JP2014155144A - 音声入力装置及び雑音抑圧方法 - Google Patents

Abstract

【課題】遠方で発生した背景雑音を精度良く抑圧することが可能な音声入力装置を提供する。
【解決手段】音声入力装置１は、第１のマイクロホンと、前記第１のマイクロホンに比べて距離減衰率が小さい特性を有する第２のマイクロホンと、前記第１のマイクロホンから得られる第１の信号と前記第２のマイクロホンから得られる第２の信号とを比較して雑音情報を取得し、当該雑音情報に基づいて雑音抑圧処理を行う処理部と、を備える。
【選択図】図１３

Description

本発明は、音声入力装置、及び、音声入力装置に適用される雑音抑圧方法に関する。

従来、音声入力が可能であるとともに、入力された音声の信号処理を実行する音声入力装置が知られている。例えば、携帯電話機やヘッドセット等の音声通信機器や、入力された音声を解析する技術を利用した情報処理システム（音声認証システム、音声認識システム、コマンド生成システム、電子辞書、翻訳機、音声入力方式のリモートコントローラ等）、或いは、録音機器等に、音声入力装置が適用されている。

このような音声入力装置は、一般に、目的の音源から発せられる音（例えば話者音声）以外に、周囲の騒音や部外者の声といった、遠方で発生した雑音（背景ノイズ）も取り込んでしまう。背景ノイズが取り込まれると、結果的に、例えば、話者音声が通信相手に聞き取り難いといった問題や、誤った音声認識をするといった問題等が発生することがある。

このようなことから、従来、雑音を低減するための種々の手法が開示されている。例えば特許文献１には、検出された雑音レベルに応じて制御信号を形成して雑音低減処理の内容を変化させる構成が開示されている。このような構成では、雑音低減量を適切に調整できるために、より自然な再生音が得られる。

特開平７−１９３５４８号公報

特許文献１に開示される雑音低減処理方法では、予め記憶させておいた情報（雑音に関する情報）を用いて雑音低減処理が実行される。このため、例えば、想定外の雑音が取り込まれた場合等に、雑音低減処理が不適切な処理になることが考えられる。また、多量の情報を予め準備して記憶させる作業が必要になるために、作業負担が大きくなることが懸念される。

以上の点に鑑みて、本発明の目的は、遠方で発生した背景雑音（背景ノイズ）を精度良く抑圧することが可能な音声入力装置、及び、雑音抑圧方法を提供することである。

上記目的を達成するために本発明の音声入力装置は、第１のマイクロホンと、前記第１のマイクロホンに比べて距離減衰率が小さい特性を有する第２のマイクロホンと、前記第１のマイクロホンから得られる第１の信号と前記第２のマイクロホンから得られる第２の信号とを比較して雑音情報を取得し、当該雑音情報に基づいて雑音抑圧処理を行う処理部と、を備える構成（第１の構成）になっている。

本構成によれば、距離減衰率が異なる２種類のマイクロホンから得られる信号を比較することによって雑音情報を取得して、雑音の抑圧を行う構成になっている。このために、雑音を抑圧するために予め準備するデータ量を少なくして、精度良く雑音の抑圧を行うことが可能である。

上記第１の構成の音声入力装置において、前記雑音情報は、雑音が含まれる周波数に関する情報であり、前記雑音抑圧処理は、前記雑音が含まれる周波数の信号強度を抑圧するようにフィルタ処理を行うことである（第２の構成）のが好ましい。本構成によれば、例えば、高速フーリエ変換処理等を利用して簡単に雑音情報を取得できるとともに、デジタル処理を利用して簡単に雑音の抑圧を図ることができる。

上記第２の構成の音声入力装置において、前記処理部は、前記第１の信号の信号強度と前記第２の信号の信号強度との差の大きさと、所定の閾値との大小関係を比較して、前記雑音が含まれる周波数を特定する構成（第３の構成）であるのが好ましい。本構成において、前記所定の閾値は、例えば、２種類のマイクロホンの距離減衰特性、及び、これらのマイクロホンの音源からの距離等（その他、例えば誤差を考慮しても良い）を考慮して得ればよく、装置設計の際に適宜決定すればよい。

上記第２又は第３の構成の音声入力装置において、前記フィルタ処理は、前記第１の信号に対して施される構成（第４の構成）であってよい。本構成は、距離減衰特性が大きな第１のマイクロホン（第２のマイクロホンより遠方ノイズを抑圧する性能が大きい）からの信号が、当該音声入力装置に入力された入力音を示す信号として利用される構成であり、接話型の音声入力装置に好適な構成である。

上記第１から第４のいずれかの構成の音声入力装置において、前記第１のマイクロホンは差動マイクロホンであり、前記第２のマイクロホンは無指向性のマイクロホンである構成（第５の構成）であるのが好ましい。本構成によれば、遠方で発生した背景ノイズ（雑音）に対する感度の差を大きくして、雑音の抑圧を図り易い。

上記第５の構成の音声入力装置において、前記第１のマイクロホンは、振動板の一方の面に加わる音圧と他方の面に加わる音圧との差に基づいて前記振動板を振動させて、入力音を電気信号に変換する差動マイクロホンである（第６の構成）のが好ましい。本構成によれば、第１のマイクロホンに必要とされるスペースを小さくし易く、音声入力装置の小型化を図り易い。

上記第１から第６のいずれかの構成の音声入力装置において、前記第１のマイクロホンと前記第２のマイクロホンとが１つのパッケージで構成されている（第７の構成）のが好ましい。本構成によれば、音声入力装置の小型化を図り易い。

上記目的を達成するために本発明の雑音抑圧方法は、音声入力装置において実行される雑音抑圧方法であって、第１のマイクロホンから得られる第１の信号と、前記第１のマイクロホンに比べて距離減衰率が小さい特性を有する第２のマイクロホンから得られる第２の信号と、の比較によって雑音を含む周波数を特定するステップと、前記雑音を含むと特定された周波数の信号強度を抑圧するフィルタ処理を行うステップと、を備える構成（第８の構成）になっている。

本構成によれば、距離減衰率が異なる２種類のマイクロホンから得られる信号を比較することによって雑音を含む周波数を特定し、雑音が含むと特定された周波数の信号強度を抑圧して雑音を抑圧する構成になっている。このために、雑音を抑圧するために予め準備するデータ量を少なくして、精度良く雑音の抑圧を行うことが可能である。

本発明によれば、遠方で発生した背景雑音を精度良く抑圧することが可能な音声入力装置、及び、雑音抑圧方法を提供することができる。

本発明の実施形態に係るヘッドセットの外観構成を示す概略斜視図 本発明の実施形態に係るヘッドセットの構成を示すブロック図 本発明の実施形態に係るヘッドセッドが備えるマイク部の外観構成を示す概略斜視図 図３に示すマイク部を裏側から見た場合の概略斜視図 本発明の実施形態に係るヘッドセッドが備えるマイク部の構成を示す分解斜視図 図１のＡ−Ａ位置における概略断面図 本発明の実施形態に係るヘッドセットが備えるマイク部の基板部を上から見た場合の概略平面図 本発明の実施形態に係るヘッドセットが備えるマイク部の構成を示すブロック図 音圧と音源からの距離との関係を示すグラフ 第１のＭＥＭＳチップを利用した第１のマイクロホンの指向特性を示す模式図 第２のＭＥＭＳチップを利用した第２のマイクロホンの指向特性を示す模式図 第１のマイクロホン及び第２のマイクロホンの距離減衰特性を示すグラフ 本発明の実施形態に係るヘッドセットにおいて実行される雑音抑圧性能の概要を説明するための模式図 本発明の実施形態に係るヘッドセットのマイク部に背景ノイズを含む音声が入力された場合に得られる信号を模式的に示したグラフ 第１のマイクロホン及び第２のマイクロホンの周波数特性を示すグラフ 本発明の実施形態に係るヘッドセットによって実行される雑音抑圧方法の流れを示すフローチャート 本発明の実施形態に係るヘッドセットが備えるマイク部によって取得された信号をＦＦＴ処理した結果の一例 本発明の実施形態に係る雑音抑圧方法において実行されるフィルタ処理の一例を説明するための図 本発明の実施形態に係る雑音抑圧方法において実行されるフィルタ処理の他の例を説明するための図

以下、本発明の音声入力装置、及び、雑音抑圧方法の実施形態について図面を参照しながら詳細に説明する。なお、本発明の音声入力装置がヘッドセットに適用される場合を例に、以下説明する。

＜ヘッドセットの概略構成＞
図１は、本発明の実施形態に係るヘッドセット１の外観構成を示す概略斜視図である。ヘッドセット１を構成する筐体１０は細長い形状になっており、この筐体１０の一端側にスピーカー部１２が配置され、他端側にマイク（マイクロホン）部（不図示）が配置される。筐体１０のマイク部が配置される側には、マイク部への音の入力を可能とするマイク用音孔１０ａが２つ形成されている。ヘッドセット１は、スピーカー部１２の先端に設けられるイヤーピース１２ａが人の耳穴に挿入され、マイク用音孔１０ａが人の口元に配置された状態で使用される。なお、ヘッドセット１は、不図示の装着機構によって人体の一部（耳や頭等）に装着可能になっている。

図２は、本発明の実施形態に係るヘッドセット１の構成を示すブロック図である。制御部１１は、ヘッドセット１が備える各部を制御して、ヘッドセット１の動作全体を制御する。なお、制御部１１は、雑音を抑圧するための一連の処理（詳細は後述する）を実行する。すなわち、制御部１１は、本発明の処理部の一例である。

スピーカー部１２は、電気信号を物理振動に変換して音を出力する。マイク部１３は入力音を電気信号に変換して出力する。なお、マイク部１３の詳細構成については後述する。操作部１４は、ユーザーがヘッドセット１を操作するために設けられ、例えば電源スイッチ１４ａ（図１参照）やボリュームスイッチ（不図示）等を含む。電源部１５は、ヘッドセット１を動作させるための電力を供給する部分であり、例えば二次電池等で構成される。メモリー部１６は、各種の動作用プログラムを格納したり、動作時において種々のデータの一時保存を行ったりする。通信部１７は、無線、或いは、有線によって、音声情報を外部に送信したり、外部から受信したりする。

＜マイク部の詳細構成＞
次に、ヘッドセット１が備えるマイク部１３の構成について詳細に説明する。図３は、本発明の実施形態に係るヘッドセッド１が備えるマイク部１３の外観構成を示す概略斜視図である。図４は、図３に示すマイク部１３を裏側から見た場合の概略斜視図である。図３及び図４に示すように、外形略直方体状に形成されるマイク部１３（マイクロホンユニット）は、基板部１３１と、基板部１３１上に配置される蓋部１３２と、を備えている。

図５は、本発明の実施形態に係るヘッドセッド１が備えるマイク部１３の構成を示す分解斜視図である。図６は、図１のＡ−Ａ位置における概略断面図である。図５及び図６に示すように、平面視略矩形状に設けられる基板部１３１の長手方向の一端側（図５、６において右端側）には、基板部１３１を厚み方向に貫く平面視略スタジアム形状（略矩形状）の貫通孔１３１ａが形成されている（図４も参照）。

また、基板部１３１の上面（蓋部１３２が載置される側の面）の略中央部には、平面視略円形状の第１の開口部１３１ｂが形成されている。基板部１３１の下面の長手方向の他端側（貫通孔１３１ａが形成される側とは反対側）には、平面視略スタジアム形状の第２の開口部１３１ｃが形成されている（図４も参照）。そして、基板部１３１の内部には、第１の開口部１３１ｂと第２の開口部１３１ｃとを連通する基板内部空間１３１ｄが形成されている。

なお、このような構成の基板部１３１は、特に限定する趣旨ではないが、複数（例えば３枚）の基板を重ね合わせることによって形成することができる。

図５及び図６に示すように、基板部１３１の上面には、第１の開口部１３１ｂを覆うように、第１のＭＥＭＳ（Micro Electro Mechanical System）チップ２１が配置される。また、基板部１３１の上面には、第１のＭＥＭＳチップ２１に隣り合うように、第１のＡＳＩＣ（Application Specific Integrated Circuit）２２が配置される。基板部１３１の上面の長手方向の他端側（貫通孔１３１ａが形成される側とは反対側）には、第２のＭＥＭＳチップ２３が配置される。また、基板部１３１の上面には、第２のＭＥＭＳチップ２３に隣り合うように、第２のＡＳＩＣ２４が配置される。

なお、図６に示すように、第１のＭＥＭＳチップ２１は、振動板２１ａと、所定間隔をあけて振動板２１ａと対向配置される固定電極２１ｂとを備えている。すなわち、第１のＭＥＭＳチップ２１は、コンデンサ型のマイクロホンチップを構成している。同様に、振動板２３ａと固定電極２３ｂとを備える第２のＭＥＭＳチップ２３も、コンデンサ型のマイクロホンチップを構成している。第１のＡＳＩＣ２２は、第１のＭＥＭＳチップ２１の静電容量の変化（振動板２１ａの振動に由来する）に基づいて取り出される電気信号を増幅処理する。また、第２のＡＳＩＣ２４は、第２のＭＥＭＳチップ２３の静電容量の変化（振動板２３ａの振動に由来する）に基づいて取り出される電気信号を増幅処理する。

図７は、本発明の実施形態に係るヘッドセット１が備えるマイク部１３の基板部１３１を上から見た場合の概略平面図で、ＭＥＭＳチップ２１、２３及びＡＳＩＣ２２、２４が搭載された状態が示されている。図７を参照して、ＭＥＭＳチップ２１、２３及びＡＳＩＣ２２、２４の電気的な接続関係等について説明しておく。

２つのＭＥＭＳチップ２１、２３及び２つのＡＳＩＣ２２、２４は、基板部１３１上にダイボンド材（例えばエポキシ樹脂系やシリコーン樹脂系の接着剤等）を用いて接合されている。なお、２つのＭＥＭＳチップ２１、２３は、音響リークを防止すべく、それらの底面と基板部１３１の上面との間に隙間が生じないように、基板部１３１上に接合されている。第１のＭＥＭＳチップ２１は第１のＡＳＩＣ２２に、第２のＭＥＭＳチップ２３は第２のＡＳＩＣ２４に、各々、ワイヤ２５（好ましくは金線）によって電気的に接続されている。

第１のＡＳＩＣ２２は、ワイヤ２５によって基板部１３１の上面に形成される複数の電極端子２６ａ、２６ｂ、２６ｃのそれぞれと電気的に接続されている。電極端子２６ａは電源電圧（ＶＤＤ）入力用の電源用端子で、電極端子２６ｂは第１のＡＳＩＣ２２で増幅処理された電気信号を出力する第１の出力端子で、電極端子２６ｃはグランド接続用のＧＮＤ端子である。

同様に、第２のＡＳＩＣ２３は、ワイヤ２５によって基板部１３１の上面に形成される複数の電極端子２７ａ、２７ｂ、２７ｃのそれぞれと電気的に接続されている。電極端子２７ａは電源電圧（ＶＤＤ）入力用の電源端子で、電極端子２７ｂは第２のＡＳＩＣ１６で増幅処理された電気信号を出力する第２の出力端子で、電極端子２７ｃはグランド接続用のＧＮＤ端子である。

電源端子２６ａ、２７ａは、図示しない配線（貫通配線を含む）を介して、基板部１３１の下面に設けられる外部接続用の電源パッド２８ａ（図４及び図６参照）に電気的に接続されている。第１の出力端子２６ｂは、図示しない配線（貫通配線を含む）を介して、基板部１３１の下面に設けられる外部接続用の第１の出力パッド２８ｂ（図４及び図６参照）に電気的に接続されている。第２の出力端子２７ｂは、図示しない配線（貫通配線を含む）を介して、基板部１３１の下面に設けられる外部接続用の第２の出力パッド２８ｃ（図４参照）に電気的に接続されている。ＧＮＤ端子２６ｃ、２７ｃは、図示しない配線（貫通配線を含む）を介して、基板部１３１の下面に設けられる外部接続用のＧＮＤパッド２８ｄ（図４参照）に電気的に接続されている。

なお、基板部１３１の下面には、貫通孔１３１ａ及び第２の開口部１３１ｃを取り囲むように、シーリング用パッド２８ｅ（図４参照）が設けられている。これは、マイク部１３が、ヘッドセット１の筐体１０内に配置される実装基板（不図示）に実装される場合に、音響リークを防止すべく利用されるものである。

図６に戻って、２つのＭＥＭＳチップ２１、２３及び２つのＡＳＩＣ２２、２４が搭載された基板部１３１上に、凹部空間１３２ａが設けられた蓋部１３２が配置される（被せられる）ことによって、マイク部１３が得られる。なお、蓋部１３２は、例えば接着剤や接着シート等を利用して、音響リークが生じないように基板部１３１上に接合される。また、マイク部１３は、不図示の実装基板（音を通過させる音孔が形成されている）に実装された状態で、ヘッドセット１の筐体１０内に配置される。

図６に示すように、マイク部１３においては、外部から（ヘッドセット１のマイク用音孔１０ａ、及び、実装基板の音孔を介して）入力された音波は、貫通孔１３１ａ及び第２の開口部１３１ｃを介して、その内部に伝搬される。貫通孔１３１ａから入力された音波は、蓋部１３２の凹部空間１３２ａ内を伝搬して、第１のＭＥＭＳチップ２１の振動板２１ａの上面に至るとともに、第２のＭＥＭＳチップ２３の振動板２３ａの上面に至る。また、第２の開口部１３１ｃから入力された音波は、基板内部空間１３１ｄ及び第１の開口部１３１ｂを伝搬して、第１のＭＥＭＳチップ２１の振動板２１ａの下面に至る。

なお、第１のＭＥＭＳチップ２１の固定電極２１ｂには複数の貫通孔が形成されており、音波は固定電極２１ｂを通過可能になっている。また、以下では、その機能に注目して、貫通孔１３１ａのことを第１の音孔、第２の開口部１３１ｃのことを第２の音孔と表現する。

図８は、本発明の実施形態に係るヘッドセット１が備えるマイク部１３の構成を示すブロック図である。図８に示すように、第１のＡＳＩＣ２２は、第１のＭＥＭＳチップ２１にバイアス電圧を印加するチャージポンプ回路２２１を備える。チャージポンプ回路２２１は、外部（実装基板）から供給される電源電圧（ＶＤＤ；例えば１．５〜３Ｖ程度）を昇圧（例えば６〜１０Ｖ程度）して、第１のＭＥＭＳチップ２１にバイアス電圧を印加する。また、第１のＡＳＩＣ２２は、第１のＭＥＭＳチップ２１における静電容量の変化を検出するアンプ回路２２２を備える。アンプ回路２２２で増幅された電気信号は、外部（実装基板）へと出力（ＯＵＴ１）される。

同様に、第２のＡＳＩＣ２４も第２のＭＥＭＳチップ２３にバイアス電圧を印加するチャージポンプ回路２４１と、静電容量の変化を検出して増幅された電気信号を出力（ＯＵＴ２）するアンプ回路２４２とを備える。なお、２つのアンプ回路２２２、２４２のアンプゲインは、適宜設定すればよく、異なるゲイン設定であってよい。

マイク部１３の外部で音が発生すると、第１の音孔１３１ａから入力された音波が第１の音道２９を通って第１のＭＥＭＳチップ２１の振動板２１ａの上面に到達する。また、第２の音孔１３１ｃから入力された音波が第２の音道３０を通って第１のＭＥＭＳチップ２１の振動板２１ａの下面に到達する（図６も参照）。振動板２１ａは、その上面に加わる音圧と下面に加わる音圧との音圧差によって振動し、当該振動の発生により、第１のＭＥＭＳチップ２１において静電容量の変化が生じる。第１のＭＥＭＳチップ２１の静電容量の変化に基づいて取り出された電気信号は、第１のＡＳＩＣ２２のアンプ回路２２２によって増幅処理されて、最終的に第１の出力パッド２８ｂから出力される。

また、マイク部１３の外部で音が発生すると、第１の音孔１３１ａから入力された音波が第１の音道２９を通って第２のＭＥＭＳチップ２３の振動板２３ａの上面に到達する（図６も参照）。これによって振動板２３ａが振動し、当該振動の発生により、第２のＭＥＭＳチップ２３において静電容量の変化が生じる。第２のＭＥＭＳチップ２３の静電容量の変化に基づいて取り出された電気信号は、第２のＡＳＩＣ２４のアンプ回路２４２によって増幅処理されて、最終的に第２の出力パッド２８ｃから出力される。

以上からわかるように、マイク部１３においては、第１のＭＥＭＳチップ２１を用いて得られる信号と、第２のＭＥＭＳチップ２３を用いて得られる信号とが、別々に外部へと出力される。換言すると、マイク部１３は、１パッケージの中に２つのマイクロホンを含む構成になっている。そして、第１のＭＥＭＳチップ２１を利用した第１のマイクロホン（本発明の第１のマイクロホンに相当）と、第２のＭＥＭＳチップ２３を利用した第２のマイクロホン（本発明の第２のマイクロホンに相当）とでは、次のような特性の違いを有する。

２つのマイクロホンの特性差を説明するに先立って、音波の性質について簡単に説明しておく。図９は、音圧と音源からの距離との関係を示すグラフである。図９に示すように、音波が空気等の媒質中を進行するにつれて、音圧（音波の強度・振幅）は減衰する。音圧は音源からの距離に反比例し、音圧Ｐと距離Ｒとの関係は以下の式（１）のように表せる。なお、式（１）におけるｋは比例定数である。
Ｐ＝ｋ／Ｒ （１）

図９及び式（１）から明らかなように、音圧は音源に近い位置では急激に減衰し、音源から離れるほどなだらかに減衰する。このことから、２つの位置間の距離が同じ（Δｄ）であっても、音源から距離が小さい位置では２つの位置（Ｒ１とＲ２）の間で音圧が大きく減衰し、音源からの距離が大きい位置では２つの位置（Ｒ３とＲ４）の間で音圧があまり減衰しないことがわかる。

図１０は、第１のＭＥＭＳチップ２１を利用した第１のマイクロホンの指向特性を示す模式図である。なお、図１０においては、マイク部１３の姿勢は、図６に示す姿勢と同一であることを想定している。音源から振動板２１ａまでの距離が一定であれば、音源が０°又は１８０°の方向にある時に振動板２１ａに加わる音圧が最大となる。これは、音波が第１の音孔１３１ａから振動板２１ａの上面に至る距離と、音波が第２の音孔１３１ｃから振動板２１ａの下面へと至る距離との差が最も大きくなるからである。

これに対し、音源が９０°又は２７０°の方向にある時に振動板２１ａに加わる音圧が最小（０）になる。これは、音波が第１の音孔１３１ａから振動板２１ａの上面に至る距離と、音波が第２の音孔１３１ｃから振動板２１ａの下面へと至る距離との差がほぼ０となるからである。すなわち、第１のマイクロホンは、０°及び１８０°の方向から入射される音波に対して感度が高く、９０°及び２７０°の方向から入射される音波に対して感度が低い両指向性を示す。

図１１は、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンの指向特性を示す模式図である。なお、図１１においては、マイク部１３の姿勢は、図６に示す姿勢と同一であることを想定している。音源から振動板２３ａまでの距離が一定であれば、音源がどの方向にあっても振動板２３ａに加わる音圧は一定となる。これは、第２のＭＥＭＳチップ２３が、１つの音孔１３１ａから入力される音波を振動板２３ａの上面のみで受ける構成になっていることに由来する。すなわち、第２のマイクロホンは、あらゆる方向から入射される音波を均等に受ける無指向性を示す。

図１２は、第１のマイクロホン及び第２のマイクロホンの距離減衰特性を示すグラフである。なお、図１２のグラフにおいて、横軸は音源からの距離であり、縦軸はゲイン（マイク出力）である。また、図１２は２５０Ｈｚの音の特性を示している。

第１のＭＥＭＳチップ２１では、振動板２１ａは両面（上面及び下面）に加わる音圧の差によって振動する。一方、第２のＭＥＭＳチップ２３では、振動板２３ａは一方の面（上面）に加わる音圧によって振動する。第２のＭＥＭＳチップ２３では、音圧レベルは距離に反比例（１／Ｒ；Ｒは距離）して減衰する。一方、第１のＭＥＭＳチップ２１では、音圧レベルは１／Ｒ²で減衰する。このために、図１２に示すように、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンに比べて、第１のＭＥＭＳチップ２１を利用した第１のマイクロホンでは、音源からの距離に対するゲイン（信号強度）の低下率が急となる。別の言い方をすると、第２のマイクロホンは、第１のマイクロホンに比べて距離減衰率が小さい特性を有する。

上述のような距離減衰特性を有するために、第１のＭＥＭＳチップ２１を利用した第１のマイクロホン（差動マイクロホン）は、当該マイクロホンの近傍で発生する音を効率よく収音し、背景ノイズを収音し難い。すなわち、第１のマイクロホンは、いわゆる近接マイクとして機能する。一方、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンは、当該マイクロホンから遠く離れた位置に音源がある音についても広く収音する性質を有する。

第１のマイクロホンの特性について、更に説明する。第１のマイクロホン（マイク部１３）の近傍で発生する目的音の音圧は、第１の音孔１３１ａと第２の音孔１３１ｃとの間で大きく減衰する。このために、第１のマイクロホンの近傍で発生する目的音の音圧については、振動板２１ａの上面における音圧と、その下面における音圧との間で大きな差が生じる。一方、背景ノイズは、目的音に比べて音源が遠い位置にあるために、第１の音孔１３１ａと第２の音孔１３１ｃとの間での減衰は小さい。このために、背景ノイズについては、振動板２１ａの上面における音圧と、その下面における音圧との差は小さくなる。なお、ここでは、音源から第１の音孔１３１ａまでの距離と、音源から第２の音孔１３１ｃまでの距離とが異なる場合を前提としている。

振動板２１ａにて受音される背景ノイズの音圧差は小さいために、背景ノイズの音圧は振動板２１ａにてほぼ打ち消される。これに対して、振動板２１ａにて受音される上記目的音の音圧差は大きいために、上記目的音の音圧は振動板２１ａで打ち消されない。このため、第１のＭＥＭＳチップ２１を利用した第１のマイクロホンは、その近傍で発生する目的音について、背景ノイズを低減して収音する機能に優れることになる。

以上のようなマイク特性を考慮して、ヘッドセット１（接話型の音声入力装置）においては、第１のＭＥＭＳチップ２１を利用した第１のマイクロホン（近接マイク）から出力される信号が、基本的に話者音声の音声信号であるものとして利用される。ただし、第１のマイクロホンにおいても、背景ノイズが完全にカットされる訳ではない。そこで、第１のマイクロホンから出力される信号に含まれる背景ノイズ成分を更に抑圧できるように、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンが利用される構成になっている。以下、ヘッドセット１に備えられる雑音抑圧機能について説明する。

＜雑音抑圧機能＞
図１３は、本発明の実施形態に係るヘッドセット１において実行される雑音抑圧機能の概要を説明するための模式図である。ヘッドセット１においては、マイク部１３はユーザー（話者）の口元（音源）からの距離が所定の近距離（例えば２５〜１００ｍｍの範囲内の所定の距離等）となることを狙って設計される。当該所定の距離にマイク部１３が配置される場合、第１のＭＥＭＳチップ２１を利用した第１のマイクロホンと、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンとでは、上述した距離減衰特性の違いによって、所定のゲイン差（信号強度差）が生じる（図１３のΔＧが該当）。

話者の音声とは別に発生する背景ノイズは比較的遠方で生じる（例えば、マイク位置から２５０ｍｍ以上の遠方等）。上述のように、第１のマイクロホンと第２のマイクロホンとでは、遠方で発生した背景ノイズに対する感度が大きく異なる。すなわち、第１のマイクロホンに比べて第２のマイクロホンの方が、背景ノイズに対する感度がかなり良い。このために、背景ノイズが生じた場合、第１のマイクロホンと第２のマイクロホンとのゲイン差（Δｇ）は上述のΔＧよりも大きくなる。

図１４は、本発明の実施形態に係るヘッドセット１のマイク部１３に背景ノイズを含む音声が入力された場合に得られる信号を模式的に示したグラフである。図１４において、横軸（対数軸）は周波数であり、縦軸はゲイン（マイク出力）である。図１４に示すように、背景ノイズが発生した場合、第１のマイクロホンと第２のマイクロホンとのゲイン値（信号強度）の差分（Δｇ）が、ΔＧよりも大きくなる周波数帯域が生じる。すなわち、周波数毎に第１のマイクロホンと第２のマイクロホンとのゲイン値の差分（Δｇ）を求め、当該ΔｇがΔＧより大きくなるか否かを判定することによって、背景ノイズが含まれる周波数帯域を特定できる。

ただし、実際には、例えば音源（話者の口元）からマイク部１３の位置までの距離は多少の誤差を含むものと考えられる。このために、当該誤差等と、距離減衰特性（図１２に例示される）と、を考慮して決められた許容値αを含めて閾値を決定するのが好ましい。すなわち、以下の式（２）を満足する場合に、背景ノイズが発生しているものと判断するのが好ましい。
Δｇ≧ΔＧ＋α （２）

なお、許容値αは、ユーザーが選択できるようにしてもよい。ユーザーの中には、例えばできるだけ自然な音で音声を聞きたい等の理由で、背景ノイズの抑圧が不要であると考える者もいれば、背景ノイズを徹底的に除去して欲しいと考える者もいる。許容値αについて、複数段階用意しておくことで、ユーザーの多様なニーズに応え易くなる。

図１５は、第１のマイクロホン及び第２のマイクロホンの周波数特性を示すグラフである。なお、図１５に示すグラフにおいて、横軸（対数軸）は周波数であり、縦軸はゲイン（マイク出力）である。また、図１５は音源からの距離が２５ｍｍ位置の特性を示している。

図１５からわかるように、正確には、上述のΔＧは周波数によって変動する。このために、上述の背景ノイズが発生している周波数帯域を特定する手法は、例えば、ΔＧがほぼ変動しない範囲（図１５では、例えば１００Ｈｚ〜数ｋＨｚ程度であるが、この範囲はマイクの設計で変動可能である）で使用するようにしてもよい。また、これとは別に、上述の背景ノイズが発生している周波数帯域を特定する手法は、音波の周波数値に依存して閾値（例えば式（２）で表される）を決定するΔＧを変動させる構成を採用して適用するようにしてもよい。

背景ノイズが発生している周波数帯域が特定できた場合、当該周波数帯域の信号を除去する、或いは、信号強度を低減する処理を行えば、雑音の抑圧を行える。このため、本実施形態では、制御部１１（図２参照）は、特定された周波数帯域（複数あってもよい）に対してフィルタ処理（デジタルフィルタ処理）を施せるように構成されている。

図１６は、本発明の実施形態に係るヘッドセット１によって実行される雑音抑圧方法の流れを示すフローチャートである。本実施形態の雑音抑圧方法は、マイク部１３で音信号（音声）を取得することによって開始される（ステップＳ１）。マイク部１３には、第１のＭＥＭＳチップ２１を利用した第１のマイクロホンと、第２のＭＥＭＳチップ２３を利用した第２のマイクロホンとが含まれるために、この両者によって音信号が取得されることになる。

第１のマイクロホンから出力される信号と、第２のマイクロホンから出力される信号とは、いずれも制御部１１（図２参照）に出力される。そして、制御部１１は、各信号に対して高速フーリエ変換（ＦＦＴ）処理を実行する（ステップＳ２）。この信号処理によって、例えば図１７に示すような結果が得られる。図１７は、本発明の実施形態に係るヘッドセット１が備えるマイク部１３によって取得された信号をＦＦＴ処理した結果の一例である。図１７において、横軸（対数軸）は周波数であり、縦軸はゲイン（マイク出力）である。

なお、本実施形態においては、第１のマイクロホンから出力される信号と、第２のマイクロホンから出力される信号とにＦＦＴ処理が実行される構成になっているが、この処理は、離散フーリエ変換（ＤＦＴ）処理であっても構わない。第１のマイクロホンから出力される信号をＦＦＴ（或いはＤＦＴ）処理して得られた第１の信号は、本発明の第１の信号に相当する。また、第２のマイクロホンから出力される信号をＦＦＴ（或いはＤＦＴ）処理して得られた第２の信号は、本発明の第２の信号に相当する。

ＦＦＴ（或いはＤＦＴ）処理を実行すると、制御部１１は、各周波数において、第１の信号と第２の信号とを比較する。詳細には、制御部１１は、各周波数について、第１の信号と第２の信号との間の信号強度の差（Δｇ；絶対値）を算出する（ステップＳ３）。そして、制御部１１は、得られた信号強度の差（Δｇ）から、上述の式（２）（Δｇ≧ΔＧ＋α）を満たす周波数が存在するか否かを確認する（ステップＳ４）。

上述の式（２）を満たす周波数が存在する場合（ステップＳ４でＹｅｓ）、制御部１１は、当該周波数には雑音が含まれると判断（特定）する。図１７に示す例では、斜線を施して示した範囲が、雑音が含まれる周波数帯域に相当する。制御部１１は、第１の信号における雑音を含む周波数帯域（ＦＲ）に対してフィルタ処理を施し、当該周波数帯域の信号を除去する、或いは、信号強度を低減する（ステップＳ５）。

フィルタ処理を実行すると、制御部１１は、通信部１７を制御してフィルタ処理後の信号を送信先（ヘッドセット１と通信を行う相手方）に送信する（ステップＳ６）。なお、上述の式（２）を満たす周波数が存在しない場合（ステップＳ４でＮｏ）には、制御部１１は第１のマイクロホンに入力された音信号に雑音が含まれないと判断する。このために、ステップＳ５のフィルタ処理を行うことなく、信号（第１の信号）を送信先に送信する。

ここで、フィルタ処理について、もう少し詳しく説明しておく。図１８は、本発明の実施形態に係る雑音抑圧方法において実行されるフィルタ処理の一例を説明するための図である。図１８に示すように、雑音が含まれる周波数帯域ＦＲに対して施されるフィルタ処理の波形は矩形波であっても構わない。矩形波の信号強度を調整することによって、雑音を抑圧するレベルを調整できる。

図１９は、本発明の実施形態に係る雑音抑圧方法において実行されるフィルタ処理の他の例を説明するための図である。図１９に示すように、雑音が含まれる周波数帯域ＦＲに対して施されるフィルタ処理の波形は矩形波でなくても構わない。例えば、フィルタ処理の波形は、第１の信号（第１のマイクロホンから得られる信号）と、第２の信号（第２のマイクロホンから得られる信号）との差の大きさから見積もられる背景ノイズの大きさに対応して決められるものであっても構わない。このようにすることで、ヘッドセット１から送信される音声について、ユーザーが自然な音と感じることが期待できる。

なお、フィルタ処理の波形については、複数種類の構成を用意しておき、ユーザーが選択できるようにしても構わない。これによって、ユーザーは自身の好みに合った状態でヘッドセット１を使用可能になる。

本実施形態のヘッドセット１は、以上に説明したような雑音抑圧機能（マイクで収音した音声に含まれる雑音を抑圧する機能）を備える。このために、本実施形態のヘッドセット１においては、予め多数の雑音パターンを記憶させることなく、背景ノイズを精度良く除去することが可能である。

＜その他＞
以上に示した実施形態は本発明の例示であり、本発明の適用範囲は、以上に示した実施形態の構成に限定されるものではない。本発明の技術思想を超えない範囲で、以上の実施形態は適宜変更されてよいのは勿論である。

例えば、以上に示したマイク部１３の構成は一例に過ぎず、種々の変形が可能である。例えば、以上においては、マイク部１３が備える音孔１３１ａ、１３１ｃが基板部１３１側に設けられる構成としたが、例えばマイク部１３が備える音孔は蓋部１３２側に設けられる構成であっても構わない。

また、以上においては、マイク部１３が、１つのパッケージ内に第１のマイクロホン（近接マイク）と第２のマイクロホン（無指向性マイク）とを含むように構成された。しかし、第１のマイクロホンと第２のマイクロホンとは、１つのパッケージ内に構成される必要はなく、別々に構成されてもよい。

また、以上においては、差動マイクホンとして構成される第１のマイクロホンは、１つの振動板の両面に加わる音圧差に基づいて振動板を振動させて、入力音を電気信号に変換する構成とした。しかし、差動マイクロホンとして構成される第１のマイクロホンは、複数の振動板を備える構成であっても構わない。

また、以上においては、背景ノイズが発生した場合にフィルタ処理される信号が、第１のマイクロホン（近接マイク）から得られる信号である構成とした。しかし、本発明は、この構成に限定されず、場合によっては、背景ノイズが発生した場合にフィルタ処理される信号は、第２のマイクロホン（無指向性マイク）から得られる信号であってもよい。

また、以上においては、本発明がヘッドセットに適用される場合を示したが、本発明は、ヘッドセットに限らず、携帯電話機等の他の音声通信機器や、情報処理システム（音声認証システム、翻訳機等）、録音機器等に適用されても構わない。

１ ヘッドセット（音声入力装置）
１１ 制御部（処理部）
１３ マイク部（第１のマイクロホン及び第２のマイクロホンを含む）
２１ 第１のＭＥＭＳチップ（第１のマイクロホンを構成する）
２３ 第２のＭＥＭＳチップ（第２のマイクロホンを構成する）
２１ａ 振動板

Claims (8)

1. 第１のマイクロホンと、
   前記第１のマイクロホンに比べて距離減衰率が小さい特性を有する第２のマイクロホンと、
   前記第１のマイクロホンから得られる第１の信号と前記第２のマイクロホンから得られる第２の信号とを比較して雑音情報を取得し、当該雑音情報に基づいて雑音抑圧処理を行う処理部と、
   を備えることを特徴とする音声入力装置。
2. 前記雑音情報は、雑音が含まれる周波数に関する情報であり、
   前記雑音抑圧処理は、前記雑音が含まれる周波数の信号強度を抑圧するようにフィルタ処理を行うことであることを特徴とする請求項１に記載の音声入力装置。
3. 前記処理部は、前記第１の信号の信号強度と前記第２の信号の信号強度との差の大きさと、所定の閾値との大小関係を比較して、前記雑音が含まれる周波数を特定することを特徴とする請求項２に記載の音声入力装置。
4. 前記フィルタ処理は、前記第１の信号に対して施されることを特徴とする請求項２又は３に記載の音声入力装置。
5. 前記第１のマイクロホンは差動マイクロホンであり、
   前記第２のマイクロホンは無指向性のマイクロホンであることを特徴とする請求項１から４のいずれかに記載の音声入力装置。
6. 前記第１のマイクロホンは、振動板の一方の面に加わる音圧と他方の面に加わる音圧との差に基づいて前記振動板を振動させて、入力音を電気信号に変換する差動マイクロホンであることを特徴とする請求項５に記載の音声入力装置。
7. 前記第１のマイクロホンと前記第２のマイクロホンとが１つのパッケージで構成されていることを特徴する請求項１から６のいずれかに記載の音声入力装置。
8. 音声入力装置において実行される雑音抑圧方法であって、
   第１のマイクロホンから得られる第１の信号と、前記第１のマイクロホンに比べて距離減衰率が小さい特性を有する第２のマイクロホンから得られる第２の信号と、の比較によって雑音を含む周波数を特定するステップと、
   前記雑音を含むと特定された周波数の信号強度を抑圧するフィルタ処理を行うステップと、
   を備えることを特徴とする雑音抑圧方法。

Images