音響エコー除去装置
【課題】ダブルトークにおける近端話者の音声ｖ（ｔ）を誤検出が少なく簡単な構成で検出することが可能な音響エコー除去装置を提供する。
【解決手段】エコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を生成する適応フィルタ１１と、マイクロホン１７により収音した音声信号ｓ（ｔ）から擬似エコーｙ’（ｔ）を減算する減算部１３と、マイクロホン１７により収音した音声信号ｓ（ｔ）を基に、スピーカ１６からマイクロホン１７までのエコー経路ＥＰにおいて信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分ｅＬ（ｔ）の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出部１２と、ダブルトーク検出部１２によりダブルトークが検出された場合に適応フィルタ１１における擬似エコーｙ’（ｔ）の生成を停止させるステップサイズ制御部１４と、を備える。
【解決手段】エコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を生成する適応フィルタ１１と、マイクロホン１７により収音した音声信号ｓ（ｔ）から擬似エコーｙ’（ｔ）を減算する減算部１３と、マイクロホン１７により収音した音声信号ｓ（ｔ）を基に、スピーカ１６からマイクロホン１７までのエコー経路ＥＰにおいて信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分ｅＬ（ｔ）の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出部１２と、ダブルトーク検出部１２によりダブルトークが検出された場合に適応フィルタ１１における擬似エコーｙ’（ｔ）の生成を停止させるステップサイズ制御部１４と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音響エコー除去装置に関する。
【背景技術】
【０００２】
マイクロホンとスピーカを備えた通話装置を用いて、離れた２地点の話者（一方を近端話者、他方を遠端話者と呼ぶ）が通話を行うシステムは、電話やテレビ会議システムなどに広く用いられている。上記通話装置を用いて通話を行う際、スピーカから送出される音声の一部がマイクロホンに回り込んで相手側の通話装置へ送信され、その相手が自分の声をエコーとして聴取してしまう現象が起きることがある。このような現象が発生すると、通話者は不快感を感じることとなり、また、エコーが激しい場合にはハウリングが起こって通話不能の状態となってしまうおそれもある。こうしたエコーを除去するため、従来、適応フィルタを使ったエコーキャンセラ（音響エコー除去装置）が開発されている。
【０００３】
図５は、従来のエコーキャンセラ２０の構成を示すブロック図である。同図において、近端話者の通話装置（エコーキャンセラ２０を備えている）が受信した遠端話者からの音声信号ｘ（ｔ）は、当該通話装置のスピーカ２６へ入力されて音声として発音されるとともに、適応フィルタ２１へ入力される。スピーカ２６から発音された音声はインパルス応答ｈ（ｔ）で特徴付けられるエコー経路ＥＰを伝達（エコー経路ＥＰやインパルス応答ｈ（ｔ）は時々刻々変化する）して、エコーｙ（ｔ）となってマイクロホン２７により収音される。マイクロホン２７はこのエコーｙ（ｔ）の他、近端話者の音声ｖ（ｔ）も収音し、これらを合成した音声信号ｓ（ｔ）＝ｖ（ｔ）＋ｙ（ｔ）を出力する。
【０００４】
一方、適応フィルタ２１は、スピーカ２６からマイクロホン２７までのエコー経路ＥＰのインパルス応答をｈ’（ｔ）として推定することによりそのフィルタ係数を設定し、入力された音声信号ｘ（ｔ）から実際のエコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を動的に生成する。ここでインパルス応答ｈ’（ｔ）の推定は、減算部２３の出力であるエコーを除去した信号ｅ（ｔ）が最も小さくなるように、適応的に行う。減算部２３は、マイクロホン２７の出力ｓ（ｔ）から擬似エコーｙ’（ｔ）を減算する。これにより、マイクロホン２７で収音した音声からエコーを除去（キャンセル）した信号ｅ（ｔ）を得ることができる。
【０００５】
ここで、適応フィルタ２１には、ＮＬＭＳ（Ｎｏｒｍａｌｉｚｅｄ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ：規格化最小２乗平均）、ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ：再帰最小２乗）、ＡＰＡ（Ａｆｆｉｎｅ Ｐｒｏｊｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ：アフィン射影アルゴリズム）等の各種アルゴリズムを用いることができるが、いずれのアルゴリズムを用いた場合も、近端話者の音声ｖ（ｔ）がある時に適応フィルタ２１のフィルタ係数を更新すると、フィルタ係数が誤って調整されることとなり、エコーの除去が適切に行われなくなってしまう。これを避けるため、近端話者の音声ｖ（ｔ）をダブルトーク検出部２２（遠端話者と近端話者が同時に音声を発することをダブルトークと呼ぶ）により検出して、近端話者の音声ｖ（ｔ）が存在する時は適応フィルタ２１がフィルタ係数を更新しないようにしている。つまり、近端話者の音声ｖ（ｔ）がない時は、随時インパルス応答ｈ’（ｔ）を推定してフィルタ係数の更新を行うことで精度良くエコーを除去し、近端話者の音声ｖ（ｔ）がある時は、フィルタ係数の更新を停止することでエコー除去が適切に行われるようにする。
【０００６】
ダブルトーク検出部２２が近端話者の音声ｖ（ｔ）を検出する検出方法には、第１の検出方法として、遠端話者からの音声信号ｘ（ｔ）のレベルに対するマイクロホン２７の出力信号ｓ（ｔ）のレベルの比を計算し、その比が所定の閾値より大きい場合は近端話者の音声ｖ（ｔ）が存在する、その比が所定の閾値より小さい場合は近端話者の音声ｖ（ｔ）が存在しない、と判定する方法がある（例えば非特許文献１参照）。また、第２の検出方法として、近端話者の音声ｖ（ｔ）がない場合はエコーが精度良くキャンセルされるので残留エコーのパワーは小さく、近端話者の音声ｖ（ｔ）がある場合は残留エコーのパワーが増加する、ということを利用し、残留エコーのパワーを監視して、そのパワーが増加した時に近端話者の音声ｖ（ｔ）が存在すると判定する方法がある。但し、この方法を用いる際は、エコー経路が変化することによっても残留エコーのパワーが増加してしまうので、別途、エコー経路の変化を検出することが必要である（例えば非特許文献２参照）。その他にも、エコーｙ（ｔ）のコヒーレンスを利用する方法や、相互相関関数等を利用する方法が提案されている（例えば非特許文献３参照）。
【０００７】
なお、図５のエコーキャンセラ２０では、より効果的にエコーを除去するために、損失挿入部２４とゲイン制御部２５が用いられている。実際の環境下では、マイクロホン２７が近端話者の音声ｖ（ｔ）とエコーｙ（ｔ）に加えて更にノイズも拾ってしまうこと、エコー経路ＥＰが動的に変化すること、等が原因となって、減算部２３からの出力信号ｅ（ｔ）にエコーが残留している。損失挿入部２４は、この残留エコーを抑圧するために、信号ｅ（ｔ）のゲインを調節して信号ｅ（ｔ）に損失を挿入する。また、ゲイン制御部２５は、近端話者の音声ｖ（ｔ）がある時に、信号ｅ（ｔ）のゲインを信号ｅ（ｔ）に損失が生じないように制御する（ゲインを１にする等）ことで、近端話者の音声の語頭や語尾の欠落がない通話を実現する。
【非特許文献１】T. Gansler et al.、“The fast normalized cross-correlation double-talk detector”、「Signal Processing」、vol.86、pp.1124-1139、２００６年６月
【非特許文献２】藤井健作他、“エコー経路変動検出を併用するダブルトーク検出法”、「電子情報通信学会論文誌Ａ」、第Ｊ７８−Ａ巻、第３号、３１４−３２２頁、１９９５年３月
【非特許文献３】J. Benesty et al.、“A New Class of Doubletalk Detectors Based on Cross-Correlation”、「IEEE Transactions on Speech and Audio Processing」、vol.8、pp.168-172、２０００年３月
【発明の開示】
【発明が解決しようとする課題】
【０００８】
上述したように、ダブルトークの際に適応フィルタ２１のフィルタ係数が更新されないようにして適切なエコー除去を実現するためには、近端話者の音声ｖ（ｔ）を検出することが必要である。しかしながら、上記第１の検出方法はエコー経路ＥＰの利得が１より小さいことや、近端話者の音声ｖ（ｔ）のレベルがエコーｙ（ｔ）のレベルより高いこと等を前提とするものであるが、実際にはそのような前提が必ずしも成り立つわけではないため、近端話者の音声ｖ（ｔ）を誤って検出したり、誤検出により通話品質が劣化したりといったようなことが起きてしまう。また、上記第２の方法は、上述のとおりエコー経路の変化を検出する仕組みが必要であるので、エコーキャンセラの構成が複雑になり、また必要な演算量やメモリ容量が多くなってしまう問題がある。更に、上記したエコーｙ（ｔ）のコヒーレンスを利用する方法では、エコー経路における遅延を正確に計算することが必要なため演算量が多いという問題があり、相互相関関数等を利用する方法は、適応フィルタ２１のフィルタ係数が収束した状態でないと使用できない問題がある。
【０００９】
本発明は上記の点に鑑みてなされたものであり、その目的は、ダブルトークにおける近端話者の音声ｖ（ｔ）を誤検出が少なく簡単な構成で検出することが可能な音響エコー除去装置を提供することにある。
【課題を解決するための手段】
【００１０】
本発明は上記の課題を解決するためになされたものであり、スピーカから放音されてマイクロホンにより収音された音声信号から、前記スピーカから放音された音のエコーを除去する音響エコー除去装置において、前記スピーカから前記マイクロホンまでのエコー経路のインパルス応答を推定して順次更新し、該更新したインパルス応答に基づいて前記エコーを模擬した擬似エコーを生成する適応フィルタと、前記マイクロホンにより収音した音声信号から前記適応フィルタにより生成した擬似エコーを減算する減算手段と、前記減算手段の出力信号を基に、前記スピーカから前記マイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出手段と、前記ダブルトーク検出手段によりダブルトークが検出された場合に前記適応フィルタにおけるインパルス応答の更新を停止又は更新量を減少させる制御手段と、を備えることを特徴とする。
【００１１】
また、本発明は、上記音響エコー除去装置において、前記所定の周波数帯域は、前記スピーカから放音された音の強度が他の周波数帯域よりも小さくなる周波数帯域に設定されたことを特徴とする。
【００１２】
また、本発明は、上記音響エコー除去装置において、前記ダブルトーク検出手段は、前記抽出された信号成分の信号レベルを計算する信号レベル計算手段と、前記抽出された信号成分を基に騒音レベルを計算する騒音レベル計算手段と、前記計算された騒音レベルに対する前記計算された信号レベルの比を計算し、該計算された比が、所定の閾値より大きい場合にダブルトークと判断し、所定の閾値より小さい場合にダブルトークでないと判断する比較手段と、を有することを特徴とする。
【００１３】
また、本発明は、上記音響エコー除去装置において、前記減算手段の出力にゲインを乗じて損失を挿入する損失挿入手段と、前記ダブルトーク検出手段によりダブルトークが検出された場合に前記損失挿入手段の前記ゲインを増加させるゲイン制御手段と、を更に備えることを特徴とする。
【発明の効果】
【００１４】
本発明によれば、スピーカからマイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を用いることによって、ダブルトークの有無を検出する。この周波数帯域においては、エコーの信号強度は減衰するが、エコー以外の近端話者の音声は減衰しないので、当該周波数帯域の成分の信号強度に基づいてダブルトークを検出することができる。この原理では従来方法のような特別な条件を前提としていないので、ダブルトークを検出する際の誤検出が少なく、また、上記の周波数帯域成分を抽出すればよいので、簡単な構成でダブルトークの検出が可能である。
【発明を実施するための最良の形態】
【００１５】
以下、図面を参照しながら本発明の実施形態について詳しく説明する。
図１は、本発明の一実施形態によるエコーキャンセラ１０（音響エコー除去装置）の構成を示すブロック図である。エコーキャンセラ１０は、携帯電話端末１の内部に設けられて携帯電話端末１による通話時のエコーを除去する装置であり、適応フィルタ１１と、ダブルトーク検出部１２と、減算部１３と、ステップサイズ制御部１４と、から構成されている。ダブルトーク検出部１２は、低域抽出部１２１と、信号レベル計算部１２２と、騒音レベル計算部１２３と、比較部１２４と、から構成されている。
【００１６】
ここで、携帯電話端末１はスピーカ１６とマイクロホン１７とを有しており、近端話者は、この携帯電話端末１を用いて遠端話者との通話を行う。当該通話において、遠端話者の音声は遠端話者の使用する携帯電話端末から送信されて本携帯電話端末１により受信され、音声信号ｘ（ｔ）となる。この音声信号ｘ（ｔ）は、スピーカ１６へ入力されて遠端話者からの音声として発音される。そして、スピーカ１６から発音された音声はインパルス応答ｈ（ｔ）で特徴付けられるエコー経路ＥＰを伝達（エコー経路ＥＰやインパルス応答ｈ（ｔ）は時々刻々変化する）して、エコーｙ（ｔ）となってマイクロホン１７に到達する。マイクロホン１７は、近端話者の音声ｖ（ｔ）を、このエコーｙ（ｔ）とともに収音し、これらを合成した音声信号ｓ（ｔ）＝ｖ（ｔ）＋ｙ（ｔ）を出力する。エコーキャンセラ１０は、その各部の処理によって当該音声信号ｓ（ｔ）からエコーｙ（ｔ）を除去した信号ｅ（ｔ）を生成し、該生成した信号ｅ（ｔ）を遠端話者の携帯電話端末へ送信する。以下、エコーキャンセラ１０の各部について説明する。
【００１７】
適応フィルタ１１は、遠端話者からの音声信号ｘ（ｔ）を入力として、該音声信号ｘ（ｔ）から実際のエコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を生成し出力する。具体的には、適応フィルタ１１は、入力ｘ（ｔ）に対して所定のフィルタ係数を作用させる演算を行うことによって、擬似エコーｙ’（ｔ）を算出する。適応フィルタ１１のフィルタ係数は、スピーカ１６からマイクロホン１７までのエコー経路ＥＰのインパルス応答を推定した推定インパルス応答ｈ’（ｔ）を表すものである。ここでインパルス応答ｈ’（ｔ）の推定は、減算部１３の出力であるエコーを除去した信号ｅ（ｔ）が最も小さくなるように、適応的に行う。インパルス応答ｈ（ｔ）は時々刻々変化するので、適応フィルタ１１は、推定インパルス応答ｈ’（ｔ）の推定、即ちフィルタ係数の更新を必要に応じた適宜の頻度で動的に行う。一般には、この頻度が高いほど、擬似エコーｙ’（ｔ）を精度良く算出することができるため、エコー除去の精度も良くなる。但し、ダブルトークの際にはフィルタ係数の更新を実施するとフィルタ係数が誤って調整されてしまうので、ステップサイズ制御部１４の指示（後述）に従ってフィルタ係数の更新を停止する（あるいは更新量を非常に小さくする）。これにより、適応フィルタ１１は、ダブルトークでない時には随時、推定インパルス応答ｈ’（ｔ）に応じたフィルタ係数で擬似エコーｙ’（ｔ）を生成して出力し、ダブルトークの際にはその直前のフィルタ係数による擬似エコーｙ’（ｔ）を生成して出力する。
【００１８】
なお、適応フィルタ１１は、ＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：有限インパルス応答）型のフィルタ回路をデジタル信号処理回路によって実現したものであり、そのフィルタ係数を更新するアルゴリズムとしては、ＮＬＭＳ（Ｎｏｒｍａｌｉｚｅｄ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ：規格化最小２乗平均）、ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ：再帰最小２乗）、ＡＰＡ（Ａｆｆｉｎｅ Ｐｒｏｊｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ：アフィン射影アルゴリズム）等の各種アルゴリズムを用いることができる。
【００１９】
減算部１３は、適応フィルタ１１が生成した擬似エコーｙ’（ｔ）をマイクロホン１７の出力ｓ（ｔ）から減算することによって、マイクロホン１７で収音した音声からエコーを除去（キャンセル）した信号ｅ（ｔ）を生成する。この信号ｅ（ｔ）は、遠端話者の携帯電話端末へ送信されるとともに、近端話者の音声ｖ（ｔ）があるか否か、即ちダブルトークの状態であるか否かを判定するために、ダブルトーク検出部１２へ入力される。
【００２０】
ダブルトーク検出部１２では、上記の信号ｅ（ｔ）が低域抽出部１２１へ入力される。低域抽出部１２１は、入力された信号ｅ（ｔ）から所定の周波数ｆｃより低周波側の信号ｅＬ（ｔ）のみを抽出して出力するローパスフィルタである。
【００２１】
本発明において低域抽出部１２１が果たす技術的な意義を説明する。携帯電話端末１は小型の装置であるため、スピーカ１６には、小型のスピーカ、つまり低音域の再生能力に劣るスピーカが用いられるのが通常である。このようなスピーカを用いて再生した音声があるエコー経路を伝達し、マイクロホンで収音されたときの周波数特性の一例を図２に示す。図の横軸は周波数、縦軸は信号レベル（相対値）である。同図において、周波数がおよそ１ｋＨｚ以下の低音域の信号レベルが大きく減衰している。スピーカ１６（小型で低音再生能力が弱いスピーカ）から発音されてマイクロホン１７へ到達したエコーｙ（ｔ）も、図２と同様に低音域成分が少ない周波数特性を持つ。一方、近端話者の音声ｖ（ｔ）は、その発音源である近端話者にスピーカ１６のような周波数特性はないため、低音域成分が減衰されることはなく、低音域成分は高音域成分と同等の信号レベルを有する。したがって、近端話者の音声ｖ（ｔ）が存在するダブルトークの際、低域抽出部１２１への入力信号ｅ（ｔ）には低音域成分が多く含まれるからその出力信号ｅＬ（ｔ）のレベルが大きくなり、反対にダブルトークでない時は、入力信号ｅ（ｔ）の低音域成分が少なくなって出力信号ｅＬ（ｔ）のレベルが小さくなることとなる。このように、本発明では、スピーカ１６の音声再生能力が劣る周波数帯域の信号成分に着目している。これにより、当該信号成分が大きい場合はダブルトークと判断し、当該信号成分が小さい場合はダブルトークでないと判断することができる。
【００２２】
なお、図２のような周波数特性の場合、低域抽出部１２１の所定周波数ｆｃは、例えば８００Ｈｚとすればよい。
【００２３】
ダブルトークの有無の判断は、低域抽出部１２１の出力信号ｅＬ（ｔ）から計算される信号対騒音比（Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ：ＳＮＲ）を用いて行う。
具体的に、信号レベル計算部１２２は、信号ｅＬ（ｔ）を入力とし、該信号ｅＬ（ｔ）のピックを計算し得られたピックを信号レベルＰｓ（ｔ）として出力する。また騒音レベル計算部１２３は、信号レベル計算部１２２から出力される信号レベルＰｓ（ｔ）を入力とし、このＰｓ（ｔ）のボトム値（時間変化するＰｓ（ｔ）の局所的な最小値）を求め騒音レベルＰｎ（ｔ）として出力する。そして、比較部１２４は、信号レベル計算部１２２から出力される信号レベルＰｓ（ｔ）と騒音レベル計算部１２３から出力される騒音レベルＰｎ（ｔ）とを入力とし、騒音レベルＰｎ（ｔ）に対する信号レベルＰｓ（ｔ）の比を計算して、この比が所定の閾値Ｔｈ以上であればダブルトークと判断し、閾値Ｔｈより小さければダブルトークでないと判断する。比較部１２４はこの判断結果に応じて、次式で表される制御情報Ｆをステップサイズ制御部１４へ出力する。
【００２４】
【数１】
【００２５】
ステップサイズ制御部１４は、入力された制御情報Ｆが０の場合、即ちダブルトークでない場合、適応フィルタ１１に随時フィルタ係数の更新を実施するよう指示し、制御情報Ｆが１の場合、即ちダブルトークの場合、適応フィルタ１１にフィルタ係数の更新を停止するよう指示する。この結果、適応フィルタ１１からは、ダブルトークでない時には随時更新されたフィルタ係数により生成された精度の良い最適な擬似エコーｙ’（ｔ）が出力され、ダブルトークの際にはその直前のフィルタ係数による擬似エコーｙ’（ｔ）が出力される。これにより、エコーキャンセラ１０から出力される信号ｅ（ｔ）は、ダブルトークでない時はエコーが精度良く除去されたものとなり、ダブルトークの際は不適切なフィルタ係数を用いたエコー除去が行われてしまうことによるエコー除去精度の劣化を防ぎつつ、適度にエコーが除去されたものとなる。
【００２６】
なお、ここで適応フィルタ１１のフィルタ係数の更新を「停止」するとは、フィルタ係数を更新するステップサイズを０とする場合、及びステップサイズを０に近い小さい値とする場合のいずれをも含むものとする。また、フィルタ係数を随時更新する際のステップサイズは、固定値としてもよいし、あるいは何らかの制御アルゴリズムに基づいて可変としてもよい。
【００２７】
図３及び図４は、信号レベル計算部１２２と騒音レベル計算部１２３の具体的構成の一例を示すブロック図である。
図３において、信号レベル計算部１２２は、絶対値計算部１２２１と、乗算部１２２２と、加算部１２２３と、最大値計算部１２２４と、遅延部１２２５と、乗算部１２２６とから構成されている。絶対値計算部１２２１は、入力信号ｅＬ（ｔ）の絶対値を計算して出力する。乗算部１２２２は、絶対値計算部１２２１の出力に係数（１−α）を乗じて出力する。遅延部１２２５は、最大値計算部１２２４の出力を１サンプリング周期だけ遅延させて出力し、乗算部１２２６は、その出力に係数αを乗じて出力する。加算部１２２３は、乗算部１２２２及び乗算部１２２６の出力を加算して出力する。この値は、現在の入力信号の値と直前（１サンプリング周期前）における最大値（最大値計算部１２２４の出力）とを係数αで按分したものとなる。最大値計算部１２２４は、絶対値計算部１２２１の出力と加算部１２２３の出力を比較し、いずれか大きい方を信号レベルＰｓ（ｔ）として出力する。なお、係数αは、α＝ｅｘｐ（−１／（Ｔｒ×Ｆｓ））であり、Ｔｒはリリースタイム、Ｆｓはサンプリングレート（いずれも定数）である。信号レベル計算部１２２からは、現在の入力信号ｅＬ（ｔ）の絶対値が過去の値より大きければ現在の値が出力され、その逆であれば過去の値が出力されることとなり、入力信号ｅＬ（ｔ）の最大値が保持されて出力が行われることとなる。
【００２８】
また、図４において、騒音レベル計算部１２３は、絶対値計算部１２３１と、乗算部１２３２と、加算部１２３３と、最小値計算部１２３４と、遅延部１２３５と、乗算部１２３６とから構成されている。絶対値計算部１２３１は、入力信号Ｐｓ（ｔ）の絶対値を計算して出力する。乗算部１２３２は、絶対値計算部１２３１の出力に係数（１−β）を乗じて出力する。遅延部１２３５は、最小値計算部１２３４の出力を１サンプリング周期だけ遅延させて出力し、乗算部１２３６は、その出力に係数βを乗じて出力する。加算部１２３３は、乗算部１２３２及び乗算部１２３６の出力を加算して出力する。この値は、現在の入力信号の値と直前（１サンプリング周期前）における最小値（最小値計算部１２３４の出力）とを係数βで按分したものとなる。最小値計算部１２３４は、絶対値計算部１２３１の出力と加算部１２３３の出力を比較し、いずれか小さい方を信号レベルＰｎ（ｔ）として出力する。なお、係数βは、β＝ｅｘｐ（−１／（Ｔｒ×Ｆｓ））であり、Ｔｒはリリースタイム、Ｆｓはサンプリングレート（いずれも定数）である。騒音レベル計算部１２３からは、現在の入力信号Ｐｓ（ｔ）の絶対値が過去の値より小さければ現在の値が出力され、その逆であれば過去の値が出力されることとなり、入力信号Ｐｓ（ｔ）の最小値が保持されて出力が行われることとなる。
【００２９】
以上説明したように、本実施形態によれば、スピーカ１６の音声再生能力が劣る周波数帯域の信号成分に着目して、当該信号成分が大きい場合はダブルトークと判断し、当該信号成分が小さい場合はダブルトークでないと判断するようにした。したがって、従来方法のように特別な条件を前提としていないのでダブルトークを誤検出してしまうおそれが低減されるとともに、低域周波数成分を抽出すればよいので従来方法より構成が簡単且つ少ない演算量で正確にダブルトークを検出することができる。これにより、精度良くエコーを除去可能なエコーキャンセラを低コストに実現することができる。
【００３０】
以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
【００３１】
例えば、上記実施形態ではスピーカ１６が小型であるため低音の再生能力が十分でないことを想定しており、低域抽出部１２１によって低音域の周波数成分を抽出してダブルトークの有無の判断に利用したが、これに限られず、エコー経路ＥＰ（ここでいうエコー経路ＥＰには、スピーカ１６から発音される音声に音響的な影響を与えるスピーカ１６以外の全ての存在を含む）によってエコーｙ（ｔ）が減衰する周波数帯域であれば、同様にその周波数の信号を抽出することによってダブルトークの有無を判断することができる。つまり、低域抽出部１２１に代えて、近端話者の音声ｖ（ｔ）は減衰しないがエコーｙ（ｔ）は減衰する周波数の信号を抽出するバンドパスフィルタを用いることによって、上記実施形態と同様の機能を有するエコーキャンセラを実現することができる。
【００３２】
また、本発明のエコーキャンセラ１０は、携帯電話端末１以外にも、スピーカ１６とマイクロホン１７を備えた装置であれば、例えばＰＤＡ（携帯情報端末）、携帯ゲーム機、ポータブル型カーナビ（カーナビゲーション装置）、固定電話端末、などにも適用することができる。
【００３３】
また、低域抽出部１２１へ、マイクロホン１７からの信号ｓ（ｔ）を直接入力する構成としてもよい。
【００３４】
また、比較部１２４は、誤検出を更に低減するために、一旦Ｐｓ（ｔ）／Ｐｎ（ｔ）≧Ｔｈとなってダブルトークと判断した後、所定の時間内ではＰｓ（ｔ）／Ｐｎ（ｔ）＜Ｔｈでもダブルトークが継続しているとみなすようにしてもよい。
【００３５】
また、上記実施形態のエコーキャンセラ１０に、図５と同様、信号ｅ（ｔ）に残留している残留エコーを抑圧するために信号ｅ（ｔ）のゲインを調節して（信号ｅ（ｔ）にゲインを乗じて）信号ｅ（ｔ）に損失を挿入する損失挿入部と、ダブルトーク時に信号ｅ（ｔ）のゲインを信号ｅ（ｔ）に損失が生じないように制御する（ゲインを１にする、あるいは０から１の範囲内で大きくする等）ゲイン制御部と、を更に追加し、近端話者の音声の語頭や語尾の欠落がない通話を行えるようにしてもよい。
【図面の簡単な説明】
【００３６】
【図１】本発明の一実施形態によるエコーキャンセラ（音響エコー除去装置）の構成を示すブロック図である。
【図２】スピーカを用いて再生した音声があるエコー経路を伝達し、マイクロホンで収音されたときの周波数特性の一例を示す図である。
【図３】信号レベル計算部の具体的構成の一例を示すブロック図である。
【図４】騒音レベル計算部の具体的構成の一例を示すブロック図である。
【図５】従来のエコーキャンセラの構成を示すブロック図である。
【符号の説明】
【００３７】
１…携帯電話端末 １０…エコーキャンセラ（音響エコー除去装置） １１…適応フィルタ １２…ダブルトーク検出部 １３…減算部 １４…ステップサイズ制御部 １６…スピーカ １７…マイクロホン １２１…低域抽出部 １２２…信号レベル計算部 １２３…騒音レベル計算部 １２４…比較部
【技術分野】
【０００１】
本発明は、音響エコー除去装置に関する。
【背景技術】
【０００２】
マイクロホンとスピーカを備えた通話装置を用いて、離れた２地点の話者（一方を近端話者、他方を遠端話者と呼ぶ）が通話を行うシステムは、電話やテレビ会議システムなどに広く用いられている。上記通話装置を用いて通話を行う際、スピーカから送出される音声の一部がマイクロホンに回り込んで相手側の通話装置へ送信され、その相手が自分の声をエコーとして聴取してしまう現象が起きることがある。このような現象が発生すると、通話者は不快感を感じることとなり、また、エコーが激しい場合にはハウリングが起こって通話不能の状態となってしまうおそれもある。こうしたエコーを除去するため、従来、適応フィルタを使ったエコーキャンセラ（音響エコー除去装置）が開発されている。
【０００３】
図５は、従来のエコーキャンセラ２０の構成を示すブロック図である。同図において、近端話者の通話装置（エコーキャンセラ２０を備えている）が受信した遠端話者からの音声信号ｘ（ｔ）は、当該通話装置のスピーカ２６へ入力されて音声として発音されるとともに、適応フィルタ２１へ入力される。スピーカ２６から発音された音声はインパルス応答ｈ（ｔ）で特徴付けられるエコー経路ＥＰを伝達（エコー経路ＥＰやインパルス応答ｈ（ｔ）は時々刻々変化する）して、エコーｙ（ｔ）となってマイクロホン２７により収音される。マイクロホン２７はこのエコーｙ（ｔ）の他、近端話者の音声ｖ（ｔ）も収音し、これらを合成した音声信号ｓ（ｔ）＝ｖ（ｔ）＋ｙ（ｔ）を出力する。
【０００４】
一方、適応フィルタ２１は、スピーカ２６からマイクロホン２７までのエコー経路ＥＰのインパルス応答をｈ’（ｔ）として推定することによりそのフィルタ係数を設定し、入力された音声信号ｘ（ｔ）から実際のエコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を動的に生成する。ここでインパルス応答ｈ’（ｔ）の推定は、減算部２３の出力であるエコーを除去した信号ｅ（ｔ）が最も小さくなるように、適応的に行う。減算部２３は、マイクロホン２７の出力ｓ（ｔ）から擬似エコーｙ’（ｔ）を減算する。これにより、マイクロホン２７で収音した音声からエコーを除去（キャンセル）した信号ｅ（ｔ）を得ることができる。
【０００５】
ここで、適応フィルタ２１には、ＮＬＭＳ（Ｎｏｒｍａｌｉｚｅｄ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ：規格化最小２乗平均）、ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ：再帰最小２乗）、ＡＰＡ（Ａｆｆｉｎｅ Ｐｒｏｊｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ：アフィン射影アルゴリズム）等の各種アルゴリズムを用いることができるが、いずれのアルゴリズムを用いた場合も、近端話者の音声ｖ（ｔ）がある時に適応フィルタ２１のフィルタ係数を更新すると、フィルタ係数が誤って調整されることとなり、エコーの除去が適切に行われなくなってしまう。これを避けるため、近端話者の音声ｖ（ｔ）をダブルトーク検出部２２（遠端話者と近端話者が同時に音声を発することをダブルトークと呼ぶ）により検出して、近端話者の音声ｖ（ｔ）が存在する時は適応フィルタ２１がフィルタ係数を更新しないようにしている。つまり、近端話者の音声ｖ（ｔ）がない時は、随時インパルス応答ｈ’（ｔ）を推定してフィルタ係数の更新を行うことで精度良くエコーを除去し、近端話者の音声ｖ（ｔ）がある時は、フィルタ係数の更新を停止することでエコー除去が適切に行われるようにする。
【０００６】
ダブルトーク検出部２２が近端話者の音声ｖ（ｔ）を検出する検出方法には、第１の検出方法として、遠端話者からの音声信号ｘ（ｔ）のレベルに対するマイクロホン２７の出力信号ｓ（ｔ）のレベルの比を計算し、その比が所定の閾値より大きい場合は近端話者の音声ｖ（ｔ）が存在する、その比が所定の閾値より小さい場合は近端話者の音声ｖ（ｔ）が存在しない、と判定する方法がある（例えば非特許文献１参照）。また、第２の検出方法として、近端話者の音声ｖ（ｔ）がない場合はエコーが精度良くキャンセルされるので残留エコーのパワーは小さく、近端話者の音声ｖ（ｔ）がある場合は残留エコーのパワーが増加する、ということを利用し、残留エコーのパワーを監視して、そのパワーが増加した時に近端話者の音声ｖ（ｔ）が存在すると判定する方法がある。但し、この方法を用いる際は、エコー経路が変化することによっても残留エコーのパワーが増加してしまうので、別途、エコー経路の変化を検出することが必要である（例えば非特許文献２参照）。その他にも、エコーｙ（ｔ）のコヒーレンスを利用する方法や、相互相関関数等を利用する方法が提案されている（例えば非特許文献３参照）。
【０００７】
なお、図５のエコーキャンセラ２０では、より効果的にエコーを除去するために、損失挿入部２４とゲイン制御部２５が用いられている。実際の環境下では、マイクロホン２７が近端話者の音声ｖ（ｔ）とエコーｙ（ｔ）に加えて更にノイズも拾ってしまうこと、エコー経路ＥＰが動的に変化すること、等が原因となって、減算部２３からの出力信号ｅ（ｔ）にエコーが残留している。損失挿入部２４は、この残留エコーを抑圧するために、信号ｅ（ｔ）のゲインを調節して信号ｅ（ｔ）に損失を挿入する。また、ゲイン制御部２５は、近端話者の音声ｖ（ｔ）がある時に、信号ｅ（ｔ）のゲインを信号ｅ（ｔ）に損失が生じないように制御する（ゲインを１にする等）ことで、近端話者の音声の語頭や語尾の欠落がない通話を実現する。
【非特許文献１】T. Gansler et al.、“The fast normalized cross-correlation double-talk detector”、「Signal Processing」、vol.86、pp.1124-1139、２００６年６月
【非特許文献２】藤井健作他、“エコー経路変動検出を併用するダブルトーク検出法”、「電子情報通信学会論文誌Ａ」、第Ｊ７８−Ａ巻、第３号、３１４−３２２頁、１９９５年３月
【非特許文献３】J. Benesty et al.、“A New Class of Doubletalk Detectors Based on Cross-Correlation”、「IEEE Transactions on Speech and Audio Processing」、vol.8、pp.168-172、２０００年３月
【発明の開示】
【発明が解決しようとする課題】
【０００８】
上述したように、ダブルトークの際に適応フィルタ２１のフィルタ係数が更新されないようにして適切なエコー除去を実現するためには、近端話者の音声ｖ（ｔ）を検出することが必要である。しかしながら、上記第１の検出方法はエコー経路ＥＰの利得が１より小さいことや、近端話者の音声ｖ（ｔ）のレベルがエコーｙ（ｔ）のレベルより高いこと等を前提とするものであるが、実際にはそのような前提が必ずしも成り立つわけではないため、近端話者の音声ｖ（ｔ）を誤って検出したり、誤検出により通話品質が劣化したりといったようなことが起きてしまう。また、上記第２の方法は、上述のとおりエコー経路の変化を検出する仕組みが必要であるので、エコーキャンセラの構成が複雑になり、また必要な演算量やメモリ容量が多くなってしまう問題がある。更に、上記したエコーｙ（ｔ）のコヒーレンスを利用する方法では、エコー経路における遅延を正確に計算することが必要なため演算量が多いという問題があり、相互相関関数等を利用する方法は、適応フィルタ２１のフィルタ係数が収束した状態でないと使用できない問題がある。
【０００９】
本発明は上記の点に鑑みてなされたものであり、その目的は、ダブルトークにおける近端話者の音声ｖ（ｔ）を誤検出が少なく簡単な構成で検出することが可能な音響エコー除去装置を提供することにある。
【課題を解決するための手段】
【００１０】
本発明は上記の課題を解決するためになされたものであり、スピーカから放音されてマイクロホンにより収音された音声信号から、前記スピーカから放音された音のエコーを除去する音響エコー除去装置において、前記スピーカから前記マイクロホンまでのエコー経路のインパルス応答を推定して順次更新し、該更新したインパルス応答に基づいて前記エコーを模擬した擬似エコーを生成する適応フィルタと、前記マイクロホンにより収音した音声信号から前記適応フィルタにより生成した擬似エコーを減算する減算手段と、前記減算手段の出力信号を基に、前記スピーカから前記マイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出手段と、前記ダブルトーク検出手段によりダブルトークが検出された場合に前記適応フィルタにおけるインパルス応答の更新を停止又は更新量を減少させる制御手段と、を備えることを特徴とする。
【００１１】
また、本発明は、上記音響エコー除去装置において、前記所定の周波数帯域は、前記スピーカから放音された音の強度が他の周波数帯域よりも小さくなる周波数帯域に設定されたことを特徴とする。
【００１２】
また、本発明は、上記音響エコー除去装置において、前記ダブルトーク検出手段は、前記抽出された信号成分の信号レベルを計算する信号レベル計算手段と、前記抽出された信号成分を基に騒音レベルを計算する騒音レベル計算手段と、前記計算された騒音レベルに対する前記計算された信号レベルの比を計算し、該計算された比が、所定の閾値より大きい場合にダブルトークと判断し、所定の閾値より小さい場合にダブルトークでないと判断する比較手段と、を有することを特徴とする。
【００１３】
また、本発明は、上記音響エコー除去装置において、前記減算手段の出力にゲインを乗じて損失を挿入する損失挿入手段と、前記ダブルトーク検出手段によりダブルトークが検出された場合に前記損失挿入手段の前記ゲインを増加させるゲイン制御手段と、を更に備えることを特徴とする。
【発明の効果】
【００１４】
本発明によれば、スピーカからマイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を用いることによって、ダブルトークの有無を検出する。この周波数帯域においては、エコーの信号強度は減衰するが、エコー以外の近端話者の音声は減衰しないので、当該周波数帯域の成分の信号強度に基づいてダブルトークを検出することができる。この原理では従来方法のような特別な条件を前提としていないので、ダブルトークを検出する際の誤検出が少なく、また、上記の周波数帯域成分を抽出すればよいので、簡単な構成でダブルトークの検出が可能である。
【発明を実施するための最良の形態】
【００１５】
以下、図面を参照しながら本発明の実施形態について詳しく説明する。
図１は、本発明の一実施形態によるエコーキャンセラ１０（音響エコー除去装置）の構成を示すブロック図である。エコーキャンセラ１０は、携帯電話端末１の内部に設けられて携帯電話端末１による通話時のエコーを除去する装置であり、適応フィルタ１１と、ダブルトーク検出部１２と、減算部１３と、ステップサイズ制御部１４と、から構成されている。ダブルトーク検出部１２は、低域抽出部１２１と、信号レベル計算部１２２と、騒音レベル計算部１２３と、比較部１２４と、から構成されている。
【００１６】
ここで、携帯電話端末１はスピーカ１６とマイクロホン１７とを有しており、近端話者は、この携帯電話端末１を用いて遠端話者との通話を行う。当該通話において、遠端話者の音声は遠端話者の使用する携帯電話端末から送信されて本携帯電話端末１により受信され、音声信号ｘ（ｔ）となる。この音声信号ｘ（ｔ）は、スピーカ１６へ入力されて遠端話者からの音声として発音される。そして、スピーカ１６から発音された音声はインパルス応答ｈ（ｔ）で特徴付けられるエコー経路ＥＰを伝達（エコー経路ＥＰやインパルス応答ｈ（ｔ）は時々刻々変化する）して、エコーｙ（ｔ）となってマイクロホン１７に到達する。マイクロホン１７は、近端話者の音声ｖ（ｔ）を、このエコーｙ（ｔ）とともに収音し、これらを合成した音声信号ｓ（ｔ）＝ｖ（ｔ）＋ｙ（ｔ）を出力する。エコーキャンセラ１０は、その各部の処理によって当該音声信号ｓ（ｔ）からエコーｙ（ｔ）を除去した信号ｅ（ｔ）を生成し、該生成した信号ｅ（ｔ）を遠端話者の携帯電話端末へ送信する。以下、エコーキャンセラ１０の各部について説明する。
【００１７】
適応フィルタ１１は、遠端話者からの音声信号ｘ（ｔ）を入力として、該音声信号ｘ（ｔ）から実際のエコーｙ（ｔ）を模擬した擬似エコーｙ’（ｔ）を生成し出力する。具体的には、適応フィルタ１１は、入力ｘ（ｔ）に対して所定のフィルタ係数を作用させる演算を行うことによって、擬似エコーｙ’（ｔ）を算出する。適応フィルタ１１のフィルタ係数は、スピーカ１６からマイクロホン１７までのエコー経路ＥＰのインパルス応答を推定した推定インパルス応答ｈ’（ｔ）を表すものである。ここでインパルス応答ｈ’（ｔ）の推定は、減算部１３の出力であるエコーを除去した信号ｅ（ｔ）が最も小さくなるように、適応的に行う。インパルス応答ｈ（ｔ）は時々刻々変化するので、適応フィルタ１１は、推定インパルス応答ｈ’（ｔ）の推定、即ちフィルタ係数の更新を必要に応じた適宜の頻度で動的に行う。一般には、この頻度が高いほど、擬似エコーｙ’（ｔ）を精度良く算出することができるため、エコー除去の精度も良くなる。但し、ダブルトークの際にはフィルタ係数の更新を実施するとフィルタ係数が誤って調整されてしまうので、ステップサイズ制御部１４の指示（後述）に従ってフィルタ係数の更新を停止する（あるいは更新量を非常に小さくする）。これにより、適応フィルタ１１は、ダブルトークでない時には随時、推定インパルス応答ｈ’（ｔ）に応じたフィルタ係数で擬似エコーｙ’（ｔ）を生成して出力し、ダブルトークの際にはその直前のフィルタ係数による擬似エコーｙ’（ｔ）を生成して出力する。
【００１８】
なお、適応フィルタ１１は、ＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ：有限インパルス応答）型のフィルタ回路をデジタル信号処理回路によって実現したものであり、そのフィルタ係数を更新するアルゴリズムとしては、ＮＬＭＳ（Ｎｏｒｍａｌｉｚｅｄ Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ：規格化最小２乗平均）、ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ：再帰最小２乗）、ＡＰＡ（Ａｆｆｉｎｅ Ｐｒｏｊｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ：アフィン射影アルゴリズム）等の各種アルゴリズムを用いることができる。
【００１９】
減算部１３は、適応フィルタ１１が生成した擬似エコーｙ’（ｔ）をマイクロホン１７の出力ｓ（ｔ）から減算することによって、マイクロホン１７で収音した音声からエコーを除去（キャンセル）した信号ｅ（ｔ）を生成する。この信号ｅ（ｔ）は、遠端話者の携帯電話端末へ送信されるとともに、近端話者の音声ｖ（ｔ）があるか否か、即ちダブルトークの状態であるか否かを判定するために、ダブルトーク検出部１２へ入力される。
【００２０】
ダブルトーク検出部１２では、上記の信号ｅ（ｔ）が低域抽出部１２１へ入力される。低域抽出部１２１は、入力された信号ｅ（ｔ）から所定の周波数ｆｃより低周波側の信号ｅＬ（ｔ）のみを抽出して出力するローパスフィルタである。
【００２１】
本発明において低域抽出部１２１が果たす技術的な意義を説明する。携帯電話端末１は小型の装置であるため、スピーカ１６には、小型のスピーカ、つまり低音域の再生能力に劣るスピーカが用いられるのが通常である。このようなスピーカを用いて再生した音声があるエコー経路を伝達し、マイクロホンで収音されたときの周波数特性の一例を図２に示す。図の横軸は周波数、縦軸は信号レベル（相対値）である。同図において、周波数がおよそ１ｋＨｚ以下の低音域の信号レベルが大きく減衰している。スピーカ１６（小型で低音再生能力が弱いスピーカ）から発音されてマイクロホン１７へ到達したエコーｙ（ｔ）も、図２と同様に低音域成分が少ない周波数特性を持つ。一方、近端話者の音声ｖ（ｔ）は、その発音源である近端話者にスピーカ１６のような周波数特性はないため、低音域成分が減衰されることはなく、低音域成分は高音域成分と同等の信号レベルを有する。したがって、近端話者の音声ｖ（ｔ）が存在するダブルトークの際、低域抽出部１２１への入力信号ｅ（ｔ）には低音域成分が多く含まれるからその出力信号ｅＬ（ｔ）のレベルが大きくなり、反対にダブルトークでない時は、入力信号ｅ（ｔ）の低音域成分が少なくなって出力信号ｅＬ（ｔ）のレベルが小さくなることとなる。このように、本発明では、スピーカ１６の音声再生能力が劣る周波数帯域の信号成分に着目している。これにより、当該信号成分が大きい場合はダブルトークと判断し、当該信号成分が小さい場合はダブルトークでないと判断することができる。
【００２２】
なお、図２のような周波数特性の場合、低域抽出部１２１の所定周波数ｆｃは、例えば８００Ｈｚとすればよい。
【００２３】
ダブルトークの有無の判断は、低域抽出部１２１の出力信号ｅＬ（ｔ）から計算される信号対騒音比（Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ：ＳＮＲ）を用いて行う。
具体的に、信号レベル計算部１２２は、信号ｅＬ（ｔ）を入力とし、該信号ｅＬ（ｔ）のピックを計算し得られたピックを信号レベルＰｓ（ｔ）として出力する。また騒音レベル計算部１２３は、信号レベル計算部１２２から出力される信号レベルＰｓ（ｔ）を入力とし、このＰｓ（ｔ）のボトム値（時間変化するＰｓ（ｔ）の局所的な最小値）を求め騒音レベルＰｎ（ｔ）として出力する。そして、比較部１２４は、信号レベル計算部１２２から出力される信号レベルＰｓ（ｔ）と騒音レベル計算部１２３から出力される騒音レベルＰｎ（ｔ）とを入力とし、騒音レベルＰｎ（ｔ）に対する信号レベルＰｓ（ｔ）の比を計算して、この比が所定の閾値Ｔｈ以上であればダブルトークと判断し、閾値Ｔｈより小さければダブルトークでないと判断する。比較部１２４はこの判断結果に応じて、次式で表される制御情報Ｆをステップサイズ制御部１４へ出力する。
【００２４】
【数１】
【００２５】
ステップサイズ制御部１４は、入力された制御情報Ｆが０の場合、即ちダブルトークでない場合、適応フィルタ１１に随時フィルタ係数の更新を実施するよう指示し、制御情報Ｆが１の場合、即ちダブルトークの場合、適応フィルタ１１にフィルタ係数の更新を停止するよう指示する。この結果、適応フィルタ１１からは、ダブルトークでない時には随時更新されたフィルタ係数により生成された精度の良い最適な擬似エコーｙ’（ｔ）が出力され、ダブルトークの際にはその直前のフィルタ係数による擬似エコーｙ’（ｔ）が出力される。これにより、エコーキャンセラ１０から出力される信号ｅ（ｔ）は、ダブルトークでない時はエコーが精度良く除去されたものとなり、ダブルトークの際は不適切なフィルタ係数を用いたエコー除去が行われてしまうことによるエコー除去精度の劣化を防ぎつつ、適度にエコーが除去されたものとなる。
【００２６】
なお、ここで適応フィルタ１１のフィルタ係数の更新を「停止」するとは、フィルタ係数を更新するステップサイズを０とする場合、及びステップサイズを０に近い小さい値とする場合のいずれをも含むものとする。また、フィルタ係数を随時更新する際のステップサイズは、固定値としてもよいし、あるいは何らかの制御アルゴリズムに基づいて可変としてもよい。
【００２７】
図３及び図４は、信号レベル計算部１２２と騒音レベル計算部１２３の具体的構成の一例を示すブロック図である。
図３において、信号レベル計算部１２２は、絶対値計算部１２２１と、乗算部１２２２と、加算部１２２３と、最大値計算部１２２４と、遅延部１２２５と、乗算部１２２６とから構成されている。絶対値計算部１２２１は、入力信号ｅＬ（ｔ）の絶対値を計算して出力する。乗算部１２２２は、絶対値計算部１２２１の出力に係数（１−α）を乗じて出力する。遅延部１２２５は、最大値計算部１２２４の出力を１サンプリング周期だけ遅延させて出力し、乗算部１２２６は、その出力に係数αを乗じて出力する。加算部１２２３は、乗算部１２２２及び乗算部１２２６の出力を加算して出力する。この値は、現在の入力信号の値と直前（１サンプリング周期前）における最大値（最大値計算部１２２４の出力）とを係数αで按分したものとなる。最大値計算部１２２４は、絶対値計算部１２２１の出力と加算部１２２３の出力を比較し、いずれか大きい方を信号レベルＰｓ（ｔ）として出力する。なお、係数αは、α＝ｅｘｐ（−１／（Ｔｒ×Ｆｓ））であり、Ｔｒはリリースタイム、Ｆｓはサンプリングレート（いずれも定数）である。信号レベル計算部１２２からは、現在の入力信号ｅＬ（ｔ）の絶対値が過去の値より大きければ現在の値が出力され、その逆であれば過去の値が出力されることとなり、入力信号ｅＬ（ｔ）の最大値が保持されて出力が行われることとなる。
【００２８】
また、図４において、騒音レベル計算部１２３は、絶対値計算部１２３１と、乗算部１２３２と、加算部１２３３と、最小値計算部１２３４と、遅延部１２３５と、乗算部１２３６とから構成されている。絶対値計算部１２３１は、入力信号Ｐｓ（ｔ）の絶対値を計算して出力する。乗算部１２３２は、絶対値計算部１２３１の出力に係数（１−β）を乗じて出力する。遅延部１２３５は、最小値計算部１２３４の出力を１サンプリング周期だけ遅延させて出力し、乗算部１２３６は、その出力に係数βを乗じて出力する。加算部１２３３は、乗算部１２３２及び乗算部１２３６の出力を加算して出力する。この値は、現在の入力信号の値と直前（１サンプリング周期前）における最小値（最小値計算部１２３４の出力）とを係数βで按分したものとなる。最小値計算部１２３４は、絶対値計算部１２３１の出力と加算部１２３３の出力を比較し、いずれか小さい方を信号レベルＰｎ（ｔ）として出力する。なお、係数βは、β＝ｅｘｐ（−１／（Ｔｒ×Ｆｓ））であり、Ｔｒはリリースタイム、Ｆｓはサンプリングレート（いずれも定数）である。騒音レベル計算部１２３からは、現在の入力信号Ｐｓ（ｔ）の絶対値が過去の値より小さければ現在の値が出力され、その逆であれば過去の値が出力されることとなり、入力信号Ｐｓ（ｔ）の最小値が保持されて出力が行われることとなる。
【００２９】
以上説明したように、本実施形態によれば、スピーカ１６の音声再生能力が劣る周波数帯域の信号成分に着目して、当該信号成分が大きい場合はダブルトークと判断し、当該信号成分が小さい場合はダブルトークでないと判断するようにした。したがって、従来方法のように特別な条件を前提としていないのでダブルトークを誤検出してしまうおそれが低減されるとともに、低域周波数成分を抽出すればよいので従来方法より構成が簡単且つ少ない演算量で正確にダブルトークを検出することができる。これにより、精度良くエコーを除去可能なエコーキャンセラを低コストに実現することができる。
【００３０】
以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
【００３１】
例えば、上記実施形態ではスピーカ１６が小型であるため低音の再生能力が十分でないことを想定しており、低域抽出部１２１によって低音域の周波数成分を抽出してダブルトークの有無の判断に利用したが、これに限られず、エコー経路ＥＰ（ここでいうエコー経路ＥＰには、スピーカ１６から発音される音声に音響的な影響を与えるスピーカ１６以外の全ての存在を含む）によってエコーｙ（ｔ）が減衰する周波数帯域であれば、同様にその周波数の信号を抽出することによってダブルトークの有無を判断することができる。つまり、低域抽出部１２１に代えて、近端話者の音声ｖ（ｔ）は減衰しないがエコーｙ（ｔ）は減衰する周波数の信号を抽出するバンドパスフィルタを用いることによって、上記実施形態と同様の機能を有するエコーキャンセラを実現することができる。
【００３２】
また、本発明のエコーキャンセラ１０は、携帯電話端末１以外にも、スピーカ１６とマイクロホン１７を備えた装置であれば、例えばＰＤＡ（携帯情報端末）、携帯ゲーム機、ポータブル型カーナビ（カーナビゲーション装置）、固定電話端末、などにも適用することができる。
【００３３】
また、低域抽出部１２１へ、マイクロホン１７からの信号ｓ（ｔ）を直接入力する構成としてもよい。
【００３４】
また、比較部１２４は、誤検出を更に低減するために、一旦Ｐｓ（ｔ）／Ｐｎ（ｔ）≧Ｔｈとなってダブルトークと判断した後、所定の時間内ではＰｓ（ｔ）／Ｐｎ（ｔ）＜Ｔｈでもダブルトークが継続しているとみなすようにしてもよい。
【００３５】
また、上記実施形態のエコーキャンセラ１０に、図５と同様、信号ｅ（ｔ）に残留している残留エコーを抑圧するために信号ｅ（ｔ）のゲインを調節して（信号ｅ（ｔ）にゲインを乗じて）信号ｅ（ｔ）に損失を挿入する損失挿入部と、ダブルトーク時に信号ｅ（ｔ）のゲインを信号ｅ（ｔ）に損失が生じないように制御する（ゲインを１にする、あるいは０から１の範囲内で大きくする等）ゲイン制御部と、を更に追加し、近端話者の音声の語頭や語尾の欠落がない通話を行えるようにしてもよい。
【図面の簡単な説明】
【００３６】
【図１】本発明の一実施形態によるエコーキャンセラ（音響エコー除去装置）の構成を示すブロック図である。
【図２】スピーカを用いて再生した音声があるエコー経路を伝達し、マイクロホンで収音されたときの周波数特性の一例を示す図である。
【図３】信号レベル計算部の具体的構成の一例を示すブロック図である。
【図４】騒音レベル計算部の具体的構成の一例を示すブロック図である。
【図５】従来のエコーキャンセラの構成を示すブロック図である。
【符号の説明】
【００３７】
１…携帯電話端末 １０…エコーキャンセラ（音響エコー除去装置） １１…適応フィルタ １２…ダブルトーク検出部 １３…減算部 １４…ステップサイズ制御部 １６…スピーカ １７…マイクロホン １２１…低域抽出部 １２２…信号レベル計算部 １２３…騒音レベル計算部 １２４…比較部
【特許請求の範囲】
【請求項１】
スピーカから放音されてマイクロホンにより収音された音声信号から、前記スピーカから放音された音のエコーを除去する音響エコー除去装置において、
前記スピーカから前記マイクロホンまでのエコー経路のインパルス応答を推定して順次更新し、該更新したインパルス応答に基づいて前記エコーを模擬した擬似エコーを生成する適応フィルタと、
前記マイクロホンにより収音した音声信号から前記適応フィルタにより生成した擬似エコーを減算する減算手段と、
前記減算手段の出力信号を基に、前記スピーカから前記マイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出手段と、
前記ダブルトーク検出手段によりダブルトークが検出された場合に前記適応フィルタにおけるインパルス応答の更新を停止又は更新量を減少させる制御手段と、
を備えることを特徴とする音響エコー除去装置。
【請求項２】
前記所定の周波数帯域は、前記スピーカから放音された音の強度が他の周波数帯域よりも小さくなる周波数帯域に設定されたことを特徴とする請求項１に記載の音響エコー除去装置。
【請求項３】
前記ダブルトーク検出手段は、
前記抽出された信号成分の信号レベルを計算する信号レベル計算手段と、
前記抽出された信号成分を基に騒音レベルを計算する騒音レベル計算手段と、
前記計算された騒音レベルに対する前記計算された信号レベルの比を計算し、該計算された比が、所定の閾値より大きい場合にダブルトークと判断し、所定の閾値より小さい場合にダブルトークでないと判断する比較手段と、
を有することを特徴とする請求項１または請求項２に記載の音響エコー除去装置。
【請求項４】
前記減算手段の出力にゲインを乗じて損失を挿入する損失挿入手段と、
前記ダブルトーク検出手段によりダブルトークが検出された場合に前記損失挿入手段の前記ゲインを増加させるゲイン制御手段と、
を更に備えることを特徴とする請求項１から請求項３のいずれか１の項に記載の音響エコー除去装置。
【請求項１】
スピーカから放音されてマイクロホンにより収音された音声信号から、前記スピーカから放音された音のエコーを除去する音響エコー除去装置において、
前記スピーカから前記マイクロホンまでのエコー経路のインパルス応答を推定して順次更新し、該更新したインパルス応答に基づいて前記エコーを模擬した擬似エコーを生成する適応フィルタと、
前記マイクロホンにより収音した音声信号から前記適応フィルタにより生成した擬似エコーを減算する減算手段と、
前記減算手段の出力信号を基に、前記スピーカから前記マイクロホンまでのエコー経路において信号強度が減衰する所定の周波数帯域成分を抽出し、該抽出された信号成分の信号強度に基づいてダブルトークの有無を検出するダブルトーク検出手段と、
前記ダブルトーク検出手段によりダブルトークが検出された場合に前記適応フィルタにおけるインパルス応答の更新を停止又は更新量を減少させる制御手段と、
を備えることを特徴とする音響エコー除去装置。
【請求項２】
前記所定の周波数帯域は、前記スピーカから放音された音の強度が他の周波数帯域よりも小さくなる周波数帯域に設定されたことを特徴とする請求項１に記載の音響エコー除去装置。
【請求項３】
前記ダブルトーク検出手段は、
前記抽出された信号成分の信号レベルを計算する信号レベル計算手段と、
前記抽出された信号成分を基に騒音レベルを計算する騒音レベル計算手段と、
前記計算された騒音レベルに対する前記計算された信号レベルの比を計算し、該計算された比が、所定の閾値より大きい場合にダブルトークと判断し、所定の閾値より小さい場合にダブルトークでないと判断する比較手段と、
を有することを特徴とする請求項１または請求項２に記載の音響エコー除去装置。
【請求項４】
前記減算手段の出力にゲインを乗じて損失を挿入する損失挿入手段と、
前記ダブルトーク検出手段によりダブルトークが検出された場合に前記損失挿入手段の前記ゲインを増加させるゲイン制御手段と、
を更に備えることを特徴とする請求項１から請求項３のいずれか１の項に記載の音響エコー除去装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２００９−２４６６２８（Ｐ２００９−２４６６２８Ａ）
【公開日】平成２１年１０月２２日（２００９．１０．２２）
【国際特許分類】
【出願番号】特願２００８−８９７３３（Ｐ２００８−８９７３３）
【出願日】平成２０年３月３１日（２００８．３．３１）
【出願人】（０００００４０７５）ヤマハ株式会社 (5,930)
【Ｆターム（参考）】
【公開日】平成２１年１０月２２日（２００９．１０．２２）
【国際特許分類】
【出願日】平成２０年３月３１日（２００８．３．３１）
【出願人】（０００００４０７５）ヤマハ株式会社 (5,930)
【Ｆターム（参考）】
[ Back to top ]