[發(fā)明專利]聲音處理設(shè)備和聲音處理方法

在審

• 申請?zhí)枺?/td>: 202010074485.4
• 申請日: 2020-01-22
• 公開（公告）號: CN111489750A
• 公開（公告）日: 2020-08-04
• 發(fā)明（設(shè)計）人: 宮本正成;大橋宏正;田中直也
• 申請（專利權(quán)）人: 松下知識產(chǎn)權(quán)經(jīng)營株式會社
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/20;G10L21/0232;G10L21/0264
• 代理公司: 北京林達劉知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11277
• 代理人: 劉新宇

本發(fā)明涉及一種聲音處理設(shè)備和聲音處理方法。目的是抑制由麥克風(fēng)收集的說話者所發(fā)出的音質(zhì)的劣化。聲音處理設(shè)備包括：n個麥克風(fēng)，其與n個人相對應(yīng)地布置，并且主要收集各個相關(guān)人所發(fā)出的聲音信號；濾波器，其使用n個麥克風(fēng)所收集的聲音信號，來抑制由與至少一個說話者相對應(yīng)的麥克風(fēng)收集的說話者聲音信號中所包括的串音成分；參數(shù)更新器，其在滿足包括至少一個說話者說話的時間的預(yù)定條件的情況下，更新用于抑制串音成分的濾波器的參數(shù)，并且將更新結(jié)果存儲在存儲器中；以及聲音輸出控制器，其從揚聲器輸出通過利用濾波器基于更新結(jié)果、從說話者聲音信號中減去串音成分而獲取到的聲音信號。

技術(shù)領(lǐng)域

本發(fā)明涉及聲音處理設(shè)備和聲音處理方法。

背景技術(shù)

例如，在車體的縱向方向上布置有多個(例如，兩列或更多列)座椅的諸如廂式旅行車、貨車或單廂車等的相對大的車輛中，考慮安裝如下的聲音技術(shù)，該聲音技術(shù)用于在坐在駕駛座的駕駛員和坐在后排座的乘員(例如，駕駛員的家庭乘員或朋友)之間進行會話，播放能到達該后排座椅的汽車音頻的音樂，或者使用各個座椅中所安裝的麥克風(fēng)和揚聲器來在乘員或車載設(shè)備之間傳遞或輸入/輸出聲音。

另外，近年來，發(fā)布了包括通信接口的大量車輛。通信接口具有無線通信功能，并且例如由移動電話網(wǎng)絡(luò)(蜂窩網(wǎng)絡(luò))或無線局域網(wǎng)(LAN)等構(gòu)建，因而還在車輛中建立了網(wǎng)絡(luò)環(huán)境。駕駛員等例如經(jīng)由通信接口訪問因特網(wǎng)線路上的云計算系統(tǒng)(以下簡稱為“云”)，因而可以在駕駛時接收各種服務(wù)。

這里，作為在家用電器中使用云的聲音技術(shù)其中之一，加速了自動聲音識別系統(tǒng)的開發(fā)。自動聲音識別系統(tǒng)作為用于接收云上的服務(wù)的人機接口而普及。自動聲音識別系統(tǒng)將人類所發(fā)出的聲音轉(zhuǎn)換成文本數(shù)據(jù)等，并且使諸如計算機等的控制設(shè)備識別這些聲音的內(nèi)容。自動聲音識別系統(tǒng)是取代使用人類手指的鍵盤輸入的接口，并且能夠通過更接近人類的操作來指示計算機等。具體地，在車輛中，在根據(jù)現(xiàn)有技術(shù)的基于駕駛員的駕駛中或者例如在以自動駕駛級別3的自動駕駛中，采用駕駛員的手指來操縱方向盤，因而存在引入針對車輛的自動聲音識別所用的聲音技術(shù)的必然動機。

根據(jù)國家公路交通安全管理局(NHTSA)，自動駕駛級別被分類為無駕駛自動化(級別0)、駕駛員輔助(級別1)、部分駕駛自動化(級別2)、有條件駕駛自動化(級別3)、高駕駛自動化(級別4)和完全駕駛自動化(級別5)。在級別3，自動駕駛系統(tǒng)主導(dǎo)駕駛，并且如有必要，則請求人類的駕駛。近年來，自動駕駛系統(tǒng)的級別3已投入實際使用。

作為根據(jù)現(xiàn)有技術(shù)的自動聲音識別所用的聲音技術(shù)，已知有如下的技術(shù)(例如，參考日本特開2017-76117，專利文獻1)，該技術(shù)用于判斷所發(fā)出的音頻數(shù)據(jù)(聲音信號)是否與熱詞相對應(yīng)，產(chǎn)生被判斷為與該熱詞該相對應(yīng)的音頻數(shù)據(jù)的熱詞音頻指紋，并且在該熱詞音頻指紋與先前存儲的熱詞音頻指紋一致的情況下，取消向發(fā)聲的計算機裝置的訪問。

專利文獻1：日本特開2017-76117

發(fā)明內(nèi)容

然而，在日本特開2017-76117的結(jié)構(gòu)中，在布置了不同的麥克風(fēng)以與車體中的各個座椅相對應(yīng)的情況下，存在如下的可能性：周圍的其他乘員所發(fā)出的語音也被作為聲音而收集到供說話者用的麥克風(fēng)，其中該麥克風(fēng)布置在與各個說話者的嘴分開大致規(guī)定距離的位置。其他乘員所發(fā)出的語音是所謂的串音成分，并且是極有可能使供說話者用的麥克風(fēng)最初所收集的聲音的音質(zhì)劣化的額外聲音信號。因此，供說話者用的各麥克風(fēng)所收集的聲音的音質(zhì)由于串音成分而劣化，因而存在對說話者所發(fā)出的聲音的識別性能劣化的問題。

本發(fā)明是考慮到上述的根據(jù)現(xiàn)有技術(shù)的情形而提出的，并且本發(fā)明的非限制性目的是提供如下的一種聲音處理設(shè)備和聲音處理方法，該聲音處理設(shè)備和聲音處理方法在與各個人相對應(yīng)地布置了不同的麥克風(fēng)的環(huán)境下，減輕基于周圍的其他人所發(fā)出的聲音的串音成分的影響，并且抑制由說話者發(fā)出且由相關(guān)麥克風(fēng)收集的聲音的音質(zhì)的劣化。