JP5323995B2

JP5323995B2 - マルチチャネル信号の残響除去のためのシステム、方法、装置、およびコンピュータ可読媒体

Info

Publication number: JP5323995B2
Application number: JP2012528858A
Authority: JP
Inventors: ビッサー、エリック
Original assignee: Qualcomm Inc
Current assignee: Qualcomm Inc
Priority date: 2009-09-07
Filing date: 2010-09-07
Publication date: 2013-10-23
Anticipated expiration: 2030-09-07
Also published as: KR20120054087A; WO2011029103A1; US20110058676A1; CN102625946B; JP2013504283A; CN102625946A; EP2476117A1; KR101340215B1

Description

米国特許法第１１９条に基づく優先権の主張
本特許出願は、本出願の譲受人に譲渡され、２００９年９月７日に出願された「SYSTEMS, METHODS, APPARATUS, AND COMPUTER-READABLE MEDIA FOR DEREVERBERATION OF MULTICHANNEL SIGNAL」と題する仮出願第６１／２４０，３０１号の優先権を主張する。

本開示は信号処理に関する。

特定の方向から発信した音響信号（たとえば、通信デバイスのユーザによって発せられた音声信号）が壁および／または他の表面から反射されると、残響が生じる。直接経路信号に加えて、マイクロフォン記録信号は、それらの多重反射（たとえば、オーディオ信号の遅延したインスタンス）を含んでいることがある。残響音声は、概して、（たとえば、様々な音響経路上での信号インスタンスの弱め合う干渉により）対面の会話で聞こえる音声よりも、こもって、不明瞭に、および／またはわかりづらく聞こえる。これらの影響は、自動音声認識（ＡＳＲ）適用例（たとえば、勘定残高または株価チェックなどの自動商取引、自動メニューナビゲーション、自動問合せ処理）の場合に特に問題になり、精度の低減につながり得る。したがって、ボイスの音色の変更を最小限に抑えながら、記録信号に対して残響除去（dereverberation）演算を実行することが望ましいことがある。

一般的構成による、指向性成分を含むマルチチャネル信号を処理する方法が、残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行することと、拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行することとを含む。本方法は、生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算することと、残響除去信号を生成するために拡張信号に対して残響除去演算を実行することとを含む。残響除去演算は、計算された複数のフィルタ係数に基づく。第１の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第２の信号はマルチチャネル信号の少なくとも２つのチャネルを含む。本方法では、第１の信号に対して第１の指向性選択的処理演算を実行することは、第１の信号の総エネルギーと比較して、第１の信号内の指向性成分のエネルギーを減少させることを含み、第２の信号に対して第２の指向性選択的処理演算を実行することは、第２の信号の総エネルギーと比較して、第２の信号内の指向性成分のエネルギーを増加させることを含む。そのような方法を実行するように構成されたシステムおよび装置、ならびにそのような方法を実行するための機械実行可能命令を有するコンピュータ可読媒体も開示される。

一般的構成による、指向性成分を含むマルチチャネル信号を処理するための装置が、残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行するように構成された第１のフィルタと、拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行するように構成された第２のフィルタとを有する。本装置は、生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算するように構成された計算器と、計算された複数のフィルタ係数に基づいて、残響除去信号を生成するために拡張信号をフィルタ処理するように構成された第３のフィルタとを有する。第１の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第２の信号はマルチチャネル信号の少なくとも２つのチャネルを含む。本装置では、第１の指向性選択的処理演算は、第１の信号の総エネルギーと比較して、第１の信号内の指向性成分のエネルギーを減少させることを含み、第２の指向性選択的処理演算は、第２の信号の総エネルギーと比較して、第２の信号内の指向性成分のエネルギーを増加させることを含む。

別の一般的構成による、指向性成分を含むマルチチャネル信号を処理するための装置が、残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行するための手段と、拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行するための手段とを有する。本装置は、生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算するための手段と、残響除去信号を生成するために拡張信号に対して残響除去演算を実行するための手段とを含む。本装置では、残響除去演算は、計算された複数のフィルタ係数に基づく。第１の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第２の信号はマルチチャネル信号の少なくとも２つのチャネルを含む。本装置では、第１の信号に対して第１の指向性選択的処理演算を実行するための手段は、第１の信号の総エネルギーと比較して、第１の信号内の指向性成分のエネルギーを減少させるように構成され、第２の信号に対して第２の指向性選択的処理演算を実行するための手段は、第２の信号の総エネルギーと比較して、第２の信号内の指向性成分のエネルギーを増加させるように構成される。

ビームフォーマ応答プロットの例を示す図。ビームフォーマ応答プロットの例を示す図。一般的構成による方法Ｍ１００のフローチャート。一般的構成による装置Ａ１００のフローチャート。発生されたヌルビームの例を示す図。発生されたヌルビームの例を示す図。方法Ｍ１００の実装形態Ｍ１０２のフローチャート。装置Ａ１００の実装形態Ａ１０４のブロック図。装置Ａ１００の実装形態Ａ１０６のブロック図。装置Ａ１００の実装形態Ａ１０８のブロック図。一般的構成による装置ＭＦ１００のフローチャート。別の構成による方法のフローチャート。一般的構成によるデバイスＤ１０のブロック図。装置Ｄ１０の実装形態Ｄ２０のブロック図。マルチマイクロフォンワイヤレスヘッドセットＤ１００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ１００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ１００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ１００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ２００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ２００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ２００の様々な図。マルチマイクロフォンワイヤレスヘッドセットＤ２００の様々な図。マルチマイクロフォン通信ハンドセットＤ３００の（中央軸に沿った）断面図。デバイスＤ３００の実装形態Ｄ３１０の断面図。マルチマイクロフォンメディアプレーヤＤ４００の図。デバイスＤ４００の実装形態Ｄ４１０の図。デバイスＤ４００の実装形態Ｄ４２０の図。マルチマイクロフォンハンズフリーカーキットＤ５００の図。マルチマイクロフォンライティングデバイスＤ６００の図。デバイスＤ７００の正面図。デバイスＤ７００の上面図。デバイスＤ７１０の正面図。デバイスＤ７１０の上面図。ハンドセットＤ３００の実装形態Ｄ３２０の正面図。ハンドセットＤ３００の実装形態Ｄ３２０の側面図。ハンドセットＤ３００の実装形態Ｄ３３０の正面図。ハンドセットＤ３００の実装形態Ｄ３３０の側面図。オーディオ感知デバイスＤ８００のディスプレイ図。デバイスＤ１０の異なる会議実装形態の構成を示す図。デバイスＤ１０の異なる会議実装形態の構成を示す図。デバイスＤ１０の異なる会議実装形態の構成を示す図。デバイスＤ１０の異なる会議実装形態の構成を示す図。アレイＲ１００の実装形態Ｒ２００のブロック図。アレイＲ２００の実装形態Ｒ２１０のブロック図。

本開示は、ブラインド音源分離（ＢＳＳ：blind source separation）を使用して取得された分離された残響推定値に関してトレーニングされた逆フィルタと組み合わされたビームフォーミングを使用する、マルチマイクロフォン信号の残響除去のためのシステム、方法、装置、およびコンピュータ可読媒体の説明を含む。

その文脈によって明確に限定されない限り、「信号」という用語は、本明細書では、ワイヤ、バス、または他の伝送媒体上に表されたメモリロケーション（またはメモリロケーションのセット）の状態を含む、その通常の意味のいずれをも示すのに使用される。その文脈によって明確に限定されない限り、「発生（generating）」という用語は、本明細書では、計算（computing）または別様の生成（producing）など、その通常の意味のいずれをも示すのに使用される。その文脈によって明確に限定されない限り、「計算（calculating）」という用語は、本明細書では、複数の値からの計算（computing）、評価、推定、および／または選択など、その通常の意味のいずれをも示すのに使用される。その文脈によって明確に限定されない限り、「取得（obtaining）」という用語は、計算（calculating）、導出、（たとえば、外部デバイスからの）受信、および／または（たとえば、記憶要素のアレイからの）検索など、その通常の意味のいずれをも示すのに使用される。「備える（comprising）」という用語は、本明細書および特許請求の範囲において使用される場合、他の要素または動作を除外するものではない。「に基づく」（「ＡはＢに基づく」など）という用語は、（ｉ）「から導出される」（たとえば、「ＢはＡのプリカーサーである」）、（ｉｉ）「少なくとも〜に基づく」（たとえば、「Ａは少なくともＢに基づく」）、および特定の文脈で適当な場合に、（ｉｉｉ）「に等しい」（たとえば、「ＡはＢに等しい」）という場合を含む、その通常の意味のいずれをも示すのに使用される。同様に、「に応答して」という用語は、「少なくとも〜に応答して」を含む、その通常の意味のいずれをも示すのに使用される。

マルチマイクロフォンオーディオ感知デバイスのマイクロフォンの「ロケーション」への言及は、文脈によって別段に規定されていない限り、マイクロフォンの音響的に敏感な面の中心のロケーションを示す。「チャネル」という用語は、特定の文脈に応じて、時々、信号経路を示すのに使用され、また他のときには、そのような経路によって搬送される信号を示すのに使用される。別段に規定されていない限り、「一連」という用語は、２つ以上のアイテムのシーケンスを示すのに使用される。「周波数成分」という用語は、（たとえば、高速フーリエ変換によって生成される）信号の周波数領域表現のサンプル、あるいは信号のサブバンド（たとえば、バーク尺度サブバンド）など、信号の周波数または周波数帯域のセットのうちの１つを示すのに使用される。

別段に規定されていない限り、特定の特徴を有する装置の動作のいかなる開示も、類似の特徴を有する方法を開示する（その逆も同様）ことをも明確に意図し、特定の構成による装置の動作のいかなる開示も、類似の構成による方法を開示する（その逆も同様）ことをも明確に意図する。「構成」という用語は、その特定の文脈によって示されるように、方法、装置、および／またはシステムに関して使用され得る。「方法」、「プロセス」、「プロシージャ」、および「技法」という用語は、特定の文脈によって別段に規定されていない限り、一般的、互換的に使用される。「装置」および「デバイス」という用語も、特定の文脈によって別段に規定されていない限り、一般的、互換的に使用される。「要素」および「モジュール」という用語は、一般に、より大きい構成の一部を示すのに使用される。その文脈によって明確に限定されない限り、「システム」という用語は、本明細書では、「共通の目的を果たすために相互作用する要素のグループ」を含む、その通常の意味のいずれをも示すのに使用される。文書の一部の参照によるいかなる組込みも、そのような定義が文書中の他の場所、ならびに組み込まれた部分で参照される図に現れた場合、その部分内で言及された用語または変数の定義を組み込んでいることをも理解されたい。

マルチマイクロフォン信号の残響除去は、ビームフォーミングなど、指向性弁別（discriminative）（または「指向性選択」）フィルタ技法を使用して実行され得る。そのような技法は、ほぼ正確な空間分解能を用いて、他の方向から到着する音響成分から、（所望の音響成分の反射されたインスタンス含む）特定の方向から到着する音響成分を隔離するために使用され得る。この分離は、概して、中間周波数から高周波数までではうまく動作するが、低周波数における結果は概して期待外れである。

低周波数におけるこの不全の１つの理由は、典型的なオーディオ感知消費者デバイス形状ファクタ（たとえば、ワイヤレスヘッドセット、電話ハンドセット、携帯電話、携帯情報端末（ＰＤＡ））上で利用可能なマイクロフォン間隔が、異なる方向から到着する低周波成分間の良好な分離を保証するためには概して小さすぎることである。信頼できる指向性弁別は、一般に、波長と同等のアレイアパーチャを必要とする。２００Ｈｚにおける低周波成分では、波長は約１７０センチメートルである。しかしながら、典型的なオーディオ感知消費者デバイスでは、マイクロフォン間の間隔は、約１０センチメートル程度の実際的な上限を有し得る。さらに、白色雑音利得を制限することのデザイアビリティは、設計者に低周波数のビームを広げることを強制し得る。白色雑音利得に対する制限は、一般に、センサ雑音や風雑音など、マイクロフォンチャネル間では無相関である雑音の増幅を低減または回避するために課せられる。

空間エイリアシングを回避するために、マイクロフォン間の距離は最小波長の半分を超えるべきではない。たとえば、８キロヘルツサンプリングレートは０キロヘルツから４キロヘルツまでの帯域幅を与える。４キロヘルツにおける波長は約８．５センチメートルであるので、この場合、隣接するマイクロフォン間の間隔は約４センチメートルを超えるべきではない。マイクロフォンチャネルは、空間エイリアシングを生じ得る周波数を除去するために低域フィルタ処理され得る。空間エイリアシングは高周波数における空間選択フィルタ処理の有効性を低減し得るが、残響エネルギーは、通常、（たとえば、典型的な室内ジオメトリにより）低周波数に集中する。指向性選択フィルタ処理演算は、中間および高周波数において残響の十分な除去を実行し得るが、低周波数におけるそれの残響除去パフォーマンスは、所望の知覚利得を生成するには不十分であり得る。

図１Ａおよび図１Ｂに、隣接するマイクロフォンとの間に３．５ｃｍの間隔がある４マイクロフォン線形アレイを使用して記録されたマルチマイクロフォン信号上で取得されたビームフォーマ応答プロットを示す。図１Ａは、アレイ軸に対して９０度のステア方向の応答を示し、図１Ｂは、アレイ軸に対して０度のステア方向の応答を示す。両方の図において、周波数レンジは０キロヘルツから４キロヘルツまでであり、低から高の利得は暗から明の輝度によって示されている。理解を促進するために、図１Ａ中の最高周波数において境界線が追加されており、図１Ｂにメインローブの輪郭が追加されている。各図において、ビームパターンは、中間および高周波数では高い指向性を与えるが、低周波数では拡散することがわかり得る。したがって、残響除去を行うためのそのようなビームの適用は、中間および高周波数では有効であり得るが、残響エネルギーが集中する傾向がある低周波数帯域ではあまり有効でないことがある。

代替的に、マルチマイクロフォン信号の残響除去は残響測定値の直接逆フィルタ処理によって実行され得る。そのような手法は、Ｃ（ｚ^-1）Ｙ（ｔ）＝Ｓ（ｔ）などのモデルを使用し得、Ｙ（ｔ）は、観測された音声信号を示し、Ｓ（ｔ）は、直接経路音声信号を示し、Ｃ（ｚ^-1）は、逆室内応答（room-response）フィルタを示す。

典型的な直接逆フィルタ処理手法は、有意味な解に収束させるために各量の分布関数（たとえば、音声の確率分布関数および再構成誤差の確率分布関数）に関する適切な仮定を使用して、直接経路音声信号Ｓ（ｔ）と逆室内応答フィルタＣ（ｚ^-1）とを同時に推定し得る。しかしながら、これらの２つの無関係な量の同時推定には問題があり得る。たとえば、そのような手法は、反復的になる可能性があり、一般にあまり正確でない結果のための大量の計算および遅い収束につながり得る。このようにして、記録信号に逆フィルタ処理を直接適用することはまた、室内インパルス応答関数を反転させる間に音声ホルマント構造の白色化を起こしやすいので、音声が不自然に聞こえる。これらの白色化アーティファクトを回避するために、直接逆フィルタ処理手法はパラメータチューニングに過剰に依存し得る。

本明細書では、ブラインド音源分離（ＢＳＳ）または他の無相関化技法を使用して推定された残響信号に基づいて逆フィルタ処理を実行する、マルチマイクロフォン残響除去のためのシステム、方法、装置、およびコンピュータ可読媒体を開示する。そのような手法は、音源に向かってダイレクトされるヌルビームを計算するために、ＢＳＳまたは他の無相関化技法を使用することによって残響を推定することと、得られた残差信号（たとえば、低周波残響残差信号）からの情報を使用して、逆室内応答フィルタを推定することとを含み得る。

図２Ａに、指向性成分（たとえば、ユーザの口によって発せられた音声信号など、所望の信号の直接経路インスタンス）を含むマルチチャネル信号を処理する、一般的構成による方法Ｍ１００のフローチャートを示す。方法Ｍ１００は、タスクＴ１００と、タスクＴ２００と、タスクＴ３００と、タスクＴ４００とを含む。タスクＴ１００は、残差信号を生成するために第１の信号に対して第１の指向性選択的処理（ＤＳＰ）演算を実行する。第１の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第１のＤＳＰ演算は、第１の信号の総エネルギーと比較して、第１の信号内の指向性成分のエネルギーを減少させることによって残差信号を生成する。第１のＤＳＰ演算は、たとえば、指向性成分に負の利得を適用することによって、および／または信号の１つまたは複数の他の成分に正の利得を適用することによって、指向性成分の相対エネルギーを減少させるように構成され得る。

概して、第１のＤＳＰ演算は、信号の総エネルギーと比較して、指向性成分のエネルギーを減少させるように構成された無相関化演算として実装され得る。例には、（ヌルビームフォーミング演算として構成された）ビームフォーミング演算、指向性成分を分離するように構成されたブラインド音源分離演算、および指向性成分の周波数成分を減衰させるように構成された位相ベースの演算がある。そのような演算は、時間領域においてまたは変換領域（たとえば、ＦＦＴまたはＤＣＴ領域あるいは別の周波数領域）において実行するように構成され得る。

一例では、第１のＤＳＰ演算はヌルビームフォーミング演算を含む。この場合、指向性成分の到着方向（たとえば、第１の信号を生成するマイクロフォンアレイに対するユーザの口の方向）におけるヌルビームを計算することによって残差が取得される。ヌルビームフォーミング演算は固定および／または適応型であり得る。そのようなヌルビームフォーミング演算を実行するために使用され得る固定ビームフォーミング演算の例には、時間領域遅延和（delay-and-sum）ビームフォーミングと、サブバンド（たとえば、周波数領域）位相シフト和（phase-shift-and-sum）ビームフォーミングと、超指向性ビームフォーミングとを含む遅延和ビームフォーミングがある。そのようなヌルビームフォーミング演算を実行するために使用され得る適応型ビームフォーミング演算の例には、最小分散無ひずみ応答（ＭＶＤＲ：minimum variance distortionless response）ビームフォーミング、線形制約最小分散（ＬＣＭＶ：linearly constrained minimum variance）ビームフォーミング、および一般化サイドローブキャンセラ（ＧＳＣ：generalized sidelobe canceller）ビームフォーミングがある。

別の例では、第１のＤＳＰ演算は、第１の信号の異なるチャネルにおける周波数成分の位相間の差に基づく利得を第１の信号の周波数成分に適用することを含む。そのような位相差ベースの演算は、第１の信号の複数の異なる周波数成分の各々について、第１の信号の異なるチャネルにおける周波数成分の対応する位相間の差を計算することと、計算された位相差に基づいて異なる利得を周波数成分に適用することとを含み得る。そのような位相差から導出され得る方向インジケータの例には到着方向および到達時間差がある。

位相差ベースの演算は、位相差が特定の基準を満たす（たとえば、対応する到着方向が指定された範囲内に入るか、または対応する到達時間差が指定された範囲内に入るか、または位相差と周波数との比が指定された範囲内に入る）周波数成分の数に従ってコヒーレンシ測度を計算するように構成され得る。完全にコヒーレントな信号では、位相差と周波数との比は定数である。そのようなコヒーレンシ測度は、（たとえば、ボイスアクティビティ検出器として）指向性成分がアクティブである間隔を示すために使用され得る。指定された周波数レンジ（たとえば、約５００、６００、７００、または８００Ｈｚから約１７００、１８００、１９００、または２０００Ｈｚまでなど、話者のボイスのエネルギーの大部分を含むことが予想され得るレンジ）にあり、および／または所望の話者のボイスのピッチ周波数の現在の推定値の倍数である、周波数成分のみの位相差に基づいてコヒーレンシ測度を計算するように、そのような演算を構成することが望ましいことがある。

さらなる一例では、第１のＤＳＰ演算はブラインド音源分離（ＢＳＳ）演算を含む。ブラインド音源分離は、出力間の相互情報量が最小化される程度まで、分離された出力を無相関化する分離フィルタ解を計算するので、特定のシナリオにおいて残響を推定するための有用な方法を与える。そのような演算は、放出源が経時的に移動するにつれて、指向性成分のエネルギーを確実に分離し続け得るような適応型である。

従来のビームフォーミング技法の場合のような所望の音源へのビーミングの代わりに、ＢＳＳ演算は、他の競合方向をビームアウトすることによって所望の音源に向かうビームを発生するように設計され得る。残差信号は、指向性成分のエネルギーがそこから分離される、ＢＳＳ演算の雑音または「残差」出力から（すなわち、指向性成分のエネルギーがその中に分離される、雑音の多い信号出力とは反対に）取得され得る。

制約付きＢＳＳ手法を使用して、各個の周波数ビンにおいてビームパターンを反復的に整形し、それによって相関雑音を無相関雑音に対してトレードオフし、サイドローブを主ビームに対してトレードオフするように第１のＤＳＰ演算を構成することが望ましいことがある。そのような結果を達成するために、すべてのルック角（look angle）にわたって正規化（normalization）プロシージャを使用して、所望のルック方向において収束ビームを単位利得に正規化（regularize）することが望ましいことがある。また、チューニング行列を使用して、各ヌルビーム方向の周波数ビンごとの反復プロセス中に、強化されたヌルビームの深さおよびビーム幅を直接制御することが望ましいことがある。

ＭＶＤＲ設計の場合と同様に、ＢＳＳ設計は、単独ではマイクロフォンアレイの前面と背面との弁別が不十分であり得る。したがって、ＢＳＳ演算が、マイクロフォンアレイの前の音源とマイクロフォンアレイの後ろの音源とを弁別することが望ましい適用例では、後ろからの音源を示すために使用され得る、他のマイクロフォンから向きがそれている少なくとも１つのマイクロフォンを含むようにアレイを実装することが望ましいことがある。

収束時間を低減するために、ＢＳＳ演算は、一般に、指向性成分の推定方向を示す初期条件のセットを用いて初期化される。初期条件は、ビームフォーマ（たとえば、ＭＶＤＲビームフォーマ）から取得され得、および／またはマイクロフォンアレイを使用して取得された１つまたは複数の指向性音源の記録に関してデバイスをトレーニングすることによって取得され得る。たとえば、マイクロフォンアレイを使用して、トレーニングデータを収集するために１つまたは複数のラウドスピーカーのアレイからの信号を記録し得る。特定のルック方向に向かうビームを発生することが望まれる場合、ラウドスピーカーはアレイに対してそれらの角度で配置され得る。制約付きＢＳＳルールは、競合音源をヌルアウトしようと試み得、したがって、干渉ラウドスピーカーの相対角距離によって決定された多少狭い残差ビームを生じ得るので、得られたビームのビーム幅は干渉ラウドスピーカーの近接度によって決定され得る。

それらのジオメトリに従って空間的に音響を拡散する、異なる表面および曲率をもつラウドスピーカーを使用することによって、ビーム幅は影響を受けることがある。これらの応答を整形するために、マイクロフォンの数以下の数の音源信号が使用され得る。異なる周波数成分を作成するために、ラウドスピーカーによって再生される異なるサウンドファイルが使用され得る。ラウドスピーカーが異なる周波数成分を含んでいる場合、再生信号は、いくつかの帯域において周波数損失を補償するために再生の前に等化され得る。

ＢＳＳ演算は、特定の時間間隔中に、特定の方向から到着するエネルギーのみを分離するように指向的に制約され得る。代替的に、そのような制約は、特定の時間間隔中に、ＢＳＳ演算が異なる周波数においていくぶん異なる方向から到着するエネルギーを分離することを可能にするために、ある程度緩和され得、これは現実世界の条件においてより良い分離性能を生じ得る。

図３Ａおよび図３Ｂに、マイクロフォンアレイに対する音源（たとえば、ユーザの口）の異なる空間構成のためにＢＳＳを使用して発生されたヌルビームの例を示す。図３Ａでは、所望の音源はアレイ軸に対して３０度であり、図３Ｂでは、所望の音源はアレイ軸に対して１２０度である。これらの例の両方において、周波数レンジは０キロヘルツから４キロヘルツまでであり、低から高の利得は暗から明の輝度によって示されている。理解を助けるために、最高周波数においておよびより低い周波数において各図中に等高線が追加されている。

タスクＴ１００において実行される第１のＤＳＰ演算は、所望の音源に向かう十分に鋭いヌルビームを作成し得るが、この空間的方向は、（たとえば、その帯域において蓄積する残響により）すべての周波数帯域、特に低周波数帯域においてあまりうまく定義され得ない。上記のように、指向性選択的処理演算は、一般に、特にマイクロフォンアレイの幅が低周波成分の波長よりもはるかに狭いような小さいフォームファクタを有するデバイスでは、低周波数においてあまり有効ではない。したがって、タスクＴ１００において実行される第１のＤＳＰ演算は、第１の信号の中間および高周波数帯域から指向性成分の残響を除去するのに効果的であり得るが、指向性成分の低周波残響を除去するためにはあまり有効でないことがある。

タスクＴ１００によって生成された残差信号は所望の音声信号ほどの構造を含んでいないので、この残差信号に関してトレーニングされた逆フィルタは、音声ホルマント構造を反転させる可能性が低い。したがって、記録信号または拡張信号にトレーニングされた逆フィルタを適用することは、人工音声効果を作り出すことなしに高品質残響除去を生成することが予想され得る。また、残差信号から指向性成分を抑制することは、指向性成分の同時推定なしに逆室内インパルス応答関数の推定を可能にし、これは、従来の逆フィルタ処理手法に比較して逆フィルタ応答関数のより効率的な計算を可能にし得る。

タスクＴ２００は、タスクＴ１００において取得された残差信号からの情報を使用して、（「室内インパルス応答関数」とも呼ばれる）室内応答伝達関数Ｆ（ｚ）の逆数を計算する。記録信号Ｙ（ｚ）（たとえば、マルチチャネル信号）は、所望の指向性信号Ｓ（ｚ）（たとえば、ユーザの口から発せられた音声信号）の直接経路インスタンスと指向性信号Ｓ（ｚ）の残響インスタンスとの和としてモデル化され得ると仮定する。

このモデルは、記録信号Ｙ（ｚ）に関して指向性信号Ｓ（ｚ）を表すために書き換えられ得る。

また、室内応答伝達関数Ｆ（ｚ）は、逆フィルタＣ（ｚ）が有限インパルス応答（ＦＩＲ）フィルタであるような全極型フィルタ１／Ｃ（ｚ）としてモデル化され得ると仮定する。

これらの２つのモデルは、所望の信号Ｓ（ｚ）についての以下の式を取得するために結合される。

残響がない場合（すなわち、フィルタ係数ｃ_iのすべてが０に等しいとき）、関数Ｃ（ｚ）およびＦ（ｚ）はそれぞれ１に等しい。上記の式において、この条件は結果Ｓ（ｚ）＝Ｙ（ｚ）／２を生じる。したがって、以下のように、記録信号Ｙ（ｚ）および逆フィルタＣ（ｚ）に関して、音声信号Ｓ（ｚ）のモデルを取得するために正規化ファクタ２を含めることが望ましいことがある。

一例では、タスクＴ２００は、計算された残差に自己回帰モデルを適合させることによって逆フィルタＣ（ｚ）のフィルタ係数ｃ_iを計算するように構成される。そのようなモデルは、たとえば、Ｃ（ｚ）ｒ（ｔ）＝ｅ（ｔ）として表され得、ｒ（ｔ）は、時間領域において計算された残差信号を示し、ｅ（ｔ）は、白色雑音シーケンスを示す。このモデルはまた、次式として表され得る。

上式で、表記「ａ［ｂ］」は、時間ｂにおける時間領域シーケンスａの値を示し、フィルタ係数ｃ_iは、モデルのパラメータである。モデルの次数ｑは固定または適応型であり得る。

タスクＴ２００は、任意の好適な方法を使用して、そのような自己回帰モデルのパラメータｃ_iを計算するように構成され得る。一例では、タスクＴ２００は、モデルに対して最小２乗最小化演算を実行する（すなわち、誤りｅ（ｔ）のエネルギーを最小化する）。モデルパラメータｃ_iを計算するために使用され得る他の方法には、前方後方（forward-backward）手法、ユールウォーカー（Yule-Walker）方法およびバーグ（Burg）方法がある。

０でないＣ（ｚ）を取得するために、タスクＴ２００は、誤りｅ（ｔ）についての分布関数を仮定するように構成され得る。たとえば、ｅ（ｔ）は、最大尤度関数に従って分布されると仮定され得る。スパースなインパルス列（たとえば、できるだけ少数のインパルスまたはできるだけ多くの０を含む一連のデルタ関数）であることをｅ（ｔ）に強制するようにタスクＴ２００を構成することが望ましいことがある。

モデルパラメータｃ_iは、残差に関して学習される白色化フィルタを定義すると見なされ得、誤りｅ（ｔ）は、残差ｒ（ｔ）を生じた仮定的励振信号と見なされ得る。このコンテキストでは、計算フィルタＣ（ｚ）のプロセスは、ＬＰＣ音声ホルマント構造モデリングにおいて励振ベクトルを見つけるプロセスと同様である。したがって、別のときにはＬＰＣ分析のために使用されるハードウェアまたはファームウェアモジュールを使用して、フィルタ係数ｃ_iについて解くことが可能であり得る。残差信号は、音声信号の直接経路インスタンスを除去することによって計算されたので、モデルパラメータ推定演算は、音声ホルマント構造を反転させることを試みることなしに室内伝達関数Ｆ（ｚ）の極を推定することが予想され得る。

タスクＴ１００によって生成された残差信号の低周波成分は、指向性成分の残響エネルギーの大部分を含む傾向がある。残差信号中の中間周波エネルギーおよび／または高周波エネルギーの量をさらに減少させるように方法Ｍ１００の実装形態を構成することが望まれることがある。図４Ａに、タスクＴ１５０を含む方法Ｍ１００のそのような実装形態Ｍ１０２の一例を示す。タスクＴ１５０は、タスクＴ２００において計算されるフィルタ係数が、フィルタ処理された残差に基づくように、タスクＴ２００の上流で残差信号に対して低域フィルタ処理演算を実行する。方法Ｍ１００の関係する代替実装形態では、タスクＴ１００において実行される第１の指向性選択的処理演算は低域フィルタ処理演算を含む。いずれの場合も、低域フィルタ処理演算は、たとえば、５００、６００、７００、８００、９００、または１０００Ｈｚのカットオフ周波数を有することが望ましいことがある。

タスクＴ３００は、拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行する。第２の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第２のＤＳＰ演算は、第２の信号の総エネルギーと比較して、第２の信号内の指向性成分のエネルギーを増加させることによって拡張信号を生成する。第２のＤＳＰ演算は、指向性成分に正の利得を適用することによって、および／または第２の信号の１つまたは複数の他の成分に負の利得を適用することによって、指向性成分の相対エネルギーを増加させるように構成され得る。第２のＤＳＰ演算は、時間領域においてまたは変換領域（たとえば、ＦＦＴまたはＤＣＴ領域あるいは別の周波数領域）において実行するように構成され得る。

一例では、第２のＤＳＰ演算はビームフォーミング演算を含む。この場合、指向性成分の到着方向（たとえば、第２の信号を生成する、マイクロフォンアレイに対する話者の口の方向）におけるビームを計算することによって拡張信号が取得される。固定および／または適応型であり得るビームフォーミング演算は、タスクＴ１００に関して上記で説明したビームフォーミング例のいずれかを使用して実装され得る。タスクＴ３００はまた、（たとえば、最も高いエネルギーまたはＳＮＲを現在生成しているビームに従って）異なる指定された方向にダイレクトされる複数のビームの中からビームを選択するように構成され得る。別の例では、タスクＴ３００は、多重信号分類（ＭＵＳＩＣ：multiple signal classification）アルゴリズムなどの音源局在化方法を使用してビーム方向を選択するように構成される。

概して、遅延和またはＭＶＤＲビームフォーマなどの従来の手法は、１に等しい制約付きルック方向エネルギーを用いてビームフォーマ出力エネルギーが最小化される自由音場モデルに基づいて１つまたは複数のビームパターンを設計するために使用され得る。閉形式ＭＶＤＲ技法は、たとえば、所与のルック方向と、マイクロフォン間距離と、雑音相互相関行列とに基づいてビームパターンを設計するために使用され得る。一般に、得られた設計は、雑音相互相関行列の周波数依存対角線ローディングによって主ビームに対してトレードオフされ得る不要なサイドローブを包含する。主ビーム幅とサイドローブ振幅との間のトレードオフに対してより良い制御を行い得る線形プログラミング技法によって解決される特殊制約付きＭＶＤＲコスト関数を使用することが望ましいことがある。第１または第２のＤＳＰ演算が、マイクロフォンアレイの前の音源とマイクロフォンアレイの後ろの音源とを弁別することが望ましい適用例では、ＭＶＤＲ設計は、単独では、マイクロフォンアレイの前面と背面との弁別が不十分であり得るので、後ろからの音源を示すために使用され得る、他のマイクロフォンから向きがそれている少なくとも１つのマイクロフォンを含むようにアレイを実装することが望ましいことがある。

別の例では、第２のＤＳＰ演算は、第２の信号の異なるチャネルにおける周波数成分の位相間の差に基づく利得を第２の信号の周波数成分に適用することを含む。タスクＴ１００に関して上記で説明した位相差ベースの例のいずれかを使用して実装され得るそのような演算は、第２の信号の複数の異なる周波数成分の各々について、第２の信号の異なるチャネルにおける周波数成分の対応する位相間の差を計算することと、計算された位相差に基づいて周波数成分に異なる利得を適用することとを含み得る。第１および／または第２のＤＳＰ演算（たとえば、第１のフィルタＦ１１０および／または第２のフィルタＦ１２０）を実装するために使用され得る位相差ベースの方法および構造に関する追加情報は、たとえば、米国特許出願第１２／６０５，１５８号（名称「SYSTEMS, METHODS, APPARATUS, AND COMPUTER-READABLE MEDIA FOR COHERENCE DETECTION」、２００９年１０月２３日出願）および米国特許出願第１２／７９６，５６６号（名称「SYSTEMS, METHODS, APPARATUS, AND COMPUTER-READABLE MEDIA FOR PHASE-BASED PROCESSING OF MULTICHANNEL SIGNAL」、２０１０年６月８日出願）に記載されている。そのような方法は、たとえば、位相差に基づくサブバンド利得制御、異なるアレイ軸に沿ったマイクロフォンからの信号に基づく前後弁別、空間セクタ内でのコヒーレンスに基づく音源局在化、および（たとえば、残差信号計算のために）指向性音源からのエネルギーをマスキングするための相補マスキングを含む。

第３の例では、第２のＤＳＰ演算は、タスクＴ１００に関して上記で説明したＢＳＳ例のいずれかを使用して実装、初期化、および／または制約され得るブラインド音源分離（ＢＳＳ）演算を含む。第１および／または第２のＤＳＰ演算（たとえば、第１のフィルタＦ１１０および／または第２のフィルタＦ１２０）を実装するために使用され得るＢＳＳ技法および構造に関する追加情報は、たとえば、米国特許出願公開第２００９／００２２３３６号（Ｖｉｓｓｅｒら、名称「SYSTEMS, METHODS, AND APPARATUS FOR SIGNAL SEPARATION」、２００９年１月２２日発行）および米国特許出願公開第２００９／０１６４２１２号（Ｃｈａｎら、名称「SYSTEMS, METHODS, AND APPARATUS FOR MULTI-MICROPHONE BASED SPEECH ENHANCEMENT」、２００９年６月２５日発行）に記載されている。

第４の例では、ＢＳＳ演算は、タスクＴ１００とＴ３００の両方を実装するために使用される。この場合、残差信号はＢＳＳ演算のある出力において生成され、拡張信号はＢＳＳ演算の別の出力において生成される。

第１および第２のＤＳＰ演算のいずれかはまた、演算への入力信号の各チャネルにおける信号レベル間の関係（たとえば、第１または第２の信号のチャネルの、線形レベルの比または対数レベルの差）に基づいて信号方向を区別するために実装され得る。そのようなレベルベース（たとえば、利得ベースまたはエネルギーベース）の演算は、信号の現在の方向、信号の複数のサブバンドの各々の現在の方向、または信号の複数の周波数成分の各々の現在の方向を示すように構成され得る。この場合、マイクロフォンチャネルの利得応答（特に、マイクロフォンの利得応答）が互いに対してうまく較正されることが望まれることがある。

上記のように、指向性選択的処理演算は、一般に、低周波数においてはあまり有効でない。したがって、タスクＴ３００において実行される第２のＤＳＰ演算は、所望の信号の中間周波数および高周波数を効果的に残響除去し得るが、この演算は、残響エネルギーの大部分を含んでいることが予想され得る低周波数において有効である可能性が低い。

ビームフォーミング、ＢＳＳまたはマスキング演算の指向性の損失は、一般に、周波数が減少する際の利得応答のメインローブの幅の増加として現れる。メインローブの幅は、たとえば、利得応答が最大値から３デシベル降下するポイント間の角度として取られ得る。第１および／または第２のＤＳＰ演算の指向性の損失を、周波数が減少する際の、特定の周波数における演算の最小利得応答と最大利得応答との間の絶対差の減少として表すことが望まれることがある。たとえば、この絶対差は、低周波数レンジ（たとえば、３００ヘルツから４００ヘルツまで）にわたるよりも中間および／または高周波数レンジ（たとえば、２ｋＨｚから３ｋＨｚまで）にわたるほうが大きくなることが予想され得る。

代替的に、第１および／または第２のＤＳＰ演算の指向性の損失を、周波数が減少する際の、方向に関する、演算の最小利得応答と最大利得応答との間の絶対差の減少として表すことが望まれることがある。たとえば、この絶対差は、低周波数レンジ（たとえば、３００ヘルツから４００ヘルツまで）にわたるよりも中間および／または高周波数レンジ（たとえば、２ｋＨｚから３ｋＨｚまで）にわたるほうが大きくなることが予想され得る。代替的に、中間および／または高周波数レンジ（たとえば、２ｋＨｚから３ｋＨｚまで）にわたる、そのレンジ内の各周波数成分におけるこの絶対差の平均は、低周波数レンジ（たとえば、３００のヘルツから４００ヘルツまで）にわたる、そのレンジ内の各周波数成分におけるこの絶対差の平均よりも大きくなることが予想され得る。

タスク４００は、残響除去信号を生成するために拡張信号に対して残響除去演算を実行する。残響除去演算は、計算されたフィルタ係数ｃ_iに基づき、タスクＴ４００は、時間領域においてまたは変換領域（たとえば、ＦＦＴまたはＤＣＴ領域あるいは別の周波数領域）において残響除去演算を実行するように構成され得る。一例では、タスクＴ４００は、次式などの式に従って残響除去演算を実行するように構成される。

上式で、Ｇ（ｚ）は拡張信号Ｓ４０を示し、Ｄ（ｚ）は残響除去信号Ｓ５０を示す。そのような演算はまた、次の時間領域差式として表され得る。

上式で、ｄおよびｇは、それぞれ、時間領域における残響除去信号Ｓ５０および拡張信号Ｓ４０を示す。

上記のように、タスクＴ１００において実行される第１のＤＳＰ演算は、第１の信号の中間および高周波数帯域から指向性成分の残響を除去するのに効果的であり得る。したがって、タスクＴ２００において実行される逆フィルタ計算は、タスクＴ４００において実行される残響除去演算が拡張信号の低周波数を中間または高周波数よりも多く減衰させるように、主に低周波エネルギーに基づく。たとえば、タスクＴ４００において実行される残響除去演算の利得応答は、（たとえば、３００ヘルツから４００ヘルツの間の）低周波数レンジにわたる残響除去演算の平均利得応答よりも（たとえば、少なくとも３、６、９、１２、または２０デシベルだけ）大きい、（たとえば、２キロヘルツから３キロヘルツの間の）中間および／または高周波数レンジにわたる平均利得応答を有し得る。

方法Ｍ１００は、マルチチャネル信号を一連のセグメントとして処理するように構成され得る。典型的なセグメント長は約５または１０ミリ秒から約４０または５０ミリ秒にわたり、セグメントは、重複しても（たとえば、隣接するセグメントが２５％または５０％だけ重複する）、重複しなくてもよい。１つの特定の例では、マルチチャネル信号は、１０ミリ秒の長さをそれぞれ有する一連の重複しないセグメントまたは「フレーム」に分割される。また、方法Ｍ１００によって処理されるセグメントは、異なる演算によって処理されるより大きいセグメントのセグメント（すなわち、「サブフレーム」）であり得、またはその逆も同様である。

第１の指向性選択的処理演算の適応型実装形態（たとえば、適応型ビームフォーマまたはＢＳＳ演算）は、各フレームにおいて、またはより少ない頻度の間隔（たとえば、５または１０フレームごとに１回）において、または何らかのイベント（たとえば、到着方向の検出された変化）に応答して、適応を実行するように構成され得る。そのような演算は、たとえば、フィルタ係数の１つまたは複数の対応するセットを更新することによって適応を実行するように構成され得る。第２の指向性選択的処理演算の適応型実装形態（たとえば、適応型ビームフォーマまたはＢＳＳ演算）は同様に構成され得る。

タスクＴ２００は、残差信号ｒ（ｔ）のフレームにわたってまたは複数の連続フレームのウィンドウにわたってフィルタ係数ｃ_iを計算するように構成され得る。タスクＴ２００は、フィルタ係数が、残響エネルギーを含む残差信号のセグメントに基づき得るように、ボイスアクティビティ検出（ＶＡＤ）演算（たとえば、エネルギーベースのＶＡＤ演算、または上記で説明した位相ベースのコヒーレンシ測度）に従って、フィルタ係数を計算するために使用される残差信号のフレームを選択するように構成され得る。タスクＴ２００は、各フレームにおいて、または各アクティブフレームにおいて、またはより少ない頻度の間隔（たとえば、５または１０フレームごとに１回、あるいは５または１０アクティブフレームごとに１回）において、または何らかのイベント（たとえば、指向性成分の到着方向の検出された変化）に応答して、フィルタ係数を更新する（たとえば、再計算する）ように構成され得る。

タスクＴ２００におけるフィルタ係数の更新は、フィルタ係数を取得するために経時的に計算値を平滑化することを含み得る。そのような時間平滑化演算は、次式などの式に従って実行され得る。

上式で、ｃ_inは、フィルタ係数ｃ_iの計算値を示し、ｃ_i［ｎ−１］は、フィルタ係数ｃ_iの前の値を示し、ｃ_i［ｎ］は、フィルタ係数ｃ_iの更新された値を示し、αは、０（すなわち、平滑化なし）から１（すなわち、更新なし）までの範囲内の値を有する平滑化係数を示す。平滑化係数αの典型的な値は、０．５、０．６、０．７、０．８および、０．９を含む。

図２Ｂに、指向性成分を含むマルチチャネル信号を処理するための、一般的構成による装置Ａ１００のブロック図を示す。装置Ａ１００は、残差信号Ｓ３０を生成するために第１の信号Ｓ１０に対して（たとえば、タスクＴ１００に関して本明細書で説明したように）第１の指向性選択的処理演算を実行するように構成された第１のフィルタＦ１１０を含む。装置Ａ１００はまた、拡張信号Ｓ４０を生成するために第２の信号Ｓ２０に対して（たとえば、タスクＴ３００に関して本明細書で説明したように）第２の指向性選択的処理演算を実行するように構成された第２のフィルタＦ１２０を含む。第１の信号Ｓ１０はマルチチャネル信号の少なくとも２つのチャネルを含み、第２の信号Ｓ２０はマルチチャネル信号の少なくとも２つのチャネルを含む。

装置Ａ１００はまた、残差信号Ｓ３０からの情報に基づいて、（たとえば、タスクＴ２００に関して本明細書で説明したように）逆フィルタの複数のフィルタ係数を計算するように構成された計算器ＣＡ１００を含む。装置Ａ１００はまた、計算された複数のフィルタ係数に基づいて、残響除去信号Ｓ５０を生成するために（たとえば、タスクＴ４００に関して本明細書で説明したように）拡張信号Ｓ４０をフィルタ処理するように構成された第３のフィルタＦ１３０を含む。

上記のように、第１および第２のＤＳＰ演算の各々は、時間領域においてまたは変換領域（たとえば、ＦＦＴまたはＤＣＴ領域あるいは別の周波数領域）において実行するように構成され得る。図４Ｂに、（変換モジュールＴＭ１０ａおよびＴＭ１０ｂを介した）フィルタＦ１１０およびＦ１２０の上流でのＦＦＴ領域への第１および第２の信号Ｓ１０およびＳ２０の変換と、（逆変換モジュールＴＭ２０ａおよびＴＭ２０ｂを介した）フィルタＦ１１０およびＦ１２０の下流での時間領域への残差信号Ｓ３０と拡張信号Ｓ４０との後続の変換とを明確に示す、装置Ａ１００の実装形態Ａ１０４の一例のブロック図を示す。方法Ｍ１００および装置Ａ１００はまた、第１の指向性選択的処理演算と第２の指向性選択的処理演算の両方が時間領域において実行されるか、あるいは第１の指向性選択的処理演算が時間領域において実行され、第２の指向性選択的処理演算が変換領域において実行される（またはその逆である）ように実装され得ることに明確に留意されたい。さらなる例は、演算の入力および出力が異なる領域にあるような第１の指向性選択的処理演算と第２の指向性選択的処理演算の一方または両方内での変換（たとえば、ＦＦＴ領域から時間領域への変換）を含む。

図５Ａに、装置Ａ１００の実装形態Ａ１０６のブロック図を示す。装置Ａ１０６は、マルチチャネル信号の４チャネル実装形態ＭＣＳ４のすべての４つのチャネルを第２の信号Ｓ２０として受信するように構成された第２のフィルタＦ１２０の実装形態Ｆ１２２を含む。一例では、装置Ａ１０６は、第１のフィルタＦ１１０がＢＳＳ演算を実行し、第２のフィルタＦ１２２がビームフォーミング演算を実行するように実装される。

図５Ｂに、装置Ａ１００の実装形態Ａ１０８のブロック図を示す。装置Ａ１０８は、第１のフィルタＦ１１０と第２のフィルタＦ１２０の両方を含むように構成された無相関化器ＤＣ１０を含む。たとえば、無相関化器ＤＣ１０は、ある出力（たとえば、雑音出力）において残差信号Ｓ３０を生成し、別の出力（たとえば、分離された信号出力）において拡張信号Ｓ４０するために、マルチチャネル信号の２チャネル実装形態ＭＣＳ２に対して（たとえば、本明細書で説明するＢＳＳ例のいずれかに従って）ＢＳＳ演算を実行するように構成され得る。

図６Ａに、指向性成分を含むマルチチャネル信号を処理するための、一般的構成による装置ＭＦ１００のブロック図を示す。装置ＭＦ１００は、残差信号を生成するために第１の信号に対して（たとえば、タスクＴ１００に関して本明細書で説明したように）第１の指向性選択的処理演算を実行するための手段Ｆ１００を含む。装置ＭＦ１００はまた、拡張信号を生成するために第２の信号に対して（たとえば、タスクＴ３００に関して本明細書で説明したように）第２の指向性選択的処理演算を実行するための手段Ｆ３００を含む。第１の信号はマルチチャネル信号の少なくとも２つのチャネルを含み、第２の信号はマルチチャネル信号の少なくとも２つのチャネルを含む。装置ＭＦ１００はまた、生成された残差信号からの情報に基づいて、（たとえば、タスクＴ２００に関して本明細書で説明したように）逆フィルタの複数のフィルタ係数を計算するための手段Ｆ２００を含む。装置ＭＦ１００はまた、計算された複数のフィルタ係数に基づいて、残響除去信号を生成するために（たとえば、タスクＴ４００に関して本明細書で説明したように）拡張信号に対して残響除去演算を実行するための手段Ｆ４００を含む。

タスクＴ３００において実行される（代替的に、第２のフィルタＦ１２０によって実行される）マルチチャネル指向性選択的処理演算は、指向性成分のエネルギーが集中した雑音の多い信号出力と、第２の信号の他の成分（たとえば、他の指向性成分および／または分散雑音成分）のエネルギーを含む雑音出力の２つの出力を生成するように実装され得る。（たとえば、図５Ｂに示すように）そのような出力を生成するために、たとえば、ビームフォーミングおよびＢＳＳ演算が通常実装される。タスクＴ３００またはフィルタＦ１２０のそのような実装形態は、雑音の多い信号出力を拡張信号として生成するように構成され得る。

代替的に、そのような場合、雑音の多い信号出力において雑音をさらに低減するために、雑音出力を使用することによって拡張信号を生成する後処理演算を含むように、タスクＴ３００において実行される（代替的に、第２のフィルタＦ１２０または無相関化器ＤＣ１０によって実行される）第２の指向性選択的処理演算を実装することが望ましいことがある。（「雑音低減演算」とも呼ばれる）そのような後処理演算は、たとえば、雑音出力のスペクトルに基づいて、雑音の多い信号出力に対するウィーナー（Wiener）フィルタ処理演算として構成され得る。代替的に、そのような雑音低減演算は、拡張信号を生成するために、雑音の多い信号出力から、雑音出力に基づく推定された雑音スペクトルを減算するスペクトル減算演算として構成され得る。そのような雑音低減演算はまた、スペクトル減算または信号対雑音比（ＳＮＲ）ベースの利得ルールに基づくサブバンド利得制御演算として構成され得る。しかしながら、アグレッシブな設定において、そのようなサブバンド利得制御演算は音声ひずみをもたらし得る。

特定の設計選択に応じて、タスクＴ３００（代替的に、第２のフィルタＦ１２０）は、拡張信号をシングルチャネル信号として（すなわち、本明細書で説明し例示するように）またはマルチチャネル信号として生成するように構成され得る。拡張信号がマルチチャネル信号である場合、タスクＴ４００は、各チャネルに対して残響除去演算の対応するインスタンスを実行するように構成され得る。そのような場合、得られたチャネルのうちの１つまたは複数に対して、得られたチャネルのうちの別の１つまたは複数からの雑音推定に基づいて、上記で説明したように雑音低減演算を実行することが可能である。

図６Ｂのフローチャートに示すようにマルチチャネル信号を処理する方法（または対応する装置）を実装することが可能であり、タスクＴ５００は、タスクＴ３００によって生成される拡張信号に対してではなくマルチチャネル信号のチャネルのうちの１つまたは複数に対して、タスクＴ４００に関して本明細書で説明したように残響除去演算を実行する。この場合、タスクＴ３００（または第２のフィルタＦ１２０）は省略またはバイパスされ得る。しかしながら、タスクＴ３００のマルチチャネルＤＳＰ演算は、逆室内応答フィルタに基づく残響除去よりも中間および高周波数における指向性成分のより良い残響除去を実行することが予想され得るので、方法Ｍ１００は、そのような方法（または対応する装置）よりも良好な結果を生成することが予想され得る。

タスクＴ１００（代替的に、第１のフィルタＦ１１０）によって実行される第１のＤＳＰ演算および／またはタスクＴ３００（代替的に、第２のフィルタＦ１２０）によって実行される第２のＤＳＰ演算を実装するために使用され得るブラインド音源分離（ＢＳＳ）アルゴリズムの範囲は、フィルタ係数値が周波数領域において直接計算される、周波数領域ＩＣＡまたは複素ＩＣＡと呼ばれる手法を含む。フィードフォワードフィルタ構造を使用して実装され得るそのような手法は、入力チャネルに対してＦＦＴまたは他の変換を実行することを含み得る。このＩＣＡ技法は、分離された出力ベクトルＹ（ω，ｌ）＝Ｗ（ω）Ｘ（ω，ｌ）が互いに独立しているような、各周波数ビンωのＭ×Ｍ逆混合行列Ｗ（ω）を計算するように設計され、ただし、Ｘ（ω，ｌ）は、周波数ビンωとウィンドウｌとの観測信号を示す。逆混合行列Ｗ（ω）は、次のように表され得るルールに従って更新される。

上式で、Ｗ_l（ω）は、周波数ビンωとウィンドウｌとの逆混合行列を示し、Ｙ（ω，ｌ）は、周波数ビンωとウィンドウｌとのフィルタ出力を示し、Ｗ_l+r（ω）は、周波数ビンωとウィンドウ（ｌ＋ｒ）との逆混合行列を示し、ｒは、１以上の整数値を有する更新レートパラメータであり、μは学習レートパラメータであり、Ｉは単位行列であり、Φは活性化関数を示し、上付き文字Ｈは共役転置演算を示し、括弧＜＞は時間ｌ＝１，．．．，Ｌにおける平均演算を示す。一例では、活性化関数Φ（Ｙ_j（ω，ｌ））はＹ_j（ω，ｌ）／｜Ｙ_j（ω，ｌ）｜に等しい。周知のＩＣＡ実装形態の例には、Ｉｎｆｏｍａｘ、ＦａｓｔＩＣＡ（ｗｗｗ−ｄｏｔ−ｃｉｓ−ｄｏｔ−ｈｕｔ−ｄｏｔ−ｆｉ／ｐｒｏｊｅｃｔｓ／ｉｃａ／ｆａｓｔｉｃａでオンライン入手可能）、およびＪＡＤＥ（ＪｏｉｎｔＡｐｐｒｏｘｉｍａｔｅＤｉａｇｏｎａｌｉｚａｔｉｏｎｏｆＥｉｇｅｎｍａｔｒｉｃｅｓ）がある。

そのような合成されたビームフォーマの各出力チャネルｊのビームパターンは、次式の絶対値プロットを計算することによって周波数領域伝達関数Ｗ_jm（ｉ＊ω）（ｍは、入力チャネルを示し、１≦ｍ≦Ｍである）から取得され得る。

この式において、Ｄ（ω）は、次式を満たすような周波数ωの指向性行列を示す。

上式で、ｐｏｓ（ｉ）は、Ｍ個のマイクロフォンのアレイ中のｉ番目のマイクロフォンの空間座標を示し、ｃは、媒体中での音響の伝搬速度（たとえば、空気中では３４０ｍ／ｓ）であり、θ_jは、マイクロフォンアレイの軸に対するｊ番目の音源の到来入射角を示す。

複素ＩＣＡ解には、一般にスケーリングのあいまいさという問題があり、これは、ルック方向が変化するにつれてビームパターン利得および／または応答色の変動を生じ得る。音源が定常であり、音源の分散がすべての周波数ビンにおいて既知である場合、スケーリング問題は、分散を既知の値に合わせて調整することによって解決され得る。しかしながら、自然信号源は動的であり、概して非定常であり、未知の分散を有する。

音源分散を調整する代わりに、スケーリング問題は、学習された分離フィルタ行列を調整することによって解決され得る。最小ひずみ原理によって取得される１つの周知の解法は、次式などの式に従って、学習された逆混合行列をスケーリングする。

所望のルック方向における単位利得を作成することによってスケーリング問題に対処することが望ましいことがあり、これは、所望の話者のボイスの周波数カラーレーションを低減または回避するのに役立ち得る。１つのそのような手法は、すべての角度にわたるフィルタ応答絶対値の最大値によって行列Ｗの各行ｊを正規化（normalize）する。

いくつかの複素ＩＣＡ実装形態に関する別の問題は、同じ音源に関係する周波数ビンの間のコヒーレンスの損失である。この損失は、情報源からのエネルギーを主に含んでいる周波数ビンが干渉出力チャネルに誤って割り当てられ、および／またはその逆である周波数パーミュテーション（permutation）問題につながり得る。この問題へのいくつかの解法が使用され得る。

使用され得るパーミュテーション問題への１つの応答は、周波数ビンの間の予想される依存性をモデル化するソースプライアを使用する複素ＩＣＡの変形体である独立ベクトル解析（ＩＶＡ）である。この方法では、活性化関数Φは次式などの多変量活性化関数である。

上式で、ｐは、１以上の整数値（たとえば、１、２、または３）を有する。この関数において、分母の項は、すべての周波数ビンにわたる分離された音源スペクトルに関係する。

ＢＳＳアルゴリズムは、当然、干渉源をビームアウトして、所望のルック方向におけるエネルギーのみを残すことを試み得る。すべての周波数ビンにわたる正規化の後に、そのような演算は、所望の音源方向における単位利得を生じ得る。ＢＳＳアルゴリズムは、ある方向における完全に整合されたビームを生じないことがある。ある空間ピックアップパターンをもつビームフォーマを作成することが望まれる場合、周波数ビンごとにおよびヌルビーム方向ごとに特定のチューニングファクタによって深さおよび幅が強化され得る特定のルック方向におけるヌルビームを強化することによって、サイドローブが最小化され、ビーム幅が整形される。

サイドローブ最小化を選択的に強化すること、および／またはいくつかのルック方向においてビームパターンを正規化することによって、ＢＳＳアルゴリズムによって与えられる未加工ビームパターンを微調整することが望ましいことがある。所望のルック方向は、たとえば、アレイルック方向にわたるフィルタ空間応答の最大値を計算し、次いでこの最大ルック方向を中心とする制約を強化することによって取得され得る。

（上記の式（２）に記載の）指向性行列Ｄ（ω）に基づいて正規化項（regularization term）Ｊ（ω）を追加することによってビームおよび／またはヌルビームを強化することが望ましいことがある。

上式で、Ｓ（ω）は、周波数ωと各ヌルビーム方向とのチューニング行列であり、Ｃ（ω）は、所望のビームパターンの選定を設定し、各出力チャネルｊの干渉方向にヌルを配置するｄｉａｇ（Ｗ（ω）＊Ｄ（ω））に等しいＭ×Ｍ対角行列である。そのような正規化は、サイドローブを制御するのに役立ち得る。たとえば、行列Ｓ（ω）は、各周波数ビンでの各ヌル方向における強化の量を制御することによって、特定の方向θ_jにおける各ヌルビームの深さを整形するために使用され得る。そのような制御は、サイドローブの発生を狭いまたは広いヌルビームに対してトレードオフするために重要であり得る。

正規化項（３）は、次式などの式を用いて逆混合行列更新式に関する制約として表され得る。

そのような制約は、以下の式のように、そのような項をフィルタ学習ルール（たとえば、式（１））に追加することによって実装され得る。

音源到着方向（ＤＯＡ）値θ_jは、サイドローブをなくすために、収束ＢＳＳビームパターンに基づいて決定され得る。所望の適用例にとって法外に大きいことがあるサイドローブを低減するために、選択的ヌルビームを強化することが望ましいことがある。各周波数ビンにおいて特定の行列Ｓ（ω）を介して強化される追加のヌルビームを適用することによって、狭くなったビームが取得され得る。

音響信号を受信するように構成された２つ以上のマイクロフォンのアレイＲ１００と装置Ａ１００の実装形態とを有するポータブルオーディオ感知デバイスを生成することが望ましいことがある。そのようなアレイを含むように実装され得、オーディオ記録および／またはボイス通信アプリケーションのために使用され得るポータブルオーディオ感知デバイスの例には、電話ハンドセット（たとえば、セルラー電話ハンドセット）、ワイヤードまたはワイヤレスヘッドセット（たとえば、Ｂｌｕｅｔｏｏｔｈ（登録商標）ヘッドセット）、ハンドヘルドオーディオおよび／またはビデオレコーダ、オーディオおよび／またはビデオコンテンツを記録するように構成されたパーソナルメディアプレーヤ、携帯情報端末（ＰＤＡ）または他のハンドヘルドコンピューティングデバイス、およびノートブックコンピュータ、ラップトップコンピュータ、ネットブックコンピュータ、タブレットコンピュータ、または他のポータブルコンピューティングデバイスがある。アレイＲ１００と装置Ａ１００とのインスタンスを含むように構築され得、オーディオ記録および／またはボイス通信アプリケーションのために使用され得るオーディオ感知デバイスの他の例には、セットトップボックスならびにオーディオおよび／またはビデオ会議デバイスがある。

図７Ａに、一般的構成によるマルチマイクロフォンオーディオ感知デバイスＤ１０のブロック図を示す。デバイスＤ１０は、本明細書で開示するマイクロフォンアレイＲ１００の実装形態のいずれかのインスタンスを含み、本明細書で開示するオーディオ感知デバイスのいずれもデバイスＤ１０のインスタンスとして実装され得る。デバイスＤ１０はまた、本明細書で開示する装置Ａ１００の実装形態（たとえば、装置Ａ１００、Ａ１０４、Ａ１０６、Ａ１０８、および／またはＭＦ１００）である装置Ａ２００を含み、および／または本明細書で開示する方法Ｍ１００の実装形態（たとえば、方法Ｍ１００またはＭ１０２）を実行することによってマルチチャネルオーディオ信号ＭＣＳを処理するように構成される。装置Ａ２００は、ハードウェアおよび／またはソフトウェア（たとえば、ファームウェア）で実装され得る。たとえば、装置Ａ２００は、デバイスＤ１０のプロセッサ上で実行するように実装され得る。

図７Ｂに、デバイスＤ１０の実装形態である通信デバイスＤ２０のブロック図を示す。デバイスＤ２０は、装置Ａ２００を含むチップまたはチップセットＣＳ１０（たとえば、移動局モデム（ＭＳＭ）チップセット）を含む。チップ／チップセットＣＳ１０は、装置Ａ２００の全部または一部を（たとえば、命令として）実行するように構成され得る１つまたは複数のプロセッサを含み得る。チップ／チップセットＣＳ１０はまた、アレイＲ１００の処理要素（たとえば、以下で説明するオーディオ前処理段ＡＰ１０の要素）を含み得る。チップ／チップセットＣＳ１０は、無線周波（ＲＦ）通信信号を受信し、ＲＦ信号内で符号化されたオーディオ信号を復号し再生するように構成された、受信機と、装置Ａ２００によって生成された処理済み信号に基づくオーディオ信号を符号化し、符号化オーディオ信号を記述しているＲＦ通信信号を送信するように構成された、送信機とを含み得る。たとえば、チップ／チップセットＣＳ１０の１つまたは複数のプロセッサは、符号化オーディオ信号が雑音低減信号に基づくように、マルチチャネル信号の１つまたは複数のチャネルに対して上記で説明した雑音低減演算を実行するように構成され得る。

アレイＲ１００の各マイクロフォンは、全方向、双方向、または単方向（たとえば、カージオイド）である応答を有し得る。アレイＲ１００において使用され得る様々なタイプのマイクロフォンには、（限定はしないが）圧電マイクロフォン、ダイナミックマイクロフォン、およびエレクトレットマイクロフォンがある。ハンドセットまたはヘッドセットなど、ポータブルボイス通信のためのデバイスでは、アレイＲ１００の隣接するマイクロフォン間の中心間間隔は一般に約１．５ｃｍから約４．５ｃｍまでの範囲内であるが、ハンドセットまたはスマートフォンなどのデバイスでは（たとえば、１０ｃｍまたは１５ｃｍまでの）より広い間隔も可能であり、タブレットコンピュータなどのデバイスでは（たとえば、２０ｃｍ、２５ｃｍまたは３０ｃｍ以上までの）さらに広い間隔が可能である。アレイＲ１００のマイクロフォンは、（一様または非一様なマイクロフォン間隔をもつ）線に沿って、あるいは代替的に、それらの中心が２次元形状（たとえば、三角形）または３次元形状の頂点に存在するように構成され得る。

マイクロフォンは、より一般的には、音響以外の放射または放出に反応するトランスデューサとして実装され得ることに明確に留意されたい。１つのそのような例では、マイクロフォンペアは、超音波トランスデューサ（たとえば、１５、２０、２５、３０、４０、または５０キロヘルツ以上よりも大きい音響周波数に反応するトランスデューサ）のペアとして実装される。

図８Ａ〜図８Ｄに、マルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ１００の様々な図を示す。デバイスＤ１００は、アレイＲ１００の２マイクロフォン実装形態と、ハウジングから延在するイヤフォンＺ２０とを支持するハウジングＺ１０を含むワイヤレスヘッドセットである。そのようなデバイスは、（たとえば、ワシントン州ベルビューのＢｌｕｅｔｏｏｔｈＳｐｅｃｉａｌＩｎｔｅｒｅｓｔＧｒｏｕｐ社によって公表されたＢｌｕｅｔｏｏｔｈ（商標）プロトコルの一バージョンを使用して）セルラー電話ハンドセットなどの電話デバイスとの通信を介した半二重または全二重テレフォニーをサポートするように構成され得る。概して、ヘッドセットのハウジングは、図８Ａ、図８Ｂ、および図８Ｄに示すように矩形またはさもなければ細長い形（たとえば、ミニブームのような形）であるか、あるいはより丸い形、さらには円形であり得る。ハウジングはまた、バッテリーおよびプロセッサおよび／または他の処理回路（たとえば、プリント回路板およびその上に取り付けられた構成要素）を封入し得、電気的ポート（たとえば、ミニユニバーサルシリアルバス（ＵＳＢ）もしくはバッテリー充電用の他のポート）と、１つまたは複数のボタンスイッチおよび／またはＬＥＤなどのユーザインターフェース機能とを含み得る。一般に、ハウジングの長軸に沿った長さは１インチから３インチまでの範囲内にある。

一般に、アレイＲ１００の各マイクロフォンは、デバイス内に、音響ポートとして働く、ハウジング中の１つまたは複数の小さい穴の背後に取り付けられる。図８Ｂ〜図８Ｄは、デバイスＤ１００のアレイの１次マイクロフォンのための音響ポートＺ４０と、デバイスＤ１００のアレイの２次マイクロフォンのための音響ポートＺ５０とのロケーションを示している。

ヘッドセットはまた、イヤフックＺ３０などの固定デバイスを含み得、これは一般にヘッドセットから着脱可能である。外部イヤフックは、たとえば、ユーザがヘッドセットをいずれの耳でも使用するように構成することを可能にするために、可逆的であり得る。代替的に、ヘッドセットのイヤフォンは、内部固定デバイス（たとえば、イヤプラグ）として設計され得、この内部固定デバイスは、特定のユーザの耳道の外側部分により良く合うように、異なるユーザが異なるサイズ（たとえば、直径）のイヤピースを使用できるようにするためのリムーバブルイヤピースを含み得る。

図９Ａ〜図９Ｄに、ワイヤレスヘッドセットの別の例であるマルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ２００の様々な図を示す。デバイスＤ２００は、丸みのある、楕円のハウジングＺ１２と、イヤプラグとして構成され得るイヤフォンＺ２２とを含む。図９Ａ〜図９Ｄはまた、デバイスＤ２００のアレイの１次マイクロフォンのための音響ポートＺ４２と、２次マイクロフォンのための音響ポートＺ５２とのロケーションを示している。２次マイクロフォンポートＺ５２は（たとえば、ユーザインターフェースボタンによって）少なくとも部分的にふさがれることが起こり得る。

図１０Ａに、通信ハンドセットであるマルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ３００の（中心軸に沿った）断面図を示す。デバイスＤ３００は、１次マイクロフォンＭＣ１０と２次マイクロフォンＭＣ２０とを有するアレイＲ１００の実装形態を含む。この例では、デバイスＤ３００はまた１次ラウドスピーカーＳＰ１０と２次ラウドスピーカーＳＰ２０とを含む。そのようなデバイスは、１つまたは複数の（「コーデック」とも呼ばれる）符号化および復号方式を介してボイス通信データをワイヤレスに送信および受信するように構成され得る。そのようなコーデックの例には、「Enhanced Variable Rate Codec, Speech Service Options 3, 68, and 70 for Wideband Spread Spectrum Digital Systems」と題するＴｈｉｒｄＧｅｎｅｒａｔｉｏｎＰａｒｔｎｅｒｓｈｉｐＰｒｏｊｅｃｔ２（３ＧＰＰ２）文書Ｃ．Ｓ００１４−Ｃ、ｖ１．０、２００７年２月（ｗｗｗ−ｄｏｔ−３ｇｐｐ−ｄｏｔ−ｏｒｇでオンライン入手可能）に記載されているＥｎｈａｎｃｅｄＶａｒｉａｂｌｅＲａｔｅＣｏｄｅｃ、「Selectable Mode Vocoder (SMV) Service Option for Wideband Spread Spectrum Communication Systems」と題する３ＧＰＰ２文書Ｃ．Ｓ００３０−０、ｖ３．０、２００４年１月（ｗｗｗ−ｄｏｔ−３ｇｐｐ−ｄｏｔ−ｏｒｇでオンライン入手可能）に記載されているＳｅｌｅｃｔａｂｌｅＭｏｄｅＶｏｃｏｄｅｒ音声コーデック、文書ＥＴＳＩＴＳ１２６０９２Ｖ６．０．０（ＥｕｒｏｐｅａｎＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓＳｔａｎｄａｒｄｓＩｎｓｔｉｔｕｔｅ（ＥＴＳＩ）、ＳｏｐｈｉａＡｎｔｉｐｏｌｉｓＣｅｄｅｘ、ＦＲ、２００４年１２月）に記載されているＡｄａｐｔｉｖｅＭｕｌｔｉＲａｔｅ（ＡＭＲ）音声コーデック、および文書ＥＴＳＩＴＳ１２６１９２Ｖ６．０．０（ＥＴＳＩ、２００４年１２月）に記載されているＡＭＲＷｉｄｅｂａｎｄ音声コーデックがある。

図１０Ａの例では、ハンドセットＤ３００は（「フリップ」ハンドセットとも呼ばれる）クラムシェルタイプセルラー電話ハンドセットである。そのようなマルチマイクロフォン通信ハンドセットの他の構成には、バータイプ、スライダタイプ、タッチスクリーン電話ハンドセットがあり、デバイスＤ１０は、これらのフォーマットのいずれかに従って実装され得る。図１０Ｂに、第３のマイクロフォンＭＣ３０を含む、アレイＲ１００の３マイクロフォン実装形態を含む、デバイスＤ３００の実装形態Ｄ３１０の断面図を示す。

図１１Ａに、メディアプレーヤであるマルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ４００の図を示す。そのようなデバイスは、標準圧縮形式（たとえば、ＭｏｖｉｎｇＰｉｃｔｕｒｅｓＥｘｐｅｒｔｓＧｒｏｕｐ（ＭＰＥＧ）−１ＡｕｄｉｏＬａｙｅｒ３（ＭＰ３）、ＭＰＥＧ−４Ｐａｒｔ１４（ＭＰ４）、Ｗｉｎｄｏｗｓ（登録商標）ＭｅｄｉａＡｕｄｉｏ／Ｖｉｄｅｏ（ＷＭＡ／ＷＭＶ）のバージョン（マイクロソフト社（ワシントン州レドモンド））、ＡｄｖａｎｃｅｄＡｕｄｉｏＣｏｄｉｎｇ（ＡＡＣ）、ＩｎｔｅｒｎａｔｉｏｎａｌＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＵｎｉｏｎ（ＩＴＵ）−ＴＨ．２６４など）に従って符号化されたファイルまたはストリームなどの圧縮オーディオまたはオーディオビジュアル情報を再生するように構成され得る。デバイスＤ４００は、デバイスの前面に配設されたディスプレイスクリーンＳＣ１０とラウドスピーカーＳＰ１０とを含み、アレイＲ１００のマイクロフォンＭＣ１０およびＭＣ２０が、デバイスの同じ面に（たとえば、この例のように上面の両側に、または前面の両側に）配設される。図１１Ｂに、マイクロフォンＭＣ１０およびＭＣ２０がデバイスの反対側の面に配設されたデバイスＤ４００の別の実装形態Ｄ４１０を示し、図１１Ｃに、マイクロフォンＭＣ１０およびＭＣ２０がデバイスの隣接する面に配設されたデバイスＤ４００のさらなる実装形態Ｄ４２０を示す。メディアプレーヤはまた、意図された使用中、より長い軸が水平になるように設計され得る。

図１２Ａに、ハンズフリーカーキットであるマルチマイクロフォンオーディオ感知デバイスＤ１０の実装形態Ｄ５００の図を示す。そのようなデバイスは、車両のダッシュボード、風防、バックミラー、バイザー、または別の室内表面の中もしくは上に設置されるか、またはそれらに着脱自在に固定されるように構成され得る。たとえば、前部座席の乗員の前、および運転者のバイザーと乗客のバイザーとの間に（たとえば、バックミラーの中または上に）そのようなデバイスを配置することが望ましいことがある。デバイスＤ５００はラウドスピーカー８５とアレイＲ１００の実装形態とを含む。この特定の例では、デバイスＤ５００はアレイＲ１００の４マイクロフォン実装形態Ｒ１０２を含む。そのようなデバイスは、上記の例などの１つまたは複数のコーデックを介してボイス通信データをワイヤレスに送信および受信するように構成され得る。代替または追加として、そのようなデバイスは、（たとえば、上記で説明したようにＢｌｕｅｔｏｏｔｈ（商標）プロトコルの一バージョンを使用して）セルラー電話ハンドセットなどの電話デバイスとの通信を介した半二重または全二重テレフォニーをサポートするように構成され得る。

図１２Ｂに、スタイラスまたはライティングデバイス（たとえば、ペンまたは鉛筆）であるマルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ６００の図を示す。デバイスＤ６００はアレイＲ１００の実装形態を含む。そのようなデバイスは、上記の例などの１つまたは複数のコーデックを介してボイス通信データをワイヤレスに送信および受信するように構成され得る。代替または追加として、そのようなデバイスは、（たとえば、上記で説明したようにＢｌｕｅｔｏｏｔｈ（商標）プロトコルの一バージョンを使用して）セルラー電話ハンドセットおよび／またはワイヤレスヘッドセットなどのデバイスとの通信を介した半二重または全二重テレフォニーをサポートするように構成され得る。デバイスＤ６００は、描画面８１（たとえば、１枚の紙）上でのデバイスＤ６００の先端の移動から生じ得る、アレイＲ１００によって生成された信号中のスクラッチノイズ８２のレベルを低減するために空間選択的処理演算を実行するように構成された１つまたは複数のプロセッサを含み得る。

アレイＲ１００の非線形４マイクロフォン実装形態の一例は、中央マイクロフォンと外側マイクロフォンの各々との間に５センチメートルの間隔を空けて一線になった３つのマイクロフォンと、その線の４センチメートル上方に、いずれの外側マイクロフォンよりも中央マイクロフォンに近接して配置された別のマイクロフォンとを含む。そのようなアレイの適用例の一例はハンズフリーカーキットＤ５００の代替実装形態である。

ポータブルコンピューティングデバイスの種類は現在、ラップトップコンピュータ、ノートブックコンピュータ、ネットブックコンピュータ、ウルトラポータブルコンピュータ、タブレットコンピュータ、モバイルインターネットデバイス、スマートブック、およびスマートフォンなどの名称を有するデバイスを含む。そのようなデバイスは、ディスプレイスクリーンを含む上部パネルと、キーボードを含み得る下部パネルとを有し得、２つのパネルは、クラムシェルまたは他のヒンジ結合関係で接続され得る。

図１３Ａに、デバイスＤ１０のそのようなポータブルコンピューティング実装形態Ｄ７００の一例の正面図を示す。デバイスＤ７００は、上部パネルＰＬ１０上でディスプレイスクリーンＳＣ１０の上方に線形アレイで構成された４つのマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０を有するアレイＲ１００の実装形態を含む。図１３Ｂに、別の次元における４つのマイクロフォンの位置を示す上部パネルＰＬ１０の上面図を示す。図１３Ｃに、４つのマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０が上部パネルＰＬ１２上でディスプレイスクリーンＳＣ１０の上方に非線形様式で構成された、アレイＲ１００の実装形態を含むそのようなポータブルコンピューティングデバイスＤ７１０の別の例の正面図を示す。図１３Ｄに、マイクロフォンＭＣ１０、ＭＣ２０、およびＭＣ３０がパネルの前面に配設され、マイクロフォンＭＣ４０がパネルの背面に配設された、別の次元における４つのマイクロフォンの位置を示す上部パネルＰＬ１２の上面図を示す。

ユーザは、使用中に、そのようなデバイスＤ７００またはＤ７１０の前で左右に移動し、デバイスのほうへおよびデバイスから離れて移動し、および／または、さらにはデバイスの周りを（たとえば、デバイスの前面から背面に）移動し得ることが予想され得る。近距離場音声の維持と遠距離場干渉の減衰との間の好適なトレードオフを行うために、および／または不要な方向において非線形信号減衰を行うために、そのようなデバイス内にデバイスＤ１０を実装することが望ましいことがある。最小ボイスひずみのために線形マイクロフォン構成を選択するか、またはより良い雑音低減のために非線形マイクロフォン構成を選択することが望ましいことがある。

アレイＲ１００の４マイクロフォンインスタンスの別の例では、マイクロフォンは、１つのマイクロフォンが、約３センチメートル間隔で離間した他の３つのマイクロフォンの位置によって頂点が定義される三角形の後ろ（たとえば、約１センチメートル後ろ）に配置されるような、ほぼ４面体の構成において構成される。そのようなアレイのための潜在的な適用例は、話者の口とアレイとの間の予想される距離が約２０〜３０センチメートルである、スピーカーフォンモードで動作するハンドセットを含む。図１４Ａに、４つのマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０がほぼ４面体の構成において構成されたアレイＲ１００のそのような実装形態を含むハンドセットＤ３００の実装形態Ｄ３２０の正面図を示す。図１４Ｂに、ハンドセット内のマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、およびＭＣ４０の位置を示すハンドセットＤ３２０の側面図を示す。

ハンドセット適用例のためのアレイＲ１００の４マイクロフォンインスタンスの別の例は、ハンドセットの前面（たとえば、キーパッドの１、７、および９の位置の近く）にある３つのマイクロフォンと、背面（たとえば、キーパッドの７または９の位置の後ろ）にある１つのマイクロフォンとを含む。図１４Ｃに、４つのマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０が「星形」構成において構成されたアレイＲ１００のそのような実装形態を含むハンドセットＤ３００の実装形態Ｄ３３０の正面図を示す。図１４Ｄに、ハンドセット内のマイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、およびＭＣ４０の位置を示すハンドセットＤ３３０の側面図を示す。デバイスＤ１０の他の例には、マイクロフォンがタッチスクリーンの外周において同様にして構成された（たとえば、ｉＰｈｏｎｅ（Ａｐｐｌｅ社（カリフォルニア州クパチーノ））、ＨＤ２（ＨＴＣ（中華民国台湾））またはＣＬＩＱ（モトローラ社（イリノイ州シャインバーグ））など、フラットな非折り畳みスラブとしての）ハンドセットＤ３２０およびＤ３３０のタッチスクリーン実装形態がある。

図１５に、ハンドヘルド適用例のためのマルチマイクロフォンオーディオ感知デバイスＤ１０のポータブル実装形態Ｄ８００の図を示す。デバイスＤ８００は、タッチスクリーンディスプレイと、ユーザインターフェース選択コントロール（左側）と、ユーザインターフェースナビゲーションコントロール（右側）と、２つのラウドスピーカーと、３つの前面マイクロフォンと１つの背面マイクロフォンとを含むアレイＲ１００の実装形態とを含む。ユーザインターフェースコントロールの各々は、プッシュボタン、トラックボール、クリックホイール、タッチパッド、ジョイスティックおよび／または他のポインティングデバイスなどのうちの１つまたは複数を使用して実装され得る。ブラウズトークモードまたはゲームプレイモードで使用され得るデバイスＤ８００の典型的なサイズは約１５センチメートル×２０センチメートルである。デバイスＤ１０は、アレイＲ１００のマイクロフォンがタブレットコンピュータの上面のマージン内および／または１つまたは複数の側面に配設された、上面上にタッチスクリーンディスプレイを含むタブレットコンピュータ（たとえば、ｉＰａｄ（アップル社）などの「スレート」、Ｓｌａｔｅ（ヒューレットパッカード社（カリフォルニア州パロアルト））またはＳｔｒｅａｋ（デル社（テキサス州ラウンドロック））として同様に実装され得る。

マルチチャネル記録信号内の残響エネルギーは、所望の音源とアレイＲ１００と間の距離が増加するにつれて増加する傾向がある。方法Ｍ１００を実行することが望ましいことがある別の適用例はオーディオおよび／またはビデオ会議である。図１６Ａ〜図１６Ｄに、デバイスＤ１０の会議実装形態のいくつかの例の上面図を示す。図１６Ａは、アレイＲ１００の３マイクロフォン実装形態（マイクロフォンＭＣ１０、ＭＣ２０、およびＭＣ３０）を含む。図１６Ｂは、アレイＲ１００の４マイクロフォン実装形態（マイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、およびＭＣ４０）を含む。図１６Ｃは、アレイＲ１００の５マイクロフォン実装形態（マイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０、およびＭＣ５０）を含む。図１６Ｄは、アレイＲ１００の６マイクロフォン実装形態（マイクロフォンＭＣ１０、ＭＣ２０、ＭＣ３０、ＭＣ４０、ＭＣ５０、およびＭＣ６０）を含む。アレイＲ１００のマイクロフォンの各々を正多角形の対応する頂点に配置することが望ましいことがある。遠端オーディオ信号の再生のためのラウドスピーカーＳＰ１０は（たとえば、図１６Ａに示すように）デバイス内に含まれ得、および／またはそのようなラウドスピーカーは、（たとえば、音響的フィードバックを低減するために）デバイスとは別に配置され得る。

デバイスＤ１０の会議実装形態は、（たとえば、２人以上の近端話者の各ボイスを別々に残響除去するために）マイクロフォンペアごとに、または少なくともアクティブマイクロフォンペアごとに方法Ｍ１００の実装形態の別個のインスタンスを実行することが望ましいことがある。そのような場合、またデバイスは、遠端への送信の前に様々な残響除去された音声信号を合成（たとえば、混合）することが望ましいことがある。

デバイスＤ１００の会議適用例の別の例では、アレイＲ１００の水平線形実装形態がテレビジョンまたはセットトップボックスのフロントパネル内に含まれる。そのようなデバイスは、アレイの前のエリア内でおよびアレイから約１メートル〜３または４メートル離れた位置から話す人（たとえば、テレビジョンを見ている視聴者）からの近端音源信号の位置を特定し、残響除去することによって、電話通信をサポートするように構成され得る。本明細書で開示するシステム、方法、および装置の適用範囲は、図８Ａ〜図１６Ｄに示す特定の例に限定されないことが明確に開示される。

マルチマイクロフォンオーディオ感知デバイス（たとえば、デバイスＤ１００、Ｄ２００、Ｄ３００、Ｄ４００、Ｄ５００、またはＤ６００）の動作中、アレイＲ１００はマルチチャネル信号を生成し、各チャネルは、音響環境に対するマイクロフォンのうちの対応する１つの応答に基づく。単一のマイクロフォンを使用してキャプチャされ得るよりも音響環境の完全な表現を集合的に与えるために、対応するチャネルが互いに異なるように、１つのマイクロフォンが別のマイクロフォンよりも直接的に特定の音響を受信し得る。

アレイＲ１００は、マルチチャネル信号ＭＣＳを生成するために、マイクロフォンによって生成された信号に対して１つまたは複数の処理演算を実行することが望ましいことがある。図１７Ａに、（限定はしないが）インピーダンス整合、アナログデジタル変換、利得制御、ならびに／あるいはアナログおよび／またはデジタル領域におけるフィルタ処理を含み得る、１つまたは複数のそのような演算を実行するように構成されたオーディオ前処理段ＡＰ１０を含むアレイＲ１００の実装形態Ｒ２００のブロック図を示す。

図１７Ｂに、アレイＲ２００の実装形態Ｒ２１０のブロック図を示す。アレイＲ２１０は、アナログ前処理段Ｐ１０ａとアナログ前処理段Ｐ１０ｂとを含むオーディオ前処理段ＡＰ１０の実装形態ＡＰ２０を含む。一例では、段Ｐ１０ａおよびＰ１０ｂはそれぞれ、対応するマイクロフォン信号に対して（たとえば、５０、１００、または２００Ｈｚのカットオフ周波数をもつ）高域フィルタ処理演算を実行するように構成される。

アレイＲ１００は、マルチチャネル信号をデジタル信号として、すなわち、サンプルのシーケンスとして生成することが望ましいことがある。アレイＲ２１０は、たとえば、対応するアナログチャネルをサンプリングするようにそれぞれ構成されたアナログデジタル変換器（ＡＤＣ）Ｃ１０ａおよびＣ１０ｂを含む。音響アプリケーションの典型的なサンプリングレートには、８ｋＨｚ、１２ｋＨｚ、１６ｋＨｚ、および約８ｋＨｚから約１６ｋＨｚまでのレンジ内の他の周波数があるが、約４４ｋＨｚも使用され得る。この特定の例では、アレイＲ２１０はまた、マルチチャネル信号ＭＣＳの対応するチャネルＭＣＳ−１、ＭＣＳ−２を生成するために、対応するデジタル化チャネル上で１つまたは複数の前処理演算（たとえば、エコー消去、雑音低減、および／またはスペクトル整形）を実行するようにそれぞれ構成されたデジタル前処理段Ｐ２０ａおよびＰ２０ｂを含む。図１７Ａおよび図１７Ｂは２チャネル実装形態を示しているが、同じ原理が任意の数のマイクロフォンとマルチチャネル信号ＭＣＳの対応するチャネルとに拡張され得ることを理解されよう。

本明細書で開示する方法および装置は、概して任意の送受信および／またはオーディオ感知適用例、特にそのような適用例のモバイルまたは場合によってはポータブル事例において適用され得る。たとえば、本明細書で開示する構成の範囲は、符号分割多元接続（ＣＤＭＡ）無線インターフェースを採用するように構成されたワイヤレステレフォニー通信システムに常駐する通信デバイスを含む。とはいえ、本明細書で説明する特徴を有する方法および装置は、ワイヤードおよび／またはワイヤレス（たとえば、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、および／またはＴＤ−ＳＣＤＭＡ）送信チャネルを介したボイスオーバーＩＰ（ＶｏＩＰ）を採用するシステムなど、当業者に知られている広範囲の技術を採用する様々な通信システムのいずれにも常駐し得ることが、当業者には理解されよう。

本明細書で開示する通信デバイスは、パケット交換式であるネットワーク（たとえば、ＶｏＩＰなどのプロトコルに従ってオーディオ送信を搬送するように構成されたワイヤードおよび／またはワイヤレスネットワーク）および／または回線交換式であるネットワークにおける使用に適応させられ得ることが明確に企図され、本明細書によって開示される。また、本明細書で開示する通信デバイスは、狭帯域コーディングシステム（たとえば、約４または５キロヘルツの可聴周波数レンジを符号化するシステム）での使用、および／または全帯域広帯域コーディングシステムおよびスプリットバンドコーディングシステムを含む、広帯域コーディングシステム（たとえば、５キロヘルツを超える可聴周波数を符号化するシステム）での使用に適応させられ得ることが明確に企図され、本明細書によって開示される。

説明した構成の上記の提示は、本明細書で開示する方法および他の構造を当業者が製造または使用できるように与えたものである。本明細書で図示および説明したフローチャート、ブロック図、および他の構造は例にすぎず、これらの構造の他の変形態も開示の範囲内である。これらの構成に対する様々な変更が可能であり、本明細書で提示した一般的原理は他の構成にも同様に適用され得る。したがって、本開示は、上記に示した構成に限定されるものではなく、原開示の一部をなす、出願した添付の特許請求の範囲を含む、本明細書において任意の方法で開示した原理および新規の特徴に一致する最も広い範囲が与えられるべきである。

情報および信号は、多種多様な技術および技法のいずれかを使用して表され得ることを当業者ならば理解されよう。たとえば、上記の説明全体にわたって言及され得るデータ、命令、コマンド、情報、信号、ビット、およびシンボルは、電圧、電流、電磁波、磁界または磁性粒子、光場または光学粒子、あるいはそれらの任意の組合せによって表され得る。

本明細書で開示する構成の実装形態の重要な設計要件は、８キロヘルツよりも高いサンプリングレート（たとえば、１２、１６、または４４ｋＨｚ）におけるボイス通信の適用例などの計算集約的適用例では特に、（一般に百万命令毎秒またはＭＩＰＳで測定される）処理遅延および／または計算複雑さを最小にすることを含み得る。

本明細書で開示する装置（たとえば、装置Ａ１００、Ａ１０４、Ａ１０６、Ａ１０８、ＭＦ１００、Ａ２００）の実装形態の様々な要素は、意図された適用例に好適であると考えられるハードウェア、ソフトウェア、および／またはファームウェアの任意の組合せで実施され得る。たとえば、そのような要素は、たとえば同じチップ上に、またはチップセット中の２つ以上のチップ間に常駐する電子デバイスおよび／または光デバイスとして製造され得る。そのようなデバイスの一例は、トランジスタまたは論理ゲートなどの論理要素の固定アレイまたはプログラマブルアレイであり、これらの要素のいずれも１つまたは複数のそのようなアレイとして実装され得る。これらの要素の任意の２つ以上、さらにはすべてが、同じ１つまたは複数のアレイ内に実装され得る。そのような１つまたは複数のアレイは、１つまたは複数のチップ内（たとえば、２つ以上のチップを含むチップセット内）に実装され得る。

本明細書で開示する装置（たとえば、装置Ａ１００、Ａ１０４、Ａ１０６、Ａ１０８、ＭＦ１００、Ａ２００）の様々な実装形態の１つまたは複数の要素は、全体または一部が、マイクロプロセッサ、組込みプロセッサ、ＩＰコア、デジタル信号プロセッサ、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）、ＡＳＳＰ（特定用途向け標準製品）、およびＡＳＩＣ（特定用途向け集積回路）などの論理要素の１つまたは複数の固定アレイまたはプログラマブルアレイ上で実行するように構成された命令の１つまたは複数のセットとしても実装され得る。本明細書で開示する装置の実装形態の様々な要素のいずれも、１つまたは複数のコンピュータ（たとえば、「プロセッサ」とも呼ばれる、命令の１つまたは複数のセットまたはシーケンスを実行するようにプログラムされた１つまたは複数のアレイを含む機械）としても実装され得、これらの要素の任意の２つ以上、さらにはすべてが、同じそのような１つまたは複数のコンピュータ内に実装され得る。

本明細書で開示するプロセッサまたは処理するための他の手段は、たとえば同じチップ上に、またはチップセット中の２つ以上のチップ間に常駐する１つまたは複数の電子デバイスおよび／または光学デバイスとして作製され得る。そのようなデバイスの一例は、トランジスタまたは論理ゲートなどの論理要素の固定アレイまたはプログラマブルアレイであり、これらの要素のいずれも１つまたは複数のそのようなアレイとして実装され得る。そのような１つまたは複数のアレイは、１つまたは複数のチップ内（たとえば、２つ以上のチップを含むチップセット内）に実装され得る。そのようなアレイの例には、マイクロプロセッサ、埋込みプロセッサ、ＩＰコア、デジタル信号プロセッサ、ＦＰＧＡ、ＡＳＳＰ、およびＡＳＩＣなどの論理要素の固定アレイまたはプログラマブルアレイがある。本明細書で開示するプロセッサまたは処理するための他の手段は、１つまたは複数のコンピュータ（たとえば、命令の１つまたは複数のセットまたはシーケンスを実行するようにプログラムされた１つまたは複数のアレイを含む機械）あるいは他のプロセッサとしても実施され得る。本明細書で説明したプロセッサは、プロセッサが組み込まれているデバイスまたはシステム（たとえば、オーディオ感知デバイス）の別の演算に関係するタスクなど、コヒーレンシ検出プロシージャに直接関係しないタスクを実行するかまたは命令の他のセットを実行するために使用することが可能である。また、本明細書で開示する方法の一部がオーディオ感知デバイスのプロセッサによって実行され、その方法の別の一部は１つまたは複数の他のプロセッサの制御下で実行されることが可能である。

本明細書で開示する構成に関して説明した様々な例示的なモジュール、論理ブロック、回路、およびテストならびに他の動作は、電子ハードウェア、コンピュータソフトウェア、または両方の組合せとして実装され得ることを、当業者なら理解されよう。そのようなモジュール、論理ブロック、回路、および動作は、本明細書で開示する構成を生成するように設計された、汎用プロセッサ、デジタル信号プロセッサ、ＡＳＩＣまたはＡＳＳＰ、ＦＰＧＡまたは他のプログラマブル論理デバイス、個別ゲートまたはトランジスタロジック、個別ハードウェア構成要素、あるいはそれらの任意の組合せを用いて実装または実行され得る。たとえば、そのような構成は、少なくとも部分的に、ハードワイヤード回路として、特定用途向け集積回路へと作製された回路構成として、あるいは不揮発性記憶装置にロードされるファームウェアプログラム、または汎用プロセッサもしくは他のデジタル信号処理ユニットなどの論理要素のアレイによって実行可能な命令である機械可読コードとしてデータ記憶媒体から、もしくはデータ記憶媒体にロードされるソフトウェアプログラムとして実装され得る。汎用プロセッサはマイクロプロセッサであり得るが、代替として、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、または状態機械であり得る。プロセッサはまた、コンピューティングデバイスの組合せ、たとえば、デジタル信号プロセッサとマイクロプロセッサとの組合せ、複数のマイクロプロセッサ、デジタル信号プロセッサコアと連携する１つまたは複数のマイクロプロセッサ、あるいは任意の他のそのような構成として実装され得る。ソフトウェアモジュールは、ＲＡＭ（ランダムアクセスメモリ）、ＲＯＭ（読取り専用メモリ）、フラッシュＲＡＭなどの不揮発性ＲＡＭ（ＮＶＲＡＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、レジスタ、ハードディスク、リムーバブルディスク、ＣＤ−ＲＯＭ、または当技術分野で知られている任意の他の形態の記憶媒体中に常駐し得る。例示的な記憶媒体は、プロセッサが記憶媒体から情報を読み取り、記憶媒体に情報を書き込むことができるように、プロセッサに結合される。代替として、記憶媒体はプロセッサに一体化され得る。プロセッサおよび記憶媒体はＡＳＩＣ中に常駐し得る。ＡＳＩＣはユーザ端末中に常駐し得る。代替として、プロセッサおよび記憶媒体は、ユーザ端末中に個別構成要素として常駐し得る。

本明細書で開示する様々な方法（たとえば、方法Ｍ１００、Ｍ１０２）は、プロセッサなどの論理要素のアレイによって実行され得、本明細書で説明する装置の様々な要素は、そのようなアレイ上で実行するように設計されたモジュールとして実装され得ることに留意されたい。本明細書で使用する「モジュール」または「サブモジュール」という用語は、ソフトウェア、ハードウェアまたはファームウェアの形態でコンピュータ命令（たとえば、論理式）を含む任意の方法、装置、デバイス、ユニットまたはコンピュータ可読データ記憶媒体を指すことができる。複数のモジュールまたはシステムを１つのモジュールまたはシステムに結合することができ、１つのモジュールまたはシステムを、同じ機能を実行する複数のモジュールまたはシステムに分離することができることを理解されたい。ソフトウェアまたは他のコンピュータ実行可能命令で実装した場合、プロセスの要素は本質的に、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを用いて関連するタスクを実行するコードセグメントである。「ソフトウェア」という用語は、ソースコード、アセンブリ言語コード、機械コード、バイナリコード、ファームウェア、マクロコード、マイクロコード、論理要素のアレイによって実行可能な命令の１つまたは複数のセットまたはシーケンス、およびそのような例の任意の組合せを含むことを理解されたい。プログラムまたはコードセグメントは、プロセッサ可読媒体に記憶され得、あるいは搬送波に埋め込まれたコンピュータデータ信号によって伝送媒体または通信リンクを介して送信され得る。

本明細書で開示する方法、方式、および技法の実装形態は、（たとえば、本明細書に記載する１つまたは複数のコンピュータ可読媒体中で）論理要素のアレイ（たとえば、プロセッサ、マイクロプロセッサ、マイクロコントローラ、または他の有限状態機械）を含む機械によって読取り可能および／または実行可能な命令の１つまたは複数のセットとしても有形に実施され得る。「コンピュータ可読媒体」という用語は、情報を記憶または転送することができる、揮発性、不揮発性、取外し可能および取外し不可能な媒体を含む任意の媒体を含み得る。コンピュータ可読媒体の例には、電子回路、コンピュータ可読記憶媒体（たとえば、ＲＯＭ、消去可能ＲＯＭ（ＥＲＯＭ）、フラッシュメモリ、または他の半導体メモリデバイス、フロッピー（登録商標）ディスケット、ハードディスク、または他の磁気ストレージ、ＣＤ−ＲＯＭ／ＤＶＤまたは他の光ストレージ）、伝送媒体（たとえば、光ファイバ媒体、無線周波数（ＲＦ）リンク）、または所望の情報を取得するためにアクセスされ得る他の媒体がある。コンピュータデータ信号は、電子ネットワークチャネル、光ファイバ、エアリンク、電磁リンク、ＲＦリンクなどの伝送媒体を介して伝播することができるどんな信号でも含み得る。コードセグメントは、インターネットまたはイントラネットなどのコンピュータネットワークを介してダウンロードされ得る。いずれの場合も、本開示の範囲は、そのような実施形態によって限定されると解釈すべきではない。

本明細書で説明した方法のタスクの各々は、ハードウェアで直接実施され得るか、プロセッサによって実行されるソフトウェアモジュールで実施され得るか、またはその２つの組合せで実施され得る。本明細書で開示する方法の実装形態の典型的な適用例では、論理要素のアレイ（たとえば、論理ゲート）は、この方法の様々なタスクのうちの１つ、複数、さらにはすべてを実行するように構成される。タスクのうちの１つまたは複数（場合によってはすべて）は、論理要素のアレイ（たとえば、プロセッサ、マイクロプロセッサ、マイクロコントローラ、または他の有限状態機械）を含む機械（たとえば、コンピュータ）によって可読および／または実行可能であるコンピュータプログラム製品（たとえば、ディスク、フラッシュまたは他の不揮発性メモリカード、半導体メモリチップなどの１つまたは複数のデータ記憶媒体など）に埋め込まれたコード（たとえば、命令の１つまたは複数のセット）としても実装され得る。本明細書で開示する方法の実装形態のタスクは、２つ以上のそのようなアレイまたは機械によっても実行され得る。これらのまたは他の実装形態では、タスクは、セルラー電話など、ワイヤレス通信用のデバイス、またはそのような通信機能をもつ他のデバイス内で実行され得る。そのようなデバイスは、（ＶｏＩＰなどの１つまたは複数のプロトコルを使用して）回線交換および／またはパケット交換ネットワークと通信するように構成され得る。たとえば、そのようなデバイスは、符号化フレームを受信および／または送信するように構成されたＲＦ回路を含み得る。

本明細書で開示する様々な方法は、ハンドセット、ヘッドセット、または携帯情報端末（ＰＤＡ）などのポータブル通信デバイスによって実行され得、本明細書で説明した様々な装置は、そのようなデバイスに含まれ得ることが明確に開示される。典型的なリアルタイム（たとえば、オンライン）適用例は、そのようなモバイルデバイスを使用して行われる電話会話である。

１つまたは複数の例示的な実施形態では、本明細書で説明した動作は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組合せで実装され得る。ソフトウェアで実装した場合、そのような動作は、１つまたは複数の命令またはコードとしてコンピュータ可読媒体に記憶され得るか、あるいはコンピュータ可読媒体を介して送信され得る。コンピュータ可読媒体は、コンピュータによってアクセスされ得る任意の媒体であり得る。「コンピュータ可読媒体」という用語は、コンピュータ可読記憶媒体と通信（たとえば、伝送）媒体の両方を含む。限定ではなく、例として、コンピュータ可読記憶媒体は、（限定はしないが、ダイナミックまたはスタティックＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、および／またはフラッシュＲＡＭを含むことができる）半導体メモリ、あるいは強誘電体メモリ、磁気抵抗メモリ、オボニックメモリ、高分子メモリ、または相変化メモリなどの記憶要素のアレイ、ＣＤ−ＲＯＭまたは他の光ディスクストレージ、ならびに／あるいは磁気ディスクストレージまたは他の磁気ストレージデバイスを備えることができる。そのような記憶媒体は、コンピュータによってアクセスされ得る命令またはデータ構造の形態で情報を記憶し得る。通信媒体は、ある場所から別の場所へのコンピュータプログラムの転送を可能にする任意の媒体を含む、命令またはデータ構造の形態の所望でプログラムコードを搬送するために使用され得、コンピュータによってアクセスされ得る任意の媒体を備えることができる。また、いかなる接続もコンピュータ可読媒体と適切に呼ばれる。たとえば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ）、または赤外線、無線、および／またはマイクロ波などのワイヤレス技術を使用して、ウェブサイト、サーバ、または他のリモートソースから送信される場合、同軸ケーブル、光ファイバケーブル、ツイストペア、ＤＳＬ、または赤外線、無線、および／またはマイクロ波などのワイヤレス技術は、媒体の定義に含まれる。本明細書では、ディスク（disk）およびディスク（disc）は、コンパクトディスク（disc）（ＣＤ）、レーザディスク（disc）、光ディスク（disc）、デジタル多用途ディスク（disc）（ＤＶＤ）、フロッピーディスク（disk）およびＢｌｕ−ｒａｙＤｉｓｃ（商標）（Ｂｌｕ−ＲａｙＤｉｓｃＡｓｓｏｃｉａｔｉｏｎ（カリフォルニア州ユニバーサルシティー））を含み、この場合、ディスク（disk）は、通常、データを磁気的に再生し、ディスク（disc）はデータをレーザで光学的に再生する。上記の組合せもコンピュータ可読媒体の範囲内に含めるべきである。

本明細書で説明した音響信号処理装置は、いくつかの動作を制御するために音声入力を受容し、あるいは背景雑音から所望の雑音を分離することから利益を得ることがある、通信デバイスなどの電子デバイスに組み込まれ得る。多くの適用例では、複数の方向発の背景音から明瞭な所望の音を強調または分離することから利益を得ることがある。そのような適用例では、ボイス認識および検出、音声強調および分離、ボイスアクティブ化制御などの機能を組み込んだ電子デバイスまたはコンピューティングデバイスにヒューマンマシンインターフェースを含み得る。限定された処理機能のみを与えるデバイスに適したそのような音響信号処理装置を実装することが望ましいことがある。

本明細書で説明したモジュール、要素、およびデバイスの様々な実装形態の要素は、たとえば、同じチップ上にまたはチップセット中の２つ以上のチップ上に常駐する電子デバイスおよび／または光デバイスとして作製され得る。そのようなデバイスの一例は、トランジスタまたはゲートなど、論理要素の固定アレイまたはプログラマブルアレイである。本明細書で説明した装置の様々な実装形態の１つまたは複数の要素は、全体または一部が、マイクロプロセッサ、組込みプロセッサ、ＩＰコア、デジタル信号プロセッサ、ＦＰＧＡ、ＡＳＳＰ、およびＡＳＩＣなど論理要素の１つまたは複数の固定アレイまたはプログラマブルアレイ上で実行するように構成された命令の１つまたは複数のセットとしても実装され得る。

本明細書で説明した装置の一実装形態の１つまたは複数の要素は、装置が組み込まれているデバイスまたはシステムの別の動作に関係するタスクなど、装置の動作に直接関係しないタスクを実施し、あるいは装置の動作に直接関係しない命令の他のセットを実行するために使用することが可能である。また、そのような装置の実装形態の１つまたは複数の要素は、共通の構造（たとえば、異なる要素に対応するコードの部分を異なる時間に実行するために使用されるプロセッサ、異なる要素に対応するタスクを異なる時間に実施するために実行される命令のセット、あるいは、異なる要素向けの動作を異なる時間に実施する電子デバイスおよび／または光デバイスの構成）を有することが可能である。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
〔１〕
指向性成分を含むマルチチャネル信号を処理する方法であって、前記方法が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行することと、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行することと、
前記生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算することと、
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行することと
を備え、
前記残響除去演算が、前記計算された複数のフィルタ係数に基づき、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の信号に対して前記第１の指向性選択的処理演算を前記実行することが、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させることを含み、
前記第２の信号に対して前記第２の指向性選択的処理演算を前記実行することが、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させることを含む、
方法。
〔２〕
前記第１の指向性選択的処理演算がブラインド音源分離演算である、〔１〕に記載の方法。
〔３〕
前記第１の指向性選択的処理演算がヌルビームフォーミング演算である、〔１〕に記載の方法。
〔４〕
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第１の信号における前記計算された位相差に基づいて、前記第１の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第１の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを減衰させることと
を備える、〔１〕に記載の方法。
〔５〕
前記第１の指向性選択的処理演算が、前記第１の信号の前記総エネルギーと比較して、前記第１の信号内の前記指向性成分の前記エネルギーを減少させるように構成された無相関化演算である、〔１〕に記載の方法。
〔６〕
前記第２の指向性選択的処理演算がブラインド音源分離演算である、〔１〕に記載の方法。
〔７〕
前記第２の指向性選択的処理演算がビームフォーミング演算である、〔１〕に記載の方法。
〔８〕
前記第２の指向性選択的処理演算が、
前記第２の信号の複数の異なる周波数成分の各々について、前記第２の信号の第１のチャネルにおける前記周波数成分の位相と、前記第２の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第２の信号における前記計算された位相差に基づいて、前記第２の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第２の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを増加させることと
を備える、〔１〕に記載の方法。
〔９〕
前記方法が、前記マルチチャネル信号に対してブラインド音源分離演算を実行することを備え、
前記ブラインド音源分離演算が前記第１および第２の指向性選択的処理演算を含み、
前記第１の信号が前記マルチチャネル信号であり、前記第２の信号が前記マルチチャネル信号である、
〔１〕に記載の方法。
〔１０〕
前記複数のフィルタ係数を前記計算することが、前記生成された残差信号に自己回帰モデルを適合させることを備える、〔１〕に記載の方法。
〔１１〕
複数のフィルタ係数を前記計算することが、前記複数のフィルタ係数を、前記生成された残差信号に基づく自己回帰モデルのパラメータとして計算することを備える、〔１〕に記載の方法。
〔１２〕
２キロヘルツから３キロヘルツの間の前記残響除去演算の平均利得応答が、３００ヘルツから４００ヘルツの間の前記残響除去演算の平均利得応答よりも少なくとも３デシベル大きい、〔１〕に記載の方法。
〔１３〕
前記第１および第２の指向性選択的処理演算のうちの少なくとも１つについて、２０００ヘルツから３０００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差が、３００ヘルツから４００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差よりも大きい、〔１〕に記載の方法。
〔１４〕
プロセッサによって読み取られたとき、指向性成分を含むマルチチャネル信号を処理する方法を前記プロセッサに実行させる、有形機能を備えるコンピュータ可読記憶媒体であって、前記方法が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行することと、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行することと、
前記生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算することと、
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行することと
を備え、
前記残響除去演算が、前記計算された複数のフィルタ係数に基づき、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の信号に対して前記第１の指向性選択的処理演算を前記実行することが、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させることを含み、
前記第２の信号に対して前記第２の指向性選択的処理演算を前記実行することが、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させることを含む、
コンピュータ可読記憶媒体。
〔１５〕
指向性成分を含むマルチチャネル信号を処理するための装置であって、前記装置が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行するように構成された第１のフィルタと、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行するように構成された第２のフィルタと、
前記生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算するように構成された計算器と、
前記計算された複数のフィルタ係数に基づいて、残響除去信号を生成するために前記拡張信号をフィルタ処理するように構成された第３のフィルタと
を備え、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の指向性選択的処理演算が、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させることを含み、
前記第２の指向性選択的処理演算が、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させることを含む、
装置。
〔１６〕
前記第１の指向性選択的処理演算がブラインド音源分離演算である、〔１５〕に記載の装置。
〔１７〕
前記第１の指向性選択的処理演算がヌルビームフォーミング演算である、〔１５〕に記載の装置。
〔１８〕
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第１の信号における前記計算された位相差に基づいて、前記第１の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第１の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを減衰させることと
を備える、〔１５〕に記載の装置。
〔１９〕
前記第１の指向性選択的処理演算が、前記第１の信号の前記総エネルギーと比較して、前記第１の信号内の前記指向性成分の前記エネルギーを減少させるように構成された無相関化演算である、〔１５〕に記載の装置。
〔２０〕
前記第２の指向性選択的処理演算がブラインド音源分離演算である、〔１５〕に記載の装置。
〔２１〕
前記第２の指向性選択的処理演算がビームフォーミング演算である、〔１５〕に記載の装置。
〔２２〕
前記第２の指向性選択的処理演算が、
前記第２の信号の複数の異なる周波数成分の各々について、前記第２の信号の第１のチャネルにおける前記周波数成分の位相と、前記第２の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第２の信号における前記計算された位相差に基づいて、前記第２の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第２の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを増加させることと
を備える、〔１５〕に記載の装置。
〔２３〕
前記装置が、前記マルチチャネル信号に対してブラインド音源分離演算を実行するように構成された無相関化器を備え、
前記無相関化器が前記第１のフィルタと前記第２のフィルタとを含み、
前記第１の信号が前記マルチチャネル信号であり、前記第２の信号が前記マルチチャネル信号である、
〔１５〕に記載の装置。
〔２４〕
前記計算器が、前記生成された残差信号に自己回帰モデルを適合させるように構成された、〔１５〕に記載の装置。
〔２５〕
前記計算器が、前記複数のフィルタ係数を、前記生成された残差信号に基づく自己回帰モデルのパラメータとして計算するように構成された、〔１５〕に記載の装置。
〔２６〕
２キロヘルツから３キロヘルツの間の前記第３のフィルタの平均利得応答が、３００ヘルツから４００ヘルツの間の前記第３のフィルタの平均利得応答よりも少なくとも３デシベル大きい、〔１５〕に記載の装置。
〔２７〕
前記第１および第２の指向性選択的処理演算のうちの少なくとも１つについて、２０００ヘルツから３０００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差が、３００ヘルツから４００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差よりも大きい、〔１５〕に記載の装置。
〔２８〕
指向性成分を含むマルチチャネル信号を処理するための装置であって、前記装置が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行するための手段と、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行するための手段と、
前記生成された残差信号からの情報に基づいて、逆フィルタの複数のフィルタ係数を計算するための手段と、
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行するための手段と
を備え、
前記残響除去演算が、前記計算された複数のフィルタ係数に基づき、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の信号に対して前記第１の指向性選択的処理演算を実行するための前記手段が、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させるように構成され、
前記第２の信号に対して前記第２の指向性選択的処理演算を実行するための前記手段が、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させるように構成された、
装置。
〔２９〕
前記第１の指向性選択的処理演算がブラインド音源分離演算である、〔２８〕に記載の装置。
〔３０〕
前記第１の指向性選択的処理演算がヌルビームフォーミング演算である、〔２８〕に記載の装置。
〔３１〕
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第１の信号における前記計算された位相差に基づいて、前記第１の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第１の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを減衰させることと
を備える、〔２８〕に記載の装置。
〔３２〕
前記第１の指向性選択的処理演算が、前記第１の信号の前記総エネルギーと比較して、前記第１の信号内の前記指向性成分の前記エネルギーを減少させるように構成された無相関化演算である、〔２８〕に記載の装置。
〔３３〕
前記第２の指向性選択的処理演算がブラインド音源分離演算である、〔２８〕に記載の装置。
〔３４〕
前記第２の指向性選択的処理演算がビームフォーミング演算である、〔２８〕に記載の装置。
〔３５〕
前記第２の指向性選択的処理演算が、
前記第２の信号の複数の異なる周波数成分の各々について、前記第２の信号の第１のチャネルにおける前記周波数成分の位相と、前記第２の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第２の信号における前記計算された位相差に基づいて、前記第２の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第２の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを増加させることと
を備える、〔２８〕に記載の装置。
〔３６〕
前記装置が、前記マルチチャネル信号に対してブラインド音源分離演算を実行するための手段を備え、
ブラインド音源分離演算を実行するための前記手段が、前記第１の指向性選択的処理演算を実行するための前記手段と、前記第２の指向性選択的処理演算を実行するための前記手段とを含み、
前記第１の信号が前記マルチチャネル信号であり、前記第２の信号が前記マルチチャネル信号である、
〔２８〕に記載の装置。
〔３７〕
前記複数のフィルタ係数を計算するための前記手段が、前記生成された残差信号に自己回帰モデルを適合させるように構成された、〔２８〕に記載の装置。
〔３８〕
複数のフィルタ係数を計算するための前記手段が、前記複数のフィルタ係数を、前記生成された残差信号に基づく自己回帰モデルのパラメータとして計算するように構成された、〔２８〕に記載の装置。
〔３９〕
２キロヘルツから３キロヘルツの間の前記残響除去演算の平均利得応答が、３００ヘルツから４００ヘルツの間の前記残響除去演算の平均利得応答よりも少なくとも３デシベル大きい、〔２８〕に記載の装置。
〔４０〕
前記第１および第２の指向性選択的処理演算のうちの少なくとも１つについて、２０００ヘルツから３０００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差が、３００ヘルツから４００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差よりも大きい、〔２８〕に記載の装置。

Claims

指向性成分を含むマルチチャネル信号を処理する方法であって、前記方法が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行することと、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行することと、
前記生成された残差信号からの情報に基づいて、室内応答伝達関数の逆数の複数のフィルタ係数を計算することと、
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行することと
を備え、
前記残響除去演算が、前記計算された複数のフィルタ係数に基づき、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の信号に対して前記第１の指向性選択的処理演算を前記実行することが、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させることを含み、
前記第２の信号に対して前記第２の指向性選択的処理演算を前記実行することが、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させることを含む、
方法。
前記第１の指向性選択的処理演算がブラインド音源分離演算である、請求項１に記載の方法。
前記第１の指向性選択的処理演算がヌルビームフォーミング演算である、請求項１に記載の方法。
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第１の信号における前記計算された位相差に基づいて、前記第１の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第１の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを減衰させることと
を備え、
前記減衰させることが、前記第１の信号内の前記指向性成分からのエネルギーをマスキングするために相補マスクを使用することを備える、
請求項１に記載の方法。
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
特定の基準を満たす前記計算された位相差の数に基づいて、前記指向性成分が前記第１の信号内でアクティブであるかどうかを示すことと
を備える、請求項１に記載の方法。
前記残響除去演算を前記実行することが、前記拡張信号に基づく信号を用いて、時間領域において、前記計算された複数のフィルタ係数を畳み込むことを備える、請求項１から５のいずれか一項に記載の方法。
前記第２の指向性選択的処理演算がブラインド音源分離演算である、請求項１から６のいずれか一項に記載の方法。
前記第２の指向性選択的処理演算がビームフォーミング演算である、請求項１から６のいずれか一項に記載の方法。
前記第２の指向性選択的処理演算が、
前記第２の信号の複数の異なる周波数成分の各々について、前記第２の信号の第１のチャネルにおける前記周波数成分の位相と、前記第２の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
特定の基準を満たす前記計算された位相差の数に基づいて、前記指向性成分が前記第２の信号内でアクティブであるかどうかを示すことと
を備える、請求項１から６のいずれか一項に記載の方法。
前記方法が、前記マルチチャネル信号に対してブラインド音源分離演算を実行することを備え、
前記ブラインド音源分離演算が前記第１および第２の指向性選択的処理演算を含み、
前記第１の信号が前記マルチチャネル信号であり、前記第２の信号が前記マルチチャネル信号である、
請求項１に記載の方法。
前記複数のフィルタ係数を前記計算することが、前記生成された残差信号に自己回帰モデルを適合させることを備える、請求項１から１０のいずれか一項に記載の方法。
複数のフィルタ係数を前記計算することが、前記複数のフィルタ係数を、前記生成された残差信号に基づく自己回帰モデルのパラメータとして計算することを備える、請求項１から１１のいずれか一項に記載の方法。
２キロヘルツから３キロヘルツの間の前記残響除去演算の平均利得応答が、３００ヘルツから４００ヘルツの間の前記残響除去演算の平均利得応答よりも少なくとも３デシベル大きい、請求項１から１２のいずれか一項に記載の方法。
前記第１および第２の指向性選択的処理演算のうちの少なくとも１つについて、２０００ヘルツから３０００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差が、３００ヘルツから４００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差よりも大きい、請求項１から１３のいずれか一項に記載の方法。
プロセッサによって読み取られたとき、請求項１から１４のいずれか一項に記載の、指向性成分を含むマルチチャネル信号を処理する方法を前記プロセッサに実行させる、有形機能を備えるコンピュータ可読記憶媒体。
指向性成分を含むマルチチャネル信号を処理するための装置であって、前記装置が、
残差信号を生成するために第１の信号に対して第１の指向性選択的処理演算を実行するための手段と、
拡張信号を生成するために第２の信号に対して第２の指向性選択的処理演算を実行するための手段と、
前記生成された残差信号からの情報に基づいて、室内応答伝達関数の逆数の複数のフィルタ係数を計算するための手段と、
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行するための手段と
を備え、
前記残響除去演算が、前記計算された複数のフィルタ係数に基づき、
前記第１の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、前記第２の信号が前記マルチチャネル信号の少なくとも２つのチャネルを含み、
前記第１の信号に対して前記第１の指向性選択的処理演算を実行するための前記手段が、前記第１の信号の総エネルギーと比較して、前記第１の信号内の前記指向性成分のエネルギーを減少させるように構成され、
前記第２の信号に対して前記第２の指向性選択的処理演算を実行するための前記手段が、前記第２の信号の総エネルギーと比較して、前記第２の信号内の前記指向性成分のエネルギーを増加させるように構成された、
装置。
前記第１の指向性選択的処理演算がブラインド音源分離演算である、請求項１６に記載の装置。
前記第１の指向性選択的処理演算がヌルビームフォーミング演算である、請求項１６に記載の装置。
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
前記第１の信号における前記計算された位相差に基づいて、前記第１の信号の前記複数の異なる周波数成分のうちの別の周波数成分のレベルと比較して、前記第１の信号の前記複数の異なる周波数成分のうちの少なくとも１つの周波数成分のレベルを減衰させることと
を備え、
前記減衰させることが、前記第１の信号内の前記指向性成分からのエネルギーをマスキングするために相補マスクを使用することを備える、
請求項１６に記載の装置。
前記第１の指向性選択的処理演算が、
前記第１の信号の複数の異なる周波数成分の各々について、前記第１の信号の第１のチャネルにおける前記周波数成分の位相と、前記第１の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
特定の基準を満たす前記計算された位相差の数に基づいて、前記指向性成分が前記第１の信号内でアクティブであるかどうかを示すことと
を備える、請求項１６に記載の装置。
前記残響除去演算を前記実行することが、前記拡張信号に基づく信号を用いて、時間領域において、前記計算された複数のフィルタ係数を畳み込むことを備える、請求項１６から２０のいずれか一項に記載の装置。
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行するための前記手段が、前記拡張信号に基づく信号を用いて、時間領域において、前記計算された複数のフィルタ係数を畳み込むように構成されたフィルタである、請求項１６から２０のいずれか一項に記載の装置。
前記第２の指向性選択的処理演算がブラインド音源分離演算である、請求項１６から２２のいずれか一項に記載の装置。
前記第２の指向性選択的処理演算がビームフォーミング演算である、請求項１６から２２のいずれか一項に記載の装置。
前記第２の指向性選択的処理演算が、
前記第２の信号の複数の異なる周波数成分の各々について、前記第２の信号の第１のチャネルにおける前記周波数成分の位相と、前記第２の信号の第２のチャネルにおける前記周波数成分の位相との間の差を計算することと、
特定の基準を満たす前記計算された位相差の数に基づいて、前記指向性成分が前記第２の信号内でアクティブであるかどうかを示すことと
を備える、請求項１６から２２のいずれか一項に記載の装置。
前記装置が、前記マルチチャネル信号に対してブラインド音源分離演算を実行するための手段を備え、
ブラインド音源分離演算を実行するための前記手段が、前記第１の指向性選択的処理演算を実行するための前記手段と、前記第２の指向性選択的処理演算を実行するための前記手段とを含み、
前記第１の信号が前記マルチチャネル信号であり、前記第２の信号が前記マルチチャネル信号である、
請求項１６に記載の装置。
前記複数のフィルタ係数を計算するための前記手段が、前記生成された残差信号に自己回帰モデルを適合させるように構成された、請求項１６から２６のいずれか一項に記載の装置。
複数のフィルタ係数を計算するための前記手段が、前記複数のフィルタ係数を、前記生成された残差信号に基づく自己回帰モデルのパラメータとして計算するように構成された、請求項１６から２７のいずれか一項に記載の装置。
２キロヘルツから３キロヘルツの間の前記残響除去演算の平均利得応答が、３００ヘルツから４００ヘルツの間の前記残響除去演算の平均利得応答よりも少なくとも３デシベル大きい、請求項１６から２８のいずれか一項に記載の装置。
残響除去信号を生成するために前記拡張信号に対して残響除去演算を実行するための前記手段がフィルタであり、
２キロヘルツから３キロヘルツの間の前記フィルタの平均利得応答が、３００ヘルツから４００ヘルツの間の前記フィルタの平均利得応答よりも少なくとも３デシベル大きい、
請求項１６から２８のいずれか一項に記載の装置。
前記第１および第２の指向性選択的処理演算のうちの少なくとも１つについて、２０００ヘルツから３０００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差が、３００ヘルツから４００ヘルツまでの周波数レンジにわたる、方向に関する、前記演算の最小利得応答と前記演算の最大利得応答との間の絶対差よりも大きい、請求項１６から３０のいずれか一項に記載の装置。