JP4816221B2 - 収音装置および音声会議装置 - Google Patents

Description

この発明は、マイクアレイを用いて所望のエリアから音声を収音する収音装置およびこの収音装置が適用された音声会議装置に関する。

従来より、遠隔地間で音声会議を行うための装置として音声会議装置が提案されている（たとえば特許文献１，２）。これら音声会議装置は、会議出席者の発言である音声を収音して相手装置に送信する機能を備えている。

会議の出席者は、複数人である場合が多いため、音声会議装置は、各出席者の音声を同程度のレベル且つできるだけ高いレベルで収音する必要がある。また、会議の出席者が移動する場合があるため、音声会議装置は、出席者が移動しても収音エリアから外れないようにする必要がある。さらに、会議室には、たとえばプロジェクタ等のノイズ源が存在する場合があるため、音声会議装置は、このようなノイズを収音しないよう収音エリアを設定する必要がある。

特許文献１の音声会議装置は、略正方形板状の筐体の四隅にマイクロホンを設けて、それぞれ異なる方向から音声信号を収音するようにした装置である。特許文献２の音声会議装置は、左右２つの無指向性マイクが収音した音声信号をそれぞれ適当な時間遅延して合成することにより、複数の話者の音声を高ゲインで取り出すことができるようにしたものである。
特開平８−２９８６９６号公報 特開平５−１５８４９２号公報

しかしながら、特許文献１の装置では、単に４つのマイクがそれぞれ別方向の音声信号を収音するのみのものであるため、会議室にノイズ源が存在してもこれを収音しないようにすることができず、また、収音した音声信号を合成等によってレベルを高くすることができなかった。

また、特許文献２の装置では、２つのマイクで収音した音声信号を遅延して合成することによって所定位置で発生した音声（話者の発言）を高レベルで収音できるようにしているが、合成によって高レベルの信号を得ることができる位置が点状の狭い範囲であるため、話者（会議出席者）が移動した場合、これに追従するのは困難であった。また、複数の会議出席者が同時に発言した場合、これらを同時に収音するためには、複数系統の遅延回路が必要になり装置の構成が複雑になるという問題点があった。

この発明は、上記問題点に鑑み、多人数の発言を同時に高レベルで収音でき、室内にノイズ源が存在する場合でも、そのノイズを収音しないようにすることができる収音装置および音声会議装置を提供することを目的とする。

請求項１の発明は、複数のマイクを配列して構成されたマイクアレイと、前記マイクアレイに対して収音すべきエリアである収音エリアと反対の方向に仮想焦点を設定し、前記複数のマイクが収音した音声信号を、前記仮想焦点までの距離が等しくなるようにそれぞれ遅延して合成するエリア収音処理を実行する信号処理部と、を備えたことを特徴とする。

請求項１の発明では、図１（Ｂ）に示すように、マイクアレイの後方に焦点を設定し、この焦点に収束する波面で音声信号を収音する。ここで、「仮想焦点までの距離が等しくなるように遅延する」とは、マイクアレイの複数のマイクは仮想焦点との距離がそれぞれ異なるが、これら複数のマイクを仮想焦点から等距離に配列したようなタイミングで信号を合成できるように仮想焦点から遠いマイクの収音信号を遅延させる処理である。

このような処理をすることにより、仮想焦点からマイクアレイの両端を通過する２本の半直線で挟まれる範囲が収音エリアとなり、収音エリア内の収音レベルを収音エリア外の収音レベルから１０ｄＢ程度大きくすることができ、収音エリア内の音声を高いレベルで収音し、収音エリア外のノイズを抑制することができる。また、所定角度範囲の広いエリアを一括して収音することができるため、多くの音源（多人数の会議出席者）がある場合や音源が移動する場合でも、切換処理や追尾処理を行うことなく、全てを収音することができる。

請求項２の発明は、複数の収音エリアと各収音エリアの音声を収音するための仮想焦点とを記憶した記憶手段と、前記複数の収音エリアから１または複数の選択を受け付けるエリア選択手段と、をさらに備え、前記信号処理部は、選択手段によって選択された収音エリアの音声を収音するための仮想焦点を設定することを特徴とする。

請求項２の発明では、図７（Ｃ）に示すように、複数の収音エリアとそれに対応する仮想焦点とを記憶している。ユーザが収音エリアを選択すると、信号処理部が、その選択された収音エリアに対応する仮想焦点を設定して収音を行う。これにより、ユーザは所望の収音エリアを選択すればよいのみとなり、収音エリアを想定して仮想焦点を設定する必要がなくなり、設定操作が容易になる。

請求項３の発明は、前記信号処理部は、さらに、収音スポットに焦点を設定し、前記複数のマイクが収音した音声信号を、前記収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を並行して実行し、このスポット収音処理で収音した音声信号および前記エリア収音処理で収音した音声信号を合成して出力するか、または、そのいずれかを選択的に出力することを特徴とする。

請求項３の発明では、スポット収音処理とエリア収音処理を同じ場所に対して重複して行い、スポット収音の音声信号とエリア収音の音声信号を合成して、または、一方を選択して出力する。合成して出力した場合には、広い領域（エリア）を均一なレベルで収音しつつ、その中で傾聴すべき音（たとえば社長の発言等）を強調することができる。また、一方を選択して出力する場合には、エリア全体で同時またはランダムに音声が発生する場面（自由討議や雑談しているとき等）にはエリア収音、１点のみで音声が発生する場面（発言者を指定して会議しているとき等）にはスポット収音モードを自動選択することが可能になる。

請求項４の発明は、前記信号処理部は、さらに、収音スポットに焦点を設定し、前記複数のマイクが収音した音声信号を、前記収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を実行し、前記スポット収音処理またはエリア収音処理のいずれかの選択操作を受け付け、選択された処理を実行するべく前記信号処理部に指示するモード選択手段を備えたことを特徴とする。

請求項４の発明では、信号処理部は、上記処理（エリア収音処理）に加えて図１（Ａ）に示すようなスポット収音処理を実行する。スポット収音処理は、収音スポットに焦点を結ぶ収音ビームを形成し、マイクアレイの全てのマイクで収音した収音スポットの音声をタイミング・位相を合わせて合成する処理であり、狭い範囲の音声を極めて高いレベルで収音することができる処理である。そして、この発明では、利用者にスポット収音処理，エリア収音処理のいずれかを選択させるモード選択手段を備えた。これにより、利用者が収音対象の態様に応じた収音処理（収音モード）を選択することができる。

請求項５の発明は、前記信号処理部は、さらに、前記複数のマイクが収音した音声信号を収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を、前記収音エリアに設定した複数の収音スポット各々について並列して実行し、合成された複数の音声信号のうち最大音量の音声信号の収音スポットの位置を音源位置として出力する音源検出処理を実行することを特徴とする。

請求項５の発明では、エリア収音処理の収音エリア内に複数の収音スポットを設定して並列にスポット収音処理を実行する。このスポット収音は、音声信号の採取が目的ではなく、各収音スポットにおける音声の音量を検出するためのものである。そして、このスポット収音処理により、最大音量の音声信号を収音した収音スポットに音源位置があるとして、音源位置情報を出力する。これにより、エリア収音処理で広い範囲を一括している場合でも、収音した音声信号の音源位置情報を得ることができる。

請求項６の発明は、対向する２つの面にそれぞれ外向きに設置された２つのマイクアレイと、各マイクアレイに対応して設けられた２つの信号処理部と、を有し、前記モード選択手段は、前記２つの信号処理部に対して、それぞれ独立してスポット収音処理および／またはエリア収音処理を実行するべく指示する手段であることを特徴とする。

請求項６の発明では、対向する２つの面（たとえば正面と背面）にそれぞれ外向きにマイクアレイを設け、前記２つの面の外側（たとえば正面側と背面側）からそれぞれ音声信号を収音する。そして、選択手段は、前記２つの面のそれぞれの収音処理を独立して選択する。これにより、それぞれの面側の音源の態様に応じて的確な収音処理が選択できるようになる。

請求項７の発明は、筐体の正面および背面に請求項４に記載の２つのマイクアレイを備えるとともに、前記筐体の下面に直線状に配列された複数のスピーカからなるスピーカアレイを備え、さらに、請求項６に記載の２つの信号処理部および選択手段を備えるとともに、前記スピーカアレイに対して音声信号を供給する放音信号処理部を備えた音声会議装置である。

この発明によれば、所定角度範囲の広い収音エリアを一括して収音することができるうえ、収音エリア内の収音レベルを収音エリア外の収音レベルから１０ｄＢ程度大きくすることができる。また、仮想焦点位置を適当に設定することにより、ノイズ源を収音エリアから外すことができ、目的の音声と一緒にノイズを収音してしまうことがない。

図面を参照してこの発明の実施形態である音声会議装置について説明する。図１、図２は同音声会議装置の機能上の特徴を説明する図である。

この装置は、直線状に配列された複数のマイクからなるマイクアレイを用い、各マイクで収音した音声をそれぞれ遅延して合成することにより、マイクアレイ全体としての収音指向性をビーム化し、この収音ビームの向かう先である特定のスポットまたはエリアで発生した音声（発言）を高いゲインで収音するとともに他エリアで発生した音声（ノイズ）を抑制する装置である。なお、ビーム化された収音指向性を収音ビームと呼ぶ。

この実施形態の音声会議装置では、上記収音指向性のビーム化を２つのモードで行うことができる。図１は、この２つのモードを説明する図である。同図（Ａ）は、第１のモードであるスポット収音モードを説明する図である。また、同図（Ｂ）は、第２のモードであるエリア収音モードを説明する図である。

同図（Ａ）において、スポット収音モードは、収音したい地点（収音スポット）に焦点を結ぶような収音ビームを形成し、狭い範囲の音声を高ゲインで収音するモードである。ここで、収音スポットＰ１〜Ｐ４は、たとえば会議出席者の着席位置等に設定される。各マイクＭ１〜Ｍ５が収音した音声信号を、焦点から等距離になるように遅延したのち合成することにより、焦点周辺で発生した音声を高ゲインで取り出すことができる。

ここで、焦点から等距離とは、焦点からマイクまでの物理的な距離と、マイクで収音した音声信号の遅延時間に音速を乗じた距離の和が各マイクに関して等しくなるということである。

図１（Ａ）では、収音スポットＰ４に焦点Ｆ４を結ぶ収音ビームを図示しているが、このＦ４から最も遠いマイクＭ１との距離がＬ１であり、Ｆ４とマイクＭ２〜Ｍ５までの距離は、それぞれＬ２〜Ｌ５であり、Ｌ１よりも短い。すなわち、焦点Ｆ４（または収音エリアＰ４）で発生した音声は、マイクＭ１へよりも早くマイクＭ２〜Ｍ５へ到達する。そこで、マイクＭ２〜Ｍ５で収音した信号が、マイクＭ１で収音した信号と同じタイミングになるように、マイクＭ２〜Ｍ５で収音した信号に対して、Ｌ２〜Ｌ５とＬ１との差Ｄ２〜Ｄ５に相当する遅延を付与する。このＤ２〜Ｄ５は、マイクＭ２〜Ｍ５で収音した音声信号に対する遅延時間をｔ２〜ｔ５、音速をｃとすると、Ｄ２＝ｃ×ｔ２； （Ｄ３〜Ｄ５も同様）なる距離である。

これにより、各マイクが収音した音声信号のうち、焦点周辺の収音スポットで発生した音声信号の位相・タイミングを一致させて合成することができ、収音スポットで発生した音声のみレベルを高くすることができる。これに対して、他のエリアで発生した音声は、位相・タイミングがずれた状態で合成されるため、各音声信号間で振幅が相殺されゲインを抑制することができる。

なお、スポット収音モードでは、図１（Ａ）に示すように、収音スポットを、会議室の座席等に合わせて複数（たとえば４点）設定され、各収音スポットに向けた収音ビームが並行して形成される。そして、各収音ビームで収音した音声信号のうち最も大きい音声信号を目的の音声信号（発言）であるとして相手の会議装置に向けて出力する。

そして、収音した音声信号の収音スポット情報を音声信号に付して出力する。スポット収音モードの場合には、どの収音ビームで収音した信号を選択したかで、その収音スポットが分かるためその収音スポットを識別する情報を送信する。

同図（Ｂ）は、エリア収音モードを説明する図である。このモードは、マイクアレイの後方に仮想的な焦点Ｆ１０を設定し、この焦点Ｆ１０に向かう音声信号をマイクアレイで収音するモードである。このモードでは、前記仮想的な焦点Ｆ１０からマイクアレイの両端Ｍ１，Ｍ５を通過する２本の半直線Ｒ１０，Ｒ１１で挟まれた範囲が収音エリアとなる。

図１（Ｂ）において、仮想的な焦点Ｆ１０に最も近いマイクはマイクＭ１であり、その距離がＬ１１である。他のマイクＭ２〜Ｍ５から焦点Ｆ１０までの距離は、それぞれＬ１２〜Ｌ１５であり、Ｌ１１よりも長い。そこで、マイクＭ２〜Ｍ５から焦点までの仮想的な距離が、マイクＭ１とＦ１０との距離Ｌ１１に等しくなるように、マイクＭ２〜Ｍ５で収音した信号に対して、Ｌ１２〜Ｌ１５とＬ１１との差Ｄ１２〜Ｄ１５に相当する遅延を付与する。このＤ１２〜Ｄ１５は、マイクＭ２〜Ｍ５で収音した音声信号に対する遅延時間をｔ１２〜ｔ１５、音速をｃとすると、Ｄ１２＝ｃ×ｔ１２； （Ｄ１３〜Ｄ１５も同様）なる距離である。

これにより、収音エリアから到来した音声は、各マイクで収音されたのち、上記遅延によってタイミングが調整され、略同じタイミングで合成され、レベルを高くすることができる。一方、収音エリアから外れたエリアから到来した音声は、各マイクで収音されたのち、上記遅延によってさらにタイミングがずらされて合成されるため、ゲインを抑制することができる。実験の結果、収音エリアから到来した音声の収音レベルと収音エリアから外れたエリアから到来した音声の収音レベルは、−１０ｄＢの差があることが確かめられた。

なお、エリア収音モードにおける仮想焦点位置は、Ｆ１０の位置に限定されず、収音したいエリアに応じて設定される。実施形態の音声会議装置では、図７（Ｃ）に示すように、複数の仮想焦点が、予め設定されており、利用者が収音したいエリアに合わせていずれかを選択するようになっている。

エリア収音モードは、上述のスポット収音モードに比べて収音する範囲が広い分、ゲインは高くないが、広いエリアを一括して収音することができ、話者が移動した場合に追従しなくても的確に収音することができる。

実際の音声会議装置は、図３に示すように長尺の筐体の２つの側面（正面，背面）にマイクアレイが形成されており、正面側，背面側それぞれ独立して、スポット収音モード，エリア収音モードのどちらかの収音モードを設定して収音することができる。

図２は、音声会議装置の正面側，背面側の収音モードの設定例を示す図である。同図（Ａ）は、正面側，背面側ともにスポット収音モードとした例を示す図である。同図（Ｂ）は、正面側，背面側ともにエリア収音モードとした例を示す図である。また、同図（Ｃ）は、正面側をエリア収音モードとし、背面側をスポット収音モードとした例を示す図である。この同図（Ｃ）の設定例は、たとえば、背面側に１人のエグゼクティブ（社長等）が着席し、正面側にその他の者が着席する場合等に用いられる。

図３は上述した２種類の収音モードで収音を行う音声会議装置を表す三面図である。同図（Ａ）が平面図、同図（Ｂ）が正面図、同図（Ｃ）が右側面図である。 図４は、図３に示す音声会議装置のスピーカ配列およびマイク配列を示した図であり、（Ａ）が前記正面のマイク配列を示す図、（Ｂ）が底面のスピーカ配列を示す図、（Ｃ）が背面のマイク配列を示す図である。

以下の説明では、図３（Ｂ）に図示した面を正面と呼び、この図に基づいて装置の上下左右を定める。

この音声会議装置１は、筐体２および脚部３からなる外観を有し、筐体２は、操作部４、発光部５、入出力コネクタパネル１１を備えている。筐体２は、左右に長尺な略直方体形状からなり、筐体２の左右端部には、筐体２の底面を設置面から所定距離持ち上げる脚部３が設けられている。

筐体２の上面右端部には、テンキー等の操作ボタンや表示画面を有する操作部４が設けられている。操作部４は筐体２内に設置された制御部１０に接続されている。操作部４は、利用者からの操作入力を受け付けて制御部１０に出力するとともに、制御部１０の制御により、操作内容や実行モード等を表示画面に表示する。

制御部１０は、利用者による上記操作ボタンの操作に基づいて収音モードを設定し、エリア収音モードを設定した場合には、さらに収音エリアを選択する。なお、スポット選択モードを設定した場合には図１（Ａ）の４スポットを自動的に設定する。

筐体２の上面中央部には、一点を中心として放射状に配置されたＬＥＤ等の発光素子からなる発光部５が設置されている。発光部５は、制御部１０からの発光制御に応じて発光する。制御部１０は、収音方向のＬＥＤを点灯させる発光制御信号を発光部５に入力する。

筐体２の右側面には、ＬＡＮインターフェース、アナログオーディオ入力端子、アナログオーディオ出力端子、デジタルオーディオ入出力端子を備える入出力コネクタパネル１１が設置されており、この入出力コネクタパネル１１の各コネクタは筐体２内部に設置された入出力インタフェース１２に接続されている。また、入出力コネクタパネル１１には、電源が供給されるＤＣジャックも設けられている。

筐体２の下面には、同仕様の１６個のスピーカＳＰ１〜ＳＰ１６が設置されている。これらスピーカＳＰ１〜ＳＰ１６は長手方向に沿って一定の間隔で直線状に設置されており、これによりスピーカアレイが構成される。筐体２の正面および背面には、同仕様のマイクＭＩＣ１０１〜ＭＩＣ１１６およびマイクＭＩＣ２０１〜ＭＩＣ２１６が設置されている。これらマイクＭＩＣ１０１〜ＭＩＣ１１６、マイクＭＩＣ２０１〜ＭＩＣ２１６は長手方向に沿って直線状に設置されており、これによりマイクアレイが構成される。

そして、筐体２の下面および正面，背面側には、これらスピーカアレイおよびマイクアレイを覆う断面Ｕ字形状で長手方向に樋状に形成された下面グリル６が取り付けられている。この下面グリル６は、パンチメッシュが施された金属板で構成されており、スピーカＳＰ１〜ＳＰ１６、マイクＭＩＣ１０１〜１１６、ＭＩＣ２０１〜２１６を保護するとともに、放音および収音する音声を通過させるようになっている。

このマイクＭＩＣ１０１〜１１６、収音ビーム生成部１８１（図５参照）が、図２に示した正面側の収音ビームを形成し、マイクＭＩＣ２０１〜２１６、収音ビーム生成部１８２（図５参照）が図２に示した背面側の収音ビームを形成する。

なお、本実施形態では、スピーカアレイのスピーカ数を１６個とし、各マイクアレイのマイク数をそれぞれ１６個としたが、これに限ることなく、仕様に応じてスピーカ数およびマイク数は適宜設定すればよい。また、スピーカアレイおよびマイクアレイの間隔は任意である。すなわち、一定間隔でもよく、中央部を密に配置し、両端部にいくに従い疎に配置するようにしてもよい。

図５は、同音声会議装置の信号処理系の構成を示すブロック図である。音声会議装置１は、機能的に、制御部１０、入出力コネクタ１１、入出力インタフェース１２、放音指向性制御部１３、Ｄ／Ａコンバータ１４、放音用アンプ１５、スピーカアレイ（スピーカＳＰ１〜ＳＰ１６）、マイクアレイ（マイクＭＩＣ１０１〜ＭＩＣ１１６，ＭＩＣ２０１〜ＭＩＣ２１６）、収音用アンプ１６、Ａ／Ｄコンバータ１７、収音ビーム生成部１８１、収音ビーム生成部１８２、収音ビーム選択部１９、エコーキャンセル部２０、操作部４を備える。

入出力インタフェース１２は、入出力コネクタパネル１１の各コネクタを介して入力された音声信号をビットストリームのデジタル音声信号に変換して出力する。このデジタル音声信号は、エコーキャンセル部２０を介して放音指向性制御部１３に供給される。ネットワークおよびＬＡＮコネクタを介して音声信号が入力された場合、入出力インタフェース１２は、パケット化された音声信号を時系列に配列して順次出力することにより、ビットストリーム化する。また、アナログオーディオ入力端子を介してアナログ信号が入力された場合、入出力インタフェース１２は、この信号をデジタル化して出力する。

エコーキャンセル部２０は、「入出力インタフェース１２から入力された音声信号がスピーカＳＰ１〜１６から放音され、この放音された音声信号がマイクＭＩＣ１０１〜１１６、ＭＩＣ２０１〜２１６に回帰して再び入出力インタフェース１２から出力される」というエコー現象を防ぐための機能部である。エコーキャンセル部２０は、適応型フィルタ２１１を用いて上記経路の回帰音を推定し、推定した回帰音をマイクが収音した音声信号から減算することによりエコーを抑制するものである。エコーキャンセル部２０の構成・動作の詳細は後述する。

放音指向性制御部１３は、入出力インタフェース１２から供給された音声信号からスピーカアレイの各スピーカＳＰ１〜ＳＰ１６に供給する個別放音信号を生成する機能部である。放音指向性制御部１３は、スピーカアレイからビーム化された音声である放音ビームが放音されるように各スピーカに供給する個別放音信号を生成する。このため、放音指向性制御部１３は、入力された音声信号に対してそれぞれ所定の遅延処理及び所定の振幅処理等を行って個別放音信号を生成する。

ここで、放音ビームは、図１，図２で述べた収音ビームと同様に、音声信号を放音方向に設定された焦点に収束するよう放音するスポット型の放音ビーム、および、音声信号を放音方向の後方に設定された仮想的な焦点から拡散するような波面で放音するエリア型の放音ビームがあり、それぞれ制御部１０の操作によるモード設定によって切り換えが可能である。

そして、放音指向性制御部１３は、生成した個別放音信号をスピーカＳＰ１〜ＳＰ１６毎に設置されたＤ／Ａコンバータ１４に出力する。各Ｄ／Ａコンバータ１４は個別放音信号をアナログ形式に変換して各放音用アンプ１５に出力し、各放音用アンプ１５は個別放音信号を増幅してスピーカＳＰ１〜ＳＰ１６に与える。

スピーカＳＰ１〜ＳＰ１６は、供給された個別放音信号を音声変換して外部に放音する。スピーカＳＰ１〜ＳＰ１６は筐体２の下面に下向きに設置されているので、放音された音声は、音声会議装置１が設置される机の設置面で反射して、会議出席者のいる装置の横から斜め上方に向かって伝搬される。

マイクアレイの各マイクＭＩＣ１０１〜ＭＩＣ１１６、ＭＩＣ２０１〜２１６は、それぞれ音声会議装置１の正面側、背面側の音声を収音して電気信号である音声信号に変換し、この音声信号を各収音用アンプ１６に出力する。各収音用アンプ１６は、音声信号を増幅してそれぞれＡ／Ｄコンバータ１７に与え、Ａ／Ｄコンバータ１７は、アナログの音声信号をデジタル信号に変換して収音ビーム生成部１８１，１８２に出力する。ここで、収音ビーム生成部１８１には、正面に設置されたマイクＭＩＣ１０１〜ＭＩＣ１１６が収音した正面側の音声信号が入力され、収音ビーム生成部１８２には、背面に設置されたマイクＭＩＣ２０１〜ＭＩＣ２１６が収音した背面側の音声信号が入力される。

収音ビーム生成部１８１、収音ビーム生成部１８２は、制御部１０から指示された収音モードに基づいて、図１，図２に示したスポット型の収音ビームまたはエリア型の収音ビームのいずれかを形成するべく、各マイクが収音した音声信号に対して遅延処理を行う。

ここで、図２（Ａ）のように両側ともスポット収音モードが設定されている場合、図６に示すように、同時に複数スポット（図６では正面側，背面側それぞれ４スポット）に対する収音ビームＭＢ１１〜１４、ＭＢ２１〜２４を形成する。これら８個の収音ビームで収音した８スポットの音声信号のうち、最も高レベルのものが目的の音声信号（すなわち、ノイズではない会議参加者発言）であるとして、これを後段のエコーキャンセル部２０に出力する。この信号の選択は、収音ビーム選択部１９が行う。

一方、図２（Ｂ）のように両側ともエリア収音モードが設定されている場合、正面側，背面側ともに１つのエリアを設定して、このエリアを収音する収音ビームを形成する。これら２つの収音ビームのうち、レベルの高いほうが目的の音声信号（ノイズではない会議参加者発言）であるとして、これを後段のエコーキャンセル部２０に出力する。この信号の選択は、収音ビーム選択部１９が行う。

また、図２（Ｃ）のように一方にスポット収音モード、他方にエリア収音モードが設定されている場合、スポット収音モード側は、複数の収音スポットに焦点を結ぶ収音ビームを形成し、エリア収音モード側は、１つの収音ビームを形成する。これら５個の収音ビームで収音した音声信号のうち、最も高レベルのものが目的の音声信号（ノイズではない会議参加者発言）であるとして、これを後段のエコーキャンセル部２０に出力する。この信号の選択は、収音ビーム選択部１９が行う。

エコーキャンセル部２０は、適応型エコーキャンセラ２１を備えている。適応型エコーキャンセラ２１は、適応型フィルタ２１１とポストプロセッサ２１２とを備えている。適応型フィルタ２１１は、スピーカＳＰに供給される音声信号に基づき、マイクＭＩＣに回帰する音声信号成分を推定して擬似回帰音信号を生成する。ポストプロセッサ２１２は、収音ビーム選択部１９が選択して出力した選択された音声信号から、入力音声信号Ｓ１に対する擬似回帰音信号を減算することによりエコー成分を除去する。このエコー成分が除去された音声信号が入出力インタフェース１２に入力される。

このようなエコーキャンセル処理を行うことにより、スピーカＳＰからマイクＭＩＣに回帰する音声信号を的確に予測して除去することができ、マイクＭＩＣで収音した音声信号のみを入出力インタフェース１２から出力することができる。

次に、図７を参照して、エリア収音モードにおける収音エリアの選択方式について説明する。エリア収音モードにおける収音エリアの選択は、筐体２上面の操作部４に設けられているテンキーを用いて行う。テンキーは、正面方向に向けて設けられており、キー配列は、図７（Ａ）に示すように、１〜９が左下から右下へ１，２，３、左中から右中へ４，５，６、左上から右上へ７，８，９と配列されている。このうち、１，２，３が、図７（Ｂ）に示す正面側の左エリア（エリア１），中央エリア（エリア２），右エリア（エリア３）に対応し、７，８，９が、背面側の左エリア（エリア７），中央エリア（エリア８），右エリア（エリア９）に対応する。収音エリア選択時に利用者が所望の収音エリアに対応するキーを押下することにより、制御部１０が、そのエリアを収音エリアとして選択する。

図７（Ｃ）を参照して、選択された収音エリアに対応して形成される収音ビームについて説明する。この図は、正面側に形成される収音ビームを示す図である。エリア１が選択された場合は、マイクアレイ後ろ側の右側方の仮想焦点Ｆ１００に向かう音声ビームを形成して、収音した音声信号を合成する。エリア２が選択された場合には、マイクアレイ後ろ側の中央遠方の仮想焦点Ｆ０２０に向かう音声ビームを形成して、収音した音声信号を合成する。エリア３が選択された場合は、マイクアレイ後ろ側の左側方の仮想焦点Ｆ００３に向かう音声ビームを形成して、収音した音声信号を合成する。

なお、背面側の収音エリアに対応して形成される収音ビームは、図７（Ｃ）の正面／背面を反転したものであるため説明を省略する。

また、「１」キーと「２」キーが押下されてエリア１およびエリア２が選択された場合は、仮想焦点Ｆ１００，仮想焦点Ｆ０２０の中間の仮想焦点Ｆ１２０に向かう音声ビームを形成して、収音した音声信号を合成する。「２」キーと「３」キーが押下されてエリア２およびエリア３が選択された場合は、仮想焦点Ｆ００３、仮想焦点Ｆ０２０の中間の仮想焦点Ｆ０２３に向かう音声ビームを形成して、収音した音声信号を合成する。また、「１」キー、「２」キーと「３」キーが押下され（、マイクアレイの正面側全体が選択され）た場合は、マイクアレイ後ろ側の中央近傍の仮想焦点Ｆ１２３に向かう音声ビームを形成して、収音した音声信号を合成する。

このように、テンキーで収音エリアの選択を受け付け、選択されたエリアが、仮想焦点からマイクアレイ両端を結ぶ２本の半直線に挟まれるような仮想焦点を設定することにより、利用者は簡略な操作で所望の収音エリアを選択できる。

なお、上記各収音エリアとテンキーとの対応づけ、および、各収音エリアの音声を収音するための仮想焦点位置は、制御部１０のメモリ（不図示）に記憶されており、制御部１０は、ユーザによる収音エリアの選択操作（テンキーの押下）に応じて仮想焦点位置を読み出して、収音ビーム生成部１８１，１８２に設定する。

なお、エリア収音モードでは、広い収音エリアで発生した音声を一括して収音するため、その音声が発生した位置（音源位置）を知ることができない。そこで、エリア収音モード時に、スポット収音モードの信号処理を並行して行って音源位置を検出してもよい。すなわち、スポット収音モードの信号処理で複数の収音スポットから音声信号を収音し、そのうち最大音量の音声信号を収音した収音スポットを音源位置とする。

スポット収音モードの処理であっても、音源位置を特定するのみの場合は、会議用音声信号を収音する場合と異なって音質を考慮する必要がないため、収音した音声信号をハイパスフィルタで濾波して指向性の強い１ｋＨｚ〜３ｋＨｚ程度の高音域の信号のみを用いればよい。

この音声会議装置をテレビ会議システムに適用した場合、得られた音源位置情報に基づいてカメラを制御することにより、広い範囲で収音し、かつ話者を特定して、そこにカメラを向けることができる。

また、上記実施形態では、正面側と背面側でエリア収音モードとスポット収音モードをそれぞれ選択することができるが、さらに、マイクアレイの同じ側でエリア収音モードとスポット収音モードを重複して適用して収音するようにしてもよい。この場合、収音ビーム選択部１９は、エリア収音した音声信号とスポット収音した音声信号のいずれか一方を選択して出力するか、または、両者を合成した信号を出力する。
エリア収音とスポット収音を同時に行い、両者を合成した音声信号を出力するようにしたことにより、広い範囲で一定レベルの収音を行いながら、かつ、注目するスポット（あるいは、話者が動かないと想定されるスポット；たとえば社長の椅子あたり）の音声を高レベル・高音質で収音することができる。

また、エリア収音とスポット収音を同時に行いつつ、収音ビーム選択部１９が、エリア全体の信号レベルと特定スポットの信号レベルとを比較して、エリア収音の音声信号、スポット収音の音声信号を自動選択して出力するようにすることも可能である。

なお、この実施形態では、マイクアレイをラインアレイで構成しているが、マイクアレイはラインアレイに限定されず、マトリクス状に配列されたアレイでもよい。

この発明の実施形態である音声会議装置が行う２つの収音モードを説明する図 同音声会議装置の正面側，背面側の収音モードの設定例を示す図 同音声会議装置の外観を表す三面図 同音声会議装置のスピーカ配列およびマイク配列を示した図 図５は、同音声会議装置の信号処理系の構成を示すブロック図である。 正面側，背面側ともスポット収音モードが設定されている場合の収音スポットの設定態様を示す図 エリア収音モード時の収音エリアの選択方式を説明する図

符号の説明

Ｐ１〜Ｐ４…収音スポット
Ｆ１〜Ｆ４…焦点
Ｍ１〜Ｍ５…マイク
１…音声会議装置
２…筐体
３…脚部
４…操作部
１０…制御部
１８１，１８２…収音ビーム生成部
１９…収音ビーム選択部
ＳＰ１〜ＳＰ１６…スピーカ
ＭＩＣ１０１〜ＭＩＣ１１６，ＭＩＣ２０１〜ＭＩＣ２１６…マイク

Claims (7)

1. 複数のマイクを配列して構成されたマイクアレイと、
   前記マイクアレイに対して収音すべきエリアである収音エリアと反対の方向に仮想焦点を設定し、前記複数のマイクが収音した音声信号を、前記仮想焦点までの距離が等しくなるようにそれぞれ遅延して合成するエリア収音処理を実行する信号処理部と、
   を備えた収音装置。
2. 複数の収音エリアと各収音エリアの音声を収音するための仮想焦点とを記憶した記憶手段と、前記複数の収音エリアから１または複数の選択を受け付けるエリア選択手段と、をさらに備え、
   前記信号処理部は、選択手段によって選択された収音エリアの音声を収音するための仮想焦点を設定する請求項１に記載の収音装置。
3. 前記信号処理部は、さらに、収音スポットに焦点を設定し、前記複数のマイクが収音した音声信号を、前記収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を並行して実行し、
   このスポット収音処理で収音した音声信号および前記エリア収音処理で収音した音声信号を合成して出力するか、または、そのいずれかを選択的に出力する請求項１または請求項２に記載の収音装置。
4. 前記信号処理部は、さらに、収音スポットに焦点を設定し、前記複数のマイクが収音した音声信号を、前記収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を実行し、
   前記スポット収音処理またはエリア収音処理のいずれかの選択操作を受け付け、選択された処理を実行するべく前記信号処理部に指示するモード選択手段を備えた請求項１または請求項２に記載の収音装置。
5. 前記信号処理部は、さらに、前記複数のマイクが収音した音声信号を収音スポットからの距離が同じになるように遅延して合成するスポット収音処理を、前記収音エリアに設定した複数の収音スポット各々について並列して実行し、合成された複数の音声信号のうち最大音量の音声信号の収音スポットの位置を音源位置として出力する音源検出処理を実行する請求項１または請求項２に記載の収音装置。
6. 対向する２つの面にそれぞれ外向きに設置された２つのマイクアレイと、各マイクアレイに対応して設けられた２つの信号処理部と、を有し、
   前記モード選択手段は、前記２つの信号処理部に対して、それぞれ独立してスポット収音処理および／またはエリア収音処理を実行するべく指示する手段である請求項３乃至請求項５のいずれかに記載の収音装置。
7. 筐体の正面および背面に請求項４に記載の２つのマイクアレイを備えるとともに、前記筐体の下面に直線状に配列された複数のスピーカからなるスピーカアレイを備え、
   さらに、請求項６に記載の２つの信号処理部および選択手段を備えるとともに、前記スピーカアレイに対して音声信号を供給する放音信号処理部を備えた音声会議装置。

Images