前記Ｂ個のビームフォーミングされた信号を処理することは、
   前記Ｂ個のビームフォーミングされた信号の前記信号対雑音比を評価して最も高い信号対雑音比を識別することと、
   前記最も高い信号対雑音比に基づいて前記所望のソースビーム信号を検出することと、
   をさらに含む、請求項２に記載のシステム。
6. 前記Ｂ個のビームフォーミングされた信号を処理することは、
   前記Ｂ個のビームフォーミングされた信号の前記信号対雑音比を評価して最も低い信号対雑音比を識別することと、
   前記最も低い信号対雑音比に基づいて前記所望しないソースビーム信号を検出することと、
   をさらに含む、請求項３に記載のシステム。
7. 前記Ｂ個のビームフォーミングされた信号を処理することは、前記所望しないソースビーム信号は前記所望のソースとは反対の方向を指す音波ビームを表すという点において、前記所望のソースビーム信号に基づいて前記所望しないソースビーム信号を検出することをさらに含む、請求項３に記載のシステム。
8. 前記ビームステアラおよび前記適応干渉キャンセラと動作可能に結合された適応ブロッキングフィルタをさらに含み、
   前記適応ブロッキングフィルタは前記ビームステアラからの前記所望のソースビーム信号および前記所望しないソースビーム信号のうちの少なくとも一方を処理して前記適応干渉キャンセラにエラー信号を提供するように構成されており、
   前記適応干渉キャンセラは、前記エラー信号に基づいて推定雑音信号を提供するように構成されている、請求項４に記載のシステム。
9. 前記減算器の下流にそれぞれ接続された、適応ポストフィルタ、音声ポーズ検出器、雑音低減フィルタ、および自動利得制御増幅器のうちの少なくとも１つをさらに含み、
   前記適応ポストフィルタは統計的広帯域雑音が低減されたフィルタリングされた出力信号を提供するように構成されており、
   前記自動利得制御増幅器は前記出力信号の信号レベルを制御するように構成されており、
   前記音声ポーズ検出器は前記出力信号または前記フィルタリングされた出力信号における音声信号の発生および非発生を検出するように構成されている、請求項１に記載のシステム。
10. 前記ビームステアラおよび前記減算器と動作可能に結合され、前記ビームステアラによって前記減算器に供給される前記所望のソースビーム信号を適時に遅延させるように構成された遅延素子をさらに含む、請求項４に記載のシステム。
11. 前記ビームフォーマと動作可能に結合され、前記Ｂ個のビームフォーミングされた信号に含まれる雑音を除去してハイパスフィルタリング処理された信号を提供するように構成されたハイパスフィルタブロックと、
    前記ハイパスフィルタブロックと動作可能に結合され、前記ハイパスフィルタリングされた信号をローパスフィルタリングして平滑化された信号を提供するように構成された信号平滑化ブロックと、
    前記信号平滑化ブロックと動作可能に結合され、前記平滑化された信号に含まれる背景雑音を推定して推定背景雑音信号を提供するように構成された雑音推定ブロックと、をさらに含む、請求項１に記載のシステム。
12. 前記信号平滑化ブロックおよび前記雑音推定ブロックと動作可能に結合され、前記平滑化された信号および前記推定背景雑音信号に基づいて信号対雑音比を決定し信号対雑音比の値を提供するように構成された信号対雑音比決定ブロックをさらに含む、
    請求項１１に記載のシステム。
13. 前記信号対雑音比決定ブロックは、前記平滑化された信号および前記推定背景雑音信号を、時間領域または周波数領域またはサブバンド周波数領域で処理するようにさらに構成された、請求項１２に記載のシステム。
14. 前記信号対雑音比決定ブロックと動作可能に結合された比較ブロックであって、
    前記信号対雑音比の値を１つ以上の所定の（または制御可能な）閾値と比較し、各信号対雑音比の値に対して、
    前記信号対雑音比の値がそれぞれの閾値を超える場合は音声活動を示す活動状態フラグを提供し、
    前記信号対雑音比の値がそれぞれの閾値を下回る場合は音声活動がないことを示す状態フラグを提供する
    ように構成された前記比較ブロックをさらに含む、請求項１２または１３に記載のシステム。
15. コントローラブロックであって、
    最も高い信号対雑音比を有する信号の周波数分布および最も低い信号対雑音比を有する信号の周波数分布のうちの少なくとも一方を評価し、
    最も高い信号対雑音比を有する信号の前記周波数分布に基づいて前記所望のソースビーム信号を出力し、最も低い信号対雑音比を有する信号の前記周波数分布に基づいて前記所望しないソースビーム信号を出力する
    ように構成された前記コントローラブロックをさらに含む、請求項１４に記載のシステム。
16. フェーダブロックをさらに含み、前記フェーダブロックは前記所望ビーム信号および前記所望しないビーム信号のうちの少なくとも一方が経時的に変化する場合に前記少なくとも一方の出力信号をフェーディングするように構成された、請求項１５に記載のシステム。
17. 音声ポーズ検出器であって、
    時間領域の入力信号を周波数領域の入力信号に変換するように構成された時間−周波数変換ブロックと、
    周波数領域の前記入力信号を周波数領域の多数の中間信号に分割するように構成されたスプリッタと、
    周波数領域において各中間信号に含まれる雑音を推定するように構成された多数の雑音推定器と、
    周波数領域の前記多数の中間信号と周波数領域の各中間信号に含まれる前記推定された雑音から、周波数領域の各入力信号の信号対雑音比を評価するように構成された多数の信号対雑音評価器と、
    各信号対雑音比を所定の閾値と比較して信号対雑音比較信号を提供するように構成された多数の比較器と、
    前記信号対雑音比較信号を合計し、和信号を提供するように構成された加算器と、
    前記和信号における音声信号の発生および非発生を検出し、音声信号の発生および非発生を示す音声活動信号を提供するように構成された音声活動検出器と、
    を含む前記音声ポーズ検出器。
18. 前記和信号において音声信号が所定時間非発生であることを検出次第、非活動信号を提供するように構成された音声ポーズ検出タイマをさらに含む、請求項１７に記載の音声ポーズ検出器。
19. 前記音声ポーズ検出タイマは、音声信号の非発生を示す信号対雑音比較信号の発生をカウントするためのカウンタを含み、
    前記音声ポーズ検出タイマが音声信号の非発生を検出すると、前記カウンタの前記カウントは１だけ減分され、さもなければ前記カウンタは所定の時間後に所定のカウントにリセットされる、請求項１７または１８に記載の音声ポーズ検出器。
20. 音声ポーズを示す出力信号を前記カウンタの前記カウントに基づいて生成するように構成された音声ポーズ比較器をさらに含む、請求項１９に記載の音声ポーズ検出器。
21. 前記スプリッタは、周波数領域において前記入力信号をスペクトル的に平滑化するように構成されたスペクトル平滑化ブロックを含む、請求項１７〜１９のいずれかに記載の音声ポーズ検出器。
22. 前記スプリッタは、周波数領域において前記中間信号を時間的に平滑化するように構成された多数の時間的平滑化ブロックを含む、請求項２０〜４のいずれかに記載の音声ポーズ検出器。
23. 遠距離音捕捉のための方法であって、
    収音しＭ≧２個の電気マイクロホン信号を提供することと、
    前記Ｍ個のマイクロホン信号をエコーキャンセル処理し、Ｍ個のエコーキャンセルされた信号を提供することと、
    前記Ｍ個のエコーキャンセルされた信号をビームフォーミング処理し、Ｂ≧１個のビームフォーミングされた信号を提供することと、を含む前記方法。
24. 前記Ｂ個のビームフォーミングされた信号をビームステアリング処理することをさらに含み、前記ビームステアリング処理は、所望のソースビーム信号を検出することを含み、前記所望のソースビーム信号は所望のソースの方角を指す音波ビームを表す、請求項２３に記載の方法。
25. 前記Ｂ個のビームフォーミングされた信号をビームステアリング処理することは、所望しないソースビーム信号を検出することをさらに含み、前記所望しないソースビーム信号は所望しないソースの方角を指す音波ビームを表す、請求項２４に記載の方法。
26. 前記所望のソースビーム信号および前記所望しないソースビーム信号のうちの少なくとも一方に基づいて推定雑音信号を提供するように構成された適応干渉キャンセリングと、
    前記所望の信号から前記推定雑音信号を減算して出力信号を提供することと、をさらに含む請求項２６または２７に記載の方法。
27. 前記Ｂ個のビームフォーミングされた信号をビームステアリング処理することは、
    前記Ｂ個のビームフォーミングされた信号の前記信号対雑音比を評価して最も高い信号対雑音比を識別することと、
    前記最も高い信号対雑音比に基づいて前記所望のソースビーム信号を検出することと、
    をさらに含む、請求項１８に記載の方法。
28. 前記Ｂ個のビームフォーミングされた信号をビームステアリング処理することは、
    前記Ｂ個のビームフォーミングされた信号の前記信号対雑音比を評価して最も高い信号対雑音比を識別することと、
    前記最も高い信号対雑音比に基づいて前記所望のソースビーム信号を検出することと、
    をさらに含む、請求項１９に記載の方法。
29. 前記Ｂ個のビームフォーミングされた信号をビームステアリング処理することは、前記所望しないソースビーム信号は前記所望のソースとは反対の方向を指す音波ビームを表すという点において、前記所望のソースビーム信号に基づいて前記所望しないソースビーム信号を検出することをさらに含む、請求項１９に記載の方法。
30. 前記所望のソースビーム信号および前記所望しないソースビーム信号のうちの少なくとも一方を処理して適応干渉キャンセリングのためのエラー信号を提供するように構成された適応ブロッキングフィルタリングをさらに含み、
    前記適応干渉キャンセリングは、前記エラー信号に基づいて推定雑音信号を提供するように構成されている、請求項２９に記載の方法。
31. 適応ポストフィルタリング、音声ポーズ検出、雑音低減フィルタリング、および自動利得制御のうちの少なくとも１つをさらに含み、
    適応ポストフィルタリングは統計的広帯域雑音が低減されるフィルタリングされた出力信号を提供するように構成され、
    自動利得制御は前記出力信号の信号レベルを制御するように構成され、音声ポーズ検出は前記出力信号または前記フィルタリングされた出力信号における音声信号の発生および非発生を検出するように構成される、請求項１７に記載の方法。
32. 前記推定雑音信号を前記遅延された所望の信号から減算する前に、提供された前記所望のソースビーム信号を適時に遅延させることをさらに含む、請求項２６に記載の方法。
33. 前記Ｂ個のビームフォーミングされた信号に含まれる雑音を除去してハイパスフィルタリングされた信号を提供するように構成されたハイパスフィルタリングと、
    前記ハイパスフィルタリングされた信号をローパスフィルタリングして平滑化された信号を提供するように構成された信号平滑化と、
    背景雑音を推定して推定背景雑音信号を提供するように構成された雑音推定と、をさらに含む請求項１７に記載の方法。
34. 前記平滑化された信号と前記推定背景雑音信号とに基づいて信号対雑音比を決定して信号対雑音比の値を提供するように構成された信号対雑音比決定をさらに含む、請求項２８に記載の方法。
35. 前記信号対雑音比決定ブロックは、前記平滑化された信号および前記推定背景雑音信号を時間領域または周波数領域またはサブバンド周波数領域で処理するようにさらに構成される、請求項２９に記載の方法。
36. 前記信号対雑音比の値を１つ以上の所定の（または制御可能な）閾値と比較し、各信号対雑音比の値に対して、
    前記信号対雑音比の値がそれぞれの閾値を超える場合は音声活動を示す活動状態フラグを提供し、
    前記信号対雑音比の値がそれぞれの閾値を下回る場合は音声活動がないことを示す状態フラグを提供すること
    をさらに含む、請求項２９または３０に記載の方法。
37. 最も高い信号対雑音比を有する信号の周波数分布および最も低い信号対雑音比を有する信号の周波数分布のうちの少なくとも一方を評価することと、
    最も高い信号対雑音比を有する信号の前記周波数分布に基づいて前記所望のソースビーム信号を出力し、最も低い信号対雑音比を有する信号の前記周波数分布に基づいて前記所望しないソースビーム信号を出力することと、
    をさらに含む、請求項３１に記載の方法。
38. 前記所望のビーム信号および前記所望しないビーム信号のうちの少なくとも１つが経時的に変化する場合、前記少なくとも１つの出力信号をフェーディングすることをさらに含む、請求項３２に記載の方法。
39. 音声ポーズ検出方法であって、
    時間領域の入力信号を周波数領域の入力信号に変換することと、
    周波数領域の前記入力信号を周波数領域の多数の中間信号に分割することと、
    周波数領域において各中間信号に含まれる雑音を推定することと、
    周波数領域の前記多数の中間信号と周波数領域の各中間信号に含まれる前記推定された雑音から、周波数領域の各入力信号の信号対雑音比を評価することと、
    各信号対雑音比を所定の閾値と比較して信号対雑音比較信号を提供することと、
    前記信号対雑音比較信号を合計し、和信号を提供することと、
    前記和信号中の音声信号の発生および非発生を検出し、音声信号の発生および非発生を示す音声活動信号を提供することと、
    を含む前記音声ポーズ検出方法。
40. 前記和信号において音声信号が所定時間非発生であることを検出次第、非活動信号を提供することをさらに含む、請求項３９に記載の方法。
41. 音声信号の非発生を示す信号対雑音比較信号の発生をカウントすることと、
    音声信号の非発生が検出されると、前記カウントを１だけ減分させ、さもなければ所定の時間後に前記カウンタを所定のカウントにリセットすることと、をさらに含む、請求項４０に記載の方法。
42. 前記カウントから、音声のポーズを示す出力信号を生成することをさらに含む、請求項４１に記載の方法。
43. 分割することは、周波数領域において前記入力信号をスペクトル的に平滑化するように構成されたスペクトル平滑化を含む、請求項３９〜４２のいずれかに記載の方法。
44. 複数の時間的平滑化が、周波数領域において前記中間信号を時間的に平滑化するように構成されている、請求項３９〜４３のいずれかに記載の方法。
45. コンピュータプログラム製品であって、前記プログラムがコンピュータによって実行されると、請求項２３〜４４のいずれかに記載の方法を前記コンピュータに実行させる命令を含む前記コンピュータプログラム製品。