JPH10283003A - ディジタル信号の適応処理方法および音響システム - Google Patents

Abstract

(57)【要約】 【課題】倍精度の演算器を持たないマイコンでも、適応
ノイズキャンセラあるいは適応音響システムに必要な高
性能の適応処理を実現できるようにする。 【解決手段】誤差二乗関数の値および各パラメータ毎の
偏微分を計算し（１０３，１０４）、その結果求められ
た偏微分値からパラメータの状態を表す状態属性を計算
し（１０５）、上記二乗誤差および偏微分値と状態属性
とから新しいパラメータを計算する（１０６）。また、
各パラメータ毎に曖昧推論に必要な定数のテーブルを備
え、上記二乗誤差と状態属性とパラメータの偏微分値と
から新しいパラメータの修正分を曖昧推論により求める
ため、各パラメータ毎に曖昧推論に必要な定数のテーブ
ルを備える。また、これらを用いた適応ノイズキャンセ
ラおよびアダプティブスピーカを提供する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、マイクロコンピュ
ータ（以下、マイコンと略記する）等の簡単、かつ小型
のコンピュータを用いて、収束の速い高性能の適応アル
ゴリズムを比較的簡単に実現できるディジタル信号の適
応処理方法、およびその適応処理方法を用いて雑音およ
びエコーを除去し、パラメータを修正することができる
能動的音響システムに関するものである。

【０００２】

【従来の技術】従来より、コンピュータ適応信号処理
は、マルチメディア応用、特に音声・音響系の処理や通
信系の処理には重要な課題となっている。適応処理と
は、広くは、システムの外部あるいは内部の環境の変動
に対して、自動的に最適な特性を持つようにシステム特
性を調整する機能を意味する。ここでは、マルチメディ
ア応用に重要なディジタル信号処理における適応処理に
焦点を当てている。ディジタル信号処理における適応処
理としては、線形フィルタにおけるＬＭＳ法（Least Me
an Squere）とＲＬＳ法（Recusive Least Square）が代
表的である。その他にも、非線形処理（ニューラルネッ
トワーク等）が考えられるが、ここでは一般的である上
記線形フィルタに関して述べる。最も基本的な例にとし
て、下記（数１）の式で表わされるような、過去のサン
プル値と重み係数（通常、タップ係数と呼ばれる）の線
形和で表現されるデジタルフィルタを考える。

【数１】 このフィルタは、例えば音響管に衝撃音（インパルス入
力）を入れた時の残響（遅延）の特性を表現し、また入
力がフィードバックしないことから有限インパルス応答
（ＦＩＲ：Finite Impulse Response）フィルタと呼ば
れる。これに対して、入力がフィードバックする無限イ
ンパルス応答（ＩＩＲ：Infinite Inpulse Response）
フィルタもある。

【０００３】ここで、式（数１）で表現されるＦＩＲフ
ィルタが、ある入力系列に対して所望の出力を得るよう
にすることを考える。このためには、誤差二乗関数（式
（数３）参照）を最小にするようにパラメータを修正す
れば良い。この誤差二乗関数は、線形フィルタの場合、
パラメータ空間における２次曲面−すなわち、単嶺性の
関数として表現される。従って、最小値は誤差二乗関数
の極小値を求めれば良い。ＬＭＳ法では、これをいわば
反復的に解くことを考える。すなわち、各ステップごと
に下式（数２）で修正する。

【数２】 要するに、最急降下法に基づくアルゴリズムによれば、
実現が容易かつ計算量が僅少となるため、この方法が現
在広く用いられている。しかし、修正量（式（数２）の
μ（以下ステップゲイン）参照）の調整によって、大き
く収束特性が変動する。この点が、ＬＭＳ法の問題点で
ある。これに対して、ＲＬＳ法は Yule-Walker 方程式
（誤差二乗関数を最小にするための代数方程式）を再帰
的に直接解く。具体的には、１ステップ前の共分散行列
の逆行列を用いて、逆行列の補助定理から、現在の共分
散行列の逆行列を求める（共分散行列の逆行列から、パ
ラメータは簡単な計算で得られる）。この方法は、収束
特性は優れているが、計算量が多く、また再帰的な計算
のため、倍精度の浮動小数計算が必要になる。これが、
ＲＬＳ法の問題点である。これらの適応処理を用いるこ
とにより、適応的な音響システムが構成できる。例え
ば、雑音信号から逆位相の音を推定し、入力された音声
にこの逆位相の音を加えることにより雑音を相殺する適
応ノイズキャンセラや、同様の手法でエコーを除去する
適応エコーキャンセラなどが実現されている。

【０００４】

【発明が解決しようとする課題】上述の適応ノイズキャ
ンセラや適応エコーキャンセラでは、非常に高速に追従
（収束）しないと実用にならない。そこで、多くの場
合、これらのシステムにはＲＬＳアルゴリズムが使用さ
れる。しかしながら、ＲＬＳアルゴリズムは、ＬＭＳ法
に比べて計算量が多く、また倍精度の浮動小数計算が必
要となる（単精度の浮動小数計算では性能が劣化す
る）。このため、高性能のマイコンでは問題はないが、
組み込み用途で倍精度の専用演算器を持たないマイコン
などでは、ＬＭＳ法のような反復法を使用せざるを得な
い。ところで、ＬＭＳ法は誤差が小さくなるように修正
していくものであって、２乗関数を用いて微分を行い、
最大傾斜の方向に刻み幅で１ステップずつ修正していく
方法を用いている。この場合、刻み幅が小さければ動作
は安定しているが、ステップ数を多く必要となり遅くな
ってしまうのに対して、刻み幅が大きければ高速に収束
するが、動作は不安定となってしまう。従来は、上記刻
み幅をどのように決定したならば最も動作が安定で高速
に収束するか、その手法は定まっておらず、これを決め
ることが課題となっていた。本発明の目的は、このよう
な従来の課題を解決し、倍精度の専用演算器を持たない
マイコンでも、収束の速い、高性能の適応アルゴリズム
が比較的簡単に得られ、適応信号処理を行うことが可能
なディジタル信号の適応処理方法を提供することにあ
る。本発明の他の目的は、ＬＭＳ法を基本にすること
で、ＲＬＳ法に必要な倍精度浮動小数演算を行うことな
く、適応ノイズキャンセラあるいは適応エコーキャンセ
ラに必要な高性能な適応処理を実現することが可能な雑
音除去装置あるいは音響システムを提供することにあ
る。

【０００５】

【課題を解決するための手段】上記目的を達成するた
め、本発明のディジタル信号の適応処理方法では、曖昧
推論を用いて、パラメータの反復修正を効率的に実行す
る方法を用いる。曖昧推論は、経験的に非線形関数（非
線形マッピング）を作製するのに適しているが、本発明
においては、複数の曖昧推論系を用い、それを変数分離
法によって高速に計算することにより、複雑なパラメー
タの更新を高速に実行する。すなわち、理論的に決定で
きない部分が現実には種々存在するが、経験的に行った
断片的なデータしか得られないときに、これらのデータ
を全体的な関数として表現することにより、最適な方法
で刻み幅を決定しようとするものである。また、ＬＭＳ
法に曖昧推論系を用いた場合に、入力の数が２以上にな
ると計算量が増大するので、計算量を抑えるために、さ
らに変数分離法のそれぞれのステップの一部を改良する
ことにより、高速実行を実現する。さらに、本実施例で
は、状態属性を用いるが、状態属性というのは、具体的
に探索点が収束点に近ければ刻み幅を小さくし、離れて
いれば刻み幅を大きくするための状態を判断する属性の
ことである。動作手順の第一は、これまでの収束過程の
特徴を表現する状態属性を考え、この状態属性を曖昧推
論あるいはニューラルネットワーク（ＮＮ）によって推
定することを考える。動作手順の第二は、この状態属性
を用いて、個別にパラメータの修正分を決定する。この
プロセスでは、曖昧推論を用いる。すなわち、第一の手
順での曖昧推論の結論あるいはＮＮの出力を第二の手順
での曖昧推論の入力とする二段の構成になっている。こ
れらの曖昧推論は、複数の入力を持つ、いわゆる多次元
推論になるため、計算量の増大が懸念されるが、本発明
では、これを変数分離法（例えば、中川他『制御用マイ
コン向け高速ファジイ推論方式』情報処理学会第４３回
全国大会講演論文集，I-101参照）によって高速に処理
している。

【０００６】

【発明の実施の形態】以下、本発明の実施例を、図面に
より詳細に説明する。図１は、本発明の実施例１を示す
適応処理方法の基本的な処理フローチャートである。処
理を開始する動作（ステップ１０１）は、実際の適応装
置ではパラメータ修正のサブルーチンに相当する。更新
前のパラメータ１１０を用いて過去の入力１１１（ただ
し、データ１１１には現在の入力も含む）から現在の入
力値を予測する（ステップ１０２）。なお、現在の値は
既に入力されているが、システム特性を得るために過去
の値から現在の値を推定してみる。これは、前式（数
１）を用いて計算できる。次に、二乗誤差を計算する
（ステップ１０３）。二乗誤差は、前式（数１）のよう
なＦＩＲの場合、以下の式（数３）に示すように現在の
予測値１１２と現在の入力１１１との差を二乗すれば良
い。

【数３】 次に、各パラメータごとに誤差二乗関数を偏微分する
（ステップ１０４）。これは、下式（数４）を用いてパ
ラメータ１１０から計算することができる。

【数４】 次に、ステップ１０４で計算した偏微分値（勾配情報）
と過去の収束過程情報（過去数ステップのパラメータ）
から、状態属性１１５を計算する（ステップ１０５）。
次に、二乗誤差１１３、偏微分値１１４、状態属性１１
５よりパラメータを修正し（ステップ１０６）、過去の
パラメータ１１０の内容を更新する。次に、このステッ
プでの収束過程情報を評価し、収束過程情報１１６に格
納する（ステップ１０７）。通常、このステップ１０２
〜１０７の手順が反復されて、逐次的に収束する（ステ
ップ１０８）。

【０００７】図２は、図１の実施例１における状態属性
の計算（ステップ１０５）を示す詳細動作フローチャー
トである。実施例１では、曖昧推論によって状態属性を
決定している。図２の処理に必要な曖昧推論系の例を図
３に示す。曖昧推論系は複数個の曖昧規則より構成され
る。これらの規則は、例えば図３（ａ）に示すように、
IF Ｘand Ｙ Then Ｚ の形で記述される。Ｘ，Ｙはフ
ァジイ変数で、これは図３（ｂ）のようなメンバシップ
関数によって表現される。つまり、ファジイ変数Ｘ，Ｙ
は大きい、小さい等の曖昧な量（例えば、０と１の中間
等の属性表現）であって、これを具体的に表わしたもの
がメンバシップ関数の表現（０であれば該当せず、１で
あれば該当する）である。本実施例では、過去の収束過
程情報と過去の状態属性と二乗誤差の差分を入力とし、
現在の状態属性を出力とする曖昧推論系で記述してあ
る。図２では、図３の曖昧推論系を変数分離法を用いて
実行している。この時、例えば、状態属性は次式（数
５）で与えられる。状態属性Ｐ₀は、ｉに対しω（適合
度）を乗じて、入力が複数であれば全体としてどのくら
いの適合度であるのかを評価する式である。これらの値
を使って、ミニマム値をとるか、あるいは種々の積に相
当する演算を使って評価することにより、適合度を評価
する。式（数５）中のωの計算方法は、演算値の中から
選択すればよい。

【数５】

【０００８】領域区分法において、適用領域・操作領域
・操作規則は、次式（数６）で示すように定義される。

【数６】 この時、状態属性は、次のように各操作領域ごとに与え
られる。

【数７】 変数分離法では、領域区分法において適合度を限界積で
評価する。ここで、限界積とは、ミニマムやマクシマム
や条件に合致した１つで表わされる。これにより、状態
属性は、操作領域ごとに定義された以下の推論式で計算
できる。

【数８】 これを具体的に表現すると、図２のような手順になる。
先ず、偏微分・二乗誤差２１０とクラス２１２を入力し
て、入力ベクトル（入力変数の組み）の属する操作領域
を決定する（ステップ２０２）。これは、ベクトルの属
する分類（クラス）を決定することに相当する。この操
作領域は、近似的に任意に決定できるので、各特徴パラ
メータの上位ビットで表現できる部分空間に対応させれ
ば、ＡＮＤ計算とテーブル２１０の参照で実行できる。
ここで決定された操作領域の情報は、データ２１１（入
力ベクトルのクラス）に格納される。次に、各入力変数
に対する表（テーブル）の参照を行う（ステップ２０
３）。具体的には、上式（数８）で与えられた各入力ご
との一変数の関数を予め計算した関数テーブル２１３を
参照する。

【０００９】図４は、図１の実施例１におけるパラメー
タの更新処理（ステップ１０６）の詳細動作フローチャ
ートである。ここでは、ステップ１０５の状態属性の計
算と同様に曖昧推論を用いた例を示す。図５には、パラ
メータを更新するための曖昧規則を示す。図５の曖昧規
則は、先に示した図３と同様の形式になる。しかし、図
３と異なる点は、図３では二乗誤差を入力として状態属
性を出力としているのに対して、図４では先に求めた状
態属性を入力として、パラメータを出力としていること
である。先に示した領域区分法変数分離法で処理する
と、図４のような手順になる。先ず、入力ベクトル（入
力変数の組み）の属する操作領域（分類（クラス））を
決定する（ステップ４０２）。この操作領域は、近似的
に任意に決定できるので、各特徴パラメータの上位ビッ
トで表現できる部分空間に対応させれば、ＡＮＤ計算と
偏微分・状態属性のテーブル４１０を参照することによ
り実行できる。ここで決定された操作領域の情報は、デ
ータ４１１（入力ベクトルのクラス）に格納される。次
に、各入力変数に対する表（関数テーブル）４１３の参
照を行う。具体的には、前式（数８）で与えられた各入
力ごとの一変数の関数を予め計算したテーブル４１３を
参照する。このテーブル値に基づいて、更新値を決定す
る（ステップ４０３）。次に、図２と同じようにして、
推論式を選択し（ステップ４０４）、関数テーブル４１
３の値に基づいて、式（数８）より状態属性を決定する
（ステップ４０５）。決定された状態属性はパラメータ
ファイル１１０に格納される。

【００１０】次に、本発明の実施例２の状態属性の計算
について説明する。実施例２では、状態属性の決定にニ
ューラルネットワークを用いた例を示す。図６は、実施
例２を示す状態属性計算処理のフローチャートであり、
図７は、ニューラルネットワークの構成図と結合係数の
学習方法、および出力の計算方法を示すフローチャート
である。実施例１に比べて、ステップ１０５がステップ
６０１に置き換わっている。それ以外のステップは、図
１と全く同じであるため、説明を省略する。このステッ
プ６０１は、ニューラルネットワーク（以下、ＮＮ）を
用いて状態属性を決定する手順である。ここでは、図７
のようなＮＮを用いている。ＮＮは、図７（ａ）に示す
ようなニューロン素子をネットワーク状に結合したもの
（図７（ｂ）参照）である。ニューロン素子の出力は、
一般に入力の総和に対する関数として表現される。例え
ば、下式（数９）に示すようなシグモイド関数で表現さ
れることが多い。

【数９】 これを、実システムに適用する場合、例えば図７（ｂ）
に示すような階層型ネットワークを用いることができ
る。階層型ネットワークでは、左から入力層・中間層・
出力層となっており、本実施例では、入力層の各ノード
と分類を対応させ（具体的には、分類の属性値を入力に
する）、出力層に重み係数を対応さている。そして、所
望の入出力関係が得られるように、結合係数を調整す
る。

【００１１】結合係数の調整は、一般的な誤差逆伝播法
（ＢＰ法）によって実行できる。これは、下式（数１
０）で示すように、パラメータを修正する（丁度、誤差
が逆方向、つまり出力層から入力層に伝わっていくイメ
ージがあるため誤差逆伝播法と呼ばれる）。

【数１０】 この計算を、収束するまで繰り返し実行する。これを具
体的に表現すると、図７（ｃ）に示すようになる。ステ
ップ７０１〜７０５は図６におけるステップ６０１（Ｎ
Ｎを用いた状態属性の計算）を処理するための結合係数
６１０を計算する手順である。先ず、学習データが入力
すると（ステップ７０２）、入力された入出力関係に基
づいて、前式（数１０）に従ってパラメータ（結合係
数）を修正する（ステップ７０３）。修正された結合係
数は、ＮＮ結合係数ファイル６１０に格納（更新）され
る。そして、収束判定を行い（ステップ７０４）、収束
しない場合にはステップ７０２へ戻り、収束した場合に
は処理を終了する（ステップ７０５）。ステップ７０４
においては、ＮＮの場合、最小にする評価関数（通常、
エネルギー関数と呼ばれる）は多嶺性（極小値が複数存
在する）を示すため（極小値＝最小値とは限らない）、
図１で示したような方法（線形システムの収束判定）は
適用できない（局所最適の回避問題）。

【００１２】多くの場合、局所最適を回避する方法とし
て、確率的な方法、例えば、シミュレーテッドアニーリ
ング（ＳＡ）法などが用いられる。ＳＡ法では、一定の
確率頻度で、勾配を逆方向に探索する。この確率頻度
は、温度関数によって制御される。ＳＡ法では、この温
度関数を徐々に小さく（すなわち、確率頻度を少しづつ
小さくする）することで、確率的に準最適な解を求めよ
うとするものである。このＳＡ法を用いた場合、収束条
件は、温度関数がＴが徐々に０に近づき、０になった時
に、パラメータが収束を満たすことが必要になる。この
ように、ＮＮでは処理が複雑にはなるが、大枠では、図
７（ｃ）に示すフローで実行できる。このように学習さ
れた結合係数６１０を用いて、ステップ６０１は計算で
きる。これは、下式（数１１）により計算することがで
きる。

【数１１】 これを図７（ｄ）に示す。ここで、手順７０６〜７０９
は、手順６０１のサブルーチンに相当する。手順７０６
で処理を開始すると、手順７０７では、データ１１４よ
り偏微分値を入力する。これは、階層型ネットワークの
入力層に入力される。手順７０８では、数１５に従っ
て、順に各ノードの値を計算する。このうち、出力層に
あるノードの値を出力として得る。そして手順７０９で
終了する。

【００１３】図８は、本発明の実施例３を示す適応ノイ
ズキャンセラの構成図である。図８（ａ）では、適応ノ
イズキャンセラの構成が示されている。装置８０１は、
マイクロコンピュータである。装置８０２はマイクであ
って、ここでは音声入力用のマイクと雑音入力用のマイ
クの２系統の入力装置を用いる。これらは、音声入力信
号用のＡ／Ｄ変換装置８０３、および雑音信号入力用Ａ
／Ｄ変換装置８０４を用いて各々デジタル信号に変換さ
れる。これらは、マイクロコンピュータの演算装置（Ｃ
ＰＵ）８０５において数値的に処理され、スピーカ８０
６で出力される。図８（ｂ）には、適応ノイズキャンセ
ラの原理を示す。それぞれの入力系より、（雑音が重畳
された）音声信号Ｓｉ＋ｎ′ｉと雑音信号ｎｉが入力さ
れる。適応ノイズキャンセラでは、過去の雑音信号から
現在の雑音信号を推定（当然現在の信号は未知）し、こ
れと逆位相の信号を雑音重畳音声に加えることで、能動
的に雑音を除去する。図８（ｂ）では、過去の雑音信号
から現在の雑音信号を推定したアダプティブフィルタ８
１８を、音声信号出力をフィードバックして入力したア
ダプティブコントロール８１７により制御し、条件が異
なる雑音に整形して演算器８０９で雑音重畳音声に加え
る。

【００１４】図９は、本発明の実施例３を示す雑音除去
方法の動作フローチャートである。処理が開始されると
（ステップ９０１）、まず、音声（雑音を含む）のＡ／
Ｄ変換を行い（ステップ９０２）、次に雑音信号のＡ／
Ｄ変換を行う（ステップ９０３）。本実施例の適応ノイ
ズキャンセラでは、雑音マイクによる信号（n）から、
音声信号に重畳されている雑音（n'）を適応的に推定
し、これを相殺する。ここで、推定信号（y）は、下式
（数１２）により計算される。

【数１２】 このパラメータの調整は、先に示したように、例えば二
乗誤差を最小にするように適応的に調整すればよい。適
応処理（ステップ９０４）における状態属性は前式（数
５）で与えられる。前述のように状態属性Ｐ₀はｉに対
しω（適合度）を乗じて、入力が複数であれば全体とし
てどのくらいの適合度であるのかを評価するものであっ
て、ωはフィルタ係数（タップ係数）である。ステップ
９０４では、このタップ係数を、実施例１あるいは２の
適応処理方法によって処理する。すなわち、ステップ９
０４は、図１に示すステップ１０１〜１０８をサブルー
チンとして処理する。次に、ステップ９０５では、更新
されたパラメータに従って、前式（数１２）により重畳
雑音（n'）を推定する。これを、ステップ９０６で音声
信号と比較・相殺（具体的には、音声信号から推定信号
を引く）し、ステップ９０７で出力するとともに、雑音
除去音声信号をファイル９１３に格納する。このように
して得られた音声信号９１３は、重畳雑音（n"）が極め
て小さく抑制される。

【００１５】図１０は、本発明の実施例４を示す適応ノ
イズキャンセラの原理図である。ここでは、実施例１，
２の適応処理に基づく他の雑音除去方法および装置の例
を述べている。この装置は、図８（ａ）と同じように２
入力系のマイコンで処理されるものとする。本実施例で
は、図１０に示すように、雑音そのものをサンプリング
してスピーカで逆位相の音を発声させ、雑音そのものを
相殺する。従って、それぞれの入力系は、雑音信号（出
力された音声を含まない信号）と参照信号（出力された
信号によって相殺された後の信号）が入力される。すな
わち、参照波形をマイク１００２で取り込むとともに、
雑音波形をマイク１００１で取り込み、それぞれＡ／Ｄ
変換器１００３，１００４でディジタル信号に変換した
後、適応処理部１００６で図１に示す適応処理のサブル
ーチン処理により状態属性を計算し、パラメータを更新
して、フィルタ１００７を制御することにより、上記更
新されたパラメータに従って雑音自体の逆位相の音声を
生成させる。そして、Ｄ／Ａ変換器１００８でアナログ
信号に変換してスピーカ１００９より出力する。すなわ
ち、本実施例のスピーカは能動雑音を発生させることに
より能動制御を行うもので、スピーカ１００９からの逆
位相雑音を人のいる場所にフィードバックをかけて音声
に入力する雑音を除去するものである。この場合には、
パラメータ雑音と出力音声とが重畳する位置（参照波形
の位置）において雑音は減少される。

【００１６】図１１は、本発明の実施例４を示す雑音除
去方法の動作フローチャートである。処理が開始される
と（ステップ１１０１）、まず雑音信号のＡ／Ｄ変換を
（ステップ１１０３）、参照信号のＡ／Ｄ変換を行う
（ステップ１１０２）。本実施例の適応ノイズキャンセ
ラでは、参照マイクによる信号（n）を最も小さくする
ように出力信号を生成する。この出力信号は、先に示し
た例と同様に、雑音信号をＦＩＲに通す（過去の雑音信
号とパラメータの線形和で表現される）ことによって計
算される。ここで、ωはフィルタ係数（タップ係数）で
ある。これの調整も、前述の図９の例と同様である。適
応処理部では、このタップ係数を、実施例１あるいは２
の適応処理方法、すなわち、図１のステップ１０１〜１
０８をサブルーチンとして処理する（ステップ１１０
４）。次に、適応処理により更新されたパラメータに従
って出力音声を生成する（ステップ１１０５）。これに
より、雑音と出力音声とが重畳する位置（参照マイクの
位置）において、雑音を減少させることができる。

【００１７】図１２は、本発明の実施例５を示すアダプ
ティブスピーカの構成図および原理図である。アダプテ
ィブスピーカとは、出力信号を適応的に調整することが
可能なスピーカのことであって、所望の出力特性を得る
ことができる。これは、図１２（ａ）に示すように、ス
ピーカ８０６とマイコン８０１によって構成される。た
だし、ここでは入力装置８０７と入力端子８０８を具備
するものとする。すなわち、マイコン８０１は入力装置
８０７と処理装置８０５で構成される。アダプティブス
ピーカの原理を、図１２（ｂ）で説明する。ここでは、
マスタースレーブ方式（栗山：アダプティブスピーカ，
日本音響学会誌，Vol.48，No.7，pp.509-512，(1992)）
による実現例を示す。入力信号は、２つに分かれている
（（１）と（２））。一方の入力信号（１）は、遅延回
路８１１を経て所望の伝達特性を持つ参照回路８１２に
入力される。もう一方の入力信号（２）は、適応フィル
タ８１０を経てスピーカ出力８１５となる。このスピー
カ出力（２′）をサンプリングし、所望の出力特性が得
られているかを、参照回路８１２からの出力と比較器８
１６で比較する。この誤差が最小になるように、適応フ
ィルタ８１３のパラメータを適応コントロール回路８１
４で決定する。パラメータの調整は、本発明の方法に従
えば良い。誤差が０に近くなった時点で、点線矢印の経
路で適応フィルタ８１０に複写（コピー）して入力信号
（２）を入力させ、スピーカ８１５に出力させる。

【００１８】図１３は、本発明の実施例５を示すアクテ
ィブスピーカの処理フローチャートである。処理がスタ
ートすると（ステップ１３０１）、先ず（現在のパラメ
ータを用いて）出力したスピーカの音をサンプリングす
る（ステップ１３０２）。このスピーカ出力の特性を分
析し、（ステップ１３０３）、また、スピーカを通さず
に遅延回路８１１と参照回路（所望の出力特性を持つ回
路）８１２を通した信号とを比較する（ステップ１３０
４）。そして、比較の結果、パラメータを調整する（ス
テップ１３０５）。この方法は、本発明の実施例１およ
び２によって実現できる。マスタースレーブ方式は、こ
こで決定されたパラメータを、スピーカ出力を決定する
フィルタにコピーする必要があるため、パラメータをコ
ピーし（ステップ１３０６）、終了する（ステップ１３
０７）。実際の処理では、この一連の処理を繰り返すこ
とになる。

【００１９】

【発明の効果】以上説明したように、本発明によれば、
ＬＭＳをベースにしているため、ＲＬＳに必要な倍精度
浮動小数演算も必要なく、安価なマイコンでも、収束の
速い、高性能の適応アルゴリズムが比較的簡単に実現で
きる。

【図面の簡単な説明】

【図１】本発明の実施例１を示す適応処理方法の全体フ
ローチャートである。

【図２】実施例１における状態属性の計算方法（ステッ
プ１０５）を示す動作フローチャートである。

【図３】本発明の曖昧推論による状態属性の表現図であ
る。

【図４】実施例１におけるパラメータの更新方法（ステ
ップ１０６）を示す動作フローチャートである。

【図５】本発明の曖昧推論によるパラメータの更新の説
明図である。

【図６】本発明の実施例２を示す適応処理方法の全体フ
ローチャートである。

【図７】実施例２におけるＮＮによる状態属性の計算方
法（手順６０１）を示す説明図である。

【図８】本発明の実施例３を用いた適応ノイズキャンセ
ラの構成例である。

【図９】本実施例３の雑音除去方法の全体フローチャー
トである。

【図１０】本発明の実施例４を示す雑音除去方法の説明
図である。

【図１１】実施例４の雑音除去方法の全体フローチャー
トである。

【図１２】本発明の実施例５を示すアダプティーブスピ
ーカの構成図である。

【図１３】実施例５のアダプティブスピーカの動作フロ
ーチャートである。

【符号の説明】

１１０…パラメータ，１１１…入力，１１２…予測値，
１１３…二乗誤差，１１４…偏微分，１１５…状態属
性，１１６…収束過程情報，２１０…偏微分・二乗誤
差，２１１…入力ベクトルのクラス,２１２…クラス,２
１３…関数テーブル，２１４…状態属性，４１０…偏微
分・状態属性，４１１…入力ベクトルのクラス，４１２
…クラス，４１３…関数テーブル，６１０…結合係数，
８０１…マイコン，８０２…マイク，８０３…Ａ／Ｄ変
換装置，８０４…Ａ／Ｄ変換装置，８０５…処理装置，
８０６…スピーカ，８０７…入力装置，８０８…入力端
子，８０９…比較器，８１０…適応処理部，８１１…遅
延回路，８１２…参照回路，８１３…適応処理部，８１
４…アダプティブコントロール,８１５…スピーカ,８１
６…比較器，９１０…音声信号（Ｎ−１ステップ），９
１１…雑音信号（Ｎ−１ステップ），９１２…音声信号
（Ｎステップ），９１３…雑音除去音声信号，１００１
…マイク，１００２…マイク，１００３…Ａ／Ｄ変換
器，１００４…Ａ／Ｄ変換器，１００５…フィルタ，１
００７…フィルタ，１００６…適応処理部，１００８…
Ｄ／Ａ変換器，１００９…スピーカ，１１１０…参照信
号，１１１１…雑音信号，１１１３…雑音除去音声信
号。

Claims (9)

【特許請求の範囲】
1. 【請求項１】 線形ディジタルフィルタのタップ係数
   を、所望の特性に最適に追従させるため動的に変更する
   方法で、かつ所望の出力と現在のパラメータによって出
   力される予測値の二乗誤差を最小にすることで、所望の
   システムに追従させる方法（ＬＳ法）を用いた適応処理
   方法であって、 上記二乗誤差の値および各パラメータごとの偏微分値を
   計算する第１のステップと、 上記第１のステップにより求められた偏微分値からパラ
   メータの状態を表わす状態属性値を計算する第２のステ
   ップと、 上記第１のステップで求めた二乗誤差の値および偏微分
   値と、第２のステップにより求めた状態属性値から新し
   いパラメータを計算する第３のステップとを有すること
   を特徴とするディジタル信号の適応処理方法。
2. 【請求項２】 請求項１に記載のディジタル信号の適応
   処理方法において、 前記状態属性値を計算する第２のステップでは、各パラ
   メータの偏微分値から状態属性を曖昧推論によって求め
   るため、各パラメータごとに曖昧推論に必要な定数のテ
   ーブルを備え、 また、前記新しいパラメータを計算する第３のステップ
   では、二乗誤差の値と状態属性値とパラメータの偏微分
   値とから新しいパラメータの修正分を曖昧推論によって
   求めるため、各パラメータごとに曖昧推論に必要な定数
   のテーブルを備えることを特徴とするディジタル信号の
   適応処理方法。
3. 【請求項３】 請求項１に記載のディジタル信号の適応
   処理方法において、 前記状態属性値を計算する第２のステップでは、各パラ
   メータの偏微分値から状態属性をニューラルネットワー
   クによって求めるため、各ノードごとの結合（重み）係
   数のテーブルを備え、 また、前記新しいパラメータを計算する第３のステップ
   では、二乗誤差の値と状態属性値とパラメータの偏微分
   値とから新しいパラメータの修正分をにニューラルネッ
   トワークよって求めるため、各パラメータごとにニュー
   ラルネットワークの計算に必要な結合定数のテーブルを
   備えることを特徴とするディジタル信号の適応処理方
   法。
4. 【請求項４】 請求項２に記載のディジタル信号の適応
   処理方法において、 前記状態属性値を計算する第２のステップでは、各パラ
   メータの偏微分値から状態属性値を求める曖昧推論を高
   速に実行するため、各パラメータごとに処理の一部に相
   当する一変数の関数を事前計算し、計算された該関数を
   テーブル化したものを保有することを特徴とするディジ
   タル信号の適応処理方法。
5. 【請求項５】 請求項２に記載のディジタル信号の適応
   処理方法において、 前記新しいパラメータを計算する第３のステップでは、
   二乗誤差の値と状態属性値とパラメータの偏微分値とか
   ら新しいパラメータの修正分を求める曖昧推論を高速に
   実行するため、各パラメータごとに処理の一部に相当す
   る一変数の関数を事前計算し、計算された該関数をテー
   ブル化したものを保有することを特徴とするディジタル
   信号の適応処理方法。
6. 【請求項６】 過去の雑音信号から現在の雑音信号を予
   測し、予測された雑音信号と逆位相の信号を実信号に加
   えて能動的に雑音を除去する雑音除去方法において、 現在の雑音信号値と予測システムの予測値との比較か
   ら、請求項１の各ステップに示す適応処理を用いて予測
   システムパラメータを修正する第１のステップと、 上記第１のステップで修正したパラメータに基づいて現
   在の雑音信号を推定する第２のステップと、 上記第２のステップで推定した予測値と逆位相の信号を
   実信号に加えて能動的に雑音を除去する第３のステップ
   とを有することを特徴とする雑音除去方法。
7. 【請求項７】 過去の雑音信号から現在の雑音信号を予
   測し、予測された雑音信号と逆位相の信号を実信号に加
   えて能動的に雑音を除去する適応ノイズキャンセラであ
   って、 雑音が重畳された音声、および雑音信号をそれぞれ入力
   するマイクロホンと、 過去の雑音信号から現在の雑音信号を曖昧推論により推
   定する適応処理手段と、 推定された雑音信号と逆位相の信号を雑音が重畳された
   音声信号に加えて雑音を除去する手段とを具備すること
   を特徴とする適応ノイズキャンセラ。
8. 【請求項８】 雑音自体をサンプリングしてスピーカで
   逆位相の音を発声させ、上記雑音自体を相殺する適応ノ
   イズキャンセラであって、 音声を含まない雑音信号および出力された信号により相
   殺された後の参照信号のＡ／Ｄ変換を行う手段と、 雑音信号を適応処理して、過去の雑音信号とパラメータ
   の線形和で示す信号を生成する手段と、 上記手段で更新されたパラメータに従って出力音声を生
   成する手段とを具備することを特徴とする適応ノイズキ
   ャンセラ。
9. 【請求項９】 適応処理を用いて音響システムの出力特
   性を調整する適応型音響システムであって、 上記音響システムの実際値と理想的な伝達特性における
   理論的な計算値との比較を行う第１の手段と、 上記比較の結果、誤差が最小になるように、二乗誤差の
   値および各パラメータごとの偏微分値を計算し、求めた
   偏微分値からパラメータの状態を表わす状態属性値を計
   算し、上記二乗誤差の値、上記偏微分値および上記状態
   属性値から新しいパラメータを計算することにより、音
   響システムのシステムパラメータを修正する第２の手段
   とを具備することを特徴とする能動的音響システム。