JP2008233670A - サウンドマスキングシステム、マスキングサウンド生成方法およびプログラム - Google Patents

Abstract

【課題】ユーザに不快感や違和感を感じさせることを抑制しながらも高いマスキング効果を奏するマスキングサウンドを生成する。
【解決手段】本発明に係るマスキングサウンド生成装置１０は、入力された音信号（人間の声など）がスクランブルされた音信号と、ランダムノイズ（ホワイトノイズなど）とが、それぞれの音量レベルのバランスが調整された上でミキシングされてマスキングサウンドを生成する。その際、それら音信号の音量レベルのバランスなど、生成されるマスキングサウンドの特性（マスキング効果の高さおよび不快感や違和感など）に影響を持つパラメータはユーザの所望の値に調整される。
【選択図】図７

Description

本発明は、マスキングサウンドを生成する技術に関する。

ある音（対象音）が聞こえているときに別の音（マスキングサウンドあるいはマスカー）が存在すると、その対象音が聞こえにくくなるという現象が一般に知られており、マスキング効果と呼ばれている。なお、マスカーにより聞こえにくくなる対象音をマスキーという。

マスキングサウンドには、大別して２つのタイプがあることが知られている。１つは、例えばエアコン等の広帯域ノイズをマスカーとして利用したマスキングのように、単に対象音（マスキー）のエネルギー（音量レベル）をマスカーのエネルギー（音量レベル）により聞こえにくくするタイプであり、この態様によるマスキングを以下では「エネルギーマスキング」と呼ぶ。エネルギーマスキングは一般に、ユーザに引き起こす不快感や違和感は低いものの、十分なマスキング効果を発揮するためには高い音量レベルを必要とする。

もう１つは、例えば人間の音声等を加工して作製したマスカーを利用したマスキングのように、ユーザが対象音（マスキー）から言語としての意味を理解することを阻害するタイプであり、この態様によるマスキングを以下では「インフォメーションマスキング」と呼ぶ。インフォメーションマスキングは一般に、低い音量レベルで高いマスキング効果を発揮するものの、ユーザに引き起こす不快感や違和感は大きい。

さて、マスキング効果を利用した音響技術は、従来種々提案されており、その例として特許文献１ないし３に開示された技術が挙げられる。特許文献１には、ピンクノイズ（パワースペクトル密度が周波数に反比例する雑音）を元に生成されたノイズ（エネルギーマスキング）と、人間の音声と近似の音響特性を有するノイズ（インフォメーションマスキング）とによりマスキングサウンドを生成する技術が開示されている。また、特許文献２には、取得した音声を所定のフレームに分割し、各フレーム内で時間的に逆に再生することにより音声を無意味化しマスキングサウンドを生成する技術が開示されている。また、特許文献３には、音信号を一時的に複数のセグメントに分断し、この複数のセグメントの順序を入れ替えてマスキングサウンドを生成する技術が開示されている。
特願２００６−３０８２０６号公報 特願２００６−２４２３４４号公報 特表２００５−５３４０６１号公報

ところで、上記のいずれの特許文献に記載の技術においても、エネルギーマスキングの様式の音声、またはインフォメーションマスキングの様式の音声のいずれか一方のみを用いているか、両者を用いていてもその併用に際して両者のバランスを自由に決められなかった。そのため、エネルギーマスキングを主に利用した場合には、効果的なマスキングに高い音量レベルが必要とされ、一方インフォメーションマスキングを主に利用した場合には、ユーザに不快感や違和感を生じさせてしまうといった問題が生じていた。

本発明は上記の問題に鑑みてなされたものであり、ユーザに不快感や違和感を感じさせることを抑制しながらも高いマスキング効果を奏するマスキングサウンドを生成する技術を提供することにある。

本発明に係るサウンドマスキングシステムは、音信号を受取る受取手段と、前記受取手段が受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル手段と、ランダムノイズを表すノイズ信号を記憶する記憶手段と、前記スクランブル手段により生成された前記スクランブル信号と、前記記憶手段に記憶されたノイズ信号を混合して出力する出力手段とを有することを特徴とする。

また、本発明に係るサウンドマスキングシステムは、音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶する記憶手段と、前記記憶手段に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力手段とを有することを特徴とする。

なお、本発明に係るサウンドマスキングシステムは、上記構成において、前記出力手段は、前記スクランブル信号と前記ノイズ信号とをそれぞれ所定のレベルでミキシングして出力しても良い。

なお、本発明に係るサウンドマスキングシステムは、上記構成において、複数のスピーカを更に有し、前記出力手段は、前記スクランブル信号と前記ノイズ信号とをそれぞれ別の前記複数のスピーカに出力しても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、前記スクランブル信号と前記ノイズ信号の各レベルを調整するレベル調整手段と、前記レベル調整手段が前記スクランブル信号と前記ノイズ信号のレベルを調整するにあたりそのレベルの相対値を指定する指定手段とを更に有し、前記レベル調整手段は、前記指定手段により指定されたレベルの相対値に基づいて前記スクランブル信号と前記ノイズ信号のレベルを調整してから前記出力手段に出力していても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、前記記憶手段は、前記レベルの相対値が予め書き込まれた複数のデータを記憶し、前記指定手段は、前記記憶手段に記憶された複数のデータから前記レベルの相対値を選択しても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、前記記憶手段は、互いに異なる音から生成したスクランブル信号を複数記憶していても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、音信号を受取る受取手段と、前記受取手段が受取った音信号の周波数特性を解析する解析手段と、前記解析手段が解析した周波数特性に基づいて前記スクランブル信号の周波数特性を変換する変換手段とを更に有していても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、前記ノイズ信号は、ホワイトノイズまたはピンクノイズであっても良い。

本発明に係るサウンドマスキングシステムは、上記構成において、前記受取手段が受取った音信号の周波数特性を解析する解析手段と、前記解析手段が解析した周波数特性に基づいて前記ノイズ信号の周波数特性を変換する変換手段とを更に有していても良い。

本発明に係るマスキングサウンド生成方法は、音信号を受取る受取段階と、前記受取段階において受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル段階と、ランダムノイズを表すノイズ信号を記憶装置に記憶する記憶段階と、前記スクランブル段階において生成された前記スクランブル信号と、前記記憶装置に記憶されたノイズ信号を混合して出力する出力段階とを有することを特徴とする。

本発明に係るマスキングサウンド生成方法の別の態様は、音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶装置に記憶する記憶段階と、前記記憶装置に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力段階とを有することを特徴とする。

本発明に係るプログラムは、コンピュータを、音信号を受取る受取手段と、前記受取手段が受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル手段と、ランダムノイズを表すノイズ信号を記憶する記憶手段と、前記スクランブル手段により生成された前記スクランブル信号と、前記記憶手段に記憶されたノイズ信号を混合して出力する出力手段として機能させる。

本発明に係るマスキングサウンド生成方法の別の態様は、コンピュータを、音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶する記憶手段と、前記記憶手段に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力手段として機能させる。

本発明に係るサウンドマスキングシステムまたはホールにより、ユーザに不快感や違和感を感じさせることを抑制しながらも高いマスキング効果を奏するマスキングサウンドを生成することができる。

以下、本発明の実施形態について図面を用いて説明する。
（Ａ；構成）
（Ａ−１；全体構成）
図１は、本発明に係るサウンドマスキングシステム１の構成を示す図である。図１に示すように、音響空間２０には、マイクロホン３０、およびスピーカ４０が天井から吊り下げられて設置されている。

マイクロホン３０は、音響空間２０における音を表すアナログの音信号を生成し、マスキングサウンド生成装置１０へ出力する。なおマイクロホン３０は、音響空間２０において発生した音の直接音成分を除く音を収音させるために、その指向軸を天井に向けて設置されている。ここでマイクロホン３０が収音する「音」とは、音響空間２０の在室者による会話音や、エアコンの動作音や、楽音などを含む全ての可聴音である。
スピーカ４０は、マスキングサウンド生成装置１０からアナログの音信号を受取り、音響空間２０に向けて放音する。

なお、本実施形態においては、音響空間２０において発生した音の直接音成分を除く音を効率良く収音するためにマイクロホン３０の指向軸を天井に向けて設置しているが、マイクロホン３０の指向軸を在室者の方向とは異なる方向に向けて設置すれば良い。また、マイクロホン３０を発話者から十分な距離（例えば臨界距離より遠い位置）を離して設置すれば、マイクロホン３０の指向軸を在室者に向けて設置しても良い。
また、前記スピーカ４０の再生エリアにマイクロホン３０が含まれないように、前記スピーカ４０の再生エリアが設定される。これは、スピーカから再生された音が再びマイクロホンで収音されることで、ハウリングを発生しないようにするためである。

（Ａ−２；マスキングサウンド生成装置１０の構成）
次に、マスキングサウンド生成装置１０の構成について図２を参照して説明する。マスキングサウンド生成装置１０は、マスキングサウンド（マスカー）を表す音信号を生成する。該マスキングサウンドは音響空間２０において放音され、音響空間２０におけるユーザの会話の内容を他のユーザに聞きとられにくくしたり（セキュリティーの保護）、他のユーザが発する音声により会話が妨害されたり作業の集中を乱されたりしないようにする（騒音のマスキング）。

ＣＰＵ（Central Processing Unit）１００は、記憶部２００に格納されている各種プログラムを実行することにより本発明に特徴的な動作を行ったり、マスキングサウンド生成装置１０の各部の動作を制御したりする。

操作部３００はタッチパネルを有する入力装置であり、マスキングサウンド生成装置１０のユーザにより該タッチパネルが押下された場合に、操作内容をＣＰＵ１００へと出力する。
図３は、操作部３００の構成を示した図である。操作部３００は、バランス制御部３１０と、動作モード選択部３２０と、音源選択部３３０と、無意味音声選択部３４０と、プリセットモード選択部３５０を有する。ユーザによりタッチパネル上の特定の領域が押下されると、該領域は同図に例示されているように選択された領域が網掛け表示されると共に、対応する選択肢が選択されたことを示す信号がＣＰＵ１００に出力される。また、操作部３００は、マスタボリューム部３６０を有する。マスタボリューム部３６０には、ボリューム表示窓３６０ａおよび調整アイコン３６０ｂがあり、調整アイコン３６０ｂの押下に応じてボリューム表示窓３６０ａの数字がインクリメントまたはデクリメントされると共に、ボリューム表示窓３６０ａに表示された数字を示す信号がＣＰＵ１００に出力される。なお、以下では、上記の信号をそれぞれバランス制御情報、動作モード選択情報、音源選択情報、無意味音声選択情報、プリセットモード選択情報、マスタボリューム情報と呼び、これらの情報をまとめて「パラメータ情報」と呼ぶ。

再び図２において、音声入力部４００は、アナログ／デジタル（以下、「Ａ／Ｄ」と略記する）コンバータ４１０と入力端子４２０とを有する。入力端子４２０にはマイクロホン３０が接続されており、マイクロホン３０により生成された音信号は、入力端子４２０を介してＡ／Ｄコンバータ４１０へ入力される。Ａ／Ｄコンバータ４１０は、マイクロホン３０から受取った音信号にＡ／Ｄ変換を施し、その変換結果であるデジタルの音信号をＣＰＵ１００へ出力する。

音声出力部５００は、Ｄ／Ａコンバータ５１０とアンプ５２０と出力端子５３０とを有する。Ｄ／Ａコンバータ５１０は、ＣＰＵ１００から受取った音信号に対して、Ｄ／Ａ変換を施すことによってアナログの音信号へ変換する。アンプ５２０は、Ｄ／Ａコンバータ５１０から受取った音信号の振幅（マスタボリューム）を調整する。音信号の増幅率は、後述するようにマスタボリューム部３６０に表示されたマスタボリュームの値に基づいてＣＰＵ１００により制御される。出力端子５３０はスピーカ４０と接続されており、音信号はスピーカ４０へ出力され、音響空間２０Ｂにおいてマスキングサウンド（マスカー）として放音される。

記憶部２００は、ＲＯＭ（Read Only Memory）２１０およびＲＡＭ（Random Access Memory）２２０を有する。
ＲＯＭ２１０は、各種の記憶領域を有する。該記憶領域には、本発明に特徴的な機能をＣＰＵ１００に実行させるための各種データや制御プログラムが格納されている。
ＲＡＭ２２０は、各種の記憶領域を有する。該記憶領域は、ＣＰＵ１００によってワークエリアとして利用されると共に、マイクロホン３０から受取った音信号やマスキングサウンドの音信号の生成に係る各種データを記憶する。
以上に説明した各ユニットは、バス６００を介して接続されており、互いにデータが授受される。

（Ａ−３；データ）
以下では、ＲＯＭ２１０に記憶されているデータについて説明する。ＲＯＭ２１０は、無意味音信号記憶領域、ランダムノイズ波形データ記憶領域、プリセットデータ記憶領域、およびバランステーブル記憶領域を有し、それぞれ無意味音信号、ランダムノイズ波形データ、プリセットデータ、およびバランステーブルが記憶されている。

無意味音信号とは、人間の音声をスクランブル（無意味化または理解不能化）した音信号である。具体的には、人間の音声を収音して対応する波形データを生成し、所定時間（例えば１００ミリ秒）ごとに複数のフレームに分割し、それらを元の音声とは異なる順序で組み合わせて新たに生成した音信号である。なお、人間はこの無意味音信号から、言語としての意味を理解することはできない。

本実施形態においては、ＲＯＭ２１０には４種類の無意味音信号が、番号１ないし４と対応付けられて記憶されている。そして、番号１ないし４に対応付けられた無意味音信号は、それぞれ「大人の男性」、「大人の女性」、「男児」、そして「女児」の発音から生成された無意味音信号である。

ランダムノイズ波形データとは広帯域ノイズの波形データであり、本実施形態においては、ホワイトノイズの波形データである。ホワイトノイズとは、測定周波数帯域において一様なパワースペクトル密度を有する雑音である。

プリセットデータとは、操作部３００に示された複数のパラメータの各々について特定の値を組みにして書き込まれたデータである。本実施形態においてはプリセットデータには４組みのデータが書き込まれており、図４にはその中の１組みが例示されている。各組みのデータには、プリセットデータの番号（番号１ないし４のいずれか）に対応付けられて、バランス制御部３１０と、音源選択部３３０と、無意味音声選択部３４０と、マスタボリューム部３６０におけるパラメータ値が書き込まれている。

バランステーブルとは、マスキングサウンドを生成するにあたり用いられる複数の音信号（ＡおよびＢ）のレベルの相対比率と、最終的に生成されるマスキングサウンドのマスタボリュームの値が対応付けられたテーブルである。図５は、バランステーブルの一例を示した図である。図５において、例えば、音信号Ａが６０（％）、音信号Ｂが４０（％）との相対比率に対して、マスタボリュームの値は、２８ｄＢが対応付けられている。該バランステーブルにおいては、Ａの音信号の相対比率が高いほど、マスタボリュームの値は低くなるように対応付けられている。

（Ａ−４；制御プログラム）
次に、ＲＯＭ２１０に記憶されている制御プログラムについて説明する。ＣＰＵ１００は、制御プログラムを実行することにより、以下に説明する処理を始めとする各種の処理を実行する。

まず、音響特性分析処理について説明する。音響特性分析処理とは、入力された音信号の周波数特性を分析する処理である。具体的には、ＣＰＵ１００は、受取った音信号を予め指定されたフレーム（本実施形態においては１００ミリ秒）ごとに読み出し、フーリエ解析により周波数特性を解析し、各フレームの周波数領域のスペクトルデータを生成する。生成されたスペクトルデータは、ＲＡＭ２２０の音響特性記憶領域に書き込まれる。

次に、音信号ランダム化処理について説明する。音信号ランダム化処理とは、入力された音信号をスクランブルする処理である。具体的には、入力された音信号を所定時間長（例えば、１００ミリ秒）ごとに複数のフレームに分割すると共に、各フレームの波形データを一旦メモリに記憶し、メモリから選択した複数のフレームの波形データを元の音信号とは異なる順序で組み合わせて元の音信号とは時系列が変更された新たな音信号を生成する処理である。本処理がなされた音信号からは、元の音信号に含まれていた言語としての意味を理解することはできなくなる。

次に、ランダムノイズイコライジング処理について説明する。ランダムノイズイコライジング処理とは、ＲＯＭ２１０に記憶されたランダムノイズ波形データの周波数特性を、リファレンスに従って変換する処理である。本実施形態においては、リファレンスとして、上記音響特性分析処理において生成されたスペクトルデータが用いられる。すなわち、ランダムノイズの波形データの周波数特性がスペクトルデータの周波数特性と近似するように、ランダムノイズの波形データはイコライジングされる。

（Ｂ；動作）
次に、本実施形態の動作について説明する。図６は、ＣＰＵ１００が実行するマスキングサウンド生成処理の流れを示すフローチャートである。図７は、マスキングサウンド生成装置１０における各種データの流れを概念的に示した図である。

図６のステップＳＡ１００において、ユーザにより操作部３００の動作モード選択部３２０が操作されると、ＣＰＵ１００は、操作部３００から動作モード選択情報を受信する。ＣＰＵ１００は、受信した動作モード選択情報により指定された動作モードでマスキングサウンドの音信号を生成する。
本実施形態では、１ないし３の３つの動作モードが設けられている。以下では、動作モード１ないし３のそれぞれについて説明する。

（Ｂ−１；動作モード１）
以下では、動作モード１が選択された場合の動作を説明する。本動作モードは、マスキングサウンドの生成処理に係る全てのパラメータ値がユーザにより操作部３００を介して設定される。
ステップＳＡ１１０において、ＣＰＵ１００は、操作部３００からパラメータ情報を受取り、受取ったパラメータ情報を、ＲＡＭ２２０の「パラメータ記憶領域」に書き込む。各パラメータの値がパラメータ記憶領域に書き込まれることにより、マスキングサウンドの生成に係るパラメータが設定され、ＣＰＵ１００は、以下の処理において設定されたパラメータを用いてマスキングサウンドを生成する。

ステップＳＡ１２０において、ＣＰＵ１００は、音声入力部４００を介して音信号を受取る。ＣＰＵ１００は、受取った音信号を、ＲＡＭ２２０の「音信号バッファ領域」に書き込む。
ステップＳＡ１３０において、ＣＰＵ１００は、ＲＡＭ２２０の音信号バッファ領域に書き込まれた音信号を読み出し、音響特性分析処理を実行する。ＣＰＵ１００は、分析結果である周波数領域のスペクトルを、ＲＡＭ２２０の「音響特性記憶領域」に書き込む。

ステップＳＡ１４０において、ＣＰＵ１００は、ＲＡＭ２２０のパラメータ記憶領域を参照し、音源選択情報に書き込まれた値が「１」であるか否かを判定する。ステップＳＡ１４０の判定結果が“Ｙｅｓ”である場合、ステップＳＡ１５０の処理を実行する。ステップＳＡ１４０の判定結果が“Ｎｏ”である場合、すなわち音源選択情報に書き込まれた値が「２」である場合、ステップＳＡ２１０の処理を実行する。

ステップＳＡ１５０において、ＣＰＵ１００は、音信号バッファ領域に書き込まれた音信号について音信号ランダム化処理を施し、スクランブルされた新たな音信号を生成する。

ステップＳＡ２１０において、ＣＰＵ１００は、ＲＡＭ２２０のパラメータ記憶領域に書き込まれた無意味音声選択情報の値と対応する番号の無意味音信号を、ＲＯＭ２１０の無意味音信号記憶領域から読み出す。

ＣＰＵ１００は、ステップＳＡ１５０またはステップＳＡ２１０を終えると、ステップＳＡ１６０の処理を実行する。ステップＳＡ１６０において、ＣＰＵ１００は、ＲＯＭ２１０のランダムノイズ波形データ記憶領域からホワイトノイズの波形データを読み出し、音響特性記憶領域に書き込まれた周波数スペクトルに基づいてランダムノイズイコライジング処理を施し、新たな音信号を生成する。

さて、例えば音響空間２０では甲高い声で会話が行われているものとする。この場合、ステップＳＡ１２０で生成される音信号には高い周波数の成分が多く含まれる。従って、ステップＳＡ１６０のランダムノイズイコライジング処理により、ホワイトノイズにおいて高い周波数の成分が強調され、前記会話の音声の周波数特性に近似した周波数特性のノイズが生成される。
上記の処理は以下のような効果を奏する。すなわち、上述したように、マスキングサウンドの周波数特性が対象音の周波数特性に近似しているほどそのマスキング効果は大きい。従って、本処理によりホワイトノイズのマスキング効果は更に高まると共に、音響空間２０で会話をするユーザにとっては、自らの空間にもともとあったノイズと周波数特性が近似したノイズを含むマスキングサウンドがスピーカ４０から放音されることから、該マスキングサウンドに対する違和感が抑制される。

ステップＳＡ１７０において、ＣＰＵ１００は、バランス調整処理を実行する。すなわち、ステップＳＡ１５０において生成された音信号またはステップＳＡ２１０において読み出された無意味音信号のレベルと、ステップＳＡ１６０において生成されたランダムノイズのレベルとの相対比率を調整する。具体的には、ＣＰＵ１００は、ＲＡＭ２２０のパラメータ記憶領域からバランス制御情報を読み出す。本実施形態においては、操作部３００のバランス制御部３１０の表示「Ａ」は、インフォメーションマスキングの様式の音信号系統（本実施例では、ステップＳＡ１５０において生成された音信号またはステップＳＡ２１０において読み出された無意味音信号のいずれか一方）の相対比率に対応付けられ、「Ｂ」は、エネルギーマスキングの様式の音信号系統（本実施例では、ステップＳＡ１６０において生成されたランダムノイズ）の相対比率に対応付けられている。従って、例えばバランス制御部３１０において「Ａ６０ Ｂ４０」との相対比率が選択された場合、ＣＰＵ１００は、それらのレベルの比が６０：４０となるように両音信号のレベルを調整する。

ステップＳＡ１８０において、ＣＰＵ１００は、バランス調整処理がなされた両音信号を加算（ミキシング）処理し、音声出力部５００に出力する。
音声出力部５００において、Ｄ／Ａコンバータ５１０は、受取った音信号をアナログの音信号に変換し、アンプ５２０に出力する。
ステップＳＡ１９０において、ＣＰＵ１００は、ＲＡＭ２２０のパラメータ記憶領域のマスタボリューム情報を読み出し、アンプ５２０の増幅率を設定する。アンプ５２０は、設定された増幅率により本システムのマスタボリューム（最終音量）を決定する。
ステップＳＡ２００において、アンプ５２０は、受取った音信号を設定された増幅率で増幅し、該音信号を出力端子５３０を介して出力する。

以上に説明したように、音信号ランダム化処理において生成された音信号、または無意味音信号のいずれか一方とランダムノイズとがそれぞれ所定のレベルでミキシングされ、マスキングサウンドが生成される。

さて、音信号ランダム化処理において生成された音信号、および無意味音信号は、いずれも上述した「インフォメーションマスキング」のマスカーに合致する音信号である。一方、ホワイトノイズから生成されたランダムノイズは、「エネルギーマスキング」のマスカーに合致する音信号である。
動作モード１においては、それら２つのタイプの音信号をミキシングする際のレベルの相対比率は、ユーザにより任意に指定される。前者（インフォメーションマスキング）の割合が多くなるように設定された場合には、不快感や違和感が大きくなる恐れがあるものの、高いマスキング効果が奏される。一方、後者（エネルギーマスキング）の割合が高く設定された場合には、マスキング効果に高い音量レベルが要求されるが、ユーザに引き起こす不快感や違和感が低いマスキングサウンドが生成される。

従って、ユーザは、音響空間２０の音響特性、音響空間２０の利用目的、ユーザの嗜好などを考慮して、両音信号のレベルの相対比率を適切に調整すればよい。また、ユーザは、インフォメーションマスキングの音源についても、ＲＯＭ２１０に記憶された無意味音信号から、音響空間２０を利用するユーザによる音響特性に最も近似した音信号を選択すれば良い。その結果、不快感や違和感や違和感を許容範囲に抑えながらも必要とするマスキング効果が得られるマスキングサウンドが生成される。

（Ｂ−２；動作モード２）
以下では、動作モード２が選択された場合の動作を説明する。本動作モードは、マスキングサウンドの不快感や違和感を許容範囲に抑えながらもマスキング効果が最大に保たれるように、マスキングサウンドの生成処理に係る複数のパラメータが連動して制御される動作モードである。本動作モードにおける基本的な動作は動作モード１と同様であるが、マスキングサウンドの生成に係るパラメータの設定方法が異なるため、以下ではパラメータ値の設定方法を中心に説明し、他の処理については説明を省略する。

ステップＳＡ１００において、ユーザにより操作部３００の動作モード選択部３２０の「２」が押下されると、ＣＰＵ１００は、操作部３００から動作モード選択情報を受信する。
ステップＳＡ１１０において、ＣＰＵ１００はパラメータ情報を受取り、該パラメータ情報に書き込まれたパラメータ値をＲＡＭ２２０のパラメータ記憶領域に書き込む。

さて、本動作モードにおいては、バランス制御部３１０およびマスタボリューム部３６０の値に関しては、一方のパラメータ値がユーザにより指定されると、他方のパラメータ値が自動的に設定される。

以下では、まずバランス制御部３１０の操作内容に応じたマスタボリューム部３６０の設定の制御について説明する。バランス制御部３１０において、「Ａ（インフォメーションマスキング）」の相対比率が設定されると、ＣＰＵ１００は、ＲＯＭ２１０に格納されたバランステーブルを参照し、該バランステーブルにおいて該相対比率に対して対応付けられているマスタボリュームの値をＲＡＭ２２０のパラメータ記憶領域に書き込むことによりパラメータ値を設定する。そして、操作部３００においては、マスタボリューム部３６０のボリューム表示窓３６０ａに、上記設定したマスタボリューム値を表示させる。

上述したように、バランステーブルにおいては、Ａの音信号の相対比率が高いほど、マスタボリュームの値は低くなるように対応付けられている。従って、バランス調整部３１０においてＡの比率が高い相対比率の値が選択されると、本システムにおける最終的なボリュームであるマスタボリュームの値が低く設定される。逆に、操作者によりバランス調整部３１０において、Ａの比率が低い相対比率の値が選択されると、本システムにおける最終的なボリュームであるマスタボリュームの値が高く設定される。

その結果、インフォメーションマスキングの音信号の相対比率が高いマスキングサウンドのマスタボリュームは低く設定される。生成されるマスキングサウンドは、インフォメーションマスキングによる高いマスキング効果を有すると共に、そのマスタボリュームは低く設定されているためインフォメーションマスキングが引き起こしがちな不快感や違和感は増大することなく、所定の範囲内に抑えられている。一方、エネルギーマスキングの音信号の相対比率が高いマスキングサウンドのマスタボリュームは高く設定される。その結果、生成されるマスキングサウンドは、高いマスキング効果を奏するために高いマスタボリュームで放音されてもユーザに不快感や違和感を引き起こす傾向が低い。

次に、マスタボリューム部３６０の操作内容に応じたバランス制御部３１０の設定の制御について説明する。操作者によりマスタボリューム部３６０が操作され、マスタボリュームの値がインクリメントまたはデクリメントされると、ＣＰＵ１００は、ＲＯＭ２１０に格納されたバランステーブルを読み出し、該マスタボリューム情報に書き込まれたマスタボリュームの値に対応付けられた相対比率を読み出す。例えば、操作者によりマスタボリュームが２８ｄＢと設定された場合、バランステーブルにおいては「Ａが６０（％）、Ｂが４０（％）」との相対比率がマスタボリュームの値「２８」に対して対応付けられているため、該相対比率を読出し、ステップＳＡ１７０のバランス調整処理を行う。

そのとき、操作者によりマスタボリューム部３６０の値が高く設定されると、ステップＳＡ１７０におけるバランス調整処理において、音信号Ａの相対比率が低くなるように調整される。逆に、操作者によりマスタボリューム部３６０の値が低く設定されると、ステップＳＡ１７０におけるバランス調整処理において、音信号Ａの相対比率が高くなるように調整される。

その結果、音響空間２０において放音されるマスキングサウンドのマスタボリュームが高く設定された場合には、エネルギーマスキングのタイプの音信号の比率が高いマスキングサウンドが生成され、マスタボリュームが低く設定された場合には、インフォメーションマスキングのタイプの音信号の比率が低いマスキングサウンドが生成される。

以上に説明したように、動作モード２においては、マスキングサウンドの元となる音信号は、上述した動作モード１と同様にユーザにより指定される。しかし、ミキシングされる２つのタイプの音信号（インフォメーションマスキングおよびエネルギーマスキング）のレベルの相対比率、およびマスキングサウンドのマスタボリュームにいついては、「マスキング効率」を高めるように調整すると、必然的に「不快感や違和感」が高くなってしまうとのトレードオフの関係にある。従って、本動作モードにおいては、それらのパラメータはＣＰＵ１００により自動的に制御される。すなわち、高いマスキング効果を得るために、インフォメーションマスキングの相対比率を高く設定した場合は、マスタボリュームが低く設定され、インフォメーションマスキングの相対比率を低く設定した場合は、マスタボリュームが高く設定される。その結果、十分なマスキング効果を奏しながらも不快感や違和感が所定の範囲内に抑えられたマスキングサウンドが生成される。

（Ｂ−３；動作モード３）
以下では、動作モード３が選択された場合の動作を説明する。本動作モードは、ユーザにより予め設定されたパラメータ条件に従ってマスキングサウンドが生成される動作モードである。動作モード２と同様に、本動作モードにおける基本的な動作は動作モード１と同様であるが、マスキングサウンドの生成に係るパラメータ値の設定方法が異なるため、以下ではパラメータ値の設定方法についてのみ説明する。

ユーザにより操作部３００の動作モード選択部３２０の「３」が押下されると、ステップＳＡ１００において、ＣＰＵ１００は、操作部３００から動作モード選択情報を受信し動作モード３における処理を実行する。

ステップＳＡ１１０において、ＣＰＵ１００は、パラメータ値を設定する。すなわち、ＣＰＵ１００は、ＲＡＭ２２０のプリセットモード選択情報を読み出し、その値に対応するプリセットデータをＲＯＭ２１０から読み出す。例えばプリセットモード選択情報が「１」である場合、図４に示されるようにプリセットデータ番号「１」のプリセットデータが読み出される。ＣＰＵ１００は、読み出したプリセットデータに書き込まれている各パラメータの値を、ＲＡＭ２２０のパラメータ記憶領域に書き込む。ステップＳＡ１２０以下の処理においては、ＣＰＵ１００は、以上のようにして設定されたパラメータを用いてマスキングサウンドの音信号を生成する。

動作モード３においては、複数のパラメータの値が組みになって書き込まれた複数のプリセットデータから選択され、マスキングサウンドの生成に係るパラメータの値が設定される。従って、音響空間２０の音響特性、音響空間２０の利用目的、ユーザの嗜好などの組み合わせに対応させたプリセットデータを予め用意しておくことで、ユーザは簡易に適切なマスキングサウンドの音信号を生成させることができる。

例えば、プリセットデータ１は、会議室で会議を行う際に用いるパラメータ、プリセットデータ２は、ホールでパーティーを行う際に用いるパラメータ、などとすれば良い。
なお、プリセットデータにより設定されたパラメータを更に操作部３００を介して微調整可能にしても良い。

（Ｂ−４；動作のまとめ）
以上に説明したように、本発明に係るマスキングサウンド生成装置１０においては、人間の音声などから生成されたノイズ（インフォメーションマスキング）と、ランダムノイズから生成されたノイズ（エネルギーマスキング）とがミキシングされマスキングサウンドが生成される。その際、生成されるマスキングサウンドにおいては、動作モードに応じて上記の異なる特性を有する音のレベルの相対比率およびマスタボリュームは最適に制御される。その結果、十分なマスキング効果を有しながらも不快感や違和感が所定の範囲に抑えられたマスキングサウンドが生成される。

（Ｃ；変形例）
以上、本発明の一実施形態について説明したが、かかる実施形態に以下に述べるような変形を加えても良いことは勿論である。また、以下に述べる変形を組み合わせて用いてもよい。

（１）上記実施形態においては、マスキングサウンド生成装置１０のＣＰＵ１００が本発明に特徴的な処理の多くを実行する場合について説明したが、それぞれの処理を実行するハードウェアモジュールを設けて同様の処理を実行するようにしても良い。

（２）上記実施形態においては、音信号ランダム化処理において生成された音信号、または、ＲＯＭ２１０の無意味音信号記憶領域に予め記憶されている無意味音信号のいずれかを用いる場合について説明した。しかし、これらの音信号のいずれか一方のみを設けるようにしても良いし、上記実施形態のように両者を選択して用いるようにしても良い。

（３）上記実施例形態においては、収音した音信号の音響特性を音響特性分析処理により解析し、その解析結果に基づいてランダムノイズ波形データにランダムノイズイコライジング処理を施す場合について説明した。ランダムノイズイコライジング処理によりランダムノイズ波形データはユーザにとって不快感や違和感が低減された音へと調整されるとの効果が奏されるため該処理を行うことが望ましいが、必ずしも行わなくても良い。

（４）上記実施形態においては、操作部３００のバランス制御部３１０において、Ａ系統（インフォメーションマスキング）とＢ系統（エネルギーマスキング）の音信号の音量レベルの相対比率を調整する場合について説明したが、そのようなバランス調整処理に代えて、Ａ系統の音信号とＢ系統の音信号それぞれについて音量レベルを設定することが出来るようにしても良い。

（５）上記実施形態においては、インフォメーションマスキングの音信号と、エネルギーマスキングの音信号をミキシングしてマスキングサウンドの音信号を生成する場合について説明した。しかし、ミキシング処理を実行せず、複数の出力系統から別個に出力し、音響空間２０に複数のスピーカからそれぞれ出力して、空間内でミキシングするようにしても良い。その場合、バランス調整処理およびアンプ５２０による増幅処理に代えて、それぞれの音信号の音量レベルを個別に調整することができるようにしても良い。なお、上記スピーカは音響空間２０内で隣接して設置されていることが望ましい。

（６）上記実施形態においては、ランダムノイズとしてホワイトノイズを用いる場合について説明した。しかし、ランダムノイズの種類は、ホワイトノイズに限定されず、例えばピンクノイズなど他の音源でも良いし、エアコン等から発生する広帯域ノイズから予め生成しておいた音信号を用いるなどしても良い。

（７）上記実施形態においては、無意味音信号として、「大人の男性」、「大人の女性」、「男児」、そして「女児」の発音から生成された音信号を用いる場合について説明した。しかし、無意味音信号はこれらの例に限定されるものではない。例えば、音響空間を実際に利用する人間の音声から生成した無意味音信号とした場合、マスキングサウンド（マスカー）の効果は、マスキーと近似しているほど高いことから、より高いマスキング効果が奏される。

（８）上記実施形態においては、入力された音信号の周波数特性を、ランダムノイズイコライジング処理において用いる場合について説明した。しかし、ＲＯＭ２１０から読み出した無意味音信号についても、入力された音信号の周波数特性に基づいて変換するようにしても良い。そのようにすれば、選択された無意味音信号が更に音響空間２０における音と近似した特性を有する音に変換され、生成されたマスキングサウンドに対する違和感が抑制される。

（９）上記実施形態においては、音信号のスクランブルの方法として、音信号を複数のフレームに分断して順序を並べ替える方法を用いる場合について説明した。しかし、スクランブルの方法は、上記の態様に限定されるものではない。例えば、音信号を複数のフレームに分断した後、それらの分割されたフレームを並べ替える処理に代えて、または並べ替える処理と合わせて、以下の処理を行っても良い。
すなわち、ＣＰＵ１００は、受取った音信号の各フレームを一旦時間軸領域の信号に変換する。そして、該音信号の各フレームを時間軸において逆から読み出し、各音信号を新たな音信号へ変換する。上記の処理は、すなわち元の音信号が生成された順序とは逆の時間的順序で古いデータから読み出して新たな音信号を生成する処理である。上記の処理により生成された音信号からは、処理前の音信号に含まれていた内容を理解することはできない。

（１０）上記実施形態においては、音響特性分析処理により得られた周波数領域のスペクトルに基づいて、ホワイトノイズが該スペクトルと近似の周波数特性を有するようにイコライジング処理する場合について説明したが、処理の方法は上記の例に限定されない。例えば、スペクトルから、入力された音信号に多く含まれる周波数帯を特定し、ホワイトノイズをバンドパスフィルタに通して該周波数帯の成分のみを有するノイズへと変換するようにしても良い。

（１１）上記実施形態においては、バランステーブルとして図５に示した値が書き込まれたバランステーブルを一例として示した。しかし、該バランステーブルは一例である。例えば、以下のような効果を考慮して作成されていても良い。
例えば、以下ではまず、上記実施形態と同様に、インフォメーションマスキングの音信号とエネルギーマスキングの音信号のマスキング効率が大きく異なる場合（ケース１）について説明する。インフォメーションマスキングの音量レベルが所定の割合だけ低くなるように相対比率が変更された場合には、マスキング効率を該変更前と同等に保つためには、エネルギーマスキングの音量レベルの増加分をインフォメーションマスキングの音量レベルの減少分より大きくする必要があるため、結果的に両者を合わせた音量レベルを高く設定する必要がある。
それに対し、インフォメーションマスキングの音信号とエネルギーマスキングの音信号のマスキング効率に大きな差がない場合（ケース２）について考える。その場合、インフォメーションマスキングの音量レベルが所定の割合だけ低くなるように相対比率が変更された場合には、マスキング効率を該変更前と同等に保つためには、エネルギーマスキングの音量レベルの増加分をケース１における増加分ほどには増大させる必要が無いため、両音信号を合わせた音量レベルはケース１における増大分ほどには増大させる必要はない。
以上に説明したように、インフォメーションマスキングとエネルギーマスキングの相対比率とマスタボリュームの対応関係は、マスキングサウンドの生成に用いられる音信号に固有のマスキング効果の度合い、音響空間２０の音響特性、音響空間２０の利用目的、ユーザの嗜好などを考慮して作成されていれば良い。

（１２）上記実施形態において、操作部３００はマスキングサウンドに対して各種の音響効果を付与するための操作子を更に有していても良い。その場合、例えば「残響処理」と表示された領域が操作者により押下されると、ＣＰＵ１００は、生成されたマスキングサウンドに対して残響効果を付与するとしても良い。なお、残響効果の付与方法としては、所定の時間遅延させた複数の音信号を重ね合わせる（ＦＩＲフィルタによる反射音の畳み込み処理）など、従来技術を適用可能である。また、別の音響効果として音色の変換を施しても良い。会議室では、音が会議室の壁や机で反射したり室内で反響したりして、会議室独特の音色へと変換される。従って、操作部３００において、例えば「会議室」と表示された領域が操作者により押下された場合には、ＣＰＵ１００は、生成されたマスキングサウンドの音信号の波形を調整して、該音信号を上記会議室特有の音色へ変換するなどしても良い。
以上の音響処理を施すことにより、更に違和感の少ないマスキングサウンドが生成される。

マスキングサウンド生成装置１０が設けられた音響空間２０の構成を示した図である。 マスキングサウンド生成装置１０の構成を示したブロック図である。 操作部３００の構成を示した図である。 プリセットデータの一例を示した図である。 バランステーブルの一例を示した図である。 マスキングサウンド生成処理の流れを示したフローチャートである。 マスキングサウンド生成処理の概要を示した図である。

符号の説明

１…サウンドマスキングシステム、１０…マスキングサウンド生成装置、２０…音響空間、３０…マイクロホン、４０…スピーカ、１００…ＣＰＵ、２００…記憶部、２１０…ＲＯＭ、２２０…ＲＡＭ、３００…操作部、３１０…バランス制御部、３２０…動作モード選択部、３３０…音源選択部、３４０…無意味音声選択部、３５０…プリセットモード選択部、３６０…マスタボリューム部、４００…音声入力部、４１０…Ａ／Ｄコンバータ、４２０…入力端子、５００…音声出力部、５１０…Ｄ／Ａコンバータ、５２０…アンプ、５３０…出力端子

Claims (14)

1. 音信号を受取る受取手段と、
   前記受取手段が受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル手段と、
   ランダムノイズを表すノイズ信号を記憶する記憶手段と、
   前記スクランブル手段により生成された前記スクランブル信号と、前記記憶手段に記憶されたノイズ信号を混合して出力する出力手段と
   を有することを特徴とするサウンドマスキングシステム。
2. 音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶する記憶手段と、
   前記記憶手段に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力手段と
   を有することを特徴とするサウンドマスキングシステム。
3. 前記出力手段は、前記スクランブル信号と前記ノイズ信号とをそれぞれ所定のレベルでミキシングして出力することを特徴とする請求項１または２に記載のサウンドマスキングシステム。
4. 複数のスピーカを更に有し、
   前記出力手段は、前記スクランブル信号と前記ノイズ信号とをそれぞれ別の前記複数のスピーカに出力することを特徴とする請求項１ないし３のいずれかに記載のサウンドマスキングシステム。
5. 前記スクランブル信号と前記ノイズ信号の各レベルを調整するレベル調整手段と、
   前記レベル調整手段が前記スクランブル信号と前記ノイズ信号のレベルを調整するにあたりそのレベルの相対値を指定する指定手段と
   を更に有し、
   前記レベル調整手段は、前記指定手段により指定されたレベルの相対値に基づいて前記スクランブル信号と前記ノイズ信号のレベルを調整してから前記出力手段に出力することを特徴とする請求項１ないし４のいずれかに記載のサウンドマスキングシステム。
6. 前記記憶手段は、更に前記レベルの相対値が予め書き込まれた複数のデータを記憶し、
   前記指定手段は、前記記憶手段に記憶された複数のデータから前記レベルの相対値を選択する
   ことを特徴とする請求項５に記載のサウンドマスキングシステム。
7. 前記記憶手段は、互いに異なる音から生成したスクランブル信号を複数記憶することを特徴とする請求項２に記載のサウンドマスキングシステム。
8. 音信号を受取る受取手段と、
   前記受取手段が受取った音信号の周波数特性を解析する解析手段と、
   前記解析手段が解析した周波数特性に基づいて前記スクランブル信号の周波数特性を変換する変換手段と
   を更に有することを特徴とする請求項２に記載のサウンドマスキングシステム。
9. 前記ノイズ信号は、ホワイトノイズまたはピンクノイズであることを特徴とする請求項１ないし８に記載のサウンドマスキングシステム。
10. 前記受取手段が受取った音信号の周波数特性を解析する解析手段と、
    前記解析手段が解析した周波数特性に基づいて前記ノイズ信号の周波数特性を変換する変換手段と
    を更に有することを特徴とする請求項１に記載のサウンドマスキングシステム。
11. 音信号を受取る受取段階と、
    前記受取段階において受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル段階と、
    ランダムノイズを表すノイズ信号を記憶装置に記憶する記憶段階と、
    前記スクランブル段階において生成された前記スクランブル信号と、前記記憶装置に記憶されたノイズ信号を混合して出力する出力段階と
    を有することを特徴とするマスキングサウンド生成方法。
12. 音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶装置に記憶する記憶段階と、
    前記記憶装置に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力段階と
    を有することを特徴とするサウンドマスキングシステム。
13. コンピュータを、
    音信号を受取る受取手段と、
    前記受取手段が受取った音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更したスクランブル信号を生成するスクランブル手段と、
    ランダムノイズを表すノイズ信号を記憶する記憶手段と、
    前記スクランブル手段により生成された前記スクランブル信号と、前記記憶手段に記憶されたノイズ信号を混合して出力する出力手段
    として機能させるためのプログラム。
14. コンピュータを、
    音信号を所定時間長の区間に分割して再構成することにより、前記分割した各区間の時系列を変更して生成されたスクランブル信号およびランダムノイズを表すノイズ信号を記憶する記憶手段と、
    前記記憶手段に記憶されたスクランブル信号およびノイズ信号を混合して出力する出力手段
    として機能させるためのプログラム。

Images