JP4854630B2 - 音処理装置、利得制御装置、利得制御方法及びコンピュータプログラム - Google Patents

Description

本発明は、マイクロホン等の受音部が受音した音に基づいて生成した音信号を増幅して処理する音処理装置、前記音信号の増幅に係る利得を制御する利得制御装置、前記音処理装置及び利得制御装置にて用いられる利得制御方法、前記音処理装置及び利得制御装置を実現するコンピュータプログラムに関し、特に増幅に係る利得の制御を最適化する音処理装置、利得制御装置、利得制御方法及びコンピュータプログラムに関する。

マイクロホン等の受音部が、話者が発声した音声等の音に基づいて音信号を生成し、生成した音信号をアンプ等の増幅部にて増幅し、増幅した音信号に基づいて、話者の発声内容を認識する音声認識処理等の処理を実行する様々な音処理装置が普及している。音声認識等の処理の実行に際しては、音信号の音声レベル（パワー）が最適となる様に増幅部の利得を制御し、受音部の感度を適正化することが重要となる。増幅部の利得を固定し、受音部の感度を一定にした場合、音信号の音声レベルが過度に大きくなったときは音信号が飽和し、また音信号の音声レベルが過度に小さくなったときは音声認識において誤認識が生じるという様な問題が発生する。そこで増幅部の利得を制御する技術が必要となる。

図２２は、従来の音処理装置を示す機能ブロック図である。図２２中１０００は、音処理装置であり、音処理装置１０００は、話者が発声する音声及び雑音等の外部から到来する音を受音する受音部１０１０と、受音部が生成した音信号を増幅する可変ゲインアンプ等の増幅部１０２０と、増幅部１０２０が増幅したアナログ信号である音信号をデジタル信号に変換するＡ／Ｄ変換部１０３０と、ＤＳＰ(Digital Signal Processor)等の制御部１０４０とを備えている。

制御部１０４０は、デジタル信号に変換された音信号から話者が発声した音声が含まれる区間を検出する音声区間検出手段１０４１と、音声区間検出手段１０４１にて検出した区間に含まれる音声に基づいて音声認識等の処理を実行するアプリケーション手段１０４２とを備えている。さらに制御部１０４０は、音声区間検出手段１０４１にて検出した区間の音信号に基づいて音声レベル（パワー）を推定するパワー推定手段１０４３と、パワー推定手段１０４３が推定した音声レベルに基づいて増幅部１０２０の利得の制御値を算出する利得導出手段１０４４とを備えている。そして利得導出手段１０４４は、算出した利得制御値を増幅部１０２０へ出力し、増幅部１０２０は、入力された利得制御値に基づいて音信号を増幅する。

増幅部１０２０にて音信号に対する利得を自動的に制御することにより、受音部１０１０の感度を調整することになり、自動車内、工場内、市街等の様々な雑音環境下において、音声認識用アプリケーションプログラム等のアプリケーションを実行する際に、処理に要する音信号の音声レベルを目標値に近付けることが可能となる。この様な利得を自動的に制御して音声レベルを目標値に近付ける機能は、ＡＧＣ（Ａｕｔｏｍａｔｉｃ Ｇａｉｎ Ｃｏｎｔｒｏｌ）と呼ばれ、音声認識用アプリケーションプログラム、通話関連アプリケーションプログラム等のアプリケーションを実行する際の前処理として使用されている。

なお音声処理に関する技術として、雑音及び音声を含む信号から雑音及び音声を分離する方法が特許文献１に開示されている。
特許第３３１０２２５号明細書

しかしながら音声レベルを推定し、推定した音声レベルに基づいて利得の制御値を算出する従来の音処理装置では、話者が発声した音声を含む区間、即ち音声区間を確定するために数１０〜数１００ミリ秒の時間を要するため、利得の制御を開始するまでに音声区間の確定に相当する時間分の遅延が生じるという問題が生じる。そして利得の制御を開始するまでの間、音声レベルが不適正な状態となる可能性があり、音信号の飽和、音声の誤認識等の異常が生じる。

なお音声区間を確定するまで、利得制御前の音信号を蓄積（バッファリング）して待機する方法も考えられるが、その方法では、処理遅延が生じるため、音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題が生じる。

本発明は斯かる事情に鑑みてなされたものであり、複数の受音部を用いた指向性受音技術を応用して背景雑音のパワーを推定し、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて増幅部へ出力する利得制御値を算出することにより、利得の制御を開始するまでの遅延時間を短縮し、また音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題の発生を防止する音処理装置、前記音信号の増幅に係る利得を制御する利得制御装置、前記音処理装置及び利得制御装置にて用いられる利得制御方法、前記音処理装置及び利得制御装置を実現するコンピュータプログラムの提供を目的とする。

第１発明に係る音処理装置は、受音した音に基づいて音信号を生成する複数の受音部を備え、該複数の受音部が生成した音信号を増幅して処理する音処理装置において、設定された利得制御値に基づいて、各受音部が生成した音信号に対する利得を夫々制御する複数の増幅部と、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記複数の増幅部へ出力する利得制御値を求める導出部とを備え、前記複数の増幅部は、前記導出部が求めた利得制御値に基づいて利得を制御する様にしてあることを備えることを特徴とする。

第２発明に係る音処理装置は、第１発明において、前記導出部は、推定した背景雑音のパワー及びパワー目標値の差分を求め、求めた差分の時間変化を平滑化することにより利得制御値を求める様にしてあることを特徴とする。

第３発明に係る音処理装置は、第２発明において、前記導出部は、求めた差分及び以前に求めた利得制御値の大小関係に基づいて、平滑化の程度を示す時定数を決定する様にしてあり、差分の時間変化の平滑化は、決定された時定数に基づいて行う様にしてあることを特徴とする。

第４発明に係る音処理装置は、第１発明乃至第３発明のいずれかにおいて、前記導出部は、推定した背景雑音のパワーがパワー目標値より大きい場合にのみ、又は推定した背景雑音のパワーがパワー目標値より小さい場合にのみ利得を変更する利得制御値を求める様にしてあることを特徴とする。

第５発明に係る音処理装置は、第１発明乃至第４発明のいずれかにおいて、前記導出部は、利得の制御幅が予め設定されている前記増幅部の制御範囲内となる様に利得制御値を調整する様にしてあることを特徴とする。

第６発明に係る音処理装置は、受音した音に基づいて音信号を生成する複数の受音部を備え、該複数の受音部が生成した音信号を増幅して処理する音処理装置において、前記複数の受音部が夫々生成した音信号の夫々に対し、夫々異なる利得にて音信号を夫々増幅する複数の増幅部と、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、受音部が生成した音信号に対する利得の目標値を求める導出部と、利得の目標値及び予め記憶されている各増幅部の利得に基づいて、どの増幅部からの音信号を処理の対象とするかを選択する選択部とを備えることを特徴とする。

第７発明に係る利得制御装置は、雑音環境下で受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携し、前記増幅部の利得を制御する利得制御装置であって、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記受音装置へ出力する利得制御値を求める導出部とを備えることを特徴とする。

第８発明に係る利得制御方法は、受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携可能なコンピュータに、前記増幅部の利得を制御させる利得制御方法であって、前記コンピュータに、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する手順と、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する手順と、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記増幅部に設定する利得制御値を求める手順とを実行させることを特徴とする。

第９発明に係るコンピュータプログラムは、受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携可能なコンピュータに、前記増幅部の利得を制御させるコンピュータプログラムにおいて、前記コンピュータに、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離させる手順と、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定させる手順と、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記増幅部に設定する利得制御値を求めさせる導出手順とを実行させることを特徴とする。

第１０発明に係るコンピュータプログラムは、第９発明において、前記導出手順は、推定した背景雑音のパワー及びパワー目標値の差分を求め、求めた差分の時間変化を平滑化することにより利得制御値を求める様にしてあることを特徴とする。

第１発明及び第７発明乃至第９発明では、音声が含まれていない雑音区間は相関が高いということから推定した背景雑音のパワーに基づいて増幅部へ出力する利得制御値を求めることにより、ほぼ実時間で利得制御値の導出及び制御を行うことができるので、利得の制御を開始するまでの遅延時間を短縮し、また利得制御前の音信号を蓄積する必要が無いので、音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題が生じることがない。

第２発明及び第１０発明では、時間変化を平滑化することにより、急激な利得の変化を防止して、音声認識等の後処理を安定させることが可能であり、特に所定の時間差の音信号に基づいて離散的に利得制御値を求める場合には、時間差を小さくすることなく利得制御値が階段状に大きく変化することを防止することが可能である。

第３発明では、時定数を動的に決定することにより、パワー目標値に対する利得制御値の追従性を制御することが可能となる。

第４発明では、例えばカーナビゲーションシステムの発話スイッチを押してカーオーディオ等の雑音を停止した上で発声する様な環境下にて用いる場合に、利得を大きくする制御のみを行うことにより、利得が小さくなって受音部の感度が必要以上に低下することを防止することができるので、音声認識、通話処理等の後処理に係る品質の低下を防止することが可能である。また例えば雑音レベルが煩雑に変化する環境下にて用いる場合に、利得制御値を小さくする制御のみを行うことにより、利得が大きくなって音声レベルが過度に高くなり音信号が飽和することを防止することが可能である。

第５発明では、利得の制御幅が制御範囲内となる様に利得制御値を調整することにより、増幅部の制御範囲内での制御を行うことが可能となる。

第６発明では、音声が含まれていない雑音区間は相関が高いということから推定した背景雑音のパワーに基づいて利得の目標値を算出し、算出した利得を得ることができる様に音信号を選択することにより、ほぼ実時間で利得目標値の算出及び制御を行うことができるので、利得の制御を開始するまでの遅延時間を短縮し、また利得制御前の音信号を蓄積する必要が無いので、音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題が生じることがない。

本発明に係る音処理装置、利得制御装置、利得制御方法及びコンピュータプログラムは、マイクロホン等の複数の受音部が生成した音信号に対する利得を設定された利得制御値に基づいて制御する可変ゲインアンプ等の増幅部を備え、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離し、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定し、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、増幅部へ出力する利得制御値を求め、増幅部は、求められた利得制御値に基づいて利得を制御する。

この構成により、本発明では、音声が含まれていない雑音区間は相関が高いということから推定した背景雑音のパワーに基づいて増幅部へ出力する利得制御値を求めることにより、短い処理時間で利得制御値の導出及び制御を行うことができるので、利得の制御を開始するまでの遅延時間を短縮することが可能である等、優れた効果を奏する。また利得制御前の音信号を蓄積する必要が無いので、音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題が生じることがない等、優れた効果を奏する。

本発明に係る音処理装置等は、推定した背景雑音のパワー及びパワー目標値の差分を求め、求めた差分の時間変化を平滑化することで利得制御値を求めることにより、急激な利得の変化を防止して、音声認識等の後処理を安定させることが可能である等、優れた効果を奏する。特に所定の時間差の音信号に基づいて離散的に利得制御値を求める場合には、時間差を小さくすることなく利得制御値が階段状に大きく変化することを防止することが可能であるので、時間差を小さくすることによる処理負荷の増大を防止することが可能である等、優れた効果を奏する。

本発明に係る音処理装置等は、推定した背景雑音のパワーがパワー目標値より大きい場合にのみ利得制御値を求めることにより、例えばカーオーディオ等の雑音を停止した上で発声する様な環境下にて用いる場合に、利得が小さくなって受音部の感度が必要以上に低下することを防止することができるので、音声認識、通話処理等の後処理に係る品質の低下を防止することが可能である等、優れた効果を奏する。

また推定した背景雑音のパワーがパワー目標値より小さい場合にのみ利得制御値を求めることにより、例えば雑音レベルが煩雑に変化する環境下にて用いる場合に、利得が大きくなって音声レベルが過度に高くなり音信号が飽和することを防止することが可能である等、優れた効果を奏する。

本発明に係る音処理装置等は、増幅部が、所定の制御範囲内で利得を制御する様に構成してあり、利得の制御幅が制御範囲内となる様に利得制御値を調整することにより、増幅部の制御範囲内での制御を行うことが可能となる等、優れた効果を奏する。

また本発明に係る音処理装置等は、夫々異なる利得にて音信号を夫々増幅する複数の増幅部を備え、複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離し、分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定し、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、受音部が生成した音信号に対する利得の目標値を求め、利得の目標値及び各増幅部の利得に基づいて、処理の対象とする音信号を選択する。

この構成により、本発明では、短い処理時間で利得目標値の導出及び制御を行うことができるので、利得の制御を開始するまでの遅延時間を短縮することが可能である等、優れた効果を奏する。また利得制御前の音信号を蓄積する必要が無いので、音声認識用アプリケーションプログラムによる処理の反応遅れ、通話用アプリケーションプログラムによる通話品質の劣化等の問題が生じることがない等、優れた効果を奏する。

以下、本発明をその実施の形態を示す図面に基づいて詳述する。

実施の形態１．
図１は、本発明の実施の形態１に係る音処理装置のハードウェアの構成例を示すブロック図である。図１中１は、カーナビゲーションシステム等のシステムに用いられるコンピュータである音処理装置であり、音処理装置１は、話者が発声する音声及び雑音等の外部から到来する音を受音し、受音した音に基づいて音信号を生成する複数の受音部１０，１０，…と、複数の受音部１０，１０，…にて生成した音信号を増幅する可変ゲインアンプ等の増幅部１１，１１，…と、増幅部１１，１１，…にて増幅したアナログ信号である音信号をデジタル信号に変換するＡ／Ｄ変換部１２，１２，…と、ＤＳＰ(Digital Signal Processor)等の制御部１３とを備えている。

受音部１０は、受音した音信号をアナログ信号である音信号に変換し、増幅部１１は、設定されている利得制御値に基づいて、受音部１０が生成した音信号に対する利得を制御し、Ａ／Ｄ変換部１２は、アナログ信号である音信号を８０００Ｈｚ、１２０００Ｈｚ等のサンプリング周波数でサンプリングしてデジタル信号に変換し、デジタル信号に変換した音信号を制御部１３へ出力する。音処理装置１は、この様な受音部１０、増幅部１１及びＡ／Ｄ変換部１２の組を複数組備えている。なお以降の説明では、２組分の受音部１０，１０、増幅部１１，１１、Ａ／Ｄ変換部１２，１２を備える構成について説明する。また受音部１０，１０を必要に応じて第１受音部１０ａ及び第２受音部１０ｂとして示す。

制御部１３は、本発明のコンピュータプログラム１００及びデータ等のファームウェアが組み込まれた演算回路であり、ファームウェアとして組み込まれた本発明のコンピュータプログラム１００を実行することにより、制御部１３を備えるコンピュータは、本発明の音処理装置１として動作する。なお音処理装置１は、図１中に図示した構成以外にも、カーナビゲーションシステム等のシステム本来としての動作を行うための処理機構、操作機構、出力機構等の様々な機構を備えている。

図２は、本発明の実施の形態１に係る音処理装置１の機能の一例を示す機能ブロック図である。本発明のコンピュータプログラム１００を実行した制御部１３は、到来方向に基づいて音信号を分離する指向性受音機能を備える分離手段１３０、分離した音信号に基づいて音信号に含まれる背景雑音のパワーを推定する推定手段１３１、推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、増幅部１１へ出力する利得制御値を求める導出手段１３２、分離手段１３０にて分離した話者の音声を含む音信号に基づいて音声認識処理、通話処理等の処理を実行するアプリケーション手段１３３等のプログラムモジュールを生成する。なお各プログラムモジュールは、ＶＬＳＩ等の演算回路を用いたハードウェアとして構成することも可能である。

次に本発明の実施の形態１に係る音処理装置１の信号処理について説明する。制御部１３では、第１受音部１０ａが受音した音に基づくデジタル信号である音信号を第１入力信号ｉｎ＿１（ｔ）として受け付け、第２受音部１０ｂが受音した音に基づくデジタル信号である音信号を第２入力信号ｉｎ＿２（ｔ）として受け付ける。なお変数ｔは、アナログ信号である音信号を８０００Ｈｚ、１２０００Ｈｚ等のサンプリング周波数でサンプリングしてデジタル信号に変換した際の各サンプルを特定するサンプル番号である。

図３は、本発明の実施の形態１に係る音処理装置１において、制御部１３が入力を受け付ける音信号を示すグラフである。図３は、横軸を時間に対応するサンプル番号ｔとし、縦軸を音信号の振幅として、その関係を示したグラフであり、図３（ａ）は、第１入力信号ｉｎ＿１（ｔ）を示し、図３（ｂ）は、第２入力信号ｉｎ＿２（ｔ）を示している。第１受音部１０ａ及び第２受音部１０ｂを適切な間隔で離隔して配設することにより、第１受音部１０ａ及び第２受音部１０ｂが受音する夫々の音に基づく夫々の音信号には、到来方向に応じた位相差が生じる。分離手段１３０では、例えば第１入力信号ｉｎ＿１（ｔ）及び第２入力信号ｉｎ＿２（ｔ）の位相差に基づいて音の到来方向を推定し、話者の口元方向等の予め設定されている目的方向から到来する音に基づく音信号と、他の方向から到来する音に基づく音信号とに分離する指向性受音処理を行う。

分離手段１３０による指向性受音処理では、第１入力信号ｉｎ＿１（ｔ）及び第２入力信号ｉｎ＿２（ｔ）に基づいて、目的方向以外の方向から到来する音を抑圧する同期減算により、目的方向から到来する音に基づく音信号、即ち話者が発声した音声に基づく音声信号ｓｉｇｎａｌ（ｔ）を抽出し、目的方向から到来する音を抑圧する同期減算により、目的方向以外の方向から到来する音に基づく音信号、即ち背景雑音に基づく雑音信号ｎｏｉｓｅ（ｔ）を抽出する。

図４は、本発明の実施の形態１に係る音処理装置１において、指向性受音処理により分離された音信号の時間変化を示すグラフである。図４に示すグラフは、横軸を時間に対応するサンプル番号ｔとし、縦軸を音信号の振幅として、その関係を示している。図４（ａ）は、予め設定されている目的方向から到来する音に基づく音信号、即ち話者が発声した音声に基づく音声信号ｓｉｇｎａｌ（ｔ）を示し、図４（ｂ）は、目的方向以外の方向から到来する音に基づく音信号、即ち背景雑音に基づく雑音信号ｎｏｉｓｅ（ｔ）を示している。音声信号ｓｉｇｎａｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）を比較すると明らかな様に、音声信号ｓｉｇｎａｌ（ｔ）には、音声として特徴的なピークが出現している。分離手段１３０は、音声信号ｓｉｇｎａｌ（ｔ）をアプリケーション手段１３３へ出力し、アプリケーション手段１３３は、音声信号ｓｉｇｎａｌ（ｔ）に基づいて音声認識処理、通話処理等の処理を実行する。また分離手段１３０は、音声信号ｓｉｇｎａｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）を推定手段１３１へ出力する。

推定手段１３１は、入力された音声信号ｓｉｇｎａｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）に基づいて、例えば５１２サンプル分の信号を１フレームとしたフレーム単位の音声信号ｓｉｇｎａｌ（ｎ）及び雑音信号ｎｏｉｓｅ（ｎ）を生成する。なお変数ｎは、各フレームを特定するフレーム番号である。そして推定手段１３１は、フレーム単位の音声信号ｓｉｇｎａｌ（ｎ）及び雑音信号ｎｏｉｓｅ（ｎ）の相関を計算する下記の式（１）を用いて背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を推定する。

図５は、本発明の実施の形態１に係る音処理装置１において、推定手段１３１が推定した背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）の時間変化を示すグラフである。図５は、横軸に時間に対応するフレーム番号ｎをとり、縦軸に背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）をデシベル単位でとって、その関係を示したグラフである。到来方向に基づいて分離した音声信号ｓｉｇｎａｌ（ｎ）及び雑音信号ｎｏｉｓｅ（ｎ）の相関を計算することにより、背景雑音に係る信号は、音声に係る信号より相関が強いという特性から、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を推定することができる。そしてこの様に相関を求めることにより、音声及び非定常性の強い雑音が与える影響を抑制することができる。そして推定手段１３１は、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を示す情報を導出手段１３２へ出力する。

導出手段１３２は、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及び予め設定されているパワー目標値ｒｅｆに基づき下記の式（２）を用いて、増幅部１１，１１へ出力する利得制御値ａｄｊ（ｔ）の基となる原利得制御値ａｄｊ’（ｎ）を求める。

ａｄｊ’（ｎ）＝ｒｅｆ−ｐｏｗ＿ｎｏｉｓｅ（ｎ） …（２）
但し、ａｄｊ’（ｎ）：原利得制御値
ｒｅｆ：パワー目標値

図６は、本発明の実施の形態１に係る音処理装置１において、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆの時間変化を示すグラフである。図６は、横軸に時間に対応するフレーム番号ｎをとり、縦軸に背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆをデシベル単位でとって、その関係を示したグラフである。図６において、実線が背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を示し、破線がパワー目標値ｒｅｆを示している。式（２）を用いて求める原利得制御値ａｄｊ’（ｎ）は、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆの差となる。本発明の音処理装置１では、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）がパワー目標値ｒｅｆとなる様に、増幅部１１，１１の利得制御値ａｄｊ（ｔ）を設定し、受音部１０，１０の感度を調整する。

さらに導出手段１３２は、下記の式（３）を用いて、原利得制御値ａｄｊ’（ｎ）の時間変化を平滑化することにより、増幅部１１へ出力する利得制御値ａｄｊ（ｔ）を求める。

ａｄｊ（ｔ）＝α・ａｄｊ（ｔ−１）＋（１−α）・ａｄｊ’（ｎ） …（３）
但し、ａｄｊ（ｔ）：利得制御値
α：０以上１未満の時定数

図７は、本発明の実施の形態１に係る音処理装置１において、原利得制御値ａｄｊ’（ｎ）及び利得制御値ａｄｊ（ｔ）の時間変化を示すグラフである。図７は、横軸を時間に対応するサンプル番号ｔとし、縦軸を利得のデシベル単位の制御量として、その関係を示したグラフである。フレーム番号ｎを変数とする原利得制御値ａｄｊ’（ｎ）を破線にて示し、サンプル番号ｔを変数とする利得制御値ａｄｊ（ｔ）を実線にて示している。なお原利得制御値ａｄｊ’（ｎ）の変数は、フレーム番号ｎであるので、サンプル番号ｔに換算した上で、その推移を示している。本形態で示す例では、５１２サンプルが１フレームに対応するため、原利得制御値ａｄｊ’（ｎ）の値は、階段状に変化する離散的なグラフとなるが、式３を用いて時間変化を平滑化した利得制御値ａｄｊ（ｔ）は、サンプル番号ｔに対して連続的に変化することで、利得の離散的、かつ急激な変化を抑制している。そして導出手段１３２は、算出した利得制御値ａｄｊ（ｔ）を増幅部１１，１１へ出力し、増幅部１１，１１は、入力された利得制御値ａｄｊ（ｔ）を利得として設定する。

次に上述した構成の本発明の実施の形態１に係る音処理装置１の処理について説明する。図８は、本発明の実施の形態１に係る音処理装置１の処理の一例を示すフローチャートである。音処理装置１は、第１受音部１０ａ及び第２受音部１０ｂにて受音した音に基づいて夫々音信号を生成し（Ｓ１０１）、生成した音信号を夫々対応する増幅部１１，１１へ出力する。

音処理装置１の増幅部１１，１１は、設定されている利得制御値に基づいて、各受音部１０，１０が生成した音信号を増幅し（Ｓ１０２）、増幅した音信号を夫々対応するＡ／Ｄ変換部１２，１２へ出力する。

音処理装置１のＡ／Ｄ変換部１２，１２は、増幅部１１，１１から夫々入力されたアナログ信号である音信号をデジタル信号に変換するＡ／Ｄ変換処理を行い（Ｓ１０３）、デジタル信号に変換した音信号、即ち第１入力信号ｉｎ＿１（ｔ）及び第２入力信号ｉｎ＿２（ｔ）を制御部１３へ出力する。

音処理装置１の制御部１３は、分離手段１３０の処理により、第１入力信号ｉｎ＿１（ｔ）及び第２入力信号ｉｎ＿２（ｔ）に基づいて音の到来方向を推定し、目的方向から到来する音に基づく音信号、即ち話者が発声した音声に基づく音声信号ｓｉｇｎａｌ（ｔ）、及び目的方向以外の方向から到来する音に基づく音信号、即ち背景雑音に基づく雑音信号ｎｏｉｓｅ（ｔ）を分離する（Ｓ１０４）。

音処理装置１の制御部１３は、推定手段１３１の処理により、音声信号ｓｉｇｎａｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）の相関に基づいて、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を推定する（Ｓ１０５）。

音処理装置１の制御部１３は、導出手段１３２の処理により、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆに基づいて、原利得制御値ａｄｊ’（ｎ）を求め（Ｓ１０６）、求めた原利得制御値ａｄｊ’（ｎ）の時間変化を平滑化することにより、利得制御値ａｄｊ（ｔ）を求め（Ｓ１０７）、求めた利得制御値ａｄｊ（ｔ）を増幅部１１，１１へ出力する。

音処理装置１の増幅部１１，１１は、入力された利得制御値ａｄｊ（ｔ）に基づく利得を設定する（Ｓ１０８）。なおステップＳ１０４にて分離された音声信号ｓｉｇｎａｌ（ｔ）は、アプリケーション手段１３３へ出力され、アプリケーション手段１３３は、音声信号ｓｉｇｎａｌ（ｔ）に基づいて音声認識処理、通話処理等の処理を実行する。

実施の形態２．
実施の形態２は、実施の形態１において、背景雑音のパワー推定結果及びパワー目標値の大小関係に基づいて利得制御値の算出の要否を判定する形態である。実施の形態２に係るハードウェアの構成例及び機能の例は、実施の形態１と同様であるので、実施の形態１を参照するものとし、その説明を省略する。なお以降の説明において、実施の形態１と同様の構成要件については、実施の形態１と同様の符号を付して説明する。

実施の形態２において、導出手段１３２は、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及び予め設定されているパワー目標値ｒｅｆを比較し、その大小関係が予め設定されている関係にある場合にのみ利得制御値ａｄｊ（ｔ）を変更する。なおここでは、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きい場合にのみ利得制御値ａｄｊ（ｔ）を変更する形態について例示する。実施の形態２においては、式（２）に替えて、下記の式（４）を用いる。

ｉｆ（ｐｏｗ＿ｎｏｉｓｅ（ｎ）＞ｒｅｆ）
ｔｈｅｎ ａｄｊ’（ｎ）＝ｒｅｆ−ｐｏｗ＿ｎｏｉｓｅ（ｎ）
ｅｌｓｅ ａｄｊ’（ｎ）＝０
…（４）

式（４）に示す様に実施の形態２では、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きい場合に、実施の形態１の式（２）と同様の数式にて原利得制御値ａｄｊ’（ｎ）が求められ、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆ以下である場合、原利得制御値ａｄｊ’（ｎ）は０となる。原利得制御値ａｄｊ’（ｎ）から利得制御値ａｄｊ（ｔ）を求める数式としては、実施の形態１の式（３）を用いるため、実施の形態２では、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きい場合にのみ利得制御値ａｄｊ（ｔ）を変更することになる。

次に本発明の実施の形態２に係る音処理装置１の処理について説明する。図９は、本発明の実施の形態２に係る音処理装置１の処理の一例を示すフローチャートである。実施の形態２では、実施の形態１のフローチャートに示したステップＳ１０６の処理を、上述した式（４）に基づく処理に変更した処理を実行する。

先ず音処理装置１は、実施の形態１にて示したステップＳ１０１〜Ｓ１０５の処理を実行する。そして音処理装置１の制御部１３は、導出手段１３２の処理により、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆを比較して、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きいか否かを判定する（Ｓ２０１）。

ステップＳ２０１において、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きいと判定した場合（Ｓ２０１：ＹＥＳ）、音処理装置１の制御部１３は、導出手段１３２の処理により、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆに基づいて、原利得制御値ａｄｊ’（ｎ）を求める（Ｓ２０２）。

ステップＳ２０２において、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆ以下であると判定した場合（Ｓ２０１：ＮＯ）、音処理装置１の制御部１３は、導出手段１３２の処理により、原利得制御値ａｄｊ’（ｎ）を０とする（Ｓ２０３）。

そして音処理装置１は、実施の形態１にて示したステップＳ１０７以降の処理を実行する。この様に背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより大きいと判定した場合にのみ利得制御値ａｄｊ（ｔ）を変更する形態は、例えばカーナビゲーションシステムの発話スイッチを押下してカーオーディオ等の雑音を停止した上で発声する様な環境下に適用され、利得が大きくなって受音部１０，１０の感度が必要以上に大きくなり、音信号が飽和することを防止する。

なお背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより小さい場合にのみ利得制御値ａｄｊ（ｔ）を変更する形態では、上述した式（４）は、下記の式（５）となる。

ｉｆ（ｐｏｗ＿ｎｏｉｓｅ（ｎ）＜ｒｅｆ）
ｔｈｅｎ ａｄｊ’（ｎ）＝ｒｅｆ−ｐｏｗ＿ｎｏｉｓｅ（ｎ）
ｅｌｓｅ ａｄｊ’（ｎ）＝０
…（５）

式（５）を用いて背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）が、パワー目標値ｒｅｆより小さいと判定した場合にのみ利得制御値ａｄｊ（ｔ）を変更する形態は、例えば雑音レベルが煩雑に変化する環境下に適用され、利得が小さくなって音声レベルが過度に低くなり音信号が飽和することを防止する。

実施の形態３．
実施の形態３は、実施の形態１において、求めた原利得制御値及び前回の利得制御値の大小関係に基づいて時定数を決定する形態である。実施の形態３に係るハードウェアの構成例及び機能の例は、実施の形態１と同様であるので、実施の形態１を参照するものとし、その説明を省略する。なお以降の説明において、実施の形態１と同様の構成要件については、実施の形態１と同様の符号を付して説明する。

実施の形態３において、導出手段１３２は、求めた原利得制御値ａｄｊ’（ｎ）及び前回の利得制御値ａｄｊ（ｔ−１）を比較し、原利得制御値ａｄｊ’（ｎ）が前回の利得制御値ａｄｊ（ｔ−１）未満である場合に、第１時定数α１（０≦α１＜１）を用い、原利得制御値ａｄｊ’（ｎ）が前回の利得制御値ａｄｊ（ｔ−１）以上である場合に、第１時定数α１より大きい第２時定数α２（０≦α２＜１）を用いる。実施の形態３においては、式（３）に替えて、下記の式（６）を用いる。

ｉｆ（ａｄｊ（ｔ−１）＞ａｄｊ’（ｎ））
ｔｈｅｎ ａｄｊ（ｔ）＝α１・ａｄｊ（ｔ−１）＋（１−α１）・ａｄｊ’（ｎ）
ｅｌｓｅ ａｄｊ（ｔ）＝α２・ａｄｊ（ｔ−１）＋（１−α２）・ａｄｊ’（ｎ）
…（６）
但し、α１：０以上１未満の第１時定数
α２：０以上１未満の第２時定数

式（６）に示す様に原利得制御値ａｄｊ’（ｎ）及び前回の利得制御値ａｄｊ（ｔ−１）に基づいて時定数を決定することにより、特に第１時定数α１より第２時定数α２を大きくすることにより、利得制御値ａｄｊ（ｔ）を経時的に低下させる場合に、平滑化前の原利得制御値ａｄｊ’（ｎ）に対する追従性を相対的に高くすることができる。なお第１時定数α１より第２時定数α２を小さくした場合には、利得制御値ａｄｊ（ｔ）を経時的に向上させるときに、平滑化前の原利得制御値ａｄｊ’（ｎ）に対する追従性を相対的に高くすることができる。

図１０は、本発明の実施の形態３に係る音処理装置１において、原利得制御値ａｄｊ’（ｎ）及び利得制御値ａｄｊ（ｔ）の時間変化を示すグラフである。図１０は、横軸を時間に対応するサンプル番号ｔとし、縦軸を利得の制御量をデシベル単位として、その関係を示したグラフである。フレーム番号ｎを変数とする原利得制御値ａｄｊ’（ｎ）を破線にて示し、サンプル番号ｔを変数とする利得制御値ａｄｊ（ｔ）を実線にて示している。なお原利得制御値ａｄｊ’（ｎ）の変数は、フレーム番号ｎであるので、サンプル番号ｔに換算した上で、その推移を示している。図１０では、第１時定数α１の値を実施の形態１に係る時定数αと同値とし、大きい第２時定数α２の値を第１時定数α１より大きい値としている。実施の形態１の図７と比較すると明らかな様に、利得制御値ａｄｊ（ｔ）を経時的に低下させる場合、実施の形態１の時定数αより大きい第２時定数α２が用いられるため、平滑化前の原利得制御値ａｄｊ’（ｎ）に対する追従性が高くなっている。

次に本発明の実施の形態３に係る音処理装置１の処理について説明する。図１１は、本発明の実施の形態３に係る音処理装置１の処理の一例を示すフローチャートである。実施の形態３では、実施の形態１のフローチャートに示したステップＳ１０７の処理を、上述した式（６）に基づく処理に変更した処理を実行する。

先ず音処理装置１は、実施の形態１にて示したステップＳ１０１〜Ｓ１０６の処理を実行する。そして音処理装置１の制御部１３は、導出手段１３２の処理により、原利得制御値ａｄｊ’（ｎ）及び前回の利得制御値ａｄｊ（ｔ−１）を比較して、原利得制御値ａｄｊ’（ｎ）が、前回の利得制御値ａｄｊ（ｔ−１）より大きいか否かを判定する（Ｓ３０１）。

ステップＳ３０１において、原利得制御値ａｄｊ’（ｎ）が、前回の利得制御値ａｄｊ（ｔ−１）より大きいと判定した場合（Ｓ３０１：ＹＥＳ）、音処理装置１の制御部１３は、導出手段１３２の処理により、平滑化に用いる時定数を第１時定数α１に決定し（Ｓ３０２）、決定した第１時定数α１を用いて原利得制御値ａｄｊ’（ｎ）の時間変化を平滑化することにより、利得制御値ａｄｊ（ｔ）を求める（Ｓ３０３）。

ステップＳ３０１において、原利得制御値ａｄｊ’（ｎ）が、前回の利得制御値ａｄｊ（ｔ−１）以下であると判定した場合（Ｓ３０１：ＮＯ）、音処理装置１の制御部１３は、導出手段１３２の処理により、平滑化に用いる時定数を第１時定数α１より大きい第２時定数α２に決定し（Ｓ３０４）、決定した第２時定数α２を用いて原利得制御値ａｄｊ’（ｎ）の時間変化を平滑化することにより、利得制御値ａｄｊ（ｔ）を求める（Ｓ３０５）。

そして音処理装置１は、実施の形態１にて示したステップＳ１０８以降の処理を実行する。

実施の形態４．
実施の形態４は、実施の形態１において、増幅部の制御方法を変更した形態である。実施の形態４に係るハードウェアの構成例は、実施の形態１と同様であるので、実施の形態１を参照するものとし、その説明を省略する。なお以降の説明において、実施の形態１と同様の構成要件については、実施の形態１と同様の符号を付して説明する。

図１２は、本発明の実施の形態４に係る音処理装置１の機能の一例を示す機能ブロック図である。本発明のコンピュータプログラム１００を実行した制御部１３は、分離手段１３０、推定手段１３１、導出手段１３２及びアプリケーション手段１３３等のプログラムモジュールを生成する。

次に実施の形態４に係る音処理装置１の信号処理について説明する。実施の形態１において制御部１３から増幅部１１，１１へ出力した利得制御値ａｄｊ（ｔ）とは、利得の修正値であり、修正前の利得に対する差分を示している。増幅部１１，１１が差分に基づいて自動的に利得を修正する機能を有している場合、入力された利得制御値ａｄｊ（ｔ）に基づいて問題なく利得制御を行うことができるが、その様な機能を有しておらず、入力された利得制御値ａｄｊ（ｔ）をそのまま利得とする増幅部１１，１１を用いる場合には、利得制御値ａｄｊ（ｔ）を利得そのものとする様に換算する必要が生じる。実施の形態４では、相対値である利得制御値ａｄｊ（ｔ）から、増幅部１１，１１の制御の絶対値である利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を算出する処理を実行し、また算出された利得制御値ａｍｐ＿ｇａｉｎ（ｔ）が、増幅部１１，１１の規格に基づく利得の制御幅が最大値及び最小値にて規定される制御範囲内となる様に制御する形態である。

実施の形態４において、導出手段１３２は、前回の利得制御値ａｄｊ（ｔ−１）に対する相対値である利得制御値ａｄｊ（ｔ）から下記の式（７）を用いて累計値ｔｏｔａｌ＿ａｄｊ（ｔ）を算出する。

ｔｏｔａｌ＿ａｄｊ（ｔ）＝ｔｏｔａｌ＿ａｄｊ（ｔ−１）＋ａｄｊ（ｔ） …（７）
但し、ｔｏｔａｌ＿ａｄｊ（ｔ）：ａｄｊ（ｔ）の累計値

さらに導出手段１３２は、下記の式（８）を用いて、利得の制御幅が増幅部１１，１１の規格に基づき設定された最大値ｍａｘ＿ａｍｐ＿ｇａｉｎ及び最小値ｍｉｎ＿ａｍｐ＿ｇａｉｎにて規定される制御範囲内に収まる様に調整する。

ｉｆ（（ｔｏｔａｌ＿ａｄｊ（ｔ）＋ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ）
＞ｍａｘ＿ａｍｐ＿ｇａｉｎ）
ｔｈｅｎ ｔｏｔａｌ＿ａｄｊ（ｔ）
＝ｍａｘ＿ａｍｐ＿ｇａｉｎ−ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ
ｉｆ（（ｔｏｔａｌ＿ａｄｊ（ｔ）＋ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ）
＜ｍｉｎ＿ａｍｐ＿ｇａｉｎ）
ｔｈｅｎ ｔｏｔａｌ＿ａｄｊ（ｔ）
＝ｍｉｎ＿ａｍｐ＿ｇａｉｎ−ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ
…（８）
但し、ｍａｘ＿ａｍｐ＿ｇａｉｎ：増幅部１１，１１の利得の最大値
ｍｉｎ＿ａｍｐ＿ｇａｉｎ：増幅部１１，１１の利得の最小値
ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ：増幅部１１，１１の利得の初期値

さらに導出手段１３２は、下記の式（９）を用いて、増幅部１１，１１の制御の絶対値である利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を求める。

ａｍｐ＿ｇａｉｎ（ｔ）＝ｔｏｔａｌ＿ａｄｊ（ｔ）＋ｉｎｉｔ＿ａｍｐ＿ｇａｉｎ
…式（９）
但し、ａｍｐ＿ｇａｉｎ（ｔ）：利得制御値

次に本発明の実施の形態４に係る音処理装置１の処理について説明する。図１３は、本発明の実施の形態４に係る音処理装置１の処理の一例を示すフローチャートである。実施の形態４では、実施の形態１のフローチャートに示したステップＳ１０７の処理を実行後、上述した式（７）〜（９）に基づく処理を実行する。

先ず音処理装置１は、実施の形態１にて示したステップＳ１０１〜Ｓ１０７の処理を実行する。そして音処理装置１の制御部１３は、導出手段１３２の処理により、求めた利得制御値ａｄｊ（ｔ）及び前回の利得制御値ａｄｊ（ｔ−１）から累計値ｔｏｔａｌ＿ａｄｊ（ｔ）を算出し（Ｓ４０１）、算出した累計値ｔｏｔａｌ＿ａｄｊ（ｔ）が、増幅部１１，１１の規格に基づき設定された最大値ｍａｘ＿ａｍｐ＿ｇａｉｎ及び最小値ｍｉｎ＿ａｍｐ＿ｇａｉｎにて規定される制御範囲内に収まる様に調整する（Ｓ４０２）。

さらに音処理装置１の制御部１３は、導出手段１３２の処理により、調整した累計値ｔｏｔａｌ＿ａｄｊ（ｔ）及び増幅部１１，１１の利得の初期値ｉｎｉｔ＿ａｍｐ＿ｇａｉｎから、増幅部１１，１１の制御の絶対値である利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を求め（Ｓ４０３）、求めた利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を増幅部１１，１１へ出力する。

音処理装置１の増幅部１１は、入力された利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を利得として設定する（Ｓ４０４）。なお累計値ｔｏｔａｌ＿ａｄｊ（ｔ）が、最大値ｍａｘ＿ａｍｐ＿ｇａｉｎ及び最小値ｍｉｎ＿ａｍｐ＿ｇａｉｎにて規定される制御範囲内に収まる様に調整する方法は、上述した例に限らず、様々な方法を用いることが可能である。

実施の形態５．
実施の形態５は、実施の形態１において、増幅部の利得を制御するのではなく、利得が異なる複数組の増幅部を用いる形態である。なお以降の説明において、実施の形態１と同様の構成については、実施の形態１と同様の符号を付し、その説明を省略する。

図１４は、本発明の実施の形態５に係る音処理装置１のハードウェアの構成例を示すブロック図である。実施の形態５に係る音処理装置１は、音信号を固定された利得で増幅する複数組の増幅部１１，１１，…を備えており、各組の増幅部１１，１１，…は、設定されている利得が異なっている。なお以降の説明においては、三組の増幅部１１，１１，…を用いる形態について説明し、必要に応じて利得が最も高い組の増幅部１１，１１を第１増幅部１１ａ，１１ａとして示し、次に利得が高い組の増幅部１１，１１を第２増幅部１１ｂ，１１ｂとして示し、そして最も利得が低い組の増幅部１１，１１を第３増幅部１１ｃ，１１ｃとして示す。さらに各増幅部１１，１１，…には、Ａ／Ｄ変換部１２，１２，…が夫々接続されており、夫々のＡ／Ｄ変換部１２，１２，…にてデジタル信号に変換された音信号は、制御部１３へ出力される。

図１５は、本発明の実施の形態５に係る音処理装置１の機能の一例を示す機能ブロック図である。本発明のコンピュータプログラム１００を実行した制御部１３は、複数の分離手段１３０，１３０，…、推定手段１３１、利得の目標値を算出する導出手段１３２、アプリケーション手段１３３、利得の目標値及び各増幅部１１，１１，…の利得に基づいて音信号を選択する選択手段１３４等のプログラムモジュールを生成する。なお導出手段１３２は、利得の目標値と音信号の選択に要する係数との関係を示した利得テーブル１３２ａを有している。

複数の分離手段１３０，１３０，…は、夫々第１増幅部１１ａ，１１ａ、第２増幅部１１ｂ，１１ｂ及び第３増幅部１１ｃ，１１ｃに対応している。以降の説明においては、必要に応じて第１増幅部１１ａ，１１ａに対応している分離手段１３０を第１分離手段１３０ａとして示し、第２増幅部１１ｂ，１１ｂに対応している分離手段１３０を第２分離手段１３０ｂとして示し、そして第３増幅部１１ｃ，１１ｃに対応している分離手段１３０を第３分離手段１３０ｃとして示す。

次に本発明の実施の形態５に係る音処理装置１の信号処理について説明する。制御部１３では、第１受音部１０ａにて受音し、第１増幅部１１ａにて増幅したデジタル信号である音信号を第１高利得入力信号ｉｎ＿１＿Ｈ（ｔ）として第１分離手段１３０ａにより受け付け、第２受音部１０ｂにて受音し、第１増幅部１１ａにて増幅したデジタル信号である音信号を第２高利得入力信号ｉｎ＿２＿Ｈ（ｔ）として第１分離手段１３０ａにより受け付ける。また制御部１３は、第１受音部１０ａにて受音し、第２増幅部１１ｂにて増幅したデジタル信号である音信号を第１中利得入力信号ｉｎ＿１＿Ｍ（ｔ）として第２分離手段１３０ｂにより受け付け、第２受音部１０ｂにて受音し、第２増幅部１１ｂにて増幅したデジタル信号である音信号を第２中利得入力信号ｉｎ＿２＿Ｍ（ｔ）として第２分離手段１３０ｂにより受け付ける。さらに制御部１３は、第１受音部１０ａにて受音し、第３増幅部１１ｃにて増幅したデジタル信号である音信号を第１低利得入力信号ｉｎ＿１＿Ｌ（ｔ）として第３分離手段１３０ｃにより受け付け、第２受音部１０ｂにて受音し、第３増幅部１１ｃにて増幅したデジタル信号である音信号を第２低利得入力信号ｉｎ＿２＿Ｍ（ｔ）として第３分離手段１３０ｃにより受け付ける。

第１分離手段１３０ａによる指向性受音処理では、第１高利得入力信号ｉｎ＿１＿Ｈ（ｔ）及び第２高利得入力信号ｉｎ＿２＿Ｈ（ｔ）に基づいて、目的方向から到来する音に基づく音信号、即ち話者が発声した音声に基づく高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）を抽出する。また第２分離手段１３０ｂによる指向性受音処理では、第１中利得入力信号ｉｎ＿１＿Ｍ（ｔ）及び第２中利得入力信号ｉｎ＿２＿Ｍ（ｔ）に基づいて、目的方向から到来する音声に基づく中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）を抽出する。さらに第３分離手段１３０ｃによる指向性受音処理では、第１低利得入力信号ｉｎ＿１＿Ｌ（ｔ）及び第２低利得入力信号ｉｎ＿２＿Ｌ（ｔ）に基づいて、目的方向から到来する音声に基づく低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）を抽出し、目的方向以外の方向から到来する音に基づく音信号、即ち背景雑音に基づく雑音信号ｎｏｉｓｅ（ｔ）を抽出する。

第１分離手段１３０ａ、第２分離手段１３０ｂ及び第３分離手段１３０ｃは、夫々高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）を選択手段１３４へ出力する。また第３分離手段１３０ｃは、低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）を推定手段１３１へ出力する。

推定手段１３１は、入力された低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）に基づいて推定した背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を示す情報を導出手段１３２へ出力する。

導出手段１３２は、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及び予め設定されているパワー目標値ｒｅｆに基づいて利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を求める。利得制御値ａｍｐ＿ｇａｉｎ（ｔ）は、実施の形態４にて説明した利得制御値ａｍｐ＿ｇａｉｎ（ｔ）の導出方法を用いて求められる。

さらに導出手段１３２は、利得制御値ａｍｐ＿ｇａｉｎ（ｔ）及び利得テーブル１３２ａに基づいて、高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）に対する高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）に対する中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）、及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）に対する低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）を導出する。

図１６は、本発明の実施の形態５に係る音処理装置１にて用いられる利得テーブル１３２ａの内容を示すグラフである。図１６は、横軸に利得制御値ａｍｐ＿ｇａｉｎ（ｔ）をとり、縦軸に係数として用いられる値をとって、その関係を示したグラフである。図１６において、実線が高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）を示し、破線が中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）を示し、そして一点鎖線が低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）を示している。図１６に示す利得テーブル１３２ａを用いることにより、利得制御値ａｍｐ＿ｇａｉｎ（ｔ）から、高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）、及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）が導出される。図１６に示す様に、高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）、及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）は、いずれも０以上１以下の値をとり、それらの和は、常に１となる。そして導出手段１３２は、導出した高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）、及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）を選択手段１３４へ出力する。

選択手段１３４は、下記の式（１０）を用いて、高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）、並びに高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）から、アプリケーション手段１３３へ出力する音声信号ｓｉｇｎａｌ（ｔ）を生成する。

ｓｉｇｎａｌ（ｔ）
＝ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）・ｓｉｇｎａｌ＿Ｈ（ｔ）
＋ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）・ｓｉｇｎａｌ＿Ｍ（ｔ）
＋ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）・ｓｉｇｎａｌ＿Ｌ（ｔ） …（１０）
但し、ｓｉｇｎａｌ（ｔ）：音声信号
ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）：高利得係数
ｓｉｇｎａｌ＿Ｈ（ｔ）：高利得音声信号
ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）：中利得係数
ｓｉｇｎａｌ＿Ｍ（ｔ）：中利得音声信号
ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）；低利得係数
ｓｉｇｎａｌ＿Ｌ（ｔ）：低利得音声信号

次に上述した構成の本発明の実施の形態５に係る音処理装置１の処理について説明する。図１７は、本発明の実施の形態５に係る音処理装置１の処理の一例を示すフローチャートである。音処理装置１は、第１受音部１０ａ及び第２受音部１０ｂにて受音した音に基づいて夫々音信号を生成し（Ｓ５０１）、生成した音信号を第１増幅部１１ａ，１１ａ、第２増幅部１１ｂ，１１ｂ及び第３増幅部１１ｃ，１１ｃへ出力する。

音処理装置１の第１増幅部１１ａ，１１ａ、第２増幅部１１ｂ，１１ｂ及び第３増幅部１１ｃ，１１ｃは、夫々固定された利得で各受音部１０，１０が生成した音信号を増幅し（Ｓ５０２）、増幅した音信号を夫々対応するＡ／Ｄ変換部１２，１２，…へ出力する。

音処理装置１のＡ／Ｄ変換部１２，１２，…は、Ａ／Ｄ変換処理を行い（Ｓ５０３）、第１高利得入力信号ｉｎ＿１＿Ｈ（ｔ）、第２高利得入力信号ｉｎ＿２＿Ｈ（ｔ）、第１中利得入力信号ｉｎ＿１＿Ｍ（ｔ）、第２中利得入力信号ｉｎ＿２＿Ｍ（ｔ）、第１低利得入力信号ｉｎ＿１＿Ｌ（ｔ）及び第２低利得入力信号ｉｎ＿２＿Ｌ（ｔ）を制御部１３へ出力する。

音処理装置１の制御部１３は、各分離手段１３０，１３０，…の処理により、高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）並びに雑音信号ｎｏｉｓｅ（ｔ）を分離する（Ｓ５０４）。

音処理装置１の制御部１３は、推定手段１３１の処理により、低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）及び雑音信号ｎｏｉｓｅ（ｔ）の相関に基づいて、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）を推定し（Ｓ５０５）、背景雑音のパワーｐｏｗ＿ｎｏｉｓｅ（ｎ）及びパワー目標値ｒｅｆに基づいて、原利得制御値ａｄｊ’（ｎ）を求め（Ｓ５０６）、求めた原利得制御値ａｄｊ’（ｎ）の時間変化を平滑化することにより、利得制御値ａｄｊ（ｔ）を求める（Ｓ５０７）。

さらに音処理装置１の制御部１３は、推定手段１３１の処理により、利得制御値ａｄｊ（ｔ）に基づいて利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を求め（Ｓ５０８）、利得制御値ａｍｐ＿ｇａｉｎ（ｔ）及び利得テーブル１３２ａに基づいて、高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）を導出し（Ｓ５０９）、導出した高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）を選択手段１３４へ出力する。

音処理装置１の制御部１３は、選択手段１３４の処理により、高利得音声信号ｓｉｇｎａｌ＿Ｈ（ｔ）、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）、並びに高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）及び低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）から音声信号ｓｉｇｎａｌ（ｔ）を生成する（Ｓ５１０）。ステップＳ５１０は、夫々の利得で増幅された各音信号の中から処理の対象とする一又は複数の音声信号を選択し、また複数の音声信号を選択した場合、係数に基づいてレベルを補間した音声信号を生成する処理である。即ちいずれかの係数が「１」である場合、その係数に係る音声信号を処理の対象とする一の音声信号ｓｉｇｎａｌ（ｔ）として生成する。例えば高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）が「１」、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）が「０」、そして低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）が「０」である場合、高利得音声信号ｓｉｇｎａｌ＿Ｈを処理の対象となるｓｉｇｎａｌ（ｔ）とする。また「０」より大きく「１」未満である係数が複数存在する場合、それらの係数に係る複数の音声信号から、係数にて示される割合で合成した音声信号ｓｉｇｎａｌ（ｔ）を生成する。例えば高利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｈ（ｔ）が「０」、中利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｍ（ｔ）が「０．４」、そして低利得係数ｓｅｌｅｃｔ＿ｇａｉｎ＿Ｌ（ｔ）が「０．６」である場合、中利得音声信号ｓｉｇｎａｌ＿Ｍ（ｔ）及び低利得音声信号ｓｉｇｎａｌ＿Ｌ（ｔ）を６：４の割合で加重平均した音声信号ｓｉｇｎａｌ（ｔ）が生成される。なお選択手段１３４にて音信号を選択するのではなく、増幅部１１，１１を選択し、選択された増幅部１１，１１のみを作動させることにより、音声信号ｓｉｇｎａｌ（ｔ）を生成する様にしても良い。ステップＳ５１０にて生成された音声信号ｓｉｇｎａｌ（ｔ）は、アプリケーション手段１３３へ出力され、アプリケーション手段１３３は、音声信号ｓｉｇｎａｌ（ｔ）に基づいて音声認識処理、通話処理等の処理を実行する。

実施の形態６．
実施の形態６は、実施の形態１において、アプリケーション手段にて利得を加味して処理を実行する形態である。実施の形態６に係るハードウェアの構成例は、実施の形態１と同様であるので、実施の形態１を参照するものとし、その説明を省略する。なお以降の説明において、実施の形態１と同様の構成要件については、実施の形態１と同様の符号を付して説明する。

図１８は、本発明の実施の形態６に係る音処理装置１の機能の一例を示す機能ブロック図である。本発明のコンピュータプログラム１００を実行した制御部１３は、分離手段１３０、推定手段１３１、導出手段１３２及びアプリケーション手段１３３等のプログラムモジュールを生成する。

次に実施の形態６に係る音処理装置１の信号処理について説明する。実施の形態１乃至５にて説明した様に、本発明の音処理装置１は、増幅部１１，１１の利得制御を行うため、アプリケーション手段１３３に入力される音声信号ｓｉｇｎａｌ（ｔ）の利得は動的に変化する。そこで実施の形態６に係る音処理装置１は、導出手段１３３が求めた利得制御値ａｍｐ＿ｇａｉｎ（ｔ）を増幅部１１，１１へ出力するとともに、利得制御値ａｄｊ（ｔ）の累計値ｔｏｔａｌ＿ａｄｊ（ｔ）をアプリケーション手段１３３へ出力する。利得制御値ａｍｐ＿ｇａｉｎ（ｔ）及び累計値ｔｏｔａｌ＿ａｄｊ（ｔ）は、実施の形態４にて説明した利得制御値ａｍｐ＿ｇａｉｎ（ｔ）及び累計値ｔｏｔａｌ＿ａｄｊ（ｔ）の導出方法を用いて求められる。

そしてアプリケーション手段１３３は、利得制御値ａｄｊ（ｔ）の累計値ｔｏｔａｌ＿ａｄｊ（ｔ）として示される利得を加味して音声信号ｓｉｇｎａｌ（ｔ）を補正し、補正した音声信号ｓｉｇｎａｌ（ｔ）に基づいて音声認識処理、通話処理等の処理を実行する。

実施の形態７．
実施の形態７は、実施の形態１を拡張した実施の形態６において、利得を加味して補正した音声信号をアプリケーション手段に入力させる形態である。実施の形態７に係るハードウェアの構成例は、実施の形態１と同様であるので、実施の形態１を参照するものとし、その説明を省略する。なお以降の説明において、実施の形態６と同様の構成要件については、実施の形態６と同様の符号を付して説明する。

図１９は、本発明の実施の形態７に係る音処理装置１の機能の一例を示す機能ブロック図である。本発明のコンピュータプログラム１００を実行した制御部１３は、分離手段１３０、推定手段１３１、導出手段１３２、アプリケーション手段１３３、音声信号ｓｉｇｎａｌ（ｔ）を補正する補正手段１３５等のプログラムモジュールを生成する。

次に実施の形態７に係る音処理装置１の信号処理について説明する。実施の形態７に係る音処理装置１では、分離手段１３０から補正手段１３５へ音声信号ｓｉｇｎａｌ（ｔ）を出力し、また導出手段１３２から利得制御値ａｄｊ（ｔ）の累計値ｔｏｔａｌ＿ａｄｊ（ｔ）を出力する。

補正手段１３５は、下記の式（１１）を用いて利得の補正値ｇａｉｎ＿ｃｏｒ（ｔ）を算出する。

ｇａｉｎ＿ｃｏｒ（ｔ）＝１０^{-total_adj(t)/10} …（１１）
但し、ｇａｉｎ＿ｃｏｒ（ｔ）：利得の補正値
ｔｏｔａｌ＿ａｄｊ（ｔ）：利得制御値ａｄｊ（ｔ）の累計値

さらに補正手段１３５は、下記の式（１２）を用いて音声信号ｓｉｇｎａｌ（ｔ）を補正した補正信号ｓｉｇｎａｌ＿ｃｏｒ（ｔ）を生成する。

ｓｉｇｎａｌ＿ｃｏｒ（ｔ）＝ｇａｉｎ＿ｃｏｒ（ｔ）・ｓｉｇｎａｌ＿ｃｏｒ（ｔ）
…（１２）
但し、ｓｉｇｎａｌ＿ｃｏｒ（ｔ）：補正信号

そして補正手段１３５は、補正信号ｓｉｇｎａｌ＿ｃｏｒ（ｔ）をアプリケーション手段１３３へ出力し、アプリケーション手段１３３は、補正信号ｓｉｇｎａｌ＿ｃｏｒ（ｔ）に基づいて音声認識処理、通話処理等の処理を実行する。

実施の形態８．
実施の形態８は、実施の形態１における音処理装置に相当するシステムを、複数台の装置を用いて実現する形態である。なお以降の説明において、実施の形態１と同様の構成については、実施の形態１と同様の符号を付し、その説明を省略する。

図２０は、本発明の実施の形態８に係る音処理システムのハードウェアの構成例を示すブロック図である。本発明の実施の形態８に係る音処理システムは、受音部１０，１０、増幅部１１，１１及びＡ／Ｄ変換部１２，１２を備える受音装置２と、ＤＳＰ等の利得制御装置３と、音声認識処理、通話処理等の処理を実行する処理装置４とを備えている。

図２１は、本発明の実施の形態８に係る音処理システムの機能の一例を示す機能ブロック図である。利得制御装置３は、分離手段１３０、推定手段１３１及び導出手段１３２として機能する。処理装置４は、音声認識処理、通話処理等の処理を実行するアプリケーション手段１３４として機能する。

実施の形態８に係る各装置の処理は、実施の形態１の対応する構成と同様であるので、その説明を省略する。

前記実施の形態１乃至８では、本発明の無限に存在する形態の一部を例示したに過ぎず、各種ハードウェア及びソフトフェア等の構成は、適宜設定することが可能であり、また例示した基本的な処理以外にも様々な処理を組み合わせることが可能である。そして前記実施の形態１乃至８は、夫々独立した形態ではなく、適宜組み合わせることが可能である。

本発明の実施の形態１に係る音処理装置のハードウェアの構成例を示すブロック図である。 本発明の実施の形態１に係る音処理装置の機能の一例を示す機能ブロック図である。 本発明の実施の形態１に係る音処理装置において、制御部が入力を受け付ける音信号を示すグラフである。 本発明の実施の形態１に係る音処理装置において、指向性受音処理により分離された音信号の時間変化を示すグラフである。 本発明の実施の形態１に係る音処理装置において、推定手段が推定した背景雑音のパワーの時間変化を示すグラフである。 本発明の実施の形態１に係る音処理装置において、背景雑音のパワー及びパワー目標値の時間変化を示すグラフである。 本発明の実施の形態１に係る音処理装置において、原利得制御値及び利得制御値の時間変化を示すグラフである。 本発明の実施の形態１に係る音処理装置の処理の一例を示すフローチャートである。 本発明の実施の形態２に係る音処理装置の処理の一例を示すフローチャートである。 本発明の実施の形態３に係る音処理装置において、原利得制御値及び利得制御値の時間変化を示すグラフである。 本発明の実施の形態３に係る音処理装置の処理の一例を示すフローチャートである。 本発明の実施の形態４に係る音処理装置の機能の一例を示す機能ブロック図である。 本発明の実施の形態４に係る音処理装置の処理の一例を示すフローチャートである。 本発明の実施の形態５に係る音処理装置のハードウェアの構成例を示すブロック図である。 本発明の実施の形態５に係る音処理装置の機能の一例を示す機能ブロック図である。 本発明の実施の形態５に係る音処理装置にて用いられる利得テーブルの内容を示すグラフである。 本発明の実施の形態５に係る音処理装置の処理の一例を示すフローチャートである。 本発明の実施の形態６に係る音処理装置の機能の一例を示す機能ブロック図である。 本発明の実施の形態７に係る音処理装置の機能の一例を示す機能ブロック図である。 本発明の実施の形態８に係る音処理システムのハードウェアの構成例を示すブロック図である。 本発明の実施の形態８に係る音処理システムの機能の一例を示す機能ブロック図である。 従来の音処理装置を示す機能ブロック図である。

符号の説明

１ 音処理装置
１０ 受音部
１０ａ 第１受音部
１０ｂ 第２受音部
１１ 増幅部
１１ａ 第１増幅部
１１ｂ 第２増幅部
１１ｃ 第３増幅部
１２ Ａ／Ｄ変換部
１３ 制御部
１３０ 分離手段
１３０ａ 第１分離手段
１３０ｂ 第２分離手段
１３０ｃ 第３分離手段
１３１ 推定手段
１３２ 導出手段
１３２ａ 利得テーブル
１３３ アプリケーション手段
１３４ 選択手段
１３５ 補正手段
２ 受音装置
３ 利得制御装置
４ 処理装置
１００ コンピュータプログラム

Claims (10)

1. 受音した音に基づいて音信号を生成する複数の受音部を備え、該複数の受音部が生成した音信号を増幅して処理する音処理装置において、
   設定された利得制御値に基づいて、各受音部が生成した音信号に対する利得を夫々制御する複数の増幅部と、
   複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、
   分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、
   推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記複数の増幅部へ出力する利得制御値を求める導出部と
   を備え、
   前記複数の増幅部は、前記導出部が求めた利得制御値に基づいて利得を制御する様にしてある
   ことを備えることを特徴とする音処理装置。
2. 前記導出部は、推定した背景雑音のパワー及びパワー目標値の差分を求め、求めた差分の時間変化を平滑化することにより利得制御値を求める様にしてあることを特徴とする請求項１に記載の音処理装置。
3. 前記導出部は、求めた差分及び以前に求めた利得制御値の大小関係に基づいて、平滑化の程度を示す時定数を決定する様にしてあり、差分の時間変化の平滑化は、決定された時定数に基づいて行う様にしてあることを特徴とする請求項２に記載の音処理装置。
4. 前記導出部は、推定した背景雑音のパワーがパワー目標値より大きい場合にのみ、又は推定した背景雑音のパワーがパワー目標値より小さい場合にのみ利得を変更する利得制御値を求める様にしてあることを特徴とする請求項１乃至請求項３のいずれかに記載の音処理装置。
5. 前記導出部は、利得の制御幅が予め設定されている前記増幅部の制御範囲内となる様に利得制御値を調整する様にしてあることを特徴とする請求項１乃至請求項４のいずれかに記載の音処理装置。
6. 受音した音に基づいて音信号を生成する複数の受音部を備え、該複数の受音部が生成した音信号を増幅して処理する音処理装置において、
   前記複数の受音部が夫々生成した音信号の夫々に対し、夫々異なる利得にて音信号を夫々増幅する複数の増幅部と、
   複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、
   分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、
   推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、受音部が生成した音信号に対する利得の目標値を求める導出部と、
   利得の目標値及び予め記憶されている各増幅部の利得に基づいて、どの増幅部からの音信号を処理の対象とするかを選択する選択部と
   を備えることを特徴とする音処理装置。
7. 雑音環境下で受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携し、前記増幅部の利得を制御する利得制御装置であって、
   複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する分離部と、
   分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する推定部と、
   推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記受音装置へ出力する利得制御値を求める導出部と
   を備えることを特徴とする利得制御装置。
8. 受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携可能なコンピュータに、前記増幅部の利得を制御させる利得制御方法であって、
   前記コンピュータに、
   複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離する手順と、
   分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定する手順と、
   推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記増幅部に設定する利得制御値を求める手順と
   を実行させることを特徴とする利得制御方法。
9. 受音した音に基づいて音信号を生成する複数の受音部、及び該複数の受音部が受音した音信号を、設定された利得制御値に基づいて増幅する増幅部を備える受音装置と連携可能なコンピュータに、前記増幅部の利得を制御させるコンピュータプログラムにおいて、
   前記コンピュータに、
   複数の受音部に係る夫々の音信号に基づいて、予め設定されている目的方向から到来する音に基づく音信号及び他の方向から到来する音に基づく音信号を分離させる手順と、
   分離した目的方向に係る音信号及び他の方向に係る音信号の相関に基づいて、音信号に含まれる背景雑音のパワーを推定させる手順と、
   推定した背景雑音のパワー及び予め設定されているパワー目標値に基づいて、前記増幅部に設定する利得制御値を求めさせる導出手順と
   を実行させることを特徴とするコンピュータプログラム。
10. 前記導出手順は、推定した背景雑音のパワー及びパワー目標値の差分を求め、求めた差分の時間変化を平滑化することにより利得制御値を求める様にしてあることを特徴とする請求項９に記載のコンピュータプログラム。

Images