JP3584287B2 - 音響評価方法およびそのシステム - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、音響評価方法、および音響評価システムに関するものであり、特に、自己相関関数ＡＣＦや相互相関関数ＩＡＣＦに基づき、音響を評価する方法およびシステムに関するものである。
また、本発明は、航空機騒音や自動車騒音などの地域環境騒音の計測・心理評の方法及び装置に関するものである。特にバイノーラル方式による騒音の計測・心理評価の方法及び装置に関するものである。
【０００２】
【従来の技術】
従来、航空機騒音や自動車騒音などの地域環境騒音は、モノオーラル方式による騒音計を用いて測定した音圧レベルやその周波数特性に関して議論されてきた。しかし、上述したモノオーラル方式により測定された物理的ファクターのみでは人間の主観的応答を表わすには不十分かつ不適切であることがわかってきた。また、コンサートホール音響学では、バイノーラル方式により、ホールの物理的なデータと心理的（主観的）な関連性が明らかとなってきているが、騒音の分野においてはモノオーラル方式でしかもスペクトル情報に関するものが殆どである。
【０００３】
また、従来、音楽業界における調律や音色の評価方法では、音響のスペクトル分析をまず行ない、その後、ケプストラム分析をする手法が一般に行なわれていた。
【０００４】
【発明が解決しようとする課題】
長年の間、環境騒音は、音圧レベル（ＳＰＬ；Ｓｏｕｎｄ Ｐｒｅｓｓｕｒｅ Ｌｅｖｅｌ）の統計値を用いて評価されてきた。このＳＰＬは、Ｌ_ｘまたはＬ_ｅｑで表わされ、これのパワースペクトルは、モノオーラル騒音計で測定する。しかしながら、このＳＰＬ及びパワースペクトルだけでは環境騒音の主観的な評価には適さない。
また、従来の調律や音色の評価方法では、人間の心理的反応を適格に表わすことは困難であった。
【０００５】
即ち、本発明の目的は、人間の聴覚−大脳機能システムにもとづき、時間領域において時々刻々変化する自己相関関数及び両耳間の相互相関関数から導出される物理ファクターを用いて、騒音源の種類を特定する方法、装置及び媒体を提供することである。
また本発明の他の目的は、人間の聴覚−大脳機能システムにもとづき、時間領域において時々刻々変化する自己相関関数及び両耳間の相互相関関数から導出される物理ファクターを用いて、より的確に音色、音階、ラウドネス、ピッチ、音色、心理的時間感覚をはじめ、主観的拡がり感、騒音場の見かけの音源の幅などの心理評価を行う方法、装置及び媒体を提供することである。
【０００６】
【課題を解決するための手段】
上述した目的を達成するために、本発明による音響評価方法は、
音響信号を採取する音声採取ステップと、
この採取された音響信号から演算手段を用いて自己相関関数ＡＣＦを計算するＡＣＦ演算ステップと、
この算出されたＡＣＦから前記演算手段を用いてＡＣＦファクターを求めるＡＣＦファクター演算ステップと、
音色とＡＣＦファクターとを関連付けた音色データ、音律とＡＣＦファクターとを関連付けた音律データ、音響の心理評価値とＡＣＦファクターと関連付けた心理評価データ、のうちの少なくとも１つが格納された所定のデータベースと、この求めたＡＣＦファクターと、に基づき前記演算手段を用いて、音響を評価する評価ステップと、
を含むことを特徴とする。
本構成によれば、前記の所定のデータベース（例えば、良い音であると評価された様々な楽器の有する各データ（例えば、音色、音律、音質、主観的拡がり感の尺度値、ＡＳＷの尺度値、心理的評価値など）と、その音から抽出されたＡＣＦファクターやＩＡＣＦファクターとを関連付けたデータが格納されたデータベース）を参照してこのデータベースから読み出されたデータと、対象とする音響信号から抽出されたＡＣＦファクターとを比較してその相違、或いはその差の数値や差異の程度を提示することによって、音響評価を客観的にできるようになる。本方法を楽器作成、音色や音質の調整、音階の調律などに利用すれば、良い音色であると評価された心理評価値を有する楽器の作製や、楽器の調律などを、より客観的により的確にすることができるようになる。即ち、本発明によれば、従来、楽器職人などの勘に頼って作成されていた楽器を、客観的なデータに基づき作製することが可能になる。
【０００７】
また、本発明による音響評価方法は、
前記ＡＣＦファクター演算ステップが、
前記計算されたＡＣＦから、ＡＣＦファクターである、遅れ時間が０で表わされるエネルギーΦ（０）、有効継続遅延時間τ_ｅ、ＡＣＦの最大ピークまでの遅延時間τ_１、正規化したＡＣＦの最大ピークの振幅φ_１、その遅れ時間（τ_１）内にある各ピーク値の情報（τ’_ｎ，φ’_ｎ，ｎ＝１，２，３，．．，Ｎ（Ｎは約１０よりも小さい整数））のうちの少なくとも１つを計算する演算ステップを含む、ことを特徴とする。
本構成によれば、上述した様々なＡＣＦファクターに基づき、より良い音色などの心理評価値を有する楽器の作成や、楽器の調律などを、より客観的により的確にすることができるようになる。
【０００８】
また、本発明による音響評価方法は、
前記ＡＣＦファクターのτ_１に基づき、ピッチの周波数を求めるピッチ周波数演算ステップと、
この求めたピッチ周波数と、所定の音階データベースのデータとを比較してその相違を示す調律ステップと、
を含むことを特徴とする。
本構成によれば、音響信号から求められたτ_１の逆数がピッチとなる周波数に相関することを利用することによって、対象となる楽器の音響信号の音階を、的確に調律することができるようになる。なお、この所定の音階データベースは、前記の所定のデータベースを代用することも可能である。
【０００９】
また、本発明による音響評価方法は、
音響信号をバイノーラル方式で採取するステップと、
この採取された音響信号から演算手段を用いて左右の各チャンネル間の相互相関関数ＩＡＣＦを計算するＩＡＣＦ演算ステップと、
前記演算手段を用いて、この計算されたＩＡＣＦからＩＡＣＦファクターを計算するＩＡＣＦファクター演算ステップと、
この求めたＩＡＣＦファクターおよび／または前記ＡＣＦファクターと、前記所定のデータベースと、に基づき前記演算手段を用いて、音響の評価や、音響の心理評価を行なう評価ステップと、
を含むことを特徴とする。
本構成によれば、ＩＡＣＦに基づいて抽出された、例えば広がり感などの立体的な心理評価値と、所定のデータベースとを比較して、その相違など提示することによって、音響の評価や心理評価などを客観的かつ的確にできるようになる。
【００１０】
また、本発明による音響評価方法はシステムの形態でも実現できる。
例えば、本発明による音響評価システムは、
音響信号を採取する音声採取手段と、
この採取された音響信号から演算手段を用いて自己相関関数ＡＣＦを計算するＡＣＦ演算手段と、
この算出されたＡＣＦから前記演算手段を用いてＡＣＦファクターを求めるＡＣＦファクター演算手段と、
音色とＡＣＦファクターとを関連付けた音色データ、音律とＡＣＦファクターとを関連付けた音律データ、音響の何らかの心理評価値とＡＣＦファクターと関連付けた心理評価データ、のうちの少なくとも１つが格納された所定のデータベースと、この求めたＡＣＦファクターと、に基づき前記演算手段を用いて、音響を評価する評価手段と、
を含むことを特徴とする。
【００１１】
また、本発明による音響評価システムは、
前記ＡＣＦファクター演算手段が、
前記計算されたＡＣＦから、ＡＣＦファクターである、遅れ時間が０で表わされるエネルギーΦ（０）、有効継続遅延時間τ_ｅ、ＡＣＦの最大ピークまでの遅延時間τ_１、正規化したＡＣＦの最大ピークの振幅φ_１、τ_１内にある各ピーク値の情報（τ’_ｎ，φ’_ｎ，ｎ＝１，２，３，．．，Ｎ（Ｎは約１０よりも小さい整数））のうちの少なくとも１つを計算する演算手段を含む、
ことを特徴とする。
【００１２】
また、本発明による音響評価システムは、
前記ＡＣＦファクターのτ_１に基づき、ピッチの周波数を求めるピッチ周波数演算手段と、
この求めたピッチ周波数と、所定の音階データベースのデータとを比較してその相違を示す調律手段と、
を含むことを特徴とする。
【００１３】
また、本発明による音響評価システムは、
バイノーラル方式で左右のチャンネルの音響信号を採取する手段と、
この採取された音響信号から演算手段を用いて左右の各チャンネル間の相互相関関数ＩＡＣＦを計算するＩＡＣＦ演算手段と、
前記演算手段を用いて、この計算されたＩＡＣＦからＩＡＣＦファクターを計算するＩＡＣＦファクター演算手段と、
この求めたＩＡＣＦファクターおよび／または前記ＡＣＦファクターと、前記所定のデータベースと、に基づき前記演算手段を用いて、音響の心理評価を行なう評価手段と、
を含むことを特徴とする。
【００１４】
さらに、本発明による騒音源の種類を特定する方法は、
音声採取手段を用いて環境騒音の音響信号を採取・記録する音響信号記録ステップと、この記録された音響信号からフーリエ変換を用いて演算手段により自己相関関数（ＡＣＦ）を算出するＡＣＦ演算ステップと、この算出されたＡＣＦから演算手段により各ＡＣＦファクターを求めるＡＣＦファクター演算ステップと、この求めた各ＡＣＦファクターを用いて演算手段により騒音源の種類を判定する判定ステップと、を含むことを特徴とする。
【００１５】
また、好適には、上述した騒音源の種類を特定する方法において、前記ＡＣＦファクター演算ステップが、前記計算されたＡＣＦからＡＣＦファクターである遅れ時間が０で表わされるエネルギー（Φ（０））、有効継続遅延時間（τ_ｅ）、ＡＣＦの第１ピークまでの遅延時間（τ_１）、正規化したＡＣＦの第１ピークの振幅（φ_１）を計算する演算ステップを含み、前記騒音源の種類を判定する判定ステップが、これらの計算されたＡＣＦファクターである遅れ時間が０で表わされるエネルギー（Φ（０））、有効継続遅延時間（τ_ｅ）、ＡＣＦの第１ピークまでの遅延時間（τ_１）、正規化したＡＣＦの最大ピークの振幅（φ_１）からその対数と（場合によってはτ’_ｎ、φ’_ｎを加えることもできる）、予め作成してある騒音源の各ＡＣＦファクター毎の対応するテンプレートの対数との差の絶対値である距離をそれぞれ求めるステップと、予めＡＣＦファクターの各々の算術平均の標準偏差であるＳ_２を、ＡＣＦファクターの全カテゴリーに対する標準偏差の算術平均であるＳ_１で除算し、この除算したものの平方根である重み係数を各ＡＣＦファクター毎に求めるステップと、求めたそれぞれの距離に、予め求めておいた対応する各ＡＣＦファクターの重み係数を乗算し、合計の距離を求める合計距離演算ステップと、この求めた合計距離と、格納されているテンプレートの距離とを比較し、最も近いテンプレートの１つを選択する比較・選択ステップと、を含むことを、特徴とする騒音源の種類を特定する方法を提供する。
【００１６】
本発明の他の目的を達成するためには、音声採取手段を用いて環境騒音の音響信号をバイノーラル方式で記録する音響信号記録ステップと、このバイノーラル方式で記録された音響信号から演算手段を用いて自己相関関数（ＡＣＦ）及び左右の各チャンネル間の相互相関関数（ＩＡＣＦ）を計算するＡＣＦ及びＩＡＣＦ演算ステップと、この計算されたＡＣＦから前記演算手段を用いて各ＡＣＦファクターを計算し、及び／またはこの計算されたＩＡＣＦから各ＩＡＣＦファクターを計算するＡＣＦ・ＩＡＣＦファクター演算ステップと、この計算されたＡＣＦ及び／またはＩＡＣＦファクターの各々に基づき演算手段を用いて心理評価を行う心理評価ステップと、を含むことを特徴とする騒音源について心理評価を行う方法を提供する。
本発明の実施手段を主として方法の形態で説明してきたが、本発明はこれらの方法に対応する装置、システム、プログラム、記憶媒体の形態でも実現できることを留意されたい。
【００１７】
【発明の実施の形態】
ラウドネス、ピッチ、音色などの基本的な知覚データと同様に、嗜好や拡散性などの多くの主観的なデータの記述は、人間の聴覚−大脳システムの音場に対する応答モデルに基づいている。この応答モデルは予測されてきたが、それは経験的に得られた結果と一致することが知られている。例えば最近、周波数帯域幅を制限したノイズのラウドネスは、ＳＰＬによって影響をうけるのと同様に、自己相関関数（ＡＣＦ）における有効継続時間（τ_ｅ）によって影響を受けることが知られている。また、複合音の基本周波数が約１２００Ｈｚよりも低い場合、ピッチ及びその強さは、それぞれＡＣＦの第１ピークまでの遅延時間（τ_１）、正規化したＡＣＦの第１ピークの振幅（φ_１）によって影響を受ける。特に、ある時間内におおいて求められたτ_ｅの最小値（τ_ｅ）_ｍｉｎで得られるＡＣＦファクターは、騒音源及び騒音場の主観的評価の差異を良く表わすものである。
【００１８】
このモデルは、２つのそれぞれの経路における音響信号同士の自己相関と、これらの音響信号の間における相互相関とから構成され、人間の大脳半球の処理特性も考慮するものである。即ち、両耳に入ってくる音響信号を用いて、自己相関関数（ＡＣＦ）及び相互相関関数（ＩＡＣＦ）を計算する。直交ファクターである遅れ時間が０で表わされるエネルギー（Φ（０））、有効継続遅延時間（τ_ｅ）、ＡＣＦの第１ピークまでの遅延時間（τ_１）、正規化したＡＣＦの第１ピークの振幅（φ_１）はＡＣＦから導出される。また、ＩＡＣＦファクターである聴取音圧レベル（ＬＬ）、最大振幅（ＩＡＣＣ）、最大振幅までの遅延時間（τ_ＩＡＣＣ）、最大振幅における幅（Ｗ_ＩＡＣＣ）は、ＩＡＣＦから導出される。
【００１９】
以下、添付する図面を参照しつつ本発明を詳細に説明する。
図１は、本発明による装置の具体的な構成を示す装置概略図である。図１に示すように本発明による装置の具体例は、聴者の頭部の模型１に装着された騒音源からの音響信号を採取するバイノーラル方式の音声採取手段２（マイクロフォン）を、ＬＰＦ３（ローパスフィルタ）、Ａ／Ｄコンバータ４、コンピュータ５から構成される。この頭部としては、人体の頭部が最も望ましいがそれでは不便であるため、人体の頭部を模したダミーヘッドを用いることもできる。しかし、このダミーヘッドは高価であり、ダミーヘッド以外の頭部の模型１（発砲スチロールなどの材料を用いた球体（直径を２０ｃｍ）としたもの）でも本発明で測定するＡＣＦ、ＩＡＣＦでは、有意差がないため、発砲スチロール製の頭部の模型を用いた。このコンピュータ５は、採取された音響信号を格納する音響信号記憶手段６と、この格納された音響信号（左右２チャンネル）を読み出し、これらの音響信号に基づきＡＣＦを計算するＡＣＦ演算手段７、とこれらの音響信号に基づきにＩＡＣＦを計算するＩＡＣＦ演算手段８、この計算されたＡＣＦに基づきＡＣＦファクターを計算するＡＣＦファクター演算手段９、この計算されたＩＡＣＦに基づきＩＡＣＦファクターを計算するＩＡＣＦファクター演算手段１０、この計算されたＡＣＦファクターに基づき騒音源の種類を特定する騒音源の種類を特定する手段１１、この計算されたＡＣＦファクター及び／またはＩＡＣＦファクターに基づき心理評価を行う手段１２、騒音源の種類の特定及び心理評価に用いるデータに関するデータベース１３を具える。
【００２０】
聴者の頭部の模型１の両端に取り付けた左右２チャンネルのコンデンサマイクロフォン（マイクアンプ付き）を、ローパスフィルタを介して可搬型パーソナルコンピュータ５のサウンド入出力端子（Ａ／Ｄ変換部４）と接続する。このマイクロフォン（音響信号採取手段２）から周りの騒音の取り込みを行う。コンピュータ上のプログラムの管理下、計測、各物理ファクタの算出、騒音源の種類の特定、心理評価、などを行う。また、騒音源の種類の特定及び心理評価に用いるデータに関するデータベースを構築する。
【００２１】
図２は、本発明による騒音源の種類の特定、心理評価を行う方法のフローチャートである。図２に示すように、ステップＳ１では、騒音源からの音響信号を音源採取手段２により採取する。この採取された音響信号はＬＰＦ３を介してＡ／Ｄコンバータ４によりデジタル信号に変換する。ステップＳ２では、ステップＳ１で採取された音響信号を音響信号記憶手段に格納する。ステップＳ３では、ステップＳ２で格納された音響信号を読み出す。ステップＳ４では、ステップＳ３で読み出された音響信号に基づきＡＣＦ及びＩＡＣＦをＡＣＦ演算手段７及びＩＡＣＦ演算手段８により計算する。ステップＳ５では、ステップＳ４で計算されたＡＣＦ及びＩＡＣＦに基づきＡＣＦファクター演算手段９及びＩＡＣＦ演算手段１０によりＡＣＦファクター及びＩＡＣＦファクターを計算する。ステップＳ６では、ステップＳ５で計算されたＡＣＦファクター及びＩＡＣＦファクターに基づき、騒音源種類特定手段１１、心理評価手段１２により騒音源の種類の特定、心理評価を行う。その特定、評価の際には、テンプレートを格納するデータベース１３からデータを読み出し比較・検討を行う。
【００２２】
まず初めに、ピーク検知プロセスにより、採取した音響信号から複数の測定セッションを抽出する。連続的な騒音から自動的に環境騒音や目的の騒音を抽出するために、左右それぞれの耳の入り口部位におけるエネルギーであるモノオーラルのエネルギーΦ_ｌｌ（０）、Φ_ｒｒ（０）を連続的に分析する。図３は、ピーク検知処理手順を説明する図であって、縦軸にノイズレベル、横軸に時間をとったグラフであって、その下段に積分間隔を示す図である。騒音が航空機騒音や列車騒音などの連続騒音の場合、Φ（０）の計算のための間隔を、かなり長く（例えば１秒など）設定することができるが、騒音が短時間や断続的である場合は、より短い間隔を用いる必要がある。しかしながら、後述する式（１）で連続計算する場合、積分間隔よりも長い間隔を選ぶ必要がある。従って、この間隔は、騒音源の種類に応じて決定する必要がある。
【００２３】
これによって、長い時間の間隔で普通の騒音計を用いてΦ（０）を決定するより、より正確にΦ（０）を決定することができる。ピークを検出するためには、前もってトリガーレベルＬ_ｔｒｉｇを適切に設定しておく必要がある。適当なＬ_ｔｒｉｇ値は、目標とする騒音の種類、目標とする騒音と観察者との距離、大気の条件などに応じて変化するものである。従って、この値を予備測定によって決定する必要がある。目的騒音と観察者との距離が近くて、かつ、観察者の近くに干渉する騒音源がない場合、Ｌ_ｔｒｉｇ値を決定することは容易である。
【００２４】
最大値Φ（０）を中心とする騒音を、システムを用いて単一のセッションで記録する。各々の目的とする騒音に対する１つのセッションの継続時間すなわちｔ_ｓは、Ｌ_ｔｒｉｇ値を超えた後にΦ（０）のピークを含むように選択する。航空機騒音や列車騒音などの普通の環境騒音の場合は、ｔ_ｓ値は約１０秒である。これは、継続時間が長い定常状態の騒音と短い継続時間の断続的な騒音とでは異なる。このシステムは、干渉する騒音がある場合には使えないことに留意されたい。図３に示すように、一連のセッション（Ｓ_１（ｔ），Ｓ_２（ｔ），Ｓ_３（ｔ），…Ｓ_Ｎ（ｔ）、Ｎ：セッションの数、０＜ｔ＜ｔ_ｓ）をシステム上に自動的に格納する。
【００２５】
図３に示すように、継続時間ｔ_ｓでの各セッションＳ_Ｎ（ｔ）に対するランニングＡＣＦ及びランニングＩＡＣＦを分析する。ここでは、「ランニング」のプロセスを説明するために単一のセッションのみを考えることとする。計算の前に、適切な積分間隔２Ｔ及び連続ステップｔ_ｓｔｅｐの値を決定する。前述したように、推奨される積分間隔は約３０×（τ_ｅ）_ｍｉｎ［ｍｓ］であり、この（τ_ｅ）_ｍｉｎは一連の値τ_ｅの最小値であり、予備測定で容易に発見し得るものである。これは、違う種類の環境騒音のデータを用いて見つけるものである。大抵の場合、隣接する積分間隔をお互いに重ね合わせる。
【００２６】
ＡＣＦとＩＡＣＦを、２Ｔの範囲での１セッションごとの各ステップ（ｎ＝１，２，…，Ｍ）につき計算する。各ステップは、｛（０，２Ｔ），（ｔ_ｓｔｅｐ，ｔ_ｓｔｅｐ＋２Ｔ），（２ｔ_ｓｔｅｐ，２ｔ_ｓｔｅｐ＋２Ｔ），…，（（Ｍ−１）ｔ_ｓｔｅｐ，（Ｍ−１）ｔ_ｓｔｅｐ＋２Ｔ）｝のようにｔ_ｓｔｅｐずつシフトする。物理ファクターは、ＡＣＦ及びＩＡＣＦの各ステップから導出する。２Ｔは予測されるτ_ｅの値よりも十分長くする必要がある。また、これは、各ステップに対する知覚の「聴覚の時間窓」に大きく関連する。環境騒音に対する２Ｔとしては、概ね０．１〜０．５秒が適している。２Ｔがこの範囲よりも小さい場合、（τ_ｅ）_ｍｉｎがある値に収束する。一般的に、ｔ_ｓｔｅｐは０．１秒が好適である。変動が細かい場合は、より短いｔ_ｓｔｅｐを選択する。よく知られているように、バイノーラル信号をＦＦＴ（高速フーリエ変換）と、その後逆ＦＦＴの処理を行うことにより、ＡＣＦ及びＩＡＣＦを得ることができる。Ａ特性フィルター及び、マイクロフォンの周波数特性は、ＦＦＴ処理の後で考慮する。
【００２７】
左右の耳の部位におけるＡＣＦを、それぞれ、Φ_ｌｌ（τ）、Φ_ｒｒ（τ）で表わす。特定の数字の場合は、Φ_ｌｌ ^（ｉ）、Φ_ｒｒ ^（ｉ）で表わす（１＜ｉ＜Ｔｆ、 ｆ：サンプリング周波数（Ｈｚ）、ｉ：整数）。左右のΦ（０）を計算するためには、Φ_ｌｌ ^（ｉ）とΦ_ｒｒ ^（ｉ）を下記のように平均する。
【数１】

ＳＰＬの正確な値は、次式で得られる。
【数２】

【００２８】
バイノーラルの聴取音圧レベルは、Φ_ｌｌ（０）及びΦ_ｒｒ（０）の相乗平均である。
【数３】

このΦ（０）は、ＩＡＣＦを正規化する際の分母となるものであるため、ＩＡＣＦファクターの一方のもの、或いは右半球の空間ファクターに分類されるものと考える。正規化したＡＣＦの振幅が０．１（１０％の遅延）になる時の遅延時間によって、有効継続時間τ_ｅを定義する。正規化した左右の耳におけるＡＣＦ、φ_{ｌｌ，ｒｒ}（τ）は、次式で得られる。
【数４】

【００２９】
図４は、縦軸にＡＣＦの対数の絶対値、横軸に遅延時間をとったグラフである。
図４に示すように初期のＡＣＦが線形に減少するのが一般的に観察できるため、縦軸をデシベル（対数）に変換するとτ_ｅを容易に得ることができる。線形回帰の場合は、ある一定の短い時間Δτにおいて得られるＡＣＦのピークに対して最小平均自乗法（ＬＭＳ）を使用する。このΔτは、ＡＣＦのピークを検知するために使用され、計算前に慎重に決定しておく必要がある。τ_ｅを計算する際、原点が回帰線上にない場合、ＡＣＦの原点（ＡＣＦ＝０、τ＝０）を、考慮に入れなくても良い場合も多い。極端な例では、目的とする騒音が純音とホワイトノイズとを含む場合、原点において急激な減衰が観察される。その後の減衰は、純音成分のため一定に保たれる。この場合、ＡＣＦ関数の解は求まらない。
【００３０】
図５は、縦軸に正規化したＡＣＦ、横軸に遅延時間をとったグラフである。
図５に示すように、τ_１は正規化したＡＣＦの第１のピークまでの遅延時間、φ_１はその第１ピークでの振幅である。第１ピークは、局所的な小さなピークは無視して、主要なピークに基づき決定する。ファクターτ_ｎとφ_ｎ（Ｎ≧２）とは考慮に入れない。なぜなら、τ_ｎとφ_ｎは、一般的にτ_１とφ_１とに相関関係があるからである。
【００３１】
図６は、縦軸に正規化したＩＡＣＦ、横軸に左右の信号の遅延時間をとったグラフである。左右の耳の音響信号の間のＩＡＣＦは、φ_ｌｒ（τ）（−１＜τ＜＋１［ｍｓ］）で表わされる。デジタル形式では、Φ_ｌｒ ^（ｉ）（−ｆ／１０^３≦ｉ≦ｆ／１０^３、ｉは整数であり、これが負の場合は左のチャンネルに遅れがあるＩＡＣＦであることを示す）。両耳の間の最大遅延としては−１から＋１ｍｓを考慮すれば十分である。最大振幅ＩＡＣＣは主観的拡散に関連するファクターである。図６に示すように、正規化されたＩＡＣＦΦ_ｌｒ ^（ｉ）の最大振幅は遅延範囲内で得られる。即ち
【数５】

正規化されたＩＡＣＦは次式で得られる。
【数６】

【００３２】
τ_ＩＡＣＣの値は、最大振幅の遅延時間において容易に求まる。例えば、τ_ＩＡＣＣが正の場合、音源は聴者の右側に位置する、或いは音源が右側にあるかのように知覚する。図６に示すように、最大振幅における幅Ｗ_ＩＡＣＣを、最大値から０．１（ＩＡＣＣ）下の部分のピーク幅で得ることができる。この係数０．１はＩＡＣＣ＝１．０におけるＪＮＤとして概算的に用いられるものである。聴取音圧レベルＬＬは、式（２）でＳＰＬをＬＬと置き換えることによって得られる。このようにして、各物理ファクターを、ＡＣＦ及びＩＡＣＦから求めることができる。
【００３３】
次に、ＡＣＦファクターに基づき騒音源の種類の特定する方法について説明する。
騒音源の種類は、４つのＡＣＦファクター遅れ時間が０で表わされるエネルギー（Φ（０））、有効継続遅延時間（τ_ｅ）、ＡＣＦの第１（最大）ピークまでの遅延時間（τ_１）、正規化したＡＣＦの第１（最大）ピークの振幅（φ_１）を用いて特定する。Φ（０）は騒音源と聴者との距離に応じて変化するため、距離が不明の場合は、計算の条件には特別に注意を払う必要がある。たとえファクターΦ（０）が有効でない場合であっても、その他の３つのファクターを用いて騒音源の種類を特定することができる。空間情報が変化する場合、残りのＩＡＣＦファクターを考慮に入れることもできる。音響信号の最も大きく変動する部分である最小τ_ｅ：（τ_ｅ）_ｍｉｎを用いる理由の１つは、この部分が主観的な応答に最も深く関与するものであるということである。
【００３４】
未知の対象データ（下記の式（７）￣（１０）では記号ａで示す）用の（τ_ｅ）_ｍｉｎにおける各ファクターの値とデータベースに格納されたテンプレート用（記号ｂで示す）の値との差、即ち「距離」を計算する。ここで「対象」とは、システムによって特定されるオブジェクトとしての環境騒音のことを意味する。テンプレート値は、ある特定の環境騒音に対する典型的なＡＣＦファクターのセットであり、これらの複数のテンプレートを未知の騒音と比較する。
距離Ｄ（ｘ）（ｘ：Φ（０）、τ_ｅ、τ_１、φ_１）を次式により計算する。
【数７】

【数８】

【数９】

【数１０】

【００３５】
目的とする騒音源の合計距離Ｄは、次式で表わされる。
【数１１】

Ｗ^（ｘ）（ｘ；Φ（０）、（τ_ｅ）_ｍｉｎ、τ_１、φ_１）は、重み係数である。この算出された距離Ｄに最も近いＤを有するテンプレートを、求める騒音源であると判断する。これにより、未知の騒音源が、何であるのか、例えば鉄道、自動車、航空機、工場騒音であるのか、更にその車種、機種などを特定することが可能となる。
【００３６】
図７は重み係数の計算方法を説明するブロック図である。式（１１）の重み係数Ｗ^（ｘ）（ｘ；Φ（０）、τ_ｅ、τ_１、φ_１）は、統計値Ｓ_１ ^（ｉ）とＳ_２ ^（ｉ）とを用いて得ることができる。図７に示すように、Ｓ_１ ^（ｉ）は、ＡＣＦファクターの全カテゴリーに対する標準偏差（ＳＤ）の算術平均である。ここでカテゴリーとは、同じ種類の騒音に対するデータのセットを意味する。Ｓ_２ ^（ｉ）は、各カテゴリの算術平均の標準偏差である。Ｗ^（ｘ）は、ファクター｛（Ｓ_２／Ｓ_１）^１／２｝_ｍａｘの中の最大値で正規化した後、（Ｓ_２／Ｓ_１）^１／２で得られる。この平方根の処理は経験的に得られたものである。騒音源の間におけるより大きなＳＤと、ある騒音の間におけるより小さなＳＤとのファクターとは他の種類の騒音とは区別できるため、このようなファクターの重みはその他のファクターのものよりも大きくなる。テンプレートを改善する学習機能がある場合、システム上においてテンプレートは、システム内でＡＣＦの各ファクターについての最新の値と、元の値との平均によって上書きすることもできる。
【００３７】
図８は、聴覚−大脳機能システムのモデルを説明するブロック図である。聴覚−大脳機能システムのモデルは、自己相関（ＡＣＦ）メカニズム、両耳間相互相関（ＩＡＣＦ）メカニズム、左右大脳の機能分化を含んでいる。信号のパワースペクトルに含まれる情報は、音響信号のＡＣＦにも含まれていることは注目すべきことである。また騒音場の空間的感覚を示すため、ＩＡＣＦより抽出される空間的ファクターを考慮する。音色は音の基本的感覚と空間的感覚を含む総合的な感覚として定義される
【００３８】
聴覚−大脳機能モデル（図８）を使って、自由空間内に存在する聴者の正面にある与えられた音響信号ｐ（ｔ）の基本的な感覚を考える。ここで長時間ＡＣＦを次式で得ることができる。
【数１２】

ｐ’（ｔ）＝ｐ（ｔ）＊ｓ（ｔ）で、ｓ（ｔ）は耳の感度である。便宜上ｓ（ｔ）はＡ特性のインパルス応答が用いられる。パワースペクトルも次式のようにＡＣＦから得ることができる。
【数１３】

【数１４】

このように、ＡＣＦとパワースペクトルは数学的には同じ情報を含んでいる。
【００３９】
ＡＣＦの解析において３つの重要な事項として、遅れ時間が０で表わされるエネルギーΦ_ｐ（０）と、正規化したＡＣＦのエンベロープから抽出される有効継続時間τ_ｅと、ピークやディップやその遅れ時間とを含む微細構造とがある。図４に示すように、この有効継続時間τ_ｅは、１０パーセント遅れ時間として定義でき、騒音響信号それ自身に含まれる繰り返し成分、または残響成分として表わされる。前述したように正規化したＡＣＦはΦ_ｐ（τ）＝Φ_ｐ（τ）／Φ_ｐ（０）で得ることができる。
【００４０】
ラウドネスＳ_Ｌは次式で表わされる。
【数１５】

即ち、ＡＣＦファクターである、遅れ時間が０で表わされるエネルギー（Φ（０））、有効継続遅延時間（τ_ｅ）、ＡＣＦの第１（最大）ピークまでの遅延時間（τ_１）、正規化したＡＣＦの第１（最大）ピークの振幅（φ_１）からラウドネスを求めることができる。
ここでτ_１は騒音のピッチまたは後述するミッシングファンダメンタル現象に関係するものである。また、ｐ’（ｔ）が音圧レベルＬ（ｔ）を与えるための圧力２０μＰａを基準として測定されるなら、等価騒音レベルＬ_ｅｑは次式で求めることができる。
【数１６】

このＬ_ｅｑは１０ｌｏｇΦ_ｐ（０）に相当するものである。また、サンプリング周波数は、最大可聴周波数域の２倍以上としなければならないので、通常の騒音計で測定されたＬ_ｅｑよりも極めて精度良く測定できる。
【００４１】
図９は、縦軸にラウドネス尺度値、横軸にバンド幅をとったグラフである。このグラフは、Φ_ｐ（０）を一定とした条件下での一対比較テスト（１０８０ｄＢ／ｏｃｔａｖｅのスロープを持つフィルタを使用）で得られた臨界帯域内のラウドネス尺度値を示したものである。明らかに純音のような騒音が同じ繰り返し成分を持つとき、τ_ｅは大きな値となり、ラウドネスが大きくなる。このように、ラウドネス対バンド幅の関係は、臨界帯域内でも平坦にならないことがわかる。なお、この結果は中心周波数１ｋＨｚの周波数帯域で得られたものである。
【００４２】
騒音のピッチまたはミッシングファンダメンタルは次式で表わされる。
Ｓ_p=f_p(τ₁,φ₁) （１７）
【００４３】
ここで、ミッシングファンダメンタル現象とは、いくつかの倍音構造が存在するとき、実際にはない高さの音が聞こえるという現象である。
【００４４】
信号の時間的長さの知覚に関する感覚は、次式で表わされる。
【数２０】

【００４５】
長時間ＩＡＣＦは次式で求めることができる。
【数２１】

ここでｐ’_ｌ，ｒ（ｔ）＝ｐ（ｔ）_ｌ，ｒ＊ｓ（ｔ）、はｐ（ｔ）_ｌ，ｒ は左右外耳道入り口の音圧である。
【００４６】
騒音源の水平面の方向の知覚を含む空間情報の知覚は次式で表わされる。
【数２２】

ここで聴取音圧レベルＬＬは｛Φ_ｌｌ（０），Φ_ｒｒ（０）｝である。記号｛｝は、左右の耳の入り口に到来する信号のτ＝０のときのＡＣＦであるΦ_ｌｌ（０）、Φ_ｒｒ（０）の組を表わす。数学的にはＬＬは、両耳に到来する音響信号のエネルギーの算術平均で次式のように表わされる。
【数２３】

式（２２）で示す４つのＩＡＣＦファクター（直交ファクター）の中で、−１〜＋１ｍｓの範囲内のτ_ＩＡＣＣは、水平方向の音源の水平方向の知覚に関する重要なファクターである。正規化したＩＡＣＦが１つの鋭いピークを持ち、ＩＡＣＣが大きく、高周波数成分によってＷ_ＩＡＣＣが小さい値であるとき、明確な方向感が得られる。逆に主観的拡がり感やあいまいな方向感はＩＡＣＣが小さい値（＜０．１５）の時に起こる。
【００４７】
正中面に位置する騒音源の知覚については、耳の入り口に到来する音響信号の長時間ＡＣＦから抽出される時間的ファクターを式（２２）に加えるべきであろう。
図８に示すように、注目すべきはＩＡＣＣに相当する下丘付近に存在する神経活動の存在である。また、室内音場においては、ＬＬとＩＡＣＣとは右大脳半球に支配的に関連があり、時間的ファクターであるΔｔ_１やＴ_ｓｕｂは左大脳半球と関わっていることを発見した。
【００４８】
主観的拡がり感の尺度値を得るため、２つの対称な反射音の水平入射角度を変更し、ホワイトノイズを用いて一対比較テストを行った。被験者は、ＬＬ、τ_ＩＡＣＣ、Ｗ_ＩＡＣＣが一定の条件下で、提示された２つの音場のうち、どちらの音場がより広がって聞こえるかを判断した。図１０は、左縦軸に拡がり感の尺度値、右縦軸に最大振幅ＩＡＣＣ、横軸に反射音の水平入射角度をとったグラフである。図１０に示すように、２５０Ｈｚ￣４ｋＨｚ（図１０（ａ）：２５０Ｈｚ、（ｂ）：５００Ｈｚ、（ｃ）：１ｋＨｚ、（ｄ）：２ｋＨｚ、（ｅ）：４ｋＨｚ）の周波数帯域の結果において、尺度値と最大振幅ＩＡＣＣとは強い負の相関関係を示した。従って、上述した実験結果により、主観的尺度値を、ＩＡＣＣの３／２乗で次式のように求めることができる。
【数２４】

実験により求めた係数αは２．９、乗数βは３／２である。
【００４９】
騒音場の見かけの音源の幅（ＡＳＷ）を求める方法について説明する。低域の周波数成分が大きい騒音場では、長時間ＩＡＣＦは遅れ時間τが−１〜＋１ｍｓの範囲内に明確なピークを持たず、Ｗ_ＩＡＣＣは大きくなる。このＷ_ＩＡＣＣは次式で求めることができる。
【数２５】

ここで、Δω_ｃは２π（ｆ_１＋ｆ_２）、ｆ_１とｆ_２とは、それぞれ理想的なバンドパスフィルターの下限値と上限値である。便宜上、δは０．１（ＩＡＣＣ）と定義する。
【００５０】
注目すべきことは、大きなＡＳＷは低周波数帯域が多く、ＩＡＣＣが小さいときに知覚されるということである。すなわち、ＬＬが一定でτ_ＩＡＣＣ＝０の条件下では、ＡＳＷはＩＡＣＣとＷ_ＩＡＣＣのＩＡＣＦファクターに基づき求めることができる。ＡＳＷの尺度値を１０名の被験者を用いて一対比較テストで求めた。Ｗ_ＩＡＣＣの値を制御するため、１／３オクターブバンドパスノイズの中心周波数を２５０Ｈｚ〜２ｋＨｚで変化させた。ＩＡＣＣは直接音に対する反射音のレベルの比を制御して調整した。聴取音圧レベルＬＬは、ＡＳＷに影響するので、全ての音場の耳の入り口でのトータル音圧レベルはピーク値が７５ｄＢＡで一定とした。被験者は提示された２つの音場のうちどちらかが広がって聞こえるかを判断した。尺度値Ｓ_ＡＳＷの分散分析の結果、ＩＡＣＣ、Ｗ_ＩＡＣＣの両方のＩＡＣＦファクター共に有意であり（ｐ＜０．０１）、以下のようにＳ_ＡＳＷに対して独立に寄与している。従って、Ｓ_ＡＳＷを次式で求めることができる。
Ｓ_ＡＳＷ＝ａ（ＩＡＣＣ）^３／２＋ｂ（Ｗ_ＩＡＣＣ）^１／２ （２６）
ここで係数ａ＝−１．６４、ｂ＝２．４４であり、これらの係数は、図１１（ａ）（ｂ）に示す１０名の被験者の尺度値の回帰曲線から得られたものである。図１１（ａ）は縦軸にＡＳＷ、横軸にＩＡＣＣをとったグラフであり、図１１（ｂ）は縦軸にＡＳＷ、横軸にＷ_ＩＡＣＣをとったグラフである。また、図１１は、縦軸に実際に測定したＡＳＷの尺度値、横軸に計算されたＡＳＷの尺度値をとったグラフである。図１２に示すように、この式から求めたＳ_ＡＳＷの尺度値と、Ｓ_ＡＳＷの測定値はよく対応することを確かめた（ｒ＝０．９７、ｐ＜０．０１）。
【００５１】
時間的に変動する環境騒音を評価するため、短時間ランニングＡＣＦ及び短時間ランニングＩＡＣＦを用いる。前述と同様の方法で抽出された短時間ランニングの空間的・時間的ファクターは、時変動する騒音場の基本的感覚を示すのに用いられている。短時間ＡＣＦは次式で求めることができる。
【数２７】

ここで２Ｔは解析される信号の長さである。この長さ２Ｔは、ランニングＡＣＦの有効継続時間の最小値（τ_ｅ）_ｍｉｎを少なくとも含む範囲で決定すべきである。（τ_ｅ）_ｍｉｎを示す騒音は信号が最も急速に変動することを表わしており、この部分が最も主観的応答に影響を及ぼしている。
【００５２】
各騒音の部分におけるラウドネスＳ_Ｌに関して、式（１５）は次式のように書き換えることができる。
Ｓ_Ｌ＝ｆ_Ｌ（ＬＬ，τ_１，φ_１，τ_ｅ） （２８）
ここで各ファクターは各騒音の部分について得られ、式（１５）のΦ（０）はＬＬに置き換えられる。ＡＣＦから抽出された時間的ファクターが、室内の反射音群（Δｔ_１，Δｔ_２，．．．）と後続残響時間Ｔ_ｓｕｂに影響を及ぼしているはずだということに注目すべきである。
【００５３】
環境騒音場のピッチの記述で、騒音場において有意な時間的ファクターはτ_１とφ_１とであり、従って式（１７）はそのまま保たれる。
【００５４】
弱い反射音の閾値をΔt₁の関数として図１３に示す。聴者に対する反射音の空間的方向（ＩＡＣＣとτ_IACC）と反射音の遅れ時間Δt1はこの閾値を示している。
【００５５】
耳の感度は外耳と中耳とを含む物理システムにより特徴づけられる。音響信号を解析する前に、便宜上、Ａ特性をかけておく。
単一反射音の遅れ時間を関数とした単音節の明瞭度は、母音と子音との間の部分の短時間ＡＣＦから抽出された４つの直交ファクターを解析することにより予測できる。最近の調査では、音色や比類似度の判断は、コンサートホール内の音場の主観的プリファレンスと同じく、総合的な主観的応答であることを明確に示している。音色と同様に、主観的プリファレンスは、τ_ｅの最小値を用いて表わされる。短時間積分時間は次式で表わされる。
（２Ｔ）＝３０（τ_ｅ）_ｍｉｎ （３０）
精神作業に関する騒音の影響は、作業能率と大脳の専門化との間の妨害現象として解釈することができる。ＡＣＦから抽出された時間的ファクターは、左大脳半球に関連しており、ＩＡＣＦから抽出されるファクターは右大脳半球に主に関わっている。
【００５６】
図１４は、本発明による音響評価システムの基本的な構成を示すブロック図である。この音響評価システムは、図１のシステムと基本的な構成要素は同じものである。しかし、コンピュータの内部の構成要素の一部が異なる。図１４に示すように、本音響評価システムは、音響信号（左右２チャンネル）を採取する音声採取手段２０と、これらの音響信号に基づきＡＣＦを計算するＡＣＦ演算手段２１と、これらの音響信号に基づきにＩＡＣＦを計算するＩＡＣＦ演算手段２５、この計算されたＡＣＦに基づきＡＣＦファクターを計算するＡＣＦファクター演算手段２２、この計算されたＩＡＣＦに基づきＩＡＣＦファクターを計算するＩＡＣＦファクター演算手段２６、この計算されたＡＣＦファクターに基づき音響を評価する手段２４、この計算されたＡＣＦファクター及び／またはＩＡＣＦファクターに基づき音響を評価する手段２７、各種データを格納するデータベース２３を具える。
【００５７】
図１５は、本発明による音響評価方法の基本的なステップを示すフローチャートである。図に示すように、ステップＰ１では、音源からの音響信号をマイクロフォン（図示せず）で採取する。なお、このマイクロフォン以外に、例えばライン入力などでデジタル信号やアナログ信号を採取することも可能である。この採取された音響信号はＬＰＦ３（図示せず）を介してＡ／Ｄコンバータ（図示せず）によりデジタル信号に変換する。ステップＰ２では、採取された音響信号に基づきＡＣＦ及びＩＡＣＦをコンピュータ即ちＣＰＵにより計算する。ステップＰ３では、計算されたＡＣＦ及びＩＡＣＦに基づきＣＰＵによりＡＣＦファクター及びＩＡＣＦファクターを計算する。予め、音色とＡＣＦファクターとを関連付けた音色データ、音律とＡＣＦファクターとを関連付けた音律データ、音響の心理評価値とＡＣＦファクターとを関連付けた心理評価データ、が格納された所定のデータベースを構築しておく。次に、各データとＡＣＦファクターやＩＡＣＦファクターとの関連付けについて説明する。例えば、ある楽器で様々な音を発音し、本システムを用いてそのときの音を採取してＡＣＦファクターやＩＡＣＦファクターを算出し、同時にこのときの各音に関してＡＣＦファクターやＩＡＣＦファクターに基づき計算したり、或いは、既知の他の方法によって各データ（音色、音質、或いは心理評価値など）を計算したり決定したりすることができる。このようにして、各音のＡＣＦファクターやＩＡＣＦファクターと、その音に関する各データとを関連付けてデータベースに格納する。ステップＰ４では、計算されたＡＣＦファクター及びＩＡＣＦファクターに基づき、ＣＰＵにより音響の評価を行う。その評価の際には、各種のデータを格納するデータベースからデータを読み出し比較・検討を行う。
【００５８】
図１６は、本システムを用いてピアノ音源から音響信号を採取し、採取した音響信号から抽出したピアノの正規化したＡＣＦの波形であり、縦軸に振幅、横軸に遅延時間をとったグラフである。即ち、ピアノの音響信号から抽出したＡＣＦの波形を示すグラフである。図１６（ａ）は、Ａ１（５５Ｈｚ）、（ｂ）はＡ２（２２０Ｈｚ）、（ｃ）はＡ６（１７６０Ｈｚ）で発音した音響信号から得られた正規化ＡＣＦの波形である。図では、最大ピーク値をφ_１、そのときの遅延時間をτ_１、またその遅れ時間内のピーク値をφ’_ｎ、そのときの遅れ時間をτ’_ｎと定義できる。ここで、τ_１はピッチ、φ_１はピッチの強さに対応する物理的ファクターである。図に示すように、τ_１の逆数は、ピッチとなる周波数に対応する。例えば、図（ａ）の場合、ピアノ音源からは周波数５５Ｈｚの音が発せられ、このとき本システムを用いて音響信号から求めたＡＣＦファクターのうちの１つであるτ_１は約１８ｍｓであり、これの逆数＝１／τ_１＝５５となりピアノ音源のピッチ５５Ｈｚとよく相関すること、即ち対応することがわかる。図（ｂ）、（ｃ）でも同様に、音源のピッチとτ_１とが対応することがわかる。この相関関係をより明らかにするために、以下の図１７にその関係を示す。
【００５９】
図１７は、縦軸にピッチ（ヘルツ）、横軸に１２平均律による音階をとったグラフである。四角の点は、所定の計算式から求められた１２平均律の音階のピッチである。黒丸の点は、τ_１から求めたピッチである。図に示すように、１２平均律によるピッチとτ_１によるピッチとが良く一致することがわかる。音階Ａ６のτ_１に基づき計算されたピッチが、ずれているのは調律ミスによるものと思われる。このようにＡＣＦファクターτ_１を利用すれば、ピアノをはじめ様々な楽器の調律を行なうことができるようになる。また、ＡＣＦから抽出される様々なＡＣＦファクター：遅れ時間が０で表わされるエネルギーΦ（０）、有効継続遅延時間τ_ｅ、ＡＣＦの最大ピークまでの遅延時間τ_１、正規化したＡＣＦの最大ピークの振幅φ_１、τ_１内にある各ピーク値の情報（τ’_ｎ，φ’_ｎ，ｎ＝１，２，３，．．，Ｎ（Ｎは約１０よりも小さい整数））、ＩＡＣＦから抽出されるＩＡＣＦファクターと、実際の楽器の心理評価値との関係を表わすデータベースを構築する。本システムを用いて楽器音源の音響信号から求めたファクターと、このデータベースに格納されたデータとを比較することによって、良い音（優れた音色や良い心理評価値を持つ音）を探るときの支援システムとして活用できる。
【００６０】
本システムを用いて調律を行なう場合は、所定のデータベースに予め様々な音律（平均律や純正律など）の音階データを格納しておく。使用者は、目的に合わせて所望の音律を選択できるようにするのが好適である。デフォルトを平均律にするのが好適である。基準音「Ａ４」は４４０Ｈｚをデフォルトとし、１Ｈｚステップで基準音を変更可能にすることもできる。基準音は純音で発音可能にする。このように、基準周波数、音階の種類は可変とすることが好適である。平均律を選択した場合は、発音した音に最も近い音階（ＡやＣ＃など）を表示させるようにする。或いは、データベース中の所望のデータ（即ち音階）を予め選択しておき、この所望のデータと発音した音の音階との相違を示す数値を示すこともできる。例えば、所望の音階がＡ２の場合は（即ち、Ａ２に調律したい場合）、データベースを参照して音階Ａ２に関連付けられたピッチ周波数を読み出し、このピッチ周波数と、発音された音から抽出されたτ_１によるピッチ周波数とを比較してその差異を表わす数値を提示することもできる。この場合、差異は、周波数の差異としてではなく、音階の差異として示すことも可能である。さらに、発音した音の音階と、所望の音階や最も近い音階との相違を示す数値を表示したり、発音した音が、その音階より高いか、低いか、ちょうど同じかを示すインジケータを設けることも可能である。
【００６１】
このように、本発明を利用して、楽器から出された音から求めたＡＣＦファクターやＩＡＣＦファクターと、予め構築しておいた良い音のＡＣＦファクターやＩＡＣＦファクターのデータベースと比較して、その相違や差異を示すことによって、優れた音を発有できる楽器の作製を支援することが可能となる。特に、本発明によれば、ＩＡＣＦファクターから、音場の空間的な印象を知ることが可能となる。また、本発明は、楽器製作者のみでなく、開発者や研究者、さらに歌手、楽器演奏者も調律や演奏方法の参考などに利用することが可能である。また、本発明で調律や音響の評価は、様々な楽器に利用でき、例えば、アコースティック楽器（鍵盤系、弦楽器系、管楽器系など）、電子楽器などである。
【００６２】
本発明の様々な実施態様を鑑みると、本発明の原理は応用可能であり、詳細に説明した実施態様は例示のみを目的とするものであって本発明の範囲を制限するものと解釈してはならないと理解すべきである。また、当業者は、本明細書の記載に基づき、本発明の請求の範囲内において本発明を変形、修正可能であることを理解されたい。本明細書では、評価値の１つであるピッチの評価について詳述したが、例えば、音質や音色など様々な評価値についても本発明に基づき評価できることを理解されたい。
【図面の簡単な説明】
【図１】本発明による装置の具体的な構成を示す装置概略図である。
【図２】本発明による騒音源の種類の特定、心理評価を行う方法のフローチャートである。
【図３】ピーク検知処理手順を説明する図であって、縦軸にノイズレベル、横軸に時間をとったグラフであって、その下段に積分間隔を示す図である。
【図４】縦軸にＡＣＦの絶対値の対数、横軸に遅延時間をとったグラフである。
【図５】縦軸に正規化したＡＣＦ、横軸に遅延時間をとったグラフである。
【図６】縦軸に正規化したＩＡＣＦ、横軸に左右の信号の遅延時間をとったグラフである。
【図７】重み係数の計算方法を説明するブロック図である。
【図８】聴覚−大脳機能システムのモデルを説明するブロック図である。
【図９】縦軸にラウドネス尺度値、横軸にバンド幅をとったグラフである。
【図１０】左縦軸に拡がり感の尺度値、右縦軸に最大振幅ＩＡＣＣ、横軸に反射音の水平入射角度をとったグラフである。
【図１１】（ａ）は縦軸にＡＳＷ、横軸にＩＡＣＣをとったグラフであり、（ｂ）は縦軸にＡＳＷ、横軸にＷ_ＩＡＣＣをとったグラフである。
【図１２】縦軸に実際に測定したＡＳＷの尺度値、横軸に計算されたＡＳＷの尺度値をとったグラフである。
【図１３】縦軸に信号の閾値、横軸に遅延時間をとったグラフである。
【図１４】本発明による音響評価システムの基本的な構成を示すブロック図である。
【図１５】本発明による音響評価方法の基本的なステップを示すフローチャートである。
【図１６】ピアノの音源による正規化したＡＣＦの波形であり、縦軸に振幅、横軸に遅延時間をとったグラフである。
【図１７】縦軸にピッチ（ヘルツ）、横軸に１２平均律による音階をとったグラフである。
【符号の説明】
１ 頭部の模型
２ バイノーラル方式の音声採取手段
３ ＬＰＦ（ローパスフィルタ）、
４ Ａ／Ｄコンバータ
５ コンピュータ
６ 音響信号記憶手段
７ ＡＣＦ演算手段
８ ＩＡＣＦ演算手段
９ ＡＣＦファクター演算手段９
１０ ＩＡＣＦファクター演算手段１０
１１ 騒音源種類特定手段
１２ 心理評価手段
１３ データベース
２０ 音声採取手段
２１ ＡＣＦ演算手段
２２ ＡＣＦファクター演算手段
２３ データベース
２４ ＡＣＦに基づき音響を評価する手段
２５ ＩＡＣＦ演算手段
２６ ＩＡＣＦファクター演算手段
２７ ＡＣＦおよびＩＡＣＦに基づき音響を評価する手段

Claims (2)

1. 音響信号を採取する音声採取ステップと、
   この採取された音響信号から演算手段を用いて自己相関関数ＡＣＦを計算するＡＣＦ演算ステップと、
   この算出されたＡＣＦから前記演算手段を用いてＡＣＦファクターである、ＡＣＦの最大ピークまでの遅延時間τ ₁ 、を求めるＡＣＦファクター演算ステップと、
   前記ＡＣＦファクターのτ₁に基づき、ピッチの周波数を求めるピッチ周波数演算ステップと、
   この求めたピッチ周波数と、音律とＡＣＦファクターとを関連付けた音律データを含む所定の音階データベースのデータとを比較してその相違を示す調律ステップと、
   を含むことを特徴とする音響評価方法。
2. 音響信号を採取する音声採取手段と、
   この採取された音響信号から演算手段を用いて自己相関関数ＡＣＦを計算するＡＣＦ演算手段と、
   この算出されたＡＣＦから前記演算手段を用いてＡＣＦファクターである、ＡＣＦの最大ピークまでの遅延時間τ ₁ 、を求めるＡＣＦファクター演算手段と、
   前記ＡＣＦファクターのτ₁に基づき、ピッチの周波数を求めるピッチ周波数演算手段と、
   この求めたピッチ周波数と、音律とＡＣＦファクターとを関連付けた音律データを含む所定の音階データベースのデータとを比較してその相違を示す調律手段と、
   を含むことを特徴とする音響評価システム。

Images