JP6187626B1 - 収音装置及びプログラム - Google Patents

Abstract

【課題】 目的エリアを音源とする音を収音するエリア収音を行う際に、収音した音の音質をより向上させる。【解決手段】 本発明はエリア収音を行う収音装置に関する。そして、本発明の収音装置は、マイクロホンアレイから入力された入力信号に含まれる背景雑音を推定した推定雑音のパワーと、非目的エリア音のパワーとに基づいて、目的エリア音に混合する混合信号の音量レベルを算出し、算出した混合信号の音量レベルに基づいて、混合信号に混合させる入力信号の音量レベルと推定雑音の音量レベルを調整し、算出された音量レベルに調整した入力信号と、算出された音量レベルに調整した前記推定雑音とを混合させた混合後目的エリア音を生成して出力することを特徴とする。【選択図】 図１

Description

本発明は、収音装置及びプログラムに関し、例えば特定のエリアの音を強調し、それ以外のエリアの音を抑圧する場合に適用し得るものである。

複数の音源が存在する環境下において、ある特定の方向の音のみ分離し収音する技術として、マイクロホンアレイを用いたビームフォーマ（Ｂｅａｍ Ｆｏｒｍｅｒ；以下、「ＢＦ」と呼ぶものとする）がある。ＢＦとは、各マイクロホンに到達する信号の時間差を利用して指向性を形成する技術である（非特許文献１参照）。ＢＦは、加算型と減算型の大きく２つの種類に分けられる。特に減算型ＢＦは、加算型ＢＦに比べ、少ないマイクロホン数で指向性を形成できるという利点がある。図６は、マイクロホン数が２個の場合の従来の減算型ＢＦを適用した収音装置ＰＳに係る構成を示すブロック図である。従来の減算型ＢＦを適用した収音装置ＰＳは、まず遅延器により目的とする方向に存在する音（以下、「目的音」と呼ぶ）がマイクロホンＭ１、Ｍ２に到来する信号の時間差を算出し、遅延を加えることにより目的音の位相を合わせる。

収音装置ＰＳにおいて、時間差は下記（１）式により算出される。（１）式においてｄはマイクロホン間の距離、ｃは音速、τ_ιは遅延量である。また、（１）式において、θ_Ｌは、各マイクロホンを結んだ直線に対する垂直方向から目的方向への角度である。
τ_Ｌ＝（ｄｓｉｎθ_Ｌ）／ｃ …（１）

ここで、収音装置ＰＳは、死角がマイクロホンＭ１とマイクロホンＭ２の中心に対し、マイクロホンＭ１の方向に存在する場合、マイクロホンＭ１の入力信号χ_１（τ）に対し遅延処理を行う。その後、収音装置ＰＳは、（２）式に従い減算器により信号処理を行う。
ｍ（ｔ）＝ｘ_２（ｔ）−ｘ_１（ｔ−τ_Ｌ） …（２）

収音装置ＰＳにおいて、減算処理は周波数領域でも同様に行うことができ、その場合（２）式は以下の（３）式のように変更される。

θ_Ｌ＝±π／２の場合、収音装置ＰＳにおいて形成される指向性は図７（Ａ）に示すように、カージオイド型の単一指向性となる。また、θ_Ｌ＝０，πの場合、収音装置ＰＳにおいて形成される指向性は、図７（Ｂ）のような８の字型の双指向性となる。なお、以下では、入力信号から単一指向性を形成するフィルタを「単一指向性フィルタ」と呼び、双指向性を形成するフィルタを「双指向性フィルタ」と呼ぶものとする。

また、収音装置ＰＳでは、スペクトル減算法（Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ；以下、「ＳＳ」と呼ぶ）を用いることで、双指向性の死角に強い指向性を形成することもできる。ＳＳによる指向性は、（４）式に従い全周波数、もしくは指定した周波数帯域で形成される。（４）式では、マイクロホンＭ１の入力信号Χ_１を用いているが、マイクロホンＭ２の入力信号Χ_２でも同様の効果を得ることができる。（４）式において、βはＳＳの強度を調節するための係数である。収音装置ＰＳでは、ＳＳの処理（減算処理）の際に値がマイナスになった場合は、０または元の値を小さくした値に置き換えるフロアリング処理を行う。収音装置ＰＳでは、ＳＳの処理を適用することにより、双指向性フィルタにより目的方向以外に存在する音（以下、「非目的音」と呼ぶ）を抽出し、抽出した非目的音の振幅スペクトルを入力信号の振幅スペクトルから減算することで、目的音を強調することができる。
Ｙ（ｎ）＝Ｘ_１（ｎ）−βＭ（ｎ） …（４）

従来の収音装置ＰＳにおいて、ある特定のエリア内に存在する音（以下、「目的エリア音」と呼ぶ）だけを収音したい場合、減算型ＢＦを用いるだけでは、そのエリアの周囲に存在する音源（以下、非目的エリア音）も収音してしまう可能性がある。

そこで特許文献１では、複数のマイクロホンアレイを用い、それぞれ別々の方向から目的エリアへ指向性を向け、指向性を目的エリアで交差させることで目的エリア音を収音するエリア収音装置を提案している。特許文献１に記載されたエリア収音装置では、まず各マイクロホンアレイのＢＦ出力に含まれる目的エリア音のパワーの比率を推定し、それを補正係数とする。特許文献１に記載のエリア収音装置において、例として２つのマイクロホンアレイを使用する場合、目的エリア音パワーの補正係数は、以下の（５）、（６）式、又は以下の（７）、（８）式により算出される。

（５）〜（８）式において、Ｙ_１κ（ｎ）、Ｙ_２κ（ｎ）は第１、第２のマイクロホンアレイのＢＦ出力の振幅スペクトルを表し、Ｎは周波数ビンの総数を表し、κは周波数を表し、α_１（ｎ）、α_２（ｎ）は各ＢＦ出力に対するパワー補正係数を表す。また、（５）〜（８）式において、ｍｏｄｅは最頻値を表し、ｍｅｄｉａｎは中央値を表している。

その後、特許文献１に記載された収音装置では、補正係数により各ＢＦ出力を補正し、ＳＳすることで、目的エリア方向に存在する非目的エリア音を抽出する。特許文献１に記載された収音装置では、更に抽出した非目的エリア音を各ＢＦの出力からＳＳすることにより目的エリア音を抽出することができる。特許文献１に記載された収音装置では、第１のマイクロホンアレイからみた目的エリア方向に存在する非目的エリア音Ｎ_１（ｎ）を抽出する際に、以下の（９）式に示すように、第１のマイクロホンアレイのＢＦ出力Ｙ_１（ｎ）から第２のマイクロホンアレイのＢＦ出力Ｙ_２（ｎ）にパワー補正係数α_２を掛けたものをＳＳする。また、特許文献１に記載された収音装置は、第２のマイクロホンアレイからみた目的エリア方向に存在する非目的エリア音Ｎ_２（ｎ）を抽出する場合、（１０）式に従った計算を行って抽出する。
Ｎ_１（ｎ）＝Ｙ_１（ｎ）−α_２（ｎ）Ｙ_２（ｎ） …（９）
Ｎ_２（ｎ）＝Ｙ_２（ｎ）−α_１（ｎ）Ｙ_１（ｎ） …（１０）

その後、特許文献１に記載された収音装置は、（１１）、（１２）式に従い、各ＢＦ出力から非目的エリア音をＳＳして目的エリア音を抽出する。（１１）、（１２）式において、γ_１（ｎ）、γ_２（ｎ）はＳＳ時の強度を変更するための係数である。
Ｚ_１（ｎ）＝Ｙ_１（ｎ）−γ_１（ｎ）Ｎ_１（ｎ） …（１１）
Ｚ_２（ｎ）＝Ｙ_２（ｎ）−γ_２（ｎ）Ｎ_２（ｎ） …（１２）

特開２０１４−０７２７０８号公報 特願２００５−１９５９５５号公報

浅野太著，"音響テクノロジーシリーズ１６ 音のアレイ信号処理−音源の定位・追跡と分離−"，日本音響学会編，コロナ社，２０１１年２月２５日発行

しかしながら、特許文献１の手法では、背景雑音や非目的エリア音の音量レベルが大きい場合、目的エリア音抽出の際に行うＳＳにより、目的エリア音が歪んだり、ミュージカルノイズという耳障りな異音が発生する可能性がある。特許文献１の手法では、これらの影響により音が聞き取りにくくなり、音による円滑なコミュニケーションが阻害される恐れがある。

また、特許文献２に記載された収音装置では、音声区間検出の精度に依存しているため、雑音のレベルが大きい場合、音声区間検出精度が低くなってしまい、安定してミュージカルノイズを抑制することが難しい。また、特許文献２に記載された収音装置では、あくまで非音声区間でのみミュージカルノイズのマスキングを行うため、目的エリア（特定のエリア）内を音源とする音のみ収音する場合、目的エリア以外の非目的エリア音が音声であると認識することができない。

そのため、目的エリアを音源とする音を収音するエリア収音を行う際に、収音した音の音質をより向上させる（例えば、目的エリア音の歪みやミュージカルノイズを抑制する）ことができる収音装置及びプログラムが望まれている。

第１の本発明の収音装置は、（１）マイクロホンアレイから入力された入力信号に含まれる背景雑音を推定して推定雑音として取得し、取得した前記推定雑音を用いて、前記入力信号の雑音成分を抑圧して雑音抑圧後信号を取得する雑音抑圧手段と、（２）前記雑音抑圧後信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、（３）前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出部と、（４）前記推定雑音のパワーと、前記第１の非目的エリア音のパワーと、前記第２の非目的エリア音のパワーとに基づいて、前記目的エリア音に混合する混合信号として前記マイクロホンアレイから入力された前記入力信号と、前記雑音抑圧手段が推定した前記推定雑音とを混合した信号を生成し、前記混合信号の音量レベルを算出する混合レベル算出手段と、（５）前記混合レベル算出手段が算出した前記混合信号の音量レベルに基づいて、前記混合信号に混合させる前記入力信号の音量レベルと、前記混合信号に混合させる前記推定雑音の音量レベルを調整する混合レベル調整手段と、（６）前記目的エリア音に、前記混合レベル調整手段で算出された音量レベルに調整した前記入力信号と、前記混合レベル調整手段で算出された音量レベルに調整した前記推定雑音とを混合させた混合後目的エリア音を生成して出力する信号混合手段とを有することを特徴とする。

第２の本発明の収音プログラムは、コンピュータを、（１）マイクロホンアレイから入力された入力信号に含まれる背景雑音を推定して推定雑音として取得し、取得した前記推定雑音を用いて、前記入力信号の雑音成分を抑圧して雑音抑圧後信号を取得する雑音抑圧手段と、（２）前記雑音抑圧後信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、（３）前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出部と、（４）前記推定雑音のパワーと、前記第１の非目的エリア音のパワーと、前記第２の非目的エリア音のパワーとに基づいて、前記目的エリア音に混合する混合信号として前記マイクロホンアレイから入力された前記入力信号と、前記雑音抑圧手段が推定した前記推定雑音とを混合した信号を生成し、前記混合信号の音量レベルを算出する混合レベル算出手段と、（５）前記混合レベル算出手段が算出した前記混合信号の音量レベルに基づいて、前記混合信号に混合させる前記入力信号の音量レベルと、前記混合信号に混合させる前記推定雑音の音量レベルを調整する混合レベル調整手段と、（６）前記目的エリア音に、前記混合レベル調整手段で算出された音量レベルに調整した前記入力信号と、前記混合レベル調整手段で算出された音量レベルに調整した前記推定雑音とを混合させた混合後目的エリア音を生成して出力する信号混合手段として機能させることを特徴とする。

本発明によれば、目的エリアを音源とする音を収音するエリア収音を行う際に、収音した音の音質をより向上させることができる。

実施形態に係る収音装置の機能的構成について示したブロック図である。 実施形態に係るマイクロホンの位置関係の例について示した説明図である。 実施形態に係る２つのマイクロホンアレイのビームフォーマ（ＢＦ）による指向性を別々の方向から目的エリアへ向けた場合の構成例について示した説明図である。 実施形態に係る収音装置において、エリア収音に入力信号及び推定雑音を混合する処理の例について示した説明図である。 実施形態に係る収音装置の効果を証明するための実験結果について示した説明図である。 従来の収音装置の構成について示したブロック図である。 従来の指向性フィルタにより形成される指向特性の一例を説明する説明図である。

（Ａ）主たる実施形態
以下、本発明による収音装置及びプログラムの一実施形態を、図面を参照しながら詳述する。

（Ａ−１）実施形態の構成
図１は、この実施形態の収音装置１００の機能的構成について示したブロック図である。

収音装置１００は、２つのマイクロホンアレイＭＡ（ＭＡ１、ＭＡ２）を用いて、目的エリアの音源からの目的エリア音を収音する目的エリア音収音処理を行う。

マイクロホンアレイＭＡ１、ＭＡ２は、目的エリアが存在する空聞の任意の場所に配置される。目的エリアに対するマイクロホンアレイＭＡ１、ＭＡ２の位置は、例えば、図３に示すように、指向性が目的エリアでのみ重なればどこでも良く、例えば目的エリアを挟んで対向に配置しても良い。各マイクロホンアレイＭＡは２つ以上のマイクロホンＭから構成され、各マイクロホンＭにより音響信号を収音する。この実施形態では、各マイクロホンアレイＭＡに、３つのマイクロホンＭ１、Ｍ２、Ｍ３が配置されるものとして説明する。すなわち、各マイクロホンアレイＭＡは、３ｃｈマイクロホンアレイを構成している。なお、マイクロホンアレイＭＡの数は２つに限定するものではなく、目的エリアが複数存在する場合、全てのエリアをカバーできる数のマイクロホンアレイＭＡを配置する必要がある。

図２は、各マイクロホンアレイＭＡにおけるマイクロホンＭ１、Ｍ２、Ｍ３の位置関係について示した説明図である。

図２に示すように、各マイクロホンアレイＭＡでは、２つのマイクロホンＭ１、Ｍ２を目的エリアの方向に対して水平となるように配置し、さらにそのマイクロホンＭ１、Ｍ２を結んだ直線と直行し、かつどちらかのマイクロホンＭ１、Ｍ２を通る直線上にマイクロホンＭ３が配置されている。この際、マイクロホンＭ３、Ｍ２間の距離は、マイクロホンＭ１、Ｍ２間の距離と同じとする。すなわち、３個のマイクロホンＭ１、Ｍ２、Ｍ３は、直角二等辺三角形の頂点となるように配置されているものとする。

収音装置１００は、信号入力部１、雑音抑圧部２、指向性形成部３、遅延補正部４、空間座標データ５、目的エリア音パワー補正係数算出部６、目的エリア音抽出部７、混合レベル算出部８、混合レベル調節部９、及び信号混合部１０を有している。収音装置１００を構成する各機能ブロックの詳細処理については後述する。

収音装置１００は、全てハードウェア（例えば、専用チップ等）により構成するようにしてもよいし一部又は全部についてソフトウェア（プログラム）として構成するようにしてもよい。収音装置１００は、例えば、プロセッサ及びメモリを有するコンピュータにプログラム（実施形態の収音プログラムを含む）をインストールすることにより構成するようにしてもよい。

この実施形態の収音装置１００は、背景雑音と非目的エリア音の大きさに応じて、いずれかのマイクロホンアレイＭＡからの入力信号と推定雑音の音量レベルをそれぞれ調節し、抽出した目的エリア音に混合するものとする。

目的エリア音を抽出する処理により発生するミュージカルノイズは、背景雑音と非目的エリア音の音量レベルが大きいほど強くなる。そこで、収音装置１００では、混合する入力信号と推定雑音の総和の音量レベルも、背景雑音と非目的エリア音の音量レベルに比例して大きくする。収音装置１００では、混合する背景雑音の音量レベルを、背景雑音を抑圧する過程で求める推定雑音から算出する。また、収音装置１００では、混合する非目的エリア音の音量レベルを、目的エリア音を強調する過程で抽出する目的エリア方向に存在する非目的エリア音と、目的エリア方向以外に存在する非目的エリア音を合わせたものから算出する。

また、収音装置１００では、混合する入力信号と推定雑音の比率を、推定雑音と非目的エリア音の音量レベルから決定する。目的エリアの近くに非目的エリア音が存在する場合、混合する入力信号の音量レベルが大きすぎると目的エリア音に非自的エリア音が混入し、どちらが目的エリア音なのかが分からなくなってしまう。そこで、収音装置１００は、非目的エリア音が大きいときは混合する入力信号の音量レベルを下げ、推定雑音の音量レベルを大きくして混合する。つまり、収音装置１００は、非目的エリア音が存在しないか音量レベルが小さい場合は入力信号の割合を多くし、逆に非目的エリア音の音量レベルが大きい場合推定雑音の割合を多くして混合する。

（Ａ−２）実施形態の動作
次に、以上のような構成を有するこの実施形態の収音装置１００の動作を説明する。

信号入力部１は、各マイクロホンアレイでＭＡ１、ＭＡ２収音した音響信号をアナログ信号からデジタル信号に変換し入力する。その後、例えば高速フーリエ変換を用いて時間領域から周波数領域へ変換する。

雑音抑圧部２は、信号入力部１で取得した信号に含まれる背景雑音の成分を推定し、抑圧する。雑音抑圧部２における雑音抑圧処理には、例えば、ＳＳやウィーナーフィルタリング法（Ｗｉｅｎｅｒ ｆｉｌｔｅｒｉｎｇ）などを用いることができる。

指向性形成部３は、マイクロホンアレイＭＡ毎に、目的方向以外に存在する非目的エリア音を抽出（例えば、双指向性フィルタにより抽出）し、抽出した非目的エリア音の振幅スペクトルを入力信号の振幅スペクトルから減算することで、目的エリア方向に指向性を形成した音（ＢＦ出力）を取得する。具体的には、指向性形成部３は、マイクロホンアレイＭＡ毎に雑音抑圧部２により背景雑音を抑圧した信号に対し、（４）式に従いＢＦにより目的エリア方向に指向性を形成した音をＢＦ出力として取得する。したがって、この実施形態において、指向性形成部３は、マイクロホンアレイＭＡ毎に、目的エリア方向に指向性を形成したＢＦ出力を取得するとともに、ＢＦ出力を取得する過程で得られた目的エリア方向以外の方向に指向性を形成した非目的エリア音も保持する。なお、指向性形成部３において、ＢＦ出力と、目的エリア方向以外の方向に指向性を形成した非目的エリア音を取得する具体的な演算処理方法いついては限定されないものである。

遅延補正部４は、目的エリアと各マイクロホンアレイの距離の違いにより発生する遅延を算出し、補正する。まず空間座標データ５から目的エリアの位置と各マイクロホンアレイＭＡの位置を取得し、各マイクロホンアレイへＭＡの目的エリア音の到達時間の差を算出する。次に最も目的エリアから遠い位置に配置されたマイクロホンアレイＭＡを基準として、全てのマイクロホンアレイＭＡに目的エリア音が同時に到達するように遅延を加える。

空間座標データ５は、全ての目的エリアの位置情報と、各マイクロホンアレイＭＡの位置情報を保持する。

目的エリア音パワー補正係数算出部６は、各ＢＦ出力に含まれる目的エリア音成分のパワーを同じにするための補正係数を（５）、（６）式または（７）、（８）式に従い算出する。

目的エリア音抽出部７は、目的エリア音パワー補正係数算出部６で算出した補正係数により補正した各ＢＦ出力データを（９）式又は（１０）式に従ってＳＳし、目的エリア方向に存在する非目的エリア音を抽出する。さらに、目的エリア音抽出部７は、抽出した非目的エリア音を各ＢＦの出力から（１１）式又は（１２）式に従いＳＳすることで目的エリア音を抽出する。

混合レベル算出部８は、雑音抑圧部２で推定した推定雑音と、指向性形成部３で抽出した目的エリア方向以外の非目的エリア音と、目的エリア音抽出部７で抽出した目的エリア音方向の非目的エリア音のパワーを算出し、それらの合計値の大きさから、目的エリア音に混合する入力信号と背景雑音の総音量レベル（混合信号の音量レベル）を決定する。なお、収音装置１００において、マイクロホンアレイＭＡ１を主としてエリア収音を行う場合、（１１）式によりマイクロホンアレイＭＡ１の入力信号から推定した推定雑音Ｂ_１（ｎ）と、式（３）に従い抽出した目的エリア方向以外の非目的エリア音Ｍ_１（ｎ）と、式（９）に従い抽出した目的エリア方向の非目的エリア音Ｎ_１（ｎ）との合計がＡ_１（ｎ）であるとき、混合レベルをδ_１Ａ_１（ｎ）とする。ここでδ_１は、目的エリア音Ｚ_１（ｎ）とＡ_１（ｎ）のＳＮ比に比例する変数であり、例えばＳＮ比０ｄＢでＡ_１（ｎ）を−２０ｄＢにする値とする。

混合レベル調節部９は、混合レベル算出部８により求めた混合レベルと、推定雑音と非目的エリア音のパワーの比から目的エリア音に混合する入力信号と推定雑音の音量レベルを調節する。

ここでは、目的エリア音抽出部７は、式（１１）に従いマイクロホンアレイＭＡ１を主としてエリア収音を行うものとして説明する。この場合、混合レベル調節部９は、混合する入力信号と推定雑音の比率を決める変数λ_１として、推定雑音Ｂ_１（ｎ）と、非目的エリア音（Ｍ_１（ｎ）＋Ｎ_１（ｎ））のパワーの比（Ｍ_１（ｎ）＋Ｎ_１（ｎ））／Ｂ_１（ｎ）に反比例した値を設定する。混合レベル調節部９は、例えば、（Ｍ_１（ｎ）＋Ｎ_１（ｎ））／Ｂ_１（ｎ）＝０のとき、λ_１＝１とする。またλ_１の取る範囲は０から１までとする。さらに混合レベルδ_１Ａ_１（ｎ）を満たすための変数μ_１は、（１３）式により算出されるものとする。なお、ここでは、マイクロホンアレイＭＡ１を主としてエリア収音を行うため、（１３）式において、マイクロホンアレイＭＡ１を形成する任意のマイクロホンから取得した入力信号Ｘ_１１（ｎ）を適用している。

信号混合部１０は、目的エリア音抽出部７で抽出した目的エリア音に、信号入力部１で取得した入力信号と、雑音抑圧部２で推定した雑音とを混合レベル調節部９で算出した比率に基づき混合する。ここでは、上述の通り、目的エリア音抽出部７は、式（１１）に従いマイクロホンアレイＭＡ１を主としてエリア収音を行う。したがって、信号混合部１０は、（１４）式を用いて信号を混合し、最終的な出力Ｗ_１（ｎ）を取得する。

（Ａ−３）実施形態の効果
この実施形態によれば、以下のような効果を奏することができる。

この実施形態の収音装置１００は、図４に示すように、目的エリアの周囲の雑音環境に応じて、マイクの入力信号と推定雑音を目的エリア音に混合する。

図４は、収音装置１００が入力エリアと推定雑音を調節して、目的エリア音に混合する処理について示した説明図である。

図４（Ａ）は、入力信号の波形（目的エリア音と雑音を含む波形）について示した図である。図４（Ｂ）は、入力信号と推定雑音を混合する前の目的エリア音の波形（ミュージカルノイズ及び歪みが発生した波形）について示した説明図である。図４（Ｃ）は、入力信号と推定雑音を混合した後の目的エリア音の波形について示した説明図である。

図４（Ｃ）に示すように、収音装置１００では、出力する目的エリア音において、ミュージカルノイズをマスキングし、通常の背景雑音のように違和感なく聞かせることができる。また、マイクロホンアレイＭＡ１からの入力信号にはもともと目的エリア音の成分が含まれているため、収音装置１００では、図４（Ｃ）に示すように目的エリア音に入力信号を混合することにより、目的エリア音の歪みを補正し、音質を改善する効果を奏する。さらに、収音装置１００では、非目的エリア音の音量レベルにより、混合する入力信号と推定雑音の音量レベルを調節するため、目的エリア音に混入する非目的エリア音を抑えることができる。

次に、収音装置１００における上述の効果を検証するため以下のような実験（以下、「本実験」と呼ぶ）を行った。本実験では、オフィス環境下において、目的エリア内とエリア外にそれぞれスピーカを１つずつ設置し、それぞれ目的エリア音と非目的エリア音の音声を再生する。

本実験では、この状況で、本発明の収音装置１００において信号混合部１０が出力する音響信号（エリア収音に入力信号と推定雑音を混合した音響信号）をスピーカ出力した音や、目的エリア音抽出部７が出力する音響信号（入力信号と推定雑音を混合する前のエリア収音の音響信号）をスピーカ出力した音を、それぞれ２０名の被験者に聞き比べてもらい、主観評価（当該２０名の被験者に対するアンケート調査）を行った。本実験の評価項目は、「強調感」（目的エリア音が強調されているかどうか）と「聞き取りやすさ」（目的エリア音が聞き取りやすいかどうか）とした。

図５は、本実験の主観評価の結果について示した説明図である。

本実験では、図５に示すように、「無処理」、「ＭＩＸ強」、「ＭＩＸ弱」、「エリア単体」の４つの条件で、それぞれ被験者に音を聴取させ、目的音について「強調感」と「聞き取りやすさ」を主観評価させた。図５（ａ）は、上述の４つの条件で被験者に音（目的音）の聴取をさせた場合の強調感（目的音の強調感）に関する主観評価の結果である。図５（ｂ）は、上述の４つの条件で被験者に目的音の聴取をさせた場合の聞き取りやすさ（目的音の聞き取りやすさ）に関する主観評価の結果である。本実験の主観評価には、被験者それぞれに対して、それぞれの条件で音の聴取をした後音声用ＭＯＳ（ｍｅａｎ ｏｐｉｎｉｏｎ ｓｃｏｒｅ）テストに従った方式で評価をさせた。本実験では、被験者それぞれに対して、それぞれの条件で人間の音声を目的音とした音声を聴取させ、その際の品質（音声の強調感、音声の聞き取りやすさ）を５段階評価（１が最も音質が悪く、５が最も音質が良い）で格付けさせた。図５では、その評価結果の平均値（被験者２０人の平均値）を示している。

本実験において、「無処理」の条件では、収音装置１００に入力される入力信号をそのままスピーカから出力した音を被験者に聴取させた。本実験において、「ＭＩＸ強」の条件では、信号混合部１０が出力する音響信号であって、エリア収音に入力信号と推定雑音を混合する際の音量レベルを大きく（後述するＭＩＸ弱の条件よりも大きく）した音響信号をスピーカから出力し被験者に聴取させた。本実験において、「ＭＩＸ弱」の条件では、エリア収音に入力信号と推定雑音を混合する際の音量レベルを小さく（ＭＩＸ強の条件よりも小さく）した音響信号をスピーカから出力した音を被験者に聴取させた。本実験において、「エリア単体」の条件では、目的エリア音抽出部７が出力する音響信号（入力信号と推定雑音を混合する前のエリア収音の音響信号）をスピーカから出力した音を被験者に聴取させた。

すなわち、ＭＩＸ弱、ＭＩＸ強の２つの条件が、本発明の収音装置１００が収音して出力する音響信号（信号混合部１０から出力される信号）となる。

図５（Ａ）に示すように、ＭＩＸ弱の条件で、エリア単体と同等の強調感が得られていることがわかる。さらに、図５（Ｂ）に示すように、ＭＩＸ弱の条件で、エリア単体の条件よりも目的音が聞き取りやすくなっていることが分かる。これは、ＭＩＸ弱の条件では、入力信号と推定雑音を混合したことにより、ミュージカルノイズがマスキングされたことと、目的エリア音の歪が補正されたことの影響だと考えられる。以上の結果から、収音装置１００が出力する音響信号では、従来技術におけるエリア収音（例えば、本実験における「エリア単体」の音）と比較し、同程度の強調感を保ちつつ、聞き取りやすさについて改善できることが示された。

（Ｂ）他の実施形態
本発明は、上記の実施形態に限定されるものではなく、以下に例示するような変形実施形態も挙げることができる。

（Ｂ−１）上記の実施形態では、収音装置１００は、２つのマイクロホンＭ１、Ｍ２が収音した信号を処理しているが、３つ以上のマイクロホンで収音した信号を処理するようにしてもよい。

（Ｂ−２）上記各実施形態では、マイクロホンが捕捉して得た音響信号をリアルタイムに処理するものを示したが、マイクロホンが捕捉して得た音響信号を記憶媒体に記憶し、その後、記憶媒体から読み出して処理して目的音、目的エリア音の強調信号を得るようにしても良い。このように記憶媒体を利用する場合には、マイクロホンが設定されている場所と、目的音や目的エリア音の抽出処理する場所とが離れていても良い。同様に、リアルタイム処理をする場合でも、マイクロホンが設定されている場所と、目的音や目的エリア音の抽出処理する場所とが離れていても良く、通信により信号を遠隔地に供給するようにしても良い。

１００…収音装置、１…信号入力部、２…雑音抑圧部、３…指向性形成部、４…遅延補正部、５…空間座標データ、６…パワー補正計数算出部、７…目的エリア音抽出部、８…混合レベル算出部、９…混合レベル調節部、１０…信号混合部、ＭＡ１、ＭＡ２…マイクロホンアレイ、マイクロホン…Ｍ１、Ｍ２、Ｍ３。

Claims (4)

1. マイクロホンアレイから入力された入力信号に含まれる背景雑音を推定して推定雑音として取得し、取得した前記推定雑音を用いて、前記入力信号の雑音成分を抑圧して雑音抑圧後信号を取得する雑音抑圧手段と、
   前記雑音抑圧後信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、
   前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出部と、
   前記推定雑音のパワーと、前記第１の非目的エリア音のパワーと、前記第２の非目的エリア音のパワーとに基づいて、前記目的エリア音に混合する混合信号として前記マイクロホンアレイから入力された前記入力信号と、前記雑音抑圧手段が推定した前記推定雑音とを混合した信号を生成し、前記混合信号の音量レベルを算出する混合レベル算出手段と、
   前記混合レベル算出手段が算出した前記混合信号の音量レベルに基づいて、前記混合信号に混合させる前記入力信号の音量レベルと、前記混合信号に混合させる前記推定雑音の音量レベルを調整する混合レベル調整手段と、
   前記目的エリア音に、前記混合レベル調整手段で算出された音量レベルに調整した前記入力信号と、前記混合レベル調整手段で算出された音量レベルに調整した前記推定雑音とを混合させた混合後目的エリア音を生成して出力する信号混合手段と
   を有することを特徴とする収音装置。
2. 前記混合レベル算出手段は、前記推定雑音のパワーと、前記第１の非目的エリア音のパワーと、前記第２の非目的エリア音のパワーとの合計値に基づいて、前記目的エリア音に混合する前記混合信号の音量レベルを算出することを特徴とする請求項１に記載の収音装置。
3. 前記混合レベル調整手段は、前記第１の非目的エリア音のパワーと前記第２の非目的エリア音のパワーの合計と、前記推定雑音のパワーとの比率に基づいて、前記混合信号における前記目的エリア音に混合する前記入力信号と前記推定雑音の比率を算出し、算出した比率に従って、前記混合信号に混合させる前記入力信号の音量レベルと、前記混合信号に混合させる前記推定雑音の音量レベルを調整することを特徴とする請求項２に記載の収音装置。
4. コンピュータを、
   マイクロホンアレイから入力された入力信号に含まれる背景雑音を推定して推定雑音として取得し、取得した前記推定雑音を用いて、前記入力信号の雑音成分を抑圧して雑音抑圧後信号を取得する雑音抑圧手段と、
   前記雑音抑圧後信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、
   前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出部と、
   前記推定雑音のパワーと、前記第１の非目的エリア音のパワーと、前記第２の非目的エリア音のパワーとに基づいて、前記目的エリア音に混合する混合信号として前記マイクロホンアレイから入力された前記入力信号と、前記雑音抑圧手段が推定した前記推定雑音とを混合した信号を生成し、前記混合信号の音量レベルを算出する混合レベル算出手段と、
   前記混合レベル算出手段が算出した前記混合信号の音量レベルに基づいて、前記混合信号に混合させる前記入力信号の音量レベルと、前記混合信号に混合させる前記推定雑音の音量レベルを調整する混合レベル調整手段と、
   前記目的エリア音に、前記混合レベル調整手段で算出された音量レベルに調整した前記入力信号と、前記混合レベル調整手段で算出された音量レベルに調整した前記推定雑音とを混合させた混合後目的エリア音を生成して出力する信号混合手段と
   して機能させることを特徴とする収音プログラム。

Images