JP5292931B2 - 音響エコーキャンセラおよびエコーキャンセル装置 - Google Patents

Description

この発明は、設置環境等に基づく残響エコーや定常ノイズを含む音響エコーを、収音音声信号から除去する音響エコーキャンセラに関するものである。

従来、スピーカとマイクとが１つの筐体に設置される音声会議装置などでは、スピーカとマイクとが近接する等の理由により音響エコーが発生し易い。このため、このような音響エコーを除去するエコーキャンセル装置が各種考案されている。例えば、特許文献１では、適応型フィルタを有するエコーキャンセラと、周波数領域による演算でエコーを抑圧するエコー抑圧部とを備えたエコーキャンセル装置が開示されている。
特許第３４２０７０５号公報

ところで、元々低音域の音声の方が高音域の音声よりも信号レベルが高く、且つ回り込む音声レベルも高くなるため、特許文献１のようなエコー抑圧部では、当該回り込み音声に基づいて推定されるエコースペクトルでは、低音域のレベルの方が高くなる。

一方で、人の発する声すなわち発声音は、低音域が主成分となる。このため、相手側装置からの放音用音声信号による放音が行われるのと同時に自装置の話者の発声音を収音している、所謂Ｗトーク状態では、話者の発声音の低音域までも、エコー抑圧部で抑圧されてしまう。これにより、相手側装置で放音される自装置側の話者の声が裏返ったような声になってしまう。

したがって、本発明の目的は、適応型フィルタを用いたエコーキャンセラのみでは除去しきれないエコーやノイズも効果的に除去しながら、低音域を不要に抑圧することのない音響エコーキャンセラを実現することにある。

この発明は、収音音声信号に含まれる目的音声以外の音を除去する音響エコーキャンセラに関するものである。この音響エコーキャンセラは、適応型フィルタ、第１差分手段、残響エコースペクトル推定手段、および第２差分手段を備える。適応型フィルタは、放音用音声信号に基づいて擬似反響音信号を生成する。第１差分手段は、収音音声信号から擬似反響音信号を差分して第１補正音声信号を生成する。残響エコースペクトル推定手段は、第１補正音声信号に含まれる残響エコースペクトルを擬似反響音信号のスペクトルを用いて推定し、該残響エコースペクトルのそれぞれの周波数成分毎に異なる重み付けをすることで補正残響エコースペクトルを設定する。第２差分手段は、第１補正音声信号の周波数スペクトルに対して補正残響エコースペクトルを差分して出力する。

この構成では、適応型フィルタにより擬似反響音信号が生成されるとともに、適応型フィルタでは対応しきれない残響エコーの周波数スペクトルが推定される。そして、この発明の音響エコーキャンセラは、収音手段による収音音声信号に対して、まず擬似反響音信号を差分することで線形成分の第一段のエコーキャンセルを行い、さらに、第一段のエコーキャンセルが行われた後の第１補正音声信号の周波数スペクトルに対して、残響エコーの周波数スペクトルを差分することで更なる第二段のエコー除去を行う。この際、残響エコーの周波数スペクトルは周波数成分毎に異なる重み付けが行われる。これにより、周波数成分毎に異なるエコー除去レベルが設定される。

また、この発明の音響エコーキャンセラは、さらに、放音用音声信号と第１補正音声信号とに基づいて放収音の状態判定を行い、残響エコースペクトル推定手段に対して状態判定結果を与える状態判定手段を備える。そして、音響エコーキャンセラの残響エコースペクトル推定手段は、状態判定結果に応じて重み付けを変更する。

この構成では、放音や収音の状況に応じて適した重み付けが設定される。

また、この発明の音響エコーキャンセラの状態判定手段は、放音のみ有り状態と放収音有り状態とを判定する。残響エコースペクトル推定手段は、周波数の低い低音域の推定レベルが放音のみ有り状態よりも放収音有り状態の方で低くなるように推定する。

この構成では、Ｗトーク時のように話者の発声音が収音音声信号に含まれている場合に、発声音の主成分の音域に対応する残響エコースペクトルの低音域成分のレベルが低く抑えられるので、話者音声の低音域成分が余剰に差し引かれない。

また、この発明の音響エコーキャンセラは、さらに、収音音声信号を低音域成分と高音域成分とに分離し、収音音声信号低音域成分を第１差分手段へ出力する帯域分割手段と、該帯域分割手段から出力される収音音声信号高音域成分を、状態判定の結果に応じて減衰する減衰器と、を備える。

この構成では、収音音声信号の低音域成分と高音域成分とを分離し、低音域成分のみで上述の処理を行うことで、エコーキャンセル処理およびエコー除去処理の演算負荷が低減され、高速化も可能となる。この際、人間の発声する音声信号の高音域成分のレベルは、低音域成分のレベルに比べて小さい。さらに、元々反響してマイクに回り込んで収音される高音域成分のレベルは、低音域成分のレベルに対して小さい。したがって、高音域成分を単なる減衰器による減衰処理のみとしても、音質への影響が少ない。また、状態判定結果に応じて処理を変更することで、高音域についても放収音状態に応じた適切なエコー除去が可能になる。この際、所定の音質を保ちながら、上述のような効果的なエコーキャンセルおよびエコー除去が効率的に行われる。

また、この発明の音響エコーキャンセラの残響エコースペクトル推定手段は、擬似反響音信号のスペクトルに対して、設置環境に基づく音響環境パラメータに準じた補正演算を行うことで残響エコースペクトルを推定する。

この構成では、上述の低音域成分に対する補正による残響エコースペクトルの最適化とともに、音響環境に応じた残響エコースペクトルの補正が行われる。これにより、設置された部屋の大きさ等に起因する音響環境の違いに応じて、より適切な残響エコースペクトルが推定される。

また、この発明の音響エコーキャンセラは、さらに、第１補正音声信号の周波数スペクトルに基づいて定常ノイズスペクトルを推定するノイズスペクトル推定手段を備える。

この構成では、上述の残響エコースペクトルとともに存在する暗騒音等の定常ノイズスペクトルが推定される。これにより、より効果的なエコー除去処理が実行される。

この発明によれば、適応型フィルタを用いたエコーキャンセラのみでは除去しきれない残響エコーを高精度に除去することができるとともに、当該残響エコーの除去における特定周波数成分の余剰な削除を防止することができる。これにより、適応型フィルタによる第１の補正と残響エコー除去による第２の補正とを行う際に、自装置側の発話者の音声の特定周波数成分を削除し過ぎることなく、より原音に近い状態で出力することができる。

本発明の第１の実施形態に係る音響エコーキャンセラについて図を参照して説明する。なお、以下の説明では、時間領域の信号は末端の記号をｔで示し、周波数領域の信号は末端の記号をｎで示す。
図１は本実施形態の音響エコーキャンセラの主要要素の概略構成を示すブロック図である。
図１に示すように、音響エコーキャンセラ１は、スピーカＳＰ、マイクＭＩＣ、状態判定部１０、適応型フィルタ２０、外乱スペクトル推定部３０、本発明の第１差分手段に相当する加算器６０、および本発明の第２差分手段に相当する加算器７０を備える。

状態判定部１０は、放音用音声信号ＦＥｔ、収音音声信号ＮＥｔ、第１補正音声信号ＮＥ’ｔの信号レベルに基づいて、「放音、収音ともに有り状態（Ｗトーク状態）」、「放音用音声信号の放音のみ有り状態」、「放音が無く収音音声信号が有り状態」、「放音、収音ともに無し状態（無音状態）」のいずれかであることを検出して、検出状態を適応型フィルタ２０、外乱スペクトル推定部３０へ与える。図２は図１に示した状態判定部１０の状態判定、学習処理および周波数補正パターンの判断概念を示した図である。

具体的には、状態判定部１０は、放音用音声信号ＦＥｔ、収音音声信号ＮＥｔ、第１補正音声信号ＮＥ’ｔの全てが予め設定した閾値以上のレベルであることを検出すると、放音、話者発話の双方が行われていると判断し、「Ｗトーク」状態と判定する。また、状態判定部１０は、放音用音声信号ＦＥｔが前記閾値以上のレベルであり、第１補正音声信号ＮＥ’ｔが前記閾値未満であれば、「放音用音声信号の放音のみが有る」状態と判定する。また、状態判定部１０は、収音音声信号ＮＥｔおよび第１補正音声信号ＮＥ’ｔが前記閾値以上のレベルであり、放音用音声信号ＦＥｔが前記閾値未満であれば、「放音が無く収音音声信号が有る」状態と判定する。さらに、状態判定部１０は、放音用音声信号ＦＥｔ、収音音声信号ＮＥｔ、第１補正音声信号ＮＥ’ｔの全てが前記閾値未満であることを検出すると、「無音」状態と判定する。

スピーカＳＰは、外部から入力された放音用音声信号ＦＥｔに基づいて放音する。この放音用音声信号（遠端信号）ＦＥｔは、ＦＦＴ９１１へも入力される。

ＦＦＴ９１１は、高速フーリエ変換回路であり、時間領域の関数である放音用音声信号ＦＥｔを周波数領域の関数である放音用音声信号ＦＥｎへ変換して、適応型フィルタ２０へ与える。

適応型フィルタ２０は、擬似反響音信号生成部２０１と擬似反響音信号推定部２０２とを備える。擬似反響音信号生成部２０１は、例えば、所定のタップ数からなるＦＩＲフィルタであり、擬似反響音信号推定部２０２から与えられた係数により設定される。擬似反響音信号生成部２０１は、放音用音声信号ＦＥｎに基づいて擬似反響音信号ＦＥ’ｎを生成する。生成された擬似反響音信号ＦＥ’ｎは、ＩＦＦＴ９２１および外乱スペクトル推定部３０のエコースペクトル推定部３０１へ入力される。

擬似反響音信号推定部２０２は、ＬＭＳ等の適応アルゴリズムを用いて、後述するエコーキャンセル後の第１補正信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）から、擬似反響音信号ＦＥ’ｎを推定する。擬似反響音信号推定部２０２は、当該擬似反響音信号ＦＥ’ｎを擬似反響音信号生成部２０１に生成させるための係数を推定して、これら係数を擬似反響音信号生成部２０１へ与える。この際、擬似反響音信号推定部２０２は、状態判定部１０から「放音用音声信号の放音のみ有り」状態の情報を取得した場合にのみ、上述の推定による学習を行う。なお、このような推定、擬似反響音信号ＦＥ’ｎの生成、学習は、音響エコーキャンセラ１の動作中に繰り返し行われる。

ＩＦＦＴ９２１は、逆高速フーリエ変換回路であり、周波数領域の関数である擬似反響音信号ＦＥ’ｎを時間領域の関数である擬似反響音信号ＦＥ’ｔに変換して、加算器６０へ出力する。

マイクＭＩＣは、当該音響エコーキャンセラ１が設置された周囲から収音して、収音音声信号（近端信号）ＮＥｔを生成する。この収音音声信号ＮＥｔには、スピーカＳＰからの放音があれば、当該放音音声が設置環境に基づいて反響されてなる反響音の成分（残響エコー）が含まれる。また、マイクＭＩＣ周囲の話者が発話すれば、収音音声信号ＮＥｔに話者音声の成分が含まれる。また、スピーカＳＰからの放音と自装置側話者の発生音がともにあるＷトーク状態であれば、話者音声成分と残響エコーとがともに含まれる。さらに、会議室等の設置環境によって当該環境に特有の定常的なノイズが存在すると、収音音声信号ＮＥｔには、この定常ノイズの成分も含まれる。

加算器６０は、収音音声信号ＮＥｔから擬似反響音信号ＦＥ’ｔを差分することで、第１補正音声信号ＮＥ’ｔを生成して出力する。これにより、第一段の補正として、擬似反響音信号による適応型のエコーキャンセル処理が実行される。

ＦＦＴ９１２は、高速フーリエ変換回路であり、時間領域の関数である第１補正音声信号ＮＥ’ｔを周波数領域の関数である第１補正音声信号ＮＥ’ｎへ変換して出力する。第１補正音声信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）は、上述の擬似反響音信号推定部２０２および外乱スペクトル推定部３０のノイズスペクトル推定部３０２へ入力される。

外乱スペクトル推定部３０は、エコースペクトル推定部３０１とノイズスペクトル推定部３０２とを備える。簡単には、エコースペクトル推定部３０１は、擬似反響音信号ＦＥ’ｎのみで除去しきれない残響エコーを推定する演算部であり、ノイズスペクトル推定部３０２は、定常ノイズを推定する演算部である。

エコースペクトル推定部３０１は、擬似反響音信号ＦＥ’ｎの周波数スペクトルＳ（ＦＥ’ｎ）をサンプリングタイミング毎に順次取得するとともに、一時記憶する。エコースペクトル推定部３０１は、この取得および一時記憶した擬似反響音信号ＦＥ’ｎの周波数スペクトルＳ（ＦＥ’ｎ）と、前回推定した残響エコースペクトルＳ（ＦＥ”ｎ）と、予め設定された更新係数βとに基づいて、今回の残響エコースペクトルＳ（ＦＥ”ｎ）を推定するとともに、この推定した残響エコースペクトルＳ（ＦＥ”ｎ）を記憶する。

例えば、或るサンプリングタイミングＮでの残響エコースペクトルをＳ（ＦＥ”ｎ（Ｎ））とし、同サンプリングタイミングＮでの擬似反響音信号の周波数スペクトルをＳ（ＦＥ’ｎ（Ｎ））とし、直前のサンプリングタイミングＮ−１での残響エコースペクトルをＳ（ＦＥ”ｎ（Ｎ−１））とする。また、βを更新係数とする。

そして、この設定において、残響エコースペクトルＳ（ＦＥ”ｎ（Ｎ））は次式で表される。この式に基づいて、エコースペクトル推定部３０１は、残響エコースペクトルＳ（ＦＥ”ｎ（Ｎ））を算出する。

Ｓ（ＦＥ”ｎ（Ｎ））＝（１−β）Ｓ（ＦＥ”ｎ（Ｎ−１））＋βＳ（ＦＥ’ｎ（Ｎ））
−−−演算式（１）
エコースペクトル推定部３０１は、算出した残響エコースペクトルの各周波数成分に対して補正係数Ｆを乗算することで、補正残響エコースペクトルＳ（ＦＥＣｎ（Ｎ））を算出する。

Ｓ（ＦＥＣｎ（Ｎ））＝Ｆ・Ｓ（ＦＥ”ｎ（Ｎ））
ここで、補正係数Ｆは、それぞれに異なる周波数特性を有する複数の補正関数Ｆｋ（ω）により表される。なお、ｋは各補正関数の固有識別子である。

すなわち、エコースペクトル推定部３０１は、残響エコースペクトルＳ（ＦＥ”ｎ（Ｎ））の各周波数成分をＦＥ”ｎ，ω（Ｎ）とし、補正残響エコースペクトルＳ（ＦＥＣｎ（Ｎ））の各周波数成分をＦＥＣｎ，ω（Ｎ）として、
ＦＥＣｎ，ω（Ｎ）＝Ｆｋ（ω）・ＦＥ”ｎ，ω（Ｎ）
からなる演算を各周波数成分に対して実行する。これにより、補正残響エコースペクトルＳ（ＦＥＣｎ（Ｎ））が算出される。

この際、エコースペクトル推定部３０１は、状態判定結果に基づいて補正関数Ｆｋ（ω）を選択する。例えば、図２に示すように、エコースペクトル推定部３０１は、状態判定結果「Ｗトーク」を取得すると補正関数Ｆ１（ω）を選択し、状態判定結果「放音音声信号の放音のみ」を取得すると補正関数Ｆ２（ω）を選択する。

図３は、補正関数Ｆｋ（ω）の一例としてＦ１(ω）、Ｆ２（ω）の周波数特性を示した図である。図３に示すように、補正関数Ｆ１（ω）は、補正関数Ｆ２（ω）よりも低音域での補正係数Ｆ値が低く設定されている。また、補正関数Ｆ１（ω）は、補正関数Ｆ２（ω）よりも補正係数Ｆが「１」まで達する周波数が高く設定されている。

このような設定を行うことで、「Ｗトーク」時には低音域成分のレベルが抑圧された補正残響エコースペクトルＳ（ＦＥＣｎ）が算出され、「放音音声信号の放音のみ」時には低音域成分のレベルがあまり抑圧されていない補正残響エコースペクトルＳ（ＦＥＣｎ）が算出される。エコースペクトル推定部３０１は、算出した補正残響エコースペクトルＳ（ＦＥＣｎ）を加算器７０へ出力する。

このように、擬似反響音信号ＦＥ’ｎの周波数スペクトルＳ（ＦＥ’ｎ）に基づいて残響エコースペクトルＳ（ＦＥ”ｎ）を推定することで、適応型フィルタ２０で除去しきれない残響エコーの周波数スペクトルを取得することができる。すなわち、適応型フィルタ２０は、ＦＩＲフィルタ等からなり、タップ数等の仕様により表現可能な擬似反響音信号ＦＥ’ｎが制限される。これにより、時間軸上に復元した場合に擬似反響音信号ＦＥ’ｔと現実の回り込み音とで差が生じる。しかしながら、周波数領域で擬似反響音信号ＦＥ’ｎから残響エコーを推定することで、この時間軸上の制限を取り除くことができ、擬似反響音信号ＦＥ’ｔでは除去しきれない残響エコーを推定することができる。

さらに、補正係数Ｆを用いることで、状態判定結果に応じた周波数特性からなる補正残響エコースペクトルＳ（ＦＥＣｎ）を設定することができる。すなわち、自装置側の話者音声が収音音声信号に含まれる「Ｗトーク」時には、第１補正音声信号から減算すべき推定された残響エコーの低音域成分を抑圧することができる。これにより、「Ｗトーク」時に話者音声の主成分となる低音域成分が余剰に除去されることなく、原音に近い話者音声を出力することができる。一方で、自装置側の話者音声が無く、相手装置側からの放音用音声信号のみが放音されている「放音音声信号の放音のみ」時には、第１補正音声信号から減算すべき推定された残響エコーの低音域成分をあまり抑圧しないでおくことができる。これにより、「放音音声信号の放音のみ」時に回り込み音声の低音域成分を効果的に除去することができる。

なお、エコースペクトル推定部３０１は、「Ｗトーク」時と「放音音声信号の放音のみ」時との切り替え時や適応型フィルタ２０の擬似反響音信号推定部２０２に応じたタイミングで上述の推定学習を繰り返す。

また、本実施形態では、「収音音声信号のみ」時や「無音」時についての補正係数Ｆについては特に指定していない。これは、「収音音声信号のみ」時や「無音」時には回り込み音声が存在しないので、擬似反響音信号ＦＥ’ｔが略０となって残響エコーも略０となるため、補正係数Ｆの影響を殆ど受けないからである。したがって、例えば、「収音音声信号のみ」時や「無音」時には、直前の補正係数Ｆを維持する等の処理を行うようにしておけばよい。

ノイズスペクトル推定部３０２は、第１補正音声信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）を順次取得するとともに、一時記憶する。ノイズスペクトル推定部３０２は、この取得および記憶した複数回の第１補正音声信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）に基づいて、ノイズスペクトルＳ（ＮＥ”ｎ）を推定する。

例えば、或るサンプリングタイミングＮでのノイズスペクトルをＳ（ＮＥ”ｎ（Ｎ））とし、同サンプリングタイミングＮでの第１補正音声信号の周波数スペクトルをＳ（ＮＥ’ｎ（Ｎ））とし、直前のサンプリングタイミングＮ−１での第１補正音声信号の周波数スペクトルをＳ（ＮＥ’ｎ（Ｎ−１））とする。また、α，γを定数とする。

そして、この設定において、ノイズスペクトルＳ（ＮＥ”ｎ（Ｎ））を次式で表し、算出する。

Ｓ（ＮＥ”ｎ（Ｎ））＝αＳ（ＮＥ’ｎ（Ｎ−１））＋γＳ（ＮＥ’ｎ（Ｎ））
このように、エコーキャンセル後の信号である第１補正音声信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）に基づいてノイズスペクトルＳ（ＮＥ”ｎ）を推定することで、エコーとは別の暗騒音等の定常ノイズを算出することができる。この際、ノイズスペクトル推定部３０２は、状態判定部１０から「無音」状態の情報を取得した場合にのみ、上述の推定による学習を行う。なお、このような推定、学習も、音響エコーキャンセラ１の動作中に繰り返し行われる。

加算器７０は、周波数領域で演算を行う加算器であり、第１補正音声信号ＮＥ’ｎの周波数スペクトルＳ（ＮＥ’ｎ）から、補正残響エコースペクトルＳ（ＦＥＣｎ）およびノイズスペクトルＳ（ＮＥ”ｎ）を減算することで、第２補正音声信号Ｓ（ＮＯｎ）を生成して出力する。なお、この処理は各スペクトルが同期するようにして行われる。すなわち、ここで言う同期とは、同じサンプリングタイミングに形成された各スペクトルを用いて演算することであり、例えば、サンプリングタイミングＮの場合、
Ｓ（ＮＯｎ（Ｎ））＝Ｓ（ＮＥ’ｎ（Ｎ））−Ｓ（ＦＥＣｎ（Ｎ））−Ｓ（ＮＥ”ｎ（Ｎ））
の演算処理を行うことを意味する。これにより、第二段の補正として、適応型のエコーキャンセルとは別方式で、残響エコーや定常ノイズの除去が行われる。

ＩＦＦＴ９２２は、逆高速フーリエ変換回路であり、周波数領域の関数である第２補正音声信号ＮＯｎを時間領域の関数である第２補正音声信号ＮＯｔへ変換して出力する。

以上のような構成および処理を行うことで、放収音の状態に応じたエコー除去処理を行うことができる。具体的には、「Ｗトーク」時には、話者音声の低音域成分の余剰な除去を防いで、話者音声の音質を変化させることなく出力することができ、「放音音声信号による放音のみ」時には、回り込み音声を効果的に除去することができる。

次に、第２の実施形態に係る音響エコーキャンセラについて図を参照して説明する。
図４は本実施形態の音響エコーキャンセラ１’の主要構成を示すブロック図である。
本実施形態の音響エコーキャンセラ１’は、第１の実施形態に示した音響エコーキャンセラ１に対して、設置環境等の音響環境に応じて残響エコーを推定する構成および処理を追加したものである。したがって、以下の説明では、第１の実施形態の音響エコーキャンセラ１と異なる部分のみを説明する。

音響エコーキャンセラ１’は、第１の実施形態の図１に示した音響エコーキャンセラ１に対して、さらに、音響環境更新部１１、操作部１２、表示部１３、音響環境検出部１４を備えたものである。また、状態判定部１０は状態判定結果を音響環境検出部１４へも与える。また、本実施形態では、更新係数βは一定値ではなく、音響環境に応じて選択される。

音響環境更新部１１は、操作部１２または音響環境検出部１４から音響環境パラメータ設定指示を受け付けると、指定された音響環境パラメータに対応した更新係数βを外乱スペクトル推定部３０のエコースペクトル推定部３０１へ与える。図５は、更新係数βの設定パラメータの概念の一例を示す図である。例えば、図５に示すように、音響環境更新部１１は、音響環境パラメータとして「反響極小」の情報を得るとエコースペクトル推定部３０１へβ＝１を与える。また、音響環境更新部１１は、音響環境パラメータとして「反響中」の情報を得るとエコースペクトル推定部３０１へβ＝０．６を与える。さらに、音響環境更新部１１は、音響環境パラメータとして「反響大」の情報を得るとエコースペクトル推定部３０１へβ＝０．２を与える。なお、ここに示す更新係数βの設定値は一例であり、装置仕様や環境により適宜設定するとよく、さらに多段で更新係数βを設定してもよい。

操作部１２は、発話者を含む使用者とのユーザインタフェースであり、各種の操作子（図示せず）を有する。操作部１２は、使用者から音響環境設定の操作入力を受け付けると、音響環境更新部１１へ操作入力された音響環境に対応する音響環境パラメータ設定指示を出力する。

表示部１３は、液晶ディスプレイ等の表示素子を備え、音響環境更新部１１からの表示制御に従い操作メニュー等を表示する。

使用者は、これら操作部１２と表示部１３とにより、音響環境パラメータを手入力で設定する。すなわち、使用者により操作部１２から音響環境パラメータの設定変更指示を受けると、音響環境パラメータ設定用の画面、例えば、図５に示す「ルームサイズ」と、大きさを示す「大」、「中」、「小」が表示部１３に表示される。使用者は、この表示画面に従って、当該音響エコーキャンセラ１’を有する装置の設置される部屋の大きさ等を入力する。操作部１２は、この操作入力結果に基づく音響環境パラメータ設定指示（例えば図５の「反響極小」、「反響中」、「反響大」）を音響環境更新部１１へ与える。音響環境更新部１１は、上述のように音響環境パラメータに応じた更新係数βをエコースペクトル推定部３０１へ与える。

音響環境検出部１４は、擬似反響音信号推定部２０２の各タップ係数に応じたインパルス応答をＩＦＦＴ１４１で逆フーリエ変換してなるインパルス応答信号を取得し、エンベロープ特性を検出する。音響環境検出部１４は、エンベロープ波形の振幅および減衰特性を検出することで残響エコー時間を取得し、当該残響エコー時間に基づいて音響環境パラメータ設定指示を音響環境更新部１１へ与える。例えば、エンベロープ波形の時定数が極短くエコー時間が「略無し」であれば音響環境パラメータ「反響極小」を音響環境更新部１１へ与える。エンベロープ波形の時定数が短くエコー時間が「短」であれば音響環境パラメータ「反響中」を音響環境更新部１１へ与える。エンベロープ波形の時定数が長くエコー時間が「長」であれば音響環境パラメータ「反響大」を音響環境更新部１１へ与える。このような処理を行うことで、音響環境パラメータを手入力することなく自動で設定することができる。さらに、この処理を、無音状態の検出毎に行うことで、例えば使用者数が変化したり、使用者の位置が変化することによる音響環境変化をも加味して音響環境パラメータを動的に変化させることができる。

エコースペクトル推定部３０１は、与えられた更新係数βを用いて、演算式（１）により残響エコースペクトルを算出する。そして、第１の実施形態と同様に放収音状態に応じた補正を行う。

このように、更新係数βを用いることで、当該音響エコーキャンセラ１が備えられた装置の設置環境に応じて推定アルゴリズム（上述の演算式（１））をより最適に調整することができる。これにより、音響環境に応じて残響エコースペクトルＳ（ＦＥ”ｎ（Ｎ））を精度良く推定することができる。

以上のように、本実施形態の構成および処理を用いることで、音響環境と放収音状態との双方を考慮した上で適応型フィルタでは除去しきれない最適な残響エコーを推定することができ、より効果的にエコー除去を行うことができる。

次に、第３の実施形態に係る音響エコーキャンセラ１”について、図を参照して説明する。

図６は本実施形態の音響エコーキャンセラ１”の主要構成を示すブロック図である。
本実施形態の音響エコーキャンセラ１”は、第２の実施形態の図４に示した音響エコーキャンセラ１’に対して、さらにエコーサプレッサ４０、帯域分割部５０、加算器８０を備えたものである。また、状態判定部１０は状態判定結果をエコーサプレッサ４０へも与える。なお、他の構成は、第２の実施形態と同じであるが、第１の実施形態および第２の実施形態と信号処理内容が異なるので、異なる部分のみを以下で説明する。

音響エコーキャンセラ１”の状態判定部１０は、放音用音声信号ＦＥｔ、後述する収音音声信号低音域成分ＮＬＥｔ、低音域成分第１補正音声信号ＮＬＥ’ｔの信号レベルに基づいて、第１、第２の実施形態の場合と同様に、「放音、収音ともに有り状態（Ｗトーク状態）」、「放音用音声信号の放音のみ有り状態」、「放音が無く収音信号が有り状態」、「放音、収音ともに無し状態（無音状態）」のいずれかであることを検出して、検出状態を適応型フィルタ２０、外乱スペクトル推定部３０、音響環境検出部１４およびエコーサプレッサ４０へ与える。この際、本実施形態の収音音声信号低音域成分ＮＬＥｔ（ＮＬＥｎ）が第１、第２の実施形態における収音音声信号ＮＥｔ（ＮＥｎ）に相当し、本実施形態の低音域成分第１補正音声信号ＮＬＥ’ｔ（ＮＬＥ’ｎ）が第１、第２の実施形態における第１補正音声信号ＮＥ’ｔ（ＮＥ’ｎ）に相当する。

音響エコーキャンセラ１”の適応型フィルタ２０は、低音域成分第１補正音声信号ＮＬＥ’ｎの周波数スペクトルから上述の適応アルゴリズムを用いて擬似反響音信号ＦＥ’ｎを生成する。

マイクＭＩＣと加算器６０との間には帯域分割部５０が設置されている。帯域分割部５０は、収音音声信号ＮＥｔを、低音域成分ＮＬＥｔと高音域成分ＮＨＥｔとに分離する。ここで、低音域と高音域とを区分する閾値周波数は、例えば８ｋＨｚに設定されており、人の音声の主たる成分となる８ｋＨｚ以下の低音域成分が、加算器６０へ与えられ、８ｋＨｚよりも高い高音域成分が、エコーサプレッサ４０へ与えられる。

加算器６０は、収音音声信号低音域成分ＮＬＥｔから擬似反射音信号ＦＥ’ｔを差分することで、低音域成分第１補正音声信号ＮＬＥ’ｔを生成して出力する。

ＦＦＴ９１２は、高速フーリエ変換回路であり、時間領域の関数である低音域成分第１補正音声信号ＮＬＥ’ｔを周波数領域の関数である低音域成分第１補正音声信号ＮＬＥ’ｎへ変換して出力する。低音域成分第１補正音声信号ＮＬＥ’ｎの周波数スペクトルＳ（ＮＬＥ’ｎ）は、上述の擬似反響音信号推定部２０２および外乱スペクトル推定部３０のノイズスペクトル推定部３０２へ入力される。

外乱スペクトル推定部３０のノイズスペクトル推定部３０２は、低音域成分第１補正音声信号ＮＬＥ’ｎの周波数スペクトルＳ（ＮＬＥ’ｎ）を順次取得するとともに、一時記憶する。ノイズスペクトル推定部３０２は、この取得および記憶した複数回の低音域成分第１補正音声信号ＮＬＥ’ｎの周波数スペクトルＳ（ＮＬＥ’ｎ）に基づいて、ノイズスペクトルＳ（ＮＬＥ”ｎ）を推定する。

加算器７０は、周波数領域で演算を行う加算器であり、低音域成分第１補正音声信号ＮＬＥ’ｎの周波数スペクトルＳ（ＮＬＥ’ｎ）から、補正残響エコースペクトルＳ（ＦＥＣｎ）およびノイズスペクトルＳ（ＮＬＥ”ｎ）を減算することで、低音域成分第２補正音声信号ＮＬＯｎを生成して出力する。なお、この処理は各スペクトルが同期するようにして行われる。この加算器７０による同期処理は、第１、第２の実施形態で行った同期処理と同じである。

ＩＦＦＴ９２２は、逆高速フーリエ変換回路であり、周波数領域の関数である低音域成分第２補正音声信号ＮＬＯｎを時間領域の関数である低音域成分第２補正音声信号ＮＬＯｔへ変換して、加算器８０へ与える。

エコーサプレッサ４０は、減衰器４０１とディレイ回路４０２とからなる。減衰器４０１は、状態判定部１０からの状態判定結果に基づいて、収音音声信号ＮＥｔの高音域成分ＮＨＥｔの減衰量を調整し、減衰処理済高音域成分ＮＨＥ’ｔを出力する。

図７はエコーサプレッサ４０の減衰器４０１の減衰量を示す図である。
減衰器４０１は、「放音用音声信号の放音のみ有り」状態または「無音」状態の情報を取得すると、減衰量を無限大、すなわち、高音域成分ＮＨＥｔを遮断する（ＮＨＥ’ｔ＝０）。これは、放音用音声信号のみの場合や無音状態の場合、話者音声が含まれていないので、高音域成分を遮断することで、エコーや定常ノイズをより確実に除去することができるからである。

また、減衰器４０１は、「放音が無く収音音声信号が有り」状態の情報を取得すると、減衰量を「０」、すなわち、高音域成分ＮＨＥｔを減衰することなく通過させる（ＮＨＥ’ｔ＝ＮＨＥｔ）。このように収音音声信号のみの場合、高音域成分が話者音声に支配されるので、この高音域成分を減衰させないことにより、話者音声をより正確に出力することができるからである。

さらに、減衰器４０１は、「Ｗトーク」状態の情報を取得すると、減衰量を予め設定した所定値に設定する。これは、Ｗトーク時には、除去したい放音用音声信号ＦＥｔの成分と、話者音声成分とが混在しているために、或程度の減衰量に設定する。このように設定した場合、高音域では話者音声が若干減衰される。しかし、元々回り込み量が少なくレベルの低い放音用音声信号ＦＥｔによる高音域のエコー成分と比較して、直接的にマイクに収音される話者音声の高音域の方が信号レベルが高いので、若干の減衰による影響を殆ど受けない。したがって、話者音声を若干犠牲にしながらも、放音用音声信号ＦＥｔによるエコー成分を減衰させることができる。

減衰器４０１から出力された減衰処理済高音域成分ＮＨＥ’ｔは、ディレイ回路４０２へ入力される。ディレイ回路４０２は、処理演算が容易で高速な高音域成分ＮＨＥｔ（ＮＨＥ’ｔ）と、上述のエコーキャンセルおよびエコー除去処理を行った低音域成分第２補正音声信号ＮＬＯｔとを時間同期して加算するためのディレイ処理を行う。このディレイ処理により、遅延減衰処理済高音域成分ＮＨＥ”ｔが生成され、加算器８０へ与えられる。
加算器８０は、低音域成分第２補正音声信号ＮＬＯｔとこれに時間同期する遅延減衰処理済高音域成分ＮＨＥ”ｔとを加算して、出力音声信号ＮＯ’ｔを生成し、外部へ出力する。

以上のように、低音域成分のみをエコーキャンセルおよびエコー除去処理して、高音域成分を減衰処理することで処理演算量を低減することができる。この際、高音域成分に上述のエコーキャンセルおよびエコー除去処理を行わなくても、人の音声の主成分が低音域成分側にあるとともに、高音域成分は低音域成分と比較して反射回り込み量が少ないので、音質の劣化を抑制することができる。さらに、上述のように放収音状態毎に減衰量を変化させることで、上述の実施形態に示した低音域とともに、より効果的に高音域のエコーを除去し、且つ話者音声の音質の劣化を抑制することができる。

なお、上述の説明では、外乱スペクトル推定部に、エコースペクトル推定部とノイズスペクトル推定部とを備えた例を示したが、エコースペクトル推定部のみであっても、残響エコーを高精度に除去することができる。
また、上述の説明では、適応型フィルタを周波数領域演算で実現する例を示したが、時間領域による適応型フィルタを用いてもよい。
さらに、上述の説明では、状態判定部１０において信号レベルのみで状態判定を行う例を示したが、各信号の相関に基づいて状態判定を行ってもよい。

また、上述の説明では、スピーカとマイクとを備える音響エコーキャンセラを例に示したが、スピーカ等の放音素子への出力端子と、マイク等の収音素子からの入力端子とを備え、放音素子や収音素子を別体にしたものであってもよい。

また、上述の説明では、状態判定部１０から各部へ状態判定結果を与える例を示したが、状態判定部１０が各部の学習タイミングの条件を記憶しておき、状態判定部１０から各部へ学習タイミングを与えてもよい。

第１の実施形態の音響エコーキャンセラの主要構成を示すブロック図である。 図１に示した音響エコーキャンセラの状態判定、学習処理および周波数補正パターンの判断概念を示した図である。 補正関数Ｆｋ（ω）の一例としてＦ１(ω）、Ｆ２（ω）の周波数特性を示した図である。 第２の実施形態の音響エコーキャンセラの主要構成を示すブロック図である。 更新係数βの設定パラメータの概念の一例を示す図である。 第３の実施形態の音響エコーキャンセラの主要構成を示すブロック図である。 エコーサプレッサ４０の減衰器４０１の減衰量を示す図である。

符号の説明

１−音響エコーキャンセラ、１０−状態判定部、１１−音響環境更新部、１２−操作部、１３−表示部、１４−音響環境検出部、２０−適応型フィルタ、２０１−擬似反響音信号生成部、２０２−擬似反響音信号推定部、３０−外乱スペクトル推定部、３０１−エコースペクトル推定部、３０２−ノイズスペクトル推定部、４０−エコーサプレッサ、４０１−減衰器、４０２−ディレイ回路、５０−帯域分割部、６０，７０，８０−加算器、９００−周波数領域演算部、９１１，９１２−ＦＦＴ演算部、９２１，９２２−ＩＦＦＴ演算部、ＳＰ−スピーカ、ＭＩＣ−マイク

Claims (5)

1. 収音音声信号に含まれる目的音声以外の音を除去する音響エコーキャンセラであって、
   放音用音声信号に基づいて擬似反響音信号を生成する適応型フィルタと、
   前記収音音声信号から前記擬似反響音信号を差分して第１補正音声信号を生成する第１差分手段と、
   前記第１補正音声信号に含まれる残響エコースペクトルを前記擬似反響音信号のスペクトルを用いて推定し、該残響エコースペクトルのそれぞれの周波数成分毎に異なる重み付けをすることで補正残響エコースペクトルを設定する残響エコースペクトル推定手段と、
   前記第１補正音声信号の周波数スペクトルに対して前記補正残響エコースペクトルを差分して出力する第２差分手段と、
   前記放音用音声信号と前記第１補正音声信号とに基づいて放収音の状態判定を行い、前記残響エコースペクトル推定手段に対して状態判定結果を与える状態判定手段と、を備え、
   前記状態判定手段は、放音のみ有り状態と放収音有り状態とを判定し、
   前記残響エコースペクトル推定手段は、周波数の低い低音域の推定レベルが放音のみ有り状態よりも放収音有り状態の方で低くなるように重み付けを設定する、
   音響エコーキャンセラ。
2. 前記収音音声信号を低音域成分と高音域成分とに分離し、収音音声信号低音域成分を前記第１差分手段へ出力する帯域分割手段と、
   該帯域分割手段から出力される収音音声信号高音域成分を、前記状態判定の結果に応じて減衰する減衰器と、を備えた請求項１に記載の音響エコーキャンセラ。
3. 前記残響エコースペクトル推定手段は、前記擬似反響音信号のスペクトルに対して、設置環境に基づく音響環境パラメータに準じた補正演算を行うことで前記残響エコースペクトルを推定する、請求項１または２に記載の音響エコーキャンセラ。
4. 前記第１補正音声信号の周波数スペクトルに基づいて定常ノイズスペクトルを推定するノイズスペクトル推定手段を備える、請求項１〜請求項３のいずれかに記載の音響エコーキャンセラ。
5. 請求項３に記載の音響エコーキャンセラを備え、
   音響環境パラメータ設定用の画面を表示する表示部と、
   使用者から音響環境パラメータの操作入力を受け付ける操作部と、を備え、
   前記表示部は、装置が設置される部屋の大きさの選択肢を表示し、
   前記残響エコースペクトル推定手段は、使用者が前記操作部によって選択した部屋の大きさに応じた前記残響エコースペクトルを推定する、
   エコーキャンセル装置。

Images