JP5340127B2 - 音声信号処理装置、音声信号処理装置の制御方法 - Google Patents

Description

本発明は、音声信号処理装置に関し、特に、取得した音声信号に含まれる、風雑音（ウィンドウノイズ）を低減することができる装置に関する。

従来、音声信号を処理する装置として、画像信号を記録すると共に音声信号を記録する撮像装置が知られている。これらの撮像装置では、外部の音声を集音し音声信号を生成するためのマイクロホンを備えているが、その表面等に風が当たると、ユーザにとって耳障りな、雑音が発生してしまうことがあった。この様な装置周辺の風の影響により発生する雑音を一般に風雑音という。

このような問題に対し、マイクから入力された音声の例えば、１ｋＨｚ以下の低域成分等を減衰させるハイパスフィルタにより、風雑音の影響が大きい低周波成分を減衰させる技術などが提案されている。例えば、特許文献１の技術のように、風雑音の低減をした後に、オートレベルコントローラ（以後、ＡＬＣ）によって、音声のレベルを調整するものが提案されている。なお、ＡＬＣは、音声のレベルが低いときには、音声信号を増幅し、音声のレベルが高いときには音声信号を減衰させるようにしている。

特開平０５−３２８４８０号公報

しかし、従来は、減衰しきれない周波数に風雑音が含まれていた場合などには、風雑音を完全に低減させることは難しく、音声信号に音量（レベル）が不安定な風雑音成分が残ってしまうことがあった。そのため、特許文献１では、音声信号に音量の不安定な風雑音が残ると、ＡＬＣが音声信号の増幅と減衰を繰り返してしまい、例えば、人の声などの一定の音量であるべき音が不安定な音声になってしまうという問題がった。このような音声信号を再生すると、本来聞き取りたい人の声などの音声の音量が安定せず聞きづらいものとなってしまう。

そこで、本発明は、風雑音（風量、風速、風圧）のレベルが高いときに、ＡＬＣの増幅率の変化速度を遅くすることによって、ＡＬＣの出力音声の不安定さを低減することができる音声信号処理装置を提供することを目的とする。

なお、風量のレベルが高いときや風速の速いとき、風圧の高いとき等であっても、音声信号に含まれる風雑音のレベルが高くなる可能性が大きい。

本発明の音声処理装置は、かかる目的を達成するために、集音手段を備える音声信号処理装置であって、前記集音手段により得られる音声信号に含まれる前記装置周辺の風の影響による雑音成分のレベルを検出する検出手段と、前記音声信号を音声信号のレベルに応じた増幅率で増幅させる調整手段とを有し、前記調整手段は、前記音声信号のレベルが高くなると前記増幅率を下げ、音声信号のレベルが低くなると前記増幅率を上げ、前記調整手段は、前記増幅率を上げる場合に、前記検出手段により検出された前記雑音成分のレベルが高いときほど、前記増幅率の変化速度を遅くする構成とした。

本発明によれば、風雑音のレベルが大きいときにＡＬＣの増幅率の変化速度を遅くすることによって、出力音声の不安定さを低減することができる。これにより、風雑音のレベルが大きいとき等に、人の声などの音声のレベルが不安定になりにくくした音声信号を得ることができる。

本実施例の撮像装置のブロック図である。 音声入力部１０２のブロック図である。 振幅レベルに対応する増幅率を示す図である。 音声の振幅レベルの検出結果を示す図である。

以下、図面を参照して本発明の実施例を詳細に説明する。

音声信号を処理することができる音声信号処理装置として、撮像装置を例にとって説明する。

図１は、実施例１の撮像装置１００の構成を示すブロック図である。

図１において、撮像部１０１は、撮影レンズにより取り込まれた被写体の光学像を撮像素子により画像信号に変換し、アナログデジタル変換、画像調整処理などを行い、画像データを生成する。音声入力部１０２は、内蔵または音声端子を介して接続された複数のマイクにより、撮像装置１００の周辺の音声を集音し、アナログデジタル変換、音声処理などを行い音声データを生成する。マイクは、音声振動を音声信号に変換するものである。メモリ１０３は、撮像部１０１により得られた画像データや、音声入力部１０２により得られた音声データを一時的に記憶する。表示制御部１０４は、撮像部１０１により得られた画像データに係る映像や、撮像装置１００の操作画面、メニュー画面等を表示部１０５や、不図示の映像端子を介して外部のディスプレイに表示させる。符号化処理部１０６は、メモリ１０３に一時的に記憶された画像データや音声データを読み出して所定の符号化を行い、圧縮画像データ、圧縮音声データ等を生成する。記録再生部１０７は、記録媒体１０８に対して、符号化処理部１０６で生成された圧縮画像データ、圧縮音声データ等を記録したり、記録媒体１０８に記録された圧縮画像データ、圧縮音声データ、各種データ、プログラムを読み出す。ここで、記録媒体１０８は、圧縮画像データ、圧縮音声データ、等を記録することができれば、磁気ディスク、光学式ディスク、半導体メモリなどのあらゆる方式の記録媒体を含む。

制御部１０９は、撮像装置１００の各ブロックに制御信号を送信することで撮像装置１００の各ブロックを制御することができ、各種制御を実行するためのＣＰＵやメモリなどからなる。操作部１１０は、ボタンやダイヤルなどからなり、ユーザの操作に応じて、指示信号を制御部１０９に送信する。音声出力部１１１は、記録再生部１０７により再生された圧縮音声データや、制御部１０９により出力される音声データをスピーカ１１２や音声端子などに出力する。外部出力部１１３は、記録再生部１０７により再生された圧縮映像データや圧縮音声データなどを外部機器に出力する。データバス１１４は、音声データや画像データ等の各種データ、各種制御信号を撮像装置１００の各ブロックに供給する。

ここで、本実施例の撮像装置１００の通常の動作について説明する。

本実施例の撮像装置１００は、ユーザが操作部１１０を操作して電源を投入する指示が出されたことに応じて、不図示の電源供給部から、撮像装置の各ブロックに電源を供給する。

電源が供給されると、制御部１０９は、例えば、操作部１１０のモード切り換えスイッチが、例えば、撮影モード、再生モード等のどのモードであるかを操作部１１０からの指示信号により確認する。動画記録モードでは、撮像部１０１により得られた画像データと音声入力部１０２により得られた音声データとを１つのファイルとして保存する。再生モードでは、記録媒体１０８に記録された圧縮画像データを記録再生部１０７により再生して表示部１０５に表示させる。

動画記録モードでは、まず、制御部１０９は、撮影待機状態に移行させるように制御信号を撮像装置１００の各ブロックに送信し、以下のような動作をさせる。

撮像部１０１は、撮影レンズにより取り込まれた被写体の光学像を撮像素子により画像信号に変換し、アナログデジタル変換、画像調整処理などを行い、画像データを生成する。そして、得られた画像データを表示処理部１０４に送信し、表示部１０５に表示させる。ユーザはこの様にして表示された画面を見ながら撮影の準備を行う。

音声入力部１０２は、複数のマイクにより得られたアナログ音声信号をデジタル変換し、得られた複数のデジタル音声信号を処理して、マルチチャンネルの音声データを生成する。そして、得られた音声データを音声出力部１１１に送信し、接続されたスピーカ１１２や不図示のイヤホンから音声として出力させる。ユーザは、この様にして出力された音声を聞きながら記録音量を決定するためのマニュアルボリュームの調整をすることもできる。

次に、ユーザが操作部１１０の記録ボタンを操作することにより撮影開始の指示信号が制御部１０９に送信されると、制御部１０９は、撮像装置１００の各ブロックに撮影開始の指示信号を送信し、以下のような動作をさせる。

撮像部１０１は、撮影レンズにより取り込まれた被写体の光学像を撮像素子により画像信号に変換し、アナログデジタル変換、画像調整処理などを行い、画像データを生成する。そして、得られた画像データを表示処理部１０４に送信し、表示部１０５に表示させる。また、得られた画像データをメモリ１０３送信する。

音声入力部１０２は、複数のマイクにより得られたアナログ音声信号をデジタル変換し、得られた複数のデジタル音声信号を処理して、マルチチャンネルの音声データを生成する。そして、得られた音声データをメモリ１０３に送信する。

符号化処理部１０６は、メモリ１０３に一時的に記憶された画像データや音声データを読み出して所定の符号化を行い、圧縮画像データ、圧縮音声データ等を生成する。

そして、制御部１０９は、これらの圧縮画像データ、圧縮音声データを合成し、データストリームを形成し、記録再生部１０７に出力する。

記録再生部１０７は、ＵＤＦ、ＦＡＴ等のファイルシステム管理のもとに、データストリームを一つの動画ファイルとして記録媒体１０８に書き込んでいく。

以上の動作を撮影中は継続する。

そして、ユーザが操作部１１０の記録ボタンを操作することにより撮影終了の指示信号が制御部１０９に送信されると、制御部１０９は、撮像装置１００の各ブロックに撮影終了の指示信号を送信し、以下のような動作をさせる。

撮像部１０１、音声入力部１０２は、それぞれ画像データ、音声データの生成を停止する。

符号化処理部１０６は、メモリに記憶されている残りの画像データと音声データとを読出して所定の符号化を行い、圧縮画像データ、圧縮音声データ等を生成し終えたら動作を停止する。

そして、制御部１０９は、これらの最後の圧縮画像データ、圧縮音声データを合成し、データストリームを形成し、記録再生部１０７に出力する。

記録再生部１０７は、ＵＤＦ、ＦＡＴ等のファイルシステム管理のもとに、データストリームを一つの動画ファイルとして記録媒体１０８に書き込んでいく。そして、データストリームの供給が停止したら、動画ファイルを完成させて、記録動作を停止させる。

制御部１０９は、記録動作が停止すると、撮影待機状態に移行させるように制御信号を撮像装置１００の各ブロックに送信して、撮影待機状態に戻る。

次に、再生モードでは、制御部１０９は、再生状態に移行させるように制御信号を撮像装置１００の各ブロックに送信し、以下のような動作をさせる。

記録媒体１０８に記録された圧縮画像データと圧縮音声データとからなる動画ファイルを記録再生部１０７が読出して、読出された圧縮画像データ、圧縮音声データは、符号化処理部１０６に送る。符号化処理部１０６は、圧縮画像データ、圧縮音声データを復号してそれぞれ、表示制御部１０４、音声出力部１１１に送信する。表示制御部１０４は、復号された画像データを表示部１０５に表示させる。音声出力部１１１は、復号された音声データを内蔵または、取付けられた外部スピーカから出力させる。

本実施例の撮像装置は以上のように、画像、音声の記録再生を行う。

ここで、音声入力部１０２において、動画撮影中に行われる動作について、図２を用いて説明する。

図２において、マイクユニット２０１は音声を集音し、音声振動を電気信号に変換し、音声信号を得るもので、先述したように、撮像装置に内蔵されていても、撮像装置の音声入力端子に接続された外付けマイクユニットでも良い。本実施例においては、マイクユニット２０１は、２つのマイクエレメントからなる例について説明するが、マイクエレメントの数はいくつでも良い。ＡＤ変換部２０２はマイクユニット２０１により得られた音声信号をアナログ信号からデジタル信号に変換する。ステレオ変換部２０３は、マイクユニット２０１により得られた音声信号をステレオ音声データに変換する。２つの音声信号からステレオ音声信号を生成する方法は、既存の技術を用いるため、本実施例では説明を省略する。風雑音低減部２０４は、装置の周囲の風の影響で発生する低周波数成分（例えば２ｋＨｚ程度の周波数以下）の雑音（風雑音）を低減する。オートレベルコントローラ（以降、ＡＬＣ）２０５Ｌ、２０５Ｒは、入力された音声信号のレベルを適正なレベルに保つ機能を有している。ＡＬＣ２０５Ｌ／２０５Ｒでは、入力された音声信号のレベルが低いときには音声信号に対する増幅率を増加させ、音声信号のレベルが高いときには増幅率を低下させるようにしている。

風雑音除去部２０４は、マイクユニットにより得られた２つの音声信号が、風の影響により発生する雑音については、低域成分（例えば１ｋＨｚ以下）において相関性が小さくなるがあることを利用して風雑音除去をしている。そのために、ステレオ変換部２０３により得られたステレオ音声Ｌｃｈ、Ｒｃｈの音声に対し、処理を行う。

具体的には、まず、減算部２０６により、Ｌｃｈ−Ｒｃｈの信号（差信号）を出力する。一般に、風雑音は、複数のマイクから相関性のない音声信号が出力されることが知られている。そのため、装置周辺の風雑音のレベルが小さいときにはこの差信号の値が小さく、装置周辺の風雑音のレベルが大きいときにはこの差信号の値が大きくなる。本実施例では、差信号の値に基づいて、風雑音（雑音成分）のレベルが大きいか、小さいかを検出するようにしている。風量検出部２０７では、差信号の絶対値が大きければ風雑音のレベルが大きい（風量が多い、風速が速い、風圧が大きい）ことを示す信号を、差信号の値が小さければ風雑音のレベルが小さい（風量が少ない、風速が遅い、風圧が小さい）ことを示す信号を風量情報として出力する。

本実施例では、、風が吹いていないような状況で、差信号の値が極端に小さければ、風雑音のレベルを示す風量情報を出力しないようにしてもよい。本実施例では、風雑音のレベルが大きいか小さいかを示す２段階の信号を出力する例について説明するが、当然、２段階以上の信号であってもよい。

つづいて、減算部２０６により出力された差信号の低域成分を減衰するためのハイパスフィルタ（ＨＰＦ）２０８に入力し、差信号の低域成分の信号を減衰させた信号を出力する。このＨＰＦ２０８は、風量検出部２０７により検出された風量情報の値が風雑音のレベルが大きいことを示していれば、減衰させる低域成分のカットオフ周波数を例えば２ｋＨｚにする。また、風量情報の値が風雑音のレベルが小さいことを示していれば、カットオフ周波数を５００Ｈｚにする。または、風量情報の値が風雑音のレベルが大いことを示していれば低域成分の減衰量を多くし、風量情報の値が風雑音のレベルが小さいことを示していれば低域成分の減衰量を少なくするようにしてもよい。すなわち、ＨＰＦ２０８は、風量情報の値に応じて、減衰特性を変更するように構成されている。当然のことながら、ＨＰＦ２０８は、ハイパスフィルタでなく、バンドパスフィルタなどの他のフィルタで構成されても良い。

このようにして得られた差信号の低域成分を減衰させた信号を、加算部２０９により、Ｌｃｈ＋Ｒｃｈの信号（和信号）と加算、または減算することにより、Ｌｃｈ、Ｒｃｈの音声を得ることができる。

具体的には、加算部２１０で、差信号の低域成分を減衰させた信号と、和信号とを加算することにより、低域成分において、ＬｃｈとＲｃｈとで位相の異なる成分を低減したＬｃｈの音声信号が生成される。そして、減算部２１１で、和信号から、差信号の低域成分を減衰させた信号を減算することにより、低域成分において、ＬｃｈとＲｃｈとで位相の異なる成分を低減したＲｃｈの音声信号が生成される。この処理により、装置周囲の風に起因する雑音（風雑音）を低減したＬｃｈ、Ｒｃｈの音声信号を生成することができる。

ここで、さらに、ＡＬＣ２０５Ｌ／２０５Ｒについて説明する。

本実施例のＡＬＣ２０５Ｌ／２０５Ｒでは、入力された音声信号のレベルが低いときには音声信号に対する増幅率を増加させ、音声信号のレベルが高いときには増幅率を低下させるようにしている。

ここでは、Ｌｃｈの音声信号について説明するが、Ｒｃｈの音声信号についても同様の処理を行う。Ｒｃｈ用にも同様の回路が備えられている。

まず、風雑音のレベルがほぼゼロである場合の動作について説明する。

ＡＬＣ２０５に入力されたＬｃｈの音声信号は、遅延部２１２で数ｍｓ遅延され、振幅制御部２１３で、音声信号の振幅を増幅または減衰される。振幅制御部２１３における増幅率は、振幅検出部２１４により、ＡＬＣ２０５に入力された音声信号の振幅の大きさを検出し、検出された値に応じた検出結果を増幅率設定部２１５に送信することで設定される。

本実施例の振幅検出部２１４（音声レベル検出部）では、音声信号（デジタル信号）の１サンプル毎に音声レベルを検出していく。そして、検出結果として、ｍサンプルのレベルが、ｍ−１サンプルのレベルより高いレベルであれば、ｍサンプルのレベルを検出結果として出力する動作を繰り返す。一方で、ｎサンプルのレベルが、ｍ−１サンプルのレベルより低いレベルであれば、ｍ−１サンプルのレベルから所定の値Ａを引いた値をｎサンプルのレベルとし、検出結果として出力する動作を繰り返している。言い換えれば、本実施例の振幅検出部２１４は、音声信号のピークをむかえるまでは音声信号の音声レベルに追従したレベルを検出結果として出力する。そして、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ａを引き続けた値が検出結果として出力されることになる。（ただしｎは１以上の整数）。

増幅率設定部２１５は、振幅検出部２１４により出力された検出結果に応じて振幅調整部２１３での音声信号の増幅率を設定する。増幅率設定部２１５における、振幅検出部２１４の検出結果と、振幅調整部２１３での音声信号の増幅率の関係は図３に示すような関係となる。図３において、横軸が入力された振幅検出部２１４の検出結果であり、縦軸が増幅率である。図３からわかるように振幅検出部２１４の検出結果のレベルがＹ以上Ｘ以下のときは、増幅率Ｇｎｏｒを振幅調整部２１３に設定し、音声信号を増幅させる。また、検出結果のレベルがＸ以上になると、検出結果のレベルに応じて増幅率をＧｎｏｒから徐々に下げた増幅率とし、検出結果のレベルが所定の高い値以上になったときには増幅率をＧｌｉｍに設定する。また、検出結果のレベルがＹ以下になると、検出結果のレベルに応じて増幅率をＧｎｏｒから徐々に上げていき、検出結果のレベルが所定の低い値以下になると、増幅率をＧｒｅｃに設定する。ここで、Ｇｒｅｃ＞Ｇｎｏｒ＞Ｇｌｉｍである。すなわち、先述したように、振幅検出部２１４から出力された、検出結果のレベルが低いときには音声信号の増幅率を増加させ、検出結果のレベルが高いときには増幅率を低下させるようにしているのである。本実施例では、増幅率設定部２１５における、振幅検出部２１４の検出結果と、振幅調整部２１３での音声信号の増幅率の関係は図３に示すような関係となる例について説明した。しかし、例えば、検出結果のレベルにリニアに応答するような関係でも良い。例えば、Ｇｌｉｍが設定される検出結果のレベルからＧｒｅｃが設定される検出結果のレベルまで、検出結果のレベルが下がるにつれて徐々に増幅率が大きくなるような関係でも良い。また、本実施例では検出結果のレベルがＹ以下になると、増幅率がＧｎｏｒから徐々にＧｒｅｃに上げていく用にしたが、上げなくても良い。

ＡＬＣ２０５は、音声のレベルが大きくなりすぎてしまい、音声の再現性が無くなってしまうことを防止するように設計されている。そのため、音声信号が大きくなり続ける場合には、入力された音声信号のレベルに応じた増幅率がすぐに反映されるように、振幅検出部２１４は、先述したような構成としている。すなわち、音声信号のピークをむかえるまでは音声信号に追従したレベルを検出結果として出力するようにしているのである。こうすることで、増幅率設定部２１５では、音声信号のピークを迎えるまでは、入力される音声信号のレベルに応じて、増幅率を設定することになるのである。

また、ＡＬＣ２０５は、音声のレベルが下がる場合には、徐々に増幅率が増加するようにしている。これは、増幅率が音声のレベルに追従して変化すると、音声レベルは一定になるが、抑揚が失われてしまいかえって聞きづらくなってしまうからである。そのため、振幅検出部２１４は、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ａを引き続けた値が検出結果として出力されるようにしている。こうすることで、増幅率設定部２１５では、音声信号のピーク以降は、振幅検出部２１４の検出結果のレベルに応じて増幅率を設定することになる。すなわち、検出結果は所定の値Ａを引き続けた値が出力されるので、検出結果がＸ以上であれば、Ｇｎｏｒまで徐々に増幅率が増えていくことになり、検出結果がＹ以下になると、Ｇｎｏｒから徐々に増幅率が増えていくことになる。

この様な構成により、例えば、増幅率設定部２１５によりＧｌｉｍが設定された状態からＧｎｏｒまで戻るには、０．４秒程度の時間がかかるようにしている。

次に、本実施例の撮像装置における、風雑音の発生している場合のＡＬＣ２０５の動作について説明する。

本実施例の撮像装置は、音声信号のピーク以降の増幅率の変化速度が、風雑音のレベルが大きいときの方が、風雑音の小さいときよりも緩やかになるようにしている。例えば、風雑音のレベルが大きいときは、増幅率設定部２１５によりＧｌｉｍが設定された状態からＧｎｏｒまで戻るには、２．０秒程度の時間がかかるようにしている。そして、風雑音のレベルが小さいときは、例えば、増幅率設定部２１５によりＧｌｉｍが設定された状態からＧｎｏｒまで戻るには、１．２秒程度の時間がかかるようにしている。

この様にすることにより、風雑音のレベルが大きいときには、風雑音によって増幅率が不安定にならないようにすることができるのである。

以下、具体的な動作について説明する。

遅延部２１２、振幅調整部２１３は、風雑音のレベルがほぼゼロである場合と同様に動作する。振幅検出部２１４も、風雑音のレベルがほぼゼロである場合と同様に動作するが、一部異なる動作をする。音声信号のピークをむかえるまでは音声信号に追従したレベルを検出結果として出力する点では同様である。しかし、風雑音のレベルが小さい場合には、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ｂを引き続けた値が検出結果として出力される。また、風雑音のレベルが大きい場合には、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ｃを引き続けた値が検出結果として出力される。ただし、Ａ＞Ｂ＞Ｃである。

この様にすることにより、音声信号のピーク以降、風雑音のレベルが大きいときには、風雑音のレベルが低いときに比べて、検出結果のレベルが下がっていく時間が遅くなることになる。これを示しているのが図４である。図４において、横軸は時間、縦軸は音声のレベル（検出結果のレベル）を示している。図４において、破線は、入力された音声信号の絶対値を示している。図４（ａ）は、風雑音のレベルが低いとき（Ｂを引く場合）の振幅検出部２１４から出力される検出結果の値を示すもので、４０１が、検出結果の検出レベルである。図４（ｂ）は、風雑音のレベルが大きいとき（Ｃを引く場合）の振幅検出部２１４から出力される検出結果の値を示すもので、４０２が検出結果の検出レベルである。

４０１、４０２からわかるように、風雑音のレベルが高いときは、風雑音のレベルが低いときより検出結果の値の低下する時間が長くなる。そして、増幅率設定部２１５は、この検出結果に応じて、図３に示す対応関係に従った増幅率を振幅調整部２１３に設定する。

以上のような制御によれば、本実施例の撮像装置は、風雑音のレベルが高いときは、風雑音のレベルが低いときより、増幅率の変化する速度が遅く（変動が緩やかに）なる。従って、風雑音のレベルが高いときは、風雑音のレベルの増減によって増幅率が不安定に変動してしまうことを防止し、安定的な増幅率を設定することができるのである。すなわち、風雑音のレベルが大きいときに、人の声などの音声のレベルが不安定になりにくくした音声信号を得ることができる。

本実施例では、振幅検出部２１４で、音声信号のレベルから引く値を調整することにより、風雑音のレベルが高いときは、風雑音のレベルが低いときより、増幅率の変化する速度が遅く（変動が緩やかに）なるようにしていた。しかし、音声信号のレベルに対して１より小さいの所定の値を乗算するようにして、乗算する値を調整することにより対応しても良い。この場合は、振幅検出部２１４は、音声信号のピークをむかえるまでは音声信号に追従したレベルを検出結果として出力する。そして、風雑音のレベルが小さい場合には、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ｄ（Ｄ＜１）を乗じ続けた値を検出結果として順次出力する。また、風雑音のレベルが大きい場合には、音声信号のピーク以降は、前回の検出結果が音声信号のレベルより大きくなるまで所定の値Ｅ（Ｄ＜Ｅ＜１）を乗じ続けた値を検出結果として出力する。

また、振幅検出部２１４においては、音声信号のレベルをそのまま検出結果として増幅率設定部２１５に出力してもよい。この場合は、増幅率設定部２１５では、増幅率を上げる場合に、風雑音のレベルが高いときは、風雑音のレベルが低いときより、増幅率の変化する速度が遅くなるように設定する。

本実施例においては、２つの音声信号の差信号に基づいて風雑音のレベルを検出していたが、単に２つの音声信号の低域成分を比較してもよい。また、別途風圧センサ、風速計、レーザとカメラを用いる装置など空気変位を検出できるユニット用いて風に関する情報を検出しても良い。これは、風雑音のレベルが高くなるときは、風圧が高い、風速が速い、風量が多いときであることがほとんどであることを利用している。

また、本実施例においては、撮像装置について説明したが、本実施例の音声入力部１０２にの音声処理は、外部の音声を記録、または入力して出力するするような装置であればどのような装置であっても適用することができる。例えば、ＩＣレコーダ、携帯電話等に適用しても良い。

また、本実施例では音声が２ｃｈの場合について説明したが、マイクの数を２つ以上として、５．１ｃｈの音声を生成する場合であっても同様とすることができる。また、２つの音声信号の差信号を検出する以外の方法であれば風量（風速、風圧）に応じて、増幅率の変動を緩やかにする。

Claims (16)

1. 集音手段を備える音声信号処理装置であって、
   前記集音手段により得られる音声信号に含まれる前記装置周辺の風の影響による雑音成分のレベルを検出する検出手段と、
   前記音声信号を音声信号のレベルに応じた増幅率で増幅させる調整手段とを有し、
   前記調整手段は、前記音声信号のレベルが高くなると前記増幅率を下げ、音声信号のレベルが低くなると前記増幅率を上げ、
   前記調整手段は、前記増幅率を上げる場合に、前記検出手段により検出された前記雑音成分のレベルが高いときほど、前記増幅率の変化速度を遅くすることを特徴とする音声信号処理装置。
2. 前記調整手段は、前記音声信号のレベルを検出して検出結果を出力する音声レベル検出手段と、前記音声レベル検出手段により出力された検出結果に応じて前記増幅率を決定する決定手段とを有し、
   前記音声レベル検出手段は、前記音声信号のレベルが低くなる場合には、前記検出手段により検出された前記雑音成分のレベルが高いときほど、前記検出結果の変化速度が遅くなるようにすることを特徴とする請求項１に記載の音声信号処理装置。
3. 前記検出手段は、複数の前記集音手段により得られた音声信号に基づいて前記雑音成分のレベルを検出することを特徴とする請求項１または２に記載の音声信号処理装置。
4. 前記調整手段は、前記音声信号のレベルを少なくとも１サンプル毎に検出して検出結果を出力する音声レベル検出手段と、前記音声レベル検出手段により出力された検出結果に応じて前記増幅率を決定する決定手段とを有し、
   前記音声レベル検出手段は、前記音声信号のレベルが低くなる場合には、ｎ−１サンプル目の検出結果から所定の値を引いた値をｎサンプルの検出結果として出力し続け（ただしｎは１以上の整数）、
   前記音声レベル検出手段は、前記検出手段により検出された前記雑音成分のレベルが高いときほど、所定の値を小さくすることを特徴とする請求項１から３のいずれか１項に記載の音声信号処理装置。
5. 前記音声レベル検出手段は、前記検出手段により検出された前記雑音成分のレベルが低いときほど、所定の値を大きくすることを特徴とする請求項４に記載の音声信号処理装置。
6. 前記調整手段は、前記音声信号のレベルを少なくとも１サンプル毎に検出して検出結果を出力する音声レベル検出手段と、前記音声レベル検出手段により出力された検出結果に応じて前記増幅率を決定する決定手段とを有し、
   前記音声レベル検出手段は、前記音声信号のレベルが下がる場合には、ｎ−１サンプル目の検出結果に１より小さい所定の値を乗じた値をｎサンプルの検出結果として出力し続け（ただしｎは１以上の整数）、
   前記音声レベル検出手段は、前記検出手段により検出された前記雑音成分のレベルが高いときほど、所定の値を大きくすることを特徴とする請求項１から３のいずれか１項に記載の音声信号処理装置。
7. 前記音声レベル検出手段は、前記検出手段により検出された前記雑音成分のレベルが低いときほど、所定の値を小さくすることを特徴とする請求項６に記載の音声信号処理装置。
8. 前記音声信号処理装置は、携帯電話であることを特徴とする請求項１から６のいずれか１項に記載の音声信号処理装置。
9. 集音手段を備える音声信号処理装置の制御方法であって、
   前記集音手段により得られる音声信号に含まれる前記装置周辺の風の影響による雑音成分のレベルを検出する検出ステップと、
   前記音声信号を音声信号のレベルに応じた増幅率で増幅させる調整ステップとを有し、
   前記調整ステップにおいて、前記音声信号のレベルが高くなると前記増幅率を下げ、音声信号のレベルが低くなると前記増幅率を上げ、
   前記調整ステップにおいて、前記増幅率を上げる場合に、前記検出手段により検出された前記雑音成分のレベルが高いときほど、前記増幅率の変化速度を遅くすることを特徴とする音声信号処理装置の制御方法。
10. 前記調整ステップは、
    前記音声信号のレベルを検出して検出結果を出力する音声レベル検出ステップと、
    前記音声レベル検出ステップの検出結果に応じて前記増幅率を決定する決定ステップとを含み、
    前記音声レベル検出ステップは、前記音声信号のレベルが低くなる場合には、前記検出手段により検出された前記雑音成分のレベルが高いときほど、前記検出結果の変化速度が遅くなるようにすることを特徴とする請求項９に記載の音声信号処理装置の制御方法。
11. 前記検出ステップにおいて、複数の前記集音手段により得られた音声信号に基づいて前記雑音成分のレベルを検出することを特徴とする請求項９または１０に記載の音声信号処理装置の制御方法。
12. 前記調整ステップは、
    前記音声信号のレベルを少なくとも１サンプル毎に検出して検出結果を出力する音声レベル検出ステップと、
    前記音声レベル検出ステップの検出結果に応じて前記増幅率を決定する決定ステップとを有し、
    前記音声レベル検出ステップは、前記音声信号のレベルが低くなる場合には、ｎ−１サンプル目の検出結果から所定の値を引いた値をｎサンプルの検出結果として出力し続け（ただしｎは１以上の整数）、
    前記音声レベル検出ステップは、前記検出ステップで検出された前記雑音成分のレベルが高いときほど、所定の値を小さくすることを特徴とする請求項９から１１のいずれか１項に記載の音声信号処理装置の制御方法。
13. 前記音声レベル検出ステップにおいて、前記検出ステップで検出された前記雑音成分のレベルが低いときほど、所定の値を大きくすることを特徴とする請求項１２に記載の音声信号処理装置の制御方法。
14. 前記調整ステップは、
    前記音声信号のレベルを少なくとも１サンプル毎に検出して検出結果を出力する音声レベル検出ステップと、
    前記音声レベル検出ステップにより出力された検出結果に応じて前記増幅率を決定する決定ステップとを有し、
    前記音声レベル検出ステップは、前記音声信号のレベルが下がる場合には、ｎ−１サンプル目の検出結果に１より小さい所定の値を乗じた値をｎサンプルの検出結果として出力し続け（ただしｎは１以上の整数）、
    前記音声レベル検出ステップは、前記検出ステップにより検出された前記雑音成分のレベルが高いときほど、所定の値を大きくすることを特徴とする請求項９から１１のいずれか１項に記載の音声信号処理装置の制御方法。
15. 前記音声レベル検出ステップは、前記検出手段により検出された前記雑音成分のレベルが低いときほど、所定の値を小さくすることを特徴とする請求項１４に記載の音声信号処理装置の制御方法。
16. 前記音声信号処理装置は、携帯電話であることを特徴とする請求項９から１５のいずれか１項に記載の音声信号処理装置の制御方法。

Images