JP5635024B2 - 音響信号強調装置、遠近判定装置、それらの方法、及びプログラム - Google Patents

Description

本発明は、例えば、音声通話や、音声入力によって機器を操作するハンズフリー方式等に応用でき、マイクロホンから特定の距離範囲内に位置する音源の音だけを強調して収音する際に用いられる音響信号強調装置、遠近判定装置、それらの方法、及びプログラムに関する。

特許文献１に示す従来技術では、直間比を求めるためにマイクロホンアレーの受音信号を周波数領域に変換し、その信号から求められる空間相関行列を用いて直接音と間接音のそれぞれのパワーを求めている（例えば、実施例１の段落［００２５］〜［００３９］参照）。

特開２０１１−５５２１１号公報

特許文献１に開示された方法では、直接音とそれと同じ方向から到来する間接音との区別がつかないため、直接音の方向から到来する音はすべて直接音と判断されてしまう。結果として直接音パワーを過大評価（または間接音パワーを過小評価）してしまい、最終的に求められる直間比が真の値よりも大きくなってしまう。
本発明はこのような点に鑑みてなされたものであり、音響信号の直間比推定値を精度よく求める技術を提供することを目的とする。

本発明では以下のように音響信号の直間比推定値を得る。
マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、当該周波数領域信号のパワー推定値を得る。また、上記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、上記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る。直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、上記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得、上記周波数領域信号のパワー推定値及び間接音のパワー推定値を用い、間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る。

本発明では、直接音源方向ら到来する間接音を直接音と区別して、間接音のパワーを推定する。従って従来手法に比べ音響信号の直間比推定値を精度よく求めることができる。

音響信号強調装置を利用する場面の一例を示す図。 屋内での音の伝搬経路を例示する図。 直間比推定値とマイクロホンから音源までの距離との関係を例示する図。 指向性の形状を例示する概念図。 指向性補正係数を説明するための概念図。 音響信号強調装置の機能構成を例示する図。 処理対象信号生成部の機能構成を例示する図。 周波数領域変換部及び直間比計算部を例示する図。 直間比計算部の機能構成を例示する図。 音響信号強調装置の動作フローを例示する図。 遠近判定装置の機能構成を例示する図。 座標系を説明するための図。

以下、図面を参照して本発明の実施形態を説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。また、以下の説明において、テキスト中で使用する記号「￣」や「＾」等は、本来直前の文字の真上に記載されるべきものであるが、テキスト記法の制限により、当該文字の直後に記載する。式中においてはこれらの記号は本来の位置に記述している。

〔原理〕
実施例の説明の前に各実施例に対応する原理を説明する。
実施例１では、単一のマイクロホンアレーを用い、マイクロホンアレーから特定の距離範囲にある直接音源から発せられた音を強調して収音する。実施例２では、マイクロホンアレーに対する音源位置の遠近を判定する。

図１に、実施例１の音響信号強調装置が利用される場面を例示する。小型マイクロホンアレー１１を、例えば４人の発話者１２〜１４が取り囲んで会議をしている場面を想定する。その会議室内には、テレビ１６、電話１７、館内放送用のスピーカ１８が配置されている。このような場面において、館内放送の音声や、電話の音等を収音せずに、小型マイクロホンアレー１１を中心として所定の距離範囲内（破線で示す円内）に位置する発話者１２〜１４（直接音源）の発話だけを収音したい。

実施例１では、マイクロホンアレーから音源までの距離を見分けるために、受音信号に含まれる直接音のパワー推定値と間接音（残響音等）のパワー推定値との比に着目する。以下、間接音のパワー推定値に対する直接音のパワー推定値の比率を表す値を「直間比推定値」と呼ぶ。例えば、直接音のパワー推定値を間接音のパワー推定値で除した値を直間比推定値としてもよいし、間接音のパワー推定値を直接音のパワー推定値で除した値を直間比推定値としてもよいし、それら何れかの関数値を直間比推定値としてもよい。パワー推定値とは、パワーの増加に応じて増加する値を意味する。パワー推定値の例は、パワー、パワースペクトル、パワースペクトル密度、振幅の単調増加関数値、それらの推定値などである。図２に屋内にマイクロホン２２を置いて音を収録した際の、音源２１からマイクロホン２２までの音の伝搬経路を示す。直接音とは、音源２１からマイクロホンまで直接到達する太い実線で示す音波である。間接音とは、音源２１から発した音が壁や床や天井などで反射してからマイクロホン２２に到達する破線で示す音波である。

図３に直間比推定値とマイクロホンから音源までの距離との関係を例示する。図３の横軸はマイクロホンから音源までの距離、縦軸は直間比推定値である。図３では直接音のパワー推定値を間接音のパワー推定値で除したものを直間比推定値としている。一般に、間接音はマイクロホンからの距離に依存しない一定の大きさを示す。一方、直接音の大きさは、その音源からマイクロホンまでの距離の増加に伴って単調に減少する。そのため直接音のパワー推定値を間接音のパワー推定値で除した直間比推定値は、直接音の大きさと同様に距離の増加に伴って単調に減少する。

実施例１の音響信号強調装置は、受音信号から直間比推定値を求め、受音信号に含まれる直接音の音源（直接音源）のマイクロホンアレーからの距離を推定する。これにより、音響信号強調装置は、マイクロホンアレー１１を中心とした所定の距離範囲を推定できる。当該音響信号強調装置は、直間比推定値に応じて処理対象信号の振幅を調整することで、所望の距離範囲に存在する音源から発せられる音を強調し、それ以外の音（雑音）を相対的に抑制する。実施例２の遠近判定装置は、受音信号から直間比推定値を求め、マイクロホンアレーに対する直接音源位置の距離の遠近を判定する。

直間比推定値を精度よく求めることができる原理を説明する。
＜間接音の等方到来モデル＞
提案方式では、間接音の等方性を考慮した信号モデルを導入する。ここでは、パワー推定値としてパワースペクトル密度又はその推定値を用いた例を説明するが、これは本発明を限定しない。
Ｍ（Ｍ≧２）個のマイクロホンからなるマイクロホンアレーのｍ番目のマイクロホンでの受音信号を短時間フーリエ変換等によって周波数領域に変換すると、以下の周波数領域信号Ｘ_ｍ（ω，ｔ）が得られる。
X_ｍ(ω,t)=(H_D ^(m)(ω)+H_R ^(m)(ω))S(ω,t) (1)
ただし、ωは周波数であり、Ｈ_Ｄ ^（ｍ）（ω）は直接音源からｍ番目のマイクロホンまでの直接音の伝達関数であり、Ｈ_Ｒ ^（ｍ）（ω）は直接音源からｍ番目のマイクロホンまでの間接音の伝達関数であり、Ｓ（ω，ｔ）は直接音源での音を周波数領域に変換して得られる信号である。ｔは所定の時間区間であるフレームのインデックスであり、インデックスｔに対応するフレームを「フレームｔ」と表現する。

ここで直接音はコヒーレント（coherent）である一方、間接音はその主な成分が残響であることから拡散音（diffuse）であると仮定する。すなわち、それぞれの到来方向に着目した場合、直接音は音源の方向からのみ到来するのに対し、間接音はあらゆる方向から一様なパワーで到来する性質（以下「等方性」という）を持つ。提案方式ではこれら空間的な到来特性の違いに着目して間接音パワーを推定して直間比推定値を求める。

前提条件として直接音の到来方向（以下「直接音源方向」という）は既知であり、直接音及び任意の方向から到来する間接音は平面波とみなせるとし、拡散音の定義より直接音と間接音は互いに無相関とする。このとき直接音源からｍ番目のマイクロホンまでの直接音，間接音の伝達関数Ｈ_Ｄ ^（ｍ）（ω），Ｈ_Ｒ ^（ｍ）（ω）は、それぞれ以下のように表現できる。

ただし、Ｈ_Ｄｒｅｆ（ω）は直接音源からマイクロホンアレーの基準点（「基準点」という）までの伝達関数の直接音成分であり、Ｈ_{Ｒｒｅｆ，θ}（ω）は基準点からみて方向θから到来する間接音成分である。基準点はマイクロホンアレーの内部に存在してもよいし、マイクロホンアレーの外部に存在してもよい。マイクロホンアレーの内部とは、例えば、マイクロホンアレーを構成する複数のマイクロホンを通る直線上、当該複数のマイクロホンを通る線分で囲まれた平面の内部、又は当該複数のマイクロホンを通る面で囲まれた立体の内部を意味する。マイクロホンアレーの外部とは、マイクロホンアレーの内部以外の位置を意味する。例えば、マイクロホンアレーを構成する複数のマイクロホンそれぞれと基準点との距離は、マイクロホンそれぞれと直接音源との距離よりも短い。基準点の例は、マイクロホンアレーの中心点、何れか１個のマイクロホンの位置である。τ_θ ^（ｍ）は、次式のように表される。
τ_θ ^(m)=-(1/c)u^Tp_m
ここで第ｍ番目のマイクロホンの位置ｐ_ｍは、
p_m=[p_m,x, p_m,y, p_m,z]^T
であり、図１２Ａ及び１２Ｂに示すように直接音源方向を表す単位ベクトルｕは、
u=[sinθ, cosθ, 0]^T
であり、ｃは音波の伝搬速度である。方向θから到来する音の上記基準点からｍ番目のマイクロホンまでの間での伝搬遅延であり、θ_Ｄは基準点からみた直接音源方向であり、ｊは虚数単位であり、ｅは自然対数である。また、θについての積分は０≦θ＜２πの範囲で行われる（以下の積分についても同様）。

すなわち直接音と間接音の伝達関数Ｈ_D ^（ｍ）（ω），Ｈ_Ｒ ^（ｍ）（ω）のそれぞれは、直接音源から基準点までの伝達関数成分と、基準点からｍ番目のマイクロホンまでの伝搬遅延による位相差成分とに分解して表すことができる。従って、周波数領域信号Ｘ_ｍ（ω，ｔ）（ｍ∈｛１，...，Ｍ｝）を要素とするマイクロホンアレー入力ベクトルＸ（ω，ｔ）＝［Ｘ_１（ω，ｔ），...，Ｘ_Ｍ（ω，ｔ）］^Ｔは次式で表される。

ただし、α^Ｔはαの転置を表し、Ｓ_Ｄ（ω，ｔ）＝Ｈ_Ｄｒｅｆ（ω）Ｓ（ω，ｔ），Ｓ_Ｒ，θ（ω，ｔ）＝Ｈ_{Ｒｒｅｆ，θ}（ω）Ｓ（ω，ｔ）である。また、Ａ_θ（ω）は、方向θからマイクロホンアレーに到来する周波数ωの音の基準点からｍ番目のマイクロホンまでの経路の伝達関数を要素とするＭ次元ベクトルである。Ａ_θ（ω）の具体例は、マイクロホンアレーの基準点からみた方向θのアレイ・マニフォールド・ベクトル（array manifold vector）である。以下にアレイ・マニフォールド・ベクトルをＡ_θ（ω）とした例を示す。

アレイ・マニフォールド・ベクトルの各要素は伝搬遅延τ_θ ^（ｍ）に依存する。直接音及び間接音が平面波とみなせる場合、伝搬遅延τ_θ ^（ｍ）はマイクロホンアレーの基準点に対する各マイクロホンの相対位置及び方向θに依存する。なお、アレイ・マニフォールド・ベクトルの詳細については、例えば、参考文献１「浅野太著，“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 音響テクノロジーシリーズ）”，株式会社コロナ社，２０１１年２月２５日，ＩＳＢＮ９７８−４−３３９−０１１１６−６」の第１章（Ｐ１〜２６）を参照されたい。

このマイクロホンアレー入力に任意のビームフォーマ（BF: beamformer）を適用すると、その出力のパワースペクトル密度（PSD: power spectral density）Ｐ_ＢＭ（ω）は以下のようになる。

ただし、Ｐ_Ｄ（ω）＝Ｅ［｜Ｓ_Ｄ（ω，ｔ）｜^２］_ｔ、Ｐ_Ｒ，θ（ω）＝Ｅ［｜Ｓ_Ｒ，θ（ω，ｔ）｜^２］_ｔである。Ｗ（ω）は、周波数領域のビームフォーマのフィルタ係数Ｗ_１（ω），...，Ｗ_Ｍ（ω）を要素とするベクトルＷ（ω）＝［Ｗ_１（ω），...，Ｗ_Ｍ（ω）］^Ｔである（参考文献１の第４．１章（Ｐ７０，７１）等参照）。Ｕ（ω）は、ｐｑ成分（ｐ，ｑ∈｛１，...，Ｍ｝）に要素Ｕ_ｐｑ（ω）＝Ｅ［Ｘ_ｐ（ω，ｔ）Ｘ_ｑ ^＊（ω，ｔ）］_ｔを持つＭ×Ｍ行列（マイクロホンアレーの入力信号空間相関行列）である。Ｅ［α（ｔ）］_ｔはα（ｔ）のｔについての期待値演算を表し、α^Ｈはαの複素共役転置を表し、α^＊はαの複素共役を表す。Ｄ（ω，θ）はビームフォーマによって形成される指向特性を表す関数（ω，θを定義域とする関数）である。すなわち、Ｄ（ω，θ）はビームフォーマによって形成される指向性の形状を表す。例えば、Ｄ（ω，θ）は以下のように表される。

＜ビームフォーマを用いた直間比推定＞
式（４）において間接音がマイクロホンアレーに等方的に到来すると仮定できる音場では、Ｐ_Ｒ，θ（ω）はθに依らない値Ｐ_Ｒ ⁻（ω）に置き換えることができる。この場合、式（４）は以下のように変形できる。

次に、直接音源方向θ_Ｄから到来した信号成分を抑圧するビームフォーマを想定する。言い換えると、直接音源方向θ_Ｄにヌル（指向性の感度の低い点）を向けた指向特性形状（例えば図４参照）が得られるビームフォーマを想定する。さらに言い換えると、直接音源方向θ_Ｄに空間的なノッチを持った指向特性を実現するビームフォーマを想定する。このようなビームフォーマは、直接音源方向θ_Ｄの情報から容易に設定できる。例えば、参考文献１の第４．６章（Ｐ９０〜９７）に記載された「ブロッキング行列」によって表されるフィルタをこのようなビームフォーマとして用いることができる。直接音源方向θ_Ｄから到来した信号成分を抑圧するビームフォーマは、理想的には直接音源方向θ_Ｄから到来した信号成分をゼロにする。すなわち理想的にはＤ（ω，θ_Ｄ）＝０となる。このような理想的なビームフォーマの出力パワースペクトル密度をＰ_ＮＤ（ω）とすると、式（６）から以下が成り立つ。

ここで、Ｄ（ω，θ）がすべてのθについて間接音成分を抑圧しない指向特性を表すといえるのであれば、Ｐ_ＮＤ（ω）は間接音のパワースペクトル密度Ｐ_Ｒ（ω）であるとみなせる。しかしながら、方向θ_Ｄから到来する音のみを抑圧し、方向θ≠θ_Ｄから到来する信号を全く抑圧しない指向特性を得ることは困難である。仮に方向θ≠θ_Ｄから到来する信号を全く抑圧しない指向特性を得ることができたとしても、ここで想定しているビームフォーマは直接音源方向θ_Ｄから到来した音（間接音成分も含む）を抑圧するものであるため、少なくともこの方向θ_Ｄから到来する間接音成分は抑圧される。したがって、Ｄ（ω，θ）がすべてのθについて間接音成分を抑制しない指向特性を表すとは言えない。

そこで提案方式では、Ｄ（ω，θ）を用いて指向性形状補正係数Ｒ（ω）を求め、指向性形状補正係数Ｒ（ω）を用いてＰ_ＮＤ（ω）を補正し、間接音のパワースペクトル密度Ｐ_Ｒ（ω）を推定する。
P_R(ω)=R(ω)P_ND(ω) (9)

例えば、周波数ωごとの｜Ｄ（ω，θ）｜^２の最大値をｍａｘ_θ’｜Ｄ（ω，θ’）｜^２とし、以下のように指向性形状補正係数Ｒ（ω）が設定されてもよい（指向性形状補正係数の具体例１）。

ただし、θ’は｜Ｄ（ω，θ）｜^２を最大化するθを意味する。図５に、式（１０）の分子と分母を模式的に例示する。

或いは、特定の角度領域Θでの｜Ｄ（ω，θ’’）｜^２（θ’’∈Θ）の平均値を分子とし、以下のように指向性形状補正係数Ｒ（ω）が設定されてもよい（指向性形状補正係数の具体例２）。

ただし、||Θ||は角度領域Θの大きさを表す０より大きな有理数である。例えば、||Θ||は以下を満たす。

角度領域Θの具体例は、直接音源方向θ_Ｄを除く何れかの角度領域、直接音源方向θ_Ｄの逆方向を含む角度領域、｜Ｄ（ω，θ）｜^２を最大化する方向θを含む角度領域、予め定められた角度領域の候補のうち｜Ｄ（ω，θ）｜^２の平均値を最大化する角度領域などである。

その他、式（１０）又は式（１１）に補正定数が乗じられたものが指向性形状補正係数Ｒ（ω）とされてもよい（指向性形状補正係数の具体例３）。この場合、音響特性を考慮した周波数依存の補正定数が乗じられてもよいし、周波数不依存の補正定数が乗じられてもよい。或いは、式（８）の分子が周波数依存又は不依存の定数であってもよい（指向性形状補正係数の具体例４）。

提案方式では、指向性形状補正係数Ｒ（ω）を用いてビームフォーマの出力パワースペクトル密度Ｐ_ＮＤ（ω）を補正し、間接音のパワースペクトル密度の推定値Ｐ_Ｒ（ω）を求める。これにより、直接音源方向θ_Ｄから到来し、ビームフォーマによって抑圧された間接音成分を補正でき、間接音のパワースペクトル密度の推定値Ｐ_Ｒ（ω）を精度よく求めることができる。

間接音のパワースペクトル密度の推定値Ｐ_Ｒ（ω）が得られれば、さらに周波数領域信号Ｘ_１（ω，ｔ），...，Ｘ_Ｍ（ω，ｔ）から得られるパワースペクトル密度の推定値Ｐ_Ｘ（ω）を用い、直間比推定値ＤＲＲを得ることができる。例えば、以下の直間比推定値ＤＲＲを得ることができる（直間比推定値ＤＲＲの具体例１）。

或いは、以下のようなデシベル表記の直間比推定値ＤＲＲであってもよい（直間比推定値ＤＲＲの具体例２）。

或いは、以下のように周波数ωごとに直間比推定値ＤＲＲ（ω）が得られてもよい（直間比推定値ＤＲＲの具体例３）。

或いは、式（１２）−（１５）の何れかに定数が乗じられたものが直間比推定値とされてもよいし（直間比推定値ＤＲＲの具体例４）、式（１２）−（１５）の何れかの逆数が直間比推定値とされてもよいし（直間比推定値ＤＲＲの具体例５）、式（１２）−（１５）の何れかの逆数に定数が乗じられたものが直間比推定値とされてもよい（直間比推定値ＤＲＲの具体例６）。その他、式（１２）−（１５）の単調増加関数値が直間比推定値とされてもよい（直間比推定値ＤＲＲの具体例７）。

或いは、Ｋ個のフレームｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋ＫからなるブロックＬに対応する受音信号のみを対象としてＰ_ＮＤ（ω），Ｐ_Ｘ（ω），Ｐ_Ｒ（ω）を求め、ブロックＬごとに直間比推定値ＤＲＲ又はＤＲＲ（ω）（直間比推定値ＤＲＲの具体例１〜７）を求め、それをブロックＬでの直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）としてもよい。ただし、Ｋは１以上の整数定数であり、Ｌはブロックに対応する１以上の整数インデックスである。（直間比推定値ＤＲＲの具体例８）。この場合、Ｋ＝１としたブロック、すなわちフレームごとに直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が得られてもよい。以下においてＫ＝１のブロックはフレームと同義であるとする（直間比推定値ＤＲＲの具体例９）。その他、様々な直間比推定値が想定できる。以下では、このような直間比推定値を総称して「直間比推定値ＤＲＲ」と表現する。

その他、互いに位置の異なる直接音源が複数存在し、直接音源方向θ_Ｄが複数存在する場合も上記と同様に考えることができる。

図６に、実施例１の音響信号強調装置４００の音響信号強調装置の機能構成を例示し、図１０に、音響信号強調装置４００の動作フローを例示する。実施例１の音響信号強調装置４００は、複数のマイクロホンｍ_１，…，ｍ_Ｍから成るマイクロホンアレー４１と、複数の周波数領域変換部４２_１〜４２_Ｍと、処理対象信号生成部４３と、直間比計算部４４と、対象信号調整部４５と、逆周波数領域変換部４６とを具備する。対象信号調整部４５は、フィルタ係数算出部４５１と乗算部４５２とを具備する。マイクロホンアレー４１を除く各機能構成部は、例えばＲＯＭ（read-only memory）、ＲＡＭ（random-access memory）、ＣＰＵ（central processing unit）等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。また、複数のマイクロホンｍ_１，…，ｍ_Ｍは、互いに異なる位置に配置される。

複数のマイクロホンｍ_１，…，ｍ_Ｍで受音された受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）は、複数の周波数領域変換部４２_１，…，４２_Ｍにそれぞれ入力される。ｎは実時間を表す。周波数領域変換部４２_１，…，４２_Ｍは、受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）をディジタル信号に変換し、フレームごとに周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）に変換して出力する（ステップＳ４２）。例えば周波数領域変換部４２_１，…，４２_Ｍは、受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）を、サンプリング周波数１６ｋＨｚでサンプリングしてディジタル信号に変換し、例えば２５６個のサンプルを１フレームとして、それぞれのフレームにおいて離散フーリエ変換を行って周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）を生成して出力する（ステップＳ４２）。なお、受音信号ｘ_ｍ（ｎ）（ｍ∈｛１，…，Ｍ｝）はマイクロホンｍ_ｍで受音された音響信号を表し、周波数領域信号Ｘ_ｍ（ω，ｔ）は受音信号ｘ_ｍ（ｎ）に対応する。受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）をディジタル信号に変換するＡ／Ｄ変換器は図面から省略されている。

処理対象信号生成部４３は、周波数領域信号Ｘ₁（ω，ｔ），…，Ｘ_M（ω，ｔ）を入力とし、処理対象信号Ｙ（ω，ｔ）を生成して出力する（ステップＳ４３）。処理対象信号生成部４３及びステップＳ４３の詳細は後述する。

直間比計算部４４は、周波数領域信号Ｘ₁（ω，ｔ），…，Ｘ_M（ω，ｔ）を入力として、周波数領域信号Ｘ₁（ω，ｔ），…，Ｘ_M（ω，ｔ）の直間比推定値ＤＲＲを生成して出力する（ステップＳ４４）。直間比計算部４４及びステップＳ４４の詳細は後述する。

対象信号調整部４５は、処理対象信号Ｙ（ω，ｔ）と直間比推定値ＤＲＲを入力とし、直間比推定値ＤＲＲに応じて処理対象信号Ｙ（ω，ｔ）の振幅を調整した処理後信号Ｚ（ω，ｔ）を生成して出力する。言い換えると、対象信号調整部４５は、直間比推定値ＤＲＲに応じた大きさのゲイン（フィルタ係数）を処理対象信号Ｙ（ω，ｔ）に乗じ、それによって処理後信号Ｚ（ω，ｔ）を生成して出力する（ステップＳ４５）。

直間比推定値ＤＲＲに応じてどのような大きさのゲインを定めるかは、マイクロホンアレー４１からどのような距離範囲にある直接音源から発せられた音を強調するのかに依存する。例えば、マイクロホンアレー４１に近い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率が所定の閾値よりも大きい場合に処理対象信号に乗じられるゲインを、当該比率が上記所定の閾値よりも小さい場合に処理対象信号に乗じられるゲインよりも大きくする。例えば、マイクロホンアレー４１により遠い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率が所定の閾値よりも大きい場合に処理対象信号に乗じられるゲインＧ（ω，ｔ）を、当該比率が上記所定の閾値よりも小さい場合に処理対象信号に乗じられるゲインよりも小さくする。

直間比推定値ＤＲＲに応じてどのような大きさのゲインを定めるかは、前述のように、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率と所定の閾値との大小比較により決定する方法に限らない。例えば、マイクロホンアレー４１に近い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率が第１値である場合に処理対象信号に乗じられるゲインを、当該比率が第１値よりも小さな第２値である場合に処理対象信号に乗じられるゲインよりも大きくする。例えば、マイクロホンアレー４１に遠い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率が第１値である場合に処理対象信号に乗じられるゲインＧ（ω，ｔ）を、当該比率が第１値よりも小さな第２値である場合に処理対象信号に乗じられるゲインよりも小さくする。対象信号調整部４５及びステップＳ４５の詳細は後述する。

逆周波数領域変換部４６は、入力された処理後信号Ｚ（ω，ｔ）を時間領域の信号ｚ（ｎ’）に変換して出力する（ステップＳ４６）。ｎ’は離散時間を表す。例えば、逆周波数領域変換部４６は、逆フーリエ変換によって処理後信号Ｚ（ω，ｔ）を時間領域の信号ｚ（ｎ’）に変換して出力する。

ステップＳ４１〜ステップＳ４６までの動作は、例えば、マイクロホンｍ_１，…，ｍ_Ｍで受音されたすべての受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）に対する処理が終了するまで繰り返される。以上の動作により、マイクロホンアレーによって、例えば、特定の距離範囲にある音を強調し、相対的にその範囲外の音を抑圧して収音することができる。以降、各部及びステップのより具体的な例を示す。

〔処理対象信号生成部４３／ステップＳ４３〕
処理対象信号Ｙ（ω，ｔ）の一例は、周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）の合成信号である。処理対象信号Ｙ（ω，ｔ）の他の例は、何れか１個のマイクロホンｍ’（ｍ’∈｛１，…，Ｍ｝）に対応する周波数領域信号Ｘ_ｍ’（ω，ｔ）や、Ｘ_ｍ’（ω，ｔ）の重み付け値である。

図７に処理対象信号生成部４３の機能構成例を示す。図７に例示する処理対象信号生成部４３は、複数の重み乗算部４３１_１〜４３１_Ｍと、加算部４３２を備える。周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）は、重み乗算部４３１_１〜４３１_Ｍにそれぞれ入力される。周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）は、重み係数ｗ_１（ω），…，ｗ_Ｍ（ω）を周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）にそれぞれ乗じ、重み付け周波数領域信号ｗ_１（ω）Ｘ_１（ω，ｔ），…，ｗ_Ｍ（ω）Ｘ_Ｍ（ω，ｔ）を生成して出力する。

例えば、無指向性のＭ個のマイクロホンｍ_１，…，ｍ_Ｍが用いられる場合、ｗ_１（ω）＝…＝ｗ_Ｍ（ω）＝１／Ｍとし、Ｍ個の周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）の平均値を処理対象信号Ｙ（ω，ｔ）することで、処理対象信号Ｙ（ω，ｔ）を安定化させることができる。またｗ_１＝１，ｗ_ｍ＝０（ｍ∈｛２，…，Ｍ｝）とすることで、特定のマイクロホンｍ_１の受音信号だけを使用することができる。例えば、指向性を持つＭ個のマイクロホンｍ_１，…，ｍ_Ｍが用いられる場合、ｗ_ｍ’＝１，ｗ_ｍ’’＝０（ｍ’，ｍ’’∈｛２，…，Ｍ｝）として特定のマイクロホンｍ_ｍ’の受音信号だけを使用することで、任意の指向性を得ることもできる。その他、例えば参考文献２「大賀、山崎、金田著、“音響システムとディジタル信号処理”電子情報通信学会発行」に記載されているような重みビームフォーミングのフィルタ係数を重み係数ｗ₁（ω），…，ｗ_M（ω）として用い、任意の指向性を実現してもよい。さらに所望音源の近くに別のマイクロホンがある場合には、そのマイクロホンの観測信号を周波数領域変換した信号を処理対象信号生成部の出力としても良い。

重み付け周波数領域信号ｗ_１（ω）Ｘ_１（ω，ｔ），…，ｗ_Ｍ（ω）Ｘ_Ｍ（ω，ｔ）は加算部４３２に入力される。加算部４３２は、重み付け周波数領域信号ｗ_１（ω）Ｘ_１（ω，ｔ），…，ｗ_Ｍ（ω）Ｘ_Ｍ（ω，ｔ）を加算して処理対象信号Ｙ（ω，ｔ）を出力する。その際、前述した基準点に対するマイクロホンｍ_１，…，ｍ_Ｍの伝搬遅延が補正されてもよい。

〔直間比計算部４４／ステップＳ４４〕
以下ではパワースペクトル密度又はその推定値をパワー推定値とした例を示す。
図９に例示するように、直間比計算部４４は、受音パワー推定部４４１と、重み係数記憶部４４２と、指向性形成部４４３と、直接音抑圧パワー推定部４４４と、指向性形状分析部４４５と、間接音パワー推定部４４６と、直間比推定部４４７とを備える。

図８及び９に例示するように、周波数領域変換部４２_１，…，４２_Ｍから出力された周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）は、直間比計算部４４の受音パワー推定部４４１と指向性形成部４４３に入力される。受音パワー推定部４４１は、周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）を用い、受音信号に対応する周波数領域信号のパワー推定値を生成して出力する。このパワー推定値は、何れか１個のマイクロホンｍ_ｍ（ｍ∈｛１，…，Ｍ｝）に対応する周波数領域信号Ｘ_ｍ（ω，ｔ）のパワー推定値であってもよいし、周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）それぞれのパワー推定値を重み付け平均したものであってもよい。実施例１では、受音信号に対応する周波数領域信号のパワー推定値としてパワースペクトル密度Ｐ_Ｘ（ω）を求める。ここでは、Ｋ個のフレーム（Ｌ−１）＋１，...，（Ｌ−１）＋ＫからなるブロックＬごとにパワースペクトル密度Ｐ_Ｘ（ω）が得られる例を示し、ブロックＬで得られるパワースペクトル密度Ｐ_Ｘ（ω）をＰ_Ｘ，Ｌ（ω）と表す。式（１６）は１個のマイクロホンｍ_ｍのパワースペクトル密度をＰ_Ｘ，Ｌ（ω）とする例であり、式（１７）は周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）それぞれのパワースペクトル密度の重み付け平均値をＰ_Ｘ，Ｌ（ω）とする例である。

重み係数記憶部４４２には、前述した直接音源方向θ_Ｄから到来した信号成分を抑圧するビームフォーマのフィルタ係数Ｗ_１（ω），...，Ｗ_Ｍ（ω）が格納されている。指向性形成部４４３は、重み係数記憶部４４２から読み出したフィルタ係数Ｗ_１（ω），...，Ｗ_Ｍ（ω）を用い、入力された周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）に対して直接音源方向θ_Ｄから到来した信号成分を抑圧する処理を行い、それによって得られた直接音抑圧信号ＮＤ（ω，ｔ）を生成して出力する。例えば、指向性形成部４４３は、以下のように直接音抑圧信号ＮＤ（ω，ｔ）を生成する。

直接音抑圧パワー推定部４４４には、直接音抑圧信号ＮＤ（ω，ｔ）を入力とし、直接音抑圧信号ＮＤ（ω，ｔ）のパワー推定値を生成して出力する。実施例１では、直接音抑圧信号Ｘ（ω，ｔ）のパワー推定値としてパワースペクトル密度Ｐ_ＮＤ（ω）を求める。ここでは、ブロックＬごとにパワースペクトル密度Ｐ_ＮＤ（ω）が得られる例を示し、ブロックＬで得られるパワースペクトル密度Ｐ_ＮＤ（ω）をＰ_ＮＤ，Ｌ（ω）と表す。

指向性形状分析部４４５は、重み係数記憶部４４２から読み出したフィルタ係数Ｗ_１（ω），…，Ｗ_Ｍ（ω）を用い、前述した直接音源方向θ_Ｄから到来した信号成分を抑圧するビームフォーマによって形成される指向特性を表す関数Ｄ（ω，θ）、すなわち指向性の形状を生成して出力する。例えば、指向性形状分析部４４５は、マイクロホンアレー４１の基準点及びマイクロホンｍ_１，…，ｍ_Ｍに対応するＡ_θ（ω）等の情報を事前に取得しており、これらとフィルタ係数Ｗ_１（ω），…，Ｗ_Ｍ（ω）とを用い、例えば式（５）に従ってＤ（ω，θ）を生成する。さらに指向性形状分析部４４５は、Ｄ（ω，θ）を用いて指向性形状補正係数Ｒ（ω）を生成して出力する。指向性形状補正係数Ｒ（ω）の例は、前述した指向性形状補正係数の具体例１〜４である。

間接音パワー推定部４４６には、直接音抑圧信号ＮＤ（ω，ｔ）のパワー推定値であるパワースペクトル密度をＰ_ＮＤ，Ｌ（ω）と、指向性形状補正係数Ｒ（ω）とが入力される。間接音パワー推定部４４６は、指向性形状補正係数Ｒ（ω）を用い、直接音抑圧信号ＮＤ（ω，ｔ）のパワー推定値であるパワースペクトル密度Ｐ_ＮＤ，Ｌ（ω）を補正し、間接音のパワー推定値を生成して出力する。実施例１では、以下のように間接音のパワースペクトル密度の推定値Ｐ_Ｒ（ω）をブロックＬごとに求める。なお、ブロックＬでのパワースペクトル密度の推定値Ｐ_Ｒ（ω）をＰ_Ｒ，Ｌ（ω）と表現する。
P_R,L(ω)=R(ω)P_ND,L(ω) (20)

直間比推定部４４７には、周波数領域信号のパワー推定値であるパワースペクトル密度Ｐ_Ｘ，Ｌ（ω）及び間接音のパワー推定値であるパワースペクトル密度の推定値Ｐ_Ｒ，Ｌ（ω）が入力される。直間比推定部４４７は、これらを用いて周波数領域信号Ｘ₁（ω，ｔ），…，Ｘ_M（ω，ｔ）の直間比推定値ＤＲＲを生成して出力する。直間比推定値ＤＲＲの例は、直間比推定値ＤＲＲの具体例１〜９である。実施例１では、直間比推定値ＤＲＲの具体例１〜９のＰ_Ｘ（ω）をＰ_Ｘ，Ｌ（ω）に、Ｐ_Ｒ（ω）をＰ_Ｒ，Ｌ（ω）に、それぞれ置換して得られる直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が得られることにする。

〔対象信号調整部４５／ステップＳ４５〕
図６に例示するように、信号調整部４５は、例えば、フィルタ係数算出部４５１と、乗算部４５２とを具備する。フィルタ係数算出部４５１は、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）を入力として、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）に応じた大きさのゲイン（フィルタ係数）Ｇ（ω，ｔ）を定めて出力する。

周波数ωごとの直間比推定値ＤＲＲ_Ｌ（ω）が入力される場合、フィルタ係数算出部４５は、例えば、各直間比推定値ＤＲＲ_Ｌ（ω）に応じ、周波数ω及びブロックＬに属する各フレームｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋに対応するゲインＧ（ω，ｔ）を定める。周波数ωに依存しない直間比推定値ＤＲＲ_Ｌが入力される場合、フィルタ係数算出部４５は、例えば、各直間比推定値ＤＲＲ_Ｌに応じ、ブロックＬに属する各フレームｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋに対応する全周波数ωでのゲインＧ（ω，ｔ）を定める。

前述のように、例えば、マイクロホンアレー４１に近い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が表す間接音のパワー推定値に対する直接音のパワー推定値の比率が所定の閾値よりも大きい場合のゲインＧ（ω，ｔ）（ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋ）を、当該比率が上記所定の閾値よりも小さい場合のゲインＧ（ω，ｔ）よりも大きくする。例えば、マイクロホンアレー４１に遠い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が表す間接音のパワー推定値に対する直接音のパワー推定値の比率が所定の閾値よりも大きい場合のゲインＧ（ω，ｔ）（ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋ）を、当該比率が上記所定の閾値よりも小さい場合のゲインＧ（ω，ｔ）よりも小さくする。

例えば、式（２１）又は（２２）に示すようにゲインＧ（ω，ｔ）を定めた場合、特定の距離範囲より近い直接音源から発せられた音を強調することができる。

ただし、ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋである。直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）の最小値と最大値の間の任意の値が閾値Ｔｈ_１とされる。閾値Ｔｈ_１を最小値（０）に近づけると音質は向上する。逆に閾値Ｔｈ_１を最大値に近づけると雑音抑圧効果は高めるが受音信号の歪みが大きくなり音質が劣化する。このように閾値Ｔｈ_１は、音質と雑音抑圧との関係でトレードオフの関係を持つ。よって、閾値Ｔｈ_１は、このトレードオフの関係を考慮した上で、利用目的に応じて経験的に決定される。

或いは例えば、式（２３）又は（２４）に示すようにゲインＧ（ω，ｔ）を定めた場合、特定の距離範囲より遠い直接音源から発せられた音を強調することができる。

ただし、ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋである。直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）の最小値と最大値の間の任意の値が閾値Ｔｈ_２とされる。

なお、式（２１）〜（２４）ではゲインＧ（ω，ｔ）が０か１をとる例を挙げたが、これは本発明を限定しない。すなわち、閾値判定の結果に応じ、ゲインＧ（ω，ｔ）がその他の２値（例えば、０.１と０.９）の何れかとされてもよい。また、ゲインＧ（ω，ｔ）が１以上の実数であってもよい。つまり、処理対象信号Ｙ（ω，ｔ）を増幅するゲインＧ（ω，ｔ）が定められてもよい。また、処理対象信号Ｙ（ω，ｔ）を大きく抑圧するゲインＧ（ω，ｔ）（例えば０.１以下の値）が定められてもよい。また、前述のように、直間比推定値ＤＲＲに応じてどのような大きさのゲインを定めるかは、直間比推定値ＤＲＲが表す間接音のパワー推定値に対する直接音のパワー推定値の比率と所定の閾値との大小比較により決定する方法に限らない。その場合、例えば、マイクロホンアレー４１に近い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が表す間接音のパワー推定値に対する直接音のパワー推定値の比率が第１値である場合のゲインＧ（ω，ｔ）（ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋ）を、当該比率が第１値よりも小さな第２値である場合のゲインＧ（ω，ｔ）よりも大きくする。例えば、マイクロホンアレー４１に遠い直接音源から発せられた音をより強調する場合には、直間比推定値ＤＲＲ_Ｌ又はＤＲＲ_Ｌ（ω）が表す間接音のパワー推定値に対する直接音のパワー推定値の比率が第１値である場合のゲインＧ（ω，ｔ）（ｔ＝（Ｌ−１）＋１，...，（Ｌ−１）＋Ｋ）を、当該比率が第１値よりも小さな第２値である場合のゲインＧ（ω，ｔ）よりも小さくする。すなわち、閾値判定によってゲインＧ（ω，ｔ）を定めるのではなく、直間比推定値やその関数値がゲインＧ（ω，ｔ）とされてもよい。例えば、以下の式（２５）〜（２８）のようにゲインＧ（ω，ｔ）が定められてもよい。
G(ω,t)=DRR_L (t=(L-1)+1,...,(L-1)+K) (25)
G(ω,t)=DRR_L(ω) (t=(L-1)+1,...,(L-1)+K) (26)
G(ω,t)=F(DRR_L) (t=(L-1)+1,...,(L-1)+K) (27)
G(ω,t)=F(DRR_L(ω)) (t=(L-1)+1,...,(L-1)+K) (28)
ただし、Fは単調増加関数又は単調減少関数などの関数である。

フィルタ係数算出部４５１から出力されたゲインＧ（ω，ｔ）と、処理対象信号生成部４３から出力された処理対象信号Ｙ（ω，ｔ）は、乗算部４５２に入力される。乗算部４５２は、ゲインＧ（ω，ｔ）を処理対象信号Ｙ（ω，ｔ）に乗じて、処理後信号Ｚ（ω，ｔ）＝Ｇ（ω，ｔ）Ｙ（ω，t）を生成して出力する。

実施例２では、実施例１と同様に求めた直間比推定値を用い、直接音源の遠近判定を行って遠近判定結果を生成する。すなわち、直間比推定値がフレームで受音された受音信号に基づいて得られ、１個以上のフレームからなる判定区間で受音された受音信号に基づいて得られた直間比推定値に対応する判定値と、判定区間よりも多くの個数のフレームからなる基準区間で受音された受音信号に基づいて得られた複数の直間比推定値に対応する基準値とを用いた比較判定によって、判定区間での直接音源の遠近判定が行われる。

判定区間の例は、フレームやブロックである。基準区間の例は、複数のフレーム、ブロック、複数のブロックである。リアルタイム処理の場合には、基準区間は判定区間より過去の区間であるか、判定区間を含むそれより過去の区間である。バッチ処理の場合には、基準区間は判定区間より過去の区間であってもよいし、未来の区間であってもよいし、判定区間を含む区間であってもよい。判定値の例は、直間比推定値又は直間比推定値の単調増加関数値などの関数値である。基準値の例は、基準区間で受音された受音信号に基づいて得られた複数の直間比推定値の平均値、期待値、重み付け加算値である。直接音源の遠近判定では、例えば、判定値と基準値とを用いた比較判定によって、基準値が判定値よりも大きい場合に第１遠近判定結果を表す値（例えば１）を出力し、そうでない場合に第２遠近判定結果を表す値（例えば２）を出力する。判定値と基準値とを用いた比較判定の例は、判定値と基準値との大小判定、基準値に対する判定値の比率を表す値と閾値との大小判定などである。第１，２遠近判定結果の一方は「直接音源が遠い」ことを意味し、他方は「直接音源が近い」ことを意味する。第１，２遠近判定結果の何れが「直接音源が遠い」ことを意味するかは、直間比推定値の定義によって異なる。例えば、判定値が判定区間での間接音のパワー推定値に対する直接音のパワー推定値の比率を表し、基準値が基準区間での間接音のパワー推定値に対する直接音のパワー推定値の比率の平均値を表す場合、判定値が基準値よりも小さいのであれば、直接音源が遠いことを表す遠近判定結果が生成され、そうでなければ直接音源が近いことを表す遠近判定結果が生成される。以下に具体例を説明する。

図１１に、実施例２の遠近判定装置１２０の機能構成例を示す。遠近判定装置１２０は、マイクロホンアレー４１と、複数の周波数領域変換部４１₁〜４１_mと、直間比計算部４４と、遠近判定部１２１とを備える。遠近判定部１２１は、蓄積部１２１１と、判定部１２１２を備える。マイクロホンアレー４１と、複数の周波数領域変換部４１₁〜４１_mと、直間比計算部４４とは、音響信号強調装置４００のものと同じである。遠近判定装置１２０も、マイクロホンアレー４１を除く各機能構成部は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現される。

遠近判定装置１２０は、マイクロホンアレー４１の基準点からの距離が異なる複数の直接音源が異なる時刻に発音するときに、ある時刻に受音された音の音源が遠くにあるのか近くにあるのかを判定する。複数の直接音源は同一の直接音源方向に存在してもよいし、異なる直接音源方向に存在してもよい。遠近判定装置１２０を構成する遠近判定部１２１は、周波数平均部１２１０と、蓄積部１２１１と、判定部１２１２とを備える。

以下では直間比相当値としてＤＲＲ_Ｌを用いた場合を例示するが、これは本発明を限定しない。すなわち、直間比相当値ＤＲＲ_Ｌの代わりに何れかの周波数ωに対応する直間比相当値ＤＲＲ_Ｌ（ω）が用いられてもよいし、式（２９）の直間比相当値ＤＲＲ_Ｌ（ω）の重み付け加算値ＤＲＲ_Ｌ ^-が用いられてもよい。

ただしγ（ω）は重み係数であり、γ（ω）の一例は１／Γである。Γは周波数の総数であり、例えば、周波数領域変換部４２_１〜４２_Ｍが短時間フーリエ変換を行う場合、Γはは周波数ビンの総数となる。

また以下では、直間比相当値ＤＲＲ_Ｌが間接音のパワー推定値に対する直接音のパワー推定値の比率である場合を例示するが、その他の値を直間比相当値としてよいことは前述した通りである。

直間比計算部４４から出力されたＤＲＲ_Ｌは蓄積部１２１１と判定部１２１２に入力される。蓄積部１２１１は、例えば、直間比相当値ＤＲＲ_Ｌを過去σ個（σは２以上の整数）のブロック（基準区間の例）分蓄積して、当該σ個のブロック分のＤＲＲ_Ｌに対応する基準値ＤＲＲ’を出力する。基準値ＤＲＲ’には、例えば、例えば蓄積されたσ個のブロック分のＤＲＲ_Ｌの平均値や、蓄積されたσ個のブロックでのＤＲＲ_Ｌの最小値と最大値との平均値等が用いられる。

判定部１２１２は、ブロックＬ（判定区間の例）での直間比相当値ＤＲＲ_Ｌを判定値とし、基準値ＤＲＲ’と判定値ＤＲＲ_Ｌを比較する。ＤＲＲ’＞ＤＲＲ_Ｌの場合、判定部１２１２は、距離が遠いことを表す遠近判定結果Ｙ（Ｌ）（例えばＹ（Ｌ）＝１）を出力する。そうでない場合、判定部１２１２は距離が近いことを表す遠近判定結果Ｙ（Ｌ）（例えばＹ（Ｌ）＝０）を出力する。この遠近判定結果Ｙ（Ｌ）は、ブロックＬでの受音信号が、比較的近い直接音源からの音であるか、又は、比較的遠い直接音源からの音であるかを表すものである。この遠近判定結果Ｙ（Ｌ）を用いることで、逐次入力される受音信号を、マイクロホンとその直接音源間との距離によって切り分けることが可能である。つまり、複数の直接音源の音を、マイクロホンからの距離に応じて選択することができる。

なお、本発明は上述の実施形態に限定されるものではない。
例えば、上述の周波数領域で行われた処理の一部が時間領域で実行されてもよい。
例えば、上述の実施形態では、指向性形成部４４３が、周波数領域のフィルタ係数Ｗ_１（ω），...，Ｗ_Ｍ（ω）を周波数領域信号Ｘ_１（ω，ｔ），…，Ｘ_Ｍ（ω，ｔ）に適用し、それによって直接音源方向θ_Ｄから到来した信号成分を抑圧した直接音抑圧信号ＮＤ（ω，ｔ）を生成した。しかしながら、時間領域で受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）のディジタル信号に対して直接音源方向から到来した信号成分を抑圧する処理を行い、それによって得られた信号を周波数領域に変換して直接音抑圧信号ＮＤ（ω，ｔ）が生成されてもよい。すなわち、受音信号ｘ_１（ｎ），…，ｘ_Ｍ（ｎ）のディジタル信号に対し、フィルタ係数Ｗ_１（ω），...，Ｗ_Ｍ（ω）に対応する時間領域のフィルタ係数を畳み込み、その結果を周波数領域に変換して直接音抑圧信号ＮＤ（ω，ｔ）が生成されてもよい。
また、上述の実施形態では、処理対象信号生成部４３が処理対象信号Ｙ（ω，ｔ）を出力し、対象信号調整部４５が、直間比推定値ＤＲＲに応じた大きさのゲインを処理対象信号Ｙ（ω，ｔ）に乗じた。しかしながら、処理対象信号生成部４３がＹ（ω，ｔ）を時間領域に変換した信号ｙ（ｎ’）を出力し、対象信号調整部４５が、直間比推定値ＤＲＲに応じた大きさのゲインを時間領域の信号ｙ（ｎ’）に乗じてもよい。この場合には逆周波数領域変換部４６は不要となる。

音響信号強調装置４００や遠近判定装置１２０に含まれる機能構成が外部の装置によって実現されてもよい。例えば、音響信号強調装置４００や遠近判定装置１２０が、マイクロホンアレーが含まず、外部のマイクロホンアレーに接続されて同様の機能が実現されてもよい。同様に、音響信号強調装置４００や遠近判定装置１２０が、周波数領域変換部や逆周波数領域変換部を含まず、外部の周波数領域変換部や逆周波数領域変換部を利用して同様の機能が実現されてもよい。

その他、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。

また、上述の構成をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体の例は、非一時的な（non-transitory）記録媒体である。このような記録媒体の例は、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等である。

このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録装置に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。

実施例では、コンピュータ上で所定のプログラムを実行させることにより、各装置を構成することとしたが、これらの処理内容の少なくとも一部がハードウェアで実現されてもよい。

４００ 音響信号強調装置
１２０ 遠近判定装置

Claims (11)

1. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定部と、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定部と、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定部と、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定部と、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整部を有し、
   前記直間比推定値が表す前記比率が所定の閾値よりも大きい場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記所定の閾値よりも小さい場合に前記処理対象信号に乗じられる前記ゲインよりも大きい、音響信号強調装置。
2. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定部と、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定部と、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定部と、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定部と、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整部を有し、
   前記直間比推定値が表す前記比率が所定の閾値よりも大きい場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記所定の閾値よりも小さい場合に前記処理対象信号に乗じられる前記ゲインよりも小さい、音響信号強調装置。
3. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定部と、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定部と、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定部と、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定部と、
   前記直間比推定値を用い、前記直接音源の遠近判定を行って遠近判定結果を得る遠近判定部を有し、
   前記直間比推定値は、所定の時間区間であるフレームで受音された前記受音信号に基づいて得られ、
   前記遠近判定部は、１個以上のフレームからなる判定区間で受音された前記受音信号に基づいて得られた前記直間比推定値に対応する判定値と、前記判定区間よりも多くの個数のフレームからなる基準区間で受音された前記受音信号に基づいて得られた複数の前記直間比推定値に対応する基準値とを用いた比較判定によって、前記判定区間での前記直接音源の遠近判定を行う、遠近判定装置。
4. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定部と、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定部と、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定部と、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定部と、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整部を有し、
   前記直間比推定値が表す前記比率が第１値である場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記第１値よりも小さな第２値である場合に前記処理対象信号に乗じられる前記ゲインよりも大きい、音響信号強調装置。
5. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定部と、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定部と、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定部と、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定部と、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整部を有し、
   前記直間比推定値が表す前記比率が第１値である場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記第１値よりも小さな第２値である場合に前記処理対象信号に乗じられる前記ゲインよりも小さい、音響信号強調装置。
6. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定ステップと、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定ステップと、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定ステップと、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定ステップと、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整ステップを有し、
   前記直間比推定値が表す前記比率が所定の閾値よりも大きい場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記所定の閾値よりも小さい場合に前記処理対象信号に乗じられる前記ゲインよりも大きい、音響信号強調方法。
7. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定ステップと、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定ステップと、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定ステップと、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定ステップと、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整ステップを有し、
   前記直間比推定値が表す前記比率が所定の閾値よりも大きい場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が上記所定の閾値よりも小さい場合に前記処理対象信号に乗じられる前記ゲインよりも小さい、音響信号強調方法。
8. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定ステップと、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定ステップと、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定ステップと、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定ステップと、
   前記直間比推定値を用い、前記直接音源の遠近判定を行って遠近判定結果を得る遠近判定ステップを有し、
   前記直間比推定値は、所定の時間区間であるフレームで受音された前記受音信号に基づいて得られ、
   前記遠近判定ステップは、１個以上のフレームからなる判定区間で受音された前記受音信号に基づいて得られた前記直間比推定値に対応する判定値と、前記判定区間よりも多くの個数のフレームからなる基準区間で受音された前記受音信号に基づいて得られた複数の前記直間比推定値に対応する基準値とを用いた比較判定によって、前記判定区間での前記直接音源の遠近判定を行う、遠近判定方法。
9. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定ステップと、
   前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定ステップと、
   前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定ステップと、
   前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定ステップと、
   前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整ステップを有し、
   前記直間比推定値が表す前記比率が第１値である場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記第１値よりも小さな第２値である場合に前記処理対象信号に乗じられる前記ゲインよりも大きい、音響信号強調方法。
10. マイクロホンアレーに含まれる複数個のマイクロホンで受音された受音信号を周波数領域に変換して得られる周波数領域信号を用い、前記周波数領域信号のパワー推定値を得る受音パワー推定ステップと、
    前記周波数領域信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた直接音抑圧信号のパワー推定値、又は、前記受音信号に対して直接音源方向から到来した信号成分を抑圧する処理を行って得られた信号を周波数領域に変換して得られた直接音抑圧信号のパワー推定値を得る直接音抑圧パワー推定ステップと、
    前記直接音源方向から到来した信号成分を抑圧する指向特性を表す関数から得られた指向性形状補正係数を用い、前記直接音抑圧信号のパワー推定値を補正し、間接音のパワー推定値を得る間接音パワー推定ステップと、
    前記周波数領域信号のパワー推定値及び前記間接音のパワー推定値を用い、前記間接音のパワー推定値に対する直接音のパワー推定値の比率を表す直間比推定値を得る直間比推定ステップと、
    前記直間比推定値に応じたゲインを前記受音信号から得られる処理対象信号に乗じ、処理後信号を得る対象信号調整ステップを有し、
    前記直間比推定値が表す前記比率が第１値である場合に前記処理対象信号に乗じられる前記ゲインは、前記比率が前記第１値よりも小さな第２値である場合に前記処理対象信号に乗じられる前記ゲインよりも小さい、音響信号強調方法。
11. 請求項１、２、４若しくは５の音響信号強調装置、又は請求項３の遠近判定装置としてコンピュータを機能させるためのプログラム。

Images