複数のデバイス上の複数のマイクロフォンを用いた音声強調

专利摘要:
信号処理の解決法は異なるデバイス上に位置するマイクロフォンを利用し、通信システムにおける送信音声信号の質を向上する。Ｂｌｕｅｔｏｏｔｈヘッドセットや有線ヘッドセット等のような様々なデバイスを、モバイル・ハンドセットと連携して使用することによって、異なるデバイス上に位置する複数のマイクロフォンが通信システムにおける性能および／あるいは音声の質を向上するために活用される。オーディオ信号は、異なるデバイス上のマイクロフォンによって記録され、向上された音声の質、背景雑音の削減、音声アクティビティ検出等といった様々な利点を生むために処理される。
公开号:JP2011515897A
申请号:JP2010546966
申请日:2009-03-18
公开日:2011-05-19
发明作者:ラマクリシュナン、ディネッシュ；ワン、ソン
申请人:クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ；
IPC主号:H04R3-00

专利说明:

[0001] 本特許出願は２００８年３月１８日に提出された” Speech Enhancement Using Multiple Microphones on Multiple Devices”と題された米国特許仮出願６１／０３７，４６１号に対する優先権を主張する。上記出願は本願の譲受人に譲渡される。]
技術分野

[0002] 本開示は一般に、通信システムにおける音声の質を向上するために使用される信号処理の解決法における分野、特に音声通信の質を向上するために複数のマイクロフォンを活用する技術に関する。]
背景技術

[0003] モバイル通信システムにおいて、送信音声の質はユーザによって経験される総合的なサービスの質において重要な要素である。ここ最近、いくつかのモバイル通信デバイス（ＭＣＤ）は、送信音声の質を向上するために、ＭＣＤ内に複数のマイクロフォンを含んでいる。これらのＭＣＤにおいて、複数のマイクロフォンからのオーディオ情報を活用する進歩的な信号処理技術は、音声の質を強化したり、背景雑音を抑制するために使用される。しかしながら、これらの解決法は一般に、複数のマイクロフォンが全て同じＭＣＤ上に位置している必要がある。複数マイクロフォンＭＣＤの既知の例は、２つ以上のマイクロフォンを伴うセルラ電話ハンドセット、及び２つのマイクロフォンを伴うＢｌｕｅｔｏｏｔｈ（登録商標）無線ヘッドセットを含む。]
[0004] ＭＣＤ上のマイクロフォンによって捕らえられる音声信号は、背景雑音、反響などのような環境影響にとても影響を受けやすい。単一のマイクロフォンのみを装備するＭＣＤは、騒がしい環境、すなわち、入力音声信号の信号対雑音比（ＳＮＲ）が低い環境、において使用される場合に、粗悪な音声の質に悩むこととなる。騒がしい環境における操作性を向上するために、複数マイクロフォンＭＣＤが導入された。たとえ都合の悪い（とても騒がしい）環境においてでも、複数マイクロフォンＭＣＤは、音声の質を向上するために、マイクロフォンのアレイによって捕らえられたオーディオを処理する。既知の複数マイクロフォン解決法は、ＭＣＤ上に位置する異なるマイクロフォンによって捕らえられたオーディオを活用することによって音声の質を向上するために、特定のディジタル信号処理技術を用いている。]
[0005] 既知の複数マイクロフォンＭＣＤは、全てのマイクロフォンがＭＣＤ上に位置している必要がある。マイクロフォンが全て同じデバイス上に位置しているため、既知の複数マイクロフォン・オーディオ処理技術とそれらの効果は、ＭＣＤ内のマイクロフォンの間の比較的制限された空間分離によって左右される。ゆえに、モバイル・デバイスにおいて使用される複数マイクロフォン技術の効果及びロバストを強めるための方法を見つけ出すことが望まれる。]
[0006] これを考慮して、本開示はモバイル通信システムの音声の質を向上するために複数のマイクロフォンによって記録された信号を活用するメカニズムに関する。ここでは、マイクロフォンのいくつかはＭＣＤ以外の異なるデバイス上に位置している。例えば、１つのデバイスはＭＣＤであり、もう一方のデバイスはＭＣＤと通信する無線／有線のデバイスでありうる。異なるデバイス上のマイクロフォンによって捕らえられるオーディオは、様々な方式によって処理されうる。本開示において、いくつかの例が提供されている。まず、異なるデバイス上の複数のマイクロフォンが音声アクティビティ検出（ＶＡＤ）を向上するために活用されうる。更に、ビームフォーミング、ブラインド音源分離、空間ダイバーシティ受信スキームなどのような音源分離法を使用する音声強化を実行するために、複数のマイクロフォンが活用されうる。]
[0007] １つの態様によると、通信システムにおいてオーディオ信号を処理する方法は、無線モバイル・デバイス上に位置している第１のマイクロフォンで第１のオーディオ信号を捕らえることと、無線モバイル・デバイス内に含まれない第２のデバイス上に位置する第２のマイクロフォンで第２のオーディオ信号を捕らえることと、音源のうちの１つから音を表す信号を生成するために、捕らえられた第１及び第２のオーディオ信号を処理することとを含む。この音源は、例えば、望まれた音源であるが、例えば周囲の雑音源、干渉音源などのその他の音源からの音からは分離される。第１及び第２のオーディオ信号は、局所的な環境における同じ音源からの音を表しうる。]
[0008] 別の態様によると、装置は、無線モバイル・デバイス上に位置し第１のオーディオ信号を捕らえるように構成された第１のマイクロフォンと、無線モバイル・デバイス内に含まれない第２のデバイス上に配置され、第２のオーディオ信号を捕らえるよう構成された第２のマイクロフォンと、捕らえられた第１及び第２のオーディオ信号に応じて、その他の音源からの音から分離された音源のうちの１つから、音を表す信号を生成するよう構成されたプロセッサとを含む。]
[0009] 別の態様によると、装置は無線モバイル・デバイスで第１のオーディオ信号を捕らえる手段と、無線モバイル・デバイス内に含まれない第２のデバイスで第２のオーディオ信号を捕らえる手段と、その他の音源からの音から分離された音源のうちの１つから、音を表す信号を生成するために、捕らえられた第１及び第２のオーディオ信号を処理する手段とを含む。]
[0010] 更なる態様によると、１又は複数のプロセッサによって実行可能な命令群のセットを組み込んだコンピュータ読取可能媒体は、無線モバイル・デバイスで第１のオーディオ信号を捕らえるためのコードと、無線モバイル・デバイス内に含まれない第２のデバイスで第２のオーディオ信号を捕らえるためのコードと、その他の音源からの音とは分離された音源のうちの１つから音を表す信号を生成するために、捕らえられた第１及び第２のオーディオ信号を処理するためのコードとを含む。]
[0011] 以下につづく図と詳細な説明を考察する上で、その他の態様、特徴、方法、及び利点が当業者に対して明らかである、あるいは明らかになるであろう。このような追加の特徴、態様、方法、及び利点の全てはこの説明の中に含まれ、付随する特許請求の範囲によって保護される、ということが意図されている。]
図面の簡単な説明

[0012] これらの図面は単に例示の目的のためのものであるということが理解されるべきである。更に、これらの図における構成要素は、必ずしもスケールされる必要はなく、重点はむしろ本明細書において説明される技術及びデバイスの原理を例示することに置かれている。これらの図において、同一の参照番号は異なる考察でも対応する部分を示している。
図１は、複数のマイクロフォンを有するモバイル通信デバイス及びヘッドセットを含む典型的な通信システムの図である。
図２は、複数のマイクロフォンからのオーディオ信号を処理する方法を例示したフロー図である。
図３は、図１のモバイル通信デバイス及びヘッドセットの特定の構成要素を示すブロック図である。
図４は、異なるデバイス上で２つのマイクロフォンを用いた一般的な複数マイクロフォン信号処理の処理ブロック図である。
図５は、典型的なマイクロフォン信号の遅延推定アプローチを例示した図である。
図６は、マイクロフォン信号の遅延推定を詳述したブロック図である。
図７は、異なるデバイス上で２つのマイクロフォンを使用する音声アクティビティ検出（ＶＡＤ）の処理ブロック図である。
図８は、異なるデバイス上で２つのマイクロフォンを使用するＢＳＳの処理ブロック図である。
図９は、２つのマイクロフォン信号を用いて修正されたＢＳＳ実装の処理ブロック図である。
図１０は、修正された周波数領域のＢＳＳ実装の処理ブロック図である。
図１１は、異なるデバイス上で２つのマイクロフォンを使用するビームフォーミング方法の処理ブロック図である。
図１２は、異なるデバイス上で２つのマイクロフォンを使用する空間ダイバーシティ受信技術の処理ブロック図である。] 図１ 図１０ 図１１ 図１２ 図２ 図３ 図４ 図５ 図６ 図７
実施例

[0013] 図面を参照し組み込む、以下に続く詳細な説明は、１又は複数の特定の実施形態を説明及び例示している。限定するためではなく、例示及び教示のみのために提供されるこれらの実施形態は、特許請求されている事柄を当業者が実現することを可能にするために、十分詳細に示され、説明されている。このように、簡潔のために、この説明は、当業者にとって周知である特定の情報を省略しうる。]
[0014] 「典型的」という単語は本明細書において、「例、実例、例示として役立つこと」を意味するために使用される。「典型的」として本明細書において説明されるものはいずれも、必ずしもその他の態様より好ましいあるいは有利なものとして解釈されるものではない。]
[0015] 図１は、複数のマイクロフォン１０６及び１０８を有するモバイル通信デバイス（ＭＣＤ）１０４及びヘッドセット１０２を含む典型的な通信システム１００の図である。示された例において、ヘッドセット１０２及びＭＣＤ１０４は、Ｂｌｕｅｔｏｏｔｈ接続のような無線リンク１０３によって通信する。Ｂｌｕｅｔｏｏｔｈ接続はＭＣＤ１０４とヘッドセット１０２の間で通信するために使用されうるが、その他のプロトコルが無線リンク１０３を介して使用されうるといことが予想されうる。Ｂｌｕｅｔｏｏｔｈ無線リンクを使用して、ＭＣＤ１０４とヘッドセット１０２の間のオーディオ信号は、Ｂｌｕｅｔｏｏｔｈ仕様書によって提供されるヘッドセット・プロファイルに従って交換されるだろう。Ｂｌｕｅｔｏｏｔｈの仕様書は、ｗｗｗ．ｂｌｕｅｔｏｏｔｈ．ｃｏｍで入手可能である。] 図１
[0016] 複数の音源１１０は、異なるデバイス１０２、１０４上のマイクロフォン１０６、１０８によってピックアップされる音を発する。]
[0017] 異なるモバイル通信デバイス上に位置する複数のマイクロフォンが、送信音声の質を向上するために活用されうる。本明細書で開示されるのは、方法及び装置である。それらによって、複数のデバイスからのマイクロフォン・オーディオ信号が、性能を向上するために活用されうる。しかしながら、本開示は、任意の複数マイクロフォン処理の特定の方法あるいは任意のモバイル通信デバイスの特定のセットに限定されない。]
[0018] お互いの近くに位置する複数のマイクロフォンによって捕らえられたオーディオ信号は、一般的に音源の混合音を捕らえる。音源は（街の雑音、ざわめき声、環境雑音など）のような雑音、あるいは音声や楽器でありうる。音源からの音波は、壁や近くの物体によって跳ね返り、もしくは反射され、異なる音を生成する。音源という用語は、オリジナル音源を示すもののみならず、オリジナル音源以外の異なる音を示すためにも使用されうるということが、当業者によって理解されるべきである。用途に応じて、音源は、音声のようなものや雑音のようなものでありうる。]
[0019] 現在、単一のマイクロフォンのみを伴う多くのデバイス（モバイル・ヘッドセット、有線ヘッドセット、Ｂｌｕｅｔｏｏｔｈヘッドセットなど）が存在する。しかし、これらのデバイスの２つ以上が結合されて使用された場合、これらのデバイスは複数のマイクロフォンによる特徴を提供する。これらの状況において、本明細書で説明される方法及び装置は、異なるデバイス上の複数のマイクロフォンを活用し、音声の質を向上することが可能である。]
[0020] 捕らえられた複数のオーディオ信号を使用するアルゴリズムを適用することによって、受信された音の混合音をオリジナル音源の各々を代表する少なくとも２つの信号へ分離することが望まれる。すなわち、ブラインド音源分離（ＢＳＳ）、ビームフォーミング、空間ダイバーシティ、のような音源分離アルゴリズムを適用した後、“混合”音源は個別に聞き取られうる。このような分離技術は、ＢＳＳ、ビームフォーミング及び空間ダイバーシティ処理を含む。]
[0021] 本明細書で説明されるのは、モバイル通信システムにおける音声の質を向上するために、異なるデバイス上で複数のマイクロフォンを活用するいくつかの典型的な方法である。簡略のために、本開示においては、２つのマイクロフォンのみを含む１つの例が示される。それらは、ＭＣＤ１０４上の１つのマイクロフォン、及びヘッドセット１０２、あるいは有線ヘッドセットのようなアクセサリ上の１つのマイクロフォンである。しかし、本明細書で開示されている技術は、２つより多いマイクロフォン、及びそれぞれが複数のマイクロフォンを有するＭＣＤとヘッドセットを伴うシステムまで拡大されうる。]
[0022] システム１００において、音声信号を捕らえるための１次マイクロフォン１０６は、通常話し手のユーザに最も近いものなので、ヘッドセット１０２上に位置している。一方で、ＭＡＤ１０４上のマイクロフォン１０８は２次マイクロフォン１０８である。更に、開示されている方法は、有線ヘッドセットのようなその他適切なＭＣＤアクセサリを用いて使用されうる。]
[0023] ２つのマイクロフォン信号の処理は、ＭＣＤ１０４において実行される。２次マイクロフォン１０８からの２次マイクロフォン信号に比べると、ヘッドセット１０２から受信される１次マイクロフォン信号は無線通信プロトコルによって遅延するので、２つのマイクロフォン信号が処理される前に、遅延補償ブロックが必要となる。遅延補償ブロックのために必要な遅延値は、一般的に既知のＢｌｕｅｔｏｏｔｈヘッドセットについては知られている。遅延値が不明の場合、ノミナル値が遅延補償ブロックのために使用され、遅延補償の不確実さは２つのマイクロフォン信号処理ブロックにおいて考慮される。]
[0024] 図２は、複数のマイクロフォンからのオーディオ信号を処理する方法２００を例示するフロー図である。ステップ２０２において、１次オーディオ信号が、ヘッドセット１０２上に位置している１次マイクロフォン１０６によって捕らえられる。] 図２
[0025] ステップ２０４において、２次オーディオ信号が、ＭＣＤ１０４上に位置している２次マイクロフォン１０８によって捕らえられる、１次及び２次オーディオ信号は、１次及び２次マイクロフォン１０６及び１０８で受信される音源１１０からの音をそれぞれ表している。]
[0026] ステップ２０６において、捕らえられた１次及び２次オーディオ信号は、音源１１０のうちの１つからの音を表す信号を生成するために処理される。この音源１１０のうちの１つは、音源１１０のうちの他の音源からの音と分離されている。]
[0027] 図３は、図１のＭＣＤ１０４及びヘッドセット１０２の特定の構成要素を示すブロック図である。無線ヘッドヘッド１０２及びＭＣＤ１０４は、それぞれ無線リンク１０３を介してお互いに通信可能である。] 図１ 図３
[0028] ヘッドセット１０２は、無線リンク１０３を介してＭＣＤ１０６と通信するアンテナ３０３に結合された短距離無線インタフェース３０８を含む。無線ヘッドセット１０２は、コントローラ３１０、１次マイクロフォン１０６、マイクロフォン入力回路３１２を更に含む。]
[0029] コントローラ３１０は、ヘッドセット１０２及びそこに含まれる特定の構成要素の総合的な動作を制御し、プロセッサ３１１及びメモリ３１３を含む。プロセッサ３１１は、本明細書で説明されるような自身の機能と処理をヘッドセット１０２に実行させるために、メモリ３１３に格納されているプログラミング命令群を実行するための、任意の適切な処理デバイスでありうる。例えば、プロセッサ３１１は、ＡＲＭ７のようなマイクロプロセッサ、ディジタル信号プロセッサ（ＤＳＰ）、１又は複数のアプリケーション特有集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、複合プログラマブル・ロジック・デバイス（ＣＰＬＤ）、離散ロジック、ソフトウェア、ハードウェア、ファームウェアあるいはそれら任意の適切な組合せでありうる。]
[0030] メモリ３１３は、プロセッサ３１１によって使用され実行されるプログラミング命令群及びデータを格納する任意の適切なメモリ・デバイスである。]
[0031] 短距離無線インタフェース３０８は、トランシーバ３１４を含み、アンテナ３０３を通してＭＣＤ１０４との２方式の無線通信を提供する。任意の適切な無線技術がヘッドセット１０２と共に用いられているが、短距離無線インタフェース３０８は、望ましくは市販のＢｌｕｅｔｏｏｔｈモジュールを含んでいる。この市販のＢｌｕｅｔｏｏｔｈモジュールは、モジュールをコントローラ３１０及び、必要ならば、ヘッドセット１０２のその他の構成要素に接続するためのハードウェア及びソフトウェア・インタフェースのみならず、アンテナ３０３、ＢｌｕｅｔｏｏｔｈＲＦトランシーバ、ベースバンド・プロセッサからなる少なくともＢｌｕｅｔｏｏｔｈコア・システムを提供する。]
[0032] マイクロフォン入力回路３１２は、１次マイクロフォン１０６から受信された電気信号を処理する。マイクロフォン入力回路３１２は、アナログ・ディジタル変換器（ＡＤＣ）（図示せず）を含み、１次マイクロフォン１０６からの出力信号を処理するその他の回路を含みうる。ＡＤＣは、マイクロフォンからのアナログ信号をディジタル信号へと変換する。その後、そのディジタル信号は、コントローラ３１０によって処理される。マイクロフォン入力回路３１２は、市販のハードウェア、ソフトウェア、ファームウェア、あるいはそれらの任意の適切な組合せを使用して実現されうる。さらに、マイクロフォン入力回路３１２の機能のいくつかは、プロセッサ３１１あるいはディジタル信号プロセッサ（ＤＳＰ）のような個別のプロセッサ上で実行可能なソフトウェアとして実現されうる。]
[0033] １次マイクロフォン１０８は、音響エネルギーを電気信号へと変換するための任意の適切なオーディオ・トランスデューサでありうる。]
[0034] ＭＣＤ１０４は、無線広域ネットワーク（ＷＷＡＮ）・インタフェース３３０と、１又は複数のアンテナ３０１と、短距離無線インタフェース３２０と、２次マイクロフォン１０８と、マイクロフォン入力回路３１５と、１又は複数のオーディオ処理プログラム３２９を格納するメモリ３２８及びプロセッサ３２６を有するコントローラ３２４とを含む。オーディオ・プログラム３２９は、とりわけ、本明細書で説明されている図２及び４乃至１２の処理ブロックを実行するように、ＭＣＤ１０４を構成しうる。ＭＣＤ１０４は、短距離無線リンク１０３及びＷＷＡＮリンクを介して通信するための別々のアンテナを含みうる。あるいは、別の選択肢として、単一のアンテナが両方のリンクのために使用されうる。] 図２
[0035] コントローラ３２４は、ＭＣＤ１０４及びそこに含まれる特定の構成要素の総合的な動作を制御する。プロセッサ３２６は、本明細書で説明されているような自身の機能と処理をＭＣＤ１０４に実行させるために、メモリ３２８に格納されているプログラミング命令群を実行させる、任意の適切な処理デバイスでありうる。例えば、プロセッサ３２６は、ＡＲＭ７のようなマイクロプロセッサ、ディジタル信号プロセッサ（ＤＳＰ）、１又は複数のアプリケーション特有集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、複合プログラマブル・ロジック・デバイス（CPLD）、離散ロジック、ソフトウェア、ハードウェア、ファームウェアあるいはそれら任意の適切な組合せでありうる。]
[0036] メモリ３２４は、プロセッサ３２６によって実行及び使用されるプログラミング命令群及びデータを格納するための、任意の適切なメモリ・デバイスである。]
[0037] ＷＷＡＮインタフェース３３０は、ＷＷＡＮと通信するために必要な物理インタフェース全体を備えている。インタフェース３３０は、ＷＷＡＮ内の１又は複数の基地局と無線信号を交換するように構成された無線トランシーバ３３２を含む。適切な無線通信ネットワークの例は、符号分割多元接続（ＣＤＭＡ）ベースのネットワーク、ＷＣＤＭＡ、ＧＳＭ、ＵＴＭＳ、ＡＭＰＳ、ＰＨＳネットワークなどを含むが、それらに限定はされない。ＷＷＡにンタフェース３３０は、接続されたデバイスへのＷＷＡＮを介した音声呼出あるいはデータ転送を容易にするために、無線信号をＷＷＡＮと交換する。接続されたデバイスは、別のＷＷＡＮ端末、陸線電話、あるいは音声メール・サーバやインターネット・サーバのようなネットワーク・サービス・エンティティなどでありうる。]
[0038] 短距離無線インタフェース３２０は、トランシーバ３３６を含み、無線ヘッドセット１０２との２方式の無線通信を提供する。任意の適切な無線技術がＭＣＤ１０４と共に用いられうるが、短距離無線インタフェース３３６は望ましくは市販のＢｌｕｅｔｏｏｔｈモジュールを含んでいる。この市販のＢｌｕｅｔｏｏｔｈモジュールは、モジュールをコントローラ３２４及び、必要ならば、ＭＣＤ１０４のその他の構成要素に接続するためのハードウェア及びソフトウェア・インタフェースのみならず、アンテナ３０１、ＢｌｕｅｔｏｏｔｈＲＦトランシーバ、ベースバンド・プロセッサからなる少なくともＢｌｕｅｔｏｏｔｈコア・システムを提供する。]
[0039] マイクロフォン入力回路３１５は、２次マイクロフォン１０８から受信された電気信号を処理する。マイクロフォン入力３１５は、アナログ・ディジタル変換器（ＡＤＣ）（図示せず）を含み、２次マイクロフォン１０８からの出力信号を処理するその他の回路を含みうる。ＡＤＣは、マイクロフォンからのアナログ信号をディジタル信号へと変換する。その後そのディジタル信号は、コントローラ３２４によって処理される。マイクロフォン入力回路３１５は、市販のハードウェア、ソフトウェア、ファームウェア、あるいはそれら任意の適切な組合せを使用して実現されうる。更に、マイクロフォン入力回路３１５の機能のいくつかは、プロセッサ３２６あるいはディジタル信号プロセッサ（ＤＳＰ）のような個別のプロセッサ上で実行可能なソフトウェエアとして実現されうる。]
[0040] ２次マイクロフォン１０８は、音響エネルギーを電気信号へ変換する任意の適切なオーディオ・トランスデューサでありうる。]
[0041] ＭＣＤ１０４及びヘッドセット１０２の構成要素は、アナログあるいは／及びディジタル・ハードウェア、ファームウェア、あるいはソフトウェアの任意の適切な組合せを使用して実現されうる。]
[0042] 図４は、異なるデバイス上の２つのマイクロフォンを用いた一般的な複数マイクロフォン信号処理の処理ブロック図である。図示されるように、ブロック４０２乃至４１０はＭＣＤ１０４によって実行されうる。] 図４
[0043] 図において、ディジタル化された１次マイクロフォン信号サンプルは、ｘ１（ｎ）によって示されている。ＭＣＤ１０４からのディジタル化された２次マイクロフォン信号サンプルは、ｘ２（ｎ）によって示される。]
[0044] ブロック４００は、１次マイクロフォン・サンプルが無線リンク１０３を介してヘッドセット１０２からＭＣＤ１０４へと伝送される際に経験する遅延を表している。１次マイクロフォン・サンプルｘ１（ｎ）は、２次マイクロフォン・サンプルｘ２（ｎ）に比べて遅延する。]
[0045] ブロック４０２において、１次マイクロフォン・サンプルからのエコーを取り除くために、線形エコー・キャンセラ（ＬＥＣ）が実行される。適切なＬＥＣ技術は当業者に周知である。]
[0046] 遅延補償ブロック４０４において、２次マイクロフォン信号は、２つのマイクロフォン信号が更に処理される前に、ｔｄサンプル遅延する。遅延補償ブロックのために必要とされる遅延値ｔｄは、一般的にＢｌｕｅｔｏｏｔｈヘッドセットのような周知の無線プロトコルについて知られている。遅延値が不明の場合、ノミナル値が遅延補償ブロック４０４において使用されうる。遅延値は、図５乃至６に関連付けて下記に説明されているように、更に詳述化されうる
本願における別の障害は、２つのマイクロフォン信号の間のデータ・レートの違いを補償することである。これはサンプリング・レート補償ブロック４０６においてなされる。一般に、ヘッドセット１０２及びＭＣＤ１０４は、２つの独立クロック・ソースによって制御されうる。クロック・レートは、時間にわたってお互いに関してわずかにドリフトしうる。クロック・レートが異なる場合、２つのマイクロフォン信号についてフレーム毎に届けられるサンプルの数は異なりうる。これは一般的に、サンプル・スリッピング問題として知られており、当業者には既知の様々なアプローチがこの問題に対処するために使用されうる。サンプル・スリッピングにおいて、ブロック４０６は、２つのマイクロフォン信号の間のデータ・レートの差を補償する。] 図５
[0047] 望ましくは、１次及び２次のマイクロフォン・サンプル・ストリームのサンプリング・レートが、両方のストリームを含む更なる信号処理が実行される前に一致される。これを達成するための多数の方法が存在する。例えば１つの方法は、１つのストリームからのサンプルを追加／除去して、その他のストリームにおけるサンプル／フレームに一致させることである。別の方法は、１つのストリームのサンプリング・レートの詳細調整を行い、他と一致させることである。例えば、両方のチャネルが８ｋＨｚのノミナル・サンプリング・レートを有しているとしよう。しかしながら、１つのチャネルの実際のサンプリング・レートは７９８５Ｈｚである。よって、このチャネルのオーディオ・サンプルは、８０００Ｈｚまで引き上げてサンプルされる必要がある。別の例として、１つのチャネルは８０２３Ｈｚのサンプリング・レートを有しうる。これは８ｋHｚまで引き下げてサンプルされる必要があるオーディオ・サンプルである。２つのストリームの任意の再サンプリングを行い、それらのサンプリング・レートを一致させるために使用されうる方法が多数存在する。]
[0048] ブロック４０８において、２次マイクロフォン１０８は、１次及び２次マイクロフォン１０６及び１０８の感度差を補償するように校正される。この校正は２次マイクロフォンのサンプル・ストリームを調整することによって達成される。]
[0049] 一般に、１次及び２次マイクロフォン１０６及び１０８は、全く異なる感度を有しうるので、２次マイクロフォン信号を校正する必要がある。それによって、２次マイクロフォン１０８によって受信される背景雑音電力は、１次マイクロフォン１０６と同様のレベルを有しうる。校正は、２つのマイクロフォン信号の雑音フロアを推定することを含むアプローチを使用し、その後、２次マイクロフォン信号をスケールするために２つの雑音フロア推定値の比の平方根を使用して実行されうる。それによって、２つのマイクロフォン信号が同じ雑音フロア・レベルを有する。マイクロフォンの感度を校正するその他の方法が代替的に使用されうる。]
[0050] ブロック４１０において、複数マイクロフォンのオーディオ処理が生じる。この処理は、音声の質、システム性能などを向上するために、複数のマイクロフォンからのオーディオ信号を活用するアルゴリズムを含む。このようなアルゴリズムの例は、ＶＡＤアルゴリズム、及びブラインド音源分離（ＢＳＳ）、ビームフォーミング、あるいは空間ダイバーシティのような音源分離アルゴリズムを含む。音源分離アルゴリズムは、混合された音源の分離を可能にするので、望まれた音源の信号が遠端の聞き手へ送信される。先の典型的なアルゴリズムが、より詳細に下記で説明される。]
[0051] 図５は、ＭＣＤ１０４に含まれる線形エコー・キャンセラ（ＬＥＣ）４０２を利用する典型的なマイクロフォン信号遅延推定アプローチを例示する図である。このアプローチは、無線リンク１０３を介して伝送される１次マイクロフォン信号によって経験される無線チャネル遅延５００を推定する。一般に、エコー除去アルゴリズムは、マイクロフォン（１次マイクロフォンＴｘ経路）の信号上に存在するヘッドセット・スピーカ５０６を通して遠端エコー（１次マイクロフォンＲｘ経路）経験を除去するためにＭＣＤ１０４上で実施される。１次マイクロフォンＲｘ経路は、ヘッドセット１０２において生じるＲｘ処理５０４を含みうる。１次マイクロフォンＴｘ経路はヘッドセット１０２において生じるＴｘ処理５０２を含みうる。] 図５
[0052] エコー除去アルゴリズムは、一般にＭＣＤ１０４内のフロント・エンド上のＬＥＣ４０２から成る。ＬＥＣ４０２は、遠端Ｒｘ信号上に適応フィルタを実装し、後続の１次マイクロフォン信号からのエコーを取り除く。ＬＥＣ４０２を効果的に実施するために、Ｒｘ経路からＴｘ経路への往復遅延が既知である必要がある。一般に、往復遅延は一定、あるいは少なくとも一定値に近い。この一定の遅延はＭＣＤ１０４の初期調整の間に推定され、ＬＥＣの解を設定するために使用される。往復遅延ｔrdの推定値が既知になると、１次マイクロフォン信号によって経験される遅延の概算推定値ｔ０ｄが、２次マイクロフォン信号と比べられ、往復遅延の半分として計算されうる。初期概算遅延が既知になると、実際の遅延が値域にわたる精細な探索によって推定されうる。]
[0053] この精細探索は以下のように説明される。ＬＥＣ４０２後の１次マイクロフォン信号を、Ｘ１（ｎ）として示す。ＭＣＤ１０４からの２次マイクロフォン信号を、ｘ２（ｎ）として示す。２次マイクロフォン信号はまず最初に、２つのマイクロフォン信号ｘ１（ｎ）とｘ２（ｎ）の間の初期概算遅延補償を提供するために、ｔ０ｄ遅延される。ここで、ｎはサンプル・インデックス整数値である。この初期概算遅延は、一般に粗い推定値である。この遅延された２次マイクロフォン信号は、その後、遅延値τの範囲について１次マイクロフォン信号と相互に相関付けられる。実際の、精細な遅延推定値、ｔｄは、τの範囲にわたって相互相関出力を最大化することによって求められる。]
[0054] この範囲パラメータτは、正及び負両方の整数値でありうる。例えば、−１０≦τ≦１０。最終推定値ｔｄは、相互相関性を最大化するτ値に対応する。同じ相互相関アプローチが、１次マイクロフォン信号内に存在するエコーと遠端信号の間の粗い遅延推定値を計算するためにも使用されうる。しかし、この場合においては、通常、遅延値が大きく、τの範囲は前の経験や広範囲の値にわたる調査に基づいて、慎重に選択されなくてはならない。]
[0055] 図６は、マイクロフォン信号の遅延推定を精細化するための別のアプローチを例示する処理ブロック図である。このアプローチにおいて、上記式１を使用して遅延推定値の相互相関を計算する（ブロック６０８）前に、２つのマイクロフォンのサンプル・ストリームが、ローパス・フィルタ（ＬＰＤ）６０４、６０６によってオプションでローパス・フィルタされる。２つのマイクロフォン１０６及び１０８が遠く離れて位置している場合は、低周波数成分のみが２つのマイクロフォン信号の間で相関関係にあるので、ローパス・フィルタが助けとなる。ローパス・フィルタのカットオフ周波数は、ＶＡＤおよびＢＳＳを説明している本明細書の下記で説明する方法に基づいて求められる。図６のブロック６０２が示されているように、２次マイクロフォン・サンプルは、ローパス・フィルタする前に、初期概算遅延ｔ０ｄ遅延される。] 図６
[0056] 図７は、異なるデバイス上で２つのマイクロフォンを使用する音声アクティビティ検出（ＶＡＤ）７００の処理ブロック図である。単一マイクロフォン・システムにおいて、背景雑音電力は、雑音が時間にわたって一定でない場合、正しく推定されない。しかし、（ＭＣＤ１０４からの）２次マイクロフォン信号を使用して、より正確な背景雑音電力の推定値が取得されうる。よって、大いに向上された音声アクティビティ検出器が実現される。ＶＡＤ７００は、様々な方式で実現されうる。ＶＡＤ実施の例が、以下の通り説明される。] 図７
[0057] 一般に、２次マイクロフォン１０８は、１次マクロフォン１０６から比較的遠く（８センチ以上）にあるだろう。ゆえに、２次マイクロフォン１０８は、主として周囲の雑音を捕らえ、ユーザからの望まれた音声はほとんど捕らえないだろう。この場合、ＶＡＤ７００は、校正された２次マイクロフォン信号と、１次マイクロフォン信号を単純に比較することによって実現される。１次マイクロフォン信号の電力レベルが、校正された２次マイクロフォン信号より十分高い場合、音声が検出されたと宣言される。２次マイクロフォン１０８は、ＭＣＤ１０４の製造の間に初期校正されうるので、２つのマイクロフォン１０６及び１０８によって捕らえられる周囲雑音のレベルは、お互いに近い。校正後、２つのマイクロフォン信号の受信されたサンプルの各ブロック（すなわちフレーム）の平均電力が比較され、１次マイクロフォン信号の平均ブロック電力が、予め定められたしきい値の分、２次マイクロフォン信号を上回る場合に、音声の検出が宣言される。２つのマイクロフォンが比較的遠く離れて配置されていると、２つのマイクロフォン信号の間の相関性は高周波数の場合途絶える。マイクロフォン間の距離（ｄ）と最大相関周波数（ｆｍａｘ）との間の関係は、以下の式を使用して表されうる。]
[0058] Ｃ＝３４３ｍ／ｓが空気中の音の速さ、ｄがマイクロフォン隔離距離及びｆｍａｘが最大相関周波数であるとする。ブロック・エネルギー推定値を計算する前に、２つのマイクロフォン信号の経路にローパス・フィルタを挿入することによって、ＶＡＤの性能は向上する。ローパス・フィルタは、２つのマイクロフォン信号の間で相関付けられたこれら高いオーディオ周波数のみを選択する。よって、決定は相関関係のない成分によって偏ることがない。ローパス・フィルタのカットオフは、下記のように設定されうる。
ｆ−ｃｕｔｏｆｆ＝ｍａｘ（ｆｍａｘ，８００），
ｆ−ｃｕｔｏｆｆ＝ｍｉｎ（ｆ−ｃｕｔｏｆｆ，２８００）
（３）
ここで、８００Ｈｚ及び２８００Ｈｚが、ローパス・フィルタの最小カットオフ周波数及び最大カットオフ周波数の例として与えられる。ローパス・フィルタは、単純なＦＩＲフィルタ、あるいは特定のカットオフ周波数を伴うbiＱｕａｄＩＩＲフィルタでありうる。]
[0059] 図８は、異なるデバイス上で２つのマイクロフォンを使用するブラインド音源分離（ＢＳＳ）の処理ブロック図である。ＢＳＳモジュール８００は、センサーのアレイによって記録された音源信号の複数の混合音から音源信号を分離し復元する。ＢＳＳモジュール８００は一般に、混合音からオリジナル音源を分離するために、高位順序統計値を用いる。] 図８
[0060] ヘッドセット１０２によって捕らえられる音声信号の明瞭さは、背景雑音が激しすぎたり、非定常すぎるものである場合、大いに損害を受けうる。ＢＳＳ８００は、これらのシナリオにおいて音声品質における顕著な向上を提供しうる。]
[0061] ＢＳＳモジュール８００は、様々な音源分離アプローチを使用しうる。ＢＳＳ方法は一般に、１次マイクロフォン信号からの雑音を取り除くために適応フィルタを用いて、２次マイクロフォン信号から、望まれた音声を取り除く。適応フィルタは相関信号をモデル化して取り除くのみなので、１次マイクロフォン信号からの低周波数雑音を、また２次マイクロフォン信号から低周波数音声を取り除く際に特に効果的だろう。ＢＳＳフィルタの性能は、低周波数領域のみにおける適応フィルタリングによって向上しうる。これは２つの方式において達成されうる。]
[0062] 図９は、２つのマイクロフォン信号を伴う変形ＢＳＳ実装の処理ブロック図である。ＢＳＳ実装は、ＢＳＳフィルタ８５２、２つのローパス・フィルタ（LPF）８５４と８５６、及びＢＳＳフィルタ学習及び更新モジュール８５８を含む。ＢＳＳ実装において、異なるオーディオ音源からくる信号を分離するために、適応／固定フィルタ８５３を使用して２つの入力オーディオ信号がフィルタされる。フィルタ８５２は、適応フィルタでありうる。すなわち、フィルタ重みが、入力データに応じて、時間にわたって適合されうる。あるいは、フィルタは固定フィルタでありうる。すなわち、予め計算されたフィルタ係数の固定された組が、入力信号を分離するために使用されうる。通常、適応フィルタ実装は、特に入力統計値が非定常な場合に、より良い性能を提供するため、より一般的である。] 図９
[0063] ２つのマイクロフォンを有するデバイスの典型がそうであるように、ＢＳＳは２つのフィルタ、すなわち、入力された混合音の信号から望まれたオーディオ信号を分離するフィルタと、入力された混合音の信号から周囲雑音／干渉信号を分離するもう一方のフィルタとを用いる。この２つのフィルタは、ＦＩＲフィルタあるいはＩＩＲフィルタでありうる。適応フィルタの場合は、２つのフィルタの重みは連帯的に更新されうる適応フィルタの実装は、２つの段階を必要とする。第１段階は入力データから学習することによってフィルタ重み更新値を計算し、第２段階は入力データを用いてフィルタ重みを畳み込むことによってフィルタを実現する。ゆえに、データを使用してフィルタ更新値を計算する第１段階８５８を実現するために、ローパス・フィルタ８５４が入力データに適用される、ということが提案される。しかし、第２段階８５２おいては、適応フィルタが（ＬＰＦなしで）オリジナル入力データについて実施される。ＬＰＦ８５４及び８５６は、方程式（３）において記されているようなカットオフ周波数を用いたＩＩＲフィルタあるいはＦＩＲフィルタとして設計されうる。時間ドメインＢＳＳ実装では、２つのＬＰＦ８５４及び８５６は、図９に示されているように、２つのマイクロフォン信号に各々適用されている。フィルタされたマイクロフォン信号は、ＢＳＳフィルタ学習及び更新モジュール８５８に提供される。フィルタされた信号に応じて、モジュール８５８はＢＳＳフィルタ８５２のフィルタ・パラメータを更新する。] 図９
[0064] ＢＳＳの周波数ドメイン実装のブロック図が、図１０において示される。この実装は、高速フーリエ変換（ＦＦＴ）ブロック９７０、ＢＳＳフィルタ・ブロック９７２、後処理ブロック９７４及び逆高速フーリエ変換（ＩＦＦＴ）ブロック９７６を含む。周波数ドメインＢＳＳ実装においては、ＢＳＳフィルタ９７２は低周波数（すなわちサブバンド）においてのみ実装される。低周波数領域に対するカットオフは、方程式（２）及び（３）において示されているのと同じ方法で求められうる。周波数ドメインの実装において、ＢＳＳフィルタ９７２の個別の組が各周波数値帯域（すなわちサブバンド）に対して実装される。ここで再度、２つの適応フィルタ、すなわち、混合された入力から望まれたオーディオ音源を分離するフィルタと、混合された入力から周囲雑音を分離するもう一方のフィルタ、が各周波数値域に対して実施される。様々な周波数ドメインＢＳＳアルゴリズムが、この実装のために使用されうる。ＢＳＳフィルタが既に狭帯域データについて動作しているため、この実装におけるフィルタ学習段階及び実装段階を分離させる必要はない。低周波数（例えば８００Ｈｚ未満）に対応する周波数値域では、望まれた音源信号をその他の音源信号から分離させるために、周波数ドメインＢＳＳフィルタ９７２が実装される。] 図１０
[0065] 通常、より高いレベルの雑音抑制を達成するために、後処理アルゴリズム９７４もＢＳＳ／ビームフォーミング方法と共に使用される。後処理アプローチ９７４は一般に、ウィーナー・フィルタリング、スペクトル減算法あるいはその他の非線形技術を使用して、周囲雑音、及び望まれた音源信号からのその他の望まれていない信号を更に抑える。後処理アルゴリズム９７４は一般に、マイクロフォン信号間の位相関係を活用しない。故に、２次マイクロフォン信号の低周波数部及び高周波数部両方からの情報を活用して、送信された信号の音声の質を向上しうる。マイクロフォンからの低周波数ＢＳＳ出力及び高周波数信号の両方が、後処理アルゴリズム９７４によって使用されることが提案される。後処理アルゴリズムは、（低周波数の）ＢＳＳの２次マイクロフォンの出力信号及び（高周波数の）２次マイクロフォン信号から各周波数値域に対する雑音電力レベルの推定値を計算する。その後、各周波数値域に対する利得を導き、その利得を送信された１次信号に適用して周囲雑音を更に取り除き、音声の質を高める。]
[0066] 低周波数においてのみ雑音抑制を行うことの利点を例示するために、以下に続く典型的なシナリオについて考える。ユーザは、車中で運転しながら無線あるいは有線ヘッドセットを使用し、モバイル・ハンドセットを彼／彼女のシャツ／ジャケットのポケットの中に、あるいはヘッドセットから２０センチ以上は離れていないどこかに置いている。この場合、８６０Ｈｚ未満の周波数成分は、ヘッドセットによって捕らえられたマイクロフォン信号と、ハンドセット・デバイスによって捕らえられたマイクロフォン信号との間で相関付けられるだろう。車中における道路雑音及びエンジン雑音は主に、大部分が８００Ｈｚ以下に集中している低周波数エネルギーを含んでいるので、低周波数雑音抑制アプローチは、顕著な性能向上を提供しうる。]
[0067] 図１１は、異なるデバイス上の２つのマイクロフォンを使用するビームフォーミング方法１０００の処理ブロック図である。ビームフォーミング方法は、センサーのアレイによって記録される信号を線形結合することによって空間フィルタリングを実行する。本開示のコンテクストにおいて、センサーは異なるデバイス上に位置するマイクロフォンである。空間フィルタリングは、望まれた方向からの信号の受信を強化する一方で、その他の方向から到来する干渉信号を抑制する。] 図１１
[0068] ヘッドセット１０２及びＭＣＤ１０４における２つのマイクロフォン１０６及びマイクロフォン１０８を使用してビームフォーミングを実行することによって、送信音声の質も向上されうる。ビームフォーミングは、望まれた音声の音源とは異なる方向から到来する周囲雑音を抑制することによって、音声の質を向上する。このビームフォーミング方法は当業者によって容易に周知となる様々なアプローチを使用することができる。]
[0069] ビームフォーミングは一般的に適応ＦＩＲフィルタを用いて適用され、２つのマイクロフォン信号をローパス・フィルタリングするのと同じ概念が、適応フィルタの学習効率を向上させるために使用される。ＢＳＳ方法及びビームフォーミング方法の組合せが複数マイクロフォン処理を行うために用いられる。]
[0070] 図１２は、異なるデバイス上で２つのマイクロフォンを使用する空間ダイバーシティ受信技術１１００の処理ブロック図である。空間ダイバーシティ技術は、環境おける多重伝搬による干渉フェ−ディングをうける音響信号の受信の信頼性を向上するための様々な方法を提供する。空間ダイバーシティ・スキームは、以下の点においてビームフォーミング方法とは全く異なる。ビームフォーミング方法においては、ビームフォーマが出力信号の信号対雑音比（ＳＮＲ）を向上するためにマイクロフォン信号をコヒーレントに結合することによって動作する。ここでは、ダイバーシティ・スキームが、多重伝搬によって影響を受ける信号の受信を向上させるために、複数の受信された信号をコヒーレントにあるいは非コヒーレントに結合することによって動作する。記録された音声信号の質を向上するために使用されうる様々なダイバーシティ結合技術が存在する。] 図１２
[0071] １つのダイバーシティ結合技術は、２つのマイクロフォン信号をモニタすることと、最も強い信号、すなわち最も高いＳＮＲを持つ信号、を捕らえることとを含む選択結合技術である。ここで、遅延した１次マイクロフォン信号のＳＮＲと、校正された２次マイクロフォン信号のＳＮＲとがまず計算され、その後、最も強いＳＮＲを持つ信号が出力として選択される。マイクロフォン信号のＳＮＲは、当業者に周知の以下の技術によって推定されうる。]
[0072] 別のダイバーシティ結合技術は、最大比結合技術である。これは、それぞれのＳＮＲを持つ２つのマイクロフォン信号を重み付け、その後それらを結合し出力信号の質を向上させることを含む。例えば、２つのマイクロフォン信号の重み付けされた結合は、以下のように表される。
ｙ（ｎ）=ａ１（ｎ）ｓ１（ｎ）＋ａ２（ｎ）ｓ２（ｎ−τ） （４）
ここで、ｓ１（ｎ）及びｓ２（ｎ）は、２つのマイクロフォン信号であり、ａ１（ｎ）及びａ２（ｎ）はこれら２つの重みであり、ｙ（ｎ）は出力である。２次マイクロフォン信号は、２つのマイクロフォン信号のコヒーレントな総和に起因する位相打消しによる減弱を最小にするために、オプションで、値ｔまで遅延される。]
[0073] ２つの重みは１未満かつ任意の与えられた瞬間においてでなければならず、２つの重みの総和が１になる。重みは時間とともに変化する。重みは、対応するマイクロフォン信号のＳＮＲに比例するように設定されうる。重みは時間が経つにつれ一定になりうるし、時間と共にごくゆっくりと変化するので、結合された信号ｙ（ｎ）はいかなる望ましくないアーティファクトも有していない。一般に、１次マイクロフォン信号の重みは非常に高い。なぜなら、２次マイクロフォン信号のＳＮＲより高いＳＮＲを持つ望まれた音声を捕らえるからである。]
[0074] 代替例として、２次マイクロフォン信号から計算されたエネルギー推定値は、雑音抑制技術によって用いられる非線形後処理モジュールにおいても使用されうる。雑音抑制技術は一般的に、１次マイクロフォン信号からの更なる雑音と取り除くために、スペクトル減算法のような非線形後処理法を用いる。後処理技術は一般に、１次マイクロフォン信号における雑音を抑制するために、周囲雑音のレベル・エネルギーの推定値を必要とする。周囲雑音のレベル・エネルギーは、２次マイクロフォン信号のブロック電力推定値から、あるいは両方のマイクロフォン信号からのブロック電力推定値の重み付けされた結合として、計算されうる。]
[0075] Ｂｌｕｅｔｏｏｔｈヘッドセットのようなアクセサリのいくつかは、Ｂｌｕｅｔｏｏｔｈ通信プロトコルによって距離情報を提供することが可能である。よって、Ｂｌｕｅｔｏｏｔｈ実装において、距離情報は、ヘッドセット１０２がＭＣＤ１０４からどのくらい離れた所に位置しているかを教える。距離情報が入手できない場合、距離のおおよその推定値が方程式（１）を使用して計算された時間遅延推定値から計算される。距離情報は、送信音声の質を向上するためにどんな種類の複数マイクロフォン・オーディオ処理アルゴリズムを使用するかを決定するために、ＭＣＤ１０４によって活用されうる。例えば、ビームフォーミング方法は、１次及び２次マイクロフォンがお互いに近いところ（距離＜８ｃｍ）に位置している場合に理想的に良好に動作する。このように、こういった状況においては、ビームフォーミング方法が選択されうる。ＢＢＳアルゴリズムは、中距離（６ｃｍ＜距離＜１５ｃｍ）において良好に動作し、空間ダイバーシティ・アプローチは、マイクロフォンが遠く離れて距離を置いている（距離＞１５ｃｍ）場合に良好に動作する。このように、これら各々の距離において、ＢＳＳアルゴリズム及び空間ダイバーシティ・アルゴリズムがＭＣＤ１０４によってそれぞれ選択されうる。このように、２つのマイクロフォンの間の距離の情報が、送信音声の質を向上させるために利用されうる。]
[0076] 本明細書で説明される方法の手順及びブロックと同様、システム、デバイス、ヘッドセット及びそれらそれぞれの構成要素の機能は、ハードウェア、ソフトウェア、ファームウェア、あるいはそれらの任意の適切な組合せで実現されうる。ソフトウェア／ファームウェアはマイクロプロセッサ、ＤＳＰ、組込みコントローラ、あるいは知的財産（ＩＰ）コアのような１又は複数のディジタル回路によって実行可能な命令群のセット（例えば、コード・セグメント）を有するプログラムでありうる。ソフトウェア／ファームウェアにおいて実現される場合、機能は命令群あるいはコードとして、１又は複数のコンピュータ読取可能メディア上に格納される、あるいはそれらを介して送信される。コンピュータ読取可能媒体は、ある場所から別の場所へとコンピュータ・プログラムを送信することを容易にする任意の媒体を含む通信媒体とコンピュータのストレージ媒体との両方を含む。ストレージ媒体は、コンピュータによってアクセスされうる任意の入手可能な媒体でありうる。限定ではなく、例として、こういったコンピュータ読取可能媒体は、ＲＡＭ，ＲＯＭ，ＥＥＰＲＯＭ、ＣＤ−ＲＯＭかその他の光学ディスク・ストレージ、磁気ディスク・ストレージかその他の磁気ストレージ・デバイス、あるいは、命令群もしくはデータ構造へ望まれたプログラムを伝えるあるいは格納するために使用され、コンピュータによってアクセスされうる、その他任意のデバイスを備えうる。更に、任意の接続が、適切にコンピュータ読取媒体と称される。例えば、同軸ケーブルや、光ファイバー・ケーブルや、ツイスト・ペアや、ディジタル加入者回線（ＤＳＬ）や、あるいは、赤外線、無線、及びマイクロ波のような無線技術を使用して、ウェブサイト、サーバ、あるいはその他の遠隔ソースからソフトウェアが送信される場合、同軸ケーブルや、光ファイバー・ケーブルや、ツイスト・ペアや、ＤＳＬや、あるいは赤外線、無線、及びマイクロ波のような無線技術は、媒体の定義に含まれる。本明細書で使用されるようなディスク（ｄｉｓｋ）及びディスク（ｄｉｓｃ）は、コンパクト・ディスク（ＣＤ）、レーザー・ディスク、光学ディスク、ディジタル・バーサタイル・ディスク（ＤＶＤ）、フロッピー（登録商標）・ディスク及びブルーレイ・ディスクを含む。ここで、ディスク（ｄｉｓｋ）は通常データを磁気的に再生する一方、ディスク（ｄｉｓｃ）はレーザーを用いてデータを光学的に再生する。上で述べられたものの組合せも、コンピュータ読取可能媒体の範囲内に含まれるべきである。]
[0077] 特定の実施形態が説明されてきた。しかし、これらの実施形態に対する様々な変形例がありうるし、本明細書において述べられた原理は、その他の実施形態にも同様に適用されうる。例えば、本明細書で開示された原理は、情報携帯端末（ＰＤＡ）、パーソナル・コンピュータ、ステレオ・システム、ビデオ・ゲームなどを含む無線デバイスのようなその他のデバイスに適用されうる。更に、本明細書で開示された原理は、有線ヘッドセットに適用されうる。ここでは、ヘッドセットと別のデバイスとの間の通信リンクが無線リンクではなく有線である。加えて、様々な構成要素及び／あるいは方法のステップ／ブロックは、特許請求の範囲から逸脱することなく、明確に開示されたものとは異なる構成において実施されうる。]
[0078] 当業者であれば、これらの教示を考慮して、その他の実施形態及び変形例を、容易に思いつくだろう。よって、以下に続く請求項は、上記の明細書と添付図面を連携して考慮した場合に、このような全ての実施形態及び変形例を含むことが意図されている。]

权利要求:

請求項1
通信システムにおいてオーディオ信号を処理する方法であって、無線モバイル・デバイス上に位置する第１のマイクロフォンで、複数の音源からの音を表す第１のオーディオ信号を捕らえることと、前期無線モバイル・デバイスに含まれない第２のデバイス上に位置する第２のマイクロフォンで、前記複数の音源からの音を表す第２のオーディオ信号を捕らえることと、前記複数の音源のうちの他の音源からの音から分離されており、前記複数の音源のうちの１つからの音を表す信号を生成するために、捕らえられた前記第１のオーディオ信号及び前記第２のオーディオ信号を処理することとを含む方法。
請求項2
前記第２のデバイスがヘッドセットである請求項１の方法。
請求項3
前記ヘッドセットが、無線リンク方式で前記無線モバイル・デバイスと通信している無線デバイスである請求項２に記載の方法。
請求項4
前記無線リンクがＢｌｕｅｔｏｏｔｈプロトコルを使用する請求項３に記載の方法。
請求項5
前記Ｂｌｕｅｔｏｏｔｈプロトコルによって範囲情報は提供され、前記範囲情報は音源分離アルゴリズムを選択するために使用される請求項４に記載の方法。
請求項6
処理することは、ブラインド分離アルゴリズム、ビームフォーミング・アルゴリズム、あるいは空間ダイバーシティ・アルゴリズムのうちから、音源分離アルゴリズムを選択することを含み、前記選択された音源分離アルゴリズムによって範囲情報が使用される請求項１に記載の方法。
請求項7
前記信号に基づいて、音声アクティビティ検出を実行することを更に含む請求項１に記載の方法。
請求項8
前記第１のオーディオ信号と前記第２のオーディオ信号とを相互に相関付けることと、前記第１のオーディオ信号と前記第２のオーディオ信号との間の前記相互相関性に基づいて、前記第１のオーディオ信号と前記第２のオーディオ信号との間の遅延を推定することとを更に含む請求項１に記載の方法。
請求項9
前記第１のオーディオ信号と前記第２のオーディオ信号との前記相互相関付けを実行する前に、前記第１のオーディオ信号及び前記第２のオーディオ信号をローパス・フィルタリングすることを更に含む請求項８に記載の方法。
請求項10
前記第１のオーディオ信号と前記第２のオーディオ信号との間の遅延を補償することを更に備える請求項１に記載の方法。
請求項11
前記第１のオーディオ信号と前記第２のオーディオ信号との異なるオーディオ・サンプリング・レートを補償することをさらに備える請求項１に記載の方法。
請求項12
無線モバイル・デバイス上に位置し、複数の音源からの音を表す第１のオーディオ信号を捕らえるよう構成された第１のマイクロフォンと、前記無線モバイル・デバイスに含まれない第２のデバイス上に位置し、前記複数の音源からの音を表す第２のオーディオ信号を捕らえるよう構成された第２のマイクロフォンと、捕らえられた前記第１及び前記第２のオーディオ信号に応じて、前記複数の音源のうちの他の音源からの音から分離されており、前記複数の音源のうちの１つからの音を表す信号を生成するよう構成されたプロセッサとを備える装置。
請求項13
前記第２のデバイスを備え、前記第２のデバイスがヘッドセットである請求項１２の装置。
請求項14
前記ヘッドセットが、無線リンク方式で前記無線モバイル・デバイスと通信している請求項１３に記載の装置。
請求項15
前記無線リンクがＢｌｕｅｔｏｏｔｈプロトコルを使用している請求項１４に記載の装置。
請求項16
前記Ｂｌｕｅｔｏｏｔｈプロトコルによって範囲情報が提供され、前記範囲情報が、音源分離アルゴリズムを選択するために使用される請求項１５に記載の装置。
請求項17
前記プロセッサが、ブラインド音源分離アルゴリズム、ビームフォーミング・アルゴリズム、あるいは空間ダイバーシティ・アルゴリズムのうちから音源分離アルゴリズムを選択する請求項１２に記載の装置。
請求項18
前記信号に反応する音声アクティビティ検出器を更に備える請求項１２に記載の装置。
請求項19
前記無線モバイル・デバイスを備え、前記無線モバイル・デバイスが前記プロセッサを含む請求項１２に記載の装置。
請求項20
複数の音源からの音を表す第１のオーディオ信号を無線モバイル・デバイスにおいて捕らえる手段と、前記複数の音源からの音を表す第２の信号を、前記無線モバイル・デバイスに含まれない第２のデバイスにおいて捕らえる手段と、前記複数の音源のうちの他の音源からの音から分離されており、前記複数の音源のうちの１つからの音を表す信号を生成するために、捕らえられた前記第１及び第２のオーディオ信号を処理する手段とを備える装置。
請求項21
前記第２のデバイスを含み、前記第２のデバイスはヘッドセットである請求項２０に記載の装置。
請求項22
前記ヘッドセットは、無線リンク方式で前記無線モバイル・デバイスと通信している無線ヘッドセットである請求項２１に記載の装置。
請求項23
前記無線リンクはＢｌｕｅｔｏｏｔｈプロトコルを使用する請求項２２の装置。
請求項24
前記Ｂｌｕｅｔｏｏｔｈプロトコルによって範囲情報が提供され、前記範囲情報は音源分離アルゴリズムを選択するために使用される請求項２３に記載の装置。
請求項25
ブラインド音原分離アルゴリズム、ビームフォーミング・アルゴリズム、あるいは空間ダイバーシティ・アルゴリズムのうちから音源分離アルゴリズムを選択する手段を更に備える請求項２０に記載の装置。
請求項26
１あるいは複数のプロセッサによって実行可能な命令群のセットを組み込んだコンピュータ読取可能媒体であって、無線モバイル・デバイスにおいて複数の音源からの音を表す第１のオーディオ信号を捕らえるためのコードと、前記無線モバイル・デバイスに含まれない第２のデバイスにおいて、前記複数の音源からの音を表す第２のオーディオ信号を捕らえるためのコードと、前記複数の音源のうちの他の音源からの音から分離されており、前記複数の音源のうちの１つからの音を表す信号を生成するために、捕らえられた前記第１及び第２のオーディオ信号を処理するためのコードとを備えるコンピュータ読取可能媒体。
請求項27
前記信号に基づいて音声アクティビティ検出を実行するためのコードを更に備える請求項２６に記載のコンピュータ読取可能媒体。
請求項28
前記第１のオーディオ信号と前記第２のオーディオ信号とを相互に相関付けるためのコードと、前記第１のオーディオ信号と前記第２のオーディオ信号との間の相互相関性に基づいて、前記第１のオーディオ信号と前記第２のオーディオ信号との間の遅延を推定するためのコードとを更に備える請求項２６に記載のコンピュータ読取可能媒体。
請求項29
前記第１のオーディオ信号と前記第２のオーディオ信号との間の相互相関付けを実行する前に、前記第１のオーディオ信号と前記第２のオーディオ信号をローパス・フィルタリングするためのコードを更に含む請求項２８に記載のコンピュータ読取可能媒体。
請求項30
前記第１のオーディオ信号と前記第２のオーディオ信号との間の遅延を補償するためのコードを更に備える請求項２６に記載のコンピュータ読取可能媒体。
請求項31
前記第１のオーディオ信号と前記第２のオーディオ信号の異なるサンプリング・データ・レートを補償するためのコードを更に備える請求項２６に記載のコンピュータ読取可能媒体。