JP2010217883A - マスキング音生成装置、マスキングシステム、マスキング音生成方法、およびプログラム - Google Patents

Abstract

【課題】室内から採取された声から喧騒感や不自然さを感じさせないようなマスキング音を生成する。
【手段】ターゲット音信号ｘ（ｔ）の各帯域ごとの包絡線を示す包絡線信号ｘ”_ｊ（ｔ）をフレームＦ_ｉ（ｉ＝１，２…）に区切り、フレームＦ_ｉ（ｉ＝１，２…）を当該フレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以下であるかまたは閾値Ｔｈ２以上であるフレームＦｓ_ｍ（ｍ＝１，２…）と信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以上かつ閾値Ｔｈ２以下であるフレームＦｒ_ｌ（ｌ＝１，２…）とに分ける。そして、包絡線信号ｘ”_ｊ（ｔ）のフレームＦ_ｉ（ｉ＝１，２…）のうちフレームＦｒ_ｌ（ｌ＝１，２…）の配列順だけを変更した包絡線信号ｙ_ｊ（ｔ）に雑音信号Ｃ_ｊ（ｔ）を乗算し、その乗算結果に基づいて生成したマスキング音信号Ｍ（ｔ）を部屋９２に出力する。
【選択図】図１

Description

本発明は、マスキング音を生成して音の漏れ聞こえを防ぐ技術に関する。

マスキング効果は、周波数成分の特徴が近い２種類の音信号を同じ空間内に伝搬させると看者がその音信号に気づき難くなる現象である。このマスキング効果を利用して話声の漏れ聞こえを防ぐ技術がある。この技術では、室内の声の音信号をターゲット音信号として採取し、そのターゲット音信号を声であることを認識できないような周波数特性を有するマスキング音信号へと加工して室外に放射する。この場合、室外では、ターゲット音信号とターゲット音信号に近い周波数成分をもったマスキング音信号が放射されるため、マスキング効果により、ターゲット音信号の聞き取りが困難になる。このようなマスキング効果を利用した漏れ聞こえ防止に関する文献として、特許文献１がある。同文献に開示されたマスキングシステムは、隣接する一方の部屋のマイクにより採取したターゲット音信号を一音節分の信号の纏まりごとに区切り、区切った各区間を並べ替えるスクランブル処理を施し、スクランブル処理を施した音信号をマスキング音信号として他方の部屋のスピーカから放射する。

特開２００８−２３３６７１号公報

しかしながら、この種のマスキングシステムでは、ターゲット音信号とマスキング音信号の２種類の音信号が同時に放音されるため、ターゲット音信号の周波数成分とマスキング音信号の周波数成分の関係によっては、室内の看者に喧騒感や不自然さを感じさせることがあった。
本発明は、このような背景の下に案出されたものであり、室内から採取された声から喧騒感や不自然さを感じさせないようなマスキング音を生成することを目的とする。

本発明は、オーディオ信号を複数の周波数帯域に分割し、分割した周波数帯域の各々に属する帯域信号を生成する帯域分割手段と、前記帯域分割手段が生成した複数の帯域信号の各々の包絡線を示す複数の包絡線信号を生成する包絡線信号生成手段と、前記包絡線信号生成手段が生成した複数の包絡線信号の各々に対し、第１の閾値以上および前記第１の閾値より大きい第２の閾値以下である範囲内の包絡線信号をランダム化する信号変換処理を施し、この信号変換処理を経た複数の包絡線信号を出力する信号変換手段と、前記信号変換手段が出力した複数の包絡線信号の各々に前記複数の周波数帯域に各々属する信号を各々乗算し、それらの乗算結果を帯域別のマスキング音信号として各々出力する乗算手段と、前記乗算手段が出力した複数の帯域別のマスキング音信号を加算したマスキング音信号を出力する加算手段とを具備することを特徴とするマスキング音生成装置を提供する。
ここで、包絡線信号生成手段が生成する複数の包絡線信号は、オーディオ信号が表す音声の了解性に関与する。この発明において、信号変換手段は、「包絡線信号をランダム化する」ことにより、複数の包絡線信号の波形が持っていた秩序を部分的に崩壊し、マスキング音信号の了解性を低下させる。本発明によると、喧騒感や不自然さを感じさせないようなマスキング音を生成することができる。

この発明の一実施形態であるマスキング音生成装置の構成を示す図である。 図１に示すマスキング音生成装置の信号変換部が実行する処理の内容を示す図である。 図１に示すマスキング音生成装置のレベル調整部が実行する処理の内容を示す図である。

以下、図面を参照しつつ本発明の一実施形態について説明する。
図１は、本発明の一実施形態にかかるマスキング音生成装置１０とマイクロホン９３およびスピーカ９４とを含むマスキングシステムの構成を示すブロック図である。このシステムにおけるマスキング音生成装置１０は、壁９０により仕切られた２つの部屋９１，９２のうち一方の部屋９１で収音した音の音信号（「ターゲット音信号ｘ（ｔ）」という）からその音を聞こえ難くする別の音の音信号（「マスキング音信号Ｍ（ｔ）」という）を生成して他方の部屋９２へ出力する装置である。

このマスキング音生成装置１０のＡ／Ｄ変換部１１には、部屋９１に固定されたマイクロホン９３が収音した音のアナログ波形信号が入力される。Ａ／Ｄ変換部１１は、そのアナログ波形信号をデジタル信号に変換し、ターゲット音信号ｘ（ｔ）のサンプル列としてバッファ１５に書き込む。収音制御部１６は、マスキング音の生成のトリガが与えられると、その時から所定時間Ｔ（時間Ｔは、たとえば２秒間とする）の間にバッファ１５に書き込まれたターゲット音信号ｘ（ｔ）のサンプル列を読み出して制御部１２へ出力する。制御部１２は、Ａ／Ｄ変換部１１から入力されるターゲット音信号ｘ（ｔ）に信号処理を施すことにより時間Ｔ分のマスキング音信号Ｍ（ｔ）を生成し、生成したマスキング音信号Ｍ（ｔ）のサンプル列をバッファ１７に書き込む。この制御部１２による信号処理の詳細は、後述する。発音制御部１８は、バッファ１７にマスキング音信号Ｍ（ｔ）のサンプル列が書き込まれると、そのサンプル列をバッファ１７から読み出してＤ／Ａ変換部１４へ出力する処理を繰り返す。Ｄ／Ａ変換部１４は、制御部１２から出力されるマスキング音信号Ｍ（ｔ）のサンプル列をアナログ波形信号に変換して部屋９２に固定されたスピーカ９４へ出力する。

マスキング音生成装置１０の制御部１２は、ＣＰＵ２０、ＲＡＭ２１、ＲＯＭ２２を有する。ＣＰＵ２０は、ＲＡＭ２１をワークエリアとして利用しつつＲＯＭ２２に記憶された制御プログラム２３を実行する。制御プログラム２３は、帯域分割部３１、エネルギー算出部３２、半波整流部３３−ｊ（ｊ＝１〜２５）、ＬＰＦ（Low Pass Filter）３４−ｊ（ｊ＝１〜２５）、信号変換部３５−ｊ（ｊ＝１〜２５）、雑音信号生成部３６、乗算部３７−ｊ（ｊ＝１〜２５）、加算部３８、帯域分割部３９、レベル調整部４０−ｊ（ｊ＝１〜２５）、加算部４１の各機能をＣＰＵ２０に実現させるプログラムである。

帯域分割部３１は、Ａ／Ｄ変換部１１から与えられるターゲット音信号ｘ（ｔ）を１／４オクターブ刻みの２５の周波数帯域に分割し、分割した帯域に属する帯域信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）をエネルギー算出部３２および半波整流部３３−ｊ（ｊ＝１〜２５）に出力する。

エネルギー算出部３２は、帯域分割部３１の出力信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）から音のエネルギーを算出する手段である。より具体的は、このエネルギー算出部３２は、帯域信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）の振幅の２乗を音のエネルギーとし、音のエネルギーを示す信号ＥＳ_ｊ（ｔ）のサンプル列をＲＡＭ２１の記憶領域ＡＲ−ＥＳ_ｊ（ｊ＝１〜２５）に書き込む。この記憶領域ＡＲ−ＥＳ_ｊ（ｊ＝１〜２５）における信号ＥＳ_ｊ（ｔ）（ｊ＝１〜２５）のサンプル列は、レベル調整部４０−ｊ（ｊ＝１〜２５）による信号レベルの調整に利用される。詳しくは、後述する。

半波整流部３３−ｊ（ｊ＝１〜２５）における各半波整流部３３−ｊは、帯域分割部３１の出力信号ｘ_ｊ（ｔ）を半波整流した信号ｘ’_ｊ（ｔ）をＬＰＦ３４−ｊに出力する。ＬＰＦ３４−ｊ（ｊ＝１〜２５）は、半波整流部３３−ｊ（ｊ＝１〜２５）から出力される複数の帯域分の信号ｘ’_ｊ（ｔ）の各々の包絡線を示す複数の帯域分の包絡線信号ｘ”_ｊ（ｔ）を各々生成する包絡線信号生成手段としての役割を果たす。より具体的には、ＬＰＦ３４−ｊ（ｊ＝１〜２５）における各ＬＰＦ３４−ｊは、出力信号ｘ’_ｊ（ｔ）からカットオフ周波数ｆｃ（たとえば、ｆｃ＝５００Ｈｚとする）以上の成分を除去した信号を包絡線信号ｘ”_ｊ（ｔ）として出力する。

信号変換部３５−ｊ（ｊ＝１〜２５）における各信号変換部３５−ｊは、ＬＰＦ３４−ｊから出力される時間Ｔ分の包絡線信号ｘ”_ｊ（ｔ）のサンプル列のうち、閾値Ｔｈ１およびＴｈ２の範囲内のサンプル列をランダム化する信号変換処理を実行する。より具体的には、各信号変換部３５−ｊは、ＬＰＦ３４−ｊから出力される時間Ｔ分の包絡線信号ｘ”_ｊ（ｔ）のサンプル列をある区間ごとのフレームに区切り、区切った各フレームのうち当該フレーム内の振幅の代表値が閾値Ｔｈ１以上閾値Ｔｈ２（Ｔｈ１＜Ｔｈ２）以下のフレームの所定時間Ｔ内での配列順を変更し、配列順を変更した包絡線信号ｙ_ｊ（ｔ）を出力する。後に詳述するように、閾値Ｔｈ１およびＴｈ２は、設定部５０によって設定される。

以下、図２の波形図（横軸：時間（ｓ）、縦軸：振幅（ｄＢ））に示すような振幅の起伏を有する包絡線信号ｘ”_ｊ（ｔ）がＬＰＦ３４−ｊから出力された場合を例にとり、信号変換部３５−ｊが行う処理について具体的に説明する。まず、信号変換部３５−ｊは、包絡線信号ｘ”_ｊ（ｔ）のサンプル列をフレームＦ_ｉ（ｉ＝１，２…：ここでは、簡便のため、フレーム数を１５とする）に区切り、各フレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅の平均値をそれらのフレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅の代表値とする。次に、信号変換部３５−ｊは、フレームＦ_ｉ（ｉ＝１〜１５）のうち信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以下であるかまたは閾値Ｔｈ２以上であるフレームＦ_２、Ｆ_４、Ｆ_７、Ｆ_９、Ｆ_１０、Ｆ_１１、Ｆ_１３、Ｆ_１４を、配列順の変更を要しないフレームＦｓ_１、Ｆｓ_２、Ｆｓ_３、Ｆｓ_４、Ｆｓ_５、Ｆｓ_６、Ｆｓ_７、Ｆｓ_８とし、信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以上かつ閾値Ｔｈ２以下であるフレームＦ_１、Ｆ_３、Ｆ_５、Ｆ_６、Ｆ_８、Ｆ_１２、Ｆ_１５を、配列順の変更を要するフレームＦｒ_１、Ｆｒ_２、Ｆｒ_３、Ｆｒ_４、Ｆｒ_５、Ｆｒ_６、Ｆｒ_７とする。そして、信号変換部３５−ｊは、この２つのグループに分けたフレームＦｒ_ｌ（ｌ＝１〜７）、Ｆｓ_ｍ（ｍ＝１〜８）のうちフレームＦｓ_ｍ（ｍ＝１〜８）の配列順を維持したままフレームＦｒ_ｌ（ｌ＝１〜７）の配列順だけをランダムに変更し、フレームＦｒ_ｌ（ｌ＝１〜７）の配列順を変更した信号を包絡線信号ｙ_ｊ（ｔ）として出力する。ここで、信号変換部３５−ｊ（ｊ＝１〜２５）による包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）のフレームＦｒ_ｌ（ｌ＝１，２…）の配列順の変更は、包絡線信号ｙ_ｊ（ｔ）（ｊ＝１〜２５）の各々の間の相関が高くならないように、たとえば、個別のシード値（種：Ｓｅｅｄ）から発生した擬似乱数を各々用いて行う。

図１において、雑音信号生成部３６は、白色雑音のヒルベルトキャリア信号を生成し、生成したヒルベルトキャリア信号を帯域分割部３１における分割の帯域と同じ帯域である２５の帯域に分割し、分割した帯域に属する信号を雑音信号Ｃ_ｊ（ｔ）（ｊ＝１〜２５）として乗算部３７−ｊ（ｊ＝１〜２５）に各々出力する。乗算部３７−ｊ（ｊ＝１〜２５）における各乗算部３７−ｊは、雑音信号生成部３６から出力される雑音信号Ｃ_ｊ（ｔ）の各々を信号変換部３５−ｊの同じ帯域の出力信号ｙ_ｊ（ｔ）に乗算し、その乗算結果を帯域別のマスキング音信号ｚ_ｊ（ｔ）として出力する。

加算部３８は、乗算部３７−ｊ（ｊ＝１〜２５）から出力される帯域別のマスキング音信号ｚ_ｊ（ｔ）（ｊ＝１〜２５）を加算し、その加算結果であるマスキング音信号ｚ（ｔ）を出力する。帯域分割部３９は、加算部３８から出力されるマスキング音信号ｚ（ｔ）を帯域分割部３１が分割した２５の帯域と同じ２５の周波数帯域に再び分割し、分割した帯域に属する信号を帯域別のマスキング音信号ｚ’_ｊ（ｔ）（ｊ＝１〜２５）として出力する。

レベル調整部４０−ｊ（ｊ＝１〜２５）における各レベル調整部４０−ｊは、エネルギー算出部３２によって算出された音のエネルギーに応じてマスキング音信号ｘ_ｊ（ｔ）の振幅のレベルを調整して出力する手段である。レベル調整部４０−ｊ（ｊ＝１〜２５）が行う処理の詳細について、図３を参照して説明する。
レベル調整部４０−ｊ（ｊ＝１〜２５）における各レベル調整部４０−ｊは、帯域分割部３９から出力されるマスキング音信号ｚ’_ｊ（ｔ）のサンプルをＲＡＭ２１の記憶領域ＡＲ−ｚ’_ｊに書き込んでいき、時間Ｔ分のマスキング音信号ｚ’_ｊ（ｔ）のサンプルの記憶領域ＡＲ−ｚ’_ｊへの書き込みを終えると、そのサンプル列が示すマスキング音信号ｚ’_ｊ（ｔ）の振幅の２乗を音のエネルギーとし、その音のエネルギーを示す信号ＥＲ_ｊ（ｔ）のサンプル列をＲＡＭ２１の記憶領域ＡＲ−ＥＲ_ｊに書き込む。次に、レベル調整部４０−ｊは、記憶領域ＡＲ−ＥＲ_ｊに書き込んだ信号ＥＲ_ｊ（ｔ）のサンプル列が示す時間Ｔ分のエネルギーの平均ＥＲ_ｊＡＶＥと、エネルギー算出部３２によって記憶領域ＡＲ−ＥＳ_ｊに書き込まれた信号ＥＳ_ｊ（ｔ）のサンプル列が示す時間Ｔ分のエネルギーの平均ＥＳ_ｊＡＶＥを各々求め、ＥＲ_ｊＡＶＥをＥＳ_ｊＡＶＥで除算した値をゲインｇ_ｊとする。そして、レベル調整部４０−ｊは、記憶領域ＡＲ−ｚ’_ｊに書き込んだサンプル列を順に読み出し、読み出したサンプルが示すマスキング音信号ｚ’_ｊ（ｔ）にゲインｇ_ｊを乗じた信号をマスキング音信号Ｍ_ｊ（ｔ）として出力する。

図１において、加算部４１は、レベル調整部４０−ｊ（ｊ＝１〜２５）の出力信号Ｍ_ｊ（ｔ）（ｊ＝１〜２５）を加算し、その加算結果をマスキング音信号Ｍ（ｔ）として出力する。加算部４１が出力したマスキング音信号Ｍ（ｔ）のサンプル列はバッファ１７に書き込まれる。そして、発音制御部１８は、時間Ｔ分のマスキング音信号Ｍ（ｔ）のサンプル列がバッファ１７に書き込まれると、そのサンプル列をバッファ１７から読み出してＤ／Ａ変換部１４へ出力する処理を繰り返す。

設定部５０は、閾値Ｔｈ１と閾値Ｔｈ２の値を指定する操作を受け付け、その操作に従って信号変換部３５−ｊ（ｊ＝１〜２５）における閾値Ｔｈ１と閾値Ｔｈ２を設定する。ここで、設定部５０によって信号変換部３５−ｊ（ｊ＝１〜２５）に設定される閾値Ｔｈ１と閾値Ｔｈ２の差が大きくなると、信号変換部３５−ｊにおける配列順の変更の対象となるフレームＦｒ_ｌ（ｌ＝１，２…）の数が増え、閾値Ｔｈ１と閾値Ｔｈ２の差が小さくなると、信号変換部３５−ｊにおける配列順の変更の対象となるフレームＦｒ_ｌ（ｌ＝１，２…）の数が減る。

以上が、マスキング音生成装置１０の構成である。以上の構成によれば、マスキング音生成装置１０は、部屋９１から収音したターゲット音信号ｘ（ｔ）の各帯域ごとの包絡線を示す包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）をフレームＦ_ｉ（ｉ＝１，２…）に区切り、フレームＦ_ｉ（ｉ＝１，２…）を当該フレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以下であるかまたは閾値Ｔｈ２以上であるフレームＦｓ_ｍ（ｍ＝１，２…）と信号ｘ”_ｊ（ｔ）の振幅が閾値Ｔｈ１以上かつ閾値Ｔｈ２以下であるフレームＦｒ_ｌ（ｌ＝１，２…）とに分ける。そして、複数帯域分の包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）の各々のフレームＦ_ｉ（ｉ＝１，２…）のうちフレームＦｒ_ｌ（ｌ＝１，２…）の配列順だけをランダムに変更した包絡線信号ｙ_ｊ（ｔ）（ｊ＝１〜２５）に雑音信号Ｃ_ｊ（ｔ）（ｊ＝１〜２５）を乗算し、その乗算結果に基づいて生成したマスキング音信号Ｍ（ｔ）を部屋９２に出力する。よって、設定部５０の操作を通じて閾値Ｔｈ１および閾値Ｔｈ２の設定を最適化することにより、喧騒感や不自然さを感じさせないようなマスキング音を生成することができる。

また、マスキング音生成装置１０のエネルギー算出部３２は、帯域分割部３１の出力信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）から音のエネルギーを示す信号ＥＳ_ｊ（ｔ）（ｊ＝１〜２５）を生成する。そして、レベル調整部４０−ｊ（ｊ＝１〜２５）は、信号の配列順の変更を経て帯域分割部３９から出力されるマスキング音信号ｚ’_ｊ（ｔ）（ｊ＝１〜２５）から音のエネルギーを示す信号ＥＳ_ｊ（ｔ）（ｊ＝１〜２５）を生成し、その信号ＥＳ_ｊ（ｔ）（ｊ＝１〜２５）が示す平均エネルギーＥＳ_ｊＡＶＥ（ｊ＝１〜２５）で信号ＥＲ_ｊ（ｔ）（ｊ＝１〜２５）が示す平均エネルギーＥＲ_ｊＡＶＥ（ｊ＝１〜２５）を除算した値をゲインｇ_ｊ（ｊ＝１〜２５）とし、そのゲインｇ_ｊ（ｊ＝１〜２５）をマスキング音信号ｚ’_ｊ（ｔ）（ｊ＝１〜２５）に乗じた信号をマスキング音信号Ｍ_ｊ（ｔ）（ｊ＝１〜２５）として出力する。よって、帯域分割部３１の出力信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）に近いスペクトル構造を有するマスキング音信号Ｍ_ｊ（ｔ）（ｊ＝１〜２５）をその出力信号ｘ_ｊ（ｔ）（ｊ＝１〜２５）から生成することができる。

以上、この発明の一実施形態について説明したが、この発明には他にも実施形態があり得る。例えば、以下の通りである。

（１）上記実施形態では、乗算部３７−ｊ（ｊ＝１〜２５）から出力された帯域別のマスキング音信号ｚ_ｊ（ｔ）（ｊ＝１〜２５）を加算部３８により加算し、その加算部３８の出力信号ｚ（ｔ）を帯域分割部３９により分割し、帯域分割部３９の出力信号ｚ_ｊ’（ｔ）（ｊ＝１〜２５）のレベルをレベル調整部４０−ｊ（ｊ＝１〜２５）により各々調整した上で加算部４１により再び加算し、この加算結果をマスキング音信号Ｍ（ｔ）として部屋９２に出力した。しかし、信号変換部３５−ｊ（ｊ＝１〜２５）の出力信号ｚ_ｊ（ｔ）（ｊ＝１〜２５）をそのままレベル調整部４０−ｊ（ｊ＝１〜２５）に入力し、レベル調整部４０−ｊ（ｊ＝１〜２５）によってレベルを調整した信号を加算し、この加算結果をマスキング音信号Ｍ（ｔ）として部屋９２に出力してもよい。

（２）上記実施形態では、帯域分割部３１，３９は、各々の入力信号を１／４オクターブ刻みの２５の帯域に分割した。しかし、入力信号を１／４オクターブよりも狭い帯域に分割してもよいし、広い帯域に分割してもよい。また、分割する帯域の個数は２５より多くてもよいし少なくてもよい。

（３）上記実施形態では、乗算部３７−ｊ（ｊ＝１〜２５）は、包絡線信号ｘ”_ｊ（ｔ）のサンプル列をフレームＦ_ｉ（ｉ＝１,２…）に区切り、各フレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅の平均値をそれらのフレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の代表値とした。しかし、各フレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の振幅の最小値や最大値をそれらのフレームＦ_ｉ内の信号ｘ”_ｊ（ｔ）の代表値としてもよい。

（４）上記実施形態では、信号変換部３５−ｊ（ｊ＝１〜２５）は、包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）の配列順の変更を各信号変換部３５−ｊごとの個別のシード値（種：Ｓｅｅｄ）から発生した擬似乱数を用いて行った。しかし、信号変換部３５−ｊ（ｊ＝１〜２５）は共通の擬似乱数を用いて配列順の変更を行ってもよい。この態様によると、配列順の変更に要する演算量が削減され、ターゲット音信号ｘ（ｔ）からマスキング音信号Ｍ（ｔ）を生成するまでに要する時間を短くすることができる。

（５）上記実施形態において、信号変換部３５−ｊ（ｊ＝１〜２５）は、閾値Ｔｈ１〜Ｔｈ２の範囲内に属する包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）について、配列順の変更を行うことにより、ランダム化を行った。しかし、ランダム化の態様は、これに限定されるものではない。例えば包絡線信号ｘ”_ｊ（ｔ）（ｊ＝１〜２５）の各々について、閾値Ｔｈ１〜Ｔｈ２の範囲内の包絡線信号に雑音を重畳することにより包絡線信号のランダム化を行ってもよい。ここで、雑音の重畳は、閾値Ｔｈ１〜Ｔｈ２の範囲内の包絡線信号に雑音を加算することにより行ってもよいし、閾値Ｔｈ１〜Ｔｈ２の範囲内の包絡線信号を雑音により変調することにより行ってもよい。上記実施形態において、信号変換部３５−ｊ（ｊ＝１〜２５）の各々は、ＬＰＦ３４−ｊから時間Ｔ分の包絡線信号ｘ”_ｊ（ｔ）のサンプル列が出力されないと、配列順の変更を開始することができない。しかし、この態様において、信号変換部３５−ｊ（ｊ＝１〜２５）の各々は、ＬＰＦ３４−ｊから包絡線信号ｘ”_ｊ（ｔ）のサンプル列の出力が開始されたときに、包絡線信号ｘ”_ｊ（ｔ）のサンプル列に対する雑音の重畳を開始することができる。従って、この態様によれば、マスキング音生成のリアルタイム性を高めることができる。

（６）上記実施形態では、包絡線信号を生成する複数の周波数帯域に共通の閾値Ｔｈ１およびＴｈ２を設定するようにしたが、複数の周波数帯域の各々について個別的に閾値Ｔｈ１およびＴｈ２を設定する構成としてもよい。あるいは複数の周波数帯域の各々に個別的に閾値Ｔｈ１およびＴｈ２のグループを予め記憶装置に記憶させ、この記憶装置から閾値Ｔｈ１およびＴｈ２のグループを読み出して、各信号変換部３５−ｊ（ｊ＝１〜２５）に与える構成としてもよい。あるいは男性、女性といったターゲット音信号の属性毎に最適化された閾値Ｔｈ１およびＴｈ２のグループを記憶装置に複数グループ記憶させ、ターゲット音信号の属性に対して閾値Ｔｈ１およびＴｈ２のグループを記憶装置から読み出して、各信号変換部３５−ｊ（ｊ＝１〜２５）に与える構成としてもよい。

（７）上記実施形態におけるマスキングシステムでは、マスキング対象であるターゲット音をマスキング音信号の素材として使用したが、マスキング音信号の素材はターゲット音と異なる音であってもよい。例えば、予め収音された各種の人物の声のオーディオ信号を例えばＨＤ（ハードディスク）あるいは着脱自在な記憶媒体であるＩＣメモリ等の記憶媒体に記憶させておき、読出手段がこの記憶媒体からオーディオ信号を読み出して、マスキング音信号の素材として上記実施形態におけるマスキング音生成装置１０に供給する構成としてもよい。

（８）上記実施形態では、マスキングを行うときに、マスキング音生成装置１０がマスキング音信号を生成した。しかし、マスキング音信号の生成態様は、このようなリアルタイムな態様に限定されるものではない。例えば、上記実施形態におけるマスキング音生成装置１０が生成したマスキング音信号を例えばＨＤ（ハードディスク）あるいは着脱自在な記憶媒体であるＩＣメモリ等の記憶媒体に記憶させておき、マスキングを行う必要があるときに、読出手段がこの記憶媒体からマスキング音信号を読み出して、スピーカから放音する構成としてもよい。

１０…マスキング音生成装置、１１…Ａ／Ｄ変換部、１２…制御部、１４…Ｄ／Ａ変換部、１５，１７…バッファ、１６…収音制御部、１８…放音制御部、２０…ＣＰＵ，２１…ＲＡＭ、２２…ＲＯＭ、２３…制御プログラム、３１，３９…帯域分割部、３２…エネルギー算出部、３３…半波整流部、３４…ＬＰＦ、３５…信号変換部、３６…雑音信号生成部、３７…乗算部、３８，４１…加算部、４０…レベル調整部、９０…壁、９１，９２…部屋、９３…マイクロホン、９４…スピーカ。

Claims (10)

1. オーディオ信号を複数の周波数帯域に分割し、分割した周波数帯域の各々に属する帯域信号を生成する帯域分割手段と、
   前記帯域分割手段が生成した複数の帯域信号の各々の包絡線を示す複数の包絡線信号を生成する包絡線信号生成手段と、
   前記包絡線信号生成手段が生成した複数の包絡線信号の各々に対し、第１の閾値以上および前記第１の閾値より大きい第２の閾値以下である範囲内の包絡線信号をランダム化する信号変換処理を施し、この信号変換処理を経た複数の包絡線信号を出力する信号変換手段と、
   前記信号変換手段が出力した複数の包絡線信号の各々に前記複数の周波数帯域に各々属する信号を各々乗算し、それらの乗算結果を帯域別のマスキング音信号として各々出力する乗算手段と、
   前記乗算手段が出力した複数の帯域別のマスキング音信号を加算したマスキング音信号を出力する加算手段と
   を具備することを特徴とするマスキング音生成装置。
2. 前記信号変換手段は、前記包絡線信号生成手段が生成した複数の包絡線信号の各々を複数の区間に区切り、区切った各区間のうち当該区間内の振幅が前記第１の閾値以上および前記第２の閾値以下である区間の配列順を変更することにより前記信号変換処理を行うことを特徴とする請求項１に記載のマスキング音生成装置。
3. 前記信号変換手段は、前記包絡線信号生成手段が生成した複数の包絡線信号の各々について、前記第１の閾値以上および前記第２の閾値以下である範囲内の包絡線信号に雑音を重畳することにより前記信号変換処理を行うことを特徴とする請求項１に記載のマスキング音生成装置。
4. 前記複数の周波数帯域について共通の前記第1の閾値および前記第２の閾値を設定する共通閾値設定手段を具備することを特徴とする請求項１〜３のいずれか１の請求項に記載のマスキング音生成装置。
5. 前記複数の周波数帯域の各々について個別的に前記第1の閾値および前記第２の閾値を設定する個別閾値設定手段を具備することを特徴とする請求項１〜３のいずれか１の請求項に記載のマスキング音生成装置。
6. 前記帯域分割手段が生成した複数の帯域信号の各々が示す帯域別の平均エネルギーに応じて前記加算手段から出力されるマスキング音信号における複数の帯域別のマスキング音信号の各々の振幅を調整する調整手段と
   をさらに具備することを特徴とする請求項１〜５のいずれか１の請求項に記載のマスキング音生成装置。
7. 請求項１〜６のいずれか１の請求項に記載のマスキング音生成装置と、
   音を収音し、収音した音を示すオーディオ信号を前記マスキング音生成装置の帯域分割手段に入力するマイクロホンと、
   前記マスキング音生成装置の加算手段が出力したマスキング音信号を音として出力するスピーカと
   を具備することを特徴とするマスキングシステム。
8. 請求項１〜６のいずれか１の請求項に記載のマスキング音生成装置と、
   オーディオ信号を記憶した記憶媒体と、
   前記記憶媒体から前記オーディオ信号を読み出して前記マスキング音生成装置の帯域分割手段に入力する読出手段と、
   前記マスキング音生成装置の加算手段が出力したマスキング音信号を音として出力するスピーカと
   を具備することを特徴とするマスキングシステム。
9. オーディオ信号を複数の周波数帯域に分割し、分割した周波数帯域の各々に属する帯域信号を生成する帯域分割過程と、
   前記帯域分割過程で生成した複数の帯域信号の各々の包絡線を示す複数の包絡線信号を生成する包絡線信号生成過程と、
   前記包絡線信号生成過程で生成した複数の包絡線信号の各々に対し、第１の閾値以上および前記第１の閾値より大きい第２の閾値以下である範囲内の包絡線信号をランダム化する信号変換処理を施し、この信号変換処理を経た複数の包絡線信号を出力する信号変換過程と、
   前記信号変換過程で出力した複数の包絡線信号の各々に前記複数の周波数帯域に各々属する信号を各々乗算し、それらの乗算結果を帯域別のマスキング音信号として各々出力する乗算過程と、
   前記乗算過程で出力した複数の帯域別のマスキング音信号を加算したマスキング音信号を出力する加算過程と
   を有することを特徴とするマスキング音生成方法。
10. コンピュータに、
    オーディオ信号を複数の周波数帯域に分割し、分割した周波数帯域の各々に属する帯域信号を生成する帯域分割手段と、
    前記帯域分割手段が生成した複数の帯域信号の各々の包絡線を示す複数の包絡線信号を生成する包絡線信号生成手段と、
    前記包絡線信号生成手段が生成した複数の包絡線信号の各々に対し、第１の閾値以上および前記第１の閾値より大きい第２の閾値以下である範囲内の包絡線信号をランダム化する信号変換処理を施し、この信号変換処理を経た複数の包絡線信号を出力する信号変換手段と、
    前記信号変換手段が出力した複数の包絡線信号の各々に前記複数の周波数帯域に各々属する信号を各々乗算し、それらの乗算結果を帯域別のマスキング音信号として各々出力する乗算手段と、
    前記乗算手段が出力した複数の帯域別のマスキング音信号を加算したマスキング音信号を出力する加算手段と
    を実現させるプログラム。

Images