JP2005260743A

JP2005260743A - マイクロホンアレー

Info

Publication number: JP2005260743A
Application number: JP2004071550A
Authority: JP
Inventors: Shigeki Sagayama; 茂樹嵯峨山; Masaru Kamamoto; 優鎌本; Takuya Nishimoto; 卓也西本; Toshiharu Horiuchi; 俊治堀内; Mitsunori Mizumachi; 光徳水町; Satoru Nakamura; 哲中村
Original assignee: ATR Advanced Telecommunications Research Institute International
Current assignee: ATR Advanced Telecommunications Research Institute International
Priority date: 2004-03-12
Filing date: 2004-03-12
Publication date: 2005-09-22
Anticipated expiration: 2024-03-12
Also published as: JP4156545B2

Abstract

【課題】この発明は、ＳＮＲを向上させることができるマイクロホンアレーを提供することを目的とする。
【解決手段】３以上のマイクロホンを備えたマイクロホンアレーにおいて、各マイクロホンの間隔が、最短ゴロム定規の目盛間隔に比例した間隔に設定されている。上記３以上のマイクロホンは、直線状に配置されていてもよいし、円弧状に配置されていてもよい。マイクロホンの数が例えば４である場合には、各マイクロホンの間隔は、１対３対２の間隔に設定される。
【選択図】図５

Description

この発明は、マイクロホンアレーに関する。

近年、自動音声認識(Automatic Speech Recognition; ASR) が、擬人化エージェントやカーナビゲーションシステムなどへ応用されてきている。実環境では雑音や残響の影響で認識率が大幅に低下することから、雑音や残響に頑健なＡＳＲシステムを目指す研究がなされてきている（参考文献〔１〕参照）。マイクロホンアレーを用いることで、対象音源と雑音源の空間的位相差を利用し、雑音や残響を抑圧することにより、遠隔発話音声の認識性能を向上させることができる。

参考文献〔１〕：中村哲，”実音響環境に頑健な音声認識を目指して，” 信学技報，SP 2002-12, pp. 31-36, 2002.

マイクロホンアレーには様々な技術があるが、Griffith-JimやＡＭＮＯＲなどの適応型マイクロホンアレーでは、無音声区間を予め入力して学習させることが必要である（参考文献〔２〕参照）。

参考文献〔２〕：大賀寿郎ら：音響システムとディジタル処理，電子情報通信学会，1995.

しかしながら、実際に音声認識を行う場合に、雑音環境下で学習のための無音声区間を検出することは必ずしも容易ではない。また、定常雑音に対して頑健な雑音除去を行うことはできるが、非定常雑音に対しては性能が低下する。このような雑音や残響が時々刻々変化する環境では、認識性能が低下してしまう。

そこで、本出願の発明者らは、ＡＳＲの性能と利便性の両立を目指し、その一例として、学習を必要とせず、雑音および残響の抑制に効果のある遅延和（DS:Delay and Sum) 型マイクロホンアレーに着目し、マイクロホン間隔と配置に関して改良を試みた。

以後の説明は、遅延和（DS:Delay and Sum) 型マイクロホンアレーを用いる場合について説明する。遅延和型マイクロホンアレーは、よく知られているように、各マイクロホンで受音した信号それぞれに遅延を付加した後、それらの総和をとるといった処理（以下、遅延和処理という）を行うマイクロホンアレーである。図１に、遅延和型マイクロホンアレーの構成例を示す。図１において、Ｍ_i（ｉ＝１，２，…ｍ）は、一直線状に配されたマイクロホンである。Ｄ_iは、各マイクロホンＭ_iで受音した信号ｘ_si（ｔ）に遅延量ｄ_iを付加する遅延器である。Ｓは、遅延器Ｄ_iの出力信号ｘ_si（ｔ−ｄ_i）を加算して、出力信号ｙ（ｔ）を出力する加算器である。
中村哲，"実音響環境に頑健な音声認識を目指して，" 信学技報，SP 2002-12, pp. 31-36, 2002. 大賀寿郎ら：音響システムとディジタル処理，電子情報通信学会，1995. 鹿野清宏ら：音声認識システム，オーム社，2001.

この発明は、ＳＮＲを向上させることができるマイクロホンアレーを提供することを目的とする。

請求項１に記載の発明は、３以上のマイクロホンを備えたマイクロホンアレーにおいて、各マイクロホンの間隔が、最短ゴロム定規の目盛間隔に比例した間隔に設定されていることを特徴とする。

請求項２に記載の発明は、請求項１に記載の発明において、上記３以上のマイクロホンは、直線状に配置されていることを特徴とする。

請求項３に記載の発明は、請求項１に記載の発明において、上記３以上のマイクロホンは、円弧状に配置されていることを特徴とする。

請求項４に記載の発明は、請求項１乃至３に記載の発明において、４個のマイクロホンを備えており、各マイクロホンの間隔が、１対３対２の間隔に設定されていることを特徴とする。

この発明によれば、ＳＮＲを向上させることができるマイクロホンアレーが実現する。

以下、図面を参照して、この発明を遅延和型マイクロホンアレーに適用した場合の実施例について説明する。

〔１〕予備検討

予備検討として、様々な条件における遅延和型マイクロホンアレーの性能を比較するため、シミュレーションにより音声認識実験を行った。特に、マイクロホンの数、マイクロホン間隔、雑音のマイクロホンアレーに対する角度、ＳＮＲに注目した。なお、予備検討で用いた遅延和型マイクロホンアレーの各マイクロホンは一直線上に等間隔で配置されているものとする。

評価用の音声データには、ＡＴＲのＢＴＥＣテストセット０１を用いた。この評価用データは旅行の際に用いられる会話を朗読したもので、全部で５１０文あり、１６ｋＨｚサンプリングで収録されたものである。

雑音はマイクロホンアレーの正面から到来すると仮定し、マイクロホンの受音信号として、適切な時間差を伴う音声に同一の雑音を加えた。雑音は音声の周波数帯域に合わせて、１２５Ｈｚから６ｋＨｚまでのランダム帯域雑音を用いた。

ＳＮＲは、音声データの無音声区間を除いた区間の平均振幅から信号のエネルギーを求め、マイクロホンの受音信号のＳＮＲ（入力信号のＳＮＲ）が目的のＳＮＲとなるように雑音の振幅を変化させた。その後、遅延和処理により、雑音抑圧した音声を認識した。

結果として、マイクロホンの数が多いほど認識率（単語正解精度）が向上した。さらに、マイクロホン間隔に応じて音声のマイクロホンアレーに対する角度と関係して遅延和処理後のＳＮＲが変化し、入力信号のＳＮＲが高いほど認識率も向上することが分かった。

遅延和型マイクロホンアレーのマイクロホンの数を２個とし、それらの間隔（マイクロホン間隔）を５ｃｍ，１０ｃｍ，１５ｃｍに変化させた。各マイクロホン間隔（５ｃｍ，１０ｃｍ，１５ｃｍ）での、音源と雑音源の角度の変化による遅延和処理後のＳＮＲの変化を図２に示す。図２は、入力信号のＳＮＲを２０ｄＢとして、音源方向を−９０度から＋９０度まで５度毎に変化させたとき、遅延和処理後のＳＮＲの変化を示している。

予備検討から得られた結果より、音源方向と雑音方向が既知ならば、図１にしたがって、マイクロホン間隔を調節することにより、遅延和処理後のＳＮＲを向上させることができる。したがって、予め多数のマイクロホンを用意しておけば、適切な間隔のマイクロホンの対を選択することにより、同様な効果が得られる。

できるだけマイクロホン数を増やさずに、様々な間隔が得られるような配置があれば、音源方向や雑音方向に合わせて、最適な距離を選択することができる。

〔２〕最短ゴロム定規の導入
前述の要求を満たすために、この実施例では、遅延和型マイクロホンアレーのマイクロホンの間隔に、最短ゴロム定規(Optimal Golomb Ruler;OGR)の目盛間隔を導入した。

最短ゴロム定規（OGR)は、Ｘ線センサの配置や電波望遠鏡の配置に使われている。この間隔は、センサの数が少なくても、計測できる距離の種類が増えるというものである。例えば、配置対象が４個の場合には、それらの配置位置は｛０−１−４−６｝となり、配置対象が１０個の場合には、それらの配置位置は｛０−１−６−１０−２３−２６−３４−４１−５３−５５｝となる。

最短ゴロム定規を用いると、等間隔配置よりも、多くの種類の間隔を得ることができる。図３（ａ）に示すように、配置対象が４個の場合に、それらを等間隔で配置した場合には、それらの配置位置は｛０−２−４−６｝となり、間隔の種類は、｛２，４，６｝の３種類となる。これに対して、図３（ｂ）に示すように、４個の配置対象を最短ゴロム定期間隔に従って配置した場合には、それらの配置位置は｛０−１−４−６｝となり、間隔の種類は、｛１，２，３，４，５，６｝の６種類となる。

ゴロム定規(Golomb Ruler)の目盛は、２組の数字の差が同一ではない正の整数の集合である。配置対象がＭ個ある場合には、”δ_ij＝ａ_j−ａ_i（１≦ｉ≦ｊ≦ｍ）が全て異なり，かつ，０＝ａ₁＜ａ₂＜…＜ａ_Mを満たす数列ａ_k（ｋ＝１，２，…，ｍ）”の数値を目盛とした定規を作れば、それがゴロム定規である。このａ_Mが最も短くなるものを最短ゴロム定規という。

最短ゴロム定規の目盛間隔を遅延和型マイクロホンアレーを構成するマイクロホンの間隔として用いことにより、マイクロホンが等間隔に配置された通常の等間隔遅延和型マイクロホンアレーよりも、音声認識率を向上させることができる。

この実施例では、遅延和型マイクロホンアレーのマイクロホンの間隔が、最短ゴロム定規の目盛間隔に比例した間隔に設定される。例えば、ｍ＝４の場合の最短ゴロム定規の目盛は｛０−１−４−６｝となり、その目盛間隔は１，３，２となる。したがって、マイクロホンが４個の場合には、隣り合うマイクロホンの間隔が、１：３：２となるように、４個のマイクロホンが配置される。

なお、さらに、最適な間隔を強調するために、推定された音源と雑音のなす角度に応じて、その角度で遅延和処理後のＳＮＲが高くなるマイクロホン間隔になるマイクロホン対に対応する遅延処理後の信号に対してに大きな重みを付け、遅延和処理後のＳＮＲが低くなるマイクロホン間隔になるマイクロホン対に対応する遅延処理後の信号に対して小さな重みを付けた後に、それらを総和をとるようにすることが好ましい。

ただし、各マイクロホンに対する重みをｋ_i（ｉ＝１，２，…，ｍ）とすると、ｋ_iの総和が１となることという条件を満たすようにｋ_iが設定される。この条件であれば、音源の振幅は変化しない。

図４は、本実施例の遅延和型マイクロホンアレーを示している。

図４において、Ｍ_i（ｉ＝１，２，３，４）は、マイクロホンである。つまり、この例では、４個のマイクロホンを備えている。Ｄ_iは、各マイクロホンＭ_iで受音した信号ｘ_si（ｔ）に遅延量ｄ_iを付加する遅延器である。Ｐｉは遅延器Ｄ_iの出力信号ｘ_si（ｔ−ｄ_i）に重みｋ_iを乗算する乗算器である。Ｓは、乗算器Ｐ_iの出力信号ｋ_i・ｘ_si（ｔ−ｄ_i）を加算して、出力信号ｙ（ｔ）を出力する加算器である。

図５に示すように、４個のマイクロホンＭ₁〜Ｍ₄は一直線状に配置されている。マイクロホンＭ₁〜Ｍ₄の配置位置は、マイクロホンの間隔が最短ゴロム定規の目盛間隔に比例した間隔となるように、｛０ｃｍ−３ｃｍ−１２ｃｍ−１８ｃｍ｝に設定されている。したがって、Ｍ₁とＭ₂との間隔Ｗ₁₂は３ｃｍに、Ｍ₂とＭ₃との間隔Ｗ₂₃は９ｃｍに、Ｍ₃とＭ₄との間隔Ｗ₃₄は６ｃｍとなっている。

〔３〕評価実験
〔３．１〕実験条件
上記実施例での手法（提案手法）の効果を確かめるために、音声認識率による性能評価実験を行った。

計算機上のシミュレーションにより、マイクロホンアレーを用いた場合の雑音環境下の音声信号を作成し、そのデータをもとに音声認識実験を行った。

マイクロホンアレーのパラメータとしては、マイクロホンの列に正面から音声を入力し、３０度傾いた方向から予備検討と同じ雑音を入力した。マイクロホンを４個とし、従来手法である等間隔配列の遅延和型マイクロホンアレー（以下、ＤＳアレイ）と、提案手法である最短ゴロム定規配列の遅延和型マイクロホンアレー（ＯＧＲ−ＤＳアレイ）を比較した。

ここで、マイクロホン間隔は、２つの手法において同規模とするために、ＤＳアレイでは、｛０ｃｍ−６ｃｍ−１２ｃｍ−１８ｃｍ｝にマイクロホンを配置し、ＯＧＲ−ＤＳアレイでは、図５に示すように、｛０ｃｍ−３ｃｍ−１２ｃｍ−１８ｃｍ｝にマイクロホンを配置した。また、対照実験として、マイクロホンアレーを用いない場合、つまりマイクロホン１個の場合の認識率も求めた。

各発声毎に、各マイクロホンの重み（ｋ_i（ｉ＝１，２，３，４））を０．１ずつ変化させ、遅延和処理後の音声区間と無音声区間を検出し、比較して得られるＳＮＲが全８４通りの中で最も高くなるものを音声認識への入力とした。

音声認識エンジンには、Julius3.lp2 を用い、ＩＰＡ−ｔｅｓｔｓｅｔの２０0 文の新聞朗読音声を評価データとして用いた( 参考文献〔３〕参照）。

参考文献〔３〕：鹿野清宏ら：音声認識システム，オーム社，2001.

音響特徴量は１２次のＭＦＣＣとそのΔＭＦＣＣおよびΔＰｏｗｅｒの計２５次元とし、フレーム長２５ｍｓ、フレームシフト１０ｍｓで分析した。

〔３．２〕結果と考察
音声認識実験の結果を表１に示す。

ＯＧＲ−ＤＳアレイはマイクロホンの配置を変え、重みを付けただけの簡単な方法にも関わらず、認識率を向上させることができた。

１０ｄＢ雑音環境下において、マイクロホン５個を｛０ｃｍ−６ｃｍ−１２ｃｍ−１８ｃｍ−２４ｃｍ｝に配置したＤＳアレイにおいても認識率を求めた結果、その認識率は４６．９％であった。これに対し、ＯＧＲ−ＤＳアレイでは、表１に示すように、マイクロホン４個でも認識率５１．１％となる。この場合、マイクロホンアレーの規模は、ＯＧＲ−ＤＳアレイの方が６ｃｍ小さかった。

このように、提案手法により、マイクロホン数を少なくし、マイクロホンアレーの規模を小さくすることが可能となった。

今回の実験条件において、各マイクロホンの重みは、０ｃｍと３ｃｍに配置されたマイクロホンの重みを０．３とし、１２ｃｍと１８ｃｍに配置されたマイクロホンの重みを０．２としたものが全２００文中１９３文にのぼった。このことから、重みの定式化ができれば、処理速度を向上させることができると考えられる。

〔４〕その他
上記実施例では、マイクロホンアレー内の各マイクロホンは、一直線状に配置されているが、図６に示すように円弧状に配置されていてもよい。この場合は、マイクロホンＭ₁〜Ｍ₄は、４個設けられているので、Ｍ₁とＭ₂との間隔（円弧に沿った長さ）と、Ｍ₂とＭ₃との間隔（円弧に沿った長さ）と、Ｍ₃とＭ₄との間隔（円弧に沿った長さ）との比は、１：３：２に設定される。

また、図７に示すように、マイクロホンアレー内に、仮想立方体の２以上の辺のそれぞれに、３以上のマイクロホンを配置したような場合にも、各辺毎のマイクロホンの配置に本発明を適用することができる。図７の場合は、各辺に４個のマイクロホンＭ₁〜Ｍ₄が配置されているので、各辺において、隣合うマイクロホンの間隔は、１：３：２に設定される。なお、図示はしないが、マイクロホンアレー内に、仮想四角錐の２以上の斜辺のそれぞれに、３以上のマイクロホンを配置したような場合にも、各斜辺毎のマイクロホンの配置に本発明を適用することができる。

遅延和型マイクロホンアレーの一般的な構成を示すブロック図である。各マイクロホン間隔（５ｃｍ，１０ｃｍ，１５ｃｍ）での、音源と雑音源の角度の変化による遅延和処理後のＳＮＲの変化を示すグラフである。図３（ａ）は、配置対象が４個の場合に、それらを等間隔で配置した場合の配置位置および間隔の種類を示し、図３（ｂ）は、４個の配置対象を最短ゴロム定期間隔に従って配置した場合の配置位置および間隔の種類を示す模式図である。本実施例の遅延和型マイクロホンアレーの構成を示すブロック図である。図４のマイクロホンの配置を示す模式図である。マイクロホンアレー内の各マイクロホンが円弧状に配置されている場合の例を示す模式図である。マイクロホンアレー内に、仮想立方体の２以上の辺のそれぞれに、３以上のマイクロホンを配置した場合の例を示す模式図である。

符号の説明

Ｍ_i マイクロホン
Ｄ_i 遅延器
Ｐｉ乗算器
Ｓ加算器

Claims

３以上のマイクロホンを備えたマイクロホンアレーにおいて、各マイクロホンの間隔が、最短ゴロム定規の目盛間隔に比例した間隔に設定されていることを特徴とするマイクロホンアレー。
上記３以上のマイクロホンは、直線状に配置されていることを特徴とする請求項１に記載のマイクロホンアレー。
上記３以上のマイクロホンは、円弧状に配置されていることを特徴とする請求項１に記載のマイクロホンアレー。
４個のマイクロホンを備えており、各マイクロホンの間隔が、１対３対２の間隔に設定されていることを特徴とする請求項１、２および３のいずれかに記載のマイクロホンアレー。