JP6295650B2 - 音声信号処理装置及びプログラム - Google Patents

Description

本発明は、音声信号処理装置及びプログラムに関し、例えば、電話機やテレビ会議装置などの音声信号（この明細書では、音声信号や音響信号等の音信号を「音声信号」と呼んでいる）を扱う通信機や通信ソフトウェアに適用し得るものである。

取得した音声信号中に含まれる雑音成分を抑圧する手法の一つとして、コヒーレンスフィルタ法が挙げられる。コヒーレンスフィルタ法は、特許文献１に記載されているように、左右に死角を有する信号の相互相関を周波数ごとに乗算することで、到来方位に偏りが大きい雑音成分を抑圧する手法である。

コヒーレンスフィルタ法を適用した音声信号処理装置では、２つのマイクロホンが捕捉して得た入力信号を用いて、正面の左側から到来する成分のみを含む第１の指向性信号と、右側から到来する成分のみを含む第２の指向性信号を生成し、第１及び第２の指向性信号の周波数成分毎の相関値（コヒーレンスフィルタ係数）を係数値として入力信号に乗算することにより、雑音成分を抑圧した信号を得ている。ここで、コヒーレンスフィルタ係数の演算式は、特許文献１に記載されている。

ここで、第１及び第２の指向性信号の相関値である周波数成分毎のコヒーレンスフィルタ係数の平均値であるコヒーレンスは、妨害音（抽出しようとする音声に対して妨害となる音声や音響）の到来方位を反映するパラメータとなっている。特許文献２では、妨害音の到来方位の推定に、妨害音区間でのコヒーレンスを用いることが記載されている。

特開２０１３−１２６０２６ 特開２０１３−１８２０４４

浅野太著、日本音響学会編集、「音のアレイ信号処理」、コロナ社、２０１１年２月初版発行

コヒーレンスフィルタ法を適用した音声信号処理装置は、例えば、スマートフォンの音声入力・認識装置に適用される。２つのマイクロホンをスマートフォンの長手方向に距離（例えば１４ｃｍ程度）を置いて設けることも考えられ、この場合、スマートフォンの幅方向に距離（例えば３ｃｍ程度）を置いて設けるより２つのマイクロホンの間隔（以下、マイクロホン間隔と呼ぶ）はかなり大きくなる。

マイクロホン間隔がある所定値以上に広がると、第１及び第２の指向性信号の低域成分の指向性の鋭さが増す。図９は、このことの説明図である。図９は、第１の指向性信号におけるある低域成分（例えば５００Ｈｚ程度）についての指向性を表している。破線曲線はマイクロホン間隔が狭い場合を表し、実線曲線はマイクロホン間隔が広い場合を示しており、正面から９０°右側にずれた方位の指向性はマイクロホン間隔が広い方が数倍（図９では４倍程度）指向性が鋭くなっている。なお、図９における円は、指向性の強度の目安を与える目盛として描いている。

鋭い指向性を有する第１及び第２の指向性信号に基づいてコヒーレンスフィルタ係数を算出した場合、マイクロホン間隔が狭い場合と比較して、コヒーレンスフィルタ係数の挙動は大きく変わる。なぜならば、例えば、妨害音が左から到来した場合に、第１の指向性信号は死角にあたるので信号値は小さくなるが、第２の指向性信号は左側の信号成分がこれまで（狭いマイクロホン間隔の場合）以上に優勢に含まれるためである。そのため、第１及び第２の指向性信号の特性差が極端に大きくなるため、相関（コヒーレンスフィルタ係数）は極めて小さくなる。このようなコヒーレンスフィルタ係数を雑音抑圧処理に適用すると、強力な雑音抑圧効果が得られるものの、目的音声成分までも大きく歪ませるため、音質が著しく劣化する。

また、マイクロホン間隔が大きくなると、空間エイリアスという一種の誤差成分が混入し、形成する指向性の形状が変形するという課題がある（非特許文献１の７６頁参照）。図１０は、空間エイリアスによる指向性の変化の例を示している。図１０は、第１の指向性信号におけるある周波数における指向性を示している。点線曲線は、マイクロホン間隔が狭い場合の指向性を示しており、カージオイド状の形状になっている。一方、実線曲線は、マイクロホン間隔が広い場合の指向性を示しており、空間エイリアスにより、様々な方位に死角を有する独特な形状を呈している。

このような指向性を有する第１及び第２の指向性信号からコヒーレンスフィルタ係数を算出し、さらに、コヒーレンスフィルタ係数からコヒーレンスを算出した場合、コヒーレンスの挙動は大きく変化する。なぜならば、指向性が左右対称に近い形状をしているため、雑音の到来方位が例えば左斜め４５°であれば、第１及び第２の指向性信号の双方が妨害音を捕捉してしまうため、妨害音であるにもかかわらず相関が大きくなり、その結果、コヒーレンスが大きくなってしまうからである。

以上のようにマイクロホン間隔が大きくなり、空間エイリアス成分が混入するようになると、到来方位の判定において、正確な推定結果が得られないという課題がある。

そのため、マイクロホン間隔が大きくても、十分な音声処理結果を得ることができる音声信号処理装置及びプログラムが望まれている。

第１の本発明は、一対のマイクロホンが捕捉して得た入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音の到来方位を推定する到来方位推定手段と、（３）推定された到来方位に対応した補正ゲインを得て、低域のコヒーレンスフィルタ係数をその補正ゲインで補正する低域フィルタ係数補正手段と、（４）補正された低域のコヒーレンスフィルタ係数を含めた全帯域のコヒーレンスフィルタ係数を適用してコヒーレンスフィルタ処理を行うフィルタ処理実行手段とを有し、（５）到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されていることを特徴とする。

第２の本発明は、一対のマイクロホンが捕捉して得た入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理プログラムであって、コンピュータを、（１）コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）上記入力音声信号に含まれている妨害音の到来方位を推定する到来方位推定手段と、（３）推定された到来方位に対応した補正ゲインを得て、低域のコヒーレンスフィルタ係数をその補正ゲインで補正する低域フィルタ係数補正手段と、（４）補正された低域のコヒーレンスフィルタ係数を含めた全帯域のコヒーレンスフィルタ係数を適用してコヒーレンスフィルタ処理を行うフィルタ処理実行手段として機能させ、（５）到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されていることを特徴する。

第３の本発明は、一対のマイクロホンが捕捉して得た入力音声信号に含まれている妨害音の到来方位を推定する音声信号処理装置において、（１）少なくとも限定帯域のコヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）限定帯域のコヒーレンスフィルタ係数を適用して限定帯域のコヒーレンスを算出する限定帯域コヒーレンス算出手段と、（３）限定帯域のコヒーレンスの種々の値と到来方位とを予め対応付けており、算出された限定帯域のコヒーレンスに基づいて、対応付けられた到来方位を得て推定値として出力する到来方位取得手段と、（４）推定された到来方位に対応した補正ゲインを得て、限定帯域のコヒーレンスフィルタ係数をその補正ゲインで補正する限定帯域フィルタ係数補正手段とを有し、（５）到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されていることを特徴とする。

第４の本発明は、一対のマイクロホンが捕捉して得た入力音声信号に含まれている妨害音の到来方位を推定する音声信号処理プログラムであって、コンピュータを、（１）少なくとも限定帯域のコヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、（２）限定帯域のコヒーレンスフィルタ係数を適用して限定帯域のコヒーレンスを算出する限定帯域コヒーレンス算出手段と、（３）限定帯域のコヒーレンスの種々の値と到来方位とを予め対応付けており、算出された限定帯域のコヒーレンスに基づいて、対応付けられた到来方位を得て推定値として出力する到来方位取得手段と、（４）推定された到来方位に対応した補正ゲインを得て、限定帯域のコヒーレンスフィルタ係数をその補正ゲインで補正する限定帯域フィルタ係数補正手段として機能させ、（５）到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されていることを特徴とする。

本発明によれば、マイクロホン間隔が大きくても、十分な音声処理結果を得ることができる音声信号処理装置及びプログラムを実現できる。

マイクロホン間隔が広い場合の低域におけるコヒーレンスフィルタ係数の挙動を２つの到来方位について示す説明図である。 マイクロホン間隔が狭い場合の低域におけるコヒーレンスフィルタ係数の挙動を２つの到来方位について示す説明図である。 第１の実施形態の音声信号処理装置の全体構成を示すブロック図である。 第１の実施形態の音声信号処理装置におけるコヒーレンスフィルタ処理部の詳細構成を示すブロック図である。 第１の実施形態の音声信号処理装置における補正ゲイン決定部が利用する、到来方位と補正ゲインとを対応付けた変換テーブルを示す説明図である。 第１の実施形態の音声信号処理装置におけるコヒーレンスフィルタ処理部内の到来方位推定部の詳細構成を示すブロック図である。 第１の実施形態の音声信号処理装置におけるコヒーレンスフィルタ処理部内の到来方位推定部が利用する、中域コヒーレンスと到来方位とを対応付けた変換テーブルを示す説明図である。 妨害音の到来方位毎の中域コヒーレンスの挙動を示す説明図である。 マイクロホン間隔がある所定値以上に広がると、指向性信号における低域成分の指向性の鋭さが増すことの説明図である。 空間エイリアスによる指向特性の変化の例を示す説明図である。 角度を表す用語の説明図である。

（Ａ）第１の実施形態
以下、本発明による音声信号処理装置及びプログラムの第１の実施形態を、図面を参照しながら詳述する。第１の実施形態の音声処理装置は、コヒーレンスフィルタ法を適用して、音声信号中に含まれる雑音成分を抑圧するものである。

（Ａ−１）第１の実施形態の考え方
マイクロホン間隔が広がることに付随して指向性信号における低域成分の指向性が強くなる現象は、上述したように不可避である。マイクロホン間隔が、低域成分の指向性が強くなる程度に広い場合には、過度な抑圧処理が行われないように、第１の実施形態では、音質と抑圧性能とがほどほどに両立するような値に、コヒーレンスフィルタ係数を補正することとした。

図１及び図２は、マイクロホン間隔が広い場合と狭い場合との低域におけるコヒーレンスフィルタ係数の挙動を２つの到来方位（斜め前及び横）について比較した図であり、図１はマイクロホン間隔が広い場合の挙動を示し、図２はマイクロホン間隔が狭い場合の挙動を示している。なお、この明細書において、「斜め前」、後述する「中間」、「横」は、前方（正面）に対して図１１に示すような角度だけずれた方向をいう。マイクロホン間隔が広い場合には、図１から分かるように、コヒーレンスフィルタ係数は極めて小さい値をとる上に、妨害音の到来方位による変化がほとんどない。一方、マイクロホン間隔が狭い場合には、図２から分かるように、コヒーレンスフィルタ係数が大きくなり、到来方位によるレンジの違いも顕著になる。

このような特性に基づいて、マイクロホン間隔が広い場合において、マイクロホン間隔が狭い場合の抑圧性能と音質がほどほどに両立するコヒーレンスフィルタ係数値に近付ける。具体的には、到来方位ごとに、マイクロホン間隔が狭い場合の係数値とマイクロホン間隔が広い場合とのコヒーレンスの比率を予め算出して記憶しておき、これを低域のコヒーレンスフィルタ係数への補正ゲインとして乗算する。上述したように、マイクロホン間隔が狭い場合と広い場合の低域コヒーレンスフィルタ係数のレンジはある程度特定できるので、両者の比率を事前に定めておくことは可能である。

第１の実施形態はマイクロホン間隔が広い場合であり（例えば、１０数ｃｍ）、第１の実施形態は、低域のコヒーレンスフィルタ係数を補正することで、マイクロホン間隔が狭い場合のコヒーレンスフィルタ係数の特性に近付け、音質を改善しようとしたものである。

（Ａ−２）第１の実施形態の構成
図３は、第１の実施形態に係る音声信号処理装置の構成を示すブロック図である。ここで、一対のマイクロホンｍ１及びｍ２を除いた部分は、ハードウェアで構成することも可能であり、また、ＣＰＵが実行するソフトウェア（音声信号処理プログラム）とＣＰＵとで実現することも可能であるが、いずれの実現方法を採用した場合であっても、機能的には図３で表すことができる。

図３において、第１の実施形態に係る音声信号処理装置１０は、一対のマイクロホンｍ１、ｍ２、ＦＦＴ（高速フーリエ変換）部１１、コヒーレンスフィルタ処理部１２及びＩＦＦＴ（逆高速フーリエ変換）部１３を有する。

一対のマイクロホンｍ１、ｍ２は、上述した課題が生じる程度に広い所定距離（若しくは任意の距離）だけ離れて配置され、それぞれ、周囲の音声を捕捉するものである。各マイクロホンｍ１、ｍ２は、無指向のもの（若しくは、正面方向にごくごく緩やかな指向性を有するもの）である。各マイクロホンｍ１、ｍ２で捕捉された音声信号（入力信号）は、図示しない対応するＡ／Ｄ変換器を介してデジタル信号ｓ１（ｎ）、ｓ２（ｎ）に変換されてＦＦＴ部１１に与えられる。なお、ｎはサンプルの入力順を表すインデックスであり、正の整数で表現される。本文中では、ｎが小さいほど古い入力サンプルであり、大きいほど新しい入力サンプルであるとする。音声信号（入力信号）の帯域は、例えば、０Ｈｚ〜８０００Ｈｚである。この帯域内の部分帯域として後述する低域や中域がある。

ＦＦＴ部１１は、マイクロホンｍ１及びｍ２から入力信号系列ｓ１（ｎ）及びｓ２（ｎ）を受け取り、その入力信号ｓ１及びｓ２に高速フーリエ変換（あるいは離散フーリエ変換）を行うものである。これにより、入力信号ｓ１及びｓ２を周波数領域で表現することができる。なお、高速フーリエ変換を実施するにあたり、入力信号ｓ１（ｎ）及びｓ２（ｎ）から、所定のＮ個のサンプルからなる分析フレームＦＲＡＭＥ１（Ｋ）及びＦＲＡＭＥ２（Ｋ）を構成して適用する。入力信号ｓ１（ｎ）から分析フレームＦＲＡＭＥ１（Ｋ）を構成する例を以下の（１）式に示すが、分析フレームＦＲＡＭＥ２（Ｋ）も同様である。

なお、Ｋはフレームの順番を表すインデックスであり、正の整数で表現される。本文中では、Ｋが小さいほど古い分析フレームであり、大きいほど新しい分析フレームであるとする。また、以降の説明において、特に但し書きがない限りは、分析対象となる最新の分析フレームを表すインデックスはＫであるとする。

ＦＦＴ部１１は、分析フレームごとに高速フーリエ変換処理を施すことで、周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換し、得られた周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）をそれぞれ、コヒーレンスフィルタ処理部１２に与える。なお、ｆは周波数を表すインデックスである。また、Ｘ１（ｆ，Ｋ）は単一の値ではなく、（２）式に示すように、複数の周波数ｆ１〜ｆｍのスペクトル成分から構成されるものである。さらに、Ｘ１（ｆ，Ｋ）は複素数であり、実部と虚部からなる。Ｘ２（ｆ，Ｋ）や後述するＢ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）も同様である。

Ｘ１（ｆ，Ｋ）＝｛Ｘ１（ｆ１，Ｋ），Ｘ１（ｆ２，Ｋ），…，Ｘ１（ｆｍ，Ｋ）｝ …（２）
後述するコヒーレンスフィルタ処理部１２においては、周波数領域信号Ｘ１（ｆ，Ｋ）及びＸ２（ｆ，Ｋ）のうち、周波数領域信号Ｘ１（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ２（ｆ，Ｋ）をサブとして処理を行うが（後述する（７）式参照）、周波数領域信号Ｘ２（ｆ，Ｋ）をメインとし、周波数領域信号Ｘ１（ｆ，Ｋ）をサブとして処理を行っても良い。

コヒーレンスフィルタ処理部１２は、後述する図４に示す詳細構成を有し、コヒーレンスフィルタ処理を実行し、雑音成分が抑圧された信号Ｙ（ｆ，Ｋ）を得て、ＩＦＦＴ部１３に与えるものである。

ＩＦＦＴ部１３は、雑音抑圧後信号Ｙ（ｆ，Ｋ）に対して、逆高速フーリエ変換を施して時間領域信号である出力信号ｙ（ｎ）を得るものである。

図４は、コヒーレンスフィルタ処理部１２の詳細構成を示すブロック図である。

図４において、コヒーレンスフィルタ処理部１２は、入力信号受信部２１、指向性形成部２２、フィルタ係数計算部２３、コヒーレンス計算部２４、到来方位推定部２５、補正ゲイン決定部２６、フィルタ係数補正部２７、フィルタ処理部２８及びフィルタ処理後信号送信部２９を有する。

入力信号受信部２１は、ＦＦＴ部１１から出力された周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）を受け取るものである。

指向性形成部２２は、第１及び第２の指向性信号）Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）を形成するものである。指向性信号Ｂ１（ｆ，Ｋ）、Ｂ２（ｆ，Ｋ）を形成する方法は、既存の方法を適用することができ、例えば、（３）式及び（４）式に従った演算により求める方法を適用することができる。

フィルタ係数計算部２３は、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）に基づいて、（５）式に従って、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）を計算するものである。

コヒーレンス計算部２４は、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）に基づいて、（６）式に従って、妨害音の到来方位の推定し得る指標値としてコヒーレンスＣＯＨ（Ｋ）を計算するものである。コヒーレンスＣＯＨ（Ｋ）は、（６）式に示すように、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を中域の周波数（例えば、２０００Ｈｚ〜４０００Ｈｚ程度を中域とする）若しくは全周波数で算術平均した値である。

到来方位推定部２５は、妨害音の到来方位を推定し、推定した到来方位Ａｎｇｌｅを得るものである。ここで、到来方位は、正面方位からずれた角度を言い、例えば、右側にΘずれたときも左側にΘずれたときも、同様にΘとなり、どちら側にずれたかの情報は含まれていない。後述するように、補正ゲインｇａｉｎ（Ｋ）の決定では、どちら側にずれたかの情報は必要ではない。

到来方位推定部２５は、コヒーレンスＣＯＨ（Ｋ）を利用しないで推定するものであっても良いが、以下では、コヒーレンスＣＯＨ（Ｋ）を利用して推定する場合を説明する。到来方位推定部２５は、コヒーレンスＣＯＨ（Ｋ）を利用した到来方位の推定方法として、特許文献２に記載のような既存のものを適用しても良い。しかし、第１の実施形態では、後述する図６に示す詳細構成が実行する新たなコヒーレンスＣＯＨ（Ｋ）を利用した推定方法に従って推定している。なお、特許文献２に記載のような既存の推定方法を適用する場合には、上述したコヒーレンス計算部２４は、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を全周波数で算術平均した値としてコヒーレンスＣＯＨ（Ｋ）を算出する。一方、図６に示す詳細構成が適用している推定方法を適用する場合には、上述したコヒーレンス計算部２４は、中域の周波数についてのコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を算術平均した値としてコヒーレンスＣＯＨ（Ｋ）を算出する。

補正ゲイン決定部２６は、推定到来方位Ａｎｇｌｅに基づいて、低域（例えば１０００Ｈｚ以下）のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）に対する補正ゲインｇａｉｎ（Ｋ）を得る。補正ゲイン決定部２６としては、推定到来方位Ａｎｇｌｅと補正ゲインｇａｉｎ（Ｋ）とを対応付けた図５に示すテーブルを利用するものを挙げることができる。図５は、推定到来方位Ａｎｇｌｅが範囲Θに属するときに補正ゲインｇａｉｎ（Ｋ）をαにし、推定到来方位Ａｎｇｌｅが範囲ψに属するときに補正ゲインｇａｉｎ（Ｋ）をβにし、推定到来方位Ａｎｇｌｅが範囲φに属するときに補正ゲインｇａｉｎ（Ｋ）をγにすることを表している。補正ゲインｇａｉｎ（Ｋ）には、その到来方位における、マイクロホン間隔が広い場合のコヒーレンスフィルタ係数に対するマイクロホン間隔が狭い場合のコヒーレンスフィルタ係数の比が設定されており、補正ゲインｇａｉｎ（Ｋ）を、マイクロホン間隔が広い場合のコヒーレンスフィルタ係数に乗算することにより、マイクロホン間隔が狭い場合のコヒーレンスフィルタ係数に変換できるようになされている。

なお、到来方位推定部２５が斜め前、中間（斜め前と横の中間の角度）、横のように所定角度ずつずれた値でしか推定できない場合には、テーブルの推定到来方位Ａｎｇｌｅにはその推定角度を記述しておけば良い。また、補正ゲイン決定部２６として、推定到来方位Ａｎｇｌｅから補正ゲインｇａｉｎ（Ｋ）を算出するための関数を利用したものを適用しても良い。

フィルタ係数補正部２７は、低域のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を補正ゲインｇａｉｎ（Ｋ）倍だけ補正するものである。

フィルタ処理部２８は、低域補正後のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を適用して、（７）式に示すように、メインの周波数領域信号Ｘ１（ｆ，Ｋ）に対するコヒーレンスフィルタ処理を行い、雑音抑圧後信号（フィルタ処理後信号）Ｙ（ｆ、Ｋ）を得るものである。なお、（７）式は、各周波数のそれぞれの演算（乗算処理）を表している。

Ｙ（ｆ、Ｋ）＝Ｘ１（ｆ、Ｋ）×ｃｏｅｆ（ｆ、Ｋ） …（７）
ここで、コヒーレンスフィルタ処理の物理的な意味を補足しておく。コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）（低域補正後のコヒーレンスフィルタ係数も同様）は、左右に死角を有する信号成分の相互相関であるので、相関が大きい場合には到来方位には偏りがない正面から到来する音声成分であり、相関が小さい場合には到来方位が右か左に偏った成分である、というように入力音声の到来方位とも対応付けられる。従って、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を乗算することは横から到来する雑音成分を抑圧する処理であるということができる。

フィルタ処理後信号送信部２９は、雑音抑圧後信号Ｙ（ｆ，Ｋ）を後段のＩＦＦＴ部１３に与えるものである。また、フィルタ処理後信号送信部２９は、Ｋを１だけ増加させて次のフレームの処理を起動させるものである。

図６は、上述した到来方位推定部２５の詳細構成を示すブロック図である。図６において、到来方位推定部２５は、コヒーレンス受信部３１、問合せ部３２、記憶部３３及び到来方位送信部３４を有する。

コヒーレンス受信部３１は、コヒーレンス計算部２４が計算したコヒーレンスＣＯＨ（Ｋ）を受信するものである。ここでのコヒーレンスＣＯＨ（Ｋ）は、中域（の周波数）についてのコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）を算術平均した値であり、以下、中域コヒーレンスと呼ぶこともある。

記憶部３３は、中域コヒーレンスＣＯＨ（Ｋ）と到来方位Ａｎｇｌｅとを対応付けた変換テーブルを記憶しているものである。

問合せ部３２は、コヒーレンス受信部３１が受信した中域コヒーレンスＣＯＨ（Ｋ）に対応した到来方位Ａｎｇｌｅを取り出すものである。

到来方位送信部３４は、問合せ部３２が取り出した到来方位Ａｎｇｌｅを補正ゲイン決定部２６に出力するものである。

図７は、記憶部３３における変換テーブルの記載内容の説明図である。図７の例では、中域コヒーレンスＣＯＨ（Ｋ）がＡ以上Ｂ未満のときに到来方位Ａｎｇｌｅとして斜め前が対応付けられ、中域コヒーレンスＣＯＨ（Ｋ）がＢ以上Ｃ未満のときに到来方位Ａｎｇｌｅとして横が対応付けられ、中域コヒーレンスＣＯＨ（Ｋ）がＣ以上Ｄ未満のときに到来方位Ａｎｇｌｅとして中間が対応付けられている。

この変換テーブルは、空間エイリアスを含む中域コヒーレンスフィルタ係数に特有の大小関係に基づいて到来方位が得られるように構成されている。

図８は、妨害音の到来方位毎の中域コヒーレンスの挙動を示す説明図である。２０００Ｈｚ〜４０００Ｈｚの中域の周波数帯では、上述した図１０のように、数方位に指向性を持ち左右対称に近い、という形状をしている。そのため、ある到来方位では中域コヒーレンスＣＯＨ（Ｋ）が小さく、別の方位では中域コヒーレンスＣＯＨ（Ｋ）が大きくなるというように、到来方位による中域コヒーレンスＣＯＨ（Ｋ）の差が出やすく、この点に基づいて、図７の変換テーブルが構成されている。ここで注意を要するのは、到来方位による中域コヒーレンスのレンジは、「斜め前の場合＜横の場合＜中間の場合」のように、中域コヒーレンスＣＯＨ（Ｋ）の大小関数と到来方位の大小関係とに単調増加関数若しくは単調減少関数という関係がないことである。このような単調な関係がないにも関わらず、中域コヒーレンスＣＯＨ（Ｋ）を用いて到来方位を推定できることを見出したのは、本件発明者の独創力による。

（Ａ−３）第１の実施形態の動作
次に、第１の実施形態の音声信号処理装置１０の動作を、図面を参照しながら、全体動作、コヒーレンスフィルタ処理部１２における詳細動作、到来方位推定部２５における詳細動作の順に説明する。

一対のマイクロホンｍ１及びｍ２から入力された信号ｓ１（ｎ）、ｓ２（ｎ）はそれぞれ、ＦＦＴ部１１によって時間領域から周波数領域の信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）に変換された後、コヒーレンスフィルタ処理部１２に与えられる。これにより、コヒーレンスフィルタ処理部１２において、コヒーレンスフィルタ処理が実行され、得られた雑音抑圧後信号Ｙ（ｆ，Ｋ）がＩＦＦＴ部１３に与えられる。ＩＦＦＴ部１３においては、周波数領域信号である雑音抑圧後信号Ｙ（ｆ，Ｋ）が、逆高速フーリエ変換によって、時間領域信号ｙ（ｎ）に変換され、この時間領域信号ｙ（ｎ）が出力される。

次に、コヒーレンスフィルタ処理部１２における詳細動作を説明する。なお、コヒーレンスフィルタ処理部１２の詳細構成を示す上述した図４は、コヒーレンスフィルタ処理部１２の処理を示すフローチャートと見ることもできる。以下では、あるフレームの処理を説明するが、フレームごとに、以下に説明する処理が繰り返される。

新たなフレームになり、新たなフレーム（現フレームＫ）の周波数領域信号Ｘ１（ｆ，Ｋ）、Ｘ２（ｆ，Ｋ）がＦＦＴ部１１から与えられると、（３）式及び（４）式に従って、第１及び第２の指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）が計算され、さらに、これらの指向性信号Ｂ１（ｆ，Ｋ）及びＢ２（ｆ，Ｋ）に基づき、（５）式に従って、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）が計算される。さらにまた、コヒーレンスフィルタ係数ｃｏｅｆ（ｆ，Ｋ）に基づき、（６）式に従って、妨害音の到来方位の推定し得る指標値として中域コヒーレンスＣＯＨ（Ｋ）が計算される。

その後、到来方位推定部２５において、中域コヒーレンスＣＯＨ（Ｋ）をキーとして図７に示す変換テーブルが参照されて、妨害音の到来方位Ａｎｇｌｅが推定される。

そして、補正ゲイン決定部２６において、推定到来方位Ａｎｇｌｅをキーとして図５の変換テーブルが参照されて、低域のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）に対する補正ゲインｇａｉｎ（Ｋ）が得られ、フィルタ係数補正部２７において、低域のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）が補正ゲインｇａｉｎ（Ｋ）倍されて補正される。

その後、フィルタ処理部２８において、得られた低域補正後のコヒーレンスフィルタ係数ｃｏｅｆ（ｆ、Ｋ）に基づき、（７）式に従って、メインの周波数領域信号Ｘ１（ｆ，Ｋ）に対するコヒーレンスフィルタ処理が実行され、得られた雑音抑圧後信号（フィルタ処理後信号）Ｙ（ｆ、Ｋ）がＩＦＦＴ部１３に与えられると共に、フレーム変数Ｋが１だけ増加されて、次のフレームの処理に移行する。

次に、到来方位推定部２５における詳細動作を説明する。

コヒーレンス受信部３１は、コヒーレンス計算部２４が計算した中域コヒーレンスＣＯＨ（Ｋ）が与えられると、到来方位推定部２５の問合せ部３２によって、記憶部３３から、与えられた中域コヒーレンスＣＯＨ（Ｋ）に対応する到来方位Ａｎｇｌｅが取り出されて出力される。

以上が第１の実施形態の動作概要である。

（Ａ−４）第１の実施形態の効果
以上のように、第１の実施形態によれば、マイクロホン間隔が広がって低域で形成される指向性が極端に強くなった場合にも、マイクロホン間隔が狭い場合のコヒーレンスフィルタ係数と、マイクロホン間隔が広い場合のコヒーレンスフィルタ係数に特有の挙動の違いに基づいて、マイクロホン間隔が狭い場合のコヒーレンスフィルタ係数に近い値に補正することができる。これにより、過度な抑圧処理によって音質が劣化することがなくなる。また、マイクロホン間隔の制限を緩和し、設計者が任意の間隔でマイクロホンアレイを構成することができるようになる。

また、第１の実施形態によれば、マイクロホン間隔が広がって空間エイリアスが混入した場合にも、中域コヒーレンスフィルタ係数に特有の挙動に基づいて到来方位を推定することができるようになる。これにより、マイクロホン間隔の制限を緩和し、設計者が任意の間隔でマイクロホンアレイを構成することができるようになる。

以上の効果により、第１の実施形態の音声信号処理装置若しくはプログラムを適用した、テレビ会議装置や携帯電話機やスマートフォンなどの通信装置における通話音質の向上が期待できる。

（Ｂ）他の実施形態
上記第１の実施形態の説明においても、種々変形実施形態に言及したが、さらに、以下に例示するような変形実施形態を挙げることができる。

第１の実施形態では、低域のコヒーレンスフィルタ係数を補正ゲインで補正するものを示したが、補正ゲインに加え、調整係数を乗算し、雑音抑圧性能と音質を調整できるようにしても良い。例えば、調整用操作子（キーボード上の所定のキーを利用しても良い）に対する操作で調整係数を可変できるようにしても良く、また、調整係数の適用の有無だけを指定できるようにしても良い。

上記第１の実施形態では、一対のマイクロホンｍ１及びｍ２の間隔が固定のものを示したが、少なくとも一方のマイクロホンを移動可能とし、マイクロホンｍ１及びｍ２の間隔が可変のものであっても良い。この場合において、マイクロホン間隔に応じて、適用する変換テーブルを切り替えるようにしても良い。例えば、マイクロホン間隔が８ｃｍ〜１０ｃｍ用の変換テーブル、マイクロホン間隔が１０ｃｍ〜１２ｃｍ用の変換テーブル、マイクロホン間隔が１２ｃｍ〜１４ｃｍ用の変換テーブルなど、複数の変換テーブルを用意しておき、そのときのマイクロホン間隔に応じて適用する変換テーブルを選択すれば良い。ここで、マイクロホン間隔を利用者が入力しても良く、マイクロホンの移動位置を段階的に設け、各段階に設けられたセンサによりマイクロホン間隔を自動的に得るようにしても良い。

第１の実施形態では、中域コヒーレンスＣＯＨ（Ｋ）をキーとして到来方位Ａｎｇｌｅを得、到来方位Ａｎｇｌｅをキーとして補正ゲインｇａｉｎ（Ｋ）を得る場合を示したが、中域コヒーレンスＣＯＨ（Ｋ）と補正ゲインｇａｉｎ（Ｋ）とを直接対応付けた変換テーブルを用意し、中域コヒーレンスＣＯＨ（Ｋ）をキーとして補正ゲインｇａｉｎ（Ｋ）を直接得るようにしても良い。第１の実施形態で説明した他の到来方位の推定方法を適用する場合においても、同様な変形実施形態を挙げることができる。

第１の実施形態では、推定した到来方位から補正ゲインを得るものを示したが、これに加え、他の目的のために推定した到来方位を適用するようにしても良い。例えば、妨害音の到来方位に応じて決定したフロアリング閾値を適用して、高域のコヒーレンスフィルタ係数にフロアリング処理を施すようにしても良い（特願２０１３−１５４８２５号明細書及び図面）。

第１の実施形態では、どの到来方位でも補正ゲインを適用して補正する低域が同じものを示したが、到来方位に応じて補正ゲインを適用して補正する低域の幅を変えるようにしても良い。例えば、到来方位がＸのときは１０００Ｈｚまでを低域とし、到来方位がＹのときは１１００Ｈｚまでを低域とするようにしても良い。これに加え、又は、これに代え、マイクロホン間隔によっても低域の幅を変えるようにしても良い。

第１の実施形態では、マイクロホン間隔によらずに中域が同じものを示したが、マイクロホン間隔によって中域の幅及び中域の中心周波数の少なくとも一方を変えるようにしても良い。

第１の実施形態で説明した到来方位の推定方法は、その用途は、コヒーレンスフィルタ法に従った雑音抑圧に限定されるものではなく、妨害音の到来方位の情報を必要とする種々の信号処理に適用することができる。例えば、コヒーレンスフィルタ法以外の雑音抑圧処理、音源分離処理、音声符号化処理などに、第１の実施形態で説明した到来方位の推定方法を適用することができる。

用途によっては、コヒーレンスフィルタ係数の算出自体を中域に限定して行っても良い。

ここで、第１の実施形態で説明した到来方位の推定方法では、正面とのずれ角度（の絶対値）として到来方位が推定されるものを示したが、右側からの到来か左側からの到来かの情報を必要とする場合には、（８）式の計算を行い、得られた値が正であれば右側からの到来、得られた値が負であれば左側からの到来と定めるようにしても良い。

第１の実施形態において、周波数領域の信号で処理していた処理を、可能ならば時間領域の信号で処理するようにしても良く、逆に、時間領域の信号で処理していた処理を、可能ならば周波数領域の信号で処理するようにしても良い。

第１の実施形態では、雑音抑制技術として、コヒーレンスフィルタ法を単独で適用したものを示したが、他の雑音抑制技術、例えば、ボイススイッチ法、ウィーナーフィルタ法、周波数減算法と併用するようにしても良い。

上記各実施形態では、一対のマイクロホンが捕捉した信号を直ちに処理する音声信号処理装置やプログラムを示したが、本発明の処理対象の音声信号はこれに限定されるものではない。例えば、記録媒体から読み出した一対の音声信号を処理する場合にも、本発明を適用することができ、また、対向装置から送信されてきた一対の音声信号を処理する場合にも、本発明を適用することができる。

１０…音声信号処理装置、１１…ＦＦＴ部、１２…コヒーレンスフィルタ処理部、１３…ＩＦＦＴ部、ｍ１、ｍ２…マイクロホン、２１…入力信号受信部、２２…指向性形成部、２３…フィルタ係数計算部、２４…コヒーレンス計算部、２５…到来方位推定部、２６…補正ゲイン決定部、２７…フィルタ係数補正部、２８…フィルタ処理部、２９…フィルタ処理後信号送信部、３１…コヒーレンス受信部、３２…問合せ部、３３…記憶部、３４…到来方位送信部。

Claims (5)

1. 一対のマイクロホンが捕捉して得た入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理装置において、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音の到来方位を推定する到来方位推定手段と、
   推定された到来方位に対応した補正ゲインを得て、低域のコヒーレンスフィルタ係数をその補正ゲインで補正する低域フィルタ係数補正手段と、
   補正された低域のコヒーレンスフィルタ係数を含めた全帯域のコヒーレンスフィルタ係数を適用してコヒーレンスフィルタ処理を行うフィルタ処理実行手段とを有し、
   到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されている
   ことを特徴する音声信号処理装置。
2. 上記到来方位推定手段は、
   限定された帯域のコヒーレンスフィルタ係数を適用して限定帯域のコヒーレンスを算出する限定帯域コヒーレンス算出部と、
   限定帯域のコヒーレンスの種々の値と到来方位とを予め対応付けており、算出された限定帯域のコヒーレンスに基づいて、対応付けられた到来方位を得て推定値として出力する到来方位取得部とを有する
   ことを特徴とする請求項１に記載の音声信号処理装置。
3. 一対のマイクロホンが捕捉して得た入力音声信号に含まれている雑音成分をコヒーレンスフィルタ処理によって抑制する音声信号処理プログラムであって、
   コンピュータを、
   コヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   上記入力音声信号に含まれている妨害音の到来方位を推定する到来方位推定手段と、
   推定された到来方位に対応した補正ゲインを得て、低域のコヒーレンスフィルタ係数をその補正ゲインで補正する低域フィルタ係数補正手段と、
   補正された低域のコヒーレンスフィルタ係数を含めた全帯域のコヒーレンスフィルタ係数を適用してコヒーレンスフィルタ処理を行うフィルタ処理実行手段と
   して機能させ、
   到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されている
   ことを特徴する音声信号処理プログラム。
4. 一対のマイクロホンが捕捉して得た入力音声信号に含まれている妨害音の到来方位を推定する音声信号処理装置において、
   少なくとも限定帯域のコヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   限定帯域のコヒーレンスフィルタ係数を適用して限定帯域のコヒーレンスを算出する限定帯域コヒーレンス算出手段と、
   限定帯域のコヒーレンスの種々の値と到来方位とを予め対応付けており、算出された限定帯域のコヒーレンスに基づいて、対応付けられた到来方位を得て推定値として出力する到来方位取得手段と、
   推定された到来方位に対応した補正ゲインを得て、限定帯域のコヒーレンスフィルタ係数をその補正ゲインで補正する限定帯域フィルタ係数補正手段とを有し、
   到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されている
   ことを特徴とする音声信号処理装置。
5. 一対のマイクロホンが捕捉して得た入力音声信号に含まれている妨害音の到来方位を推定する音声信号処理プログラムであって、
   コンピュータを、
   少なくとも限定帯域のコヒーレンスフィルタ係数を算出するコヒーレンスフィルタ係数算出手段と、
   限定帯域のコヒーレンスフィルタ係数を適用して限定帯域のコヒーレンスを算出する限定帯域コヒーレンス算出手段と、
   限定帯域のコヒーレンスの種々の値と到来方位とを予め対応付けており、算出された限定帯域のコヒーレンスに基づいて、対応付けられた到来方位を得て推定値として出力する到来方位取得手段と、
   推定された到来方位に対応した補正ゲインを得て、限定帯域のコヒーレンスフィルタ係数をその補正ゲインで補正する限定帯域フィルタ係数補正手段として機能させ、
   到来方位に対応する上記補正ゲインは、一対のマイクロホンの間隔が狭い場合のコヒーレンスフィルタ係数に対する一対のマイクロホンの間隔が広い場合のコヒーレンスフィルタ係数の比率に基づいて決定されている
   ことを特徴とする音声信号処理プログラム。

Images