JP4552876B2 - 音声信号送受信装置及び音声会議装置 - Google Patents

Description

この発明は、複数の相手方の音声信号送受信装置から受信した音声信号をマルチチャンネルで放音部に入力するとともに、収音部から入力したユーザの音声信号を相手方の音声信号送受信装置に送信する音声信号送受信装置及び音声会議装置に関し、特に収音部から入力した音声信号に対するエコーキャンセルの処理に関する。

近年、音声会議システム等において、例えば３箇所以上の場所に配置された音声信号送受信装置（例えば音声会議装置）を用いて、３箇所以上の場所に居るユーザの間でも同時に音声会議を行うシステムが提案されている。このシステムでは、各音声信号送受信装置は通信機能、収音機能及び放音機能を備える。そして、各音声信号送受信装置は相互に通信を行い、この通信によってマルチチャンネルで受信した音声を放音部で放音するとともに収音部で収音した音声を相手方の音声信号送受信装置に送信する。これによって、各ユーザは、会議の相手方に対して自己の音声を聴取させることができるとともに、マルチチャンネルで放音された複数の相手方の音声を聴取することができるため、３箇所以上の場所に居るユーザの間でも同時に音声会議を行うことができる。

上述したような遠隔会議用の音声信号送受信装置では、通常の電話等のようにユーザが受話器を手で持つタイプではなく、ハンズフリータイプであることが多い。この様なハンズフリータイプでは、通常は放音部が無指向性のラウドスピーカで構成され、収音部も無指向性のマイクロフォンで構成される。そして、放音部及び収音部が近接して配置されることが多い。このため、放音部から放音された音声が収音部に回り込み易く、回り込み音声が再伝搬されてエコーが生じ易い。このため、音声信号送受信装置はエコー成分を除去する機能を備える。

ここで、従来の音声信号送受信装置では、マルチチャンネルで音声信号を受信するため、放音部は各チャンネルに対応する個数の無指向性スピーカを備え、各チャンネルの音声信号が対応するスピーカに入力される。このため、エコーキャンセル処理では、各チャンネルの音声信号と収音部から入力した音声信号との相関性を検出して、この相関性を基にエコーキャンセルを行う。

例えば、特許文献１では、音声信号送受信装置は、各スピーカに入力するマルチチャンネルの音声信号と収音部から入力される音声信号との各相関によって、各スピーカからの音声が収音部に入力されるまでの各遅延時間を検出する。そして、音声信号送受信装置は、各遅延時間を用いて各スピーカからのエコー成分と収音部からの音声信号との間の相関性をみて、これによって各エコー成分を効果的に除去するための各エコー抑圧ゲインを算出して、収音部からの音声信号を周波数領域信号に変換したものに乗算する。この後、音声信号送受信装置は周波数領域信号を時間軸信号に変換して相手方の音声信号送受信装置に送信する。

また、特許文献２では、音声信号送受信装置は、各スピーカに入力するマルチチャンネルの音声信号と収音部から入力される音声信号とを周波数帯域毎の信号に分割する。そして、音声信号送受信装置は、各帯域毎に各スピーカに入力するマルチチャンネルの音声信号と収音部から入力される音声信号との相関を求め、これを基に各エコー成分を模擬した各擬似エコー信号を生成する。音声信号送受信装置はこの各擬似エコー信号を収音部から入力される音声信号から除去する。
特開２００２−２３７７６９号公報 特開平１０−９３６８０号公報

上述した従来の音声信号送受信装置では、各スピーカは無指向性のラウドスピーカであるため、ラウドスピーカの近くに収音部が配されていると、出力されて直ぐの音声が収音部に回り込む。出力されて直ぐの音声はあまり減衰されていないため、これらの音声成分が加算されて収音部に入力されると、各スピーカからの音声が渾然となった状態で（相互相関性の高い状態で）収音部に入力され易い。例えば、チャンネル１で会話の音声信号が送信され、チャンネル２では会話の音声信号は送信されず環境音等のレベルの小さい音声信号のみが送信された場合に、チャンネル１の音声とチャンネル２の音声とがあまり減衰されていない状態で加算されると、チャンネル２の音声成分を判別することが困難になる。

また、各スピーカに入力する音声信号は異なった相手方の音声信号送受信装置から受信した音声であり、異なった音声信号である。このため、各スピーカから出力された音声が加算されて収音部に入力されると、各スピーカからの音声が相互相関性の高い状態で収音部に入力されることがある。このため、上記各遅延時間や各エコー抑圧ゲインの算出のときに、対応するスピーカに入力する信号と収音部からの入力信号との相関のみを検出するだけでは、精度良くこの相関を検出することが困難である。

上述の問題を解決するために、従来の音声信号送受信装置では、他のスピーカからのエコー成分を考慮して（他のスピーカに入力する音声信号を考慮して）、対応するスピーカに入力する信号と収音部からの入力信号との相関を検出しなくてはならなかった。

このため、チャンネル数が増加するほど、各擬似エコー信号の生成や各エコー抑圧ゲインの算出のときに考慮すべきエコー成分の種類が増える。このことから、チャンネル数が増加するほど、エコーキャンセルのための処理が複雑化してしまい、処理時間が長時間化してしまう。そして、処理時間が長時間化してしまうと、音声相互通信に必須であるリアルタイム性が損なわれる。

そこで、本発明は、上記課題を解決するために、マルチチャンネルで受信した各音声信号をスピーカから音声を出力する音声信号送受信装置及び音声会議装置において、簡易なエコーキャンセル処理で精度良くエコーキャンセルをするものを提供することを目的としている。

上記課題を解決するために本発明では以下の手段を採用している。

（１）本発明は、複数のスピーカユニットが配列されてなるスピーカアレイを接続し、複数の相手方から受信した受信音声信号の音声がそれぞれ別にビーム化するように、該各受信音声信号に遅延時間を付与して前記スピーカアレイに入力する放音部と、収音した音声の送信音声信号を生成する収音部と、前記送信音声信号に対して、各スピーカユニットから前記収音部への音声の回りこみによるエコーをキャンセルする処理を施す複数の適応型エコーキャンセラと、を備え、前記複数の適応型エコーキャンセラは、それぞれ各スピーカユニットに供給する音声信号に基づいて擬似エコー信号を生成する適応フィルタを備え、当該適応フィルタは、生成した擬似エコー信号を前記送信音声信号から減算した各系統の残差信号と前記各スピーカユニットに供給する音声信号とに基づいて、フィルタ係数を更新する音声信号送受信装置である。

上記本発明の構成によれば、放音部によって、複数の相手方から受信したマルチチャネルの音声信号の音声がそれぞれ別にビーム化するように、前記各受信音声信号に遅延時間が付与されてスピーカアレイ、すなわち各スピーカユニットに入力される。これによって、スピーカアレイからの音声ビームが音場における特定の領域に指向するように制御され、スピーカアレイからは特定の領域に指向するように音声ビームが出力される。

収音部では、ユーザの音声とともに各スピーカユニットからの音声が入力される。ここで、上述したように、各スピーカユニットからの音声ビームは指向性を持ったものであり、特定の領域に指向する。このため、スピーカアレイから放音されて直ぐの音声の収音部への回り込みを少なくすることが可能となる。

スピーカアレイから放音されて直ぐの音声信号はレベルが大きいため、各スピーカユニットからの音声成分が渾然した状態となり易く、何れのスピーカに由来する成分であるかを判別することが困難となる。このため、スピーカアレイから放音されて直ぐの音声の回り込みを防ぎ、特定の領域からの音声に特化して収音することで、収音部に入力される各スピーカユニットからの音声成分の相互相関性を低めることが可能となる。

また、各スピーカユニットに入力される各信号は同一の信号で異なった遅延時間が付与されたものである。このため、各スピーカユニットからの音声成分が加算されても渾然とした状態になりにくく、これによっても、各音声成分の相関性を低めることができる。

収音部によって、入力した音声の送信音声信号が生成される。適応型エコーキャンセラは、各スピーカユニットに対応するように複数段配され、各適応型エコーキャンセラによって、送信音声信号に対して対応するスピーカユニットから前記収音部への回り込みによるエコーをキャンセルする処理が行われる。

ここで、上述したように各スピーカユニットから収音部に入力された各音声成分は相互相関性が低い。このため、各スピーカユニットに入力する音声信号と収音部から入力された音声信号との相関を検出するときに、他のスピーカユニットからのエコー成分を考慮しなくても精度良く相関を検出することが可能となる。

これによって、各適応型エコーキャンセラは、他のスピーカユニットに入力する音声信号を考慮しなくても、比較的精度良くエコーキャンセルを行うことができる。すなわち、各適応型エコーキャンセラは、対応するスピーカユニットに入力する音声信号及び収音部から入力した音声信号を処理するだけの簡易な構成でも、比較的精度良くエコーキャンセルを行うことが可能となる。

また、スピーカアレイを用いてマルチチャンネルの音声を出力するため、チャンネル数だけスピーカユニットを配設しなくても、異なった位置に音声を定位させることが可能となる。このため、適応型エコーキャンセラはスピーカユニットの個数だけあればよく、チャンネル数の如何に関わらず同じエコーキャンセル処理によって効果的にエコーキャンセルを行うことが可能となる。

（２）本発明では、上記音声信号送受信装置において、前記収音部は、複数配列されたマイクロフォンからなるマイクアレイを接続し、前記各マイクロフォンから入力した各信号に対して所定の遅延時間で位相制御を行って、この位相制御した各信号を加算合成して前記送信信号を生成する。

この構成によれば、複数のマイクロフォンからの信号が特定の領域から各マイクロフォンに入力されるまでの遅延時間で位相制御されることによって、効果的に特定の領域からの音声に特化して収音することが可能となる。これによって、更に、スピーカアレイから放音されて直ぐの音声の収音部への回り込みを少なくすることが可能となり、より精度良く擬似エコー成分を生成することが可能となる。

そして、このような構成の音声信号送受信装置を音声会議装置に適用することで、音声会議装置において、チャンネル数の如何に関わらず同じエコーキャンセル処理によって効果的にエコーキャンセルを行うことが可能となる。このため、多地点間で音声会議を行う場合でも簡易な処理で精度良くエコーキャンセルを行うことが可能となる。

本発明によれば、各スピーカユニットから収音部に入力された音声成分の相互相関性を低めることができる。このため、スピーカユニットに対応して複数段配置された、各適応型エコーキャンセラによってエコーキャンセル処理を行うときに、他のスピーカユニットからのエコー成分を考慮しなくても精度良く擬似エコー信号を生成することができる。

また、チャンネル数に関わらず、エコーキャンセル処理は同一の処理でよいため、チャンネル数の増加に関わらず比較的簡易な処理で精度良くエコーキャンセルを行うことができる。

（第１の実施形態）
以下に、図１を参照して本発明の第１の実施形態を説明する。

図１は、第１の実施形態にかかる音声信号送受信装置１００の基本的な構成を示すブロック図である。音声信号送受信装置１００は、複数の相手方の音声信号送受信装置１００（以下、「相手方装置１００Ａ」と記載する）との間で相互通信を行うことで音声信号を送受信する機能を備え、複数の相手方装置１００Ａのそれぞれから音声信号を受信して別々のチャンネルの音声として放音するとともに、ユーザの音声信号を送信する。

音声信号送受信装置１００は、上記機能を実現するため、スピーカアレイ１、マイクアレイ２、通信部３、信号処理部４、信号処理部５及びエコーキャンセル部６を備える。

スピーカアレイ１は、複数のスピーカユニットＳＰ（ＳＰ１〜ＳＰｎ）がライン状に配列されてなる。マイクアレイ２は、複数のマイクＭ（Ｍ１〜Ｍｎ）がライン状に配列されてなる。通信部３は、入力部１０に接続された広域ネットワーク等の通信網を介して複数の相手方の音声信号送受信装置１００との間で通信を行うための通信インタフェース回路である。通信部３に入力された複数の相手方の音声信号送受信装置１００Ａからの音声信号は信号処理部４に入力される。ここでは、音声信号Ｘ１〜Ｘ３までの３台の相手方装置１００Ａから音声信号が入力される。

信号処理部４は、本願発明の放音部として機能し、音声信号Ｘ１〜Ｘ３を各スピーカユニットＳＰに対応させて分岐し、分岐した各信号に対して音場における特定の位置に指向するような遅延時間を付与した後に同じスピーカユニットＳＰに対応する信号同士を加算合成して音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）を生成する。信号処理部４は、音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）をそれぞれ対応するスピーカユニットＳＰに対して出力する。音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）は、図略のＤ／Ａコンバータによってアナログ音声信号に変換された後に各スピーカユニットＳＰに入力される。

これによって、各スピーカユニットＳＰからは特定の領域に指向する音声ビームが出力される。マイクアレイ２では、ユーザの音声とともに各スピーカユニットＳＰからの音声成分が収音される。各マイクＭに入力された音声は音声信号として信号処理部５に入力される。

信号処理部５は、本願発明の収音部として機能し、各マイクＭから入力された各信号を所定の遅延時間で位相制御を行った後、加算合成する。この遅延時間として、所望の収音領域からの音声が各マイクＭに到達するまでの時間の差分が設定される。この差分とは、所望の収音領域に最も近いマイクＭに音声が到達する時間を基準時間として、この基準時間からの遅れ時間である。これにより、位相制御後の各信号は、特定の領域からの音声信号のみが位相が合致し、その他の領域からの音声信号は位相が逆となる。これによって、加算合成後の音声信号Ｍｉｎ(ｔ)は、特定の領域からの音声成分のみが残ることになり、特定の領域からの音声に特化して収音することができる。信号処理部５は、加算合成後の音声信号Ｍｉｎ(ｔ)をエコーキャンセル部６に出力する。

エコーキャンセル部６は、本願発明の適応型エコーキャンセラに対応する擬似エコー信号生成部７を各スピーカユニットＳＰに対応する複数段備える。各擬似エコー信号生成部７を区別する場合には、対応するスピーカユニットＳＰ１〜ｎと同じ数字を添え字として付す。各擬似エコー信号生成部７−１〜７−ｎは、適応フィルタ８及び加算部８Ａを備える。複数の適応フィルタ８や加算部８Ａをそれぞれ区別する場合には、擬似エコー信号生成部７−１〜７−ｎと同様の添え字を付す。各適応フィルタ８−１〜８−ｎには、対応する各スピーカユニットＳＰ１〜ＳＰｎに入力される音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）が分岐されて入力される。

各適応フィルタ８−１〜８−ｎには、対応するスピーカユニットＳＰ１〜ＳＰｎからマイクアレイ２までの伝達関数を模擬したフィルタ係数が設定されている。これによって、適応フィルタ８−１〜８−ｎを通過した音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）は、各適応フィルタ８−１〜８−ｎに対応するスピーカユニットＳＰ１〜ＳＰｎからのエコー信号を模擬した擬似エコー信号となる。

また、適応フィルタ８は、フィルタ係数を算出して自己設定する機能を備える。このため、加算部８Ａ−１〜８Ａ−ｎには、音声信号Ｍｉｎ(ｔ)が入力されるとともに、適応フィルタ８−１〜８−ｎから出力された擬似エコー信号が入力される。そして、加算部８Ａ−１〜８Ａ−ｎは音声信号Ｍｉｎ(ｔ)から擬似エコー信号を減算し、減算した残差信号を適応フィルタ８−１〜８−ｎに入力する。適応フィルタ８−１〜８−ｎは、入力した残差信号と入力した音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）を用いて、適応型アルゴリズム（例えば学習同定法）を用いてフィルタ係数を算出し、算出したフィルタ係数を自己設定する。

エコーキャンセル部６は擬似エコー信号生成部７−１〜７−ｎに対応する個数の加算部９（９_１〜９_ｎ）を備える。加算部９_１には、適応フィルタ８−１及び適応フィルタ８−２から擬似エコー信号が入力される。また、加算部９_２〜９_ｎ−１は、一つ大きい数字の添え字が付された適応フィルタ８−３〜８−ｎからそれぞれ擬似エコー信号が入力される。加算部９_１は入力した各擬似エコー信号を加算して下段の加算部９_２に出力する。

加算部９_２〜９_ｎ−１は、上段の加算部９_１〜９_ｎ−２から加算後の擬似エコー信号を入力し、適応フィルタ８（適応フィルタ８−３〜８−ｎ）から入力した擬似エコー信号と合成して下段の加算部９_３〜９_ｎに出力する。これによって、加算部９_ｎには、適応フィルタ８−１〜８−ｎからの全ての擬似エコー信号を加算した信号Ｙ（ｔ）が上段の加算部９_ｎ−１から入力される。これとともに、加算部９_ｎには、信号処理部５から音声信号Ｍｉｎ(ｔ)が入力される。

加算部９_ｎは、音声信号Ｍｉｎ(ｔ)から信号Ｙ（ｔ）を減算して、音声信号Ｍｏｕｔ（ｔ）として通信部３に出力する。これによって、マイクアレイ２から入力した音声信号から各スピーカユニットＳＰ１〜ＳＰｎに起因するエコー成分を除去することができる。音声信号Ｍｏｕｔ（ｔ）は、通信部３によって相手方の音声信号送受信装置１００に送信される。

上述したようにマイクアレイ２は指向性を持ち、特定の領域からの音声に特化して収音する。このため、スピーカアレイ１から放音されて直ぐの音声のマイクアレイ２への回り込みを少なく収音することが可能となる。また、マイクアレイ２によって特定の領域からの音声に特化して収音するため、マイクアレイ２に入力される各スピーカユニットからの音声成分を相互相関性の低い状態で入力することができる。

また、上述したように各スピーカユニットＳＰに入力される各信号は同一の信号で異なった遅延時間が付与されたものである。このため、各スピーカユニットからの音声成分が加算されても渾然とした状態になりにくく、これによっても、各音声成分の相互相関性を低めることができる。

上述のように、各スピーカからの音声成分の相関性の低い状態でマイクアレイ２に入力されるため、各擬似エコー信号の生成のときに他のスピーカユニットＳＰからのエコー成分を考慮しなくても、精度良く擬似エコー信号を生成することができる。これによって、擬似エコー信号生成部７をスピーカユニットＳＰ１〜ＳＰｎに対応する複数段配置するだけの簡易な処理で比較的精度良く擬似エコー信号を生成することができる。

また、各チャンネルの音声信号は互いに加算合成されて、遅延時間が付与されて各スピーカユニットＳＰ１〜ＳＰｎに入力され、この遅延時間によって異なった位置で音像定位するように制御される。このため、チャンネル数に関わらず、エコーキャンセル処理は同一の処理でよいため、チャンネル数の増加に関わらず比較的簡易な処理で精度良く擬似エコー信号を生成することができる。

（第２の実施形態）
第２の実施形態では、上述したような音声信号送受信装置１００が音声会議装置１００´に適用され、複数台（３台以上）の音声会議装置１００´で音声会議システム２００が構成されている。以下に、図２〜図４を用いて本発明の第２の実施形態にかかる音声会議システム２００を説明する。

図２は、音声会議システム２００を概略的に示す図である。音声会議システム２００は、複数の会議地点に居る複数の会議出席者ｈ（ｈ１〜ｈ４）の間で音声会議を行うためのシステムである。音声会議システム２００は、各会議地点に配置された複数の音声会議装置１００´がネットワークＮに接続されたシステムである。このネットワークＮは、例えば、インターネットやＬＡＮ等の広域ネットワーク等である。

各音声会議装置１００´は、ネットワークＮに接続された他（相手方）の音声会議装置１００´（相手方装置１００Ａ´）と通信する機能を備え、この通信によって会議用音声信号を相互に送受信する。この通信のために用いられる通信プロトコルは、特に限定されないが例えば、ＴＣＰ(Transmission Control Protocol)／ＩＰ(Internet Protocol)等が用いられる。

図３は、図２で示す音声会議装置１００´を上方から見た外観及び音声会議用音声の伝搬及び収音範囲を示す図である。本図では、音声会議装置１００´は、会議机上に配置されることで、着座した会議出席者ｈの頭部近傍の高さ位置で配置されている。なお、同図において、説明の便宜のために、会議机の後方側をＹ、前方側を−Ｙ、右側をＸ、左側を−Ｘと記載する。

音声会議装置１００´は、長尺の略直方体状である筐体１ａの−Ｙ方向上段にスピーカアレイ１´を備える。なお、スピーカアレイ１´は筐体１ａに内蔵されているため、本来外観視できないが、同図では、説明の便宜のため透視的に記載している。また、同様に説明の便宜のため、本来−Ｙ方向に位置するスピーカアレイ１´を筐体１ａのＹ方向に記載している。

スピーカアレイ１´は、長尺方向に亘ってライン状に配列された複数のスピーカユニットＳＰ（ＳＰ１〜ＳＰｎ）から成る。各スピーカユニットＳＰは前方に放音面が位置する様に配置され、各スピーカユニットＳＰに音声信号が入力されると、スピーカアレイ１´から音声ビームが−Ｙ方向に向かうように出力される。このスピーカアレイ１´からの音声ビームは、相手方装置１００Ａ´から受信した相手方通話者の音声を内容とする。

各スピーカユニットＳＰに与える音声信号に付加する遅延時間によって、スピーカアレイ１´からの音声ビームの指向性を制御し、音声ビームを仮想点音源Ｐに焦点させることができるとともに、この仮想点音源Ｐの位置を任意の位置に変えることができる。これによって、会議出席者ｈに仮想点音源Ｐから会議用音声が聴こえるように認識させることができる。

本実施形態では、同図に示すように複数の相手方の音声会議装置１００´からマルチチャンネルで受信した音声を、異なった位置（Ｐ１〜Ｐ３）に音像定位させるように、各チャンネルのオーディオ信号に遅延時間が付与されて各スピーカユニットＳＰに出力される。これによって、会議出席者ｈは、各チャンネルの音声が何れの相手方の音声会議装置１００´から送信された音声であるかを容易に識別することができる。

また、筐体１ａの−Ｙ方向の下段、すなわちスピーカアレイ１´の下段にはマイクアレイ２´が配設されている。なお、マイクアレイ２´は筐体１ａに内蔵されているため、本来外観視できないが、同図では、説明の便宜のため透視的に記載している。また、正確にはマイクアレイ２´の上側にスピーカアレイ１´が重なって位置するが、同図では説明の便宜のため、スピーカアレイ１´とマイクアレイ２´とがＹ−Ｙ方向で並列するように図示する。

マイクアレイ２´は、長尺方向に亘ってライン状に配列された複数のマイクＭ（Ｍ１〜Ｍｎ）から成る。各マイクＭは収音側が前方に向くように配置されている。マイクアレイ２´は、会議出席者ｈの位置Ｐ１０への指向性を持たせた収音ビームによって探査位置の音声に特化して音声を収音することができる。すなわち、音声会議装置１００´は、第１の実施形態で上述した位相制御を各マイクＭで収音した音声信号に対して行うとともに、各マイクＭで収音した音声信号同士を位相調整後に重ね合わせて合成する。これによって、マイクアレイ２によって位置Ｐ１０からの音声に特化して音声を収音することができる。

この収音した音声は、エコーキャンセル処理が施された後に、複数の相手方装置１００Ａ´に送信される。このエコーキャンセル処理は、第１の実施形態で記載したエコーキャンセル処理と同様である。

すなわち、本音声会議装置１００´でも、マルチチャンネルの音声信号をスピーカアレイ１´に入力してスピーカアレイ１´から音声に指向性を持たせて出力する。これとともに、マイクアレイ２´によって音声ビームが指向する特定の領域（位置Ｐ１０）からの音声に指向して収音する。このため、第１の実施形態と同様に、スピーカアレイ１´から出力されて直ぐの音声のマイクアレイ２´への回り込みが少なく、マイクアレイ２´には位置Ｐ１０からの音声が特化して入力される。これによって、各スピーカユニットＳＰからの各音声成分は相互相関性の低い状態でマイクアレイ２´に入力される。

また、各スピーカユニットＳＰに入力される信号は、同一の信号に異なった遅延時間が付与されてものであるため、これによっても、各スピーカユニットＳＰからの音声成分の相互相関性も低められる。

上記から、第２の実施形態でも、第１の実施形態と同様の簡易なエコーキャンセル処理を用いても精度良くエコーキャンセルを行うことができる。

図４は、図２で示す音声会議装置１００´の構成を示すブロック図である。音声会議装置１００´は、第１の実施形態と同じエコーキャンセル部６を備えるとともに、相手方装置１００Ａ´からの音声を放音するために、スピーカアレイ１´の他に、入出力インタフェース１１、信号振分部１２、遅延部１３、加算部１４、Ｄ／Ａコンバータ１５、アンプ１６及びコントロール部１７を備える。

入出力インタフェース１１は、接続端子１８に接続された通信ケーブル（図略）等を介してネットワークＮに接続され、このネットワークＮに接続された相手方装置１００Ａ´との間でデジタル音声信号の送受信を行う。入出力インタフェース１１は、受信した音声信号をエコーキャンセル部６を介して信号振分部１２に入力する。

信号振分部１２は、例えばＤＳＰ（Digital Signal Processor） 等で実現され、入力した受信音声信号に含まれる送信元ＩＤを参照して、この送信元ＩＤに対応する遅延部１３のチャンネルに受信音声信号を入力させる処理を実行する。なお、この送信元ＩＤは例えばＩＰアドレス等であり、複数台の音声会議装置１００´の相互間の通信の際に通信データに含めて送信される。また、信号振分部１２には、送信元ＩＤとこの送信元ＩＤに対応する遅延部１３のチャンネルとが対応付けて設定されている。信号振分部１２はこの設定に基づいて、受信した音声信号を遅延部の各チャンネルに振り分けて入力する。

遅延部１３は、本願発明の放音部として機能し、複数チャンネル（ｎ個のチャンネル）設けられている。このｎ個のチャンネルを区別する場合には、チャンネル番号を添え字として付して遅延部１３１〜１３ｎと記載する。この複数チャンネルの遅延部１３１〜１３ｎは、スピーカユニットＳＰ１〜ＳＰｎの個数分だけ（８個）設けられている。以下、それぞれの遅延部１３を区別する場合には、スピーカユニットＳＰ１〜ＳＰｎのうち対応するものと同様の数字を添え字として付す。例えば、スピーカユニットＳＰ１に対応する遅延部１３は、遅延部１３−１と記載する。また、１チャンネルのスピーカユニットＳＰ１に対応する遅延部１３は、遅延部１３１−１と記載する。各遅延部１３−１〜１３−８に仮想点音源Ｐからの音声が各スピーカユニットＳＰに至るまでの遅延時間（例えば図３で示すような遅延時間）を設定することで、仮想点音源Ｐに音像定位させることができる。

そして、各チャンネルの遅延部１３１〜１３ｎは、仮想点音源Ｐ１〜Ｐ３に対応している。すなわち、各チャンネルには、それぞれ異なった仮想点音源Ｐで音声ビームを焦点させるような遅延時間が設定されており、入力した信号に設定された遅延時間を付与する。また、各チャンネルはそれぞれ異なった送信元に対応付けられており、信号振分部１２から上述したように対応する送信元の受信音声信号が入力される。これによって、異なった送信元からの受信音声信号には、異なった仮想点音源Ｐに音像定位するような遅延時間が付与されることになる。このため、異なった相手方装置１００Ａ´から受信した音声を異なった仮想点音源Ｐに焦点させることができる。

各チャンネルの遅延部１３−１〜１３−ｎは、それぞれ対応する加算部１４に遅延時間を付与した音声信号を入力する。加算部１４は、本願発明の放音部として機能し、遅延部１３−１〜１３−ｎの個数だけ設けられている。なお、これらの加算部１４を識別する場合には、対応する遅延部１３−１〜１３−ｎと同じ添え字を付す。これらの加算部１４−１〜１４−ｎは、それぞれ対応する遅延部１３から遅延時間の付与された受信音声信号が入力される。各加算部１４は、入力された各チャンネルからの音声信号を合成して対応するＤ／Ａコンバータ１５に出力する。

Ｄ／Ａコンバータ１５は、本願発明の放音部として機能し、加算部１４−１〜１４−ｎの個数だけ設けられている。なお、これらのＤ／Ａコンバータ１５を識別する場合には、対応する加算部１４−１〜１４−ｎと同じ添え字を付す。各Ｄ／Ａコンバータ１５−１〜１５−ｎは、それぞれ対応する加算部１４から遅延時間の付与された受信音声信号が入力される。Ｄ／Ａコンバータ１５−１〜１５−８は入力されたデジタルの受信音声信号をアナログに変換して対応するアンプ１６に出力する。

アンプ１６は、本願発明の放音部として機能し、入力した音声信号の信号レベルを増幅する。アンプ１６は、スピーカユニットＳＰ１〜ＳＰｎに対応する個数だけ設けられている。以下、それぞれのアンプ１６を区別する場合には、スピーカユニットＳＰ１〜ＳＰｎのうち対応するものと同様の数字を添え字として付す。

アンプ１６−１〜アンプ１６−ｎは、加算部１４−１〜１４−ｎからＤ／Ａコンバータ１５（１５−１〜１５−ｎ）を介して受信音声信号が入力される。アンプ１６−１〜アンプ１６−ｎは、入力された受信音声信号の信号レベルを増幅して対応するスピーカユニットＳＰ１〜ＳＰｎに出力する。これによって、スピーカユニットＳＰ１〜ＳＰｎから受信音声信号の音声が放音され、音声会議装置１００´からの相手方の話声が放音される。

コントロール部１７は、例えばＣＰＵ（Central Processing Unit）やメモリ等の記憶部やユーザの操作を受け付ける操作部等を備える。メモリで記憶するプログラムを実行することで、コントロール部１７は例えば相手方装置１００Ａ´との間の通話等、音声会議装置１００´の各部の動作を制御する。

また、コントロール部１７は、音声会議の事前設定を遅延部１３の各チャンネルや信号振分部１２に行うための処理を実行する。具体的には、コントロール部１７は、操作部を用いてユーザに選択された相手方装置１００Ａ´の送信元ＩＤと遅延部１３のチャンネルと対応付け、この対応付けを信号振分部１２に設定する。この設定によって、上述したように信号振分部１２では、入力した受信音声信号の送信元ＩＤが参照されて、この送信元ＩＤに対応するチャンネルに音声信号が入力される。また、コントロール部１７は、仮想点音源Ｐ１〜Ｐ３の位置で音声ビームを焦点させるような遅延時間を相手方装置１００Ａ´毎に算出して、遅延部１３の対応するチャンネルに設定する。

この設定によって、遅延部１３の対応するチャンネルに入力された受信音声信号は、各チャンネルに対応する遅延時間が付与されることになり、互いに異なった仮想点音源Ｐ１〜Ｐ３で音像が定位することになる。

また、音声会議装置１００´は、相手方装置１００Ａ´に会議出席者ｈの音声信号を出力するための構成として、マイクアレイ２´及び上記構成に加えて、マイクアンプ２１、Ａ／Ｄ変換部２２、収音ビーム形成部２３、及び、バンドパスフィルタ２４を備える。

マイクアンプ２１は、本願発明の収音部として機能し、マイクアレイ２の各マイクＭで収音した音声の各信号がマイクアレイ２から入力され、この各入力信号を増幅する。Ａ／Ｄ変換部２２は、本願発明の収音部として機能し、マイクアンプ２１から入力された増幅後の各アナログ信号をデジタル信号に変換する。Ａ／Ｄ変換部２２は変換後の各デジタル信号を収音ビーム形成部２３に出力する。

収音ビーム形成部２３は、本願発明の収音部として機能し、位相補正部２３１及び加算部２３２を備える。位相補正部２３１は、Ａ／Ｄ変換部２２から入力された各デジタル信号の位相調整を行い、加算部２３２は位相補正後の各デジタル信号を加算合成する。この位相調整は、上述したように、探査位置からの音声が各マイクＭに至るまでの遅延時間Ｄ１１〜Ｄ１８を用いて行われる。これによって、入力信号のうち探査位置からの音声成分の位相を合致させ、その他の成分の位相を不一致にさせることができる。

このため、加算合成後の音声信号Ｍｉｎ（ｔ）は、探査位置からの音声成分のレベルが強められ、その他の成分のレベルは弱められることになる。これによって、探査位置からの音声に特化して音声を収音することができる収音ビームが形成される。この探査位置は、上述したように、会議出席者ｈの位置とされる。加算部２３２は加算合成後の音声信号をバンドパスフィルタ２４に出力する。

なお、位相補正部２３１は、例えば、シフトレジスタ等の遅延時間バッファメモリ（図略）等で実現される。遅延時間バッファメモリは、Ａ／Ｄ変換部２２から入力された各デジタル信号を格段に記憶するとともに、この記憶された値が位相補正の分だけ遅延させて読み出されて加算部２３２に出力する。これによって、所定の遅延時間で位相補正を行うことができるようになっている。

また、この位相補正はコントロール部１７によって制御される。すなわち、コントロール部１７は会議出席者ｈの位置Ｐ１０を焦点位置とする収音ビームを形成するように位相補正を制御する。

バンドパスフィルタ２４は、入力した音声信号に対して、人の音声の周波数帯域の他の周波数帯域をカットするためのフィルタ係数を畳み込み演算してエコーキャンセル部６に出力する。これによって、人の音声の周波数帯域の成分のみが抽出されて、音声信号Ｍｉｎ（ｔ）としてエコーキャンセル部６に出力される。

エコーキャンセル部６は、第１の実施形態と同様の構成である。図１を参照して、エコーキャンセル部６は、擬似エコー信号生成部７−１〜７−ｎを備え、各擬似エコー信号生成部７−１〜７−ｎは適応フィルタ８（８−１〜８−ｎ）を備える。適応フィルタ８−１〜８−ｎには、それぞれ対応するスピーカユニットＳＰ１〜ＳＰｎに出力する音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）が入力される。

第２の実施形態では、加算部１４−１〜１４−ｎから対応するＤ／Ａコンバータに入力される音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）が適応フィルタ８−１〜８−ｎに入力される。適応フィルタ８−１〜８−ｎは、第１の実施形態と同様に音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）を設定されているフィルタ係数で畳み込み演算を行って、擬似エコー信号を生成して対応する加算部８Ａ−１〜８Ａ−ｎに入力するとともに、対応する加算部９_１〜９_ｎ−１に出力する。

加算部９_１〜９_ｎ−１によって各エコー擬似信号が加算されて、加算部９ｎに入力される。これとともに、加算部９_ｎには、音声信号Ｍｉｎ（ｔ）がバンドパスフィルタ２４から入力される。加算部９_ｎは、入力された音声信号Ｍｉｎ（ｔ）から各エコー擬似信号が加算された合成擬似エコー信号を減算して、音声信号Ｍｏｕｔ（ｔ）を入出力インタフェース１１に出力する。これによって、音声信号Ｍｏｕｔ（ｔ）から各スピーカユニットＳＰからのエコー成分を除くことができる。

また、適応フィルタ８−１〜８−ｎは、対応するスピーカユニットＳＰ１〜ＳＰｎからマイクアレイ２´までの伝達関数を模擬したフィルタ係数を第１の実施形態と同様にして算出し、自己設定する。すなわち、加算部８Ａ−１〜８Ａ−ｎには、音声信号Ｍｉｎ（ｔ）がバンドパスフィルタ２４から入力されるとともに、対応する適応フィルタ８−１〜８−ｎから模擬信号がそれぞれ入力される。加算部８Ａ−１〜８Ａ−ｎは、入力された音声信号Ｍｉｎ（ｔ）から模擬信号を減算し、この残差信号を適応フィルタ８−１〜８−ｎに出力する。適応フィルタ８−１〜８−ｎは、入力された残差信号と音声信号Ｓ１（ｔ）〜Ｓｎ（ｔ）とを用いて適応アルゴリズムによってフィルタ係数を算出し、算出したフィルタ係数を自己設定する。

上述したように、第２の実施形態でも、第１の実施形態と同様の作用効果、すなわちチャンネル数の増加に関わらず比較的簡易な処理で精度良く擬似エコー信号を生成することができるという作用効果を奏する。音声会議装置１００´は、会議出席者ｈの間で音声会議を行うためのものであるため、参加可能な会議出席者数が多い方が好ましく、多地点との間で音声会議を行うことができることが好ましい。

ここで、従来技術のようにチャンネル数の増加にともなってエコーキャンセル処理が複雑になると、これによって音声会議のリアルタイム性を維持することが困難になり、このことでチャンネル数に制限がおきてしまう。

このため、第２の実施形態では、音声信号送受信装置１００を音声会議装置１００´に適用したことで、上記チャンネル数の増加に関わらず比較的簡易な処理で精度良く擬似エコー信号を生成することができる。この様にチャンネル数が増加してもリアルタイム性を維持することができるとともに、スピーカアレイ１´を用いて各チャンネルの音声を容易に異なった仮想点音源に定位させることができるため、本音声会議装置１００´では多チャンネル化を図ることができ、音声会議に参加できる会議出席者ｈの人数を拡大することができる。

本実施形態は、以下の変形例を採用することができる。

（１）本実施形態では、スピーカユニットＳＰをライン状に配列したスピーカアレイ１、１´を用いているが、本発明はこのスピーカアレイ１、１´の構成に限定されない。例えば、マトリクス状や、ハニカム状、円状に配列されたスピーカユニットＳＰを備えたスピーカアレイを用いてもよい。

（２）また、本実施形態では、マイクアレイ２、２´を用いているが、本発明はマイクアレイ２、２´に代えて、他の指向性を持つマイクロフォンを用いてもよい。

（３）本実施形態では、本発明のスピーカ装置を音声会議装置に適用した場合について説明したが、これに限定されない。本発明は、複数の相手方の音声信号送受信装置と通信する機能を備え、通信によって受信した音声を放音するとともに、収音したユーザの音声を通信によって相手方の音声信号送受信装置に送信する機能を備えた音声信号送受信装置に適用すればよく、例えば、ハンズフリーで複数の話者と通話できる電話機等に適用してもよい。

第１の実施形態にかかる音声信号送受信装置の基本的な構成を示すブロック図である。 第２の実施形態にかかる音声会議システムを概略的に示す図である。 図２で示す音声会議装置を上方から見た外観及び音声会議用音声の伝搬及び収音範囲を示す図である。 図２で示す音声会議装置の構成を示すブロック図である。

符号の説明

１−スピーカアレイ ２−マイクアレイ ３−通信部 ４−信号処理部（放音部） ５−信号処理部（収音部） ６−エコーキャンセル部 ７−擬似エコー信号生成部（適応型エコーキャンセラ） ８（８−１〜８−ｎ）−適応フィルタ １３−遅延部（放音部） １４−加算部（放音部） １５−Ｄ／Ａコンバータ（放音部） １６−アンプ（放音部） ２１−マイクアンプ（収音部） ２２−Ａ／Ｄ変換部（収音部） ２３−収音ビーム形成部（収音部） １００−音声信号送受信装置 ，１００´−音声会議装置 １００Ａ，１００Ａ´−相手方装置 Ｍ−マイク ＳＰ−スピーカユニット

Claims (2)

1. 複数のスピーカユニットが配列されてなるスピーカアレイを接続し、複数の相手方から受信した受信音声信号の音声がそれぞれ別にビーム化するように、該各受信音声信号に遅延時間を付与して前記スピーカアレイに入力する放音部と、
   収音した音声の送信音声信号を生成する収音部と、
   前記送信音声信号に対して、各スピーカユニットから前記収音部への音声の回りこみによるエコーをキャンセルする処理を施す複数の適応型エコーキャンセラと、
   を備え、
   前記複数の適応型エコーキャンセラは、それぞれ各スピーカユニットに供給する音声信号に基づいて擬似エコー信号を生成する適応フィルタを備え、当該適応フィルタは、生成した擬似エコー信号を前記送信音声信号から減算した各系統の残差信号と前記各スピーカユニットに供給する音声信号とに基づいて、フィルタ係数を更新する音声信号送受信装置。
2. 前記収音部は、複数配列されたマイクロフォンからなるマイクアレイを接続し、前記各マイクロフォンから入力した各信号に対して所定の遅延時間で位相制御を行って、この位相制御した各信号を加算合成して前記送信音声信号を生成する、
   請求項１に記載の音声信号送受信装置。

Images