特許 7574563 フィルタ処理方法、フィルタ処理装置、およびフィルタ処理プログラム

(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】2024-10-21

(45)【発行日】2024-10-29

(54)【発明の名称】フィルタ処理方法、フィルタ処理装置、およびフィルタ処理プログラム

(51)【国際特許分類】

   G10L 21/0272 20130101AFI20241022BHJP

   G10L 15/20 20060101ALI20241022BHJP

【ＦＩ】

G10L21/0272 100B

G10L15/20 370D

【請求項の数】 11

(21)【出願番号】P 2020129083

(22)【出願日】2020-07-30

(65)【公開番号】P2022025908

(43)【公開日】2022-02-10

【審査請求日】2023-05-25

(73)【特許権者】

【識別番号】000004075

【氏名又は名称】ヤマハ株式会社

(74)【代理人】

【識別番号】110000970

【氏名又は名称】弁理士法人 楓国際特許事務所

(72)【発明者】

【氏名】田中 良

(72)【発明者】

【氏名】鵜飼 訓史

【審査官】山下 剛史

(56)【参考文献】

【文献】米国特許出願公開第２０１６／０１４２８１５（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２０／０２１９４９３（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１５／０２１３８１１（ＵＳ，Ａ１）

【文献】特開２０２０－７２４５９（ＪＰ，Ａ）

【文献】特開２００１－１６６７８（ＪＰ，Ａ）

【文献】特開２００１－１００８００（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１０Ｌ １５／２０，２１／０２０８－２１／０３０８

Ｈ０４Ｒ ３／００

ＩＥＥＥ Ｘｐｌｏｒｅ

(57)【特許請求の範囲】

【請求項1】

同じ音源の音がそれぞれ異なる音量で含まれている第１の音信号および第２の音信号を入力し、
前記第２の音信号に適応フィルタの係数を畳み込んでフィルタ信号を生成し、
前記第１の音信号から前記フィルタ信号を除去する、
フィルタ処理方法であって、
前記適応フィルタの係数の利得を１．０以下に制限し、
前記第１の音信号に対する前記第２の音信号の音量比が所定の閾値を超える場合に、前記係数を更新する、
フィルタ処理方法。

【請求項2】

前記フィルタ信号を除去した後の第１の音信号を用いて音声認識処理を行なう、
請求項１に記載のフィルタ処理方法。

【請求項3】

前記フィルタ信号を除去した後の第１の音信号にさらに非線形処理を行なう、
請求項１に記載のフィルタ処理方法。

【請求項4】

前記第２の音信号は、Ｎ個の音信号を含み、
前記適応フィルタの係数は、前記Ｎ個の係数を含み、
前記フィルタ信号は、前記Ｎ個の音信号に前記Ｎ個の係数をそれぞれ畳み込んだ和で求められる、
請求項１乃至請求項３のいずれか１項に記載のフィルタ処理方法。

【請求項5】

前記制限は、周波数成分毎の利得を制限する処理である、
請求項１乃至請求項４のいずれか１項に記載のフィルタ処理方法。

【請求項6】

同じ音源の音がそれぞれ異なる音量で含まれている第１の音信号および第２の音信号を入力する入力部と、
前記第２の音信号に係数を畳み込んでフィルタ信号を生成する適応フィルタと、
前記第１の音信号から前記フィルタ信号を除去する除去部と、
前記適応フィルタの係数の利得を１．０以下に制限するフィルタ係数制限部と、
を備え、
前記係数は、前記第１の音信号に対する前記第２の音信号の音量比が所定の閾値を超える場合に更新される、
フィルタ処理装置。

【請求項7】

前記フィルタ信号を除去した後の第１の音信号を用いて音声認識処理を行なう音声認識処理部を備えた、
請求項６に記載のフィルタ処理装置。

【請求項8】

前記フィルタ信号を除去した後の第１の音信号にさらに非線形処理を行なう非線形処理部を備えた、
請求項６に記載のフィルタ処理装置。

【請求項9】

前記フィルタ係数制限部は、周波数成分毎の利得を制限する、
請求項６乃至請求項８のいずれか１項に記載のフィルタ処理装置。

【請求項10】

前記第２の音信号は、Ｎ個の音信号を含み、
前記適応フィルタの係数は、前記Ｎ個の係数を含み、
前記フィルタ信号は、前記Ｎ個の音信号に前記Ｎ個の係数をそれぞれ畳み込んだ和で求められる、
請求項６乃至請求項９のいずれか１項に記載のフィルタ処理装置。

【請求項11】

同じ音源の音がそれぞれ異なる音量で含まれている第１の音信号および第２の音信号を入力し、
前記第２の音信号に適応フィルタの係数を畳み込んでフィルタ信号を生成し、
前記第１の音信号から前記フィルタ信号を除去する、
処理をコンピュータに実行させるフィルタ処理プログラムであって、
前記適応フィルタの係数の利得を１．０以下に制限し、
前記第１の音信号に対する前記第２の音信号の音量比が所定の閾値を超える場合に、前記係数を更新する、
処理をコンピュータに実行させるフィルタ処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の一実施形態は、音信号にフィルタ処理を行なうフィルタ処理方法、フィルタ処理装置、およびフィルタ処理プログラムに関する。

【背景技術】

【0002】

従来から、音信号から雑音成分を除去し、目的音として話者の音声を分離する音源分離装置が提案されている。例えば、特許文献１には、スペクトルサブトラクションを用いた雑音成分の除去方法が開示されている。

【0003】

しかし、目的音と雑音成分の両方が音声である場合、特許文献１の様なスペクトルサブトラクションで目的音だけを分離することは困難である。

【0004】

そこで、特許文献１は、目的音と雑音成分の両方が音声である場合でも、目的音を分離する音源分離装置を開示している。特許文献１の音源分離装置は、複数の音源信号のそれぞれのパワースペクトルを算出し、それぞれのパワースペクトルの差分を求める。音源分離装置は、求めたパワースペクトルの差分に基づいた利得で、音源信号の各周波数成分のレベルを変更する。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２００１－１００８００号公報

【文献】再表２００７－１８２９３号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかし、特許文献１の手法では、音源信号の各周波数成分に異なる利得を乗算する非線形処理を行なう。したがって、特許文献１の手法では、スペクトルに歪みを与える場合があり、音質を大きく劣化させてしまう場合がある。また、特許文献１の手法では、スペクトルの包絡成分に基づく信号処理（例えば音声認識処理）の精度を低下させてしまう。

【0007】

そこで、本発明の一実施形態の目的の一つは、スペクトルに歪みを与えずに目的音の音声を分離するフィルタ処理方法、フィルタ処理装置、およびフィルタ処理プログラムを提供することにある。

【課題を解決するための手段】

【0008】

本発明の一実施形態のフィルタ処理方法は、同じ音源の音がそれぞれ異なる音量で含まれている第１の音信号および第２の音信号を入力し、前記第２の音信号に適応フィルタの係数を畳み込んでフィルタ信号を生成し、前記第１の音信号から前記フィルタ信号を除去する。そして、フィルタ処理方法は、前記適応フィルタの係数の利得を１．０以下に制限する。

【発明の効果】

【0009】

本発明の一実施形態によれば、スペクトルに歪みを与えずに目的音の音声を分離することができる。

【図面の簡単な説明】

【0010】

【図1】収音装置１の外観概略図である。

【図2】収音装置１の構成を示すブロック図である。

【図3】プロセッサ１２の機能的構成を示すブロック図である。

【図4】フィルタ処理方法を示すフローチャートである。

【図5】音声認識処理を行なう場合のプロセッサ１２の機能的構成を示すブロック図である。

【図6】非線形処理を行なう場合のプロセッサ１２の機能的構成を示すブロック図である。

【図7】変形例に係る収音装置１Ａの外観概略図である。

【図8】音信号Ｓ３を入力する場合のプロセッサ１２の機能的構成を示すブロック図である。

【発明を実施するための形態】

【0011】

図１は、収音装置１の外観概略図である。収音装置１は、マイク１５Ａおよびマイク１５Ｂを備えている。マイク１５Ａおよびマイク１５Ｂは、それぞれ周囲の音を収音する。図１の例では、マイク１５Ａおよびマイク１５Ｂは、それぞれ話者Ｖ１および話者Ｖ２の音声を収音する。

【0012】

図２は、収音装置１の構成を示すブロック図である。収音装置１は、通信部１１、プロセッサ１２、ＲＡＭ１３、フラッシュメモリ１４、マイク１５Ａ、およびマイク１５Ｂを備えている。

【0013】

収音装置１は、本発明のフィルタ処理装置の一例である。収音装置１は、マイク１５Ａおよびマイク１５Ｂで取得した音信号にフィルタ処理を施す。図１において、マイク１５Ａで取得した音信号は、話者Ｖ１および話者Ｖ２の音声を含む。マイク１５Ｂで取得した音信号も、話者Ｖ１および話者Ｖ２の音声を含む。

【0014】

ここで、マイク１５Ａは、話者Ｖ１に近く、マイク１５Ｂは、話者Ｖ２に近い。したがって、マイク１５Ａで取得した音信号における話者Ｖ１の音声の音量（以下、レベルと言う。）は、話者Ｖ２の音声のレベルよりも高い。また、マイク１５Ｂで取得した音信号における話者Ｖ２の音声のレベルは、話者Ｖ１の音声のレベルよりも高い。つまり、マイク１５Ａで取得する音信号とマイク１５Ｂで取得する音信号は、同じ音源の音がそれぞれ異なる音量で含まれている。

【0015】

収音装置１は、マイク１５Ａで取得した音信号からレベルの低い話者Ｖ２の成分をフィルタ処理により除去する。また、収音装置１は、マイク１５Ｂで取得した音信号からレベルの低い話者Ｖ１の成分をフィルタ処理により除去する。

【0016】

収音装置１は、フィルタ処理を施した音信号を、例えば通信部１１を介して他装置に送信する。なお、収音装置はさらにスピーカを備えていてもよい。この場合、スピーカは、通信部１１を介して他装置から受信した音信号に基づいて放音する。この場合、収音装置１は、例えば遠隔地の他装置と接続して音声データの送受信を行なう遠隔会話装置を構成する。

【0017】

プロセッサ１２は、記憶媒体であるフラッシュメモリ１４からプログラムを読み出し、ＲＡＭ１３に一時記憶することで、種々の動作を行う。プログラムは、フィルタ処理プログラム１４１を含む。フラッシュメモリ１４は、他にもファームウェア等のプロセッサ１２の動作用プログラムを記憶している。なお、プロセッサ１２が読み出すプログラムは、自装置内のフラッシュメモリ１４に記憶されている必要はない。例えば、プログラムは、サーバ等の外部装置の記憶媒体に記憶されていてもよい。この場合、プロセッサ１２は、該サーバから都度プログラムをＲＡＭ１３に読み出して実行すればよい。

【0018】

マイク１５Ａは、第１の音信号Ｓ１を取得し、マイク１５Ｂは、第２の音信号Ｓ２を取得する。なお、マイク１５Ａおよびマイク１５Ｂは、それぞれ取得した音信号をデジタル変換してプロセッサ１２に出力する。

【0019】

プロセッサ１２は、マイク１５Ａおよびマイク１５Ｂで取得した音信号Ｓ１および音信号Ｓ２に対し、フィルタ処理を施す。図３は、プロセッサ１２の機能的構成を示すブロック図である。図４は、フィルタ処理方法を示すフローチャートである。

【0020】

プロセッサ１２は、機能的に、フィルタバンク解析部１２１Ａ、フィルタバンク解析部１２１Ｂ、フィルタ係数算出部１２２、フィルタ係数制限部１２３、ＦＩＲ（Finite Impulse Response）フィルタ１２４、加算器１２５、およびフィルタバンク合成部１２６を備える。これら構成は、フィルタ処理プログラム１４１により実現される。

【0021】

まず、プロセッサ１２は、マイク１５Ａで取得した音信号Ｓ１およびマイク１５Ｂで取得した音信号Ｓ２を入力する（Ｓ１１）。これにより、プロセッサ１２は、入力部として機能する。上述した様に、マイク１５Ａで取得した音信号Ｓ１およびマイク１５Ｂで取得した音信号Ｓ２は、それぞれ話者Ｖ１および話者Ｖ２の音声を含む。

【0022】

フィルタバンク解析部１２１Ａは、マイク１５Ａで取得した音信号Ｓ１を周波数軸の音信号Ｆ１に変換し、個々の周波数成分を抽出する（Ｓ１２）。同様に、フィルタバンク解析部１２１Ｂは、マイク１５Ｂで取得した音信号Ｓ２を周波数軸の音信号Ｆ２に変換し、個々の周波数成分を抽出する（Ｓ１２）。

【0023】

フィルタ係数算出部１２２は、ＦＩＲフィルタ１２４のフィルタ係数Ｃ２を算出する（Ｓ１３）。フィルタ係数Ｃ２は、ＦＩＲフィルタ１２４において音信号Ｆ２の各周波数成分に乗算する複素数で表現された係数である。

【0024】

フィルタ係数制限部１２３は、フィルタ係数算出部１２２で算出されたフィルタ係数Ｃ２の利得を１．０以下に制限し（Ｓ１４）、補正フィルタ係数Ｃ２’を算出する。これにより、フィルタ係数制限部１２３は、音信号Ｆ２の各周波数成分を増幅しないようにする。

【0025】

ＦＩＲフィルタ１２４は、音信号Ｆ２に補正フィルタ係数Ｃ２’を畳み込んでフィルタ信号Ｆ２’を生成する（Ｓ１５）。フィルタ係数Ｃ２は、フィルタ係数算出部１２２により更新されるため、補正フィルタ係数Ｃ２’も更新される。したがって、ＦＩＲフィルタ１２４は、適応フィルタとして機能する。

【0026】

加算器１２５は、音信号Ｆ１からフィルタ信号Ｆ２’を減算し、音信号Ｆ１からフィルタ信号Ｆ２’の成分を除去する（Ｓ１６）。加算器１２５は、減算後の音信号Ｆ１’を出力する。加算器１２５は、本発明の除去部に相当する。

【0027】

フィルタバンク合成部１２６は、音信号Ｆ１’を時間軸の音信号Ｓ１’に変換する（Ｓ１７）。

【0028】

フィルタ係数算出部１２２は、音信号Ｆ２および音信号Ｆ１を入力する。フィルタ係数算出部１２２は、ＬＭＳ（Least Mean Squares）等所定のアルゴリズムを用いてフィルタ係数を更新する。フィルタ係数算出部１２２は、音信号Ｆ２にフィルタ係数Ｃ２を畳み込んで更新用フィルタ信号を生成する。フィルタ係数算出部１２２は、当該更新用フィルタ信号を音信号Ｆ１から減算し、減算した後の信号を参照信号として、当該参照信号のレベルが最小となるようなフィルタ係数Ｃ２に更新する。算出したフィルタ係数Ｃ２は、時間経過とともに音信号Ｆ１に含まれる話者Ｖ２の音声を当該更新用フィルタ信号で除去するための係数に更新される。これにより、ＦＩＲフィルタ１２４の補正フィルタ係数Ｃ２’も音信号Ｆ１に含まれる話者Ｖ２の音声をフィルタ信号Ｆ２’で除去するための係数に更新される。

【0029】

しかし、音信号Ｆ１および音信号Ｆ２は、いずれも話者Ｖ１の音声を含む。フィルタ係数算出部１２２は、上記参照信号のレベルが最小となるようなフィルタ係数Ｃ２を求めるため、音信号Ｆ１から話者Ｖ２の音声だけでなく話者Ｖ１の音声も除去するようなフィルタ係数Ｃ２に更新する。ただし、音信号Ｆ１の話者Ｖ１の音声のレベルは音信号Ｆ２の話者Ｖ１の音声のレベルより高い。したがって、フィルタ係数算出部１２２は、音信号Ｆ１から話者Ｖ１の音声を除去するために、１．０の利得を超える係数を算出する。

【0030】

一方で、フィルタ係数制限部１２３は、フィルタ係数の利得を１．０以下に制限する。そのため、フィルタ信号Ｆ２’に含まれる話者Ｖ１の音声は、音信号Ｆ１に含まれる話者Ｖ１の音声よりも低いレベルになる。よって、音信号Ｆ１に含まれる話者Ｖ１の音声は、フィルタ信号Ｆ２’で除去されずに残る。

【0031】

これにより、プロセッサ１２は、話者Ｖ２の音声を雑音成分として除去し、話者Ｖ１の音声を目的音として分離することができる。

【0032】

なお、音信号Ｆ１から話者Ｖ２の音声を除去して、話者Ｖ１の音声を除去しない様にするために、フィルタ係数算出部１２２は、音信号Ｆ２に含まれる話者Ｖ２の音声のレベルが高い場合に限り、フィルタ係数を更新することが好ましい。言い換えると、音信号Ｆ２に含まれる話者Ｖ２の音声のレベルが低い場合にはフィルタ係数を更新しないことが好ましい。そこで、フィルタ係数算出部１２２は、音信号Ｆ１に対する音信号Ｆ２の音量比（Ｆ２／Ｆ１）が所定の閾値を超える周波数成分に限り、フィルタ係数Ｃ２を更新してもよい。

【0033】

なお、閾値はどの様な値であってもよい。例えば、閾値が１．０の場合、フィルタ係数算出部１２２は、音信号Ｆ２のレベルが音信号Ｆ１のレベルよりも大きい周波数成分に限り、フィルタ係数Ｃ２を更新する。したがって、閾値が１．０の場合、プロセッサ１２は、雑音成分となる音声がマイク１５Ａよりもマイク１５Ｂにおいて高レベルで収音された場合に限り当該音声を除去するフィルタ係数を算出する。閾値が１．０よりも大きな所定値（例えば１．５程度）の場合、プロセッサ１２は、除去対象の雑音成分の音声がさらに大きなレベルの場合にのみ、フィルタ係数を更新する。そのため、フィルタ係数の更新が、音信号Ｆ１または話者Ｖ２の音声以外の外来雑音の影響を受けにくくなる。したがって、フィルタ係数の精度が向上し、フィルタ処理の効果が強くなる。すなわち、閾値は、１．０より大きな値において除去したい話者Ｖ２の音声の混入の度合いに応じて適宜設定することで、雑音成分とみなす音声を除去する効果を任意に設定することができる。

【0034】

同様の処理は、マイク１５Ｂで取得した音信号Ｓ２に対しても行なわれる。プロセッサ１２は、音信号Ｓ２を周波数変換した音信号Ｆ２から、音信号Ｓ１のフィルタ信号を減算することで、話者Ｖ１の音声を除去し、話者Ｖ２の音声を目的音として分離することができる。

【0035】

以上の構成により、収音装置１は、話者Ｖ１および話者Ｖ２が同時に発話した場合でも、話者Ｖ１および話者Ｖ２の音声をそれぞれ分離することができる。

【0036】

本実施形態の収音装置１は、適応フィルタのフィルタ信号を音信号から減算する線形処理により目的音を分離するため、音信号のスペクトルに歪みを与えずに目的音の音声を分離することができる。

【0037】

スペクトルの包絡成分は、人の声道特性に対応し、音声認識処理において非常に重要な情報である。そのため、本実施形態における目的音の分離は、音声認識処理に好適である。

【0038】

図５は、さらに音声認識処理を行なう場合のプロセッサ１２の機能的構成を示すブロック図である。図５のプロセッサ１２は、さらに音声認識処理部１２７を備える。その他の構成は、図３に示したブロック図と同一である。

【0039】

音声認識処理部１２７は、加算器１２５の出力信号に基づいて、音声認識処理を行なう。すなわち、音声認識処理部１２７は、話者Ｖ１の音声が分離された音信号Ｆ１’を用いて音声認識処理を行なう。上述の様に、本実施形態の収音装置１は、線形処理により話者Ｖ１の音声を分離するため、スペクトルの包絡成分に歪みを与えることがない。したがって、音声認識処理部１２７における音声認識の精度が向上する。

【0040】

ただし、プロセッサ１２は、フィルタ処理を施した音信号を遠隔地の他装置に送信する等して人が聞く場合、非線形処理を行なってもよい。

【0041】

図６は、非線形処理を行なう場合のプロセッサ１２の機能的構成を示すブロック図である。図６のプロセッサ１２は、さらに非線形処理部１２８を備える。その他の構成は、図３に示したブロック図と同一である。

【0042】

非線形処理部１２８は、加算器１２５の出力信号に非線形処理を行なう。非線形処理はどの様なものであってもよい。非線形処理は、スペクトルサブトラクションまたはウィーナーフィルタを用いて、音信号Ｆ１’からフィルタ信号Ｆ２’を除去する処理である。あるいは、非線形処理は、スペクトルサブトラクションまたはウィーナーフィルタを用いて、音信号Ｆ１’から残響成分を除去する処理であってもよい。また、非線形処理は、スペクトルサブトラクションまたはウィーナーフィルタを用いて、音信号Ｆ１’から定常ノイズ成分を除去する処理であってもよい。この様にして非線形処理部１２８は、例えば話者Ｖ１の音声を強調する処理を行なう。

【0043】

次に、図７は、変形例に係る収音装置１Ａの外観概略図である。変形例に係る収音装置１Ａは、さらにマイク１５Ｃを備えている。その他の構成は収音装置１と同一である。図７の例では、マイク１５Ａ、マイク１５Ｂおよびマイク１５Ｃは、それぞれ話者Ｖ１、話者Ｖ２、および話者Ｖ３の音声を収音する。マイク１５Ｃは、音信号Ｓ３を取得する。マイク１５Ｃで取得した音信号Ｓ３も、話者Ｖ１、話者Ｖ２、および話者Ｖ３の音声の成分を含む。ただし、音信号Ｓ３における話者Ｖ３の音声のレベルは、他の話者Ｖ１および話者Ｖ２のレベルよりも高い。

【0044】

図８は、さらに音信号Ｓ３を入力する場合のプロセッサ１２の機能的構成を示すブロック図である。プロセッサ１２は、さらにフィルタバンク解析部１２１Ｃを備えている。フィルタバンク解析部１２１Ｃは、音信号Ｓ３を周波数軸の音信号Ｆ３に変換し、個々の周波数成分を抽出する。

【0045】

フィルタ係数算出部１２２は、音信号Ｆ２，Ｆ３および音信号Ｆ１に基づいて、ＦＩＲフィルタ１２４のフィルタ係数を算出する。この例では、フィルタ係数算出部１２２は、フィルタ係数Ｃ２およびフィルタ係数Ｃ３を算出する。フィルタ係数制限部１２３は、フィルタ係数Ｃ２およびフィルタ係数Ｃ３の利得を１．０以下に制限した補正フィルタ係数Ｃ２’および補正フィルタ係数Ｃ３’を生成する。ＦＩＲフィルタ１２４は、補正フィルタ係数Ｃ２’および補正フィルタ係数Ｃ３’を、音信号Ｆ２および音信号Ｆ３に畳み込み、フィルタ信号Ｆ’を生成する。言い換えると、フィルタ信号Ｆ’は、音信号Ｆ２，Ｆ３に、補正フィルタ係数Ｃ２’，Ｃ３’をそれぞれ畳み込んだ和（Ｆ２＊Ｃ２’＋Ｆ３＊Ｃ３’）で求められる。

【0046】

音信号Ｓ２に含まれる話者Ｖ１の音声のレベルは、音信号Ｓ１に含まれる話者Ｖ１のレベルよりも低い。同じく、音信号Ｓ３に含まれる話者Ｖ１の音声のレベルは、音信号Ｓ１に含まれる話者Ｖ１のレベルよりも低い。したがって、フィルタ係数算出部１２２は、音信号Ｓ１に含まれる話者Ｖ１の音声を除去するために、利得１．０を超えるフィルタ係数Ｃ２，Ｃ３を算出する。しかし、フィルタ係数制限部１２３は、フィルタ係数Ｃ２およびフィルタ係数Ｃ３の利得を１．０以下に制限する。したがって、音信号Ｓ１からは、話者Ｖ２および話者Ｖ３の音声が除去され、話者Ｖ１の音声が分離される。

【0047】

音信号Ｓ２および音信号Ｓ３に対する処理も同様である。音信号Ｓ２からは、話者Ｖ１および話者Ｖ３の音声が除去され、話者Ｖ２の音声が分離される。音信号Ｓ３からは、話者Ｖ１および話者Ｖ２の音声が除去され、話者Ｖ３の音声が分離される。

【0048】

音信号の数がさらに増える場合も同様である。第２の音信号がＮ個の音信号を含む場合、フィルタ係数は、Ｎ個算出される。フィルタ信号は、Ｎ個の音信号とＮ個のフィルタ係数をそれぞれ畳み込んだ和（Ｆ１＊Ｃ１’＋Ｆ２＊Ｃ２’＋・・・＋ＦＮ＊ＣＮ’）で求められる。Ｎ個の音信号からは、それぞれ最もレベルの高い音声成分が分離される。

【0049】

この様に、プロセッサ１２は、さらに多数の話者の音声が含まれている場合で、複数の話者が同時に発話した場合でも、各マイクに最も近く、最もレベルの高い話者の音声を目的音として分離することができる。

【0050】

本実施形態の説明は、すべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上述の実施形態ではなく、特許請求の範囲によって示される。さらに、本発明の範囲は、特許請求の範囲と均等の範囲を含む。

【0051】

例えば、本実施形態では、周波数軸の音信号Ｆ２にフィルタ係数Ｃ２’を畳み込み、音信号Ｆ１から減算した後の音信号Ｆ１’を時間軸の音信号に変換した。しかし、ＦＩＲフィルタ１２４は、時間軸の音信号Ｓ２にフィルタ係数を畳み込んで時間軸のフィルタ信号を生成してもよい。この場合、加算器１２５は、当該時間軸のフィルタ信号を音信号Ｓ１から減算する。この場合でも、フィルタ係数算出部１２２は、周波数軸の音信号Ｆ１およびＦ２を入力して、周波数軸の補正フィルタ係数Ｃ２を算出する。フィルタ係数制限部１２３は、周波数軸のフィルタ係数Ｃ２の利得を１．０以下に制限する。利得が制限された補正フィルタ係数Ｃ２’は、時間軸のフィルタ係数に変換される。ＦＩＲフィルタ１２４は、当該時間軸のフィルタ係数を時間軸の音信号Ｓ２に畳み込んでフィルタ信号を生成する。

【符号の説明】

【0052】

１，１Ａ…収音装置
１１…通信部
１２…プロセッサ
１３…ＲＡＭ
１４…フラッシュメモリ
１５Ａ，１５Ｂ，１５Ｃ…マイク
１２１Ａ，１２１Ｂ，１２１Ｃ…フィルタバンク解析部
１２２…フィルタ係数算出部
１２３…フィルタ係数制限部
１２４…ＦＩＲフィルタ
１２５…加算器
１２６…フィルタバンク合成部
１２７…音声認識処理部
１２８…非線形処理部
１４１…フィルタ処理プログラム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】