JP5732937B2 - サウンドマスキング装置 - Google Patents

Description

本発明は、特定の話者が話している音声を、周囲の他者に聞き取り難くするためのマスカ音を生成するサウンドマスキング装置に関する。

従来、サウンドマスキング装置のように、入力音に基づいてマスカ音を生成し、入力音の元となる音を分かり難くする装置が各種考案されている。例えば、特許文献１の装置では、環境音を入力し、環境音信号の波形を分析する。そして、特許文献１の装置は、この分析結果に基づいて、特定の発生音信号を生成している。この際、特許文献１の装置は、環境音と装置の発生音とを聞いた人が特定の態様の混合音（不快でない音）に聞こえるように、発生音信号を生成している。

特開２００９−１１８０６２号公報

しかしながら、特許文献１に示す装置では、無限の開放空間でなければ、発生音が回り込み、入力音に発生音のエコーが含まれる。したがって、このような装置をサウンドマスキングに利用する場合、特定話者の音声とともに、マスカ音のエコーが入力されてしまう。このため、従来の装置では、特定話者の音声とエコー音との混合音を波形分析することになり、特定話者の音声のみを元にして、マスカ音を生成できない場合がある。

この発明の目的は、マスキング対象音以外の音による影響を抑圧して、マスカ音を生成できるサウンドマスキング装置を実現することにある。

この発明は、サウンドマスキング装置に関する。このサウンドマスキング装置は、収音手段、マスカ音生成手段、放音手段を備えるとともに、エコーキャンセル手段を備える。収音手段は、収音して収音信号を生成する。エコーキャンセル手段は、マスカ音信号に対して適応型のフィルタ処理を行い前記収音信号から減算処理を行うことで収音信号のエコーキャンセル処理を実行する。マスカ音信号生成手段は、エコーキャンセル処理後の収音信号の振幅レベルに応じたレベルのマスカ音を生成する。放音手段は、生成されたマスカ音信号を放音する。

この構成では、マスカ音が回り込んで収音されても、エコーキャンセル手段により抑圧される。したがって、マスカ音生成手段には、回り込み音ではない音声信号のみが入力される。例えば、具体的には、マスキング対象となる特定話者の音声のみが入力される。これにより、マスキング対象の音信号のみに基づいたマスカ音が生成される。

また、この発明のサウンドマスキング装置は、エコーキャンセル手段のフィルタ処理に利用する伝達特性を検出して、該伝達特性の周波数特性を出力する伝達特性検出手段を備える。マスカ音生成手段は、伝達特性の周波数特性の備える周波数的特徴を有するマスカ音を生成する。

この構成では、伝達特性の周波数特性をも含めてマスカ音を生成することができる。これにより、放収音環境に応じたマスカ音を生成できる。例えば、特定話者の居る環境（部屋内）等において、より残響しやすいマスカ音等を生成することができる。

また、この発明のサウンドマスキング装置は、エコーキャンセル処理後の収音信号に含まれる、発音時間が短時間で且つ特徴的な音からなる突発音を検出する突発音検出手段を備える。マスカ音生成手段は、突発音の検出時には突発音が検出されないタイミングでのエコーキャンセル処理後の収音信号の振幅レベルに応じたレベルのマスカ音を生成する。

この構成では、突発音の検出結果をも含めてマスカ音を生成することができる。これにより、例えば、マスキング対象となる特定話者の音声とは異なる突発音を検出した場合に、突発音をマスカ音の生成に利用しないようにすることができる。

この発明によれば、マスキング対象音以外の音による影響を抑圧して、マスカ音を生成することができる。これにより、マスキング対象音に準じた、より適するマスカ音を生成することができる。

第１の実施形態に係るサウンドマスキング装置の設置例を示す図である。 第１の実施形態に係るサウンドマスキング装置１の構成を示すブロック図である。 第２の実施形態に係るサウンドマスキング装置１Ａの構成を示すブロック図である。 第３の実施形態に係るサウンドマスキング装置１Ｂの構成を示すブロック図である。 パーティション９１０Ｐにより３個のブースに分けられた場合のサウンドマスキング装置の設置例を示している。

本発明の第１の実施形態に係るサウンドマスキング装置について、図を参照して説明する。図１は本実施形態に係るサウンドマスキング装置１の設置例を示す図である。図２は本実施形態に係るサウンドマスキング装置１の構成を示すブロック図である。

本実施形態のサウンドマスキング装置１は、図１に示すような環境に設置される。なお、図１では、具体的な例として、薬局等のカウンタで行われる会話をマスキングする場合を示している。また、図１では、サウンドマスキング装置１のマイクロホンＭＩＣおよびスピーカＳＰのみを記載しているが、他の構成要素は、例えば、部屋内の所定位置もしくは別室等に配置しておけばよい。

部屋９００内には、カウンタ９１０Ｔが設置されており、当該カウンタ９１０Ｔを挟んで、薬剤師等の販売員９０１と客９０２とが向かい合って会話をしている。これら販売員９０１の発生音と客９０２の発生音とが、本実施形態におけるマスキング対象となる音声である。カウンタ９１０Ｔ上には、サウンドマスキング装置１の構成要素となるマイクロホンＭＩＣ（本発明の「収音手段」に対応する。）が設置されている。

また、部屋９００内には、図示しないが商品棚等が設置されており、当該商品棚等が設置された領域に、第三者９０３が存在している。そして、このような第三者９０３が存在する領域に向けて放音するように、スピーカＳＰ（本発明の「放音手段」に対応する。）が設置されている。サウンドマスキング装置１は、マイクロホンＭＩＣからの収音信号に基づいて、スピーカＳＰから、第三者９０３に対して販売員９０１と客９０２の会話内容が聞き取りにくくなるように、すなわち販売員９０１および客９０２の発生音が第三者９０３に聞き取りにくくなるように、マスカ音を放音する。

このようなマスカ音の生成を行うサウンドマスキング装置１は、図２に示すように、上述のマイクロホンＭＩＣ、スピーカＳＰとともに、マスカ音生成部１１、およびエコーキャンセル部１２を備える。

スピーカＳＰは、後述の処理により生成されたマスカ音信号Ｓｍを音変換して、マスカ音を放音する。

マイクロホンＭＩＣは、販売員９０１および客９０２の発生音（以下、「特定話者音声」と称する。）を含む、周囲の音を収音し、収音信号Ｓｒをエコーキャンセル部１２へ出力する。この収音信号Ｓｒには、特定話者音声とともに、放音されたマスカ音の回り込み音（以下、単に「回り込み音」と称する。）も含まれている。

エコーキャンセル部１２は、適応型フィルタ１２１とポストプロセッサ１２２とを備える。適応型フィルタ１２１は、エコーキャンセル後信号Ｓｒｅに基づいて、マスカ音の回り込み音の伝達特性を推定し、当該推定した伝達特性に準じたフィルタ係数を決定する。適応型フィルタ１２１は、設定したフィルタ係数でマスク音信号Ｓｍをフィルタ処理することで、マスカ音の回り込み音に相当する疑似回帰音信号を生成する。ポストプロセッサ１２２は、収音信号Ｓｒから疑似回帰音信号を減算することで、エコーキャンセル後信号Ｓｒｅを生成する。このようなエコーキャンセル処理は、エコーキャンセル後信号Ｓｒｅに含まれる回り込み音成分が０（零）となるように、継続的に適応化される。

したがって、適応後のエコーキャンセル後信号Ｓｒｅは、ほぼ特定話者音声のみによって構成されることになる。

マスカ音生成部１１は、エコーキャンセル後信号Ｓｒｅに基づいて、マスカ音信号Ｓｍを生成する。生成されたマスカ音信号Ｓｍは、スピーカＳＰに出力されるとともに、エコーキャンセル部１２の適応型フィルタ１２１へ出力される。

ここで、マスカ音生成部１１は、エコーキャンセル後信号Ｓｒｅの時間領域成分および成分変化等に基づいてマスカ音信号Ｓｍを生成する。なお、マスカ音信号Ｓｍは周波数領域成分に基づいて生成してもよい。

具体的に、時間領域成分を用いる場合、マスカ音信号生成部１１は、入力されたエコーキャンセル後信号Ｓｒｅの振幅レベルをモニタし、当該振幅レベルに応じたマスカ音信号Ｓｍを生成する。この際、マスカ音信号Ｓｍとしては、攪乱音と背景音とで構成される。攪乱音としては例えば、雑踏の音、他の無作為な会話音が用いられる。背景音としては、山や川および海等の自然の音等が用いられる。さらに、マスカ音信号Ｓｍとしては、第三者９０３が特定話者音声およびスピーカＳＰから放音されたマスカ音を聞いた時に、特定話者音声を聞き取りにくくなる程度の振幅レベルで生成すればよい。なお、第三者９０３にとって、特定話者音声よりもスピーカＳＰから放音されたマスカ音の方が大きくなるように、マスカ音信号Ｓｍの振幅レベルを設定するとよりよい。

このようなマスカ音信号Ｓｍに基づくマスカ音を放音することで、第三者９０３に対して、特定話者音声を聞き取りにくくすることができる。

そして、本実施形態の構成を用いた場合、マスカ音の回り込み音がマイクロホンＭＩＣによって収音されても、エコーキャンセル部１２により、回り込み音成分は抑圧される。したがって、マスカ音生成部１１には、ほぼ特定話者音声のみからなるエコーキャンセル後信号Ｓｒｅが入力される。これにより、マスカ音生成部１１は、マスカ音の回り込み音による影響を受けることなく、特定話者音声にのみ依存するマスカ音信号Ｓｍを生成することができる。これにより、マスカ音信号Ｓｍの振幅レベルが回り込み音に影響されず、特定話者音声の振幅レベルのみに応じて設定することができる。この結果、必要以上に大きな音のマスカ音を放音せずとも、適切な音量のマスカ音を放音しながら、特定話者の音声をマスキングすることができる。

また、回り込み音が抑圧されることで、特定話者音声の有無すなわち特定話者の話し始めおよび話し終わりを明確に識別できる。したがって、特定話者音声が存在する場合、言い換えれば、特定話者が話している期間だけ、適切な振幅レベルでマスカ音信号Ｓｍを生成して放音することができる。また、定常的にマスカ音を放音する場合であれば、特定話者が話している期間だけ、高い振幅レベルのマスカ音信号Ｓｍを生成して、放音することもできる。

このように、本実施形態の構成を用いれば、実用的且つ効率的に、第三者に対して特定話者の会話をマスキングすることができる。

次に、第２の実施形態に係るサウンドマスキング装置について、図を参照して説明する。図３は本実施形態に係るサウンドマスキング装置１Ａ、１Ａ’の構成を示すブロック図である。

図３（Ａ）に示す本実施形態のサウンドマスキング装置１Ａは、第１の実施形態に示したサウンドマスキング装置１に対して、さらに伝達特性検出部１３を備えた構成であり、この追加構成に基づくマスカ音生成部１１Ａの処理が異なる。したがって、以下では、異なる箇所のみを具体的に説明する。

伝達特性検出部１３は、エコーキャンセル部１２の適応型フィルタ１２１で推定された伝達特性を取得する。伝達特性検出部１３は、伝達特性を時間領域および周波数領域で分析する。例えば、伝達特性検出部１３は、伝達特性の周波数的特徴から、マイクロホンＭＩＣおよびスピーカＳＰを設置した環境における、残響の長い周波数等を分析する。伝達特性検出部１３は、分析結果をマスカ音生成部１１Ａへ出力する。

マスカ音生成部１１Ａは、エコーキャンセル後信号Ｓｒｅと分析結果とに基づいて、マスカ音信号Ｓｍａを生成する。この際、マスカ音生成部１１Ａは、上述のように、エコーキャンセル後信号Ｓｒｅすなわち特定話者音声に基づくとともに、分析結果に基づいて、例えば、残響の長い周波数の振幅レベルが高くなるように、マスカ音信号Ｓｍａを生成する。

これにより、スピーカＳＰからは、残響の長いマスカ音が放音される。したがって、第三者９０３に対して特定話者音声をさらに聞き取りにくくすることができる。なお、本実施形態では、残響の長い周波数成分を強調する例を示したが、取得した伝達特性に基づいて、第三者９０３に対して特定話者音声をさらに聞き取りにくくなるようにマスカ音信号Ｓｍａを生成すれば、他の音調整を用いてもよい。

また、図３（Ｂ）に示すように、マスカ音生成部１１Ａ’からマスカ音の調整内容（例えば、振幅レベルを高くした周波数等）を、適応型フィルタ１２１に対して出力してもよい。適応型フィルタ１２１は、入力された調整内容を伝達特性の推定に利用する。例えば、適応型フィルタ１２１は、調整内容に応じて、初期値のオフセットを行う。

このように、調整内容を適応型フィルタ１２１に与えることで、適応型フィルタ１２１の適応を早く収束させることができる。これにより、特定話者音声に応じた適切なマスキング処理をより素早く開始させることができる。

次に、第３の実施形態に係るサウンドマスキング装置について、図を参照して説明する。図４は本実施形態に係るサウンドマスキング装置１Ｂの構成を示すブロック図である。図４（Ａ）はサウンドマスキング装置１Ｂの全体構成図であり、図４（Ｂ）は突発音検出部１４の構成図である。

なお、突発音とは、上述のマスカ音信号Ｓｍを構成する攪乱音と背景音とは、振幅レベルおよび周波数特性が無相関であり、且つ短時間（例えば数秒程度）だけ発音される音を意味する。

図４に示すように、本実施形態のサウンドマスキング装置１Ｂは、第１の実施形態に示したサウンドマスキング装置１に対して、さらに突発音検出部１４を備えた構成であり、この追加構成に基づくマスカ音生成部１１Ｂの処理が異なる。

突発音検出部１４は、音信号モニタ部１４１、音声特徴解析部１４２、突発音情報生成部１４３を備える。

音信号モニタ部１４１は、エコーキャンセル後信号Ｓｒｅを所定時間長に亘りバッファリングする。音声特徴解析部１４２は、順次バッファリングされたエコーキャンセル後信号Ｓｒｅの音声特徴を解析する。具体的には、音声特徴解析部１４２は、エコーキャンセル後信号Ｓｒｅの周波数スペクトル、フォルマント等を解析し、解析結果を突発音情報生成部１４３へ出力する。

突発音情報生成部１４３は、解析結果を順次記憶しており、時間軸上で解析結果の類似性を順次検出する。突発音情報生成部１４３は、類似性が低いタイミングを検出すると、当該タイミングで突発音が発生したと判断し、突発音発生情報をマスカ音生成部１１Ｂへ出力する。

マスカ音生成部１１Ｂは、突発音発生情報を受け付けると、当該タイミングでのエコーキャンセル後信号Ｓｒｅを用いず、当該タイミング以前の所定タイミングで設定した振幅レベル等に応じて、マスカ音信号Ｓｍを生成する。

このような構成とすることで、マイクロホンＭＩＣが特定話者音声とは異なる突発音を、特定話者音声とともに収音しても、当該突発音に影響されることなく、特定話者音声に準じた最適なマスカ音を放音することができる。

なお、本実施形態に示したサウンドマスキング装置１Ｂでは、エコーキャンセル後信号Ｓｒｅから突発音を検出したが、収音信号Ｓｒをモニタリングしておき、収音信号Ｓｒの音声特徴の変化から、突発音を検出することも可能である。

ただし、本実施形態の構成にすることで、エコーキャンセル処理により、マスカ音の回り込み音が抑圧されたエコーキャンセル後信号Ｓｒｅを用いている。したがって、突発音収音時には、エコーキャンセル後信号Ｓｒｅは、特定話者音声と突発音のみが含まれる。したがって、回り込み音が含まれる場合よりも、特定話者音声および突発音の音声特徴を検出しやすく、より確実に突発音を検出することができる。

なお、上述の各実施形態では、マイクロホンＭＩＣとスピーカＳＰとが１個ずつの場合を例に示したが、マイクロホンＭＩＣおよびスピーカＳＰの少なくとも一方が、複数ある場合であっても、上述の構成および処理概念を適用することができる。

例えば、図５は、３個のマイクロホンＭＩＣ（Ａ），ＭＩＣ（Ｂ），ＭＩＣ（Ｃ）、２個のスピーカＳＰ（ＦＢ），ＳＰ（ＦＣ）が配置され、パーティション９１０Ｐにより３個のブースに分けられた場合のサウンドマスキング装置の設置例を示している。このような場合であっても、それぞれ１個ずつのマイクロホンとスピーカとの組ごとに、上述の構成および処理を適用すればよい。

１，１Ａ，１Ｂ−サウンドマスキング装置、１１，１１Ａ，１１Ａ’，１１Ｂ−マスカ音生成部、１２−エコーキャンセル部、１２１−適応型フィルタ、１２２−ポストプロセッサ、１３−伝達特性検出部、１４−突発音検出部、１４１−音信号モニタ部、１４２−音声特徴解析部、１４３−突発音情報生成部、ＭＩＣ，ＭＩＣ（Ａ），ＭＩＣ（Ｂ），ＭＩＣ（Ｃ）−マイクロホン、ＳＰ，ＳＰ（ＦＢ），ＳＰ（ＦＣ）−スピーカ、９００−部屋、９０１，９０１Ａ，９０１Ｂ，９０１Ｃ−販売員、９０２，９０２Ａ，９０２Ｂ，９０２Ｃ−客、９０３−第三者、９１０Ｔ−カウンタ、９１０Ｐ−パーティション

Claims (2)

1. 収音して収音信号を生成する収音手段と、
   前記収音信号から第三者が当該収音信号の元となる音を聞き取り難くするマスカ音信号を生成するマスカ音生成手段と、
   前記マスカ音信号を放音する放音手段と、を備えるとともに、
   前記マスカ音信号に対して適応型のフィルタ処理を行い前記収音信号から減算処理を行うことで前記収音信号のエコーキャンセル処理を実行するエコーキャンセル手段を備え、
   前記マスカ音生成手段は、エコーキャンセル処理後の収音信号の振幅レベルに応じたレベルのマスカ音信号を生成し、
   前記エコーキャンセル手段の前記フィルタ処理に利用する伝達特性を検出して、該伝達特性の周波数特性を出力する伝達特性検出手段を備え、
   前記マスカ音生成手段は、前記伝達特性の周波数特性の備える周波数的特徴を有する前記マスカ音信号を生成する、サウンドマスキング装置。
2. 請求項１に記載のサウンドマスキング装置であって、
   前記エコーキャンセル処理後の収音信号に含まれる、発音時間が短時間で且つ特徴的な音からなる突発音を検出する突発音検出手段を備え、
   前記マスカ音生成手段は、前記突発音の検出時には前記突発音が検出されないタイミングでの前記エコーキャンセル処理後の収音信号の振幅レベルに応じたレベルの前記マスカ音信号を生成するサウンドマスキング装置。

Images