JP4282317B2

JP4282317B2 - 音声通信装置

Info

Publication number: JP4282317B2
Application number: JP2002354164A
Authority: JP
Inventors: 望齊藤; 徹丸本
Original assignee: Alpine Electronics Inc
Current assignee: Alpine Electronics Inc
Priority date: 2002-12-05
Filing date: 2002-12-05
Publication date: 2009-06-17
Anticipated expiration: 2022-12-05
Also published as: JP2004187165A; US20040143433A1

Description

【０００１】
【発明の属する技術分野】
本発明は、電話機等の音声通信を行う音声通信装置における受話音声の明瞭度を改善する技術に関するものである。
【０００２】
【従来の技術】
音声通信装置における受話音声の明瞭度を改善する技術としては、携帯電話として知られる携帯型の移動電話機において、送話用の送話用マイクとは別に背景音を集音するための背景音測定用マイクを移動電話機に設け、背景音測定用マイクで集音した音より推定した背景音に応じて、スピーカから出力する受話音声の周波数特性を操作する技術が知られている（たとえば、特開２０００−３０６１８１号公報、特開２０００−６９１２７号公報）。
【０００３】
より具体的には、たとえば、特開２０００−３０６１８１号公報記載の技術では、背景音測定用マイクで集音した音から送話用マイクで集音した音声を減算した音を背景音と見なし、背景音のレベルが小さい周波数帯域で受話音声のレベルを大きくし、かつ、受話音声の中域において受話音声のレベルが背景音より大きくなるように、受話音声の各周波数帯域のゲインを操作している。また、たとえば、特開２０００−６９１２７号公報記載の技術では、背景音測定用マイクで集音した音を背景音と見なし、背景音のレベルが小さい周波数帯域で受話音声のゲインを大きくしている。
【０００４】
この出願の発明に関連する先行技術文献情報としては以下のものがある。
【０００５】
【特許文献１】
特開２０００−３０６１８１号公報
【０００６】
【特許文献２】
特開２０００−６９１２７号公報
【０００７】
【発明が解決しようとする課題】
前記従来の技術によれば、まず、送話音声を集音するマイクの他に、背景音測定用マイクを設ける必要がある。そして、このことは移動電話機の小型軽量化や低コスト化の障害となる。
【０００８】
また、前記従来の技術によれば、背景音測定用マイクへの送話音声の混入に対する処置が不充分である。すなわち、特開２０００−６９１２７号公報記載の技術では、背景音測定用マイクで集音した音を、そのまま背景音と見なしているために、正しく背景音を測定することができない。また、特開２０００−３０６１８１号公報記載の技術では、背景音測定用マイクで集音した音から送話用マイクで集音した音声を減算した音を背景音と見なしているが、送話用マイクと背景音測定用マイクでは、送話音声の伝搬空間が異なるために両マイクで集音された送話音声の各種特性は異なるものとなる。したがって、背景音測定用マイクで集音した音から送話用マイクで集音した音声を単純に減算しただけでは、正しく背景音を測定することはできない。
【０００９】
また、前記特開２０００−６９１２７号公報、特開２０００−３０６１８１号公報記載の、背景音のレベルが小さい周波数帯域で受話音声のゲインを大きくすることにより受話音声の明瞭化を図る技術は、背景音のレベルが小さくない周波数帯域の受話音声は明瞭化されないため、背景音のレベルが大きな周波数帯域と受話音声の主要な周波数帯域が重複する場合には、受話音声を明瞭化することができない。一方、特開２０００−３０６１８１号公報記載の受話音声の中域において受話音声のレベルが背景音より大きくする技術では、背景音の中域でのレベルが大きい環境では、受話音声のレベルが過大となり、かえって受話音声の聞き取りを阻害することがある。また、これら従来の技術によれば、受話音声の周波数特性の操作の結果、送話者に聞こえる受話音声の音質が不自然な感じとなるなど、受話音声品質を大きく劣化させてしまいかねない。
【００１０】
そこで、本発明は、単一のマイクを用いつつ、背景音が存在する環境においても受話音声を明瞭に聞き取れるように受話音声の出力を行うことのできる音声通信装置を提供することを課題とする。
また、本発明は、より適正な背景音の測定を可能とすることにより、測定した背景音に基づいた、より良好な受話音声の明瞭化を図ることのできる音声通信装置を提供することを課題とする。
また、本発明は、送話者に聞こえる受話音声の音質を大きく劣化することなく受話音声の明瞭化を図ることのできる音声通信装置を提供することを課題とする。
【００１１】
【課題を解決するための手段】
前記課題達成のために、本発明は、双方向の音声通信を行う音声通信装置に、受話音声を出力するスピーカと、送話音声を集音する単一指向性もしくは両指向性のマイクロフォンと、前記マイクロフォン出力に含まれる背景音成分を抽出し、抽出した背景音成分のレベルを測定する背景音レベル測定手段と、前記背景音レベル測定手段が測定した背景音のレベルに応じて、前記スピーカに出力する受話音声のゲインを調整する受話音声明瞭化手段とを備えたものである。
このような音声通信装置によれば、背景音測定用マイクロフォンを設けることなく、単一のマイクロフォンのみを用いて、背景音レベルを算出し、算出した背景音レベルに基づいて受話音声の明瞭化を図ることができるようになる。
また、前記課題達成のために、本発明は、双方向の音声通信を行う音声通信装置に、受話音声を出力するスピーカと、送話音声を集音する単一指向性もしくは両指向性のマイクロフォンと、前記マイクロフォン出力に生じる近接効果をキャンセルするように前記マイクロフォンの出力の周波数特性を操作することにより、前記マイクロフォン出力に含まれる送話成分を抽出し、抽出した送話成分に基づいて背景音のレベルを測定する背景音レベル測定手段と、前記背景音レベル測定手段が測定した背景音のレベルに応じて、前記スピーカに出力する受話音声のゲインを調整する受話音声明瞭化手段とを備えたものである。
【００１２】
このような音声通信装置によれば、前記マイクロフォン出力に生じる近接効果をキャンセルするように前記マイクロフォンの出力の周波数特性を操作し、前記マイクロフォン出力に含まれる送話音声成分の周波数特性をフラットにすると共に、前記マイクロフォン出力に含まれる背景音成分のレベルを減少させることにより、前記マイクロフォンの出力から送話音声成分を良好に抽出することができる。したがって、このように抽出した送話音声成分を用いて、前記マイクロフォンの出力または別途集音した送話成分と背景音成分との双方が含まれる音声信号から背景音のレベルをより適正に算出することができ、これに基づいた効果的な受話音声の明瞭化を図ることができるようになる。
【００１３】
ここで、前記背景音レベル測定手段は、たとえば、音声通信装置に、背景音を集音する背景音用マイクロフォンを設けた上で、前記背景音レベル測定手段を、前記音声通信で送信する音声帯域内において、前記マイクロフォン出力の、より低周波数領域の成分のレベルをより小さくする送話音声フィルタと、前記背景音用マイクロフォン出力に混入する送話音声成分を推定する適応フィルタと、前記背景音用マイクロフォン出力から前記適応フィルタで推定した送話音声成分を減算する減算手段と、前記減算手段の出力のレベルを算出し、前記背景音のレベルとして出力する背景音レベル算出手段とより構成し、前記適応フィルタにおいて、前記背景音用マイクロフォン出力と当該適応フィルタで推定した送話音声成分との差分に基づいて前記送話音声成分の推定を行うようにしても良い。
【００１４】
このような構成によれば、背景音用マイクロフォンを無指向性のマイクロフォンとして適当な位置に配置することにより、ユーザに聞こえる背景音の同等の背景音成分を含む出力を背景音用マイクロフォンによって取得すると共に、前述のように近接効果を利用して前記マイクロフォン出力より適正に抽出した送話成分に基づいて背景音用マイクロフォン出力に含まれる送話成分を適正に推定し、推定した送話成分を背景音用マイクロフォン出力から除去することができるようになる。したがって、より適正なユーザに聞こえる背景音レベルの算出と、これに基づく、効果的な受話音声の明瞭化が可能となる。
【００１５】
なお、これらの送話音声フィルタを設ける場合においては、前記送話音声フィルタの出力を送話信号として前記音声通信で送信するようにしても良い。
このようにすることにより、送信信号に含まれる送話音声成分の周波数特性をフラットにすると共に、送信信号に含まれる背景音成分のレベルを抑制することができるので、送信音声の品質が向上する。
さて、本発明は、前記課題達成のために、さらに、双方向の音声通信を行う、受話音声を出力するスピーカと送話音声を集音する送話マイクロフォンとが前面に配置されたハンドセットを有する音声通信装置において、
前記ハンドセットの後面の、前記スピーカと略同じ高さに配置された、背景音を集音する単一指向性の背景音用マイクロフォンと、前記背景音用マイクロフォンの出力のレベルを、背景音レベルとして測定する背景音レベル測定手段と、前記背景音レベル測定手段が抽出した背景音レベルに応じて、前記スピーカに出力する受話音声のゲインを調整する受話音声明瞭化手段とを設けたものである。
【００１６】
このように、背景音用マイクロフォンを、前記ハンドセットの後面の、前記スピーカと略同じ高さに配置することにより、背景音用マイクロフォン出力への送話音声成分の混入を排除し、より適正な背景音のレベルの算出と、これに基づいた効果的な受話音声の明瞭化を図ることができるようになる。
【００１７】
また、本発明は、前記課題達成のために、双方向の音声通信を行う音声通信装置に、受話音声を出力するスピーカと、送話音声を集音するマイクロフォンと、背景音レベルを測定する背景音レベル測定手段と、前記背景音レベル測定手段が抽出した背景音のレベルに応じて、前記スピーカに出力する受話音声のゲインを調整する受話音声明瞭化手段とを設け、前記背景音レベル測定手段を、第１背景音用マイクロフォンと、第２背景音用マイクロフォンと、第１背景音用マイクロフォンの出力に混入する送話音声成分と第２背景音用マイクロフォンの出力に混入する送話音声成分との間の遅延時間に応じた時間第１背景音用マイクロフォンの出力を遅延する遅延手段と、前記遅延手段の出力に混入する送話音声成分を推定する適応フィルタと、前記遅延手段の出力から前記適応フィルタで推定した送話音声成分を減算する減算手段と、前記減算手段の出力のレベルを算出し、前記背景音のレベルとして出力する背景音レベル算出手段とを含めて構成し、前記適応フィルタにおいて、前記遅延手段の出力と当該適応フィルタで推定した送話音声成分との差分に基づいて前記送話音声成分の推定を行うようにしたものである。
【００１８】
このような構成によれば、遅延手段の遅延時間を適当に設定することにより、無指向性の第１背景用マイクロフォンの出力に、ユーザの口元方向のみをマスクする指向性をに与えることができる。よって、ユーザの聴覚の指向性は無指向性に近いので、ユーザに聞こえる背景音のレベルのより適正な算出と、これに基づいた効果的な受話音声の明瞭化を図ることができるようになる。
【００１９】
なお、以上の各音声通信処理装置においては、音声通信処理装置に前記音声通信で受信した受話信号のレベルを所定の周波数帯域毎に測定する受話レベル測定手段を設け、前記背景音レベル測定手段において、前記背景音レベルを前記所定の周波数帯域毎に測定し、前記受話音声明瞭化手段において、前記所定の周波数帯域毎に、前記受信信号のゲインを、前記背景音レベルによらずに前記受話音声が人間の聴覚上同程度の大きさに聞こえるように調整し、前記受話音声として前記スピーカに出力するラウドネス補償を行うこようにすることが好ましい。
【００２０】
このようにすることにより、背景音のレベルが大きな周波数帯域についても受話音声を明瞭化することができると共に、ユーザに認識される受話音声の音質を変質させてしまうこともない。
なお、以上の各音声通信装置は、無線通信によって前記音声通信を行う携帯型の移動電話機であって良い。
【００２１】
【発明の実施の形態】
以下、本発明の実施形態について、携帯型の移動電話機への適用を一例にとり説明する。
まず、第１の実施形態について説明する。
図１に本第１実施形態に係る移動電話機の構成を示す。
図示するように、移動電話機１は、移動電話網２との間の呼制御や音声信号伝送の処理を行う通信処理部１１、通信処理部１１が受信した受話音声信号Ｒｘを処理し受話音声ｒ（ｋ）としてユーザに出力すると共にユーザの送話音声ｓ（ｋ）を集音し所定の処理を施して通信処理部１１に送話音声信号Ｔｘとして出力する音声入出力処理部１２を有している。また、移動電話機１はユーザより電話番号その外の操作を受け付ける操作入力部１３と、表示装置１４と、操作入力部１３を介して入力するユーザ操作や通信処理部１１への着呼に応じて、通信処理部１１の動作や音声入出力処理部１２の動作や表示装置１４の表示を制御する制御部１５などを備えている。
【００２２】
次に、音声入出力処理部１２の構成を図２に示す。
図示するように音声入出力処理部１２は、送話用マイク（マイクロフォン）２１、送話抽出フィルタ２２、背景音抽出フィルタ２３、背景音レベル算出部２４、受話レベル算出部２６、ラウドネス補償制御部２７、ゲイン調整部２８、スピーカ２９を有している。
【００２３】
送話用マイク２１は単一指向性または両指向性マイクであり、音声通信時にはユーザによって口元近くに配置され使用される。そして、送話用マイク２１の出力信号は、ユーザの送話音声ｓ（ｋ）に近接効果作用したｓ’（ｋ）に背景音ｎ（ｋ）が混入したｓ’（ｋ）＋ｎ（ｋ）となる。
【００２４】
送話抽出フィルタ２２は、バンドパスフィルタであり、単一指向性または両指向性マイクにおいて生じる近接効果を利用して送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）から送話信号ｓ’’（ｋ）を抽出する。
【００２５】
ここで、図３Ａを用いて近接効果について説明する。
近接効果とは、音源が近くにある程、単一指向性または両指向性マイクの低音の出力が増大される現象であり、マイクに対して遠くにある音源の音は実質上平面波としてマイクで集音されるのに対して、マイクに対して近くにある音源の音は球面波としてマイクで集音されることを原因として生じるものである。すなわち、図３ａに両指向性マイクについて示したように、音源が近くにある程、単一指向性または両指向性マイクの低音域のレベルが大きくなる。なお、単一指向性マイクの場合には、近接効果の大きさは両指向性マイクの場合の半分程度になる。
【００２６】
そこで、本実施形態では、図３Ｂに示すように、送話抽出フィルタ２２として、ユーザを、送話用マイク２１より数ｃｍ（図は３．８ｃｍの例）離れた音源とする近接効果と逆のゲイン特性を持つフィルタ、すなわち、送話用マイク２１の出力の周波数特性がフラットとなるゲイン特性を持つフィルタを用いる。これにより、送話抽出フィルタ２２の出力は、図３Ｃに示すように、送話音声ｓ（ｋ）に対しては出力の周波数特性がフラットとなり、近接効果が生じない背景音ｎ（ｋ）に対しては低域が減衰されたものとなる。すなわち、送話抽出フィルタ２２の出力は、送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）のｎ（ｋ）成分が図中ｎに示すように減衰し、図中ｓに示すようにｓ’（ｋ）成分に対しては近接効果を打ち消す補正が加えられる。したがって、この送話抽出フィルタ２２の出力ｓ’’（ｋ）は、近似的に送話音声ｓ（ｋ）として用いることができる。
【００２７】
ところで、通常の音声通信における音声帯域の高周波数側は、高々３〜４ｋＨｚであることが多い。そこで、送話抽出フィルタ２２としては、図３Ｄに示すように、３〜４ｋＨｚまではユーザを音源とする近接効果と逆のゲイン特性を持ち、それ以上の高周波数帯域は遮断する（大きく減衰させる）ゲイン特性を持つ周波数フィルタを用いるようにしてもよい。なお、この場合の、送話抽出フィルタ２２の出力は、図３Ｅに示すようになる。
【００２８】
さて、図２に戻り、送話抽出フィルタ２２の出力は、送話信号Ｔｘとして通信処理部１１に送られ、移動電話網２を介して通信相手に送信される。
次に、背景音抽出フィルタ２３は、バンドエリミネーションフィルタであり、送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）から、音声信号ｓ’（ｋ）を除去して、背景音成分ｎ’（ｋ）を出力する。この、背景音抽出フィルタ２３としては、たとえば、標準的な人間の音声帯域の下限である２００Hz以下の周波数帯域を通過させるローパスフィルタなどを、音声信号ｓ’（ｋ）を除去するバンドエリミネーションフィルタとして近似的に適用することができる。
次に、背景音レベル算出部２４は、背景音抽出フィルタ２３の出力する背景音成分ｎ’（ｋ）の音圧レベルを周波数帯域毎に算出し、背景音レベルＮｌとしてラウドネス補償制御部２７に送る。ここで、背景音レベル算出部２４における音圧レベルの算出は、たとえば、所定の時間ブロックごとＦＦＴ（Fast Fourier Transform）演算を行い、所定の周波数帯域ごとに時間ブロック内平均の音圧レベルを計算することにより行う。ここでは、たとえば、人間の聴覚がほぼ１／３オクターブごとに背景音の大きさの違いを認識することができるという特性を考慮して１／３オクターブごとに周波数帯域を分割し、分割した各周波数帯域毎に時間ブロック内平均の音圧レベルを算出する。
【００２９】
一方、受話レベル算出部２６は、通信処理部１１から入力する受話信号Ｒｘの音圧レベルを周波数帯域毎に算出し受話レベルＲｌとして、ラウドネス補償制御部２７に送る。受話レベル算出部２６の受話レベルＲｌの算出は、たとえば、所定の時間ブロックごとＦＦＴ演算を行い、所定の周波数帯域ごとに時間ブロック内平均の音圧レベルを計算することにより行う。
【００３０】
次に、ラウドネス補償制御部２７とゲイン調整部２８は、受話信号Ｒｘのラウドネス補償を行うブロックである。すなわち、ラウドネス補償制御部２７は、背景音レベルＮｌと受話レベルＲｌに応じて、ゲイン調整部２８における受話信号Ｒｘの各周波数帯域のゲイン調整量を制御する。ゲイン調整部２８は、ラウドネス補償制御部２７の制御に従った周波数帯域毎のゲイン調整量で、受話信号Ｒｘの各周波数帯域のゲインを調整した後、スピーカ２９から受話音声ｒ（ｋ）として出力する。
【００３１】
以下、このラウドネス補償制御部２７とゲイン調整部２８によって行う、受話信号Ｒｘのラウドネス補償の詳細について説明する。
まず、本第１実施形態において、ユーザの受話音声の聞き取り易さをどのように実現するかについて、その原理を説明する。
”人間の知覚する音の大きさ（ラウドネス）”の単位はｓｏｎｅであり、１ｋＨｚ、４０ｄＢの純音の大きさを１ｓｏｎｅとする。人間の知覚に基づいているため、１ｓｏｎｅに対して２ｓｏｎｅは２倍の大きさに聞こえる。ラウドネスは音の強さだけでなく周波数によっても変化する。図４Ａは、外部騒音の無い状態で、ある音圧レベルの１ｋＨｚ純音と同じラウドネスになる純音の音圧レベルを結んだもので等ラウドネスレベル曲線と呼ばれるものである。すなわち、等ラウドネスレベル曲線は、人が１ｋＨｚの正弦波と同じ大きさに聞こえる他の周波数のレベルをプロットしたものである。等ラウドネスレベル曲線は、レベルが小さくなるにしたがって低周波数域と高周波数域のレベルを大きくしないと中間周波数域の音よりも小さく聞こえたり、音が聞こえなくなったりすることを示している。
【００３２】
次に、図４Ｂは、物理的な音圧レベルと、その音を人間が聞いているときに感じるラウドネスとの対応関係を示したものでラウドネス曲線と呼ばれるものである。ラウドネス曲線において、横軸は物理的な音圧レベル（単位はSound Pressure Level SPL（ｄＢ））であり、縦軸は人の感じる音の大きさを数値化したラウドネス（単位はｓｏｎｅ）である。図４Ｂにおいて（ａ）は静かな環境でのラウドネス曲線、（ｂ）は騒音下でのラウドネス曲線である。なお、（ｂ）は、人の最小可聴値が約３５ｄＢ上昇するような背景音の中での曲線であって、背景音が変化することによりこの曲線も様々に変化する。
【００３３】
ここで、ラウドネス曲線は縦軸のラウドネスの数値が同じであれば、人は音が同じ大きさであると感じていることを表している。よって、人が０．１ｓｏｎｅの大きさに感じる音は、（ａ）の静かな環境では１２ｄＢＳＰＬの物理的音圧レベルでよいが、（ｂ）の騒音下では３７ｄＢＳＰＬの物理的音圧レベルが必要である。言い換えると、静かな環境で１２ｄＢＳＰＬの音をスピーカ２９から出力していた場合、（ｂ）の騒音下では３７ｄＢＳＰＬの音をスピーカ２９から出力しなければ、同じ大きさの音と感じることができない。つまり、０．１ｓｏｎｅの大きさに感じる音を騒音下で聞くためには、静かな環境で聞く場合に比べて２５ｄＢのゲインを加えなくてはならない。また、人が１ｓｏｎｅの大きさに感じる音は、（ａ）の静かな環境では４２ｄＢＳＰＬの物理的音圧レベルであるが、（ｂ）の騒音下では４９ｄＢＳＰＬの物理的音圧レベルが必要で、７ｄＢのゲインを加えなくてはならない。
【００３４】
このように、背景音レベルによらずに一定のラウドネスとして人が感じるようにするためには、背景音レベルのみならず、スピーカ２９が出力する音の音圧レベルによってもゲインを変える必要がある。ここで、図４Ｃは、騒音下において静寂下と同じ大きさの音に感じるために、静寂下の音圧レベルに対してどれだけゲインを加える必要があるかを示す図である。同図において、横軸は静寂下で出力される音の音圧レベルであり、縦軸は騒音下において静寂下と同じ大きさの音に感じるために加える必要があるゲイン値である。例えば、静寂下で音圧レベル２０ｄＢで出力される音は、騒音下では、約１９ｄＢのゲインを加えられることによって、人間は静寂下と同じ大きさの音であると感じるようになる。
【００３５】
このように、背景音レベルとスピーカ出力音レベルによって、ユーザにとっても同じ聞き易さを実現するために、スピーカ２９に出力する受話信号に与える必要のあるゲインは異なったものとなる。また、背景音は周波数帯域毎に異なった音圧レベルを持ち、また、図４Ａの等ラウドネスレベル曲線に示すようにユーザの音の聞き取り易さは周波数帯域毎に異なるものであるために、各周波数帯域において同じ聞き易さを実現するためにスピーカ出力音に与える必要のあるゲインは、周波数帯域毎に異ならせる必要がある。
【００３６】
そこで、本実施形態では、周波数帯域毎に受話レベルＲｌと背景音レベルＮｌの組み合わせに対して、背景音レベルＮｌ、周波数帯域によらない聞き取り易さを実現するゲイン調整量を定めておき、ラウドネス補償制御部２７において周波数帯域毎に、背景音レベル算出部２４で算出した背景音レベルＮｌと受話レベル算出部２６で算出した受話レベルＲｌとの組に対して予め定めておいたゲイン調整量を選択し、各周波数帯域について選択されたゲイン調整量に従って、ゲイン調整部２８において周波数帯域毎に受話信号Ｒｘのゲインを調整する。
【００３７】
以下、このようなラウドネス補償動作の詳細について説明する。
図５に、ラウドネス補償制御部２７の構成例を示す。
図示するようにラウドネス補償制御部２７は、背景音レベル補正部５１、周波数帯域ゲインテーブル選択部５２、ゲインテーブルメモリ５３を含んで構成されている。
ゲインテーブルメモリ５３には、あらかじめ、様々な背景音レベルＮｌと周波数帯域の組み合わせ毎に設けた、受話レベルＲｌと加えるゲインとの関係を記述した、たとえば図示したような関係を規定するゲインテーブルが記録されている。
【００３８】
背景音レベル補正部５１は、Zwickerのラウドネス算出手法（ＩＳＯ５３２Ｂ）やStevensのラウドネス算出手法（ＩＳＯ５３２Ａ）を用いて、背景音レベル算出部２４から出力される各周波数帯域の背景音レベルＮｌを調整する。具体的には、以下のように調整を行う。すなわち、ある周波数成分の背景音があるとき、この背景音は、同周波数成分の受話音声の聴き取りにくさに影響するのみならず、高周波側に隣接する周波数成分の受話音声の聴き取りにくさにも影響を与える。そこで、背景音レベル補正部５１では、これを考慮して、背景音の各周波数成分の音圧レベルを低周波側に隣接する背景音の周波数成分の音圧レベルの大きさに応じて調整を行う。すなわち、隣接する低周波成分の音圧レベルが大きい場合には、高周波側に隣接する周波数成分の音圧レベルを高めに補正する。このような調整を行うことで、各周波数帯域ごとのゲインテーブルを選択する際には、対応する各周波数帯域の背景音の音圧レベルに着目するのみで足り、低周波側に隣接する周波数帯域の騒音等を考慮するという煩雑な処理を行う必要がなくなる。
【００３９】
次に、周波数帯域ゲインテーブル選択部５２は、各周波数帯域について、その周波数帯域と、背景音レベル補正部５１から出力される調整後の、その周波数帯域の背景音の音圧レベルとに対応するゲインテーブルを選択する。そして、各周波数帯域について、選択されたゲインテーブルを用いて、受話レベル算出部２６から入力する受話レベルＲｌが示す、その周波数帯域の音圧レベルに対応するゲイン値が算出され、調整部に送られる。
【００４０】
次に、ゲイン調整部２８は、フィルタバンク５４、可変ゲイン部５５、加算器５６を含んで構成されている。
フィルタバンク５４は、所定の周波数帯域幅を持つバンドパスフィルタ群であり、これらのバンドパスフィルタ群によって受話信号Ｒｘを周波数帯域ごとに分割する。可変ゲイン部５５は、ラウドネス補償制御部２７によって算出された各周波数帯域ごとのゲインを、フィルタバンク５４から出力される周波数帯域ごとに分割された受話信号Ｒｘに与えて、ゲイン調整を行う。加算器５６は、各周波数帯域ごとにゲイン調整された受話信号を足し合わせて受話音声ｒ（ｋ）としてスピーカ２９に出力する。
【００４１】
以上、本発明の第１の実施形態について説明した。
本第１実施形態によれば、送話用マイクロフォン２１出力に生じる近接効果をキャンセルするように送話用マイクの出力の周波数特性を操作し、送話用マイク出力に含まれる送話音声成分の周波数特性をフラットにすると共に、前記マイクロフォン出力に含まれる背景音成分のレベルを減少させて送話音声成分を良好に抽出することにより、送話音声の品質を向上することができる。
また、送話用マイクロフォン２１の出力から背景音抽出フィルタ２３を用いて背景音を抽出して背景音のレベルをより算出し、これに基づいて受話音声の明瞭化を図るので、送話用マイク２１の他に、別途背景音を集音するためのマイクを用ける必要がない。
【００４２】
ところで、本第１実施形態に係る音声入出力処理部１２における、背景音レベルNlの算出は、図６に示すような構成によっても実現することができる。
すなわち、送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）から送話信号成分ｓ’（ｋ）を抽出するハイパスフィルタ３１と、ハイパスフィルタ３１の出力する送話信号成分ｓ’（ｋ）の音圧レベルを周波数帯域毎に算出する送話パワー算出部３２を設ける。また、ハイパスフィルタ３１の処理遅延時間分の遅延を送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）に与える遅延部３３と、遅延した送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）の音圧レベルを周波数帯域毎に算出する入力パワー算出部３４を設ける。そして、各周波数帯域毎に、入力パワー算出部３４が算出した音圧レベルから、送話パワー算出部３２が算出した音圧レベルを、加算器３５で減算し、各周波数帯域毎の背景音レベルNlとする。ここで、ハイパスフィルタ３１は、たとえば、標準的な人間の音声帯域の下限である２００Hz超の周波数帯域を通過させるものである。
また、本第１実施形態に係る音声入出力処理部１２における、背景音レベルNlの算出は、図７に示すような構成によっても実現することができる。
すなわち、送話抽出フィルタ２２の出力ｓ’’（ｋ）に対して図３aに示したような近接効果を擬似的に与える疑似近接効果フィルタ３６と、疑似近接効果フィルタ３６の出力ｓ’（ｋ）の音圧レベルを周波数帯域毎に算出する送話パワー算出部３７を設ける。また、送話抽出フィルタ２２と疑似近接効果フィルタ３６の処理遅延時間分の遅延を送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）に与える遅延部３３と、遅延した送話用マイク２１の出力信号ｓ’（ｋ）＋ｎ（ｋ）の音圧レベルを周波数帯域毎に算出する入力パワー算出部３４を設ける。そして、各周波数帯域毎に、入力パワー算出部３４が算出した音圧レベルから、送話パワー算出部３７が算出した音圧レベルを、加算器３５で減算し、各周波数帯域毎の背景音レベルNlとする。このような構成によれば、送話抽出フィルタ２２による減衰効果によって、疑似近接効果フィルタ３６にとっての無音レベルまで量子化された背景音成分は、疑似近接効果フィルタ３６によって増幅されて復帰することがないことより、より適切に背景音レベルNlを算出することができることが期待できる。
【００４３】
以下、本発明の第２の実施形態について説明する。
本第２実施形態に係る移動電話機１の全体構成は、図１に示した前記第１実施形態に係る移動電話機１の構成と同様である。ただし、本第２実施形態では、音声入出力処理部１２を図８に示すように構成している。
図示するように、本第２実施形態に係る音声入出力処理部１２は、送話用マイク６１、送話抽出フィルタ６２、背景音レベル算出部６３、受話レベル算出部６４、ラウドネス補償制御部６５、ゲイン調整部６６、スピーカ６７、背景音用マイク６８を有している。
【００４４】
送話用マイク２１は単一指向性または両指向性マイクであり、音声通信時にはユーザによって口元近くに配置され使用される。そして、送話用マイク２１の出力信号は、ユーザの送話音声ｓ（ｋ）に近接効果が作用したｓ’（ｋ）に背景音ｎ（ｋ）が混入したｓ’（ｋ）＋ｎ（ｋ）となる。
【００４５】
送話抽出フィルタ６２は、前記第１実施形態と同様に、バンドパスフィルタであり、単一指向性または両指向性マイクにおいて生じる近接効果を利用して送話用マイク６１の出力信号ｓ’（ｋ）＋ｎ（ｋ）から送話信号ｓ’’（ｋ）を抽出し、送話信号Ｔｘとして通信処理部１１に送る。そして、送信信号Ｔｘは、移動電話網２を介して通信相手に送信される。
【００４６】
次に、背景音用マイク６８は、単一指向性のマイクであり、図９Ａに示すように、ユーザの送話音声ｓ（ｋ）を集音せずに移動電話機１の背面方向の背景音のみをユーザの耳の近くで集音できるように、移動電話機１の背面側のスピーカ６７と略同じ高さの位置に配置される。また、この背景音用マイク６８は、図９Ｂに示すように、スピーカ６７から出力する受話音声が移動電話機１の筐体１６を介して背景音用マイク６８に集音されてしまわないように、吸音材１７を用いて移動電話機１の筐体１６に直接接しないように移動電話機１に組み込まれている。
【００４７】
さて、図８に戻り、背景音レベル算出部６３は、周波数帯域毎に背景音用マイク６８の出力信号ｎ（ｋ）の音圧レベルを算出し、背景音レベルＮｌとしてラウドネス補償制御部２７に送り、受話レベル算出部６４は、通信処理部１１から入力する受話信号Ｒｘの音圧レベルを周波数帯域毎に算出し、受話レベルＲｌとしてラウドネス補償制御部６５に送る。背景音レベル算出部６３と受話レベル算出部６４における音圧レベルの算出は、前記第１実施形態と同様に、所定の時間ブロックごとＦＦＴ演算を行い、たとえば１／３オクターブ単位の周波数帯域ごとに時間ブロック内平均の音圧レベルを計算することにより行う。
【００４８】
次に、ラウドネス補償制御部６５とゲイン調整部６６は、背景音レベル算出部６３が算出した周波数帯域毎の背景音レベルＮｌと受話レベル算出部６４が算出した受話レベルＲｌに応じて、前記第１実施形態と同様に、ゲイン調整部６６における受話信号Ｒｘの各周波数帯域のゲイン調整量を制御する。
【００４９】
以上、本発明の第２実施形態について説明した。
本第２実施形態によれば、背景音用マイクロフォン６８を、移動電話機１の後面の、スピーカ６７と略同じ高さに配置することにより、ユーザの耳に聞こえる背景音に近い背景音成分を含む出力を背景音用マイク６８によって取得すると共に、背景音用マイクロフォン６８出力への送話音声成分の混入を排除し、より適正に背景音レベルを算出し、これに基づいた効果的な受話音声の明瞭化を図ることができるようになる。
【００５０】
さて、以上の第２実施形態に係る単一指向性の背景音マイクは、図１０に示すように２つの無指向性のマイクである第１マイク８１及びマイク８２と、遅延部８３と、適応フィルタ８４と、加算器８５との組み合わせに置き換えることができる。
【００５１】
加算器８５は、第１マイク８１が集音した音声信号を、ユーザの送話音声の第１マイク８１とマイク８２への到達時間差に応じて定めた適当な遅延時間遅延部８３で遅延させた音声信号から、適応フィルタ８４の出力信号を減算し、背景音レベル算出部６３に出力する。適応フィルタ８４は、ＬＭＳアルゴリズムやＮＬＭＳアルゴリズムなどにより、加算器８５の出力が最小となるように自身のフィルタ特性（インパルス応答）を更新することにより、マイク８２が集音した背景音成分ｎ２（ｋ）と送話音声成分ｙ２（ｋ）を含む音声信号から第１マイク８１が集音する背景音成分ｎ１（ｋ）と送話音声成分ｙ１（ｋ）を含む音声信号中の送話信号成分ｙ１’（ｋ）を推定する。この結果、加算器８５の出力は、マイク８２が集音した音声信号中から送話音声の成分ｙ１’（ｋ）が除かれたもの、すなわち、背景音ｎ１（ｋ）のみの信号となる。
【００５２】
このようにすることにより、遅延部８３の遅延時間を適当に設定することにより、ユーザの口元方向のみをマスクする指向性を無指向性の第１マイク１の出力に与えることができる。よって、ユーザの聴覚の指向性は無指向性に近いので、ユーザに聞こえる背景音のレベルをより適正に算出し、これに基づいた効果的な受話音声の明瞭化を図ることができるようになる。
なお、最適なフィルタ特性を予め求めることができる場合などには、適応フィルタ８４は固定フィルタに置き換えることができる。
【００５３】
以下、本発明の第３の実施形態について説明する。
本第３実施形態に係る移動電話機１の全体構成は、図１に示した前記第１実施形態に係る移動電話機１の構成と同様である。ただし、本第３実施形態では、音声入出力処理部１２を図１１に示すように構成している。
図示するように、本第３実施形態に係る音声入出力処理部１２は、送話用マイク９１、送話抽出フィルタ９２、適応フィルタ９３、加算器９４、背景音レベル算出部９５、受話レベル算出部９６、ラウドネス補償制御部９７、ゲイン調整部９８、スピーカ９９、背景音用マイク１００を有している。
【００５４】
送話用マイク９１は単一指向性または両指向性マイクであり、音声通信時にはユーザによって口元近くに配置され使用される。そして、送話用マイク９１の出力信号は、ユーザの送話音声ｓ（ｋ）に近接効果が作用したｓ’（ｋ）に背景音ｎ（ｋ）が混入した音声との和ｓ’（ｋ）＋ｎ（ｋ）となる。
【００５５】
送話抽出フィルタ９２は、前記第１実施形態と同様に、バンドパスフィルタであり、単一指向性または両指向性マイクにおいて生じる近接効果を利用して送話用マイク９１の出力信号ｓ’（ｋ）＋ｎ（ｋ）から送話信号ｓ’’（ｋ）を抽出し、送話信号Ｔｘとして通信処理部１１に送る。そして、送信信号Ｔｘは、移動電話網２を介して通信相手に送信される。
【００５６】
次に、背景音用マイク１００は、無指向性のマイクであり、前記第２実施形態に係る背景音用マイク６８と同様に、ユーザの送話音声を集音せずに移動電話機１の背面方向の背景音のみをユーザの耳の近くで集音できるように、移動電話機１の背面側のスピーカ９９と同じ高さの位置に配置される（図９ａ）。また、この背景音用マイク１００は、スピーカ９９から出力する受話音声が筐体１６を介して背景音用マイク１００に集音されてしまわないように、吸音材１７を用いて移動電話機１の筐体１６に直接接しないように移動電話機１に組み込まれている（図９ｂ）。
ここで、背景音用マイク１００の出力は、背景音ｎ（ｋ）に送話音声成分ｙ（ｋ）が混入したｎ（ｋ）＋ｙ（ｋ）となる。
【００５７】
さて、加算器９４は、背景音用マイク１００が集音した音声信号から、適応フィルタ９３の出力信号を減算し、背景音レベル算出部９５に出力する。適応フィルタ９３は、ＬＭＳアルゴリズムやＮＬＭＳアルゴリズムなどにより、加算器９４の出力が最小となるように自身のフィルタ特性（インパルス応答）を更新することにより、送話抽出フィルタ９２が抽出した送話音声ｓ’’（ｋ）から、背景音用マイク１００が集音した音声信号に混入した送話信号成分ｙ’（ｋ）を推定する。したがって、加算器９４から背景音レベル算出部９５に出力される信号ｎ’（ｋ）は、背景音用マイク１００が集音した音声信号中から送話音声の成分ｙ’（ｋ）が除かれたもの、すなわち、背景音ｎ（ｋ）のみの信号となる。
【００５８】
そこで、背景音レベル算出部９５は、周波数帯域毎に背景音用マイク１００の出力信号ｎ（ｋ）の音圧レベルを算出し、背景音レベルＮｌとしてラウドネス補償制御部９７に送り、受話音声レベル算出部は、通信処理部１１から入力する受話信号Ｒｘの音圧レベルを周波数帯域毎に算出し、受話レベルＲｌとしてラウドネス補償制御部９７に送る。背景音レベル算出部９５と受話レベル算出部９６における音圧レベルの算出は、前記第１実施形態と同様に、所定の時間ブロックごとＦＦＴ演算を行い、たとえば１／３オクターブ単位の周波数帯域ごとに時間ブロック内平均の音圧レベルを計算することにより行う。
【００５９】
次に、ラウドネス補償制御部９７とゲイン調整部９８は、背景音レベル算出部９５が算出した背景音レベルＮｌレベルと受話レベル算出部９６が算出した受話レベルＲｌに応じて、前記第１実施形態と同様に、ゲイン調整部９８における受話信号Ｒｘの各周波数帯域のゲイン調整量を制御する。
【００６０】
以上、本発明の第３の実施形態について説明した。
このように本第３実施形態によれば、背景音用マイク１００を無指向性のマイクとして移動電話機１の背面の、スピーカ９９と略等しい高さに配置することにより、ユーザに聞こえる背景音と同等の背景音成分を含む出力を背景音用マイク１００によって取得すると共に、前述のように近接効果を利用して送話用マイク９１出力より適正に抽出した送話成分に基づいて背景音用マイク１００の出力に含まれる送話成分を適正に推定し、推定した送話成分を背景音用マイク１００出力から除去することができるようになる。したがって、より適正にユーザに聞こえる背景音レベルの算出と、これに基づく、効果的な受話音声の明瞭化が可能となる。
【００６１】
ところで、以上の第３実施形態においては、スピーカ９９から出力される受話音声ｒ（ｋ）の、背景音用マイク１００で集音する音声信号への混入を、さらに抑制するために、図１２に示すように、適応フィルタ１０１と加算器１０２で構成したエコーキャンセラ１０３を備えるようにしてもよい。加算器１０２は、背景音用マイク１００で集音した音声信号から適応フィルタ１０１の出力信号を減算し、図１０における背景音用マイク出力に代えて出力する。適応フィルタ１０１は、ＬＭＳアルゴリズムやＮＬＭＳなどにより、加算器１０２の出力が最小となるように自身のフィルタ特性（インパルス応答）を更新することにより、ゲイン調整部９８が出力する受話信号ｒ（ｋ）から背景音用マイク１００に周り込む受話音声成分ｚ’（ｋ）を推定する。結果、加算器１０２の出力は、背景音用マイク１００で集音する音声信号からスピーカ９９から出力されて受話音声の回り込み成分がキャンセルされたものとなる。
【００６２】
なお、図１１に示したスピーカ２９の出力の回り込みをキャンセルする技術は、第２実施形態における背景音用マイクに対しても同様に適用することができる。
以上、本発明の実施形態について説明した。
ところで、以上の実施形態では、以上では音声帯域を複数の周波数帯域に分割し、周波数帯域毎に受話音声のゲインの調整を行うラウドネス補償を行ったが、これは簡略化し、音声の全帯域について一つのゲイン調整量によるゲイン調整を行うラウドネス補償を行うようにしても良い。
【００６３】
また、以上の実施形態は、携帯電話機、PHS、自動車電話等の移動電話機への適用を例にとり説明したが、本実施形態による受話音声の明瞭化の技術は、ユーザが送話マイクとスピーカが搭載されたハンドセットを持って音声の入出力を行う電話機であれば、固定電話機、固定電話機と無線で接続するハンドセット型の子機など、その電話機の種類を問わず同様に適用可能である。また、ハンドセットを用いない任意の音声通信装置にも適用可能であり、この場合にも、一定の効果は期待できる。
【００６４】
【発明の効果】
以上のように、本発明によれば、単一のマイクを用いつつ、背景音が存在する環境においても受話音声を明瞭に聞き取れるように受話音声の出力を行うことのできる音声通信装置を提供することができる。
また、より適正な背景音の測定を可能とすることにより、測定した背景音に基づいた、より寮歌な受話音声の明瞭化を図ることのできる音声通信装置を提供することができる。
また、本発明によれば、送話者に聞こえる受話音声の音質を大きく劣化することなく受話音声の明瞭化を図ることのできる音声通信装置を提供することができる。
【図面の簡単な説明】
【図１】本発明の実施形態に係る移動電話機の構成を示すブロック図である。
【図２】本発明の第１実施形態に係る音声入出力処理部の構成を示すブロック図である。
【図３】本発明の第１実施形態に係る送話抽出フィルタの周波数特性を示す図である。
【図４】等ラウドネスレベル曲線、静寂環境下と騒音環境下でのラウドネス曲線、及び、静寂環境下と騒音環境下で同ラウドネスを得るためのゲインを示す図である。
【図５】本発明の第１実施形態に係るラウドネス補償制御部とゲイン調整部の構成を示す図である。
【図６】本発明の第１実施形態に係る音声入出力処理部の他の構成例を示すブロック図である。
【図７】本発明の第１実施形態に係る音声入出力処理部の他の構成例を示すブロック図である。
【図８】本発明の第２実施形態に係る音声入出力処理部の構成を示すブロック図である。
【図９】本発明の第２実施形態に係る背景音用マイクの配置と実装の形態を示す図である。
【図１０】本発明の第２実施形態に係る音声入出力処理部の他の構成例を示すブロック図である。
【図１１】本発明の第３実施形態に係る音声入出力処理部の構成を示すブロック図である。
【図１２】本発明の第３実施形態に係る音声入出力処理部の他の構成例を示すブロック図である。
【符号の説明】
１：移動電話機、２：移動電話網、１１：通信処理部、１２：音声入出力処理部、１３：操作入力部、１４：表示装置、１５：制御部、１６：筐体、１７：吸音材、２１：送話用マイク、２２：送話抽出フィルタ、２３：背景音抽出フィルタ、２４：入力レベル算出部、２６：受話レベル算出部、２７：ラウドネス補償制御部、２８：ゲイン調整部、２９：スピーカ、３１：ハイパスフィルタ、３２：送話パワー算出部、３３：遅延部、３４：入力パワー算出部、３５：加算器、３６：疑似近接効果フィルタ、３７：送話パワー算出部、５１：背景音レベル補正部、５２：周波数帯域ゲインテーブル選択部、５３：ゲインテーブルメモリ、５４：フィルタバンク、５５：可変ゲイン部、５６：加算器、６１：送話用マイク、６２：送話抽出フィルタ、６３：背景音レベル算出部、６４：受話レベル算出部、６５：ラウドネス補償制御部、６６：ゲイン調整部、６７：スピーカ、６８：背景音用マイク、８１：第１マイク、８２：第２マイク、８３：遅延部、８４：適応フィルタ、８５：加算器、９１：送話用マイク、９２：送話抽出フィルタ、９３：適応フィルタ、９４：加算器、９５：背景音レベル算出部、９６：受話レベル算出部、９７：ラウドネス補償制御部、９８：ゲイン調整部、９９：スピーカ、１００：背景音用マイク、１０１：適応フィルタ、１０２：加算器、１０３：エコーキャンセラ。

Claims

双方向の音声通信を行う音声通信装置であって、
受話音声を出力するスピーカと、
送話音声を集音する単一指向性もしくは両指向性のマイクロフォンと、
前記マイクロフォン出力に生じる近接効果をキャンセルするように前記マイクロフォンの出力の周波数特性を操作し、送話信号として出力する送話信号生成フィルタと、
前記送話信号生成フィルタが出力した送話信号に疑似的に前記近接効果を与える疑似近接効果フィルタと、
前記マイクロフォンの出力のパワーから、前記疑似近接効果フィルタの出力のパワーを減算して、背景音のパワーレベルを測定する背景音レベル測定手段と、
前記背景音レベル測定手段が測定した背景音のパワーレベルに応じて、前記スピーカに出力する受話音声のゲインを調整する受話音声明瞭化手段と、
前記送話信号生成フィルタが出力した送話信号を前記音声通信で送信する送信手段とを有することを特徴とする音声通信装置。
請求項１記載の音声通信装置であって、
前記音声通信で受信した受話信号のレベルを所定の周波数帯域毎に測定する受話レベル測定手段を有し、
前記背景音レベル測定手段は、前記背景音のパワーレベルを前記所定の周波数帯域毎に測定し、
前記受話音声明瞭化手段は、前記所定の周波数帯域毎に、前記受信信号のゲインを、前記背景音のパワーレベルによらずに前記受話音声が人間の聴覚上同程度の大きさに聞こえるように調整し、前記受話音声として前記スピーカに出力するラウドネス補償を行うことを特徴とする音声通信装置。
請求項１または２記載の音声通信装置であって、
当該音声通信装置は、無線通信によって前記音声通信を行う携帯型の移動電話機であることを特徴とする音声通信装置。