JP5772591B2 - 音声信号処理装置 - Google Patents

Description

本発明は、入力された音声信号を処理する音声信号処理装置に関する。

複数のマイクロフォンを備え、各マイクロフォンを介して入力された音声信号を受け付け、受け付けた音声信号を処理する音声信号処理装置が知られている。

この種の音声信号処理装置の一つとして、特許文献１に記載の音声信号処理装置は、あるマイクロフォンを介して受け付けられた音声信号が表す音声の大きさを表すパワー（パワーに相当する増幅率）を周波数毎に取得する。そして、音声信号処理装置は、１つの時点にて取得されたパワー（取得パワー）と、所定の基準パワーと、が周波数毎に一致しているか否かを判定する。この音声信号処理装置は、取得パワーと基準パワーとが一致していないと判定した場合、そのマイクロフォンが故障していると判定する。

特開２００２−１５９０９８号公報

ところで、複数のマイクロフォンは、互いに異なる位置に配置されている。従って、ある位置にて発生した音声が各マイクロフォンに到達する時刻は、マイクロフォン毎に異なる。換言すると、ある時点にて、各マイクロフォンには、互いに異なる時点にて発せられた音声に基づく音声信号が入力される。

このため、例えば、基準パワーとして、あるマイクロフォン（基準マイクロフォン）を介してある時点にて受け付けられた音声信号（基準音声信号）のパワーを用いるように音声信号処理装置が構成されている場合、取得パワーの基となった音声信号と、基準音声信号と、が比較的大きく相違してしまう虞があった。

これに対処するため、複数の時点にて取得されたパワーを平均した値を上記取得パワー及び基準パワーとして用いるように上記音声信号処理装置を構成することが好適であると考えられる。

また、背景雑音のパワーは、時間の経過に伴って変動する。従って、背景雑音に基づいて上記取得パワー及び基準パワーを取得するように音声信号処理装置が構成されている場合にも、複数の時点にて取得されたパワーを平均した値を上記取得パワー及び基準パワーとして用いるように上記音声信号処理装置を構成することが好適であると考えられる。

しかしながら、このように上記音声信号処理装置が構成された場合、音声信号処理装置は、例えば、パワーＰ０がＮ回だけ取得されたときと、パワーＰ０よりも所定量ΔＰだけ小さいパワーＰ１及びパワーＰ０よりも所定量ΔＰだけ大きいパワーＰ２のそれぞれがＮ／２回ずつ取得されたときと、で同一の取得パワーＰ０／Ｎを取得してしまう。

即ち、この場合、音声信号処理装置は、所定の基準音声信号が入力された場合に取得されるパワーと、所定の基準パワーと、が一致しているか否かを高い精度にて判定することができないという問題があった。

このため、本発明の目的は、上述した課題である「所定の基準音声信号が入力された場合に取得されるパワーと、所定の基準パワーと、が一致しているか否かを高い精度にて判定することができないこと」を解決することが可能な音声信号処理装置を提供することにある。

かかる目的を達成するため本発明の一形態である音声信号処理装置は、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
上記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
所定の基準音声信号が上記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定する一致度判定手段と、
を備える。

また、本発明の他の形態である音声信号処理方法は、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得し、
前記取得されたパワーの大きさを確率変数とする確率分布を取得し、
所定の基準音声信号が入力されることにより取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する、方法である。

また、本発明の他の形態である音声信号処理プログラムは、
音声信号処理装置に、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
上記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
所定の基準音声信号が上記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定する一致度判定手段と、
を実現させるためのプログラムである。

本発明は、以上のように構成されることにより、所定の基準音声信号が入力された場合に取得されるパワーと、所定の基準パワーと、が一致しているか否かを高い精度にて判定することができる。

本発明の第１実施形態に係る音声信号処理装置の機能の概略を表すブロック図である。 図１に示した音声信号処理装置のＣＰＵが実行する音声信号処理プログラムを示したフローチャートである。 各マイクロフォンを介して入力された音声信号のパワーの大きさを確率変数とする確率分布を表すグラフである。 各マイクロフォンに対する確率分布が互いに比較的大きく相違する場合における確率分布を表すグラフである。 各マイクロフォンに対する確率分布が互いに略一致する場合における確率分布を表すグラフである。 本発明の第２実施形態に係る音声信号処理装置の機能の概略を表すブロック図である。

本発明の一形態である音声信号処理装置は、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
上記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
所定の基準音声信号が上記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定する一致度判定手段と、
を備える。

これによれば、音声信号処理装置は、取得されたパワーの大きさを確率変数とする確率分布に基づいて、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かを判定する。これにより、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かを高い精度にて判定することができる。

この場合、上記パワー取得手段は、上記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して上記パワーを取得するように構成され、
上記確率分布取得手段は、上記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて上記確率分布を取得するように構成されることが好適である。

この場合、上記一致度判定手段は、上記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に上記一致度が上記基準一致度よりも高いと判定するように構成されることが好適である。

この場合、上記パワー取得手段は、上記パワーを周波数毎に取得するように構成され、
上記確率分布取得手段は、所定の周波数の範囲毎に上記確率分布を取得するように構成されることが好適である。

ところで、パワーの大きさを確率変数とする確率分布は、周波数の範囲毎に異なる。従って、上記のように音声信号処理装置を構成することにより、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かをより一層高い精度にて判定することができる。

この場合、上記パワー取得手段は、上記取得されたパワーを上記基準パワーに近づけるように補正するように構成され、
上記確率分布取得手段は、上記補正されたパワーに基づいて上記確率分布を取得するように構成され、
上記一致度判定手段は、上記基準音声信号が上記パワー取得手段に入力された場合に当該パワー取得手段により補正されたパワーと、上記基準パワーと、が一致している程度を表す一致度が上記基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定するように構成されることが好適である。

これによれば、基準音声信号がパワー取得手段に入力された場合に当該パワー取得手段により補正されたパワーと、基準パワーと、が一致している否かを高い精度にて判定することができる。即ち、パワー取得手段によってパワーが適切に補正されているか否かを判定することができる。

この場合、上記確率分布取得手段は、上記確率分布を表す関数であって、上記確率変数に対して連続的に変化する関数である確率密度関数を推定することにより当該確率分布を取得するように構成されることが好適である。

この場合、上記確率密度関数は、上記確率変数が０から所定のピーク位置値へ向けて増加するにつれて単調に増加し、且つ、当該確率変数が当該ピーク位置値から増加するにつれて単調に減少する関数であることが好適である。

この場合、上記確率密度関数は、ガンマ分布を表す確率密度関数であることが好適である。

背景雑音のパワーを確率変数とする確率分布は、ガンマ分布によりよく表される。従って、上記のように音声信号処理装置を構成することにより、基準音声信号として背景雑音を表す音声信号が用いられた場合に、音声信号処理装置は、パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布をよく表す確率密度関数を推定することができる。

この場合、上記音声信号処理装置は、
周囲の音声を集音し、当該集音した音声を表す音声信号を出力するマイクロフォンを複数備えるとともに、
上記パワー取得手段は、上記複数のマイクロフォンのそれぞれにより出力された音声信号が入力されるように構成されることが好適である。

この場合、上記確率分布取得手段は、上記複数のマイクロフォンのうちの第１のマイクロフォンにより出力された音声信号に基づいて上記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
上記音声信号処理装置は、更に、
上記複数のマイクロフォンのうちの第２のマイクロフォンにより出力された音声信号に基づいて上記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を上記基準確率分布として取得する基準確率分布取得手段を備えることが好適である。

また、上記音声信号処理装置の他の態様において、
上記確率分布取得手段は、上記複数のマイクロフォンのうちの１つにより出力された音声信号に基づいて上記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
上記音声信号処理装置は、更に、
上記複数のマイクロフォンのそれぞれにより出力された音声信号に基づいて上記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を上記基準確率分布として取得する基準確率分布取得手段を備えることが好適である。

この場合、上記確率分布取得手段は、上記複数のマイクロフォンのうちの１つにより出力された音声信号に基づいて上記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
上記一致度判定手段は、上記基準確率分布として、予め記憶された値を用いるように構成されることが好適である。

また、本発明の他の形態である音声信号処理方法は、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得し、
上記取得されたパワーの大きさを確率変数とする確率分布を取得し、
所定の基準音声信号が入力されることにより取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定する、方法である。

この場合、上記音声信号処理方法は、
上記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して上記パワーを取得し、
上記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて上記確率分布を取得することが好適である。

この場合、上記音声信号処理方法は、
上記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に上記一致度が上記基準一致度よりも高いと判定することが好適である。

また、本発明の他の形態である音声信号処理プログラムは、
音声信号処理装置に、
入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
上記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
所定の基準音声信号が上記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを上記取得された確率分布に基づいて判定する一致度判定手段と、
を実現させるためのプログラムである。

この場合、上記パワー取得手段は、上記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して上記パワーを取得するように構成され、
上記確率分布取得手段は、上記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて上記確率分布を取得するように構成されることが好適である。

この場合、上記一致度判定手段は、上記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に上記一致度が上記基準一致度よりも高いと判定するように構成されることが好適である。

上述した構成を有する、音声信号処理方法、又は、音声信号処理プログラム、の発明であっても、上記音声信号処理装置と同様の作用を有するために、上述した本発明の目的を達成することができる。

以下、本発明に係る、音声信号処理装置、音声信号処理方法、及び、音声信号処理プログラム、の実施形態について図１〜図６を参照しながら説明する。

＜第１実施形態＞
（構成）
図１に示したように、第１実施形態に係る音声信号処理装置１は、情報処理装置である。音声信号処理装置１は、図示しない中央処理装置（ＣＰＵ；Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、記憶装置（メモリ及びハードディスク駆動装置（ＨＤＤ；Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ））、及び、入力装置を備える。

入力装置は、複数（本例では、６つ）のマイクロフォンＭＣ１〜ＭＣ６と接続されている。各マイクロフォンＭＣ１〜ＭＣ６は、周囲の音声を集音し、集音した音声を表す音声信号を入力装置へ出力する。入力装置は、各マイクロフォンＭＣ１〜ＭＣ６から出力された音声信号を入力し、入力された音声信号を受け付ける。なお、入力装置は、パワー取得手段の一部を構成している。

上記のように構成された音声信号処理装置１の機能は、音声信号処理装置１のＣＰＵが後述する図２に示したフローチャートにより表される音声信号処理プログラム等を実行することにより、実現される。なお、この機能は、論理回路等のハードウェアにより実現されていてもよい。

この音声信号処理装置１は、複数のマイクロフォンＭＣ１〜ＭＣ６のそれぞれに対して、同様に作動する。従って、以下、複数のマイクロフォンＭＣ１〜ＭＣ６のうちの任意の１つであるマイクロフォンＭＣｋ（ここで、ｋは、１〜６の整数）に対する、音声信号処理装置１の機能及び作動について説明する。

この音声信号処理装置１の機能は、パワー取得部（パワー取得手段）１０と、確率分布取得部（確率分布取得手段、基準確率分布取得手段）２０と、一致度判定部（一致度判定手段）３０と、を含む。

パワー取得部１０は、マイクロフォンＭＣｋから入力された音声信号を受け付ける。パワー取得部１０は、受け付けた音声信号に対してＡ／Ｄ（アナログデジタル）変換処理を行うことにより、音声信号をアナログ信号からデジタル信号に変換する。

更に、パワー取得部１０は、変換後の音声信号を所定の（本例では、一定の）フレーム間隔毎に分割する。パワー取得部１０は、以下の処理を、分割された音声信号の各部分（フレーム信号）に対して行う。

パワー取得部１０は、フレーム信号に対して、所定の前処理（例えば、プリエンファシス処理、及び、窓関数をかける窓掛け処理等）を行う。次いで、パワー取得部１０は、フレーム信号に対して高速フーリエ変換（ＦＦＴ；Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）処理を行うことにより、周波数領域におけるフレーム信号（実数部と虚数部とからなる複素数）を取得する。

そして、パワー取得部１０は、周波数毎に、取得されたフレーム信号の実数部を二乗した値と、取得されたフレーム信号の虚数部を二乗した値と、の和をパワー（音声信号のパワー）として算出する。

例えば、デジタル信号として、サンプリング周波数が４４．１ｋＨｚであり且つ１６ビットにて量子化された信号が用いられた場合において、フレーム間隔が１０ｍｓであり、且つ、１０２４点でＦＦＴ処理を行った場合、約４３Ｈｚ毎のパワーｘ_ｉ（ｔ）が算出される。ここで、ｉは周波数に対応する番号（この例では、ｉが１だけ増加することと周波数が約４３Ｈｚだけ増加することとが対応している）であり、ｔは、時間軸におけるフレーム信号の位置を表す番号（例えば、フレームを特定するためのフレーム番号）である。

このように、パワー取得部１０は、マイクロフォンＭＣｋを介して受け付けられた音声信号を所定のフレーム間隔毎に分割し、当該分割された音声信号の各部分（フレーム信号）に対してパワーを周波数毎に算出する。

パワー取得部１０は、算出されたパワーｘ_ｉ（ｔ）を、下記式（１）に基づいて、所定の基準パワーに近づけるように補正する。即ち、パワー取得部１０は、周波数毎に、記憶装置に予め記憶されている補正係数ｆ_ｉを、上記算出されたパワーｘ_ｉ（ｔ）に乗じることにより、当該パワーｘ_ｉ（ｔ）を補正する。

そして、パワー取得部１０は、補正したパワーｙ_ｉ（ｔ）を出力する。ここで、補正係数ｆ_ｉは、周波数に対応する番号ｉ（即ち、周波数）、及び、マイクロフォンＭＣ１〜ＭＣ６を特定するための情報毎に設定された値である。補正係数ｆ_ｉは、算出されたパワーｘ_ｉ（ｔ）が補正されることにより当該パワーｘ_ｉ（ｔ）が上記基準パワーに近づくように設定されている。

確率分布取得部２０は、パワー取得部１０により出力されたパワーｙ_ｉ（ｔ）の大きさを確率変数とする確率分布を取得する。即ち、確率分布取得部２０は、パワー取得部１０により補正されたパワーに基づいて確率分布を取得する、と言うことができる。

具体的には、確率分布取得部２０は、パワー取得部１０により受け付けられた音声信号が背景雑音を表す音声信号である場合、確率分布を取得し、一方、パワー取得部１０により受け付けられた音声信号が背景雑音以外の音声を表す音声信号である場合、確率分布を取得しないように構成されている。なお、本明細書において、背景雑音を表す音声信号は、基準音声信号とも呼ばれる。

ここで、背景雑音は、マイクロフォンＭＣ１〜ＭＣ６の近傍に音源が存在していない状態においてマイクロフォンＭＣ１〜ＭＣ６により集音される音声である。本例では、確率分布取得部２０は、パワー取得部１０により出力されたパワーｙ_ｉ（ｔ）の大きさを所定の期間にわたって平均した値が予め設定された閾値よりも小さい場合、パワー取得部１０により受け付けられた音声信号が背景雑音を表す音声信号であると判定する。

先ず、確率分布取得部２０は、予め設定されたパワーの範囲毎に、パワー取得部１０により出力されたパワーｙ_ｉ（ｔ）のうちの、その範囲内に存在するパワーｙ_ｉ（ｔ）の数（即ち、その範囲内のパワーが出現する頻度）を計数する。

図３は、各マイクロフォンＭＣ１〜ＭＣ６を介して入力された音声信号のパワーの大きさを確率変数とする確率分布を表すグラフである。図３における棒グラフは、頻度に比例する長さを有する。

確率分布取得部２０は、複数（本例では、１００個）のフレーム信号（分割された音声信号の複数の部分）のそれぞれに対して取得されたパワーｙ_ｉ（ｔ）に基づいて上記頻度を計数する。従って、本例では、確率分布取得部２０は、５１２００（＝５１２×１００）個のパワーｙ_ｉ（ｔ）に基づいて上記頻度を計数する。

なお、頻度を計数するために用いるパワーｙ_ｉ（ｔ）の基となるフレーム信号の数が多くなるほど、計数された頻度の統計的ばらつきは小さくなる。一方、当該フレーム信号の数が多くなるほど、背景雑音に突発的に発生する雑音が含まれる可能性が高くなる。従って、頻度を計数するために用いるパワーｙ_ｉ（ｔ）の基となるフレーム信号の数は、１秒乃至１０秒に相当する数であることが好適である。

次に、確率分布取得部２０は、計数された頻度に基づいて、上記確率分布を表す関数であって、上記確率変数に対して連続的に変化する関数である確率密度関数を推定する。これによれば、後述する分布間距離値を算出するための処理負荷を軽減することができる。更に、頻度が計数されていない範囲に対する確率分布を容易に取得することができる。

ところで、図３に示したように、この頻度の分布は、確率変数が０から所定のピーク位置値へ向けて増加するにつれて単調に増加し、且つ、当該確率変数が当該ピーク位置値から増加するにつれて単調に減少する。この頻度の分布（即ち、背景雑音のパワーを確率変数とする確率分布）は、ガンマ分布によりよく表される。ガンマ分布は、下記式（２）により表される確率密度関数によって表される。

上記式（２）により表される確率密度関数Ｐ（ｙ）は、確率変数ｙが０から所定のピーク位置値へ向けて増加するにつれて単調に増加し、且つ、確率変数ｙが当該ピーク位置値から増加するにつれて単調に減少する関数である。

ここで、上記式（２）において、補正後のパワーｙ_ｉ（ｔ）を確率変数ｙと置いている。また、Γ（λ）は、ガンマ関数である。λは、ガンマ分布の形状母数である。σは、ガンマ分布の尺度母数である。

具体的には、確率分布取得部２０は、形状母数λ及び尺度母数σを、計数された頻度に基づいて決定することにより確率密度関数を推定する。本例では、確率分布取得部２０は、最尤推定を行うことにより形状母数λ及び尺度母数σを決定する。これにより、確率分布取得部２０は、図３における実線により示したように、確率密度関数を推定する。

即ち、確率分布取得部２０は、上記確率分布を表す関数であって、上記確率変数に対して連続的に変化する関数である確率密度関数を推定することにより当該確率分布を取得するように構成されている。

一致度判定部３０は、マイクロフォンＭＣ１〜ＭＣ６の任意の２つからなる組み合わせのそれぞれに対して、分布間距離値を算出（取得）する。分布間距離値は、確率分布取得部２０により取得された第１の確率分布と、確率分布取得部２０により取得された第２の確率分布と、が一致している程度が高くなるほど小さくなる値である。

第１の確率分布は、マイクロフォンＭＣ１〜ＭＣ６の任意の２つからなる組み合わせを構成する第１のマイクロフォンにより出力された音声信号に基づいてパワー取得部１０により出力されたパワーの大きさを確率変数とする確率分布である。第２の確率分布は、マイクロフォンＭＣ１〜ＭＣ６の２つの組み合わせを構成する第２のマイクロフォンにより出力された音声信号に基づいてパワー取得部１０により出力されたパワーの大きさを確率変数とする確率分布（基準確率分布）である。

一致度判定部３０は、下記式（３）に基づいて分布間距離値Ｄ_ＫＬを算出する。本例では、分布間距離値Ｄ_ＫＬは、ＫＬ距離（Ｋｕｌｌｂａｃｋ−Ｌｅｉｂｌｅｒ ｄｉｖｅｒｇｅｎｃｅ）とも呼ばれる値である。ここで、ｐ（ｙ）は、第１の確率分布を表す確率密度関数であり、ｑ（ｙ）は、第２の確率分布を表す確率密度関数である。

なお、分布間距離値は、複数の確率分布が互いに一致している程度を表す値であればよく、バタチャリヤ距離（Ｂｈａｔｔａｃｈａｒｙｙａ ｄｉｓｔａｎｃｅ）と呼ばれる値であってもよい。

そして、一致度判定部３０は、マイクロフォンＭＣ１〜ＭＣ６の任意の２つの組み合わせのそれぞれに対して算出された分布間距離値Ｄ_ＫＬの最大値を取得する。次いで、一致度判定部３０は、取得した分布間距離値Ｄ_ＫＬの最大値が、予め設定された基準距離値よりも小さいか否かを判定する。

一致度判定部３０は、取得した分布間距離値Ｄ_ＫＬの最大値が基準距離値よりも小さい場合、一致度が基準一致度よりも高いと判定する。ここで、一致度は、基準音声信号（即ち、背景雑音を表す音声信号）が第１のマイクロフォンを介してパワー取得部１０に入力された場合にパワー取得部１０により出力されるパワーと、基準音声信号が第２のマイクロフォンを介してパワー取得部１０に入力された場合にパワー取得部１０により出力されるパワー（基準パワー）と、が一致している程度を表す。

このように、一致度判定部３０は、一致度が予め設定された基準一致度よりも高いか否かを、確率分布取得部２０により取得された確率分布に基づいて判定している、と言うことができる。

一致度判定部３０は、一致度が基準一致度よりも高いと判定した場合、パワー取得部１０によるパワーの補正が正常に行われている旨を表す正常信号を出力する。一方、一致度判定部３０は、一致度が基準一致度よりも低いと判定した場合、パワー取得部１０によるパワーの補正が正常に行われていない旨を表すエラー信号を出力する。

（作動）
次に、上記のように構成された音声信号処理装置１の作動について説明する。
音声信号処理装置１のＣＰＵは、図２にフローチャートにより示した音声信号処理プログラムを、マイクロフォンＭＣｋを介して音声信号を受け付ける毎に実行するようになっている。

具体的に述べると、ＣＰＵは、音声信号処理プログラムの処理を開始すると、ステップ２０５にて、受け付けた音声信号をフレーム間隔毎に分割し、分割された音声信号の各部分（フレーム信号）に対するパワーｘ_ｉ（ｔ）を算出する。更に、ＣＰＵは、算出されたパワーｘ_ｉ（ｔ）を、上記式（１）に基づいて補正することにより補正後のパワーｙ_ｉ（ｔ）を算出（取得）する（パワー取得工程）。

次いで、ＣＰＵは、ステップ２１０にて、受け付けた音声信号が背景雑音を表す音声信号であるか否かを判定する。
いま、受け付けた音声信号が背景雑音を表す音声信号である場合を想定して説明を続ける。この場合、ＣＰＵは、「Ｙｅｓ」と判定してステップ２１５へ進む。

そして、ＣＰＵは、上記ステップ２０５にて算出されたパワーｙ_ｉ（ｔ）の大きさを確率変数とする確率分布を取得する。
具体的には、ＣＰＵは、予め設定されたパワーの範囲毎に、上記算出されたパワーｙ_ｉ（ｔ）のうちの、その範囲内のパワーｙ_ｉ（ｔ）の数（頻度）を計数する。そして、ＣＰＵは、計数された頻度に基づいて、ガンマ分布の形状母数λ及び尺度母数σを決定することにより上記式（２）により表される確率密度関数を推定する。このようにして、ＣＰＵは、パワーｙ_ｉ（ｔ）の大きさを確率変数とする確率分布を取得する（確率分布取得工程）。

次いで、ＣＰＵは、取得された確率分布と、上記式（３）と、に基づいて、マイクロフォンＭＣ１〜ＭＣ６の任意の２つの組み合わせのそれぞれに対する分布間距離値Ｄ_ＫＬを算出する（ステップ２２０、一致度判定工程の一部）。

そして、ＣＰＵは、マイクロフォンＭＣ１〜ＭＣ６の任意の２つの組み合わせのそれぞれに対して算出した分布間距離値Ｄ_ＫＬの最大値を取得する。次いで、ＣＰＵは、取得した分布間距離値Ｄ_ＫＬの最大値が上記基準距離値（本例では、０．０１）よりも小さいか否かを判定する。これにより、ＣＰＵは、一致度が基準一致度よりも高いか否かを判定する（ステップ２２５、一致度判定工程の一部）。

いま、図４に示したように、各マイクロフォンＭＣ１〜ＭＣ６に対して取得された確率分布が互いに比較的大きく相違している例を想定して説明を続ける。この例では、分布間距離値Ｄ_ＫＬの最大値は、４．５となる。従って、この場合、ＣＰＵは、一致度が基準一致度よりも低いと判定し、エラー信号を出力する。その後、ＣＰＵは、この音声信号処理プログラムの実行を終了する。

次に、図５に示したように、各マイクロフォンＭＣ１〜ＭＣ６に対して取得された確率分布が互いに略一致している例を想定して説明を続ける。この例では、分布間距離値Ｄ_ＫＬの最大値は、０．００４４となる。従って、この場合、ＣＰＵは、一致度が基準一致度よりも高いと判定し、正常信号を出力する。その後、ＣＰＵは、この音声信号処理プログラムの実行を終了する。

なお、受け付けた音声信号が背景雑音を表す音声信号でない場合、ＣＰＵは、ステップ２１０にて「Ｎｏ」と判定して、ステップ２１５〜ステップ２２５の処理を実行することなく、この音声信号処理プログラムの実行を終了する。

以上、説明したように、本発明による音声信号処理装置の第１実施形態によれば、音声信号処理装置１は、取得されたパワーの大きさを確率変数とする確率分布に基づいて、基準音声信号が第１のマイクロフォンを介して入力された場合に取得されるパワーと、基準音声信号が第２のマイクロフォンを介して入力された場合に取得されるパワー（基準パワー）と、が一致しているか否かを判定する。これにより、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かを高い精度にて判定することができる。

また、上記第１実施形態において、音声信号処理装置１は、補正されたパワーに基づいて、確率分布を取得するとともに、一致度が基準一致度よりも高いか否かを判定するように構成されている。

これによれば、基準音声信号がパワー取得部１０に入力された場合にパワー取得部１０により補正されたパワーと、基準パワーと、が一致している否かを高い精度にて判定することができる。即ち、パワー取得部１０によってパワーが適切に補正されているか否かを判定することができる。

更に、上記第１実施形態において、音声信号処理装置１は、パワーの大きさを確率変数とする確率分布を表す関数として、ガンマ分布を表す確率密度関数を用いるように構成されている。これにより、音声信号処理装置１は、パワーの大きさを確率変数とする確率分布をよく表す確率密度関数を推定することができる。

＜第２実施形態＞
次に、本発明の第２実施形態に係る音声信号処理装置について図６を参照しながら説明する。
第２実施形態に係る音声信号処理装置１００の機能は、パワー取得部（パワー取得手段）１１０と、確率分布取得部（確率分布取得手段）１２０と、一致度判定部（一致度判定手段）１３０と、を含む。

パワー取得部１１０は、入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得する。
確率分布取得部１２０は、パワー取得部１１０により取得されたパワーの大きさを確率変数とする確率分布を取得する。

一致度判定部１３０は、所定の基準音声信号がパワー取得部１１０に入力された場合にパワー取得部１１０により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを、確率分布取得部１２０により取得された確率分布に基づいて判定する。

この第２実施形態に係る音声信号処理装置１００によれば、音声信号処理装置１００は、取得されたパワーの大きさを確率変数とする確率分布に基づいて、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かを判定する。これにより、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かを高い精度にて判定することができる。

以上、上記各実施形態を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成及び詳細に、本願発明の範囲内において当業者が理解し得る様々な変更をすることができる。

例えば、上記実施形態においては、確率分布取得部２０は、所定の周波数の範囲毎に確率分布を取得するように構成されていてもよい。ところで、パワーの大きさを確率変数とする確率分布は、周波数の範囲毎に異なる。従って、このように音声信号処理装置を構成することにより、基準音声信号が入力された場合に取得されるパワーと、基準パワーと、が一致しているか否かをより一層高い精度にて判定することができる。

なお、上記実施形態の変形例において、確率分布取得部２０は、確率密度関数を推定することなく、計数された頻度を確率分布として用いるように構成されていてもよい。また、確率分布取得部２０は、確率分布を表す関数として、ガンマ分布を表す確率密度関数を用いるように構成されていたが、ガンマ分布以外の分布（例えば、正規分布等）を表す確率密度関数を用いるように構成されていてもよい。

更に、上記実施形態の変形例において、音声信号処理装置１は、一致度が基準一致度よりも低いと判定した場合に、補正係数ｆ_ｉを設定し直すようにユーザに通知するように構成されていてもよい。また、音声信号処理装置１は、一致度が基準一致度よりも低いと判定した場合に、補正係数ｆ_ｉを変更するように構成されていてもよい。

また、上記実施形態において、音声信号処理装置１は、マイクロフォンＭＣ１〜ＭＣ６の任意の２つからなる組み合わせのすべてに対して分布間距離値を算出し、算出した分布間距離値の最大値に基づいて一致度が基準一致度よりも高いか否かを判定するように構成されていた。

ところで、上記実施形態の変形例において、音声信号処理装置１は、マイクロフォンＭＣ１〜ＭＣ６の１つを基準マイクロフォンとして定め、その基準マイクロフォンと、他のマイクロフォンＭＣ１〜ＭＣ６のそれぞれと、の組み合わせに対して分布間距離値を算出し、算出した分布間距離値の最大値に基づいて一致度が基準一致度よりも高いか否かを判定するように構成されていてもよい。

また、上記実施形態において、音声信号処理装置１は、算出された分布間距離値の最大値に基づいて一致度が基準一致度よりも高いか否かを判定するように構成されていたが、算出された分布間距離値を平均した値に基づいて一致度が基準一致度よりも高いか否かを判定するように構成されていてもよい。

また、上記実施形態において、音声信号処理装置１は、補正後のパワーに基づいて、一致度が基準一致度よりも高いか否かを判定するように構成されていたが、補正前のパワーに基づいて、一致度が基準一致度よりも高いか否かを判定するように構成されていてもよい。これによれば、各マイクロフォンＭＣ１〜ＭＣ６の周波数特性が一致しているか否かを判定することができる。

また、上記実施形態において、音声信号処理装置１が備えるマイクロフォンの数は、６つであったが、１つ以上の任意の数であってもよい。

また、上記実施形態において、確率分布取得部２０は、１つのマイクロフォンにより出力された音声信号に基づいてパワー取得部１０により取得されたパワーの大きさを確率変数とする確率分布を基準確率分布として取得するように構成されていた。

ところで、確率分布取得部２０は、複数のマイクロフォンにより出力された音声信号に基づいてパワー取得部１０により取得されたパワーの大きさを確率変数とする確率分布を基準確率分布として取得するように構成されていてもよい。例えば、確率分布取得部２０は、複数のマイクロフォンＭＣ１〜ＭＣ６に対して取得されたパワーのすべてに基づいて基準確率分布を取得するように構成されていてもよい。

また、一致度判定部３０は、基準確率分布として、記憶装置に予め記憶された値を用いるように構成されていてもよい。

また、上記実施形態においては、確率分布取得部２０は、受け付けられた音声信号が表す音声が背景雑音である場合に確率分布を取得するように構成されていたが、受け付けられた音声信号が表す音声が背景雑音以外の予め定められた音声である場合に確率分布を取得するように構成されていてもよい。

また、上記実施形態においてプログラムは、記憶装置に記憶されていたが、コンピュータが読み取り可能な記録媒体に記憶されていてもよい。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。

また、上記実施形態の他の変形例として、上述した実施形態及び変形例の任意の組み合わせが採用されてもよい。

なお、本発明は、日本国にて２００９年３月１８日に出願された特願２００９−０６５４４３の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願にて開示された内容のすべてが本明細書に含まれるものとする。

本発明は、複数のマイクロフォンを備え、各マイクロフォンを介して入力された音声信号を受け付け、受け付けた音声信号を処理する音声信号処理装置等に適用可能である。

１ 音声信号処理装置
１０ パワー取得部
２０ 確率分布取得部
３０ 一致度判定部
１００ 音声信号処理装置
１１０ パワー取得部
１２０ 確率分布取得部
１３０ 一致度判定部
ＭＣ１〜ＭＣ６ マイクロフォン

Claims (18)

1. 入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
   前記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
   所定の基準音声信号が前記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する一致度判定手段と、
   を備える音声信号処理装置。
2. 請求項１に記載の音声信号処理装置であって、
   前記パワー取得手段は、前記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して前記パワーを取得するように構成され、
   前記確率分布取得手段は、前記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて前記確率分布を取得するように構成された音声信号処理装置。
3. 請求項１又は請求項２に記載の音声信号処理装置であって、
   前記一致度判定手段は、前記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に前記一致度が前記基準一致度よりも高いと判定するように構成された音声信号処理装置。
4. 請求項１乃至請求項３のいずれか一項に記載の音声信号処理装置であって、
   前記パワー取得手段は、前記パワーを周波数毎に取得するように構成され、
   前記確率分布取得手段は、所定の周波数の範囲毎に前記確率分布を取得するように構成された音声信号処理装置。
5. 請求項１乃至請求項４のいずれか一項に記載の音声信号処理装置であって、
   前記パワー取得手段は、前記取得されたパワーを前記基準パワーに近づけるように補正するように構成され、
   前記確率分布取得手段は、前記補正されたパワーに基づいて前記確率分布を取得するように構成され、
   前記一致度判定手段は、前記基準音声信号が前記パワー取得手段に入力された場合に当該パワー取得手段により補正されたパワーと、前記基準パワーと、が一致している程度を表す一致度が前記基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定するように構成された音声信号処理装置。
6. 請求項１乃至請求項５のいずれか一項に記載の音声信号処理装置であって、
   前記確率分布取得手段は、前記確率分布を表す関数であって、前記確率変数に対して連続的に変化する関数である確率密度関数を推定することにより当該確率分布を取得するように構成された音声信号処理装置。
7. 請求項６に記載の音声信号処理装置であって、
   前記確率密度関数は、前記確率変数が０から所定のピーク位置値へ向けて増加するにつれて単調に増加し、且つ、当該確率変数が当該ピーク位置値から増加するにつれて単調に減少する関数である音声信号処理装置。
8. 請求項７に記載の音声信号処理装置であって、
   前記確率密度関数は、ガンマ分布を表す確率密度関数である音声信号処理装置。
9. 請求項１乃至請求項８のいずれか一項に記載の音声信号処理装置であって、
   周囲の音声を集音し、当該集音した音声を表す音声信号を出力するマイクロフォンを複数備えるとともに、
   前記パワー取得手段は、前記複数のマイクロフォンのそれぞれにより出力された音声信号が入力されるように構成された音声信号処理装置。
10. 入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
    前記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
    所定の基準音声信号が前記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する一致度判定手段と、
    を備え、
    前記一致度判定手段は、前記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に前記一致度が前記基準一致度よりも高いと判定するように構成され、
    周囲の音声を集音し、当該集音した音声を表す音声信号を出力するマイクロフォンを複数備えるとともに、
    前記パワー取得手段は、前記複数のマイクロフォンのそれぞれにより出力された音声信号が入力されるように構成され、
    前記確率分布取得手段は、前記複数のマイクロフォンのうちの第１のマイクロフォンにより出力された音声信号に基づいて前記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
    更に、
    前記複数のマイクロフォンのうちの第２のマイクロフォンにより出力された音声信号に基づいて前記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を前記基準確率分布として取得する基準確率分布取得手段を備える音声信号処理装置。
11. 入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
    前記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
    所定の基準音声信号が前記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する一致度判定手段と、
    を備え、
    前記一致度判定手段は、前記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に前記一致度が前記基準一致度よりも高いと判定するように構成され、
    周囲の音声を集音し、当該集音した音声を表す音声信号を出力するマイクロフォンを複数備えるとともに、
    前記パワー取得手段は、前記複数のマイクロフォンのそれぞれにより出力された音声信号が入力されるように構成され、
    前記確率分布取得手段は、前記複数のマイクロフォンのうちの１つにより出力された音声信号に基づいて前記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
    更に、
    前記複数のマイクロフォンのそれぞれにより出力された音声信号に基づいて前記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を前記基準確率分布として取得する基準確率分布取得手段を備える音声信号処理装置。
12. 請求項１０又は請求項１１に記載の音声信号処理装置であって、
    前記確率分布取得手段は、前記複数のマイクロフォンのうちの１つにより出力された音声信号に基づいて前記パワー取得手段により取得されたパワーの大きさを確率変数とする確率分布を取得するように構成され、
    前記一致度判定手段は、前記基準確率分布として、予め記憶された値を用いるように構成された音声信号処理装置。
13. 入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得し、
    前記取得されたパワーの大きさを確率変数とする確率分布を取得し、
    所定の基準音声信号が入力されることにより取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する、音声信号処理方法。
14. 請求項１３に記載の音声信号処理方法であって、
    前記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して前記パワーを取得し、
    前記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて前記確率分布を取得する、音声信号処理方法。
15. 請求項１３又は請求項１４に記載の音声信号処理方法であって、
    前記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に前記一致度が前記基準一致度よりも高いと判定する、音声信号処理方法。
16. 音声信号処理装置に、
    入力された音声信号を受け付けるとともに、当該受け付けた音声信号に基づいて、その音声信号が表す音声の大きさを表すパワーを取得するパワー取得手段と、
    前記取得されたパワーの大きさを確率変数とする確率分布を取得する確率分布取得手段と、
    所定の基準音声信号が前記パワー取得手段に入力された場合に当該パワー取得手段により取得されるパワーと、所定の基準パワーと、が一致している程度を表す一致度が所定の基準一致度よりも高いか否かを前記取得された確率分布に基づいて判定する一致度判定手段と、
    を実現させるための音声信号処理プログラム。
17. 請求項１６に記載の音声信号処理プログラムであって、
    前記パワー取得手段は、前記受け付けた音声信号を所定のフレーム間隔毎に分割し、当該分割された各部分に対して前記パワーを取得するように構成され、
    前記確率分布取得手段は、前記分割された複数の部分のそれぞれに対して取得されたパワーに基づいて前記確率分布を取得するように構成された音声信号処理プログラム。
18. 請求項１６又は請求項１７に記載の音声信号処理プログラムであって、
    前記一致度判定手段は、前記取得された確率分布と、所定の基準確率分布と、が一致している程度が高くなるほど小さくなる分布間距離値を取得し、当該取得した分布間距離値が予め設定された基準距離値よりも小さい場合に前記一致度が前記基準一致度よりも高いと判定するように構成された音声信号処理プログラム。

Images