JP4760539B2 - 音響信号に対する情報の埋め込み装置 - Google Patents

Description

本発明は、ＣＤ・ＤＶＤ等を用いた民生・業務用途における鑑賞用のパッケージ音楽分野、放送事業者等が商業目的で配信する放送・ネットワーク音楽配信分野における音楽著作権の保護（不正コピーの監視）および音楽属性情報の提供（楽曲タイトル検索サービス）分野、ミュージアム、イベント会場における展示説明ナレーションに連動した文字情報の提供サービス分野、放送番組やＣＤ／ＤＶＤパッケージの音声信号からＵＲＬなどの情報を抽出し、携帯電話を用いて所定のコンテンツに関連するｗｅｂサイトにアクセスして詳細情報を抽出したり、アンケートに回答したりする非接触なインターネットのゲートウェイサービス分野に関する。

最近、流れている音楽のタイトル等を知ることができる楽曲属性情報の提供サービスとして、放送された音楽に対して日時と地域を放送局に照会したり、携帯電話で流れている音楽断片を録音してデータベースに登録されているメロディーと照合したりするサービスが実用化されている（例えば、特許文献１、２参照）。

特許文献１、２に記載の発明では、録音した音楽の断片と、データベースに登録されているメロディーと照合するため、データベースに登録される楽曲が増えると、処理負荷が増え、類似したメロディーを誤判定する可能性が増える。そこで、曲名やアーチスト情報などの楽曲属性情報を不可聴な電子透かしとして音響信号に埋め込む手法も提案されている（例えば、特許文献３〜６参照）。

特許文献１〜６に記載の手法では、埋め込み可能な情報量が少なく、音質が少なからず劣化し、各種信号処理により透かし情報が消失し、またアナログコピーに対しては、透かし検出が困難であるという問題がある。そこで、本出願人は、音響信号の低周波数領域を複数の窓関数により分割し、埋め込むべき属性情報（付加情報）の情報配列の値に基づいて、低周波成分の先頭部分と後部部分のスペクトル強度の割合を変更する際、低周波成分の先頭部分と後部部分を互いに非対称な窓関数により抽出することにより付加情報を埋め込むことができる手法を提案した（特許文献７参照）。
特開２００２−２５９４２１号公報 特開２００３−１５７０８７号公報 特開平１１−１４５８４０号公報 特開平１１−２１９１７２号公報 特許第３３２１７６７号公報 特開２００３−９９０７７号公報 特願２００５−３０８９８０号

上記特許文献７に記載の手法では、低周波成分を時分割し、先頭部分と後部部分を削除することにより、２値のビット値を表現し、双方を削除することによりビット値以外を表現していた。上記特許文献７の発明では、処理上の制約から、ビット値が埋め込まれているフレームでは、一方の信号成分の検出レベルを基準に位置ずれ補正を行うことができるが、ビット値以外が埋め込まれているフレームでは基準がないため、位置ずれ補正ができないという問題がある。

上記特許文献７に記載の手法では、ビット値以外の埋め込みを２通りの状況で用いている。１つは、付加情報を構成するバイト間の区切りに使用する場合である。もう一つは、ビット値を埋め込む際に残された信号成分が所定のレベルに達していないとき、抽出側における抽出が困難になるのを回避するため、例外処理としてビット値以外を埋め込むこととするものである。

ビット値以外の埋め込みは、低周波成分全体を削除した状態として形成するものであるため、原信号の状態に関係なく確実に埋め込めるが、平均的に１／１０の使用頻度である。大部分は、ビット値のとり得る２値が均等に使われるが、原信号の状態により埋め込み易さが変化し、時系列方式においては、先頭部分の方が後部部分より埋め込み易いという性質がある。

そこで、本発明は、信号成分の小さいフレームに対してビット値のどちらかを埋め込むことにより、情報の埋め込み効率を高めるとともに、抽出側で位置ずれが発生しても誤検出が起こりにくくすることが可能な音響信号に対する情報の埋め込み装置を提供することを課題とする。

上記課題を解決するため、本発明では、時系列のサンプル列で構成される音響信号に対して、付加情報を聴取不能な状態で埋め込む装置であって、前記音響信号より、所定数Ｎのサンプルを音響フレームとして互いにＮ未満の所定サンプル数に対応する時刻だけずれた２種類のＡタイプ音響フレーム、Ｂタイプ音響フレームを読み込む音響フレーム読込手段と、前記Ａタイプ音響フレームに対しては第１窓関数、第２窓関数、第３窓関数を用いてそれぞれ周波数変換を行い、前記第１窓関数に対応するスペクトルである第１窓スペクトル、前記第２窓関数に対応するスペクトルである第２窓スペクトル、前記第３窓関数に対応するスペクトルである第３窓スペクトルを生成するとともに、前記Ｂタイプ音響フレームに対しては第４窓関数を用いて周波数変換を行い、前記第４窓関数に対応するスペクトルである第４窓スペクトルを生成する周波数変換手段と、前記生成された各窓スペクトルから、所定の低周波数帯に対応する低周波スペクトルをそれぞれ抽出し、前記埋め込むべき付加情報の情報配列の値に基づいて、前記抽出した各低周波スペクトルのうち、先頭の第１窓関数、中央の第２窓関数、後部の第３窓関数による低周波スペクトル強度の割合を変更すると共に、第４窓関数による低周波スペクトルの成分を除去する低周波成分変更手段と、前記変更された低周波スペクトルを含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換手段と、前記生成された改変音響フレームを順次出力する改変音響フレーム出力手段と、を有しており、前記第１窓関数、第２窓関数、第３窓関数、第４窓関数は、加算すると、全区間固定値１になるように設定されたものであり、前記第１窓関数と第２窓関数、前記第２窓関数と第３窓関数は、同一時刻において、双方が同時に０でない値をもつような箇所が存在するように設定され、前記第１窓関数と第３窓関数は、一方が０でない値をもつ場合に他方は必ず０となるように設定されているとともに、各窓関数の両側が非対称な余弦関数をもつように設定された音響信号に対する情報の埋め込み装置を提供する。

本発明によれば、音響信号を所定区間に区分し、埋め込むべき付加情報の情報配列の値に基づいて、前記所定区間の低周波成分の先頭部分、中央部分、後部部分のスペクトル強度の割合を変更するようにしたので、データを埋め込むことができる確率を高め、埋め込み可能な情報量と抽出時の精度を増大させるとともに、位置ずれ補正の精度を向上させることが可能となるという効果を奏する。

以下、本発明の実施形態について図面を参照して詳細に説明する。
（１．本発明の基本概念）
まず、本発明の基本概念について説明する。上述のように、本出願人は、特許文献７において、複数の窓関数を用いて、音響信号の低周波数領域を時系列に３つに分割し、そのうちの２つの低周波数帯の成分の比率を属性情報のビット値、または区切りおよび例外処理に応じて変更することにより、付加情報を埋め込むことができる手法を提案している。このように、３つの窓関数を用いて分割した低周波数帯の成分の比率を、埋め込む情報に応じて、変化させる点については、本発明も同様である。

ここで、上記特許文献７で用いた窓関数について図１１を用いて説明する。上記特許文献７に記載の発明では、図１１（ｂ）〜図１１（ｄ）に示したような窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用意した。窓関数Ｗ（１，ｉ）は、音響フレームの前部（先頭）を抽出するためのものであり、図１１（ｂ）に示すように前部の所定のサンプル番号ｉの位置において、最大値１をとり、後部においては、最小値０をとるように設定されている。窓関数Ｗ（１，ｉ）を乗じることにより、図１１（ａ）に示すような音響フレームの信号波形は、図１１（ｆ）に示すように、前部に信号成分が残り、後部の信号成分が削除されたものとなり、これがフーリエ変換対象となる。

また、窓関数Ｗ（２，ｉ）は、音響フレームの中央部を抽出するためのものであり、図１１（ｃ）に示すように、中央部の所定のサンプル番号ｉの位置において、最大値１をとり、前部、後部においては、最小値０をとるように設定されている。窓関数Ｗ（２，ｉ）を乗じることにより、図１１（ａ）に示すような音響フレームの信号波形は、図１１（ｇ）に示すように、中央部に信号成分が残り、前部と後部の信号成分が除去されたものとなり、これがフーリエ変換対象となる。

また、窓関数Ｗ（３，ｉ）は、音響フレームの後部を抽出するためのものであり、図１１（ｄ）に示すように、前部においては最小値０をとり、後部の所定のサンプル番号ｉの位置において、最大値１をとるように設定されている。窓関数Ｗ（３，ｉ）を乗じることにより、図１１（ａ）に示すような音響フレームの信号波形は、図１１（ｈ）に示すように、前部の信号成分が除去され、後部に信号成分が残ったものとなり、これがフーリエ変換対象となる。

このように前部、中央部、後部を抽出した後、フーリエ変換を実行するため、前部、中央部、後部に対応したスペクトルが得られることになる。１つの音響フレームにビット値を埋め込むためには、本来、前部と後部の２つに分けられれば良いのであるが、抽出側においては、必ずしも、信号を同期して読み込むことができるとは限らず、したがって、前部と後部をはっきりと区別するため、特許文献７に記載の発明では、埋め込み時に中央部の信号成分を常に削除し、前部と後部を時間的に分離することとしている（ただし、抽出時は前部と後部だけを解析すればよく、中央部は無視する）。特許文献７に記載の発明において用いる窓関数の最大の特徴は、窓関数Ｗ（１，ｉ）と窓関数Ｗ（３，ｉ）が左右非対称である点である。このため、従来のような、ビット反転が起こりにくくなる。

上述のように、特許文献７に記載の発明では、第２窓関数の成分を常に削除しており、“区切り”および“例外”を示す情報を埋め込んだ際には、音響フレーム内の全ての低周波成分が削除された状態となる。ところが、上記“例外”は、ビット値に対応した情報を埋め込もうとした際に、低周波成分の値が小さいために行う処理である。したがって、低周波成分が小さい場合に、ビット値のどちらかを埋め込むようにしておけば、例外処理が行われることがなくなり、より効率の良い情報の埋め込みが可能となる。そこで、本発明では、特許文献７に記載の発明のように、低周波成分が小さい場合に“例外”とするのではなく、ビット値を埋め込むようにすることにした。

本発明では、低周波成分が小さい場合に“例外”とするのではなく、ビット値を埋め込むことにしたため、第１窓関数から第３窓関数の全ての低周波成分を削除した状態が多く出現することになる。特許文献７に記載の発明のように、第１窓関数から第３窓関数の全ての低周波成分を削除した状態が、“区切り”および“例外”を示すものとして利用される場合には、出現頻度が少ないため、位置ずれの問題が少ないが、本発明のように出現頻度が多い場合には、位置ずれの問題が発生する。そこで、本発明では、第２窓関数の成分を常に削除するのではなく、ビット値を埋め込む際に、残すようにした。このように、第２窓関数の成分が残るため、抽出側において、位置の認識が容易となる。

本発明で用いる窓関数も、特許文献７と同一であり、図１１（ｂ）〜（ｄ）に示すようなものである。しかし、図１１（ｇ）に示した信号成分２を削除せずに利用する点が特許文献７に記載の発明と異なることになる。

ここで、特許文献７に示したように、第２窓関数に対応する低周波成分を削除した場合と、本発明のように、第２窓関数に対応する低周波成分を残した場合の位置ずれ判定の様子を図９、図１０を用いて説明する。

図９（ａ）は、特許文献７の発明において生じうる３つの状態、すなわち、第３窓関数の成分を残した状態（図中“窓３優位”と記載）、第１窓関数および第３窓関数の成分を削除した状態（第１窓関数、第３窓関数のいずれの成分も存在しないため、図中“その他”と記載）、第１窓関数の成分を残した状態（図中“窓１優位”と記載）を示す３つの連続する音響フレームにおける低周波成分の分布状態を示している。現実には、このような低周波成分の分布状態を波形として抽出することは困難であるため、図９（ａ）においては、各窓関数を乗じた場合のエンベロープ波形を代用している。低周波成分の分布状態は、窓関数を乗じた場合のエンベロープ波形に比較的近い状態をもつためである。図９（ａ）中先頭（左端）の音響フレームは、第３窓関数Ｗ（３，ｉ）に対応した低周波成分が存在し、図９（ａ）中中央の音響フレームは低周波成分が存在せず、図９（ａ）中後部（右端）の音響フレームは、“１”が埋め込まれているため、第１窓関数Ｗ（１，ｉ）に対応した低周波成分が存在する。また、図９（ａ）中、先頭と後部の音響フレームにおける垂直方向の太線は、低周波成分の分布がピークとなる位置を示す。

図９（ａ）に示すような音響フレームを抽出する側で処理する場合、抽出側では、流れている音を録音してデジタル化して音響フレームを抽出するため、埋め込み側の音響フレームと一致しない。例えば、図９（ａ）に示した中央の“その他”の状態を表現したフレームから情報を抽出しようとする場合、位置ずれがなければ、“その他”の状態を認識できるが、図９（ｂ）に示すように、前後に音響フレームの半分だけ位置ずれした場合には、それぞれ、“窓１優位”の状態、“窓３優位”の状態と誤判定してしまうことになる。これは、第１窓関数および第３窓関数の成分を削除したフレームにおいて、第２窓関数成分も削除されているため、低周波成分が全く存在しないために生じる。

本発明では、上述のように、第１窓関数および第３窓関数の成分を削除したフレームにおいても、第２窓関数成分を残すようにした。図９（ａ）に対応させて、本発明において生じうる３つの状態、すなわち、第３窓関数の成分を残した状態、第１窓関数および第３窓関数の成分を削除した状態、第１窓関数の成分を残した状態を示す３つの連続する音響フレームにおける低周波成分の分布状態を示すと、図１０（ａ）のようになる。図９（ａ）と比較すると、図１０（ａ）においては、第１窓関数および第３窓関数の成分を削除した状態において、第２窓関数成分が削除されず残っていることがわかる。

図１０（ａ）に示すような音響フレームを抽出する側で処理する場合、位置がフレーム半分だけずれた場合でも、図１０（ｂ）に示すように、２つの信号成分が検出できるため、第３窓関数の成分を残した状態や、第１窓関数の成分を残した状態と判断する可能性は低くなる。したがって、本発明では、位置ずれした場合であっても、誤判定が少なくなる。

また、本発明では、特許文献７の発明と同様、音響フレームを重複させて読み込み、奇数フレーム（または偶数フレーム）については、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用い、偶数フレーム（または奇数フレーム）については、図１１（ｅ）に示したような窓関数Ｗ（４，ｉ）を用いるようにした。

また、本発明においては、音響フレームは重複して読み込まれる。すなわち、奇数番目の音響フレームと偶数番目の音響フレームは、所定数のサンプルを重複して読み込む。上記のように、奇数フレームと偶数フレームでは、用いられる窓関数が異なるが、奇数フレームと偶数フレームは単に奇数か偶数かの違いだけであるため、どちらに対して処理をどちらの処理を行っても良い。したがって、本明細書では、奇数フレーム、偶数フレームの一方をＡタイプフレーム、他方をＢタイプフレームと呼ぶことにする。本実施形態では、奇数フレームをＡタイプフレーム、偶数フレームをＢタイプフレームとして説明するが、逆に偶数フレームをＡタイプフレーム、奇数フレームをＢタイプフレームとしても良い。

本実施形態では、窓関数Ｗ（１，ｉ）〜Ｗ（４，ｉ）は、以下の〔数式１〕〜〔数式４〕で定義される。なお、図１１において、横軸は時間軸（ｉ）である。ｉは、後述するように、各音響フレーム内のＮ個のサンプルに付した通し番号であるため時刻ｔに比例している。また、図１１（ａ）（ｆ）（ｇ）（ｈ）（ｉ）において縦軸は信号の振幅値（レベル）を示す。図１１（ｂ）〜（ｅ）において縦軸は窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）の値を示しており、Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）の最大値はいずれも１である。

〔数式１〕
ｉ≦３Ｎ／８のとき、Ｗ（１，ｉ）＝０．５−０．５ｃｏｓ（８πｉ／（３Ｎ））
３Ｎ／８＜ｉ≦Ｎ／２のとき、Ｗ（１，ｉ）＝０．５−０．５ｃｏｓ（８π（ｉ−Ｎ／４）／Ｎ）
ｉ＞Ｎ／２のとき、Ｗ（１，ｉ）＝０．０

〔数式２〕
ｉ≦３Ｎ／８のとき、Ｗ（２，ｉ）＝０．０
３Ｎ／８＜ｉ≦Ｎ／２のとき、Ｗ（２，ｉ）＝０．５−０．５ｃｏｓ（８π（ｉ−３Ｎ／８）／Ｎ）
Ｎ／２＜ｉ≦３Ｎ／４のとき、Ｗ（２，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／４）／Ｎ）
ｉ＞３Ｎ／４のとき、Ｗ（２，ｉ）＝０．０

〔数式３〕
ｉ≦Ｎ／２のとき、Ｗ（３，ｉ）＝０．０
ｉ＞Ｎ／２のとき、Ｗ（３，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／２）／Ｎ）

〔数式４〕
ｉ≦Ｎ／４のとき、Ｗ（４，ｉ）＝０．０
Ｎ／４＜ｉ≦Ｎ／２のとき、Ｗ（４，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／４）／Ｎ）
Ｎ／２＜ｉ≦７Ｎ／８のとき、Ｗ（４，ｉ）＝０．５−０．５ｃｏｓ（８π（ｉ−Ｎ／８）／（３Ｎ））
ｉ＞７Ｎ／８のとき、Ｗ（４，ｉ）＝０．０

なお、図１１および上記〔数式１〕〜〔数式４〕から明らかなように、窓関数Ｗ（１，ｉ）とＷ（３，ｉ）は、互いに非対称な形状である。これは、後述する抽出側において、両者の識別を容易にするためである。また、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）は、ｉが所定の値のときに最大値１をとり、ｉがその他の値をとる場合には、ｉの値に応じて単調増加、または単調減少する窓関数を分割したものであるため、窓関数Ｗ（１，ｉ）とＷ（３，ｉ）が定まると、窓関数Ｗ（２，ｉ）も必然的に定まる。このため、窓関数Ｗ（２，ｉ）は左右非対称の形状となっている。

本発明においては、奇数フレームと偶数フレームを、所定サンプルずつ重複して読み込むため、情報の埋め込みを行った後、音響信号に復元する際に、窓関数を乗じた奇数フレームと、窓関数を乗じた偶数フレームの重複サンプルを加算した場合に、ほぼ元の値に戻るようにしなければならない。このため、窓関数Ｗ（４，ｉ）の形状は、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）の値に応じて必然的に定まる。すなわち、奇数フレームと偶数フレームの重複部分において、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）を加算すると、全区間固定値１になるように定義されている。

（２．音響信号に対する情報の埋め込み装置）
図１は、本発明に係る音響信号に対する情報の埋め込み装置の構成を示す機能ブロック図である。図１において、１０は音響フレーム読込手段、２０は周波数変換手段、３０は低周波成分変更手段、４０は周波数逆変換手段、５０は改変音響フレーム出力手段、６０は記憶手段、６１は音響信号記憶部、６２は付加情報記憶部、６３は改変音響信号記憶部、７０は付加情報読込手段である。なお、図１に示す装置は、ステレオ音響信号、モノラル音響信号の両方に対応可能であるが、ここでは、ステレオ音響信号に対して処理を行う場合について説明していく。

音響フレーム読込手段１０は、付加情報の埋め込み対象とする元のステレオ音響信号の各チャンネルから所定数のサンプルを１フレームとして読み込む機能を有している。周波数変換手段２０は、音響フレーム読込手段１０が読み込んだ音響信号のフレームをフーリエ変換等により周波数変換してフレームスペクトルを生成する機能を有している。低周波成分変更手段３０は、Ａタイプの音響フレームについては、生成されたフレームスペクトルから３つの所定周波数範囲に相当するスペクトル集合を３セット抽出し、付加情報記憶部６２から抽出した付加情報に基づいて、低周波強度データのスペクトル集合間の割合（比率）を変更し、Ｂタイプの音響フレームについては、生成されたフレームスペクトルの所定周波数範囲の低周波強度データを“０”にする機能を有している。周波数逆変換手段４０は、変更された低周波強度データを含む複数のフレームスペクトルに対して周波数逆変換を行うことにより、改変音響フレームを生成する機能を有している。改変音響フレーム出力手段５０は、生成された改変音響フレームを順次出力する機能を有している。記憶手段６０は、付加情報を埋め込む対象とするステレオ音響信号を記憶した音響信号記憶部６１と、ビット配列として構成され、ステレオ音響信号に埋め込まれる付加情報を記憶した付加情報記憶部６２と、付加情報埋め込み後の改変音響信号を記憶する改変音響信号記憶部６３を有しており、その他処理に必要な各種情報を記憶するものである。付加情報読込手段７０は、付加情報記憶部６２から付加情報を抽出する機能を有している。なお、付加情報とは、音響情報に付加して埋め込むべき情報であり、タイトルやアーティスト名等の属性情報、および属性情報以外の他の情報を含むものである。図１に示した各構成手段は、現実にはコンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。

（３．埋め込み装置の処理動作）
次に、図１に示した音響信号に対する情報の埋め込み装置の処理動作について説明する。ここでは、音響信号として、Ｌ（左）、Ｒ（右）の２チャンネルを有するステレオ音響信号に対して処理を行う場合について説明していく。図１に示した埋め込み装置では、音響フレーム読込手段１０が、音響信号記憶部６１に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルを１音響フレームとして読み込む。音響フレーム読込手段１０が読み込む１音響フレームのサンプル数は、適宜設定することができるが、サンプリング周波数が４４．１ｋＨｚの場合、４０９６サンプル程度とすることが望ましい。したがって、音響フレーム読込手段１０は、左チャンネル、右チャンネルについてそれぞれ４０９６サンプルずつ、順次音響フレームとして読み込んでいくことになる。本発明においては、音響フレームとしてＡタイプとＢタイプが存在する。Ａタイプの音響フレーム、Ｂタイプの音響フレームは、それぞれ同タイプの先行する音響フレームの最後のサンプルの次のサンプルを先頭サンプルとして設定される。そして、ＡタイプとＢタイプの音響フレームは互いに所定数（本実施形態では２０４８）のサンプルを重複して設定される。例えば、Ａタイプの音響フレームを先頭からＡ１、Ａ２、Ａ３…とし、Ｂタイプの音響フレームを先頭からＢ１、Ｂ２、Ｂ３…とすると、Ａ１はサンプル１〜４０９６、Ａ２はサンプル４０９７〜８１９２、Ａ３はサンプル８１９３〜１２２８８、Ｂ１はサンプル２０４９〜６１４４、Ｂ２はサンプル６１４５〜１０２４０、Ｂ３はサンプル１０２４１〜１４３３６となる。なお、ＡタイプとＢタイプは相対的なものであるので、どちらが先であっても良い。すなわち、上記とは逆にＡ１がサンプル２０４９〜６１４４、Ａ２がサンプル６１４５〜１０２４０、Ａ３がサンプル１０２４１〜１４３３６、Ｂ１がサンプル１〜４０９６、Ｂ２がサンプル４０９７〜８１９２、Ｂ３がサンプル８１９３〜１２２８８であっても良い。

音響フレーム読込手段１０により読み込まれたＡタイプの音響フレームと、Ｂタイプの音響フレームは並行して処理されていく。まず、Ｂタイプ音響フレームの処理について説明する。

Ｂタイプ音響フレームについては、周波数変換手段２０が周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る。具体的には、音響フレーム読込手段１０が読み込んだ音響フレームについて、窓関数を利用して周波数変換を行う。周波数変換としては、フーリエ変換、ウェーブレット変換その他公知の種々の手法を用いることができる。本実施形態では、フーリエ変換を用いた場合を例にとって説明する。

一般に、所定の信号に対してフーリエ変換を行う場合、信号を所定の長さに区切って行う必要があるが、この場合、所定長さの信号に対してそのままフーリエ変換を行うと、区切り部分が不連続になる。そこで、一般にフーリエ変換を行う場合には、ハニング窓と呼ばれる窓関数を用いて、信号の値を変化させた後、変化後の値に対してフーリエ変換を実行する。ここでフーリエ変換を行う場合、具体的には、左チャンネル信号Ｘｌ（ｉ）、右チャンネル信号Ｘｒ（ｉ）（ｉ＝０，…，Ｎ−１）に対して、窓関数Ｗ（４，ｉ）を用いて、以下の〔数式５〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（４，ｊ）、虚部Ｂｌ（４，ｊ）、右チャンネルに対応する変換データの実部Ａｒ（４，ｊ）、虚部Ｂｒ（４，ｊ）を得る。

〔数式５〕
Ａｌ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）

〔数式５〕において、ｉは、各音響フレーム内のＮ個のサンプルに付した通し番号であり、ｉ＝０，１，２，…Ｎ−１の整数値をとる。また、ｊは周波数の値について、値の小さなものから順に付した通し番号であり、ｉと同様にｊ＝０，１，２，…Ｎ−１の整数値をとる。サンプリング周波数が４４．１ｋＨｚ、Ｎ＝４０９６の場合、ｊの値が１つ異なると、周波数が１０．８Ｈｚ異なることになる。次に、低周波成分変更手段３０は、窓４成分（第４窓関数による低周波スペクトルの各成分）の除去を行う。具体的には、窓４成分に対して、以下の〔数式６〕に従った処理を実行することになる。

上記〔数式５〕に従った処理を実行することにより、各音響フレームの信号成分を周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、低周波成分変更手段３０が、生成されたフレームスペクトルから３つの所定周波数範囲のスペクトル集合を抽出する。人間の聴覚は、２００〜３００Ｈｚ程度までの低周波成分については、方向性を感知しにくくなっていることが知られている（コロナ社１９９０年１０月３０日発行「音響工学講座１．基礎音響工学、日本音響学会編」ｐ２４７図９・２６参照）。したがって、本実施形態では、低周波成分を２００Ｈｚ程度以下としている。周波数２００Ｈｚ付近は、上記ｊが２０に相当するので、上記〔数式５〕により算出された実部Ａｌ（４，ｊ）、虚部Ｂｌ（４，ｊ）、実部Ａｒ（４，ｊ）、虚部Ｂｒ（４，ｊ）、のうち、ｊ≦２０（＝Ｍ）のものを抽出することになる。

〔数式６〕
ｊ＝１〜Ｍの各成分に対して（ステレオの場合、左信号の対応する成分）
Ａｌ´（４，ｊ）＝０
Ｂｌ´（４，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（４，ｊ）＝｛Ａｌ（４，ｊ）²＋Ｂｌ（４，ｊ）²＋Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2
Ａｒ´（４，ｊ）＝Ａｒ（４，ｊ）・Ｅ（４，ｊ）／｛Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2
Ｂｒ´（４，ｊ）＝Ｂｒ（４，ｊ）・Ｅ（４，ｊ）／｛Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2

次に、周波数逆変換手段４０が、上記の処理により窓４成分が除去されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う。この周波数逆変換は、当然のことながら、周波数変換手段２０が実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段２０において、フーリエ変換を施しているため、周波数逆変換手段４０は、フーリエ逆変換を実行することになる。具体的には、上記〔数式６〕のいずれかにより得られたスペクトルの左チャンネルの実部Ａｌ´（４，ｊ）、虚部Ｂｌ´（４，ｊ）、右チャンネルの実部Ａｒ´（４，ｊ）、虚部Ｂｒ´（４，ｊ）を用いて、以下の〔数式７〕に従った処理を行い、Ｘｌ´（ｉ）、Ｘｒ´（ｉ）を算出する。なお、上記〔数式６〕において改変されていない周波数成分については、以下の〔数式７〕においてはＡｌ´（４，ｊ）、Ｂｌ´（４，ｊ）、Ａｒ´（４，ｊ）、Ｂｒ´（４，ｊ）として、元の値であるＡｌ（４，ｊ）、Ｂｌ（４，ｊ）、Ａｒ（４，ｊ）、Ｂｒ（４，ｊ）を用いる。

〔数式７〕
Ｘｌ´（ｉ）＝１／Ｎ・｛Σ_jＡｌ´（４，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（４，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｌｐ（ｉ＋Ｎ／２）
Ｘｒ´（ｉ）＝１／Ｎ・｛Σ_jＡｒ´（４，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（４，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｒｐ（ｉ＋Ｎ／２）

上記〔数式７〕によりＢタイプの改変音響フレームの左チャンネルの各サンプルＸｌ´（ｉ）、右チャンネルの各サンプルＸｒ´（ｉ）、が得られることになる。改変音響フレーム出力手段５０は、得られた改変音響フレームを順次出力ファイルに出力する。Ｂタイプ音響フレームに対しては、上記のように、〔数式５〕〜〔数式７〕に従った処理が行われていくことになる。

続いて、Ａタイプ音響フレームの処理について、図２、図３のフローチャートを用いて説明する。図２、図３は、付加情報１ワード分の処理に対応したものとなっている。１ワードとしては、任意のビット数に設定することができるが、通常１バイトに設定する。また、図２のフローチャートは、１ワードの区切り情報を埋め込む処理に対応し、図３のフローチャートは、１ワードを構成する各ビット値を埋め込む処理に対応している。

まず、モードを区切りモードに設定する（Ｓ１０１）。モードは区切りモードと、ビットモードの２種類が存在する。区切りモードは１ワード単位の区切りにおける処理を行うモードを示し、ビットモードは１ワードの各ビットの値に基づいた処理を行うモードを示している。

続いて、音響フレーム読込手段１０が、音響信号記憶部６１に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルを１音響フレームとして読み込む（Ｓ１０２）。

そして、読み込んだ音響フレームに対して、区切りを示す情報を埋め込むために、音響フレームの低周波成分を第３窓優位な状態に設定する（Ｓ１０３）。具体的には、まず、周波数変換手段２０が、読み込んだ音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る。具体的には、Ｓ１０２で読み込んだ音響フレームについて、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）の３つの窓関数を用いて行う。周波数変換としては、フーリエ変換、ウェーブレット変換その他公知の種々の手法を用いることができるが、上記Ｂタイプ音響フレームの場合と同様、本実施形態では、フーリエ変換を用いる。

Ｓ１０３においてフーリエ変換を行う場合、具体的には、左チャンネル信号Ｘｌ（ｉ）、右チャンネル信号Ｘｒ（ｉ）（ｉ＝０，…，Ｎ−１）に対して、３つの窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用いて、以下の〔数式８〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（１，ｊ）、Ａｌ（２，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（２，ｊ）、Ｂｌ（３，ｊ）、右チャンネルに対応する変換データの実部Ａｒ（１，ｊ）、Ａｒ（２，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（２，ｊ）、Ｂｒ（３，ｊ）を得る。なお、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）は、それぞれ音響フレームの前部（先頭）付近、中央付近、後部付近において値が大きくなる関数となっている。

〔数式８〕
Ａｌ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｌ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｌ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）

上記〔数式５〕と同様に、〔数式８〕において、ｉは、各音響フレーム内のＮ個のサンプルに付した通し番号であり、ｉ＝０，１，２，…Ｎ−１の整数値をとる。また、ｊは周波数の値について、値の小さなものから順に付した通し番号であり、ｉと同様にｊ＝０，１，２，…Ｎ−１の整数値をとる。サンプリング周波数が４４．１ｋＨｚ、Ｎ＝４０９６の場合、ｊの値が１つ異なると、周波数が１０．８Ｈｚ異なることになる。

上記〔数式８〕に従った処理を実行することにより、各音響フレームの信号成分を周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、低周波成分変更手段３０が、生成されたフレームスペクトルから３つの所定周波数範囲のスペクトル集合を抽出する。上述のように、人間の聴覚は、２００〜３００Ｈｚ程度までの低周波成分については、方向性を感知しにくくなっているため、ここでも、低周波成分を２００Ｈｚ程度以下としている。周波数２００Ｈｚ付近は、上記ｊが２０に相当するので、上記〔数式８〕により算出された実部Ａｌ（１，ｊ）、Ａｌ（２，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（２，ｊ）、Ｂｌ（３，ｊ）、実部Ａｒ（１，ｊ）、Ａｒ（２，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（２，ｊ）、Ｂｒ（３，ｊ）のうち、ｊ≦２０（＝Ｍ）のものを抽出することになる。

続いて、低周波成分変更手段３０は、抽出した左チャンネルの実部Ａｌ（１，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（３，ｊ）、右チャンネルの実部Ａｒ（１，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（３，ｊ）を利用して、以下の〔数式９〕により、合算値Ｅ₂を算出する。

〔数式９〕
Ｅ₂＝Σ_j=1,…,M-3｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝

上記〔数式９〕により算出されたＥ₂は音響フレーム後部付近のスペクトル集合の成分強度の合算値を示すことになる。続いて、この合算値Ｅ₂がレベル下限値Ｌｅｖ以上であるかどうかの判定を行う。レベル下限値Ｌｅｖは、音響信号Ｘｌ（ｉ）、Ｘｒ（ｉ）の振幅最大値が１に正規化されており、Ｍ＝２０に設定されている場合、０．５に設定する。このＬｅｖ＝０．５という値は、経験的にアナログ変換への耐性が維持できるレベルであり、低周波成分が少ない場合は適宜下げることになるが、その場合は、アナログ変換により検出精度も低下することになる。

合算値Ｅ₂がレベル下限値Ｌｅｖ以上であるかどうかを判断するのは、信号の強度が小さいと、信号を変化させても、その変化を抽出側で検出することができないためである。すなわち、区切りを示すための窓３成分（第３窓関数による低周波スペクトルの各成分）を十分な大きさとすることができるかどうかを判断することになる。

合算値Ｅ₂がレベル下限値Ｌｅｖ以上である場合は、左チャンネル信号の窓１成分と窓３成分のスペクトル強度の割合を、窓３成分が優位な状態に変更する処理を行う。ここで、「優位」とは、一方の窓成分のスペクトル集合におけるスペクトル強度が、他方の窓成分のスペクトル集合におけるスペクトル強度よりも大きいことを示す。そこで、Ｓ１０３においては、以下の〔数式１０〕、〔数式１１〕に従った処理を実行することにより、窓１成分のスペクトル強度と、窓３成分のスペクトル強度の大小関係を変更し、窓３成分が優位な状態に変更する処理を行う。

〔数式１０〕
ｊ＝１〜Ｍに対して（ステレオの場合、左信号の対応する成分）
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
Ａｌ´（２，ｊ）＝０
Ｂｌ´（２，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｅ（２，ｊ）＝｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²＋Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ａｒ´（２，ｊ）＝Ａｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｂｒ´（２，ｊ）＝Ｂｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2

なお、この場合、窓３成分に対しては、以下の〔数式１１〕に従った処理を実行する。

〔数式１１〕
ｊ＝Ｍ−２、Ｍ−１、Ｍの３成分に対して
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
更にステレオの場合、残存成分を強調させるため、次のように右チャンネル成分を左チャンネル成分に移動させる処理を行う。ｊ＝１〜Ｍ−３に対して
Ａｒ´（３，ｊ）＝０
Ｂｒ´（３，ｊ）＝０
Ａｌ´（３，ｊ）＝Ａｌ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝^1/2
Ｂｌ´（３，ｊ）＝Ｂｌ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝^1/2

上記〔数式１０〕〔数式１１〕による処理を行った結果、窓３成分のｊ＝Ｍ−２、Ｍ−１、Ｍにおいては、値が“０”となるが、他は所定値以上の信号成分が存在することになる。したがって、この場合、窓３成分が優位な状態にスペクトル強度の割合が変更されたことになる。窓３成分が優位な状態に変更したら、モードをビットモードに変更する（Ｓ１０４）。

一方、合算値Ｅ₂がレベル下限値Ｌｅｖ未満である場合は、左チャンネル信号の窓１成分〜窓３成分のスペクトル強度の割合を、窓２成分が優位な状態に変更する処理を行う（Ｓ１０５）。そこで、Ｓ１０５においては、以下の〔数式１２〕〔数式１３〕に従った処理を実行することにより、窓１成分〜窓３成分のスペクトル強度の大小関係を変更し、窓２成分が優位な状態に変更する処理を行う。

〔数式１２〕
ｊ＝１〜Ｍに対して、
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2

〔数式１３〕
ｊ＝Ｍ−２、Ｍ−１、Ｍの３成分に対して
Ａｌ´（２，ｊ）＝０
Ｂｌ´（２，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（２，ｊ）＝｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²＋Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ａｒ´（２，ｊ）＝Ａｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｂｒ´（２，ｊ）＝Ｂｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
更にステレオの場合、残存成分を強調させるため、次のように右チャンネル成分を左チャンネル成分に移動させる処理を行う。ｊ＝１〜Ｍ−３に対して
Ａｒ´（２，ｊ）＝０
Ｂｒ´（２，ｊ）＝０
Ａｌ´（２，ｊ）＝Ａｌ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²｝^1/2
Ｂｌ´（２，ｊ）＝Ｂｌ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²｝^1/2

上記〔数式１２〕〔数式１３〕による処理を行った結果、窓２成分のｊ＝Ｍ−２、Ｍ−１、Ｍにおいては、値が“０”となるが、他は所定値以上の信号成分が存在することになる。したがって、この場合、窓２成分が優位な状態にスペクトル強度の割合が変更されたことになる。

次に、周波数逆変換手段４０が、窓２成分もしくは窓３成分が優位な状態に変更されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う（Ｓ１０６）。この周波数逆変換は、当然のことながら、周波数変換手段２０がＳ１０３において実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段２０において、フーリエ変換を施しているため、周波数逆変換手段４０は、フーリエ逆変換を実行することになる。具体的には、上記〔数式１２〕〜〔数式１３〕のいずれかにより得られたスペクトルの左チャンネルの実部Ａｌ´（１，ｊ）等、虚部Ｂｌ´（１，ｊ）等、右チャンネルの実部Ａｒ´（１，ｊ）等、虚部Ｂｒ´（１，ｊ）等を用いて、以下の〔数式１４〕に従った処理を行い、Ｘｌ´（ｉ）、Ｘｒ´（ｉ）を算出する。なお、上記〔数式１２〕〜〔数式１３〕において改変されていない周波数成分については、Ａｌ´（１，ｊ）等として、元の周波数成分であるＡｌ（１，ｊ）等を用いる。

〔数式１４〕
Ｘｌ´（ｉ）＝１／Ｎ・｛Σ_jＡｌ´（１，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（１，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｌ´（２，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（２，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｌ´（３，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（３，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｌｐ（ｉ＋Ｎ／２）
Ｘｒ´（ｉ）＝１／Ｎ・｛Σ_jＡｒ´（１，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（１，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｒ´（２，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（２，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｒ´（３，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（３，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｒｐ（ｉ＋Ｎ／２）

上記〔数式１４〕においては、式が繁雑になるのを防ぐため、Σ_j=0,…,N-1をΣ_jとして示している。上記〔数式１４〕における第１式の“＋Ｘｌｐ（ｉ＋Ｎ／２）”、第２式の“＋Ｘｒｐ（ｉ＋Ｎ／２）”の項は、直前に改変された改変音響フレームのデータＸｌｐ（ｉ）、Ｘｒｐ（ｉ）が存在する場合に、時間軸上Ｎ／２サンプル分重複することを考慮して加算するためのものである。上記〔数式１４〕によりＡタイプの改変音響フレームの左チャンネルの各サンプルＸｌ´（ｉ）、右チャンネルの各サンプルＸｒ´（ｉ）、が得られることになる。改変音響フレーム出力手段５０は、得られた改変音響フレームを順次出力ファイルに出力する。

フレームが窓２成分優位な状態に設定された場合、モードは区切りモードのままである。モードが区切りモードである場合は、Ｓ１０２に戻って、音響フレームの読み込みを行い、区切りを示す窓３成分が優位な状態に変更する処理を行う。一方、モードがビットモードに変更されている場合は、付加情報読込手段７０が付加情報記憶部６２から付加情報を１ワード単位で読み込む（Ｓ２０１）。具体的には、音響信号に対する情報の埋め込み装置として用いられるコンピュータ内のレジスタに１ワード読み込むことになる。

次に、低周波成分変更手段３０が付加情報のビット配列中の先頭のビットを読み込む（Ｓ２０２）。続いて、音響フレーム読込手段１０が、次の音響フレームを読み込む（Ｓ２０３）。そして、周波数変換手段２０が、読み込んだ音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る。これは、Ｓ１０２と同様の処理であり、読み込んだ音響フレームについて、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）の３つの窓関数を用いて、上記〔数式８〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（１，ｊ）、Ａｌ（２，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（２，ｊ）、Ｂｌ（３，ｊ）、右チャンネルに対応する変換データの実部Ａｒ（１，ｊ）、Ａｒ（２，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（２，ｊ）、Ｂｒ（３，ｊ）を得る。

続いて、低周波成分変更手段３０は、抽出した左チャンネルの実部Ａｌ（１，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（３，ｊ）、右チャンネルの実部Ａｒ（１，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（３，ｊ）を利用して、以下の〔数式１５〕により、合算値Ｅ₁を算出する。

〔数式１５〕
Ｅ₁＝Σ_j=1,…,M-3｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝

合算値Ｅ₁がレベル下限値Ｌｅｖ以上であるかどうかを判断するのは、信号の強度が小さいと、信号を変化させても、その変化を抽出側で検出することができないためである。すなわち、窓１成分（第１窓関数による低周波スペクトルの各成分）を十分な大きさとすることができるかどうかを判断することになる。

合算値Ｅ₁がレベル下限値Ｌｅｖ以上である場合は、低周波成分変更手段３０は、モードがビットモードである場合、付加情報記憶部６２から抽出した付加情報のビット配列のビット値に応じて、左チャンネル信号の窓１成分と窓２成分のスペクトル強度の割合を窓１成分が優位か、窓２成分が優位かのいずれかの状態に変更する処理を行う（Ｓ２０４、Ｓ２０５）。本実施形態では、第１の値（例えば“１”）と第２の値（例えば“０”）をとり得るビット値が“１”の場合、窓１成分（第１窓関数による低周波スペクトルの各成分）を、ビット値が“０”の場合、窓２成分（第２窓関数による低周波スペクトルの各成分）を、それぞれ優位な状態とすることとしている。窓１成分が優位な状態に変更するためには、以下の〔数式１６〕、〔数式１７〕に従った処理を実行することにより、窓１成分のスペクトル強度と、窓３成分のスペクトル強度の大小関係を変更し、窓１成分が優位な状態に変更する処理を行う（Ｓ２０４）。

〔数式１６〕
ｊ＝１〜Ｍの各成分に対して
Ａｌ´（２，ｊ）＝０
Ｂｌ´（２，ｊ）＝０
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（２，ｊ）＝｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²＋Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ａｒ´（２，ｊ）＝Ａｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｂｒ´（２，ｊ）＝Ｂｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2

なお、この場合、窓１成分に対しては、以下の〔数式１７〕に従った処理を実行する。

〔数式１７〕
ｊ＝Ｍ−２、Ｍ−１、Ｍの３成分に対して
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
更にステレオの場合、残存成分を強調させるため、次のように右チャンネル成分を左チャンネル成分に移動させる処理を行う。ｊ＝１〜Ｍ−３に対して
Ａｒ´（１，ｊ）＝０
Ｂｒ´（１，ｊ）＝０
Ａｌ´（１，ｊ）＝Ａｌ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝^1/2
Ｂｌ´（１，ｊ）＝Ｂｌ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝^1/2

上記〔数式１６〕〔数式１７〕による処理を行った結果、窓１成分のｊ＝Ｍ−２、Ｍ−１、Ｍにおいては、値が“０”となるが、他は所定値以上の信号成分が存在することになる。したがって、この場合、窓１成分が優位な状態にスペクトル強度の割合が変更されたことになる。窓２成分が優位な状態に変更するためには、上記〔数式１２〕〔数式１３〕に従った処理を実行する（Ｓ２０５）。

一方、合算値Ｅ₁がレベル下限値Ｌｅｖ未満である場合は、モードを区切りモードに変更した後（Ｓ２０６）、付加情報のビット値に関わらず、上記〔数式１２〕〔数式１３〕に従った処理を実行して、窓２成分が優位な状態に変更する処理を行う（Ｓ２０５）。

次に、周波数逆変換手段４０が、窓２成分もしくは窓１成分が優位な状態に変更されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う（Ｓ２０７）。この周波数逆変換は、当然のことながら、周波数変換手段２０がＳ１０５において実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段２０において、フーリエ変換を施しているため、周波数逆変換手段４０は、フーリエ逆変換を実行することになる。具体的には、上記〔数式１２〕〜〔数式１３〕のいずれかにより得られたスペクトルの左チャンネルの実部Ａｌ´（１，ｊ）等、虚部Ｂｌ´（１，ｊ）等、右チャンネルの実部Ａｒ´（１，ｊ）等、虚部Ｂｒ´（１，ｊ）等を用いて、上記〔数式１４〕に従った処理を行い、Ｘｌ´（ｉ）、Ｘｒ´（ｉ）を算出する。なお、上記〔数式１２〕〜〔数式１３〕において改変されていない周波数成分については、Ａｌ´（１，ｊ）等として、元の周波数成分であるＡｌ（１，ｊ）等を用いる。

フレームが窓１成分優位な状態に設定された場合、モードはビットモードのままである。モードがビットモードである場合は、Ｓ２０２に戻って、次のビットを読み込んだ後、音響フレームの読み込み等の処理を行う。一方、モードが区切りモードに変更されている場合は、Ｓ１０２に戻って、区切りを埋め込むための処理を行う。また、Ｓ２０２において、１ワード分のビットの処理が終了した場合も、モードを区切りモードに変更し（Ｓ２０８）、Ｓ１０２に戻って、区切りを埋め込むための処理を行う。

図２に示した処理を付加情報の各ワード単位で繰り返し実行していく。付加情報の読み込みが全て終わった場合であっても、音響信号から読み込むべき音響フレームが存在している場合には、再び付加情報の先頭から処理を行う。また、Ｓ１０２、Ｓ２０３に示すように、付加情報の処理の途中であっても、音響信号の全ての音響フレームに対して処理を終えた場合には、埋め込み処理を終了する。

上記処理により得られた改変音響フレームは、改変音響フレーム出力手段５０が、順次出力ファイルに出力する。この結果、全ての音響フレームに対して処理を行った全ての改変音響フレームが出力ファイルに記録されて、改変音響信号として得られる。得られた改変音響信号は、記憶手段６０内の改変音響信号記憶部６３に出力され、記憶される。

上記のようにして得られた改変音響信号の左チャンネルのうち、付加情報が埋め込まれている部分については、低周波成分は、窓１成分が優位か、窓２成分が優位か、窓３成分が優位かの３通りの分布しかないことになる。しかし、高周波成分については、元の音響信号のままであるので、制作者の設定に基づいた種々な分布になる。また、上記の例で示したように、ステレオ音響信号を利用した場合には、左チャンネルにおいて変化させられた低周波成分は、上記〔数式１２〕〜〔数式１３〕の処理からも明らかなように、必ず右チャンネルの低周波成分に付加されている。したがって、右チャンネルが左チャンネルにおいて削除された成分を補っているため、両チャンネル全体として見ると、信号の劣化がない。人間の聴覚は、高周波成分については、方向性を感知し易いが、低周波成分については、方向性を感知しにくくなっている。したがって、低周波成分が一方に偏っていても、聴いている人にとっては、通常の音響信号と変わりなく聴こえることになる。

（４．埋め込み状態の従来との比較）
ここで、特許文献７に記載された従来発明との比較を行う。図１２は、特許文献７に示した従来技術による埋め込み前と埋め込み後の、音響信号（ステレオ２チャンネルの場合は、Ｌチャンネル信号）の低周波部分を示す概念図である。このうち、図１２（ａ）は、埋め込み直前、すなわち窓関数を乗じた後、低周波成分の状態を変更する前の音響信号の低周波成分の分布状態を示しており、図１２（ｂ）は、埋め込み後、すなわち低周波成分の状態を変更した後の音響信号の低周波成分の分布状態を示している。図１２においても、図９、図１０と同様、窓関数を乗じた場合のエンベロープ波形を代用している。図１３は、本発明による埋め込み前と埋め込み後の、音響信号（ステレオ２チャンネルの場合は、Ｌチャンネル信号）の低周波部分の分布状態を示す概念図である。このうち、図１３（ａ）は、埋め込み直前、すなわち窓関数を乗じた後、低周波成分の状態を変更する前の音響信号の低周波成分の分布状態を示しており、図１３（ｂ）は、埋め込み後、すなわち低周波成分の状態を変更した後の音響信号の低周波成分の分布状態を示している。なお、図１２、図１３いずれも、Ａタイプ３フレーム、Ｂタイプ３フレーム計６フレーム分の状態を示している。

図１２（ｂ）と図１３（ｂ）を比較すると、本発明では、フレームの中央部分の窓２成分が存在していることがわかる。そのため、上述のように、位置ずれが生じた場合でも誤認識する可能性が低くなる。

（５．音響信号からの情報の抽出装置）
次に、本発明に係る音響信号からの情報の抽出装置について説明する。図４は、本発明に係る音響信号からの情報の抽出装置の一実施形態を示す構成図である。図４において、１００は音響信号入力手段、１１０は基準フレーム獲得手段、１２０は位相変更フレーム設定手段、１３０は周波数変換手段、１４０は符号判定パラメータ算出手段、１５０は符号出力手段、１６０は付加情報抽出手段、１７０は音響フレーム保持手段である。

音響信号入力手段１００は、流れている音声をデジタル音響信号として取得し、入力する機能を有している。現実には、マイクロフォンおよびＡ／Ｄ変換器により実現される。マイクロフォンとしては、低周波成分が検出可能なものであれば、モノラル無指向性のものであっても、ステレオ指向性のものであっても使用可能である。ステレオ指向性のものであっても一方のチャンネルだけ利用すれば良い。また、図１に示した装置で情報の埋め込みを行った場合には、特別精度の高いものでなく、一般的な精度のマイクロフォンを用いても情報の抽出が可能となる。基準フレーム獲得手段１１０は、入力されたデジタルのモノラル音響信号（あるいはステレオ音響信号の１チャンネル）から所定数のサンプルで構成される音響フレームを基準フレームとして読み込む機能を有している。位相変更フレーム設定手段１２０は、基準フレームと所定サンプルずつ移動させることにより位相を変更した音響フレームを位相変更フレームとして設定する機能を有している。周波数変換手段１３０は、図１に示した周波数変換手段２０と同様の機能を有している。符号判定パラメータ算出手段１４０は、生成されたフレームスペクトルから所定の周波数以下に相当する各低周波強度データを抽出し、窓１成分、窓２成分、窓３成分ごとに各低周波強度データの合算値Ｅ_C1、Ｅ_C2、Ｅ_C3を以下の〔数式１８〕に基づいて算出し、この合算値Ｅ_C1、Ｅ_C2、Ｅ_C3を符号判定パラメータとし、この符号判定パラメータＥ_C1、Ｅ_C2、Ｅ_C3の比率に基づいて、所定の状態であると判断する機能を有している。以下の〔数式１８〕は上記〔数式９〕において右チャンネル成分を削除したもので、抽出時には右チャンネル成分を参照しないためである。

〔数式１８〕
Ｅ_C1＝Σ_j=1,…,M-3｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝
Ｅ_C2＝Σ_j=1,…,M-3｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²｝
Ｅ_C3＝Σ_j=1,…,M-3｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝

符号出力手段１５０は、１つの基準フレームに対応する音響フレーム（基準フレームおよび位相変更フレーム）の中から最適な位相であると判断されるものを判断し、その音響フレームの状態に対応する符号を出力する機能を有している。付加情報抽出手段１６０は、符号出力手段１５０により出力された符号の集合である３値配列を、所定の規則により変換して意味のある付加情報として抽出する機能を有している。音響フレーム保持手段１７０は、連続する２個の基準フレームを保持可能なバッファメモリである。図４に示した各構成手段は、現実には情報処理機能を有する小型のコンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。特に、本発明の目的をより簡易に達成するためには、携帯型端末装置をハードウェアとして用いることが望ましい。

（６．抽出装置の処理動作）
次に、図４に示した音響信号からの情報の抽出装置の処理動作について図５のフローチャートに従って説明する。まず、本装置では、平均符号レベルＨＬ１、ＨＬ２、ＨＬ３、位相判定テーブルＳ（ｐ）、非符号カウンタＮｎが初期化される。これらについて説明する。平均符号レベルＨＬ１、ＨＬ２、ＨＬ３は、ビット値に対応する２値が埋め込まれていたと判断される音響フレーム（以下、有効フレームと呼ぶことにする）についての、上記〔数式１８〕で算出される低周波成分の合算値Ｅ_C1、Ｅ_C2、Ｅ_C3の平均値、すなわち、過去の有効フレームにおける合算値Ｅ_C1、Ｅ_C2、Ｅ_C3の平均値で与えられるものであり、初期値は、上記埋め込み装置においても用いられるレベル下限値Ｌｅｖに設定されている。位相判定テーブルＳ（ｐ）は、位相を判定するためのテーブルであり、ｐは０〜５の整数値をとる。初期値はＳ（ｐ）＝０に設定されている。非符号カウンタＮｎは、信号レベルが低いと判断されるフレーム数のカウンタであり、初期状態では、Ｎｎ＝０に設定される。

このように、初期値が設定されている状態で、利用者が流れている音楽について、その楽曲名等の属性情報を知りたいと思った場合、まず、抽出装置に対して、抽出装置としての起動の指示を行う。これは、例えば、抽出装置を携帯電話機等の携帯端末で実現している場合は、所定のボタンを操作することにより実行できる。抽出装置は、指示が入力されると、音響信号入力手段１００が、流れている音楽を録音し、デジタル化してデジタル音響信号として入力する。具体的には、無指向性マイクロフォン（または指向性マイクロフォンの一方のチャンネル）から入力される音声を、Ａ／Ｄ変換器によりデジタル化する処理を行うことになる。

続いて、基準フレーム獲得手段１１０が、音響信号入力手段１００から入力された音響信号から、所定数のサンプルで構成される音響フレームを基準フレームとして抽出する（Ｓ３０１）。具体的には、基準フレームを抽出して音響フレーム保持手段１７０に読み込むことになる。基準フレーム獲得手段１１０が基準フレームとして読み込む１音響フレームのサンプル数は、図１に示した音響フレーム読込手段１０で設定されたものと同一にする必要がある。したがって、本実施形態の場合、基準フレーム獲得手段１１０は、４０９６サンプルずつ、順次基準フレームとして読み込んでいくことになる。音響フレーム保持手段１７０には、上述のように２個の基準フレームが格納可能となっており、新しい基準フレームが読み込まれると、古い基準フレームを破棄するようになっている。したがって、音響フレーム保持手段１７０には、常に基準フレーム２個分（連続する８１９２サンプル）が格納されていることになる。

埋め込み装置で処理する音響フレームは、先頭から途切れることなく隣接して設定される基準フレームと、この基準フレームと位相を変更した位相変更フレームとに分けることができる。基準フレームについては、最初の基準フレームをサンプル番号１からサンプル番号４０９６までを設定したら、次の基準フレームは、サンプル番号４０９７からサンプル番号８１９２、さらに次の基準フレームは、サンプル番号８１９３からサンプル番号１２２８８、というように途切れることなく設定される。そして、各基準フレームについて、１／６フレーム（約６８３サンプル）ずつ移動した５個の位相変更フレームを設定する。例えば、最初の基準フレームについては、サンプル番号６８３、１３６６、２０４９、２７３２、３４１３から始まる４０９６のサンプルで構成される５個の位相変更フレームが設定されることになる。続いて、周波数変換手段１３０、符号判定パラメータ算出手段１４０が、読み込んだ各音響フレームから、埋め込まれている情報を判定し、対応する符号を出力する（Ｓ３０２）。出力される情報の形式は、埋め込み側のビット値に対応する２値、および区切りとして入力された値の３値の形式となる。

ここで、ステップＳ３０２の符号判定処理の詳細を図６のフローチャートに従って説明する。まず、周波数変換手段１３０が、読み込んだ各音響フレームに対して、周波数変換を行ってフレームスペクトルを得る（Ｓ４０１）。この処理は、図１に示した周波数変換手段２０における処理と同様である。ただし、抽出に用いるのは、左チャンネルだけであるので、上記〔数式８〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（１，ｊ）等、虚部Ｂｌ（１，ｊ）等を得る。

上記周波数変換手段１３０における処理により、周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、符号判定パラメータ算出手段１４０は、平均符号レベルＨＬ１、ＨＬ２、ＨＬ３の算出を行う（Ｓ４０２）。具体的には、過去窓１成分が優位な状態と判断された音響フレームについての合算値Ｅ_C1の積算値であるｖ１を、過去窓１成分が優位な状態と判断された音響フレームの数であるｎ１で除算することによりＨＬ１を算出し、過去窓２成分が優位な状態と判断された音響フレームについての合算値Ｅ_C2の積算値であるｖ２を、過去窓２成分が優位な状態と判断された音響フレームの数であるｎ２で除算することによりＨＬ２を算出し、過去窓３成分が優位な状態と判断された音響フレームについての合算値Ｅ_C3の積算値であるｖ３を、過去窓３成分が優位な状態と判断された音響フレームの数であるｎ３で除算することによりＨＬ３を算出する。したがって、平均符号レベルＨＬ１、ＨＬ２、ＨＬ３は、過去対応する窓成分が優位な状態と判断された音響フレームの低周波強度データの合算値の平均値となる。

さらに、符号判定パラメータ算出手段１４０は、生成されたフレームスペクトルから所定の周波数範囲の各低周波強度データを抽出する。抽出すべき周波数範囲は、埋め込み装置と対応させる必要がある。したがって、ここでは、周波数が２００Ｈｚ程度以下の低周波強度データを抽出することになり、埋め込み装置の場合と同様、上記〔数式８〕により算出された左チャンネルの実部Ａｌ（ｊ）、虚部Ｂｌ（ｊ）のうち、ｊ≦２０のものを抽出する。そして、符号判定パラメータ算出手段１４０は、上記〔数式１８〕に従った処理を実行することにより、窓１成分の合算値Ｅ_C1、窓２成分の合算値Ｅ_C2、窓３成分の合算値Ｅ_C3を算出する。抽出装置においては、これを符号判定パラメータとして用いる。

続いて、符号判定パラメータ算出手段１４０は、候補符号テーブルの初期化を行う（Ｓ４０３）。候補符号テーブルは、１つの基準フレームおよび５個の位相変更フレームを特定する０〜５の位相番号および、この６個の音響フレームの状態から得られる３値の符号を記録するものである。

続いて、符号判定パラメータ算出手段１４０は、窓１成分の合算値Ｅ_C1、窓３成分の合算値Ｅ_C3がそれぞれ所定値以下であるかどうかの判定を行う（Ｓ４０４）。具体的には、所定値としてそれぞれ平均符号レベルＨＬ１、ＨＬ３に０．００１を乗じた値を設定する。合算値Ｅ_C1が平均符号レベルＨＬ１に０．００１を乗じた値以下であり、かつ、合算値Ｅ_C3が平均符号レベルＨＬ３に０．００１を乗じた値以下である場合、符号判定パラメータ算出手段１４０は、区切り情報であると判定する（Ｓ４０８）。

一方、符号判定パラメータ算出手段１４０は、上記算出された符号判定パラメータＥ_C1、Ｅ_C3の所定値との比較判定および相互の比較判定を以下の〔数式１９〕に従って行い（Ｓ４０５）、比較結果に対応する符号を出力する。

〔数式１９〕
Ｅ_C3＞（所定値）かつＥ_C3／Ｅ_C1＞２の場合、窓３成分が優位な状態
Ｅ_C1＞（所定値）かつＥ_C1／Ｅ_C3＞２の場合、窓１成分が優位な状態
上記以外の場合、窓２成分が優位な状態

符号判定パラメータ算出手段１４０は、各音響フレーム単位で、上記判定結果に応じて３値の符号を出力する。すなわち、窓３成分が優位な状態と判定した場合には、区切り情報を示す符号を出力し（Ｓ４０６）、窓１成分が優位な状態と判定した場合には、第１のビット値（例えば“１”）を出力し（Ｓ４０７）、窓２成分が優位な状態と判定した場合には、第２のビット値（例えば“０”）を出力する（Ｓ４０８）。

続いて、以下の〔数式２０〕に従って位相判定テーブルＳ（ｐ）の更新を行う（Ｓ４０９）。

〔数式２０〕
窓１成分が優位な状態の場合、Ｓ（ｐ）←Ｓ（ｐ）＋Ｅ_C1
窓２成分が優位な状態の場合、Ｓ（ｐ）←Ｓ（ｐ）＋Ｅ_C2
窓３成分が優位な状態の場合、Ｓ（ｐ）←Ｓ（ｐ）＋Ｅ_C3

続いて、符号判定パラメータ算出手段１４０は、候補符号テーブルに、最適位相となる候補を保存する（Ｓ４１０）。具体的には、位相判定テーブルに記録されているＳ（ｐ）の値が最大となる位相番号ｐの値、前記Ｓ４０６〜Ｓ４０８により判定された３値のいずれかの符号、その音響フレームについての上記〔数式９〕に従った処理を実行することにより算出した、低周波数成分に対応する各Ｅ_C1、Ｅ_C2、Ｅ_C3の値を最適位相の候補として候補符号テーブルに保存する。

続いて、全ての位相番号ｐに対応する処理を終えたかどうかを判定する（Ｓ４１１）。これは、ある基準フレームに対して全ての位相変更フレームの処理を行ったかどうかを判定している。本実施形態では、ｐが０〜５までの値をとるので、６回分処理していない場合は、処理していた音響フレームから所定サンプル数ずらして、位相の異なる音響フレームを設定し、Ｓ４０４に戻って処理を繰り返す。なお、ｐ＝０の場合が基準フレームであり、ｐ＝１〜５の場合が位相変更フレームである。全ての位相番号ｐに対応する処理を終えた場合は、候補保存テーブルに記録されている位相番号ｐに対応する位相が最適位相であると判定し、候補保存テーブルに記録されている符号を出力する（Ｓ４１２）。

再び図５のフローチャートに戻って説明する。Ｓ３０２による処理の結果、ビット値に相当する符号が出力された場合には、平均符号レベルのパラメータの更新および非符号カウンタの初期化処理を行う（Ｓ３０３）。具体的には、平均符号レベルＨＬ１、ＨＬ２、ＨＬ３算出の際の分子となる積算値ｖ１、ｖ２、ｖ３にそれぞれ合算値Ｅ_C1、Ｅ_C2、Ｅ_C3を加算して積算値ｖ１、ｖ２、ｖ３を更新し、分母となるフレーム数ｎ１、ｎ２、ｎ３にそれぞれ１を加算してフレーム数ｎ１、ｎ２、ｎ３を更新する。非符号カウンタの初期化処理は、非符号カウンタＮｎ＝０と設定することにより行う。続いて、成分比較を行う（Ｓ３０４）。窓１優位である場合は、そのビット値をバッファに保存する（Ｓ３０５）。続いて、ビットカウンタをカウントアップする（Ｓ３０６）。一方、Ｓ２０４による判定の結果、窓３優位である場合には、その直前で１ワードが終了していることを意味するので、バッファに記録された１ワード分のデータを、付加情報抽出手段１６０が出力する（Ｓ３０７）。そして、ビットカウンタを０に初期化して（Ｓ３０８）、Ｓ３０１に戻る。また、Ｓ３０２において、窓２優位と判定された場合には、非符号カウンタのカウントアップ処理を行う（Ｓ３０９）。具体的には、非符号カウンタＮｎの値に１を加算する。続いて、非符号カウンタが所定値以上であるかどうかを判断し（Ｓ３１０）、所定値未満である場合は、そのビット値をバッファに保存する（Ｓ３０５）。一方、所定値以上である場合は、Ｓ３０１に戻る。図５に示す処理を各基準フレームに対して実行することにより、付加情報が抽出されることになる。Ｓ３０１において全ての基準フレームが抽出されたと判断された場合には、処理を終了する。

上記Ｓ３０７の処理において、付加情報抽出手段１６０は、まず、符号判定パラメータ算出手段１４０により出力された３値の符号のうち、窓３成分が優位であることを示す符号を区切り位置として、その次の符号を先頭とし、窓２成分が優位な状態、窓１成分が優位な状態であることを示す符号をビット値に対応させて、ビット配列を作成する。続いて、このビット配列を、所定の規則により変換して意味のある付加情報として抽出する。所定の規則としては、情報を埋め込む者が意図した情報が受け取った者に認識可能な状態とできるものであれば、さまざまな規則が適用できるが、本実施形態では、文字情報として認識するための規則としている。すなわち、付加情報抽出手段１６０は、符号判定パラメータ算出手段１４０が判定し、符号出力手段１５０から出力される符号を１バイト（８ビット）単位で認識し、これを設定されたコード体系に従って文字情報を認識する。このようにして得られた文字情報は、表示装置（図示省略）の画面に表示出力される。

従って、埋め込み装置により音響信号に、その楽曲の曲名やアーチスト等の属性情報を文字情報として埋め込んでおけば、利用者は、その音楽が流れているのを聞いて、その曲名やアーチストを知りたいと思ったときに、抽出装置として機能する自身の携帯端末に所定の操作を行えば、自身の携帯端末の画面に曲名やアーチスト等の属性情報が文字情報として表示されることになる。

ここで再び特許文献７に示した従来技術との比較を行う。埋め込み後の状態である図１２（ｂ）と図１３（ｂ）を比較すると、本発明では、従来技術と比べてＡタイプ音響フレームにおいて広い範囲で値を有していることがわかる。そのため、Ｓ４０２において〔数式１８〕を用いて算出される合算値Ｅ_C1、Ｅ_C2の値が大きくなり、Ｓ４０６、Ｓ４０７においてビット値が抽出される確率が高まる。

以上の処理においては、抽出装置において正確に付加情報を抽出するために、位相を補正する処理、無効フレームであることを判断するための下限閾値を補正する処理を行っている。次に、これら２つの補正処理について補足説明を行う。

（７．位相補正処理について）
上記のように、抽出時には、埋め込み時に埋め込んだ音響フレームに対応して、音響信号を読み込むことができるとは限らない。そこで、音響フレームの位相をずらして複数通り（本実施形態では６通り）で読み込み、その中で最適な位相を決定し、その位相で特定される音響フレームに対応する符号を出力することにしている。例えば、６通りで読み込む場合、先頭の音響フレームは、本来サンプル番号１〜４０９６のサンプルであるが、サンプル番号１、６８３、１３６６、２０４９、２７３２、３４１３から始まる４０９６のサンプルで構成される６個の各音響フレームに対して処理を行い、最適な音響フレームに対応する符号を出力することになる。この位相補正処理は、Ｓ４０３、Ｓ４０９、Ｓ４１０、Ｓ４１１、Ｓ４１２における処理を中心として行われることになる。

（８．下限閾値補正処理について）
信号レベルが小さい場合には、窓成分の強度の大小が判定できず、抽出側で誤判断することが多くなる。そこで、合算値Ｅ_C1およびＥ_C2が所定の閾値以下のフレームについては、無効なフレームであると判断するようにしているが、この際の閾値を過去の有効フレームについての低周波強度の積算値を利用して補正する処理を行っている。このように閾値を変動させることにより、信号レベルが変動しても無効なフレームであるか、有効なフレームであるかを正確に判断することが可能となる。この下限閾値補正処理は、Ｓ４０２、Ｓ３０３における処理を中心として行われることになる。

（９．音響信号再生装置）
次に、本発明に係る音響信号再生装置について説明する。図７は、本発明に係る音響信号再生装置の一実施形態を示す構成図である。図７において、２００は音響フレーム読込手段、２１０は付加情報抽出表示手段、２４０は再生フレーム投入手段、２５０は再生フレーム蓄積手段、２６０はサウンドデバイスドライバ、２６１はサウンドデバイス、２６２はタイマーである。本発明に係る音響信号再生装置は、モノラル音響信号でもステレオ音響信号でも再生可能であるが、図７に示す装置は、ステレオ音響信号を再生するものとして説明する。

音響フレーム読込手段２００は、図１に示した音響フレーム読込手段１０と同様、ステレオ音響信号の各チャンネルから所定数のサンプルをフレームして読み込む機能を有している。音響フレーム読込手段２００により読み込まれた各音響フレームは、付加情報抽出表示手段２１０、再生フレーム投入手段２４０の２系統において処理されることになる。付加情報抽出表示手段２１０は、具体的には、図４に示した抽出装置のうち、位相変更フレーム設定手段１２０、周波数変換手段１３０、符号判定パラメータ算出手段１４０、符号出力手段１５０、付加情報抽出手段１６０、音響フレーム保持手段１７０、および付加情報抽出手段１６０が抽出した付加情報を表示出力する手段により構成されている。

再生フレーム投入手段２４０は、音響フレーム読込手段２００により読み込まれた各音響フレームを再生フレーム蓄積手段２５０に投入する機能を有している。ただし、再生フレーム投入手段２４０は、単純に音響フレームを投入するだけでなく、後述するように、再生フレーム蓄積手段２５０に空きが無い場合は、音響フレームの投入を制御する機能も有している。再生フレーム蓄積手段２５０は、音響フレームを蓄積するバッファメモリを複数有しており、これらのバッファメモリに蓄積された音響フレームを、ＦＩＦＯ（ファーストイン・ファーストアウト）方式、すなわち、先に入ってきた情報が、先に出ていく方式で処理する機能を有している。すなわち、再生フレーム蓄積手段２５０は、再生フレーム投入手段２４０から投入された音響フレームを投入された順序で蓄積し、その順序でサウンドデバイスドライバ２６０に渡す機能を有することとなる。サウンドデバイスドライバ２６０は、サウンドデバイス２６１を駆動させて音響フレームを音響再生する機能を有しており、サウンドデバイス２６１は、デジタルデータである音響フレームをＤ／Ａ変換して音声として再生する機能を有している。すなわち、サウンドデバイスドライバ２６０およびサウンドデバイス２６１は音響フレーム再生手段として機能することになる。タイマー２６２は、サウンドデバイスによる音響信号の再生と、外部機器の音響信号の再生とのタイミングをとるために利用するタイマーであり、コンピュータにおいて時刻管理を行うタイマーと共用されている。

図７に示す音響信号再生装置においては、上述のように、付加情報抽出表示手段２１０における付加情報を抽出・表示する系統と、再生フレーム投入手段２４０〜サウンドデバイスドライバ２６０の音響再生する系統の２系統が存在する。モノラル音響信号を処理する場合には、音響信号にチャンネルが１つしかなく、そのチャンネルに付加情報が埋め込まれているため、両系統とも１つのチャンネルの信号を処理する。一方、ステレオ音響信号を処理する場合には、音響再生系統は２つのチャンネルの信号を処理してステレオ再生するが、付加情報抽出系統は、付加情報が埋め込まれている１つのチャンネルの信号のみを処理することになる。

（１０．再生装置の処理動作）
次に、図７に示した音響信号の再生装置の処理動作について説明する。図１に示した埋め込み装置により付加情報が埋め込まれた改変音響信号を記録した記録媒体を再生装置において再生すると、まず、音響フレーム読込手段２００が記録媒体から読み取られたステレオ音響信号の各チャンネルから、それぞれ所定数のサンプルを１音響フレームとして読み込む。音響フレーム読込手段２００が読み込む１音響フレームのサンプル数も、図１に示した音響フレーム読込手段１０で設定されたものと同一にする必要がある。したがって、本実施形態の場合、音響フレーム読込手段２００は、左チャンネル、右チャンネルについてそれぞれ４０９６サンプルずつ、順次音響フレームとして読み込んでいくことになる。また、図１に示した音響フレーム読込手段１０において、音響フレームを、隣接する音響フレームとサンプルが重複するように読み込んでいる場合には、音響フレーム読込手段２００においても、音響フレームを、隣接する音響フレームとサンプルが重複するように読み込んで行く。この場合、重複させるサンプル数は、音響フレーム読込手段１０で重複させたサンプル数と同一とし、１音響フレームを構成する４０９６サンプルの半数の２０４８サンプルとする。なお、音響フレームを重複して読み込んだ場合であっても、付加情報抽出表示手段２１０に対しては、重複していない音響フレームのみを渡す処理を行う。また、付加情報抽出表示手段２１０に渡される音響フレームは、付加情報が埋め込まれている左チャンネルのものだけになる。

続いて、付加情報抽出表示手段２１０においては、読み込んだ各音響フレームを基準フレームとして、図４に示した抽出装置と同様の処理を行い、付加情報を抽出した後、画面に表示出力する。

一方、音響フレーム読込手段２００により読み込まれた音響フレームは、再生フレーム投入手段２４０により再生フレーム蓄積手段２５０に蓄積されていく。再生フレーム蓄積手段２５０に少なくとも１フレーム蓄積されれば、サウンドデバイスドライバ２６０による再生処理は開始されるが、この再生処理は音響フレーム読込手段２００、付加情報抽出表示手段２１０および再生フレーム投入手段２４０の処理に比べ圧倒的に処理時間がかかる。（換言すれば、付加情報抽出表示手段２１０などは再生処理に比べ圧倒的に速くなるように設計している。）そこで、本実施形態では、再生フレーム蓄積手段２５０に４フレームまで蓄積可能となっており、図７に示すように、音響フレーム読込手段２００は、連続して次の音響フレームを読み込み、再生フレーム投入手段２４０により再生フレーム蓄積手段２５０に音響フレームを４フレームまで蓄積できるようにしている。再生フレーム蓄積手段２５０に４フレーム蓄積されると、音響フレーム読込手段２００および再生フレーム投入手段２４０は、再生フレーム蓄積手段２５０に空きが発生するまで待機状態になる。従って、再生フレーム蓄積手段２５０には常時４フレーム分蓄積され、サウンドデバイスドライバ２６０は、再生フレーム蓄積手段２５０に蓄積された音響フレームのうち先頭の音響フレームを音響再生する。具体的には、サウンドデバイス２６１が音響フレームのデータをＤ／Ａ変換してスピーカに出力することになる。音響再生された音響フレームは、再生フレーム蓄積手段２５０から削除される。

音響フレームが削除されて、再生フレーム蓄積手段２５０内に余裕ができると、再生フレーム投入手段２４０から音響フレームが再生フレーム蓄積手段２５０に投入される。これにより、再生フレーム蓄積手段２５０内は再び最大容量まで蓄積されることになる。読み込まれた音響フレームは、現実には、ＣＰＵが再生フレーム投入手段２４０として機能することにより、再生フレーム蓄積手段２５０内に投入される。この再生フレーム投入手段２４０は、音響フレームを再生フレーム蓄積手段２５０に単純に投入するだけでなく、再生フレーム蓄積手段２５０に空きが無い場合は、音響フレーム読込手段２００、付加情報抽出表示手段２１０に対して処理を中断するメッセージを送り、再生フレーム蓄積手段２５０への音響フレームの投入を制御している。

一方、サウンドデバイス２６１は、再生フレーム蓄積手段２５０に蓄積された音響フレームのうち先頭の音響フレームを順次音響再生していく。この際、サウンドデバイス２６１は、１つの音響フレームの音響再生を終了する度に、音響フレーム読込手段２００、付加情報抽出表示手段２１０、再生フレーム投入手段２４０に対して各処理の実行を許可するメッセージを送る。

ここで、上記再生装置における音響再生側、すなわち再生フレーム投入手段２４０、再生フレーム蓄積手段２５０、サウンドデバイスドライバ２６０の処理の概要を整理して図８のフローチャートに示す。まず、再生フレーム投入手段２４０が、再生フレーム蓄積手段２５０内に空いているバッファメモリが存在するかどうかを探索する（Ｓ６０１）。空いているバッファメモリが存在しない場合は、音響フレーム読込手段２００に対して処理を中断するメッセージを送り、サウンドデバイス２６１からの再生終了メッセージの受信待ちとする（Ｓ６０２）。サウンドデバイスドライバ２６１からの再生終了メッセージがあった場合には、再生が終了した音響フレームを格納していたバッファメモリから削除して再生終了バッファを空きバッファに設定する（Ｓ６０３）。サウンドデバイス２６１からの再生終了メッセージは、同時に音響フレーム読込手段２００、付加情報抽出表示手段２１０、再生フレーム投入手段２４０にも送信されるため、音響フレーム読込手段２００、再生フレーム投入手段２４０が処理を再開する（Ｓ６０４）。続いて、空いているバッファメモリに音響フレームが格納される（Ｓ６０５）。一方、サウンドデバイス２６１では、常に、再生フレーム蓄積手段２５０内のバッファメモリを探索しており（Ｓ６０６）、音響フレームが存在する場合には、音響フレームを再生する（Ｓ６０７）。１つの音響フレームの再生を待ち（Ｓ６０８）、再生が終了したら、再生終了メッセージを音響フレーム読込手段２００、再生フレーム投入手段２４０に送信する（Ｓ６０９）。

図７に示した音響信号再生装置は、音響信号については、それが付加情報が埋め込まれているか否かに関わらず、同様に音響再生処理を行う。したがって、付加情報が埋め込まれていない音響信号もそのまま音響再生されることになる。音響信号のうち、左チャンネルの付加情報が埋め込まれている部分については、改変されている。しかし、高周波成分については、元の音響信号のままであるので、制作者の設定に基づいた種々な分布になる。また、上述のように、ステレオ音響信号を利用した場合には、左チャンネルにおいて変化させられた低周波成分は、上記〔数式１２〕〜〔数式１３〕の処理により必ず右チャンネルの低周波成分に付加されているので、両チャンネル全体として見ると、信号の劣化がない。そのため、通常の音響信号と変わりなく聴こえることになる。

（１１．モノラル音響信号の場合）
上記実施形態においては、埋め込み装置、抽出装置、再生装置のいずれにおいても、左右のチャンネルを有するステレオ音響信号の左チャンネル信号に付加情報を埋め込む場合を例にとって説明したが、逆に右チャンネル信号に付加情報を埋め込むようにしても良い。本発明は、左右の特性には無関係だからである。また、１つのチャンネルしかないモノラル音響信号に対して処理を行う場合は、上記実施形態において、左チャンネル信号に対して行った処理を行うことになる。本発明は、１つのチャンネル信号に対して付加情報を埋め込み、また抽出を行うので、モノラル音響信号であってもステレオ音響信号であっても同様に行うことができる。

（１２．信号成分が小さくても情報の埋め込みを可能とする手法）
ここまで、説明してきた処理においては、窓１成分〜窓３成分に所定の大きさ以上の信号成分が存在していることが必要となり、窓１成分〜窓３成分が共に所定の大きさ以下の場合には、情報の埋め込みを行うことができない。そこで、以下、窓１成分〜窓３成分が共に所定の大きさ以下であっても、信号の埋め込みを可能とする手法について説明する。

この場合、図１に示した埋め込み装置における情報の埋め込み処理は、図２、図３に示したフローチャートに従って行われるが、合算値Ｅ₁、Ｅ₂がレベル下限値Ｌｅｖ未満となることがなくなるため、Ｓ１０３、Ｓ２０４において基準未満として分岐することはなくなる。これは、この処理では、信号レベルが小さくても強制的に情報を埋め込むこととしているため、情報の埋め込みが不可能な信号レベルが小さい部分が存在するかどうかを判断する必要がないからである。

したがって、Ｓ１０３、Ｓ１０５、Ｓ２０４、Ｓ２０５における窓１成分〜窓３成分のいずれかを優位な状態に設定する処理としては、まず、以下の〔数式２１〕に従って算出される固定値Ｖを、低周波成分の強度として、上記合算値Ｅ₁、Ｅ₂に代えて設定する。

〔数式２１〕
Ｖ＝｛０．５・Ｌｅｖ／（Ｍ−３）｝^1/2

そして、窓３成分が優位な状態とする場合、上記〔数式１０〕および〔数式１１〕に従った処理を実行した後、以下の〔数式２２〕に従った処理を実行する。

〔数式２２〕
ｊ＝１，…，Ｍ−３の各成分に対して
Ａｌ´（３，ｊ）＝Ａｌ（３，ｊ）・Ｖ／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｌ´（３，ｊ）＝Ｂｌ（３，ｊ）・Ｖ／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2

窓２成分が優位な状態とする場合、上記〔数式１２〕および〔数式１３〕に従った処理を実行した後、以下の〔数式２３〕に従った処理を実行する。

〔数式２３〕
ｊ＝１，…，Ｍ−３の各成分に対して
Ａｌ´（２，ｊ）＝Ａｌ（２，ｊ）・Ｖ／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｂｌ´（２，ｊ）＝Ｂｌ（２，ｊ）・Ｖ／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2

窓１成分が優位な状態とする場合、上記〔数式１６〕および〔数式１７〕に従った処理を実行した後、以下の〔数式２４〕に従った処理を実行する。

〔数式２４〕
ｊ＝１，…，Ｍ−３の各成分に対して
Ａｌ´（１，ｊ）＝Ａｌ（１，ｊ）・Ｖ／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｌ´（１，ｊ）＝Ｂｌ（１，ｊ）・Ｖ／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2

上記のように、周波数成分が小さい場合に情報を埋め込んだ場合であっても、抽出側の、音響信号からの情報の抽出装置の構成は図４と同一であり、処理動作は図５のフローチャートに従ったものと同一である。また、音響信号再生装置の構成も図７と同一であり、処理動作は図８のフローチャートに従ったものと同一である。

音響信号に対する情報の埋め込み装置の機能ブロック図である。 図１に示した装置の処理概要を示すフローチャートである。 図１に示した装置の処理概要を示すフローチャートである。 本発明に係る音響信号からの情報の抽出装置の機能ブロック図である。 図４に示した装置の処理概要を示すフローチャートである。 図５のＳ３０２の符号判定処理の詳細を示すフローチャートである。 本発明に係る音響信号再生装置の機能ブロック図である。 図７に示した装置の処理概要を示すフローチャートである。 従来技術におけるビット抽出の様子を示す図である。 本発明におけるビット抽出の様子を示す図である。 本発明で用いる窓関数を示す図である。 従来技術による埋め込み前後の、音響信号の低周波部分を示す概念図である。 本発明による埋め込み前後の、音響信号の低周波部分を示す概念図である。

符号の説明

１０・・・音響フレーム読込手段
２０・・・周波数変換手段
３０・・・低周波成分変更手段
４０・・・周波数逆変換手段
５０・・・改変音響フレーム出力手段
６０・・・記憶手段
６１・・・音響信号記憶部
６２・・・付加情報記憶部
６３・・・改変音響信号記憶部
７０・・・付加情報読込手段
１００・・・音響信号入力手段
１１０・・・基準フレーム獲得手段
１２０・・・位相変更フレーム設定手段
１３０・・・周波数変換手段
１４０・・・符号判定パラメータ算出手段
１５０・・・符号出力手段
１６０・・・付加情報抽出手段
１７０・・・音響フレーム保持手段
２００・・・音響フレーム読込手段
２１０・・・付加情報抽出表示手段
２４０・・・再生フレーム投入手段
２５０・・・再生フレーム蓄積手段
２６０・・・サウンドデバイスドライバ
２６１・・・サウンドデバイス
２６２・・・タイマー

Claims (7)

1. 時系列のサンプル列で構成される音響信号に対して、付加情報を聴取不能な状態で埋め込む装置であって、
   前記音響信号より、所定数Ｎのサンプルを音響フレームとして互いにＮ未満の所定サンプル数に対応する時刻だけずれた２種類のＡタイプ音響フレーム、Ｂタイプ音響フレームを読み込む音響フレーム読込手段と、
   前記Ａタイプ音響フレームに対しては第１窓関数、第２窓関数、第３窓関数を用いてそれぞれ周波数変換を行い、前記第１窓関数に対応するスペクトルである第１窓スペクトル、前記第２窓関数に対応するスペクトルである第２窓スペクトル、前記第３窓関数に対応するスペクトルである第３窓スペクトルを生成するとともに、前記Ｂタイプ音響フレームに対しては第４窓関数を用いて周波数変換を行い、前記第４窓関数に対応するスペクトルである第４窓スペクトルを生成する周波数変換手段と、
   前記生成された各窓スペクトルから、所定の低周波数帯に対応する低周波スペクトルをそれぞれ抽出し、前記埋め込むべき付加情報の情報配列の値に基づいて、前記抽出した各低周波スペクトルのうち、先頭の第１窓関数、中央の第２窓関数、後部の第３窓関数による低周波スペクトル強度の割合を変更すると共に、第４窓関数による低周波スペクトルの成分を除去する低周波成分変更手段と、
   前記変更された低周波スペクトルを含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換手段と、
   前記生成された改変音響フレームを順次出力する改変音響フレーム出力手段と、を有しており、
   前記第１窓関数、第２窓関数、第３窓関数、第４窓関数は、加算すると、全区間固定値１になるように設定されたものであり、
   前記第１窓関数と第２窓関数、前記第２窓関数と第３窓関数は、同一時刻において、双方が同時に０でない値をもつような箇所が存在するように設定され、
   前記第１窓関数と第３窓関数は、一方が０でない値をもつ場合に他方は必ず０となるように設定されているとともに、各窓関数の両側が非対称な余弦関数をもつように設定されたものであることを特徴とする音響信号に対する情報の埋め込み装置。
2. 請求項１において、
   前記低周波成分変更手段は、所定の固定値Ｖを、低周波数帯の強度として設定すると共に、前記固定値Ｖを利用して、第１窓成分、第２窓成分、第３窓成分に所定の強度を与えることにより、前記第１窓成分、前記第２窓成分、前記第３窓成分のスペクトル強度の割合を変更するものであることを特徴とする音響信号に対する情報の埋め込み装置。
3. 請求項１または請求項２において、
   前記低周波成分変更手段は、所定の低周波数帯を２００Ｈｚ以下の低周波領域に設定するものであることを特徴とする音響信号に対する情報の埋め込み装置。
4. 請求項１において、
   前記音響信号が左右２チャンネルの時系列のサンプル列で構成されるステレオ音響信号であって、
   前記音響フレーム読込手段は、各チャンネルに対応する２種類の音響フレームをそれぞれ読み込み、前記周波数変換手段は、各チャンネルのＡタイプ音響フレームに対して周波数変換を行い、各チャンネル別の第１窓スペクトル、第２窓スペクトル、第３窓スペクトルを生成するとともに、各チャンネルのＢタイプ音響フレームに対して周波数変換を行い、第４窓スペクトルを生成するものであり、
   前記低周波成分変更手段は、一方のチャンネルの窓スペクトルから抽出した所定の低周波数帯に対応する３セットのスペクトル集合に対して、前記埋め込むべき付加情報の情報配列の値に基づいて、前記第１窓関数、第２窓関数、第３窓関数のスペクトル強度の割合を変更すると共に、第４窓関数の成分を削除し、前記一方のチャンネルにおいて行われた変更により削除された成分を補足するよう他方のチャンネルの前記スペクトル強度の前記スペクトル集合間の割合を変更するものであり、
   前記周波数逆変換手段は、各チャンネルについて、変更されたスペクトル強度を含むフレームスペクトルに対して周波数逆変換を行って改変音響フレームを生成し、前記改変音響フレーム出力手段は、各チャンネルについて、生成された改変音響フレームを順次出力するものであることを特徴とする音響信号に対する情報の埋め込み装置。
5. 請求項４において、
   前記第１窓関数、第２窓関数、第３窓関数のスペクトル強度の割合を変更するにあたり、前記一方のチャンネルにおいて第１窓関数、第２窓関数、第３窓関数のいずれか２つの成分を削除し、削除された成分を補足するよう他方のチャンネルの対応する成分に加算し、
   前記一方のチャンネルにおいて削除されなかった成分については、他方のチャンネルの対応する成分を削除して、当該削除した成分を前記一方のチャンネルの対応する成分に加算するものであることを特徴とする音響信号に対する情報の埋め込み装置。
6. 時系列のサンプル列で構成される音響信号に対して、付加情報を聴取不能な状態で埋め込む方法であって、
   前記音響信号より、所定数Ｎのサンプルを音響フレームとして互いにＮ未満の所定サンプル数に対応する時刻だけずれた２種類のＡタイプ音響フレーム、Ｂタイプ音響フレームを読み込む音響フレーム読込段階と、
   前記Ａタイプ音響フレームに対しては第１窓関数、第２窓関数、第３窓関数を用いてそれぞれ周波数変換を行い、前記第１窓関数に対応するスペクトルである第１窓スペクトル、前記第２窓関数に対応するスペクトルである第２窓スペクトル、前記第３窓関数に対応するスペクトルである第３窓スペクトルを生成するとともに、前記Ｂタイプ音響フレームに対しては第４窓関数を用いて周波数変換を行い、前記第４窓関数に対応するスペクトルである第４窓スペクトルを生成する周波数変換段階と、
   前記生成された各窓スペクトルから、所定の低周波数帯に対応する低周波スペクトルをそれぞれ抽出し、前記埋め込むべき付加情報の情報配列の値に基づいて、前記抽出した各低周波スペクトルのうち、先頭の第１窓関数、中央の第２窓関数、後部の第３窓関数による低周波スペクトル強度の割合を変更すると共に、第４窓関数による低周波スペクトルの成分を除去する低周波成分変更段階と、
   前記変更された低周波スペクトルを含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換段階と、
   前記生成された改変音響フレームを順次出力する改変音響フレーム出力段階と、を有しており、
   前記第１窓関数、第２窓関数、第３窓関数、第４窓関数は、加算すると、全区間固定値１になるように設定されたものであり、
   前記第１窓関数と第２窓関数、前記第２窓関数と第３窓関数は、同一時刻において、双方が同時に０でない値をもつような箇所が存在するように設定され、
   前記第１窓関数と第３窓関数は、一方が０でない値をもつ場合に他方は必ず０となるように設定されているとともに、各窓関数の両側が非対称な余弦関数をもつように設定されたものであることを特徴とする音響信号に対する情報の埋め込み方法。
7. 時系列のサンプル列で構成される音響信号に対して、付加情報を聴取不能な状態で埋め込む装置としてコンピュータを機能させるプログラムであって、
   前記音響信号より、所定数Ｎのサンプルを音響フレームとして互いにＮ未満の所定サンプル数に対応する時刻だけずれた２種類のＡタイプ音響フレーム、Ｂタイプ音響フレームを読み込む音響フレーム読込手段、
   前記Ａタイプ音響フレームに対しては第１窓関数、第２窓関数、第３窓関数を用いてそれぞれ周波数変換を行い、前記第１窓関数に対応するスペクトルである第１窓スペクトル、前記第２窓関数に対応するスペクトルである第２窓スペクトル、前記第３窓関数に対応するスペクトルである第３窓スペクトルを生成するとともに、前記Ｂタイプ音響フレームに対しては第４窓関数を用いて周波数変換を行い、前記第４窓関数に対応するスペクトルである第４窓スペクトルを生成する周波数変換手段、
   前記生成された各窓スペクトルから、所定の低周波数帯に対応する低周波スペクトルをそれぞれ抽出し、前記埋め込むべき付加情報の情報配列の値に基づいて、前記抽出した各低周波スペクトルのうち、先頭の第１窓関数、中央の第２窓関数、後部の第３窓関数による低周波スペクトル強度の割合を変更すると共に、第４窓関数による低周波スペクトルの成分を除去する低周波成分変更手段、
   前記変更された低周波スペクトルを含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換手段、
   前記生成された改変音響フレームを順次出力する改変音響フレーム出力手段としてコンピュータを機能させ、
   前記第１窓関数、第２窓関数、第３窓関数、第４窓関数は、加算すると、全区間固定値１になるように設定されたものであり、
   前記第１窓関数と第２窓関数、前記第２窓関数と第３窓関数は、同一時刻において、双方が同時に０でない値をもつような箇所が存在するように設定され、
   前記第１窓関数と第３窓関数は、一方が０でない値をもつ場合に他方は必ず０となるように設定されているとともに、各窓関数の両側が非対称な余弦関数をもつように設定されたものであることを特徴とするプログラム。

Images