JP4483761B2 - 拡声通話装置 - Google Patents

Description

本発明は、マイクロホン並びにスピーカを具備して拡声通話を行うインターホン等の拡声通話装置に関するものである。

従来の通話装置、例えば、ハンドセットを備えたインターホン親機においては、ハンドセットの代わりにマイクロホンとスピーカを備えた拡声通話装置たるドアホン子器との通話に際し、ドアホン子器から通話線を介して伝送される受話信号に含まれる周囲騒音のレベル（遠端側周囲騒音レベル）を推定し、その推定値に基づいて受話信号並びに通話線を介してドアホン子器に伝送される送話信号のレベルを調整することにより、来訪者の音声が適切な音量で聞こえるようにしていた（例えば、特許文献１参照）。
特開２００２−１８５６２５号公報

しかしながら、ドアホン子器と同様に、ハンドセットの代わりにマイクロホンとスピーカを用いて拡声通話を行う拡声通話装置として構成されたインターホン親機においては、スピーカの音量を大きくすることでマイクロホンへの回り込み成分も増大するため、周囲騒音が大きい状況下ではハウリングが発生しやすくなるという問題があった。

本発明は上記事情に鑑みて為されたものであり、その目的は、周囲騒音の大きさに応じた適切な音量で拡声通話が行えると同時にハウリングの発生を抑制することができる拡声通話装置を提供することにある。

請求項１の発明は、上記目的を達成するために、マイクロホン並びにスピーカと、マイクロホンから出力される送話信号を遠端側に伝送する送話状態と遠端側から伝送される受話信号をスピーカに入力する受話状態とを択一的に切り換える音声スイッチと、マイクロホンとスピーカの音響結合によって生じる音響エコーを消去するエコーキャンセラと、通話音声の音声信号と周囲騒音の騒音信号とが混在する入力信号から騒音信号を抑圧して出力するノイズキャンセラと、マイクロホンから出力される送話信号に含まれる近端側の周囲騒音レベルを推定する近端側周囲騒音レベル推定手段と、スピーカへ入力する受話信号レベルを増減することでスピーカが鳴動する音声の音量を補正する音量補正手段と、音量補正手段で補正される前の前記受話信号が音声成分を含んでいる音声区間を検出する遠端側音声区間検出手段と、遠端側音声区間検出手段が音声区間を検出しているときに近端側周囲騒音レベル推定手段で推定した周囲騒音レベルに応じて音量補正手段における補正量を調整する音量補正量調整手段とを備え、ノイズキャンセラは、サンプリングされた入力信号を複数の周波数帯域へ離散フーリエ変換するフーリエ変換手段と、変換された入力信号に含まれる騒音信号の成分を各周波数帯域毎に求める騒音成分演算手段と、入力信号と騒音信号の成分から各周波数帯域毎に騒音信号の抑圧量を決めるためのゲイン関数を求めるゲイン関数演算手段と、各周波数帯域毎の入力信号とゲイン関数を乗算することで騒音信号が抑圧された出力信号を求める騒音抑圧演算手段と、騒音抑圧演算手段の出力信号を離散フーリエ逆変換して時間領域の出力信号を得るフーリエ逆変換手段とを備え、近端側周囲騒音レベル推定手段は、前記送話信号の瞬時パワーの短時間平均値を算出する短時間平均値算出部、並びに前記瞬時パワーの長時間平均値を算出する長時間平均値算出部を具備し、当該短時間平均値と長時間平均値を比較することで前記送話信号が音声成分を含んでいる音声区間を検出する近端側音声区間検出部と、前記送話信号に含まれる近端側周囲騒音レベルの推定値を算出する周囲騒音レベル算出部とを有し、近端側音声区間検出部が音声区間を検出していないときに近端側周囲騒音レベルの推定値を更新するとともに近端側音声区間検出部が音声区間を検出しているときは近端側周囲騒音レベルの推定値を更新しないことを特徴とする。

請求項２の発明は、請求項１の発明において、騒音抑圧演算手段は、騒音成分演算手段で求めた少なくとも一つの周波数帯域の騒音信号の成分が所定のしきい値以上のときにだけ騒音信号を抑圧することを特徴とする。

請求項３の発明は、請求項１又は２の発明において、音声スイッチは、送話信号の信号経路に損失を挿入する送話側損失挿入手段と、受話信号の信号経路に損失を挿入する受話側損失挿入手段と、送話側及び受話側の各損失挿入手段から挿入する損失量を制御する挿入損失量制御手段とを備え、挿入損失量制御手段は、受話側損失挿入手段の出力点から音響エコー経路を介して送話側損失挿入手段の入力点へ帰還する経路の音響側帰還利得を推定するとともに、送話側損失挿入手段の出力点から回線エコー経路を介して受話側損失挿入手段の入力点へ帰還する経路の回線側帰還利得を推定し、音響側及び回線側の各帰還利得の推定値に基づいて閉ループに挿入すべき損失量の総和を算出する総損失量算出部と、送話信号及び受話信号を監視して通話状態を推定し、この推定結果と総損失量算出部の算出値に応じて送話側損失挿入手段及び受話側挿入損失手段の各挿入損失量の配分を決定する挿入損失量分配処理部とからなり、音声スイッチが受話状態に切り換えられ且つ総損失量算出部で算出する損失量の総和が所定のしきい値以上であればノイズキャンセラが停止することを特徴とする。

請求項４の発明は、請求項１〜３の何れかの発明において、受話側損失挿入手段の出力点から音響エコー経路を介して送話側損失挿入手段の入力点へ帰還する経路の音響側帰還利得を周波数帯域毎に推定する推定手段を備え、騒音抑圧演算手段は、推定手段で推定する音響側帰還利得が所定のしきい値以上である周波数帯域の騒音信号に対するゲイン関数を低下させることを特徴とする。

請求項５の発明は、請求項１〜４の何れかの発明において、エコーキャンセラは、エコー経路の特性を適応的に同定する適応フィルタと、近端側の信号から適応フィルタの出力を減算する減算器と、ダブルトークを検出するダブルトーク検出部とを有し、ダブルトーク検出部によりダブルトークが検出されない状態でのみ適応フィルタの係数を更新するとともに、その他の状態では適応フィルタの係数を固定してなり、ゲイン関数演算手段は、ダブルトーク検出部によりダブルトークが検出されない状態ではゲイン関数を一律に低下させることを特徴とする。

請求項６の発明は、請求項３の発明において、総損失量算出部が音響側帰還利得を推定するために参照する参照信号から騒音信号を抑圧して出力する第２のノイズキャンセラを備えたことを特徴とする。

請求項１の発明によれば、近端側周囲騒音レベル推定手段では、近端側音声区間検出部が音声区間を検出していないときに近端側周囲騒音レベルの推定値を更新するとともに近端側音声区間検出部が音声区間を検出しているときは近端側周囲騒音レベルの推定値を更新しないので、周囲騒音レベルに応じて音量補正手段における補正量が音量補正量調整手段によって適切な値に調整され、周囲騒音の大きさに応じた適切な音量で拡声通話が行え、また、遠端側音声区間検出手段が音声区間を検出しているときにだけ、音量補正量調整手段が近端側周囲騒音レベル推定手段で推定した周囲騒音レベルに応じて音量補正手段における補正量を調整するので、非音声区間では音量補正を行わないことによりスピーカからマイクロホンへの回り込みに起因したハウリングの発生を抑制することができる。さらに、第１のエコーキャンセラがマイクロホンとスピーカの音響結合によって生じる音響エコーを消去するので、スピーカからマイクロホンへの回り込みに起因したハウリングの発生をさらに抑制することができ、しかも、ノイズキャンセラによって通話音声の騒音信号のみを抑圧できるから通話品質の向上が図れる。

請求項２の発明によれば、騒音信号のレベルが小さい場合における通話音声の音質劣化を防ぐことができる。

請求項３の発明によれば、ノイズキャンセラを停止することで消費電流を低減して余計な電力消費を防ぐことができる。

請求項４の発明によれば、騒音抑圧演算手段が、推定手段で推定する音響側帰還利得が所定のしきい値以上である周波数帯域の騒音信号に対するゲイン関数を低下させるので、特定の周波数帯域における回り込みによってハウリングが発生するのを防ぐことができる。

請求項５の発明によれば、通話音声に影響を与えることなく騒音信号の抑圧量をさらに増すことができる。

請求項６の発明によれば、音声スイッチの誤動作、所謂片倒れが防止できる。

以下、集合住宅の共用玄関（ロビー）に設置され、集合住宅の各住戸に設置されている住戸機（インターホン親機や住宅情報盤など）との間で双方向の拡声通話（ハンズフリー通話）を行うロビーインターホンに本発明の技術思想を適用した実施形態について説明する。但し、本発明が適用可能な拡声通話装置はロビーインターホンに限定されるものではなく、例えば、各住戸に設置される住戸機に本発明の技術思想を適用することも可能である。

図１に本発明の実施形態１のブロック図を示す。本実施形態は、マイクロホン１並びにスピーカ２と、マイクロホン１から出力される送話信号を遠端側に伝送する送話状態と遠端側から伝送される受話信号をスピーカ２に入力する受話状態とを択一的に切り換える音声スイッチＶＳと、マイクロホン１とスピーカ２の音響結合によって生じる音響エコーを消去する第１のエコーキャンセラＥＣ１と、遠端側における信号の回り込みによって生じる回線エコーを消去する第２のエコーキャンセラＥＣ２と、通話音声の音声信号と周囲騒音の騒音信号とが混在する入力信号から騒音信号を抑圧して出力するノイズキャンセラＮＣと、マイクロホン１から出力される送話信号に含まれる近端側の周囲騒音レベルを推定する近端側周囲騒音レベル推定手段３と、スピーカ２へ入力する受話信号レベルを増減することでスピーカ２が鳴動する音声の音量を補正する音量補正手段４と、音量補正手段４で補正される前の受話信号が音声成分を含んでいる音声区間を検出する遠端側音声区間検出手段５と、遠端側音声区間検出手段５が音声区間を検出しているときに近端側周囲騒音レベル推定手段３で推定した周囲騒音レベルに応じて音量補正手段４における補正量を調整する音量補正量調整手段６とを備える。なお、本実施形態においては近端側周囲騒音レベル推定手段３、音量補正手段４、遠端側音声区間検出手段５、音量補正量調整手段６の各手段と、音声スイッチＶＳと、第１及び第２のエコーキャンセラＥＣ１，ＥＣ２と、ノイズキャンセラＮＣとをＤＳＰ（ディジタル・シグナル・プロセッサ）やＣＰＵなどのハードウェアを専用のソフトウェアで制御することによって実現している。したがって、相手の通話装置から伝送されてくる音声信号（受話信号）やマイクロホン１から出力される音声信号（送話信号）は図示しないＡ／Ｄ変換器によってディジタル値に量子化され、スピーカ２に入力する音声信号（受話信号）並びに相手の通話装置に伝送される音声信号（送話信号）は図示しないＤ／Ａ変換器によってアナログ値に変換される。

第１のエコーキャンセラＥＣ１は適応フィルタ７と減算器８からなる従来周知の構成を有し、スピーカ２−マイクロホン１間の音響結合により形成される帰還経路（音響エコー経路）Ｈ_ACのインパルス応答を適応フィルタ７により適応的に同定し、参照信号（スピーカ２への入力信号）ｙ(ｎ)から推定した擬似エコー成分（音響エコー）ｇ(ｎ)を減算器８によりマイクロホン１の出力信号ｓ(ｎ)から減算することで音響エコーを抑制するものである（ｅ(ｎ)＝ｓ(ｎ)−ｇ(ｎ)）。さらに本実施形態においては、近端側と遠端側とで話者がほぼ同時に話す状態、すなわちダブルトークを検出するダブルトーク検出部９を第１のエコーキャンセラＥＣ１に備えている。このダブルトーク検出部９は、適応フィルタ７の収束を劣化させるレベルの信号が近端側の信号（送話信号）ｓ(ｎ)に含まれている場合にダブルトークを検出してダブルトーク検出フラグ（ＤＴＦ）を立てる（ＤＴＦ＝１）ものである。適応フィルタ７は、ダブルトーク検出部９によりダブルトークが検出されない状態（ＤＴＦ＝０）でのみ、所定のアルゴリズム（例えば、ＬＭＳ法等）に基づいて係数を更新するとともに、その他の状態では係数を更新せずにそれ以前の値に固定する。このようにダブルトーク検出部９がダブルトークを検出していないときにだけ適応フィルタ７が係数更新を行うことにより、適応フィルタ７の収束が劣化することを防ぐことができる。

第２のエコーキャンセラＥＣ２は、第１のエコーキャンセラＥＣ１と同様に適応フィルタ１０と減算器１１からなる従来周知の構成を有し、２線−４線変換回路Ｈと伝送路（本実施形態のロビーインターホンと住戸機との間で送話信号並びに受話信号を伝送するための線路）との間のインピーダンスの不整合による反射および相手の通話端末（例えば、インターホンシステムの住戸機など）におけるスピーカ−マイクロホン間の音響結合とにより形成される帰還経路（回線エコー経路）Ｈ_LINのインパルス応答を適応フィルタ１０により適応的に同定し、参照信号（送話信号）から推定した擬似エコー成分（回線エコー）を減算器１１により受話信号から減算することで回線エコーを抑制するものである。

近端側周囲騒音レベル推定手段３は、図２に示すように入力信号（送話信号）の瞬時パワーの短時間平均値Ｐｓを算出する短時間平均値算出部３０と、瞬時パワーの長時間平均値Ｐｎを算出する長時間平均値算出部３１と、短時間平均値Ｐｓと長時間平均値Ｐｎを比較することで送話信号が音声成分を含んでいる音声区間を検出する近端側音声区間検出部３２と、送話信号に含まれる近端側周囲騒音レベルの推定値Ｐｎ’を算出する周囲騒音レベル算出部３３とを有する。

短時間平均値算出部３０は、入力信号の瞬時値（絶対値）Ｐｖ（ｎ）に正の定数ρ１（＜１）を乗算した値と、遅延させた短時間平均値Ｐｓ（ｎ−１）に正の定数（１−ρ１）を乗算した値とを加算する処理、すなわち、下記の式（１）の演算処理を行うことで短時間平均値Ｐｓ（ｎ）を算出している。

Ｐｓ（ｎ）＝（１-ρ１）×Ｐｓ（ｎ−１）＋ρ１×Ｐｖ（ｎ）…（１）
また長時間平均値算出部３１は、入力信号の瞬時値Ｐｖ（ｎ）に正の定数ρ２（０＜ρ２＜ρ１＜１）を乗算した値と、遅延させた長時間平均値Ｐｎ（ｎ−１）に正の定数（１−ρ２）を乗算した値とを加算する処理、すなわち、下記の式（２）の演算処理を行うことで長時間平均値Ｐｎ（ｎ）を算出している。

Ｐｎ（ｎ）＝（１-ρ２）×Ｐｎ（ｎ−１）＋ρ２×Ｐｖ（ｎ）…（２）
近端側音声区間検出部３２は、短時間平均値Ｐｓ（ｎ）と長時間平均値Ｐｎ（ｎ）との比（＝Ｐｓ（ｎ）／Ｐｎ（ｎ））を所定の閾値δと比較し、δ＜Ｐｓ（ｎ）／Ｐｎ（ｎ）ならば音声区間、Ｐｓ（ｎ）／Ｐｎ（ｎ）≦δならば非音声区間と判定し、音声区間と判定した場合に近端側音声区間検出フラグＳＤＦ１を１とし、非音声区間と判定した場合に近端側音声区間検出フラグＳＤＦ１を０とする。

周囲騒音レベル算出部３３は、近端側音声区間検出フラグＳＤＦ１が０のとき、つまり、送話信号の非音声区間が検出されているときに入力信号の瞬時値Ｐｖ（ｎ）に正の定数ρ３（ρ３＜１、但し、ρ３はρ２と異なる値でも同じ値でも構わない）を乗算した値と、遅延させた周囲騒音レベルＰｎ’（ｎ−１）に正の定数（１−ρ３）を乗算した値とを加算する処理、すなわち、下記の式（３）の演算処理を行うことで周囲騒音レベルＰｎ’（ｎ）を算出している。但し、近端側音声区間検出フラグＳＤＦ１が１のとき、つまり、送話信号の音声区間が検出されているときには下記の式（３）の処理は行わずに周囲騒音レベルＰｎ’（ｎ）を更新しない（下記式（４）参照）。

Ｐｎ’（ｎ）＝（１-ρ３）×Ｐｎ’（ｎ−１）＋ρ３×Ｐｖ（ｎ）…（３）
Ｐｎ’（ｎ）＝Ｐｎ’（ｎ−１）…（４）
遠端側音声区間検出手段５は、近端側周囲騒音レベル推定手段３と同様に、受話信号の短時間平均値並びに長時間平均値を求めるとともに両平均値の比が所定の閾値よりも大きければ音声区間と判定して遠端側音声区間検出フラグＳＤＦ２を１とし、非音声区間と判定した場合に遠端側音声区間検出フラグＳＤＦ２を０とする。

音量補正手段４は、音量補正量調整手段６から指示された音量補正量（増幅度）で受話信号を増幅してスピーカ２に出力する。音量補正量調整手段６は、近端側周囲騒音レベル推定手段３から入力する周囲騒音レベル（推定値）Ｐｎ’（ｎ）を第１〜第４の基準値ＸＬ１〜ＸＬ４（ＸＬ４＜ＸＬ１＜ＸＬ３＜ＸＬ２）と比較することで音量補正量を決定する。例えば、音量補正量調整手段６では、周囲騒音レベルＰｎ’（ｎ）が第１の基準値ＸＬ１よりも小さいときは音量補正量をゼロ（増幅度＝０ｄＢ）に設定し、周囲騒音レベルＰｎ’（ｎ）が上昇して第１の基準値ＸＬ１を超えたら音量補正量を４ｄＢ（増幅度＝４ｄＢ）に設定し、さらに周囲騒音レベルＰｎ’（ｎ）が上昇して第２の基準値ＸＬ２を超えたら音量補正量を８ｄＢ（増幅度＝８ｄＢ）に設定し、反対に周囲騒音レベルＰｎ’（ｎ）が下降して第３の基準値ＸＬ３以下となれば音量補正量を４ｄＢに設定し、さらに周囲騒音レベルＰｎ’（ｎ）が第４の基準値ＸＬ４以下まで下降すれば音量補正量を０ｄＢに設定する。また音量補正量調整手段６は、遠端側音声区間検出手段５から入力する遠端側音声区間検出フラグＳＤＦ２が１（音声区間）のときにのみ、その時点で設定している音量補正量（０ｄＢ又は４ｄＢ又は８ｄＢ）を音量補正手段４に指示して音量補正を行わせる。

而して、近端側周囲騒音レベル推定手段３では、近端側音声区間検出部３２が音声区間を検出していないときに近端側周囲騒音レベルの推定値Ｐｎ’（ｎ）を更新するとともに近端側音声区間検出部３２が音声区間を検出しているときは近端側周囲騒音レベルの推定値Ｐｎ’（ｎ）を更新しないので、周囲騒音レベルに応じて音量補正手段４における補正量が音量補正量調整手段６によって適切な値に調整され、周囲騒音の大きさに応じた適切な音量で拡声通話が行え、また、遠端側音声区間検出手段５が音声区間を検出しているときにだけ、音量補正量調整手段６が近端側周囲騒音レベル推定手段３で推定した周囲騒音レベルに応じて音量補正手段４における補正量を調整するので、非音声区間では音量補正を行わないことによりスピーカ２からマイクロホン１への回り込みに起因したハウリングの発生を抑制することができる。但し、第１のエコーキャンセラＥＣ１の適応フィルタ７が係数を更新しているときに音量補正手段４によって音量が補正されると適応フィルタ７の収束が劣化してしまう虞がある。そこで本実施形態では、適応フィルタ７が係数更新を行っていないとき、すなわち、ダブルトーク検出部９がダブルトークを検出していないとき（ダブルトーク検出フラグＤＴＦ＝０のとき）にのみ音量補正手段４が音量を補正し、上述のように適応フィルタ７の収束が劣化するのを防いでいる。

ところで、ディジタルのＦＩＲフィルタにより構成される適応フィルタ７では、疑似エコー成分ｇ(ｎ)の減算で消去されなかった消去誤差ｅ(ｎ)を最小とするように動作するアルゴリズムによってフィルタ係数を逐次修正しており、例えば、消去誤差ｅ(ｎ)の自乗平均値を最小化するアルゴリズム（例えば、ＬＭＳ（Least-Mean-Square）法）が用いられる。このＬＭＳ法では、フィルタ係数の修正の大きさを調整する修正幅（ステップゲイン）がスカラ量として与えられており、高反響空間においては音声信号のような有色信号に対する収束時間が相当長くなってしまう。

そこで、ディジタルのＦＩＲフィルタで構成された適応フィルタ７が消去誤差ｅ(ｎ)を最小とするようにフィルタ係数を逐次修正するためのアルゴリズムとして、従来周知の射影法を用いることが望ましい。射影法は、アルゴリズム内部において入力信号の自己相関を取り除くことにより、音声信号のような有色信号に対する収束速度を改善したものである。２次の射影法により適応フィルタ７のフィルタ係数（タップ係数ともいう）ｈ（ｎ）が下記の式（５）に従って逐次修正される。

ｈ(n+1)＝ｈ(n)＋μ［δ(n)ｘ(n)＋ε(n)ｘ(n-1)］ （５）
但し、
ｈ(n)＝（ｈ₁(n)，ｈ₂(n)，…，ｈ_L(n)）^T
T：ベクトルの転置
ｎ：サンプリング時間
Ｌ：タップ長（タップ数）
μ：ステップゲイン（スカラ量）
ｘ(n)＝（ｘ(n)，ｘ(n-1)，…，ｘ(n-L+1)）^T：入力信号（受話信号）ベクトル
δ(n)，ε(n)は下記の連立方程式(６)，（７）から求められる定数である。

δ(n)ｘ(n)^Tｘ(n)＋ε(n)ｘ(n-1)^Tｘ(n)＝ｅ(n) （６）
δ(n)ｘ(n-1)^Tｘ(n)＋ε(n)ｘ(n-1)^Tｘ(n-1)＝(1-μ)ｅ(n-1) （７）
但し、ｅ（ｎ）は真のエコー成分と擬似エコー成分との差（消去誤差）である。

そして本実施形態では、スカラ量として与えられているステップゲインμをステップゲイン行列Ｍという対角行列に拡張する、いわゆるＥＳ法を上記射影法に組み合わせることにより、適応フィルタ７のフィルタ係数ｈ（ｎ）を下記の式（８）に従って逐次修正する。

ｈ(n+1)＝ｈ(n)＋Ｍ［δ(n)ｘ(n)＋ε(n)ｘ(n-1)］ （８）
但し、
Ｍ＝diag［μ₁，μ₂，…，μ_L］
μ_i＝μ₀λ^i-1（ｉ＝１，２，…，Ｌ）
λ：インパルス応答変動量の減衰率（０＜λ≦１）
ここで、ＦＩＲフィルタにインパルスを入力したときの出力（インパルス応答）がフィルタ係数そのものとなるから、フィルタ係数の修正の大きさは、設置空間（例えば、集合住宅の共用玄関）におけるインパルス応答の変動量と一致することになる。一般に、反響の程度に関わらず屋内におけるインパルス応答は指数関数的に減衰し、インパルス応答の変動量もインパルス応答と同じ減衰率で減衰することが知られている。従って、ＥＳ法においては、変動が大きいインパルス応答初期のフィルタ係数は大きなステップゲインで修正し、変動が小さくなったインパルス応答の後期のフィルタ係数は小さなステップゲインで修正するように重み付けする。具体的には、ステップゲイン行列Ｍの対角要素μ_i（ｉ＝１，２，…，Ｌ）を引数ｉの増加に伴って最大値μ₀からインパルス応答の減衰特性と同じ傾きで減衰させることにより、結果的に収束時間を短縮することができる。

而して、適応フィルタ７では、サンプリング周期毎に取り込んだ入力信号（受話信号）を受話信号ベクトルｘ(n)とし、ｘ(n)^Tｘ(n)，ｘ(n-1)^Tｘ(n)，ｘ(n-1)^Tｘ(n)，ｘ(n-1)^Tｘ(n-1)を演算するとともに、メモリに記憶した消去誤差ｅ(n)並びにステップゲイン行列Ｍの対角要素μ_iを読み出し、式(６)、（７）の連立方程式を解くことで定数δ(n)，ε(n)を求め、さらに求めた定数δ(n)，ε(n)とメモリから読み出したステップゲイン行列Ｍを用いて式（８）の右辺第２項を演算し、これをメモリから読み出したフィルタ係数ｈ(n)に加算して次のフィルタ係数ｈ(n+1)を演算することによりフィルタ係数ｈ(n+1)を逐次修正し、フィルタ係数ｈ(n+1)を真のインパルス応答に近付けていく処理を行っている。

上述のように本実施形態によれば、第１のエコーキャンセラＥＣ１の適応フィルタ７において射影法とＥＳ法を組み合わせたＥＳ射影法のアルゴリズムによりフィルタ係数を適応的に同定させているので、従来のＬＭＳ法や学習同定法に比較して、高反響空間におけるフィルタ係数の収束時間を短縮することができる。但し、第２のエコーキャンセラＥＣ２の適応フィルタ１０で行うアルゴリズムは、必ずしも第１のエコーキャンセラＥＣ１と共通である必要はなく、特にＬＭＳ法に比べて演算量の多いＥＳ射影法を共通に用いることはＤＳＰやＣＰＵの演算量が増大してしまうので、第１のエコーキャンセラＥＣ１では適応フィルタ７のアルゴリズムにＥＳ射影法を用い、第２のエコーキャンセラＥＣ２では適応フィルタ１０のアルゴリズムに他のもの、例えば、ＬＭＳ法や学習同定法などを用いてトータルの演算量を抑制することが望ましい。

音声スイッチＶＳは、送話信号の信号経路に損失を挿入する送話側損失挿入部１３と、受話信号の信号経路に損失を挿入する受話側損失挿入部１４と、送話側及び受話側の各損失挿入部１３，１４から挿入する損失量を制御する挿入損失量制御部１５とを備える。また挿入損失量制御部１５は、受話側損失挿入部１４の出力点から音響エコー経路Ｈ_ACを介して送話側損失挿入部１３の入力点へ帰還する経路の音響側帰還利得αを推定するとともに、送話側損失挿入部１３の出力点から回線エコー経路Ｈ_LINを介して受話側損失挿入部１４の入力点へ帰還する経路の回線側帰還利得βを推定し、音響側及び回線側の各帰還利得α、βの推定値α’、β’に基づいて閉ループに挿入すべき損失量の総和を算出する総損失量算出部１６と、送話信号及び受話信号を監視して通話状態を推定し、この推定結果と総損失量算出部１６の算出値に応じて送話側損失挿入部１３及び受話側挿入損失部１４の各挿入損失量の配分を決定する挿入損失量分配処理部１７とを具備する。

総損失量算出部１６では、整流平滑器や低域通過フィルタ等を用いて送話側損失挿入部１３の入力信号の短時間における時間平均パワーを推定し、同じく整流平滑器や低域通過フィルタ等を用いて受話側損失挿入部１４の出力信号の短時間における時間平均パワーを推定し、音響エコー経路Ｈ_ACにて想定される最大遅延時間において受話側損失挿入部１４の出力信号の時間平均パワーの推定値の最小値を求め、この最小値で送話側損失挿入部１３の入力信号の時間平均パワーの推定値を除算した値を音響側帰還利得αの推定値α’とするとともに、整流平滑器や低域通過フィルタ等を用いて受話側損失挿入部１４の入力信号の短時間における時間平均パワーを推定し、同じく整流平滑器や低域通過フィルタ等を用いて送話側損失挿入部１３の出力信号の短時間における時間平均パワーを推定し、回線エコー経路Ｈ_LINにて想定される最大遅延時間において送話側損失挿入部１３の出力信号の時間平均パワーの推定値の最小値を求め、この最小値で受話側損失挿入部１４の入力信号の時間平均パワーの推定値を除算した値を回線側帰還利得βの推定値β’とする。そして、総損失量算出部１６は音響側帰還利得α及び回線側帰還利得βの各推定値α’，β’から所望の利得余裕ＭＧを得るために必要な総損失量Ｌｔを算出し、その値Ｌｔを挿入損失量分配処理部１７に出力する。

挿入損失量分配処理部１７では、送話側損失挿入部１３の入出力信号及び受話側損失挿入部１４の入出力信号を監視し、これらの信号のパワーレベルの大小関係並びに音声信号の有無などの情報から通話状態（受話状態、送話状態等）を判定するとともに、判定された通話状態に応じた割合で総損失量Ｌｔを送話側損失挿入部１３と受話側損失挿入部１４に分配するように各損失挿入部１３，１４の挿入損失量を調整する。

ところで本実施形態における総損失量算出部１６は、上述のように各帰還利得α，βの推定値α’，β’に基づいて閉ループに挿入すべき損失量の総和を算出して適応更新する更新モード、並びに総損失量を所定の初期値に固定する固定モードの２つの動作モードを有し、相手側の通話端末との通話開始から第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が充分に収束するまでの期間には固定モードで動作するとともに第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が充分に収束した後の期間には更新モードで動作する。すなわち、総損失量算出部１６では音響側帰還利得α及び回線側帰還利得βの推定値α’，β’がともに通話開始から所定時間（数百ミリ秒）以上継続して所定の閾値ε（例えば、通話開始時における各推定値α’，β’に対して１０ｄＢ〜１５ｄＢ小さい値）を下回った時点で第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が充分に収束したものとみなし、上記時点以前には総損失量を初期値に固定する固定モードで動作し、上記時点以降には各推定値α’，β’に基づいて総損失量を適応更新する更新モードに動作モードを切り換える。なお、固定モードにおける総損失量の初期値は更新モードにおいて随時更新される総損失量よりも充分に大きな値に設定される。

而して、通話開始直後の第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が充分に収束していない状態においては、固定モードで動作する総損失量算出部１６によって充分に大きな値に設定される初期値の総損失量が閉ループに挿入されるため、不快なエコー（音響エコー並びに回線エコー）やハウリングの発生を抑制して安定した半二重通話を実現することができる。また、通話開始から時間が経過して第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が充分に収束した状態においては、総損失量算出部１６の動作モードが固定モードから更新モードに切り換わって閉ループに挿入する総損失量が初期値よりも充分に低い値に減少するため、双方向の同時通話が実現できるものである。

ここで、更新モードにおける総損失量算出部１６の具体的な動作を図３のフローチャートを参照して説明する。

総損失量算出部１６は、固定モードから更新モードに移行した時点（ｔ＝ｔ１）から所定のサンプリング周期で音響側帰還利得α並びに回線側帰還利得βの推定処理を実行してその推定値α'(n)，β'(n)を算出し（ステップ１）、これら２つの推定値α'(n)，β'(n)の積と利得余裕ＭＧとから、閉ループの利得余裕をＭＧ[ｄＢ]に保つために必要とされる総損失量所望値Ｌｒ(n)を下式により算出する（ステップ２）。

Ｌｒ(n)＝２０log|α'(n)・β'(n)|＋ＭＧ[ｄＢ]
なお、α'(n)，β'(n)，Ｌｒ(n)はそれぞれ更新モード移行時点からｎ回目のサンプリングによって算出された帰還利得の推定値並びに総損失量所望値を示す。さらに、総損失量算出部１６は上式から算出したｎ回目の総損失量所望値Ｌｒ(n)と、前回（ｎ−１回目）の総損失量Ｌｔ(n-1)、すなわち前回の処理で決定されて実際に挿入された総損失量に対して今回算出した総損失量所望値Ｌｒ(n)が大きい場合、前回の総損失量Ｌｔ(n-1)に微少な増加量Δｉ[ｄＢ]を加算した値を今回の総損失量Ｌｔ(n)＝Ｌｔ(n-1)＋Δｉとし（ステップ３、ステップ４）、前回の総損失量Ｌｔ(n-1)に対して今回算出した総損失量所望値Ｌｒ(n)が小さい場合、前回の総損失量Ｌｔ(n-1)から微少な減少量Δｄ[ｄＢ]を減算した値を今回の総損失量Ｌｔ(n)＝Ｌｔ(n-1)−Δｄとする（ステップ５、ステップ６）。

このように総損失量算出部１６による総損失量の増減をΔｉ又はΔｄの微少な値に抑えることにより、相手側の通話端末との通話開始直後のように第１及び第２のエコーキャンセラＥＣ１，ＥＣ２が収束に向かって活発に係数を更新しているために音響側帰還利得α及び回線側帰還利得βの変化が激しい状態においても、聴感上の違和感をなくすことができる。しかも、本実施形態では、第１のエコーキャンセラＥＣ１が収束するまでは音声スイッチＶＳを固定モードで動作させることで不快なエコーやハウリングの発生を抑制した半二重通話を実現し、第１のエコーキャンセラＥＣ１が収束したら音声スイッチＶＳを更新モードで動作させることで双方向の同時通話を実現しており、第１のエコーキャンセラＥＣ１の収束時間を短縮することで音声スイッチＶＳが固定モードで動作する期間、すなわち、半二重通話となる期間を短縮して早期に双方向の同時通話に移行させることができる。その結果、高反響空間においても快適な拡声通話が行えるものである。

ノイズキャンセラＮＣは、図４に示すようにＡ／Ｄ変換器（図示せず）でサンプリングされ且つ量子化されたディジタルの入力信号ｖ(ｎ)を複数の周波数帯域へ離散高速フーリエ変換するフーリエ変換部２１と、変換された入力信号Ｖ_k(ｎ)（ｋは周波数帯域の番号でｋ＝１，２，…，ｍ)に含まれる騒音信号の成分（以下、「騒音信号」と略す。）Ｎ_k(ｎ)を各周波数帯域毎に求める騒音成分演算部２２と、入力信号Ｖ_k(ｎ)と騒音信号Ｎ_k(ｎ)から各周波数帯域毎に騒音信号の抑圧量を決めるためのゲイン関数Ｇ_k(ｎ)を求めるゲイン関数演算部２３と、ゲイン関数Ｇ_k(ｎ)に基づいて各周波数帯域ｋ毎に騒音信号Ｎ_k(ｎ)が抑圧された出力信号を求める騒音抑圧演算部２４と、騒音抑圧演算部２４の出力信号を離散フーリエ逆変換して時間領域の出力信号を得るフーリエ逆変換部２５とを備える。

フーリエ変換部２１は、ディジタルの入力信号ｖ(ｎ)を離散高速フーリエ変換して得られる振幅成分（実部）と位相成分（虚部）のうちで振幅成分Ｖ_k(ｎ)のみを騒音成分演算部２２に渡し、位相成分についてはフーリエ逆変換部２５に渡す。但し、以下の説明では特に断らない限りフーリエ変換後の振幅成分を入力信号Ｖ_k(ｎ)と呼ぶことにする。

騒音成分演算部２２は、フーリエ変換部２１から受け取った入力信号Ｖ_k(ｎ)のｋ番目の周波数帯域の瞬時信号パワーＰ_V,k(ｎ)（＝Ｖ_k(ｎ)）を時間平均し、その平均値を騒音信号Ｎ_k(ｎ)の信号パワーＰ_N,k(ｎ)（＝＜Ｐ_V,k(ｎ)＞）とする。但し、＜Ｐ_V,k(ｎ)＞は瞬時信号パワーＰ_V,k(ｎ)の長時間平均値を表し、下記の式で求められる。

＜Ｐ_V,k(ｎ)＞＝Ｐ_V,k(ｎ)×ρ＋＜Ｐ_V,k-M(ｎ)＞×（１−ρ） 但し、ρは定数（エンベロープ係数）、Ｍは周波数帯域の分割数を表す。

ゲイン関数演算部２３では、騒音信号Ｎ_k(ｎ)を抑圧するためのゲイン関数Ｇ_k(ｎ)を、時間フレームｎ並びに周波数帯域ｋ毎に下記の式（９）によって演算する。

また、騒音信号の信号パワー＜Ｐ_V,k(ｎ)＞に対する瞬時信号パワーＰ_V,k(ｎ)の比を瞬時Ｓ／Ｎ比SNR_k(ｎ)（＝Ｐ_V,k(ｎ)／＜Ｐ_V,k(ｎ)＞）とすれば、上記式（９）は下記の式（１０）のように表すこともできる。

上記式（１０）をグラフ化したものを図５に示す。

騒音抑圧演算部２４は、各周波数帯域ｋ毎の入力信号Ｖ_k(ｎ)とゲイン関数Ｇ_k(ｎ)を乗算することで騒音信号が抑圧された出力信号（振幅成分）Ｐ'_V,k(ｎ)（＝Ｇ_k(ｎ)×Ｐ_V,k(ｎ)）を求め、求めた出力信号Ｐ'_V,k(ｎ)をフーリエ逆変換部２５に渡す。そして、フーリエ逆変換部２５において騒音信号が抑圧された振幅成分(実部)Ｐ'_V,k(ｎ)と位相成分(虚部)とを離散高速フーリエ逆変換することで周波数領域から時間領域に戻された出力信号ｙ(ｎ)が得られ、この出力信号ｙ(ｎ)がＤ／Ａ変換器９によってディジタル信号からアナログ信号に変換されるのである。

ここで、ゲイン関数演算部２３で実行されるゲイン関数Ｇ_k(ｎ)の演算式（上記式（９）あるいは式（１０））は、瞬時信号パワーＰ_V,k(ｎ)と騒音信号の信号パワー＜Ｐ_V,k(ｎ)＞が等しいとき、つまり、瞬時Ｓ／Ｎ比SNR_k(ｎ)＝１のときにゲイン関数Ｇ_k(ｎ)（あるいはＧ(SNR_k(ｎ))がゼロとなり、瞬時信号パワーＰ_V,k(ｎ)と騒音信号の信号パワー＜Ｐ_V,k(ｎ)＞が略等しいところで局所的に騒音信号を抑圧する点に特徴がある。

而して、話者が発声していないときのように入力信号に騒音信号（定常的な騒音信号）のみが含まれている場合、入力信号の瞬時信号パワーＰ_V,k(ｎ)とその長時間平均値＜Ｐ_V,k(ｎ)＞とが一致するので、入力信号の瞬時信号パワーＰ_V,k(ｎ)、つまり騒音信号の瞬時信号パワーがゲイン関数Ｇ_k(ｎ)によってゼロ又はその近傍まで抑圧される。また、周囲騒音が十分に小さいために入力信号に音声信号のみが含まれているとみなせる場合、入力信号の瞬時信号パワーＰ_V,k(ｎ)のうちで音声信号の周波数帯域に一致する周波数帯域の瞬時信号パワーＰ_V,k(ｎ)がゲイン関数Ｇ_k(ｎ)によって抑圧されてしまうけれども、音声信号の場合は定常的な騒音信号に比較して瞬時信号パワーＰ_V,k(ｎ)が短期的に大きく変動するので、実際は音声信号がほとんど抑圧されず、通話に支障が生じることはない。さらに、定常的な周囲騒音が存在する環境下で話者が発声しているときのように入力信号に音声信号と騒音信号が双方とも含まれている場合、音声信号の信号パワーと騒音信号の信号パワーが近い、つまり、瞬時Ｓ／Ｎ比が１に近い周波数帯域の各信号パワーが双方とも抑圧されるが、上述のように音声信号は定常的な騒音信号に比較して瞬時信号パワーが短期的に大きく変動するために瞬時Ｓ／Ｎ比も同様に短期間で大きく変動し、その結果、音声信号の瞬時信号パワーが抑圧される量が騒音信号の信号パワーが抑圧される量よりも十分に小さくなる。

例えば本発明者らの実験によると、周囲騒音として自動車のアイドリング音（音圧：８０ｄＢＡ）が存在する環境下で人の声（音圧：７４ｄＢＡ）が発せられた場合において、音声信号と騒音信号を合わせた入力信号の周波数特性（図６（ａ）参照）と、本実施形態で信号処理された後の入力信号の周波数特性（図６（ｂ）参照）とを比較すれば、自動車のアイドリング音のように定常的な周囲騒音成分のみを抑圧し、周波数変動の激しい音声信号の振幅はほとんど減衰されずに維持されていることが判る。つまり、本実施形態によれば、従来例に比べて騒音信号の抑圧量を増大しつつ音声信号の歪みを抑えることができるのである。

但し、騒音信号を抑圧する限りにおいては多少なりとも音声信号に歪みを生じることは避けられないので、騒音成分演算部２２で求めた少なくとも一つの周波数帯域における騒音信号Ｎ_k(ｎ)の信号パワー＜Ｐ_V,k(ｎ)＞が、所定のしきい値（例えば、聴感上無視できない最小限のレベル）以上の場合にだけ、騒音抑圧演算部２４が演算処理を行うようにすれば、騒音信号のレベルが小さい場合における音声信号の歪み（通話音声の音質劣化）を防ぐことができる。

また、音声スイッチＶＳが受話状態に切り換えられ且つ総損失量算出部１６で算出する損失量の総和が所定のしきい値以上である場合、遠端側への騒音信号の影響がほとんど無視できるからノイズキャンセラＮＣによる騒音信号の抑圧は不要であり、かかる場合にノイズキャンセラＮＣを停止することで消費電流を低減して余計な電力消費を防ぐことができる。

さらに、第１のエコーキャンセラＥＣ１が具備するダブルトーク検出部９がダブルトークを検出していないとき（ＤＴＦ＝０）、つまり、送話信号に含まれる音声信号のレベルが非常に低いときにゲイン関数演算部２３がゲイン関数を一律に低下させれば、通話音声に影響を与えることなく騒音信号の抑圧量をさらに増すことができる。

ところで、音声スイッチＶＳの総損失量算出部１６において、ノイズキャンセラＮＣにおける複数の周波数帯域毎に音響側帰還利得αの推定値α’を求め、その推定値α’_kが所定のしきい値を超えて利得余裕がなくなったとみなせるときに、ノイズキャンセラＮＣの騒音抑圧演算部２４が、当該周波数帯域の騒音信号に対するゲイン関数を低下させて抑圧量を増やすようにすれば、特定の周波数帯域における回り込みによってハウリングが発生するのを防ぐことができる。

なお、本実施形態では送話信号経路における第１のエコーキャンセラＥＣ１と音声スイッチＶＳとの間にノイズキャンセラＮＣを設けているが、送話信号経路から音声スイッチＶＳの総損失量算出部１６が帰還利得の推定値を求めるために参照する参照信号(送話信号)を別のノイズキャンセラを介して取り込むようにしても構わない。このようにノイズキャンセラで参照信号に含まれる騒音信号を抑圧した後に総損失量算出部１６が帰還利得の推定値を求めるようにすれば、騒音信号による音声スイッチＶＳの誤動作（いわゆる、片倒れ）を防止することができる。

本発明の実施形態を示すブロック図である。 同上における近端側周囲騒音レベル推定手段を示すブロック図である。 同上における音声スイッチが具備する総損失量算出部の動作を説明するためのフローチャートである。 同上におけるノイズキャンセラのブロック図である。 同上におけるノイズキャンセラのゲイン関数を示すグラフである。 同上におけるノイズキャンセラの動作説明図である。

符号の説明

１ マイクロホン
２ スピーカ
３ 近端側周囲騒音レベル推定手段
４ 音量補正手段
５ 遠端側音声区間検出手段
６ 音量補正量調整手段
ＥＣ１ 第１のエコーキャンセラ
７ 適応フィルタ
８ 減算器
９ ダブルトーク検出部

Claims (6)

1. マイクロホン並びにスピーカと、マイクロホンから出力される送話信号を遠端側に伝送する送話状態と遠端側から伝送される受話信号をスピーカに入力する受話状態とを択一的に切り換える音声スイッチと、マイクロホンとスピーカの音響結合によって生じる音響エコーを消去するエコーキャンセラと、通話音声の音声信号と周囲騒音の騒音信号とが混在する入力信号から騒音信号を抑圧して出力するノイズキャンセラと、マイクロホンから出力される送話信号に含まれる近端側の周囲騒音レベルを推定する近端側周囲騒音レベル推定手段と、スピーカへ入力する受話信号レベルを増減することでスピーカが鳴動する音声の音量を補正する音量補正手段と、音量補正手段で補正される前の前記受話信号が音声成分を含んでいる音声区間を検出する遠端側音声区間検出手段と、遠端側音声区間検出手段が音声区間を検出しているときに近端側周囲騒音レベル推定手段で推定した周囲騒音レベルに応じて音量補正手段における補正量を調整する音量補正量調整手段とを備え、
   ノイズキャンセラは、サンプリングされた入力信号を複数の周波数帯域へ離散フーリエ変換するフーリエ変換手段と、変換された入力信号に含まれる騒音信号の成分を各周波数帯域毎に求める騒音成分演算手段と、入力信号と騒音信号の成分から各周波数帯域毎に騒音信号の抑圧量を決めるためのゲイン関数を求めるゲイン関数演算手段と、各周波数帯域毎の入力信号とゲイン関数を乗算することで騒音信号が抑圧された出力信号を求める騒音抑圧演算手段と、騒音抑圧演算手段の出力信号を離散フーリエ逆変換して時間領域の出力信号を得るフーリエ逆変換手段とを備え、
   近端側周囲騒音レベル推定手段は、前記送話信号の瞬時パワーの短時間平均値を算出する短時間平均値算出部、並びに前記瞬時パワーの長時間平均値を算出する長時間平均値算出部を具備し、当該短時間平均値と長時間平均値を比較することで前記送話信号が音声成分を含んでいる音声区間を検出する近端側音声区間検出部と、前記送話信号に含まれる近端側周囲騒音レベルの推定値を算出する周囲騒音レベル算出部とを有し、近端側音声区間検出部が音声区間を検出していないときに近端側周囲騒音レベルの推定値を更新するとともに近端側音声区間検出部が音声区間を検出しているときは近端側周囲騒音レベルの推定値を更新しないことを特徴とする拡声通話装置。
2. 騒音抑圧演算手段は、騒音成分演算手段で求めた少なくとも一つの周波数帯域の騒音信号の成分が所定のしきい値以上のときにだけ騒音信号を抑圧することを特徴とする請求項１記載の拡声通話装置。
3. 音声スイッチは、送話信号の信号経路に損失を挿入する送話側損失挿入手段と、受話信号の信号経路に損失を挿入する受話側損失挿入手段と、送話側及び受話側の各損失挿入手段から挿入する損失量を制御する挿入損失量制御手段とを備え、
   挿入損失量制御手段は、受話側損失挿入手段の出力点から音響エコー経路を介して送話側損失挿入手段の入力点へ帰還する経路の音響側帰還利得を推定するとともに、送話側損失挿入手段の出力点から回線エコー経路を介して受話側損失挿入手段の入力点へ帰還する経路の回線側帰還利得を推定し、音響側及び回線側の各帰還利得の推定値に基づいて閉ループに挿入すべき損失量の総和を算出する総損失量算出部と、送話信号及び受話信号を監視して通話状態を推定し、この推定結果と総損失量算出部の算出値に応じて送話側損失挿入手段及び受話側挿入損失手段の各挿入損失量の配分を決定する挿入損失量分配処理部とからなり、
   音声スイッチが受話状態に切り換えられ且つ総損失量算出部で算出する損失量の総和が所定のしきい値以上であればノイズキャンセラが停止することを特徴とする請求項１又は２記載の拡声通話装置。
4. 受話側損失挿入手段の出力点から音響エコー経路を介して送話側損失挿入手段の入力点へ帰還する経路の音響側帰還利得を周波数帯域毎に推定する推定手段を備え、
   騒音抑圧演算手段は、推定手段で推定する音響側帰還利得が所定のしきい値以上である周波数帯域の騒音信号に対するゲイン関数を低下させることを特徴とする請求項１〜３の何れかに記載の拡声通話装置。
5. エコーキャンセラは、エコー経路の特性を適応的に同定する適応フィルタと、近端側の信号から適応フィルタの出力を減算する減算器と、ダブルトークを検出するダブルトーク検出部とを有し、ダブルトーク検出部によりダブルトークが検出されない状態でのみ適応フィルタの係数を更新するとともに、その他の状態では適応フィルタの係数を固定してなり、
   ゲイン関数演算手段は、ダブルトーク検出部によりダブルトークが検出されない状態ではゲイン関数を一律に低下させることを特徴とする請求項１〜４の何れかに記載の拡声通話装置。
6. 総損失量算出部が音響側帰還利得を推定するために参照する参照信号から騒音信号を抑圧して出力する第２のノイズキャンセラを備えたことを特徴とする請求項３記載の拡声通話装置。

Images