JP4051325B2

JP4051325B2 - 話者位置検出方法、装置、プログラム、および記録媒体

Info

Publication number: JP4051325B2
Application number: JP2003295279A
Authority: JP
Inventors: 和則小林
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2003-08-19
Filing date: 2003-08-19
Publication date: 2008-02-20
Anticipated expiration: 2023-08-19
Also published as: JP2005062096A

Description

本発明は話者位置検出方法および装置に関する。

図６は従来技術の話者位置検出装置のブロック図である。この従来技術の話者位置検出装置はマイクロホン１１₁〜１１_Mと指向性走査部５６と遅延器５１₁〜５１_Mとゲイン５２₁〜５２_Mと加算器５３とパワー計算部５４と最大パワー位置検出部５５とで構成される。

指向性走査部５６は、受音位置と走査位置から、走査位置に鋭い指向性が形成されるような遅延ｄ_i（ｘ，ｙ，ｚ）とゲインｇ_i（ｘ，ｙ，ｚ）を計算し、位置が既知である複数のマイクロホン１１₁〜１１_Mにそれぞれ接続されている遅延器５１₁〜５１_Mとゲイン５２₁〜５２_Mに遅延ｄ_i（ｘ，ｙ，ｚ），ゲインｇ_i（ｘ，ｙ，ｚ）を設定する。走査位置は、話者が存在可能な範囲である。走査位置ごとに加算器５３の出力信号のパワーをパワー計算部５４で求め、そのパワーのうち最大値を取る走査位置を推定音源位置として最大パワー位置検出部５５で検出する。

走査位置（ｘ，ｙ，ｚ）の場合に、ｉ番目のマイクロホン１１_iに与えられる遅延量ｄ_i（ｘ，ｙ，ｚ）は、走査位置（ｘ，ｙ，ｚ）から発せられた音が同位相となるように、走査位置（ｘ，ｙ，ｚ）とｉ番目のマイクロホン位置（ｘ_i，ｙ_i，ｚ_i）と音速ｃより、式（１）および式（２）を用いて求められる。

ただし、Ｄは固定遅延量であり、信号を進ませることができないという因果性を満足させるために、ｄ_i（ｘ，ｙ，ｚ）が必ず正となるように与えられる定数であり、ｒ_i（ｘ，ｙ，ｚ）は、走査位置（ｘ，ｙ，ｚ）とｉ番目のマイクロホン位置（ｘ_i，ｙ_i，ｚ_i）間の距離である。

また、走査位置（ｘ，ｙ，ｚ）の場合に、ｉ番目のマイクロホン１１_iに与えられるゲインｇ_i（ｘ，ｙ，ｚ）は、信号対雑音比が最大となり、各走査位置に対する利得が一定となるように、式（３）で与えられる。

ただし、Ｖは部屋の体積（ｍ³）であり、Ｔ_Kは残響時間（ｓ）である。

走査位置（ｘ，ｙ，ｚ）に対し得られる加算器５３の出力ｙ（ｔ，ｘ，ｙ，ｚ）は、各マイクロホン１１_iで受音された信号ｘ_i（ｔ）に、遅延ｄ_i（ｘ，ｙ，ｚ）とゲインｇ_i（ｘ，ｙ，ｚ）を与え加算した信号であり、式（４）で表される。

ただし、ｔは時刻である。

次に、パワー計算部５４は加算器５３の出力信号ｙ（ｔ，ｘ，ｙ，ｚ）の短時間平均パワーを、走査位置（ｘ，ｙ，ｚ）ごとに計算する。走査位置ごとに計算されたパワーＰ（ｘ，ｙ，ｚ）（パワー分布）は、式（５）で表される。

ただし、Ｔは、短時間平均パワーを求めるための平均時間であり、０．１〜１ｓ程度の値である。

式（５）のパワー分布は、走査位置に鋭い指向性を向けた場合に収音された音のパワーであるので、その位置にある音源のパワーの推定値となっている。すなわち、パワー分布のうち、大きいパワーを有する位置には音源があり、大きいパワーの位置を検出することにより話者位置の推定が可能となる。最大パワー位置検出部５５は、最大パワーを持つ走査位置を検出し、最も大きい音を発する話者位置を検出する。以上の方法により、話者位置の検出が可能となる。
特開平９−２６１７９２号公報

しかし、この従来技術では、遅延を実現するためのＦＩＲフィルタの畳込み演算が膨大に必要（１秒あたり、ＦＩＲフィルタタップ数×マイクロホン数×走査位置数×サンプリング周波数の積和演算が必要）であり、演算量が多いという問題がある。このため、話者位置検出装置に低価格の演算ユニットを実装するのが難しい。

本発明の目的は、演算量を削減した話者位置検出方法、装置、プログラム、および記録媒体を提供することである。
本発明の他の目的は、高精度な話者位置推定を実現する話者位置検出方法、装置、プログラム、および記録媒体を提供することである。

本発明の第１の態様の話者位置検出方法は、
複数の収音手段の各々で受音された受音信号からチャネル間の共分散を求め、共分散行列を作成する共分散行列計算段階と、
前記共分散行列に、各走査位置に対応した遅延とゲインをもったステアリングベクトルを各々乗じ、各走査位置の音声パワーを推定する音声パワー推定段階と、
前記各走査位置の音声パワーのうち最大値を話者位置として検出する最大パワー位置検出段階とを有する話者位置検出方法であって、
前記共分散行列計算段階が、
前記複数の収音手段の各々で受音された受音信号をＦＦＴにより周波数領域に変換するＦＦＴ段階と、
ＦＦＴ出力の周波数帯域のうち、パワーの小さい帯域以外の帯域の成分だけを取り出すバンドパスフィルタ段階と、
バンドパスフィルタ出力信号をチャネル間で周波数成分ごとに乗算し、前記取り出した帯域のみの共分散行列を求めるスペクトル乗算段階とを含む。

前記共分散行列計算段階が、
前記共分散行列のうち対角成分で最もパワーの大きい成分、または前記共分散行列の対角成分の加算値の周波数特性を平滑化するゲインを共分散行列に乗算する白色化段階を含む。

本発明は、パワーの小さい周波数帯域を除外した共分散行列を使って話者位置検出を行うことで、低演算量かつ高精度な話者位置検出を実現する。また、本発明で計算された共分散行列は、雑音を抑圧した収音を行うマイクロホンアレイ技術にも用いることができ、本発明とマイクロホンアレイ技術を組み合わせて使う場合には、さらに低演算量化が実現する。

請求項１〜１４の発明は、共分散行列を用いた演算方法により、従来技術に比べ少ない演算量で話者位置検出が可能である。請求項４，６，１０，１２の発明は白色化やゲインの乗算により、高精度な話者位置検出を実現できる。請求項２，８の発明は、雑音の共分散行列の減算により、耐雑音性能を向上し、高精度で話者位置推定を実現できる。請求項３，９の発明は、バンドパスフィルタによる帯域制限により、請求項１，７に比べさらに低演算量を実現する。

（第１の実施形態）
図１は本発明の第１の実施形態の話者位置検出装置のブロック図である。

本実施形態の話者位置検出装置はマイクロホン１１₁〜１１_Mと共分散行列計算部１２と音声パワー推定部１３と最大パワー位置検出部１４とにより構成される。

共分散行列計算部１２は、マイクロホン１１₁〜１１_Mで受音された受音信号間の共分散を求め、それを共分散行列にする。音声パワー推定部１３は、各走査位置に対応したステアリングベクトルを共分散行列に乗じ、走査位置ごとに音声パワーを推定する。最大パワー位置検出部１４は、走査位置ごとの音声パワーの最大値を検出し、その走査位置を推定話者位置として検出する。

以下に、その詳細を数式を用いて説明する。

共分散行列計算部１２は、マイクロホン１１₁〜１１_Mで受音された受音信号の共分散を求め、それを行列にする。以下にその行列の求め方を示す。

まず、ｉ番目マイクロホン１１_iで受音された信号をｘ_i（ｔ）とし、それを周波数領域に変換したものをＸ_i（ω）とし、ｉ番目マイクロホン１１_iで受音された信号とｊ番目マイクロホン１１_jで受音された信号の共分散

を求めれば、式（６）となる。

次に、共分散行列

は式（７）で表わされる。

次に、音声パワー推定部１３で用いるステアリングベクトルについて述べる。ステアリングベクトルは走査位置から到来した音が同位相となるように設定する。このようなステアリングベクトルを用いることで、同位相になった信号（走査位置で発生した音）のみが強調され、走査位置に鋭い指向性が形成される。

まず、走査位置（ｘ，ｙ，ｚ）の場合に、ｉ番目のマイクロホン１１_iに与える遅延量ｄ_i（ｘ，ｙ，ｚ）は、走査位置（ｘ，ｙ，ｚ）から発せられた音が同位相となるように、走査位置（ｘ，ｙ，ｚ）とｉ番目のマイクロホン位置（ｘ_i，ｙ_i，ｚ_i）と音速ｃより、式（８）および式（９）を用いて求められる。

式（８）を周波数領域に変換した式が式（１０）となり、これをベクトルとしたものがステアリングベクトルであり、式（１１）となる。

このステアリングベクトル

を共分散行列に乗じ、周波数について積分すれば、各走査位置に対応する音声パワーの推定値

が求められる。これは式（１２）で表わされる。

ステアリングベクトル

は走査位置（ｘ，ｙ，ｚ）で発生した音のみを同位相にし強調しているので、音声パワーの推定値

は、走査位置に音源があった場合のみ大きな値となる。したがって、

のうち最大パワーの走査位置（ｘ_m，ｙ_m，ｚ_m）を検出すれば、話者位置を推定可能である。

最大パワー位置検出部１４は、走査位置ごとの音声パワー

の最大値を検出し、その走査位置を話者位置として検出する。

このように、本実施形態により、話者位置の推定が可能となる。

次に、従来技術と本実施形態の演算量を比較する。

まず、従来技術の演算量は遅延器部分が支配的であるので、この部分の演算量で評価する。従来技術の遅延器部分の１秒間あたりの演算は、遅延を実現するためのＦＩＲフィルタタップ数×マイクロホン数×走査位置数×サンプリング周波数の積和演算である。フィルタタップ数を３２とし、マイクロホン数４とし、走査位置数を１６とし、サンプリング周波数を１６０００Ｈｚとすれば、式（１３）に示す計算により、１秒間あたり約３２．７６８×１０⁶回の積和演算が必要となる。

３２×４×１６×１６０００＝３２．７６８×１０⁶ （１３）
これに対し、本発明では、まず周波数領域に変換するＦＦＴ演算（ＦＦＴのフレームサイズ＝Ｎ）で、４（複素数演算）×Ｎ×ｌｏｇ₂Ｎ×サンプリング周波数／Ｎ回の演算が必要である。ＦＦＴのフレームサイズを２５６とすれば、式（１４）に示す計算により、１秒間あたり１．０２４×１０⁶回の積和演算が必要となる。

４×２５６×１６×１６０００／２５６＝１．０２４×１０⁶ （１４）
次に、共分散行列を求める演算は、４（複素数演算）×マイクロホン数×マイクロホン数×Ｎ／２×サンプリング周波数／Ｎ回となり、式（１５）に示す計算により、１秒間あたり０．５１２×１０⁶回の積和演算が必要となる。

４×４×４×２５６／２×１６０００／２５６＝０．５１２×１０⁶ （１５）
ステアリングベクトルの演算は、４（複素数演算）×マイクロホン数×（マイクロホン数＋１）×Ｎ／２×サンプリング周波数／Ｎ回となり、式（１６）に示す計算により、１秒間あたり０．６４０×１０⁶回の積和演算が必要となる。

４×４×（４＋１）×２５６／２×１６０００／２５６＝０．６４０×１０⁶ （１６）
最大パワー位置検出部１４の演算量は、上記に比べて微小であるので省略する。

以上の演算を加算し、本実施形態全体の演算量を計算すれば、約２．１７６×１０⁶回の積和演算／１秒となり、従来技術の約１／１５の演算量で話者位置を推定可能であることが分かる。

さらに、本発明で用いている共分散行列は、雑音を抑圧した収音を行うマイクロホンアレイ技術と共用することができる。図２に本発明とマイクロホンアレイ技術を組み合わせて使う場合の構成図を示す。マイクロホンアレイ処理部６５は有音・無音検出部１６と共分散行列計算部１２と共分散行列記憶部６２とフィルタ計算部６３とフィルタ部６１₁〜６１_Mと加算器６４とにより構成される。話者位置検出部６６は音声パワー推定部１３と最大パワー位置検出部１４だけから構成される。

まず、マイクロホンアレイ処理部６５について説明する。有音・無音検出部１６は、マイクロホン１１₁〜１１_Mで受音された信号から有音、無音を検出する。共分散行列計算部１２は、有音の場合には話者音声に対する共分散行列を計算し、無音の場合には雑音に対する共分散行列を計算する。共分散行列記憶部６２は、雑音に対する共分散行列を時間平均して保存し、話者音声に対する共分散行列を話者位置検出部６６で検出された話者位置ごとに時間平均して保存する。フィルタ計算部６３は、話者音声を収音し雑音を抑圧するフィルタ係数を、保存されている共分散行列から計算し、フィルタ６１₁〜６１_Mにコピーする。マイクロホン１１₁〜１１_Mで受音された信号はフィルタ６１₁〜６１_Mで各々フィルタリングされ、フィルタ６１₁〜６１_Mの出力信号を加算器６４で加算した信号が出力信号となる。

次に、話者位置推定部６６は、マイクロホンアレイ部６５で計算されている共分散行列から、音声パワー推定部１３で、各走査位置に対応する音声パワーを計算し、最大パワー位置検出部１４で最大パワー位置を話者位置として検出する。

このように、この構成では、話者位置検出を行うために新たに追加する処理部分は、マイクロホンアレイ処理部６５に加え、音声パワー推定部１３と最大パワー位置検出部１４だけであり、話者位置検出部の１秒間の演算量は約０．６４０×１０⁶回の積和演算である。

以上のように、本実施形態は共分散行列に基づく演算手法により低演算量で話者位置推定が可能である。

（第２の実施形態）
図３は本発明の第２の実施形態の話者位置検出装置のブロック図である。

第２の実施形態の話者位置検出装置は、第１の実施形態の話者位置検出装置に有音・無音検出部１５を追加した例である。

有音・無音検出部１５は、マイクロホン１１₁〜１１_Mで受音された受音信号のパワーから有音区間、無音区間を検出する。例えば、それぞれの受音信号について、短時間平均パワー（０．１〜１ｓ程度）と、長時間平均パワー（１ｓ〜１００ｓ程度）を求め、短時間平均パワーと長時間平均パワーの比が有音の閾値を超える場合に有音と判定し、無音の閾値未満の場合に無音と判定し、その判定結果が、すべての受音信号について有音であった場合を有音と判定し、すべて無音であった場合を無音と判定する。

次に、共分散行列計算部１２は、有音・無音検出部１５の判定結果が有音であった場合に音声に対する共分散行列の計算を行い、無音の場合には雑音に対する共分散行列の計算を行う。次に、音声に対する共分散行列から雑音に対する共分散行列を減じて、話者位置推定をするための共分散行列を求める。このようにすることにより、雑音成分が混合した共分散行列から雑音成分を取り除くことができ、空調やパソコンなどから発生する雑音による誤検出を防ぐことができる。

これら以外の部分に関しては、第１の実施形態と同じであるので、説明を省略する。

（第３の実施形態）
図４は本発明の第３の実施形態の話者位置検出装置の共分散行列計算部のブロック図である。第３の実施形態の話者位置検出装置は、第１の実施形態または第２の実施形態の話者位置検出装置において、共分散行列計算部１２がＦＦＴ部１２１₁〜１２１_Mとバンドパスフィルタ（ＢＰＦ）部１２２₁〜１２２_Mとスペクトル乗算部１２３とにより実現された例である。

ＦＦＴ部１２１₁〜１２１_Mは、マイクロホン１１₁〜１１_Mにより受音された信号を各々周波数領域に変換する。バンドパスフィルタ（ＢＰＦ）部１２２₁〜１２２_Mは、周波数領域に変換された受音信号のうち、あらかじめ設定した帯域の成分だけ取り出す。スペクトル乗算部１２３は、バンドパスフィルタ出力信号をチャネル間で乗算し、共分散行列を求める。ただし、第２の実施形態の場合は、有音・無音検出部１５の検出結果に基づいて、雑音に対する共分散行列と、話者音声に対する共分散行列を求める。以上により共分散行列を求めることができる。

この第３の実施形態では、バンドパスフィルタ１２２₁〜１２２_Mにより帯域制限しているので、第１の実施形態、第２の実施形態に比べ、共分散行列を演算する帯域数が少なく、低演算量である。また、共分散行列を記憶するメモリの量も少なくなる。さらに、音声パワーの小さい周波数帯域を演算から除外することで、音声対雑音のパワー比が大きい帯域だけを使用することができ、雑音耐性が向上し、高精度な話者位置検出が実現される。

これら以外の部分に関しては、第１の実施形態または第２の実施形態と同じであるので、説明を省略する。

（第４の実施形態）
図５は本発明の第４の実施形態である話者位置検出装置の共分散行列計算部のブロック図である。第４の実施形態の話者位置検出装置は、第１の実施形態または第２の実施形態または第３の実施形態の話者位置検出装置において、共分散行列計算部１２がＦＦＴ部１２１₁〜１２１_Mとバンドパスフィルタ（ＢＰＦ）部１２２₁〜１２２_Mとスペクトル乗算部１２３と白色化部１２４により実現された例である。

ＦＦＴ部１２１₁〜１２１_Mとバンドパスフィルタ（ＢＰＦ）部１２２₁〜１２２_Mとスペクトル乗算部１２３に関しては、第３の実施形態と同様の機能であるので、その説明を省略する。

白色化部１２４は、共分散行列

を周波数領域で白色化（平坦な周波数特性）する。白色化は、共分散行列の対角成分のうち最もパワーの大きい

を平滑化する白色化ゲイン

を乗算するか、共分散行列の対角成分の平均パワーを平滑化する白色化ゲイン

を乗算をすることで行う。これらは、それぞれ式（１７）と式（１８）により表される。

ただし、βは白色化の度合いを調整する係数であり、１となれば完全な白色化となり、０となれば白色化は行われなくなる。

この白色化により、音声信号の周期性（自己相関）が取り除かれ、より高精度な話者位置推定が実現する。

これら以外の部分に関しては、第１の実施形態または第２の実施形態または第３の実施形態と同じであるので、説明を省略する。

（第５の実施形態）
次に、本発明の第５の実施形態である話者位置検出装置について説明する。第５の実施形態は、第１〜４の実施形態において、音声パワー推定手段のステアリングベクトルが、各走査位置からの音声信号を各々同位相とし、各々異なるゲイン

をマイクロホン受音信号に乗じるベクトル

となっている。これを式で表わせば、式（１０）と式（１１）となる。

ゲイン

は、各走査位置から各マイクロホン１１₁〜１１_Mまでの距離およびマイクロホンの指向特性による受音音声パワーの予測値により事前に設定される。受音音声パワーが大きいと予測されるマイクロホンに対しては大きい値のゲインを設定し、受音信号パワーが小さいと予測されるマイクロホンに対しては小さいゲインを設定する。これにより、信号対雑音比の大きい信号を使うことができ、高精度での話者位置推定が実現する。

これら以外の部分に関しては、第１〜４の実施形態と同じであるので、説明を省略する。

なお、本発明の収音方法は専用のハードウェアにより実現されるもの以外に、その機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するものであってもよい。コンピュータ読み取り可能な記録媒体とは、フロッピー（登録商標）ディスク、光磁気ディスク、ＣＤ−ＲＯＭ等の記録媒体、コンピュータシステムに内蔵されるハードディスク装置等の記憶装置を指す。さらに、コンピュータ読み取り可能な記録媒体は、インターネットを介してプログラムを送信する場合のように、短時間の間、動的にプログラムを保持するもの（伝送媒体もしくは伝送波）、その場合のサーバとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含む。

本発明の話者位置検出装置は、カメラを自動的に話者方向に向けるシステムや、話者音声をクリアに収音する収音システムに利用することができる。このようなシステムは、ＴＶ会議、音声会議、遠隔講義、講義録作成、セキュリティ分野に用いることができる。

本発明の第１の実施形態の話者位置検出装置を示すブロック図である。本発明とマイクロホンアレイ技術を組み合わせた収音装置を示すブロック図である。本発明の第２の実施形態の話者位置検出装置を示すブロック図である。本発明の第３の実施形態の話者位置検出装置の共分散行列計算部を示すブロック図である。本発明の第４の実施形態の話者位置検出装置の共分散行列計算部を示すブロック図である。従来例の話者位置検出装置を示すブロック図である。

符号の説明

１１₁〜１１_M マイクロホン
１２共分散行列計算部
１３音声パワー推定部
１４最大パワー位置検出部
１５有音・無音検出部
１２１₁〜１２１_M ＦＦＴ部
１２２₁〜１２２_M バンドパスフィルタ部
１２３スペクトル乗算部
１２４白色化部
１３４雑音共分散記憶部
１３５減算部
５１₁〜５１_M 遅延器
５２₁〜５２_M ゲイン
５３加算器
５４パワー計算部
５５最大パワー位置検出部
５６指向性走査部
６１₁〜６１_M フィルタ部
６２共分散行列記憶部
６３フィルタ計算部
６４加算器
６５マイクロホンアレイ処理部
６６話者位置検出部

Claims

複数の収音手段の各々で受音された受音信号からチャネル間の共分散を求め、共分散行列を作成する共分散行列計算段階と、
前記共分散行列に、各走査位置に対応した遅延とゲインをもったステアリングベクトルを各々乗じ、各走査位置の音声パワーを推定する音声パワー推定段階と、
前記各走査位置の音声パワーのうち最大値を話者位置として検出する最大パワー位置検出段階とを有する話者位置検出方法であって、
前記共分散行列計算段階が、
前記複数の収音手段の各々で受音された受音信号をＦＦＴにより周波数領域に変換するＦＦＴ段階と、
ＦＦＴ出力の周波数帯域のうち、パワーの小さい帯域以外の帯域の成分だけを取り出すバンドパスフィルタ段階と、
バンドパスフィルタ出力信号をチャネル間で周波数成分ごとに乗算し、前記取り出した帯域のみの共分散行列を求めるスペクトル乗算段階とを含む、話者位置検出方法。
前記共分散行列計算段階が、
前記共分散行列のうち対角成分で最もパワーの大きい成分、または前記共分散行列の対角成分の加算値の周波数特性を平滑化するゲインを共分散行列に乗算する白色化段階を含む、請求項１に記載の話者位置検出方法。
前記白色化段階は、
前記共分散行列のうち対角成分で最もパワーの大きい成分を

とし、白色化の度合いを調整する係数をβとしたとき、
前記共分散行列に

を乗算する、請求項２に記載の話者位置検出方法。
前記白色化段階は、
前記共分散行列の対角成分をＲ ₁₁ 〜Ｒ _MM （Ｍはマイクロホン数）とし、白色化の度合いを調整する係数をβとしたとき、
前記共分散行列に

を乗算する、請求項２に記載の話者位置検出方法。
複数の収音手段の各々で受音された受音信号からチャネル間の共分散を求め、共分散行列を作成する共分散行列計算手段と、
前記共分散行列に、各走査位置に対応した遅延とゲインをもったステアリングベクトルを各々乗じ、各走査位置の音声パワーを推定する音声パワー推定手段と、
前記各走査位置の音声パワーのうち最大値を話者位置として検出する最大パワー位置検出手段とを有する話者位置検出装置であって、
前記共分散行列計算手段が、
前記複数の収音手段の各々で受音された受音信号を周波数領域に変換するＦＦＴ手段と、
前記ＦＦＴ手段の出力の周波数帯域のうち、パワーの小さい帯域以外の帯域の成分だけを取り出すバンドパスフィルタ手段と、
前記バンドパスフィルタ手段の出力信号をチャネル間で周波数成分ごとに乗算し、前記取り出した帯域のみの共分散行列を求めるスペクトル乗算手段とを含む、話者位置検出装置。
前記共分散行列計算手段が、
前記共分散行列のうち対角成分で最もパワーの大きい成分、または前記共分散行列の対角成分の加算値の周波数特性を平滑化するゲインを、共分散行列に乗算する白色化手段を含む、請求項５に記載の話者位置検出装置。
前記白色化手段は、
前記共分散行列のうち対角成分で最もパワーの大きい成分を

とし、白色化の度合いを調整する係数をβとしたとき、
前記共分散行列に

を乗算する、請求項６に記載の話者位置検出装置。
前記白色化手段は、
前記共分散行列の対角成分をＲ ₁₁ 〜Ｒ _MM （Ｍはマイクロホン数）とし、白色化の度合いを調整する係数をβとしたとき、
前記共分散行列に

を乗算する、請求項６に記載の話者位置検出装置。
請求項１から４のいずれかに記載の話者位置検出方法をコンピュータに実行させるための話者位置検出プログラム。
請求項９に記載の話者位置検出プログラムを記録した、コンピュータ読取り可能な記録媒体。