特許 7270140 音声処理システム及び音声処理装置

(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】2023-04-27

(45)【発行日】2023-05-10

(54)【発明の名称】音声処理システム及び音声処理装置

(51)【国際特許分類】

   H04R 3/00 20060101AFI20230428BHJP

   G10L 15/00 20130101ALI20230428BHJP

   G10L 15/20 20060101ALI20230428BHJP

   G10L 21/0208 20130101ALI20230428BHJP

   B60R 11/02 20060101ALI20230428BHJP

【ＦＩ】

H04R3/00 320

G10L15/00 200J

G10L15/20 370F

G10L15/20 370E

G10L21/0208 100B

B60R11/02 M

【請求項の数】 14

(21)【出願番号】P 2019180180

(22)【出願日】2019-09-30

(65)【公開番号】P2021057807

(43)【公開日】2021-04-08

【審査請求日】2022-04-20

(73)【特許権者】

【識別番号】314012076

【氏名又は名称】パナソニックＩＰマネジメント株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】山梨 智史

(72)【発明者】

【氏名】番場 裕

【審査官】大石 剛

(56)【参考文献】

【文献】特開平６－２６９０８３（ＪＰ，Ａ）

【文献】特開２００１－１３９７２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０４Ｒ ３／００

Ｇ１０Ｌ １５／００

Ｇ１０Ｌ １５／２０

Ｇ１０Ｌ ２１／０２０８

Ｂ６０Ｒ １１／０２

(57)【特許請求の範囲】

【請求項1】

第１音声成分を含む第１音声信号を取得し、前記第１音声信号に基づいた第１信号を出力する第１マイクと、
それぞれが、前記第１音声成分とは異なる音声成分を含む音声信号を取得し、前記音声信号に基づいたマイク信号を出力する、１つ以上のマイクと、
前記１つ以上のマイクから、それぞれの前記マイク信号が入力され、前記マイク信号に基づいた通過信号をそれぞれ出力する、１つ以上の適応フィルタと、
前記マイク信号が音声信号間で相関がないノイズである無相関ノイズを含むかを判断する判断部と、
前記１つ以上の適応フィルタのフィルタ係数を制御する制御部と、
前記第１信号から、前記通過信号に基づいた減算信号を減算する加算部と、
を備え、
前記１つ以上のマイクは、前記第１音声成分とは異なる第２音声成分を含む第２音声信号を取得し、前記第２音声信号に基づいた第２信号を出力する第２マイクを含み、
前記判断部が、前記第２信号が前記無相関ノイズを含むと判断した場合、前記制御部は、前記適応フィルタに入力される前記第２信号のレベルをゼロにする、
音声処理システム。

【請求項2】

前記１つ以上のマイクは、前記第１音声成分および前記第２音声成分とは異なる第３音声成分を含む第３音声信号を取得し、前記第３音声信号に基づいた第３信号を出力する第３マイクを含み、
前記１つ以上の適応フィルタは、前記第２信号が入力される第１適応フィルタと、前記第３信号が入力される第２適応フィルタと、を含み、
前記判断部が、前記第２信号が前記無相関ノイズを含み、前記第３信号が前記無相関ノイズを含まないと判断した場合、前記制御部は、前記第１適応フィルタのフィルタ係数を変更せず、前記第２適応フィルタのフィルタ係数を変更する、
請求項１に記載の音声処理システム。

【請求項3】

前記１つ以上のマイクは、前記第１音声成分および前記第２音声成分とは異なる第３音声成分を含む第３音声信号を取得し、前記第３音声信号に基づいた第３信号を出力する第３マイクを含み、
前記１つ以上の適応フィルタを含む第１フィルタ部を備え、前記１つ以上の適応フィルタは、前記第２信号が入力される第１適応フィルタと、前記第３信号が入力される第２適応フィルタと、を含む、請求項１に記載の音声処理システムであって、
１つ以上の適応フィルタを含む第２フィルタ部を備え、
前記第２フィルタ部は、前記第３信号が入力され、前記第３信号に基づいた第１通過信号を出力する、前記第２適応フィルタとは異なる第３適応フィルタを含み、
前記第２フィルタ部が含む適応フィルタの数は、前記第１フィルタ部が含む適応フィルタの数よりも小さく、
前記制御部は、前記第２信号および前記第３信号に基づき、前記減算信号の生成に前記第１フィルタ部および前記第２フィルタ部のいずれを用いるかを決定する
請求項１に記載の音声処理システム。

【請求項4】

前記第２フィルタ部は、前記第３適応フィルタのみを含み、
前記第２信号が発話に由来する第１成分を含まず、前記第３信号が前記第１成分を含むと判断された場合、前記制御部は、前記第２フィルタ部を用いて前記減算信号を生成する、
請求項３に記載の音声処理システム。

【請求項5】

前記判断部は、前記マイク信号の強度が所定の値以上である場合に、前記マイク信号が前記無相関ノイズを含むと判断する、
請求項１から請求項４のいずれか一項に記載の音声処理システム。

【請求項6】

前記１つ以上のマイクは、第１マイク信号を出力する第１対象マイクと、第２マイク信号を出力し、前記第１対象マイクとは異なる第２対象マイクと、を含み、
前記判断部は、前記第１マイク信号の強度が、前記第２マイク信号の強度よりも所定の値以上大きい場合に、前記第１マイク信号が前記無相関ノイズを含むと判断する、
請求項１から請求項４のいずれか一項に記載の音声処理システム。

【請求項7】

前記判断部は、車両情報に基づいて、前記マイク信号が前記無相関ノイズを含むと判断する、
請求項１から請求項４のいずれか一項に記載の音声処理システム。

【請求項8】

第１音声成分を含む第１音声信号に基づいた第１信号を受信する第１受信部と、
それぞれが、前記第１音声成分とは異なる音声成分を含む音声信号に基づいたマイク信号を受信する、１つ以上の受信部と、
前記１つ以上の受信部から、それぞれの前記マイク信号が入力され、前記マイク信号に基づいた通過信号をそれぞれ出力する、１つ以上の適応フィルタを含むフィルタ部と、
前記マイク信号が無相関ノイズを含むかを判断する判断部と、
前記１つ以上の適応フィルタのフィルタ係数を制御する制御部と、
前記第１信号から、前記通過信号に基づいた減算信号を減算する加算部と、
を備え、
前記１つ以上の受信部は、前記第１音声成分とは異なる第２音声成分を含む第２音声信号に基づいた第２信号を受信する第２受信部を含み、
前記判断部が、前記第２信号が前記無相関ノイズを含むと判断した場合、前記制御部は、前記適応フィルタに入力される前記第２信号のレベルをゼロにする、
音声処理装置。

【請求項9】

前記１つ以上の受信部は、前記第１音声成分および前記第２音声成分とは異なる第３音声成分を含む第３音声信号に基づいた第３信号を受信し、
前記１つ以上の適応フィルタは、前記第２信号が出力される第１適応フィルタと、前記第３信号が出力される第２適応フィルタと、を含み、
前記判断部が、前記第２信号が前記無相関ノイズを含み、前記第３信号が前記無相関ノイズを含まないと判断した場合、前記制御部は、前記第１適応フィルタのフィルタ係数を変更せず、前記第２適応フィルタのフィルタ係数を変更する、
請求項８に記載の音声処理装置。

【請求項10】

前記１つ以上の受信部は、前記第１音声成分および前記第２音声成分とは異なる第３音声成分を含む第３音声信号に基づいた第３信号を受信し、
前記１つ以上の適応フィルタを含む第１フィルタ部を備え、前記１つ以上の適応フィルタは、前記第２信号が入力される第１適応フィルタと、前記第３信号が入力される第２適応フィルタと、を含む、請求項８に記載の音声処理装置であって、
１つ以上の適応フィルタを含む第２フィルタ部を備え、
前記第２フィルタ部は、前記第３信号が入力され、前記第３信号に基づいた第１通過信号を出力する、前記第２適応フィルタとは異なる第３適応フィルタを含み、
前記第２フィルタ部が含む適応フィルタの数は、前記第１フィルタ部が含む適応フィルタの数よりも小さく、
前記制御部は、前記第２信号および前記第３信号に基づき、前記減算信号の生成に前記第１フィルタ部および前記第２フィルタ部のいずれを用いるかを決定する
請求項８に記載の音声処理装置。

【請求項11】

前記第２フィルタ部は、前記第３適応フィルタのみを含み、
前記第２信号が発話に由来する第１成分を含まず、前記第３信号が前記第１成分を含むと判断された場合、前記制御部は、前記第２フィルタ部を用いて前記減算信号を生成する、
請求項１０に記載の音声処理装置。

【請求項12】

前記判断部は、前記マイク信号の強度が所定の値以上である場合に、前記マイク信号が前記無相関ノイズを含むと判断する、
請求項８から請求項１１のいずれか一項に記載の音声処理装置。

【請求項13】

前記マイク信号は、第１マイク信号と、前記第１マイク信号とは異なる第２マイク信号と、を含み、
前記判断部は、前記第１マイク信号の強度が、前記第２マイク信号の強度よりも所定の値以上大きい場合に、前記第１マイク信号が前記無相関ノイズを含むと判断する、
請求項８から請求項１１のいずれか一項に記載の音声処理装置。

【請求項14】

前記判断部は、車両情報に基づいて、前記マイク信号が前記無相関ノイズを含むと判断する、
請求項８から請求項１１のいずれか一項に記載の音声処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、音声処理システム及び音声処理装置に関する。

【背景技術】

【0002】

車載用の音声認識装置やハンズフリー通話において、周辺の音声を除去して話者の音声だけを認識するための、エコーキャンセラが知られている。特許文献１には、音源数に応じて、動作する適応フィルタの数やタップ数を切り替えるエコーキャンセラが開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第４８８９８１０号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

適応フィルタを用いてエコーキャンセルを行う場合、周辺の音声が参照信号として適応フィルタに入力される。しかし、周辺の音声が無相関ノイズを含む場合、周辺の音声を用いてエコーキャンセルを行っても、周辺の音声を除去して目的の音声を得ることが難しい場合がある。周辺の音声が無相関ノイズを含む場合でも、周辺の音声を除去して目的の音声を得られると有益である。

【課題を解決するための手段】

【0005】

本開示に係る音声処理システムは、第１マイクと、１つ以上のマイクと、１つ以上の適応フィルタと、判断部と、制御部と、加算部と、を備える。第１マイクは、第１音声成分を含む第１音声信号を取得し、前記第１音声信号に基づいた第１信号を出力する。１つ以上のマイクは、それぞれが、前記第１音声成分とは異なる音声成分を含む音声信号を取得し、前記音声信号に基づいたマイク信号を出力する。１つ以上の適応フィルタは、前記１つ以上のマイクから、それぞれの前記マイク信号が入力され、前記マイク信号に基づいた通過信号をそれぞれ出力する。判断部は、前記マイク信号が音声信号間で相関がないノイズである無相関ノイズを含むかを判断する。制御部は、前記１つ以上の適応フィルタのフィルタ係数を制御する。加算部は、前記第１信号から、前記通過信号に基づいた減算信号を減算する。前記１つ以上のマイクは、前記第１音声成分とは異なる第２音声成分を含む第２音声信号を取得し、前記第２音声信号に基づいた第２信号を出力する第２マイクを含む。前記判断部が、前記第２信号が前記無相関ノイズを含むと判断した場合、前記制御部は、前記適応フィルタに入力される前記第２信号のレベルをゼロにする。

【発明の効果】

【0006】

本開示によれば、周辺の音声が無相関ノイズを含む場合でも、周辺の音声を除去して目的の音声を得られる。

【図面の簡単な説明】

【0007】

【図1】図１は、第１実施形態における音声処理システムの概略構成の一例を示す図である。

【図2】図２は、第１実施形態における音声処理装置の構成を示すブロック図である。

【図3】図３は、第１実施形態における音声処理装置の動作手順を示すフローチャートである。

【図4】図４は、音声処理装置の出力結果を示す図である。

【図5】図５は、第２実施形態における音声処理システムの概略構成の一例を示す図である。

【図6】図６は、第２実施形態における音声処理装置の構成を示すブロック図である。

【図7】図７は、第２実施形態における音声処理装置の動作手順を示すフローチャートである。

【発明を実施するための形態】

【0008】

以下、適宜図面を参照しながら、本開示の実施形態を詳細に説明する。ただし、必要以上に詳細な説明は省略する場合がある。なお、添付図面及び以下の説明は、当業者が本開示を十分に理解するために提供されるのであって、これらにより特許請求の範囲に記載の主題を限定することは意図されていない。

【0009】

（第１実施形態）
図１は、第１実施形態における音声処理システム５の概略構成の一例を示す図である。音声処理システム５は、例えば車両１０に搭載される。以下、音声処理システム５が車両１０に搭載される例について説明する。車両１０の車室内には、複数の座席が設けられる。複数の座席は、例えば、運転席、助手席、および左右の後部座席の４席である。座席の数は、これに限られない。音声処理システム５は、マイクＭＣ１、マイクＭＣ２、マイクＭＣ３、マイクＭＣ４、及び音声処理装置２０を含む。この例では座席の数とマイクの数とが一致しているが、マイクの数は座席の数と一致していなくてもよい。音声処理装置２０の出力は、図示しない音声認識エンジンに入力される。音声認識エンジンによる音声認識結果は、電子機器５０に入力される。

【0010】

マイクＭＣ１は、運転者ｈｍ１が発話する音声を収音する。言い換えると、マイクＭＣ１は、運転者ｈｍ１が発話する音声成分を含む音声信号を取得する。マイクＭＣ１は、例えば運転席の右側のアシストグリップに配置される。マイクＭＣ２は、乗員ｈｍ２が発話する音声を収音する。言い換えると、マイクＭＣ２は、乗員ｈｍ２が発話する音声成分を含む音声信号を取得する。マイクＭＣ２は、例えば助手席の左側のアシストグリップに配置される。マイクＭＣ３は、乗員ｈｍ３が発話する音声を収音する。言い換えると、マイクＭＣ３は、乗員ｈｍ３が発話する音声成分を含む音声信号を取得する。マイクＭＣ３は、例えば後部座席の左側のアシストグリップに配置される。マイクＭＣ４は、乗員ｈｍ４が発話する音声を収音する。言い換えると、マイクＭＣ４は、乗員ｈｍ４が発話する音声成分を含む音声信号を取得する。マイクＭＣ４は、例えば後部座席の右側のアシストグリップに配置される。

【0011】

マイクＭＣ１、マイクＭＣ２、マイクＭＣ３、マイクＭＣ４の配置位置は、説明した例に限られない。例えば、マイクＭＣ１はダッシュボードの右側前面に配置されてもよい。マイクＭＣ２は、ダッシュボードの左側前面に配置されてもよい。マイクＭＣ３は、助手席の背もたれ部に配置されてもよい。マイクＭＣ４は、運転席の背もたれ部に配置されてもよい。

【0012】

各マイクは、指向性マイクであってもよく、無指向性マイクであってもよい。各マイクは、小型のＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）マイクであってもよく、ＥＣＭ（Ｅｌｅｃｔｒｅｔ Ｃｏｎｄｅｎｓｅｒ Ｍｉｃｒｏｐｈｏｎｅ）であってもよい。各マイクは、ビームフォーミング可能なマイクであってもよい。例えば、各マイクは、各座席の方向に指向性を有し、指向方法の音声を収音可能なマイクアレイでもよい。

【0013】

本実施形態において、音声処理システム５は、各マイクに対応する複数の音声処理装置２０を備える。具体的には、音声処理システム５は、音声処理装置２１と、音声処理装置２２と、音声処理装置２３と、音声処理装置２４とを備える。音声処理装置２１は、マイクＭＣ１に対応する。音声処理装置２２は、マイクＭＣ２に対応する。音声処理装置２３は、マイクＭＣ３に対応する。音声処理装置２４は、マイクＭＣ４に対応する。以下、音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４をまとめて音声処理装置２０と呼ぶことがある。

【0014】

図１に示される構成では、音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４がそれぞれ別のハードウェアで構成されることを例示しているが、１つの音声処理装置２０によって音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４の機能が実現されてもよい。あるいは、音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４のうち、一部が共通のハードウェアで構成され、残りがそれぞれ別のハードウェアで構成されてもよい。

【0015】

本実施形態において、各音声処理装置２０は、対応する各マイク付近の各座席内に配置される。各音声処理装置２０は、ダッシュボード内に配置されてもよい。
図２は、音声システム５の構成および音声処理装置２１の構成を示すブロック図である。音声システム５は、図２に示すように、音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４の他に、さらに、音声認識エンジン４０と電子機器５０を備えている。音声処理装置２０の出力は、音声認識エンジン４０に入力される。音声認識エンジン４０は、少なくとも１つの音声処理装置２０からの出力信号に含まれる音声を認識し、音声認識結果を出力する。音声認識エンジン４０は、音声認識結果や音声認識結果に基づく信号を生成する。音声認識結果に基づく信号とは、例えば電子機器５０の操作信号である。音声認識エンジン４０による音声認識結果は、電子機器５０に入力される。音声認識エンジン４０は、音声処理装置２０と別体の装置であってもよい。音声認識エンジン４０は、例えばダッシュボードの内部に配置される。音声認識エンジン４０は、座席の内部に収容されて配置されてもよい。あるいは、音声認識エンジン４０は、音声処理装置２０に組み込まれた一体型の装置であってもよい。

【0016】

電子機器５０には、音声認識エンジン４０から出力される信号が入力される。電子機器５０は、例えば、操作信号に対応する動作を行う。電子機器５０は、例えば車両１０のダッシュボードに配置される。電子機器５０は、例えばカーナビゲーション装置である。電子機器５０は、パネルメータ、テレビ、あるいは携帯端末であってもよい。
図１では、車両に４人が乗車している場合を示したが、乗車する人数はこれに限られない。乗車人数は、車両の最大乗車定員以下であればよい。例えば、車両の最大乗車定員が６人である場合、乗車人数は６人であってもよく、５人以下であってもよい。

【0017】

音声処理装置２１、音声処理装置２２、音声処理装置２３、および音声処理装置２４は、後述するフィルタ部の一部の構成を除いていずれも同様の構成および機能を有する。ここでは、音声処理装置２１について説明する。音声処理装置２１は、運転者ｈｍ１が発話する音声をターゲット成分とする。ここで、ターゲット成分とする、とは、取得目的の音声信号とする、と同義である。音声処理装置２１は、マイクＭＣ１で収音される音声信号からクロストーク成分を抑圧した音声信号を、出力信号として出力する。ここで、クロストーク成分とは、ターゲット成分とされた音声を発話する乗員以外の乗員の音声を含むノイズ成分である。

【0018】

音声処理装置２１は、図２に示すように、音声入力部２９と、ノイズ検知部３０と、複数の適応フィルタを含むフィルタ部Ｆ１と、複数の適応フィルタのフィルタ係数を制御する制御部２８と、加算部２７と、を備える。

【0019】

音声入力部２９には、マイクＭＣ１、マイクＭＣ２、マイクＭＣ３、およびマイクＭＣ４で収音された音声の音声信号が入力される。言い換えると、マイクＭＣ１、マイクＭＣ２、マイクＭＣ３およびマイクＭＣ４は、それぞれ、収音された音声の音声信号に基づく信号を音声入力部２９に出力する。マイクＭＣ１は、音声信号Ａを音声入力部２９に出力する。音声信号Ａは、運転者ｈｍ１の音声と、運転者ｈｍ１以外の乗員の音声を含むノイズと、を含む信号である。ここで、音声処理装置２１においては、運転者ｈｍ１の音声はターゲット成分であり、運転者ｈｍ１以外の乗員の音声を含むノイズは、クロストーク成分である。マイクＭＣ１は、第１マイクに相当する。マイクＭＣ１で収音された音声は、第１音声信号に相当する。運転者ｈｍ１の音声は、第１音声成分に相当する。運転者ｈｍ１以外の乗員の音声は、第２音声成分に相当する。音声信号Ａは、第１信号に相当する。マイクＭＣ２は、音声信号Ｂを音声入力部２９に出力する。音声信号Ｂは、乗員ｈｍ２の音声と、乗員ｈｍ２以外の乗員の音声を含むノイズと、を含む信号である。マイクＭＣ３は、音声信号Ｃを音声入力部２９に出力する。音声信号Ｃは、乗員ｈｍ３の音声と、乗員ｈｍ３以外の乗員の音声を含むノイズと、を含む信号である。マイクＭＣ４は、音声信号Ｄを音声入力部２９に出力する。音声信号Ｄは、乗員ｈｍ４の音声と、乗員ｈｍ４以外の乗員の音声を含むノイズと、を含む信号である。マイクＭＣ２、マイクＭＣ３、およびマイクＭＣ４は、第２マイクに相当する。マイクＭＣ２、マイクＭＣ３、およびマイクＭＣ４で収音された音声は、第２音声信号に相当する。音声信号Ｂ、音声信号Ｃ、および音声信号Ｄは、第２信号に相当する。音声入力部２９は、音声信号Ａ、音声信号Ｂ、音声信号Ｃおよび音声信号Ｄを出力する。音声入力部２９は受信部に相当する。

【0020】

本実施形態では、音声処理装置２１は、すべてのマイクからの音声信号が入力される１つの音声入力部２９を備えているが、対応する音声信号が入力される音声入力部２９をマイクごとに備えていてもよい。例えば、マイクＭＣ１で収音された音声の音声信号がマイクＭＣ１に対応する音声入力部に入力され、マイクＭＣ２で収音された音声の音声信号がマイクＭＣ２に対応する別の音声入力部に入力され、マイクＭＣ３で収音された音声の音声信号がマイクＭＣ３に対応する別の音声入力部に入力され、マイクＭＣ４で収音された音声の音声信号がマイクＭＣ４に対応する別の音声入力部に入力されるような構成であってもよい。

【0021】

ノイズ検知部３０には、音声入力部２９から出力された音声信号Ａ、音声信号Ｂ、音声信号Ｃ、および音声信号Ｄが入力される。ノイズ検知部３０は、各音声信号について、無相関ノイズを含むかどうかを判断する。無相関ノイズとは、音声信号間で相関がないノイズである。無相関ノイズとは、例えば、風によるノイズや、回路に起因するノイズや、マイクへの接触によるタッチノイズである。無相関ノイズは、非音響ノイズとも呼ばれる。例えば、ノイズ検知部３０は、ある音声信号の強度が所定の値以上である場合に、その音声信号が無相関ノイズを含むと判断する。あるいは、ノイズ検知部３０は、ある音声信号の強度と、別の音声信号の強度とを比較し、ある音声信号の強度が別の音声信号の強度よりも所定の値以上大きい場合に、その音声信号が無相関ノイズを含むと判断してもよい。また、ノイズ検知部３０は、車両情報に基づいて、ある音声信号が無相関ノイズを含むと判断してもよい。例えば、ノイズ検知部３０は、車速と窓の開閉状態に関する情報を車両情報として受信し、車速が一定以上であり、かつ後部座席の窓が開いている場合に、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含むと判断してもよい。ノイズ検知部３０は、各音声信号について、無相関ノイズを含むかどうかの判断結果を制御部２８に出力する。ノイズ検知部３０は、各音声信号が無相関ノイズを含むかどうかの判断結果を例えばフラグとして制御部２８に出力する。フラグは、各音声信号について、「１」あるいは「０」の値を示す。「１」は音声信号が無相関ノイズを含むことを意味し、「０」は音声信号が無相関ノイズを含まないことを意味する。例えば、音声信号Ａおよび音声信号Ｂが無相関ノイズを含まず、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含むと判断した場合、ノイズ検知部３０は、フラグ「０、０、１、１」を判断結果として制御部２８に出力する。無相関ノイズを含むかを判断した後、ノイズ検知部３０は、音声信号Ａを加算部２７に、音声信号Ｂ、音声信号Ｃ、および音声信号Ｄをフィルタ部Ｆ１に出力する。ここで、ノイズ検知部３０は、判断部に相当する。

【0022】

本実施形態では、音声処理装置２１は、すべての音声信号が入力される１つのノイズ検知部３０を備えているが、対応する音声信号が入力されるノイズ検知部３０を音声信号ごとに備えていてもよい。例えば、音声信号Ａがノイズ検知部３０１に入力され、音声信号Ｂがノイズ検知部３０２に入力され、音声信号Ｃがノイズ検知部３０３に入力され、音声信号Ｄがノイズ検知部３０４に入力されるような構成であってもよい。

【0023】

フィルタ部Ｆ１は、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃを含む。適応フィルタとは、信号処理の過程において特性を変化させる機能を備えたフィルタである。フィルタ部Ｆ１は、マイクＭＣ１で収音される音声に含まれる、運転者ｈｍ１の音声以外のクロストーク成分を抑圧する処理に用いられる。本実施形態においては、フィルタ部Ｆ１は３つの適応フィルタを含むが、適応フィルタの数は、入力される音声信号の数およびクロストーク抑圧処理の処理量に基づいて適宜設定される。クロストークを抑圧する処理については、詳細は後述する。ここで、フィルタ部Ｆ１は、第１フィルタ部に相当する。

【0024】

適応フィルタＦ１Ａには、参照信号として音声信号Ｂが入力される。適応フィルタＦ１Ａは、フィルタ係数ＣＢおよび音声信号Ｂに基づいた通過信号ＰＢを出力する。適応フィルタＦ１Ｂには、参照信号として音声信号Ｃが入力される。適応フィルタＦ１Ｂは、フィルタ係数ＣＣおよび音声信号Ｃに基づいた通過信号ＰＣを出力する。適応フィルタＦ１Ｃには、参照信号として音声信号Ｄが入力される。適応フィルタＦ１Ｃは、フィルタ係数ＣＤおよび音声信号Ｄに基づいた通過信号ＰＤを出力する。フィルタ部Ｆ１は、通過信号ＰＢ、通過信号ＰＣおよび通過信号ＰＤを足し合わせて出力する。本実施形態においては、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃは、プロセッサが、メモリに格納されたプログラムを実行することにより実現される。適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃは、物理的に分離された、別々のハードウェア構成であってもよい。

【0025】

ここで、適応フィルタの動作の概略を説明する。適応フィルタは、クロストーク成分の抑圧に用いられるフィルタである。例えば、フィルタ係数の更新アルゴリズムとしてＬＭＳ（Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ）を用いる場合、適応フィルタは、誤差信号の自乗平均で定義されるコスト関数を最小にするフィルタである。ここでいう誤差信号とは、出力信号とターゲット成分との差である。

【0026】

ここでは、適応フィルタとしてＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）フィルタを例示する。他の種類の適応フィルタを用いてもよい。例えば、ＩＩＲ（Ｉｎｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）フィルタを用いてもよい。
音声処理装置２１の出力信号とターゲット成分との差である誤差信号は、音声処理装置２１が適応フィルタとして１つのＦＩＲフィルタを用いる場合、以下の式（１）で示される。

【0027】

【数1】

【0028】

ここで、ｎは時刻であり、ｅ（ｎ）は誤差信号であり、ｄ（ｎ）はターゲット成分であり、ｗｉはフィルタ係数であり、ｘ（ｎ）は参照信号であり、ｌはタップ長である。タップ長ｌが大きいほど、適応フィルタが音声信号の音響特性を忠実に再現できる。残響が存在しない場合、タップ長ｌは１としてよい。例えば、タップ長ｌは一定の値に設定される。例えば、ターゲット成分が運転者ｈｍ１の音声である場合、参照信号ｘ（ｎ）は音声信号Ｂ，音声信号Ｃおよび音声信号Ｄである。

【0029】

加算部２７は、音声入力部２９から出力されるターゲットの音声信号から、減算信号を減算することで、出力信号を生成する。本実施形態において、減算信号は、フィルタ部Ｆ１から出力される、通過信号ＰＢ、通過信号ＰＣおよび通過信号ＰＤを足し合わせた信号である。加算部２７は、出力信号を制御部２８に出力する。

【0030】

制御部２８は、加算部２７から出力される出力信号を出力する。制御部２８の出力信号は、音声認識エンジン４０に入力される。あるいは、制御部２８から、電子機器５０に出力信号が直接入力されてもよい。制御部２８から電子機器５０に出力信号が直接入力される場合、制御部２８と電子機器５０とは、有線で接続されていてもよく、無線で接続されていてもよい。例えば、電子機器５０が携帯端末であり、制御部２８から、無線通信網を介して、携帯端末に出力信号が直接入力されてもよい。携帯端末へ入力された出力信号は、携帯端末の有するスピーカから音声として出力されてもよい。

【0031】

また、制御部２８は、加算部２７から出力される出力信号と、ノイズ検知部３０から出力された判断結果としてのフラグを参照して、各適応フィルタのフィルタ係数を更新する。

【0032】

まず、制御部２８は、判断結果に基づき、フィルタ係数の更新対象とする適応フィルタを決定する。具体的には、制御部２８は、ノイズ検知部３０において、無相関ノイズを含まないと判断された音声信号が入力される適応フィルタをフィルタ係数の更新対象とする。また、制御部２８は、ノイズ検知部３０において、無相関ノイズを含むと判断された音声信号が入力される適応フィルタを、フィルタ係数の更新対象としない。例えば、ノイズ検知部３０からフラグ「０、０、１、１」を受信した場合、制御部２８は、音声信号Ａおよび音声信号Ｂは無相関ノイズを含まず、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含むと判断する。そして、制御部２８は、適応フィルタＦ１Ａをフィルタ係数の更新対象とし、適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃをフィルタ係数の更新対象としない。この場合、適応フィルタＦ１Ａは第２適応フィルタに相当し、適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃは第１適応フィルタに相当する。

【0033】

そして、制御部２８は、フィルタ係数の更新対象とした適応フィルタについて、式（１）における誤差信号の値が０に近づくように、フィルタ係数を更新する。

【0034】

更新アルゴリズムとしてＬＭＳを用いる場合の、フィルタ係数の更新について説明する。時刻ｎにおけるフィルタ係数ｗ（ｎ）を更新し、時刻ｎ＋１におけるフィルタ係数ｗ（ｎ＋１）とする場合、ｗ（ｎ＋１）とｗ（ｎ）との関係は、以下の式（２）で示される。

【0035】

【数2】

【0036】

ここで、αはフィルタ係数の補正係数である。項αx(n)e(n)は、更新量に相当する。

【0037】

なお、フィルタ係数の更新時のアルゴリズムは、ＬＭＳに限られず、他のアルゴリズムを用いてもよい。例えば、ＩＣＡ（Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）、ＮＬＭＳ（Ｎｏｒｍａｌｉｚｅｄ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ）といったアルゴリズムを用いてもよい。

【0038】

フィルタ係数の更新の際、制御部２８は、フィルタ係数の更新対象としなかった適応フィルタについて、入力される参照信号の強度をゼロに設定する。例えば、ノイズ検知部３０からフラグ「０、０、１、１」を受信した場合、制御部２８は、適応フィルタＦ１Ａに参照信号として入力される音声信号Ｂは、ノイズ検知部３０から出力された強度のまま入力されるように設定し、適応フィルタＦ１Ｂに参照信号として入力される音声信号Ｃおよび適応フィルタＦ１Ｃに参照信号として入力される音声信号Ｄの強度をゼロに設定する。ここで、「適応フィルタに入力される参照信号の強度をゼロに設定する」とは、適応フィルタに入力される参照信号の強度をゼロ付近に抑圧することを含む。また、「適応フィルタに入力される参照信号の強度をゼロに設定する」とは、適応フィルタに参照信号を入力しないように設定することをも含む。参照信号として入力される音声信号の強度をゼロに設定しない場合、フィルタ係数の更新対象としなかった適応フィルタには、無相関ノイズを含む音声信号が入力される。例えば、大音量の風ノイズを無相関ノイズとして含む音声信号を参照信号として用いると、ターゲット成分を精度よく求めることが難しい場合がある。無相関ノイズを含む音声信号について、適応フィルタに入力される強度をゼロに設定することは、この信号を参照信号として使用しないことと等価となる。この結果、クロストーク成分が無相関ノイズを含む場合にも、ターゲット成分を精度よく求めることができる。入力される参照信号の強度がゼロに設定された適応フィルタにおいて、適応フィルタリングが行われなくてもよい。これにより、適応フィルタを用いてのクロストーク抑圧処理の処理量を低減することができる。

【0039】

そして、制御部２８は、フィルタ係数の更新対象とされた適応フィルタについてのみフィルタ係数を更新し、フィルタ係数の更新対象とされなかった適応フィルタについてはフィルタ係数を更新しない。これにより、適応フィルタを用いてのクロストーク抑圧処理の処理量を低減することができる。

【0040】

例えば、ターゲット席を運転席とした場合、かつ、運転者ｈｍ１による発話がなく、乗員ｈｍ２、乗員ｈｍ３、および乗員ｈｍ４による発話がある場合を考える。このとき、マイクＭＣ１で収音される音声の音声信号に、運転者ｈｍ１以外の乗員による発話が漏れこむ。言い換えると、音声信号Ａにクロストーク成分が含まれることになる。音声処理装置２１は、クロストーク成分をキャンセルし、誤差信号を最小化するように適応フィルタを更新してよい。この場合、運転席で発話がないので、誤差信号は、理想的には無音信号となる。また、上記の場合で運転者ｈｍ１による発話があった場合、運転者ｈｍ１による発話はマイクＭＣ１以外のマイクに漏れこむことになる。この場合も、音声処理装置２１による処理によっては、運転者ｈｍ１による発話はキャンセルされない。音声信号Ａに含まれる運転者ｈｍ１による発話は、他の音声信号に含まれる、運転者ｈｍ１による発話よりも時間的に早いためである。これは因果律による。したがって、音声処理装置２１は、ターゲット成分の音声信号が含まれるか、含まれないかに関わらず、誤差信号を最小化するように適応フィルタを更新することで、音声信号Ａに含まれるクロストーク成分を低減できる。

【0041】

本実施形態において、音声入力部２９と、ノイズ検知部３０と、フィルタ部Ｆ１と、制御部２８と、加算部２７と、は、プロセッサがメモリに保持されたプログラムを実行することで、その機能が実現される。あるいは、音声入力部２９、ノイズ検知部３０、フィルタ部Ｆ１、制御部２８、および加算部２７が、別々のハードウェアで構成されていてもよい。

【0042】

音声処理装置２１について説明したが、音声処理装置２２、音声処理装置２３、および音声処理装置２４についてもフィルタ部以外はほぼ同様の構成を有する。音声処理装置２２は、乗員ｈｍ２が発話する音声をターゲット成分とする。音声処理装置２２は、マイクＭＣ２で収音される音声信号からクロストーク成分を抑圧した音声信号を、出力信号として出力する。したがって、音声処理装置２２は、音声信号Ａ、音声信号Ｃ、および音声信号Ｄが入力されるフィルタ部を有する点で音声処理装置２１と異なる。同様に、音声処理装置２３は、乗員ｈｍ３が発話する音声をターゲット成分とする。音声処理装置２３は、マイクＭＣ３で収音される音声信号からクロストーク成分を抑圧した音声信号を、出力信号として出力する。したがって、音声処理装置２３は、音声信号Ａ、音声信号Ｂ、および音声信号Ｄが入力されるフィルタ部を有する点で音声処理装置２１と異なる。音声処理装置２４は、乗員ｈｍ４が発話する音声をターゲット成分とする。音声処理装置２４は、マイクＭＣ４で収音される音声信号からクロストーク成分を抑圧した音声信号を、出力信号として出力する。したがって、音声処理装置２４は、音声信号Ａ、音声信号Ｂ、および音声信号Ｃが入力されるフィルタ部を有する点で音声処理装置２１と異なる。

【0043】

図３は、音声処理装置２１の動作手順を示すフローチャートである。まず、音声入力部２９に、音声信号Ａ、音声信号Ｂ、音声信号Ｃおよび音声信号Ｄが入力される（Ｓ１）。次に、ノイズ検知部３０が、各音声信号について、無相関ノイズを含むかを判断する（Ｓ２）。ノイズ検知部３０はこの判断結果をフラグとして制御部２８に出力する。各音声信号がいずれも無相関ノイズを含まない場合、フィルタ部Ｆ１は、以下のように減算信号を生成する（Ｓ３）。適応フィルタＦ１Ａは、音声信号Ｂを通過させ、通過信号ＰＢを出力する。適応フィルタＦ１Ｂは、音声信号Ｃを通過させ、通過信号ＰＣを出力する。適応フィルタＦ１Ｃは、音声信号Ｄを通過させ、通過信号ＰＤを出力する。フィルタ部Ｆ１は、通過信号ＰＢ、通過信号ＰＣおよび通過信号ＰＤを足し合わせて、減算信号として出力する。加算部２７は、音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ４）。出力信号は、制御部２８に入力され、制御部２８から出力される。次に、制御部２８は、ノイズ検知部３０から出力された判断結果としてのフラグを参照して、出力信号に基づき、出力信号に含まれるターゲット成分が最大となるように、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃのフィルタ係数を更新する（Ｓ５）。そして、音声処理装置２１は再び工程Ｓ１を行う。

【0044】

工程Ｓ２において、各音声信号のいずれかが無相関ノイズを含むと判断された場合、ノイズ検知部３０は、無相関ノイズを含む音声信号がターゲット成分かどうかを判断する（Ｓ６）。具体的には、無相関ノイズを含む音声信号が音声信号Ａであるかを判断する。無相関ノイズを含む音声信号がターゲット成分である場合、制御部２８は、音声信号Ａの強度をゼロにし、音声信号Ａを出力信号として出力する（Ｓ７）。このとき、制御部２８は、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃのフィルタ係数を更新しない。そして、音声処理装置２１は再び工程Ｓ１を行う。
工程Ｓ６において、無相関ノイズを含む音声信号がターゲット成分でない場合、制御部２８は、フィルタ部Ｆ１に入力される、無相関ノイズを含む音声信号の強度をゼロにする。例えば、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含み、音声信号Ｂが無相関ノイズを含まない場合を考える。その場合、制御部２８は、フィルタ部Ｆ１に入力される、音声信号Ｃおよび音声信号Ｄの強度をゼロにし、音声信号Ｂの強度は変更しない。そして、フィルタ部Ｆ１は、工程Ｓ３と同様の動作によって減算信号を生成する（Ｓ８）。加算部２７は、工程Ｓ４と同様に音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ９）。次に、制御部２８は、出力信号に基づき、出力信号に含まれるターゲット成分が最大となるように、無相関ノイズを含まない信号が入力される適応フィルタのフィルタ係数を更新する（Ｓ１０）。例えば、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含み、音声信号Ｂが無相関ノイズを含まない場合を考える。その場合、制御部２８は、適応フィルタＦ１Ａのフィルタ係数を更新し、適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃのフィルタ係数を更新しない。そして、音声処理装置２１は再び工程Ｓ１を行う。

【0045】

このように、第１実施形態における音声処理システム５では、複数のマイクによって複数の音声信号を取得し、ある音声信号から、他の音声信号を参照信号として、適応フィルタを用いて生成した減算信号を減算することにより、特定の話者の音声を高精度に求める。第１の実施形態においては、適応フィルタを用いて減算信号を生成する際に、適応フィルタに入力される、無相関ノイズを含む音声信号の強度をゼロにしている。例えば、後部座席に風が吹き込んで、後部座席付近のマイクに大音量の風ノイズが収音される場合がある。このとき、後部座席で得られた音声信号を参照信号として用いると、特定の話者の音声を求めにくい可能性がある。一方本実施形態では、適応フィルタに入力される、無相関ノイズを含む音声信号の強度をゼロとするために、ターゲット席以外で無相関ノイズが発生した場合でも、ターゲット成分の音声信号を精度よく求めることができる。また、第１の実施形態においては、無相関ノイズを含む音声信号が入力される適応フィルタについて、フィルタ係数の更新をしない。これにより、クロストーク成分をキャンセルする処理の量を低減することができる。

【0046】

なお、各マイクがマイクアレイである場合、収音時にマイクアレイが対応する乗員に向けて指向性を有し、その音声を取得すること、つまりビームフォーミングを行ってもよい。そのことにより、各マイクに入力される音声信号のＳ／Ｎ比が向上する。それにより、音声処理システム５で行われるクロストーク成分の抑圧処理の精度を高めることができる。

【0047】

図４に、音声処理装置２０の出力結果を示す。図４に示されるのは、運転者ｈｍ１、乗員ｈｍ２、乗員ｈｍ３および乗員ｈｍ４の発話がある状態で、マイクＭＣ３およびマイクＭＣ４に大音量の風ノイズが収音された場合の、各音声処理装置２０の出力結果である。図４（ａ）、図４（ｂ）、図４（ｃ）、および図４（ｄ）は、音声信号Ｃおよび音声信号Ｄの入力強度をゼロとせず、かつ適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃの更新を停止しなかった場合の各音声処理装置２０の出力結果である。図４（ａ）は音声処理装置２１、図４（ｂ）は音声処理装置２２、図４（ｃ）は音声処理装置２３、図４（ｄ）は音声処理装置２４の出力結果に対応する。図４（ｅ）、図４（ｆ）、図４（ｇ）、および図４（ｈ）は、音声信号Ｃおよび音声信号Ｄの入力強度をゼロとし、かつ適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃの更新を停止した場合の各音声処理装置２０の出力結果である。図４（ｅ）は音声処理装置２１、図４（ｆ）は音声処理装置２２、図４（ｇ）は音声処理装置２３、図４（ｈ）は音声処理装置２４の出力結果に対応する。

【0048】

図４（ａ）、図４（ｂ）、図４（ｃ）、および図４（ｄ）より、無相関ノイズを含む音声信号を参照信号とすることで、音声処理装置２１および音声処理装置２２の出力信号が、非常にノイズを多く含む信号となっている。この場合、音声処理装置２１および音声処理装置２２の出力信号を音声認識に用いても、認識精度が低くなると考えられる。一方、図４（ｅ）および図４（ｆ）に示される音声処理装置２１および音声処理装置２２の出力信号では、図４（ａ）および図４（ｂ）に示されるものよりも含まれるノイズが少なくなっていることがわかる。したがってこの場合には、音声処理装置２１および音声処理装置２２の出力信号を、高精度に音声認識することができる。また、図４（ｇ）、および図４（ｈ）に示される通り、音声処理装置２３および音声処理装置２４の出力信号の強度はゼロとなっている。

【0049】

（第２実施形態）
図５は、第２実施形態における音声処理システム５Ａの概略構成の一例を示す図である。第２実施形態に係る音声処理システム５Ａは、音声処理装置２０に代えて音声処理装置２０Ａを備える点で第１実施形態に係る音声処理システム５と異なる。第２実施形態に係る音声処理装置２０Ａは、追加のフィルタ部を有する点で第１実施形態に係る音声処理装置２０と異なる。本実施形態において、音声処理システム５Ａは、各マイクに対応する複数の音声処理装置２０Ａを備える。具体的には、音声処理システム５Ａは、音声処理装置２１Ａと、音声処理装置２２Ａと、音声処理装置２３Ａと、音声処理装置２４Ａとを備える。以下、図６および図７を用いて音声処理装置２０Ａについて説明する。第１実施形態で説明した構成や動作と同一の構成や動作については、同一の符号を用いることで、その説明を省略又は簡略化する。

【0050】

図６は、音声処理装置２１Ａの構成を示すブロック図である。音声処理装置２１Ａ、音声処理装置２２Ａ、音声処理装置２３Ａ、および音声処理装置２４Ａは、後述するフィルタ部の一部の構成を除いていずれも同様の構成および機能を有する。ここでは、音声処理装置２１Ａについて説明する。音声処理装置２１Ａは、運転者ｈｍ１が発話する音声をターゲットとする。音声処理装置２１Ａは、マイクＭＣ１で収音される音声信号からクロストーク成分を抑圧した音声信号を、出力信号として出力する。
音声処理装置２１Ａは、音声入力部２９と、ノイズ検知部３０Ａと、複数の適応フィルタを含むフィルタ部Ｆ１と、１つ以上の適応フィルタを含むフィルタ部Ｆ２と、フィルタ部Ｆ１の適応フィルタのフィルタ係数を制御する制御部２８Ａと、加算部２７Ａと、を備える。

【0051】

フィルタ部Ｆ２は、１つ以上の適応フィルタを含む。本実施形態において、フィルタ部Ｆ２は、適応フィルタＦ２Ａを含む。フィルタ部Ｆ２は、マイクＭＣ１で収音される音声に含まれる、運転者ｈｍ１の音声以外のクロストーク成分を抑圧する処理に用いられる。フィルタ部Ｆ２の含む適応フィルタの数は、フィルタ部Ｆ１の含む適応フィルタの数よりも小さい。本実施形態においては、フィルタ部Ｆ２は１つの適応フィルタを含むが、適応フィルタの数は、入力される音声信号の数およびクロストーク抑圧処理の処理量に基づいて適宜設定される。クロストークを抑圧する処理については、詳細は後述する。ここで、フィルタ部Ｆ２は、第２フィルタ部に相当する。

【0052】

適応フィルタＦ２Ａには、参照信号として音声信号Ｂが入力される。適応フィルタＦ２Ａは、固有のフィルタ係数ＣＢ２および音声信号Ｂに基づいた通過信号ＰＢ２を出力する。本実施形態においては、適応フィルタＦ２Ａは、ソフトウェア処理によってその機能が実現される。適応フィルタＦ２Ａは、フィルタ部Ｆ１における各適応フィルタとは物理的に分離された、別々のハードウェア構成であってもよい。ここで、適応フィルタＦ１Ａは第２適応フィルタに相当し、適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃは第１適応フィルタに相当し、適応フィルタＦ２Ａは第３適応フィルタに相当する。また、音声信号Ｂは第３信号に相当する。

【0053】

適応フィルタＦ２Ａは、ＦＩＲフィルタであってもよく、ＩＩＲフィルタであってもよく、他の種類の適応フィルタであってもよい。適応フィルタＦ２Ａは、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃと同じ種類の適応フィルタであると、異なる種類の適応フィルタを用いる場合と比較して処理量を低減できるので望ましい。ここでは、適応フィルタＦ２ＡとしてＦＩＲフィルタを用いる場合について説明する。

【0054】

加算部２７Ａは、音声入力部２９から出力されるターゲットの音声信号から、減算信号を減算することで、出力信号を生成する。本実施形態において、減算信号は、フィルタ部Ｆ１から出力される、通過信号ＰＢ、通過信号ＰＣおよび通過信号ＰＤを足し合わせた信号、あるいは、フィルタ部Ｆ２から出力される、通過信号ＰＢ２である。加算部２７Ａは、出力信号を制御部２８Ａに出力する。

【0055】

制御部２８Ａは、加算部２７Ａから出力される出力信号を出力する。制御部２８Ａの出力信号は、音声認識エンジン４０に入力される。あるいは、制御部２８Ａから、電子機器５０に出力信号が直接入力されてもよい。制御部２８Ａから電子機器５０に出力信号が直接入力される場合、制御部２８Ａと電子機器５０とは、有線で接続されていてもよく、無線で接続されていてもよい。例えば、電子機器５０が携帯端末であり、制御部２８Ａから、無線通信網を介して、携帯端末に出力信号が直接入力されてもよい。携帯端末へ入力された出力信号は、携帯端末の有するスピーカから音声として出力されてもよい。

【0056】

ノイズ検知部３０Ａ制御部は、ノイズ検知部３０の機能に加えて、各音声信号が発話による音声成分を含むかの判断を行う。ノイズ検知部３０Ａは、各音声信号について、発話による音声成分を含むかどうかの判断結果を制御部２８に出力する。ノイズ検知部３０Ａは、各音声信号が発話による音声成分を含むかどうかの判断結果を例えばフラグとして制御部２８に出力する。フラグは、各音声信号について、「１」あるいは「０」の値を示す。「１」は音声信号が発話による音声成分を含むことを意味し、「０」は音声信号が発話による音声成分を含まないことを意味する。例えば、音声信号Ａおよび音声信号Ｂが発話による音声成分を含み、音声信号Ｃおよび音声信号Ｄが発話による音声成分を含まないと判断した場合、ノイズ検知部３０は、フラグ「１、１、０、０」を判断結果として制御部２８Ａに出力する。ここで、発話による音声成分は、発話に由来する第１成分に相当する。そして、制御部２８Ａは、各音声信号が発話による音声成分を含むかの判断結果検知部に基づき、減算信号を、フィルタ部Ｆ１およびフィルタ部Ｆ２のどちらを用いて生成するかを決定する。例えば、制御部発話による音声成分を含まないと判断された音声信号が入力される適応フィルタを、フィルタ部Ｆ１は有し、フィルタ部Ｆ２は有さない場合がある。その場合、制御部２８Ａは、フィルタ部Ｆ２を用いて減算信号を生成すると決定する。音声処理装置２１Ａは、各音声信号が発話による音声成分を含むかの判断を行う発話判断部を、ノイズ検知部３０Ａとは別に備えていてもよい。その場合、発話判断部は、音声入力部２９とノイズ検知部３０Ａの間、あるいは、ノイズ検知部３０Ａと、フィルタ部Ｆ１およびフィルタ部Ｆ２との間に接続される。発話判断部は、例えば、プロセッサがメモリに保持されたプログラムを実行することで、その機能が実現される。発話判断部は、ハードウェアによってその機能が実現されてもよい。

【0057】

例えば、音声信号Ｂが乗員ｈｍ２の発話による音声成分を含み、音声信号Ｃが乗員ｈｍ３の発話による音声成分を含まず、音声信号Ｄが乗員ｈｍ４の発話による音声成分を含まない場合を考える。そのとき、音声信号Ｃおよび音声信号Ｄが入力される適応フィルタを、フィルタ部Ｆ１は有し、フィルタ部Ｆ２は有さない。フィルタ部Ｆ１に含まれる各適応フィルタのフィルタ係数は、例えば、すべての適応フィルタに参照信号がそれぞれ入力される場合に、誤差信号が最小になるように更新される。一方、フィルタ部Ｆ２に含まれる適応フィルタＦ２Ａのフィルタ係数は、参照信号として音声信号Ｂのみを用いる場合を前提とした固有の値である。したがって、参照信号として音声信号Ｂのみが各フィルタ部に入力される場合を比較すると、フィルタ部Ｆ２を用いた方が、フィルタ部Ｆ１を用いた場合よりも誤差信号を小さくできる可能性がある。

【0058】

フィルタ部Ｆ２に含まれる適応フィルタの数が、フィルタ部Ｆ１に含まれる適応フィルタの数よりも少ない場合、フィルタ部Ｆ２を用いて減算信号を生成することにより、フィルタ部Ｆ１を用いて減算信号を生成するよりも、処理量を低減することができる。

【0059】

あるいは、ノイズ検知部３０において、無相関ノイズを含むと判断された音声信号が入力される適応フィルタを、フィルタ部Ｆ１は有し、フィルタ部Ｆ２は有さない場合がある。その場合も、制御部２８Ａは、フィルタ部Ｆ２を用いて減算信号を生成すると決定する。
フィルタ部Ｆ１に含まれる各適応フィルタのフィルタ係数は、例えば、すべての適応フィルタに参照信号がそれぞれ入力される場合に、誤差信号が最小になるように更新される。一方、フィルタ部Ｆ２に含まれる適応フィルタＦ２Ａのフィルタ係数は、参照信号として音声信号Ｂのみを用いる場合を前提とした固有の値である。音声信号Ｃおよび音声信号Ｄが無相関ノイズを含む場合には、フィルタ部Ｆ１に入力される音声信号Ｃおよび音声信号Ｄの強度はゼロに設定される。その場合、音声信号Ｂ、音声信号Ｃ、および音声信号Ｄのすべてを参照信号として用いることを前提にしているフィルタ部Ｆ１よりも、音声信号Ｂのみを参照信号として用いるフィルタ部Ｆ２を用いた方が、誤差信号を小さくできる場合がある。

【0060】

また、制御部２８Ａは、加算部２７Ａから出力される出力信号と、ノイズ検知部３０から出力された判断結果に基づき、フィルタ部Ｆ１を用いて減算信号を生成した場合には、フィルタ部Ｆ１の各適応フィルタのフィルタ係数を更新する。フィルタ係数の更新方法については第１実施形態と同様である。

【0061】

本実施形態において、音声入力部２９と、ノイズ検知部３０と、フィルタ部Ｆ１と、フィルタ部Ｆ２と、制御部２８Ａと、加算部２７Ａと、は、プロセッサがメモリに保持されたプログラムを実行することで、その機能が実現される。音声入力部２９と、ノイズ検知部３０と、フィルタ部Ｆ１と、フィルタ部Ｆ２と、制御部２８Ａと、加算部２７Ａと、は、別々のハードウェアで構成されてもよい。

【0062】

図７は、音声処理装置２１Ａの動作手順を示すフローチャートである。まず、音声入力部２９に、音声信号Ａ、音声信号Ｂ、音声信号Ｃおよび音声信号Ｄが入力される（Ｓ１１）。次に、ノイズ検知部３０が、各音声信号について、無相関ノイズを含むかを判断する（Ｓ１２）。各音声信号がいずれも無相関ノイズを含まない場合、制御部２８Ａは、いずれのフィルタ部を用いて減算信号を生成するかを判断する（Ｓ１３）。制御部２８Ａがフィルタ部Ｆ１を用いると判断した場合、フィルタ部Ｆ１は、実施形態１の工程Ｓ３と同様に減算信号を生成し、出力する（Ｓ１４）。加算部２７Ａは、音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ１５）。出力信号は、制御部２８に入力され、制御部２８から出力される。次に、制御部２８は、出力信号に基づき、出力信号に含まれるターゲット成分が最大となるように、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃのフィルタ係数を更新する（Ｓ１６）。そして、音声処理装置２１Ａは再び工程Ｓ１１を行う。

【0063】

工程Ｓ１３において、制御部２８Ａがフィルタ部Ｆ２を用いると判断した場合、フィルタ部Ｆ２は、以下のように減算信号を生成する（Ｓ１７）。適応フィルタＦ２Ａは、音声信号Ｂを通過させ、通過信号ＰＢ２を出力する。フィルタ部Ｆ２は、通過信号ＰＢ２を、減算信号として出力する。加算部２７Ａは、音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ１８）。出力信号は、制御部２８に入力され、制御部２８から出力される。そして、音声処理装置２１は再び工程Ｓ１１を行う。

【0064】

工程Ｓ２において、各音声信号のいずれかが無相関ノイズを含むと判断された場合、ノイズ検知部３０は、無相関ノイズを含む音声信号がターゲット成分かどうかを判断する（Ｓ１９）。具体的には、無相関ノイズを含む音声信号が音声信号Ａであるかを判断する。無相関ノイズを含む音声信号がターゲット成分である場合、制御部２８は、音声信号Ａの強度をゼロにし、音声信号Ａを出力信号として出力する（Ｓ２０）。このとき、制御部２８は、適応フィルタＦ１Ａ、適応フィルタＦ１Ｂ、および適応フィルタＦ１Ｃのフィルタ係数を更新しない。そして、音声処理装置２１Ａは再び工程Ｓ１１を行う。

【0065】

工程Ｓ１９において、無相関ノイズを含む音声信号がターゲット成分でない場合、制御部２８Ａは、いずれのフィルタ部を用いて減算信号を生成するかを判断する（Ｓ２１）。制御部２８Ａがフィルタ部Ｆ１を用いると判断した場合、制御部２８は、フィルタ部Ｆ１に入力される、無相関ノイズを含む音声信号の強度をゼロにする。例えば、音声信号Ｂが無相関ノイズを含み、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含まない場合を考える。その場合、制御部２８は、フィルタ部Ｆ１に入力される、音声信号Ｂの強度をゼロにし、音声信号Ｃおよび音声信号Ｄの強度は変更しない。そして、フィルタ部Ｆ１は、実施形態１の工程Ｓ３と同様の動作によって減算信号を生成する（Ｓ２２）。加算部２７Ａは、実施形態１の工程Ｓ４と同様に音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ２３）。次に、制御部２８Ａは、出力信号に基づき、出力信号に含まれるターゲット成分が最大となるように、無相関ノイズを含まない信号が入力される適応フィルタのフィルタ係数を更新する（Ｓ２４）。例えば、音声信号Ｂが無相関ノイズを含み、音声信号Ｃおよび音声信号Ｄが無相関ノイズを含まない場合を考える。その場合、制御部２８は、適応フィルタＦ１Ｂおよび適応フィルタＦ１Ｃのフィルタ係数を更新し、適応フィルタＦ１Ａのフィルタ係数を更新しない。そして、音声処理装置２１Ａは再び工程Ｓ１１を行う。

【0066】

工程Ｓ２１において、制御部２８Ａがフィルタ部Ｆ２を用いると判断した場合、フィルタ部Ｆ２は、工程Ｓ１７と同様に減算信号を生成する（Ｓ２５）。加算部２７Ａは、音声信号Ａから減算信号を減算し、出力信号を生成して出力する（Ｓ２６）。出力信号は、制御部２８に入力され、制御部２８から出力される。そして、音声処理装置２１Ａは再び工程Ｓ１１を行う。

【0067】

このように、第２実施形態における音声処理システム５Ａにおいても、音声処理システム５と同様に、ターゲット席以外で無相関ノイズが発生した場合でも、ターゲット成分の音声信号を精度よく求めることができる。また、第１の実施形態においては、無相関ノイズを含む音声信号が入力される適応フィルタについて、フィルタ係数の更新をしない。これにより、クロストーク成分をキャンセルする処理の量を低減することができる。

【0068】

また、音声処理システム５Ａにおいては、フィルタ部Ｆ１よりも含まれる適応フィルタの数が小さい追加のフィルタ部Ｆ２を備え、フィルタ部Ｆ１およびフィルタ部Ｆ２のいずれを用いるかを制御部２８Ａが判断する。これにより、常にフィルタ部Ｆ１を用いて減算信号を生成する場合と比較して、処理量を小さくすることができる。

【0069】

なお、本実施形態では、フィルタ部Ｆ２が固有のフィルタ係数を有する１つの適応フィルタを含む場合について説明したが、フィルタ部Ｆ２が２つ以上の適応フィルタを備えていてもよい。また、フィルタ部Ｆ２が含む適応フィルタの係数は、固有ではなく制御部２８Ａによって制御可能であってもよい。フィルタ係数を制御可能な適応フィルタをフィルタ部Ｆ２が含む場合は、制御部２８Ａは、工程Ｓ１８の後に、あるいは工程Ｓ２６の後に、無相関ノイズを含まない音声信号が入力される適応フィルタのフィルタ係数を更新してもよい。

【符号の説明】

【0070】

５ 音声処理システム
１０ 車両
２０、２１、２２、２３、２４ 音声処理装置
２７ 加算部
２８ 制御部
２９ 音声入力部
３０ ノイズ検知部
Ｆ１ フィルタ部
Ｆ１Ａ、Ｆ１Ｂ、Ｆ１Ｃ 適応フィルタ
４０ 音声認識エンジン
５０ 電子機器

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】