JP2013148576A - 変調された背景音を利用して位置特定を行う携帯装置、コンピュータプログラム、および方法 - Google Patents

Abstract

【課題】既知の位置にあるスピーカから再生される音を利用してマイクロフォンの位置を決定するシステムと方法を提供する。
【解決手段】システムと方法は、環境内で自然に再生される音を利用する最小レベルの基盤設備を必要とする。これにより、システムと装置は、全地球測位システム（ＧＰＳ）が信頼性良く動作できない室内環境において、スマートフォンやタブレットやラップトップや携帯マイクなどの装置で、その位置を決定することを可能とする。
【選択図】図１

Description

既知の位置にあるスピーカから再生される音を利用してマイクロフォンの位置を決定する携帯装置、コンピュータプログラム、および方法を提供する。

屋内位置特定の分野におけるアプリケーションとしては、屋内ナビゲーション、位置タグ付加および追跡がある。この分野における従来技術は受動的な位置特定に特化されており、局在するエンティティは位置特定のための能動的な作用を行わない。例えば、カメラをベースとした人の位置特定では、該当の人物によって起動されるわけではない。従来技術ではユーザのプライバシを保護しないものもある。また別の従来技術（例えば無線技術によるシステム）ではプライバシは保護されるが、十分な精度の屋内位置特定を行うことができない場合がある。

従来技術のシステムでは屋内位置特定におけるこのような問題を異なる技術を利用して対処しようとしている。無線を利用した従来技術では位置誤差のメジアンが１メートルより大きく、しかも膨大な設定と調整を必要とすることがある。グローバル・システム・フォー・モバイル・コミュニケーション（ＧＳＭ（登録商標））や無線ＩＣタグ（ＲＦＩＤ）を利用する従来技術の位置決め誤差もやはり１メートルを超える範囲である。１メートル以下の誤差精度を得るために、従来技術の光学および音響をベースとするシステムが開発されてきている。

Ｍｉｃｈａｅｌ Ｓ． Ｂｒａｎｄｓｔｅｉｎらによる"Ａ Ｐｒａｃｔｉｃａｌ Ｔｉｍｅ−Ｄｅｌａｙ Ｅｓｔｉｍａｔｏｒ ｆｏｒ Ｌｏｃａｌｉｚｉｎｇ Ｓｐｅｅｃｈ Ｓｏｕｒｃｅｓ ｗｉｔｈ ａ Ｍｉｃｒｏｐｈｏｎｅ Ａｒｒａｙ"，Ｊｕｎｅ ２０，１９９５，Ｐａｇｅｓ １−２４． Ｊｉｎｇｄｏｎｇ Ｃｈｅｎらによる"Ｔｉｍｅ Ｄｅｌａｙ Ｅｓｔｉｍａｔｉｏｎ ｉｎ Ｒｏｏｍ Ａｃｏｕｓｔｉｃ Ｅｎｖｉｒｏｎｍｅｎｔｓ： Ａｎ Ｏｖｅｒｖｉｅｗ"，ＥＵＲＡＳＩＰ Ｊｏｕｒｎａｌ ｏｎ Ａｐｐｌｉｅｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｊａｎｕａｒｙ ２００６，Ｐａｇｅｓ １−１９， Ｖｏｌｕｍｅ ２００６． Ｋｒｉｓｈｎａ Ｃｈｉｎｔａｌａｐｕｄｉらによる"Ｉｎｄｏｏｒ Ｌｏｃａｌｉｚａｔｉｏｎ Ｗｉｔｈｏｕｔ ｔｈｅ Ｐａｉｎ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｓｉｘｔｅｅｎｔｈ ａｎｎｕａｌ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｏｂｉｌｅ ｃｏｍｐｕｔｉｎｇ ａｎｄ ｎｅｔｗｏｒｋｉｎｇ， ＭｏｂｉＣｏｍ ’１０， ２０１０， Ｐａｇｅｓ １７３−１８４， Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ＡＣＭ． Ａｎｄｙ Ｈａｒｔｅｒらによる"Ｔｈｅ Ａｎａｔｏｍｙ ｏｆ ａ Ｃｏｎｔｅｘｔ−Ａｗａｒｅ Ａｐｐｌｉｃａｔｉｏｎ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ ａｎｎｕａｌ ＡＣＭ／ＩＥＥＥ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｏｂｉｌｅ ｃｏｍｐｕｔｉｎｇ ａｎｄ ｎｅｔｗｏｒｋｉｎｇ， ＭｏｂｉＣｏｍ ’９９， １９９９， Ｐａｇｅｓ ５９−６８， Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ＡＣＭ． Ｊｗｕ−Ｓｈｅｎｇ Ｈｕらによる"Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｍｏｂｉｌｅ Ｒｏｂｏｔ ａｎｄ Ｍｕｌｔｉｐｌｅ Ｓｏｕｎｄ Ｓｏｕｒｃｅｓ Ｕｓｉｎｇ Ｍｉｃｒｏｐｈｏｎｅ Ａｒｒａｙ"，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００９ ＩＥＥＥ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ， ＩＣＲＡ’０９，２００９， Ｐａｇｅｓ １−６， Ｐｉｓｃａｔａｗａｙ， ＮＪ， ＵＳＡ， ＩＥＥＥ Ｐｒｅｓｓ． Ｔｈｏｍａｓ Ｊａｎｓｏｎらによる"Ｓｅｌｆ−Ｌｏｃａｌｉｚａｔｉｏｎ Ａｐｐｌｉｃａｔｉｏｎ ｆｏｒ ｉＰｈｏｎｅ ｕｓｉｎｇ ｏｎｌｙ Ａｍｂｉｅｎｔ Ｓｏｕｎｄ Ｓｉｇｎａｌｓ"， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２０１０ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄ Ｉｎｄｏｏｒ Ｎａｖｉｇａｔｉｏｎ （ＩＰＩＮ）， ２０１０， Ｐａｇｅｓ １−２． Ｈｉｓａｔｏ Ｋａｗａｊｉらによる"Ｉｍａｇｅ−ｂａｓｅｄ Ｉｎｄｏｏｒ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ： Ｆａｓｔ Ｉｍａｇｅ Ｍａｔｃｈｉｎｇ ｕｓｉｎｇ Ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ Ｐａｎｏｒａｍｉｃ Ｉｍａｇｅｓ"， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １ｓｔ ＡＣＭ ｉｎｔｅｒｎａｔｉｏｎａｌ ｗｏｒｋｓｈｏｐ ｏｎ Ｍｕｌｔｉｍｏｄａｌ ｐｅｒｖａｓｉｖｅ ｖｉｄｅｏ ａｎａｌｙｓｉｓ， ＭＰＶＡ ’１０， ２０１０， Ｐａｇｅｓ １−４， Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ＡＣＭ． Ｃｒｉｓｔｉｎｉａ Ｖ． Ｌｏｐｅｓ，による"Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｏｆｆ−ｔｈｅ−Ｓｈｅｌｆ Ｍｏｂｉｌｅ Ｄｅｖｉｃｅｓ Ｕｓｉｎｇ Ａｕｄｉｂｌｅ Ｓｏｕｎｄ： Ａｒｃｈｉｔｅｃｔｕｒｅｓ， Ｐｒｏｔｏｃｏｌｓ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ａｓｓｅｓｓｍｅｎｔ"， Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｒｅｖｉｅｗ， Ｐａｇｅｓ ３８−５０， Ｖｏｌｕｍｅ １０， Ｎｏ． ２． Ｗｉｎｇ−Ｋｉｎ Ｍａらによる"Ｔｒａｃｋｉｎｇ ａｎ Ｕｎｋｎｏｗｎ Ｔｉｍｅ−Ｖａｒｙｉｎｇ Ｎｕｍｂｅｒ ｏｆ Ｓｐｅａｋｅｒｓ ｕｓｉｎｇ ＴＤＯＡ Ｍｅａｓｕｒｅｍｅｎｔｓ： Ａ Ｒａｎｄｏｍ Ｆｉｎｉｔｅ Ｓｅｔ Ａｐｐｒｏａｃｈ"， ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ， Ｓｅｐｔｅｍｂｅｒ ２００６， Ｐａｇｅｓ ３２９１−３３０４， Ｖｏｌｕｍｅ ５４， Ｎｏ． ９． Ｅｌａｄｉｏ Ｍａｒｔｉｎらによる"Ｐｒｅｃｉｓｅ Ｉｎｄｏｏｒ Ｌｏｃａｌｉｚａｔｉｏｎ Ｕｓｉｎｇ Ｓｍａｒｔ Ｐｈｏｎｅｓ"， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｕｌｔｉｍｅｄｉａ， ＭＭ’１０， ２０１０， Ｐａｇｅｓ ７８７−７９０， Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ＡＣＭ． Ｌ．Ｅ． Ｍｉｌｌｅｒらによる"ＲＦＩＤ−Ａｓｓｉｓｔｅｄ Ｉｎｄｏｏｒ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒ Ｆｉｒｓｔ Ｒｅｓｐｏｎｄｅｒｓ"， Ｔｈｅ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｎｔｅｎｎａｓ ａｎｄ Ｐｒｏｐａｇａｔｉｏｎ： ＥｕＣＡＰ ２００６， Ｏｃｔｏｂｅｒ ２００６， Ｐａｇｅｓ １−９， Ｖｏｌｕｍｅ ６２６ ｏｆ ＥＳＡ Ｓｐｅｃｉａｌ Ｐｕｂｌｉｃａｔｉｏｎ． Ｃｈｕｎｙｉ Ｐｅｎｇらによる"ＢｅｅｐＢｅｅｐ: Ａ Ｈｉｇｈ Ａｃｃｕｒａｃｙ Ａｃｏｕｓｔｉｃ Ｒａｎｇｉｎｇ Ｓｙｓｔｅｍ ｕｓｉｎｇ ＣＯＴＳ Ｍｏｂｉｌｅ Ｄｅｖｉｃｅｓ"， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｅｍｂｅｄｄｅｄ ｎｅｔｗｏｒｋｅｄ ｓｅｎｓｏｒ ｓｙｓｔｅｍｓ， ＳｅｎＳｙｓ ’０７， ＡＣＭ， ２００７， Ｐａｇｅｓ １−１４． Ｍｏｒｇａｎ Ｑｕｉｑｌｅｙらによる"Ｓｕｂ−Ｍｅｔｅｒ Ｉｎｄｏｏｒ Ｌｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｕｎｍｏｄｉｆｉｅｄ Ｅｎｖｉｒｏｎｍｅｎｔｓ ｗｉｔｈ Ｉｎｅｘｐｅｎｓｉｖｅ Ｓｅｎｓｏｒｓ"， ＩＥＥＥ／Ｒ９１ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ （ＩＲＯＳ）， Ｏｃｔｏｂｅｒ ２０１０， Ｐａｇｅｓ ２０３９−２０４６． Ａｌｅｘ Ｖａｒｓｈａｖｓｋｙらによる"ＧＳＭ（登録商標） ｉｎｄｏｏｒ ｌｏｃａｌｉｚａｔｉｏｎ"， Ｐｅｒｖａｓｉｖｅ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍｐｕｔｉｎｇ， ２００７， Ｐａｇｅｓ ６９８−７２０， Ｖｏｌｕｍｅ ３．

従来技術の位置特定システムは、概念的にソース位置特定システムと、レシーバ位置特定システムとに分類される。従来のソース位置特定システムは、位置が分かっている複数のレシーバを利用してソースからの信号を検知する。システムはこれらの信号を解析して、ソース位置を特定することができる。従来のカメラ利用（光学的）システム、および従来のマイクロフォン利用の音響システムの大部分はこの分類に入る。しかし、このような従来システムは複数のレシーバを配備するので、ユーザの明確な承認なしにその行動や声がシステムに潜在的に記録されて、プライバシの問題を惹起する可能性がある。

従来技術によるレシーバでの位置特定システムは、非変調信号を利用するものと、変調信号を利用するものにさらに分類される。レシーバは検知した信号を記録して、その場で解析するか、受信した信号をサーバへ送信して処理することにより、ユーザ位置を決定する。非変調信号を利用するシステムでは、複数のレシーバを使うかまたは連動検知を利用して、複数のレシーバを同時に位置特定しようとする。この点においては、非変調システムはソース位置特定システムに似ている。ソース位置特定システムは、位置が分かっている複数のレシーバで受信した信号と、特定しようする位置にあるレシーバが受信する信号とを比較する。非変調信号の連動検知を利用する従来システムは、同時に自分自身の位置特定をしようとするいくつかのレシーバを必要とする。その他の連動関連の従来システムは、位置特定しようとする装置自身のソースとレシーバの両方を利用する混合手法を取る。しかしそのような連動システムは、他のレシーバからの記録信号がない限り、１つのレシーバの位置特定をすることには使えない。

変調信号を利用する従来システムでは、可聴音波よりも測量精度のよい超音波を利用する。しかし、これらのシステムでは、その目的のためだけに環境内に超音波変換器を設置して利用するので、重くてかつ大体は高価な設備を必要とすることが多く、いくつかの制約を持っている。さらに、超音波は、可聴音に比べて空中伝搬時の減衰が大きいために、使用範囲が限定される。

そのうえ、通常携帯装置には超音波レシーバがない。したがって、携帯装置は、他の超音波用ハードウェアとの併用なしでは位置特定に利用することはできない。

例示的実施形態の態様は、携帯装置を含み、その携帯装置は、ブロードキャスト（例えば音声など）を受信するセンサ（例えばマイクロフォンなど）と、受信した音声信号を複数の音声トラックと比較し、複数の音声トラックのそれぞれの到達時間を推定する到達時間計算手段と、その複数の音声トラックのそれぞれの推定到達時間と複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する位置決定手段と、を備える。

例示的実施形態の別の態様は、コンピュータ可読プログラムを含む。コンピュータ可読プログラムは、コンピュータに、ブロードキャスト（例えば音声など）を受信し、受信したブロードキャストを複数の音声トラックと比較し、複数の音声トラックのそれぞれの到達時間を推定し、複数の音声トラックのそれぞれの推定到達時間と複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する、処理を実行させることを含む。

例示的実施形態の別の態様は、方法を含み、その方法は、音声受信手段により、ブロードキャスト（例えば音声など）を受信し、到達時間計算手段により、受信したブロードキャストを複数の音声トラックと比較し、複数の音声トラックのそれぞれの到達時間を推定し、置決定手段により、複数の音声トラックのそれぞれの推定到達時間と複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定することを含む。

これら、およびまたはそのほかの態様は、添付図面と共に説明される以下の実施形態により、より容易に理解されるであろう。

例示的実施形態をサーバベースの方式に実装した図である。 例示的実施形態をクライアントベースの方式に実装した図である。 例示的実施形態による、記録された信号と出力信号の相関を示す図である。 例示的実施形態による、ドリフト補正のある場合とない場合の、記録された信号と出力信号の相関を示す図である。 例示的実施形態による、位置推定精度に関する実験結果を示す図である。 例示的実施形態によるフローチャートである。 例示的実施形態による機能図である。 例示的実施形態を実装可能な、例示的コンピュータ／サーバシステムを示すブロック図である。

可聴音声をベースとするシステムでは、１メートル未満の精度を与えることが可能であり、それは屋内のナビゲーションなどのアプリケーションに対しては十分である。したがって、例示的な実施形態では可聴音声を利用して、従来技術の携帯装置にあるマイクロフォンの位置特定を行う。例示的な実施形態では、屋内位置特定システムが提供される。これは、従来技術における超音波をベースとするシステムのような高価な専用の基盤設備を必要とせずに、１メートル未満の精度を持っている。良好な信号対雑音比で正確な位置特定をするために、人に害を与えずに十分な出力を利用できる超音波システムとは違って、可聴音システムはほとんど聞き取れない程度の低出力信号を利用するか、あるいは人にとって快適または意味を持つように考慮された信号を利用する。本アプリケーションンの例示的な実施形態では、低エネルギーのほとんど聞き取れない信号の利用を対象とする。例示的な実施形態では、以下の観点が考慮されている。

精度：屋内ナビゲーションが正しく作用するために、１メートル以下程度の精度が必要。

最小のインフラ仕様：構成としては環境内に高価な専用設備の設置を必要とせず、携帯装置、ラップトップコンピュータ、タブレット、などの消費者向けの市販装置で動作すること。

利用の簡便性：ユーザは、特殊または専用のガジェットや手順を必要としないこと。携帯電話やラップトップコンピュータ上で動作するアプリケーションで十分であること。

プライバシーの保護と非侵害：位置特定の手順はユーザにより始動されること。例示的な実施形態は、潜在的に侵害性のある装置（マイクロフォンなど）の周辺配置を必要としないこと。

ショッピングモールや、商業店舗、美術館などの大規模な屋内施設には、公衆にアナウンスしたり、顧客向けに音楽を流したりするために多数のスピーカを備えている場合がある。大規模な屋内作業空間では、周辺の騒音を和らげるために別の騒音や背景音を流す、“音響調整”用のスピーカを備える場合もある。これらの設備は、変更を加えることによって、ユーザが自分の位置を決定することができる機能を追加的に持たせることが可能である。したがって、例示的実施形態は、ユーザの携帯装置で録音可能な、複数の音声を異なる複数のスピーカで再生させるシステムを対象とする。そうして、録音された音声はユーザの位置決定に利用することができる。

例示的実施形態における位置特定の基本的な方法は、さまざまなスピーカからの信号がマイクロフォンで受信されるのに要する時間を解析することである。既知の特定の信号が、時刻ｔ_０に各スピーカから再生されると仮定する。それぞれのスピーカｉからの信号がマイクロフォンに到達する時刻がｔ_ｉと推定されるものとする。これは相互相関法などを利用して行うことができる。スピーカの位置とｔ_０が分かれば、マイクロフォンとそれぞれのスピーカとの距離が決定される。そして三辺測量または三角測量によってマイクロフォンの位置を知ることができる。ｔ_０が分からなくても、いくつかのスピーカに対してｔ_ｉが分かっていれば、ｔ_０とマイクロフォンの位置はすべて決定可能である。厳密に必要なスピーカの数とｔ_ｉの推定値は、用いる仮定および解法に依存する。

例示的な実施形態には、１）サーバベースの処理モードと、２）クライアントベースの処理モード、の２つのモードがある。図１はサーバベースの方式に実装した例示的実施形態の図である。図１では、処理はサーバ１００で行われる。コントローラが、その周辺にあるそれぞれのスピーカ１０２からのブロードキャストを変調する（１０１）。ブロードキャストは、その位置を特定しようとする装置１０３により記録される（１０４）。この記録された音声ファイルは、インターネット接続または無線を経由してサーバへ送信される（１０５）。サーバはこの音声ファイルを処理してマイクロフォン１０６の位置を決定し、クライアント１０３のマイクへ応答を送信する（１０７）。この方法により、クライアントのアプリケーションを利用してユーザがその環境で再生している（１０８）音に影響を与えることもできる。さらに、処理アルゴリズムをサーバ上に実装して更新することも可能である。

図２はクライアントベースの方式に実装した例示的実施形態の図である。クライアントベース方式では、クライアント２００が周辺の音を記録、処理して（２０３）、その位置を決定する（２０４）。クライアント２００はマイクロフォンを利用してこれを実現してもよい。クライアントは、各スピーカ１０２から再生される変調音声を、各スピーカの位置と共に知る（２０２）必要がある。クライアントはこの情報をウェブサーバ２０１を介して入手することができる。この方法では、単純なウェブサーバをこの目的で利用することが可能であり、音声サーバを配置する必要はない。例えば、音声は、５．１または７．１サラウンド・オーディオデジタル多用途ディスク（ＤＶＤ）または類似の民生機器によって生成することができる。この手法は、クライアントに要求される処理はクライアント上で実行されるので、拡張性も持っている。そしてまた、クライアント同士の間でのスケジューリング調整も必要ではない。

例示的実施形態において、信号はトラック間の同期化を行う多チャンネルオーディオシステムを利用して、既知の場所にあるスピーカで再生される。本明細書を通じて使用される符号を以下にまとめて示す。
Ｎ スピーカ数
ｆｓ サンプリング速度
ｓ_ｉ（ｔ） スピーカｉ（ｉ＝１，…，Ｎ）で再生される信号
ｒ（ｔ） マイクロフォンで記録される音声信号
ｔ^_０ 再生装置時間枠における各信号ｓ_ｉ（ｔ）の再生開始時間
ｔ_０ スピーカｉにおける各信号ｓ_ｉ（ｔ）の再生開始時間
ｔ_ｉ マイクロフォンの時間枠における信号ｓ_ｉ（ｔ）の到達時間
（Ｘ_ｉ，Ｙ_ｉ，Ｚ_ｉ） スピーカｉの位置
（ｘ，ｙ，ｚ） （決定すべき）マイクロフォンの位置
ｃ 音速
Ｒ_ｇ，ｈ（τ） 信号ｇ（ｔ）とラグτの信号ｈ（ｔ）との相互相関
Ｒ_ｉｊ（τ） Ｒ_{ｓｉ，ｓｊ}（τ）の短縮形

信号を再生させるシステムは、サンプリングクロックを有しており、これは記録システムのサンプリングクロックとは完全には同期がとれていないことがある。システムによって信号が最初に再生される時間を、システムクロック枠でｔ^_０と表す。特記しない限り、このほかのすべての時間は記録システムクロック枠にあるものと仮定する。

すべてのスピーカからの音は、時刻ｔ_０に再生され、スピーカｉからの音が時刻ｔ_ｉにマイクロフォンに到達するものとする。伝搬の遅延ｔ_ｉ−ｔ_０は、スピーカとマイクロフォンの配置に関係し、式（１）のようになる。

各スピーカｉに対して、このような明確な式が存在する。信号の到達時刻ｔ_ｉは、次節で述べるようにして推定される。残る未知の量はマイクロフォンの位置（ｘ，ｙ，ｚ）とすべての信号が再生を開始する時刻ｔ_０である。

マイクロフォンの地点での音声信号は線形システム理論を使って次のようにモデル化できる。

ここで、ｈ_ｉ（ｔ）はスピーカｉとマイクロフォンとの間のインパルス応答であり、η（ｔ）は付加雑音である。これの簡略形は、インパルス関数が伝搬遅延分だけずれた重み付きのデルタ関数である。

ここで、ω_ｉは信号ｓ_ｉ（ｔ）がマイクロフォンに到達するまでに受ける減衰量であり、τ_ｉ＝ｔ_ｉ-ｔ_０＝ｄ_ｉ／ｃは音がスピーカｉからマイクロフォンに到達するまでの伝搬遅延である。

信号の到達時刻は相互相関またはその他の関連する方法を用いて推定することができる。信号ｓ_ｉとｓ_ｊとの間の相互相関は次のように定義される。

線形性により、スピーカｉで再生される信号ｓ_ｉと記録された信号との相互相関は、次のようになる。

ｓ_ｉ（ｔ）が



であるように選択されると、Ｒ_ｓｉｒ（τ）はτ_ｉにおいて最大ピークを持つ。ここでτ_ｉ＝ａｒｇｍａｘＲ_ｓｉｒ（τ）である。

一般的に、ソースとレシーバの間には雑音と複数の経路とがあるために、相互相関を利用しても必ずしも明確に識別できるピークを求められない場合がある。この問題を整理するために、さまざまな一般化された相互相関手法が開発されている。相関は、スペクトル領域において、

という式で計算することができる。ここで、ｓ_ｉ＊（ω）はｓ_ｉ（ｔ）の共役フーリエ変換、ｓ_ｊ（ω）はｓ_ｊ（ｔ）のフーリエ変換であり、Ｆ^−１は逆フーリエ変換を表す。相互相関をこのように実行することは計算上の利点があり、基本的には長さｎの信号に対する完全相関の計算時間を０（ｎ^２）から０（ｎｌｏｇｎ）に減少でき、しかも重みＷ（ω）を掛けることにより、スペクトル領域内で正規化またはフィルタリングを実行することが可能となる。重みＷ（ω）の方式を変えることにより、よく研究されている一般化された相互相関のクラスが求められる。特に、いわゆる位相変換（ＰＨＡＴ）を利用してよい結果が得られることが分かった。これは、Ｗ（ω）＝１／ｓ_ｉ＊（ω）ｓ_ｊ（ω）を利用して、

となる。ＰＨＡＴは相互相関よりも良い結果が得られやすい。ここでの例はＲ_{ｓｉ，ｓｊ}（τ）を用いたが、代わりにＰＨＡＴ_{ｓｉ，ｓｊ}（τ）とするのがよい場合があることを理解されたい。

実際には、ｓ_ｉが実際に再生される信号ｒと相互相関がある場合、ｓ^_ｉ（０）が第１のサンプルを表すようにｓ^_ｉ（ｔ）が定義される。そうするとｓ^_ｉ（ｔ）＝ｓ_ｉ（ｔ＋ｔ_０）であり、信号がマイクロフォンへ到達する時刻は、

で推定される。これらの推定を用いて、次に位置が求められる。

各スピーカに対してｔ_ｉが決まれば、それぞれのｉに対する方程式（１）の未知数は、ｘ，ｙ，ｚ，ｔ_０の４つとなる。したがって、これらの未知のパラメータを決定するには４つの方程式が必要である。各スピーカが１つの方程式を与えるので、すべてのパラメータを決定するには少なくとも４つのスピーカが必要である。

任意の非線形最適化手法を利用して、以下の誤差関数を最小化することによりパラメータの推定が可能である。

ｔ_０が分かっていれば、方程式は３つだけであり、３つのスピーカに対するｔ_ｉの推定が必要となる。さらに、ｔ_０とＺが分かっていれば（例えば携帯装置が保持されている高さを仮定することによって）、位置を求めるのに２つのｔ_ｉのみが必要となる。

非線形の定式化には非線形解法に関する一般的な問題点がある。たとえば、非線形の定式化は、局所最適解を見つけやすい。また、結果は初期値に依存する。これらの制約を克服するために、線形定式化を利用できる。方程式（１）の両辺を二乗して、スピーカｉとｊの差を取ることによって、次の線形方程式が得られる。

しかしこの定式化では、４つのすべての未知数を解くには４つの線形方程式が必要であり、それには５つのスピーカが必要となる。すべてのスピーカが同一面上に配置されているとすると、次の線形方程式が得られる。

そうすると、パラメータｘ，ｙ，ｔ_０の値を求めるには線形方程式が３つ（スピーカが４つ）だけでよい。これらの値がわかると、方程式（１）よりｚが求められる。ｚがスピーカ面の上または下にある（スピーカが床にあるか天井にあるかのそれぞれの状況による）という事実を利用して、式（１）で与えられる２つのｚの値の内の１つを除去することができる。

別々のスピーカで再生する音は相互に関連付けることはできない。この目的に対しては、ホワイトノイズとその派生物（ブラウンノイズ、ピンクノイズ）がよい候補である。しかしノイズを再生させることは多くの人にとっては嫌なことである。状況の違いによって、異なる音声信号の組を再生させることができる。以下は、異なるシナリオの限定的なまとめである。

ほとんど聞こえないノイズ：これはオフィスなどの環境には理想的である。ほとんどのオフィスにおいては、パソコン、エアコン、その他の機器により、低いハミングノイズが生成されることが多い。これらの雑音にほとんど聞き取れないノイズを加えることは、環境に対してマイナスの効果を与えない。場合によっては、人にとっては、他の同僚同士が会話しているような周辺の音よりも、音量の低いホワイトノイズを聞くことを好ましく思うことが多い。この目的のために、オフィス用“ホワイトノイズ”生成器が使用されてもよい。

はっきり聞こえる音：ある状況では、快適または鎮静効果のある音を背景に流すこともありうる。“ブラウンノイズ”をこの目的のために利用することができる。

複数トラックまたは変調された音楽：ショッピングモールの多くでは、店舗全体に音楽が演奏されている。音楽の異なるトラック（たとえば、異なる音声または楽器の組を含む）が異なるスピーカから演奏されることもある。または、相関のない低出力のホワイトノイズ信号が異なるトラックに付加されて、音楽に重なってノイズをほとんど気づかれないようすることができ、なおかつ位置特定の目的で利用することができる。信号重畳の線形性により、記録された音声と付加されたホワイトノイズとの間の相互相関は、その状態でも伝搬遅延の決定に利用することが可能である。

音の種類を選択するほかに、信号の長さも考慮すべきである。位置特定に短い信号が利用されるとしたら、より迅速な（待ち時間の小さい）位置決定が可能となる。ただし、これは堅牢性が低い場合がある。その信号が再生されているときに、環境内で突発的なノイズが発生すると、ｔ_ｉの推定が妨げられる。また、長い信号に関しては、信号の差別化がより容易である。それは信号が異なる時間の長さがより長いからである。複数トラックで記録された音楽の異なるトラックを考えてみる。曲全体が進行する間、例えばそのトラックに関連する楽器が演奏されることなどにより、一般的にそれぞれのトラックを他のトラックと峻別できる期間がある。短い期間の間では、複数のトラックはより似たものとなる。

これらの考察を式（６）〜（８）の観点からより正確にすることができる。与えられた信号ｓ_ｉ（ｔ）に対し、ｒ（ｔ）に相関する場合に現れ、その大きさがω_ｉＲ_{ｓｉ，ｓｉ}（０）となる“真のピーク”が存在する。その他に、“偽のピーク”が、τ≠０におけるω_iＲ_{ｓｉ，ｓｉ}（τ）またはω_ｉＲ_{ｓｉ，ｓｉ}（τ）の大きな値から発生する。ω_ｉの値はスピーカとマイクロフォンの配置に依存し、場合ごとに異なっている。ただし、発見的にはフィットネス（適応度）Ｓは次のように定義される。

長さｎのゼロ平均未補正擬似乱数ノイズに対して、Ｒ_ｉｉ（０）はｎとともに線形的に増加する。一方で、τ≠０に対するＲ_ｉｉ（τ）およびＲ_ｉｊ（τ）は期待値がゼロであり、√ｎのオーダーで増大する。このことは、擬似乱数ホワイトノイズを非常に長いシーケンスに亘って取ることにより、弱い信号に対しても良好な位置特定ができることを示している。

図３の（ａ）と（ｂ）は、例示的実施形態による、記録された信号と再生信号の相関を示す図である。図３の（ａ）と（ｂ）において、ｙ軸は相互相関を示し、ｘ軸は遅延時間を表す。遅延時間（ｘ軸）の単位はサンプル数である。この図は、“ピーク”としての最大のｙの値を有する位置をｘ軸に沿って示すもので、これは信号が送信された時と受信された時の間の遅延時間の推定量を表す。図３（ａ）は記録された信号と、１秒間再生された信号との相関を示す。図３（ａ）は、記録信号と再生信号の両方の最初の１秒間だけを抽出して生成される。図３（ｂ）は１０秒間の記録信号と１０秒間の再生信号との間の相関を示す。図３の（ａ）と（ｂ）との比較から、同一条件下では１秒の記録信号よりも、１０秒の信号の方がよりはっきりしたピークを与えることがわかる。

長時間のノイズシーケンスを利用して良好な信号対雑音比を得ようとするといくつかの難しさがある。ホワイトノイズに使われる乱数の３０秒のシーケンスを考えてみる。サンプリング速度ｆ_ｓが４４１００サンプル／秒であれば、これは１，３２３，０００サンプルとなる。再生装置と記録装置のサンプリング速度がどちらも４４，１００に近いが、僅かに違っている場合を考えてみる。たとえば、この信号を記録するのに使用される電話が実際に４４，９９６サンプル／秒の速度で記録しているとする。最初の３０秒間の信号が“整列”するようにτが選択されたとすると、終わりの時点でのサンプルは、数サンプルだけずれて、相関が取れなくなる。クロック速度の違いが分かっていると仮定すると、サンプルを同じ速度に変換することによりこれは補償することができる。または、相互相関をウィンドウ方式で計算し、比較的小さいウィンドウの再生信号ｓ_ｉ（ｔ）と小さいウィンドウの記録信号ｒ（ｔ）とを利用してこれらのウィンドウの相関を計算することができるようにする。次にウィンドウを前進させて相関を累積していく。この方法は最終的に計算された相関と同じ結果が得られることがわかる。しかし、再生装置と記録装置のサンプリング速度の比である、クロックの“ドリフト”速度αが分かっていれば、異なるウィンドウを利用して相関を計算する際に考慮することができる。これにより、長いシーケンスに対しても非常に鋭いピークが可能となる。

これ以降、再生信号を“信号”と呼びｓ（ｔ）で表す。記録信号ｒ（ｔ）をこれ以降“記録”と呼ぶ。ｓ（ｔ）を複数のセグメントに分割し、それぞれの長さをＧとする。セグメントはｓ_０，ｓ_１，…，ｓ_Ｍ−１と称す。ここでＭはｓ（ｔ）内のセグメント数である。高速フーリエ変換（ＦＦＴ）の長さＦは、Ｇの次に高い２のべき乗の２倍として決定される。信号セグメントのＦＦＴを行う際に、各セグメントにｐ＝Ｆ−Ｇ個のゼロが付け加えられて長さをＦとする。記録もまたｐだけずれて部分的に重なる複数のセグメントに分割される。各部分の長さはＦである（最後のセグメントはＦより小さい場合がある。）これらのセグメントはｒ_０，ｒ_１，…，ｒ_Ｋ−１とラベル付けされる。ここでＫは記録内のセグメント数である。Ｒ_{ｓｍ，，ｒｋ}（τ）がｍ番目の信号セグメントと、ｋ番目の記録セグメントとの間の相関を表し、Ｒ_ｓｍ，ｒが記録全体との間のｓ_ｍの相関を表すものとする。Ｒ_{ｓｍ，ｒｋ}が０〜ｐ−１の範囲のτの値に対してのみ計算され、その他のτに対しては０とされる。そうすると、次のようになる。

ｍ番目の信号セグメントが記録セグメントｒ_ｋとラグｒで重なっている場合に、γ（ｍ，ｋ，τ）は１であり、その他の場合には０である。ラグがｒ_１とｒ_２，の間の相互相関を仮定すると、区間［ｒ_１，ｒ_２］の間の任意の所望のラグで重ならないセグメント間の相関は計算を省略することができる。

クロックのドリフトに関しては、ｆ_ｓとｆ_ｍをそれぞれ、スピーカシステムのサンプリング速度と、マイクロフォンシステムのサンプリング速度であるとすると、ドリフト速度はα＝ｆ_ｍ／ｆ_ｓと定義される。クロックのドリフトを補正するために、式（１７）を次のように変形する。

例示的実施形態は、ユーザ装置を長期間にわたって追跡するために追跡用サーバを継続的に利用することもできる。追跡用サーバは求めるべき変数のいくつかに関して初期条件設定をすることができる。（たとえば、ｚは１．２５メートル、またはユーザが保持する携帯装置の典型的な高さであるとする。）追跡用サーバはまた、記録されたサンプルを位置特定の最初から追跡することが可能であれば、ｔ_０は記録装置によって変化しないと仮定することができる。周期Ｔの周期的信号をすべてのスピーカから再生することができる。記録された信号は、（−Ｔ，Ｔ）の区間のラグ値で相関ピークを明示することができる。

追跡サーバがリアルタイムで受信したデータを処理するために、ピークの出現が期待される、相関ラグ値の適切な境界（τ_ｍｉｎとτ_ｍａｘなど）を取得する。これらの値を取得するために、追跡サーバは最初に、各スピーカに対する相関信号内の全期間Ｔに亘ってピークを探す。任意の相関において強いピークの位置を見つけると、追跡サーバはその強いピークの付近に［τ_ｍｉｎ，τ_ｍａｘ］の領域を定義するウィンドウを選択することができる。このウィンドウの大きさは部屋または現場の大きさに依存する。例えば、４４．１ｋＨｚで４０９６サンプルのブロックサイズであれば、追跡サーバは適切なラグウィンドウを１／２秒より小さくしてよい。さらに、追跡サーバはこれをセッションごとに１回のプロセスとして実行することができる。その後はユーザ装置はリアルタイムで追跡される。

適切なウィンドウが決定されると、アルゴリズムを用いて連続的に位置決定を行うことができる。例示的なアルゴリズムを次の表に示す。

表１：アルゴリズム例

この例示的なアルゴリズムにおいて、６行目のサブルーチンｎｏｎｌｉｎ＿ｘｙｔ_０は入力として、スピーカ位置（Ｐｉ，ｉ＝１，．．，Ｎ）、決定されたピーク（｛ｔ_ｉ｝）、ｚの近似値、及び使用するスピーカ数（この例では４）を受け取って、ｘ，ｙ及びｔ_０を推定する。また、式１２で定義された誤差関数の値である、留数を戻す。留数は解の有効性に関する指標を与える。留数が小さい場合には、決定された位置は実際の位置に非常に近い傾向にある。留数が大きい場合には、与えられた解は正しくない可能性がある。良好な解が得られれば、ｔ_０の値はｔ_０＊として保存される。ｎｏｎｌｉｎ＿ｘｙｔ_０で良好な解を得られない場合には、ｎｏｎｌｉｎ＿ｘｙｔ_０（１２行）の次の反復にｔ_０＊の値を用いてｘとｙを推定する（この例では３つのスピーカを用いる）。

図４の（ａ）と（ｂ）は、例示的実施形態による、ドリフト補正のある場合とない場合の、記録された信号と再生信号の相関を示す。ｙ軸は相互相関を示し、ｘ軸は遅延時間を表す。遅延時間（ｘ軸）の単位はサンプル数である。図４（ａ）は、再生装置と記録装置のクロック間のクロックドリフト補正なしでの、３０秒間の記録と再生信号との相関を示す。図４（ｂ）はドリフト補正を行った場合の相関を示す。いずれの場合も、ドリフト補正の有無にかかわらず３０秒記録されたセグメントに対する相関ピークは同じである。ただし、背景ノイズに対するピーク高さの割合は、ドリフト補正をした場合が数桁すぐれている。

上記からわかるように、ｔ_０は十分な数の式が与えられれば決定することができる。ただし、各式は別のスピーカに対しては推定値ｔ_ｉを必要とする。ｔ_ｉを良好に推定できるのは直近のスピーカのいくつかだけである可能性がある。したがって、何らかのほかの方法で、ｔ_０を知ることが望ましい。

ｔ_０は信号からのサンプルが最初に再生された瞬間であるので、サンプルを再生するシステムにはこの発生時刻が分かっているはずである。このシステムがコンピュータであれば、ネットワークタイムプロトコル（ＮＴＰ）などの時間プロトコルを利用して、記録システムで使用されたクロックと同期をとって維持することができる。これは魅力的ではあるが、現実には２つの問題がある。１つの問題は、再生システムと記録システムのシステムクロック間のわずかな誤差である。もう１つの問題は、これらのシステムではそれぞれに、ソフトウェアが音声装置で再生または記録を開始する時刻と、システムコールがシステムクロックに戻す時刻との間に待ち時間があることである。これらの問題のために、マイクロフォン位置推定に望ましい精度でｔ_０を適切に推定することは困難である。

この問題を回避する１つの方法は、同期化に利用できる追加的な信号を、音声速度に比べるとほぼ瞬間的である別のチャネルを用いて送ることである。これは、環境内の周辺光の変調によって行うか、あるいは例えば周波数変調（ＦＭ）チャネル上で無線信号を送信することで行うことができる。これらの方法は、ｔ_ｉの良好な推定値の数を１つ減らすことによって、システムをより堅牢とすることができる。残念なことには、これによって基盤設備が複雑となり、記録設備に光または無線（ＲＦ）信号を受信する能力を追加しなければならない。しかし、システムがｘ，ｙ，ｚ，とｔ_０の良好な推定を行った後は、このｔ_０の評価値を再生クロックと記録クロックとの間の同期化に利用することができる。これを利用すると、その後の位置推定にｔ_０を再び推定する必要がなくなる。この方法の鍵は、記録用クライアントが始動するときに、システムクロック時間を取得して、音声装置からの音声サンプルバッファの読み出しを直ちに開始することである。連続的にバッファを読み出して、記録プロセス開始時の最初のサンプル読み出しに対する、それぞれのバッファの最初のサンプルの指標カウントを維持することが必要である。そうして、クライアントが実際に位置特定のために利用するセグメントを記録しようとするときにはいつでも、最初のサンプルのサンプル指標が得られる。これは再生システム上でも行われなければならない。これが実行されて、ｔ_０が決定されると、再生クロックとサンプリングクロックとはｔ^＝αｔ−ｔ_０で関係づけられる。ここでαはクロック速度時間の比であり、通常は１に非常に近い。

周期的な擬似乱数ホワイトノイズの短いセグメントは音声トラックで集積されるので、携帯装置は音声トラックの全体比較をする必要はない。その代わりに周期的な短いセグメントを比較すればよい。例えば、音声トラックとともに集積された、１／２秒または１秒間の周期的な擬似乱数ホワイトノイズを利用することができる。例示的な実装において、携帯装置は装置内に周期的擬似乱数ホワイトノイズを格納することができる。

別の実施形態では、擬似乱数ホワイトノイズを表す擬似乱数のシード数またはシーケンスもまた利用することができる。この実施形態においては、擬似乱数シードシーケンスまたはシード数をサーバから取得して、取得されたシードから擬似乱数ホワイトノイズを決定することができる。

例示的実施形態をテストするための実験的な設定環境が作られた。音声源として６つの壁掛けスピーカが天井近くに設置され、携帯装置がレシーバとして使用された。携帯装置で音声を録音し、事前設定されたサーバに無線接続を通してアップロードした。部屋全体に分散された２０点の位置が選択された。

実験には、音声再生に２つの異なるモードを利用した。１つは、波が砕ける音のように形成されたブラウンノイズからなる２秒間の音を、はっきり聞き取れる音量で再生した。もう１つのモードでは、各スピーカからのホワイトノイズを１０秒間、携帯装置で録音し、そのデータをサーバへアップロードした。このモードでは音声レベルはかすかに聞き取れるレベルである。

各モードに対して、室内のそれぞれのテスト位置で３回録音を行った。
全スピーカを位置推定に利用した場合と、（信号対雑音比に基づいて）よい方の４つのスピーカだけを利用した場合とで、位置推定性能を比較した。

図５の（ａ）と（ｂ）に２つのモードで録音した性能を示す。録音が長いほど性能が良くなる。いずれの場合も、テスト回数のほぼ７０％が５０ｃｍ以内の精度であり、１０秒間の録音に対しては、テスト回数のほぼ８０％が１メートル以内である。どちらのモードも、式（１４）による線形推定を利用した。

図６は例示的実施形態によるフローチャートである。携帯装置はプロセスを開始し、そこには、ブロードキャストを受信し（６００）、受信したブロードキャストを複数の音声トラックと比較し（６０１）、複数の音声トラックのそれぞれの到達時間を推定し（６０２）、複数の音声トラックのそれぞれの推定到達時間と複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する（６０３）ことが含まれる。

図７は例示的実施形態による機能図である。携帯装置などの装置７００は、ブロードキャスト（例えば音声など）を受信するマイクロフォン７０１などのセンサと、受信した音声信号を複数の音声トラックと比較し、複数の音声トラックのそれぞれの到達時間を推定する到達時間計算手段７０２と、その複数の音声トラックのそれぞれの推定到達時間と複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する位置決定手段７０３と、を備えている。携帯装置の位置を、例えばマップなどのインタフェース上に表示するのにディスプレイ７０４が利用されてもよい。位置が決定されれば、装置上で動作する位置に感応する他の任意のアプリケーション上でその位置を利用することもできる。

図８は、本発明における方法、サーバ、クライアント、携帯装置等を実装することが可能なコンピュータ／サーバシステム８００の実施形態を示すブロック図である。システム８００は、当業者には周知のように、命令の実行を行うプロセッサ８０２とメモリ８０３を含むコンピュータ／サーバプラットフォーム８０１を備える。本明細書で用いられる“コンピュータ可読媒体”いう用語は、プロセッサ８０２に実行命令を与えることに関与する任意の媒体を指す。更に、コンピュータプラットフォーム８０１は、キーボード、マウス、タッチデバイス、マルチタッチデバイスまたは音声命令などの複数の入力装置８０４からの入力を受信する。コンピュータプラットフォーム８０１はさらに、ポータブルハードディスク装置、光学媒体（ＣＤまたはＤＶＤ）、ディスク媒体、またはコンピュータが実行可能なコードを読み込むことができるその他の任意の媒体、などのリムーバブル記憶装置８０５に接続されていてもよい。コンピュータプラットフォームは更に、インターネットやその他のローカルな公共または私的なネットワーク部品に繋がるネットワークリソース８０６に接続されていてもよい。ネットワークリソース８０６は、ネットワーク８０７上のリモートロケーションから命令およびデータをコンピュータプラットフォームへ供給してもよい。ネットワークリソース８０６への接続は、８０２．１１標準やブルートゥース（登録商標）やセルラープロトコル等の無線プロトコル経由で、または、ケーブルやファイバ光学部品などの物理的伝送媒体経由であってもよい。ネットワークリソースは、コンピュータプラットフォーム８０１から隔離した場所にデータ及び実行可能な命令を格納するための記憶装置を含んでいてもよい。コンピュータはディスプレイ８０８と対話して、データおよびその他の情報をユーザへ出力したり、ユーザからの追加の指示と入力を要求したりする。従ってディスプレイ８０８は、ユーザと対話するための入力装置８０４として更に作用してもよい。

さらに、ここに開示した本発明の明細書を考察し、本発明を実施すれば、他の実装が当業者には明らかとなるであろう。前述の実施態様の様々な態様及び／又は構成要素は、単独もしくは任意の組み合わせで使用することが可能である。明細書及び実施例は例示としてのみ理解されるべきであり、本発明の真の範囲と精神は添付の特許請求の範囲によって示されるものとする。

７００ 装置（携帯装置）
７０１ マイクロフォン（センサ、音声受信手段）
７０２ 到達時間計算手段
７０３ 位置決定手段

Claims (19)

1. 音声信号を受信するセンサと、
   前記受信した音声信号を複数の音声トラックと比較し、前記複数の音声トラックのそれぞれの到達時間を推定する、到達時間計算手段と、
   前記複数の音声トラックのそれぞれの推定到達時間と前記複数の音声トラックのそれぞれに関する位置とに基づいて前記携帯装置の位置を決定する、位置決定手段と、
   を備える、携帯装置。
2. 前記到達時間計算手段は、前記比較に基づいて前記受信した音声信号のクロックのドリフトを補正する、請求項１に記載の携帯装置。
3. 前記到達時間計算手段のための前記複数の音声トラックからの選択を受け取る、音声トラック選択手段をさらに備える、請求項１に記載の携帯装置。
4. 前記複数の音声トラックの選択は、周期的な擬似乱数ホワイトノイズを表す擬似乱数シーケンスのシードを含む、請求項４に記載の携帯装置。
5. 前記到達時間計算手段は、前記複数の音声トラックの第１が再生を開始する第１の時間を推定することによって、前記複数の音声トラックのそれぞれの推定到達時間を計算する、請求項１に記載の携帯装置。
6. 前記複数の音声トラックは、変調された音楽である、請求項１に記載の携帯装置。
7. コンピュータに、
   音声信号を受信し、
   前記受信した信号を複数の音声トラックと比較し、
   前記複数の音声トラックのそれぞれの到達時間を推定し、
   前記複数の音声トラックのそれぞれの推定到達時間と前記複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する、
   処理を実行させる、コンピュータプログラム。
8. 前記処理は、前記比較に基づいて、受信した音声信号のクロックのドリフトを補正することをさらに含む、請求項７に記載のコンピュータプログラム。
9. 前記処理は、前記比較のために、前記複数の音声トラックからの選択を受信することをさらに含む、請求項７に記載のコンピュータプログラム。
10. 前記選択は、周期的な擬似乱数ホワイトノイズを表す擬似乱数シーケンスのシードを含む、請求項９に記載のコンピュータプログラム。
11. 前記複数の音声トラックのそれぞれの推定到達時間を計算するための前記処理はさらに、前記複数の音声トラックの第１が再生を開始する第１の時間を推定することを含む、請求項７に記載のコンピュータプログラム。
12. 前記複数の音声トラックは、低音量雑音を含む、請求項７に記載のコンピュータプログラム。
13. 音声受信手段により、ブロードキャストを受信し、
    到達時間計算手段により、前記受信したブロードキャストを複数の音声トラックと比較し、前記複数の音声トラックのそれぞれの到達時間を推定し、
    位置決定手段により、前記複数の音声トラックのそれぞれの推定到達時間と前記複数の音声トラックのそれぞれに関する位置とに基づいて携帯装置の位置を決定する、
    ことを含む、方法。
14. 到達時間計算手段により、前記比較に基づいて、受信した音声のクロックのドリフトを補正することをさらに含む、請求項１３に記載の方法。
15. 音声トラック選択手段により、前記比較のために、前記複数の音声トラックからの選択を受信することをさらに含む、請求項１３に記載の方法。
16. 前記複数の音声トラックの前記選択は、周期的な擬似乱数ホワイトノイズを表す擬似乱数シーケンスのシードを含む、請求項１５に記載の方法。
17. 前記到達時間計算手段により、前記複数の音声トラックのそれぞれの推定到達時間を計算することが、前記複数の音声トラックの第１が再生を開始する第１の時間を推定することをさらに含む、請求項１３に記載の方法。
18. 前記到達時間計算手段により、前記推定到達時間を計算することが、前記携帯装置の位置のベースライン値をｚ軸に沿って設定することをさらに含む、請求項１７に記載の方法。
19. 前記到達時間計算手段により、前記推定到達時間を計算することが、前記第１の時間と前記ベーライン値とを保持して、後続の決定において前記携帯装置の位置を決定することをさらに含む、請求項１８に記載の方法。