JP6065308B2 - 音量補正装置 - Google Patents

Description

本発明は、音量補正装置に関するものである。

従来、パケットにより音声信号を送信する音声送信端末装置と、受信した音声信号に基づいて音声を出力する音声受信端末装置とを備え、リアルタイムで音声通話を行う音声伝送システムがあった（例えば特許文献１参照）。

この音声伝送システムでは、音声受信端末装置が、音声送信端末装置から受信したパケットが有する音声データの一音声フレームを復号化した後、復号化されたディジタル音声信号に異音対策処理を行って、伝送エラーによる異音の発生を抑えていた。すなわち、音声送信端末装置側では、第１差分演算手段が、ディジタル音声信号の標本点の量子化値とその一つ前の標本点の量子化値との差分の絶対値を算出し、一音声フレームについて絶対値の最大値を求めている。そして、音声受信端末装置の異音対策処理手段が、ディジタル音声信号の標本点の量子化値とその一つ前の標本点の量子化値との差分の絶対値を算出し、この絶対値が上記の最大値を超えた場合は異音と判断して、異音を抑制する処理を行っていた。

特開２００８−２９２９６１号公報

上述のようなリアルタイムで音声通話を行う音声伝送システムでは、音声入力信号の信号レベルが変化するのに合わせて、適応的に利得を調整する必要があった。そのため、従来は音声入力信号をサンプリングする毎に、サンプリングした瞬時値から音声全体の振幅を推定し、その推定値をもとに利得を算出することが行われていた。これらの処理はサンプリング毎に行われるため、信号処理の処理量が多量になって、演算処理部に高性能のマイコンを使用する必要があった。

本発明は上記課題に鑑みて為されたものであり、その目的とするところは、音量補正処理の処理量を低減した音量補正装置を提供することにある。

本発明の音量補正装置は、バッファ部と、利得算出部と、利得制限部と、利得乗算部とを備える。バッファ部は、所定時間分の音声入力信号を記憶可能な記憶領域を有し、前記記憶領域に空きがなくなると、最も古い音声入力信号を記憶する記憶領域に、新しい音声入力信号を上書き保存する。利得算出部は、前記バッファ部に保存される音声入力信号が全て入れ替わる毎に、前記バッファ部に保存されている音声入力信号の代表値に基づいて利得を算出する。利得制限部は、前記利得算出部が前回算出した利得と今回算出した利得との変化分を求め、前記変化分の絶対値が所定の第１閾値以上の場合、前回算出した利得を、今回算出した利得に近付くように所定の変動上限分だけ変化させて得た制限値を今回の利得とする。利得乗算部は、前記利得算出部及び前記利得制限部によって前記利得が設定されると、前記バッファ部から音声入力信号を古い順番に読み出し、読み出した音声入力信号に前記利得を乗算して出力する。前記変化分の絶対値が前記第１閾値以上となって、前記利得制限部が前記制限値を今回の利得とした場合、前記バッファ部が前記記憶領域のサイズを小さくする。

この音量補正装置において、前記利得算出部は、前記バッファ部に保存されている音声入力信号の絶対値の最大値を求め、前記最大値を前記代表値とすることも好ましい。

この音量補正装置において、前記利得算出部は、前記バッファ部に保存されている音声入力信号の絶対値の平均値を求め、前記平均値を前記代表値とすることも好ましい。

この音量補正装置において、前記利得算出部は、前記代表値に利得を乗算した値が予め設定された目標値と等しくなるように利得を設定することも好ましい。

この音量補正装置において、前記利得制限部が前記制限値を今回の利得とした場合に前記利得と前記代表値との積が所定の第２閾値を超えると、前記利得制限部は、前記代表値に利得を乗算した値が所定の目標値となるように前記利得算出部によって算出された利得を今回の利得とすることも好ましい。

この音量補正装置において、前記代表値が、無音状態か有音状態かを判定する判定レベル以下であれば、前記利得乗算部は、前記利得算出部によって前回算出された利得を、前記バッファ部から読み出した音声入力信号に乗算して出力することも好ましい。

この音量補正装置において、前記バッファ部に入力される音声入力信号が音声か非音声かを判定する音声判定部を備えることも好ましい。前記音声判定部によって前記バッファ部に入力されている音声入力信号が全て非音声と判定された場合、前記利得乗算部は、前記利得算出部によって前回算出された利得を、前記バッファ部から読み出した音声入力信号に乗算して出力する。

この音量補正装置において、前記利得算出部は、算出した利得が所定の上限値を超えた場合、利得を前記上限値に設定することも好ましい。

本発明によれば、バッファ部に保存される音声入力信号が全て入れ替わる毎に、利得算出部が、バッファ部に保存された音声入力信号の代表値に基づいて利得を算出している。したがって、サンプリング毎に利得を算出する従来例に比べて、音量補正の処理量を低減でき、またバッファ部の記憶容量に応じた遅延のみで利得を算出できるから、出力音声の遅延を低減できる。さらに、利得算出部によって前回算出された利得と今回算出された利得との変化分を求め、この変化分の絶対値が第１閾値以上の場合、利得制限部は、前回算出した利得を、今回算出した利得に近付くように、所定の変動上限分だけ変化させて得た制限値を今回の利得としている。これにより、入力音声の音量レベルが急変したために、利得の算出結果が第１閾値以上変動した場合でも、利得の変動が所定の変動上限分に抑えられるから、出力される音声の音量が急変するのを抑制できる。

本実施形態のブロック図である。 同上の動作を説明する波形図であり、（ａ）は利得、（ｂ）は音声入力信号の絶対値を示す図である。 同上の別の動作を説明する波形図であり、（ａ）は利得、（ｂ）は音声入力信号の絶対値を示す図である。 同上のバッファ部に保存された音声入力信号から代表値を求める方法の説明図である。 同上のバッファ部に保存された音声入力信号から代表値を求める別の方法の説明図である。 同上のまた別の動作を説明する波形図であり、（ａ）は利得、（ｂ）は音声入力信号の絶対値を示す図である。 同上のさらに別の動作を説明する波形図であり、（ａ）は利得、（ｂ）は音声入力信号の絶対値を示す図である。 同上のまた別の動作を説明する波形図であり、（ａ）は利得、（ｂ）は音声入力信号の絶対値を示す図である。

以下に本発明の実施の形態を図面に基づいて説明する。

図１は、本発明に係る音量補正装置１０を用いた音声出力装置１のブロック図である。

音声出力装置１は、マイク２と、Ａ／Ｄ変換部３と、音量補正装置１０と、符号化・パケット化処理部４と、無線送信部５とを備える。

マイク２は、入力された音声を電気信号に変換してＡ／Ｄ変換部３に出力する。

Ａ／Ｄ変換部３は、マイク２から入力された電気信号をＡ／Ｄ変換する。そして、Ａ／Ｄ変換部３によりデジタル信号に変換された音声入力信号は音量補正装置１０に出力される。

音量補正装置１０は、バッファ部１１と、利得設定部１２（利得算出部１３及び利得制限部１４からなる）と、利得乗算部１５とを主要な構成として備え、Ａ／Ｄ変換部３から入力された音声入力信号の音量レベルを補正する。尚、利得設定部１２及び利得乗算部１５は、例えばマイクロコンピュータに組み込みのプログラムを実行させることによって、実現される。

バッファ部１１は、Ａ／Ｄ変換部３から入力される所定時間分の音声入力信号を記憶可能な記憶領域を備えている。バッファ部１１は、記憶領域に空きがなくなると、最も古い音声入力信号を記憶する記憶領域に、新しい音声入力信号を上書き保存する。

利得設定部１２は利得算出部１３と利得制限部１４とからなり、バッファ部１１に保存される音声入力信号が全て入れ替わる毎（すなわち所定時間毎）に利得を決定する。

利得算出部１３は、バッファ部１１に保存される音声入力信号が全て入れ替わる毎に、バッファ部１１に保存されている音声入力信号の代表値に基づいて利得を算出する。具体的には、利得算出部１３は、バッファ部１１に保存されている所定時間分の音声入力信号をもとに、音声入力信号の絶対値の最大値を求め、この最大値を代表値としている。図４に音声入力信号（絶対値）の波形の一例を示す。図４の期間Ｔ１，Ｔ２，Ｔ３，Ｔ４は、それぞれ、バッファ部１１に保存可能な音声入力信号の時間長に対応しており、期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の各々で、バッファ部１１内に保存される音声入力信号が全て入れ替わるようになっている。利得算出部１３は、期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の終わりで、バッファ部１１に保存されている音声入力信号の最大値Ｐ１，Ｐ２，Ｐ３，Ｐ４を求め、この最大値Ｐ１，Ｐ２，Ｐ３，Ｐ４を各期間における音声入力信号の代表値とする。そして、利得算出部１３は、各期間における音声入力信号の最大値（代表値）に利得を乗算した値が所定の目標値となるように、利得を算出する。

利得制限部１４は、利得算出部１３によって利得が算出されると、利得算出部１３によって前回算出された利得と今回算出された利得との変化分を求める。この変化分の絶対値が所定の第１閾値以上の場合、利得制限部１４は、前回算出した利得を、今回算出した利得に近付くように所定の変動上限分ΔＧだけ変化させて得た制限値を今回の利得として、利得乗算部１５に出力する。一方、上述した変化分の絶対値が第１閾値未満であれば、利得制限部１４は、利得を制限する処理を行わず、利得算出部１３が今回算出した利得をそのまま利得乗算部１５に出力する。尚、第１閾値は、少なくとも変動上限分ΔＧより大きい値に設定されている。

図２（ｂ）は音声入力信号の波形の一例であり、図２（ａ）は音声入力信号をもとに決定された利得を示している。利得算出部１３は、バッファ部１１に保存される音声入力信号が全て入れ替わる毎に利得を算出しており、期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の終わりに算出された利得はそれぞれＧ１，Ｇ２，Ｇ３，Ｇ４となる。

ここで、期間Ｔ２の終わりに利得算出部１３によって利得が算出された場合、利得制限部１４は、前回算出された利得Ｇ１と今回算出された利得Ｇ２との変化分を求め、この変化分の絶対値（｜Ｇ１−Ｇ２｜）と第１閾値との高低を比較する。利得Ｇ１と利得Ｇ２との変化分の絶対値は第１閾値未満であるので、利得制限部１４は、今回算出された利得Ｇ２を期間Ｔ２における利得に設定して、利得乗算部１５に出力する。

また期間Ｔ３の終わりに利得算出部１３によって利得が算出された場合、利得制限部１４は、前回算出された利得Ｇ２（期間Ｔ２の利得）と、今回算出された利得Ｇ３との変化分を求め、この変化分の絶対値と第１閾値との高低を比較する。利得Ｇ２と利得Ｇ３との変化分の絶対値は第１閾値未満であるので、利得制限部１４は、今回算出された利得Ｇ３を期間Ｔ３における利得に設定して、利得乗算部１５に出力する。

一方、期間Ｔ４の終わりに利得算出部１３によって利得が算出された場合、利得制限部１４は、前回算出された利得Ｇ３（期間Ｔ３の利得）と、今回算出された利得Ｇ４との変化分を求め、この変化分の絶対値と第１閾値との高低を比較する。ここで、期間Ｔ４では期間Ｔ３に比べて音声入力信号の最大値が大幅に低下しているため、利得Ｇ３と利得Ｇ４との変化分の絶対値は第１閾値以上となる。よって、利得制限部１４は、前回算出した利得Ｇ３を、今回算出した利得Ｇ４に近付く向きに所定の変動上限分ΔＧだけ変化させて得た制限値Ｇ４ｂ（＝Ｇ３＋ΔＧ）を今回の利得に設定する。ここにおいて、変動上限分ΔＧは、人間の聴覚特性に鑑みて３ｄＢ程度に設定されるのが好ましく、利得の変化に伴って発生する音量の変化に気付きにくくなるから、ユーザが違和感を抱かないように音量変化を抑制できる。

利得乗算部１５は、利得設定部１２によって利得が設定されると、バッファ部１１から音声入力信号を古い順番に読み出し、読み出した音声入力信号に、利得設定部１２から入力された利得を乗算して、符号化・パケット化処理部４に出力する。

符号化・パケット化処理部４は、音量補正装置１０によって音量が補正された信号に、音声符号化処理、パケット化処理を施した後、無線送信部５に出力する。

無線送信部５は、符号化・パケット化処理部４によって音声符号化処理およびパケット化処理が施された音声信号を無線送信する。

以上のように本実施形態では、マイク２から入力された音声は、Ａ／Ｄ変換部３によってＡ／Ｄ変換され、音量補正装置１０によって音量レベルが補正された後、音声符号化処理、パケット化処理が施されて無線送信部５から無線送信されるのである。

そして、音量補正装置１０では、バッファ部１１に保存される音声入力信号が全て入れ替わる毎に、利得算出部１３が、バッファ部１１に保存された音声入力信号の代表値に基づいて利得を算出している。したがって、サンプリング毎に利得を算出する従来例に比べて、音量補正の処理量を低減でき、またバッファ部１１の記憶容量に応じた遅延のみで利得を算出できるから、出力音声の遅延を低減できる。さらに、前回算出された利得と今回算出された利得との変化分を求め、この変化分の絶対値が第１閾値以上の場合、利得制限部１４は、前回算出した利得が今回算出した利得に近付くように、前回算出した利得を所定の変動上限分だけ変化させて得た制限値を今回の利得とする。これにより、入力音声の音量レベルが急変したために、利得の算出結果が第１閾値以上変動した場合でも、利得の変動が所定の変動上限分に抑えられるから、出力される音声の音量が急変するのを抑制できる。

ところで、バッファ部１１に記憶される音声信号の時間長が短すぎると、入力される音声の信号レベルの変化に対して、音量補正装置１０が過剰に反応し、音量補正処理が頻繁に行われるため、音量補正装置１０の処理量が増大することになる。また、バッファ部１１に記憶される音声信号の時間長が長すぎると、記憶容量の大きなバッファ部１１が必要になり、バッファ部１１に保存可能な時間分だけの遅延が発生するという問題がある。

また、通常の発話において１音節或いは１文字の時間長を平均すると１３０（mSec）程度であることが知られている（参考文献：「音声情報処理の基礎」，斎藤収三，中田和男著，オーム社刊，１９８１年）。本実施形態では、少なくとも数音節のデータを用いて音量調整が行えるよう、バッファ部１１に記憶される音声信号の時間を数１００（mSec）〜数１０００（mSec）程度に設定しており、バッファリングによる遅延を短くしつつ、音量補正処理が頻繁に行われるのを抑制することができる。

また利得算出部１３は、算出した利得が所定の上限値を超えた場合、出力する利得を上限値に設定することも好ましい。このように、利得算出部１３から出力される利得を上限値内に制限することで、音声入力信号が過大な利得で増幅されるのを防止でき、それによって出力音声に含まれるフロアノイズを低減できる。またインターホンなどの通話システムに利用された場合には、出力レベルを抑制してハウリングを発生し難くできる。

ここで、前回算出した利得と今回算出した利得との変化分の絶対値が上記第１閾値以上の場合、利得制限部１４は、上述のようにして求めた制限値を今回の利得としているが、それに加えて、バッファ部１１が記憶領域のサイズを小さくすることも好ましい。

図３（ｂ）は音声入力信号の波形の一例を示し、図３（ａ）は音声入力信号をもとに決定された利得を示している。利得算出部１３は、バッファ部１１に保存される音声入力信号が全て入れ替わる毎に利得を算出しており、期間Ｔ１１，Ｔ１２，Ｔ１３の終わりにバッファ部１１内に保存された音声入力信号をもとに算出された利得はＧ１１，Ｇ１２，Ｇ１３となる。

期間Ｔ１２の終わりでは、前回算出された利得Ｇ１１と今回算出された利得Ｇ１２との変化分の絶対値（｜Ｇ１１−Ｇ１２｜）が第１閾値未満となっているから、利得制限部１４は、算出された利得Ｇ１２を今回との利得とする。

一方、期間Ｔ１３では期間Ｔ１２に比べて音声入力信号の音量レベルが大きく低下しているから、前回（期間Ｔ１２において）算出された利得Ｇ１２と今回算出された利得Ｇ１３との変化分の絶対値が第１閾値以上となっている。よって、利得制限部１４は、前回算出された利得Ｇ１２を、今回算出された利得Ｇ１３に近付くように所定の変動上限分ΔＧだけ変化させて得た制限値Ｇ１３ｂを今回の利得とする。また利得制限部１４は、バッファ部１１を制御して、音声入力信号を記憶するのに用いる記憶領域のサイズを小さくしており、記憶領域のサイズを小さくすることで保存可能な音声入力信号の時間長を短くしている。すなわち、期間Ｔ１１〜Ｔ１３までの時間長Ｄ１に比べて、期間Ｔ１４以後はバッファ部１１に保存可能な音声入力信号の時間長Ｄ２が短くなっている。尚、期間Ｔ１４，Ｔ１５の終了時においても、利得算出部１３が今回算出した利得と前回の利得との変化分の絶対値が第１閾値以上となっているので、利得制限部１４は、前回の利得に変動上限分ΔＧを加算して得た制限値を今回の利得として設定する。また期間Ｔ１６の終了時には、利得算出部１３が今回算出した利得と前回の利得との変化分の絶対値が第１閾値未満となっているので、利得算出部１３は今回算出した値を利得Ｇ１６として設定しており、期間Ｔ１３の終わりに算出された利得Ｇ１３に略一致する。

このように、期間Ｔ１４以降はバッファ部１１に保存される音声入力信号の時間長が短くなるから、短時間で利得が更新されることになる。よって、利得の変化分が上記の変動上限値ΔＧ以内に制限された場合でも、より短い時間で利得を目標利得（利得制限部１４で利得の変化分が制限される前に利得算出部１３で算出された利得Ｇ１３）に到達させることができる。尚、バッファ部１１が記憶領域のサイズを小さくした後、利得算出部１３が今回算出した利得と前回の利得との変化分の絶対値が第１閾値未満になれば、バッファ部１１が、音声入力信号を記憶するために用いる記憶領域のサイズを元の大きさに戻してもよい。

また本実施形態では、バッファ部１１内に保存された音声入力信号が全て入れ替わった後に、利得算出部１３が、バッファ部１１に保存されている音声入力信号の絶対値の最大値を求め、この最大値を代表値としている。そして、利得算出部１３は、音声入力信号の代表値（最大値）に利得を乗算して得た値が所定の目標値となるように、利得を設定している。これにより、音量補正装置１０から出力される信号の最大値を一定にすることができる。

尚、音量補正装置１０から出力される信号の平均レベルを一定としたい場合には、バッファ部１１に保存された音声入力信号の平均値を代表値とし、この代表値（平均値）に利得を乗算して得た値が所定の目標値となるように、利得を設定してもよい。図５に音声入力信号（絶対値）の波形の一例を示し、期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の時間長はバッファ部１１内に保存される音声入力信号の時間長に対応している。バッファ部１１に保存される音声入力信号が全て入れ替わる毎（すなわち期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の終了時）に、利得算出部１３は、期間Ｔ１，Ｔ２，Ｔ３，Ｔ４の各々において音声入力信号の平均値Ａ１，Ａ２，Ａ３，Ａ４を求める。そして、利得算出部１３は、各期間で求めた平均値を各期間における音声入力信号の代表値とし、この代表値に利得を乗算した値が所定の目標値となるように利得を算出する。これにより音量補正装置１０から出力される信号の平均値を所定の目標値とすることができ、音量レベルの平均値を一定にできる。

ところで、図６（ａ）（ｂ）に示すように期間Ｔ４において音声入力信号の音量レベルが急激に大きくなると、利得算出部１３によって算出された利得Ｇ４は、前回算出された利得Ｇ３に比べて大幅に低下する。ここで、利得Ｇ３と利得Ｇ４との変化分の絶対値が第１閾値を超えた場合、利得制限部１４は、前回算出された利得Ｇ３を、今回算出された利得Ｇ４に近付く向きに変動上限分ΔＧだけ変化させた値Ｇ４ｂを、今回の利得として設定する。この場合、期間Ｔ４における利得が十分低下していないため、期間Ｔ４における音声入力信号の代表値と利得Ｇ４ｂとの積が、所定の第２閾値を超える可能性がある。利得制限部１４は、制限値を今回の利得とした場合にこの利得と代表値との積が所定の第２閾値を超えると、代表値に利得を乗算した値が所定の目標値となるように利得算出部１３によって算出された利得を今回の利得とする。これにより、マイク２に入力される音声の信号レベルが急激に大きくなった場合は、第１閾値を超えて利得を変化（低下）させることによって、過大な音量の信号が出力されるのを防止できる。尚、上記の第２閾値は、上記した目標値よりも大きい値であって、出力音量の上限レベルに対応した値に設定されていればよい。

また本実施形態において、バッファ部１１内に保存された音声入力信号の代表値が、無音状態か有音状態かを判定する判定レベル以下であれば、利得算出部１３は利得の算出を行わず、利得算出部１３が前回算出した利得を利得乗算部１５が用いることも好ましい。

図７（ｂ）は音声入力信号の波形の一例であり、図７（ａ）は音声入力信号をもとに決定された利得を示している。図示例では、期間Ｔ１，Ｔ２，Ｔ３ではバッファ部１１内に保存された音声入力信号の代表値（例えば最大値）が所定の判定レベルＬ１を超えているので、利得算出部１３は、各期間における音声入力信号の代表値をもとに利得を算出する。一方、期間Ｔ４ではバッファ部１１内に保存された音声入力信号の代表値（最大値）が判定レベルＬ１以下であるから、利得算出部１３は利得の算出を行わない。そして、利得乗算部１５は、期間Ｔ４において、利得算出部１３が前回算出した利得Ｇ３を用い、バッファ部１１から読み出した音声入力信号に利得Ｇ３を乗算して、符号化・パケット化処理部４に出力する。

音声入力信号の代表値が判定レベルＬ１以下の場合、すなわち意味のある信号が入力されていない無音状態で、利得算出部１３が利得を算出すると、利得が過大な値に設定されてしまうが、上述のように代表値が判定レベルＬ１以下であれば利得算出部１３が利得の算出を行わず、前回算出された利得で音声入力信号を乗算しているので、フロアノイズが過大な利得で増幅される可能性を低減できる。尚、上記の判定レベルＬ１は、フロアノイズの音量レベルよりは大きく、且つ、意味のある信号（すなわち音声信号）の代表値の下限より小さい値に設定されることが好ましく、意味のある信号とフロアノイズとを確実に弁別できる。

また本実施形態において、バッファ部１１に入力される音声入力信号が音声か非音声かを判定する音声判定部（図示せず）を備えることも好ましい。この場合、音声判定部によってバッファ部１１に入力されている音声入力信号が全て非音声と判定されると、利得算出部１３は利得の算出を行わず、利得乗算部１５は、利得算出部１３によって前回算出された利得を用いて音声入力信号を乗算している。

例えば図８（ｂ）に示す音声入力信号の場合、期間Ｔ１，Ｔ２，Ｔ３では、バッファ部１１内に保存されている音声入力信号の少なくとも一部が音声と判定されている。よって、期間Ｔ１，Ｔ２，Ｔ３では利得算出部１３が利得の算出を行っており、期間Ｔ１，Ｔ２，Ｔ３における利得はそれぞれＧ１，Ｇ２，Ｇ３となっている（図８（ａ）参照）。一方、期間Ｔ４では、音声判定部によってバッファ部１１内に保存されている音声入力信号の全てが非音声と判定されており、この場合、利得算出部１３は利得の算出を行わない。そして、利得乗算部１５は、期間Ｔ４において、利得算出部１３が前回算出した利得Ｇ３を用い、バッファ部１１から読み出した音声入力信号に利得Ｇ３を乗算して、符号化・パケット化処理部４に出力する。ここで、期間Ｔ４における非音声の信号から利得を求めた場合、その利得Ｇ２１は、音声信号から求めた利得（例えば期間Ｔ３の利得Ｇ３）に比べて大幅に大きくなり、この利得Ｇ２１を用いて音声入力信号を乗算すると、雑音を高利得で増幅してしまうことになる。それに対して、本実施形態では、音声入力信号が全て非音声と判定された期間Ｔ４において利得の算出を行わず、前回求めた利得Ｇ３を用いて音声入力信号を増幅しているので、非常に高い利得で雑音が増幅されるのを抑制できる。

このように、音声判定部によってバッファ部１１に入力されている音声入力信号が全て非音声と判定された場合、利得乗算部１５は、利得算出部１３によって前回算出された利得を、バッファ部１１から読み出した音声入力信号に乗算している。よって、音声以外のノイズが高い利得で増幅されるのを抑制することができる。

尚、音声判定部は以下のような方法で音声か非音声かを判定する。すなわち音声判定部は、Ａ／Ｄ変換部３から入力される音声入力信号の比較的長い時間における長時間平均値と、音声入力信号の比較的短い時間における短時間平均値とを求める。ここで、短時間平均値は、音声入力信号に含まれる音声成分によってそのレベルが決定され、長時間平均値は、音声入力信号に含まれる雑音成分（音声以外の音成分）によってそのレベルが決定されると考えられる。而して音声判定部は、長時間平均値に対する短時間平均値の割合が所定の基準値以上であれば音声と判定し、基準値未満であれば非音声と判定しており、音声と非音声とを確実に判別することができる。尚、音声か非音声かを判定する方法は上記の方法に限定されるものではなく、例えば音声入力時に話者が操作するスイッチの入力から音声か非音声かを判定してもよい。

１０ 音量補正装置
１１ バッファ部
１２ 利得設定部
１３ 利得算出部
１４ 利得制限部
１５ 利得乗算部

Claims (8)

1. 所定時間分の音声入力信号を記憶可能な記憶領域を有し、前記記憶領域に空きがなくなると、最も古い音声入力信号を記憶する記憶領域に、新しい音声入力信号を上書き保存するバッファ部と、
   前記バッファ部に保存される音声入力信号が全て入れ替わる毎に、前記バッファ部に保存されている音声入力信号の代表値に基づいて利得を算出する利得算出部と、
   前記利得算出部が前回算出した利得と今回算出した利得との変化分を求め、前記変化分の絶対値が所定の第１閾値以上の場合、前回算出した利得を、今回算出した利得に近付くように所定の変動上限分だけ変化させて得た制限値を今回の利得とする利得制限部と、
   前記利得算出部及び前記利得制限部によって利得が設定されると、前記バッファ部から音声入力信号を古い順番に読み出し、読み出した音声入力信号に前記利得を乗算して出力する利得乗算部とを備え、
   前記変化分の絶対値が前記第１閾値以上となって、前記利得制限部が前記制限値を今回の利得とした場合、前記バッファ部が前記記憶領域のサイズを小さくする
   ことを特徴とする音量補正装置。
2. 前記利得算出部は、前記バッファ部に保存されている音声入力信号の絶対値の最大値を求め、前記最大値を前記代表値とすることを特徴とする請求項１記載の音量補正装置。
3. 前記利得算出部は、前記バッファ部に保存されている音声入力信号の絶対値の平均値を求め、前記平均値を前記代表値とすることを特徴とする請求項１記載の音量補正装置。
4. 前記利得算出部は、前記代表値に利得を乗算した値が予め設定された目標値と等しくなるように利得を設定することを特徴とする請求項１乃至３の何れか１項に記載の音量補正装置。
5. 前記利得制限部が前記制限値を今回の利得とした場合に前記利得と前記代表値との積が所定の第２閾値を超えると、前記利得制限部は、前記代表値に利得を乗算した値が所定の目標値となるように前記利得算出部によって算出された利得を今回の利得とすることを特徴とする請求項１乃至４の何れか１項に記載の音量補正装置。
6. 前記代表値が、無音状態か有音状態かを判定する判定レベル以下であれば、
   前記利得乗算部は、前記利得算出部によって前回算出された利得を、前記バッファ部から読み出した音声入力信号に乗算して出力することを特徴とする請求項１乃至５の何れか１項に記載の音量補正装置。
7. 前記バッファ部に入力される音声入力信号が音声か非音声かを判定する音声判定部を備え、
   前記音声判定部によって前記バッファ部に入力されている音声入力信号が全て非音声と判定された場合、
   前記利得乗算部は、前記利得算出部によって前回算出された利得を、前記バッファ部から読み出した音声入力信号に乗算して出力することを特徴とする請求項１乃至５の何れか１項に記載の音量補正装置。
8. 前記利得算出部は、算出した利得が所定の上限値を超えた場合、利得を前記上限値に設定することを特徴とする請求項１乃至７の何れか１項に記載の音量補正装置。

Images