JP6912969B2 - 音声処理装置及びその制御方法 - Google Patents

Description

本発明は音声処理技術に関するものである。

近年、カメラなどの撮影装置の高機能化が進んでいる。高機能化の一環として動画／静止画の両方を撮影可能なカメラが多数みられる。これらのカメラは、動画撮影において、撮像装置は動画を取得すると同時に音声も取得し、動画と同期させて記録を行う。少なからずのカメラは、光学系の駆動部が発生する駆動音（フォーカシングレンズやズームレンズの駆動音）を雑音として記録されるという問題を抱えている。

このようなフォーカスやズームの駆動の際に発生する駆動音を除去もしくは低減させるノイズ除去手法を開示する文献に特許文献１がある。

特開２０１１−１１４４６５号公報

特許文献１は、駆動部の雑音を検出するためのノイズ録音用マイクを有し、通常の音声録音用マイクで取得した音声信号から、ノイズ録音用マイクで取得した音声信号を減算する事で、駆動ノイズを低減している。

しかし、デジタルカメラのような撮影装置では、小型化、集積化が進んでいる。当然、マイクなどの集音部、画像を確認する表示部、操作部材などが互いに近接した位置に配置される。このため、ノイズ録音用マイクを新たに追加する事は、コストアップや面積増の要因となる。

加えて、交換式レンズの撮影装置では、駆動部の位置がレンズによって異なる。このため、ノイズ録音用マイクを、一意に効果的な位置に配置することは非常に難しい。

また、一般に、駆動部の雑音の除去は、時系列の音声信号を一旦ＦＦＴなどにより周波数領域へ変換し、駆動部の雑音を判別、除去し、再度時間領域の信号へ変換（逆ＦＦＴ）する構成をとる。周波数領域への変換は時系列のまとまったデータを元に行う為、雑音除去処理の実行時には録音音声に遅延が発生してしまうという問題もある。

本発明は、ノイズ検出のための専用マイクを新たに追加することなく、レンズユニットの駆動に起因する雑音の除去もしくは低減を行う技術を提供しようとするものである。

この課題を解決するため、例えば本発明の音声処理装置は以下の構成を備える。すなわち、
音声処理装置であって、
音声データを取得するためのマイクと、
駆動部と、
前記駆動部による駆動に起因する複数のピーク周波数を含む駆動雑音を、前記マイクより得られた音声データから除去する雑音除去手段とを有し、
前記雑音除去手段は、
前記複数のピーク周波数それぞれが設定され、当該ピーク周波数を挟む予め設定された範囲の音声データを通過させるための複数のバンドパスフィルタと、
前記複数のバンドパスフィルタで得られた音声データを加算し、当該加算して得られた音声データを雑音データとして出力する加算手段と、
前記マイクにより得られた音声データと、前記加算手段による加算で得られた雑音データとに基づき、前記音声データから前記雑音データを除去する適応フィルタ処理を行う適応フィルタ手段とを含むことを特徴とする。

本発明によれば、ノイズ検出のための専用マイクを新たに追加することなく、レンズユニットの駆動に起因する雑音の除去もしくは低減することが可能になる。

実施形態における適応フィルタを示すブロック図。 実施形態におけるデジタルカメラのシステム構成を示すブロック図。 実施形態における雑音除去システムを示すブロック図。 実施形態におけるレンズの駆動雑音の周波数分布とテーブルの例を示す図。 実施形態におけるシステム制御回路の処理手順を示すフローチャート。

以下、添付図面に従って本発明に係る実施形態における音声処理装置を詳細に説明する。なお、以下では音声処理装置を搭載する装置としてデジタルカメラに代表される撮像装置を例に説明するが、駆動雑音を発生する駆動部を有する装置であれば適用できるので、これによって本発明が限定されるものではない。具体例を示すことで理解を容易にするためであると認識されたい。

図２は実施形態が適用する撮影装置２０１のブロック構成図である。シャッター２０２は絞り機能を備える。撮像素子２０４は光学像を電気信号に変換し、光の強度を表すアナログ信号を出力する。Ａ／Ｄ変換器２０５は撮像素子２０４のアナログ信号出力をデジタル信号に変換する。タイミング発生回路２０６は、メモリ制御回路２０８及びシステム制御回路２１８により制御され、撮像素子２０４、 Ａ／Ｄ変換器２０５、 Ｄ／Ａ変換器２１０にクロック信号や制御信号を供給する。画像処理回路２０７は、 Ａ／Ｄ変換器２０５からのデータ或いはメモリ制御回路２０８からのデータに対して所定の画素補間処理や色変換処理を行う。システム制御回路２１８は１以上のプロセッサを包含している。

また、画像処理回路２０７は、撮像した画像データを用いて所定の演算処理を行う。そして、システム制御回路２１８は、画像処理回路２０７から得た演算結果に基づいて、ＡＦ（オートフォーカス）処理、ＡＥ（自動露出）処理、不図示のＥＦ（フラッシュ）の発光処理を行う。さらに、画像処理回路２０７は、撮像した画像データを用いて所定の演算処理を行い、得られた演算結果に基づいてＴＴＬ方式のＡＷＢ（オートホワイトバランス）処理も行う。

メモリ制御回路２０８は、Ａ／Ｄ変換器２０５、タイミング発生回路２０６、画像処理回路２０７、画像表示メモリ２０９、Ｄ／Ａ変換器２１０、メモリ２１３、圧縮・伸長回路２１４を制御する。Ａ／Ｄ変換器２０５のデータが画像処理回路２０７、メモリ制御回路２０８を介して、或いはＡ／Ｄ変換器２０５のデータが直接メモリ制御回路２０８を介して、画像表示メモリ２０９或いはメモリ２１３に書き込まれる。

外部出力コネクタ２１１は、Ｄ／Ａ変換器２１０の出力を外部モニタに出力する。システム制御回路２１８は、外部出力コネクタ２１１にコネクタが挿されているか否かを外部出力接続検知部２３５からの信号により検知できる。なお、外部出力コネクタ２１１は、例えばコンポジットインターフェースである。ただし、ＨＤＭＩ（登録商標）コネクタであっても構わない。

画像表示部２１２は、ＴＦＴ ＬＣＤ等から成り、画像表示メモリ２０９に書き込まれた表示用の画像データをＤ／Ａ変換器２１０を介して受信し、表示する。画像表示部２１２に、撮像した画像データを逐次表示すれば、ライブビュー機能を実現することが可能である。また、画像表示部２１２は、システム制御回路２１８の指示により任意に表示をＯＮ／ＯＦＦすることが可能であり、表示をＯＦＦにした場合には撮影装置２０１の電力消費を大幅に低減することが出来る。

メモリ２１３は、撮影した静止画像や動画像を一時的に格納するためのメモリであり、所定枚数の静止画像や所定時間の動画像を格納するのに十分な記憶量を備えている。これにより、複数枚の静止画像を連続して撮影する連写撮影やパノラマ撮影の場合にも、高速かつ大量の画像書き込みをメモリ２１３に対して行うことが可能となる。また、メモリ２１３はシステム制御回路２１８の作業領域としても使用することが可能である。更に、メモリ２１３は、記録媒体２２９の書き込み用バッファとしても使われる。

圧縮・伸長回路２１４は、適応離散コサイン変換等により画像データを圧縮・伸長する回路であり、メモリ２１３に格納された画像を読み込んで圧縮処理或いは伸長処理を行い、処理を終えたデータをメモリ２１３に書き込む。

絞り機能を備えるシャッター２０２は絞りやシャッターを駆動するモータ等の駆動部を有する。露光制御部２１５は駆動部の動作を制御することにより、絞り機能を備えるシャッター２０２を制御する。撮影レンズ２０３はレンズを駆動するモータなどの駆動部を有する。測距制御部２１６は撮影レンズ２０３の駆動部を制御してフォーカシングを制御する。また、ズーム制御部２１７は撮影レンズ２０３の駆動部を制御してズーミングを制御する。なお、実施形態においては、撮影レンズ２０３は、交換可能であるものする。

露光制御部２１５、測距制御部２１６はＴＴＬ方式を用いた制御を行う。これらの制御は、システム制御回路２１８が行う。つまり、システム制御部２１８は、撮像して得た画像データに対する画像処理回路２０７によって演算した演算結果に基づき、露光制御部２１５、測距制御部２１６に対する制御を行う。

システム制御回路２１８は、撮影装置２０１全体を制御する回路である。システム制御回路２１８は、不揮発性メモリ２２０に記録されたプログラムを実行することで、後述する各実施形態の処理を実現する。

メモリ２１９は、システム制御回路２１８の動作用の定数、変数、並びに、不揮発性メモリ２２０から読み出したプログラム等を展開するメモリであり、メモリ２１３よりもアクセス速度が早いメモリである。典型的にはメモリ２１３はＤＲＡＭ、メモリ２１９はＳＲＡＭである。不揮発性メモリ２２０は電気的に消去・記録可能なメモリである。不揮発性メモリ２２０には、システム制御回路２１８の動作用の定数、プログラム等が記憶される。ここでいう、プログラムとは、後述の各実施形態における各種フローチャートを実行するためのプログラムのことである。

シャッタースイッチＳＷ２２１、ＳＷ２２２、及び、操作部２２３は、システム制御回路２１８の各種の動作指示を入力するための操作部であり、スイッチやダイアル、タッチパネル、音声認識装置等の単数或いは複数の組み合わせで構成される。ここで、これらの操作部の具体的な説明を行う。シャッタースイッチＳＷ２２１は、シャッターボタンの操作途中でＯＮとなり、ＡＦ（オートフォーカス）処理、ＡＥ（自動露出）処理、ＡＷＢ（オートホワイトバランス）処理等の動作開始を指示する。シャッタースイッチＳＷ２２２は、シャッターボタンの操作完了でＯＮとなる。このシャッタースイッチＳＷ２２２がＯＮになると、システム制御部２１８は、撮像素子２０４からの映像信号をＡ／Ｄ変換器２０５でデジタルの画像データに変換し、その画像データをメモリ制御回路２０８を介してメモリ２１３に画像データを書き込む露光処理を行う。同時に、システム制御部２１８は、必要に応じて不図示のＥＦ（フラッシュ発光）処理の開始を指示する。また、システム制御部２１８は、画像処理回路２０７やメモリ制御回路２０８での演算を用いた現像処理を行わせる。また、システム制御部２１８は、メモリ２１３から画像データを読み出し、圧縮・伸長回路２１４で圧縮を行い、記録媒体２２９に画像データを書き込む記録処理という一連の処理を行う。また動画撮影の場合、システム制御部２１８は、各種回路に動画撮影の開始・停止を指示することになる。

操作部２２３は各種ボタンやタッチパネル等から構成される。ボタンの種類としては、メニューボタン、セットボタン、マクロボタン、マルチ画面再生改ページボタン、フラッシュ設定ボタン、単写／連写／セルフタイマー切り替えボタン、メニュー移動＋（プラス）ボタン、メニュー移動−（マイナス）ボタンが含まれる。また、再生画像移動＋（プラス）ボタン、再生画像−（マイナス）ボタン、撮影画質選択ボタン、露出補正ボタン、日付／時間設定ボタン。各種機能の選択及び切り替えを設定する選択／切り替えボタン、各種機能の決定及び実行を設定する決定ボタンが含まれる。また、画像表示部２１２のＯＮ／ＯＦＦを設定する表示ボタンも含まれる。撮影直後に撮影した画像データを自動再生するクイックレビュー機能を設定するクイックレビューＯＮ／ＯＦＦスイッチも含まれる。更に、撮影時にズームと広角を調節や、再生時の画像の拡大／縮小を調節、１画面表示／マルチ画面表示を切り替えるズーム操作部も操作部２２３に含まれる。更に、ＪＰＥＧ圧縮の圧縮率を選択するため、或いは撮像素子の信号をそのままデジタル化して記録媒体に記録するＣＣＤＲＡＷモードを選択するための圧縮モードスイッチも含まれる。

電源制御部２２５は、電池の装着の有無、電池の種類、電池残量の検出を行い、検出結果及びシステム制御回路２１８の指示に基づいて、必要な電圧を必要な期間、記録媒体を含む各部へ供給する。

電源部２２８は、アルカリ電池やリチウム電池等の一次電池やＮｉＣｄ電池やＮｉＭＨ電池、Ｌｉ電池等の二次電池、ＡＣアダプター等からなる。電源制御部２２５と電源部２２８とは、それぞれの電極２２６、２２７を介して互いに接続される。

インタフェース２２４はメモリカードやハードディスク等の記録媒体とのインタフェースである。インタフェース２２４としては、ＳＤカードやコンパクトフラッシュ（登録商標）カード等の規格に準拠したものを用いて構成して構わない。さらに、インタフェース２２４に各種通信カードを接続することにより、他機器との間で画像データや画像データに付属した管理情報を転送し合うことが出来る。

保護部２３１は、装置の電源に連動し、電源ＯＦＦ時に撮影装置２０１のレンズ２０３を含む撮像部を覆う事により、撮像部の汚れや破損を防止するバリアとして機能する。

マイクユニット２３２は、マイクからの音声データ取得部である。音声処理回路２３３は、マイクユニット２３２で得られた音声データをシステム制御回路２１８で取得するためにＡ／Ｄ変換を行う。また、ステレオマイクユニット２３２は、２ｃｈ以上のマイクユニットであるが、実施形態では簡単のため、２ｃｈ（ステレオ）マイクであるものとして説明する。

スピーカユニット２３４は、スピーカからの音声データへの音声データ出力部である。システム制御回路２１８は、処理された音声データを音声処理回路２３３にてＤ／Ａ変換させ、スピーカユニット２３４に出力させることで、音声を再生させることになる。

記録媒体２２９はメモリカードやハードディスク等の記録媒体である。また、この記録媒体２２９がＰＣＭＣＩＡカードやコンパクトフラッシュ（登録商標）カード等の場合は、性能が記されている情報記憶回路を内蔵している事もある。

姿勢検知部２３６は、撮影装置２０１の傾きや回転を検知して該装置姿勢を示す姿勢情報を出力する。加速度検出部２３７は、装置の３軸方向の移動量に対する加速度を導出し、該加速度情報を出力する。

以上、実施形態における撮像装置２０１の構造と処理／機能の説明を行った。

次に、図１、３、４を用いて実施形態における駆動雑音の除去処理を詳細に説明する。ここで言う、駆動雑音とは、測距制御部２１６により撮影レンズ２０３のフォーカシング制御を行った際に生じる駆動系が発する雑音を指す。

はじめに、図１を用いて適応フィルタ（Adaptive Filter）の構成と適応フィルタ処理を説明する。図１は、適応フィルタの構成をブロック図で示している。この適応フィルタは、図２における、メモリ２１９にあらかじめ記録された不図示のプログラムにより実施される一連の演算処理でもある。不図示のプログラムをシステム制御回路２１８がメモリ２１９から読出し、音声処理回路２３３を介して入力された音声データに対し逐次実行する。この適応フィルタの構成および演算処理について詳述する。

適応フィルタは、２つの入力Ａ、Ｂを持ち、入力Ｂからのデータに対して積和演算を行うトランスバーサルフィルタ回路１０１と、適応アルゴリズムによる評価関数に基づきトランスバーサルフィルタ回路１０１が利用する係数を更新する評価部１０３と、トランスバーサルフィルタ回路１０１の出力と入力Ａを加算する加算器１０２とを備えている。

一般的に、入力Ａ側を所望信号、入力Ｂ側を参照信号、出力側を所望信号と呼ぶ。適応フィルタを雑音除去部として用いる場合、所望信号には除去対象となる雑音源から発生する音声信号を、参照信号には観測したい音声信号に前記雑音が付加された音声信号をそれぞれ印加し、出力信号として雑音の除去された音声信号を得る。

トランスバーサルフィルタ回路１０１は、入力Ｂより得られた参照信号ｘ（ｔ）を遅延する不図示の複数の遅延素子と、ｘ（ｔ）及び遅延した各信号ｘ（ｔ−１）、ｘ（ｔ−２）に対して評価部１０３が評価関数に従って設定した係数ｈ０（ｔ）、ｈ１（ｔ）、ｈ２（ｔ）を乗算する複数の乗算器と、該乗算器の出力を加算して推定信号ｙ（ｔ）を出力する複数の加算器とを備えている。この時、ｔは時間を表す単位であり、ｘ（ｔ）は、時系列の音声デジタルデータｘにおけるｔ番目のサンプルを表す。

推定信号ｙ（ｔ）は、次式で与えられる。ｍは係数の個数、Ｎは自然数を示し、適応フィルタが係数としてｈ０（ｔ）、ｈ１（ｔ）、ｈ２（ｔ）をもつ場合、ｍ＝２、Ｎ＝３となる。

また、所望信号ｄ（ｔ）から推定信号ｙ（ｔ）を減算する減算器１０２を備え、減算器の出力である推定信号ｙ（ｔ）と所望信号ｄ（ｔ）の差である誤差信号ｅ（ｔ）が０に近づくように評価関数１０３によって、トランスバーサルフィルタ回路１０１の係数を更新する。

係数更新のアルゴリズムとしては、最小平均自乗（ＬｅａｓｔＭｅａｎＳｑｕａｒｅ：ＬＭＳ）アルゴリズムが、従来から広く用いられている。このアルゴリズムでは、誤差信号ｅ（ｔ）の平均自乗誤差Ｅ［ｅ（ｔ）２］を最小化するように係数の更新が行われる。あらかじめ設定していた係数ｈ０（ｔ）、ｈ１（ｔ）、ｈ２（ｔ）を更新し、ｈ０（ｔ＋１）、ｈ１（ｔ＋１）、ｈ２（ｔ＋１）の導出を行う。

次式に係数更新の一例であるＬＭＳアルゴリズムを示す。

この数式内のμは、ステップサイズと呼ばれ、係数更新の大きさを決める役割を持つ。通常、一定値を用い、０．０５〜０．１０程度の値を使用する。撮影装置２０１の構成に合わせてあらかじめ決めておく事が望ましく、小さくすると正確な推定が可能だが、大きすぎるとフィルタ出力が発散してしまう。

参照信号ｘ（ｔ）には除去したい雑音成分、所望信号ｄ（ｔ）には雑音成分の含まれる音声信号を入力する。上記一連の処理を繰り返す事で、誤差信号ｅ（ｔ）を０に近づける、即ち雑音の除去を行う事が可能となる。

また、ＦＦＴなどと異なり、まとまった時系列の音声データを使うことなく、１サンプルの音声データ毎に処理を行う事ができる為、該処理による遅延は発生しない。

上記を踏まえ、実施形態における雑音除去システムを図３のブロック構成図を参照して説明する。

図３は実施形態における雑音除去システムの主要部のブロック構成図である。

マイクユニット２３２は、ステレオマイクを構成するＬチャネルマイク２３２ａ、及び、Ｒチャネルマイク２０２ｂを有する。Ａ／Ｄ変換部３０１は、Ｌチャネルマイク２３２ａで得られたアナログ音声信号をデジタルデータに変換する。Ａ／Ｄ変換部３０２は、Ｒチャネルマイク２３２ｂで得られたアナログ音声信号をデジタルデータに変換する。Ａ／Ｄ変換部３０１、３０２は、共に音声処理回路２３３に含まれるものである。

Ｌチャネル雑音除去部３１０、及び、Ｒチャネル雑音除去部３２０は、互いに独立している。そして、Ｌチャネル雑音除去部３１０、Ｒチャネル雑音除去部３２０は、設定部３３０から設定されたパラメータに応じた駆動雑音の除去処理（詳細後述）を行い、雑音除去後のＬ、Ｒチャネルの音声データを出力する。これらＬチャネル雑音除去部３１０、Ｒチャネル雑音除去部３２０、設定部３３０は、システム制御回路２１８がメモリ２１９に格納されたプログラムを実行する実現するものとする。このプログラムは、当初は不揮発性メモリ２２０に記憶されており、メモリ２１９に読み出された後に実行されるものである。なお、Ｌチャネル雑音除去部３１０、Ｒチャネル雑音除去部３２０、設定部３３０のいずれかをハードウェアにて実現しても構わない。

Ｌチャネル雑音除去部３１０、及び、Ｒチャネル雑音除去部３２０は共に同じ構成である。そのため、ここでは、Ｌチャネル雑音除去部３１０、設定部３３０について説明する。

Ｌチャネルマイク２３２ａで収音したアナログ音声信号は、Ａ／Ｄ変換部３０２によりデジタルの音声データに変換され、Ｌチャネル雑音除去部３１０に供給される。

Ｌチャネル雑音除去部３１０内のＢＰＦ（バンドパスフィルタ）３１１、３１２、３１３それぞれは、設定部３３０により設定されたパラメータ（中心周波数またはピーク周波数）に応じた周波数に制限をかけ、信号の選別を行う。そして、ＢＰＦ３１１、３１２、３１３それぞれは、帯域濾過後の音声データを加算器３１４に向けて出力する。加算器３１４は、適応フィルタ３１５の入力端子Ｂに、加算結果の音声データを供給する。また、適応フィルタ３１５の入力端子Ａには、Ａ／Ｄ変換部３０１からのデジタルデータが供給される。適応フィルタ３１５は、図１に示された構成を同じある。適応フィルタ３１５は、入力端子Ｂに入力した音声データを雑音成分データとし、入力端子Ａからの音声データから入力端子Ｂからの雑音成分データを減じて、雑音除去後のＬチャネルの音声データとして出力する。

システム制御回路２１８は、上記のようにしてＬチャネル雑音除去部３１０から得た音声データ、並びに、Ｒチャネル雑音除去部３２０から得た音声データの出力を受け、符号化処理等を行い、音声付き動画像データのファイルを記憶媒体２３０に格納する処理を行うことになる。

本実施形態における撮影装置では、フォーカシング処理のために、搭載されたレンズ２０３を駆動する駆動部により、特定の周波数（１以上の周波数ピークを持つ）を中心に雑音が生じるものとした。この為、中心周波の帯域毎に分けて一連の処理を行うことで、適応フィルタ処理の収束速度の向上を図る事が可能となる。ただし、レンズ２０３の種類に応じて、駆動雑音の周波数が異なる。また、レンズ２０３の駆動速度に応じても、その周波数が異なる。

実施形態では、バンドパスフィルタとしてＢＰＦ３１１、３１２、３１３を有する。これは、駆動雑音の周波数ピークが最大３つを想定しているためである。精度を上げるためにＢＰＦの数を更に多くしても構わない。

中心周波数をｆｃｎとした場合、バンドパスフィルタの伝達関数は、次式で表せる。

図４（ａ）はレンズの駆動により発生する駆動雑音の周波数分布の一例を示している。あるレンズでは、図示のように、レンズを駆動させることにより発生する駆動雑音は、中心周波数ｆ１、ｆ２、ｆ３の三つのピークを持つ。このうち、中心周波数ｆ１とｆ２のピークは基準レベル４０１を超えている。図４（ｂ）は、実施形態における駆動雑音除去テーブル群を示している。このテーブル群は、不揮発性メモリ２２０に記憶され、テーブル群を構成する１つのテーブルは、１つの種類のレンズに対応する。本装置に電源が投入された際、設定部３３０（システム制御回路２１８）は、レンズ２０３の種類を特定し、その種類に応じて駆動雑音除去テーブル群の１つを選択する。

１つのテーブルには、駆動スピード（ｐｐｓ）ごとに、３つのＢＰＦに設定する中心周波数（もしくは中心周波数を特定する情報）が格納されている。１つのテーブルに格納されているＢＰＦの中心周波数は、テーブルに対応するレンズを、対応した駆動速度で駆動した際に発生する駆動雑音に含まれるピークの中心周波数に対応する。レンズの種類の特定法は周知の技術であり、特に問わない。実施形態では、シリアル通信でレンズ内の制御部と通信してレンズの種類（モデル名）を特定するものとする。設定部３３０は、特定したレンズ２０３の種類に従って選択したテーブルを参照し、そのレンズ２０３を駆動する際の駆動速度に応じた中心周波数ｆ１、ｆ２、ｆ３を選択テーブルから読み出し、ＢＰＦ３１１、３１２、３１３それぞれに設定する。この結果、ＢＰＦ３１２、３１２、３１３は、それぞれの中心周波数から予め設定された範囲の駆動雑音を通過（濾波）させ、それ以外の周波数帯域の信号を減衰させる。加算器３１４は、ＢＰＦ３１２、３１２、３１３からの音声データ（駆動雑音）を合成し、接続されたレンズ２０３に固有の合成駆動雑音データを生成し、適応フィルタ３１５に供給する。なお、レンズによっては、駆動時の雑音のピークが２つの場合もある。その場合、テーブルには、３つ周波数のうちの２つはそのピークの中心周波数が格納され、残りの１つはゼロが格納されているものとする。周波数がゼロの場合、該当するＢＰＦは周波数全域を非通過として機能するものとする。

撮影装置２０１の電源投入後、撮影が可能になるまでの準備動作時等において、システム制御回路２１８は接続されたレンズユニットと通信を行い、そのレンズの型式を取得し、不揮発性メモリ２２０から該設定値郡から該当するレンズユニットの設定値の選択を行う。その後、システム制御回路２１８は、レンズ２０３を駆動する直前に、駆動速度に対応した中心周波数をそれぞれ読出し、ＢＰＦ３０４、３０６、３０８へ設定を行う。これにより、ＢＰＦ３０４、３０６、３０８は、搭載したレンズに応じた雑音の中心周波数を通過域とする周波数特性を持ったバンドパスフィルタを構成できることになる。

図５は、実施形態における雑音除去に係るシステム制御回路２１８の処理手順を示すフローチャートである。同フローチャートに係るプログラムは、当初は不揮発性メモリ２２０に格納されており、システム制御部２１８がメモリ２１９に読み出し実行されることになる。

まず、ステップＳ５０１において、システム制御回路２１８は、接続されてるレンズ２０３の種類を判定する。そして、ステップＳ５０２にて、システム制御回路２１８は、レンズ２０３の種類に基づき、不揮発性メモリ２２０を参照して、雑音除去テーブルの１つを選択する。

次に、ステップＳ５０３にて、システム制御回路２１８は、撮像装置２０１のフォーカシング処理のためのレンズの駆動速度を決定する。この駆動速度は、ユーザが操作部２２３を介して設定した撮像装置２０１の動作モードに応じて決定するものとする。そして、ステップＳ５０４にて、システム制御回路２１８は、選択したテーブルから、設定された駆動速度に応じた駆動雑音帯域を特定する中心周波数ｆ１、ｆ２、ｆ３を読み出し、それぞれをＬチャネル雑音除去部３１０、Ｒチャネル雑音除去部３２０それぞれの３つのＢＰＦに設定する。

この後、ユーザによる撮影記録指示が操作部２２３を介して入力された場合、ステップＳ５０５にて、システム制御回路２１８は各種部を制御し、撮像処理と集音処理とを実行する。集音処理では、図３で説明した構成により、Ｌ，Ｒ両チャネルの駆動雑音除去後の音声データが有れる。

そして、ステップＳ５０６にて、システム制御回路２１８は音声付動画像データファイルとして、記憶媒体２２９への記録を行う。

以上説明したように本実施形態によれば、レンズ２０３の駆動前に、レンズ２０３固有の駆動雑音を検出するための周波数帯域のパラメータを読み出し、設定することで、適応処理の収束速度の改善、駆動部により異なる伝搬特性差を吸収した雑音除去を行う事が可能になる。また、実施形態では、駆動雑音をフォーカシングレンズの駆動に起因するものとして説明したが、ズームレンズの駆動に起因する雑音としても良いし、それら両方であっても構わない。

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

２０１…撮像装置、２１８…システム制御回路、２３２…マイクユニット、２３３…音声処理回路、３０１、３０２…Ａ／Ｄ変換部、３１０…Ｌチャネル雑音除去部、３１１、３１２、３１３…ＢＰＦ（バンドパスフィルタ）、３１４…加算器、３１５…適応フィルタ、３２０…Ｒチャネル雑音除去部、３３０…設定部

Claims (6)

1. 音声処理装置であって、
   音声データを取得するためのマイクと、
   駆動部と、
   前記駆動部による駆動に起因する複数のピーク周波数を含む駆動雑音を、前記マイクより得られた音声データから除去する雑音除去手段とを有し、
   前記雑音除去手段は、
   前記複数のピーク周波数それぞれが設定され、当該ピーク周波数を挟む予め設定された範囲の音声データを通過させるための複数のバンドパスフィルタと、
   前記複数のバンドパスフィルタで得られた音声データを加算し、当該加算して得られた音声データを雑音データとして出力する加算手段と、
   前記マイクにより得られた音声データと、前記加算手段による加算で得られた雑音データとに基づき、前記音声データから前記雑音データを除去する適応フィルタ処理を行う適応フィルタ手段とを含む
   ことを特徴とする音声処理装置。
2. 更に、
   レンズユニットを交換可能な撮像手段と、
   交換可能なレンズユニットの種類に固有の駆動雑音の周波数分布を表す情報を記憶する記憶手段と、
   接続されたレンズユニットの種類を判定する判定手段と、
   前記判定手段による判定の結果に応じた情報を前記記憶手段より読み出し、前記雑音除去手段が有する複数のバンドパスフィルタに設定する制御手段と
   を有することを特徴とする請求項１に記載の音声処理装置。
3. 前記記憶手段は、更に、レンズユニットの駆動速度ごとの駆動雑音の周波数分布を表す情報を記憶し、
   前記制御手段は、接続されたレンズユニットの種類と駆動速度に応じて、通過させる中心周波数を前記複数のバンドパスフィルタに設定する
   ことを特徴とする請求項２に記載の音声処理装置。
4. 前記雑音除去手段はステレオマイクの両チャネルに独立して設けられることを特徴とする請求項１乃至３のいずれか１項に記載の音声処理装置。
5. 駆動部とマイクとを有する音声処理装置の制御方法であって、
   前記駆動部による駆動に起因する複数のピーク周波数を含む駆動雑音を、前記マイクより得られた音声データから除去する雑音除去工程とを有し、
   当該雑音除去工程は、
   前記複数のピーク周波数それぞれが設定され、当該ピーク周波数を挟む予め設定された範囲の音声データを通過させるための複数のバンドパスフィルタ工程と、
   前記複数のバンドパスフィルタ工程で得られた音声データを加算し、当該加算して得られた音声データを雑音データとして出力する加算工程と、
   前記マイクにより得られた音声データと、前記加算工程による加算で得られた雑音データとに基づき、前記音声データから前記雑音データを除去する適応フィルタ処理を行う適応フィルタ工程とを含む
   ことを特徴とする音声処理装置の制御方法。
6. 駆動部とマイクとを有する音声処理装置におけるプロセッサが読み込み実行することで、前記プロセッサに請求項５に記載の各工程を実行させるためのプログラム。

Images