JP2009014827A - 情報処理装置、信号処理方法およびプログラム - Google Patents

Abstract

【課題】音声信号だけでなく音楽等の音響信号に対しても良好な音質を得ることが可能な、情報処理装置、信号処理方法およびプログラムを提供する。
【解決手段】入力されたオーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置において、前記オーディオ信号の第１の区間および第２の区間における信号に対して、それぞれフィルタ処理を行うフィルタ処理部と、フィルタ処理が行われた前記第１の区間における信号と前記第２の区間における信号との差信号を算出し、前記差信号に対して時間軸の変換を行う時間軸変換差信号生成部と、前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理部と、を設ける。
【選択図】図３０

Description

本発明は、情報処理装置、信号処理方法およびプログラムに関する。

近年、デジタル音声信号を時間領域で伸張または圧縮して音声の再生速度を変化させる機能である話速変換機能が、ＩＣレコーダ、パーソナルコンピュータ、ハードディスクレコーダ、各種音楽再生装置等に実装されている。

上記のようなデジタル音声信号に対する時間領域での伸張圧縮アルゴリズムとして、ポインター移動量制御による重複加算法（ＰＩＣＯＬＡ；Ｐｏｉｎｔｅｒ Ｉｎｔｅｒｖａｌ Ｃｏｎｔｒｏｌ ＯｖｅｒＬａｐ ａｎｄ Ａｄｄ：非特許文献１参照。）が知られている。このアルゴリズムは、処理が単純かつ軽量でありながら、音声信号に対して良好な音質が得られるという利点がある。

森田、板倉、「ポインター移動量制御による重複加算法（ＰＩＣＯＬＡ）を用いた音声の時間軸での伸張圧縮とその評価」，日本音響学会論文集，昭和６１年１０月、ｐｐ．１４９−１５０

しかしながら、上記ＰＩＣＯＬＡには、音声信号に対しては良好な音質が得られるものの、音楽等の音響信号に対しては良好な音質が得られ難いという問題があり、伸張処理または圧縮処理を施した信号に、うねり状の異音が発生してしまうという問題があった。

そこで、本発明は、このような問題に鑑みてなされたもので、その目的は、音声信号だけでなく音楽等の音響信号に対しても良好な音質を得ることが可能な、新規かつ改良された情報処理装置、信号処理方法およびプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置において、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成部と、前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うフィルタ処理部と、フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成部と、前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理部と、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力部と、を備える情報処理装置が提供される。

かかる構成によれば、クロスフェード信号生成部は、入力された音声信号と音響信号とからなるオーディオ信号の第１の区間における信号と、第２の区間における信号と、をクロスフェードさせてクロスフェード信号を生成する。また、フィルタ処理部は、第１の区間における信号および第２の区間における信号に対して、それぞれフィルタ処理を行い、時間軸変換差信号生成部は、フィルタ処理が行われた第１の区間における信号と、フィルタ処理が行われた第２の区間における信号との差信号を算出し、この差信号に対して時間軸の変換を行うことで時間軸変換差信号を生成する。また、窓処理部は、時間軸変換差信号に対して所定の窓関数を乗じて、クロスフェード信号を補正する補正信号とし、接続信号出力部は、補正信号に基づいてクロスフェード信号を補正し、補正されたクロスフェード信号を接続信号として出力する。本発明に係る情報処理装置は、時間軸変換差信号を生成する際に、フィルタ処理を施した第１の区間および第２の区間における信号を用いるため、クロスフェード信号を補正する補正信号の精度を向上させることが可能である。

上記課題を解決するために、本発明の別の観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置において、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成部と、前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成部と、前記時間軸変換差信号に対して、フィルタ処理を行うフィルタ処理部と、フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理部と、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力部と、を備える情報処理装置が提供される。

かかる構成によれば、クロスフェード信号生成部は、入力された音声信号と音響信号とからなるオーディオ信号の第１の区間における信号と、第２の区間における信号と、をクロスフェードさせてクロスフェード信号を生成し、時間軸変換差信号生成部は、第１の区間における信号と第２の区間における信号との差信号を算出し、この差信号に対して時間軸の変換を行って時間軸変換差信号を生成する。また、フィルタ処理部は、時間軸変換差信号に対してフィルタ処理を行い、窓処理部は、フィルタ処理が行われた時間軸変換差信号に対して所定の窓関数を乗じて、クロスフェード信号を補正する補正信号とし、接続信号出力部は、補正信号に基づいてクロスフェード信号を補正し、補正されたクロスフェード信号を接続信号として出力する。本発明に係る情報処理装置は、生成された時間軸変換差信号に対してフィルタ処理を施すため、クロスフェード信号を補正する補正信号の精度を向上させることが可能である。

また、前記時間軸変換差信号生成部は、前記差信号の時間軸を反転させる処理を行ってもよい。

前記情報処理装置は、波形が類似した連続する２つの区間を、前記オーディオ信号の所定の探索周波数範囲内から探索し、前記区間の長さである類似波形長を検出する類似波形長検出部を更に備えてもよい。

前記クロスフェード信号生成部は、前記波形の類似した連続する２つの区間の一方を前記第１の区間とし、他方を前記第２の区間として処理を行ってもよい。

前記フィルタ処理部は、前記オーディオ信号の前記所定の探索周波数帯域未満の周波数を除去してもよい。

前記所定の探索周波数帯域は、５０Ｈｚ〜２５０Ｈｚであってもよい。

前記クロスフェード信号生成部は、前記第１の区間における信号または前記第２の区間における信号に、所定の減衰関数を乗じることによりフェードアウト信号を生成し、前記第１の区間における信号または前記第２の区間における信号に、所定の増加関数を乗じることによりフェードイン信号を生成し、前記フェードアウト信号および前記フェードイン信号に基づいて、前記クロスフェード信号を生成してもよい。

前記所定の減衰関数は、滑らかに減衰する関数であり、前記所定の増加関数は、滑らかに増加する関数であってもよい。

前記所定の減衰関数および前記所定の増加関数は、微分可能性を有する関数であってもよい。

前記滑らかに増加する関数および前記滑らかに減衰する関数は、二次関数、三次関数、三角関数および双曲線正接関数からなる群から選択される少なくともいずれか一つであってもよい。

前記所定の減衰関数および前記所定の増加関数は、複数の一次関数を組み合わせた関数、または、一次関数と二次関数を組み合わせた関数であってもよい。

前記接続信号は、前記オーディオ信号を伸張する場合には、前記第１の区間における信号と前記第２の区間における信号との間に挿入され、前記オーディオ信号を圧縮する場合には、前記第１の区間における信号および前記第２の区間における信号に替えて挿入されてもよい。

上記課題を解決するために、本発明の更に別の観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力する信号処理方法であって、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するステップと、前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うステップと、フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成するステップと、前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とするステップと、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力するステップと、を含む信号処理方法が提供される。

かかる構成によれば、クロスフェード信号を生成するステップでは、入力されたオーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせてクロスフェード信号を生成し、フィルタ処理を行うステップでは、第１の区間における信号および第２の区間における信号に対して、それぞれフィルタ処理を行い、時間軸変換差信号を生成するステップでは、フィルタ処理が行われた第１の区間における信号とフィルタ処理が行われた第２の区間における信号との差信号を算出し、この差信号に対して時間軸の変換を行って時間軸変換差信号を生成する。また、補正信号を生成するステップでは、時間軸変換差信号に対して所定の窓関数を乗じて、クロスフェード信号を補正する補正信号とし、接続信号を出力するステップでは、補正信号に基づいてクロスフェード信号を補正し、補正されたクロスフェード信号を接続信号として出力する。本発明に係る信号処理方法では、時間軸変換差信号を生成する際に、フィルタ処理を施した第１の区間および第２の区間における信号を用いるため、クロスフェード信号を補正する補正信号の精度を向上させることが可能である。

上記課題を解決するために、本発明の更に別の観点によれば、オーディオ信号を時間領域において伸張または圧縮して出力する信号処理方法であって、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するステップと、前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成するステップと、前記時間軸変換差信号に対して、フィルタ処理を行うステップと、フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とするステップと、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力するステップと、を含む信号処理方法が提供される。

かかる構成によれば、クロスフェード信号を生成するステップでは、入力されたオーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせてクロスフェード信号を生成し、時間軸変換差信号を生成するステップでは、第１の区間における信号と第２の区間における信号との差信号を算出し、この差信号に対して時間軸の変換を行って時間軸変換差信号を生成し、フィルタ処理を行うステップでは、時間軸変換差信号に対してフィルタ処理を行う。また、補正信号を生成するステップでは、フィルタ処理が行われた時間軸変換差信号に対して所定の窓関数を乗じて、クロスフェード信号を補正する補正信号とし、接続信号を出力するステップでは、補正信号に基づいてクロスフェード信号を補正し、補正されたクロスフェード信号を接続信号として出力する。本発明に係る信号処理方法では、生成された時間軸変換差信号に対してフィルタ処理を施すため、クロスフェード信号を補正する補正信号の精度を向上させることが可能である。

上記課題を解決するために、本発明の更に別の観点によれば、コンピュータを、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置として機能させるためのプログラムであって、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成機能と、前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うフィルタ処理機能と、フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成機能と、前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理機能と、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力機能と、を実現させるためのプログラムが提供される。

かかる構成によれば、コンピュータプログラムは、コンピュータが備える記憶部に格納され、コンピュータが備えるＣＰＵに読み込まれて実行されることにより、そのコンピュータを上記の情報処理装置として機能させる。また、コンピュータプログラムが記録された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリなどである。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信してもよい。

上記課題を解決するために、本発明の更に別の観点によれば、コンピュータを、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置として機能させるためのプログラムであって、前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成機能と、前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成機能と、前記時間軸変換差信号に対して、フィルタ処理を行うフィルタ処理機能と、フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理機能と、前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力機能と、を実現させるためのプログラムが提供される。

かかる構成によれば、コンピュータプログラムは、コンピュータが備える記憶部に格納され、コンピュータが備えるＣＰＵに読み込まれて実行されることにより、そのコンピュータを上記の情報処理装置として機能させる。また、コンピュータプログラムが記録された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリなどである。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信してもよい。

本発明によれば、音声信号だけでなく音楽等の音響信号に対しても良好な音質を得ることが可能である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、以下の説明において、音声から構成される信号を音声信号、音楽等の音声以外の信号を音響信号と称することとし、音声信号と音響信号とから構成される信号をオーディオ信号と称することとする。

［基盤技術に関する説明］
まず、本発明に係る好適な実施形態について詳細な説明をするに先立ち、本実施形態を実現する上で基盤を成す技術的事項について説明する。なお、本実施形態は、以下に記載する基盤技術の上に改良を加えることにより、より顕著な効果を得ることができるように構成されたものである。従って、その改良に係る技術こそが本実施形態の特徴を成す部分である。つまり、本実施形態は、ここで述べる技術的事項の基礎概念を踏襲するが、その本質はむしろ改良部分に集約されており、その構成が明確に相違すると共に、その効果において基盤技術とは一線を画するものであることに注意されたい。

＜ＰＩＣＯＬＡに関する説明＞
ＰＩＣＯＬＡは、上述のように、デジタル音声信号に対する時間領域での伸張圧縮アルゴリズムであって、以下のような方法で、音声信号の伸張や圧縮を行う。以下では、図１〜図５を参照しながら、ＰＩＣＯＬＡの信号処理方法について説明する。

図１は、ＰＩＣＯＬＡを用いてオーディオ信号を伸張する例を示した説明図である。なお、以下の説明において、原波形とは、ＰＩＣＯＬＡに入力されたままの状態の信号の波形を意味する。また、図１各図の縦軸は、信号の振幅（すなわち、強度）を表し、横軸は、時間を表している。

（ＰＩＣＯＬＡにおける波形の伸張処理）
ＰＩＣＯＬＡにおいては、まず、原波形（ａ）から、波形が類似している区間Ａおよび区間Ｂを検出する。区間Ａおよび区間Ｂは、図１（ａ）に示したように、同一の長さを有する連続した２つの区間であって、区間Ａと区間Ｂのサンプル数は、同じである。続いて、検出した区間Ａでの波形はそのままで、検出した区間Ｂでフェードアウトする波形（ｂ）を生成する。同様にして、区間Ａからフェードインし、区間Ｂでの波形はそのままである波形（ｃ）を生成する。次に、生成した波形（ｂ）と波形（ｃ）とを足し合わせると、伸張波形（ｄ）が得られる。

このように、フェードアウトする波形とフェードインする波形とを足し合わせることを、クロスフェードと称する。区間Ａと区間Ｂとのクロスフェード区間を区間Ａ×Ｂと表すこととすると、以上説明した操作を行なうことにより、原波形（ａ）の区間Ａと区間Ｂは、伸張波形（ｄ）の区間Ａと区間Ａ×Ｂと区間Ｂに変更される。

（類似波形長の検出について）
ここで、上述の波形の伸張処理において、入力された信号の中から、波形が類似している連続した２つの区間を検出する必要があるが、以下においては、図２を参照しながら、類似波形である区間Ａと区間Ｂの区間長Ｗを検出する方法を説明する。図２は、類似波形長の探索の一例を説明するための説明図である。

まず、ある信号波形における処理開始位置Ｐ０を起点として、ｊサンプルの区間Ａと区間Ｂとを、図２（ａ）のように定める。次に、図２（ａ）→（ｂ）→（ｃ）に示したように、少しずつｊ（すなわち、サンプル数）を伸ばしながら、区間Ａと区間Ｂが最も類似するｊを検出する。ここで、区間Ａと区間Ｂとの類似度を測る尺度として、例えば、以下の式１に示す関数Ｄ（ｊ）を用いることが可能である。

関数Ｄ（ｊ）は、類似波形長の探索範囲の最小値（ＷＭＩＮ）から探索範囲の最大値（ＷＭＡＸ）までの区間（すなわち、ＷＭＩＮ≦ｊ≦ＷＭＡＸ）で計算され、最も小さなＤ（ｊ）を与えるｊを求める。この、最も小さなＤ（ｊ）を与えるパラメータｊが、区間Ａと区間Ｂの区間長Ｗとなる。なお、上記ｊ、ＷＭＩＮ、ＷＭＡＸは、周期のサンプル数表記である。

ここで、上記の式１において、ｘ（ｉ）は区間Ａの各サンプル値を表し、ｙ（ｉ）は区間Ｂの各サンプル値を表す。また、ｘ（ｉ）が区間Ｂの各サンプル値を表し、ｙ（ｉ）が区間Ａの各サンプル値を表していてもよい。なお、類似波形長の探索周波数範囲は、例えば５０Ｈｚ〜２５０Ｈｚ程度の値とすることができる。サンプリング周波数が例えば８ｋＨｚであれば、ＷＭＡＸ＝１６０、ＷＭＩＮ＝３２程度となる。図２に示した例では、（ｂ）におけるｊが関数Ｄ（ｊ）を最も小さくするｊとして選ばれる。

続いて、図３を参照しながら、ＰＩＣＯＬＡを用いて任意の長さにオーディオ信号を伸張する方法を説明する。図３は、ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。

まず、図２で説明したように、処理開始位置Ｐ０を起点として関数Ｄ（ｊ）が最小となるｊを求め、Ｗ＝ｊとおく。続いて、区間３０１を区間３０３にコピーし、区間３０１と区間３０２のクロスフェード波形を、区間３０４に生成する。そして、原波形（ａ）の位置Ｐ０から位置Ｐ０’までの区間から区間３０１を除いた残りの区間を、伸張波形（ｂ）にコピーする。以上の操作により、原波形（ａ）の位置Ｐ０から位置Ｐ０’までのＬサンプルが、伸張波形（ｂ）ではＷ＋Ｌサンプルとなり、サンプル数はｒ_ｅ倍となる。ここで、サンプル数の伸張率（サンプル数の増加率）を表すｒ_ｅは、以下の式２を用いて定義される。

ここで、上記式２をＬについて書き換えると、以下の式３のようになる。

すなわち、式３から明らかなように、原波形（ａ）のサンプル数をｒ_ｅ倍したい場合には、以下に示す式４を用いて、位置Ｐ０’を定めればよい。

また、以下の式５のようにパラメータＲ_Ｅを定義すると、サンプル数Ｌは、以下の式６のように表すことができる。

上述のように定義したＲ_Ｅを用いると、原波形（ａ）を「Ｒ_Ｅ倍速再生する」といった表現も可能である。以下では、このＲ_Ｅを、「話速変換率」と称することとする。

原波形（ａ）の位置Ｐ０から位置Ｐ０’の処理が終了すると、位置Ｐ０’を位置Ｐ１とし、改めて処理の起点と見なして、同様の処理を繰り返す。かかる処理を繰り返すことで、原波形を伸張することができる。

図３に示した例では、サンプル数Ｌが約２．５Ｗであるので、式２および式５から、話速変換率Ｒ_Ｅは約０．７となる。すなわち、図３に示した例は、約０．７倍速再生の遅聴に相当する。

（ＰＩＣＯＬＡにおける波形の圧縮処理）
続いて、図４および図５を参照しながら、ＰＩＣＯＬＡにおける波形の圧縮処理について説明する。

図４は、ＰＩＣＯＬＡを用いてオーディオ信号を圧縮する例を説明するための説明図である。ＰＩＣＯＬＡにおいては、まず、原波形（ａ）から、波形が類似している区間Ａおよび区間Ｂを検出する。区間Ａおよび区間Ｂは、図４（ａ）に示したように、同一の長さを有する連続した２つの区間であって、区間Ａと区間Ｂのサンプル数は、同じである。なお、波形が類似している区間は、図２を参照しながら説明した方法を適用することが可能である。続いて、区間Ａでフェードアウトする波形（ｂ）を生成するとともに、区間Ｂからフェードインする波形（ｃ）を生成する。次に、生成した波形（ｂ）と波形（ｃ）とを足し合わせることで、圧縮波形（ｄ）を得ることができる。以上の操作を行なうことによって、原波形（ａ）の区間Ａおよび区間Ｂは、圧縮波形（ｄ）の区間Ａ×Ｂに変更される。

続いて、図５を参照しながら、ＰＩＣＯＬＡを用いて任意の長さにオーディオ信号を圧縮する方法を説明する。図５は、ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。

まず、図２で説明したように、処理開始位置Ｐ０を起点として関数Ｄ（ｊ）が最小となるｊを求め、Ｗ＝ｊとおく。続いて、区間５０１と区間５０２のクロスフェード波形を、区間５０３に生成する。そして、原波形（ａ）の位置Ｐ０から位置Ｐ０’までの区間から区間５０１と区間５０２を除いた残りの区間を、圧縮波形（ｂ）にコピーする。以上の操作により、原波形（ａ）の位置Ｐ０から位置Ｐ０’までのＷ＋Ｌサンプルが、圧縮波形（ｂ）ではＬサンプルとなり、サンプル数はｒ_ｃ倍となる。ここで、サンプル数の圧縮率を表すｒ_ｃは、以下の式７を用いて定義される。

ここで、上記式７をＬについて書き換えると、以下の式８のようになる。

すなわち、式８から明らかなように、原波形（ａ）のサンプル数をｒ_ｃ倍したい場合には、以下に示す式９を用いて、位置Ｐ０’を定めればよい。

また、以下の式１０のようにパラメータＲ_Ｃを定義すると、サンプル数Ｌは、以下の式１１のように表すことができる。

上述のように定義したＲ_Ｃを用いると、原波形（ａ）を「Ｒ_Ｃ倍速再生する」といった表現も可能である。原波形（ａ）の位置Ｐ０から位置Ｐ０’の処理が終了したら、位置Ｐ０’を位置Ｐ１とし、改めて処理の起点と見なして同様の処理を繰り返す。かかる処理を繰り返すことで、原波形を伸張することができる。

図５に示した例では、サンプル数Ｌが約１．５Ｗであるので、式７および式１０から、話速変換率Ｒ_Ｃは約１．７となる。すなわち、図５に示した例は、約１．７倍速再生の速聴に相当する。

（ＰＩＣＯＬＡにおける信号の伸張処理の流れ）
続いて、図６を参照しながら、ＰＩＣＯＬＡにおける信号の伸張処理の流れについて、簡単に説明する。図６は、ＰＩＣＯＬＡを用いたオーディオ信号の伸張処理の流れを説明するためのフローチャートである。

まず、ＰＩＣＯＬＡにおいては、ＰＩＣＯＬＡが実装されている情報処理装置等の入力バッファに、処理すべきオーディオ信号があるか否かが判定される（ステップＳ６０１）。ここで、処理すべきオーディオ信号がないと判断した場合には、処理を終了するが、処理すべきオーディオ信号が存在すると判断した場合には、処理開始位置Ｐを起点として関数Ｄ（ｊ）が最小になるｊを求め、Ｗ＝ｊとおく（ステップＳ６０２）。続いて、ＰＩＣＯＬＡでは、ユーザが指定した話速変換率Ｒ_ＥからＬを求め（ステップＳ６０３）、処理開始位置ＰからＷサンプル分の区間Ａを、ＰＩＣＯＬＡが実装されている情報処理装置等の出力バッファに出力する（ステップＳ６０４）。

次に、ＰＩＣＯＬＡにおいては、処理開始位置ＰからＷサンプル分の区間Ａと、この区間Ａに連続している次のＷサンプル分の区間Ｂとのクロスフェードを求め、区間Ｃとする（ステップＳ６０５）。その後、生成した区間Ｃを、出力バッファに出力する（ステップＳ６０６）。続いて、ＰＩＣＯＬＡでは、入力バッファの位置Ｐ＋ＷからＬ−Ｗサンプル分を新たに出力バッファに出力し（ステップＳ６０７）、処理開始位置ＰをＰ＋Ｌに移動してから（ステップＳ６０８）、ステップＳ６０１に戻り処理を繰り返す。かかる処理を、入力バッファに処理すべきオーディオ信号がなくなるまで繰り返すことで、オーディオ信号の伸張処理を行うことが可能である。

（ＰＩＣＯＬＡにおける信号の圧縮処理の流れ）
続いて、図７を参照しながら、ＰＩＣＯＬＡにおける信号の圧縮処理の流れについて、簡単に説明する。図７は、ＰＩＣＯＬＡを用いたオーディオ信号の圧縮処理の流れを説明するためのフローチャートである。

まず、ＰＩＣＯＬＡにおいては、ＰＩＣＯＬＡが実装されている情報処理装置等の入力バッファに、処理すべきオーディオ信号があるか否かが判定される（ステップＳ７０１）。ここで、処理すべきオーディオ信号がないと判断した場合には、処理を終了するが、処理すべきオーディオ信号が存在すると判断した場合には、処理開始位置Ｐを起点として関数Ｄ（ｊ）が最小になるｊを求め、Ｗ＝ｊとおく（ステップＳ７０２）。続いて、ＰＩＣＯＬＡでは、ユーザが指定した話速変換率Ｒ_ＣからＬを求める（ステップＳ７０３）。

次に、処理開始位置ＰからＷサンプル分の区間Ａと、この区間Ａに連続している次のＷサンプル分の区間Ｂのクロスフェードを求め、区間Ｃとし（ステップＳ７０４）、この区間Ｃを出力バッファに出力する（ステップＳ７０５）。続いて、入力バッファの位置Ｐ＋２ＷからＬ−Ｗサンプル分を新たに出力バッファへと出力し（ステップＳ７０６）、処理開始位置ＰをＰ＋（Ｗ＋Ｌ）に移動してから（ステップＳ７０７）、ステップＳ７０１に戻り処理を繰り返す。かかる処理を、入力バッファに処理すべきオーディオ信号がなくなるまで繰り返すことで、オーディオ信号の圧縮処理を行うことが可能である。

（類似波形長検出の流れ）
続いて、図８および図９を参照しながら、類似波形長を検出する処理について、詳細に説明する。図８および図９は、類似波形長を検出する処理を説明するための流れ図である。

類似波形長の検出に際しては、まず、パラメータであるインデックスｊに、初期値ＷＭＩＮをセットする（ステップＳ８０１）。ここで、ＷＭＩＮは、上述のように、類似波形を検索する探索範囲の最小値である。類似波形検索のための初期値が設定されると、ＰＩＣＯＬＡが実装された情報処理装置等においては、図９に示すサブルーチンを実行する（ステップＳ８０２）。このサブルーチンは、後に詳述するように、波形の類似度を判定するために用いられる関数Ｄ（ｊ）を計算するルーチンである。ここで、関数Ｄ（ｊ）は、以下の式１２で与えられる関数である。

ここで、上記式１２において、ｆは、入力オーディオ信号であり、例えば、図２の例であれば、位置Ｐ０を起点としたサンプルを指す。なお、式１と式１２は、同じことを表現している。

続いて、サブルーチンで求まった関数Ｄ（ｊ）の値を変数ｍｉｎに代入し、インデックスｊをＷに代入する（ステップＳ８０３）。その後、インデックスｊを１増加させる（ステップＳ８０４）。次に、インデックスｊが、ＷＭＡＸ以下か否かを判定し（ステップＳ８０５）、ＷＭＡＸ以下ではない場合（すなわち、ＷＭＡＸを超過している場合）には、処理を終了し、処理終了時に変数Ｗに格納されている値が、関数Ｄ（ｊ）を最小にするインデックスｊ、つまり、類似波形長となり、そのときの変数ｍｉｎの値が、関数Ｄ（ｊ）の最小値となる。

また、インデックスｊがＷＭＡＸ以下である場合には、上記サブルーチンにて、新たなインデックスｊに対して関数Ｄ（ｊ）を求める（ステップＳ８０６）。次に、新たなインデックスｊについて求まった関数Ｄ（ｊ）の値が、ｍｉｎ以下か否かを判定する（ステップＳ８０７）。ここで、関数Ｄ（ｊ）の値がｍｉｎ以下の場合は、関数Ｄ（ｊ）の値を変数ｍｉｎに代入し、インデックスｊをＷに代入して（ステップＳ８０８）、ステップＳ８０４に戻る。また、関数Ｄ（ｊ）の値がｍｉｎ以下でない場合（すなわち、ｍｉｎを超過していた場合）は、ステップＳ８０４に戻る。かかる処理を行うことで、入力されたオーディオ信号の類似波形部分を探索して、類似波形長を検出することができる。

（関数Ｄ（ｊ）の値の算出）
続いて、図９を参照しながら、波形の類似度を判定するために用いられる関数Ｄ（ｊ）を算出するサブルーチンの流れについて、詳細に説明する。

サブルーチンの処理が始まると、まず、インデックスｉと変数ｓを、０にセットする（ステップＳ９０１）。次に、インデックスｉがインデックスｊより小さいか否かを判定し（ステップＳ９０２）、インデックスｉがインデックスｊよりも小さい場合には、後述するステップＳ９０３を実行し、インデックスｉがインデックスｊよりも小さくない場合（すなわち、インデックスｉがインデックスｊ以上である場合）には、後述するステップＳ９０５を実行する。ここで、インデックスｊは、図８に示したフローチャートのインデックスｊと同じものである。

ステップＳ９０３では、入力オーディオ信号の差の自乗を算出して、変数ｓに加算する。その後、インデックスｉを１増加させ（ステップＳ９０４）、ステップＳ９０２に戻る。また、ステップＳ９０５では、変数ｓをインデックスｊで除して、その商を関数Ｄ（ｊ）の値としてサブルーチンを終了する。

（クロスフェード信号の生成について）
続いて、図１０を参照しながら、クロスフェード信号の生成方法について、詳細に説明する。図１０は、クロスフェード信号の生成処理を説明するための流れ図である。

クロスフェード信号の生成に際して、まず、インデックスｉを０にセットする（ステップＳ１００１）。次に、インデックスｉと類似波形長Ｗを比較し（ステップＳ１００２）、インデックスｉがＷより小さくない場合（すなわち、インデックスｉがＷ以上である場合）には、処理を終了する。また、インデックスｉがＷよりも小さい場合には、フェードインとフェードアウトに用いるための係数ｈを求める（ステップＳ１００３）。係数ｈの算出が終了すると、フェードインする信号ｘ（ｉ）に係数ｈを掛けるとともに、フェードアウトする信号ｙ（ｉ）に１−ｈを掛け、これらの信号の和をｚ（ｉ）に代入する（ステップＳ１００４）。例えば、図１に示した例では、区間Ａにおける信号がｘ（ｉ）に対応し、区間Ｂにおける信号がｙ（ｉ）に対応する、また、例えば、図４に示した例では、区間Ｂにおける信号がｘ（ｉ）に対応し、区間Ａにおける信号がｙ（ｉ）に対応する。このようにして生成された信号ｚ（ｉ）が、クロスフェード信号となる。次の処理では、インデックスｉを１増加させ（ステップＳ１００５）、ステップＳ１００２に戻る。かかる処理を繰り返すことで、クロスフェード信号を算出することができる。

以上、図１〜図１０を参照しながら説明したように、話速変換アルゴリズムＰＩＣＯＬＡによって、任意の話速変換率（０．５≦Ｒ_Ｅ＜１．０，１．０＜Ｒ_Ｃ≦２．０）でオーディオ信号を伸張／圧縮することが可能であり、特に音声信号に対しては良好な音質を実現することが可能である。

＜ＰＩＣＯＬＡの問題点についての検討＞
しかしながら、上記のようなＰＩＣＯＬＡでは、音声信号に対しては良好な音質が得られるものの、音楽等の音響信号に対しては良好な音質が得られ難いという問題が存在する。例えば、最も顕著な問題は、原信号に存在しない、うねりのような異音が、伸張圧縮処理した信号に発生する傾向があり、耳障りになるという問題である。

そこで、本願発明者は、このうねりのような異音を解決するために鋭意研究を行った結果、以下のような知見を得ることができた。以下に、得られた知見について、図１１〜図１８を参照しながら、詳細に説明する。

一般に音響信号では、様々な楽器の音が同時に鳴っている。図１１（ａ）では、そのような音響信号の一例として、点線で示した波形に、実線で示した小振幅の波形が重なっている様子を模式的に示している。

図１１は、波形（ａ）の区間Ａと区間Ｂとを伸張して、伸張波形（ｂ）を得る場合の波形の様子を示したものである。図１１（ａ）から明らかなように、区間Ａにおける実線波形と、区間Ｂにおける実線波形は、同相である。原波形（ａ）を１．５倍に伸張する場合、先に説明したように、原波形（ａ）の区間Ａ（１１０１）における波形を、伸張波形（ｂ）の区間Ａ（１１０３）にコピーするとともに、原波形（ａ）の区間Ａ（１１０１）における信号と区間Ｂ（１１０２）における信号のクロスフェード信号を、伸張波形（ｂ）の区間Ａ×Ｂ（１１０４）に生成する。最後に、原波形（ａ）の区間Ｂ（１１０２）における信号を、伸張波形（ｂ）の区間Ｂ（１１０５）にコピーする。このような処理を行うことで、原波形（ａ）を１．５倍に伸張することができる。

伸張波形である図１１（ｂ）を参照すると、区間Ａ（１１０１）における実線波形の位相と、区間Ｂ（１１０２）における実線波形の位相が同相である場合には、区間Ａ×Ｂ（１１０４）における実線波形の振幅は、区間Ａ（１１０３）および区間Ｂ（１１０５）における実線波形の振幅とほぼ同一となることがわかる。この実線波形の包絡線の様子を模式的に表すために、伸張波形（ｂ）のそれぞれの区間（１１０３，１１０４，１１０５）における実線波形の包絡線を、図１１（ｃ）のように表現することとする。

同様に、図１２は、波形（ａ）の区間Ａと区間Ｂとを伸張して、伸張波形（ｂ）を得る場合の波形の様子を示したものである。図１２の場合には、図１２（ａ）から明らかなように、区間Ａにおける実線波形と区間Ｂにおける実線波形とは、逆相である。原波形（ａ）を１．５倍に伸張する場合、先に説明したように、原波形（ａ）の区間Ａ（１２０１）における波形を伸張波形（ｂ）の区間Ａ（１２０３）にコピーするとともに、原波形（ａ）の区間Ａ（１２０１）における信号と区間Ｂ（１２０２）における信号のクロスフェード信号を、伸張波形（ｂ）の区間Ａ×Ｂ（１２０４）に生成する。最後に、原波形（ａ）の区間Ｂ（１２０２）における信号を、伸張波形（ｂ）の区間Ｂ（１２０５）にコピーする。

伸張波形である図１２（ｂ）を参照すると、区間Ａ（１２０１）における実線波形の位相と、区間Ｂ（１２０２）における実線波形の位相が逆相である場合には、区間Ａ×Ｂ（１２０４）における実線波形の振幅は、区間Ａ×Ｂ（１２０４）の左端から減衰して、区間Ａ×Ｂ（１２０４）の略中央部分でほぼゼロとなり、区間Ａ×Ｂ（１２０４）の右端に向けて増幅していることがわかる。このような実線波形の包絡線を模式的に表すために、図１１（ｃ）と同様にして、伸張波形（ｂ）のそれぞれの区間（１２０３，１２０４，１２０５）における実線波形の包絡線を、図１２（ｃ）のように表すこととする。

一般の音響信号において、図１２（ａ）の実線波形のような信号がそのまま含まれることは考え難いが、選択された区間Ａと区間Ｂに逆相に近い信号が含まれることは、実際に頻発する。図１１と図１２を比較すると容易に確認できるように、クロスフェード後の信号の波形は、クロスフェード前の２つの波形の相関関係によって、振幅を大きく変える。

図１３は、図１１および図１２で説明した内容を、もう少し長い信号に対して適用した例を、模式的に説明するための説明図である。原波形（ａ）を５つの区間Ａ１，Ａ２，Ａ３，Ａ４，Ａ５に分けた場合、それぞれの区間が同相の関係を持っていれば、（ｂ）に示すような波形（包絡）となり、逆相の関係を持っていれば（ｃ）のような波形（包絡）となる。更に、それぞれの区間が無相関の場合には（ｄ）のようになる。図１３から明らかなように、（ｃ）や（ｄ）で示した波形は、うねりを伴っていることがわかる。

図１４は、それぞれの区間が無相関である信号を伸張した場合の具体例を示している。無相関の信号として白色ノイズ（ホワイトノイズ）を入力信号とした場合、白色ノイズである図１４（ａ）の原波形を５つの区間Ａ１，Ａ２，Ａ３，Ａ４，Ａ５に分けて伸張処理を施すと、その伸張波形は、図１４（ｂ）のようになる。図１４（ｂ）を参照すると、クロスフェード信号に相当する区間では、逆相の場合のようにほぼゼロまで減衰することはないものの、これらの区間の略中央部分で信号の振幅が減衰していることがわかる。この図１４から明らかなように、信号波形を構成するそれぞれの区間が無相関の場合には、伸張処理後の信号波形は、ほぼ図１３（ｄ）の模式図の通りであることが確認できる。

また、上記の説明では、信号波形を伸張処理する場合について説明したが、圧縮処理する場合にも同様の現象が確認される。

以上、図１１〜図１４に示したように、ＰＩＣＯＬＡによって信号の伸張／圧縮処理を行うと、原信号に存在しない、うねり状の異音が、話速変換後の信号に発生する様子が視覚的に確認できる。実際の音響信号では、ここまで極端ではないものの、瞬間瞬間に含まれる音の成分がこのような影響を受ける結果、聴覚的にうねり状の異音を確認するに至る。

＜基盤技術：クロスフェード信号を補正する方法について＞
このような、うねり状の異音を解消するための方法として、例えば、クロスフェード信号に所定の補正信号を加算して接続信号とすることでクロスフェード信号の包絡線の形を補正し、原波形の包絡線に近づけるという方法が考えられる。このクロスフェード信号を補正する方法について、以下で詳細に説明する。

図１５は、クロスフェード信号Ａ×Ｂをどれだけ補正すれば、クロスフェード前の信号の包絡に近くなるかを、模式的に示したものである。（ａ）は、同相波形同士のクロスフェード信号の場合である。同相波形を基にクロスフェード信号を生成した場合には、生成されたクロスフェード信号にうねり状の波形は存在しないため、補正を施す必要はない。（ｂ）は、逆相波形同士のクロスフェード信号の場合であり、図１５に示したような補正Ｓを適用すれば、クロスフェード前の信号の包絡を保つことができる。（ｃ）は、無相波形同士のクロスフェード信号の場合であり、図１５に示したような補正Ｓを適用すれば、クロスフェード前の信号の包絡を保つことができる。

従って、クロスフェード信号を補正する信号Ｓを適切に生成することで、伸張／圧縮信号に発生するうねり状の異音を除去することが可能である。ここで、クロスフェード前の２つの区間の信号を、ｘ（ｉ）（ｉ＝０，１，２，・・・，Ｗ−１）、ｙ（ｉ）（ｉ＝０，１，２，・・・，Ｗ−１）とし、補正信号Ｓをｓ（ｉ）（ｉ＝０，１，２，・・・，Ｗ−１）とすると、Ｓは、以下の式１３のように定められる。

ここで、上記式１３において、Δは、例えば図１６に一例を示したような窓関数である。図１６に示した窓関数は、いわゆる三角窓であって、以下の式１４で表される。

図１６に示した窓関数を幅がＷの波形に対して適用すると、Ｗ／２の場所に位置する原波形の強度を保ったまま、他の箇所の波形強度を補正する。しかしながら、三角窓の最大強度は、図１６に示した例に限定されるわけではなく、任意の値に設定することが可能である。また、窓関数自体も、図１６に示した例に限定されるわけではなく、窓関数を作用させる信号の包絡線の形状を補正可能な関数であれば、任意のものを使用可能である。例えば、図１６に示した窓関数に換えて、三角関数（正弦関数）等を利用することが可能である。

式１３に示した計算では、クロスフェード前の２つの区間における信号の差分を求め、２で割ってから、時間軸を反転し、窓関数を掛けている。クロスフェード前の信号の差信号を求めることにより、クロスフェード前の２つの区間の波形が同相であれば、その差信号の振幅は小さく、逆相であればその差信号の振幅は大きく、無相であればその差信号の振幅は中間程度になり、図１５で示したように、クロスフェード区間の波形の振幅の減衰を適当に補うことができる。また、窓関数を掛けることにより、クロスフェード区間の包絡に差信号を合わせることできる。差信号の時間軸を反転することにより、クロスフェード区間Ａ×Ｂと補正信号Ｓとの位相がずれ、補正信号として確実に機能するようになる。

また、時間軸を反転しない場合、図１７に示すように、実質的に短い区間でのクロスフェードと等価になり、振幅が小さくなる区間の長さが短くなるだけで、うねり状の異音を減衰させる効果を発揮しない。更に、クロスフェード区間長を短くすることは別の異音を発生させる要因となる。以下に、時間軸を反転しない場合に発生する現象について、詳細に説明する。

図１７（ａ）は、区間Ａと区間Ｂからなる原信号を、クロスフェード信号を使って伸張した信号の模式図である。図１７（ａ）において、クロスフェード区間１７０１では、区間Ａにおける信号と区間Ｂにおける信号の成分の比率を示している。図１７（ｂ）は、補正信号Ｓを示したものである。この補正信号Ｓは、区間Ａにおける信号から区間Ｂにおける信号を引き、得られた差信号に対して図１６に示した三角窓を窓関数として掛けたものである。なお、この補正信号Ｓには、時間軸反転を行っていない。この例は、区間Ａおよび区間Ｂにおける波形が、逆相の関係にある場合を示している。

図１７（ａ）に示したクロスフェード信号に図１７（ｂ）に示した補正信号を加えると、図１７（ｃ）に示したように、区間Ａにおける信号に由来する成分１７０２が増加し、区間Ｂにおける信号に由来する成分１７０３が減少する。その結果、図１７（ｃ）に示した補正後のクロスフェード信号は、図１７（ａ）におけるクロスフェード区間長１７０１の半分程度の長さのクロスフェードをしていることになる。

なお、区間Ａにおける波形と区間Ｂにおける波形が同相の場合は、差信号はゼロに近くなるため、図１７（ｃ）のクロスフェード区間１７０３は、図１７（ａ）の区間１７０１と同じ、単なるクロスフェードとなる。また、区間Ａにおける波形と区間Ｂにおける波形が無相の場合は、図１７（ｃ）のクロスフェード区間１７０３と図１７（ａ）の区間１７０１の中間となる。このように、差信号の時間軸反転を行なわない場合、結果的に、クロスフェード区間長を従来のクロスフェード区間長以下にしたものと等価になる。従って、このようなクロスフェード区間においては、クロスフェード信号に由来する音が急激に変化することとなってしまう。

なお、図１７（ｃ）のクロスフェード区間１７０３の位置が区間１７０２の区間Ａ側になっているのは、区間Ａから区間Ｂを引いて差信号である図１７（ｂ）を生成しているためである。逆に、区間Ｂから区間Ａを引いて差信号を生成すれば、図１７（ｃ）に示したクロスフェード区間１７０３の位置は、区間１７０２の区間Ｂ側になる。

（接続信号の生成について）
続いて、図１８を参照しながら、補正処理を行ったクロスフェード信号である接続信号の生成処理について、詳細に説明する。図１８は、接続信号の生成処理を説明するための流れ図である。なお、図１８において、Ｗ、ｘ（ｉ）、ｙ（ｉ）、ｚ（ｉ）等の記号の意味は、上述の説明の通りである。

接続信号の生成処理では、まず、インデックスｉの値を０にセットする（ステップＳ１８０１）。次に、インデックスｉの値が、Ｗより小さいか否かを判定する（ステップＳ１８０２）。ここで、インデックスｉの値がＷよりも小さくない場合（すなわち、インデックスｉの値がＷ以上である場合）には、補正信号Ｓの生成処理を終了する。また、インデックスｉの値がＷよりも小さい場合には、インデックスｉをＷで除することで係数ｈを算出する（ステップＳ１８０３）。続いて、インデックスｉとＷを用いて、式１４により窓関数ｋを算出する（ステップＳ１８０４）。窓関数ｋの算出が終了すると、各サンプル値ｘ（ｉ）およびｙ（ｉ）からクロスフェード信号ｔ（ｉ）を算出するとともに、補正信号ｓ（ｉ）を算出する。そして、これらｔ（ｉ）とｓ（ｉ）から、うねり状の異音が発生し難いクロスフェード信号（すなわち、接続信号）ｚ（ｉ）を生成する（ステップＳ１８０５）。次に、インデックスｉを１増加させた後（ステップＳ１８０６）、ステップＳ１８０２に戻り、処理を繰り返す。以上の処理により、伸張圧縮処理する信号が音声信号のみならず音響信号であっても、原音に近い良好な話速変換の実現を可能とするオーディオ信号を得ることができる。

［本実施形態に関する説明］
＜補正後のオーディオ信号の高音質化について＞
上記のような補正を施したオーディオ信号を生成することで、伸張／圧縮信号に発生するうねり状の異音を抑制することが可能であるが、本願発明者は、伸張／圧縮後のオーディオ信号の更なる高音質化を目指して、更なる検討を行った。その検討結果を、以下で詳細に説明する。

（補正後のオーディオ信号の再検討）
図１〜図１０を用いて説明したように、接続信号を生成するためには、波形が類似する連続した区間を求める必要がある。換言すると、接続信号を生成するための連続した区間は、それらの区間の波形が類似していることを前提にしている。しかしながら、それらの区間の波形が、必ずしも類似しない場合がある。

音声信号の場合、ピッチは例えば５０Ｈｚ〜２５０Ｈｚ程度であるため、類似波形長Ｗの探索を上記範囲で行なうことにより、良好な音質を実現することができる。これに対し、音響信号では、ピッチがより広範囲に広がる。そこで、本願発明者は、類似波形長Ｗの探索を例えば５０Ｈｚ〜２５０Ｈｚ程度の範囲として音響信号の伸張圧縮処理を行なった場合について、より詳細に検討を行った。その結果、音響信号のピッチが上記探索範囲より高い周波数（例えば２５０Ｈｚより高い周波数）であっても、処理音に異音（ノイズ）は殆ど感じられないが、音響信号のピッチが上記探索範囲より低い周波数（例えば５０Ｈｚより低い周波数）であると、処理音に大きな異音を発生させてしまうことがあることに想到した。

図１９は、類似波形長Ｗの探索範囲よりも高い周波数を有するオーディオ信号に対して、波形圧縮処理を行なった場合の例を示している。例えば、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとし、原波形（ａ）が３００Ｈｚであるとする。この場合、原波形（ａ）の周波数３００Ｈｚは、探索範囲の上限周波数２５０Ｈｚを超えているため、類似波形長Ｗとして３００Ｈｚが選ばれることはない。しかしながら、３００Ｈｚの波形は、１５０Ｈｚや７５Ｈｚ等の整数分の１となる周波数においても、周期を持っている。例えば、３００Ｈｚの整数分の１となる周波数の中で、類似波形長Ｗの探索範囲５０Ｈｚ〜２５０Ｈｚに収まっているものは、１５０Ｈｚ、１００Ｈｚ、７５Ｈｚ、６０Ｈｚおよび５０Ｈｚの５つである。図１９の例では、原波形（ａ）の半分の周波数の１５０Ｈｚが、類似波形長Ｗとして選ばれた場合を示している。つまり、区間Ａと区間Ｂには、２周期分の波形がそれぞれ含まれている。

このように、原波形（ａ）のピッチが類似波形長Ｗの探索範囲より高い周波数になっていても、原波形（ａ）のピッチの整数分の１の周波数と近い周波数が類似波形長Ｗとして選択されれば、生成された接続信号は、良好な音質を実現することが可能である。

しかしながら、本願発明者は、類似波形長Ｗの探索範囲よりも低い周波数に対しては、状況が異なることに想到した。図２０は、類似波形長Ｗの探索範囲よりも低い周波数を有する信号の一例として、３０Ｈｚの周波数を有する正弦波を示したものである。また、図２１は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとした場合に、図２０の正弦波を１２０Ｈｚの信号として類似波形長Ｗを定め、話速変換率Ｒ_Ｅ＝０．５で伸張処理した場合の波形例である。なお、上記波形の伸張処理では、上述の接続信号は用いていない。

図２０の正弦波の周波数３０Ｈｚは、探索範囲の下限周波数５０Ｈｚを下回っているため、類似波形長Ｗとして３０Ｈｚが選ばれることはない。実際には、一緒に含まれている他の信号の影響を受けながら、式１の関数Ｄ（ｊ）を最小にする類似波形長Ｗが検出される。図２１は、検出された類似波形長Ｗが１２０Ｈｚであったと仮定した場合の伸張波形である。

この場合の伸張処理では、図２０の区間２００１が図２１の区間２１０１となり、図２０の区間２００１と区間２００２のクロスフェードが，図２１の区間２１０２となる。同様に、図２０の区間２００２が図２１の区間２１０３となり、図２０の区間２００２と区間２００３のクロスフェードが図２１の区間２１０４となる。区間２１０５〜区間２１０７も同様である。

図２１において注目すべき点は、２つの連続する区間の接続部分において、信号波形が滑らかに接続されておらず先鋭化している点（以下、先鋭点と称する。）２１０８が存在することである。このような先鋭点が伸張圧縮処理した信号に存在すると、耳障りな異音として知覚されてしまう。

図２２は、１Ｈｚ〜４ｋＨｚまで徐々に周波数を上げていった信号（ｓｗｅｅｐ信号）のスペクトログラム例である。スペクトログラム２２０３は、見易さのためにスペクトログラム２２０１の範囲２２０２を拡大したものである。また、図２３は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとして、図２２のｓｗｅｅｐ信号を話速変換率Ｒ_Ｅ＝０．５で伸張処理した信号のスペクトログラムである。スペクトログラム２３０３は、見易さのために、スペクトログラム２３０１の範囲２３０２を拡大したものである。

図２２と図２３を比較すると、原信号のスペクトルの線幅が拡大していること、および、図２３の低周波数部分２３０４において、図２２の原信号のスペクトルに存在しないスペクトルが発生してしまっていることがわかる。低周波数部分２３０４において発生している不要なスペクトルは、伸張圧縮処理した信号に図２１の先鋭点２１０８と同様な先鋭点等が発生していることに起因しており、耳障りな異音として知覚されてしまう。

図２１や図２３のような異音の発生は、類似波形長Ｗの探索範囲を限定していることに起因しているが、このような異音の発生を抑えるために類似波形長Ｗの探索範囲を無制限に広げることは、望ましくない。なぜならば、音声信号に殆ど含まれない低い周波数まで探索を行なうと、不必要に類似波形長Ｗが長くなってしまうことがあり、音声信号を処理した場合の音質が著しく劣化するためである。音響信号の場合においても、ヴォーカルが入っている場合は同様であり、また、ヴォーカルがない場合でも、音の早い変化に対応できなくなり、音質面で非常に不利になる。

上記のような先鋭点が発生する原因を解明するために、本願発明者は、クロスフェード信号を生成する際に利用する関数について、検討を行った。

図１、図４等で示した方法におけるクロスフェード信号は、図２４に示すような関数を処理対象の信号に掛けて生成されるものである。関数２４０１は、図２４から明らかなように、類似波形長Ｗの区間２４０３で１から０に変化する関数であり、類似波形長Ｗの区間を、１本の一次関数（すなわち、直線）によって減衰させるものである。また、関数２４０２は、類似波形長Ｗの区間２４０３で０から１に変化する関数であり、類似波形長Ｗの区間を、１本の一次関数（すなわち、直線）によって増加させるものである。例えば、関数２４０１を対象信号に掛けると、対象信号は、フェードアウトする信号となり、例えば、関数２４０２を対象信号に掛けると、対象信号は、フェードインする信号となる。

なお、図２４において、類似波形長Ｗの区間２４０３の両側に、値が０である区間２４０４及び値が１である区間２４０５があるが、これらは見易さのために描いてあるものであって、対象信号に実際に掛けるのは、類似波形長Ｗの区間２４０３のみである。

本願発明者は、上記の関数についての検討から、クロスフェード信号の生成に利用する関数が、類似波形長Ｗの区間２４０３の両端において対象信号と接続する際に、これらの関数が接続点において角張っているために、処理波形において先鋭点が発生することに想到した。

そこで、本願発明者は、上述のクロスフェード信号に対して補正信号を加算した信号である接続信号を用いる場合にも、上記と同様の現象が発生するかどうかについて、検討を行った。検討は、図２０に示した３０Ｈｚの周波数を有する正弦波を、１２０Ｈｚの信号として類似波形長Ｗを定めて伸張処理することで行った。

図２５は、後述する図２６の区間２６０２、区間２６０４、区間２６０６においてそれぞれ加算される補正信号を示したものである。図２６の区間２６０２には図２５の補正信号２５０１、図２６の区間２６０４には図２５の補正信号２５０２、図２６の区間２６０６には図２５の補正信号２５０３が加算される。類似波形長の探索範囲よりも低い周波数の信号の場合、補正信号を求める際の区間長は１波長に満たないものになり、その結果、図２５に示したように、求まる補正信号は、不自然なものとなってしまう。

図２５を参照すると、補正信号２５０１，２５０２，２５０３は、いずれも類似波形長Ｗの両端と、類似波形長Ｗの略中央部分で、角張っていることがわかる。従って、上記知見によれば、伸張処理を行った波形の類似波形長Ｗの両端と、類似波形長Ｗの略中央部分に相当する箇所において、先鋭点が発生することが予想される。なお、図２５において、類似波形長Ｗの略中央部分で補正信号の波形が角張っているのは、補正信号の生成に用いた窓関数（三角窓）の頂点に位置する箇所であるためである。

図２０に示した正弦波の周波数３０Ｈｚは、探索範囲の下限周波数５０Ｈｚを下回っているため、類似波形長Ｗとして３０Ｈｚが選ばれることはなく、実際には、一緒に含まれている他の信号の影響を受けながら式１の関数Ｄ（ｊ）を最小にする類似波形長Ｗが検出される。そこで、図２６は、求まった類似波形長Ｗが１２０Ｈｚになったと仮定した場合の伸張波形を表している。図２６に示した伸張波形では、図２０の区間２００１が図２６の区間２６０１となり、図２０の区間２００１と区間２００２のクロスフェードが図２６の区間２６０２となり、図２０の区間２００２が図２６の区間２６０３となる。区間２６０４〜区間２６０７も同様である。

図２６を参照すると、予想通り、補正信号の類似波形長Ｗの両端と、類似波形長Ｗの略中央部分に相当する箇所において、先鋭点２６０８が発生していることがわかる。また、図２１に示した伸張波形と、図２６に示した伸張波形とを比較すると、クロスフェード信号を補正した接続信号を用いた場合（図２６）の方が、クロスフェード信号を補正しなかった場合（図２１）よりも、先鋭点の個数が多くなっている。このように、うねり状の異音を除去するためにクロスフェード信号を補正した接続信号を用いると、うねり状の異音は除去される代わりに先鋭点が増加してしまい、耳障りな異音としてより強く知覚されてしまうこととなる。

図２７は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとし、クロスフェード信号を補正した接続信号を用いて図２２のｓｗｅｅｐ信号を伸張処理した場合のスペクトログラムである。また、スペクトログラム２７０３は、見易さのためにスペクトログラム２７０１の範囲２７０２を拡大したものである。

図２２と図２７を比較すると、原信号のスペクトルの線幅が拡大していること、および、図２７の低周波数部分２７０４において、図２２の原信号のスペクトルに存在しないスペクトルが発生してしまっていることがわかる。この、原信号に存在しない不要なスペクトルは、図２７に示したように、約１４００Ｈｚ程度にまで及んでいる。低周波数部分２７０４において発生している不要なスペクトルの増加は、上述のように、伸張圧縮処理した信号に発生している先鋭点等が増加していることに起因している。

以上説明したように、伸張／圧縮処理した信号にうねりのような異音が発生することがあるという問題は、クロスフェード信号を補正信号により補正することで改善することが可能である。しかしながら、この方法では、類似波形長の探索範囲よりも低い周波数の信号を多く含む信号を想定していない。そのため、類似波形長の探索範囲よりも低い周波数の信号を多く含む信号を処理した場合、従来の方法で処理した場合に比べて、伸張／圧縮処理した際に発生する異音が増加する可能性があるという問題がある。

そこで、本発明者は、鋭意研究を行った結果、以下に説明するような信号処理方法に想到した。以下に説明する信号処理方法は、上記のような状況に鑑みてなされたものであり、うねり状の異音を抑えつつ、類似波形長の探索範囲より低い周波数の信号が強く含まれていても異音（ノイズ）を抑えた処理音を得ることが可能である。

＜本実施形態に係る情報処理装置について＞
まず、図２８を参照しながら、本実施形態に係る情報処理装置２８００のハードウェア構成について、詳細に説明する。図２８は、本実施形態に係る情報処理装置のハードウェア構成を説明するためのブロック図である。

情報処理装置２８００は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２８０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２８０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２８０３と、入力装置２８０５と、出力装置２８０６と、ストレージ装置２８０７と、ドライブ２８０８と、通信装置２８０９と、を備える。

ＣＰＵ２８０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置２８００内の動作全般を制御する。ＲＯＭ２８０２は、ＣＰＵ２８０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ２８０３は、ＣＰＵ２８０１の実行において使用するプログラムや、このプログラムの実行において適宜変化するパラメータ等を、一次記憶する。

入力装置２８０５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバー等のユーザが操作する操作手段と、マイクロフォンやヘッドセット等の音声入力手段とを備える。また、入力装置２８０５は、例えば、赤外線やその他の電波を利用したリモートコントロール手段（いわゆる、リモコン）であってもよいし、情報処理装置２８００の操作に対応した携帯電話やＰＤＡ等の外部接続機器であってもよい。さらに、入力装置２８０５は、例えば、上記の操作手段や音声入力手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ２８０１に出力する入力制御回路などから構成されている。情報処理装置２８００のユーザは、この入力装置２８０５を操作することにより、情報処理装置２８００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置２８０６は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ：ＬＣＤ）装置、プラズマディスプレイ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ：ＰＤＰ）装置、ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ装置およびランプなどの表示装置や、スピーカおよびヘッドホンなどの音声出力装置や、プリンタ装置、携帯電話、ファクシミリなど、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置２８０６は、例えば、情報処理装置２８００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置２８００が行った各種処理により得られた結果を、テキストまたはイメージで表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して出力する。

ストレージ装置２８０７は、本実施形態に係る情報処理装置２８００の記憶部の一例として構成されたデータ格納用の装置であり、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイス等により構成される。このストレージ装置２８０７は、ＣＰＵ２８０１が実行するプログラムや各種データ、および外部から取得した各種データなどを格納する。

ドライブ２８０８は、記憶媒体用リーダライタであり、情報処理装置２８００に内蔵、あるいは外付けされる。ドライブ２８０８は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体２８１０に記録されている情報を読み出して、ＲＡＭ２８０３に出力する。また、ドライブ２８０８は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体２８１０に記録を書き込むことも可能である。リムーバブル記録媒体２８１０は、例えば、ＤＶＤメディア、ＨＤ−ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、コンパクトフラッシュ（登録商標）（ＣｏｍｐａｃｔＦｌａｓｈ：ＣＦ）、メモリースティック、または、ＳＤメモリカード（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ ｍｅｍｏｒｙ ｃａｒｄ）等である。また、リムーバブル記録媒体２８１０は、例えば、非接触型ＩＣチップを搭載したＩＣカード（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ ｃａｒｄ）または電子機器等であってもよい。

通信装置２８０９は、例えば、通信網２８１１に接続するための通信デバイス等で構成された通信インターフェースである。通信装置２８０９は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデム等である。この通信装置２８０９は、例えば、インターネットや他の通信機器との間で各種の情報を送受信することができる。また、通信装置２８０９に接続される通信網２８１１は、有線または無線によって接続されたネットワーク等により構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、または衛星通信等であってもよい。

また、情報処理装置２８００には、各種の情報処理装置やオーディオ機器等の外部接続機器を接続可能な接続ポート（図示せず。）が設けられていても良い。接続ポートとしては、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ｉ．Ｌｉｎｋ等のＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポート、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポート等を挙げることができる。この接続ポートに外部接続機器を接続することで、情報処理装置２８００は外部接続機器から直接コンテンツデータを取得したり、外部接続機器にコンテンツデータを提供したりする。

上記のＣＰＵ２８０１、ＲＯＭ２８０２、ＲＡＭ２８０３、入力装置２８０５、出力装置２８０６、ストレージ装置２８０７、ドライブ２８０８、通信装置２８０９および未図示の接続ポートは、ＣＰＵバスや、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの入出力インターフェース等から構成されるバス２８０４により、相互に接続されている。

以上、本実施形態に係る情報処理装置２８００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。また、上記のハードウェア構成は、あくまでも一例であり、これに限定されるものでないことは言うまでもない。

続いて、図２９および図３０を参照しながら、本実施形態に係る情報処理装置２８００の構成について、詳細に説明する。図２９および図３０は、本実施形態に係る情報処理装置の構成を説明するためのブロック図である。

本実施形態に係る情報処理装置２８００は、図２９に示したように、例えば、入力バッファ２９０１と、類似波形長検出部２９０２と、接続信号生成部２９０３と、出力バッファ２９０４と、を備える。

入力バッファ２９０１は、情報処理装置２８００に入力されたオーディオ信号をバッファリングするとともに、後述する類似波形長検出部２９０２、接続信号生成部２９０３および出力バッファ２９０４に、入力されたオーディオ信号を伝送する。なお、入力バッファ２９０１に入力されるオーディオ信号は、情報処理装置２８００に直接入力されたデジタル信号であってもよく、情報処理装置２８００が入力されたアナログ信号をＡＤ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ）変換してデジタル信号としたものであってもよい。

入力バッファ２９０１に入力されたオーディオ信号は、後述する類似波形長検出部２９０２、接続信号生成部２９０３および出力バッファ２９０４へと伝送される。

類似波形長検出部２９０２は、入力バッファ２９０１に入力されたオーディオ信号に関して、例えば以下の式１０１に示す関数Ｄ（ｊ）を最小にするパラメータｊを検出し、検出したパラメータｊを類似波形長Ｗとする（Ｗ＝ｊ）。検出された類似波形長Ｗは、入力バッファ２９０１へと伝送される。なお、検出された類似波形長Ｗは、後述する接続信号生成部２９０３に直接出力されてもよい。また、検出された類似波形長Ｗは、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

なお、式１０１を用いて類似波形長Ｗを検出する方法は、例えば、図８および図９において示した流れ図に沿って同様に行われるものであり、詳細な説明は省略する。

接続信号生成部２９０３は、入力バッファ２９０１から伝送されたオーディオ信号および類似波形長Ｗを用いて、オーディオ信号の伸張／圧縮処理に用いられる接続信号を生成する。生成された接続信号は、後述する出力バッファ２９０４へと伝送される。また、生成された接続信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。なお、この接続信号生成部２９０３については、以下で詳細に説明する。

出力バッファ２９０４は、入力バッファ２９０１から伝送されたオーディオ信号と、接続信号生成部２９０３から伝送された接続信号とを接続して、伸張／圧縮処理が施されたオーディオ信号とする。この伸張／圧縮処理が施されたオーディオ信号は、出力オーディオ信号として伝送され、ＤＡ（Ｄｉｇｉｔａｌ ｔｏ Ａｎａｌｏｇ）変換された後にスピーカ等の出力装置を介して出力される。

続いて、図３０を参照しながら、本実施形態に係る接続信号生成部２９０３について詳細に説明する。図３０は、本実施形態に係る接続信号生成部２９０３の詳細な構成を説明するためのブロック図である。

図３０に示したように、本実施形態に係る接続信号生成部２９０３は、例えば、クロスフェード信号生成部３００１と、補正信号生成部３００３と、接続信号出力部３００２と、を備える。

クロスフェード信号生成部３００１は、入力バッファ２９０１から伝送された入力オーディオ信号に対して所定の関数を掛け合わせ、クロスフェード信号を生成する。クロスフェード信号の生成に用いられる関数については、以下で詳述する。生成されたクロスフェード信号は、接続信号出力部３００２に伝送される。また、生成されたクロスフェード信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

接続信号出力部３００２は、クロスフェード信号生成部３００１から伝送されたクロスフェード信号と、後述する補正信号生成部３００３にて生成された補正信号とを足し合わせ、入力オーディオ信号を伸張／圧縮処理するために用いられる接続信号を生成する。接続信号出力部３００２は、生成した接続信号を、前述の出力バッファ２９０４に出力する。また、出力された接続信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

補正信号生成部３００３は、入力バッファ２９０１から伝送されたオーディオ信号および類似波形長Ｗを用いて、接続信号の生成に用いられる補正信号を生成する。この補正信号生成部３００３は、例えば、フィルタ処理部３００４と、時間軸反転差信号生成部３００５と、窓処理部３００６と、から構成される。

フィルタ処理部３００４は、入力バッファ２９０１から伝送されたオーディオ信号および類似波形長Ｗを用いてオーディオ信号に対してフィルタ処理を行い、低周波数（例えば、５０Ｈｚ以下の周波数）の信号を減衰させる。このフィルタ処理には、例えば、ハイパスフィルタやバンドパスフィルタ等のディジタルフィルタを利用することが可能である。入力されたオーディオ信号に対してフィルタ処理が施されると、フィルタ処理が施されたオーディオ信号は、後述する時間軸反転差信号生成部３００５へと伝送される。また、フィルタ処理が施されたオーディオ信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

図３１に、フィルタ処理部３００４がＦＩＲ（ｆｉｎｉｔｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）フィルタ、すなわち、ハイパスフィルタを用いる場合の処理例を説明するための流れ図を示す。

ここで、フィルタ処理部３００４は、接続信号を求める際に使用する２つの区間のそれぞれのオーディオ信号をｇ（ｉ）とおいて、以下のフローを実行する。

まず、フィルタ処理部３００４は、インデックスｉをゼロにセットし、更に、変数ｕもゼロにセットする（ステップＳ３１０１）。次に、インデックスｉが類似波形長Ｗより小さいか否かを判定し（ステップＳ３１０２）、インデックスｉがＷより小さくない場合、すなわち、インデックスｉがＷ以上となった場合には、処理を終了する。また、インデックスｉがＷより小さい場合は、フィルタリングを行ない、その結果を変数ｖに一時的に格納する（ステップＳ３１０３）。続いて、信号ｇ（ｉ）を変数ｕに退避させ（ステップＳ３１０４）、ステップＳ３１０３で求めた変数ｖの値を、信号ｇ（ｉ）に格納する（ステップＳ３１０５）。次に、インデックスｉを１増加させ（ステップＳ３１０６）、ステップＳ３１０２に戻り処理を繰り返す。処理が終了した時点で、信号ｇ（ｉ）にはフィルタリングされた結果が格納されている。

かかる流れで処理を行うことで、フィルタ処理部３００４は、入力されたオーディオ信号に対して、フィルタ処理を施すことが可能である。なお、フィルタリングの係数やタップ長は、上述の例に限るものではなく、また、ＦＩＲフィルタに限るものでもなく、類似波形長Ｗの探索範囲より低い周波数を減衰させることができるものであればよい。

なお、入力バッファ２９０１から接続信号生成部２９０３に伝送されるオーディオ信号は、例えば、類似波形長Ｗの２倍の２Ｗサンプルとしてもよい。しかしながら、フィルタ処理部３００４で高精度なフィルタリングを行なうためには、より多くのサンプルを必要とする場合がある。そこで、入力バッファ２９０１からクロスフェード信号生成部３００１には２Ｗサンプルを伝送し、入力バッファ２９０１から補正信号生成部３００３には２Ｗサンプルよりも多くのサンプルを渡す構成としても良い。

時間軸反転差信号生成部３００５は、時間軸変換差信号生成部の一例であって、フィルタ処理されたオーディオ信号から差信号を生成し、その差信号の時間軸を反転する。ここで、時間軸の反転とは、本来、時間軸が０，１，２，・・・，ｔ−１と増加する方向で記載されている差信号の各データについて、時間軸がｔ−１，ｔ−２，・・・，１，０と減少する方向で記載されるようにデータの配置を置き換えることをいう。このように、差信号の時間軸を反転させることで、オーディオ信号と、生成した差信号との相関を無くすことができる。時間軸反転差信号生成部３００５で生成された時間軸が反転した差信号は、窓処理部３００６へと伝送される。また、時間軸が反転した差信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

窓処理部３００６は、時間軸反転差信号生成部３００５で生成された時間軸反転差信号に対して、所定の窓関数を掛けて補正信号とする。窓処理部３００６が用いる窓関数としては、例えば、図１６に示した三角窓や、正弦関数を利用した窓関数等を挙げることができる。窓処理が施された時間軸反転差信号は、補正信号として前述の接続信号出力部３００２へと伝送される。また、窓処理が施された時間軸反転差信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

以上、本実施形態に係る情報処理装置２８００の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

＜クロスフェード信号の生成について＞
まず、本実施形態に係るクロスフェード信号の生成について説明する前に、従来のように類似波形長Ｗの区間を１本の一次関数（直線）にて減衰、または、増加させるクロスフェード信号の生成方法を用いてクロスフェード信号を生成し、このクロスフェード信号に対して、本実施形態に係る補正信号生成部３００３により生成された補正信号を加算した場合について、説明する。

図３２は、補正信号生成部３００３により生成された補正信号を用い、図２６と同様に図２０の正弦波を１２０Ｈｚの信号として類似波形長Ｗを定めて伸張処理した場合の波形例である。但し、クロスフェード信号を生成するための関数は、図２４に示した従来の関数２４０１〜２４０２を用いている。図２０の区間２００１が図３２の区間３２０１となり、図２０の区間２００１と区間２００２のクロスフェードが図３２の区間３２０２となり、図２０の区間２００２が図３２の区間３２０３となる。区間３２０４〜区間３２０７も同様である。

図３２において注目すべき点は、図２６において発生していた先鋭点２６０８が減少し、図２１に示した従来の方法と殆ど同じ程度になっている点である。この図から明らかなように、本実施形態に係る補正信号生成部３００３により生成された補正信号は、先鋭点に起因する耳障りな異音の発生という問題を、改善していることがわかる。

また、図３３は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとして、図２２のｓｗｅｅｐ信号を伸張処理した処理波形のスペクトログラムである。但し、クロスフェード信号を生成するための関数は、図２４に示した従来の関数２４０１〜２４０２を用いている。スペクトログラム３３０３は、見易さのためにスペクトログラム３３０１の範囲３３０２を拡大したものである。

図２７と図３３のスペクトログラムを見比べて容易に確認できることは、図２７の低周波数２７０４の部分において発生していた不要なスペクトルが、図３３の低周波数３３０４の部分において低減されていることである。更に、図３３の低周波数３３０４の部分における不要なスペクトルは、図２３に示した従来の方法と殆ど同じ程度になっていることが確認できる。

しかしながら、図３２に示したように、フィルタ処理を施すことで、先鋭点の個数と先鋭の程度は減らすことは可能であるが、先鋭点そのものを無くすまでには至っていない。そこで、本実施形態に係る情報処理装置２８００では、クロスフェード信号を生成するために用いられる関数を改善することで、更なる先鋭点の減少を図るものである。

図３４に、クロスフェード信号を生成するために用いられる関数の例を示す。図３４に示す関数は、類似波形長Ｗの区間３４０３で１から０に、または、０から１に変化するものである。なお、類似波形長Ｗの区間３４０３の両側に値が０である区間３４０４及び値が１である区間３４０５があるが、これらは見易さのために描いてあるものであって、対象信号に実際に掛ける区間は、類似波形長Ｗの区間３４０３のみである。

図３４に示したように、関数３４０１を対象信号に掛けるとフェードアウト信号になり、関数３４０２を対象信号に掛けるとフェードインになる。図３４に示した関数は、類似波形長Ｗの区間３４０３が、正弦関数（ｓｉｎ関数）になっている。正弦関数と余弦関数（ｃｏｓ関数）は位相を無視すれば同じものであるため、本明細書においては両者を特に区別しない。正弦関数を利用することによって、関数３４０１は、１から０へ滑らかに減少する関数となり、関数３４０２は０から１へ滑らかに増加する関数となる。このような滑らかさを有する関数（換言すれば、類似波形長Ｗの区間の全てにおいて、微分可能性を有する関数）を用いることで、図２１において発生していたような先鋭点を防ぐ効果がある。

図３５は、図２１と同様にして、図２０の正弦波を１２０Ｈｚの信号として類似波形長Ｗを定め、話速変換率Ｒ_Ｅ＝０．５で伸張処理した場合の波形例である。図３５の算出に際しては、クロスフェード信号を生成する関数は図３４に示した関数３４０１〜３４０２を用いており、クロスフェード信号を補正する補正関数は用いていない。図２０の区間２００１が図３５の区間３５０１となり、図２０の区間２００１と区間２００２のクロスフェードが図３５の区間３５０２となり、図２０の区間２００２が図３５の区間３５０３となる。区間３５０４〜区間３５０７も同様である。

図３５において注目すべき点は、図２１において発生していた先鋭点２１０８が存在していない点である。このため、本実施形態に係るクロスフェード信号を用いることで、先鋭点に起因する耳障りな異音は大幅に抑制される。

図３６は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとして、図２２のｓｗｅｅｐ信号を話速変換率Ｒ_Ｅ＝０．５で伸張処理した信号のスペクトログラムである。ただし、クロスフェード信号を生成する関数は図３４に示した関数３４０１〜３４０２を用いており、クロスフェード信号を補正する補正関数は用いていない。また、スペクトログラム３６０３は、見易さのためにスペクトログラム３６０１の範囲３６０２を拡大したものである。

図２３のスペクトログラムと図３６のスペクトログラムとを見比べて明らかなように、図２３の低周波数部分２３０４において発生していた不要なスペクトルが、図３６の低周波数部分３６０４においては低減されている。特に、低周波数部分２３０４の中で発生した高周波数のスペクトルが、低周波数部分３６０４の中でより多く低減されていることは、特に重要である。以下に、その理由を詳細に説明する。

図３７は、人間の一般的な最小可聴限を示す図である。最小可聴限とは、聴覚で知覚することができる最小の音の大きさの目安である。図３７に示した図では、横軸が音の周波数を表し、縦軸が音の大きさを表している。この図から明らかなように、人間の聴覚は、０．０２ｋＨｚ（すなわち、２０Ｈｚ）程度の周波数を有する音は、８０ｄＢ程度の大きさを有することで初めて音として知覚されることを示しており、逆に、２ｋＨｚ程度の周波数を有する音は、数ｄＢ程度の大きさしかなくとも、音として知覚される。

例えば、図３８に示したように、３０Ｈｚで約５０ｄＢの強さのトーン３８０１は、最小可聴限より低いため、人間は、このような音が鳴っていても知覚できない。これに対して、図３９における６０Ｈｚで約５０ｄＢの強さのトーン３９０１は、最小可聴限を超えているため、知覚できる。同様に、図３９における２００Ｈｚで約５０ｄＢの強さのトーン３９０３も、最小可聴限を超えているため、知覚できる。更に、トーン３９０１の最小可聴限を超えている部分３９０２よりも、トーン３９０３の最小可聴限を超えている部分３９０４の方が、最小可聴限を超えている量が多いため、より大きな音に知覚される。

聴覚によって知覚される音の大きさは、最小可聴限をどれだけ超えているかということに深く影響されている。このように、同じ強さの音であっても、人間が知覚する音の大きさが周波数によって大きく異なるものとなるということは、一般に広く知られている。

図３７〜図３９で説明した周波数と最小可聴限の関係を踏まえた上で、もう一度図２３と図３６のスペクトログラムを比較する。図２３の低周波数部分２３０４で発生したスペクトルの中で、より耳障りな異音として知覚されるのは高周波数のスペクトルである。図２３の例では、約９００Ｈｚ程度まで不要なスペクトルが伸びている様子が確認できる。対して、図３６の低周波数部分３６０４では、高周波数の不要なスペクトルが低減されており、図３６に示した例では、約５００Ｈｚ程度までに収まっている。このように、人間の聴覚の感度が高い周波数の異音を低減することにより、耳障りな異音は聴感上大幅に抑制される。

図４０は、本実施形態に係るクロスフェード信号生成部３００１の処理例を示す流れ図である。クロスフェード信号生成部３００１は、まず、インデックスｉを０にセットする（ステップＳ４００１）。続いて、インデックスｉと類似波形長Ｗを比較し（ステップＳ４００２）、インデックスｉがＷより小さくない場合、すなわち、インデックスｉがＷ以上となった場合には、処理を終了する。また、インデックスｉがＷより小さい場合には、インデックスｉに基づいて、０から１に増加する変数ｋを、以下の式１０２により算出する（ステップＳ４００３）。

続いて、算出した変数ｋに基づいて、以下の式１０３により、フェードインとフェードアウトに用いるための係数ｈを算出する（ステップＳ４００４）。ここで、以下の式１０３におけるπは、円周率である。また、係数ｈを求める際、以下の式１０３においては余弦関数（ｃｏｓ関数）を用いているが、正弦関数と余弦関数は位相を無視すれば同じものであるため、両者を特に区別しない。

次に、フェードインする信号ｘ（ｉ）に係数ｈを掛け、フェードアウトする信号ｙ（ｉ）に１−ｈを掛けて、これらの信号の和をｚ（ｉ）に代入する（ステップＳ４００５）。このｚ（ｉ）が、クロスフェード信号となる。続いて、インデックスｉを１増加させ（ステップＳ４００６）、ステップＳ４００２に戻る。

かかる処理を行うことによって、本実施形態に係るクロスフェード信号を生成することができる。かかるクロスフェード信号は、類似波形長Ｗの区間の全てにおいて滑らかに増加または減少する信号であるため、クロスフェード信号自体に先鋭点が存在しない。そのため、本実施形態に係るクロスフェード信号生成部３００１によって、クロスフェード信号の生成に利用される関数が有する先鋭点に由来した異音の発生を、抑制することが可能である。

＜本実施形態に係る信号処理方法について＞
本実施形態に係る情報処理装置２８００は、類似波形長の探索範囲より低い周波数を有する信号に由来する異音を、上記のようなクロスフェード信号を生成することで削減を図り、伸張／圧縮処理を施した信号に発生しうる、うねり状の異音を、上記のような補正信号を生成することで削減を図る。従って、上記のクロスフェード信号と補正信号とを加算して接続信号とし、かかる接続信号を用いてオーディオ信号の伸張／圧縮処理を行うことで、伸張／圧縮処理するオーディオ信号が類似波形長の探索範囲より低い周波数を多く含むものであっても、異音を抑えた良好な話速変換の実現を可能とすることができる。

図４１は、本実施形態に係る信号処理方法によって、図２０の正弦波を１２０Ｈｚの信号として類似波形長Ｗを定めて伸張処理した場合の波形例である。伸張処理に際して、クロスフェード信号の生成に用いる関数として図３４に示した関数３４０１〜３４０２を用い、生成したクロスフェード信号を、上述の補正信号により補正している。図２０の区間２００１が図４１の区間４１０１となり、図２０の区間２００１と区間２００２のクロスフェードが図４１の区間４１０２となり、図２０の区間２００２が図４１の区間４１０３となる。区間４１０４〜区間４１０７も同様である。

図４１から明らかなように、本実施形態に係る信号処理方法を用いることで、図３２において発生していた先鋭点３２０８が消失している。このため、先鋭点に起因する耳障りな異音は大幅に抑制される。

図４２は、類似波形長Ｗの探索範囲を５０Ｈｚ〜２５０Ｈｚとして図２２のｓｗｅｅｐ信号を伸張処理した処理波形のスペクトログラムである。伸張処理に際して、クロスフェード信号の生成に用いる関数として図３４に示した関数３４０１〜３４０２を用い、生成したクロスフェード信号を、上述の補正信号により補正している。また、スペクトログラム４２０３は、見易さのためにスペクトログラム４２０１の範囲４２０２を拡大したものである。

図３３のスペクトログラムと図４２のスペクトログラムとの比較から明らかなように、図３３の低周波数３３０４の部分において発生していた不要なスペクトルが、図４２の低周波数４２０４の部分において低減されている。更に、図４２の低周波数４２０４の部分における不要なスペクトルは、図３６に示したクロスフェード信号のみを用いた場合と殆ど同じ程度になっていることが確認できる。

（クロスフェード信号の生成に用いる関数の他の例について）
続いて、図４３〜図４９を参照しながら、本実施形態に係るクロスフェード信号生成部３００１が用いる関数の他の例について、詳細に説明する。

（二次関数を用いる例について）
図４３は、本実施形態におけるクロスフェード信号の生成に用いる別の関数の例を示している。関数４３０１を対象信号に掛けるとフェードアウト信号になり、関数４３０２を対象信号に掛けるとフェードイン信号になることは、図３４と同様である。図３４の関数と異なる点は、図４３に示した関数は、類似波形長Ｗの区間４３０３が２つの二次関数を接続したものになっている点である。すなわち、類似波形長Ｗの区間４３０３において、本関数は、上に凸の形状の二次関数と、下に凸の二次関数とを接続したものとなっている。

２つの二次関数を接続したものを利用することによって、関数４３０１は１から０へ滑らかに減少し、関数４３０２は０から１へ滑らかに増加する関数となる。この滑らかさが、図３２において発生していたような先鋭点を防ぐ効果を奏する。

また、本関数は二次関数を利用しているため、正弦関数を利用する場合に比べて計算機での演算量が大幅に少なくなるという効果がある。例えば、携帯型オーディオプレーヤーや携帯型ビデオプレーヤーのような携帯型機器で音声付きの早送り等を実現する場合、多大な演算量を処理するためには、高価な中央演算装置や大容量のバッテリーを必要とすることになり、コストアップに繋がるという問題がある。このため、話速変換処理を少ない演算量で実現することには実用上大きな利点がある。

図４４は、上記関数を用いたクロスフェード信号生成部３００１の処理例を説明するための流れ図である。クロスフェード信号生成部３００１は、まず、インデックスｉを０にセットし、変数ａと変数ｂを、それぞれ以下の式１０４、式１０５で定まる値とする（ステップＳ４４０１）。

上記式１０５において、変数ｂは、原点（０，０）と（ａ，０．５）とを通る二次曲線の係数となる。ここで、上記式１０４におけるＷは、類似波形長である。

次に、クロスフェード信号生成部３００１は、インデックスｉとＷ／２を比較し（ステップＳ４４０２）、インデックスｉがＷ／２より小さい場合は、後述するステップＳ４４０３に進み、インデックスｉがＷ／２より小さくない場合（すなわち、インデックスｉがＷ／２以上の場合）は、後述するステップＳ４４０５に進む。

ステップＳ４４０３においては、以下の式１０６、式１０７を用いて、係数配列ｈを算出する。

インデックスｉを増加させながらこの計算を行なうと、係数配列ｈには、前半に原点（０，０）と（ａ，０．５）を通る下に凸の二次曲線が格納され、後半に（Ｗ−１，１）と（ａ，０．５）と通る上に凸の二次曲線が格納される。また、係数配列ｈの前半および後半は、（ａ，０．５）を中心として点対称の関係にあり、前半と後半の接続点は滑らかに繋がる。

ステップＳ４４０４では、インデックスｉを１増加させ、その後、ステップＳ４４０２の処理に戻る。また、ステップＳ４４０５では、インデックスｉを０にセットし直す。

インデックスｉが０にリセットされた後に、クロスフェード信号生成部３００１は、インデックスｉとＷとを比較し（ステップＳ４４０６）、インデックスｉがＷよりも小さくない場合（すなわち、インデックスｉがＷ以上である場合）には、処理を終了する。また、インデックスｉがＷより小さい場合は、フェードインする信号ｘ（ｉ）に係数ｈ（ｉ）を掛け、フェードアウトする信号ｙ（ｉ）に１−ｈ（ｉ）を掛け、それらの和をｚ（ｉ）に代入する（ステップＳ４４０７）。このようにして生成されたｚ（ｉ）が、クロスフェード信号となる。続いて、クロスフェード信号生成部３００１はインデックスｉを１増加させ（ステップＳ４４０８）、ステップＳ４４０６の処理に戻る。

かかる流れで処理を行うことにより、２つの二次関数を用いたクロスフェード信号を生成することが可能となる。

（三次関数を用いる例について）
図４５は、本実施形態におけるクロスフェード信号の生成に用いる別の関数の例を示している。関数４５０１を対象信号に掛けるとフェードアウト信号になり、関数４５０２を対象信号に掛けるとフェードイン信号になることは、図３４と同様である。図３４の関数と異なる点は、類似波形長Ｗの区間４５０３が、三次関数になっている点である。

三次関数を利用することによって、関数４５０１は１から０へ滑らかに減少し、関数４５０２は０から１へ滑らかに増加する関数となる。この滑らかさが、図３２において発生していたような先鋭点を防ぐ効果を奏する。また、三次関数を利用しているため、正弦関数を利用する場合に比べて計算機での演算量が少なくなるという効果がある。

図４６は、上記関数を用いたクロスフェード信号生成部３００１の処理例を説明するための流れ図である。クロスフェード信号生成部３００１は、まず、インデックスｉを０にセットする（ステップＳ４６０１）。次に、インデックスｉと類似波形長Ｗを比較し（ステップＳ４６０２）、インデックスｉがＷよりも小さくない場合（すなわち、インデックスｉがＷ以上である場合）には、処理を終了する。また、比較の結果、インデックスｉがＷより小さい場合は、例えば以下の式１０８、式１０９に基づいて、三次関数の係数ａと係数ｂをそれぞれ算出する。

続いて、クロスフェード信号生成部３００１は、算出したこれらの係数ａ，ｂを用いて、以下の式１１０により三次関数を計算し、フェードイン信号の生成およびフェードアウト信号の生成に用いるための係数ｈを算出する。

次に、クロスフェード信号生成部３００１は、フェードインする信号ｘ（ｉ）に係数ｈを掛け、フェードアウトする信号ｙ（ｉ）に１−ｈを掛けて、これらの和をｚ（ｉ）に代入する（ステップＳ４６０５）。このようにして生成されたｚ（ｉ）が、クロスフェード信号となる。続いて、クロスフェード信号生成部３００１はインデックスｉを１増加させ（ステップＳ４６０６）、ステップＳ４６０２に戻る。

かかる流れで処理を行うことにより、三次関数を用いたクロスフェード信号を生成することが可能となる。

（双曲線正接関数を用いる例について）
図４７は、本実施形態におけるクロスフェード信号の生成に用いる別の関数の例を示している。関数４７０１を対象信号に掛けるとフェードアウト信号になり、関数４７０２を対象信号に掛けるとフェードイン信号になることは、図３４と同様である。図３４の関数と異なる点は、類似波形長Ｗの区間４７０３が、双曲線正接関数（ｔａｎｈ関数）になっている点である。

クロスフェード信号を生成するための関数として双曲線正接関数を利用することによって、関数４７０１は１から０へ滑らかに減少し、関数４７０２は０から１へ滑らかに増加する関数となる。この滑らかさが、図３２において発生していたような先鋭点を防ぐ効果を奏する。

なお、このような双曲線正接関数を用いたクロスフェード信号を生成する処理は、図４６に示した流れ図と同様に行うことが可能であるため、詳細な説明は省略する。

（複数の異なる関数を組み合わせて用いる例について）
図４８は、本実施形態におけるクロスフェード信号の生成に用いる別の関数の例を示している。関数４８０１を対象信号に掛けるとフェードアウト信号になり、関数４８０２を対象信号に掛けるとフェードイン信号になることは、図３４と同様である。図３４の関数と異なる点は、類似波形長Ｗの区間４８０３が、二次関数等の曲線と一次関数（直線）とを接続したものになっている点である。

二次関数等の曲線と一次関数（直線）とを接続したものを利用することによって、関数４８０１は１から０へ滑らかに減少し、関数４８０２は０から１へ滑らかに増加する関数となる。この滑らかさが、図３２において発生していたような先鋭点を防ぐ効果を奏する。

なお、上記のような曲線と一次関数（直線）とを接続した関数を用いたクロスフェード信号を生成する処理は、図４６に示した流れ図と同様に行うことが可能であるため、詳細な説明は省略する。

図４９は、本実施形態におけるクロスフェード信号の生成に用いる別の関数の例を示している。関数４９０１を対象信号に掛けるとフェードアウト信号になり、関数４９０２を対象信号に掛けるとフェードイン信号になることは、図３４と同様である。図３４の関数と異なる点は、類似波形長Ｗの区間４９０３が、複数の直線を接続したものになっている点である。

複数の直線を接続したものを利用することによって、関数４９０１は、従来の１種類の直線を用いる方法と比べて、１から０へ滑らかに減少し、関数４９０２は、従来の１種類の直線を用いる方法と比べて、０から１へ滑らかに増加する関数となる。この滑らかさは、上述のような曲線を利用したものよりも荒くなるものの、図３２において発生していたような先鋭点の程度を和らげる効果がある。また、直線だけを利用しているため、少ない演算量で実現できるという利点がある。

図４９に示した例では、フェードアウトとフェードインを３本の直線で実現しているが、用いる直線の本数は上記のものに限定されるわけではなく、これより多い本数の直線を用いてもよい。直線の本数を増やせば増やす程、異音を低減させる効果や演算量は、曲線を利用した場合に近づいていくことなる。

（第１の実施形態に係る情報処理装置の第１変形例）
続いて、図５０を参照しながら、本発明の第１の実施形態に係る情報処理装置の第１変形例について、詳細に説明する。図５０は、同変形例における接続信号生成部２９０３の機能を説明するためのブロック図である。

図５０から明らかなように、同変形例における接続信号生成部２９０３は、例えば、クロスフェード信号生成部５００１と、接続信号出力部５００２と、補正信号生成部５００３と、を備える。

クロスフェード信号生成部５００１は、入力バッファ２９０１から伝送された入力オーディオ信号に対して所定の関数を掛け合わせ、クロスフェード信号を生成する。クロスフェード信号の生成に用いられる関数は、上述のように、正弦関数、二次関数、三次関数または双曲線正接関数等を利用することが可能である。生成されたクロスフェード信号は、後述する接続信号出力部５００２に伝送される。また、生成されたクロスフェード信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

接続信号出力部５００２は、クロスフェード信号生成部５００１から伝送されたクロスフェード信号と、後述する補正信号生成部５００３にて生成された補正信号とを足し合わせ、入力オーディオ信号を伸張／圧縮処理するために用いられる接続信号を生成する。接続信号出力部５００２は、生成した接続信号を、前述の出力バッファ２９０４に出力する。また、出力された接続信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

補正信号生成部５００３は、入力バッファ２９０１から伝送されたオーディオ信号および類似波形長Ｗを用いて、接続信号の生成に用いられる補正信号を生成する。この補正信号生成部５００３は、例えば、時間軸反転差信号生成部５００４と、フィルタ処理部５００５と、窓処理部５００６とから構成される。

時間軸反転差信号生成部５００４は、時間軸変換差信号生成部の一例であって、入力バッファ２９０１から伝送されたオーディオ信号から差信号を生成し、その差信号の時間軸を反転する。ここで、時間軸の反転とは、本来、時間軸が０，１，２，・・・，ｔ−１と増加する方向で記載されている差信号の各データについて、時間軸がｔ−１，ｔ−２，・・・，１，０と減少する方向で記載されるようにデータの配置を置き換えることをいう。このように、差信号の時間軸を反転させることで、オーディオ信号と、生成した差信号との相関を無くすことができる。時間軸反転差信号生成部５００４で生成された時間軸が反転した差信号は、フィルタ処理部５００５へと伝送される。また、時間軸が反転した差信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

フィルタ処理部５００５は、入力バッファ２９０１から伝送された類似波形長Ｗを用いて、時間軸反転差信号生成部５００４から伝送された時間軸が反転した差信号に対してフィルタ処理を行い、低周波数（例えば、５０Ｈｚ以下の周波数）の信号を減衰させる。このフィルタ処理には、例えば、ハイパスフィルタやバンドパスフィルタ等のディジタルフィルタを利用することが可能である。伝送された差信号に対してフィルタ処理が施されると、フィルタ処理が施された時間軸反転差信号は、後述する窓処理部５００６へと伝送される。また、フィルタ処理が施されたオーディオ信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

なお、本変形例におけるフィルタ処理は、図３１に示したフィルタ処理部の流れ図において、時間軸反転差信号生成部５００４で生成された信号をｇ（ｉ）とおいて処理を行うことで実行可能である。

窓処理部５００６は、フィルタ処理部５００５で生成されたフィルタ処理後の時間軸反転差信号に対して、所定の窓関数を掛けて補正信号とする。窓処理部５００６が用いる窓関数としては、例えば、図１６に示した三角窓や、正弦関数を利用した窓関数等を挙げることができる。窓処理が施された時間軸反転差信号は、補正信号として前述の接続信号出力部５００２へと伝送される。また、窓処理が施された時間軸反転差信号は、ＲＡＭ、ストレージ装置等で構成される未図示の記憶部に記憶されてもよい。

図５０に示した本変形例に係る接続信号生成部においては、時間軸反転差信号のみにフィルタ処理を施すため、図３０に示した本発明の第１の実施形態に係る接続信号生成部に比べて、演算量が少なくなるという利点がある。

以上、本変形例に係る情報処理装置２８００の機能の一例を示した。上記の各構成要素は、汎用的な部材や回路を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。また、各構成要素の機能を、ＣＰＵ等が全て行ってもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用する構成を変更することが可能である。

なお、上述した実施形態においては、入力されたオーディオ信号を伸張処理する場合を例にとって説明したが、入力されたオーディオ信号を圧縮処理する場合であっても同様であることは言うまでもない。また、上述した実施形態においては、時間軸変換差信号生成の例として時間軸を反転させる場合について説明したが、時間軸をシフトさせて差信号を生成してもよい。

以上説明したように、本発明によれば、従来の方法で問題となっていた、うねり状の異音の発生と低周波数の信号に起因する異音の発生という２つの問題を、同時に解消することが可能である。すなわち、うねり状の異音の発生は、オーディオ信号の伸張／圧縮処理に用いられるクロスフェード信号を、所定の補正信号で補正することで解消可能であるが、この補正信号のみでは、低周波数の信号に起因する異音の発生は抑制することができない。また、低周波数に起因する異音の発生は、クロスフェード信号を生成するために用いられる関数の形状を変化させることで解消可能であるが、この関数の形状変化のみでは、うねり状の異音の発生を抑制することはできない。

そこで、本発明では、クロスフェード信号の生成に用いられる関数の形状を変更するとともに、入力されたオーディオ信号から低周波数成分の信号をフィルタ処理により除去した後に、クロスフェード信号を補正する補正信号を生成する。かかるクロスフェード信号と補正信号とを加算することにより、うねり状の異音の発生と低周波数の信号に起因する異音の発生という２つの問題を、同時に解消することが可能な接続信号を得ることができる。

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

例えば、上述した実施形態においては、ＰＩＣＯＬＡの接続信号生成方法に替えて良好な伸張／圧縮信号を得ることが可能な信号処理方法について示したが、本発明に係る信号処理方法は、他のＯＬＡ（ＯｖｅｒＬａｐ ａｎｄ Ａｄｄ）系のアルゴリズム等、接続信号生成処理を伴う時間軸上の話速変換アルゴリズムに適用可能である。

また、ＰＩＣＯＬＡが、サンプリング周波数を一定とする場合は話速変換となり、サンプル数の増減に合わせてサンプリング周波数を変える場合はピッチシフトとなることから、本発明も、話速変換に限らず、ピッチシフトにも適用可能である。

更に、本発明に係る信号処理方法は、話速変換を応用した波形補間や補外にも適用可能である。

ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。 類似波形長の探索の一例を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための説明図である。 ＰＩＣＯＬＡによるオーディオ信号の伸張方法を説明するための流れ図である。 ＰＩＣＯＬＡによるオーディオ信号の圧縮方法を説明するための流れ図である。 類似波形長を検出する処理を説明するための流れ図である。 類似波形長を検出する処理を説明するための流れ図である。 クロスフェード信号の生成処理を説明するための流れ図である。 同相波形同士による伸張波形を説明するための説明図である。 逆相波形同士による伸張波形を説明するための説明図である。 同相・逆相・無相波形の伸張波形を説明するための説明図である。 白色ノイズの伸張波形を説明するための説明図である。 同相・逆相・無相波形同士のクロスフェードの改善方法を説明するための説明図である。 補正信号に適用する窓関数の一例を説明するための説明図である。 時間軸反転を行わない場合の信号処理について説明するための説明図である。 接続信号の生成処理を説明するための流れ図である。 類似波形長の探索範囲より高い周波数の信号の圧縮処理を説明するための説明図である。 類似波形長の探索範囲よりも低い周波数の信号の波形例である。 図２０に示した信号の伸張波形を説明するための説明図である。 Ｓｗｅｅｐ信号のスペクトログラムを説明するための説明図である。 図２２に示したＳｗｅｅｐ信号を従来の方法で伸張処理した信号のスペクトログラムを説明するための説明図である。 従来のクロスフェード信号を生成するための関数を説明するための説明図である。 補正信号の波形例を説明するための説明図である。 クロスフェード信号を補正する方法を用いて図２０に示した信号を伸張処理した場合の波形例である。 クロスフェード信号を補正する方法を用いて図２２に示した信号を伸張処理した場合のスペクトログラムを説明するための説明図である。 本発明の一実施形態に係る情報処理装置のハードウェア構成を説明するためのブロック図である。 同実施形態に係る情報処理装置の構成を説明するためのブロック図である。 同実施形態に係る情報処理装置の構成を説明するためのブロック図である。 同実施形態に係るハイパスフィルタリングの処理例を説明するための流れ図である。 フィルタ処理を行い生成された補正信号によりクロスフェード信号を補正する方法を用いて図２０に示した信号を伸張処理した場合の波形例である。 フィルタ処理を行い生成された補正信号によりクロスフェード信号を補正する方法を用いて図２２に示した信号を伸張処理した場合のスペクトログラムを説明するための説明図である。 クロスフェード信号を生成するために用いられる関数の一例を説明するための説明図である。 図３４に示した関数を用いて図２０に示した信号を伸張処理した場合の波形例である。 図３４に示した関数を用いて図２２に示した信号を伸張処理した場合のスペクトログラムを説明するための説明図である。 人間の一般的な最小可聴限を説明するための説明図である。 信号が有する周波数と人間の最小可聴限との関係を説明するための説明図である。 信号が有する周波数と人間の最小可聴限との関係を説明するための説明図である。 同実施形態に係るクロスフェード信号生成部の処理例を示す流れ図である。 同実施形態に係る信号処理方法を用いて図２０の信号を伸張処理した場合の波形例である。 同実施形態に係る信号処理方法を用いて図２２に示した信号を伸張処理した場合のスペクトログラムを説明するための説明図である。 同実施形態に係るクロスフェード信号を生成するために用いられる関数の他の例を説明するための説明図である。 同実施形態に係るクロスフェード信号生成部の処理例を説明するための流れ図である。 同実施形態に係るクロスフェード信号を生成するために用いられる関数の他の例を説明するための説明図である。 同実施形態に係るクロスフェード信号生成部の処理例を説明するための流れ図である。 同実施形態に係るクロスフェード信号を生成するために用いられる関数の他の例を説明するための説明図である。 同実施形態に係るクロスフェード信号を生成するために用いられる関数の他の例を説明するための説明図である。 同実施形態に係るクロスフェード信号を生成するために用いられる関数の他の例を説明するための説明図である。 同実施形態に係る情報処理装置の第１変形例の構成を説明するためのブロック図である。

符号の説明

２８００ 情報処理装置
２９０１ 入力バッファ
２９０２ 類似波形長検出部
２９０３ 接続信号生成部
２９０４ 出力バッファ
３００１，５００１ クロスフェード信号生成部
３００２，５００２ 接続信号出力部
３００３，５００３ 補正信号生成部
３００４，５００５ フィルタ処理部
３００５，５００４ 時間軸反転差信号生成部
３００６，５００６ 窓処理部

Claims (28)

1. オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置において、
   前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成部と、
   前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うフィルタ処理部と、
   フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成部と、
   前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理部と、
   前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力部と、
   を備えることを特徴とする、情報処理装置。
2. 前記時間軸変換差信号生成部は、
   前記差信号の時間軸を反転させる処理を行う
   ことを特徴とする、請求項１に記載の情報処理装置。
3. 前記情報処理装置は、
   波形が類似した連続する２つの区間を、前記オーディオ信号の所定の探索周波数範囲内から探索し、前記区間の長さである類似波形長を検出する類似波形長検出部を更に備える
   ことを特徴とする、請求項１に記載の情報処理装置。
4. 前記クロスフェード信号生成部は、
   前記波形の類似した連続する２つの区間の一方を前記第１の区間とし、他方を前記第２の区間として処理を行う
   ことを特徴とする、請求項３に記載の情報処理装置。
5. 前記フィルタ処理部は、
   前記オーディオ信号の前記所定の探索周波数帯域未満の周波数を除去する
   ことを特徴とする、請求項３に記載の情報処理装置。
6. 前記所定の探索周波数帯域は、
   ５０Ｈｚ〜２５０Ｈｚである
   ことを特徴とする、請求項３に記載の情報処理装置。
7. 前記クロスフェード信号生成部は、
   前記第１の区間における信号または前記第２の区間における信号に、所定の減衰関数を乗じることによりフェードアウト信号を生成し、
   前記第１の区間における信号または前記第２の区間における信号に、所定の増加関数を乗じることによりフェードイン信号を生成し、
   前記フェードアウト信号および前記フェードイン信号に基づいて、前記クロスフェード信号を生成する
   ことを特徴とする、請求項１に記載の情報処理装置。
8. 前記所定の減衰関数は、滑らかに減衰する関数であり、
   前記所定の増加関数は、滑らかに増加する関数である
   ことを特徴とする、請求項７に記載の情報処理装置。
9. 前記所定の減衰関数および前記所定の増加関数は、
   微分可能性を有する関数である
   ことを特徴とする、請求項８に記載の情報処理装置。
10. 前記滑らかに増加する関数および前記滑らかに減衰する関数は、
    二次関数、三次関数、三角関数および双曲線正接関数からなる群から選択される少なくともいずれか一つである
    ことを特徴とする、請求項８に記載の情報処理装置。
11. 前記所定の減衰関数および前記所定の増加関数は、
    複数の一次関数を組み合わせた関数、または、一次関数と二次関数を組み合わせた関数である
    ことを特徴とする、請求項７に記載の情報処理装置。
12. 前記接続信号は、
    前記オーディオ信号を伸張する場合には、前記第１の区間における信号と前記第２の区間における信号との間に挿入され、
    前記オーディオ信号を圧縮する場合には、前記第１の区間における信号および前記第２の区間における信号に替えて挿入される
    ことを特徴とする、請求項１に記載の情報処理装置。
13. オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置において、
    前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成部と、
    前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成部と、
    前記時間軸変換差信号に対して、フィルタ処理を行うフィルタ処理部と、
    フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理部と、
    前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力部と、
    を備えることを特徴とする、情報処理装置。
14. 前記時間軸変換差信号生成部は、
    前記差信号の時間軸を反転させる処理を行う
    ことを特徴とする、請求項１３に記載の情報処理装置。
15. 前記情報処理装置は、
    波形が類似した連続する２つの区間を、前記オーディオ信号の所定の探索周波数範囲内から探索し、前記区間の長さである類似波形長を検出する類似波形長検出部を更に備える
    ことを特徴とする、請求項１３に記載の情報処理装置。
16. 前記クロスフェード信号生成部は、
    前記波形の類似した連続する２つの区間の一方を前記第１の区間とし、他方を前記第２の区間として処理を行う
    ことを特徴とする、請求項１５に記載の情報処理装置。
17. 前記フィルタ処理部は、
    前記オーディオ信号の前記所定の探索周波数帯域未満の周波数を除去する
    ことを特徴とする、請求項１５に記載の情報処理装置。
18. 前記所定の探索周波数帯域は、
    ５０Ｈｚ〜２５０Ｈｚである
    ことを特徴とする、請求項１５に記載の情報処理装置。
19. 前記クロスフェード信号生成部は、
    前記第１の区間における信号または前記第２の区間における信号に、所定の減衰関数を乗じることによりフェードアウト信号を生成し、
    前記第１の区間における信号または前記第２の区間における信号に、所定の増加関数を乗じることによりフェードイン信号を生成し、
    前記フェードアウト信号および前記フェードイン信号に基づいて、前記クロスフェード信号を生成する
    ことを特徴とする、請求項１３に記載の情報処理装置。
20. 前記所定の減衰関数は、滑らかに減衰する関数であり、
    前記所定の増加関数は、滑らかに増加する関数である
    ことを特徴とする、請求項１９に記載の情報処理装置。
21. 前記所定の減衰関数および前記所定の増加関数は、
    微分可能性を有する関数である
    ことを特徴とする、請求項２０に記載の情報処理装置。
22. 前記滑らかに増加する関数および前記滑らかに減衰する関数は、
    二次関数、三次関数、三角関数および双曲線正接関数からなる群から選択される少なくともいずれか一つである
    ことを特徴とする、請求項２０に記載の情報処理装置。
23. 前記所定の減衰関数および前記所定の増加関数は、
    複数の一次関数を組み合わせた関数、または、一次関数と二次関数を組み合わせた関数である
    ことを特徴とする、請求項１９に記載の情報処理装置。
24. 前記接続信号は、
    前記オーディオ信号を伸張する場合には、前記第１の区間における信号と前記第２の区間における信号との間に挿入され、
    前記オーディオ信号を圧縮する場合には、前記第１の区間における信号および前記第２の区間における信号に替えて挿入される
    ことを特徴とする、請求項１３に記載の情報処理装置。
25. オーディオ信号を時間領域において伸張または圧縮して出力する信号処理方法であって、
    前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するステップと、
    前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うステップと、
    フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成するステップと、
    前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とするステップと、
    前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力するステップと、
    を含むことを特徴とする、信号処理方法。
26. オーディオ信号を時間領域において伸張または圧縮して出力する信号処理方法であって、
    前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するステップと、
    前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成するステップと、
    前記時間軸変換差信号に対して、フィルタ処理を行うステップと、
    フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とするステップと、
    前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力するステップと、
    を含むことを特徴とする、信号処理方法。
27. コンピュータを、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置として機能させるためのプログラムであって、
    前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成機能と、
    前記第１の区間における信号および前記第２の区間における信号に対して、それぞれフィルタ処理を行うフィルタ処理機能と、
    フィルタ処理が行われた前記第１の区間における信号と、フィルタ処理が行われた前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成機能と、
    前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理機能と、
    前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力機能と、
    を実現させるためのプログラム。
28. コンピュータを、オーディオ信号を時間領域において伸張または圧縮して出力する情報処理装置として機能させるためのプログラムであって、
    前記オーディオ信号の第１の区間における信号および前記オーディオ信号の第２の区間における信号を用いて、前記第１の区間における信号と、前記第２の区間における信号と、をクロスフェードさせたクロスフェード信号を生成するクロスフェード信号生成機能と、
    前記第１の区間における信号と、前記第２の区間における信号と、の差信号を算出し、前記差信号に対して時間軸の変換を行って時間軸変換差信号を生成する、時間軸変換差信号生成機能と、
    前記時間軸変換差信号に対して、フィルタ処理を行うフィルタ処理機能と、
    フィルタ処理が行われた前記時間軸変換差信号に対して所定の窓関数を乗じて、前記クロスフェード信号を補正する補正信号とする窓処理機能と、
    前記補正信号に基づいて前記クロスフェード信号を補正し、補正された前記クロスフェード信号を接続信号として出力する接続信号出力機能と、
    を実現させるためのプログラム。

Images