JP4166706B2 - フィードバック構造を利用した適応ビーム形成方法及びその装置 - Google Patents

Description

本発明は適応ビーム形成器に係り、特にフィードバック構造を利用した適応ビーム形成方法及びその装置に関する。

移動ロボットは、健康、安全、ホームネットワーク、エンタテイメントなどの分野へ適用され、人々の関心を集めている。このような移動ロボットを動作させるためには、人とロボットの間の対話が必要となる。すなわち、このような移動ロボットは、人と同様に視覚システムを有して、これにより人を認識し、周辺状況を認識できる必要があり、さらに、周囲で話しをしている人の位置を検知し、その人の話しを理解しなければならない。

移動ロボットにおいて、音声入力システムは、人とロボットの間の対話に必須的であるだけでなく、移動ロボットの自律走行にも重要なものとなる。室内環境において、移動ロボットの音声入力システムにとっての重要な問題は、雑音、反響及び距離の取扱いである。室内環境では、色々な雑音源と、壁やその他の物体などによる反響が存在する。さらに音源からの距離によって、音声の低周波成分は高周波成分に比べてより多く減衰される特性がある。したがって、家庭などの室内環境における、人とロボットの間の対話に必要な音声入力システムは、自律移動ロボットが数メートル離れた距離からでも人の声を環境に左右されずに認識できる必要がある。

このような音声入力システムでは、音質及び音声認識率を向上させるために、一般的に、少なくとも２つ以上のマイクロホンよりなるマイクロホンアレイを使用し、このマイクロホンアレイから入力される音声信号に含まれる雑音成分を除去するために、単一チャンネル音声強調方法、適応音響雑音除去方法、ブラインド信号分離方法又は一般化されたサイドローブ除去方法などの技法を使用している。

非特許文献１に開示された単一チャンネル音声強調方法は、一つのマイクロホンを使用するが、定常的な背景雑音のように雑音の統計的な特性が時間的に変わらない場合にのみ、その性能を発揮できる。
非特許文献２に開示された適応音響雑音除去方法は、２つのマイクロホンを使用するが、その内の一つは雑音だけを受音する参照マイクロホンである。このため、雑音だけを受音できない場合、または参照マイクロホンに雑音以外の音が混入した場合には、その性能が急激に低下する。
また、ブラインド信号分離技法は、実際の環境への適用が難しいだけでなく、リアルタイムシステムへの適用が難しいという短所がある。

図１は、一般化されたサイドローブ除去方法を採用する従来の適応ビーム形成装置の一例を示すブロック図である。図１に示した適応ビーム形成装置は、固定ビーム形成部１１、適応遮断マトリックス部１３及び適応多重入力除去部１５より構成される。なお、この一般化されたサイドローブ除去方法については、非特許文献３にさらに具体的に記載されている。

図１を参照して、固定ビーム形成部１１では遅延和ビーム形成器を使用する。すなわち、Ｍ個のマイクロホンから入力される信号の相関（ｃｏｒｒｅｌａｔｉｏｎ）を求めて、各マイクロホンから入力される信号の時間遅延を計算する。この計算された時間遅延だけ、各マイクロホンから入力される信号を補正した後、これらを合算することによって信号対雑音比（ｓｉｇｎａｌ−ｔｏ−ｎｏｉｓｅ ｒａｔｉｏｎ：ＳＮＲ）を向上させた信号ｂ（ｋ）を出力する。そして、適応遮断マトリックス部１３では、固定ビーム形成部１１から出力される時間遅延を補正した信号から、適応遮断フィルター（Ａｄａｐｔｉｖｅ Ｂｌｏｃｋｉｎｇ Ｆｉｌｔｅｒ：ＡＢＦ）を通過した固定ビーム形成部１１の出力信号ｂ（ｋ）を減算することによって雑音成分を最大化させる。適応多重入力除去部１５では、適応遮断マトリックス部１３の出力信号Ｚ_m（ｋ）（ここで、ｍは１〜Ｍの間の整数）を適応除去フィルター（Ａｄａｐｔｉｖｅ Ｃａｎｃｅｌｉｎｇ Ｆｉｌｔｅｒ：ＡＣＦ）を通過させた後、フィルタリングされた信号を全て合算することによって、Ｍ個のマイクロホンから流入した雑音成分を生成する。次いで、所定時間Ｄだけ遅延された固定ビーム形成部１１の出力信号ｂ（ｋ）から、適応多重入力除去部１５の出力信号を減算することによって雑音成分が除去された最終出力信号ｙ（ｋ）が得られる。

図１に示した適応遮断マトリックス部１３及び適応多重入力除去部１５の動作を、図２を参照してさらに詳細に説明する。
なお、適応遮断マトリックス部１３及び適応多重入力除去部１５の動作は、適応音響雑音除去方法と同様である。

図２を参照して、図中のＳ＋Ｎ、Ｓ及びＮで示されるシンボルの大きさは、各位置における信号に含まれる音声成分及び雑音成分の相対的な大きさ（Ｓは音声成分、Ｎは雑音成分をそれぞれ示す）を示し、「／」で区分される左側のシンボルと右側のシンボルとは、それぞれ理想的な状態と実際の状態とを示している。

ＡＢＦ２１は、第１減算器２３の出力信号によって固定ビーム形成部１１の出力ｂ（ｋ）を適応的にフィルタリングすることで、ＡＢＦ２１から出力されるフィルタリングされた信号に含まれる音声成分は、所定時間遅延されたマイクロホン信号ｘ_m’（ｋ）に含まれる音声成分と同じ特性を有することになる。
第１減算器２３は、所定時間遅延されたマイクロホン信号ｘ_m’（ｋ）（ここで、ｍは１〜Ｍの間の整数）から、ＡＢＦ２１の出力信号を減算することによってマイクロホン信号ｘ_m’（ｋ）から音声成分が除去された信号Ｚ_m（ｋ）を出力する。

ＡＣＦ２５は、第２減算器２７の出力信号によって第１減算器２３の出力Ｚ_m（ｋ）を適応的にフィルタリングすることで、ＡＣＦ２５から出力されるフィルタリングされた信号に含まれる雑音信号成分は、固定ビーム形成部１１の出力ｂ（ｋ）に含まれる雑音信号成分と同じ特性を有することになる。
第２減算器２７は、固定ビーム形成部１１の出力ｂ（ｋ）からＡＣＦ２５の出力信号を減算することによって固定ビーム形成部１１の出力ｂ（ｋ）から雑音信号成分が除去された信号ｙ（ｋ）を出力する。

しかしながら、前記した一般化されたサイドローブ除去方法は、次のような短所がある。
第１に、適応多重入力除去部１５に純粋な雑音成分だけ入力されるように、固定ビーム形成部１１の遅延和ビーム形成器は、非常に高い信号対雑音比を有する出力ｂ（ｋ）を出力しなければならないが、実際には、遅延和ビーム形成器から出力される信号の信号対雑音比はあまり高くないため、全体的な性能が劣化してしまう。つまり、適応遮断マトリックス部１３では、音声成分の混じった雑音成分が出力されるので、適応遮断マトリックス部１３の出力を利用する適応多重入力除去部１５は、適応遮断マトリックス部１３の出力に混じった音声成分も雑音成分として見なして除去することになり、適応ビーム形成装置の最終的な出力信号は、雑音成分が多く混じった信号が出力されてしまう。
第２に、一般化されたサイドローブ除去方法に使われるフィルターは、フィードフォワード連結構造を有するため、有限インパルス応答（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：ＦＩＲ）フィルターを構成する。このようにフィードフォワード連結構造のフィルターを使用した場合には、反響の多い室内環境の場合、１０００個以上のフィルタータップが必要となってしまう。
第３に、ＡＢＦ２１及びＡＣＦ２５の調整が適切に行われない場合、適応ビーム形成装置の性能が低下してしまう。ＡＢＦ２１及びＡＣＦ２５の調整のためには、音声信号の存在する区間と音声信号の不存な区間を必要とするが、このような区間は、実際には求めることが難しい。
第４に、適応遮断マトリックス部１３及び適応多重入力除去部１５の適用は、交互に行われなければならないため、音声状態検出器（ｖｏｉｃｅ ａｃｔｉｖｉｔｙ ｄｅｔｅｃｔｏｒ：ＶＡＤ）を必要とする。すなわち、ＡＢＦ２１を適応するためには音声信号成分が所望の信号であり、雑音信号成分が所望しない信号となる一方、ＡＣＦ２５を適応するためには雑音成分が所望の信号であり、音声成分が所望しない信号となる必要がある。
Ｎａｍ−Ｓｏｏ Ｋｉｍ及びＪｏｏｎ−Ｈｙｕｋ Ｃｈａｎｇ，"Ｓｐｅｃｔｒａｌ Ｅｎｈａｎｃｅｍｅｎｔ Ｂａｓｅｄｏｎ Ｇｌｏｂａｌ Ｓｏｆｔ Ｄｅｃｉｓｉｏｎ"（ＩＥＥＥ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｌｅｔｔｅｒｓ，Ｖｏｌ.７，Ｎｏ.５，ｐｐ.１０８−１１０，２０００） Ｂ.Ｗｉｄｒｏｗｅｔａｌ，"Ａｄａｐｔｉｖｅ Ｎｏｉｓｅ Ｃａｎｃｅｌｉｎｇ： Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ"（Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＥＥＥ，Ｖｏｌ.６３，Ｎｏ.１２，ｐｐ.１６９２−１７１６，１９７５） Ｏ．Ｈｏｓｈｕｙａｍａｅｔａｌ，"Ａ Ｒｏｂｕｓｔ Ａｄａｐｔｉｖｅ Ｂｅａｍｆｏｒｍｅｒ Ｆｏｒ Ｍｉｃｒｏｐｈｏｎｅ Ａｒｒａｙｓ Ｗｉｔｈ Ａ Ｂｌｏｃｋｉｎｇ Ｍａｔｒｉｘ Ｕｓｉｎｇ Ｃｏｎｓｔｒａｉｎｅｄ Ａｄａｐｔｉｖｅ Ｆｉｌｔｅｒｓ"（ＩＥＥＥ Ｔｒａｎｓ．Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ.４７，Ｎｏ.１０，ｐｐ.２６７７−２６８４，１９９９）

本発明が解決しようとする技術的課題は、少なくとも２つ以上のマイクロホンよりなるマイクロホンアレイから入力される広帯域の音声信号に含まれる雑音成分をほぼ完全に除去できるフィードバック構造を利用した適応ビーム形成方法を提供することである。

さらに、本発明が解決しようとする別の技術的課題は、この適応ビーム形成方法を具現するのに最も適した装置を提供することである。

前記した課題を達成するために本発明による適応ビーム形成方法は、（ａ）Ｍ（Ｍは２以上の整数）個のマイクロホンよりなるマイクロホンアレイから入力されるＭ個の雑音成分を含んだ音声信号に対して、それぞれ遅延時間を補正し、遅延時間が補正されたＭ個の雑音成分を含んだ音声信号の和信号を生成する段階と、（ｂ）Ｍ個の適応除去フィルターとフィードバック構造に連結されたＭ個の適応遮断フィルターを利用して前記遅延時間が補正されたＭ個の雑音を含んだ音声信号から純粋な雑音成分を抽出し、前記Ｍ個の適応遮断フィルターとフィードバック構造に連結された前記Ｍ個の適応除去フィルターを利用して前記和信号から純粋な音声成分を抽出する段階とを含むことを特徴としている。

前記他の課題を達成するために本発明による適応ビーム形成装置は、Ｍ（Ｍは２以上の整数）個のマイクロホンよりなるマイクロホンアレイから入力されるＭ個の雑音成分を含んだ音声信号に対して、それぞれ遅延時間を補正し、遅延時間が補正されたＭ個の雑音成分を含んだ音声信号の和信号を生成する固定ビーム形成部と、Ｍ個の適応除去フィルターとフィードバック構造に連結されたＭ個の適応遮断フィルターを利用して前記遅延時間が補正されたＭ個の雑音成分を含んだ音声信号から純粋な雑音成分を抽出し、前記Ｍ個の適応遮断フィルターとフィードバック構造に連結された前記Ｍ個の適応除去フィルターを利用して、前記和信号から純粋な音声成分を抽出する多重チャンネル信号分離部とを含んで構成されることを特徴としている。

さらに、前記多重チャンネル信号分離部は、前記Ｍ個のＡＢＦよりなり、各ＡＢＦを利用して前記固定ビーム形成部の出力信号をフィルタリングする第１フィルタリング部と、Ｍ個の減算器よりなり、各減算器では前記遅延時間が補正されたＭ個の雑音成分を含んだ音声信号から前記Ｍ個のＡＢＦの出力信号を減算する第１減算部と、前記第１減算部のＭ個の減算結果をそれぞれのＡＣＦを通じてフィルタリングする第２フィルタリング部と、Ｍ個の減算器よりなり、各減算器では前記固定ビーム形成部の出力信号から前記Ｍ個のＡＣＦの出力信号を減算し、各減算結果は前記Ｍ個のＡＢＦに入力する第２減算部と、前記第２減算器のＭ個の減算器からの出力信号を合算する第２加算部とを備える構成とすることが望ましい。

または、前記多重チャンネル信号分離部は、前記Ｍ個のＡＢＦよりなり、各ＡＢＦを利用して前記固定ビーム形成部の出力信号をフィルタリングする第１フィルタリング部と、Ｍ個の減算器よりなり、各減算器では前記遅延時間が補正されたＭ個の音声信号から前記Ｍ個のＡＢＦの出力信号を減算する第１減算部と、前記Ｍ個のＡＣＦよりなり、各ＡＣＦを利用して前記第１減算部のＭ個の減算器の出力をフィルタリングする第２フィルタリング部と、前記第２フィルタリング部のＭ個のＡＣＦの出力信号を合算する第２加算部と、前記固定ビーム形成部の出力信号から前記第２加算部の出力信号を減算し、その減算結果を前記Ｍ個のＡＢＦに入力する第２減算部とを備える構成とすることが望ましい。

本発明によれば、ＡＢＦとＡＣＦとをフィードバック構造に連結させることによって、少なくとも２つ以上のマイクロホンよりなるマイクロホンアレイから入力される広帯域の音声信号に含まれる雑音成分をほぼ完全に除去できる。
また、ＡＢＦとＡＣＦとを用いて、有限インパルス応答（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：ＦＩＲ）フィルターを形成しながら、ＡＢＦとＡＣＦとをフィードバック構造に連結させることによって、ＡＢＦとＡＣＦとを含むマルチチャンネル信号分離部が、無限インパルス応答（Ｉｎｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：ＩＩＲ）フィルターを形成したと見なせることによって、必要とするフィルタータップ数を減少させることができる。
また、ＡＢＦとＡＣＦとの係数を算出するために、情報量最大化アルゴリズムを使用することによって算出に必要なパラメータ数を減らせるだけでなく音声信号の存在を判断する音声状態検出器を備える必要がない。

また、本発明による適応ビーム形成方法及び装置は、マイクロホンアレイのサイズ、配列方式及び構造による影響が小さいだけでなく、雑音の種類に関係なくルックディレクショナルエラー（ｌｏｏｋ ｄｉｒｅｃｔｉｏｎａｌ ｅｒｒｏｒｓ）に強い利点がある。

以下、本発明の実施の形態について添付された図面を参照して詳細に説明する。本発明で使用される「音声」という表現は、本発明を使用するに当って必要とする目的信号を暗黙的に含む表現である。

図３は、本実施の形態に適用されるフィードバック構造を説明するための回路図であって、ＡＢＦ３１、第１減算器３３、ＡＣＦ３５及び第２減算器３７より構成される。
図３を参照すると、ＡＢＦ３１は、第１減算器３３の出力信号によって第２減算器３７の出力信号ｙ（ｋ）を適応的にフィルタリングし、これにより、ＡＢＦ３１から出力されるフィルタリングされた信号に含まれる音声成分は、所定時間遅延されたマイクロホン信号ｘ_m’（ｋ）に含まれる音声成分と同じ特性を有することになる。
第１減算器３３は、Ｍ（ここで、Ｍは２以上の整数）個のマイクロホンのうちｍ番目マイクロホンの入力信号ｘ_m（ｋ）を所定時間Ｄ_mだけ遅延させた信号ｘ_m（ｋ-Ｄ_m）、すなわちｘ_m’（ｋ）からＡＢＦ３１の出力信号を減算する。その結果、第１減算器３３では、マイクロホンからの入力信号ｘ_m（ｋ）に含まれる純粋な雑音信号Ｎのみが出力される。

ＡＣＦ３５は、第２減算器３７の出力信号によって第１減算器３３の出力信号Ｚ_m（ｋ）を適応的にフィルタリングし、これにより、ＡＣＦ３５から出力されるフィルタリングされた信号に含まれる雑音成分は、固定ビーム形成部１１の出力ｂ（ｋ）に含まれる雑音成分と同じ特性を有することになる。
第２減算器３７は、図１に示した固定ビーム形成部１１の出力信号ｂ（ｋ）からＡＣＦ３５の出力信号を減算する。その結果、第２減算器３７では、固定ビーム形成部１１の出力信号ｂ（ｋ）から雑音成分が除去された純粋な音声信号Ｓのみが出力される。

（第１実施形態）
図４は、本発明に係る適応ビーム形成装置の第１実施形態の構成を示すブロック図であって、第１実施形態の適応ビーム形成装置は、大きく固定ビーム形成部４１０とマルチチャンネル信号分離部４３０とから構成される。
固定ビーム形成部４１０は、Ｍ個のマイクロホン４１１ａ，４１１ｂ，４１１ｃよりなるマイクロホンアレイ４１１、遅延時間推定器４１３、Ｍ個の遅延素子４１５ａ，４１５ｂ，４１５ｃよりなる遅延部４１５及び第１加算部４１７を含んで構成される。
マルチチャンネル信号分離部４３０は、Ｍ個のＡＢＦ４３１ａ，４３１ｂよりなる第１フィルタリング部４３１、Ｍ個の減算器４３３ａ，４３３ｂよりなる第１減算部４３３、Ｍ個のＡＣＦ４３５ａ，４３５ｂよりなる第２フィルタリング部４３５、Ｍ個の減算器４３７ａ，４３７ｂよりなる第２減算部４３７及び第２加算部４３９を含んで構成される。

図４を参照して、固定ビーム形成部４１０において、マイクロホンアレイ４１１では、Ｍ個のマイクロホン４１１ａ，４１１ｂ，４１１ｃから各々音声信号ｘ₁（ｋ），ｘ₂（ｋ），・・・，ｘ_M（ｋ）が入力される。
遅延時間推定器４１３は、マイクロホンアレイ４１１のＭ個のマイクロホン４１１ａ，４１１ｂ，４１１ｃを通じて入力される信号の相関（ｃｏｒｒｅｌａｔｉｏｎ）を求めて、各音声信号ｘ₁（ｋ），ｘ₂（ｋ），・・・，ｘ_M（ｋ）の時間遅延を計算する。
遅延部４１５は、Ｍ個の遅延素子４１５ａ，４１５ｂ，４１５ｃにより、遅延時間推定器４１３で計算された遅延時間Ｄ₁，Ｄ₂，・・・，Ｄ_Mだけ各音声信号ｘ₁（ｋ），ｘ₂（ｋ），・・・，ｘ_M（ｋ）を遅延させ、遅延された音声信号ｘ₁’（ｋ），ｘ₂’（ｋ），・・・，ｘ_M’（ｋ）を出力する。
なお、遅延時間推定器４１３は、相関の計算以外に多様な方法で各音声信号間の遅延時間を計算可能である。

第１加算部４１７は、遅延部４１５から出力される遅延された音声信号ｘ₁’（ｋ），ｘ₂’（ｋ），・・・，ｘ_M’（ｋ）を加算し、加算された信号ｂ（ｋ）を出力する。第１加算部４１７の出力ｂ（ｋ）は、次の数式１で表せる。

マルチチャンネル信号分離部４３０において、第１フィルタリング部４３１のＭ個のＡＢＦ４３１ａ，４３１ｂでは第１減算部４３３の各減算器４３３ａ，４３３ｂの出力信号によって第２減算部４３７の各減算器４３７ａ，４３７ｂの出力信号を適応的にフィルタリングすることによって、Ｍ個のＡＢＦ４３１ａ，４３１ｂから出力されるフィルタリングされた信号に含まれる音声成分は、所定時間遅延されたマイクロホン信号ｘ_M’（ｋ）に含まれる音声成分と同じ特性を有することになる。

第１減算部４３３のＭ個の減算器４３３ａ，４３３ｂでは、各々遅延されたＭ個の音声信号ｘ₁’（ｋ），ｘ₂’（ｋ），・・・，ｘ_M’（ｋ）から第１フィルタリング部４３１のＭ個のＡＢＦ４３１ａ，４３１ｂの出力を各々減算し、各減算器４３３ａ，４３３ｂの出力信号ｕ₁（ｋ），・・・，ｕ_M（ｋ）を第２フィルタリング部４３５から当該ＡＣＦ４３５ａ，４３５ｂに印加する。
第１フィルタリング部４３１でｍ番目のＡＢＦの係数ベクトルを
、タップ数をＬとする時、第１減算部４３３の各減算器４３３ａ，４３３ｂの出力信号ｕ_M（ｋ）は、次の数式２で表せる。

前記した数式２において、
及び
は、各々次の数式３及び数式４で表せる。

数式３において、ｈ_ml（ｋ）は、
のｌ番目の係数を表す。

数式４において、
はｗ_m（ｋ）のＬ個の過去値を集めたベクトルであり、ＬはＡＢＦ４３１ａ，４３１ｂのフィルタータップ数を表す。

第２フィルタリング部４３５のＭ個のＡＣＦ４３５ａ，４３５ｂでは、第２減算部４３７の各減算器４３７ａ，４３７ｂの出力信号によって第１減算部４３３の各減算器４３３ａ，４３３ｂの出力信号を適応的にフィルタリングすることによって、第１減算器４３３ａ，４３３ｂの出力信号に含まれる雑音成分は、固定ビーム形成部４１０の出力ｂ（ｋ）に含まれる雑音成分と同じ特性を有することになる。

第２減算部４３７は、Ｍ個の減算器４３７ａ，４３７ｂで各々固定ビーム形成部４１０の出力信号ｂ（ｋ）から第２フィルタリング部４３５のＭ個のＡＣＦ４３５ａ，４３５ｂの出力を各々減算し、各減算器４３７ａ，４３７ｂの出力信号ｗ₁（ｋ）、ｗ₂（ｋ），・・・，ｗ_m（ｋ）を第２加算部４３９に印加する。
第２フィルタリング部４３５で、ｍ番目のＡＣＦの係数ベクトルを
、タップ数をＮとする時、第２減算部４３７の各減算器４３７ａ，４３７ｂの出力信号ｗ_m（ｋ）は、次の数式５で表せる。

数式５において、
及び
は、各々次の数式６及び数式７で表せる。

数式６においてｇ_m,n（ｋ）は、
のｎ番目の係数を表す。

数式７において、
はｕ_m（ｋ）のＮ個の過去値を集めたベクトルであり、ＮはＡＣＦ４３５ａ、４３５ｂのフィルタータップ数を表す。

第２加算部４３９は、第２減算部４３７のＭ個の減算器４３７ａ，４３７ｂの出力信号ｗ_m（ｋ）を加算し、最終的に雑音成分が除去された信号ｙ（ｋ）を出力する。第２加算部４３９の出力信号ｙ（ｋ）は、次の数式８で表せる。

（第２実施形態）
図５は、本発明による適応ビーム形成装置の第２実施形態の構成を示すブロック図であって、第２実施形態の適応ビーム形成装置は、大きく固定ビーム形成部５１０とマルチチャンネル信号分離部５３０とから構成される。
固定ビーム形成部５１０は、Ｍ個のマイクロホン５１１ａ，５１１ｂ，５１１ｃよりなるマイクロホンアレイ５１１、遅延時間推定器５１３、Ｍの遅延素子５１５ａ，５１５ｂ，５１５ｃよりなる遅延部５１５及び第１加算部５１７を含む。
マルチチャンネル信号分離部５３０は、Ｍ個のＡＢＦ５３１ａ，５３１ｂ，５３１ｃよりなる第１フィルタリング部５３１、Ｍ個の減算器５３３ａ，５３３ｂ，５３３ｃよりなる第１減算部５３３、Ｍ個のＡＣＦ５３５ａ，５３５ｂ，５３５ｃよりなる第２フィルタリング部５３５、第２加算部５３７及び第２減算部５３９を含む。
ここで、固定ビーム形成部５１０の構成及び動作は、図４に示された第１実施例と同様であるので、その詳細な説明を省略し、マルチチャンネル信号分離部５３０について重点的に説明する。

図５を参照して、マルチチャンネル信号分離部５３０において、第１フィルタリング部５３１のＭ個のＡＢＦ５３１ａ，５３１ｂ，５３１ｃでは、第１減算部５３３の出力信号によって第２減算部５３９の出力信号を適応的にフィルタリングすることによって、Ｍ個のＡＢＦ５３１ａ，５３１ｂ，５３１ｃから出力されるフィルタリングされた信号に含まれる音声成分は、所定時間遅延されたマイクロホン信号ｘ_M’（ｋ）に含まれる音声成分と同じ特性を有することになる。

第１減算部５３３は、Ｍ個の減算器５３３ａ，５３３ｂ，５３３ｃで所定時間遅延されたマイクロホン信号ｘ₁’（ｋ），ｘ₂’（ｋ），・・・，ｘ_M’（ｋ）からＭ個のＡＢＦ５３１ａ，５３１ｂ，５３１ｃの出力を各々減算し、各減算器５３３ａ，５３３ｂ，５３３ｃの出力信号ｚ₁（ｋ），ｚ₂（ｋ），・・・，ｚ_m（ｋ）を第２フィルタリング部５３５から当該ＡＣＦ５３５ａ，５３５ｂ，５３５ｃに印加する。
第１フィルタリング部５３１からｍ番目のＡＢＦの係数ベクトルを
、タップ数をＬとする時、第１減算部５３３の各減算器５３３ａ，５３３ｂ，５３３ｃの出力信号ｚ_m（ｋ）は、次の数式９で表せる。

数式９において、
及び
は、各々次の数式１０及び数式１１で表せる。

数式１０において、ｈ_m,n（ｋ）は、ｈ_m（ｋ）のｎ番目係数を表す。

数式１１において、
はｙ（ｋ）のＬ個の過去値を集めたベクトルであり、ＬはＡＢＦ５３１ａ，５３１ｂ，５３１ｃのフィルタータップ数を表す。

第２フィルタリング部５３５のＭ個のＡＣＦ５３５ａ，５３５ｂ，５３５ｃでは、第２減算部５３９の出力信号によって第１減算部５３３のＭ個の減算器５３３ａ，５３３ｂ，５３３ｃの出力信号を適応的にフィルタリングすることによって、第２加算器５３７の出力信号ｖ（ｋ）に含まれる雑音成分は、固定ビーム形成部５１０の出力ｂ（ｋ）に含まれる雑音成分と同じ特性を有している。

第２加算部５３７は、Ｍ個のＡＣＦ５３５ａ，５３５ｂ，５３５ｃの出力信号を加算する。第２フィルタリング部５３５のｍ番目ＡＣＦのフィルターの係数をｇ_m（ｋ）、タップ数をＮとする時、第２加算部５３７の出力信号ｖ（ｋ）は、次の数式１２で表せる。

数式１２において、
及び
は、各々次の数式１３及び数式１４で表せる。

数式１３において、ｇ_m,n（ｋ）は、ｇ_m（ｋ）のｎ番目の係数を表す。

数式１４において、
はＺ_m（ｋ）のＮ個の過去値を集めたベクトルであり、ＮはＡＣＦ５３５ａ，５３５ｂ，５３５ｃのフィルタータップ数を表す。

第２減算部５３９は、固定ビーム形成部５１０の出力信号ｂ（ｋ）から第２加算部５３７の出力信号ｖ（ｋ）を減算し、減算された信号ｙ（ｋ）を出力する。第２減算部５３９の出力信号ｙ（ｋ）は、次の数式１５で表せる。

なお、第１実施形態における、第１フィルタリング部４３１のＡＢＦ４３１ａ，４３１ｂと第２フィルタリング部４３５のＡＣＦ４３５ａ，４３５ｂならびに第２実施例における第１フィルタリング部５３１のＡＢＦ５３１ａ，５３１ｂ，５３１ｃと第２フィルタリング部５３５のＡＣＦ５３５ａ，５３５ｂ，５３５ｃは、ＦＩＲフィルターを構成する。
各フィルターの入力及び出力の観点から見ると、各フィルターはＦＩＲフィルターであるが、マルチチャンネル信号分離部４３０，５３０の入力（すなわち、固定ビーム形成部４１０，５１０の出力信号ｂ（ｋ）と所定時間遅延されたマイクロホン信号ｘ₁’（ｋ），ｘ₂’（ｋ），・・・，ｘ_M’（ｋ））と出力（すなわち、図４の第２加算部４３９と図５の第２減算部５３９との出力信号ｙ（ｋ））の観点から見ると、マルチチャンネル信号分離部４３０，５３０は、無限インパルス応答（Ｉｎｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：ＩＩＲ）フィルターを構成していると見なせる。
これは第１フィルタリング部４３１，５３１のＡＢＦ４３１ａ，４３１ｂ，５３１ａ，５３１ｂ，５３１ｃと第２フィルタリング部４３５，５３５のＡＣＦ４３５ａ，４３５ｂ，５３５ａ，５３５ｂ，５３５ｃとがフィードバック構造で連結されているためである。

各ＦＩＲフィルターのフィルター係数は、例えば、‘Ａｎｔｈｏｎｙ Ｊ．Ｂｅｌｌ’が提案した情報量最大化アルゴリズムによって更新される。
情報量最大化アルゴリズムは、独立成分分析の分野で広く知られた統計的学習則の一つであって、潜在的な信号源が統計的に独立であるという仮定の下に、センサーアレイの出力値から潜在的な信号源の非ガウス分布データの構造を探し出す手法である。
情報量最大化アルゴリズムは、音声状態検出器を必要としないため、所望の信号及び所望しない信号のレベルが分からなくても、自動的にＡＢＦ及びＡＣＦのフィルター係数を決定することができる。

この情報量最大化アルゴリズムによれば、Ｍ個のＡＢＦ４３１ａ，４３１ｂ及びＭ個のＡＣＦ４３５ａ，４３５ｂのフィルター係数は、次の数式１６及び数式１７で表せる。

数式１６及び数式１７において、α及びβは学習則のステップサイズであり、ＳＧＮ（・）は符号関数であり、入力の値が０より大きければ＋１、同じであれば０、小さければ−１が出力される。

さらに、情報量最大化アルゴリズムによれば、Ｍ個のＡＢＦ５３１ａ，５３１ｂ，５３１ｃ及びＭ個のＡＣＦ５３５ａ，５３５ｂ，５３５ｃのフィルター係数は、次の数式１８及び数式１９のように更新される。

数式１８及び数式１９において、α及びβは学習則のステップサイズであり、ＳＧＮ（・）は符号関数であり、入力の値が０より大きければ＋１、同じであれば０、小さければ−１が出力される。ここで、符号関数ＳＧＮ（・）はシグモイド関数やtanh（・）関数のような任意の種類の飽和関数（ｓａｔｕｒａｔｉｏｎ ｆｕｎｃｔｉｏｎ）に代替することもできる。

一方、フィルター係数の学習アルゴリズムとしては、前記した情報量最大化アルゴリズムだけでなく、最小自乗アルゴリズムやその変形された形態のアルゴリズムを仕様することもできる。

図４及び図５に示された本実施の形態の適応ビーム形成装置のように、ＡＢＦ及びＡＣＦによりＦＩＲフィルターを構成し、フィードバック構造に連結すれば、マイクロホンアレイ４１１、５１１を構成するマイクロホンの数が８つである場合、使われるフィルタータップ数は８×（１２８＋１２８）＝２０４８個であって、図１に示した従来の適応ビーム形成装置で使われる８×（５１２＋１２８）＝５１２０個に比べて大きく減少させることができる。

（実験例）
図６は、本発明と図１に示に示した従来技術の性能を比較するために使用された実験環境を示した図面であって、長さ、幅、高さがそれぞれ６.５ｍ、４.１ｍ、３.５ｍである部屋の中央に、直径３０ｃｍの円形マイクロホンアレイを配置した。円形マイクロホンアレイの上部には８つのマイクロホンが同じ間隔をおいて設置されている。床面からマイクロホンアレイ、目的音源及び雑音源までの高さは全て０.７９ｍである。ここで、４人の男性話者が発声した４０個の孤立単語を目的音として使用し、雑音としてはファン（ＦＡＮ）雑音と音楽（ＭＵＳＩＣ）雑音とを使用した。

ここで、前記した実験環境における客観的な評価である、信号対雑音比の比較結果を、次の表１に示す。

表１を参照すると、本発明による適応ビーム形成方法は、従来技術によるビーム形成方法よりＳＮＲが、ほぼ２倍に向上していることが分かる。

次に、前記した実験環境における主観的な評価である、ＡＢ選好度をテストするために、１０人のテスターに、従来技術によるビーム形成装置の出力と本発明による適応ビーム形成装置の出力とを聞かせた後、「Ａ信号がＢ信号よりはるかに良い」、「Ａ信号がＢ信号より良い」、「Ａ信号とＢ信号とが同じである」、「Ａ信号がＢ信号より悪い」及び「Ａ信号がＢ信号よりはるかに悪い」の５つの評価項目中の一つを選択する実験を行った。
ある装置の出力がＡ信号となるか否かはテストプログラムで任意に決定し、選好度として「はるかに良い」と評価された出力に２点、「良い」と評価された出力に１点、「同じである」と評価された出力に０点を与えて全ての点数を合算した。この実験では、ファン雑音と音楽雑音とに対して、それぞれ４０単語の孤立単語を目的音として比較させ、この比較結果を次の表２に示す。

表２を参照すると、従来技術によるビーム形成装置の出力に比べて、本発明による適応ビーム形成装置の出力の選好度は、はるかに高いということが分かる。

なお、本発明に係る適応ビーム形成方法は、コンピュータで読取れる記録媒体にコンピュータが読取り可能なコードとして具現することもできる。このコンピュータが読取り可能な記録媒体には、コンピュータシステムによって読取り可能なコードを保存可能な全ての種類の記録装置を含む。コンピュータが読取り可能な記録媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ−ＲＯＭ、磁気テープ、フロッピーディスク、光データ保存装置があり、またキャリアウェーブ（例えば、インターネットを通じた伝送）状に具現することも可能である。またコンピュータが読取り可能な記録媒体は、ネットワークに連結されたコンピュータシステムに分散され、分散方式でコンピュータが読取り可能なコードが保存され、かつ実行する形態も考えられる。そして、本発明を具現するための機能的なプログラム、コード及びコードセグメントは、本発明が属する技術分野のプログラマーであれば、容易に推論可能である。

以上、図面及び実施の形態の説明により、本発明の好適な実施例を示した。
この実施例の中で、特定の用語が使われたが、これは単に本発明を説明する目的のために使われたものであり、特許請求の範囲に記載された本発明の範囲を制限するものではない。本発明の技術分野に属する当業者であれば、本発明の技術的思想に基づいて多様な変形及び他の実施例として具現可能である。
したがって、本発明の真の技術的保護範囲は、特許請求の範囲に記載された技術的思想によって定められる。

本発明による適応ビーム形成方法及びその装置は、マイクロホンアレイが付設された自律移動ロボットだけでなく、使われるマイクロホンの数が少ないＰＤＡ、ウェブパッドまたは車両に設置される携帯電話のように、発話者と装置が比較的離れた環境に好適に適用可能であり、この場合、音声認識器の性能を大きく向上させることができる。

従来の適応ビーム形成装置の一例を示すブロック図である。 従来の適応ビーム形成装置に適用されるフィードフォワード構造を説明するための回路図である。 本発明に適用されるフィードバック構造を説明するための回路図である。 本発明による適応ビーム形成装置の第１実施形態の構成を示すブロック図である。 本発明による適応ビーム形成装置の第２実施形態の構成を示すブロック図である。 本発明による適応ビーム形成装置と従来技術の適応ビーム形成装置との性能を比較するために使われた実験環境を示す図面である。

符号の説明

４１０ 固定ビーム形成部
４１１ マイクロホンアレイ
４１１ａ、４１１ｂ、４１１ｃ マイクロホン
４１３ 遅延時間推定器
４１５ 遅延部
４１５ａ、４１５ｂ、４１５ｃ 遅延素子
４１７ 第１加算部
４３０ マルチチャンネル信号分離部
４３１ 第１フィルタリング部
４３１ａ、４３１ｂ 適応遮断フィルター
４３３ 第１減算部
４３３ａ、４３３ｂ 減算器
４３５ 第２フィルタリング部
４３５ａ、４３５ｂ 適応除去フィルター
４３７ 第２減算部
４３７ａ、４３７ｂ 減算器
４３９ 第２加算部

Claims (15)

1. （ａ）Ｍ（Ｍは２以上の整数）個のマイクロホンよりなるマイクロホンアレイから入力されるＭ個の雑音成分を含んだ音声信号に対して、それぞれ遅延時間を補正し、遅延時間が補正されたＭ個の雑音成分を含んだ音声信号の和信号を生成する段階と、
   （ｂ）Ｍ個の適応除去フィルターとフィードバック構造に連結されたＭ個の適応遮断フィルターを利用して前記遅延時間が補正されたＭ個の雑音を含んだ音声信号から純粋な雑音成分を抽出し、前記Ｍ個の適応遮断フィルターとフィードバック構造に連結された前記Ｍ個の適応除去フィルターを利用して前記和信号から純粋な音声成分を抽出する段階とを含むこと、
   を特徴とする適応ビーム形成方法。
2. 前記（ｂ）段階は、
   （ｂ１）前記Ｍ個の適応遮断フィルターを利用して雑音成分が除去された和信号をフィルタリングする段階と、
   （ｂ２）前記遅延時間が補正されたＭ個の雑音成分を含んだ音声信号から前記Ｍ個の適応遮断フィルターの出力信号をそれぞれ減算する段階と、
   （ｂ３）前記（ｂ２）段階で算出されたＭ個の減算結果を、それぞれの適応除去フィルターによりフィルタリングする段階と、
   （ｂ４）前記和信号から前記Ｍ個の適応除去フィルターの出力信号を減算し、各減算結果を、前記雑音成分が除去された和信号として前記Ｍ個の適応遮断フィルターに入力する段階と、
   （ｂ５）前記（ｂ４）段階で算出されたＭ個の減算結果を合算する段階とから構成されること、
   を特徴とする請求項１に記載の適応ビーム形成方法。
3. 前記（ｂ）段階は、
   （ｂ１）前記Ｍ個の適応遮断フィルターを利用して雑音成分が除去された和信号をフィルタリングする段階と、
   （ｂ２）前記遅延時間が補正されたＭ個の雑音成分を含んだ音声信号から、前記Ｍ個の適応遮断フィルターの出力信号をそれぞれ減算する段階と、
   （ｂ３）前記Ｍ個の適応除去フィルターを利用して前記（ｂ２）段階で算出されたＭ個の減算結果を、それぞれの適応除去フィルターによりフィルタリングする段階と、
   （ｂ４）前記（ｂ３）段階のＭ個の適応除去フィルターの出力信号を合算する段階と、
   （ｂ５）前記和信号から前記（ｂ４）段階の出力信号を減算し、その減算結果を前記雑音成分が除去された和信号として前記Ｍ個の適応遮断フィルターに入力する段階とから構成されること、
   を特徴とする請求項１に記載の適応ビーム形成方法。
4. 前記適応遮断フィルター及び前記適応除去フィルターは、
   有限インパルス応答フィルターを形成すること、
   を特徴とする請求項２に記載の適応ビーム形成方法。
5. 前記適応遮断フィルター及び前記適応除去フィルターの係数は、
   情報量最大化アルゴリズムによって更新されること、
   を特徴とする請求項４に記載の適応ビーム形成方法。
6. 前記適応遮断フィルター及び前記適応除去フィルターは、
   有限インパルス応答フィルターを形成すること、
   を特徴とする請求項３に記載の適応ビーム形成方法。
7. 前記適応遮断フィルター及び前記適応除去フィルターの係数は、
   情報量最大化アルゴリズムによって更新されること、
   を特徴とする請求項６に記載の適応ビーム形成方法。
8. Ｍ（Ｍは２以上の整数）個のマイクロホンよりなるマイクロホンアレイから入力されるＭ個の雑音成分を含んだ音声信号に対して、それぞれ遅延時間を補正し、遅延時間が補正されたＭ個の雑音成分を含んだ音声信号の和信号を生成する固定ビーム形成部と、
   Ｍ個の適応除去フィルターとフィードバック構造に連結されたＭ個の適応遮断フィルターを利用して前記遅延時間が補正されたＭ個の雑音成分を含んだ音声信号から純粋な雑音成分を抽出し、前記Ｍ個の適応遮断フィルターとフィードバック構造に連結された前記Ｍ個の適応除去フィルターを利用して、前記和信号から純粋な音声成分を抽出する多重チャンネル信号分離部とを含んで構成されること、
   を特徴とする適応ビーム形成装置。
9. 前記固定ビーム形成部は、
   前記マイクロホンアレイから入力されるＭ個の音声信号に対して、それぞれ遅延時間を計算する遅延時間推定器と、
   前記遅延時間推定器で計算された遅延時間だけ前記Ｍ個の音声信号を、それぞれ遅延させる遅延部と、
   前記遅延部で遅延されたＭ個の音声信号を合算する第１加算部とを含んで構成されること、
   を特徴とする請求項８に記載の適応ビーム形成装置。
10. 前記多重チャンネル信号分離部は、
    前記Ｍ個の適応遮断フィルターを利用して雑音成分が除去された和信号をフィルタリングする第１フィルタリング部と、
    Ｍ個の減算器を利用して前記遅延時間が補正されたＭ個の雑音を含んだ音声信号から、前記Ｍ個の適応遮断フィルターの出力信号をそれぞれ減算する第１減算部と、
    前記第１減算部のＭ個の減算結果を、前記Ｍ個の適応除去フィルターを利用してフィルタリングする第２フィルタリング部と、
    Ｍ個の減算器を利用して前記和信号から前記Ｍ個の適応除去フィルターの出力信号を減算し、各減算結果を前記雑音成分が除去された和信号として前記Ｍ個の適応遮断フィルターに入力する第２減算部と、
    前記第２減算器のＭ個の減算器からの出力信号を合算する第２加算部とを含んで構成されること、
    を特徴とする請求項８または請求項９に記載の適応ビーム形成装置。
11. 前記多重チャンネル信号分離部は、
    前記Ｍ個の適応遮断フィルターを利用して雑音成分が除去された和信号をフィルタリングする第１フィルタリング部と、
    Ｍ個の減算器を利用して前記遅延時間が補正されたＭ個の音声信号から前記Ｍ個の適応遮断フィルターの出力信号を減算する第１減算部と、
    前記Ｍ個の適応除去フィルターを利用して、前記第１減算部のＭ個の減算器の出力をフィルタリングする第２フィルタリング部と、
    前記第２フィルタリング部のＭ個の適応除去フィルターの出力信号を合算する第２加算部と、
    前記和信号から前記第２加算部の出力信号を減算し、その減算結果を前記雑音成分が除去された和信号として前記Ｍ個の適応遮断フィルターに入力する第２減算部とを含んで構成されること、
    を特徴とする請求項８または請求項９に記載の適応ビーム形成装置。
12. 前記適応遮断フィルター及び前記適応除去フィルターは、
    有限インパルス応答フィルターを形成すること、
    を特徴とする請求項１０に記載の適応ビーム形成装置。
13. 前記適応遮断フィルター及び前記適応除去フィルターの係数は、
    情報量最大化アルゴリズムによって更新されること、
    を特徴とする請求項１２に記載の適応ビーム形成装置。
14. 前記適応遮断フィルター及び前記適応除去フィルターは、
    有限インパルス応答フィルターを形成すること、
    を特徴とする請求項１１に記載の適応ビーム形成装置。
15. 前記適応遮断フィルター及び前記適応除去フィルターの係数は、
    情報量最大化アルゴリズムによって更新されること、
    を特徴とする請求項１４に記載の適応ビーム形成装置。