JP5235226B2 - エコー消去装置及びそのプログラム - Google Patents

Description

本発明は、収音信号に含まれる反響信号を用いて再生信号の遅延量を推定し、反響信号を消去する技術に関する。

ハンズフリーによる双方向通話を行う際に、エコー消去装置が通常用いられる。エコー消去装置では、スピーカへ出力する再生信号を参照信号として用い、部屋の反響特性を模擬したフィルタリングを行い、疑似反響信号を生成し、疑似反響信号をマイクロホンの収音信号から差し引くことでエコーを消去する。

フィルタリングを行う際に用いる適応フィルタの更新アルゴリズムの一つとしてNormalized Least Mean Square（ＮＬＭＳ）アルゴリズムが知られている（非特許文献１参照）。このアルゴリズムはエコー消去装置においても最も頻繁に使われるものの一つである。

Simon Haykin, "Adaptive Filter Theory", Prentice Hall Internation al Inc, 1996, third edition, p.432-437.

通常は、このＮＬＭＳアルゴリズムによってエコー消去が可能である。しかし、スピーカの再生信号からマイクロホンの収音信号までの遅延が長大である場合、反響信号の到達時間が適応フィルタのタップ長よりも長くなり、適応フィルタは反響路を模擬できず、エコー消去量が大幅に低下することがある。また、長大な遅延に対応するために適応フィルタのタップ長を長大に設定する方法も考えられるが、その場合、適応フィルタにおける演算量が非常に大きくなってしまう。

遅延が長大となる例として、家庭用ディジタルＴＶを用いてＴＶ会議システムを構築する場合等がある。家庭用ディジタルＴＶにおいて、入力された映像と音声の同期を取る必要があるため、映像の表示にかかる時間だけ音声の出力が遅くなることがある。こういった機器にエコー消去装置を接続してハンズフリー通話を行う場合、スピーカの再生信号からマイクロホンの収音信号に含まれる反響信号の間の遅延がかなり大きなものになる。

そのため、部屋の残響に対応するための短いサイズのメモリしか持たない一般のエコー消去装置では、エコーを全く消去することができない、または、エコーの消去量が不十分となる。また、メモリサイズを大きくすればエコーを消去することが可能にはなるが、非常に長いフィルタの計算をしなければならず、演算量が非常に多くかかりフィルタの推定速度も著しく低下する。加えて、製品毎に遅延量は様々なため、予め固定値を指定しておくことができない。

本発明は、反響信号を用いて再生信号の遅延量を推定し、反響信号を消去する技術を提供することを目的とする。

上記の課題を解決するために、本発明の第一の態様によれば、時間領域のディジタル再生信号のある離散時刻ｔから始まる連続するｒ個（但し、ｒは複数）のサンプルによる列をフレーム再生信号として求め、時間領域のディジタル収音信号の離散時刻ｔを含む互いに異なる複数の時刻それぞれから始まる連続するｒ個のサンプルによる列それぞれをフレーム収音信号として求め、フレーム再生信号を周波数領域信号に変換して周波数領域再生信号として求め、複数のフレーム収音信号それぞれを周波数領域信号に変換して複数の周波数領域収音信号として求め、周波数領域再生信号と複数の周波数領域収音信号それぞれとの類似性の指標を算出し、算出した類似性の指標が周波数領域再生信号と周波数領域収音信号との類似性が最も高くなることを示す、周波数領域再生信号と周波数領域収音信号が対応する時刻の差を遅延値として求め、遅延値に基づき再生信号を遅延させ、遅延された再生信号を用いて、収音信号から反響信号を消去する。

上記の課題を解決するために、本発明の第一の態様によれば、時間領域のディジタル収音信号のある離散時刻ｔから始まる連続するｒ個（但し、ｒは複数）のサンプルによる列をフレーム収音信号として求め、時間領域のディジタル再生信号の離散時刻ｔを含む互いに異なる複数の時刻それぞれから始まる連続するｒ個のサンプルによる列それぞれをフレーム再生信号として求め、フレーム収音信号を周波数領域信号に変換して周波数領域収音信号として求め、複数のフレーム再生信号それぞれを周波数領域信号に変換して複数の周波数領域再生信号として求め、周波数領域収音信号と複数の周波数領域再生信号それぞれとの類似性の指標を算出し、算出した類似性の指標が周波数領域収音信号と周波数領域再生信号との類似性が最も高くなることを示す、周波数領域収音信号と周波数領域再生信号が対応する時刻の差を遅延値として求め、遅延値に基づき再生信号を遅延させ、遅延された再生信号を用いて、再生信号から反響信号を消去する。

上記の課題を解決するために、本発明の第三の態様によれば、時間領域のディジタル再生信号のある離散時刻ｔから始まる連続するｒ個（ｒは複数）のサンプルによる列をフレーム再生信号として求め、時間領域のディジタル収音信号の離散時刻ｔを含む互いに異なる複数の時刻それぞれから始まる連続するｒ個のサンプルによる列それぞれをフレーム収音信号として求め、フレーム再生信号と複数のフレーム収音信号それぞれとの類似性の指標を算出し、算出した類似性の指標がフレーム再生信号とフレーム収音信号との類似性が最も高くなることを示す、フレーム再生信号とフレーム収音信号が対応する時刻の差を遅延値として求め、遅延値に基づき再生信号を遅延させ、遅延された再生信号を用いて、収音信号から反響信号を消去する。

上記の課題を解決するために、本発明の第四の態様によれば、収音信号に含まれる反響信号を用いて再生信号の遅延量を推定する。時間領域の再生信号と時間領域の収音信号との相関値を、収音信号のフレーム番号とサンプル番号を変化させながら各フレームの各サンプルに対して求め、相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出し遅延値に基づき再生信号を遅延させ、遅延された再生信号を用いて、収音信号から反響信号を消去する。

上記の課題を解決するために、本発明の第五の態様によれば、収音信号に含まれる反響信号を用いて再生信号の遅延量を推定する。周波数領域の再生信号と周波数領域の収音信号とを用いて、収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求め、相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出し遅延値に基づき再生信号を遅延させ、遅延された再生信号を用いて、収音信号から反響信号を消去する。

本発明は、反響信号を用いて再生信号の遅延量を推定することができ、メモリサイズ及び演算量の増加させることなく、反響信号を消去できるという効果を奏する。

第一、二、六、七、八、十実施形態の遅延推定装置の機能ブロック図。 第一、二、六、七、八、十実施形態の遅延推定装置の処理フロー図。 第一、二、六実施形態の遅延推定部の機能ブロック図。 第一、二実施形態の遅延推定部の処理フロー図。 相関値算出部１１５の処理フロー図。 相関値算出部の処理内容を説明するための図。 相関値が最大となるときの収音信号のフレーム番号とサンプル番号を求める方法を説明するための図。 信号蓄積部１８０の機能ブロック図。 信号蓄積部１８０の処理フロー図。 エコー消去部９０の機能ブロック図。 相関値算出部２１５の処理フロー図。 相関値算出部２１５の合算処理、エリア相関値算出処理の処理フロー図。 第三、九実施形態の遅延推定装置の機能ブロック図。 第三、九実施形態の遅延推定装置の処理フロー図。 第三、九実施形態の遅延推定部の機能ブロック図。 遅延推定部３１０の処理フロー図。 エコー消去部９４の機能ブロック図。 第四、五実施形態の遅延推定装置の機能ブロック図。 第四、五実施形態の遅延推定装置の処理フロー図。 信号蓄積部４８０の機能ブロック図。 第四、五実施形態の遅延推定装置の機能ブロック図。 第四実施形態の遅延推定装置の機能ブロック図。 相関値算出部４１５の処理フロー図。 相関値算出部４１５において相関値を求める方法を説明するための図。 相関値算出部５１５の処理フロー図。 相関値算出部４１５において相関値を求める方法を説明するための図。 遅延推定部６１０の処理フロー図。 遅延推定部７１０の機能ブロック図。 遅延推定部７１０の処理フロー図。 遅延推定部８１０の機能ブロック図。 第八、十実施形態の遅延推定装置の処理フロー図。 第九実施形態の遅延推定装置の処理フロー図。 第十実施形態においてγ＝１．０のシミュレーション結果を示す図。 図３３の各時刻で最大である相関から現在の遅延値を計算した図。 第十実施形態においてγ＝５．０のシミュレーション結果を示す図。 図３５の各時刻で最大である相関から現在の遅延値を計算した図。

以下、本発明の実施形態について、説明する。

＜第一実施形態に係る遅延推定装置１００＞
第一実施形態に係るエコー消去装置は、遅延推定装置１００とエコー消去部９０とを含む。エコー消去部９０は従来技術を用いてエコーを消去すればよいので、主に、図１及び図２を用いて第一実施形態に係る遅延推定装置１００を説明する。遅延推定装置１００は遅延推定部１１０と信号蓄積部１８０とを含む。

遅延推定部１１０は、時間領域のディジタル収音信号（以下、単に「収音信号」という）ｙ（ｎ）と時間領域のディジタル再生信号（以下、単に「再生信号」または「受話信号」という）ｘ（ｎ）とを受け取り、収音信号ｙ（ｎ）に含まれる反響信号を用いて再生信号ｘ（ｎ）の遅延量を推定する（ｓ１１０）。ここで、ｎはディジタル信号のサンプル番号を表し、例えばサンプリング周波数が４８０００Ｈｚの信号の場合、ｎは４８０００分の１秒ごとに１増える値である。

信号蓄積部１８０は、推定された遅延量（以下「遅延推定値」ｄ_ｅｓｔに応じて、再生信号ｘ（ｎ）を遅延させて、出力する（ｓ１８０）。

エコー消去部９０は、遅延された再生信号を用いて、収音信号ｙ（ｎ）から反響信号を消去し（ｓ９０）、送話信号ｅ（ｎ）を送話端４に出力する。

ここで、収音信号ｙ（ｎ）はマイクロホン３により収音されるディジタル信号であり、再生信号ｘ（ｎ）はスピーカ２２で再生されるディジタル信号である。ｎはサンプル番号またはそのサンプルに対応する時刻を示す。

同一空間内にスピーカ２２とマイクロホン３とが存在する場合、スピーカ２２とマイクロホン３との間には音響的な伝達経路である反響路ｈ（ｎ）が生じる。再生音がこの反響路ｈ（ｎ）を介してマイクロホン３により収音される。マイクロホン３で収音される音の内、スピーカ２２の再生音に起因する音を反響音といい、反響音に起因する信号を反響信号という。よって、収音信号には反響信号が含まれる。遅延推定装置１００は、この反響信号を利用して遅延量を推定する。

遅延推定装置１００は、受話端１を介して、再生信号ｘ（ｎ）を受信する。なお、再生装置２も再生信号ｘ（ｎ）を受信する。再生装置２は、例えば、家庭用ディジタルＴＶであり、図示しない映像データも受信する。遅延部２１において、再生信号と映像データとの同期を取る。その際、映像データの表示にかかる時間だけ再生信号の出力を遅くする。スピーカ２２は、同期後の再生信号を受信し、再生する。再生音は、反響路ｈ（ｔ）を介してマイクロホン３により収音される。マイクロホン３は収音信号ｙ（ｎ）を遅延推定装置１００及びエコー消去部９０に出力する。なお、同期後の映像データは図示しない表示部に表示される。

以下、各部の詳細を説明する。

＜遅延推定部１１０＞
図３及び図４を用いて遅延推定部１１０を説明する。遅延推定部１１０は、フレーム化部１１１と、ベクトル化部１１２と、無音区間判定部１１３と、相関値算出部１１５と、遅延値算出部１１７と、遅延出力部１１９とを含む。

（フレーム化部１１１）
フレーム化部１１１は、時間領域のディジタル再生信号ｘ（ｎ）を受け取り、ある離散時刻ｔから始まる連続するｒ個（ｒは複数）のサンプルによる列をフレーム化し（ｓ１１１）、フレーム単位の再生信号ｘ_ｍをベクトル化部１１２に出力する。以下ではｒ＝２Ｌ（Ｌは正の整数）として説明する。なお、ｍはフレーム番号及びそのフレーム番号に対応する時刻（以下「フレーム時刻」という）を表す。

同様に、フレーム化部１１１は、時間領域のディジタル収音信号ｙ（ｎ）を受け取り、前記離散時刻ｔを含む互いに異なる複数の時刻それぞれから始まる連続するｒ個のサンプルによる列をフレーム化し、フレーム単位の収音信号ｙ_ｍを無音区間判定部１１３に出力する。以下では、Ｌ個のサンプルに相当する時刻ずつずらした複数の時刻それぞれから始まる連続する２Ｌ個のサンプルによる列をフレーム化するものとして説明する。例えば以下のようにフレーム化する。
x_m=[x(mL-2L+1),x(mL-2L+2),…,x(mL)]^T
y_m=[y(mL-2L+1),y(mL-2L+2),…,y(mL)]^T
なお、・^Ｔは行列・の転置行列を表す。

（ベクトル化部１１２）
ベクトル化部１１２は、フレーム単位の再生信号ｘ_ｍを受け取り、再生信号ｘ_ｍの前半Ｌ個を切り出して、ベクトル
x'_m ^T=[x(mL-2L+1),x(mL-2L+2),…,x(mL-L)]
を生成し（ｓ１１２）、無音区間判定部１１３と相関値算出部１１５に出力する。

（無音区間判定部１１３）
無音区間判定部１１３は、再生信号ｘ_ｍを用いて、再生信号ｘ_ｍが無音区間か否かを判定する（ｓ１１３ａ）。例えば、無音区間判定部１１３は、再生信号ｘ_ｍから得られるベクトルｘ’_ｍを受け取り、ベクトルｘ’_ｍのパワー||ｘ’_ｍ||^２を算出し、閾値Ｔ_ｘ以上か否かを判定する。なお、||・||は・のＬ２ノルムを表す。閾値Ｔ_ｘ以上の場合には、無音区間ではないと判定し、閾値Ｔ_ｘ未満の場合には、無音区間であると判定する。無音区間判定部１１３は、パワー||ｘ’_ｍ||^２が閾値Ｔ_ｘ以上の場合、そのときのｍをｍ_０として相関値算出部１１５に出力する（ｓ１１３ｂ）。閾値Ｔ_ｘは再生信号に含まれるノイズの影響を小さくするために用いる。無音か小さな声では閾値Ｔ_ｘを下回り、通常の音量の音声で閾値Ｔ_ｘを超えるように閾値Ｔ_ｘを設定する。

なお、閾値Ｔ_ｘ未満の場合には、次の再生信号ｘ（ｎ）と収音信号ｙ（ｎ）を受け取り、フレーム化処理（ｓ１１１）、ベクトル化処理（ｓ１１２）、無音区間判定処理（ｓ１１３ａ）を繰り返す。

受け取った全ての再生信号ｘ（ｎ）と収音信号ｙ（ｎ）に対して、相関値算出部１１５以降の処理を行ってもよいが、通常反響音はある程度大きな再生音の場合に生じるので、そのような場合にのみ遅延量を推定すれば十分効果を得ることができる。よって、このように無音区間判定部１１３において、無音区間でないと判定されたフレームに対してのみ、以降の処理を行うことで、演算量を減らすことができる。

（相関値算出部１１５）
相関値算出部１１５は、再生信号ｘ’_ｍ ^Ｔと収音信号ｙ_ｍとを受け取り、その相関値ｃ_ｆ（ｎ）を、収音信号ｙ_ｍのフレーム番号とサンプル番号を変化させながら、各フレームｍの各サンプルｎに対して算出する（ｓ１１５）。

図５を用いて相関値算出部１１５の処理内容をより詳細に説明する。例えば、相関値算出部１１５は、無音区間ではないと判定したフレーム番号ｍ_０を受け取り、以下のベクトル

を定義する（ｓ１１５ａ）。ここで０_ｎはｎ個の０が並んだベクトルを表す。さらに、以下の式により、フレームｍのｎ番目のサンプルの相関値ｃ_ｆ（ｎ）を算出する（ｓ１１５ｃ）。

但し、Ｄ_Ｆを想定する最大遅延をフレーム数で表したものとし、ｍ_０≦ｍ≦ｍ_０＋Ｄ_Ｆ−１とし、ｆ＝ｍ−ｍ_０とする（ｓ１１５ｂ）。よって、０≦ｆ≦Ｄ_Ｆ−１である。なお、ｘ＾_ｍ（ｉ）、ｙ＾_ｍ（ｉ）はそれぞれベクトルｘ＾_ｍ、ｙ＾_ｍのｉ番目の要素を表し、記号＾は直前の文字の頭上に附されるものとする。図６に示すように、式（３）において、ｎの値を０からＬ−１に変化させ（ｓ１１５ｂ、ｓ１１５ｄ，ｓ１１５ｅ）、ベクトルｘ＾_ｍ＝［ｘ’_ｍ０ ^Ｔ］（但し、下付き文字ｍ０はｍ_０を表す）と収音信号ｙ＾_ｍ＝［ｙ_ｍ（１＋ｎ），…，ｙ_ｍ（Ｌ＋ｎ）］の相関値を算出する（ｓ１１５ｃ）。さらにフレーム番号ｍを、ｍ_０からｍ_０＋Ｄ_Ｆ−１まで変化させ（図４のｓ１１３ｂ、図５のｓ１１５ｆ、ｓ１１５ｇ）、各フレームｍの各サンプルｎ毎の相関値ｃ_ｆ（ｎ）を算出する。言い換えると、フレーム時刻が１フレーム進む毎に、つまりｍが１増えるごとに、ｘ＾_ｍは一定の値（式（１）及び図６参照、ｘ＾_ｍはｍ_０のときの値から変化しない）を保持するのに対し、ｙ＾_ｍは値が変化するため（式（２）及び図６参照、ｙ＾_ｍはフレーム時刻ｍに応じて変化し、さらにサンプル番号ｎも変化する）、その時間差の異なる信号との相関を順に取っていく。想定する最大遅延をＤ_ｓサンプル（例えば、サンプリング周波数を１６ｋＨｚとし、最大遅延を２００ｍｓと想定したとき、Ｄ_ｓ＝３２００である）としたとき、（ｍ−ｍ_０）Ｌ＞Ｄ_ｓとなるｍ＝ｍ_１＝ｍ_０＋Ｄ_Ｆ-１までｃ_ｆを計算する（つまり、ｍ_０≦ｍ≦ｍ_１＝ｍ_０＋Ｄ_Ｆ-１）。

相関値算出部１１５は、式（３）を用いて、Ｄ_Ｆ×Ｌ個の相関値ｃ_ｆ（ｎ）を算出し、算出した相関値の中で最大の相関値となるときのフレーム番号をｆ_ｍａｘとし、最大の相関値となるときのサンプル番号をｎ_ｍａｘとして遅延値算出部１１７に出力する（図７参照）。

上記では、式（３）の相関値で説明を行ったが、相関値に限らず再生信号からなるサンプル列と収音信号からなるサンプル列との類似性の指標を表すものであればよい。この観点から相関値算出部を類似性算出部と呼んでもよい。

（遅延値算出部１１７）
遅延値算出部１１７は、相関値が最大となるときの収音信号のフレーム番号ｆ_ｍａｘとサンプル番号ｎ_ｍａｘを受け取り、これを用いて、例えば以下の式により遅延値ｄ_ｍａｘを算出し、遅延出力部１１９へ出力する（ｓ１１７）。

言い換えると、遅延値算出部１１７は、相関値算出部１１５で算出した類似性の指標が最も高くなることを示す、再生信号からなるサンプル列と収音信号からなるサンプル列が対応する時刻の差を遅延値として求める。

（遅延出力部１１９）
遅延出力部１１９は、所定数の遅延値を受け取り、最も頻度の高い遅延値を遅延推定値として出力する（ｓ１１９ｅ）。

例えば、遅延出力部１１９は、Ｄ_ｓの長さを持つ配列ｄ_ｈを用意し、０で初期化する（ｓ１１９ａ）。遅延出力部１１９は、遅延値ｄ_ｍａｘを受け取ると、配列ｄ_ｈのインデックスがｄ_ｍａｘ番目の要素の数を１増やす（ｓ１１９ｂ）。Ｔ_ｓｕｍ個の遅延値ｄ_ｍａｘを取得するまで、上記処理（ｓ１１１〜ｓ１１７、ｓ１１９ｂ）を繰り返す（ｓ１１９ｃ、ｓ１１９ｄ）。このような処理を行うことで、配列ｄ_ｈは遅延推定値の候補のヒストグラムとなる。そして、Ｔ_ｓｕｍ個の遅延値ｄ_ｍａｘを取得したとき（言い換えると、配列ｄ_ｈの要素の合計がＴ_ｓｕｍとなったとき）に、配列ｄ_ｈの全要素の中で一番大きな値をとる配列の要素を探索し、その要素のインデックスを遅延推定値ｄ_ｅｓｔとして出力する（ｓ１１９ｅ）。Ｔ_ｓｕｍはヒストグラムの最頻値が常に真値となるために必要な計算回数を表し、推定値のばらつき方によって数回から数十回分の計算を行うように設定する。このような構成とすることで、誤差によって遅延推定値がばらつくことを大幅に軽減できる。

＜信号蓄積部１８０＞
信号蓄積部１８０は、遅延推定値ｄ_ｅｓｔに応じて、再生信号ｘ（ｎ）を遅延させて、遅延再生信号ｘ（ｎ’）を出力する。例えば、信号蓄積部１８０は、信号格納部１８１と信号バッファ１８３と第一信号出力部１８５とを含む（図８、図９参照）。

信号バッファ１８３は長さＤのサンプルを保持できるバッファである（Ｄ≧Ｄ_ｓであればよく、通常Ｄ＝Ｄ_ｓとすればよい）。信号格納部１８１は、再生信号ｘ（ｎ）を受け取り、信号バッファ１８３上の古いサンプルから順に上書きする形で保存する（ｓ１８１）。第一信号出力部１８５は、遅延推定値ｄ_ｅｓｔを受け取り、この遅延推定値ｄ_ｅｓｔに基づいて、現在のサンプルｘ（ｎ）から数えてｄ_ｅｓｔ＋２Ｌ-１サンプル古いものからｄ_ｅｓｔサンプル古いものまで計２Ｌ個出力する（ｓ１８５）。つまり、２Ｌ個の遅延再生信号ｘ（ｎ’）（但し、ｎ−ｄ_ｅｓｔ−２Ｌ＋１）≦ｎ’≦ｎ−ｄ_ｅｓｔ）を出力する。

＜エコー消去部９０＞
エコー消去部９０は、例えば、従来技術を用いてエコーを消去すればよい。エコー消去部９０は、遅延再生信号ｘ（ｎ’）を用いて、収音信号ｙ（ｎ）から反響信号を消去し、送話信号ｅ（ｎ）を送話端４に出力する。再生信号ｘ（ｎ）ではなく、遅延再生信号ｘ（ｎ’）を用いる点が従来技術と異なるが、その他の点は従来技術と同様である。例えば、図１０のようにエコー推定部を用い、非特許文献１記載の適応フィルタによって収音信号から疑似エコー信号を差し引いてエコー消去をする方法や、特許３４２０７０５号公報のように収音信号にエコー抑圧ゲインをかけてエコーを抑圧する方法がある。

例えば、図１０に示すように、エコー消去部９０は、エコー推定部９１と減算部９３を含む構成であってもよい。エコー推定部９１において、非特許文献１記載の適応フィルタを用いて、遅延再生信号ｘ（ｎ’）により疑似反響信号ｙ’（ｎ）を生成する。次に、減算部９３において収音信号ｙ（ｎ）から疑似反響信号ｙ’（ｎ）を差し引いてエコーを消去した送話信号ｅ（ｎ）を求め、出力する。なお、エコー推定部９１は送話信号ｅ（ｎ）を受け取り、適応フィルタのフィルタ係数の更新の際に利用する。

＜効果＞
本実施形態は、遅延推定部において、反響信号を用いて再生信号の遅延量を推定することができる。さらに、信号蓄積部では、推定した遅延量に基づき、再生信号と遅延させて出力することができる。

エコー消去部において、遅延再生信号を用いて、エコーを消去することで、遅延の影響によるエコー消去部の性能劣化を、フィルタタップ長を増やさずに防ぐことができる。フィルタタップ長を増やさないので、演算量の増加を防ぐことができる。加えて、製品毎の遅延量を推定することができるため、製品毎に適切な遅延量を推定し、エコーを消去することができる。さらに、フレーム毎の処理のため、ＩＰ電話のようなパケット単位で処理するアプリケーションへの適用が容易である。

なお、エコー消去装置の内部に上述した遅延推定装置を組込み、遅延再生信号を出力するのではなく、適応フィルタの開始位置を調整する構成としてもよい。遅延再生信号を出力する場合と同様に、必要な演算量を増加させることなく、エコー消去性能を維持することができる。なお、本実施形態では、一定長のフレーム単位でスピーカの再生信号とマイクロホンの収音信号の相関を計算し、各フレームの相関値の大小によって遅延量を柔軟に決定することができる。

＜その他の変形例＞
遅延推定装置１００が受信する再生信号及び収音信号がアナログ信号の場合には、図示しないＡＤ変換部において、アナログ再生信号ｘ（ｔ）及びアナログ収音信号ｙ（ｔ）（ｔは時刻を表す）を、それぞれ所定のサンプリング周波数（例えば１６ｋＨｚ）でサンプリングし、各サンプルを量子化し、ディジタル受話信号サンプルｘ（ｎ）及びディジタル収音信号ｙ（ｎ）に変換する構成としてもよい。

遅延推定装置１００はベクトル化部１１２を含まなくともよい。その場合には、ｘ’_ｍに代えてｘ_ｍを用いて無音区間判定処理（ｓ１１３ａ）、相関値算出処理（ｓ１１５）を行えばよい。

遅延推定装置１００は遅延出力部１１９を含まず、遅延値算出部１１７の出力値であるｄ_ｍａｘをそのまま遅延推定部１１０の遅延推定値ｄ_ｅｓｔとして出力する構成としてもよい。遅延推定値が不安定になるが、推定速度が速くなるという効果がある。なお、以下に説明する実施形態においても同様である。

＜第二実施形態に係る遅延推定装置２００＞
第一実施形態と異なる部分についてのみ説明する。図１及び図２を用いて第二実施形態に係る遅延推定装置２００を説明する。

遅延推定装置２００は、遅延推定部２１０と信号蓄積部１８０とを含む。遅延推定部２１０の構成及び処理内容が第一実施形態と異なる。遅延推定部２１０は、収音信号ｙ（ｎ）と再生信号ｘ（ｎ）とを受け取り、収音信号ｙ（ｎ）に含まれる反響信号を用いて再生信号ｘ（ｎ）の遅延量を推定する（ｓ２１０）。遅延推定部２１０内の相関値算出部２１５の構成及び処理内容（ｓ２１５）が第一実施形態と異なる（図３及び図４参照）。以下、図１１及び図１２を用いて詳細を説明する。

＜相関値算出部２１５＞
相関値算出部２１５は、無音区間判定部１１３において無音区間でないと判定された再生信号ｘ’_ｍ ^Ｔを所定の範囲Ｉ毎に合算し、収音信号ｙ_ｍを所定の範囲Ｉ毎に合算する（ｓ２１５ｂ）。例えば、以下の式により合算する（ｘ＾_ｍ、ｙ＾_ｍについては式（１）、式（２）参照）。

ｍｉｎ｛・｝は集合・の最小値を返す関数である。つまり、再生信号ｘ＾_ｍ及び収音信号ｙ＾_ｍをそれぞれ、Ｌ’_Ｉ個またはＬ’_Ｉ＋１個のエリアに区切り、エリア毎に合算する（ｓ２１５ｂ−１〜ｓ２１５ｂ−４）。

さらに、相関値算出部２１５は、合算された再生信号ｘ⁻ _ｍ（ｎ）と合算された収音信号ｙ⁻ _ｍ（ｎ）とのエリア相関値を、各フレームの各所定の範囲に対して求める（ｓ２１５ｃ）。なお、記号⁻は直前の文字の頭上に附されるものとする。例えば、以下の式によりエリア相関値ｃ’_ｆを求める。

つまり、合算された再生信号ｘ⁻ _ｍ＝［ｘ⁻ _ｍ０（１），…，ｘ⁻ _ｍ０（Ｌ_Ｉ）］と合算された収音信号ｙ⁻ _ｍ＝［ｙ⁻ _ｍ０（１＋ｎ），…，ｙ⁻ _ｍ０（Ｌ_Ｉ＋ｎ）］（但し、ｎは変化し、０≦ｎ≦Ｌ_Ｉ−１である。また、式（２）より収音信号はフレーム時刻ｍの変化に応じて信号が変化する）までのエリア相関値を算出する（ｓ２１５ｃ−１〜ｓ２１５ｃ−４）。

相関値算出部２１５は、式（１０）を用いて、Ｄ_Ｆ×Ｌ_Ｉ個の相関値ｃ’_ｆ（ｎ）を算出し、フレーム毎に算出した相関値の中で最大の相関値となるときのサンプル番号をｎ’_ｍａｘとして求める。フレーム毎にｎ’_ｍａｘを求めるため、Ｄ_Ｆ個のサンプル番号ｎ’_ｍａｘを求める。

次に相関値算出部２１５は、再生信号ｘ_ｍと収音信号ｙ_ｍとの相関値ｃ_ｆを求める（ｓ２１５ｅ）。その際、収音信号のフレーム番号ｍを変化させる。さらに、エリア相関値ｃ’_ｆが最大となるときの所定の範囲（この例では、サンプル番号ｎ’_ｍａｘから始まるＩ個のサンプル）を中心とする前後数サンプルの範囲内でサンプル番号を変化させながら、各フレームの各サンプルに対して相関値ｃ_ｆを求める。例えば、ｎ_ｌｏｗ＝ｎ’_ｍａｘ−Ｍ（但し、ｎ_ｌｏｗ＜１のときｎ_ｌｏｗ＝１とする）からｎ_ｈｉｇｈ＝ｎ’_ｍａｘ＋Ｍ（但し、ｎ_ｈｉｇｈ＞Ｌのときｎ_ｈｉｇｈ＝Ｌとする）の範囲で再生信号ｘ＾_ｍと収音信号ｙ＾_ｍとの相関値を求める（ｓ２１５ｄ〜ｓ２１５ｇ）。例えば以下の式により求める。

Ｍはｎ’_ｍａｘの周辺で相関の最大値があると思われる範囲を示す。つまり、エリア相関値ｃ’_ｆを用いて遅延のおおよその値を計算し、その後、相関値ｃ_ｆから正確な遅延値を求める。

＜効果＞
このような構成とすることで、第一実施形態と同様の効果を得ることができる。さらに、１フレームあたり第一実施形態ではＬタップの相関計算がＬ回必要だったのが、Ｌ_Ｉタップの相関計算がＬ_Ｉ回（式（１０）参照）とＬタップの相関計算が２Ｍ＋１回（式（３）参照）で済むようになる。例えばＬ＝３２０、Ｉ＝１０、Ｍ＝５０のとき、その計算量はおおよそ１／３となる。

＜第三実施形態に係る遅延推定装置３００＞
第一実施形態と異なる部分のみ説明する。第三実施形態に係るエコー消去装置は、遅延推定装置１００とエコー消去部９４とを含む。エコー消去部９４は従来技術を用いてエコーを消去すればよいので、主に、図１３及び図１４を用いて第三実施形態に係る遅延推定装置３００を説明する。遅延推定装置３００は遅延推定部３１０と信号蓄積部３８０とを含む。遅延推定装置３００は、周波数領域変換部８１及び８２、エコー消去部９４、時間領域変換部８３を備えるエコー消去装置の内部に組込まれているものとする。

周波数領域変換部８１及び８２は、それぞれ時間領域の再生信号ｘ（ｎ）及び収音信号ｙ（ｎ）を周波数領域の再生信号Ｘ_ｍ及び収音信号Ｙ_ｍに変換し（ｓ８１、ｓ８２）、再生信号Ｘ_ｍを遅延推定部３１０と信号蓄積部３８０とに出力し、収音信号Ｙ_ｍを遅延推定部３１０とエコー消去部９４とに出力する。例えば、以下の式により変換する。

ｗは長さ２Ｌのハミング窓等である。

遅延推定部３１０は、周波数領域の再生信号Ｘ_ｍと収音信号Ｙ_ｍとを受け取り、収音信号ｙ（ｎ）に含まれる反響信号を用いて再生信号ｘ（ｎ）の遅延量を推定する（ｓ３１０）。

信号蓄積部３８０は、遅延推定値ｄ_ｅｓｔに応じて、再生信号Ｘ_ｍを遅延させて、出力する（ｓ３８０）。

エコー消去部９４は、遅延された再生信号を用いて、収音信号Ｙ_ｍから反響信号を消去し（ｓ９４）、送話信号Ｅ_ｍを時間領域変換部８３に出力する。

時間領域変換部８３は、周波数領域の送話信号Ｅ_ｍを時間領域の送話信号ｅ（ｎ）に変換し、送話端４に出力する。例えば、以下の式により変換する。

以下、各部の詳細を説明する。

＜遅延推定部３１０＞
図１５及び図１６を用いて遅延推定部３１０を説明する。遅延推定部３１０は、無音区間判定部３１３と相関値算出部３１５と遅延値算出部１１７と遅延出力部３１９とを含む。

（無音区間判定部３１３）
無音区間判定部３１３は、再生信号Ｘ_ｍを受け取り、再生信号Ｘ_ｍが無音区間か否かを判定する（ｓ３１３ａ）。例えば、無音区間判定部３１３は、再生信号Ｘ_ｍのパワー||Ｘ_ｍ||を算出し、閾値Ｔ_ｘ以上か否かを判定する。無音区間判定部３１３は、パワー||Ｘ_ｍ||が閾値Ｔ_ｘ以上の場合、そのときのフレーム番号ｍをｍ_０とし、再生信号Ｘ_ｍをＸ_ｍ０として相関値算出部３１５に出力する（ｓ３１３ｂ）。

（相関値算出部３１５）
相関値算出部３１５は、無音区間判定部において無音区間でないと判定された再生信号Ｘ_ｍ０と収音信号Ｙ_ｍと受け取り、これらの値を用いて、相関値を求める（ｓ３１５）。その際、収音信号のフレーム番号を変化させながら相関値を求めることで、各フレームの各サンプルに対して相関値を求める。例えば以下の式により相関値を求める。

但し、＊は複素共役を表し、ｍ_０≦ｍ≦ｍ_０＋Ｄ_Ｆ−１である。
ｃ^〜 _ｆ（但し、記号^〜は直前の文字の頭上に附されるものとする）の前半Ｌ個を

と定義する。相関値算出部３１５は、式（１４）を用いて、Ｄ_Ｆ×２Ｌ個の相関値ｃ^〜 _ｆ（ｎ）を算出し、式（１５）により、Ｄ_Ｆ×Ｌ個の相関値ｃ_ｆ（ｎ）を取得する（ｓ３１５ａ〜ｓ３１５ｃ）。取得した相関値ｃ_ｆ（ｎ）の中で最大の相関値となるときのフレーム番号をｆ_ｍａｘとし、最大の相関値となるときのサンプル番号をｎ_ｍａｘとして遅延値算出部１１７に出力する。

１フレームあたり第一実施形態の場合、式（３）において、Ｌタップの相関計算がＬ回必要であったが、本実施形態では、式（１４）において要素数の２Ｌ回の計算を行うだけでよい。

なお上記では、式（１４）及び式（１５）の相関値で説明を行ったが、第一実施形態の場合と同様に、相関値に限らず周波数領域の再生信号と収音信号との類似性の指標を表すものであればよい。

（遅延出力部３１９）
遅延出力部３１９は、遅延値算出部１１７から所定数の遅延値を受け取り、遅延出力部１１９と同様の方法により、最も頻度の高い遅延値を遅延推定値ｄ_ｅｓｔとして求める（ｓ１１９ａ〜ｓ１１９ｅ）。

さらに、遅延出力部３１９は、以下のｄ’_ｅｓｔを求める。

遅延出力部３１９は、ｄ’_ｅｓｔを改めてｄ_ｅｓｔとし（つまり、ｄ_ｅｓｔにｄ’_ｅｓｔを代入し）、信号蓄積部３８０に出力する（ｓ３１９ｆ）。信号蓄積部３８０には、Ｌサンプル毎の周波数領域の再生信号が蓄積されているが、このような構成とすることで、Ｌの倍数の遅延を再現することができる。

＜信号蓄積部３８０＞
信号蓄積部３８０は、遅延推定値ｄ_ｅｓｔに応じて、再生信号Ｘ_ｍを遅延させて、周波数領域の遅延再生信号Ｘ_ｍ’（但し、ｍ’＝ｍ−ｄ_ｅｓｔ／Ｌ）を出力する（ｓ３８０）。再生信号ｘ（ｎ）に代えて再生信号Ｘ_ｍを用いる以外は、信号蓄積部１８０と同様である。

＜エコー消去部９４＞
エコー消去部９４は、遅延された再生信号を用いて、収音信号Ｙ_ｍから反響信号を消去し（ｓ９４）、送話信号Ｅ_ｍを時間領域変換部８３に出力する。例えば、図１７に示すように、エコー消去部９４は、エコー抑圧ゲイン計算部９５と乗算部９７を含む構成であってもよい。エコー抑圧ゲイン計算部９５において、特許３４２０７０５号公報記載の従来技術を用いて、遅延再生信号Ｘ_ｍ’と収音信号Ｙ_ｍによりエコー抑圧ゲインＧ_ｍを求める。次に乗算部９７において収音信号Ｙ_ｍにエコー抑圧ゲインＧ_ｍを乗じてエコーを抑圧し、抑圧後の送話信号Ｅ_ｍを出力する。

＜効果＞
このような構成とすることで、第一実施形態と同様の効果を得ることができる。さらに、エコー消去装置で用いる周波数領域の再生信号及び収音信号を利用することで、遅延推定時の相関計算の演算量を低く抑えることができる。

＜その他の変形例＞
周波数領域変換部８１及び８２において、式（１）、式（２）を用いて、以下の式により、得られる周波数領域の再生信号及び収音信号であってもよい。

この信号であっても遅延推定装置３００は、同様の効果を奏する。さらに、式（１４）において、Ｌ回の計算を行うだけでよく、ｃ_ｆを定義しなおす必要がなくなる。なお、以下に説明する第四実施形態においても同様である。

本実施形態では、遅延推定装置がエコー消去装置の内部に組込まれているものとしたが、組込みでなくともよい。その場合には、遅延推定装置内部に周波数領域変換部と時間領域変換部を含む構成とすればよい。

＜第四実施形態に係る遅延推定装置４００＞
第三実施形態と異なる部分についてのみ説明する。図１８及び図１９を用いて第四実施形態に係る遅延推定装置４００を説明する。

遅延推定装置４００は、遅延推定部４１０と信号蓄積部４８０を含む。遅延推定部４１０及び信号蓄積部４８０の構成及び処理内容がそれぞれ第三実施形態と異なる。遅延推定部４１０は、収音信号Ｙ_ｍとＤ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}とを受け取り、収音信号Ｙ_ｍに含まれる反響信号を用いて再生信号Ｘ_ｍの遅延量を推定する（ｓ４１０）。但し、下付き文字ＤＦは、Ｄ_Ｆを表す。

＜信号蓄積部４８０＞
信号蓄積部４８０は、遅延推定値ｄ_ｅｓｔに応じて、再生信号Ｘ_ｍを遅延させて、出力する（ｓ４８０）。信号蓄積部４８０は、例えば、信号格納部４８１と信号バッファ４８３と第一信号出力部４８５と第二信号出力部４８７とを含む（図２０参照）。

信号バッファ４８３はＤ個の周波数領域の再生信号を保持できるバッファである（Ｄ≧Ｄ_Fであればよく、通常Ｄ＝Ｄ_Fとすればよい）。信号格納部４８１は、再生信号Ｘ_ｍを受け取り、信号バッファ４８３上の古い再生信号から順に上書きする形で保存する。

第二信号出力部４８７は、現フレームｍを含めてＤ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}を信号バッファ４８３から取得し、遅延推定部４１０に出力する。

また、信号蓄積部４８０の第一信号出力部４８５は、遅延推定値ｄ_ｅｓｔに応じて、再生信号Ｘ_ｍを遅延させて、周波数領域の遅延再生信号Ｘ_ｍ’（但し、ｍ’＝ｍ−ｄ_ｅｓｔ／Ｌ）を出力する。

＜遅延推定部４１０＞
遅延推定部４１０は、相関値算出部４１５と遅延値算出部１１７と遅延出力部３１９とを含む。相関値算出部４１５の構成及び処理内容（図２２のｓ４１５）が第三実施形態と異なる。

（相関値算出部４１５）
相関値算出部４１５は、過去Ｄ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}と収音信号Ｙ_ｍとを用いて、Ｄ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}のフレーム番号と収音信号Ｙ_ｍのフレーム番号を変化させながら、各再生信号と各収音信号の各組合せの各サンプルに対して相関値を求める（ｓ４１５）。相関値算出部４１５は、図２３に示す各処理を行う。

相関値算出部４１５において各値に初期値を設定する（ｓ４１５ａ、ｓ４１５ｂ）。

収音信号Ｙ_ｍとＤ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}とを受け取る。但し、ｍがＤ_Ｆ未満の場合には（ｓ４１５ｃ）、取得可能な再生信号のみ受け取る。

ｍがＤ_Ｆ未満の場合には（ｓ４１５ｃ）、取得した再生信号と収音信号Ｙ_ｍとの相関値を算出する（ｓ４１５ｄ−１〜ｓ４１５ｄ−３）。相関値の算出方法は第三実施形態と同様である。

但し、０≦ｆ≦ｍ−１である。

取得した再生信号と同数の相関値を算出し、以下の処理を行う（ｓ４１５ｅ、ｓ４１５ｆ、ｓ４１５ｇ−１〜ｓ４１５ｇ−５）。
i=m-f
for f=0〜m-1
if c_f(n_f)>c_tmp(i)
c_tmp(i)=c_f(n_f)
n_temp(i)=n_f
f_temp(i)=f
end
end
ｍがＤ_Ｆ以上となるまで上記の処理を繰り返す（ｓ４１５ｐ）。

ｍがＤ_Ｆ以上の場合には（ｓ４１５ｃ）、Ｄ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}と収音信号Ｙ_ｍとの相関値ｃ_ｆを算出する（ｓ４１５ｈ−１〜ｓ４１５ｈ−３）。

但し、０≦ｆ≦Ｄ_Ｆ−１である。

ｍがＤ_Ｆ以上の場合には（ｓ４１５ｆ）、ｍをＤ_Ｆで割ったあまりをｒとし（ｓ４１５ｉ）、ｉを以下のように設定する（ｓ４１５ｊ−１〜ｓ４１５ｊ−３）。

さらに、以下の処理を行う（ｓ４１５ｊ−１〜ｓ４１５ｊ−３、ｓ４１５ｋ−１〜ｓ４１５ｋ−４）。
for f=0〜D_F-1
if c_f(n_f)>c_tmp(i)
c_tmp(i)=c_f(n_f)
n_temp(i)=n_f
f_temp(i)=f
end
end
過去Ｄ_Ｆ回の相関計算と比較が終了したインデックスｒ＋１を用いて、
n_max=n_temp(r+1)
f_max=f_temp(r+1) (19)
として、遅延値算出部１１７に出力する（ｓ４１５ｍ）。図２４は、ｍ＝Ｄ_Ｆ（ｒ＝０）のときのｃ_ｔｍｐのｃ_ｆ、ｃ_ｔｍｐ（ｉ）、ｎ_ｔｅｍｐ（ｉ）、ｆ_ｔｅｍｐ（ｉ）を記憶する記憶部の状態を示す。このとき、ｃ_０とｃ_ｔｍｐ（０）とを比較し、ｃ_１とｃ_ｔｍｐ（Ｄ_Ｆ−１）とを比較し、ｃ_２とｃ_ｔｍｐ（Ｄ_Ｆ−２）とを比較し、…、ｃ_ＤＦ−１とｃ_ｔｍｐ（１）とを比較する。比較の結果、ｃ_ｆのほうが大きい場合には、ｃ_ｔｍｐを更新する。全ての比較、更新を終えると、ｒ＋１に対応するｎ_ｔｅｍｐ（ｉ）、ｆ_ｔｅｍｐ（ｉ）を出力する。この例では、ｒ＝０なので、ｎ_ｔｅｍｐ（１）、ｆ_ｔｅｍｐ（１）をｎ_ｍａｘ、ｆ_ｍａｘとして出力する。本実施形態ではＤ_Ｆ回の比較処理を行ったｃ_ｔｍｐに対応するｆ_ｍａｘとｎ_ｍａｘを出力したいので、ｒ＋１のときのｃ_ｔｍｐ（ｉ）に対応するｎ_ｔｅｍｐ（ｉ）、ｆ_ｔｅｍｐ（ｉ）を出力する。次のフレームを受け取った場合には、上記処理を行い、ｎ_ｔｅｍｐ（２）、ｆ_ｔｅｍｐ（２）をｎ_ｍａｘ、ｆ_ｍａｘとして出力する。

計算が終了したｃ_ｔｍｐ（ｉ）、ｎ_ｔｍｐ（ｉ）、ｆ_ｔｍｐ（ｉ）は０で初期化し（ｓ４１５ｎ）、ｃ_ｔｍｐ（ｉ）には次フレームに入力される新たな再生信号Ｘ_ｍ＋１と各収音信号Ｙ_ｍ＋１の相関値を格納していく。相関値算出部４１５は、ｓ４１５ｂ〜ｓ４１５ｐの処理を繰り返す（ｓ４１５ｐ）。

言い換えると、相関値算出部４１５では、周波数領域収音信号Ｙ_ｍと複数の周波数領域再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}それぞれとの類似性の指標を算出する。

＜効果＞
このような構成とすることで、第三実施形態と同様の効果を得ることができる。ｃ_ｔｍｐの各要素は一つのＸ_ｍに対応しており、あるＸ_ｍ”を固定したままＹ_ｍ”，Ｙ_ｍ”＋１，…，Ｙ_{ｍ”＋ＤＦ-１}との相関を計算する、という第三実施形態の演算を同時並行でＤ_Ｆ回行うことができる。よって、第三実施形態よりも高速に遅延推定値が得られる。

＜その他の変形例＞
第四実施形態において、遅延推定装置４００は、無音区間判定部４１３（図２１において破線で示す）を含んでもよい。無音区間判定部４１３は、Ｄ_Ｆ個の再生信号Ｘ_ｍ，Ｘ_ｍ-1，…，Ｘ_{ｍ-ＤＦ＋１}を受け取り、再生信号Ｘ_ｉのパワーが閾値以下か否かを判定し、閾値以上の再生信号のみ遅延推定部４１０に出力する（ｓ４１３、図２２において破線で示す）。再生信号Ｘ_ｉのパワーが小さい、つまり再生信号が無音もしくはある閾値以下のパワーしかない場合に、対応する相関値ｃ_ｆの計算を行わない構成となる。Ｘ_ｉのパワーが小さい場合は相関値ｃ_ｆがノイズの影響を受けやすくなるが、このような構成とすることで、頑強な推定が可能となる。閾値は例えば信号の定格レベルの−１０ｄＢなどと設定する。

＜第五実施形態に係る遅延推定装置５００＞
第四実施形態と異なる部分についてのみ説明する。第五実施形態に係る遅延推定装置５００を説明する。遅延推定部５１０内の相関値算出部５１５の処理内容が遅延推定装置４００とは異なる（ｓ５１０、ｓ５１５、図１８、図１９、図２１、図２２参照）。図２５のｓ５１５ｈ−２、ｓ５１５ｄ−２に示すように、相関を計算するＸ_ｉをＡ（Ａは２以上の整数）フレーム毎にしか用いない。例えばＡ＝３の時、ｍ番目のフレームの時刻においてＸ_ｍとＹ_ｍの相関、Ｘ_ｍ-ＡとＹ_ｍの相関、Ｘ_ｍ-２ＡとＹ_ｍの相関というように計算し、ｍ＋１番目のフレームの時刻においてはＸ_ｍとＹ_ｍ＋１の相関、Ｘ_ｍ-ＡとＹ_ｍ＋１の相関、Ｘ_ｍ-２ＡとＹ_ｍ＋１の相関というように計算する。このようにしても、相関計算に用いられるＸ_ｉは間引かれるが、同一のＸ_ｉに対する異なる遅延に対応する相関値は間引かれない（図２６参照）。

＜効果＞
このような構成とすることで、第四実施形態と同様の効果を得ることができる。なお、Ａフレームに１回しかｄ_ｍａｘの計算がされないため、第四実施形態に比べてＴ_ｓｕｍ個の遅延値を推定するためにＡ倍の時間がかかるが（言い換えると、遅延推定値ｄ_ｅｓｔの推定速度が１／Ａに減少する）、その分演算量も相関計算部分に関しては１／Ａに減少する。遅延推定装置の処理能力に応じて適宜設定すればよい。

＜第六実施形態に係る遅延推定装置６００＞
第一実施形態と異なる部分についてのみ説明する。図１、図２、図３、図２７を用いて第六実施形態に係る遅延推定装置６００を説明する。遅延推定装置６００内の遅延推定部６１０の構成及び処理内容（ｓ６１０）が第一実施形態とは異なる。さらに詳しくいうと、遅延推定部６１０内の遅延出力部６１９の処理内容（ｓ６１９）が異なる。

遅延出力部６１９は入力されたｄ_ｍａｘを用いて
d_est=(1-α)d_max+αd’_est (20)
として出力する（図２７のｓ６１９）。なお、ｄ’_ｅｓｔは前回推定したｄ_ｅｓｔの値である。αは減衰係数で、０．９程度の値を用いる。

＜効果＞
このような構成により第一実施形態と同様の効果を得ることができる。なお、この場合、遅延出力部１１９のようにＴ_ｓｕｍ回の推定が行われるまで待たずに、真値に近い値を維持することができる。第二〜五実施形態の遅延出力部を同様の構成としてもよい。

＜第七実施形態に係る遅延推定装置７００＞
第一実施形態と異なる部分についてのみ説明する。図１、図２、図２８、図２９を用いて第七実施形態に係る遅延推定装置７００を説明する。遅延推定装置７００内の遅延推定部７１０の構成及び処理内容（ｓ７１０）が第一実施形態とは異なる。さらに詳しくいうと、遅延推定部７１０内の遅延値算出部７１７と遅延出力部７１９の処理内容（図２９のｓ７１７、ｓ７１９ａ、ｓ７１９ｅ）が異なる。

遅延値算出部７１７はｄ_ｍａｘの代わりにｆ_ｍａｘを遅延値として出力する。

遅延出力部７１９は、Ｄ_Ｆの長さを持つ配列ｄ_ｈを用意し、０で初期化する（ｓ７１９ａ）。遅延出力部１１９は、遅延値ｆ_ｍａｘを受け取ると、配列ｄ_ｈのインデックスがｆ_ｍａｘ番目の要素の数を１増やす（ｓ７１９ｂ）。Ｔ_ｓｕｍ個の遅延値ｄ_ｍａｘを取得するまで、処理を繰り返す。Ｔ_ｓｕｍ回の推定を終了したところで、全要素の中で一番大きな値をとるインデックスｉ_ｍａｘ（０≦ｉ_ｍａｘ≦Ｄ_Ｆ−１）に対し、
d_est=i_maxL (21)
を出力する。

＜効果＞
このような構成とすることで第一実施形態と同様の効果を得ることができる。なお、遅延推定値の正確な値は求まらないが、フレーム内の細かい誤差を無視してフレームごとに集約することで、推定が安定するメリットがある。第二〜六実施形態の遅延値算出部、遅延出力部を同様の構成としてもよい。

＜第八実施形態に係る遅延推定装置８００＞
第一実施形態と異なる部分についてのみ説明する。図１、図２、図３０、図３１を用いて第八実施形態に係る遅延推定装置８００を説明する。遅延推定装置８００内の遅延推定部８１０の構成及び処理内容（ｓ８１０）が第一実施形態とは異なる。さらに詳しくいうと、遅延推定部８１０は相関蓄積部８１６をさらに含み、遅延値算出部８１７の処理内容（図３１のｓ８１７）が異なる。相関蓄積部８１６は、前回算出した相関値ｃ⁻ _{ｆ ｏｌｄ}を蓄積する。

遅延値算出部８１７は、求めた相関値ｃ_ｆからそのままｄ_ｍａｘを計算するのではなく、定数β（０≦β≦１）を用いてｃ_ｆの時間変化を平滑化したｃ⁻ _ｆを用いてｆ_ｍａｘおよびｄ_ｍａｘを計算する。具体的には、遅延値算出部８１７は、相関蓄積部８１６から蓄積された（前回計算された）平滑化した相関値ｃ⁻ _{ｆ ｏｌｄ}を取得し、これを用いて、以下の式により平滑化した相関値ｃ⁻ _ｆを求める（ｓ８１７）。

但し、０≦ｆ≦Ｄ_Ｆ−１とする。

さらに、遅延値算出部８１７は、平滑化した相関値ｃ⁻ _ｆを用いて、以下の式により、ｆ_ｍａｘを計算する。さらにｆ_ｍａｘを用いてｄ_ｍａｘを計算し、ｄ_ｍａｘを出力する。

＜効果＞
このような構成とすることによって、第一実施形態と同様の効果を得ることができる。さらに、時間平滑化によって外乱音声等によるｃ_ｆの値の一時的な乱れを防ぐことができる。第二〜七実施形態の遅延値算出部を同様の構成としてもよい。なお、第四実施形態のように相関値を毎時刻計算する場合には、平滑化した相関値ｃ⁻ _ｆoldは１フレーム前の値であるが、そうでない場合は、数フレーム前の値となることもある。

＜第九実施形態に係る遅延推定装置９００＞
第三実施形態に係る遅延推定装置３００と異なる部分についてのみ説明する。遅延推定部９１０の相関値算出部９１５の処理内容が異なる（図１３、図１４のｓ９１０、図１５及び図３２参照）。

相関値算出部９１５は、再生信号Ｘ_ｍ０と収音信号Ｙを受け取り、再生信号Ｘ_ｍ０の大きさに応じてゲインＧ_ｍ０を求める（ｓ９１５ａ）。例えば、以下のようにして求める。

但し、閾値Ｔ_ｇ１＞Ｔ_ｇ２の正の値であり、０≦γ＜１である。Ｔ_ｇ１は通常会話において最も大きな周波数成分の値付近に設定し、Ｔ_ｇ２は通常会話においてスペクトルの谷に当たる部分の値付近に設定する。

相関値算出部９１５は、受け取った再生信号Ｘ_ｍ０と収音信号Ｙと、求めたゲインＧ_ｍ０を用いて、相関を以下のように求める（ｓ９１５ｂ）。

＜効果＞
このような構成とすることで第三実施形態と同様の効果を得ることができる。さらに、あまり大きすぎる再生信号の周波数成分に関しては、時間領域へ戻したときの相関値に影響が大きすぎるため低減し、小さい再生信号の周波数成分に関してもＳＮ比が悪く外乱の影響を受けやすいため、寄与を低くすることができ、より精度の高い推定が可能となる。第四実施形態の遅延値算出部を同様の構成としてもよい。

＜その他の変形例＞
なお、時間領域で相関を計算する場合でも、ｘ（ｎ）の周波数領域の値を求め、ゲインＧ_ｍ０を設計した後、同様の特性を持つ時間領域のフィルタを求めてｘをフィルタリングすることで同様の効果が得られる。

＜第十実施形態に係る遅延推定装置＞
第八実施形態に係る遅延推定装置８００と異なる部分についてのみ説明する。本実施形態では、第八実施形態の遅延値算出部で用いていたβの値を可変とする。図１、図２、図３０、図３１を用いて第十実施形態に係る遅延推定装置１０００を説明する。遅延推定装置１０００内の遅延推定部１０１０の構成及び処理内容（ｓ１０１０）が第八実施形態とは異なる。さらに詳しくいうと、遅延推定部１０１０内部の遅延値算出部１０１７の処理内容（ｓ１０１７）が第八実施形態と異なる。遅延値算出部１０１７は図示しない相関差分計算部と平滑係数切替部とを含む。

ｃ⁻ _ｆのあるフレームｍでの値をｃ⁻ _ｆ（ｍ）とし、相関差分計算部は、相関蓄積部からｃ⁻ _ｆ（ｍ）とｃ⁻ _ｆ（ｍ−１）を受け取り、

を計算する。Δｃ⁻ _ｆ（ｍ）は遅延が変動していない場合は、それぞれの遅延において（各ｆにおいて）おおよそ同じ挙動をする。それに対し、遅延が変動した場合、今まで遅延の真値に近いｆに対応するｃ⁻ _ｆは急激に値が減少し、新しい遅延の真値に近いｆに対応するｃ⁻ _ｆは急激に値が上昇する。つまり、Δｃ⁻ _ｆ（ｍ）の正負がｆによって、異なり、かつ、大きさが大きくなる。

また、相関差分計算部は、細やかな時間変動の影響を除くため、以下の式を計算し、Δｃ⁻ _ｆ（ｍ）を定義しなおす。

なお、Ｉ_ｗは正の整数でｃ⁻ _ｆを加算するフレーム幅である。例えばＩ_ｗは１０程度の値とする。相関差分計算部は、Δｃ⁻ _ｆ（ｍ）を平滑係数切替部に送信する。

平滑係数切替部は、

という値を求める。なお、ｓｇｎ（・）は・の符号（１もしくは−１）を表す。そして、

という条件判定を行う。Ｔ_ｃは相関が大きく変動していることを判定する閾値、Ｔ_ｓは相関の時間差分の正負がそろっていないことを判定する閾値である。例えば、Ｉ_ｗ＝１０、Ｄ_Ｆ＝２０程度のときにＴ_ｃ＝１０程度の値とする。また、−Ｄ_Ｆ≦Ｓ_Δ≦Ｄ_Ｆであり、Ｄ_Ｆ＝２０のときに、Ｔ_ｓ＝１０程度とする。

平滑係数切替部は、式（３５）の条件を満たしたときのみ、第八実施形態のβを以下の式によりβ_２に置き換える。
β₂=1-γ(1-β) (36)
γは１以上の実数で、βの値が小さくなることで平滑化の効果が小さくなり、遅延変動への追随が速くなる。例えば、γ＝５．０とする。なお、平滑係数切替部は、βをβ_２に置き換えた後に、上記条件を満たさなくなった場合には、β_２をβに戻す。遅延値算出部８１７は、βまたはβ_２を用いて、式（２２）を計算し、ｃ⁻ _ｆを求める。他の処理は第八実施形態と同様である。

＜効果＞
このような構成とすることで第八実施形態と同様の効果を得ることができる。なお、第八実施形態において、ｃ_ｆの時間変化を平滑化すると述べているが、平滑化をかければかけるほど遅延変動に対して追随が遅くなるというデメリットがあるが、本実施形態であれば、遅延が変動した際に追随を速くし、遅延が変動していない場合は平滑化を強めにして外乱に強くするという処理を遅延値算出部に追加している。

［シミュレーション結果］
図３３、図３４に第五、七、八、十実施形態を組み合わせた構成の遅延推定装置（但し、γ＝１．０とし、第四実施形態の変形例で説明した無音区間判定部４１３を備える）の計算機上のシミュレーション結果を示す。再生信号は１６ｋＨｚサンプリングの音声データで、Ｌ＝１６０（＝１０ｍｓ）、Ｄ_Ｆ＝２０、Ａ＝５（第五実施形態の間引き）、Ｔ_ｓｕｍ＝６、β＝０．９５（平滑係数）とした。遅延を１２．５秒と４２秒の位置で変動させ、相関の変化と推定遅延の推移をプロットした。図３４の推定遅延のグラフは、図３３の各時刻で最大である相関から現在の遅延値を計算したものである。図３３は３通りの遅延に対応する相関値の変動を表し、ｃ_１、ｃ_６、ｃ_１1、はそれぞれ１０ｍｓ、６０ｍｓ、１１０ｍｓの遅延に対応する相関値の変動を表す。０秒から１２．５秒までは遅延は１０ｍｓ程度であり、ｃ１の値（太線）が最大になれば正しい遅延が推定されることになる。図３３のプロットもそのようになっている。また図３４プロットも遅延真値と推定遅延値が一致している。同様に、１２．５秒から４２秒は遅延が１１０ｍｓ程度、４２秒から６０秒までは遅延が６０ｍｓ程度であり、それぞれ正しい遅延（極太線、太点線）が推定されている。ただし、推定遅延値が遅延の推定値になるには１０秒程度の推定時間がかかっている。

同様の実験を、第十実施形態のγ＝５．０として実験を行った。図３５、図３６に結果を示す。遅延が変動した際の相関値の増加・減少の傾斜が大きくなっており、遅延の変動にすばやく追従している。そのため、図３６の推定遅延値も、実際の遅延変動から２秒程度で推定が行えている。追従を大きくするには、βの値をもともと小さくしておけばよいが、そうすると遅延変動が起きていない部分の推定値の変動まで大きくなってしまう。この実験では、２回の遅延変動の周辺以外は安定した相関の計算が行われているため、推定速度と安定性の両立が行えている。

＜プログラム及び記録媒体＞
上述した遅延推定装置は、コンピュータにより機能させることもできる。この場合はコンピュータに、目的とする装置（各種実施例で図に示した機能構成をもつ装置）として機能させるためのプログラム、またはその処理手順（各実施例で示したもの）の各過程をコンピュータに実行させるためのプログラムを、ＣＤ−ＲＯＭ、磁気ディスク、半導体記憶装置などの記録媒体から、あるいは通信回線を介してそのコンピュータ内にダウンロードし、そのプログラムを実行させればよい。

＜その他の変形例＞
本発明は上記の実施形態及び変形例に限定されるものではない。例えば、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。

Claims (10)

1. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   時間領域の前記再生信号と時間領域の前記収音信号との相関値を、前記収音信号のフレーム番号とサンプル番号を変化させながら各フレームの各サンプルに対して求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、
   を含み、
   前記相関値算出部は、
   時間領域の前記再生信号を所定の範囲毎に合算し、時間領域の前記収音信号を前記所定の範囲毎に合算し、
   合算した前記再生信号と合算した前記収音信号とのエリア相関値を、各フレームの各前記所定の範囲に対して求め、
   時間領域の前記再生信号と時間領域の前記収音信号との相関値を、前記収音信号のフレーム番号を変化させ、かつ、前記エリア相関値が最大となるときの所定の範囲を中心とする前後数サンプルの範囲内でサンプル番号を変化させながら、各フレームの各サンプルに対して求める、
   エコー消去装置。
2. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   周波数領域の前記再生信号と周波数領域の前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、
   信号バッファに蓄積されている前記再生信号の内、現フレームを含めて過去数フレームを出力する第二信号出力部と、を含み、
   前記相関値算出部は、過去数フレームの前記再生信号と前記収音信号とを用いて、過去数フレームの前記再生信号のフレーム番号と前記収音信号のフレーム番号を変化させながら、各再生信号と各収音信号の各組合せの各サンプルに対して相関値を求める、
   エコー消去装置。
3. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   周波数領域の前記再生信号と周波数領域の前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、
   信号バッファに蓄積されている前記再生信号の内、現フレームを含めて過去数フレームを出力する第二信号出力部と、
   前記相関値を蓄積する相関蓄積部とを含み、
   前記相関値算出部は、過去数フレームの前記再生信号と前記収音信号とを用いて、過去数フレームの前記再生信号のフレーム番号と前記収音信号のフレーム番号を変化させながら、各再生信号と各収音信号の各組合せの各サンプルに対して相関値を求め、
   βを０以上１以下の実数とし、前記遅延値算出部は、前記相関値が最大となるときの収音信号のサンプル番号ｎ_ｍａｘと蓄積された相関値ｃ⁻ _ｆｏｌｄを用いて、前記相関値ｃ_ｆを
   

   

   として平滑化し、平滑化した相関値ｃ⁻ _ｆと当該相関値ｃ⁻ _ｆが最大となるときの収音信号のフレーム番号を用いて、遅延値を算出する、
   エコー消去装置。
4. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   周波数領域の前記再生信号と周波数領域の前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、を含み、
   前記相関値算出部は、周波数領域の前記再生信号Ｘ_ｍの大きさに応じて、ゲインを生成し、当該ゲインと前記再生信号Ｘ_ｍと前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める、
   エコー消去装置。
5. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   周波数領域の前記再生信号と周波数領域の前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、
   信号バッファに蓄積されている前記再生信号の内、現フレームを含めて過去数フレームを出力する第二信号出力部と、を含み、
   前記相関値算出部は、過去数フレームの前記再生信号と前記収音信号とを用いて、過去数フレームの前記再生信号のフレーム番号と前記収音信号のフレーム番号を変化させながら、各再生信号と各収音信号の各組合せの各サンプルに対して相関値を求め、
   さらに、前記相関値算出部は、周波数領域の前記再生信号Ｘ_ｍの大きさに応じて、ゲインを生成し、当該ゲインと前記再生信号Ｘ_ｍと前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める、
   エコー消去装置。
6. 収音信号に含まれる反響信号を用いて再生信号の遅延量を推定するエコー消去装置であって、
   周波数領域の前記再生信号と周波数領域の前記収音信号とを用いて、前記収音信号のフレーム番号を変化させながら、各フレームの各サンプルに対して相関値を求める相関値算出部と、
   前記相関値が最大となるときの収音信号のフレーム番号とサンプル番号を用いて、遅延値を算出する遅延値算出部と、
   前記遅延値に基づき前記再生信号を遅延させる信号蓄積部と、
   前記遅延された再生信号を用いて、前記収音信号から反響信号を消去するエコー消去部と、
   信号バッファに蓄積されている前記再生信号の内、現フレームを含めて過去数フレームを出力する第二信号出力部と、を含み、
   前記相関値算出部は、過去数フレームの前記再生信号と前記収音信号とを用いて、過去数フレームの前記再生信号のフレーム番号と前記収音信号のフレーム番号を変化させながら、各再生信号と各収音信号の各組合せの各サンプルに対して相関値を求め、
   前記第二信号出力部は、信号バッファに蓄積されている前記再生信号の内、現フレームを含めて過去数フレームを出力する際に、Ａフレーム毎の過去のフレームを出力する、
   エコー消去装置。
7. 請求項１から６の何れかに記載のエコー消去装置であって、
   所定数の前記遅延値を受け取り、最も頻度の高い遅延値を遅延推定値として出力する遅延出力部をさらに含み、
   前記信号蓄積部は、前記遅延値に基づき得られる前記遅延推定値に応じて前記再生信号を遅延させる、
   エコー消去装置。
8. 請求項１から６の何れかに記載のエコー消去装置であって、
   αを減衰係数とし、前記遅延値ｄ_ｍａｘと前回推定した遅延推定値ｄ’_ｅｓｔとを用いて、今回の遅延推定値ｄ_ｅｓｔを
   d_est=(1-α)d_max+αd’_est (20)
   として出力する遅延出力部をさらに含む、
   エコー消去装置。
9. 請求項７記載のエコー消去装置であって、
   前記遅延値算出部は、前記相関値が最大となるときの収音信号のフレーム番号を遅延値として算出する、
   エコー消去装置。
10. 請求項１から９の何れかに記載のエコー消去装置としてコンピュータを機能させるためのプログラム。

Images