知財求人 - 知財ポータルサイト「IP Force」
▶ 沖電気工業株式会社の特許一覧 ▶ 株式会社フィートの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2022-10-14
(45)【発行日】2022-10-24
(54)【発明の名称】収音装置、収音プログラム及び収音方法
(51)【国際特許分類】
H04R 3/00 20060101AFI20221017BHJP
H04R 1/40 20060101ALI20221017BHJP
【ＦＩ】
H04R3/00 320
H04R1/40 320A
【請求項の数】
8
(21)【出願番号】P 2018183817
(22)【出願日】2018-09-28
(65)【公開番号】P2020053920
(43)【公開日】2020-04-02
【審査請求日】2021-04-01
(73)【特許権者】
【識別番号】000000295
【氏名又は名称】沖電気工業株式会社
(73)【特許権者】
【識別番号】515353110
【氏名又は名称】株式会社フィート
(74)【代理人】
【識別番号】100180275
【弁理士】
【氏名又は名称】吉田 倫太郎
(74)【代理人】
【識別番号】100161861
【弁理士】
【氏名又は名称】若林 裕介
(72)【発明者】
【氏名】矢頭 隆
(72)【発明者】
【氏名】片桐 一浩
(72)【発明者】
【氏名】有光 哲彦
【審査官】冨澤 直樹
(56)【参考文献】
【文献】特開２０１８－０５６９０２（ＪＰ，Ａ）
【文献】特開２０１７－１８３９０２（ＪＰ，Ａ）
【文献】特開２０１１－０７１７０２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０４Ｒ ３／００
Ｈ０４Ｒ １／４０
(57)【特許請求の範囲】
【請求項1】
複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得する目的エリア音抽出手段と、前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元する復元手段とを備え、
前記復元手段は、
前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出する帯域通過フィルタ部と、
前記混合信号を、前記エリア収音出力に混合する信号混合部と、
前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定する補正帯域決定部を有する
ことを特徴とする収音装置。
【請求項2】
前記低周波数帯は、フォルマント周波数が含まれる蓋然性の高い範囲であることを特徴とする請求項１に記載の収音装置。
【請求項3】
前記低周波数帯は、１ｋＨｚ以下の範囲であることを特徴とする請求項２に記載の収音装置。
【請求項4】
前記復元手段は成分ごとに、前記入力信号と前記エリア収音出力の成分の振幅レベルの差異に基いて、前記信号混合部が前記混合信号を前記エリア収音出力に混合する際の混合レベルを算出する混合レベル算出手段をさらに備え、前記信号混合部は、前記混合信号を成分ごとに前記混合レベル算出手段が算出した前記混合レベルに補正して、前記エリア収音出力に混合する
ことを特徴とする請求項１～３のいずれかに記載の収音装置。
【請求項5】
前記復元手段は、前記エリア収音出力に対して、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分のレベルを調整するレベル調整部を有することを特徴とする請求項１～４のいずれかに記載の収音装置。
【請求項6】
前記復元手段は、前記入力信号と前記エリア収音出力の成分の振幅レベルの差異に基いて、前記レベル調整部が前記エリア収音出力のレベルを調整する際の調整レベルを算出する調整レベル算出手段をさらに備え、前記レベル調整部は、前記エリア収音出力を前記調整レベル算出手段が算出した前記調整レベルに補正する
ことを特徴とする請求項５に記載の収音装置。
【請求項7】
コンピュータを、複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得する目的エリア音抽出手段と、
前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元する復元手段として機能させ、
前記復元手段は、
前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出する帯域通過フィルタ部と、
前記混合信号を、前記エリア収音出力に混合する信号混合部と、
前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定する補正帯域決定部を有する
して機能させることを特徴とする収音プログラム。
【請求項8】
収音装置が行う収音方法において、前記収音装置は、目的エリア音抽出手段及び復元手段を有し、前記復元手段は、帯域通過フィルタ部、信号混合部及び補正帯域決定部を有し、
前記目的エリア音抽出手段は、複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得し、
前記復元手段は、前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元し、
前記帯域通過フィルタ部は、前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出し、
前記信号混合部は、前記混合信号を、前記エリア収音出力に混合し、
前記補正帯域決定部は、前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定する
ことを特徴とする収音方法。
【発明の詳細な説明】
【技術分野】
【0001】
この発明は、収音装置、収音プログラム及び収音方法に関し、例えば、雑音環境下で用いられる音声認識システムに適用する、特定のエリアの音を強調し、それ以外のエリアの音を抑制するシステムに適用し得るものである。
【背景技術】
【0002】
雑音環境下で音声通信システムや音声認識応用システムを利用する場合、必要な目的音声と同時に混入する周囲の雑音は、良好なコミュニケーションを阻害し、音声認識率の低下をもたらす厄介な存在である。従来、このような複数の音源が存在する環境下において、特定の方向の音のみ分離・収音することで不要音の混入を避け必要な目的音を得る技術として、マイクロホンアレイを用いたビームフォーマ（Ｂｅａｍ Ｆｏｒｍｅｒ；以下単に、「ＢＦ」とも呼ぶ）がある。ＢＦとは、複数のマイクロホンにより構成されたマイクロホンアレイにおいて、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。
【0003】
図６は、従来のマイクロホン数が２個（マイクロホンｍｃ１、ｍｃ２）の場合の減算型ＢＦ３００に係る構成を示すブロック図である。
【0004】
図７は、２個のマイクロホンｍｃ１、ｍｃ２を用いた減算型ＢＦ３００により形成される指向特性を示す図である。
【0005】
図６に示す減算型ＢＦ３００は、遅延器３１０と減算器３２０とを有している。
【0006】
減算型ＢＦ３００は、まず遅延器３１０により目的とする方向に存在する音（以下、「目的音」と呼ぶ）が各マイクロホン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。時間差は下記（１）式により算出される。ここで「ｄ」はマイクロホン間の距離であり、「ｃ」は音速であり、「τｉ」は遅延量である。また、ここで「θＬ」は、各マイクロホン（ｍｃ１、ｍｃ２）の間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。
τＬ＝（ｄ ｓｉｎ θＬ）／ｃ …（１）
τＬ＝（ｄ ｓｉｎ θＬ）／ｃ …（１）
【0007】
ここで、死角がマイクロホンｍｃ１とマイクロホンｍｃ２の中心に対し、マイクロホンｍｃ１の方向に存在する場合、遅延器３１０は、マイクロホンｍｃ１の入力信号ｘ１（ｔ）に対し遅延処理を行うその後、減算型ＢＦ３００では、減算器３２０が（２）式に従い減算処理を行う。
ｍ（ｔ）＝ｘ２（ｔ）－ｘ１（ｔ－τＬ） …（２）
ｍ（ｔ）＝ｘ２（ｔ）－ｘ１（ｔ－τＬ） …（２）
【0008】
減算器３２０では、周波数領域でも同様に減算処理を行うことができ、その場合（２）式は以下（３）式のように変更される。
【数1】
【0009】
ここでθＬ＝±π／２の場合、減算器３２０で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り、θＬ＝０，πの場合は、図７（ｂ）のような８の字型の双指向性となる。ここでは、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、双指向性を形成するフィルタを双指向性フィルタと呼称する。
【0010】
また、減算器３２０では、スペクトル減算法（Ｓｐｅｃｔｒａｌ Ｓｕｂｔｒａｃｔｉｏｎ；以下単に「ＳＳ」とも呼ぶ）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ｍｃ１の入力信号Ｘ１を用いているが、マイクロホンｍｃ２の入力信号Ｘ２でも同様の効果を得ることができる。ここでβはＳＳの強度を調節するための係数である。
【0011】
減算器３２０では、減算処理時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処理（フロアリング処理）を行う。この方式により、減算器３２０では、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）＝Ｘ１（ｎ）－βＭ（ｎ） …（４）
Ｙ（ｎ）＝Ｘ１（ｎ）－βＭ（ｎ） …（４）
【0012】
ところで、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の音（以下、「非目的エリア音」と呼ぶ）も収音してしまう可能性がある。そこで、特許文献１の記載技術では、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手法（以下、「エリア収音」と呼ぶ）を提案している。
【0013】
以下では、特許文献１に記載された従来のエリア収音処理について説明する。
【0014】
図８は、２つのマイクロホンアレイ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処理について示した説明図である。
【0015】
図８（ａ）は、各マイクロホンアレイの構成例について示した説明図である。図８（ｂ）、図８（ｃ）は、それぞれ図８（ａ）に示すマイクロホンアレイＭＡ１、ＭＡ２のＢＦ出力について周波数領域で示したグラフ（イメージ図）である。
【0016】
図８（ａ）に示すように、マイクロホンアレイＭＡ１、ＭＡ２の指向性を別々の方向から収音したいエリア（目的エリア）で交差させて収音する。図８（ａ）の状態では、各マイクロホンアレイＭＡ１、ＭＡ２の指向性に目的エリア内に存在する音（目的エリア音）だけでなく、目的エリア方向の雑音（非目的エリア音）も含まれている。しかし、図８（ｂ）、図８（ｃ）に示すように、マイクロホンアレイＭＡ１、ＭＡ２の指向性を周波数領域で比較すると、目的エリア音成分はどちらの出力にも含まれるが、非目的エリア音成分は各マイクロホンアレイで異なることになる。このような特性を利用し、２つのマイクロホンアレイＭＡ１、ＭＡ２のＢＦ出力に、共通に含まれる成分以外を抑圧することで目的エリア音のみ抽出することができる。
【0017】
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振幅スペクトルの比率を推定し、それを補正係数とする。例として２つのマイクロホンアレイを使用する場合、目的エリア音振幅スペクトルの補正係数は、（５）、（６）式または（７）、（８）式により算出される。
【数2】
【0018】
ここで、「Ｙ１ｋ（ｎ）」、「Ｙ２ｋ（ｎ）」はそれぞれマイクロホンアレイＭＡ１、ＭＡ２のＢＦ出力の振幅スペクトルであり、「Ｎ」は周波数ビンの総数であり、「ｋ」は周波数であり、「α１（ｎ）」、「α２（ｎ）」はそれぞれ各ＢＦ出力に対する振幅スペクトル補正係数である。また、ここで、「ｍｏｄｅ」は最頻値を表し、「ｍｅｄｉａｎ」は中央値を表している。
【0019】
その後、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。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。
【0020】
（９）式に従い、マイクロホンアレイＭＡ１のＢＦ出力Ｙ１（ｎ）からマイクロホンアレイＭＡ２のＢＦ出力Ｙ２（ｎ）に振幅スペクトル補正係数α２を掛けたものをＳＳすることで、マイクロホンアレイＭＡ１からみた目的エリア方向に存在する非目的エリア音Ｎ１（ｎ）を抽出することができる。同様に、特許文献１では、（１０）式に従い、マイクロホンアレイＭＡ２からみた目的エリア方向に存在する非目的エリア音Ｎ２（ｎ）を抽出することができる。
Ｎ１（ｎ）＝Ｙ１（ｎ）－α２（ｎ）Ｙ２（ｎ） …（９）
Ｎ２（ｎ）＝Ｙ２（ｎ）－α１（ｎ）Ｙ１（ｎ） …（１０）
Ｎ１（ｎ）＝Ｙ１（ｎ）－α２（ｎ）Ｙ２（ｎ） …（９）
Ｎ２（ｎ）＝Ｙ２（ｎ）－α１（ｎ）Ｙ１（ｎ） …（１０）
【0021】
その後、（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）式は、マイクロホンアレイＭＡ１を基準として目的エリア音を抽出する処理を示している。また、（１２）式は、マイクロホンアレイＭＡ２を基準として目的エリア音を抽出する処理を示している。
【0022】
ここで「γ１（ｎ）」，「γ２（ｎ）」は、それぞれＳＳ時の強度を変更（補正）するための係数である。
Ｚ１（ｎ）＝Ｙ１（ｎ）－γ１（ｎ）Ｎ１（ｎ） …（１１）
Ｚ２（ｎ）＝Ｙ２（ｎ）－γ２（ｎ）Ｎ２（ｎ） …（１２）
Ｚ１（ｎ）＝Ｙ１（ｎ）－γ１（ｎ）Ｎ１（ｎ） …（１１）
Ｚ２（ｎ）＝Ｙ２（ｎ）－γ２（ｎ）Ｎ２（ｎ） …（１２）
【0023】
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等の耳障りな異音が発生する可能性がある。
【0024】
そこで特許文献２に記載されたエリア収音処理では、背景雑音と非目的エリア音の大きさに応じて、マイク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している。
【0025】
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ため、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。背景雑音を抑圧する過程で求める推定雑音から、背景雑音の音量レベルを算出する。また、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、非目的エリア音の音量レベルを算出する。さらに、推定雑音と非目的エリア音の音量レベルから、混合する入力信号と推定雑音の比率を決定する。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目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、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、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。
【0026】
以上のように、特許文献２のエリア収音処理を適用することにより、目的エリア音に入力信号及び推定雑音を混合することにより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、マイク入力信号に含まれる目的エリア音の成分により、目的エリア音の歪みを補正し、音質を改善することができる。
【先行技術文献】
【特許文献】
【0027】
【文献】特開２０１４－０７２７０８号公報
【文献】特開２０１７－１８３９０２号公報
【非特許文献】
【0028】
【文献】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
【発明の概要】
【発明が解決しようとする課題】
【0029】
しかしながら、特許文献１のエリア収音やＢＦなどの手法は、周囲の雑音が抑圧され音声の明瞭性は上がるが、音声認識率（音声認識装置にエリア収音結果を供給した場合における音声認識精度）が改善するとは限らない信号処理により周波数特性が変化する。そのため、特許文献１のエリア収音やＢＦなどの手法によりエリア収音した結果を、音声認識装置に入力した場合、エリア収音処理による周波数特性の変化が、音声認識率に影響する可能性がある。一方、特許文献２のミキシング手法も、ミュージカルノイズの低減、聴感上の音質（人間が聴取した場合における音質）の改善には有効であるが、抑圧した雑音を戻すことにもなり、音声認識の精度向上にはつながらないという問題があった。
【0030】
そのため、音声認識処理の音声認識精度を向上させるエリア収音結果を得る収音装置、収音プログラム及び収音方法が望まれている。
【課題を解決するための手段】
【0031】
第１の本発明の収音装置は、（１）複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得する目的エリア音抽出手段と、（２）前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元する復元手段とを有し、（３）前記復元手段は、（３－１）前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出する帯域通過フィルタ部と、（３－２）前記混合信号を、前記エリア収音出力に混合する信号混合部と、（３－３）前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定する補正帯域決定部を有することを特徴とする。
【0032】
第２の本発明の収音プログラムは、（１）コンピュータを、（２）複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得する目的エリア音抽出手段と、（３）前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元する復元手段として機能させ、（４）前記復元手段は、（４－１）前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出する帯域通過フィルタ部と、（４－２）前記混合信号を、前記エリア収音出力に混合する信号混合部と、（４－３）前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定する補正帯域決定部を有することを特徴とする。
【0033】
第３の本発明は、収音装置が行う収音方法において、（１）前記収音装置は、目的エリア音抽出手段及び復元手段を有し、前記復元手段は、帯域通過フィルタ部、信号混合部及び補正帯域決定部を有し、（２）前記目的エリア音抽出手段は、複数のマイクロホンアレイから入力された入力信号に基づいて、それぞれの前記マイクロホンアレイのビームフォーマ出力を取得し、取得したビームフォーマ出力を用いて目的エリアを音源とする目的エリア音を抽出する目的エリア音抽出処理を行ってエリア収音出力を取得し、（３）前記復元手段は、前記目的エリア音抽出処理で抑圧される低周波数帯の前記目的エリア音の成分を復元し、（４）前記帯域通過フィルタ部は、前記入力信号から、前記目的エリア音を構成する前記所定範囲の周波数帯域の成分の信号を混合信号として抽出し、（５）前記信号混合部は、前記混合信号を、前記エリア収音出力に混合し、（６）前記補正帯域決定部は、前記入力信号の前記低周波数帯の範囲から成分が最大となる周波数を最大振幅周波数として検出し、前記低周波数帯の範囲から前記最大振幅周波数を含む帯域を前記帯域通過フィルタ部が前記混合信号を抽出する帯域として決定することを特徴とする。
【発明の効果】
【0034】
本発明によれば、音声認識処理の音声認識精度を向上させるエリア収音結果を得ることができる。
【図面の簡単な説明】
【0035】
【図1】第１の実施形態に係る各装置の接続構成及び収音装置の機能的構成を示すブロック図である。
【図2】第１～第４の実施形態に係る各装置の接続構成及び収音装置のハードウェア構成の例について示したブロック図である。
【図3】第２の実施形態に係る各装置の接続構成及び収音装置の機能的構成を示すブロック図である。
【図4】第３の実施形態に係る各装置の接続構成及び収音装置の機能的構成を示すブロック図である。
【図5】第４の実施形態に係る各装置の接続構成及び収音装置の機能的構成を示すブロック図である。
【図6】従来の減算型ＢＦ（マイクロホンの数が２個の場合）の構成を示すブロック図である。
【図7】従来の減算型ＢＦ（マイクロホンの数が２個の場合）により形成される指向性フィルタの例について示した説明図である。
【図8】従来の収音装置において、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。
【発明を実施するための形態】
【0036】
（Ａ）第１の実施形態
以下、本発明による収音装置、プログラム及び方法の第１の実施形態を、図面を参照しながら詳述する。
以下、本発明による収音装置、プログラム及び方法の第１の実施形態を、図面を参照しながら詳述する。
【0037】
（Ａ－１）第１の実施形態の構成
収音装置１０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。
収音装置１０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。
【0038】
そして、この実施形態の収音装置１０により取得された出力信号（目的エリア音収音処理の結果）ｗは、音声認識装置２０に供給される。音声認識装置２０は、供給された音声信号に基づいた音声認識処理を含む処理を行う装置である。
【0039】
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、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ｍｃから構成され、各マイクロホンｍｃ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、音響信号を収音する２つのマイクロホンｍｃ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、２ｃｈ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。この実施形態では、各マイクロホンアレイＭＡ１、ＭＡ２おいて、マイクロホンｍｃ間の距離は、例えば、３ｃｍとしてもよい。
【0040】
以下では、マイクロホンアレイＭＡ１が２つのマイクロホンｍｃ１、ｍｃ２を有し、マイクロホンアレイＭＡ２が２つのマイクロホンｍｃ３、ｍｃ４を有するものとして説明する。
【0041】
次に、収音装置１０の内部構成について説明する。
【0042】
収音装置１０は、信号入力部１０１、時間／周波数変換部１０２、指向性形成部１０３、エリア音抽出部１０４、帯域通過フィルタ部１０５、混合レベル算出部１０６、信号混合部１０７、周波数／時間変換部１０８を有している。収音装置１０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。
【0043】
第１の実施形態の収音装置１０は、目的エリア音抽出処理で減衰される音声（目的エリア音）の成分を復元する復元手段として、帯域通過フィルタ部１０５、混合レベル算出部１０６及び信号混合部１０７を有している。
【0044】
収音装置１０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１０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（実施形態の判定プログラムや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。
【0045】
【0046】
図２では、収音装置１をソフトウェア（コンピュータ）を用いて構成する際の構成について示している。
【0047】
図２に示す収音装置１は、ハードウェア的な構成要素として、少なくとも信号入力部１０１と、プログラム（実施形態の収音プログラムを含むプログラム）がインストールされたコンピュータ２００を有している。
【0048】
信号入力部１０１は、例えば、Ａ／Ｄコンバータを用いて構成することができる。なお、コンピュータ２００自体にＡ／Ｄコンバータが搭載されていれば、信号入力部１０１を別途設ける必要はない。
【0049】
コンピュータ２００は、信号入力部１０１から供給される音響信号（デジタル音響信号）にエリア収音処理を施して出力する処理を行う。この実施形態では、コンピュータ２００に、この実施形態の収音プログラムを含むプログラム（ソフトウェア）がインストールされているものとする。
【0050】
なお、コンピュータ２００は、収音プログラム専用のコンピュータとしてもよいし、他の機能（例えば、音声認識装置２０）のプログラムと共用される構成としてもよい。
【0051】
図２に示すコンピュータ２００は、プロセッサ２０１、一次記憶部２０２、及び二次記憶部２０３を有している。一次記憶部２０２は、プロセッサ２０１の作業用メモリ（ワークメモリ）として機能する記憶手段であり、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の高速動作するメモリが適用される。二次記憶部２０３は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）やプログラムデータ（実施形態に係る収音プログラムのデータを含む）等の種々のデータを記録する記憶手段であり、例えば、ＦＬＡＳＨメモリやＨＤＤ等の不揮発性メモリが適用される。この実施形態のコンピュータ２００では、プロセッサ２０１が起動する際、二次記憶部２０３に記録されたＯＳやプログラム（実施形態に係る収音プログラムを含む）を読み込み、一次記憶部２０２上に展開して実行する。
【0052】
なお、コンピュータ２００の具体的な構成は図２の構成に限定されないものであり、種々の構成を適用することができる。例えば、一次記憶部２０２が不揮発メモリ（例えば、ＦＬＡＳＨメモリ等）であれば、二次メモリについては除外した構成としてもよい。
【0053】
（Ａ－２）第１の実施形態の動作
次に、以上のような構成を有する第１の実施形態の収音装置１０の動作を説明する。
次に、以上のような構成を有する第１の実施形態の収音装置１０の動作を説明する。
【0054】
信号入力部１０１は、４つのマイクロホンｍｃ１～ｍｃ４で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する。以下では、マイクロホンｍｃ１～ｍｃ４で収音した音響信号に基づくデジタル信号（時間領域のデジタル信号）を、それぞれｘ１～ｘ４と呼ぶ。信号入力部１０１は、入力信号ｘ１～ｘ４を、時間／周波数変換部１０２に供給する。
【0055】
指向性形成部１０３は、時間／周波数変換部１０２によって時間／周波数変換された各入力信号Ｘ１～Ｘ４を用いて（３）式、（４）式に従いＢＦにより指向性を形成する。以下では、マイクロホンアレイＭＡ１によるＢＦ出力を「Ｙ１」とし、マイクロホンアレイＭＡ２によるＢＦ出力を「Ｙ２」とする。
【0056】
エリア音抽出部１０４は、指向性形成部１０３で生成されたＢＦ出力Ｙ１、Ｙ２を用いて（９）式、もしくは（１０）式に従い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。そして、エリア音抽出部１０４は、抽出した雑音を各ＢＦ出力から（１０）、もしくは（１１）式に従いＳＳすることにより目的エリア音を抽出する。実際には、エリア音抽出部１０４では、エリア音抽出に当たって、「（５）式、（６）式」、あるいは「（７）式、（８）式」によって各マイクロホンアレイＭＡ１、ＭＡ２のＢＦ出力Ｙ１、Ｙ２に含まれる目的エリア音の振幅スペクトルの比率を推定し、それを補正係数とする処理等も必要となる。補正係数の求め方については、既存のエリア収音処理と同様の処理を適用できるため、本明細書では詳細説明を省略する。
【0057】
収音装置１０では、ここまでのエリア収音処理（エリア音抽出部１０４までの処理）によって、目的音が存在する目的エリアで発生した目的エリア音だけが抽出され、周囲に音声認識に不要な雑音があっても、目的とする音声（音声認識装置２０で必要となる音声）だけを取り出すことができる。しかしながら、収音装置１０では、ここまでのエリア収音処理の過程で、本来音声信号が有する周波数特性（目的エリアから発せられた音声自体の周波数特性）が変形する場合がある。特に、従来のエリア収音処理を行った場合、エリア収音出力（エリア収音結果）において低周波数の帯域（例えば、１ｋＨｚ以下の周波数帯域）が抑圧される傾向にある。従来のエリア収音処理では、とりわけ第１フォルマントなど音声認識にとっての重要な成分が含まれる低周波数域が抑圧される特性があり、これが音声認識率を低下させる要因となっている。そのため、従来のエリア収音処理によって抽出された目的音信号（エリア収音出力）を、そのまま音声認識装置２０に与えても、高い認識率が得られない可能性がある。
【0058】
そこで、この実施形態の収音装置１０では、入力信号Ｘ（例えば、Ｘ１～Ｘ４のいずれか）から、エリア収音処理によって抑圧される周波数帯域の成分を抽出した信号（以下、「混合信号」と呼ぶ）を、エリア収音出力Ｚに混合することで、抑圧された帯域の成分を補正・復元する。
【0059】
帯域通過フィルタ部１０５では、エリア収音処理（エリア音抽出部１０４までの処理）によって抑圧される周波数帯域（以下、「抑圧周波数帯域」とも呼ぶ）を通過させる帯域通過フィルタを用いて、入力信号Ｘから抑圧周波数帯域を通過させた信号（元の信号に存在する抑圧周波数帯域の成分）を混合信号として取得する。以下では、帯域通過フィルタ部１０５で通過させる周波数帯域を「通過帯域」とも呼ぶ。
【0060】
上述の通り、従来のエリア収音処理では、１ｋＨｚ以下の成分が抑圧される特性があるため、この実施形態の帯域通過フィルタ部１０５では、通過帯域を概ね１００Ｈｚ～１ｋＨｚ程度に設定するものとする。この周波数帯域は、通常音声の第１フォルマントが存在する領域であり、音声認識処理に与える影響が大きい成分となる。なお、入力信号Ｘは、すでに周波数変換された信号であるため、帯域通過フィルタ部１０５の処理は、必要な帯域成分（通過帯域の成分）を抜き出すだけの処理でよい。
【0061】
混合レベル算出部１０６では、帯域通過フィルタ部１０５で抽出された混合信号を、エリア収音出力Ｚに混合する際の、適正な混合レベルを算出する。混合レベル算出部１０６では、入力信号Ｘとエリア収音出力Ｚから、抑圧を受ける周波数帯域の両成分の差異を算出し、当該差異を埋める形で、最大で元の信号の成分を超えない範囲で混合レベルを決定する。混合レベル算出部１０６での適正レベルの算出は、後段に接続する音声認識装置２０の特性に応じ、予め定めておくことが好適である。
【0062】
信号混合部１０７は、帯域通過フィルタ部１０５の出力である混合信号を、混合レベル算出部１０６で算出した混合レベルにしたがって、エリア収音出力Ｚに混合して出力する。以下では、信号混合部１０７が出力する信号を出力信号Ｗと呼ぶ。
【0063】
ここで例として、混合レベル算出部１０６が通過帯域の任意の周波数ｋ１について混合レベルを決定する処理について説明する。ここで入力信号Ｘにおける周波数ｋ１のパワーをＸｋ１、エリア収音出力Ｚにおける周波数ｋ１のパワーをＺｋ１、周波数ｋ１の混合レベルをＬＭｋ１とする。この場合、ＬＭｋ１は、Ｘｋ１とＺｋ１との差分以下のパワー（Ｘｋ１－Ｚｋ１≧ＬＭｋ１）に設定するようにしてもよい。例えば、ＬＭｋ１をＸｋ１とＺｋ１との差分（Ｘｋ１－Ｚｋ１）に係数ａ（０＜ａ≦１）を乗じた値（ＬＭｋ１＝（Ｘｋ１－Ｚｋ１）・ａ）に設定するようにしてもよい。混合レベル算出部１０６では、以上のような処理を通過帯域の各周波数について実行する。
【0064】
そして、信号混合部１０７は、混合信号における周波数ｋ１の成分のレベルをＬＭｋ１に相当するレベルに補正して、エリア収音出力Ｚにおける周波数ｋ１のパワーをＺｋ１に混合する。信号混合部１０７では、以上のような処理を通過帯域の各周波数について実行する。ここでは、通過帯域の周波数毎に混合レベルを決定したが、通過帯域全体で、入力信号Ｘと、エリア収音出力Ｚの、それぞれの平均振幅を算出し、当該平均振幅の差異に基いて、通過帯域一律の混合レベルを決定してもよい。
【0065】
なお、混合レベル算出部１０６は、必ずしも必須な構成ではなく、帯域通過フィルタ部１０５の出力である混合信号を、一定割合減じて（例えば、－６ｄＢ程度減じて）エリア収音出力Ｚに混合するようにしてもよい。
【0066】
補正された出力信号Ｗは、周波数／時間変換部１０８で時間信号に変換され、音声認識装置２０に供給される。以下では、周波数／時間変換部１０８が出力する信号（出力信号Ｗが時間領域に変換された信号）を出力信号ｗとする。
【0067】
（Ａ－３）第１の実施形態の効果
第１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。
第１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。
【0068】
第１の実施形態の収音装置１０では、エリア収音処理によって抑圧される周波数帯域の成分を、入力信号Ｘから取り出した前記抑圧される周波数帯域の成分をエリア収音出力信号に混合することで、補正・復元している。言い換えると、第１の実施形態の収音装置１０では、エリア収音処理によって抑圧される低周波数帯域の成分を、入力信号から帯域通過フィルタを通して取り出し、エリア収音出力に混合することにより復元する。これにより、第１の実施形態の収音装置１０では、エリア収音処理による環境雑音の抑圧効果と相まって、高い音声認識精度を得ることができる。
【0069】
（Ｂ）第２の実施形態
以下、本発明による収音装置、プログラム及び方法の第２の実施形態を、図面を参照しながら詳述する。
以下、本発明による収音装置、プログラム及び方法の第２の実施形態を、図面を参照しながら詳述する。
【0070】
【0071】
以下では、第２の実施形態について第１の実施形態との差異を説明する。
【0072】
なお、第２の実施形態の収音装置１０Ａのハードウェア構成についても上述の図２を用いて示すことができる。
【0073】
第２の実施形態の収音装置１０Ａでは、混合レベル算出部１０６が混合レベル算出部１０６Ａに置き換えられ、補正帯域決定部１０９が追加されている点で第１の実施形態と異なっている。
【0074】
第２の実施形態の収音装置１０Ａは、目的エリア音抽出処理で減衰される音声（目的エリア音）の成分を復元する復元手段として、帯域通過フィルタ部１０５、混合レベル算出部１０６Ａ、及び信号混合部１０７を有している。
【0075】
（Ｂ－２）第２の実施形態の動作
次に、以上のような構成を有する第２の実施形態の収音装置１０Ａの動作（実施形態に係る収音方法）について、第１の実施形態との差異を中心に説明する。
次に、以上のような構成を有する第２の実施形態の収音装置１０Ａの動作（実施形態に係る収音方法）について、第１の実施形態との差異を中心に説明する。
【0076】
第２の実施形態では、上述の通り、混合レベル算出部１０６Ａと補正帯域決定部１０９のみが第１の実施形態と異なっているため、以下では混合レベル算出部１０６Ａと補正帯域決定部１０９の動作を中心に説明する。
【0077】
第１の実施形態の収音装置１０では、エリア収音出力Ｚに対して、信号混合によって補正する周波数帯域が固定帯域であった。これに対して、第２の実施形態では、エリア収音出力Ｚに対して補正する周波数帯域を、入力信号の特性に応じて適応的（動的）に決定する点で第１の実施形態と異なっている。
【0078】
エリア収音処理（エリア音抽出部１０４までの処理）では目的エリア以外で発生する不要音（非目的エリア音）を抑圧していることから、エリア収音出力Ｚに対する混合信号（入力信号成分）の混合によって、必要以上の成分が混合されることはできるだけ回避したい。
【0079】
そこで、この実施形態では、出力信号ｗにおいて音声認識に重要な意味を成す第１フォルマントの成分を維持することを狙いとして、フォルマントトラッキングに類似した処理を行う。騒音下で収音された音声からフォルマント周波数を検出・追跡することは容易ではない。
【0080】
そのため、この実施形態の収音装置１０Ａでは、入力信号に含まれる音声のフォルマント周波数を陽に算出せず、フォルマント周波数が含まれる蓋然性の高い所定範囲の周波数帯域を補正帯域として選択する。具体的には、この実施形態の収音装置１０Ａでは、入力信号に対するエリア収音処理によって抑圧される低周波数帯域の範囲から、周波数成分の最大値を検出し、検出した周波数を中心として所定範囲の周波数帯域（例えば、検出した周波数を中心として２００～３００Ｈｚ）を補正帯域とする。音声の振幅スペクトルは、細い線スペクトルになるため、最大値を安定して抽出するためには、最大値探索に先立って振幅スペクトルを周波数軸上で平滑化しておくのが好適である。
【0081】
補正帯域決定部１０９は、上記のような処理によって入力信号Ｘから補正帯域を決定する。そして、補正帯域決定部１０９は、決定された補正帯域の情報（以下、「帯域情報」とも呼ぶ）を帯域通過フィルタ部１０５に供給する。なお、補正帯域決定部１０９は、補正帯域の決定を行う際、時間領域の入力信号ｘから線形予測（ＬＰＣ）分析を行なってＬＰＣスペクトル包絡のピーク周波数を検出してもよい。
【0082】
帯域通過フィルタ部１０５は、供給された帯域情報（補正帯域の情報）に従って、入力信号Ｘから補正帯域の成分を取り出して混合信号とする。補正帯域決定部１０９で決定された帯域情報は、混合レベル算出部１０６Ａにも与えられる。
【0083】
混合レベル算出部１０６Ａは、入力信号Ｘとエリア収音出力Ｚから、抑圧を受ける周波数帯域の両成分の差異を算出し、当該差異を埋める形で、最大で元の信号の成分を超えない範囲で混合レベルを決定する。このとき、混合レベル算出部１０６Ａでは、混合レベルを算出するための、入力信号Ｘとエリア収音出力Ｚの評価周波数帯域として、補正帯域決定部１０９で決定された帯域情報を用いる点で第１の実施形態と異なる。
【0084】
信号混合部１０７では、以上のようにして求められた混合信号を、混合レベル算出部で決められた混合レベルに則り、エリア収音出力Ｚに混合する。
【0085】
（Ｂ－３）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態の効果に加えて以下のような効果を奏することができる。
第２の実施形態によれば、第１の実施形態の効果に加えて以下のような効果を奏することができる。
【0086】
第２の実施形態の収音装置１０Ａでは、エリア収音処理によって抑圧される低周波数帯域の範囲から、補正する帯域（混合信号を抽出して混合する帯域）を、入力信号に応じて（例えば、入力信号の最大振幅周波数に応じて）決定しているため、入力信号の音声認識に重要な成分だけを効果的に補正・強調することができる。
【0087】
（Ｃ）第３の実施形態
以下、本発明による収音装置、プログラム及び方法の第３の実施形態を、図面を参照しながら詳述する。
以下、本発明による収音装置、プログラム及び方法の第３の実施形態を、図面を参照しながら詳述する。
【0088】
【0089】
なお、第３の実施形態の収音装置１０Ｂのハードウェア構成についても上述の図２を用いて示すことができる。
【0090】
第３の実施形態の収音装置１０Ｂは、信号入力部１０１、時間／周波数変換部１０２、指向性形成部１０３、エリア音抽出部１０４、周波数／時間変換部１０８、調整レベル算出部１１０、及びレベル調整部１１１を有している。
【0091】
第３の実施形態の収音装置１０Ｂは、目的エリア音抽出処理で減衰される音声（目的エリア音）の成分を復元する復元手段として、調整レベル算出部１１０及びレベル調整部１１１を有している。
【0092】
（Ｃ－２）第３の実施形態の動作
次に、以上のような構成を有する第３の実施形態の収音装置１０Ｂの動作（実施形態に係る収音方法）について説明する。
次に、以上のような構成を有する第３の実施形態の収音装置１０Ｂの動作（実施形態に係る収音方法）について説明する。
【0093】
第３の実施形態において、信号入力部１０１、時間／周波数変換部１０２、指向性形成部１０３、エリア音抽出部１０４、及び周波数／時間変換部１０８の動作については第１の実施形態と同様であるため詳しい説明を省略する。
【0094】
第３の実施形態の収音装置１０Ｂでは、エリア収音によって抑圧される周波数帯域の補正を、入力信号成分の混合ではなく、エリア周囲音出力の抑圧された周波数帯域成分をイコライジングによってブースト（レベル調整）するところが、第１の実施形態と異なる。入力信号はエリア収音処理前の信号であるから、その中には目的エリア以外で発生した妨害音成分が含まれる。そこで第３の実施形態の収音装置１０Ｂでは、エリア収音出力Ｚそのもの（目的エリア以外で発生した妨害音成分を含まない信号）の周波数成分を、レベル調整部１１１においてレベル調整する。
【0095】
レベル調整部１１１がレベル調整する周波数帯域（以下、「調整帯域」と呼ぶ）は、第１の実施形態と同様に、エリア収音処理によって抑圧を受ける概ね１００Ｈｚ～１ｋＨｚ程度に固定してもよいし、第２の実施形態のように、入力信号に応じて適応的に定めてもよい。第３の実施形態のレベル調整部１１１では、第１の実施形態と同様に、補正する周波数帯域は固定的に定められているものとして説明する。
【0096】
調整レベル算出部１１０は、入力信号Ｘとエリア収音出力Ｚから、抑圧を受ける周波数帯域の両成分の差異を算出し、最大で元の信号の成分を超えない範囲で当該差異を埋めるための調整レベル（ブーストレベル）を決定する。
【0097】
レベル調整部１１１は、調整レベル算出部１１０で決定された調整レベルにしたがって、エリア収音出力Ｚの抑圧された低周波数帯域の成分に対して、レベル調整（ブースト）によって周波数特性を補正・復元する。
【0098】
ここで例として、調整レベル算出部１１０が調整帯域の任意の周波数ｋ１について調整レベルを決定する処理について説明する。ここで入力信号Ｘにおける周波数ｋ１のパワーをＸｋ１、エリア収音出力Ｚにおける周波数ｋ１のパワーをＺｋ１、周波数ｋ１の調整レベルをＬＴｋ１とする。この場合、ＬＴｋ１は、Ｘｋ１とＺｋ１との差分以下のパワー（Ｘｋ１－Ｚｋ１≧ＬＴｋ１）に設定するようにしてもよい。例えば、ＬＴｋ１をＸｋ１とＺｋ１との差分（Ｘｋ１－Ｚｋ１）に係数ａ（０＜ａ≦１）を乗じた値（ＬＴｋ１＝（Ｘｋ１－Ｚｋ１）・ａ）に設定するようにしてもよい。調整レベル算出部１１０では、以上のような処理を調整帯域の各周波数について実行する。
【0099】
そして、レベル調整部１１１は、周波数ｋ１について調整レベル算出部１１０が算出した混合レベルがＬＭｋ１であった場合、エリア収音出力Ｚにおける周波数ｋ１の成分Ｚｋ１のレベルをＬＴｋ１に相当するレベル分ブースト（イコライジング）する。レベル調整部１１１では、以上のような処理を調整帯域の各周波数について実行する。
【0100】
（Ｃ－３）第３の実施形態の効果
第３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。
第３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。
【0101】
第３の実施形態の収音装置１０Ｂでは、エリア収音処理によって抑圧される周波数帯域の成分を、エリア収音出力Ｚでイコライジング（ブースト；レベル調整）することで、補正・復元している。言い換えると、第３の実施形態の収音装置１０Ｂでは、エリア収音処理によって抑圧される低周波数帯域に対して、エリア収音出力Ｚの当該周波数帯域をブーストすることよって補正する。これにより、第３の実施形態の収音装置１０Ｂでは、エリア収音処理による環境雑音の抑圧効果と相まって、高い音声認識精度を得ることができる。
【0102】
また、第３の実施形態の収音装置１０Ｂでは、周波数特性の補正に、目的エリア以外で発生した妨害音成分を含まない、エリア収音出力Ｚをベースに使用しているため、妨害音の影響を受け難いという効果を奏する。
【0103】
（Ｄ）第４の実施形態
以下、本発明による収音装置、プログラム及び方法の第４の実施形態を、図面を参照しながら詳述する。
以下、本発明による収音装置、プログラム及び方法の第４の実施形態を、図面を参照しながら詳述する。
【0104】
【0105】
なお、第４の実施形態の収音装置１０Ｃのハードウェア構成についても上述の図２を用いて示すことができる。
【0106】
第４の実施形態の収音装置１０Ｃは、信号入力部１０１、時間／周波数変換部１０２、指向性形成部１０３、エリア音抽出部１０４、帯域通過フィルタ部１０５、信号混合部１０７、周波数／時間変換部１０８、レベル算出部１１２、及びレベル調整部１１１Ｃを有している。
【0107】
第４の実施形態の収音装置１０Ｃは、目的エリア音抽出処理で減衰される音声（目的エリア音）の成分を復元する復元手段として、帯域通過フィルタ部１０５、レベル算出部１１２及びレベル調整部１１１Ｃを有している。
【0108】
（Ｄ－２）第４の実施形態の動作
次に、以上のような構成を有する第４の実施形態の収音装置１０Ｃの動作（実施形態に係る収音方法）について説明する。
次に、以上のような構成を有する第４の実施形態の収音装置１０Ｃの動作（実施形態に係る収音方法）について説明する。
【0109】
信号入力部１０１、時間／周波数変換部１０２、指向性形成部１０３、エリア音抽出部１０４、帯域通過フィルタ部１０５、及び周波数／時間変換部１０８の詳細動作については、第１の実施形態と同様であるため説明を省略する。
【0110】
第１の実施形態の収音装置１０、および第２の実施形態の収音装置１０Ａでは、入力信号から、エリア収音処理によって抑圧される周波数帯域の成分を抽出し、エリア収音出力に混合することで、抑圧された帯域の成分を補正・復元した。また、第３の実施形態の収音装置１０Ｂでは、エリア収音出力をブーストすることで抑圧された帯域の成分を補正・復元した。入力信号の混合では、目的エリア外で発生した妨害音が混入する恐れがあり、エリア収音出力のブーストでは、そもそもエリア収音処理での低周波数域の抑圧によって強調・復元すべき成分が失われている可能性もある。それぞれに長短があり、何れか一方の手法で復元を行なうのはリスクが伴う。
【0111】
そこで、第４の実施形態の収音装置１０Ｃでは、何れか一方の手法のみで復元を目指すのではなく、「入力信号の帯域成分の混合」（第１の実施形態の処理）と「エリア収音出力Ｚのブースト」（第３の実施形態の処理）の双方を組み合わせ、より安定した抑圧成分の補正・復元をおこなう。
【0112】
帯域通過フィルタ部１０５は、周波数変換された入力信号から帯域通過フィルタ処理によって、エリア収音処理によって抑圧された低周波数帯域の成分を混合信号として取り出す。
【0113】
レベル算出部１１２は、入力信号Ｘとエリア収音出力Ｚから、エリア収音処理による低周波数帯域の減衰量を算出し、当該減衰量の大きさから、調整レベル（レベル調整部１１１Ｃにおけるエリア収音出力Ｚのブーストレベル）、及び混合レベル（信号混合部１０７における混合信号の混合レベル）を算出する。レベル算出部１１２において、エリア収音出力のブーストと混合信号の混合をどの程度の割合で配分するかは、使用する音声認識システムの特性に合わせて定めるのが好適である。
【0114】
レベル調整部１１１Ｃは、レベル算出部１１２で決定された調整レベルにしたがって、エリア収音出力Ｚの抑圧された低周波数帯域の成分に対して、レベル調整（ブースト）によって周波数特性を補正・復元する。第４の実施形態では、レベル調整部１１１Ｃが、エリア収音出力Ｚについてレベル調整（ブースト）した信号を「エリア収音出力Ｚ’」と呼ぶものとする。
【0115】
信号混合部１０７は、帯域通過フィルタ部１０５の出力である混合信号を、混合レベル算出部１０６で算出した混合レベルにしたがって、エリア収音出力Ｚ’に混合して出力する。第４の実施形態では、信号混合部１０７が出力する信号を出力信号Ｗと呼ぶ。
【0116】
ここで例として、レベル算出部１１２が調整帯域／通過帯域の任意の周波数ｋ１について調整レベル及び混合レベルを決定する処理について説明する。なお、ここでは、調整帯域と通過帯域は同じ範囲（例えば、両方とも１００Ｈｚ～１ＫＨｚの範囲）であるものとして説明する。ここで入力信号Ｘにおける周波数ｋ１のパワーをＸｋ１、エリア収音出力Ｚｃにおける周波数ｋ１のパワーをＺｋ１、周波数ｋ１の混合レベルをＬＭｋ１、周波数ｋ１の調整レベルをＬＴｋ１とする。この場合、レベル算出部１１２は、ＬＭｋ１とＬＴｋ１の合計値（ＬＭｋ１＋ＬＴｋ１）を、Ｘｋ１とＺｋ１との差分以下のパワー（Ｘｋ１－Ｚｋ１≧ＬＭｋ１＋ＬＴｋ１）に設定するようにしてもよい。例えば、ＬＭｋ１とＬＴｋ１の合計値（ＬＭｋ１＋ＬＴｋ１）を、Ｘｋ１とＺｋ１との差分（Ｘｋ１－Ｚｋ１）に係数ａ（０＜ａ≦１）を乗じた値（ＬＭｋ１＋ＬＴｋ１＝（Ｘｋ１－Ｚｋ１）・ａ）に設定するようにしてもよい。レベル算出部１１２では、以上のような処理を通過帯域／調整帯域の各周波数について実行する。また、上述の通り、レベル算出部１１２において、調整レベルをＬＴｋ１と混合レベルＬＭｋ１をどの程度の割合で配分するかは限定されないものであるが、使用する音声認識システムの特性に合わせて定めるのが好適である。
【0117】
（Ｄ－３）第４の実施形態の効果
第４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。
第４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。
【0118】
第４の実施形態の収音装置１０Ｃでは、第３の発明は、エリア収音処理によって抑圧される低周波数帯域に対して、入力信号の混合処理（第１の実施形態の処理）と、エリア収音出力信をブーストする処理（第３の実施形態の処理）の双方を組み合せて補正・復元する。これにより、第４の実施形態の収音装置１０Ｃでは、第１及び第３の実施形態より安定した復元性能が得られ、その結果、高い音声認識率が得られる。
【0119】
（Ｅ）他の実施形態
本発明は、上記の各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。
本発明は、上記の各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。
【0120】
（Ｅ－１）上記の各実施形態では、収音装置と音声認識装置を別個の装置として記載していたが、１つの装置（例えば、１つのコンピュータ上）で構成するようにしてもよい。
【0121】
（Ｅ－２）第２の実施形態の収音装置１０Ａでは、エリア収音処理によって抑圧される低周波数帯域の範囲から、混合信号を抽出して混合する帯域（補正する帯域）を、入力信号に応じて動的に決定しているが、第３の実施形態においても同様に、レベル調整する対象の帯域（補正する帯域）を、入力信号に応じて動的に設定するようにしてもよい。言い換えると、第３の実施形態においても、レベル調整する対象の帯域（補正する帯域）を、入力信号に応じて適応的に決定する補正帯域決定部を備えるようにしてもよい。
【0122】
（Ｅ－３）第４の実施形態では、エリア収音出力Ｚを、レベル調整部１１１Ｃ、信号混合部１０７の順に補正しているが、レベル調整部１１１Ｃと信号混合部１０７の順序を入れ替えるようにしてもよい。
【符号の説明】
【0123】
１０、１０Ａ、１０Ｂ、１０Ｃ…収音装置、１０１…信号入力部、１０２…周波数変換部、１０３…指向性形成部、１０４…エリア音抽出部、１０５…帯域通過フィルタ部、１０６、１０６Ａ…混合レベル算出部、１０７…信号混合部、１０８…時間変換部、１０９…補正帯域決定部、１１０、１１０Ｃ…調整レベル算出部、１１１、１１１Ｃ…レベル調整部、１１２…レベル算出部、２０…音声認識装置、２００…コンピュータ、２０１…プロセッサ、２０２…一次記憶部、２０３…二次記憶部、ＭＡ、ＭＡ１、ＭＡ２…マイクロホンアレイ、ｍｃ、ｍｃ１～ｍｃ４…マイクロホン。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】