JP2023554360A - マイクロホンアレイの音声出力を変調するための方法、装置、およびコンピュータ可読記憶媒体 - Google Patents

Abstract

環境のノイズレベルに応じて音声出力の構成を変調する方法、装置、コンピュータ可読記憶媒体。例えば、本開示は、マイクロホンアレイの音声出力を変調するための方法であって、前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを備える、受信ステップと、前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、処理回路により、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、を備える方法について記載する。

Description

本開示は、可変ノイズ環境におけるビームフォーマーの使用に関する。特に、本開示は、車両の車内通信システムの動作および制御に関する。

ビームフォーミングの実用性は、変動する音響環境において常に変化する多くの要因の影響を受ける。例えば、所定のマイクロホンアレイおよび特定のビームフォーマー設計を仮定すると、周囲の音響環境における変動するノイズレベルにより、ある時には不明瞭な電気的セルフノイズ（自己ノイズ、自己雑音）が導入されたり、また他の時には望ましくないビーム幅および空間エイリアシングが発生したりする場合がある。このように、特定の静的に定義されたビームフォーマー設計を実現しても、種々の音響条件をリアルタイムで正確に処理するには不十分なことがある。

車両という文脈で考えると、特に中速または高速で走行中の車両の同乗者間での会話は、道路ノイズ、エンジンノイズ、オーディオノイズ、および他の典型的に上昇する環境音により困難になり得る。したがって、車内通信システムは、向上した通信特性を提供することにより自然な聴こえ方を補強しようとしてきた。しかしながら、高い音響ノイズ環境により、車内通信システムのマイクロホンアレイのノイズ中で意図された音声を最適に識別する能力は妨げられ続けている。より正確な発話プロセッサおよび信号対ノイズ比の向上を提供する努力において、新たなアプローチが検討されなければならない。

したがって、最適な信号対ノイズ比を達成するために、汎用ならびに自動車環境に適用可能なビームフォーミングに対する実用的なアプローチを開発する必要がある。

上述の背景技術の記載は、本開示の文脈を全体的に示すことを目的としている。当該背景技術の項に記載されている範囲における本発明者らの業績、ならびに出願時に先行技術としてみなされない可能性のある本明細書の態様は、明示的にも黙示的にも本発明に対する従来技術として認められない。

本開示は、マイクロホンアレイの音声出力を変調するための方法を実施するように構成された処理回路を備える方法、装置、およびコンピュータ可読記憶媒体に関する。

実施形態によれば、本開示は、マイクロホンアレイの音声出力を変調するための方法であって、前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを備える、受信ステップと、前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、処理回路により、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、を備える方法にさらに関する。

実施形態によれば、本開示は、処理回路を備える、マイクロホンアレイの音声出力を変調するための装置であって、前記処理回路は、前記マイクロホンアレイにおける複数のマイクロホンカプセルのうちの２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するように構成され、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと対応する前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを備え、前記環境の音響寄与レベルを、受信した音声信号に基づいて推定するように構成され、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するように構成され、前記構成は、音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に少なくとも基づく、装置にさらに関する。

実施形態によれば、本開示は、コンピュータにより実行されると、マイクロホンアレイの音声出力を変調するための方法を前記コンピュータに実施させるコンピュータ可読命令を記憶した非一時的なコンピュータ可読記憶媒体であって、前記方法は、前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを備える、受信ステップと、前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、処理回路により、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、を備える非一時的なコンピュータ可読記憶媒体にさらに関する。

前述の段落は、全体を紹介するために提供されたものであり、以下の特許請求の範囲を限定することを意図するものではない。記載された実施形態は、さらなる利点とともに、添付図面とともになされる以下の詳細な説明を参照することにより最も良好に理解され得る。

本開示およびこれに付随する多くの利点についてのより完全な理解が、容易に得られるであろう。なぜならば、それらは、添付図面と併せて考慮される場合、以下の詳細な説明を参照することによってより良好に理解されるからである。

図１は、本開示の例示的な実施形態による、車両の車内通信システムの説明図である。 図２Ａは、全方向性マイクロホンの例示的な極性パターンである。 図２Ｂは、カーディオイドマイクロホンの例示的な極性パターンである。 図３は、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのフロー図である。 図４Ａは、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのサブプロセスの態様の図である。 図４Ｂは、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのサブプロセスのフロー図である。 図５は、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのサブプロセスのフロー図である。 図６は、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのサブプロセスのフロー図である。 図７は、本開示の例示的な実施形態による、任意の周波数におけるビームフォーミング構成のグラフ図である。 図８Ａは、本開示の例示的な実施形態による、マイクロホンアレイの配置の図である。 図８Ｂは、本開示の例示的な実施形態による、マイクロホンアレイの配置の図である。 図８Ｃは、本開示の例示的な実施形態による、マイクロホンアレイの配置の図である。 図８Ｄは、本開示の例示的な実施形態による、マイクロホンアレイの配置の図である。 図８Ｅは、本開示の例示的な実施形態による、マイクロホンアレイの配置の図である。 図９は、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスの低レベルフロー図である。 図１０Ａは、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスの高レベルフロー図である。 図１０Ｂは、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスの低レベルフロー図である。 図１０Ｃは、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスのフロー図である。 図１１は、本開示の例示的な実施形態による、車内通信システムを採用する車両のハードウェア構成の概略図である。

本明細書で使用される用語「ａ」または「ａｎ」は、１つまたは１つより多いと定義される。本明細書で使用される「複数」という用語は、２つまたは２つより多いと定義される。本明細書で使用される用語「別の」は、少なくとも２つ目以上として定義される。本明細書で使用される用語「含む（ｉｎｃｌｕｄｉｎｇ）」および／または「有する（ｈａｖｉｎｇ）」は、備える（ｃｏｍｐｒｉｓｉｎｇ）（すなわち、オープン言語）として定義される。本明細書全体を通して、「一実施形態」、「特定の実施形態」、「実施形態」、「実施例」または同様の用語への言及は、実施形態に関連して説明される特定の特徴、構造、または特性が、本開示の少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書全体を通して、このような語句または種々の箇所での出現は、必ずしもすべてが同じ実施形態に言及しているわけではない。さらに、特定の特徴、構造、または特性は、限定することなく、１つ以上の実施形態において任意の適切な方法で組み合わせられ得る。

実施形態によれば、本開示は、マイクロホンアレイの出力を、その信号対ノイズ比を最適化するように変調するための方法について記載する。本明細書で説明する方法は、特にハンズフリー通話、ボイスオーバーインターネットプロトコル（ｖｏｉｃｅ ｏｖｅｒ ｉｎｔｅｒｎｅｔ ｐｒｏｔｏｃｏｌ（ＶｏＩＰ））、音声認識、およびゾーン車間会議（ｚｏｎａｌ ｖｅｈｉｃｌｅ－ｔｏ－ｖｅｈｉｃｌｅ ｃｏｎｆｅｒｅｎｃｉｎｇ）を含む種々の設定において実現されることが理解されるであろう。特に、本開示の方法は、例示的な実施形態を参照しつつ以下に説明する車内通信の文脈において実現され得る。

したがって、図１は、車両１０１の車内通信システム１０２の図である。車両１０１は、マイクロホンアレイの音声出力を変調する方法等の車内通信システム１０２の方法を実施するように構成された電子制御ユニット（ＥＣＵ）１６０を含み得る。ＥＣＵ１６０は、車両１０１の複数のマイクロホン１０６、および車両１０１の複数のスピーカ１０５と通信し得るとともに、これらを制御し得る。車両１０１の複数のマイクロホン１０６の各々は、図１の例示的な実施形態に示すように、車両１０１のヘッドライナを含む車両１０１の車室全体に装着され得る。実施形態において、車両１０１の複数のマイクロホン１０６の一部が、本開示の焦点であるように、マイクロホンアレイを形成し得る。図１に示すように、運転者１０３を含む複数の人（乗員）１０４が車両１０１内に存在し得る。「マイクロホン」および「マイクロホンカプセル」は、本開示を通じて互換的に使用される場合があること、およびそれらは音響信号を検出および伝達するための類似のデバイスを示唆することを意図していることに留意されたい。

車両１０１の車内通信システム１０２の標準的な動作において、車両１０１の複数の乗員１０４の各々からの発話が向上され得るとともに、車両１０１の複数の乗員１０４のうちの他の乗員の各々に送信され得る。これにより、通信が妨げられないこと、およびすべての乗員が車両での会話に参加する機会を有することが確実とされる。

しかしながら、実際には、車内通信システムのこのような動作は、車両の変動する音響ノイズ環境により妨げられて、性能が最適でなくなることがあり得る。実際に、上述のように、車内通信システムは、音響ノイズのレベルの変動を原因として車両での発話を最適に識別および向上できないことが多い。車両において、暖房／換気／空調システムによるノイズ、車両の外側に当たる風によるノイズ、タイヤと路面との接触によるノイズ、クラクションやサイレン等を含む車両の外部の事象によるノイズ、車両内の競合する話者（すなわち乗員）による音響ノイズが発生し得る。さらに、上述の音源からの音響ノイズの音量は、特に車速および外部の気象事象を含む多くの要因とともに変動する。種々の考えられ得る音響ノイズ源が存在する中で、これにより発生するノイズの音量がわからないことを考慮しつつ、音声信号をより良好に応答させるとともに信号からノイズを分離するようにマイクロホンおよび処理方法を調整する取り組みがなされてきた。

当初、このような取り組みは、一般的に音響ノイズ環境に向けられていた。一例では、任意の個数のマイクロホン、マイクロホンカプセル、および一連の極性制約について、最大の信号対ノイズ比（ＳＮＲ）を達成するための戦略として、最小ノルム解または同様の数学的最適化が、これらの取り組みに含まれていた。しかしながらこのアプローチは、周囲ノイズを効果的に除去する（それぞれの極性パターンの結果）が、ホワイトノイズの増幅を増大させる。別の例では、単一の空間起源に由来するノイズを最大限に低減させる戦略として、適応型到来方向（音源方向）技術、または主要なノイズ源に向けてヌルステアリングを可能にする同様の技術が、これらの取り組みに含まれていた。特に、このアプローチは、特定された指向性ノイズ源（イグニッションキーシリンダのエンジンキーのジャラジャラ音）に向けてヌル化（無効化）しつつ、所望の音源に向けて一定のメインローブを維持することができる。特定のノイズは分離されるが、このアプローチは、多数のマイクロホンがない場合、特定された指向性ノイズ源としての話者の正確な位置を捕捉するロバスト性が低いことを示している。さらに、このようなアプローチは、ノイズ自体が指向的にコヒーレントであり、および／または到来方向技術により良好に推定される音響ノイズ源からのノイズを低減するのにより効果的である。しかしながら、コヒーレントなノイズ源は、車両の走行中には皆無に等しい。例えば、道路ノイズは、上述のアプローチでは良好に捕捉できない拡散ノイズを発生させる。これらのアプローチは、最も望ましいビーム幅、およびエイリアシングのポイントまでの全周波数に亘って一貫性のあるビームを生成するアプローチが、周波数に反比例する電気的セルフノイズを最も多く発生させる、というパラドックスをもたらす。

これらの最適ではないアプローチを考慮しつつ、本開示では、車両の種々の音響環境に対処可能である、マイクロホンアレイの音声出力を変調する装置および方法について説明する。実施形態において、本開示の装置および方法は、複数のマイクロホン（例えば３つ以上のマイクロホン）を含むマイクロホンアレイ内で実現され得る。本開示の装置及び方法は、本開示の以下の部分で詳述するように、低周波を含む拡散するノイズ音場において、高いＳＮＲ向上、ならびに空間エイリアシングを伴わない広い周波数範囲に亘る一定の極性パターンを生じさせることができる。

実施形態によれば、本開示の装置および方法の利点は、上述のように、小型の形状因子パッケージにおいて達成され得る。

さらに、このような利点は、車両の複雑な音響環境を理解することで達成できる。例えば、図１の車両が高速で走行している場合のように、高レベルの音響背景ノイズが存在する空間では、マイクロホンアレイの指向性が、目的の信号を捕捉する上で重要であり得る。車両の大音量環境において、後述する電気的ノイズの影響は無視できるほど小さくなるため、マイクロホンアレイの指向性を高める利点を生かすことができる。マイクロホンアレイの指向性を高くすると音響「ノイズ」は効果的に減少するが、指向性を高めることは、特に低周波数における電気的ノイズまたは電気的セルフノイズを同様に増大させる。図１の車両が中程度の速度で比較的静かな音響背景で走行している別の例において、マイクロホンアレイの各マイクロホンの電気的セルフノイズまたはセルフノイズの影響が顕著になる。この比較的低いノイズ環境では、セルフノイズと音響ノイズとのバランスを図って、マイクロホンアレイの指向性が緩和され得る。

したがって、本開示では、電気的ノイズとマイクロホンアレイの指向性との関係を管理することを目的として、音響ノイズを能動的に測定するための装置および方法について説明する。この目的のために、本開示の装置および方法は、測定した音響ノイズに基づいて１つのビームフォーマーまたは組み合わせたビームフォーマーを実現することを含む。１つのビームフォーマーまたは組み合わせたビームフォーマーは、電気的セルフノイズおよび指向性を効果的に考慮するとともに、高いＳＮＲを有する音声出力を提供する。さらに、このようにして、本開示による装置および方法は、マイクロホンアレイ内のマイクロホン間隔を最小にすることができる。これにより、電気的セルフノイズとエイリアシングのない帯域幅との典型的なバランスを回避しつつ、１つのビームフォーマーまたは組み合わせたビームフォーマーを小型の形状因子マイクロホンアレイに適用可能とする（例えば、小さいマイクロホンアレイは典型的に電気的セルフノイズまたはホワイトノイズ増幅を増大させるが、大きなアレイは典型的に空間エイリアシングを増大させる）。

本開示の実施形態は、マルチエレメントマイクロホンアレイ用のビームフォーミングの開口（ａｐｅｒｔｕｒｅ）（すなわち指向性）により、ホワイトノイズ増幅とＳＮＲ向上のバランスを最適化する。

ここで図面に戻ると、図２Ａおよび図２Ｂは、本開示のマイクロホンアレイ内で採用され得るマイクロホンの例示的な極性パターンの図を示す。図２Ａは、全方向性マイクロホン２０７の例示的な極性パターンの図である。灰色の線は極性プロット領域を表し、黒い線はマイクロホンの集音角度（ａｃｃｅｐｔａｎｃｅ ａｎｇｌｅ）を示す。全方向性マイクロホン２０７の場合、マイクロホンの集音角度は、３６０度である。これにより、あらゆる角度から集音できる。ただし、異なるマイクロホンは変更可能な集音角度を有するため、応用の特定ニーズに応じてマイクロホンを選択することができる。例えば、図２Ｂは、指向性マイクロホン２０８（例えば、カーディオイドマイクロホン、双指向性マイクロホン）の例示的な極性パターンの図である。灰色の線は極性プロット領域を表し、黒い線はマイクロホンの集音角度を示す。指向性マイクロホン２０８の場合、マイクロホンの集音角度は、～１３０度である。このように、指向性マイクロホン２０８は、集音を制御することができる。これは、集音角度以外の領域が少なくとも減衰されるため、マイクロホンで受信されないからである。図２Ｂの指向性マイクロホン２０８は、集音角度を制御できる多数の指向性マイクロホンのうちの１つである。したがって、図２Ｂのカーディオイド極性パターンは、応用のニーズに基づく種々の適切な極性パターンのうちの１つに過ぎず、極性パターンを調整することにより集音角度が変調できることが理解され得る。このような極性パターンには、超カーディオイド、ハイパーカーディオイド、双方向性、ローバー等が含まれる。

ただし現時点では、図２Ａの全方向性マイクロホン等の全方向性マイクロホンエレメントが、システムが設計され得るロバストなプラットフォームを提供する。特に微小電気機械システムに基づく全方向性マイクロホンは、回路基板レベルの製造について堅牢なコンデンサ選択を提供し、特に周波数応答、感度、位相ドリフト、温度係数等においてより優れた公差を示す。

さらに、上述の極性パターンは、全方向性マイクロホンから構成されるマイクロホンアレイアレイ内において１つ以上のビームフォーマー設計を実現することにより生成され得る。このようにして、マイクロホンアレイの集音角度を制御することができる。したがって、本開示の装置および方法は、実施形態において、複数の全方向性マイクロホンを含むマイクロホンアレイを対象とするビームフォーミング方策を採用する。

上述のマルチエレメントマイクロホンアレイを用いたビームフォーミングは、音を通過させ得る、または遮断し得る「開口」を作製するために適用され得る信号処理技術である。換言すれば、望ましい角度からの音については「開口」を通過させ得るが、望ましくない角度からの音は遮断され得る。種々のビームフォーミングのアプローチが存在し、各々が「開口」に関する異なる利点を提供しつつ、異なる欠点をもたらす。例えば、特定のアプローチは、欠点としてセルフノイズ、または「ホワイトノイズ増幅」をもたらす。セルフノイズは、純粋に電気的領域におけるものであり、周波数に反比例する。別の例では、特定のアプローチは、電気的ノイズレベルは低いが、望ましくない開口および全体的なビーム幅（すなわち、周波数の関数としてのビームの一貫性）、ならびに空間エイリアシングを悩みとする。逆説的であるが、最も望ましいビーム幅と、エイリアシングが発生するまでの全周波数に亘って一貫性のあるビームを作り出すビームフォーミングのアプローチは、電気的セルフノイズが最も大きい。

これらの条件は、自動車環境に適用された場合に誇張され得る。電気的セルフノイズにより、ノイズがビームフォーマー出力スペクトルの低周波数（例えば０．１～１ｋＨｚ）に効果的に付加される。これは、自動車への適用において特にトラブルとなる事実である。なぜならば音響ノイズ密度の大部分は、周波数に反比例するからである。さらに、このセルフノイズ増幅メカニズムは、ビームパターンの指向性に正比例し、アレイのエレメント間の間隔に反比例する。したがって、このような高い指向性を有する同様のタイプのビームフォーマーは、通常採用されない。なぜならば、マイクロホンアレイのサイズが小さいほど、高いセルフノイズを有する良好なビームパターンが生成されるため、低音響ノイズの状況ではアレイがほとんど使用できなくなることが理解できるからである。

上述のビームフォーマーについての説明および欠点は、本開示の装置および方法の動機となる。特に、上記から、理想的なビームフォーマーの目標は、特定の方向のみからの音を通過させて全体システムのＳＮＲを向上させ得る適切に狭い開口を作製することであることが理解され得る。

図面に戻ると、図３は、本開示の例示的な実施形態の方法を説明するプロセスのフロー図である。

図３のプロセス３１５は、マイクロホンアレイの音声出力を変調する方法を説明する。本方法は、上述のものと同様の１つ以上のビームフォーマーを採用する。

プロセス３１５のステップ３２０において、マイクロホンアレイのマイクロホンから、音声信号が受信され得る。マイクロホンアレイは、車両の車室全体または車両の外部に配置された複数のマイクロホンアレイのうちの１つであり得る。マイクロホンアレイは、上述のように、全方向性マイクロホンを含み得る。マイクロホンアレイは、線形アレイまたは非線形アレイであり得る。その例示的な配置を図８Ａ～図８Ｅに示す。

プロセス３１５のサブプロセス３２５において、音響ノイズ寄与が、受信した音声信号に基づいて推定され得る。音場の音響ノイズ寄与は、プロセス３１５のサブプロセス３３０に対する音響ノイズ寄与のリアルタイム量を提供するように、継続的に推定され得る。推定された音響ノイズ寄与は、音声出力の構成を決定するために使用される。実施形態において、音響ノイズ分布は、発話とは無関係に推定される。この推定を可能にするため、図４Ａ、図４Ｂ、図５、図１０Ａ～図１０Ｂを参照して詳述する音声活動検出器（ｖｏｉｃｅ ａｃｔｉｖｉｔｙ ｄｅｔｅｃｔｏｒｓ、音声区画検出器）およびヌルトーカー（ｎｕｌｌ ｔａｌｋｅｒｓ）を含むいくつかのアプローチが採用され得る。

プロセス３１５のサブプロセス３２５で音響ノイズ寄与レベルを推定した後、プロセス３１５のサブプロセス３３０において、音声出力の構成が決定され得る。音響ノイズ寄与レベルに応じて、すべての周波数に亘って一貫した出力を提供することを目的として、１つ以上のビームフォーマー出力が組み合わせられて、ＳＮＲを最大化する最適な音声出力が生成され得る。

簡単に説明すると、プロセス３１５のサブプロセス３３０は、２つのタイプのビームフォーマーを含む例を考慮して理解され得る。低い指向性を有するためセルフノイズが低いビームフォーマー「Ａ」、および高い指向性を有するためセルフノイズが高いビームフォーマー「Ｂ」を想定する。いずれかのビームフォーマーを、音響ノイズ寄与レベルの範囲に亘って個別に使用することは賢明ではない。なぜならば、ビームフォーマー「Ｂ」の比較的高いホワイトノイズ増幅は、低音響ノイズ環境において邪魔になる一方で、ビームフォーマー「Ａ」は、高音響ノイズ環境において十分に狭い開口を有さないからである。本開示の方法は、音響ノイズ寄与値の範囲に亘ってＳＮＲを最大化する音声出力を提供するためにアレイのマイクロホンカプセルの表面で測定した音響ノイズ音場に基づいて、ビームフォーマー「Ａ」の出力とビームフォーマー「Ｂ」の出力とを混合する方法を提供する。したがって、単純化した例において、音響ノイズ寄与のレベルが低い場合、ビームフォーマー「Ａ」が合成出力を支配する可能性が高い。音響ノイズ寄与のレベルが中程度である場合、ビームフォーマー「Ａ」およびビームフォーマー「Ｂ」が合成出力に等しく寄与する可能性が高い。音響ノイズ寄与のレベルが高い場合、ビームフォーマー「Ｂ」が合成出力を支配する可能性が高い。

同様に、低い音響ＳＮＲが存在する場合、組み合わされたビームフォーマーは、指向性が高くなり得る。これにより、特に低周波数における全体的なＳＮＲの改善が得られるが、セルフノイズの一致した増加により阻害される。全体的な効果は、最小音響ノイズ寄与と最小音響ノイズレベルに対するセルフノイズの許容寄与との合計よりも多くのセルフノイズを決して発生させない、合成ビームフォーマー出力または音声出力である。換言すれば、合成ビームフォーマー出力におけるノイズの合計量は、最小音響ノイズ寄与と、開口のノイズ低減効果とセルフノイズの寄与との和との差に由来する。

上記の単純な２つのビームフォーマーの例は、必要に応じて、処理能力とＳＮＲとのトレードオフを考慮しつつ、複数のビームフォーマーを含むように拡張できることが理解され得る。またさらに、上述の例は、最適なビームフォーマー構成の策定に際して、周波数依存性を考慮するように拡張され得る。上述のように、周波数は、電気的セルフノイズに反比例するため、音響周波数の可能なスペクトルに亘って同様に考慮する必要がある。

プロセス３１５のサブプロセス３３０で決定された音声出力の構成は、プロセス３１５のステップ３３５における音声出力の生成において使用され得る。音声出力は、車内通信システムの場合、車両の１つ以上のスピーカに提供され得る。音響ノイズ寄与はリアルタイムで変化するため、組み合わされたビームフォーマーが更新されると、音声出力の構成も変化し得る。聞き取れるクリック音、ポップ音、または他のタイプのアーチファクトを回避するように、ビームフォーマータイプ間の遷移は、一例において、クロスフェードゲイン曲線（ｃｒｏｓｓ－ｆａｄｉｎｇ ｇａｉｎ ｃｕｒｖｅｓ）により容易化され得る。クロスフェードゲイン曲線は、調整可能な時定数を示し、推定された音響ノイズ寄与により変調される、あらかじめ設計されたビーム間の一定の変化を提供する。このようなクロスフェードゲイン曲線は、音響周波数スペクトルに亘って変化し得る。このように、推定された音響ノイズ寄与が変動するにつれて、前のビームフォーマーは、減衰「フェードアウト」プロファイルを受信し、後続のビームフォーマーは「フェードイン」プロファイルを受信する。クロスフェードゲイン曲線の時定数は、推定された音響ノイズ寄与のレベルが変化する速度に応じて調整され得る。例えば、時定数は、音響ノイズ環境が変化する速さに応じて短くても長くてもよい。このような時定数について、図１０Ａ～図１０Ｃを参照して詳述する。

図４Ａ、図４Ｂおよび図５を参照すると、音響ノイズ寄与は、発話とは無関係に推定され得る。この目的のために、マイクロホンアレイは、任意のタイミングにおいて、道路ノイズ、車両ノイズ、乗員の発話を含む種々の音源により生成された音声信号を受信し得ることが理解され得る。複数のビームフォーマー設計が、マイクロホンアレイの受信した音響信号に対して、独立して、または同時に適用され得る。実施形態において、発話を分離してこれを音響ノイズ寄与の推定から除去するため、音響ノイズが、受信した音響信号に適用される指向性ビームフォーマーを使用することにより、直接発話から分離され得る。指向性ビームフォーマーは、図４Ａに示すような、カーディオイドマイクロホンの極性パターンに類似したビームパターンを生成し得る。これにより、「ヌルトーカー」の生成が可能とされる。この目的のために、指向性ビームフォーマーのヌル４２７が、意図したスピーカ４２６の方向、または人間の発話の発生源に向けられ得る。これにより、結果としての極性パターン４２８が、発話の反射およびノイズを捕捉する音響ノイズ項を生成するように配置される。

車両の文脈において、マイクロホンアレイにおけるマイクロホンにより生成された音声信号は、発話と発話の反射とノイズとの合計であり得る。マイクロホンアレイに指向性ビームフォーマーを実装することにより、図４Ａに記載のように、指向性ビームフォーマーまたは設計された開口により生成された音声出力は、発話の反射およびノイズ、すなわちより一般的には音響ノイズを含むことがさらに理解され得る。

具体的には、図４Ｂに記載のように、サブプロセス３２５のステップ４３６において、音声信号が、マイクロホンから受信され得る。サブプロセス３２５のステップ４３７’において、未処理の音声信号が分離され得る。一例では、未処理の音声信号は、人間の話者に最も近いマイクロホンアレイのマイクロホンから取得され得る。したがって、サブプロセス３２５のステップ３２５において受信した音声信号は、処理されて、サブプロセス３２５のステップ４３７”において、「ヌルトーカー」を生成し得る。処理には、特定の指向性ビームフォーマーの実現が含まれ得る。サブプロセス３２５のステップ４３７’において分離された全方向性音声信号、およびサブプロセス３２５のステップ４３７”において生成された「ヌルトーカー」に基づいて、発話信号対ノイズ比（ｓＳＮＲ）の推定値が、サブプロセス３２５のステップ４３８において決定され得る。サブプロセス３２５のステップ４２８において決定されたｓＳＮＲは、サブプロセス３２５のステップ４２９において推定される音響ノイズ寄与のベースとなり得るとともに、合成ビームフォーマー出力を更新するようにプロセス３１５のサブプロセス３３０に提供され得る。このようにして、合成ビームフォーマー出力は、指向性により最大化される。このようなアプローチにより、マイクロホンアレイの形状因子が、所定のマイクロホン数に応じて最小化され得る。そのセルフノイズは、全体の音響ノイズ最小値に対する許容寄与を超えない。

別の実施形態において、図５を参照すると、音響ノイズ寄与は、音声活動検出器を使用することで、発話とは無関係に推定され得る。上述のように、音声活動検出器は、人間の発話の影響を伴わない音響環境を反映するノイズ値を分離するように使用され得る。したがって、サブプロセス３２５のステップ５３６において、音声信号は、マイクロホンアレイの全方向性マイクロホンから受信され得る。一例において、全方向性マイクロホンは、人間の話者に最も近いマイクロホンアレイのマイクロホンであり得る。サブプロセス３２５のステップ５３６において全方向性マイクロホンから受信した音声信号は、発話の存在についてサブプロセス３２５のステップ５２１において評価され得る。そして、サブプロセス３２５のステップ５２２において、発話が受信した全方向性マイクロホンの音声信号にあるかないかが決定され得る。音声信号中に発話があると決定された場合、サブプロセス３２５はステップ５３６に戻る。あるいは、発話が音声信号にないと決定された場合、サブプロセス３２５はステップ５２９に進み、ステップ５３６で受信した音声信号は、ステップ５２９において推定される音響ノイズ寄与に関するベースとして使用され得る。

以上から、理想的な状況では、音声活動検出器およびヌルトーカーの利点が組み合わせられ得ることが理解され得る。例えば、音声活動検出器の有効性は音響ノイズレベルに反比例することを理解の上で、ヌルトーカー（すなわち人間の話者に向けられたヌルを有する指向性ビームフォーマー）と音声活動検出器との組み合わせにより、音響ノイズ寄与を分離および推定するための直接的なアプローチが提供され得る。この組み合わせにより、混合された検出器出力がもたらされ得る。ここでは、後述するように、音声活動検出器がより低い音響ノイズ寄与レベルで使用され、ヌルトーカーがより高い音響ノイズ寄与レベルで使用されて、組み合わされたビームフォーマーの混合構成の行く末が決定される。例えば、上述の検出よび推定は、いつ、どのような比率で組み合わされたビームフォーマーの混合構成を更新するかについての決定に情報を提供することができる。

サブプロセス３２５において音響ノイズ寄与を推定した後、プロセス３１５は、サブプロセス３３０に進み得る。ここで、推定された音響ノイズ寄与は、ビームフォーマー出力の構成を決定するように使用され得る。図６のフロー図に記載のように、ビームフォーマー出力の構成は、推定された音響ノイズ寄与に部分的に従って、複数のビームフォーマーの各々について決定された合計ノイズ値に基づき得る。

図６を参照すると、プロセス３１５のサブプロセス３２５において推定された音響ノイズ寄与は、プロセス３１５のサブプロセス３３０で使用されて、マイクロホンアレイの音声出力の構成が決定および生成され得る。推定された音響ノイズ寄与を受信した後、複数のビームフォーマーの各々の合計ノイズ値が、サブプロセス３３０のステップ６３１において決定され得る。一例において、図９～図１０Ｃに示すように、複数のビームフォーマーは、３つ以上のビームフォーマーを含み得る。当然ながら、ビームフォーマーの個数は、応用のニーズに基づくものであり、限定されないことが理解され得る。なぜならば、本開示の方法は、ビームフォーマー１、ビームフォーマー２、ビームフォーマー３…、ビームフォーマーｉを含み得る複数のビームフォーマーのビームフォーマー数とは無関係に、常に実施され得るからである。

サブプロセス３３０のステップ６３１において決定された複数のビームフォーマーの各々の合計ノイズ値（Ｎ_Ｔ（ω））は、図４Ａ～図５を参照して上述した音響ノイズ（Ｎ_ａ）からの寄与と、電気的セルフノイズ（Ｎ_ｅ）との組み合わせであると単純に考えることができる。この関係は、任意の周波数（ω）または周波数帯域について、式（１）で表される。

各ビームフォーマーの合計ノイズ値に影響を与える追加要因を考慮することで、より完全な理解が得られる。例えば、Ｎ_ａは、ビームフォーマーの指向性指数（ＤＩ）により低減され得る。一方で、Ｎ_ｅは、ビームフォーマーのポストフィルタ（Ｈ_ｐ）およびマイクロアレイのマイクロホンの個数により、それらの統計的結合原理（Ｍ_ｅ）により規定されるように増幅され得る。式（２）は、式（１）に基づくもので、以下のように記載される。

電気的セルフノイズ項（Ｎ_ｅ）に着目すると、電気的セルフノイズは、熱ノイズ（例えば温度変動）、フリッカーノイズ、ショットノイズ、トランジットノイズ（遷移ノイズ）、バーストノイズ等の、電気部品内部のメカニズムに起因するタイプのノイズである。これらのメカニズムは音響領域から独立しているため、複数のマイクロホンの各マイクロホンからの電気的ノイズは無相関である。しかし、各マイクロホンからの電気的ノイズは、あらゆる音響ノイズ環境に亘る各マイクロホンの電気的セルフノイズ項を定義する基準マイクロホンの実験室測定に基づいている。これらのメカニズムからの合計電気的セルフノイズ寄与は、システムにおいて使用される回路全体を通じたセルフノイズの総和であり、マイクロホンアレイの合計電気的セルフノイズをもたらす。この目的のために、式（２）で示したように、ビームフォーミングは、向上した指向性と電気的セルフノイズ増幅とのバランスをとる。

このバランスは、マイクロホンアレイ構造の順番（例えば、何層存在するか）により部分的に決定され得る。これは、ビームフォーマーのポストフィルタを決定する。ポストフィルタの前に存在する電気的セルフノイズを、ポストフィルタのスペクトルで乗じることができる。このアプローチは、原理的には、差分アレイの場合に、どのように電気的セルフノイズの低周波数が増幅されるかということである。しかしながら、遅延和ビームフォーマー（ｄｅｌａｙ ａｎｄ ｓｕｍ ｂｅａｍｆｏｒｍｅｒｓ）の場合、ポストフィルタは、１／Ｍに等しい。式中、Ｍは、使用されるマイクロホンの個数である。出力の電気的セルフノイズは減少する。このように、マイクロホンアレイの使用マイクロホンの個数は、ノイズ乗数を合計ノイズ式に付加する。２マイクロホン差分アレイの例では、ノイズ乗数は、√２である。３マイクロホン二次差分アレイ（２^ｎｄ ｏｒｄｅｒ ｄｉｆｆｅｒｅｎｔｉａｌ ａｒｒａｙ）の例では、ノイズ乗数は√６である。さらに、比較として、３マイクロホン遅延和ビームフォーマーの例では、ノイズ乗数は√３である。

マイクロホンアレイにおける各マイクロホンについての電気的セルフノイズ項は無相関であるため、マイクロホンアレイの合計電気的セルフノイズ項を、式（３）に記載される倍数Ｍ_ｅで乗じることができる。

上述のように、式（３）は、ビームフォーマーをレイヤーで記述できることを前提としている。各レイヤーは、特定数の有効入力信号Ｍを含む。例えば、二次差分アレイにおいて、２つの有効レイヤーが存在する。第１レイヤーは、３つの入力信号を含み得る一方で、第２レイヤーは２つの入力信号（すなわち第１レイヤーの結果）を含む。したがって、入力信号の個数は、Ｍ＝√６と記載される。比較として、３つのマイクロホンを使用する遅延和ビームフォーマーは、√３の有効値Ｍを有し得る。いずれの場合も、ポストフィルタ応答に続く電気的セルフノイズ項、およびマイクロホンアレイのレイヤーおよび／または次数を含む各ビームフォーマーの合計ノイズ値は、無相関信号が加算される二乗平均平方根プロセスを介して、以下のように記述され得る。

式（４）において、Ｎ_Ｔは合計ノイズ項であり、ωは周波数項であり、Ｈ_ｐはビームフォーマーのポストフィルタであり、Ｌはビームフォーマーにおけるレイヤーの個数（すなわち、差分の次数）であり、Ｍはビームフォーマーの各レイヤーの設計における入力信号の個数であり、Ｎ_ｅはアレイ内の単一の全方向性マイクロホンの電気的セルフノイズであり、Ｎ_ａは音響ノイズ寄与であり、ＤＩはビームフォーマーの指向性指数である。

式（４）は、サブプロセス３３０のステップ６３１において、複数のビームフォーマーの各ビームフォーマーの合計ノイズ値を決定するために使用され得る。サブプロセス３３０のステップ６３２において複数のビームフォーマーを組み合わせてミキサを介して単一のビームフォーマーにするために、各ビームフォーマーからの合計ノイズ値は、クロスフィルタ重量合計され得る。この結果が合成合計ノイズ値である。合成合計ノイズ値は、以下のように記述され得る。

ここで、Ｎ_ｔは合成合計ノイズ値であり、Ｎ_ｔ，０は、ビームフォーマー０に対して決定された合計ノイズ値であり、Ｈ_０はビームフォーマー０に適用されるフィルタ伝達関数であり、Ｎ_ｔ，１は、ビームフォーマー１に対して決定された合計ノイズ値であり、Ｈ_１はビームフォーマー１に適用されるフィルタ伝達関数であり、Ｎ_ｔ，２はビームフォーマー２に対して決定された合計ノイズ値であり、Ｈ_２はビームフォーマー２に適用されるフィルタ伝達関数であり、Ｎ_ｔ，ｉはビームフォーマーｉに対して決定された合計ノイズ値であり、Ｈ_ｉはビームフォーマーｉに適用されるフィルタ伝達関数である。組み合わされたビームフォーマーの指向性は、組み合わされたビームフォーマーの極性応答の設計や、特定の周波数範囲における１つ以上のビームフォーマーの特定の利点を利用することによって制御され得る。

サブプロセス３３０のステップ６３２において、ミキサは、サブプロセス３２５で推定された音響ノイズ寄与に基づいて、ステップ６３１の異なるビームフォーマーからの寄与レベルを調整することにより、マイクロホンアレイの音声出力を変調し得る。このようにして、ミキサは、組み合わされたビームフォーマーにより変調された音声出力のＳＮＲを最大化することができる。このような機能は、同時に、または別個に実施され得る。実施形態において、複数のビームフォーマーの各々の寄与レベルの調整は、任意の周波数において、推定された音響ノイズ寄与および／または各ビームフォーマー設計の合計ノイズ寄与に応じて、比率計量的に（ｒａｔｉｏ－ｍｅｔｒｉｃａｌｌｙ）定義され得る。一例において、調整は、マイクロホンアレイの変調された音声出力の構成と推定された音響ノイズ寄与との関係を規定する段階的機能に基づき得る。別の例において、調整は、マイクロホンアレイの変調された音声出力の構成と推定された音響ノイズ寄与との関係を規定する対数関数に基づき得る。以上のことから、ビームフォーマーの構成、音響ノイズ寄与、および／または各ビームフォーマー設計についての合計ノイズ寄与の関係を任意の周波数において規定する種々のアプローチが、本明細書に記載のアプローチから逸脱せずに開発可能であることが理解され得る。

例えば、図７を参照すると、重み値が、音響ノイズの関数として、任意の周波数帯域における各ビームフォーマー設計に割り当てられ得る。図７のように、任意の周波数は、ｆ_ｎ－１～ｆ_ｎ間の周波数帯域であり、各ビームフォーマー設計に、推定された音響ノイズの関数として０～１の加重値が割り当てられ得る。各ビームフォーマー設計が推定された音響ノイズの異なる音量で適切であることを認識し、統制された時定数（ｄＢ／ｓｅｃリミッタ）がビームフォーマー間のスムースなクロスフェードを保証することを理解することにより、中実度の高い変調された音声出力が、任意の周波数において、そして推定された音響ノイズのスペクトルに亘って確保される。

実施形態において、図７に示すビームフォーマー設計の加重値は、音響ノイズ項の推定時にルックアップテーブルを介してアクセスすることができるため、音声出力の構成をリアルタイムで知ることができる。

図６に戻ると、サブプロセス３３０のステップ６３２で決定された構成は、サブプロセス３３０のステップ６３３において音声出力として生成され得る。換言すれば、再び図３を参照すると、プロセス３１５のサブプロセス３３０で決定された音声出力の構成は、プロセス３１５のステップ３３５において変調された音声出力として生成され得る。

ここで、図８Ａ～図８Ｅを参照すると、マイクロホンアレイは、電気的セルフノイズとビーム幅とのバランスを考慮した種々の構造配置を有し得る。本開示の実施形態によれば、このような配置には、図８Ａ～８Ｄに示すような線形配置、または図８Ｅに示すような非線形配置が含まれる。

例示的な実施形態において、マイクロホンアレイ８１１は、図８Ｄに示すように、直線上に配置された４つのマイクロホン（ｘ０、ｘ１、ｘ２、およびｘ３）を含み得る。ｘ０、ｘ１、およびｘ２の各々の間の距離は等しくてもよく、ｘ０とｘ２との間の距離は、ｘ２とｘ３との間の距離と同様であってもよい。ｘ０、ｘ１、およびｘ２から出力される信号は、高周波音響に使用され得る。ｘ０、ｘ２、およびｘ３から出力される信号は、中周波音響に使用され得る。ｘ０およびｘ３から出力される信号は低周波音響に使用され得る。

例示的な実施形態において、マイクロホンアレイ８１２は、図８Ｅに示すように、対角線上に配置された７つのマイクロホン（ｘ０、ｘ１、ｘ２、ｘ３、ｘ４、ｘ５、およびｘ６）を含み得る。マイクロホンｘ０、ｘ１、ｘ２、およびｘ６は第１対角線に沿って配置され、マイクロホンｘ５、ｘ２、ｘ３、およびｘ４は第２の対角線に沿って配置され、対角線はｘ２で交差する。

図３～図６を参照して上述したように、本開示の装置および方法は、図９に示す例示的な実施形態において実現され得る。図９は、上述のように、本開示の例示的な実施形態による、マイクロホンアレイの音声出力を変調するプロセスの低レベルフロー図である。図９に記載のプロセスは、図３～図６を参照して説明したプロセスの場合と同様に、車両（図１参照）のＥＣＵの処理回路により実施され得る。車両のＥＣＵの処理回路は、一例において、デジタル信号プロセッサであり得る。このようなＥＣＵについては、図１１を参照して後述する。

最初に、マイクロホンアレイの複数の全方向性マイクロホン９０５の各々で受信した音声信号が、音声入力コントローラを介して、例えば車両のＥＣＵのデジタル信号プロセッサに送信され得る。選択的に、空間エイリアシングコントローラおよび風緩衝コントローラ９０９が、受信した音声信号を分解するために適用され得る。そして、受信した音声信号は、複数のビームフォーマーおよび音声活動検出モダリティ９４０に従って処理され得る。複数のビームフォーマーおよび音声活動検出モダリティ９４０は、高ＤＩ、高セルフノイズビームフォーマー９４１、中ＤＩ、中セルフノイズビームフォーマー９４２、および低ＤＩ、低セルフノイズビームフォーマー９４３を含み得る。実施形態において、ビームフォーマー９４１、９４２、９４３の各々は、周波数依存性を有していてもよく、周波数に応じた１つ以上のビームフォーマーを含み得る。複数のビームフォーマーおよび音声活動検出モダリティ９４０は、２つの音声活動検出モダリティ、すなわち、第１モダリティとして、図４Ａおよび図４Ｂを参照して説明したような全方向性低セルフノイズマイクロホン９４４およびヌルトーカー９４５、そして第２モダリティとして、図５を参照して説明したような音声活動検出器９４６のような２つの音声活動検出モダリティであり得る。ノイズおよび信号推定値９５０が、複数のビームフォーマーおよび音声活動検出モダリティ９４０から出力され得る。ビームフォーマーおよびセルフノイズ推定値の各々の出力は、信号／セルフノイズ推定器９５１を介して、音響ノイズ推定器９６２およびＳＮＲ最大化器９５７に提供され得る。音声活動検出モダリティの出力は、同時に、音響ノイズ推定器９５２に提供され得る。指向性ビームフォーマーが配備される実施形態において、ヌルトーカー９４５または音声活動検出器９４６の出力は、ＳＮＲ最大化器９５７に直接的に提供され得る。音響ノイズ推定器９５２により推定された音響ノイズ寄与は、ＳＮＲ最大化器９５７に提供され得る。推定された音響ノイズ寄与を音響ノイズ推定器９５２から受信し、ビームフォーマー信号およびセルフノイズ推定値を信号／セルフノイズ推定器９５１から受信した後、各ビームフォーマー９４１、９４２，９４３についての合計ノイズ値が、推定された音響ノイズに基づいて生成され得る。したがって、合成ビームフォーマー出力のＳＮＲを最大化するように、合計ノイズ値は最小化され、その構成は、ミキサ９５６に利用されて、任意の周波数に対する合成音声出力９５８として、ビームフォーマー９４１、９４２、９４３の各々の出力が組み合わされる。

さらに、図１０Ａ～図１０Ｃは、図９のミキサ９５６によるビームフォーマー出力の合成について全体的に説明する。図１０Ａは、マイクロホンアレイの音声出力を変調するためのシステムの単純化したブロック図を示す。図１０Ａの左側を始めとして、マイクロホンｘ_０′［ｎ］～ｘ_Ｍ′［ｎ］で生成された信号は、変動パラメータ推定ブロックに送られ得ると同時に、指向性とセルフノイズのバランスをとるように選択された２つ以上のビームフォーマーに送られ得る。実施形態において、２つ以上のビームフォーマーは、高ＤＩビームフォーマーおよび低ＤＩビームフォーマーであり得る。ビームフォーミングは、［ｎ］のサンプルごとに常に実施される、または計算される。各ビームフォーマー出力は、音声活動検出器（ＶＡＤ）およびミキサ、または、変動パラメータの推定中に決定されたパラメータα［ｎ］およびｋ［ｎ］に基づいてビームフォーマー出力間を混合する役割を果たすクロスフェーダに送信される。実施形態において、ＶＡＤおよび長期ノルムに依存するα［ｎ］および短期ノルムに依存するｋ［ｎ］の値は、リアルタイムで推定され得る。

変動パラメータ推定ブロックの主要な機能は、ビームフォーマー出力の各々のミクシングまたはフェードをいつ、どのような速度で実施するかをクロスフェーダに知らせることである。この目的のために、変動パラメータ推定ブロックは、マイクロホンｘ_０′［ｎ］～ｘ_Ｍ′［ｎ］からの出力信号の各々からの統計値を処理する。統計値には、とりわけ、各マイクロホンで捕捉された音響ノイズの音響音圧レベル（ｄＢ ＳＰＬ）のリアルタイム値推定値を計算することが含まれる。この値は、ＶＡＤが到着時間サンプルに発話が存在しないことを示す場合に限り、到着時間サンプルごとに更新され得る。

リアルタイムの音響ノイズ（例えば、発話およびノイズ）の統計値（例えばノルム）は、各到着時間サンプルごとに計算され得るとともに更新され得る。ルックアップテーブル（ＬＵＴ）を使用して、これらの統計値の各々が、ミキサにどのようにサンプル［ｎ］ごとの特定ゲインをビームフォーマー出力の各々に適用するかを指示する個別の制御変数（例えば、α［ｎ］およびｋ［ｎ］）にマッピングされ得る。実施形態において、ＬＵＴは、特定周波数帯域に関連付けられ、入念な調査と音質評価調整により設計される。その一例を図７に示す。各ＬＵＴの調整は、現実世界の環境におけるシステムの機能を決定する。

図１０Ｂは、図１０Ａの例示的な配置の低レベルフロー図を示す。図１０Ｂに示すように、発話を除く音響ノイズ推定値、および発話を含む音響ノイズ推定値の統計値またはノルムは、それぞれ大バッファおよび小バッファに基づく。大バッファおよび小バッファの各々は、先入れ先出し（ＦＩＦＯ）バッファ、またはそれに相当するものであり得る。

実施形態において、小ＦＩＦＯバッファの計算されたノルム（例えば、ユークリッドＬ２‐ノルム、二乗平均平方根等）は、推定された音響ノイズの高速で変化する値を反映するように使用され得る。この高速で変化する値は、バイナリであり得る変数ｋ［ｎ］にマッピングされ得る。例えば、小ＦＩＦＯバッファの計算されたノルムが、推定された音響ノイズが一定の閾値を超えることを示す場合には、ｋ＝１である。それ以外の時は、ｋ＝０である。

実施形態において、大ＦＩＦＯバッファの計算されたノルム（例えば、ユークリッドＬ２‐ノルム、二乗平均平方根等）は、発話がない場合、またはＶＡＤが偽に等しく音声活動が存在しないことが意味される場合のみ更新される。このようにして、発話寄与を除く音響ノイズが推定され得る。このようにして音響ノイズを推定することで、ゆっくりと変化する現実世界の事象を捕捉し、ゆっくりと変化する変数α［ｎ］にマッピングされ得る値を生成する。この値の変化速度は、使用されるＦＩＦＯバッファの長さに依存し得るが、整流器やローパスフィルタ等の他の手段により実現してもよい。この場合、変数の変化速度は、ローパスフィルタの設計次数および周波数に依存する。

このようにして、バイナリ変数ｋは、ミキサに、変調のためにビームフォーマー出力間で切り替わるように指示することが理解され得る。ｋは単に一方のビームフォーマー出力をオンにして、他方のビームフォーマー出力をオフにするものではないということを理解の上で、ｋは、ミキサに、所定の式に統制された固有のゲインを各到着ビームフォーマーサンプルについて適用するように指示するように作用する。図１０Ｂのように、そしてここで繰り返されるように、一例における式は次の通りである。

ここで、ｋ［ｎ］は、ミキサに、（１）ビームフォーマー出力をミクシングする、または（２）ビームフォーマー出力をミクシングしないことを指示するスイッチとして機能する。また、式は、発話を除く推定された音響ノイズのマッピングされた値（すなわち、０＜α［ｎ］＜１）を説明する。これは、ミキサがｋ［ｎ］に基づいてビームフォーマー出力をミクシングすることができる速度を制限する。

実際には、音響ノイズが大きいと推定される場合、高ＤＩビームフォーマーからの信号が優先されて、ｋ［ｎ］の影響は受けない。音響ノイズが小さいと推定される場合、短期音響エネルギー（例えば発話）が、ｋ［ｎ］を変調するのに十分である。したがって、α［ｎ］が低く評価されるため、このような短期イベントにより、システムは、高ＤＩビームフォーマーからの信号と低ＤＩビームフォーマーからの信号とを迅速に混合する。例えば、これは、低音響ノイズ瞬間時の車両の車室における反響音を低減させると同時に、ソフトな発話および／または静かな車室の瞬間があるときには非常に低い電気的セルフノイズしか示さないことに有用である。この単純（かつ実用的な）例の場合、高ＤＩビームフォーマーからの信号を、ｙ［ｎ］で乗じることができる。そして、低ＤＩビームフォーマーからの信号を、ｚ［ｎ］で乗じることができる。そして、２つの結果としての乗算信号は、単純に合計され得る。これは、ｙ［ｎ］が０～１で有界であるため、許容される。

図１０Ａおよび図１０Ｂの記載について、非限定的な例示的シナリオを参照しつつさらに説明する。下記の各シナリオにおいて、所望の信号（例えば、運転者からの発話）および望ましくない信号（例えば、同時の乗員発話）を考察する。

話者の口から出る発話エネルギーは、その周波数に応じて、球状および／または半球状の波面で大部分が放射状に広がることが理解され得る。この発話エネルギーは、口とマイクロホンとの間の直接経路（すなわち、所望の経路）および、マイクロホンに到達する前に波面が接触するすべての面を構成する間接経路または反射経路（すなわち望ましくない経路）を含む多くの経路をたどり得る。このように、無数の反射経路が存在する一方で、たった１つの直接経路しか存在しない。

第１例において、車両の高速移動（例えば、毎時７０マイル）中に、車両の運転者の発話が、マイクロホンアレイに捕捉され得る。したがって、上記の図面を参照すれば、高ＤＩビームフォーマーが、反射経路を最小にしつつ直接発話経路を捕捉することが望まれる。また、このように、高ＤＩビームフォーマーは、例えばエンジン、暖房／冷房／換気システム、道路、風、および競合する話者により生成される周囲ノイズの大部分を「ヌル化」するよう作用する。本開示から、高ＤＩビームフォーマーは、高ＤＩビームフォーマーはより高いセルフノイズも呈するが、リアルタイムで計算できる合計ノイズ推定を考慮すると、ノイズ分離の利点は価値があることが理解され得る。図１０Ａ～図１０Ｃに戻って第１例を考えると、ｋ［ｎ］の値は、音響ノイズレベルが大半の時間において閾値を実質的に上回っているため、主に１となる。音響ノイズレベルが増加した場合を想定すると、α［ｎ］の値は大きくなるため（例えば、＞０．９５）、高ＤＩビームフォーマーに有利になる。したがって、図１０Ｂのミキサで観察されるように、ｙ［ｎ］の値は、音響ノイズのレベルに応じて、１に非常に近くなるように変化し、音響ノイズが増加するにつれて、より緩やかに変化するようになる。逆に、ｙ［ｎ］の値またはゲイン値をより迅速に変化させるためには、α［ｎ］ひいては音響ノイズレベルをより低くする必要がある。

第２例において、エンジンを切って停車した車両であるが、運転者からの発話は依然として捕捉している状態を考える。本例において、α［ｎ］の値は、当然ながら第１例のものよりも低く（すなわち、＜＜０．９５）、またｋ［ｎ］は、“１”と“０”との間で急速に変動する。“１”では、各音節が捕捉される。“０”では、音節のエネルギーが閾値を下回る。

ｋ［ｎ］の値の迅速な調整において、変動パラメータ推定ブロックは、ミキサに、新しい情報の方が古い情報よりも重要であることを伝える。これは、ミキサが、ｋ［ｎ］の値に応じて、ビームフォーマーの設計を迅速に切り替えようとすることを意味する。このような環境での発話に際して、音響ノイズがｋ［ｎ］を誘発するのに十分に大きくなると、ビームフォーマー構成の迅速な変調により、発話反射経路が大幅に低減され得る。さらに、発話が存在しない場合、低ＤＩビームフォーマーが完全に従事することで、マイクロホンアレイの電気的セルフノイズが大幅に低減され得る。これにより、背景ノイズが低いシナリオでは、より高い信号対ノイズ比となる印象が得られる。

図１０Ａおよび図１０Ｂに示す概念を拡張して、図１０Ｃに示すように、複数の周波数帯域に亘って独自に実施する。図１０Ｃのように、３つの周波数帯域が存在し得る。各周波数帯域において、固有の統計値が、ｋ［ｎ］およびα［ｎ］を統制するように決定される。先の説明のように、ＶＡＤが、高ＤＩビームフォーマーから捕捉された信号に応じて動作し、各変動パラメータ推定ブロックの音響ノイズ推定内において各ＦＩＦＯバッファのために機能する。

図１０Ａおよび図１０Ｂのフレームワークを複数の周波数帯域に拡張することにより、セルフノイズと指向性とのトレードオフが最適化され得る。これは、どれだけ多くの音響ノイズが複数の周波数帯域の各々において推定されるかに依存する。例えば、ＨＶＡＣシステムは、特定の他の車両のサブシステムの他に、非平坦なスペクトルコンテンツを有する音響ノイズを生成する。換言すれば、これらの音源により生成される音響ノイズは、限定された周波数帯域に集中し得る。実際に、周波数帯域を考慮していない図９の例の単純化されたバージョンは、複数の周波数帯域の各々の統計値についての追加情報について無知であるため、本例において最適でないかもしれない。しかしながら、各周波数帯域の統計値を考慮することにより、最適な周波数に依存したビームフォーマーの混合を設計することができる。

これは、高ＤＩビームフォーマーが特定の周波数区間において設計された場合に最適であることを考慮すると、さらに理解できる。高ＤＩビームフォーマーは、高周波数および低周波数で同時に良好に機能し得ない。したがって、高周波数／高ＤＩビームフォーマー用に設計された間隔の狭いマイクロホンカプセルからの出力信号と、より低い周波数に対応するように設計された間隔の広いマイクロホンカプセルからの出力信号とを混合することが必要であるかもしれない。

したがって、ビームフォーミング機能を複数の周波数帯域に分割することが有利であり得る。これにより、設計の効率性が同様にビーム混合を各周波数帯域に組み込むことを示唆し、段階的なシステムが達成される。この周波数依存混合の結果、セルフノイズと指向性との最適なトレードオフが提供され得る。

図１０Ｃに戻ると、マイクロホン出力信号のサブセットを各周波数帯域に使用できることが理解され得る。一例として、間隔の狭いマイクロホン信号の一部が高周波数帯域に使用され得るとともに、徐々に間隔の広くなるマイクロホンが中周波数帯域および低周波数帯域にそれぞれ使用され得る。

上述のように、本開示の方法は、車両のＥＣＵの文脈において実現され得る。したがって、図１１は、実現され得る電子制御ユニット（ＥＣＵ）１１６０の例示的な実施形態のハードウェア部品の概略図である。図１１は、種々の部品の一般的な説明を提供するのみであり、それらの一部または全部が必要に応じて利用され得ることに留意されたい。いくつかの例において、図１１に例示される部品は、単一の物理的デバイスにローカライズされ得ること、および／または、異なる物理的位置に配置され得る種々のネットワーク化されたデバイス間に分散配置され得ることに留意されたい。さらに、実施例において、ＥＣＵ１１６０は、データ（すなわち音声信号）を処理するとともに、車内通信システムの動作を制御するように構成され得ることが理解され得る。別の実施形態において、ＥＣＵ１１６０は、ＥＣＵ１１６０とともにデータを処理して、車内通信システムの動作を制御するように構成された遠隔処理回路と通信するように構成され得る。遠隔処理回路は、車両のＥＣＵ１１６０とは別個の集中型サーバまたは他の処理回路であり得る。ＥＣＵ１１６０は、ＢＵＳ１１６７を介して電気的に結合可能な（または、適宜通信可能な）ハードウェア要素を備え得ることが示されている。ハードウェア要素は、１つ以上のプロセッサ、１つ以上の特殊用途プロセッサ（デジタル信号処理（ＤＳＰ）チップ、グラフィックアクセラレーションプロセッサ、特定用途向け集積回路（ＡＳＩＣ）等）、および／または他の処理構造または手段を含むがこれらに限定されない処理回路１１６１を含み得る。上述のプロセッサは、とりわけ画像処理及びデータ処理を含む動作を実施するように特別にプログラミングされ得る。いくつかの実施形態は、所望の機能に応じて別個のＤＳＰ１１６３を有し得る。本明細書で説明するプロセスは、ＤＳＰ１１６３がない場合には、アナログ回路を介して実施され得ることも理解され得る。

実施形態によれば、ＥＣＵ１１６０は、車載タッチスクリーン、タッチパッド、マイクロホン、ボタン、ダイヤル、スイッチ、および／または同様のものを制御するがこれらに限定されない単数または複数の入力デバイスコントローラ１１７０を含み得る。実施形態において、１つ以上の入力デバイスコントローラ１１７０のうちの１つは、マイクロホンを制御するように構成され得るとともに、本開示のマイクロホンアレイの１つ以上のマイクロホンからの音声信号入力１１６８を受信するように構成され得る。したがって、ＥＣＵ１１６０の処理回路１１６１は、受信した音声信号入力１１６８に応答して、本開示のプロセスのプロセスを実行し得る。

実施形態において、マイクロホンアレイの各マイクロホンは、集中型デジタル信号プロセッサによりデジタル音声バスを介して制御され得る。一例において、各マイクロホンは、エレクトレットマイクロホン、ＭＥＭＳマイクロホン、または他の同様のタイプのマイクロホンとすることができ、各マイクロホンの出力は、アナログまたはデジタルとすることができる。一例において、集中型デジタル信号プロセッサは音声装置の各々に配置された１つ以上の分散型ローカルデジタル信号プロセッサであり得る。一例において、デジタル音声バスは、受信した音声信号を送信するために使用され得る。したがって、デジタル音声バスは、アナログデバイセズ社のＡ２Ｂバス等のマイクロホンのデジタル音声信号の伝送を可能にするデジタル音声バスであり得る。

実施形態によれば、ＥＣＵ１１６０は、ディスプレイ、ＬＥＤ等の視覚インジケータ、スピーカ等を制御可能であるがこれらに限定されない１つ以上の出力デバイスコントローラ１１６２をも含み得る。例えば、１つ以上の出力デバイスコントローラ１１６２は、車両のスピーカの音声出力１１７５を制御するように構成され得る。これにより、音声出力１１７５のレベルが周囲の車両車室ノイズ、乗員の会話等に対して制御される。

ＥＣＵ１１６０は、モデム、ネットワークカード、赤外線通信デバイス、無線通信デバイス、および／またはチップセット（Ｂｌｕｅｔｏｏｔｈデバイス、ＩＥＥＥ ８０２．１１デバイス、ＩＥＥＥ ８０２．１６．４デバイス、ＷｉＦｉデバイス、ＷｉＭａｘデバイス、４Ｇ、５Ｇ等を含むセルラー通信設備等）等を含み得るがこれらに限定されない無線通信ハブ１１６４または接続ハブをも含み得る。無線通信ハブ１１６４により、部分的に説明したように、ネットワーク、無線アクセスポイント、他のコンピュータシステム、および／または本明細書で説明する任意の他の電子デバイスとデータを交換することが可能となり得る。通信は、無線信号１１６６を送信および／または受信する単数または複数の無線通信アンテナ１１６５を介して実施され得る。

所望の機能に応じて、無線通信ハブ１１６４は、ベーストランシーバ局（例えば、セルラーネットワークの基地局）および／またはアクセスポイントと通信するための別個のトランシーバをも含み得る。これらの異なるデータネットワークは、様々なネットワークタイプを含み得る。さらに、ワイヤレス広域ネットワーク（ＷＷＡＮ）は、符号分割多重アクセス（ＣＤＭＡ）ネットワーク、時分割多重アクセス（ＴＤＭＡ）ネットワーク、周波数分割多重アクセス（ＦＤＭＡ）ネットワーク、直交周波数分割多重アクセス（ＯＦＤＭＡ）ネットワーク、ＷｉＭａｘ（ＩＥＥＥ ８０２．１６）等であり得る。ＣＤＭＡネットワークは、ｃｄｍａ２０００、Ｗｉｄｅｂａｎｄ－ＣＤＭＡ（Ｗ－ＣＤＭＡ）等の１つ以上の無線アクセス技術（ＲＡＴ）を実現し得る。ｃｄｍａ２０００には、ＩＳ－９５、ＩＳ－２０００、および／またはＩＳ－８５６規格が含まれる。ＴＤＭＡネットワークは、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、Ｄ－ＡＭＰＳ（Ｄｉｇｉｔａｌ Ａｄｖａｎｃｅｄ Ｍｏｂｉｌｅ Ｐｈｏｎｅ Ｓｙｓｔｅｍ）、または他のＲＡＴを実現し得る。ＯＦＤＭＡネットワークは、４Ｇおよび５Ｇ技術を含むＬＴＥ、ＬＴＥ Ａｄｖａｎｃｅｄ等を採用し得る。

ＥＣＵ１１６０は、センサコントローラ１１７４をさらに含み得る。このようなコントローラは、とりわけ１つ以上の加速度計、ジャイロスコープ、カメラ、レーダー、ＬｉＤＡＲ）、オドメトリックセンサ、および超音波センサ、ならびに磁力計、高度計、マイクロホン、近接センサ、光センサを含むがこれらに限定されない車両の１つ以上のセンサを制御し得る。一例において、１つ以上のセンサは、周囲車両車室ノイズを測定するように構成されたマイクロホンを含む。測定された周囲車両車室ノイズは、本開示の方法に組み込まれるように処理回路１１６１に提供される。

ＥＣＵ１１６０の実施形態は、衛星測位システム（ＳＰＳ）受信機１１７１をも含み得る。ＳＰＳ受信機１１７１は、ＳＰＳアンテナ１１７２を使用して１つ以上のＳＰＳ衛星から信号１１７３を受信することができる。ＳＰＳ受信機１１７１は、種々の技術を利用して、全地球航法衛星システム（ＧＮＳＳ）（例えば、全地球測位システム（ＧＰＳ））、欧州連合上のガリレオ、ロシア上の全地球航法衛星システム（ＧＬＯＮＡＳＳ）、日本上の準天頂衛星システム（ＱＺＳＳ）、インド上のインド地域航法衛星システム（ＩＲＮＳＳ）、中国上のＣｏｍｐａｓｓ／ＢｅｉＤｏｕ等のＳＰＳシステムの衛星からデバイスの位置を抽出することができる。さらに、ＳＰＳ受信機１１７１は、１つ以上の全地球航法衛星システムおよび／または地域航法衛星システムと関連付けられ、または他の方法で使用可能にされ得る様々な補強システム（例えば、衛星ベース補強システム（ＳＢＡＳ））により使用され得る。限定されない例として、ＳＢＡＳは、例えば、広域補強システム（ＷＡＡＳ）、欧州静止航法オーバレイサービス（ＥＧＮＯＳ）、多機能衛星補強システム（ＭＳＡＳ）、ＧＰＳ補助ジオ補強航法又はＧＰＳ及びジオ補強航法システム（ＧＡＧＡＮ）等の完全性情報、差分補正等を提供する補強システムを含み得る。したがって、本明細書で使用される場合、ＳＰＳは、１つ以上のグローバルおよび／または地域ナビゲーション衛星システムおよび／または補強システムの任意の組み合わせを含むことができ、ＳＰＳ信号は、ＳＰＳ信号、ＳＰＳに類似する信号、および／またはそのような１つ以上のＳＰＳに関連する他の信号を含み得る。

ＥＣＵ１１６０は、メモリ１２６９をさらに含み得る、および／またはこれと通信し得る。メモリ１１６９は、ローカルおよび／またはネットワークアクセス可能なストレージ、ディスクドライブ、ドライブアレイ、光学ストレージデバイス、プログラム可能、フラッシュ更新可能であるランダムアクセスメモリ（「ＲＡＭ」）、および／またはリードオンリーメモリ（「ＲＯＭ」）等のソリッドステートストレージデバイス等を含み得るが、これらに限定されない。このような記憶装置は、種々のファイルシステム、データベース構造等を含むがこれらに限定されない任意の適切なデータ記憶を実現するように構成され得る。

ＥＣＵ１１６０のメモリ１１６９は、オペレーティングシステム、デバイスドライバ、実行可能ライブラリ、および／または１つ以上のアプリケーションプログラム等のコンピュータ可読媒体に埋め込まれた他のコード、種々の実施形態により提供されるコンピュータプログラムを備え得る、および／または本明細書に記載のような他の実施形態により提供される方法および／または構成システムを実現するように設計され得る例えば１つ以上のアプリケーションプログラムを含むソフトウェア要素（図示せず）をも備え得る。一態様において、このようなコードおよび／または命令は、説明した方法に従って１つ以上の動作をする汎用コンピュータ（または他のデバイス）を構成および／または適合させるために使用することができ、これにより特殊用途コンピュータが得られる。

当業者には、特定の要件に従って実質的な変形がなされ得ることが明らかであろう。例えば、カスタマイズされたハードウェアも使用され得る、および／または特定の要素がハードウェア、ソフトウェア（アプレット等のポータブルソフトウェアを含む）、またはその両方で実現され得る。さらに、ネットワーク入出力デバイス等の他の演算デバイスへの接続が採用され得る。

添付図面を参照すると、メモリを含み得る部品は、非一時的な機械可読媒体を含み得る。本明細書で使用する「機械可読媒体」および「コンピュータ可読媒体」という用語は、機械を特定の方法で動作させるデータの提供に関与する任意の記憶媒体を指す。上で提供した実施形態において、種々の機械可読媒体が、実行のための命令／コードを処理ユニットおよび／または他のデバイスに提供することに関与し得る。追加的または代替的に、機械可読媒体は、このような命令／コードを記憶および／または有するように使用され得る。多くの実施例において、コンピュータ可読媒体は、物理的および／または有形の記憶媒体である。このような媒体は、不揮発性媒体、揮発性媒体、および伝送媒体を含むがこれらに限定されない多くの形態をとり得る。コンピュータ可読媒体の一般的な形態としては、例えば、磁気媒体および／または光媒体、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＦＬＡＳＨ－ＥＰＲＯＭ、他の任意のメモリチップまたはカートリッジ、以下に説明する搬送波、またはコンピュータが命令および／またはコードを読み取ることができる他の任意の媒体が挙げられる。

本明細書で説明する方法、装置、およびデバイスは一例である。種々の実施形態では、種々の手順または部品を、適宜省略、代替、または追加することができる。例えば、特定の実施形態に関して説明した特徴は、他の様々な実施形態と組み合わせてもよい。実施形態の異なる態様および要素を同様に組み合わせてもよい。本明細書で提供される図面の種々の部品は、ハードウェアおよび／またはソフトウェアにおいて具現化され得る。また、技術は進化するため、要素の多くは、本開示の範囲をそれらの特定の例に限定しない例である。

明らかに、上記の教示に照らして多数の修正および変形が可能である。したがって、添付の特許請求の範囲内において、本発明は、本明細書に具体的に記載した以外の方法で実施され得ることを理解されたい。

また、本開示の実施形態は、以下の括弧書きの項目に記載され得る。

（１）マイクロホンアレイの音声出力を変調するための方法であって、前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを含む、受信ステップと、前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、処理回路により、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、を備える方法。

（２）前記構成は、前記マイクロホンアレイの合計ノイズを最小化することにより、前記マイクロホンアレイの信号対ノイズ比を最大化する、（１）に記載の方法。

（３）前記推定ステップは、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定し、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、（１）または（２）に記載の方法。

（４）前記推定ステップは、前記音響寄与レベルを、全方向性マイクロホンカプセルから受信した全方向性音声信号と音声活動検出器から受信した音声信号とに基づいて推定する、（１）～（３）のいずれかに記載の方法。

（５）前記構成は、複数の前記ビームフォーマーのうちの１つ以上の出力の少なくとも一部を含む、（１）～（４）のいずれかに記載の方法。

（６）前記処理回路により、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を、受信した前記音声信号の周波数分布に応じてフィルタリングする、フィルタリングステップをさらに備える、（１）～（５）のいずれかに記載の方法。

（７）前記構成は、複数の前記ビームフォーマーのうちの前記１つ以上のフィルタリングされた前記出力に基づく、（１）～（６）のいずれかに記載の方法。

（８）複数の前記ビームフォーマーのうちの前記１つ以上の前記出力のフィルタリングステップは、指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づくものであり、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、（１）～（７）のいずれかに記載の方法。

（９）前記マイクロホンアレイは、第１マイクロホンと第２マイクロホンとの間の距離が前記第２マイクロホンと第３マイクロホンとの間の距離に等しく、前記第１マイクロホンと前記第３マイクロホンとの間の距離が前記第３マイクロホンと第４マイクロホンとの間の距離に等しくなるように配置された４つのマイクロホンを含むマイクロホンの線形アレイである、（１）～（８）のいずれかに記載の方法。

（１０）処理回路を備える、マイクロホンアレイの音声出力を変調するための装置であって、前記処理回路は、前記マイクロホンアレイにおける複数のマイクロホンカプセルのうちの２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するように構成され、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと対応する前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを含み、前記処理回路は、前記環境の音響寄与レベルを、受信した音声信号に基づいて推定するように構成され、前記処理回路は、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するように構成され、前記構成は、音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に少なくとも基づく、装置。

（１１）前記構成は、前記マイクロホンアレイの合計ノイズを最小化することにより、前記マイクロホンアレイの信号対ノイズ比を最大化する、（１１）に記載の装置。

（１２）前記処理回路は、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定するように構成され、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、（１０）または（１１）に記載の装置。

（１３）前記処理回路は、前記音響寄与レベルを、全方向性マイクロホンカプセルから受信した全方向性音声信号と音声活動検出器から受信した音声信号とに基づいて推定するように構成される、（１０）～（１２）のいずれかに記載の装置。

（１４）前記構成は、複数の前記ビームフォーマーのうちの１つ以上の出力の少なくとも一部を含む、（１０）～（１３）のいずれかに記載の装置。

（１５）前記処理回路は、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を、受信した前記音声信号の周波数分布に応じて、指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づいてフィルタリングするようにさらに構成され、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、（１０）～（１４）のいずれかに記載の装置。

（１６）前記構成は、複数の前記ビームフォーマーのうちの前記１つ以上のフィルタリングされた前記出力に基づく、（１０）～（１５）のいずれかに記載の装置。

（１７）前記処理回路は、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づいてフィルタリングするようにさらに構成され、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、（１０）～（１６）のいずれかに記載の装置。

（１８）前記マイクロホンアレイは、第１マイクロホンと第２マイクロホンとの間の距離が前記第２マイクロホンと第３マイクロホンとの間の距離に等しく、前記第１マイクロホンと前記第３マイクロホンとの間の距離が前記第３マイクロホンと第４マイクロホンとの間の距離に等しくなるように配置された４つのマイクロホンを含むマイクロホンの線形アレイである、（１０）～（１７）のいずれかに記載の装置。

（１９）コンピュータにより実行されると、マイクロホンアレイの音声出力を変調するための方法を前記コンピュータに実施させるコンピュータ可読命令を記憶した非一時的なコンピュータ可読記憶媒体であって、前記方法は、前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを含む、受信ステップと、前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、を備える非一時的なコンピュータ可読記憶媒体。

（２０）前記推定ステップは、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定し、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、（１９）に記載の非一時的なコンピュータ可読記憶媒体。

したがって、上記説明は、本発明の単なる例示的な実施形態を開示し、説明するものである。当業者には理解されるように、本発明は、その精神または本質的な特徴から逸脱することなく、他の具体的な形態で具現化され得る。したがって、本発明の開示は、他の特許請求の範囲と同様に、例示であって本発明の範囲を限定するものではないことを意図している。本明細書における教示の容易に識別可能な変形を含む本開示は、発明的主題が公共に捧げられることがないように、前述の請求項の用語の範囲を部分的に定義する。

Claims (20)

1. マイクロホンアレイの音声出力を変調するための方法であって、
   前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを含む、受信ステップと、
   前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、
   処理回路により、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、
   を備える方法。
2. 前記構成は、前記マイクロホンアレイの合計ノイズを最小化することにより、前記マイクロホンアレイの信号対ノイズ比を最大化する、
   請求項１に記載の方法。
3. 前記推定ステップは、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定し、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、
   請求項１に記載の方法。
4. 前記推定ステップは、前記音響寄与レベルを、全方向性マイクロホンカプセルから受信した全方向性音声信号と音声活動検出器から受信した音声信号とに基づいて推定する、
   請求項１に記載の方法。
5. 前記構成は、複数の前記ビームフォーマーのうちの１つ以上の出力の少なくとも一部を含む、
   請求項１に記載の方法。
6. 前記処理回路により、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を、受信した前記音声信号の周波数分布に応じてフィルタリングする、フィルタリングステップをさらに備える、
   請求項５に記載の方法。
7. 前記構成は、複数の前記ビームフォーマーのうちの前記１つ以上のフィルタリングされた前記出力に基づく、
   請求項６に記載の方法。
8. 複数の前記ビームフォーマーのうちの前記１つ以上の前記出力のフィルタリングステップは、指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づくものであり、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、
   請求項７に記載の方法。
9. 前記マイクロホンアレイは、第１マイクロホンと第２マイクロホンとの間の距離が前記第２マイクロホンと第３マイクロホンとの間の距離に等しく、前記第１マイクロホンと前記第３マイクロホンとの間の距離が前記第３マイクロホンと第４マイクロホンとの間の距離に等しくなるように配置された４つのマイクロホンを含むマイクロホンの線形アレイである、
   請求項１に記載の方法。
10. 処理回路を備える、マイクロホンアレイの音声出力を変調するための装置であって、
    前記処理回路は、前記マイクロホンアレイにおける複数のマイクロホンカプセルのうちの２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するように構成され、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと、対応する前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答と、を含み、
    前記処理回路は、前記環境の音響寄与レベルを、受信した音声信号に基づいて推定するように構成され、
    前記処理回路は、前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するように構成され、前記構成は、音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に少なくとも基づく、
    装置。
11. 前記構成は、前記マイクロホンアレイの合計ノイズを最小化することにより、前記マイクロホンアレイの信号対ノイズ比を最大化する、
    請求項１０に記載の装置。
12. 前記処理回路は、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定するように構成され、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、
    請求項１０に記載の装置。
13. 前記処理回路は、前記音響寄与レベルを、全方向性マイクロホンカプセルから受信した全方向性音声信号と音声活動検出器から受信した音声信号とに基づいて推定するように構成される、
    請求項１０に記載の装置。
14. 前記構成は、複数の前記ビームフォーマーのうちの１つ以上の出力の少なくとも一部を含む、
    請求項１０に記載の装置。
15. 前記処理回路は、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を、受信した前記音声信号の周波数分布に応じて、指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づいてフィルタリングするようにさらに構成され、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、
    請求項１４に記載の装置。
16. 前記構成は、複数の前記ビームフォーマーのうちの前記１つ以上のフィルタリングされた前記出力に基づく、
    請求項１５に記載の装置。
17. 前記処理回路は、複数の前記ビームフォーマーのうちの前記１つ以上の前記出力を指向性指数および電気的ノイズにより規定されるカットオフ周波数に基づいてフィルタリングするようにさらに構成され、前記電気的ノイズは、個々のビームフォーマーのセルフノイズである、
    請求項１６に記載の装置。
18. 前記マイクロホンアレイは、第１マイクロホンと第２マイクロホンとの間の距離が前記第２マイクロホンと第３マイクロホンとの間の距離に等しく、前記第１マイクロホンと前記第３マイクロホンとの間の距離が前記第３マイクロホンと第４マイクロホンとの間の距離に等しくなるように配置された４つのマイクロホンを含むマイクロホンの線形アレイである、
    請求項１０に記載の装置。
19. コンピュータにより実行されると、マイクロホンアレイの音声出力を変調するための方法を前記コンピュータに実施させる、コンピュータ可読命令を記憶した非一時的なコンピュータ可読記憶媒体であって、前記方法は、
    前記マイクロホンアレイにおける２つ以上のマイクロホンカプセルから２つ以上の音声信号を受信するステップであって、各音声信号は、対応するマイクロホンカプセルの電気的ノイズと前記マイクロホンカプセルにより感知された環境中の音響刺激に対する応答とを含む、受信ステップと、
    前記環境の音響寄与レベルを、受信した前記音声信号に基づいて推定する、推定ステップと、
    前記マイクロホンアレイの前記音声出力の構成を、前記環境の推定された前記音響寄与レベルに基づいて決定するステップであって、前記構成は、少なくとも音響ノイズと複数のビームフォーマーの各々の指向性指数との関係に基づく、決定ステップと、
    を備える非一時的なコンピュータ可読記憶媒体。
20. 前記推定ステップは、前記音響寄与レベルを、前記マイクロホンアレイの全方向性マイクロホンカプセルから受信した全方向性音声信号と、前記マイクロホンアレイにおける２つ以上の前記マイクロホンカプセルから受信した２つ以上の前記音声信号を指向性ビームフォーマーに従って処理することに基づくヌル発話信号とに基づいて推定し、前記指向性ビームフォーマーは、発話源に向けてヌルを生成して前記ヌル発話信号を生成する、
    請求項１９に記載の非一時的なコンピュータ可読記憶媒体。

Images