JP2018146948A - 音源探査装置、音源探査方法およびそのプログラム - Google Patents

Abstract

【課題】探査対象範囲にある探査対象の音源の方向をより確実に探査することができる音源探査装置を提供する。
【解決手段】探査対象の音源の方向を探査する音源探査装置１であって、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイ２００により収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出部１０と、記憶部２０に予め記憶されている複数の第２相関行列であって、マイクロホンアレイ２００のアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が第１相関行列と等しくなるように、重みを学習によって算出する学習部４０と、学習部４０により算出された重みを用いて、方向別の音圧強度を示す空間スペクトルであって観測信号の空間スペクトルを算出する空間スペクトル算出部１００とを備える。
【選択図】図１

Description

本開示は、音源探査装置、音源探査方法およびそのプログラムに関する。

例えば特許文献１には、複数のマイクロホンユニットで得た複数の音響信号から音源の方向を精度よく推定できる音源方向推定装置が提案されている。この特許文献１では、複数の音響信号に基づく雑音信号の相関行列を用いて雑音対策を行うことで、複数の音響信号から音源の方向を精度よく推定する。

特開２０１４−５６１８１号公報

しかしながら、特許文献１では、観測信号である複数のマイクロホンユニットで得た複数の音響信号に基づいて雑音信号の相関行列を算出する。そのため、騒音源と探査対象の音源とが同時に存在する場合や、騒音が探査対象の音源より高いレベルである場合に、騒音成分のみの相関行列を正確に求めることが困難である。つまり、複数のマイクロホンユニットで得た複数の音響信号の信号位相差に基づいて音源探査を行う方式では、探査対象の音源よりも高い音圧レベルの騒音が存在する場合、その騒音の影響で探査対象の音源を検知すなわち探査できなくなるという課題がある。

本開示は、上述の事情を鑑みてなされたもので、探査対象範囲にある探査対象の音源の方向をより確実に探査することができる音源探査装置を提供することを目的とする。

本開示の一態様に係る音源探査装置は、探査対象の音源の方向を探査する音源探査装置であって、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出部と、記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習部と、前記学習部により算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出部とを備える。

なお、これらのうちの一部の具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭなどの記録媒体を用いて実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせを用いて実現されてもよい。

本開示によれば、探査対象範囲にある探査対象の音源の方向をより確実に探査することができる音源探査装置等を実現できる。

図１は、実施の形態１における音源探査システムの構成の一例を示す図である。 図２は、実施の形態１におけるマイクロホンアレイと探査対象の音源がある音源方向との位置関係を示す説明図である。 図３は、図２に示す位置関係においてマイクロホンアレイが観測する観測信号の空間スペクトル図である。 図４は、図１に示す音源探査装置の詳細構成の一例を示す図である。 図５は、実施の形態１における選択部の選択方法の説明図である。 図６は、実施の形態１における非線形関数部の構成の一例を示す図である。 図７は、実施の形態１における音源探査装置の音源探査処理を示すフローチャートである。 図８は、図７に示す音源探査処理の詳細を示すフローチャート図である。 図９は、比較例における空間スペクトル図である。 図１０は、実施の形態１における空間スペクトル図である。 図１１は、実施の形態２における音源探査システムの構成の一例を示す図である。

本開示の一態様に係る音源探査装置は、探査対象の音源の方向を探査する音源探査装置であって、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出部と、記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習部と、前記学習部により算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出部とを備える。

この構成により、探査対象範囲にある探査対象の音源の方向をより確実に探査することができる。さらに、学習により算出された重みを用いて観測信号の空間スペクトルを算出するので、耐騒音性および音の変化に対して追従性に優れた音源探査装置を実現することができる。

ここで、例えば、前記音源探査装置は、さらに、前記第１相関行列を構成する要素のうちの一つである第１要素と、前記複数の第２相関行列それぞれを構成する要素のうち、前記第１要素と対応する位置にある要素である第２要素を選択し、かつ、選択する前記第１要素および前記第２要素を逐次に切り替える選択部を備え、前記学習部は、前記第２要素に第１重みを乗算した第１要素線形和が前記第１要素と等しくなるように、前記第１重みを前記学習によって算出した第２重みに更新し、更新した前記第２重みを、次に前記選択部により選択された前記第２要素に乗算した第２要素線形和が、次に前記選択部により選択された前記第１要素と等しくなるように、前記第２重みを前記学習によって算出した第３重みに更新することを前記逐次に繰り返すことにより、前記重みを前記学習により算出してもよい。

これにより、第１相関行列と複数の第２相関行列との対応する行列要素ごとに同時に等しくなる重みを学習により算出できるので、３以上のマイクロホンユニットからなるマイクロホンアレイにより収音された音響信号に基づいて、探査対象範囲にある探査対象の音源の方向をより確実に探査することができる。

また、例えば、前記選択部は、前記第１相関行列および前記第２相関行列を構成する対角成分を除く要素のうち、前記対角成分により区切られる２組の複数の要素の一方の組の複数の要素のうちからのみ、前記第１要素および前記第２要素を選択するとしてもよい。

これにより、演算量を削減できるので、より高速に探査対象範囲にある探査対象の音源の方向を探査することができる。

また、例えば、前記学習部は、ＬＭＳ(Least Mean Square)アルゴリズム、またはＩＣＡ（Independent Component Analysis）を用いることにより、前記線形和および前記第１相関行列の差である誤差と前記第２相関行列とから、前記重みを算出するとしてもよい。

これにより、方向間の影響を互いにキャンセルしながら方向別の強度を算出できるので、耐騒音性により優れた音源探査装置を実現することができる。

また、例えば、前記学習部は、重みを保持する保持部と、前記複数の第２相関行列それぞれに、前記保持部が保持する重みを乗算した線形和を算出する線形和算出部と、前記線形和および前記第１相関行列の差である誤差を算出する誤差算出部と、前記誤差と前記第２相関行列の積から重み更新量を算出し、前記保持部が保持する重みに前記重み更新量を加えることで前記保持部が保持する重みとする重み更新部とを備えるとしてもよい。

ここで、例えば、前記重み更新部は、ＬＭＳアルゴリズムまたはＩＣＡを用いることにより、前記誤差および前記第２相関行列から重み更新量を算出するとしてもよい。

また、例えば、前記学習部は、さらに、所定の非線形関数を用いて、前記誤差に非線形性を加える非線形関数部を備え、前記重み更新部は、前記非線形関数部により非線形性が加えられた前記誤差、および、前記第２相関行列から重み更新量を算出し、前記保持部が保持する重みに前記重み更新量を加えることで前記保持部が保持する重みとするとしてもよい。

これにより、算出した誤差に非線形性を与えて、方向間相互影響を抑制することができるので、耐騒音性により優れた音源探査装置を実現することができる。

また、本開示の一態様に係る音源探査方法は、探査対象の音源の方向を探査する音源探査方法であって、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出ステップと、記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習ステップと、前記学習ステップにおいて算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出ステップとを含む。

また、本開示の一態様に係るプログラムは、探査対象の音源の方向を探査する音源探査方法をコンピュータに実行させるためのプログラムであって、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出ステップと、記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習ステップと、前記学習ステップにおいて算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出ステップとをコンピュータに実行させる。

なお、これらのうちの一部の具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭ等の記録媒体を用いて実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせを用いて実現されてもよい。

以下、本開示の一態様に係る音源探査装置について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また全ての実施の形態において、各々の内容を組み合わせることもできる。

（実施の形態１）
図１は、実施の形態１における音源探査システム１０００の構成の一例を示す図である。

音源探査システム１０００は、探査対象の音源の方向を探査するために用いられる。本実施の形態では、音源探査システム１０００は、図１に示すように、音源探査装置１と、マイクロホンアレイ２００と、周波数分析部３００とを備える。

［マイクロホンアレイ２００］
マイクロホンアレイ２００は、互いに離間して配置された２以上のマイクロホンユニットから構成され、全ての方向から到来する音波を観測すなわち収音して電気信号に変換した音響信号を出力する。本実施の形態では、マイクロホンアレイ２００は、３つのマイクロホンユニットすなわちマイクロホンユニット２０１,２０２,２０３で構成されているとして、以下説明する。マイクロホンユニット２０１、マイクロホンユニット２０２およびマイクロホンユニット２０３は、例えば音圧に対する感度が高い無指向性のマイクロホン素子であり、離間して（換言すると異なる位置に）配される。ここで、マイクロホンユニット２０１は、収音した音波を電気信号に変換した時間領域信号である音響信号ｍ１（ｎ）を出力する。同様に、マイクロホンユニット２０２は、収音した音波を電気信号に変換した時間領域の信号である音響信号ｍ２（ｎ）を出力し、マイクロホンユニット２０３は、収音した音波を電気信号に変換した時間領域の信号である音響信号ｍ３（ｎ）を出力する。

図２は、実施の形態１におけるマイクロホンアレイ２００と探査対象の音源Ｓがある音源方向との位置関係を示す説明図である。図３は、図２に示す位置関係においてマイクロホンアレイ２００が観測する観測信号の空間スペクトル図である。図２には、マイクロホンユニット２０１、マイクロホンユニット２０２およびマイクロホンユニット２０３がθ=０度の軸に一列に配列されたアレイ配列からなるマイクロホンアレイ２００の構成が示されている。また、図２には、マイクロホンアレイ２００に対して、θ＝θｓの方向に探査対象の音源Ｓが存在しており、妨害音となる音源が存在しない場合が示されている。この場合、音源探査装置１の探査結果である空間スペクトルは、図３に示すようになる。すなわち、探査結果である図３に示す空間スペクトルにおいて最も高い強度を示す角度がθｓとなる。

［周波数分析部３００］
周波数分析部３００は、２以上のマイクロホンユニットそれぞれにおいて観測された音響信号を周波数領域の信号に変換して、周波数スペクトル信号として出力する。より具体的には、周波数分析部３００は、マイクロホンアレイ２００から入力された音響信号を周波数分析を行い、周波数領域の信号である周波数スペクトル信号を出力する。なお、周波数分析には、高速フーリエ変換（Fast Fourier Transform:FFT）または離散フーリエ変換（Discrete Fourier Transform:DFT）など時間信号を周波数成分毎の振幅情報と位相情報に変換するものを用いればよい。

本実施の形態では、周波数分析部３００は、高速フーリエ変換を行うＦＦＴ３０１、ＦＦＴ３０２およびＦＦＴ３０３で構成されている。ＦＦＴ３０１は、マイクロホンユニット２０１から出力された音響信号ｍ１（ｎ）を入力として、高速フーリエ変換を用いて時間領域から周波数領域への変換を行って周波数スペクトル信号Ｓｍ１（ω）を出力する。ＦＦＴ３０２は、マイクロホンユニット２０２から出力された音響信号ｍ２（ｎ）を入力として、高速フーリエ変換を用いて時間領域から周波数領域への変換を行って周波数スペクトル信号Ｓｍ２（ω）を出力する。ＦＦＴ３０３は、マイクロホンユニット２０３から出力された音響信号ｍ３（ｎ）を入力として、高速フーリエ変換を用いて時間領域から周波数領域への変換を行って周波数スペクトル信号Ｓｍ３（ω）を出力する。

［音源探査装置１］
図４は、図１に示す音源探査装置１の詳細構成の一例を示す図である。

音源探査装置１は、探査対象の音源の方向を探査する。本実施の形態では、音源探査装置１は、図１および図４に示すように、相関行列算出部１０と、記憶部２０と、選択部３０と、学習部４０と、空間スペクトル算出部１００と、出力部１１０とを備える。なお、音源探査装置１は、マイクロホンアレイ２００を構成するマイクロホンユニットの数が２であれば選択部３０を備えなくてもよい。また、音源探査装置１は、マイクロホンアレイ２００および周波数分析部３００を備えるとしてもよい。以下、各構成要素について説明する。

＜相関行列算出部１０＞
相関行列算出部１０は、マイクロホンアレイ２００により収音された音響信号である観測信号の相関行列である第１相関行列を算出する。

本実施の形態では、相関行列算出部１０は、周波数分析部３００が出力した周波数スペクトルから、第１相関行列である観測相関行列Ｒｘ（ω）を算出する。より具体的には、相関行列算出部１０は、下記の（式１）および（式２）を用いて、ＦＦＴ３０１からの周波数スペクトル信号Ｓｍ１（ω）と、ＦＦＴ３０２からの周波数スペクトル信号Ｓｍ２（ω）と、ＦＦＴ３０３からの周波数スペクトル信号Ｓｍ３（ω）とを入力として、観測相関行列Ｒｘ（ω）を算出する。

ここで、観測相関行列Ｒｘ（ω）を構成する各要素Ｘ_ｉｊ（ω）は、各マイクロホンユニットに到来する複数の音波であって実環境に存在する複数の音源からの複数の音波に対する位相差情報が蓄えられたものである。例えば、（式１）に示される要素Ｘ_１２（ω）は、マイクロホンユニット２０１およびマイクロホンユニット２０２に到来する音波に対する位相差情報を示している。また、例えば（式１）に示される要素Ｘ_１３（ω）は、マイクロホンユニット２０１およびマイクロホンユニット２０３に到来する音波に対する位相差情報を示している。（式２）に示される（・）^＊は複素共役を示している。

なお、本実施の形態ではマイクロホンユニット２０１〜２０３として示される各マイクロホンユニットの音圧感度特性がほぼ等しく均一である場合、観測相関行列Ｒｘ（ω）の各要素Ｘ_ｉｊ（ω）を、（式３）により示すことができる。（式３）に示される観測相関行列Ｒｘ（ω）の各要素Ｘ_ｉｊ（ω）は、（式２）における分母の正規化項が省略されたものに該当する。

＜記憶部２０＞
記憶部２０は、マイクロホンアレイ２００のアレイ配列から算出された方向別の相関行列である複数の第２相関行列を予め記憶する。

本実施の形態では、記憶部２０は、メモリ等で構成され、第２相関行列である、探査方向θ毎の参照相関行列Ｒｒ（θ，ω）を予め記憶している。図４に示す例では、記憶部２０は、例えば方向数Ｎ＝１８０個の０≦θ≦１８０の範囲における参照相関行列Ｒｒ（θ_１，ω）〜Ｒｒ（θ_Ｎ，ω）を予め記憶している。

参照相関行列Ｒｒ（θ，ω）は、方向θ毎の音波に対するマイクロホンユニット間の位相差を表すので、音源の方向θと、マイクロホンアレイ２００のマイクロホンユニット配列であるアレイ配列とが決まれば理論的に算出することができる。以下、図２に示すマイクロホンアレイ２００のアレイ配列を例に挙げて、参照相関行列Ｒｒ（θ，ω）の算出する方法について説明する。

図２には、上述したように、マイクロホンアレイ２００を構成するマイクロホンユニット２０１〜２０３が直線状に配列されたアレイ配列の例が示されている。また、図２には、方向θｓに音源Ｓが存在するといった位置関係も示されている。

マイクロホンユニット２０１〜２０３への音源Ｓからの音波の到来時刻は、中央のマイクロホンユニット２０２を基準にすると、マイクロホンユニット２０１では時間τ早く、マイクロホンユニット２０３では時間τ遅くなる。時間τは、以下の（式４）を用いて算出できる。（式４）において、Ｌはマイクロホンユニット間距離、ｃは音速を示す。

そして、方向θの音源からの音波に対するマイクロホンユニット２０１〜２０３の位相差関係を示す方向ベクトルは、中央にあるマイクロホンユニット２０２の位置を基準とすると、（式５）を用いて表せる。

したがって、音源が方向θにあるときの換言すると方向θに対する、参照相関行列Ｒｒ（θ，ω）は、（式２）、（式３）および（式５）の関係から、（式６）に示されるように定義できる。（式６）において、（・）^Ｈは、複素共役転置を示す。

このようにして、方向θ_１〜θ_Ｎ（例えばＮ=１８０）に対する参照相関行列Ｒｒ（θ_１，ω）〜Ｒｒ（θ_Ｎ，ω）を算出できる。

＜選択部３０＞
選択部３０は、第１相関行列を構成する要素のうちの一つである第１要素と、複数の第２相関行列それぞれを構成する要素のうち、第１要素と対応する位置にある要素である第２要素を選択し、かつ、選択する第１要素および第２要素を逐次に切り替える。ここで、選択部３０は、第１相関行列および第２相関行列を構成する対角成分を除く要素のうち、対角成分により区切られる２組の複数の要素の一方の組の複数の要素のうちからのみ、第１要素および第２要素を選択すればよい。

本実施の形態では、選択部３０は、相関行列算出部１０からの観測相関行列Ｒｘ（ω）と記憶部２０からの参照相関行列Ｒｒ（θ，ω）とを入力として、観測相関行列Ｒｘ（ω）および複数の参照相関行列Ｒｒ（θ，ω）における対応する相関行列の要素を選択して出力する。選択部３０は、例えば図４に示すように、行列要素選択部３１と、行列要素選択部３２−１〜行列要素選択部３２−Ｎとを備える。なお、図４には、方向θ_１に対する参照相関行列Ｒｒ（θ_１，ω）が入力される行列要素選択部３２−１と、方向θ_Ｎに対する参照相関行列Ｒｒ（θ_Ｎ，ω）が入力される行列要素選択部３２−Ｎとの２つが設けられている場合の例が示されているが、これに限られない。方向数Ｎ＝１８０の場合は、方向θ_１〜θ_Ｎに対する参照相関行列Ｒｒ（θ_１，ω）〜Ｒｒ（θ_Ｎ，ω）が入力されるＮ個の行列要素選択部３２−１〜行列要素選択部３２−Ｎが設けられる。

以下、選択部３０の選択方法の一例について図５を用いて具体的に説明する。

図５は、実施の形態１における選択部３０の選択方法の説明図である。

図５に示すように、行列要素選択部３１は、相関行列算出部１０から入力された観測相関行列Ｒｘ（ω）を構成する要素（行列要素とも称する）のうちの一つを選択して、位相差信号ｘ（ω）として出力する。行列要素選択部３２−ｍ（ｍは１以上Ｎ以下の自然数）は、記憶部２０から入力された参照相関行列Ｒｒ（θ_ｍ，ω）を構成する要素のうち行列要素選択部３１が選択した要素と同じ行と列の要素を選択して、位相差信号ｒ（θ_ｍ，ω）として出力する。

なお、通常は相関行列の対角要素は１となり信号処理上意味を持たない。また、相関行列において行番号と列番号とが入れ替わったｘ_ｉｊとｘ_ｊｉとは、位相回転が逆の関係で情報としては同一である。これらを考慮して、選択部３０は、参照相関行列Ｒｒ（θ，ω）および観測相関行列Ｒｘ（ω）の相関行列を構成する対角成分を除く要素のうち、対角成分により区切られる２組の複数の要素の一方の組の複数の要素から要素を選択して出力すればよい。つまり、選択部３０は、参照相関行列Ｒｒ（θ，ω）および観測相関行列Ｒｘ（ω）の相関行列の対角成分を除いた上三角行列または下三角行列の要素を選択して出力すればよい。これにより、音源探査装置１は演算量を削減できる。

さらに、選択部３０は、演算量の削減などの観点から、上三角行列または下三角行列の要素を選択する数を間引いてもよい。

＜学習部４０＞
学習部４０は、記憶部２０に予め記憶されている複数の第２相関行列それぞれに重みを乗算した線形和が第１相関行列と等しくなるように、当該重みを学習によって算出する。ここで、学習部４０は、ＬＭＳアルゴリズム、またはＩＣＡ（Independent Component Analysis）を用いることにより、当該線形和および第１相関行列の差である誤差と、第２相関行列とから、重みを算出する。より具体的には、学習部４０は、選択部３０により選択された第２要素に第１重みを乗算した第１要素線形和が、選択部３０により選択された第１要素と等しくなるように、第１重みを学習によって算出した第２重みに更新する。続いて、学習部４０は、更新した第２重みを、次に選択部３０により選択された第２要素に乗算した第２要素線形和が、次に選択部３０により選択された第１要素と等しくなるように、第２重みを学習によって算出した第３重みに更新する。学習部４０は、これらの更新を逐次に繰り返すことにより、当該重みを学習により算出する。

本実施の形態では、学習部４０は、図１および図４に示すように、保持部５０と、線形和算出部６０と、誤差算出部７０と、非線形関数部８０と、重み更新部９０とを備える。なお、非線形関数部８０は必須の構成ではなく、学習部４０は非線形関数部８０を備えなくてもよい。

≪保持部５０≫
保持部５０は、重み更新部９０により更新される重みを保持する。保持部５０は、参照相関行列Ｒｒ（θ，ω）毎に対して乗算する重みを保持している。換言すると、当該重みは、参照相関行列Ｒｒ（θ_１，ω）〜Ｒｒ（θ_Ｎ，ω）それぞれの相関行列を構成する各要素に対して共通である。

また、重みはθおよびωを変数とする関数であるが、ωは定数として扱うことで一次元の係数として扱うことができる。以下、重みを重み係数ａ（θ，ω）と称して説明する。

本実施の形態では、重み係数ａ（θ，ω）は、方向θ毎の参照相関行列Ｒｒ（θ，ω）に乗算される係数である。図４には、一例として、例えば１８０個の０≦θ≦１８０の範囲における参照相関行列Ｒｒ（θ，ω）に対応する方向θ_１〜θ_Ｎ（Ｎ＝１８０）の重み係数ａ（θ_１，ω）〜ａ（θ_Ｎ，ω）が示されている。

保持部５０は、重み更新部９０により更新される重み係数ａ（θ，ω）を保持する。つまり、重み係数ａ（θ，ω）は、重み更新部９０で算出された重み更新量に基づいて、値が更新される学習係数である。また、保持部５０は、保持する重み係数ａ（θ，ω）を空間スペクトル算出部１００へ出力する。

≪線形和算出部６０≫
線形和算出部６０は、複数の第２相関行列それぞれに、保持部５０が保持する重みを乗算した線形和を算出する。

本実施の形態では、線形和算出部６０は、図４に示すように、信号乗算部６１−１〜信号乗算部６１−Ｎと、信号加算部６２とを備える。

信号乗算部６１−１は、行列要素選択部３２−１で選択された参照相関行列Ｒｒ（θ_１，ω）の要素ｒ（θ_１，ω）に、方向θ_１の重み係数ａ（θ_１，ω）乗算して、信号加算部６２に出力する。同様にして、信号乗算部６１−Ｎは、行列要素選択部３２−Ｎで選択された参照相関行列Ｒｒ（θ_Ｎ，ω）の要素ｒ（θ_Ｎ，ω）に、方向θ_Ｎの重み係数ａ（θ_Ｎ，ω）乗算して、信号加算部６２に出力する。このように、信号乗算部６１−１〜信号乗算部６１−Ｎはそれぞれ、方向θ_１〜θ_Ｎ毎において参照相関行列Ｒｒ（θ，ω）に重み係数ａ（θ，ω）を乗算した信号を信号加算部６２に出力する。

信号加算部６２は、信号乗算部６１−１〜信号乗算部６１−Ｎから出力された信号を加算した推定位相差信号ｘｒ（ω）を、誤差算出部７０に出力する。より具体的には、信号加算部６２は、（式７）を用いて、信号乗算部６１−１〜信号乗算部６１−Ｎから出力された信号の線形和を、推定位相差信号ｘｒ（ω）として算出する。

≪誤差算出部７０≫
誤差算出部７０は、線形和算出部６０により算出された線形和と第１相関行列との差である誤差を算出する。本実施の形態では、誤差算出部７０は、図４に示すように、信号減算部７１を備える。

信号減算部７１は、行列要素選択部３１からの位相差信号ｘ（ω）から、信号加算部６２からの推定位相差信号ｘｒ（ω）を減算することで誤差信号ｅ（ω）を算出する。より具体的には、信号減算部７１は、（式８）を用いて、誤差信号ｅ（ω）を算出する。

≪非線形関数部８０≫
非線形関数部８０は、所定の非線形関数を用いて、誤差に非線形性を加える。より具体的には、非線形関数部８０は、信号減算部７１から入力された誤差信号ｅ（ω）を、非線形入出力特性を持つ関数である非線形関数により非線形性を加えた信号に変換する。非線形関数は、例えばハイパブリックタンジェントであるが、これに限られない。信号振幅に制限を与えることができる非線形入出力特性を有する非線形関数であれば、どのような関数であってもよい。外乱により位相差を狂わされて誤差信号ｅ（ω）が一時的に大きくなったとしても、後述する重み更新部９０において学習される重み更新量への影響を抑制することができるからである。

図６は、実施の形態１における非線形関数部８０の構成の一例を示す図である。非線形関数部８０は、図６に示すように、実部抽出部８０１と、虚部抽出部８０２と、非線形性追加部８０３と、非線形性追加部８０４と、虚数単位乗算部８０５と、信号加算部８０６とを備える。

実部抽出部８０１は、入力された誤差信号ｅ（ω）の実数部を抽出して、非線形性追加部８０３に出力する。虚部抽出部８０２は、入力された誤差信号ｅ（ω）の虚数部を抽出して、非線形性追加部８０４に出力する。

非線形性追加部８０３は、実部抽出部８０１から入力された誤差信号ｅ（ω）の実数部の信号振幅に非線形関数により非線形性を加えて、信号加算部８０６に出力する。非線形性追加部８０４は、虚部抽出部８０２から入力された誤差信号ｅ（ω）の虚数部の信号振幅に非線形関数により非線形性を加えて、虚数単位乗算部８０５に出力する。

虚数単位乗算部８０５は、非線形性追加部８０４から入力された信号を虚数に戻すため、虚数単位ｊを乗算して、信号加算部８０６に出力する。信号加算部８０６は、実部信号である非線形性追加部８０３から入力された信号と、虚部信号である虚数単位乗算部８０５から入力された信号とを加算した非線形性が加えられた複素信号ｆ（ｅ（ω））、重み更新部９０に出力する。

非線形性が加えられた複素信号ｆ（ｅ（ω））の一例を、（式９）に示す。（式９）は、非線形関数にハイパブリックタンジェントtanh(・)を用いた場合の例である。real（・）は実数部、imag（・）は虚数部を表し、ｊは虚数単位である。

≪重み更新部９０≫
重み更新部９０は、ＬＭＳ(Least Mean Square)アルゴリズム、またはＩＣＡ（Independent Component Analysis）を用いることにより、誤差および第２相関行列から重み更新量を算出し、保持部５０が保持する重みに当該重み更新量を加えて保持部５０が保持する重みとする。また、音源探査装置１が非線形関数部８０を備える場合には、重み更新部９０は、非線形関数部８０により非線形性が加えられた誤差、および、第２相関行列から重み更新量を算出し、保持部５０が保持する重みに当該重み更新量を加えて保持部５０が保持する重みとする。

本実施の形態では、重み更新部９０は、非線形関数部８０から入力された複素信号ｆ（ｅ（ω））と、選択部３０から入力されたＮ個の位相差信号ｒ（θ_１，ω）〜ｒ（θ_Ｎ，ω）とが入力される。そして、重み更新部９０は、Ｎ個の位相差信号ｒ（θ_１，ω）〜ｒ（θ_Ｎ，ω）に乗算される重み係数ａ（θ_１，ω）〜ａ（θ_Ｎ，ω）に対する重み更新量Δａ（θ_１，ω）〜Δａ（θ_Ｎ，ω）を算出する。

例えば、音源探査装置１が非線形関数部８０を備えない場合には、重み更新部９０は、（式１０）を用いて、重み更新量Δａ（θ_１，ω）〜Δａ（θ_Ｎ，ω）を算出する。一方、音源探査装置１が非線形関数部８０を備える場合には、重み更新部９０は、（式１１）を用いて、重み更新量Δａ（θ_１，ω）〜Δａ（θ_Ｎ，ω）を算出する。

なお、（式１０）および（式１１）は、ＬＭＳアルゴリズムを用いて重み更新量を算出する場合が示されている。βは更新速度を制御するパラメータである。また、相関行列では、要素ｒ_ｉｊ（ω）とｒ_ｊｉ（ω）とにおいて位相反転の関係がある。そのため、（式１０）および（式１１）では、複素共役の関係から虚部がキャンセルされるためreal(・)の部分を設けている。

そして、重み更新部９０は、下記の（式１２）に示すように、算出した重み更新量を用いて、保持部５０に保持される重み係数ａ（θ_ｋ，ω）を更新する。

≪空間スペクトル算出部１００≫
空間スペクトル算出部１００は、学習部４０により算出された重みを用いて、方向別の音圧強度を示す空間スペクトルであって観測信号の空間スペクトルを算出する。

本実施の形態では、空間スペクトル算出部１００は、保持部５０が保持する、重み更新部９０により学習により更新された重み係数ａ（θ_１，ω）〜ａ（θ_Ｎ，ω）を入力として、空間スペクトルｐ（θ）を算出して、出力部１１０に出力する。

より具体的には、空間スペクトル算出部１００は、下記の（式１３）に示すように、保持部５０が保持する重み係数ａ（θ，ω）を周波数ωについて和または平均を計算することで空間スペクトルｐ（θ）を得ることができる。原理は後述するが、重み係数ａ（θ，ω）は、方向θおよび周波数ω毎の音波の強度を示す関数として扱えるからである。

［音源探査装置１の動作］
以上のように構成される音源探査装置１が行う音源探査処理について説明する。

図７は、実施の形態１における音源探査装置１の音源探査処理を示すフローチャートである。

まず、音源探査装置１は、観測信号の相関行列算出処理を行う（Ｓ１０）。より具体的には、音源探査装置１は、互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイ２００により収音された音響信号である観測信号の相関行列である観測相関行列Ｒｘ（ω）を算出する。

次に、音源探査装置１は、参照相関行列それぞれに乗算する重みの学習処理を行う（Ｓ２０）。より具体的には、音源探査装置１は、記憶部２０に予め記憶されている複数の参照相関行列Ｒｒ（θ，ω）であって、マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の参照相関行列Ｒｒ（θ，ω）それぞれに重み係数ａ（θ，ω）を乗算した線形和が観測相関行列Ｒｘ（ω）と等しくなるように、重みを学習によって算出する。

次に、音源探査装置１は、観測信号の空間スペクトル算出処理を行う（Ｓ３０）。より具体的には、音源探査装置１は、ステップＳ２０において算出された重みを用いて、方向別の音圧強度を示す空間スペクトルｐ（θ）であって観測信号の空間スペクトルｐ（θ）を算出する。

図８は、図７に示す音源探査処理の詳細を示すフローチャートである。図７と同様の要素には同一の符号を付している。

より詳細には、まず、ステップＳ１０において、マイクロホンアレイ２００は、時刻ｔの音響信号を取得する（Ｓ１０１）。次いで、周波数分析部３００は、ステップＳ１０１で取得した音響信号の周波数分析を行い（Ｓ１０２）、周波数領域の信号である周波数スペクトル信号に変換する。そして、音源探査装置１は、ステップＳ１０２において変換された周波数スペクトル信号から、時刻ｔにおける観測信号の相関行列である観測相関行列Ｒｘ（ω）を算出する（Ｓ１０３）。

次に、ステップＳ２０において、まず、重みの学習処理を行う回数として所定回数Ｎｔを音源探査装置１に設定する（Ｓ２０１）。次いで、音源探査装置１は、観測相関行列Ｒｘ（ω）および参照相関行列Ｒｒ（θ，ω）の対応する行列要素を選択し、位相差信号ｘ（ω）および位相差信号ｒ（θ，ω）を出力する（Ｓ２０２）。次いで、音源探査装置１は、位相差信号ｘ（ω）と、位相差信号ｒ（θ，ω）と、重み係数ａ（θ，ω）とから、誤差信号ｅ（ω）を算出する（Ｓ２０３）。次いで、音源探査装置１は、誤差信号ｅ（ω）に非線形性を加えた複素信号ｆ（ｅ（ω））を算出する（Ｓ２０４）。次いで、音源探査装置１は、ステップＳ２０４で算出した複素信号ｆ（ｅ（ω））と、ステップＳ２０３で算出した位相差信号ｒ（θ，ω）とから、重み係数ａ（θ，ω）の重み更新量Δａ（θ，ω）を算出し、重み係数ａ（θ，ω）を更新する（Ｓ２０５）。そして、音源探査装置１は、ステップＳ２０２で選択した観測相関行列Ｒｘ（ω）および参照相関行列Ｒｒ（θ，ω）の行列要素が一巡したか判断する（Ｓ２０６）。一巡した場合には（Ｓ２０６でＹＥＳ）、重み係数ａ（θ，ω）の学習処理を行う回数が所定回数Ｎｔに達したかを判断する（Ｓ２０７）。所定回数Ｎｔに達した場合には（Ｓ２０７でＹＥＳ）、音源探査装置１は、次のステップＳ３０に処理に進む。なお、ステップＳ２０６またはステップＳ２０７において、一巡していない場合（Ｓ２０６でＮＯ）または所定回数Ｎｔに達していない場合（Ｓ２０７でＮＯ）、ステップＳ２０２に戻り処理を繰り返す。

次に、ステップＳ３０において、音源探査装置１は、ステップＳ２０での学習により更新された重み係数ａ（θ，ω）から、観測信号の空間スペクトルｐ（θ）を算出する（Ｓ３０１）。

次に、音源探査装置１は、ステップＳ４０において、例えば時刻ｔ＋Δｔに時刻ｔを更新して、ステップＳ５０において、音源探査処理を終了するかを判定する。なお、音源探査処理を終了しない場合には（Ｓ５０でＮＯ）、ステップＳ１０に戻り、時刻ｔ＋Δｔにおける観測信号の相関行列である観測相関行列Ｒｘ（ω）を算出する。

このように、音源探査装置１は、複数の参照相関行列Ｒｒ（θ，ω）それぞれに重み係数ａ（θ，ω）を乗算した線形和が、観測相関行列Ｒｘ（ω）と等しくなるように、行列要素すべてについての重み係数ａ（θ，ω）を学習するまで、対応する行列要素ごとの学習を繰り返す。さらに、音源探査装置１は、学習の繰り返しを所定回数Ｎｔ行ってもよい。

例えば、３行３列の参照相関行列Ｒｒ（θ，ω）および観測相関行列Ｒｘ（ω）であり、所定回数Ｎｔが３回であるとすると、上三角行列または下三角行列の３つ要素について３回学習処理することになるので、合計９回学習処理を行うことになる。

このように、複数の参照相関行列Ｒｒ（θ，ω）それぞれに重み係数ａ（θ，ω）を乗算した線形和が、観測相関行列Ｒｘ（ω）とより等しくなる重み係数ａ（θ，ω）を学習することができる。

［動作の原理］
次に、複数の参照相関行列Ｒｒ（θ，ω）それぞれに重み係数ａ（θ，ω）を乗算した線形和が、観測相関行列Ｒｘ（ω）と等しくなる重み係数ａ（θ，ω）を学習によって算出できる原理について説明する。また、得られた重み係数ａ（θ，ω）を用いて空間スペクトルｐ（θ）を算出できる原理についても説明する。

マイクロホンアレイ２００からの信号を基に観測される観測相関行列Ｒｘ（ω）、すなわち相関行列算出部１０の出力である観測相関行列Ｒｘ（ω）は、下記の（式１４）に示すように、方向θに存在する空間の音源に対する相関行列Ｒｓ（θ，ω）と強度ｕ（θ，ω）との線形和で近似できることが知られている。Ｒｓ（θ，ω）は音波の到来方向によるマイクロホンユニット間の位相差情報であり、方向情報を示す。強度ｕ（θ，ω）は音波の強さを示す。そして、方向θ毎の音波に対する強度ｕ（θ，ω）を求めることで空間スペクトルｐ（θ）を導出することができる。

（式１４）において、観測相関行列Ｒｘ（ω）は、観測可能な相関行列であり既知数である。一方で強度ｕ（θ，ω）および相関行列Ｒｓ（θ，ω）は未知数である。ここで、相関行列Ｒｓ（θ，ω）は、方向θ別の相関行列であり、その行列要素は音波到来方向が方向θであるときのマイクロホンユニット間の位相差である。このことに着目すると、相関行列Ｒｓ（θ，ω）は、既知情報であるマイクロホンアレイにおけるマイクロホンユニット配列と方向θと音速ｃとを使って、理論値に置き換えることができる。なお、上述した（式４）、（式５）および（式６）は、相関行列Ｒｓ（θ，ω）を、既知情報を用いて予め計算したすなわち理論値である参照相関行列Ｒｒ（θ，ω）に置き換えたものである。

また、音源探査装置１において空間スペクトルとして求める未知数を重み係数ａ（θ，ω）、すなわち重み係数ａ（θ，ω）が（式１４）の強度ｕ（θ，ω）に等しいとすることで、（式１４）は（式１５）に書き換えることができる。

したがって、（式１５）を算出することは、観測相関行列Ｒｘ（ω）が観測値であり、参照相関行列Ｒｒ（θ，ω）が既知の理論値であることから、重み係数ａ（θ，ω）を求める問題となる。なお、このような問題は、セミブラインド同定の問題とも称される。

ここで、通常の音響信号の同定と異なる点は、観測相関行列Ｒｘ（ω）と参照相関行列Ｒｒ（θ，ω）とが行列であり、重み係数ａ（θ，ω）が１次元の係数である点と、観測信号と参照信号とに相当する信号が位相差を表す回転子であり、常に振幅１の複素数である点である。

観測相関行列Ｒｘ（ω）と参照相関行列Ｒｒ（θ，ω）とが行列であり、重み係数ａ（θ，ω）が１次元の係数である点から、重み係数ａ（θ，ω）は、観測相関行列Ｒｘ（ω）と参照相関行列Ｒｒ（θ，ω）との、対応する各行列要素に対して共通に成り立つ値を求めることになるのがわかる。つまり、行列の要素で（式１５）を書き直した（式１６）を満たす重み係数ａ（θ，ω）を求めることとなる。（式１６）において、ｘ_ｉｊ（ω）は、観測相関行列Ｒｘ（ω）の行列要素を示す。ｒ_ｉｊ（θ，ω）は参照相関行列Ｒｒ（θ，ω）の行列要素を示す。

本実施の形態では、（式１６）を（式１７）と書きなおし、推定誤差である誤差信号ｅ（ω）を最小化するＬＭＳまたはＩＣＡ（Independent Component Analysis）などの学習方式を用いることでａ（θ，ω）を求める。なお、学習方式はこれらに限らない。

より具体的には、（式１７）において、ｘ_ｉｊ（ω）およびｒ_ｉｊ（θ，ω）の行列要素に対して共通に成り立つ重み係数ａ（θ，ω）を算出するため、選択部３０によって、行列要素を順次選択して重み係数の学習を行う。そして、信号乗算部６１−１,・・・,６１−Ｎは（式１７）の右辺第２項の乗算、信号加算部６２は（式１７）の右辺のΣ、信号減算部７１は、（式１７）の右辺の減算に対応する。

また、観測信号と参照信号とに相当する信号が位相差を表す回転子であり、常に振幅１の複素数である点から、誤差信号ｅ（ω）に非線形性を与えて、方向間相互影響を抑制するよう独立成分分析（ＩＣＡ）の効果を加える。

本実施の形態では、図６に示すように実部と虚部に分解した上で、上述した（式９）のような非線形関数を適用する。このようにすることで音波到来方向としての方向θの違いを独立な成分として学習することができるので、異なる方向の影響を受けにくい収束動作を得ることができる。

以上のような考えで、重み係数の更新を、（式１１）および（式１２）を用いて行う。そして、学習後の重み係数ａ（θ,ω）を用いて、（式１３）を用いることにより、音源探査装置１の出力である空間スペクトルｐ（θ）を算出することができる。

［効果］
以上のように、本実施の形態の音源探査装置１によれば、マイクロホンアレイ２００の複数素子であるマイクロホンユニットで観測した音響信号の観測相関行列Ｒｘ（ω）を基に空間スペクトルｐ（θ）を求めることができる。より具体的には、マイクロホンアレイ２００のアレイ配列から理論値として計算できる方向別の参照相関行列Ｒｒ（θ，ω）を予め用意し、各々の方向を示す参照相関行列Ｒｒ（θ，ω）に各々重み係数ａ（θ，ω）を乗算した線形和が、観測相関行列Ｒｘ（ω）と等しくなるように重み係数ａ（θ，ω）を学習によって算出する。そして、得られた重み係数ａ（θ，ω）を用いて空間スペクトルｐ（θ）を算出する。これにより、演算量の大きい相関行列と方向ベクトルから空間スペクトルを導出する計算を行わずに、妨害音となる音源および探査対象の音源の方向に対応する強度を重み係数ａ（θ，ω）として逐次的に推定することができるので、周波数分析フレーム単位のミリ秒〜秒オーダといった間隔でマイクロホンユニットにおいて観測した音響信号の観測相関行列Ｒｘ（ω）を基に空間スペクトルｐ（θ）を求めることができる。つまり、本実施の形態によれば、音の変化に対する追従性に優れた音源探査装置１を実現できるのがわかる。

また、本実施の形態の音源探査装置１によれば、方向間の影響を互いにキャンセルしながら方向別の強度を算出できる。例えば、θ_１〜θ_ｍの角度範囲を検知すべき探査範囲の方向、θ_ｍ＋１〜θ_Ｎの角度範囲を妨害音があり非探査範囲の方向であるとする。そして、（式１５）を、検知すべき探査範囲を左辺、妨害音が存在する非探査範囲を右辺にくるように、（式１８）のように変形する。

すると、（式１８）の左辺は、音源探査結果として得られる空間スペクトルに対応する相関行列に該当するのがわかる。（式１８）の右辺の第１項は観測される全方向の音波が混在した観測相関行列に該当し、（式１８）の右辺の第２項は妨害音成分を示す相関行列に該当するのがわかる。また、（式１８）の右辺の減算により、妨害音成分の相関行列が観測相関行列Ｒｘ（ω）から減算されて、キャンセル効果が得られることがわかる。このことは、各方向θの成分毎に互いに干渉をキャンセルする動作となるため耐騒音性能が高まるのがわかる。また、全ての方向に対する重み係数ａ（θ，ω）に関して同時に解を求めるため、音の変化に対する追従性にも優れるのがわかる。

したがって、本実施の形態の音源探査装置１は、探査範囲の重み係数ａ（θ，ω）から空間スペクトルｐ（θ）を算出することで、耐騒音性能と音の変化に対する追従性とに優れた音源探査を実現することができる。

以上のように、本実施の形態の音源探査装置１によれば、探査対象範囲にある探査対象の音源の方向をより確実に探査することができる。さらに、本実施の形態の音源探査装置１は、重み係数ａ（θ，ω）を用いて空間スペクトルｐ（θ）を算出することにより、耐騒音性および音の変化に対して優れた追従性を発揮することができる。

ここで、図９および図１０を用いて、本実施の形態における音源探査装置１の効果について説明する。

図９は、比較例における空間スペクトル図である。図９では、探査対象の音源Ｓと、音源Ｓの近傍に音源Ｓの妨害音となる音源Ｎ１および音源Ｎ２が存在している場合において、特許文献１の技術を用いて空間スペクトルを算出したときの図が比較例として示されている。

図９に示す空間スペクトルにおいて、妨害音である音源Ｎ１の強度は、音源Ｎ１が存在する方向のみでなく音源Ｎ１の方向から（角度が）離れるに従って減衰するように現れる。妨害音である音源Ｎ２の強度も音源Ｎ１と同様の振る舞いで現れる。そのため、図９に示すように、音源Ｎ１と音源Ｎ２との音圧レベルが探査対象の音源Ｓの音圧レベルよりも高い場合、音源Ｓの強度のピークは、妨害音である２つの音源Ｎ１と音源Ｎ２の強度のピークに埋もれる状態となる。そのため、比較例では探査対象の音源Ｓの存在すなわち音源Ｓの強度のピークを検知できないので、音源Ｓの方向を探査できない。

一方、図１０は、実施の形態１における空間スペクトル図である。図１０においても、探査対象の音源Ｓと、音源Ｓの近傍に音源Ｓの妨害音となる音源Ｎ１および音源Ｎ２が存在している場合に、本実施の形態の音源探査装置１が空間スペクトルを算出したときの図が示されている。音源探査装置１は、重み係数ａ（θ，ω）を用いて空間スペクトルｐ（θ）を算出するので、各方向θの成分毎に互いに干渉をキャンセルすることができる。そのため、図１０に示すように、音源Ｎ１と音源Ｎ２との音圧レベルが探査対象の音源Ｓの音圧レベルよりも高くて低くても関係なく、音源Ｓの強度のピーク、妨害音である２つの音源Ｎ１と音源Ｎ２の強度のピークとが独立して現れる状態となる。つまり、妨害音である音源Ｎ１、音源Ｎ２および探査対象の音源Ｓの強度のピークを同時に独立して探査することができる。

したがって、本実施の形態の音源探査装置１によれば、探査対象範囲にある探査対象の音源の方向をより確実に探査することができるのがわかる。

なお、相関行列算出部１０が算出する観測相関行列Ｒｘ（ω）および記憶部２０に記憶される探査方向θ毎の参照相関行列Ｒｒ（θ，ω）は、演算に使用する相関行列の上三角行列の要素または任意に選んだ要素をベクトルの形にして実現しても良い。その場合、選択部３０は、ベクトルの要素を順次選択して出力すればよい。

また、本実施の形態では、方向θ毎の参照相関行列Ｒｒ（θ，ω）と重み係数ａ（θ，ω）とにおいて、方向数Ｎが１８０個であるとして説明したが、これに限らない。音源探査装置１の用途、マイクロホンアレイの規模または演算規模に応じて方向数Ｎは、多くても少なくてもよく、特に制限を持たない。また、設定する角度間隔は均一でもよいし、偏りを持っていてもよい。

また、本実施の形態では、周波数ω毎の観測相関行列Ｒｘ（ω）と参照相関行列Ｒｒ（θ，ω）と重み係数ａ（θ，ω）とにおいて、周波数ωの範囲を特に制限しなかったが、探査対象の音源に含まれる周波数成分に応じて、周波数ωの範囲に制限を設けてもよい。

（実施の形態２）
実施の形態１では、学習した重み係数ａ（θ，ω）を用いて空間スペクトルｐ（θ）を算出する場合について説明したがこれに限らない。学習した重み係数ａ（θ，ω）を用いて、指定した方向から到来する音響信号波形を算出してもよい。以下、この場合を実施の形態２として説明する。

図１１は、実施の形態２における音源探査システム１０００Ａの構成の一例を示す図である。音源探査システム１０００Ａは、音源探査装置を利用したマイクロホン装置に相当する。図１および図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図１１に示す音源探査システム１０００Ａは、実施の形態１に係る音源探査システム１０００に対して、音響信号スペクトル算出部１００Ａ、出力部１１０ＡおよびＩＦＦＴ１２０の構成が異なる。

［音響信号スペクトル算出部１００Ａ］
音響信号スペクトル算出部１００Ａは、保持部５０に保持される重み係数ａ（θ，ω）と、マイクロホンユニット２０１からの音響信号ｍ１（ｎ）に対する周波数スペクトル信号Ｓｍ１（ω）と、信号取得のために指定する方向である方向θ_０とを入力として、出力の音響信号スペクトルＹ（ω）を算出する。

より具体的には、音響信号スペクトル算出部１００Ａは、（式１９）を用いて、音響信号スペクトルＹ（ω）を算出する。

なお、音源探査の角度分解能の観点から、マイクロホンアレイ２００のサイズまたはマイクロホンユニット数によっては、指定する方向θ_０の隣接する角度の重み係数を（式２０）のように加算して用いても良い。

（式１９）および（式２０）における重み係数ａ（θ，ω）は、上記動作の原理において述べたように方向θ毎の音波に対する強度を表すことから、全方向のスペクトルに対するθ方向のスペクトルの強度比率を表す。そのため、全方向の周波数スペクトルＳｍ１（ω）に乗算することで、指定する方向θ_０から到来する音波に対する音響信号スペクトルＹ（ω）を算出することができる。

［ＩＦＦＴ１２０］
ＩＦＦＴ（Inverse Fast Fourier Transform）１２０は、音響信号スペクトル算出部１００Ａにより算出された音響信号スペクトルＹ（ω）を、高速逆フーリエ変換した音響信号波形ｙ（ｎ）を算出し、出力部１１０Ａに出力する。

［効果］
以上のように、本実施の形態の音源探査システム１０００Ａによれば、耐騒音性に優れた音源探査装置において学習により算出した重み係数ａ（θ，ω）を使って、指定した特定の方向のみの音響信号波形ｙ（ｎ）を出力することができる。これにより、特定の方向のみの音を抽出するマイクロホン装置の機能を実現することができる。

以上、本開示の一つまたは複数の態様に係る音源探査装置等について、実施の形態および変形例に基づいて説明したが、本開示は、これら実施の形態等に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の一つまたは複数の態様の範囲内に含まれてもよい。例えば、以下のような場合も本開示に含まれる。

（１）上記の音源探査装置等は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムでもよい。前記ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、各構成要素は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の音源探査装置等を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Large Scale Integration：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の音源探査装置等を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

本開示は、複数のマイクロホンユニットを用いた音源探査装置に利用でき、特に、音源探査装置から比較的遠い位置にあるラジコンヘリまたはドローンなどマイクロホンユニットに到達する音が周囲の音と比較して小さい音源の方向をより確実に探査可能な音源探査装置に利用可能である。

１ 音源探査装置
１０ 相関行列算出部
２０ 記憶部
３０ 選択部
３１、３２−１、３２−ｍ、３２−Ｎ 行列要素選択部
４０ 学習部
５０ 保持部
６０ 線形和算出部
６１−１、６１−Ｎ 信号乗算部
６２、８０６ 信号加算部
７０ 誤差算出部
７１ 信号減算部
８０ 非線形関数部
９０ 重み更新部
１００ 空間スペクトル算出部
１００Ａ 音響信号スペクトル算出部
１１０、１１０Ａ 出力部
１２０ ＩＦＦＴ
２００ マイクロホンアレイ
２０１、２０２、２０３ マイクロホンユニット
３００ 周波数分析部
３０１、３０２、３０３ ＦＦＴ
８０１ 実部抽出部
８０２ 虚部抽出部
８０３、８０４ 非線形性追加部
８０５ 虚数単位乗算部
１０００、１０００Ａ 音源探査システム

Claims (9)

1. 探査対象の音源の方向を探査する音源探査装置であって、
   互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出部と、
   記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習部と、
   前記学習部により算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出部とを備える、
   音源探査装置。
2. 前記音源探査装置は、さらに、
   前記第１相関行列を構成する要素のうちの一つである第１要素と、前記複数の第２相関行列それぞれを構成する要素のうち、前記第１要素と対応する位置にある要素である第２要素を選択し、かつ、選択する前記第１要素および前記第２要素を逐次に切り替える選択部を備え、
   前記学習部は、前記第２要素に第１重みを乗算した第１要素線形和が前記第１要素と等しくなるように、前記第１重みを前記学習によって算出した第２重みに更新し、更新した前記第２重みを、次に前記選択部により選択された前記第２要素に乗算した第２要素線形和が、次に前記選択部により選択された前記第１要素と等しくなるように、前記第２重みを前記学習によって算出した第３重みに更新することを前記逐次に繰り返すことにより、前記重みを前記学習により算出する、
   請求項１に記載の音源探査装置。
3. 前記選択部は、前記第１相関行列および前記第２相関行列を構成する対角成分を除く要素のうち、前記対角成分により区切られる２組の複数の要素の一方の組の複数の要素のうちからのみ、前記第１要素および前記第２要素を選択する、
   請求項２に記載の音源探査装置。
4. 前記学習部は、
   ＬＭＳ(Least Mean Square)アルゴリズム、またはＩＣＡ（Independent Component Analysis）を用いることにより、前記線形和および前記第１相関行列の差である誤差と前記第２相関行列とから、前記重みを算出する、
   請求項１〜３のいずれか１項に記載の音源探査装置。
5. 前記学習部は、
   重みを保持する保持部と、
   前記複数の第２相関行列それぞれに、前記保持部が保持する重みを乗算した線形和を算出する線形和算出部と、
   前記線形和および前記第１相関行列の差である誤差を算出する誤差算出部と、
   前記誤差と前記第２相関行列の積から重み更新量を算出し、前記保持部が保持する重みに前記重み更新量を加えることで前記保持部が保持する重みとする重み更新部とを備える、
   請求項１〜３のいずれか１項に記載の音源探査装置。
6. 前記重み更新部は、
   ＬＭＳアルゴリズムまたはＩＣＡを用いることにより、前記誤差および前記第２相関行列から重み更新量を算出する、
   請求項５に記載の音源探査装置。
7. 前記学習部は、さらに、
   所定の非線形関数を用いて、前記誤差に非線形性を加える非線形関数部を備え、
   前記重み更新部は、前記非線形関数部により非線形性が加えられた前記誤差、および、前記第２相関行列から重み更新量を算出し、前記保持部が保持する重みに前記重み更新量を加えることで前記保持部が保持する重みとする、
   請求項５または６に記載の音源探査装置。
8. 探査対象の音源の方向を探査する音源探査方法であって、
   互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出ステップと、
   記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習ステップと、
   前記学習ステップにおいて算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出ステップとを含む、
   音源探査方法。
9. 探査対象の音源の方向を探査する音源探査方法をコンピュータに実行させるためのプログラムであって、
   互いに離間して配置された２以上のマイクロホンユニットから構成されるマイクロホンアレイにより収音された音響信号である観測信号の相関行列である第１相関行列を算出する相関行列算出ステップと、
   記憶部に予め記憶されている複数の第２相関行列であって、前記マイクロホンアレイのアレイ配列から算出された方向別の相関行列である複数の第２相関行列それぞれに重みを乗算した線形和が前記第１相関行列と等しくなるように、前記重みを学習によって算出する学習ステップと、
   前記学習ステップにおいて算出された前記重みを用いて、方向別の音圧強度を示す空間スペクトルであって前記観測信号の空間スペクトルを算出する空間スペクトル算出ステップとをコンピュータに実行させる、
   プログラム。

Images