JP6652978B2 - 状況認識を備えたスポーツヘッドフォン - Google Patents

Description

本開示の実施形態は、概して音声信号処理に関し、より詳細には、状況認識を備えたスポーツヘッドフォンに関する。

ヘッドフォン、イヤフォン、イヤバッド、及び他の個人用聴取デバイスは、通常、周辺にいる他の人々の邪魔をすることなく、音楽、スピーチ、または映画のサウンドトラックなどの音源を聞きたいと望む個人によって使用される。良質な音声を提供するために、このようなデバイスは、典型的には、耳全体を覆うか、または外耳道を完全に密封する。典型的には、これらのデバイスは、音声再生デバイスの音声出力への差し込み用音声プラグを含む。音声プラグは、音声再生デバイスから、聴取者の耳を覆うかまたは耳に挿入される一対のヘッドフォンまたはイヤフォンへ音声信号を搬送するケーブルに接続している。その結果、ヘッドフォンまたはイヤフォンは、良好な音響密封をもたらし、それによって、音声信号の漏出を減少させ、特に低音のレスポンスに関して、聴取者の体感品質を向上させる。

上記デバイスでの１つの問題は、デバイスが耳と良好な音響密封を形成するために、聴取者の環境音を聞く能力が実質的に低下することである。その結果、聴取者は、近付いてくる車両、インターホンシステムによる告知、または警報などの、環境からのある一定の重要な音を聞くことができない場合がある。一例では、ペースライン内を走っている自転車乗用者が音楽を聴いているが、前方及び後方を走るペースライン内の他の自転車乗用者の声もやはり聞きたい場合がある。別の例では、食事する客が、その客のテーブルが準備できたというアナウンスを待っている間、音楽を聴いている場合がある。

上記問題の１つの解決策は、環境からの音声を、再生デバイスから受信される音声信号と音響的または電子的に混合することである。このとき、聴取者は、再生デバイスからの音声と環境からの音声の両方を聞くことができる。しかしながら、このような解決策の１つの欠点は、聴取者には、典型的に、聴取者が聞きたい特定の環境音だけでなく、環境からの全ての音声が聞こえるということである。その結果、聴取者の体感品質が、実質的に低下し得る。

前述の例示のように、再生音声及び環境音の両方を個人用聴取デバイスに提供するためのより効果的な技術が、有用であろう。

１つまたは複数の実施形態は、マイクロフォンのセット、ノイズリダクションモジュール、音声ダッカー、及びミキサを含む個人用聴取デバイスのための音声処理システムを説明する。マイクロフォンのセットは、個人用聴取デバイスに統合され、環境から音声信号の第１のセットを受信するように構成される。ノイズリダクションモジュールは、第１の複数のマイクロフォンに連結され、着目信号が第１の複数の音声信号内に存在する場合に検出し、着目信号を検出後、ダッキング制御信号を送信するように構成される。音声ダッカーは、ノイズリダクションモジュールに連結され、ダッキング制御信号を受信し、再生デバイスを介して第２の複数の音声信号を受信するように構成される。音声ダッカーは、ダッキング制御信号に基づいて、着目信号と比較して第２の複数の音声信号の振幅を減少させるようにさらに構成される。ミキサは、音声ダッカーに連結され、第１の複数の音声信号と第２の複数の音声信号を結合するように構成される。

他の実施形態は、開示される技術の１つまたは複数の態様を実行するための命令を含むコンピュータ可読媒体、及び開示される技術の１つまたは複数の態様を実行するための方法を、限定ではなく含む。

開示される手法の少なくとも１つの利点は、開示される個人用聴取デバイスを使用する聴取者が、再生デバイスからの高品質な音声信号に加えて、環境からのある一定の着目音声の音を聞き、同時に、環境からの他の音が、着目する音と比較して抑制されるということである。結果として、聴取者が所望の音声信号だけを聞くための潜在力が向上し、聴取者にとってより良好な品質のオーディオ体験をもたらす。
本明細書は、例えば、以下の項目も提供する。
（項目１）
個人用聴取デバイスのための音声処理システムであって、
前記個人用聴取デバイスに統合され、環境から第１の複数の音声信号を受信するように構成される第１の複数のマイクロフォンと、
前記第１の複数のマイクロフォンに連結され、
着目信号が前記第１の複数の音声信号内に存在する場合に検出し、
着目信号を検出後、ダッキング制御信号を送信するように構成されるノイズリダクションモジュールと、
前記ノイズリダクションモジュールに連結され、
前記ダッキング制御信号を受信し、
再生デバイスを介して第２の複数の音声信号を受信し、
前記ダッキング制御信号に基づいて、前記着目信号と比較して第２の複数の音声信号の振幅を減少させるように構成される音声ダッカーと、
前記音声ダッカーに連結され、前記第１の複数の音声信号と第２の複数の音声信号とを結合するように構成されるミキサと、
を備える、前記音声処理システム。
（項目２）
前記ノイズリダクションモジュールが、
第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分がノイズ信号を含むことを判断し、
前記第１の複数の音声信号の前記第１の部分の前記振幅を減少させるようにさらに構成される、項目１に記載の音声処理システム。
（項目３）
前記ノイズリダクションモジュールが、
第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分が着目信号を含むことを判断し、
前記第１の複数の音声信号の前記第１の部分を増幅させるようにさらに構成される、項目１に記載の音声処理システム。
（項目４）
前記個人用聴取デバイスの物理特性から生じる音響変化を補償するために、前記第１の複数の音声信号に対して周波数に基づく振幅調整を行うように構成される、イコライザをさらに備える、項目１に記載の音声処理システム。
（項目５）
前記第１の複数の音声信号の第１の部分が、閾値振幅より小さいことを判断し、
前記第１の複数の音声信号の前記第１の部分の振幅を減少させるように構成される、ゲートをさらに備える、項目１に記載の音声処理システム。
（項目６）
前記第１の複数の音声信号の第１の部分が、最大許容振幅より大きいことを判断し、
前記第１の複数の音声信号の前記第１の部分の振幅を、前記最大許容振幅以下であるように制限するように構成される、リミッタをさらに備える、項目１に記載の音声処理システム。
（項目７）
前記第２の複数の音声信号の少なくとも一部に対応する１つまたは複数の低調波信号を合成して第３の複数の音声信号を生成し、
前記第２の音声信号を前記第３の複数の音声信号と結合するように構成される、低調波プロセッサをさらに備える、項目１に記載の音声処理システム。
（項目８）
前記第２の複数の音声信号に対応する目標音声レベルを計算し、
前記第２の複数の音声信号の少なくとも一部が、前記目標音声レベルとは異なること判断し、
前記第２の複数の音声信号がスケール係数により乗算されるとき、結果として得られる音声信号が前記目標音声レベルに近いように、前記スケール係数を計算し、
前記第２の複数の音声信号を前記スケール係数により乗算するように構成される、自動利得コントローラをさらに備える、項目１に記載の音声処理システム。
（項目９）
前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、項目１に記載の音声処理システム。
（項目１０）
前記第３の複数の音声信号を増幅させ、
前記第３の複数の音声信号をスピーカに送信して音出力を生成するように構成される、増幅器をさらに備える、項目９に記載の音声処理システム。
（項目１１）
再生及び環境の音声信号を処理するための方法であって、
第１の複数の音声信号を環境から受信することと、
着目信号が前記第１の複数の音声信号内に存在する場合に検出することであって、前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、前記検出することと、
着目信号を検出後、ダッキング制御信号を送信することと、
前記ダッキング制御信号を受信することと、
再生デバイスを介して第２の複数の音声信号を受信することと、
前記ダッキング制御信号に基づいて、前記着目信号と比較して第２の複数の音声信号の振幅を減少させることと、
前記第１の複数の音声信号と第２の複数の音声信号とを結合することと、
を含む、前記方法。
（項目１２）
前記第１の複数の音声信号が発生している方向を識別することと、
前記方向に基づいて前記第１の複数の音声信号を減衰させることと、
をさらに含む、項目１１に記載の方法。
（項目１３）
前記第１の複数の音声信号を減衰させることが、
ビームフォーミングモードの選択を受信することと、
前記ビームフォーミングモード及び前記方向に基づいてスケール係数を計算することと、
前記スケール係数を前記第１の複数の音声信号に適用することと、
を含む、項目１２に記載の方法。
（項目１４）
前記ビームフォーミングモードが、全方向性モード、ダイポールモード、またはカージオイドモードを含む、項目１３に記載の方法。
（項目１５）
第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分がノイズ信号を含むことを判断することと、
前記第１の複数の音声信号の前記第１の部分の前記振幅を減少させることと、
をさらに含む、項目１１に記載の方法。
（項目１６）
第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分が着目信号を含むことを判断することと、
前記第１の複数の音声信号の前記第１の部分を増幅させることと、
をさらに含む、項目１１に記載の方法。
（項目１７）
第１の複数の音声信号を環境から受信するステップと、
着目信号が前記第１の複数の音声信号内に存在する場合に検出するステップであって、前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、前記検出するステップと、
着目信号を検出後、ダッキング制御信号を送信するステップと、
前記ダッキング制御信号を受信するステップと、
再生デバイスを介して第２の複数の音声信号を受信するステップと、
前記ダッキング制御信号に基づいて、前記着目信号と比較して第２の複数の音声信号の振幅を減少させるステップと、
前記第１の複数の音声信号と第２の複数の音声信号とを結合するステップと
を実行することによって、プロセッサによる実行時に再生及び環境の音声信号を前記プロセッサに処理させる命令を含む、コンピュータ可読記憶モジュール。
（項目１８）
プロセッサによる実行時に、
前記第１の複数の音声信号が発生している方向を識別するステップと、
前記方向に基づいて前記第１の複数の音声信号を減衰させるステップと、
を前記プロセッサに実行させる命令をさらに含む、項目１７に記載のコンピュータ可読記憶媒体。
（項目１９）
前記第１の複数の音声信号を減衰させることが、
ビームフォーミングモードの選択を受信することと、
前記ビームフォーミングモード及び前記方向に基づいてスケール係数を計算することと、
前記スケール係数を前記第１の複数の音声信号に適用することと、
を含む、項目１８に記載のコンピュータ可読記憶媒体。
（項目２０）
前記ビームフォーミングモードが、全方向性モード、ダイポールモード、またはカージオイドモードを含む、項目１９に記載のコンピュータ可読記憶媒体。

上述の１つまたは複数の実施形態の列挙された特徴が詳細に理解され得るように、上記で簡潔に要約された１つまたは複数の実施形態のより詳細な説明が、ある特定の実施形態への参照によって行われてもよく、そのうちのいくつかが、添付図面に示されている。しかしながら、添付図面は、典型的な実施形態のみを示しており、したがって、いかなるやり方でもその範囲を限定するものと考えられるべきでなく、開示の範囲は、他の実施形態も同様に包含することに留意されたい。

様々な実施形態の１つまたは複数の態様を実施するように構成される音声処理システムを示す。 様々な実施形態による、図１の音声処理システムの１つの適用を概念的に示す。 様々な他の実施形態による、図１の音声処理システムの別の適用を概念的に示す。 様々な実施形態による、再生及び環境の音声信号を処理するための方法ステップのフロー図である。 様々な実施形態による、再生及び環境の音声信号を処理するための方法ステップのフロー図である。

以下の説明において、ある特定の実施形態のより完全な理解を提供するために、多くの特定の詳細が記述されている。しかしながら、これらの特定の詳細の１つもしくは複数なしに、または追加的な特定の詳細とともに、他の実施形態が実施され得ることは当業者には明らかであろう。

システム概要
図１は、様々な実施形態の１つまたは複数の態様を実施するように構成される音声処理システム１００を示す。図示するように、音声処理システム１００は、マイクロフォン（マイク）アレイ１０５（０）及び１０５（１）、ビームフォーマ１１０（０）及び１１０（１）、ノイズリダクション１１５、イコライザ１２０、ゲート１２５、リミッタ１３０、ミキサ１３５（０）及び１３５（１）、増幅器（アンプ）１４０（０）及び１４０（１）、スピーカ１４５（０）及び１４５（１）、低調波処理１５５、自動利得制御（ＡＧＣ）１６０、ならびにダッカー１６５を、限定ではなく含む。

様々な実施形態では、音声処理システム１００は、状態機械、中央処理装置（ＣＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、マイクロコントローラ、特定用途向け集積回路（ＡＳＩＣ）、またはデータを処理しソフトウェアアプリケーションを実行するように構成される任意のデバイスもしくは構造として実施されてもよい。いくつかの実施形態では、図１に示されるブロックの１つまたは複数は、分離したアナログまたはデジタル回路で実施されてもよい。一例では、限定ではなく、左増幅器１４０（０）及び右増幅器１４０（１）は、演算増幅器で実施され得る。

マイクロフォンアレイ１０５（０）及び１０５（１）は、物理的環境から音声を受信する。マイクロフォンアレイ１０５（０）は、聴取者の左耳の周辺の物理的環境から音声を受信する。これに対応して、マイクロフォンアレイ１０５（１）は、聴取者の右耳の周辺の物理的環境から音声を受信する。マイクロフォンアレイ１０５（０）及び１０５（１）のそれぞれが、複数のマイクロフォンを含む。マイクロフォンアレイ１０５（０）及び１０５（１）は、それぞれ２つのマイクロフォンを含むものとして示されているが、本開示の範囲内において、それぞれ２つよりも多くのマイクロフォンを含んでもよい。マイクロフォンアレイ１０５（０）及び１０５（１）は、複数のマイクロフォンを含むため、ビームフォーマ１１０（０）及び１１０（１）は、本明細書でさらに説明されるように、方向性の方式で環境音声を空間的にフィルタリングすることが可能である。マイクロフォンアレイ１０５（０）及び１０５（１）は、受信した音声をビームフォーマ１１０（０）及び１１０（１）にそれぞれ送信する。

ビームフォーマ１１０（０）及び１１０（１）は、マイクロフォンアレイ１０５（０）及び１０５（１）から音声信号をそれぞれ受信する。ビームフォーマ１１０（０）及び１１０（１）は、受信した音声信号をいくつかのモードのうちの１つに従って処理する。モードは、全方向性モード、ダイポールモード、及びカージオイドモードを、限定ではなく含む。様々な実施形態では、モードは、製造業者によって事前にプログラムされてもよく、またはユーザが選択可能な設定であってもよい。ビームフォーマ１１０（０）及び１１０（１）は、対応するマイクロフォンアレイ１０５（０）及び１０５（１）内の各マイクロフォンから受信した音声の強度を測定し、到来音声の方向を判断する。いくつかの実施形態では、マイクロフォンアレイ１０５（０）及び１０５（１）内のマイクロフォンのうちの１つから受信した信号は、デジタル的に遅延され、次いで、マイクロフォンアレイ１０５（０）及び１０５（１）内のマイクロフォンのうちの別の１つからの信号から減算される。

選択されたモードに応じて、ビームフォーマ１１０（０）及び１１０（１）は、ある方向から発生する信号を増幅させ、他の方向から発生する信号を減衰させる。例えば、限定ではなく、選択されたモードが全方向性モードである場合、ビームフォーマ１１０（０）及び１１０（１）は、全ての方向から発生する信号を均等に増幅させることになる。選択されたモードが、本明細書で「８の字」モードとも呼ばれるダイポールモードである場合、ビームフォーマ１１０（０）及び１１０（１）は、２方向、典型的には前後方向から発生する音声信号を増幅させ、他の方向、典型的には左右方向から発生する音声信号を減衰させ得る。選択されたモードが、カージオイドモードである場合、ビームフォーマ１１０（０）及び１１０（１）は、横方向及び上方からなどの、ほとんどの方向から発生する音声信号を増幅させ、聴取者の下方など、特定の方向から発生する音声信号を減衰させ得る。代替的には、選択されたモードが、カージオイドモードである場合、ビームフォーマ１１０（０）及び１１０（１）は、聴取者の前方から発生する音声信号を増幅させ、聴取者の後方から発生する音声信号を減衰させ得る。ビームフォーマ１１０（０）及び１１０（１）が、マイクロフォンアレイ１０５（０）及び１０５（１）それぞれから受信した信号を、選択されたモードに従って増幅及び減衰させた後、ビームフォーマ１１０（０）及び１１０（１）は、結果として得られる音声信号をノイズリダクション１１５に送信する。

ノイズリダクション１１５は、ビームフォーマ１１０（０）及び１１０（１）から音声信号を受信するモジュールである。ノイズリダクション１１５は、受信した音声信号を分析し、定常状態またはノイズ信号などのあまり着目しないと判断される信号を抑制し、過渡信号などの着目信号であると判断される信号を通過させる。いくつかの実施形態では、ノイズリダクション１１５は、ある期間にわたる周波数領域において、受信した信号を分析してもよい。このような実施形態では、ノイズリダクション１１５は、受信した信号を周波数領域に変換し、周波数領域を適切なビンに分割してもよく、各ビンは、特定の周波数範囲に対応する。ノイズリダクション１１５は、どの周波数ビンが定常状態信号に対応し、どの周波数ビンが過渡信号に対応するかを判断するために、時間経過とともに複数のサンプルにわたって振幅を測定してもよい。概して、定常状態信号は、交通騒音、ハム音、ヒス音、雨、及び風を限定ではなく含む背景ノイズに対応してもよい。特定の周波数ビンが、時間が経過しても比較的一定のままである振幅に関連付けられる場合、ノイズリダクション１１５は、その周波数ビンが定常状態信号に関連付けられると判断してもよい。ノイズリダクション１１５は、そのような定常状態信号を減衰させてもよい。

一方、過渡信号は、人のスピーチ、自動車の警笛、及びサイレンを限定ではなく含む、着目信号に対応してもよい。特定の周波数ビンが、時間経過とともに著しく変動する振幅に関連付けられる場合、ノイズリダクション１１５は、その周波数ビンが過渡信号に関連付けられると判断してもよい。ノイズリダクション１１５は、そのような過度信号をイコライザ１２０に渡し、任意選択で、過渡信号を増幅させてもよい。

一例では、限定ではなく、ノイズリダクション１１５が、２５６の周波数領域サンプルを分析してもよく、その場合に、周波数領域サンプルは、１秒の期間にわたって均等に分散されることになる。ノイズリダクション１１５は、どの周波数ビンが定常状態信号に関連付けられ、どのビンが過渡信号に関連付けられるかを判断するために、各周波数ビンに関する２５６のサンプルを分析することになる。ノイズリダクションは、別の２５６の周波数領域サンプルを分析してもよい。２５６の周波数領域サンプルの各セットが、２５６の周波数領域サンプルの先行のセット及び２５６の周波数領域サンプルの後続のセットと指定された重複を有してもよい。重複が５０％であるように指定される場合、２５６の周波数領域サンプルの各セットは、サンプルの直前のセットの最後の１２８サンプル及びサンプルの直後のセットの最初の１２８サンプルを含むことになる。いくつかの実施形態では、ノイズリダクション１１５は、最初に周波数領域に変換せず、時間領域で動作を実行してもよい。そのような実施形態では、ノイズリダクション１１５は、本明細書で説明される周波数ビンに対応する、複数の並列なバンドパスフィルタ（明示せず）を含んでもよい。

さらに、ノイズリダクション１１５は、ノイズリダクション１１５が聴取者の環境内の着目信号を検出する場合に識別する制御信号を生じさせる。概して、着目信号は、低レベルの定常状態音ではない、環境からの任意の音を含み、人のスピーチ、自動車の警笛、近付いてくる車両の音、及び警報を限定ではなく含む。環境から発出するこの種の重要な音は、典型的には、平均的な背景音声レベルと比較して高い音声レベルを有する、断続的な音声信号として特徴付けられ、割り込みの役割をする。別の言い方をすると、着目信号は、マイクロフォンアレイ１５０（０）及び１５０（１）によって受信される平均音声信号レベルと比較して高い音声レベルを有する任意の断続的音声の音を含む。ノイズリダクション１１５がそのような信号を検出する場合、ノイズリダクション１１５は、本明細書でさらに説明されるように、対応する信号をダッカー１６５に送信する。様々な実施形態では、ノイズリダクション１１５は、スペクトル減算、ならびにスピーチ検出、認識、及び抽出を限定ではなく含む、他の手法によって受信した信号内のノイズを減少させてもよい。

いくつかの実施形態では、ノイズリダクション１１５は、また、能動型ノイズ消去（ＡＮＣ）機能性（明示せず）も含んでもよい。そのような実施形態では、ノイズリダクション１１５は、２００Ｈｚなどの閾値周波数以下の周波数に関連付けられる周波数ビンに関してＡＮＣ機能を実行してもよい。ノイズリダクション１１５は、２００Ｈｚなどの閾値周波数を超える周波数に関連付けられる周波数ビンに関して、本明細書で説明されるようにノイズリダクション機能を実行してもよい。

ノイズリダクションを実行し、任意選択でＡＮＣを実行した後、ノイズリダクション１１５は、結果として得られる音声信号をイコライザ１２０に送信する。

イコライザ１２０は、ノイズリダクション１１５から音声信号を受信する。イコライザ１２０は、聴取者の環境から受信される音声信号についての音声品質を向上させるために、受信した音声信号に対して周波数に基づく振幅調整を行う。音声処理システム１００のマイクロフォンアレイ１１０（０）及び１１０（１）を介して聴取者の耳に達する環境スタジオ信号は、典型的には、音声処理システム１００が使用されないときに聴取者の耳に達する同一音声の音と比較して、聴取者には異なって聞こえる。このような音響の違いは、耳をヘッドフォンで覆うこと、または外耳道にイヤフォンを差し込むことに起因して発生する音響の変化から生じる。イコライザ１２０は、可聴範囲内の様々な周波数帯の音量レベルを選択的に増加、減少、または維持することによって、そのような違いを補償する。

いくつかの実施形態では、このような増幅が音声信号をあまり自然に聞こえないようにするとしても、イコライザ１２０は、そのような音声信号をユーザに対してより顕著にするために、ある周波数帯の音声信号を増幅してもよい。このようにして、聴取者がこれらのある一定の音声信号を容易に聞き得るように、イコライザ１２０は、スピーチまたは警報などの一定の音声信号を増幅してもよい。例えば、限定ではなく、イコライザ１２０は、人のスピーチに対応する周波数帯で発生する信号を増幅し得る。その結果、得られる音声信号が聴取者にはあまり自然に聞こえないとしても、聴取者は、環境を介して人のスピーチを容易に聞き取ることになる。いくつかの実施形態では、イコライザ１２０は、聴取者の着目しないある周波数範囲内の信号をフィルタリングで除去してもよい。一例では、限定ではなく、イコライザ１２０は、１２０Ｈｚより低い周波数を有する信号をフィルタリングで除去してもよく、そのような信号が、背景ノイズに関連付けられてもよい。イコライザ１２０は、イコライズされた音声信号をゲート１２５に送信する。

ゲート１２５は、イコライザ１２０から音声信号を受信し、閾値音量、即ち振幅、レベルよりも下に下がる音声信号を抑制する。閾値音量、即ち振幅、レベルを超える音声信号が、ゲート１２５を通ってリミッタ１３０に渡る。その結果、ゲート１２５は、ヒス音及びハム音などの低レベルの音声信号をさらに抑制する。いくつかの実施形態では、閾値レベルは、関連のある周波数帯にわたって一定であってもよい。他の実施形態では、閾値レベルは、関連のある周波数帯にわたって変動してもよい。これらの後者の実施形態では、ゲート閾値レベルは、ある周波数帯においてより高く、他の周波数帯ではより低くてもよい。言い換えると、ゲート１２５によって実行されるゲーティング機能は、音声信号周波数の関数である。ゲート１２５は、結果として得られる音声信号をリミッタ１３０に送信する。

リミッタ１３０は、音の大きな信号が聴取者の耳に達する前にそのような大きな音を素早く検出し、最大許容音声レベルを超えないようにそのような大きな信号を制限する。このように、リミッタ１３０は、聴取者を保護するために音の大きな信号を減衰させる。一例では、限定ではなく、リミッタ１３０は、９５ｄＢ ＳＰＬの最大許容音声レベルを有し得る。このような場合、リミッタ１３０が、９５ｄＢ ＳＰＬを超える音声信号を受信すると、リミッタ１３０は、結果として得られる音声信号が９５ｄＢ ＳＰＬを越えないように、音声信号を減衰させることになる。いくつかの実施形態では、リミッタ１３０は、また、最大許容音声レベルを超える全ての音声信号を突然抑えるのではなく、音量が増加するにつれて徐々に音声レベル制限が発生するように、圧縮機能を実行してもよい。概して、大きな音量変動が減少するため、このようなダイナミックレンジ処理が、より快適な聴取体験をもたらす。リミッタは、結果として得られる音声信号をミキサ１３５（０）及び１３５（１）に送信する。

低調波処理１５５は、音声フィード１５０から、再生デバイス（明示せず）からの音声信号を受信する。低調波処理１５５は、有線接続、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＢｌｕｅｔｏｏｔｈＬＥ接続、及び無線イーサネット（登録商標）接続を限定ではなく含む、任意の技術的に実行可能な技術によって、これらの音声信号を受信する。低調波処理１５５は、受信した音声信号の低調波信号である音声信号を合成し、ブーストする。このような低調波合成は、受信した音声信号を、合成された低調波信号と混合または結合して、そのような処理がされていない音声信号と比較して高い低音レベルを有する、結果としての音声信号を生成する。一定の聴取者が、低調波処理１５５を好む場合がある一方、他の聴取者は、このような処理を好まない場合がある。さらに、他の聴取者が、あるジャンルについては低調波処理１５５を好むが、他のジャンルについてはこのような処理を好まないこともある。いくつかの実施形態では、聴取者は、低調波処理１５５が使用可能かどうかを制御してもよく、低調波処理１５５によって行われる低調波ブーストのレベルも制御してもよい。低調波処理１５５は、結果として得られる音声信号を自動利得制御１６０に送信する。

自動利得制御１６０は、低調波処理１５５から音声信号を受信する。自動利得制御１６０は、より静かな音の音声レベルを増幅させ、より大きな音のレベルを低下させて、時間経過につれてより一貫した出力音量を生じさせる。自動利得制御１６０は、受信した音声信号の固定の目標音声レベルで調整される。典型的には、固定の目標音声レベルは、製品開発及び製造中に製造業者によって確立される工場出荷時の設定である。一実施形態では、この固定の目標音声レベルは、−２４ｄＢである。自動利得制御１６０は、次いで、受信した音声信号の一部が、この固定の目標音声レベルとは異なることを判断する。受信した音声信号がスケール係数により乗算されるときに、結果として得られる音声信号が固定の目標音声レベルにより近くなるように、自動利得制御１６０は、スケール係数を計算する。一例では、限定ではなく、曲は、その曲が制作された期間及び曲のジャンルなどの様々な要因に基づいて、異なる音量レベルでマスタが作られ得る。聴取者が、マスタ録音レベルが変動する曲を選択すると、その聴取者は、これらの曲を聴きづらく感じ得る。聴取者が、静かな曲を聴くために音量レベルを調整すると、音が大きな曲が再生される際に音量が不快なほど大きくなり得る。同様に、聴取者が、音が大きな曲を聴くために音量レベルを調整すると、音量が小さすぎて静かな曲が聞こえないことがある。自動利得制御１６０は、音楽の聴取音量が時間経過とともにより一貫したものとなるように、受信した音声信号を処理する。

ダッカー１６５は、自動利得制御１６０から音声信号を受信する。ダッカーは、また、ノイズリダクション１１５から制御信号を受信する。この制御信号は、ノイズリダクション１１５が、聴取者の環境において着目信号を検出した場合を識別する。このような信号が検出されると、ダッカー１６５は、受信した音声信号の音量レベルを一時的に低下させる。このように、環境から着目信号が受信されるときに、ダッカー１６５は、再生デバイスからの音声を低下させ、またはダッキングする。その結果、聴取者には、環境からの着目信号がより容易に聞こえる。言い換えると、着目信号がマイクロフォンアレイ１０５（０）及び１０５（１）上に存在するとき、ダッカー１６５が音楽のレベルを低下させ、またはダッキングし、それによって着目信号が聞こえ理解され得る。ダッカー１６５は、結果として得られる音声信号をミキサ１４０（０）及び１４０（１）に送信する。

ミキサ１３５（０）及び１３５（１）は、処理済みの環境音声信号をリミッタ１３０から受信し、処理済みの音楽またはたの音声をダッカー１６５から受信する。ミキサ１３５（０）は、左音声チャネル用の受信された音声信号を混合または結合し、それに対応してミキサ１３５（１）は、右音声チャネル用の受信された音声信号を混合する。いくつかの実施形態では、ミキサ１３５（０）及び１３５（１）は、受信した音声信号の単純な加法混合または乗法混合を実行してもよい。他の実施形態では、ミキサ１３５（０）及び１３５（１）は、ユーザの音量設定に基づいて、到来音声信号のそれぞれに重み付けしてもよい。これらの後者の実施形態では、聴取者が聴取音量を上げるときなど、ダッカー１６５から受信される大きな音声信号によって、リミッタ１３０から受信される音声信号が、おそらくダッカー１６５からの音声信号と比較して異なる量だけ増加する。混合機能の実行後、左ミキサ１３５（０）及び右ミキサ１３５（１）は、結果として得られる信号を左増幅器１４０（０）及び右増幅器１４０（１）に送信する。左増幅器１４０（０）及び右増幅器１４０（１）は、音量制御（明示せず）に基づいて受信した音声信号を増幅させ、結果として得られる音声信号を左スピーカ１４５（０）及び右スピーカ１４５（１）にそれぞれ送信する。左スピーカ１４５（０）及び右スピーカ１４５（１）は、ダイレクトフィード１７０からも音声信号を受信する。ダイレクトフィードは、聴取者の環境から受信される音響信号を表す。バッテリ電源が閾値電圧レベルより下がったときなど、音声処理システム１００がもはや機能していない場合に、左スピーカ１４５（０）及び右スピーカ１４５（１）は、左増幅器１４０（０）及び右スピーカ１４０（１）それぞれから受信される処理済みの音声信号ではなく、ダイレクトフィード１７０からの信号を送信する。

いくつかの実施形態では、聴取者は、１つまたは複数の静電容量式タッチセンサ（明示せず）によって音声処理システム１００のある機能を制御し、またはあるパラメータを設定してもよい。聴取者がそのようなセンサに触れると、静電容量式タッチセンサの静電容量の変化が検出される。このような静電容量の変化によって、音声処理システム１００は、ビームフォーミングモードの変更及びフィルタパラメータの変更を限定ではなく含む機能を実行する。聴取者は、動きを検出する複数の静電容量式タッチセンサを介して、音声処理システム１００のある機能を制御し、またはあるパラメータを設定してもよい。例えば、限定ではなく、３つ以上の静電容量式タッチセンサが縦一列に配置されている場合に、聴取者が、下部の静電容量式タッチセンサに指で触れ、中央及び上部の静電容量式タッチセンサへ垂直に指を動かすことによって、音量レベルを上げることができる。これに対応して、聴取者が、上部の静電容量式タッチセンサに指で触れ、中央及び下部の静電容量式タッチセンサへ垂直に指を動かすことによって、音量レベルを下げることができる。他の実施形態では、聴取者は、スマートフォン、タブレットコンピュータ、またはラップトップコンピュータを限定ではなく含むコンピューティングデバイス上で実行するアプリケーションを介して、音声処理システム１００のある機能を制御し、またはあるパラメータを設定してもよい。このようなアプリケーションは、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＢｌｕｅｔｏｏｔｈＬＥ、及び無線イーサネット（登録商標）を限定ではなく含む、任意の技術的に実行可能な手法によって音声処理システム１００と通信してもよい。

音声処理システムの動作
図２は、様々な実施形態による、図１の音声処理システムの１つの適用を概念的に示す。図示するように、ライダー２１０（０）、２１０（１）、２１０（２）、２１０（３）、及び２１０（４）が、一直線で自転車に乗っている。ライダー２１０（２）は、ダイポールパターン２２０（０）及び２２０（１）で示されるような、ダイポール、即ち、８の字パターンを表す個人用聴取デバイス（明示せず）を装着している。ダイポールパターン２２０（０）及びダイポールパターン２２０（１）は、ライダー２１０（２）の右耳及び左耳にそれぞれ対応している。

図示されるように、ライダー２１０（２）の右耳及び左耳からのダイポールパターン２２０（０）及びダイポールパターン２２０（１）の外形の距離は、角度の関数として信号強度を示している。自転車ライダーは、ペースラインを形成することが多く、その場合、自転車乗用者は、一直線に互いの前方／後方にいる。このペースラインパターンは、空気抵抗を減少させ（先頭ライダーのみが、抵抗を阻んでいるため）、道路に車がいるときにもより安全である。ライダー２１０（２）は、ダイポールパターン２２０（０）及び２２０（１）を有する個人用聴取デバイスを装着しているため、ライダー２１０（２）には、前方ライダー２１０（０）及び２１０（１）、ならびに後方ライダー２１０（３）及び２１０（４）からの音声信号が、ライダー２１０（２）の左側方及び右側方からの音声信号と比較して、より容易に聞こえる。

図３は、様々な他の実施形態による、図１の音声処理システムの別の適用を概念的に示す。図示されるように、スキーヤー３１０は、カージオイドパターン３２０によって示されるようなカージオイドパターンを表す個人用聴取デバイス（明示せず）を装着している。カージオイドパターン３２０は、スキーヤー３１０の左耳に対応している。明確にするために、スキーヤー３１０の右耳に対応するカージオイドパターンは、図３では明示されていない。図示されるように、スキーヤー３１０の左耳からのカージオイドパターン３２０の外形の距離は、角度の関数として信号強度を示している。雪及び氷に対するスキーの音などの、スキーヤー３１０の下からの音は、スキーヤー３１０の横方向または上方から発生している音を含む、他の方向からの音と比較して抑制される。図３に示される適用は、スノーボード、ランニング、及びトレッドミルエクササイズを限定ではなく含む、他の関連アクティビティにも関連する。

図４Ａ〜図４Ｂは、様々な実施形態による、再生及び環境の音声信号を処理するための方法ステップのフロー図を示す。方法ステップは、図１〜図３のシステムと併せて説明されるが、当業者であれば、方法ステップを任意の順序で実行するように構成される任意のシステムが、本開示の範囲内にあることを理解するであろう。

図示されるように、方法４００は、ステップ４０２において開始し、ステップ４０２において、音声処理システム１００に関連付けられるマイクロフォンアレイ１０５（０）及び１０５（１）が、聴取者の環境から音声信号を受信する。ステップ４０４において、ビームフォーマ１１０（０）及び１１０（１）が、全方向性、ダイポール、及びカージオイドパターンを限定ではなく含む、特定のビームフォーミングモードに従って、マイクロフォンアレイ１１０（０）及び１１０（１）からの音声信号を方向的に減衰及び増幅させる。ステップ４０６において、ノイズリダクション１１５が、ハム音、ヒス音、及び風などの定常状態信号の音声レベルを低下させ、一方、人のスピーチ、車の警笛、及び警報などの過渡信号の音声レベルを増幅させる。ステップ４０８において、ノイズリダクション１１５が、また、受信した音声信号の一部に対して能動型ノイズ消去も実行する。ステップ４１０において、イコライザが、いかなる個人用聴取デバイスも装着していないのと比較した、ヘッドフォンまたはイヤフォンを装着していることに関連する不均衡などの、周波数不均衡を補償する。

ステップ４１２において、ゲート１２５が、閾値音量、即ち、振幅レベルより低い音声信号を抑制する。いくつかの実施形態では、ゲート１２５の閾値音量は、関連のある周波数範囲にわたって一定であってもよい。他の実施形態では、閾値音量は、周波数の関数として変動してもよい。ステップ４１４において、リミッタ１３０は、指定された最大許容音声レベルを超える音声信号を減衰させる。ステップ４１６において、低調波処理１５５が、再生デバイスから受信される音声信号フィードに基づいて、低周波数音声信号を合成する。ステップ４１８において、自動利得制御１６０が、再生デバイスから受信される音声信号フィードの音量を調整する。例えば、限定ではなく、自動利得制御１６０が、静かな曲の音量を増加させてもよく、大きな音の曲の音量を減少させてもよい。ステップ４２０において、ダッカー１６５は、着目源が聴取者の環境から受信されることを示す、ノイズリダクション１１５からの制御信号に基づいて、再生デバイスから受信される音声信号フィードの音量を一時的に減少させる。

ステップ４２２において、左ミキサ１３５（０）及び右ミキサ１３５（１）は、それぞれ左及び右チャネルのために、リミッタ１３０から受信した音声をダッカー１６５から受信した音声と混合する。ステップ４２４において、左増幅器１４０（０）及び右増幅器１４０（１）は、それぞれ左ミキサ１３５（０）及び右ミキサ１３５（１）から受信した音声信号を増幅させる。ステップ４２６において、左増幅器１４０（０）及び右増幅器１４０（１）は、それぞれ左スピーカ１４５（０）及び右スピーカ１４５（１）に最終的な音声信号を送信する。次いで、方法４００が終了する。いくつかの実施形態では、方法４００は、終了するのではなく、音声処理システム１００の構成要素が、連続ループで方法４００のステップを実行し続ける。これらの実施形態では、ステップ４２６が実行された後、方法４００は、上述のステップ４０２に進む。方法４００のステップは、音声処理システム１００を含むデバイスの電源を落とすなどのある一定のイベントが発生するまで、連続ループで実行され続ける。

要約すると、開示された技術によって、個人用聴取デバイスを使用する聴取者が、音楽または所望の音声を聴取者の環境からのある着目する音と混合したものを聞くことが可能となる。ヒス音、ハム音、及び交通騒音などの、環境からの定常状態信号は、音声環境から除去され、音楽及び着目する環境音が強化される。聴取者の環境からの音声は、マイクロフォンアレイを介して受信され、ビームフォーマ、ノイズリダクション、イコライゼーション、ゲーティング、及びリミッティングによって処理される。再生デバイスから受信される音楽及び他の音声信号は、低調波処理、自動利得制御、及びダッキングによって処理される。ミキサは、環境音声と再生音声の混合を行い、結果として得られる信号を増幅器に送信し、増幅器は、同様に音声信号を一対のヘッドフォン、イヤフォン、イヤバッド、または他の個人用聴取デバイス内のスピーカに送信する。

本明細書で説明した手法の少なくとも１つの利点は、開示される個人用聴取デバイスを使用する聴取者が、再生デバイスからの高品質な音声信号に加えて、環境からのある一定の着目音声の音を聞き、同時に、環境からの他の音が、着目する音と比較して抑制されるということである。結果として、聴取者が所望の音声信号だけを聞くための潜在力が向上し、聴取者にとってより良好な品質のオーディオ体験をもたらす。

様々な実施形態の説明が、例示の目的で提示されてきたが、網羅的であること、または開示された実施形態に限定することを意図するものではない。開示された実施形態の範囲及び思想から逸脱することなく、多くの修正及び変形が当業者には明らかであろう。

本実施形態の態様は、システム、方法、またはコンピュータプログラム製品として具現化され得る。したがって、本開示の態様は、完全なハードウェア実施形態、完全なソフトウェア実施形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）、または、全て概して、本明細書において「回路」、「モジュール」、もしくは「システム」と呼ばれ得るソフトウェア及びハードウェア態様を組み合わせる実施形態の形式を取ってもよい。さらに、本開示の態様は、その上で具現化されるコンピュータ可読プログラムコードを有する、１つまたは複数のコンピュータ可読媒体（複数可）において具現化されるコンピュータプログラム製品の形式を取ってもよい。

１つまたは複数のコンピュータ可読媒体（複数可）の任意の組み合わせが利用されてもよい。コンピュータ可読媒体は、コンピュータ可読信号媒体またはコンピュータ可読記憶媒体であってもよい。コンピュータ可読記憶媒体は、例えば、電子、磁気、光学、電磁気、赤外線、または半導体のシステム、装置、もしくはデバイス、または前述したものの任意の適当な組み合わせであってもよいが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例（非網羅的なリスト）は、以下、１つまたは複数の配線を有する電気接続、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ、またはフラッシュメモリ）、光ファイバ、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ−ＲＯＭ）、光記憶デバイス、磁気記憶デバイス、または前述したものの任意の適当な組み合わせを含むものとする。本文書の文脈において、コンピュータ可読記憶媒体は、命令実行システム、装置、もしくはデバイスによって、または命令実行システム、装置、もしくはデバイスと併せて、使用するプログラムを含み、または記憶することが可能な、任意の有形媒体であってもよい。

本開示の態様は、本開示の実施形態による、方法、装置（システム）、及びコンピュータプログラム製品のフローチャート図及び／またはブロック図を参照して上述される。フローチャート図及び／またはブロック図の各ブロック、ならびにフローチャート図及び／またはブロック図におけるブロックの組み合わせは、コンピュータプログラム命令によって実施され得ると理解されたい。これらのコンピュータプログラム命令は、汎用コンピュータ、専用コンピュータ、または機械を製造するための他のプログラマブルデータ処理装置のプロセッサに提供されてもよく、それによって、コンピュータまたは他のプログラマブルデータ処理装置のプロセッサにより実行する命令が、フローチャート及び／またはブロック図のブロックにおいて指定される機能／動作の実施を可能にする。このようなプロセッサは、限定ではなく、汎用プロセッサ、専用プロセッサ、アプリケーション固有プロセッサ、またはフィールドプログラマブルであってもよい。

図面中のフローチャート及びブロック図は、本開示の様々な実施形態によるシステム、方法、及びコンピュータプログラム製品の考えられる実施態様のアーキテクチャ、機能性、及び動作を示している。この点に関して、フローチャートまたはブロック図内の各ブロックは、指定された論理機能（複数可）を実施する１つまたは複数の実行可能命令を含む、モジュール、セグメント、またはコードの一部を表してもよい。いくつかの代替的な実施態様では、ブロック内に記載された機能は、図中に記載された順序ではない順序で発生してもよいことにも留意すべきである。例えば、連続して示された２つのブロックが、実際には、実質的に同時に実行されてもよく、または、ブロックが、必要とされる機能性次第で、逆の順序で実行されることがあってもよい。ブロック図及び／またはフローチャート図の各ブロック、ならびにブロック図及び／またはフローチャート図のブロックの組み合わせが、指定された機能もしくは動作を実行する専用ハードウェアベースシステム、または専用ハードウェア及びコンピュータ命令の組み合わせによって実施され得ることにも留意されたい。

上記は、本開示の実施形態を対象とするものであるが、開示の他の及びさらなる実施形態が、その基本的範囲及び以下の特許請求の範囲によって決定されるその範囲から逸脱することなく考案されてもよい。

Claims (20)

1. 個人用聴取デバイスのための音声処理システムであって、前記音声処理システムは、
   前記個人用聴取デバイスに統合される第１の複数のマイクロフォンであって、前記第１の複数のマイクロフォンは、環境から第１の複数の音声信号を受信するように構成される、第１の複数のマイクロフォンと、
   前記第１の複数のマイクロフォンに連結されるノイズリダクション回路であって、前記ノイズリダクション回路は、
   前記第１の複数の音声信号を複数の周波数ビンに分割すること、及び、閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの少なくとも１つの周波数ビンが関連付けられていることを判断することによって、着目信号が前記第１の複数の音声信号内に存在することを検出することと、
   前記閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンが関連付けられていることを判断したことに応答して、前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンを増幅させることと、
   前記着目信号を検出した後、ダッキング制御信号を送信することと
   を実行するように構成される、ノイズリダクション回路と、
   前記ノイズリダクション回路に連結される音声ダッカーであって、前記音声ダッカーは、
   前記ダッキング制御信号を受信することと、
   再生デバイスを介して第２の複数の音声信号を受信することと、
   前記ダッキング制御信号に基づいて、前記着目信号と比較して前記第２の複数の音声信号の振幅を減少させることと
   を実行するように構成される、音声ダッカーと、
   前記音声ダッカーに連結されるミキサであって、前記ミキサは、前記第１の複数の音声信号と前記第２の複数の音声信号とを結合するように構成される、ミキサと
   を備える、音声処理システム。
2. 前記ノイズリダクション回路が、
   第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分がノイズ信号を含むことを判断することと、
   前記第１の複数の音声信号の前記第１の部分の振幅を減少させることと
   を実行するようにさらに構成される、請求項１に記載の音声処理システム。
3. 前記ノイズリダクション回路が、
   第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分が前記着目信号を含むことを判断することと、
   前記第１の複数の音声信号の前記第１の部分を増幅させることと
   を実行するようにさらに構成される、請求項１に記載の音声処理システム。
4. 前記個人用聴取デバイスの物理特性から生じる音響変化を補償するために前記第１の複数の音声信号に対して周波数に基づく振幅調整を行うように構成されるイコライザをさらに備える、請求項１に記載の音声処理システム。
5. 前記第１の複数の音声信号の第１の部分が閾値振幅より小さいことを判断することと、
   前記第１の複数の音声信号の前記第１の部分の振幅を減少させることと
   を実行するように構成されるゲートをさらに備える、請求項１に記載の音声処理システム。
6. 前記第１の複数の音声信号の第１の部分が最大許容振幅より大きいことを判断することと、
   前記第１の複数の音声信号の前記第１の部分の振幅を、前記最大許容振幅以下であるように制限することと
   を実行するように構成されるリミッタをさらに備える、請求項１に記載の音声処理システム。
7. 前記第２の複数の音声信号の少なくとも一部に対応する１つまたは複数の低調波信号を合成して第３の複数の音声信号を生成することと、
   前記第２の音声信号を前記第３の複数の音声信号と結合することと
   を実行するように構成される低調波プロセッサをさらに備える、請求項１に記載の音声処理システム。
8. 前記第２の複数の音声信号に対応する目標音声レベルを計算することと、
   前記第２の複数の音声信号の少なくとも一部が前記目標音声レベルとは異なることを判断することと、
   前記第２の複数の音声信号がスケール係数により乗算されるときに結果として得られる音声信号が前記目標音声レベルに近いように前記スケール係数を計算することと、
   前記第２の複数の音声信号を前記スケール係数により乗算することと
   を実行するように構成される自動利得コントローラをさらに備える、請求項１に記載の音声処理システム。
9. 前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、請求項１に記載の音声処理システム。
10. 前記第１の複数の音声信号を増幅させることと、
    前記第１の複数の音声信号をスピーカに送信して音出力を生成することと
    を実行するように構成される増幅器をさらに備える、請求項９に記載の音声処理システム。
11. 再生及び環境の音声信号を処理するための方法であって、前記方法は、
    第１の複数の音声信号を環境から受信することと、
    前記第１の複数の音声信号を複数の周波数ビンに分割すること、及び、閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの少なくとも１つの周波数ビンが関連付けられていることを判断することによって、着目信号が前記第１の複数の音声信号内に存在することを検出することであって、前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、ことと、
    前記閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンが関連付けられていることを判断したことに応答して、前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンを増幅させることと、
    前記着目信号を検出した後、ダッキング制御信号を生成することと、
    再生デバイスを介して第２の複数の音声信号を受信することと、
    前記ダッキング制御信号に基づいて、前記着目信号と比較して前記第２の複数の音声信号の振幅を減少させることと、
    前記第１の複数の音声信号と前記第２の複数の音声信号とを結合することと
    を含む、方法。
12. 前記第１の複数の音声信号が発生している方向を識別することと、
    前記方向に基づいて前記第１の複数の音声信号を減衰させることと
    をさらに含む、請求項１１に記載の方法。
13. 前記第１の複数の音声信号を減衰させることが、
    ビームフォーミングモードの選択を受信することと、
    前記ビームフォーミングモード及び前記方向に基づいてスケール係数を計算することと、
    前記スケール係数を前記第１の複数の音声信号に適用することと
    を含む、請求項１２に記載の方法。
14. 前記ビームフォーミングモードが、全方向性モード、ダイポールモード、またはカージオイドモードを含む、請求項１３に記載の方法。
15. 第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分がノイズ信号を含むことを判断することと、
    前記第１の複数の音声信号の前記第１の部分の振幅を減少させることと
    をさらに含む、請求項１１に記載の方法。
16. 第１の周波数帯に対応する前記第１の複数の音声信号の第１の部分が前記着目信号を含むことを判断することと、
    前記第１の複数の音声信号の前記第１の部分を増幅させることと
    をさらに含む、請求項１１に記載の方法。
17. 命令を含む非一過性のコンピュータ可読記憶媒体であって、前記命令は、プロセッサによって実行されたときに、
    第１の複数の音声信号を環境から受信するステップと、
    前記第１の複数の音声信号を複数の周波数ビンに分割すること、及び、閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの少なくとも１つの周波数ビンが関連付けられていることを判断することによって、着目信号が前記第１の複数の音声信号内に存在することを検出するステップであって、前記着目信号が、前記第１の複数の音声信号に関連する平均音声信号レベルと比較して高い音声レベルを有する断続的音声の音を含む、ステップと、
    前記閾値量よりも大きく変動する振幅に前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンが関連付けられていることを判断したことに応答して、前記複数の周波数ビンのうちの前記少なくとも１つの周波数ビンを増幅させるステップと、
    前記着目信号を検出した後、ダッキング制御信号を生成するステップと、
    再生デバイスを介して第２の複数の音声信号を受信するステップと、
    前記ダッキング制御信号に基づいて、前記着目信号と比較して前記第２の複数の音声信号の振幅を減少させるステップと、
    前記第１の複数の音声信号と前記第２の複数の音声信号とを結合するステップと
    を実行することによって、再生及び環境の音声信号を前記プロセッサに処理させる、非一過性のコンピュータ可読記憶媒体。
18. 前記プロセッサによって実行されたときに、
    前記第１の複数の音声信号が発生している方向を識別するステップと、
    前記方向に基づいて前記第１の複数の音声信号を減衰させるステップと
    を前記プロセッサに実行させる命令をさらに含む、請求項１７に記載の非一過性のコンピュータ可読記憶媒体。
19. 前記第１の複数の音声信号を減衰させることが、
    ビームフォーミングモードの選択を受信することと、
    前記ビームフォーミングモード及び前記方向に基づいてスケール係数を計算することと、
    前記スケール係数を前記第１の複数の音声信号に適用することと
    を含む、請求項１８に記載の非一過性のコンピュータ可読記憶媒体。
20. 前記ビームフォーミングモードが、全方向性モード、ダイポールモード、またはカージオイドモードを含む、請求項１９に記載の非一過性のコンピュータ可読記憶媒体。