JP5100234B2 - 音声処理装置およびエコー除去方法 - Google Patents

Description

本発明は、例えばハンドセットの代わりにスピーカーとマイクロホンを用いて通話を行うハンズフリー機能を有する音声通信装置に適用される音声処理装置およびエコー除去方法に係わり、特に、エコーキャンセラが受話信号を取得してから再生された音声がマイクロホンに収音されてエコーキャンセラに入力されるまでの経路においてゲインの変更が行われた場合でも、エコーキャンセラの性能の悪化を防ぐことができる音声処理装置およびエコー除去方法に関する。

ハンズフリーによる通話系においては、スピーカーから再生された音声がマイクロホンに収録されることによって音響エコーが生じる。この音響エコーを除去する技術をエコーキャンセラといい、従来より研究されている（例えば、特許文献１参照。）。

スピーカーとマイクを用いた音声通話においては、スピーカーから再生された音声がマイクから録音されて送話側に再送信される音響エコーが生じる。音響エコーを抑制する音響エコーキャンセラは、スピーカーから再生された音声がマイクに録音されるまでの室内伝達系の伝達関数を学習し、学習結果より予測したエコーを録音音声から減算することにより音響エコーを除去する。

一般的なエコーキャンセラにおいては、スピーカーやマイクなどの外部ゲインが操作された場合、スピーカー・マイク間の伝達関数が変化するため、再学習が必要になり一時的にエコー除去性能が落ちる。一般的なエコーキャンセラでは、エコーを予測するフィルタが室内伝達系に近づくように学習を行う。このとき、学習速度が速いフィルタはエコーの予測精度が悪く、学習速度が遅いフィルタは学習するまでの時間は長いが予測精度は良い。

さて特許文献１に記載されたエコーキャンセラは、特性変化に対して素早く追随できるフィルタ係数の学習更新装置なるものであり、フィルタ係数算定手段の時定数長さを、算定するパワー比と現パワー比との比較により設定するとある（「該算定手段で算定するパワー比が現パワー比を上回るときには該算定手段の時定数を短く設定し、下回るときには長い時定数を設定することを特徴とする」）。しかしながら、かかる設定がフィルタの学習速度と予測精度のトレードオフ解決の効果をもたらす技術の開示はなされていない。
特開平８−６５２１５公報

本発明の目的は、フィルタの学習速度と予測精度のトレードオフ解決の効果をもたらす音声処理装置およびエコー除去方法を提供することにある。

第１の発明は、上記目的を達成するため、受話信号に基づいて第１の予測エコー信号を生成する第１の適応フィルタと、前記受話信号に基づいて第２の予測エコー信号を生成する第２の適応フィルタと、前記受話信号が受話信号路から送話信号路に回り込むことにより発生するエコー信号を含む送話信号からの前記第１の予測エコー信号の減算と前記送話信号の第２の予測エコー信号の減算とに基づいて前記エコー信号を低減する加算器と、前記減算前の前記第１と第２の適応フィルタの係数の比の関係に基づいて前記第１、第２の適応フィルタの係数を更新する修正部とを有することを特徴とする音声処理装置を提供する。

本発明の音声処理装置およびエコー除去方法によれば、フィルタの学習速度と予測精度のトレードオフ解決の効果をもたらすことができる。

以下、本発明の実施例を説明する。

本発明による実施例１を図１乃至図６を参照して説明する。
図１は、本発明の実施の形態に係る音声処理装置を適用した音声通信装置を示す。この音声通信装置１０は、ＰＣ（パーソナルコンピュータ）にスピーカー１６Ａ，１６Ｂとマイクロホン１８を接続して構成したものであり、キーボード１２、送話ゲインツマミ１３等を有する下部筐体１１と、下部筐体１１に開閉可能に取り付けられ、ＬＣＤ（液晶ディスプレイ）１５等の表示部を有する上部筐体１４と、下部筐体１１に接続され、一方に受話ゲインツマミ１７を有する左右一対の上記スピーカー１６Ａ，１６Ｂ、上記マイクロホン１８およびマウス１９と、下部筐体１１内に設けられた後述するエコーキャンセラ３１とを備え、ハンドセットの代わりにスピーカー１６Ａ，１６Ｂとマイクロホン１８を使用してネットワーク２０を介して通話を行う、いわゆるハンズフリー通話機能を有する。

図２は、音声通信装置１０の音声処理系を示す。この音声通信装置１０は、入力端子２１Ａからスピーカー１６Ａ，１６Ｂに至る受話信号路２２Ａと、マイクロホン１８から出力端子２１Ｂに至る送話信号路２２Ｂと、受話信号路２２Ａ上に設けられ、受話信号ｘ（ｋ）のゲインを受話ゲインツマミ１７の調整量に基づいて調節してスピーカー１６Ａ，１６Ｂに出力する受話ゲイン調節部２３Ａと、送話信号路２２Ｂ上に設けられ、マイクロホン１８から入力した送話入力信号ｓ（ｋ）のゲインを送話ゲインツマミ１３の調整量に基づいて調節する送話ゲイン調節部２３Ｂと、マイクロホン１８に混入したスピーカー１６Ａ，１６Ｂからの音響エコー成分をキャンセルした送話出力信号を出力端子２１Ｂから出力するエコーキャンセラ３１とを備える。

図４は、エコーキャンセラ３１の内部構成を示す。エコーキャンセラ３１は、受話信号が受話信号路２２Ａから送話信号路２２Ｂに回り込むことにより発生するエコーを予測して除去する。

まず、遅延算出部321において、再生信号x(k)と録音信号y(k)を比較し、再生信号と録音信号との間の遅延を求める。次に、遅延除去部322において再生信号x(k)から遅延を除去し、DFT部323においてフーリエ変換を行い、遅延除去後の信号の周波数成分Xkを求める。また、録音信号y(k)に対しても、DFT部324においてフーリエ変換を行い周波数成分Ykを求める。適応フィルタ310、312では、Xkに対してフィルタ係数Hk、H’kを掛け合わせることににより、予測エコー信号を求め、これを録音信号の周波数成分Ykから各加算器311、313において減算することにより、残留エコーEk、E’kを求める。フィルタ係数Hk、H’kは、残留エコーEk、E’kが0に近づくように更新される。適応フィルタ310の残留エコーをIDFT部325において逆フーリエ変換し、エコーキャンセル後の出力信号e(k)を求める。

さらに、エコーキャンセラ31は、適応フィルタ310、312のフィルタ係数Hk、H’kを比較することにより、送話ゲインツマミ１３あるいは受話ゲインツマミ１７によるゲインが調節された場合等に、適応フィルタ310の係数を修正する適応フィルタ制御部32を備える。

エコーキャンセラ３１の詳細を説明する前に、本実施例による改良が適用可能なエコーキャンセラの動作を一般的に解説する。
図３が一般的なエコーキャンセラのブロック図である。
時刻k における再生信号をx(k) 、録音信号をy(k) 、録音信号からエコーを除去した出力をe(k) とおく。
まず、遅延算出部314において、再生信号x(k)と録音信号y(k)を比較し、再生信号と録音信号との間の遅延を求める。
遅延算出部では、単位時間N 毎に時刻kN におけるマイク入力と参照信号の相互相関C_kN(l) を以下の式で求める。

C_kN(l) を最大とするl を遅延d(kN) とする。
なお、遅延が変化しないシステムや、遅延がほとんど生じないシステムにおいては、d(kN)を定数とすることもできる。
次に、遅延除去部315において再生信号x(k)から遅延を除去した信号x_kを求め、x_kに対してDFT部316においてフーリエ変換を行い、遅延除去後の信号の周波数成分X_kを求める。

時刻k において、遅延除去後の信号はx_k=[x(k-d(k)), x(k-d(k)-1), …, x(k-d(k)-2L+1)] となる。x_kを離散フーリエ変換し、x_k の周波数成分

X_k=[ X_k (0), X_k (1), …, X_k (L-1)]

を求める。
X_k(l)は信号x_k のl 番目の周波数帯を表す複素数である。
また、録音信号y(k)に対しても、DFT部317において
y_k=[y(k), y(k-1), …, y(k-2L+1)]
を離散フーリエ変換し、 y_kの周波数成分
Y_k=[ Y_k (0), Y_k (1), …, Y_k (L-1)]

を求める。
適応フィルタ310では、エコーキャンセル後の音声データの周波数成分
E_k=[ E_k(0), E_k(1), …, E_k(L-1)]を、

適応フィルタH_k=[ H_k(0), H_k(1), …, H_k(L-1)] とX_k, Y_kを用いて

E_k(l)= Y_k(l) - H_k(l) X_k(l) (１)

として求める。
H_k (l)は周波数帯l のフィルタ係数で、参照信号とエコーの振幅比、位相差を表す複素数である。
なお、複素数H_k (l) の絶対値、位相をそれぞれ| H_k (l)| 、∠H_k (l) と表記する。| H_k (l)|は周波数帯l のゲイン、∠H_k (l) は位相差を表す。

IDFT部318においては、E_k に対して逆フーリエ変換を行い出力信号を求める。
E_kを逆フーリエ変換したものを
e_k=[ e_k (0), e_k (1), …, e_k (2L-1)]
とすると出力信号は以下の式で求まる。
e(k-l)=e_k(l) (0≦l＜L)
また、適応フィルタ310において、フィルタH_k を以下の式で更新する。

（２）
ここで、αは０＜α＜１ を満たす学習係数であり、1に近いほど学習速度が速いが、エコー予測精度が悪くなり、0に近いと学習速度は遅いが学習後のエコー予測精度がよくなる。

次に、本実施の形態の構成、動作を、ブロック図４、５を用いて説明する。
本実施例では、上記適応フィルタ３１０に加えて、学習速度の速いフィルタ３１２を用いて学習を行う。
適応フィルタ３１２の係数はH’_k (H’_k= [ H’_k (0), H’_k (1), …, H’_k (L-1)] )で表す。

また、２つのフィルタの係数をフィルタ制御部３２において制御する。
適応フィルタ３１２においては、係数H’_k を用いて、式（１）と同様に、以下の式でエコーキャンセル後の音声データの周波数成分E’_k=[ E’_k (0), E’_k (1), …, E’_k (L-1)] を求める。

E '_k(l)= Y_k (l) - H '_k (l) X_k (l) （３）

E’_kは出力信号を求めるためには用いず、 H’_kの学習にのみ用いる。H’_k は以下の式で更新される。

ここで、α’ はα＜α'＜１ を満たす。
α＜α'であるため、H’_k はH_k よりも高速で学習は速いが、エコー予測精度は落ちる。
式（２），（４）でフィルタH_k 、H’_k を更新した後、適応フィルタ制御部３２において2つのフィルタを比較することによりゲイン変更の検出を行う。

スピーカー、マイクなどの外部ゲインが変更された場合、変更前の十分に学習されたフィルタをH_b=[ H_bk (0), H_bk (1), …, H_bk (L-1)] 、変更後の十分に学習されたフィルタをH_a=[ H_ak (0), H_ak (1), …, H_ak (L-1)] とおくと、外部ゲイン変更の前後で各周波数帯の絶対値のみが一定の比率で変化するため、

| H_ak (l)|= a| H_bk (l)| ( aはゲイン変更量に応じた定数) （５）

∠H_bk (l)= ∠H_ak (l) （６）
となる。
H’_k はH_k に比べて学習速度が速いため、外部ゲイン変更直後はH_k はH_b に近いままであり、H’_k はH_a に近づく。そのため、H_k とH’_k の関係は、式５，６のH_b とH_a の関係に近いものとなる。

したがって、H_k とH’_k が式（５），（６）に近い関係を満たすときにH’_k の係数をH_k に代入することにより、ゲインの変化に高速に適応することができる。H’_k は学習速度が速いため予測精度は劣るが、H’_k をH_k に代入した後H_k を学習させることにより、精度を高めることができる。

適応フィルタ制御部３２の動作を、適応フィルタ制御部のブロック図である図５を用いて説明する。
まず、H’_k とH_k の比D_k =[ D_k (0), D_k (1), …, D_k (L-1)] を以下の式で求める。

式５，６が満たされる場合は、| D_k (l)|=a 、∠D_k (l)=0 、 となる。
平均値演算部32Aにおいて、D_k (l) の平均D_mを以下の式で求める。

平均値算出後、第一の判断部32Cにおいて、平均値Dmが以下の条件を満たすかどうかを判断する。
−θmin＜∠D_m＜θmin （7）
|D_m|＜Mmin、Mmax＜|D_m| （8）
θmin は位相の0からのずれの許容範囲を表す定数であり、０＜θmin である。
Mmin 、Mmax はH’_k の代入を行うためのゲイン変化の最小値を表す定数であり、０＜Mmin＜１ 、１＜Mmax を満たす。H_k とH’_k が共に十分学習されたときは式(７)および下に示す式(9)は満たされるが|D_m|=1となるので、式(8)により外部ゲインが変更されていることを確認する。

第一の判断部32Cの条件を満たす場合、分散演算部32Bで分散V_Dk を以下の式で求める。

分散算出後、第二の判断部32Dにおいて分散が以下の条件を満たすことを判断する。
V_Dk＜Vmin （9）
Vmin はD_k (l) の分散の許容範囲を表す定数であり、０＜Vmin である。式８により、H’_k の変化が誤った学習によるものでなく、外部ゲインの変化によるものであることを確認する。

第二の判断部の条件を満たすとき、外部ゲインが変化したとみなす。このとき、係数修正部325においてH_kにH’_k を代入することによりH_kをゲイン変化後の状態に近づける。

図６は、ゲイン調節後の音声処理装置の動作を示すフローチャートである。
平均値演算部３２Aは、H_k とH’_kとから、比D_k (l)の平均値D_mを求める（Ｓ１）。

分散演算部３２Bは、D_k (l)、および平均値演算部３２Aからの平均値D_mに基づいて、分散V_Dkを求める（Ｓ１）。

第１の判断部３２Cは、−θmin＜∠D_m＜θminであることと|D_m|＜Mmin、Mmax＜|D_m|であることとを確認する（Ｓ２）。

上記確認がされた場合は、第２の判断部３２Dは、分散演算部３２Bからの演算結果に基づいてV_Dk＜Vminであるか否かを判断する（Ｓ３）。

V_Dk＜Vminである場合は、係数修正部３２Eは、ゲインが変更されたと判断して適応フィルタ３１２の係数を適応フィルタ３１０のものとするように修正する（Ｓ４）。

学習速度の速いフィルタの係数は、ゲイン変更がない場合は学習速度の遅いフィルタとほぼ同じとなる。室内伝達系の伝達関数は、音声の遅延と、周波数帯ごとのゲイン・位相差を含むが、外部ゲインが変更された場合は、遅延と位相差は変化せず、ゲインのみ増減する。このとき、学習速度の速いフィルタは伝達関数の変化に素早く適応するため、学習速度の遅いフィルタと比べてゲインのみ増減した状態となる。

学習速度の速いフィルタが学習速度の遅いフィルタと比べてゲインのみ増減しているとき、スピーカーかマイクのゲインが変更されたとみなし、学習速度の遅いフィルタの係数を学習速度の速いフィルタにコピーすることにより、スピーカー・マイクのゲイン変更に高速で対応することができるようになる。

本実施例による改良は、上記に示される方式のエコーキャンセラだけでなく、周波数領域の振幅比と位相差を複素数で表現したフィルタによりエコー予測を行う他の方式のエコーキャンセラにも適用可能である。

本発明により、スピーカー・マイクなどの外部ゲインの変更に対して高速に追随し、外部ゲイン変更時にもエコー除去性能の低下の少ないエコーキャンセラを実現することができる。

一般に学習速度の速いフィルタを用いるとエコー予測性能が低下するが、本発明では通常は学習速度の遅いフィルタを用いるため性能の低下はない。
［他の実施の形態］
なお、本発明は、上記各実施の形態に限定されず、その要旨を変更しない範囲内で種々な変形が可能である。受話ゲイン調節部と送話ゲイン調節部のいずれか一方を設けた構成でもよい。

本発明の実施の形態に係る音声処理装置を適用した音声通信装置の外観斜視図である。 本発明の実施の形態に係る音声通信装置の音声処理系を示す図である。 一般的なエコーキャンセラを示す図である。 本発明の実施の形態に係る音声処理系のエコーキャンセラ３１を示す図である。 本発明の実施の形態に係る適応フィルタ制御部のブロック図である。 本発明の実施の形態に係る音声処理装置の動作を示すフローチャートである。

符号の説明

１０ 音声通信装置
１１ 下部筐体
１２ キーボード
１３ 送話ゲインツマミ
１４ 上部筐体
１６，１６Ａ，１６Ｂ スピーカー
１７ 受話ゲインツマミ
１８ マイクロホン
１９ マウス
２０ ネットワーク
２１Ａ 入力端子
２１Ｂ 出力端子
２２Ａ 受話信号路
２２Ｂ 送話信号路
２３Ａ 受話ゲイン調節部
２３Ｂ 送話ゲイン調節部
３１ エコーキャンセラ
３２ 適応フィルタ制御部
３２Ａ 平均値演算部
３２Ｂ 分散演算部
３２Ｃ 第１の判断部
３２Ｄ 第２の判断部
３２Ｅ 係数修正部
３１０ 適応フィルタ
３１１ 加算器
３１２ 適応フィルタ
３１３ 加算器

Claims (4)

1. 受話信号に基づいて第１の予測エコー信号を生成する第１の適応フィルタと、
   前記受話信号に基づいて第２の予測エコー信号を生成する第２の適応フィルタと、
   前記受話信号が受話信号路から送話信号路に回り込むことにより発生するエコー信号を含む送話信号からの前記第１の予測エコー信号の減算と前記送話信号の第２の予測エコー信号の減算とに基づいて前記エコー信号を低減する加算器と、
   前記減算前の前記第１と第２の適応フィルタの係数の比の関係に基づいて前記第１、第２の適応フィルタの係数を更新する修正部とを有する音声処理装置。
2. 前記修正部は、前記減算前の前記第１と第２の適応フィルタの係数の比の平均と分散が所定の関係を満たすとき、前記第１の適応フィルタより高速に学習する前記第２の適応フィルタの係数に基づいて前記第１の適応フィルタの係数を修正することを特徴とする請求項１に記載の音声処理装置。
3. 受話信号に基づいて、第１の適応フィルタが第１の予測エコー信号を、第２の適応フィルタが第２の予測エコー信号を、それぞれ生成し、
   加算器が、前記受話信号が受話信号路から送話信号路に回り込むことにより発生するエコー信号を含む送話信号からの前記第１の予測エコー信号の減算と前記送話信号の第２の予測エコー信号の減算とに基づいて前記エコー信号を低減し、
   修正部が、前記減算前の前記第１と第２の適応フィルタの係数の比の関係に基づいて前記第１、第２の適応フィルタの係数を更新するエコー除去方法。
4. 前記修正部が、前記減算前の前記第１と第２の適応フィルタの係数の比の平均と分散が所定の関係を満たすとき、前記第１の適応フィルタより高速に学習する前記第２の適応フィルタの係数に基づいて前記第１の適応フィルタの係数を修正する請求項３に記載のエコー除去方法。

Images