JP6020258B2 - マイク感度差補正装置、方法、プログラム、及び雑音抑圧装置 - Google Patents

Description

開示の技術は、マイク感度差補正装置、マイク感度差補正方法、マイク感度差補正プログラム、及び雑音抑圧装置に関する。

従来、車載のカーナビゲーションシステム、ハンズフリーホン、テレビ会議システム等において、目的の音声（例えば、話者の発声）以外の雑音混じりの音声信号に含まれる雑音を抑圧することが行われている。このような雑音抑圧技術として、複数のマイクロフォンを含むマイクアレイを用いた技術が知られている。

マイクアレイを用いた雑音抑圧の従来技術として、複数のマイクロフォンで受信した信号の振幅比に基づいて雑音抑圧をする方式が存在する。各マイクロフォンと音源との距離が等距離または遠い場合は振幅比が１．０に近い値になり、各マイクロフォンと音源との距離が各々異なる場合は振幅比が１．０から外れた値になる。振幅比に基づく雑音抑圧は、この振幅比を利用し、例えば、各マイクロフォンとの距離が異なる位置に目的音源が存在する場合に、複数のマイクロフォンで受信した信号の振幅比が１．０に近い値のときに雑音を抑圧する方式である。

しかし、各マイクロフォンと音源との距離が等距離であっても、各マイクロフォン間に感度差が生じている場合には、振幅比が１．０から外れた値になる場合がある。この場合、振幅比に基づく雑音抑圧が正確に行えないため、各マイクロフォンの感度差を補正する技術が必要となる。

マイクロフォン間の感度差を補正する技術として、例えば、複数の音入力部に入力された音から夫々生成した音信号に基づいて音処理を行う際に、補正係数を求めて、少なくとも一方の音信号のレベルを補正する装置が提案されている。この装置では、複数の音入力部に入力された夫々の音について、複数の音入力部の中の第１音入力部及び第２音入力部の配設位置にて定まる直線に対し、略垂直方向から到来する音の周波数成分を検出する。到来する音の方向は、第１音入力部及び第２音入力部に到達した夫々の音の位相差に基づいて検出している。そして、検出した周波数成分の音に基づき第１音入力部及び第２音入力部が生成した夫々の音信号のレベルを合わせるべく、入力された音から第１音入力部及び第２音入力部が生成した夫々の音信号の少なくとも一方のレベルを補正する補正係数を求めている。

国際公開第２００９／０６９１８４号パンフレット

しかし、従来のマイクロフォン間の感度差を補正する技術では、２つの入力部に到達した夫々の音の位相差に基づいて、到来する音の方向を検出している。このため、位相差を全帯域で使用できる位置に各マイクロフォンが配置されている場合には、マイクロフォン間の感度差がそれほど大きくない範囲において、感度差の補正を行うことができる。しかし、２つのマイクロフォンの間隔が音速／サンプリング周波数より広い場合には、サンプリング定理により、高域の周波数帯域で位相差が位相回転を起こしてしまう場合がある。この場合、位相差に基づいて到来する音の方向を正確に検出することができなくなるため、全帯域での感度差補正が不可能になってしまう。

また、２つのマイクロフォンの間隔が音速／サンプリング周波数より狭く、全帯域で位相差に基づいて到来する音の方向を検出できる場合でも、以下の問題がある。各マイクロフォンで受信する信号の振幅が等しくなる方向に音源が存在する場合というのは、従来技術で垂直方向から到来する音を検出しているように、限られた条件である。そのため、条件に合致した音が検出される確率が低く、適切な感度差補正を行えるように補正係数が更新されるまでに時間がかかり、実際の感度差に適応していない補正係数に基づく感度差補正が行われてしまう場合がある。特に感度差が大きい場合には、音声発声直後で感度差補正が間に合わずに音声歪みに繋がってしまう。

さらに、近年では、マイクアレイを搭載する機器を小型化する傾向にあるため、音孔の形状のなどのマイクロフォンの設置環境が複雑な構造となる傾向がある。これにより、各マイクロフォンの設置環境に違いが生じること等が原因で、感度差が周波数帯域によって異なる場合もあり、特に感度差の大きい周波数帯域では、適切な感度差補正を行えるように補正係数が更新されるまでに時間がかかってしまう。

開示の技術は、一つの側面として、マイクアレイの設置位置に制限がある場合でも、マイクロフォン間の感度差を迅速に補正することが目的である。

開示の技術は、マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出する検出部を備えている。また、開示の技術は、前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差をフレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正する第１補正部を備えている。また、開示の技術は、前記第１補正部で補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出する第２補正部を備えている。第２補正部は、前記第２補正係数を用いて、前記第１補正部で補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する。

開示の技術は、一つの側面として、マイクアレイの設置位置に制限がある場合でも、マイクロフォン間の感度差を迅速に補正することができる、という効果を有する。

第１実施形態に係る雑音抑圧装置の構成の一例を示すブロック図である。 第１実施形態に係る雑音抑圧装置の機能的構成の一例を示すブロック図である。 マイクアレイに対する音源位置を説明するための概略図である。 雑音抑圧装置として機能するコンピュータの一例を示す概略ブロック図である。 第１実施形態における雑音抑圧処理を示すフローチャートである。 第２実施形態に係る雑音抑圧装置の機能的構成の一例を示すブロック図である。 マイク間距離が短い場合の位相差の一例を示すグラフである。 マイク間距離が長い場合の位相差の一例を示すグラフである。 位相差の判定領域を説明するための概略図である。 第２実施形態における雑音抑圧処理を示すフローチャートである。 入力音声信号の一例を示すグラフである。 従来手法による雑音抑圧結果の一例を示すグラフである。 開示の技術による雑音抑圧結果の一例を示すグラフである。

以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。

＜第１実施形態＞
図１に、第１実施形態に係る雑音抑圧装置１０を示す。雑音抑圧装置１０には、複数のマイクロフォンを所定間隔ｄで配置したマイクアレイ１１が接続されている。マイクアレイ１１には、少なくとも２つのマイクロフォンが含まれる。ここでは、マイクロフォン１１Ａ及びマイクロフォン１１Ｂの２つのマイクロフォンが含まれる場合を例に説明する。

マイクロフォン１１Ａ及び１１Ｂは、周辺の音を収音し、収音した音をアナログ信号に変換して出力する。マイクロフォン１１Ａから出力された信号を入力音声信号１、マイクロフォン１１Ｂから出力された信号を入力音声信号２とする。入力音声信号１及び入力音声信号２には、目的音声（目的の音源からの音声、例えば話者の発声）以外に雑音が混入している。マイクアレイ１１から出力された入力音声信号１及び入力音声信号２は雑音抑圧装置１０に入力される。雑音抑圧装置１０では、マイクロフォン１１Ａとマイクロフォン１１Ｂとの感度差を補正した上で、雑音を抑圧した出力音声信号を生成して出力する。

雑音抑圧装置１０は、図２に示すように、アナログ／デジタル（Ａ／Ｄ）変換部１２Ａ，１２Ｂ、時間周波数変換部１４Ａ，１４Ｂ、検出部１６、フレーム単位補正部１８、周波数単位補正部２０、及び振幅比算出部２２を備えている。また、雑音抑圧装置１０は、抑圧係数算出部２４、抑圧信号生成部２６、及び周波数時間変換部２８を備えている。なお、フレーム単位補正部１８は、開示の技術の第１補正部の一例である。また、周波数単位補正部２０は、開示の技術の第２補正部の一例である。また、振幅比算出部２２、抑圧係数算出部２４、及び抑圧信号生成部２６は、開示の技術の抑圧部の一例である。また、Ａ／Ｄ変換部１２Ａ，１２Ｂ、時間周波数変換部１４Ａ，１４Ｂ、検出部１６、フレーム単位補正部１８、周波数単位補正部２０、及び周波数時間変換部２８の部分は、開示の技術のマイク感度差補正装置の一例である。

Ａ／Ｄ変換部１２Ａ，１２Ｂは、入力されたアナログ信号である入力音声信号１及び入力音声信号２の各々を、サンプリング周波数Ｆｓでデジタル信号である信号Ｍ_１（ｔ）及び信号Ｍ_２（ｔ）に変換する。ｔはサンプリング時刻である。

時間周波数変換部１４Ａ，１４Ｂは、Ａ／Ｄ変換部１２Ａ，１２Ｂで変換された時間領域の信号である信号Ｍ_１（ｔ）及び信号Ｍ_２（ｔ）の各々を、フレーム毎に周波数領域の信号である信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）に変換する。時間領域の信号から周波数領域の信号への変換には、例えば、ＦＦＴ（高速フーリエ変換、Fast Fourier Transformation）等を用いることができる。なお、ｉはフレーム番号、ｆは周波数である。すなわちＭ（ｆ，ｉ）は、フレームｉの周波数ｆを示す信号であり、開示の技術の周波数領域信号の一例である。また、１フレームは、例えば数十ｍｓｅｃとすることができる。

検出部１６は、時間周波数変換部１４Ａ，１４Ｂで変換された信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、各フレームの周波数ｆ毎に定常雑音か、または音声を含む非定常的な音かを判別する。これにより、定常雑音を示す信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を検出する。

定常雑音か非定常的な音かの判別は、例えば、「特開２０１１−１８６３８４号公報」等に記載の方法を用いることができる。具体的には、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）に基づいて定常雑音モデルＮ_ｓｔ（ｆ，ｉ）を推定し、定常雑音モデルＮ_ｓｔ（ｆ，ｉ）と信号Ｍ_１（ｆ，ｉ）との比ｒ（ｆ，ｉ）を求める。ｒ（ｆ，ｉ）は、ｒ（ｆ，ｉ）＝Ｍ_１（ｆ，ｉ）／Ｎ_ｓｔ（ｆ，ｉ）で表される。一般的に音声を含む非定常的な音はｒ（ｆ，ｉ）が大きくなり、定常雑音はｒ（ｆ，ｉ）が１．０に近い値になることから、ｒ（ｆ，ｉ）が１．０近傍の値である場合には、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）は定常雑音を示す信号であると判別する。なお、定常雑音モデルＮ_ｓｔ（ｆ，ｉ）と信号Ｍ_２（ｆ，ｉ）との比ｒ（ｆ，ｉ）に基づいて、定常雑音か否かを判別してもよい。

また、定常雑音か非定常的な音かを判別する別の方法として、信号Ｍ_１（ｆ，ｉ）のスペクトル形状が音声データ特有の山谷構造になっているか否かを判定し、山谷構造がはっきりしない構造である場合には、定常雑音であると判別する。山谷構造の判定は、信号のピーク値を比較することなどにより行うことができる。なお、信号Ｍ_２（ｆ，ｉ）のスペクトル形状に基づいて、定常雑音か否かを判別してもよい。

また、定常雑音か非定常的な音かを判別する別の方法として、現フレームの信号Ｍ_１（ｆ，ｉ）のスペクトル形状と、前フレームの信号Ｍ_１（ｆ，ｉ−１）のスペクトル形状との相関を計算する。相関係数が０に近い値である場合には、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）は定常雑音を示す信号であると判別する。なお、現フレームの信号Ｍ_２（ｆ，ｉ）のスペクトル形状と、前フレームの信号Ｍ_２（ｆ，ｉ−１）のスペクトル形状との相関に基づいて、定常雑音を検出してもよい。

フレーム単位補正部１８は、検出部１６で定常雑音を示す信号として検出された信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、フレーム単位の感度差補正係数を算出し、信号Ｍ_２（ｆ，ｉ）をフレーム単位で補正する。例えば、下記（１）式に示すようなフレーム単位の感度差補正係数Ｃ_１（ｉ）を算出することができる。なお、フレーム単位の感度差補正係数Ｃ_１（ｉ）は、開示の技術の第１補正係数の一例である。

ここで、αは、前フレームで算出されたフレーム単位の感度差補正係数Ｃ_１（ｉ−１）を現フレームにおけるフレーム単位の感度差補正係数Ｃ_１（ｉ）にどの程度反映させるかを示す更新係数であり、０≦α＜１の値である。なお、αは開示の技術の第１更新係数の一例である。すなわち、現フレームの感度差補正係数Ｃ_１（ｉ）を算出することにより、前フレームの感度差補正係数Ｃ_１（ｉ−１）を更新する。また、ｆ_ｍａｘはサンプリング周波数Ｆｓの１／２の値である。（１）式のΣ｜Ｍ_１（ｆ，ｉ）｜では、周波数０からｆ_ｍａｘにおいて、検出部１６で定常雑音を示す信号として検出された信号Ｍ_１（ｆ，ｉ）の和をとる。Σ｜Ｍ_２（ｆ，ｉ）｜についても同様である。

また、フレーム単位補正部１８は、算出したフレーム単位の感度差補正係数Ｃ_１（ｉ）に基づいて、下記（２）式に示すように信号Ｍ_２（ｆ，ｉ）を補正した信号Ｍ_２’（ｆ，ｉ）を生成する。

Ｍ_２’（ｆ，ｉ）＝Ｃ_１（ｉ）×Ｍ_２（ｆ，ｉ） （２）

フレーム単位の感度差補正係数Ｃ_１（ｉ）は、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２（ｆ，ｉ）とのフレーム単位での感度差を表している。このフレーム単位の感度差補正係数Ｃ_１（ｉ）を信号Ｍ_２（ｆ，ｉ）に乗算することで、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２（ｆ，ｉ）との感度差をフレーム単位で補正することができる。

周波数単位補正部２０は、信号Ｍ_１（ｆ，ｉ）及びフレーム単位補正部１８でフレーム単位の補正が行われた信号Ｍ_２’（ｆ，ｉ）を用いて、周波数単位の感度差補正係数を算出し、信号Ｍ_２’（ｆ，ｉ）を周波数単位で補正する。例えば、下記（３）式に示すような周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）を算出することができる。なお、周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）は、開示の技術の第２補正係数の一例である。

Ｃ_Ｆ（ｆ，ｉ）＝β×Ｃ_Ｆ（ｆ，ｉ−１）
＋（１−β）×（｜Ｍ_１（ｆ，ｉ）｜／｜Ｍ_２’（ｆ，ｉ）｜） （３）

ここで、βは、前フレームで同じ周波数ｆについて算出された周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ−１）を現フレームにおける周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）にどの程度反映させるかを示す更新係数であり、０≦β＜１の値である。なお、βは開示の技術の第２更新係数の一例である。すなわち、現フレームの周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）を算出することにより、前フレームの周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ−１）を更新する。

また、周波数単位補正部２０は、算出した周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）に基づいて、下記（４）式に示すように信号Ｍ_２’（ｆ，ｉ）を補正した信号Ｍ_２”（ｆ，ｉ）を生成する。

Ｍ_２”（ｆ，ｉ）＝Ｃ_Ｆ（ｆ，ｉ）×Ｍ_２’（ｆ，ｉ） （４）

周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）は、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２’（ｆ，ｉ）との周波数単位での感度差を表している。この周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）を信号Ｍ_２’（ｆ，ｉ）に乗算することで、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２’（ｆ，ｉ）との感度差を周波数単位で補正することができる。なお、信号Ｍ_２’（ｆ，ｉ）は、既にフレーム単位の補正が行われた信号であるため、周波数単位の補正は、周波数毎に微調整を行う補正となる。

振幅比算出部２２は、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２”（ｆ，ｉ）の各々の振幅スペクトルを算出する。そして、各フレームの周波数毎に、同じ周波数の振幅スペクトル同士の比を振幅比Ｒ（ｆ，ｉ）として算出する。

抑圧係数算出部２４は、振幅比算出部２２で算出された振幅比Ｒ（ｆ，ｉ）に基づいて、入力音声信号が目的音声か雑音かを判定して抑圧係数を算出する。ここで、図３に示すように、マイクロフォン１１Ａとマイクロフォン１１Ｂとの間隔（マイク間距離）がｄ、音源方向がθ、及び音源からマイクロフォン１１Ａまでの距離がｄｓの場合について考える。なお、音源方向θは、マイクアレイ１１に対して音源が存在する方向であり、図３に示すように、２つのマイクロフォンの中心を通る直線と、２つのマイクロフォンの中心の中点Ｐを一端、音源を他端とする線分とのなす角で表す。この場合、入力音声信号１と入力音声信号２との振幅比の理論値（マイクロフォン間に感度差が生じていない場合の振幅比）Ｒ_Ｔは下記（５）式となる。

Ｒ_Ｔ＝｛ｄｓ／（ｄｓ＋ｄ×ｃｏｓθ）｝（０≦θ≦１８０） （５）

また、抑圧せずに残したい目的音声の音源方向を、θ_ｍｉｎ以上、θ_ｍａｘ以下とすると、振幅比の理論値Ｒ_Ｔは、下記（６）式及び（７）式で表されるＲ_ｍｉｎ以上、Ｒ_ｍａｘ以下の値になる。

Ｒ_ｍｉｎ＝ｄｓ／（ｄｓ＋ｄ×ｃｏｓθ_ｍｉｎ） （６）
Ｒ_ｍａｘ＝ｄｓ／（ｄｓ＋ｄ×ｃｏｓθ_ｍａｘ） （７）

従って、抑圧係数算出部２４は、まず、マイク間距離ｄ、音源方向θ、及び目的音声の音源からマイクロフォン１１Ａまでの距離ｄｓに基づいて、範囲Ｒ_ｍｉｎ〜Ｒ_ｍａｘを定める。そして、算出された振幅比Ｒ（ｆ，ｉ）が範囲Ｒ_ｍｉｎ〜Ｒ_ｍａｘに含まれる場合には、入力音声信号が目的音声であると判定し、例えば、下記のような抑圧係数ε（ｆ，ｉ）を算出する。

Ｒ_ｍｉｎ≦Ｒ（ｆ，ｉ）≦Ｒ_ｍａｘの場合 ε（ｆ，ｉ）＝１．０
Ｒ（ｆ，ｉ）＜Ｒ_ｍｉｎ or Ｒ（ｆ，ｉ）＞Ｒ_ｍａｘの場合 ε（ｆ，ｉ）＝ε_ｍｉｎ

なお、ε_ｍｉｎは０＜ε_ｍｉｎ＜１の値であり、例えば、抑圧量を−３ｄＢにしたい場合にはε_ｍｉｎは約０．７、抑圧量を−６ｄＢにしたい場合にはε_ｍｉｎは０．５となる。また、算出した振幅比Ｒ（ｆ，ｉ）がＲ_ｍｉｎ〜Ｒ_ｍａｘの範囲外の場合に、Ｒ_ｍｉｎ〜Ｒ_ｍａｘの範囲から振幅比Ｒ（ｆ，ｉ）が外れるにしたがって、下記に示すように、抑圧係数εを１．０からε_ｍｉｎに徐々に変化するように算出してもよい。

Ｒ_ｍｉｎ≦Ｒ（ｆ，ｉ）≦Ｒ_ｍａｘの場合
ε（ｆ，ｉ）＝１．０
Ｒ_ｍｉｎ−０．１≦Ｒ（ｆ，ｉ）≦Ｒ_ｍｉｎの場合
ε（ｆ，ｉ）＝１０（１．０−ε_ｍｉｎ）Ｒ（ｆ，ｉ）
−１０Ｒ_ｍｉｎ（１．０−ε_ｍｉｎ）＋１．０
Ｒ_ｍａｘ≦Ｒ（ｆ，ｉ）≦Ｒ_ｍａｘ＋０．１の場合
ε（ｆ，ｉ）＝−１０（１．０−ε_ｍｉｎ）Ｒ（ｆ，ｉ）
＋１０Ｒ_ｍａｘ（１．０−ε_ｍｉｎ）＋１．０
Ｒ（ｆ，ｉ）＜Ｒ_ｍｉｎ−０．１ or Ｒ（ｆ，ｉ）＞Ｒ_ｍａｘ＋０．１の場合
ε（ｆ，ｉ）＝ε_ｍｉｎ

上記の抑圧係数ε（ｆ，ｉ）は、０．０から１．０までの値で、０．０に近いほど抑圧の程度が大きくなる。

抑圧信号生成部２６は、抑圧係数算出部２４で算出された抑圧係数ε（ｆ，ｉ）を信号Ｍ_１（ｆ，ｉ）に乗算することにより、雑音を抑圧した抑圧信号を各フレームの周波数毎に生成する。

周波数時間変換部２８は、抑圧信号生成部２６で生成された周波数領域の信号である抑圧信号を、例えば逆フーリエ変換等を用いて時間領域の信号である出力音声信号に変換して出力する。

雑音抑圧装置１０は、例えば図４に示すコンピュータ４０で実現することができる。コンピュータ４０はＣＰＵ４２、メモリ４４、及び不揮発性の記憶部４６を備えている。ＣＰＵ４２、メモリ４４、及び記憶部４６は、バス４８を介して互いに接続されている。また、コンピュータ４０には、マイクアレイ１１（マイクロフォン１１Ａ，１１Ｂ）が接続されている。

記憶部４６はＨＤＤ（Hard Disk Drive）やフラッシュメモリ等によって実現できる。記録媒体としての記憶部４６には、コンピュータ４０を雑音抑圧装置１０として機能させるための雑音抑圧プログラム５０が記憶されている。ＣＰＵ４２は、雑音抑圧プログラム５０を記憶部４６から読み出してメモリ４４に展開し、雑音抑圧プログラム５０が有するプロセスを順次実行する。

雑音抑圧プログラム５０は、Ａ／Ｄ変換プロセス５２、時間周波数変換プロセス５４、検出プロセス５６、フレーム単位補正プロセス５８、周波数単位補正プロセス６０、及び振幅比算出プロセス６２を有する。また、雑音抑圧プログラム５０は、抑圧係数算出プロセス６４、抑圧信号生成プロセス６６、及び周波数時間変換プロセス６８を有する。

ＣＰＵ４２は、Ａ／Ｄ変換プロセス５２を実行することで、図２に示すＡ／Ｄ変換部１２Ａ，１２Ｂとして動作する。また、ＣＰＵ４２は、時間周波数変換プロセス５４を実行することで、図２に示す時間周波数変換部１４Ａ，１４Ｂとして動作する。また、ＣＰＵ４２は、検出プロセス５６を実行することで、図２に示す検出部１６として動作する。また、ＣＰＵ４２は、フレーム単位補正プロセス５８を実行することで、図２に示すフレーム単位補正部１８として動作する。また、ＣＰＵ４２は、周波数単位補正プロセス６０を実行することで、図２に示す周波数単位補正部２０として動作する。また、ＣＰＵ４２は、振幅比算出プロセス６２を実行することで、図２に示す振幅比算出部２２として動作する。また、ＣＰＵ４２は、抑圧係数算出プロセス６４を実行することで、図２に示す抑圧係数算出部２４として動作する。また、ＣＰＵ４２は、抑圧信号生成プロセス６６を実行することで、図２に示す抑圧信号生成部２６として動作する。また、ＣＰＵ４２は、周波数時間変換プロセス６８を実行することで、図２に示す周波数時間変換部２８として動作する。これにより、雑音抑圧プログラム５０を実行したコンピュータ４０が、雑音抑圧装置１０として機能することになる。

なお、雑音抑圧装置１０は、例えば半導体集積回路、より詳しくはＡＳＩＣ（Application Specific Integrated Circuit）やＤＳＰ（Digital Signal Processor）等で実現することも可能である。

次に、第１実施形態に係る雑音抑圧装置１０の作用について説明する。マイクアレイ１１から入力音声信号１及び入力音声信号２が出力されると、ＣＰＵ４２が、記憶部４６に記憶された雑音抑圧プログラム５０をメモリ４４に展開して、図５に示す雑音抑圧処理を実行する。

図５に示す雑音抑圧処理のステップ１００で、Ａ／Ｄ変換部１２Ａ，１２Ｂが、入力されたアナログ信号である入力音声信号１及び入力音声信号２の各々を、サンプリング周波数Ｆｓでデジタル信号である信号Ｍ_１（ｔ）及び信号Ｍ_２（ｔ）に変換する。

次に、ステップ１０２で、時間周波数変換部１４Ａ，１４Ｂが、時間領域の信号である信号Ｍ_１（ｔ）及び信号Ｍ_２（ｔ）の各々を、フレーム毎に周波数領域の信号である信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）に変換する。

次に、ステップ１０４で、検出部１６が、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、フレームｉの周波数ｆ毎に、入力音声信号が定常雑音か、または非定常的な音かを判別して、定常雑音を示す信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を検出する。

次に、ステップ１０６で、フレーム単位補正部１８が、定常雑音を示す信号として検出された信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、例えば（１）式に示すようなフレーム単位の感度差補正係数Ｃ_１（ｉ）を算出する。

次に、ステップ１０８で、フレーム単位補正部１８が、フレーム単位の感度差補正係数Ｃ_１（ｉ）を信号Ｍ_２（ｆ，ｉ）に乗算して、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２（ｆ，ｉ）との感度差をフレーム単位で補正した信号Ｍ_２’（ｆ，ｉ）を生成する。

次に、ステップ１１０で、周波数単位補正部２０が、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２’（ｆ，ｉ）を用いて、例えば（３）式に示すような周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）を算出する。

次に、ステップ１１２で、周波数単位補正部２０が、周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）を信号Ｍ_２’（ｆ，ｉ）に乗算して、信号Ｍ_１（ｆ，ｉ）と信号Ｍ_２’（ｆ，ｉ）との感度差を周波数単位で補正した信号Ｍ_２”（ｆ，ｉ）を生成する。

次に、ステップ１１４で、振幅比算出部２２が、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２”（ｆ，ｉ）の各々の振幅スペクトルを算出する。そして、各フレームの周波数毎に、同じ周波数の振幅スペクトル同士の比を振幅比Ｒ（ｆ，ｉ）として算出する。

次に、ステップ１１６で、抑圧係数算出部２４が、振幅比Ｒ（ｆ，ｉ）に基づいて、入力音声信号が目的音声か雑音かを判定して、抑圧係数ε（ｆ，ｉ）を算出する。

次に、ステップ１１８で、抑圧信号生成部２６が、抑圧係数ε（ｆ，ｉ）を信号Ｍ_１（ｆ，ｉ）に乗算することにより、雑音を抑圧した抑圧信号を各フレームの周波数毎に生成する。

次に、ステップ１２０で、周波数時間変換部２８が、周波数領域の信号である抑圧信号を、例えば逆フーリエ変換等を用いて時間領域の信号である出力音声信号に変換して出力する。

次に、ステップ１２２で、Ａ／Ｄ変換部１２Ａ，１２Ｂが、引き続き入力音声信号が入力されたか否かを判定する。入力音声信号が入力されている場合には、ステップ１００へ戻って、ステップ１００〜１２０の処理を繰り返す。引き続き入力される入力音声信号が存在しないと判定された場合には、雑音抑圧処理を終了する。

以上説明したように、第１実施形態に係る雑音抑圧装置１０によれば、定常雑音は入力音声信号間の振幅比が１．０に近い値になることを利用して、入力音声信号から定常雑音を検出して、マイクロフォン間の感度差を補正する。定常雑音を利用することにより、位相差を用いて検出した所定方向から到来する音声に基づいて感度差補正を行う場合に比べ、感度差補正に利用する音声をより広い範囲から検出することができる。また、感度差の補正では、まず、周波数領域の信号に変換された入力音声信号の一方をフレーム単位で補正した信号に対して、周波数単位の補正を行うことにより、周波数毎に感度差が異なる場合でも、迅速に感度差を補正することができる。従って、第１実施形態に係る雑音抑圧装置１０によれば、マイクロフォン間の感度差が大きい場合でも、感度差補正の係数が安定するまでの時間が短くなる。すなわち、マイクロフォン間の感度差の補正を迅速に行うことができる。そのため、感度差補正の遅れによる雑音抑圧による音声歪みを低減することができる。

なお、第１実施形態では、マイクロフォン間の感度差に基づいて信号Ｍ_２（ｆ，ｉ）を感度差補正し、信号Ｍ_１（ｆ，ｉ）に雑音抑圧係数を乗じて抑圧信号を生成する場合について説明した。これは、目的音源が入力音声信号１を収音するマイクロフォン１１Ａに近い位置にある場合を想定している。目的音源音声がマイクロフォン１１Ｂに近い位置にある場合には、信号Ｍ_１（ｆ，ｉ）を感度差補正し、信号Ｍ_２（ｆ，ｉ）に雑音抑圧係数を乗じて抑圧信号を生成するようにするとよい。目的音源とマイクロフォン１１Ａ及びマイクロフォン１１Ｂの各々との距離に大きな差がない場合には、どちらを利用してもよい。

また、第１実施形態では、フレーム単位の感度差補正係数Ｃ_１（ｉ）、及び周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）をフレーム毎に更新する場合について説明したが、これに限定されない。上記の雑音抑圧処理を一定時間Ｔ１（例えば、Ｔ１＝１時間）実行して更新された最終のＣ_１（ｉ）及びＣ_Ｆ（ｆ，ｉ）をメモリ等に保存しておき、その後は保存してあるＣ_１（ｉ）及びＣ_Ｆ（ｆ，ｉ）を利用するようにしてもよい。さらに、上記の雑音抑圧処理を一定時間Ｔ２（例えば、Ｔ２＝１時間）実行する毎に、上記の雑音抑圧処理を一定時間Ｔ３（例えば、Ｔ３＝１０分）実行して更新された最終のＣ_１（ｉ）及びＣ_Ｆ（ｆ，ｉ）を、次の一定時間Ｔ２の間利用するようにしてもよい。

また、（１）式内の更新係数α、及び（３）式内の更新係数βについて、上記の雑音抑圧処理の実行時間が長くなるに従って大きくなるように設定してもよい。なお、更新係数α及びβの更新は、全て同じ方法で更新してもよいし、各々別の方法で更新してもよい。

＜第２実施形態＞
図６に、第２実施形態に係る雑音抑圧装置２１０を示す。なお、第２実施形態に係る雑音抑圧装置２１０において、第１実施形態に係る雑音抑圧装置１０と同一の部分については、同一符号を付して詳細な説明を省略する。

雑音抑圧装置２１０は、図６に示すように、Ａ／Ｄ変換部１２Ａ，１２Ｂ、時間周波数変換部１４Ａ，１４Ｂ、検出部２１６、フレーム単位補正部２１８、周波数単位補正部２０、及び振幅比算出部２２を備えている。また、雑音抑圧装置２１０は、抑圧係数算出部２２４、抑圧信号生成部２６、周波数時間変換部２８、位相差利用範囲設定部３０、位相差算出部３２、及び正確度算出部３４を備えている。なお、フレーム単位補正部２１８は、開示の技術の第１補正部の一例である。また、周波数単位補正部２０は、開示の技術の第２補正部の一例である。また、振幅比算出部２２、抑圧係数算出部２２４、及び抑圧信号生成部２６は、開示の技術の抑圧部の一例である。また、Ａ／Ｄ変換部１２Ａ，１２Ｂ、時間周波数変換部１４Ａ，１４Ｂ、検出部２１６、フレーム単位補正部２１８、周波数単位補正部２０、及び周波数時間変換部２８の部分は、開示の技術のマイク感度差補正装置の一例である。

位相差利用範囲設定部３０は、マイク間距離及びサンプリング周波数の設定値を受け付け、音の到来方向の判定に位相差を利用できる周波数帯域を、マイク間距離及びサンプリング周波数に基づいて設定する。

ここで、マイク間距離及びサンプリング周波数と、入力音声信号１と入力音声信号２との位相差（同じ周波数における位相スペクトルの差）との関係について説明する。図７は、マイクロフォン１１Ａとマイクロフォン１１Ｂとのマイク間距離ｄが音速ｃ／サンプリング周波数Ｆｓよりも小さい場合に、音源方向毎の入力音声信号１と入力音声信号２との位相差を表したグラフである。図８は、マイク間距離ｄが音速ｃ／サンプリング周波数Ｆｓよりも大きい場合に、音源方向毎の入力音声信号１と入力音声信号２との位相差を表したグラフである。図７及び図８では、音源方向を１０°、３０°、５０°、７０°、９０°としている。

図７に示すように、マイク間距離ｄが音速ｃ／サンプリング周波数Ｆｓより小さい場合には、音源方向がいずれであっても位相回転が生じていないため、位相差を利用して音の到来方向を判定することに支障がない。しかし、図８に示すように、マイク間距離ｄが音速ｃ／サンプリング周波数Ｆｓより大きい場合には、ある周波数（図８の例では１ｋＨｚ付近）よりも高域の周波数帯域で位相回転が生じている。位相回転が生じている場合には、位相差を利用して音の到来方向を判定することが困難となる。すなわち、位相差を利用してマイクロフォン間の感度差の補正及び雑音抑圧をする場合に、マイク間距離に制約ができてしまうという問題が生じる。

そこで、位相差利用範囲設定部３０は、マイク間距離ｄ及びサンプリング周波数Ｆｓに基づいて、入力音声信号１と入力音声信号２との位相差に位相回転が生じない周波数帯域を算出する。そして、算出した周波数帯域を、位相差を利用して音の到来方向を判定する位相差利用範囲として設定する。

より具体的には、位相差利用範囲設定部３０は、位相差利用範囲の上限周波数ｆ_ｍａｘを、マイク間距離ｄ、サンプリング周波数Ｆｓ、及び音速ｃを用いて、下記（８）式及び（９）式により算出する。

ｄ≦ｃ／Ｆｓの場合 ｆ_ｍａｘ＝Ｆｓ／２ （８）
ｄ＞ｃ／Ｆｓの場合 ｆ_ｍａｘ＝ｃ／（ｄ＊２） （９）

位相差利用範囲設定部３０は、算出したｆ_ｍａｘ以下の周波数帯域を位相差利用範囲として設定する。位相差利用範囲の設定は、本装置の動作開始時に一度だけ実行し、算出した上限周波数ｆ_ｍａｘをメモリ等に記憶しておけばよい。図９に、サンプリング周波数Ｆｓを８ｋＨｚ、マイク間距離ｄを１３５ｍｍ、音源方向θを３０°とした場合の位相差を示す。この場合、（９）式より、ｆ_ｍａｘは凡そ１．２ｋＨｚ付近になる。

位相差算出部３２は、位相差利用範囲設定部３０で設定された位相差利用範囲（周波数ｆ_ｍａｘ以下の周波数帯域）において、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）の各々の位相スペクトルを算出する。そして、同じ周波数の位相スペクトル同士の差分を位相差として算出する。

検出部２１６は、位相差算出部３２で算出された位相差に基づいて、各フレームの周波数ｆ毎に、入力音声信号の到来方向を判定することにより、目的音声の音源方向（以下、「目的音方向」という）以外から到来した音を検出する。目的音方向以外から到来した音は、遠くから到来した音であるとみなすと、定常雑音の場合と同様に、入力音声信号間の振幅比が１．０に近い値になるとみなすことができる。

具体的には、検出部２１６は、位相差算出部３２で算出された位相差から、現フレームの音が目的音方向から到来した音であるかどうかを判定する。例えば、雑音抑圧装置２１０が携帯電話に搭載されている場合、携帯電話を持って発声する人の口元方向が目的音方向となる。ここでは、図３に示すように、マイクロフォン１１Ｂよりもマイクロフォン１１Ａの方が目的音源に近い位置に配置されている場合について説明する。

検出部２１６は、例えば、図９の斜線で示した領域のように、算出した位相差が含まれた場合に、入力音声信号が目的音方向から到来した音であると判定するための判定領域を設定しておく。位相差利用範囲設定部３０で設定された位相差利用範囲において、この判定領域に位相差が含まれる場合には、入力音声信号の現フレームの周波数ｆ成分の音は目的音方向から到来した音であるとみなす。一方、位相差が判定領域外となる場合には、入力音声信号の現フレームの周波数ｆ成分の音は目的音方向以外から到来した音であるとみなす。

フレーム単位補正部２１８は、検出部２１６で目的音方向以外から到来した音として検出された信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、フレーム単位の感度差補正係数を算出し、信号Ｍ_２（ｆ，ｉ）をフレーム単位で補正する。例えば、第１実施形態のフレーム単位補正部１８と同様に、（１）式に示すようなフレーム単位の感度差補正係数Ｃ_１（ｉ）を算出することができる。なお、第２実施形態では、（１）式のｆ_ｍａｘは位相差利用範囲設定部３０で設定された上限周波数である。また、（１）式のΣ｜Ｍ_１（ｆ，ｉ）｜では、周波数０からｆ_ｍａｘにおいて、検出部２１６で目的音方向以外から到来した音として検出された信号Ｍ_１（ｆ，ｉ）の和をとる。Σ｜Ｍ_２（ｆ，ｉ）｜についても同様である。また、フレーム単位補正部２１８は、第１実施形態のフレーム単位補正部１８と同様に、算出したフレーム単位の感度差補正係数Ｃ_１（ｉ）に基づいて、例えば（２）式に示すように信号Ｍ_２（ｆ，ｉ）を補正した信号Ｍ_２’（ｆ，ｉ）を生成する。

正確度算出部３４は、感度差補正の正確度を算出する。第２実施形態では、目的音方向以外から到来した音を、定常雑音の場合と同様に、入力音声信号間の振幅比が１．０に近い値になるものとして利用している。ただし、実際には、目的音方向以外から到来した音として検出された入力音声信号間の振幅比が１．０に近い値にならない場合もある。仮に、振幅比が１．０から大きく外れた値を利用した場合には、正確な感度差補正が行えず、雑音抑圧を行った際に音声歪みが生じてしまう場合がある。また、係数の更新が十分でない場合にも同様の問題が生じる。そこで、感度差補正の正確度が高い場合にのみ雑音抑圧を行うようにする。

具体的には、正確度算出部３４は、位相差利用範囲における各周波数のうち、判定領域（例えば、図９の斜線で示した領域）に位相差が含まれる周波数の確率を、そのフレームの入力音声信号が目的音方向からの音である確率として算出する。すなわち、
目的音方向からの音である確率
＝位相差が判定領域に含まれる周波数の数／位相差利用範囲の周波数の数
である。正確度算出部３４は、目的音方向からの音である確率が高い場合に、正確度を更新する。目的音方向からの音である確率は、０．０から１．０までの値になるので、例えば０．８を閾値とし、目的音方向からの音である確率が閾値を超えた場合に、例えば下記（１０）式に示すような正確度Ｅ_Ｆ（ｆ，ｉ）を算出する。

Ｅ_Ｆ（ｆ，ｉ）＝γ×Ｅ_Ｆ（ｆ，ｉ−１）
＋（１−γ）×（｜Ｍ_１（ｆ，ｉ）｜／｜Ｍ_２”（ｆ，ｉ）｜） （１０）

ここで、γは、前フレームで算出された正確度Ｅ_Ｆ（ｆ，ｉ−１）を現フレームにおける正確度Ｅ_Ｆ（ｆ，ｉ）にどの程度反映させるかを示す更新係数であり、０≦γ＜１の値である。なお、γは開示の技術の第３更新係数の一例である。すなわち、現フレームの周波数毎の正確度Ｅ_Ｆ（ｆ，ｉ）を算出することにより、前フレームまでの周波数毎の正確度Ｅ_Ｆ（ｆ，ｉ−１）を更新する。

抑圧係数算出部２２４は、第１実施形態の抑圧係数算出部２４と同様に抑圧係数ε（ｆ，ｉ）を算出する。ただし、正確度Ｅ_Ｆ（ｆ，ｉ）が所定の閾値（例えば、１．０）未満となる周波数については、正確な感度差補正が行えるまで感度差補正係数が更新されていないとみなして、抑圧係数ε（ｆ，ｉ）を１．０（抑圧を行わない値）とする。

雑音抑圧装置２１０は、例えば図４に示すコンピュータ２４０で実現することができる。コンピュータ２４０はＣＰＵ４２、メモリ４４、及び不揮発性の記憶部４６を備えている。ＣＰＵ４２、メモリ４４、及び記憶部４６は、バス４８を介して互いに接続されている。また、コンピュータ２４０には、マイクアレイ１１（マイクロフォン１１Ａ，１１Ｂ）が接続されている。

記憶部４６はＨＤＤやフラッシュメモリ等によって実現できる。記録媒体としての記憶部４６には、コンピュータ２４０を雑音抑圧装置２１０として機能させるための雑音抑圧プログラム２５０が記憶されている。ＣＰＵ４２は、雑音抑圧プログラム２５０を記憶部４６から読み出してメモリ４４に展開し、雑音抑圧プログラム２５０が有するプロセスを順次実行する。

雑音抑圧プログラム２５０は、Ａ／Ｄ変換プロセス５２、時間周波数変換プロセス５４、検出プロセス２５６、フレーム単位補正プロセス２５８、周波数単位補正プロセス６０、及び振幅比算出プロセス６２を有する。また、雑音抑圧プログラム２５０は、抑圧係数算出プロセス２６４、抑圧信号生成プロセス６６、周波数時間変換プロセス６８、位相差利用範囲設定プロセス７０、位相差算出プロセス７２、及び正確度算出プロセス７４を有する。

ＣＰＵ４２は、検出プロセス２５６を実行することで、図６に示す検出部２１６として動作する。また、ＣＰＵ４２は、フレーム単位補正プロセス２５８を実行することで、図６に示すフレーム単位補正部２１８として動作する。また、ＣＰＵ４２は、抑圧係数算出プロセス２６４を実行することで、図６に示す抑圧係数算出部２２４として動作する。また、ＣＰＵ４２は、位相差利用範囲設定プロセス７０を実行することで、図６に示す位相差利用範囲設定部３０として動作する。また、ＣＰＵ４２は、位相差算出プロセス７２を実行することで、図６に示す位相差算出部３２として動作する。また、ＣＰＵ４２は、正確度算出プロセス７４を実行することで、図６に示す正確度算出部３４として動作する。他のプロセスについては、第１実施形態の雑音抑圧プログラム５０と同様である。これにより、雑音抑圧プログラム２５０を実行したコンピュータ２４０が、雑音抑圧装置２１０として機能することになる。

なお、雑音抑圧装置２１０は、例えば半導体集積回路、より詳しくはＡＳＩＣやＤＳＰ等で実現することも可能である。

次に、第２実施形態に係る雑音抑圧装置２１０の作用について説明する。マイクアレイ１１から入力音声信号１及び入力音声信号２が出力されると、ＣＰＵ４２が、記憶部４６に記憶された雑音抑圧プログラム２５０をメモリ４４に展開して、図１０に示す雑音抑圧処理を実行する。なお、第２実施形態における雑音抑圧処理において、第１実施形態における雑音抑圧処理と同一の処理については、同一符号を付して詳細な説明を省略する。

図１０に示す雑音抑圧処理のステップ２００で、位相差利用範囲設定部３０が、マイク間距離ｄ及びサンプリング周波数Ｆｓの設定値を受け付け、音の到来方向の判定に位相差を利用できる周波数帯域を算出し、位相差利用範囲として設定する。

次に、ステップ１００及び１０２で、アナログ信号である入力音声信号１及び入力音声信号２の各々を、デジタル信号である信号Ｍ_１（ｔ）及び信号Ｍ_２（ｔ）に変換し、さらに、周波数領域の信号である信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）に変換する。

次に、ステップ２０２で、位相差算出部３２が、位相差利用範囲設定部３０で設定された位相差利用範囲（周波数ｆ_ｍａｘ以下の周波数帯域）において、信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）の各々の位相スペクトルを算出する。そして、同じ周波数の位相スペクトル同士の差分を位相差として算出する。

次に、ステップ２０４で、検出部２１６が、上記ステップ２０２で算出された位相差に基づいて、各フレームの周波数ｆ毎に到来方向を判定することにより、目的音方向以外から到来した音を示す信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を検出する。

次に、ステップ２０６で、フレーム単位補正部２１８が、目的音方向以外から到来した音として検出された信号Ｍ_１（ｆ，ｉ）及び信号Ｍ_２（ｆ，ｉ）を用いて、例えば（１）式に示すフレーム単位の感度差補正係数Ｃ_１（ｉ）を算出する。ただし、（１）式のｆ_ｍａｘは位相差利用範囲設定部３０で設定された上限周波数である。また、（１）式のΣ｜Ｍ_１（ｆ，ｉ）｜では、周波数０からｆ_ｍａｘにおいて、目的音方向以外から到来した音として検出された信号Ｍ_１（ｆ，ｉ）の和をとる。Σ｜Ｍ_２（ｆ，ｉ）｜についても同様である。

次に、ステップ１０８〜１１２で、信号Ｍ_２（ｆ，ｉ）にフレーム単位の感度差補正を行った上で、周波数単位の感度差補正を行った信号Ｍ_２”（ｆ，ｉ）を生成する。

次に、ステップ２０８で、正確度算出部３４が、位相差利用範囲における各周波数のうち、判定領域（例えば、図９の斜線で示した領域）に位相差が含まれる周波数の確率を、そのフレームの入力音声信号が目的音方向からの音である確率として算出する。

次に、ステップ２１１で、正確度算出部３４が、上記ステップ２０８で算出した確率が、所定の閾値（例えば０．８）を超えたか否かを判定する。目的音方向からの音である確率が閾値を超えた場合には、ステップ２１２へ移行する。ステップ２１２では、正確度算出部３４が、例えば（１０）式に示す正確度Ｅ_Ｆ（ｆ，ｉ）を算出することにより、前フレームまでの正確度Ｅ_Ｆ（ｆ，ｉ−１）を更新する。一方、上記ステップ２１１で、目的音方向からの音である確率が閾値以下と判定された場合には、ステップ２１２をスキップして、ステップ１１４へ移行する。

ステップ１１４では、振幅比算出部２２が振幅比Ｒ（ｆ，ｉ）を算出する。次に、ステップ２１４で、抑圧係数算出部２２４が、第１実施形態のステップ１１６と同様に抑圧係数ε（ｆ，ｉ）を算出する。ただし、上記ステップ２１２で更新された正確度Ｅ_Ｆ（ｆ，ｉ）が所定の閾値（例えば、１．０）未満となる周波数については、抑圧係数ε（ｆ，ｉ）を１．０（抑圧を行わない値）とする。

以下、ステップ１１８〜１２２で、第１実施形態と同様に処理して、出力音声信号を出力して、雑音抑圧処理を終了する。

以上説明したように、第２実施形態に係る雑音抑圧装置２１０によれば、位相差を利用できる周波数帯域において算出された位相差に基づいて、目的音方向以外から到来した音を検出する。目的音方向以外から到来した音であれば、定常雑音と同様に、入力音声信号間の振幅比が１．０に近い値になるとみなして、マイクロフォン間の感度差を補正する。これにより、第１実施形態と同様に、マイクアレイの配置に制限がある場合でも、マイクロフォン間の感度差の補正を迅速に行うことができる。そのため、感度差補正の遅れによる雑音抑圧による音声歪みを低減することができる。また、感度差補正の正確度が高い場合にのみ、雑音抑圧の処理を行うことで、正確な感度差補正が行えていない場合に、雑音抑圧を行った際に音声歪みが生じてしまうことを防止することができる。

また、第２実施形態では、フレーム単位の感度差補正係数Ｃ_１（ｉ）、周波数単位の感度差補正係数Ｃ_Ｆ（ｆ，ｉ）、及び正確度Ｅ_Ｆ（ｆ，ｉ）をフレーム毎に更新する場合について説明したが、これに限定されない。例えば、上記の雑音抑圧処理を一定時間Ｔ１（例えば、Ｔ１＝１時間）実行して更新された最終のＣ_１（ｉ）、Ｃ_Ｆ（ｆ，ｉ）、及びＥ_Ｆ（ｆ，ｉ）をメモリ等に保存しておく。そして、その後は保存してあるＣ_１（ｉ）、Ｃ_Ｆ（ｆ，ｉ）、及びＥ_Ｆ（ｆ，ｉ）を利用するようにしてもよい。さらに、上記の雑音抑圧処理を一定時間Ｔ２（例えば、Ｔ２＝１時間）実行する毎に、上記の雑音抑圧処理を一定時間Ｔ３（例えば、Ｔ３＝１０分）実行する。そして、更新された最終のＣ_１（ｉ）、Ｃ_Ｆ（ｆ，ｉ）、及びＥ_Ｆ（ｆ，ｉ）を、次の一定時間Ｔ２の間利用するようにしてもよい。また、全ての周波数ｆについてＥ_Ｆ（ｆ，ｉ）が常に１．０以上になった場合に、Ｃ_１（ｉ）、Ｃ_Ｆ（ｆ，ｉ）、及びＥ_Ｆ（ｆ，ｉ）の更新を終了してもよい。

また、（１）式内の更新係数α、（３）式内の更新係数β、（１０）式内の更新係数γについては、上記の雑音抑圧処理の実行時間が長くなるに従って大きくなるように設定してもよい。また、周波数毎により各係数の更新を早く完了させるために、Ｅ_Ｆ（ｆ，ｉ）の値に従って、例えば、Ｅ_Ｆ（ｆ，ｉ）＜１．０の場合に、下記（１１）式〜（１３）式に示すようにα、β、及びγの値を変更してもよい。この場合、α、β、及びγは周波数毎に異なる値をとる。

α（ｆ，ｉ）＝０．２×Ｅ_Ｆ（ｆ，ｉ）＋０．８ （１１）
β（ｆ，ｉ）＝０．２×Ｅ_Ｆ（ｆ，ｉ）＋０．８ （１２）
γ（ｆ，ｉ）＝０．２×Ｅ_Ｆ（ｆ，ｉ）＋０．８ （１３）

なお、更新係数α、β、及びγの更新は、全て同じ方法で更新してもよいし、各々別の方法で更新してもよい。

また、上記各実施形態では、開示の技術のマイク感度差補正装置を含む雑音抑圧装置について説明したが、開示の技術のマイク感度差補正装置を単独または他の装置と組み合わせた形態としてもよい。例えば、補正した信号をそのまま出力する形態や、補正した信号を雑音抑圧以外の音声処理を行う装置へ入力するようにしてもよい。

ここで、図１に示すように各マイクロフォンを配置し、サンプリング周波数を８ｋＨｚ、マイク間距離を１３５ｍｍとした場合について、開示の技術による雑音抑圧処理結果の一例について説明する。図１１は、入力音声信号１及び入力音声信号２の振幅スペクトルの一例を示すグラフである。各マイクロフォン間に感度差が生じていなければ、音源に近い位置にあるマイクロフォン１１Ａから出力された入力音声信号１の方が入力音声信号２よりも振幅が大きくなるはずである。しかし、図１１の例では、マイクロフォン１１Ａ１よりマイクロフォン１１Ｂの感度が高く、入力音声信号２の振幅の方が入力音声信号１の振幅よりも大きくなっている。

また、本開示の技術に対する比較例として、従来手法により、図１１に示す入力音声信号１及び入力音声信号２に対して雑音抑圧を行った結果を図１２に示す。ここでの従来手法は、位相差を用いて検出した垂直方向から到来した音に基づいて、各マイクロフォン間の感度差補正を行って雑音抑圧処理を行う手法である。この従来方式では、マイク間距離が音速／サンプリング周波数より大きい場合、位相差利用範囲内の低域でしか正確な感度差補正が行えない。そのため、図１２に示すように、中高域の音声（山部分）が抑圧されてしまう。

一方、開示の技術により、図１１に示す入力音声信号１及び入力音声信号２に対して雑音抑圧を行った結果を図１３に示す。図１３に示す本開示の技術による雑音抑圧結果では、全帯域で音声が抑圧されず、雑音（谷部分）のみが抑圧されている。

以上のように、開示の技術の手法によると、各マイクロフォンの配置位置に対する自由度が高まり、薄型化が進むスマートフォンを始めとする様々な装置にマイクアレイを実装することができる。また、マイクロフォン間の感度差を迅速に補正し、音声歪みのない雑音抑圧を実現することが可能となる。

なお、上記では開示の技術における雑音抑圧プログラムの一例である雑音抑圧プログラム５０及び２５０が記憶部４６に予め記憶（インストール）されている態様を説明した。しかし、開示の技術における雑音抑圧プログラムは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ等の記録媒体に記録されている形態で提供することも可能である。

以上の実施形態に関し、更に以下の付記を開示する。

（付記１）
マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出する検出部と、
前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正する第１補正部と、
前記第１補正部で補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正部で補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する第２補正部と、
を含むマイク感度差補正装置。

（付記２）
前記入力音声信号の各々に対応した周波数領域信号間の周波数毎の位相差を算出する位相差算出部を含み、
前記検出部は、前記周波数毎の位相差に基づいて、目的音声の音源方向以外の方向から到来した前記入力音声信号に対応する前記周波数領域信号を、前記定常雑音を示す周波数領域信号として検出する
付記１記載のマイク感度差補正装置。

（付記３）
前記複数のマイクロフォン間のマイク間距離、及びサンプリング周波数に基づいて、前記周波数毎の位相差が位相回転を生じない周波数帯域を位相差利用範囲として設定する位相差利用範囲設定部を含み、
前記位相差算出部は、前記位相差利用範囲において、前記周波数毎の位相差を算出し、
前記検出部は、前記位相差利用範囲において、前記定常雑音を示す周波数領域信号を検出する
付記２記載のマイク感度差補正装置。

（付記４）
前記位相差利用範囲の周波数毎の位相差に基づいて、前記入力音声信号が目的音声の音源方向から到来した確率を算出し、前記確率が予め定めた確率閾値より高いときの前記入力音声信号の各々に対応した周波数領域信号の各々に基づいて、前記第１補正部及び前記第２補正部による補正の正確度を算出する正確度算出部を含む付記３記載のマイク感度差補正装置。

（付記５）
前記正確度算出部は、前記第１補正部による前記第１補正係数の算出に、前回算出された前記第１補正係数の値を反映させる度合いを示す第１更新係数、前記第２補正部による前記第２補正係数の算出に、前回算出された前記第２補正係数の値を反映させる度合いを示す第２更新係数、及び前記正確度算出部による前記正確度の算出に、前回算出された前記正確度の値を反映させる度合いを示す第３更新係数の少なくとも１つを、前記正確度に基づいて変更する付記４記載のマイク感度差補正装置。

（付記６）
前記正確度算出部は、前記正確度が予め定めた終了閾値を超えた場合に、前記正確度の算出を終了すると共に、前記第１補正部による前記第１補正係数、及び前記第２補正部による前記第２補正係数の算出を終了させる付記４または付記５記載のマイク感度差補正装置。

（付記７）
付記１〜付記６のいずれか１項記載のマイク感度差補正装置と、
前記第２補正部で補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する抑圧部と、
を含む雑音抑圧装置。

（付記８）
付記４〜付記６のいずれか１項記載のマイク感度差補正装置と、
前記正確度算出部で算出された正確度が予め定めた抑圧閾値より大きい場合に、前記第２補正部で補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する抑圧部と、
を含む雑音抑圧装置。

（付記９）
コンピュータに、
マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出し、
前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正し、
前記第１補正係数を用いて補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正係数を用いて補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する
ことを含む処理を実行させるためのマイク感度差補正方法。

（付記１０）
コンピュータに、
前記入力音声信号の各々に対応した周波数領域信号間の周波数毎の位相差を算出し、
前記周波数毎の位相差に基づいて、目的音声の音源方向以外の方向から到来した前記入力音声信号に対応する前記周波数領域信号を、前記定常雑音を示す周波数領域信号として検出する
ことを含む処理を実行させるための付記９記載のマイク感度差補正方法。

（付記１１）
コンピュータに、
前記複数のマイクロフォン間のマイク間距離、及びサンプリング周波数に基づいて、前記周波数毎の位相差が位相回転を生じない周波数帯域を位相差利用範囲として設定し、
前記位相差利用範囲において、前記周波数毎の位相差を算出し、
前記位相差利用範囲において、前記定常雑音を示す周波数領域信号を検出する
ことを含む処理を実行させるための付記１０記載のマイク感度差補正方法。

（付記１２）
コンピュータに、
前記位相差利用範囲の周波数毎の位相差に基づいて、前記入力音声信号が目的音声の音源方向から到来した確率を算出し、前記確率が予め定めた確率閾値より高いときの前記入力音声信号の各々に対応した周波数領域信号の各々に基づいて、補正の正確度を算出することを含む処理を実行させるための付記１１記載のマイク感度差補正方法。

（付記１３）
コンピュータに、
前記第１補正係数の算出に、前回算出された前記第１補正係数の値を反映させる度合いを示す第１更新係数、前記第２補正係数の算出に、前回算出された前記第２補正係数の値を反映させる度合いを示す第２更新係数、及び前記正確度の算出に、前回算出された前記正確度の値を反映させる度合いを示す第３更新係数の少なくとも１つを、前記正確度に基づいて変更することを含む処理を実行させるための付記１２記載のマイク感度差補正方法。

（付記１４）
コンピュータに、
前記正確度が予め定めた終了閾値を超えた場合に、前記正確度の算出を終了すると共に、前記第１補正係数及び前記第２補正係数の算出を終了させることを含む処理を実行させるための付記１２または付記１３記載のマイク感度差補正方法。

（付記１５）
コンピュータに、
付記７〜付記１４のいずれか１項記載のマイク感度差補正方法に記載の各処理と、
補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する
ことを含む処理を実行させるための雑音抑圧方法。

（付記１６）
コンピュータに、
付記１２〜付記１４のいずれか１項記載のマイク感度差補正方法に記載の各処理と、
算出された正確度が予め定めた抑圧閾値より大きい場合に、補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する ことを含む処理を実行させるための雑音抑圧方法。

（付記１７）
コンピュータに、
マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出し、
前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正し、
前記第１補正係数を用いて補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正係数を用いて補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する
ことを含む処理を実行させるためのマイク感度差補正プログラム。

（付記１８）
コンピュータに、
前記入力音声信号の各々に対応した周波数領域信号間の周波数毎の位相差を算出し、
前記周波数毎の位相差に基づいて、目的音声の音源方向以外の方向から到来した前記入力音声信号に対応する前記周波数領域信号を、前記定常雑音を示す周波数領域信号として検出する
ことを含む処理を実行させるための付記９記載のマイク感度差補正プログラム。

（付記１９）
コンピュータに、
前記複数のマイクロフォン間のマイク間距離、及びサンプリング周波数に基づいて、前記周波数毎の位相差が位相回転を生じない周波数帯域を位相差利用範囲として設定し、
前記位相差利用範囲において、前記周波数毎の位相差を算出し、
前記位相差利用範囲において、前記定常雑音を示す周波数領域信号を検出する
ことを含む処理を実行させるための付記１０記載のマイク感度差補正プログラム。

（付記２０）
コンピュータに、
前記位相差利用範囲の周波数毎の位相差に基づいて、前記入力音声信号が目的音声の音源方向から到来した確率を算出し、前記確率が予め定めた確率閾値より高いときの前記入力音声信号の各々に対応した周波数領域信号の各々に基づいて、補正の正確度を算出することを含む処理を実行させるための付記１１記載のマイク感度差補正プログラム。

（付記２１）
コンピュータに、
前記第１補正係数の算出に、前回算出された前記第１補正係数の値を反映させる度合いを示す第１更新係数、前記第２補正係数の算出に、前回算出された前記第２補正係数の値を反映させる度合いを示す第２更新係数、及び前記正確度の算出に、前回算出された前記正確度の値を反映させる度合いを示す第３更新係数の少なくとも１つを、前記正確度に基づいて変更することを含む処理を実行させるための付記１２記載のマイク感度差補正プログラム。

（付記２２）
コンピュータに、
前記正確度が予め定めた終了閾値を超えた場合に、前記正確度の算出を終了すると共に、前記第１補正係数及び前記第２補正係数の算出を終了させることを含む処理を実行させるための付記１２または付記１３記載のマイク感度差補正プログラム。

（付記２３）
コンピュータに、
付記７〜付記１４のいずれか１項記載のマイク感度差補正方法に記載の各処理と、
補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する
ことを含む処理を実行させるための雑音抑圧プログラム。

（付記２４）
コンピュータに、
付記１２〜付記１４のいずれか１項記載のマイク感度差補正方法に記載の各処理と、
算出された正確度が予め定めた抑圧閾値より大きい場合に、補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する ことを含む処理を実行させるための雑音抑圧プログラム。

１０、２１０ 雑音抑圧装置
１１ マイクアレイ
１１Ａ マイクロフォン
１１Ｂ マイクロフォン
１２Ａ，１２Ｂ Ａ／Ｄ変換部
１４Ａ，１４Ｂ 時間周波数変換部
１６、２１６ 検出部
１８、２１８ フレーム単位補正部
２０ 周波数単位補正部
２２ 振幅比算出部
２４、２２４ 抑圧係数算出部
２６ 抑圧信号生成部
２８ 周波数時間変換部
３０ 位相差利用範囲設定部
３２ 位相差算出部
３４ 正確度算出部
４０、２４０ コンピュータ

Claims (10)

1. マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出する検出部と、
   前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正する第１補正部と、
   前記第１補正部で補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正部で補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する第２補正部と、
   を含むマイク感度差補正装置。
2. 前記入力音声信号の各々に対応した周波数領域信号間の周波数毎の位相差を算出する位相差算出部を含み、
   前記検出部は、前記周波数毎の位相差に基づいて、目的音声の音源方向以外の方向から到来した前記入力音声信号に対応する前記周波数領域信号を、前記定常雑音を示す周波数領域信号として検出する
   請求項１記載のマイク感度差補正装置。
3. 前記複数のマイクロフォン間のマイク間距離、及びサンプリング周波数に基づいて、前記周波数毎の位相差が位相回転を生じない周波数帯域を位相差利用範囲として設定する位相差利用範囲設定部を含み、
   前記位相差算出部は、前記位相差利用範囲において、前記周波数毎の位相差を算出し、
   前記検出部は、前記位相差利用範囲において、前記定常雑音を示す周波数領域信号を検出する
   請求項２記載のマイク感度差補正装置。
4. 前記位相差利用範囲の周波数毎の位相差に基づいて、前記入力音声信号が目的音声の音源方向から到来した確率を算出し、前記確率が予め定めた確率閾値より高いときの前記入力音声信号の各々に対応した周波数領域信号の各々に基づいて、前記第１補正部及び前記第２補正部による補正の正確度を算出する正確度算出部を含む請求項３記載のマイク感度差補正装置。
5. 前記正確度算出部は、前記第１補正部による前記第１補正係数の算出に、前回算出された前記第１補正係数の値を反映させる度合いを示す第１更新係数、前記第２補正部による前記第２補正係数の算出に、前回算出された前記第２補正係数の値を反映させる度合いを示す第２更新係数、及び前記正確度算出部による前記正確度の算出に、前回算出された前記正確度の値を反映させる度合いを示す第３更新係数の少なくとも１つを、前記正確度に基づいて変更する請求項４記載のマイク感度差補正装置。
6. 前記正確度算出部は、前記正確度が予め定めた終了閾値を超えた場合に、前記正確度の算出を終了すると共に、前記第１補正部による前記第１補正係数、及び前記第２補正部による前記第２補正係数の算出を終了させる請求項４または請求項５記載のマイク感度差補正装置。
7. 請求項１〜請求項６のいずれか１項記載のマイク感度差補正装置と、
   前記第２補正部で補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する抑圧部と、
   を含む雑音抑圧装置。
8. 請求項４〜請求項６のいずれか１項記載のマイク感度差補正装置と、
   前記正確度算出部で算出された正確度が予め定めた抑圧閾値より大きい場合に、前記第２補正部で補正された前記周波数領域信号を用いて求めた前記複数の入力音声信号間の振幅比に基づいて、前記入力音声信号に含まれる雑音を抑圧する抑圧部と、
   を含む雑音抑圧装置。
9. コンピュータに、
   マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出し、
   前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正し、
   前記第１補正係数を用いて補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正係数を用いて補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する
   ことを含む処理を実行させるためのマイク感度差補正方法。
10. コンピュータに、
    マイクアレイに含まれる複数のマイクロフォンの各々から入力された入力音声信号の各々を、フレーム毎に周波数領域の信号に変換した周波数領域信号に基づいて、定常雑音を示す周波数領域信号を検出し、
    前記定常雑音を示す周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム単位で補正するための第１補正係数を算出し、前記第１補正係数を用いて、前記周波数領域信号をフレーム単位で補正し、
    前記第１補正係数を用いて補正された前記周波数領域信号を用いて、前記複数のマイクロフォン間の感度差を前記フレーム毎に周波数単位で補正するための第２補正係数を算出し、前記第２補正係数を用いて、前記第１補正係数を用いて補正された前記周波数領域信号を前記フレーム毎の周波数単位で補正する
    ことを含む処理を実行させるためのマイク感度差補正プログラム。

Images