JP5691180B2 - マスカ音生成装置およびプログラム - Google Patents

Description

本発明は、マスカ音を生成して音の漏れ聞こえを防ぐ技術に関する。

マスキング効果は、２種類の音信号を同じ空間内に伝搬させた場合に、空間内の者が、２種類の音信号の音響的特徴（周波数成分，時間波形等）の関係に応じて、それらの音信号に気づき難くなる現象である。特許文献１には、このマスキング効果を利用して話声の漏れ聞こえを防ぐ技術の開示がある。同文献に開示されたマスキングシステムは、隣接する一方の部屋のマイクにより採取した音声を示す音信号を、マスキングの対象となるターゲット音信号とする。そして、このマスキングシステムは、ターゲット音信号を一音節分の信号の纏まり毎に区切り、区切った各区間を並べ替えるスクランブル処理を施し、スクランブル処理を施した音信号をマスカ音信号として他方の部屋のスピーカから放射する。この技術によると、ターゲット音信号とターゲット音信号に近い音の特徴を持ったマスカ音信号が放射されるため、マスキング効果により、そのマスカ音信号が放射された部屋内の者はターゲット音信号の聞き取りが困難になる。

特開２００８−２３３６７１号公報

しかしながら、この種のマスキングシステムでは、マスキングの対象となる音声に近い特徴を持った音の信号を、その音声をマスキングする手段であるマスカ音信号として利用する。このため、マスカ音信号の放射先が会話音や暗騒音の少ない静かな環境の部屋である場合、室内の者に不快な印象を与えてしまうという問題があった。
本発明は、このような背景の下に案出されたものであり、室内の者を不快にさせることなく高いマスキング効果を得ることを目的とする。

本発明は、音信号を、第１の周波数帯域の成分を含む第１の帯域信号と、前記第１の周波数帯域と異なる第２の周波数帯域の成分を含む第２の帯域信号とに分割する帯域分割手段と、前記帯域分割手段が分割した第１の帯域信号の配列順を変更した配列順変更信号を出力する配列順変更手段と、前記帯域分割手段が分割した第２の帯域信号と同じ周波数帯域の雑音成分を含む雑音信号を出力する雑音出力手段と、前記配列順変更手段が出力した配列順変更信号と前記雑音出力手段が出力した雑音信号とを加算したマスカ音信号を出力する加算手段とを具備するマスカ音生成装置を提供する。

本発明では、マスキングの対象となる音信号のパワースペクトルにおける大きなパワーを持った周波数帯域を第１の周波数帯域とすることにより、大きなパワーを有する周波数成分の特徴だけがマスキングの対象のそれと似通っているマスカ音信号を生成することができる。そして、そのような特徴を有するマスカ音信号を室内に放射することにより、室内の者を不快にさせることなく高いマスキング効果を得ることができる。

また、本発明は、コンピュータに、音信号を、第１の周波数帯域の成分を含む第１の帯域信号と、前記第１の周波数帯域と異なる第２の周波数帯域の成分を含む第２の帯域信号とに分割する帯域分割手段と、前記帯域分割手段が分割した第１の帯域信号の配列順を変更した配列順変更信号を出力する配列順変更手段と、前記帯域分割手段が分割した第２の帯域信号と同じ周波数帯域の雑音成分を含む雑音信号を出力する雑音出力手段と、前記配列順変更手段が出力した配列順変更信号と前記雑音出力手段が出力した雑音信号とを加算したマスカ音信号を出力する加算手段とを実現させるプログラムを提供する。

この発明の第１実施形態であるマスカ音生成装置の構成を示す図である。 同マスカ音生成装置の設定部によって算出される平均スペクトルを示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 同マスカ音生成装置の配列順変更部が実行する処理を示す図である。 この発明の第２実施形態であるマスカ音生成装置の構成を示す図である。 この発明の第３実施形態であるマスカ音生成装置の構成を示す図である。 この発明の第４実施形態であるマスカ音生成装置の構成を示す図である。 この発明の他の実施形態であるマスカ音生成装置の設定部によって算出される平均スペクトルを示す図である。 この発明の他の実施形態であるマスカ音生成装置の設定部によって算出される平均スペクトルを示す図である。 この発明の他の実施形態であるマスカ音生成装置の配列順変更部が実行する処理を示す図である。

以下、図面を参照しつつ本発明の一実施形態について説明する。
＜第１実施形態＞
図１は、本発明の第１実施形態であるマスカ音生成装置１０とマイクロホン９３およびスピーカ９４とを含むマスキングシステムの構成を示すブロック図である。このシステムにおけるマスカ音生成装置１０は、壁９０により仕切られた２つの部屋９１，９２のうち一方の部屋９１内の話者の音声（ターゲット音という）を聞こえ難くするマスカ音信号Ｍを生成し、他方の部屋９２へ出力する装置である。

このマスカ音生成装置１０は、部屋９１内のマイクロホン９３が採取した音信号Ｘを音声データＳとして音声メモリ１９に記憶する処理と、音声メモリ１９内の音声データＳを素材としてマスカ音信号Ｍを生成して出力する処理を行う。マスカ音信号Ｍの素材とする音データＳは部屋９１内の話者本人の音声のものでも別人の音声のものでもよいが、少なくとも部屋９１内の話者の音声と同じ性別の音声データＳを利用することが好ましい。

このマスカ音生成装置１０の操作部５０は、データの収録を指示する操作、音声メモリ１９内の各音声データＳのうち１つをマスカ音信号Ｍの素材として選択する操作、部屋９１内の話者の性別を選択する操作、マスカ音信号Ｍの生成を指示する操作などを受け付ける。

Ａ／Ｄ変換部１１には、部屋９１に固定されたマイクロホン９３が収音した音声のアナログ波形信号が入力される。Ａ／Ｄ変換部１１は、そのアナログ波形信号をデジタル信号に変換し、音信号Ｘとして出力する。書込制御部１５は、データの収録を指示する操作と性別を選択する操作が操作部５０によって行われた場合、その時から発話時間長Ｔ１（Ｔ１は、通常の話速で一文を話すのに要する時間長：例えば、Ｔ１＝３０秒とする）の間にＡ／Ｄ変換部１１から出力される音信号Ｘを音声データＳとし、操作部５０により指定された性別を示す識別子を付加して音声メモリ１９に書き込む。データ供給制御部７０は、操作部５０によって、性別および音声データＳの種類を選択する操作とマスカ音信号Ｍの生成を指示する操作が行われた場合、操作部５０の操作によって音声メモリ１９内から選択された種類の音声データＳを読み出し、読み出した音声データＳを音信号Ｘとして制御部１２に供給する。

制御部１２は、データ供給制御部７０から入力される音信号Ｘに信号処理を施すことにより発話時間長Ｔ１分のマスカ音信号Ｍを生成し、生成したマスカ音信号Ｍをバッファ１７に書き込む。この制御部１２による信号処理については後述する。発音制御部１８は、制御部１２によってバッファ１７に書き込まれた発話時間長Ｔ１分のマスカ音信号Ｍを読み出してＤ／Ａ変換部１４へ出力する処理を繰り返す。Ｄ／Ａ変換部１４は、発音制御部１８から出力されるマスカ音信号Ｍをアナログ波形信号に変換し、部屋９２に固定されたスピーカ９４へ出力する。このマスカ音信号Ｍは、スピーカ９４からマスカ音として放音される。

制御部１２は、ＣＰＵ２０、ＲＡＭ２１、およびＲＯＭ２２を有する。ＣＰＵ２０は、ＲＡＭ２１をワークエリアとして利用しつつ、ＲＯＭ２２に記憶された音生成プログラム２３を実行する。音生成プログラム２３は、雑音発生部３１、帯域分割部３２、雑音出力部３５，３６、配列順変更部３７、および加算部３８の各機能をＣＰＵ２０に実現させるプログラムである。

雑音発生部３１は、操作部５０によってマスカ音信号Ｍの生成を指示する操作が行われると、雑音信号Ｙの発生を開始する。雑音信号Ｙは、ホワイトノイズのサンプル列である。帯域分割部３２には、この雑音信号Ｙとデータ供給制御部７０の出力信号である音信号Ｘとが入力される。帯域分割部３２は、音信号Ｘを、第１の周波数帯域Ｗ１の成分とその低域側および高域側の第２の周波数帯域Ｗ２ＬおよびＷ２Ｈの成分を各々含む３種類の帯域信号Ｘ_Ｂ，Ｘ_Ｌ，Ｘ_Ｈに分割する役割と、雑音信号Ｙを、第２の周波数帯域Ｗ２ＬおよびＷ２Ｈの成分を各々含む２種類の帯域信号Ｙ_ＬおよびＹ_Ｈに分割する役割とを果たす。

より具体的に説明すると、帯域分割部３２は、ＬＰＦ（Low Pass Filter）４１、ＨＰＦ（High Pass Filter）４２、ＢＰＦ（Band Pass Filter）４３、ＬＰＦ４４、およびＨＰＦ４５の５種類のフィルタを有している。ＢＰＦ４３は、音信号Ｘにおけるカットオフ周波数ｆｃ_Ｌとカットオフ周波数ｆｃ_Ｈ（ｆｃ_Ｈ＞ｆｃ_Ｌ）の間の周波数帯域（周波数帯域Ｗ１）の信号を帯域信号Ｘ_Ｂとして出力する。ＬＰＦ４１は、音信号Ｘにおけるカットオフ周波数ｆｃ_Ｌより低い周波数帯域（周波数帯域Ｗ２Ｌ）の信号を帯域信号Ｘ_Ｌとして出力する。ＨＰＦ４２は、音信号Ｘにおけるカットオフ周波数ｆｃ_Ｈより高い周波数帯域（周波数帯域Ｗ２Ｈ）の信号を帯域信号Ｘ_Ｈとして出力する。ＬＰＦ４４は、雑音信号Ｙにおけるカットオフ周波数ｆｃ_Ｌより低い周波数帯域（周波数帯域Ｗ２Ｌ）の信号を帯域信号Ｙ_Ｌとして出力する。ＨＰＦ４５は、雑音信号Ｙにおけるカットオフ周波数ｆｃ_Ｈより高い周波数帯域（周波数帯域Ｗ２Ｈ）の信号を帯域信号Ｙ_Ｈとして出力する。

設定部３４は、女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈと男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈのうち操作部５０の操作により選択された性別のものをＬＰＦ４１、ＨＰＦ４２、ＢＰＦ４３、ＬＰＦ４４、およびＨＰＦ４５に設定する。ここで、女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈと男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈは、標準的な女性の音声のパワースペクトルと標準的な男性の音声のパワースペクトルを各々利用して次のように求められたものである。図２（Ａ）は、標準的な女性の音声のパワースペクトルを示す図であり、図２（Ｂ）は、標準的な男性の音声のパワースペクトルを示す図である。図２（Ａ）および図２（Ｂ）に示すように、女性の音声のパワースペクトルの波形の重心は、男性の音声のそれより高域側に位置している。本実施形態では、図２（Ａ）に示す標準的な女性の音声のパワースペクトルにおける閾値Ｔｈ以上のパワーを持った帯域の下限と上限の周波数を女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈとする。また、図２（Ｂ）に示す標準的な男性の音声のパワースペクトルにおける閾値Ｔｈ以上のパワーを持った帯域の下限と上限の周波数を男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈとする。

図１において、ＢＰＦ４３の出力信号Ｘ_Ｂは配列順変更部３７に入力される。配列順変更部３７は、ＢＰＦ４３の出力信号Ｘ_Ｂの配列順を変更した配列順変更信号Ｘ_Ｂ’を出力する。この配列順変更部３７は、図３に示すように、データ供給制御部７０からＢＰＦ４３を介して入力される発話時間長Ｔ１（Ｔ１＝３０秒）分の帯域信号Ｘ_Ｂを発話時間長Ｔ２（例えば、Ｔ２＝５秒とする）ずつの６個の纏まりに区切り、それらの時間長Ｔ２の各々をなす一連の音サンプルを発音時間長Ｔ３（Ｔ３は、一音節の発音時間に相当する時間長：例えば、Ｔ３＝１００ｍ秒）の一定の長さのフレームｋ（ｋ＝１〜Ｎ）に区切る。例えば、Ｔ２＝５秒，Ｔ３＝１００ｍ秒である場合、発話時間長Ｔ２内におけるフレーム数Ｎは、５／０．１＝５０個である。そして、配列順変更部３７は、発話時間長Ｔ２内のＮ個のフレームｋ（ｋ＝１〜Ｎ）を並べ替え、フレームｋ（ｋ＝１〜Ｎ）を並べ替えた信号を配列順変更信号Ｘ_Ｂ’として出力する。配列順変更部３７によるフレームｋ（ｋ＝１〜Ｎ）の並べ替えは、以下の７つの態様ａ〜ｇのいずれかにより行う。

ａ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）の各々を元の位置とは異なった位置に移動し、かつ、各フレームｋの前に位置するフレームおよび後に位置するフレームが、並び替えにより異なったものになるようにする（図４）。
ｂ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）の各々を元の位置とは異なった位置に移動し、かつ、フレームｋ（ｋ＝１〜Ｎ）の一部については、各フレームｋの前に位置するフレームおよび後に位置するフレームが、並び替えにより異なったものになるようにする（図５）。
ｃ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）のうち一部を元の位置とは異なった位置に各々移動し、かつ、それらの移動する各フレームｋについては、各フレームｋの前に位置するフレームおよび後に位置するフレームが、並び替えにより異なったものになるようにする（図６）。
ｄ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）のうち先頭からＮ−ｍ（ｍ＜Ｎ）個のフレームｋをフレームｍ個分ずつ後方に移動し、それらＮ−ｍ個のフレームｋの元の位置に残りのフレームｋを移動する（図７）。
ｅ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）のうち末尾からＮ−ｍ（ｍ＜Ｎ）個のフレームｋをフレームｍ個分ずつ前方に移動し、それらＮ−ｍ個のフレームｋの元の位置に残りのフレームｋを移動する（図８）。
ｆ．時間長Ｔ２内において、フレームｋ（ｋ＝１〜Ｎ）を先頭から２個ずつの各組にし、各組のフレームｋの前後関係を入れ替える（図９）。
ｇ．時間長Ｔ２内において、フレーム１→フレーム２…フレームＮ−１→フレームＮの配列順を逆転させてフレームＮ→フレームＮ−１…フレーム２→フレーム１にする（図１０）。

図１において、ＬＰＦ４１および４４の出力信号Ｘ_ＬおよびＹ_Ｌは雑音出力部３５に入力される。雑音出力部３５は、ＬＰＦ４４の出力信号Ｙ_ＬをＬＰＦ４１の出力信号Ｘ_Ｌの音と等しい音のエネルギーを持つように増幅し、雑音信号Ｙ_Ｌ'として出力する。より具体的に説明すると、雑音出力部３５は、ＬＰＦ４１から時間長Ｔ２分の信号Ｘ_Ｌが入力される度に、その時間長Ｔ２分の信号Ｘ_Ｌの振幅の２乗平均（信号Ｘ_Ｌが示す音のエネルギーの時間長Ｔ２分の時間平均）ＥＸ_Ｌを求める。また、雑音出力部３５は、ＬＰＦ４４から時間長Ｔ２分の信号Ｙ_Ｌが入力される度に、その時間長Ｔ２分の信号Ｙ_Ｌの振幅の２乗平均（信号Ｙ_Ｌが示す音のエネルギーの時間長Ｔ２分の時間平均）ＥＹ_Ｌを求める。そして、雑音出力部３５は、これらの値ＥＸ_ＬおよびＥＹ_Ｌを次式（１）に代入して求まるゲインＧをＬＰＦ４４から出力された時間長Ｔ２分の出力信号Ｙ_Ｌに乗算し、乗算結果を時間長Ｔ２分の雑音信号Ｙ_Ｌ'として出力する。
Ｇ＝ＥＸ_Ｌ／ＥＹ_Ｌ・・・（１）

ＨＰＦ４２および４５の出力信号Ｘ_ＨおよびＹ_Ｈは雑音出力部３６に入力される。雑音出力部３６は、ＨＰＦ４５の出力信号Ｙ_ＨをＨＰＦ４２の出力信号Ｘ_Ｈの音と等しい音のエネルギーを持つように増幅し、雑音信号Ｙ_Ｈ'として出力する。雑音出力部３６における雑音信号Ｙ_Ｈ'の生成の具体的な手順は雑音出力部３５における雑音信号Ｙ_Ｌ'の生成の具体的な手順と同様である。

加算部３８は、配列順変更部３７から時間長Ｔ２分ずつ出力される信号Ｘ_Ｂ'と雑音出力部３５および３６から時間長Ｔ２分ずつ出力される信号Ｙ_Ｌ’およびＹ_Ｈ'を加算し、この加算結果をマスカ音信号Ｍとして出力する。加算部３８が出力したマスカ音信号Ｍはバッファ１７に書き込まれる。そして、そのマスカ音信号ＭがＤ／Ａ変換部１４による変換を経てスピーカ９４から放音される。

以上説明した本実施形態によると、大きなパワーを持った周波数成分だけが部屋９１内の話者の音声のそれと似通った特徴を有するマスカ音信号Ｍを生成することができる。そして、このマスカ音信号Ｍをスピーカ９４から部屋９２に放射することにより、部屋９２内の者を不快にさせることなく高いマスキング効果を得ることができる。

＜第２実施形態＞
図１１は、本発明の第２実施形態であるマスカ音生成装置１０Ａとマイクロホン９３およびスピーカ９４とを含むマスキングシステムの構成を示すブロック図である。図１１において、第１実施形態のマスカ音生成装置１０と同じ要素には同一の符号を付してある。

このマスカ音生成装置１０Ａは、マスカ音信号Ｍの素材となる音声データＳそのもののパワースペクトルに基づいてＬＰＦ４１、ＨＰＦ４２、ＢＰＦ４３、ＬＰＦ４４、およびＨＰＦ４５のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定する。このマスカ音生成装置１０Ａでは、データ供給制御部７０と帯域分割部３２内のＢＰＦ４３，ＬＰＦ４１，およびＨＰＦ４２の間に遅延部７１が介挿されており、データ供給制御部７０と設定部３４Ａの間にＦＦＴ（Fast Fourier Transform）部３３が介挿されている。遅延部７１は、データ供給制御部７０の出力信号Ｘに時間長Ｔ１の遅延を与えてからＢＰＦ４３，ＬＰＦ４１，およびＨＰＦ４２に出力する。ＦＦＴ部３３は、データ供給制御部７０から時間長Ｔ３（Ｔ３＝１００ｍ秒）分の音サンプルが出力される度に、時間長Ｔ３分の音サンプルにＦＦＴを施し、ＦＦＴにより求まったパワースペクトルを出力する。

設定部３４Ａは、ＦＦＴ部３３が出力したパワースペクトルにおいて、パワーが閾値以上となる周波数帯域を第１の周波数帯域Ｗ１とし、この第１の周波数帯域Ｗ１の下限および上限の周波数をカットオフ周波数ｆｃ_Ｌおよびｆｃ_ＨとしてＬＰＦ４１，４４，ＢＰＦ４３，およびＨＰＦ４２，４５に設定する。より具体的に説明すると、設定部３４Ａは、ＦＦＴ部３３から音声データＳの長さである時間長Ｔ１分のパワースペクトルの列が出力されるのを待ち、それらのパワースペクトルの時間平均（以下、平均スペクトルという）を求める。そして、設定部３４Ａは、この平均スペクトルにおける各周波数成分のパワーを低域側から順に走査し、閾値Ｔｈ以上のパワーを持った最も低域側の周波数をＬＰＦ４１および４４とＢＰＦ４３におけるカットオフ周波数ｆｃ_Ｌとする。また、設定部３４Ａは、平均スペクトルにおける各周波数成分のパワーを高域側から順に走査し、閾値Ｔｈ以上のパワーを持った最も高域側の周波数をＨＰＦ４２および４５とＢＰＦ４３におけるカットオフ周波数ｆｃ_Ｈとする。

以上説明した本実施形態によると、部屋９２内の者を不快にさせることなくマスキング効果を得ることができる。

＜第３実施形態＞
図１２は、本発明の第３実施形態であるマスカ音生成装置１０Ｂとマイクロホン９３およびスピーカ９４とを含むマスキングシステムの構成を示すブロック図である。図１２において、第１および第２実施形態のマスカ音生成装置１０および１０Ａと同じ要素には同一の符号を付してある。

このマスカ音生成装置１０Ｂは、マイクロホン９３により採取された最新の音信号Ｘを素材とするマスカ音信号Ｍの生成とその信号Ｘのパワースペクトルを利用したカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの更新をリアルタイムに行う。このマスカ音生成装置１０Ｂは、書込制御部１５、音声メモリ１９、およびデータ供給制御部７０を有していない。このマスカ音生成装置１０Ｂでは、Ａ／Ｄ変換部１１の出力信号Ｘが遅延部７１とＦＦＴ部３３に入力される。遅延部７１およびＦＦＴ部３３の役割は第２実施形態のものの役割と同じである。

設定部３４Ｂは、ＦＦＴ部３４からパワースペクトルが出力される度に、出力されたものを含む時間長Ｔ１分のパワースペクトルの移動平均（以下、移動平均スペクトルという）を求める。そして、設定部３４Ｂは、最新の時間長Ｔ１分の移動平均スペクトルが求まる都度、移動平均スペクトルにおける閾値Ｔｈ以上のパワーを持った帯域の最も低域側の周波数をカットオフ周波数ｆｃ_ＬとしてＬＰＦ４１および４４とＢＰＦ４３に設定し、最も高域側の周波数をカットオフ周波数ｆｃ_ＨとしてＨＰＦ４２および４５とＢＰＦ４３に設定する。

以上説明した本実施形態によると、部屋９１に不特定多数人が出入りして部屋９１を利用する場合においても、部屋９２内の者を不快にさせることなく高いマスキング効果を得ることができる。

＜第４実施形態＞
図１３は、本発明の第４実施形態であるマスカ音生成装置１０Ｃとスピーカ９４とを含むマスキングシステムの構成を示すブロック図である。図１３において、第１、第２、および第３実施形態のマスカ音生成装置１０、１０Ａ、および１０Ｂと同じ要素には同一の符号を付してある。

このマスカ音生成装置１０Ｃでは、標準的な女性および男性の音声を素材としてマスカ音信号Ｍを生成する。このマスカ音生成装置１０Ｃは、Ａ／Ｄ変換部１１および書込制御部１５を有していない。音声メモリ１９には、標準的な女性の時間長Ｔ１分の音声を示す音声データＳＦと、標準的な男性の時間長Ｔ１分の音声を示す音声データＳＭとが予め記憶されている。本実施形態では、操作部５０の操作により、部屋９１内の話者の性別として女性が選択された場合、設定部３４は女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_ＨをＬＰＦ４１、ＨＰＦ４２、ＢＰＦ４３、ＬＰＦ４４、およびＨＰＦ４５に設定し、データ供給制御部７０は音声データＳＦを音声メモリ１９から読み出してＨＰＦ４２、ＢＰＦ４３、およびＬＰＦ４４に供給する。また、部屋９１内の話者の性別として男性が選択された場合、設定部３４は男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_ＨをＬＰＦ４１、ＨＰＦ４２、ＢＰＦ４３、ＬＰＦ４４、およびＨＰＦ４５に設定し、データ供給制御部７０は音声データＳＭを音声メモリ１９から読み出してＨＰＦ４２、ＢＰＦ４３、およびＬＰＦ４４に供給する。

以上説明した本実施形態では、部屋９１内の話者の性別として女性が選択された場合には、予め準備された音声データＳＦから女性の話者向けのマスカ音信号Ｍを生成し、男性が選択された場合には、予め準備された音声データＳＭから男性の話者向けのマスカ音信号Ｍを生成する。よって、部屋９１内の音声をマイクロホン９３を使って収音できない場合でも、部屋９２内の者を不快にさせることなく高いマスキング効果を得ることができる。

以上、この発明の一実施形態について説明したが、この発明には他にも実施形態があり得る。例えば、以下の通りである。
（１）上記第１〜第４実施形態において、設定部３４がボリュームやつまみなどの操作子を有し、部屋９１内の話者がその操作子の操作を通じてカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈをマニュアル設定できるようにしてもよい。この実施形態によると、部屋９１内の話者は、部屋９２内の暗騒音の音量が大きい場合はカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの間の帯域幅を広くし、部屋９２内の暗騒音の音量が小さい場合はカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの間の帯域幅を狭める、というように、部屋９２に放音するマスカ音信号Ｍの周波数成分の特徴をその部屋９２の音響環境に応じて調整することができる。また、第１〜第３実施形態におけるマスカ音生成装置１０，１０Ａ，または１０Ｂは、部屋９２内の暗騒音の音量を検出する検出手段を有し、設定部３４は、検出手段が検出した音量に応じて、カットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの間の帯域幅を変更するようにしてもよい。

（２）上記第１実施形態において、女性の声に似せたマスカ音信号Ｍ１と男性の声に似せたマスカ音信号Ｍ２を生成し、マスカ音信号Ｍ１とＭ２を加算したマスカ音信号Ｍを部屋９２のスピーカ９４から放音してもよい。この実施形態によると、部屋９１内において女性の話者と男性の話者が同時に話していても、部屋９２内の者を不快にさせることなく高いマスキング効果を得ることができる。

この場合において、次のようにして２種類のマスカ音信号Ｍ１およびＭ２を生成するとよい。まず、図１に示すマスカ音生成装置１０の帯域分割部３２内に、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５とＬＰＦ４１’，４４’，ＢＰＦ４３’，ＨＰＦ４２’，４５’とを設ける。さらに、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５に女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定し、ＬＰＦ４１’，４４’，ＢＰＦ４３’，ＨＰＦ４２’，４５’に男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定する。そして、帯域分割部３２内のＬＰＦ４１，ＢＰＦ４３，ＨＰＦ４２に女性の音声の音信号Ｘを供給してマスカ音信号Ｍ１を生成するとともに、同部３２内のＬＰＦ４１’，ＢＰＦ４３’，ＨＰＦ４２’に男性の音声の音信号Ｘを供給してマスカ音信号Ｍ２を生成し、これらの２種類の信号Ｍ１およびＭ２を加算したものをマスカ音信号Ｍとして部屋９２のスピーカ９４から放音する。

また、次のようにして２種類のマスカ音信号Ｍ１およびＭ２を生成してもよい。まず、時間長Ｔ４（例えば、Ｔ４＝５／２秒とする）の間、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５に女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定した状態で、ＬＰＦ４１，ＢＰＦ４３，ＨＰＦ４２に女性の音声の音信号Ｘを供給し、マスカ音信号Ｍ１を生成する。マスカ音信号Ｍ１はバッファに記憶する。次の時間長Ｔ４の間、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５に男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定した状態で、ＬＰＦ４１，ＢＰＦ４３，ＨＰＦ４２に男性の音声の音信号Ｘを供給し、マスカ音信号Ｍ２を生成する。そして、このマスカ音信号Ｍ２とバッファに書き込んでおいたマスカ音信号Ｍ１を加算したものをマスカ音信号Ｍとして部屋９２のスピーカ９４から放音する。以上の処理を時間長２×（Ｔ４）毎に繰り返すのである。

（３）上記第１実施形態において、ターゲット音の発声元が女性であるか男性であるかを判定し、この判定結果に応じて女性用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈと男性用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの切り換えを行ってもよい。この実施形態は、次のようにして実現する。まず、マスカ音信号Ｍの生成を開始する際、マイクロホン９３により採取した音信号ＸにＦＦＴを施し、このＦＦＴの処理結果を所定のアルゴリズムで解析することで、部屋９１内の話者が女性であるか男性であるかを判定する。そして、部屋９１内の話者が女性である場合は、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５に女性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定するとともに、音声メモリ１９内から女性の音声データＳを読み出し、この音声データＳを素材としてマスカ音信号Ｍを生成する。部屋９１内の話者が男性である場合は、ＬＰＦ４１，４４，ＢＰＦ４３，ＨＰＦ４２，４５に男性の音声用のカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを設定するとともに、音声メモリ１９内から男性の音声データＳを読み出し、この音声データＳを素材としてマスカ音信号Ｍを生成する。

（４）上記第３実施形態において、設定部３４Ｂは、ＦＦＴ部３３からパワースペクトルが出力される度に、出力された最新のパワースペクトルを用いてカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを更新してもよい。また、設定部３４Ｂは、カットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈを、前回求めたものから今回求めたものへと所定時間長をかけて緩やかに変化させるようにしてもよい。

（５）上記第３実施形態において、マスカ音信号Ｍの生成を指示する操作が行われた後の最初の時間長Ｔ１分の平均スペクトルに基づいてＬＰＦ４１，４４、ＢＰＦ４３，ＨＰＦ４２，４５のカットオフ周波数ｆｃ_Ｌ，ｆｃ_Ｈを設定し、以降は、そのカットオフ周波数ｆｃ_Ｌ，ｆｃ_Ｈを切り換えることなくマスカ音信号Ｍの生成を行うようにしてもよい。

（６）上記第４実施形態では、音声メモリ１９に男性と女性の音声データＳＦおよびＳＭを記憶させた。しかし、３種類以上の音声データＳを音声メモリ１９に記憶してもよい。この実施形態は、次のようにして実現する。性別や言語（日本語、英語、中国語など）を異にする様々な音声の音声データＳを、各音声データＳが示す音声波形のパワースペクトルと対応付けて音声メモリ１９に記憶させておく。そして、マスカ音信号Ｍの生成の際、マイクロホン９３によって収音したターゲット音の音信号ＸにＦＦＴを施し、ＦＦＴによって求めたパワースペクトルに最も近いものと対応付けられた音声データＳを音声メモリ１９から読み出し、この音声データＳを素材としてマスカ音信号Ｍを生成する。また、言語を異にする複数種類の音声データＳを音声メモリ１９に記憶させておき、音声メモリ１９内の複数種類の音声データＳのうち操作部５０の操作によって選択された言語のものを素材としてマスカ音信号Ｍを生成してもよい。

（７）上記第３実施形態において、配列順変更部３７は、上述した態様ａ〜態様ｇを時間長Ｔ１または時間長Ｔ２毎にランラムに選択し、選択した態様でフレームｋ（ｋ＝１〜Ｎ）の配列順を変更するようにしてもよい。また、この配列順の変更の態様の切り換えを、時間長Ｔ１や時間長Ｔ２と異なる周期で行ってもよいし、態様の切り換えのタイミング自体をランダムに決定してもよい。

（８）上記第１〜第４実施形態において、配列順変更部３７は、音信号Ｘを区切った各フレームｋのパワースペクトルやその他の分析結果に応じて各フレームｋの移動先を決定してもよい。この実施形態は、次のようにして実現する。まず、配列順変更部３７は、音信号Ｘをフレームｋ（ｋ＝１〜Ｎ）に区切った後、フレームｋ（ｋ＝１〜Ｎ）の各々を分析し、フレームｋ（ｋ＝１〜Ｎ）を母音に相当する区間のフレームｋと子音に相当する区間のフレームｋとに分ける。そして、フレームｋ（ｋ＝１〜Ｎ）のうち母音に相当する区間の各フレームｋ同士の位置をランダムに変更するとともに、子音に相当する区間の各フレームｋ同士の位置をランダムに変更する。

（９）上記第１〜第４実施形態は、壁９０により仕切られた２つの部屋９１および９２間の音声の漏れ聞こえの防止に本発明を適用したものであった。しかし、壁９０などが間に介在しない２つの領域ＡおよびＢのうち一方の領域Ａ（またはＢ）で発生した音を他方の領域Ｂ（またはＡ）で聞こえ難くする用途に本発明を適用してもよい。また、異なる空間に居る者同士の通話を実現させる通話装置（例えば、携帯電話、ＩＰ電話、インターフォン等）における各話者の話声を周りに聞こえ難くする用途に本発明を適用してもよい。この実施形態は、例えば、通話装置に第１〜第４実施形態のマスカ音生成装置１０，１０Ａ，１０Ｂ，または１０Ｃを内蔵し、マスカ音生成装置１０，１０Ａ，１０Ｂ，または１０Ｃが話者の音声から生成したマスカ音信号Ｍを話者の周りに放音することによって実現可能である。この場合において、発話者にイヤホンを装着させたり通話装置のスピーカの指向性を制御することにより、マスカ音信号Ｍが通話の相手方まで伝送されて会話が混乱する事態を防ぐようにするとなおよい。

（１０）上記第２および第３実施形態では、設定部３４Ａおよび３４Ｂは、音信号Ｘの平均スペクトル（または移動平均スペクトル）においてパワーが閾値Ｔｈ以上となる周波数帯域の最も低域側および高域側の周波数をカットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈとした。しかし、カットオフ周波数ｆｃ_Ｌおよびｆｃ_Ｈの決定に用いる閾値Ｔｈを高域側と低域側とで異ならせてもよい。この実施形態は、次のようにして実現する。まず、設定部３４Ａ（または３４Ｂ）は、図１４に示すように、カットオフ周波数ｆｃ_Ｌの決定に閾値Ｔｈ'１を用い、カットオフ周波数ｆｃ_Ｈの決定に閾値Ｔｈ'２（Ｔｈ'２≠Ｔｈ'１）を用いる。そして、設定部３４Ａ（または３４Ｂ）は、音信号Ｘの平均スペクトル（または移動平均スペクトル）における各周波数成分のパワーを低域側から順に走査し、閾値Ｔｈ'１以上のパワーを持った最も低域側の周波数をＬＰＦ４１および４４とＢＰＦ４３におけるカットオフ周波数ｆｃ_Ｌとする。また、設定部３４Ａ（または３４Ｂ）は、平均スペクトル（または移動平均スペクトル）における各周波数成分のパワーを高域側から順に走査し、閾値Ｔｈ'２以上のパワーを持った最も高域側の周波数をＨＰＦ４２および４５とＢＰＦ４３におけるカットオフ周波数ｆｃ_Ｈとする。この場合において、閾値Ｔｈ'１およびＴｈ'２は、人の聴感特性（ラウドネス特性（周波数軸上の感度）や臨界帯域（周波数軸上の分解能））を考慮して最適化するとよい。

（１１）上記第１〜第４実施形態では、帯域分割部３２は、音信号Ｘを、第１の周波数帯域Ｗ１の成分を含む帯域信号Ｘ_Ｂと、第１の周波数帯域Ｗ１の高域側および低域側の第２の周波数帯域Ｗ２ＬおよびＷ２Ｈの成分を含む２種類の帯域信号Ｘ_ＬおよびＸ_Ｈとに分割した。しかし、音信号Ｘを、第１の周波数帯域Ｗ１および第２の周波数帯域Ｗ２ＬおよびＷ２Ｈの各々について２種類以上の帯域信号に分割してもよい。この実施形態では、例えば、帯域分割部３２は、図１５に示すように、音信号Ｘの平均スペクトル（または移動平均スペクトル）の波形が閾値Ｔｈ”を跨いだ起伏を繰り返すものである場合、閾値Ｔｈ”以上のパワーを有する複数個（図１５の例では３個）の帯域を第１の周波数帯域Ｗ１−ｉ（ｉ＝１〜３）とし、帯域Ｗ１−１の低域側、帯域Ｗ１−１と帯域Ｗ１−２の間、帯域Ｗ１−２と帯域Ｗ１−３の間、および帯域Ｗ１−３の高域側の４つの帯域を第２の周波数帯域Ｗ２−ｊ（ｊ＝１〜４）とする。帯域分割部３２は、音信号Ｘを帯域Ｗ１−ｉ（ｉ＝１〜３）およびＷ２−ｊ（ｊ＝１〜５）の成分を各々含む７種類の帯域信号ＸＷ１−ｉ（ｉ＝１〜３）およびＸＷ２−ｊ（ｊ＝１〜４）に分割する。また、帯域分割部３２の後段に設けた複数個の配列順変更部３７により、帯域信号ＸＷ１−ｉ（ｉ＝１〜３）の配列順を変更した配列順変更信号ＸＷ１'−ｉ（ｉ＝１〜３）を生成するととともに、同部３２の後段に複数個ずつ設けた雑音出力部３５および３６により、帯域信号ＸＷ２−ｊ（ｊ＝１〜４）と同じ周波数成分を含む雑音信号ＸＷ２'−ｊ（ｊ＝１〜４）を生成する。そして、これらの信号ＸＷ１'−ｉ（ｉ＝１〜３）およびＸＷ２'−ｊ（ｊ＝１〜４）を加算したものをマスカ音信号Ｍとする。

（１２）上記第１〜第４実施形態において、雑音出力部３５および３６は、ＬＰＦ４４およびＨＰＦ４５の出力信号Ｙ_ＬおよびＹ_Ｈを増幅することなくそのまま雑音信号Ｙ_ＬおよびＹ_Ｈとして出力し、加算部３８においてその２種類の雑音信号Ｙ_ＬおよびＹ_Ｈと配列順変更部３７の出力信号Ｘ_Ｂ'を加算してもよい。

（１３）上記第１〜第４実施形態において、配列順変更部３７は、帯域信号Ｘ_Ｂをフレームｋ（ｋ＝１，２…Ｎ）に区切り、区切ったフレームｋ（ｋ＝１，２…Ｎ）を並べ替えることにより配列順の変更を行った。しかし、フレームｋ（ｋ＝１，２…Ｎ）を並べ替える代わりに、フレームｋの各々をなす一連の音サンプル自体の配列順を変更してもよい。また、配列順変更部３７による配列順の変更は、図１６に示すように、並べ替え前の信号Ｘ_Ｂのフレームｋ（ｋ＝１〜６）の一部が並べ替え後の信号Ｘ_Ｂ’において複数個現れるような態様で行ってもよい。

（１４）上記第１〜第４実施形態において、所定時間長分のマスカ音信号Ｍを生成して当該マスカ音生成装置１０，１０Ａ，１０Ｂ，１０Ｃ内のメモリに記憶し、当該マスカ音生成装置１０，１０Ａ，１０Ｂ，１０Ｃを後刻起動した際に、メモリに記憶されているマスカ音信号Ｍを読み出して部屋９２に放音するようにしてもよい。

１０，１０Ａ,１０Ｂ,１０Ｃ…マスカ音生成装置、１１…Ａ／Ｄ変換部、１２…制御部、１４…Ｄ／Ａ変換部、１７…バッファ、１５…書込制御部、１８…発音制御部、１９…音声メモリ、２０…ＣＰＵ，２１…ＲＡＭ、２２…ＲＯＭ、２３…音生成プログラム、３２…帯域分割部、３３…ＦＦＴ部、３４…設定部、３５，３６…雑音出力部、３７…配列順変更部、３８…加算部、４１，４４…ＬＰＦ，４２，４５…ＨＰＦ、４３…ＢＰＦ、５０…操作部、７０…データ供給制御部、７１…遅延部、９０…壁、９１，９２…部屋、９３…マイクロホン、９４…スピーカ。

Claims (4)

1. 音信号を、第１の周波数帯域の成分を含む第１の帯域信号と、前記第１の周波数帯域と異なり、かつ当該第１の周波数帯域に連続した第２の周波数帯域の成分を含む第２の帯域信号とに分割する帯域分割手段と、
   前記帯域分割手段が分割した第１の帯域信号の配列順を変更した配列順変更信号を出力する配列順変更手段と、
   前記帯域分割手段が分割した第２の帯域信号と同じ周波数帯域の雑音成分を含む雑音信号を出力する雑音出力手段と、
   前記配列順変更手段が出力した配列順変更信号と前記雑音出力手段が出力した雑音信号とを加算したマスカ音信号を出力する加算手段と、
   前記マスカ音信号の表すマスカ音が放音される部屋内の暗騒音の音量を検出する検出手段と、
   前記検出手段により検出された音量に応じて前記第１の周波数帯域の帯域幅を変更する設定手段と、
   を具備することを特徴とするマスカ音生成装置。
2. 前記帯域分割手段は、
   前記第１の周波数帯域の高域側および低域側の周波数帯域を前記第２の周波数帯域とし、これらの周波数帯域の成分を各々含む２種類の帯域信号を前記第２の帯域信号として分割し、
   前記雑音出力手段は、
   前記帯域分割手段が前記第２の帯域信号として分割した２種類の帯域信号の各々と同じ周波数帯域の雑音成分を含む２種類の雑音信号を出力する
   ことを特徴とする請求項１に記載のマスカ音生成装置。
3. 前記音信号のパワースペクトルを算出するスペクトル算出手段と、
   前記スペクトル算出手段が算出したパワースペクトルにおいて、パワーが閾値以上となる一又は複数の周波数帯域を前記第１の周波数帯域として設定する設定手段と
   を具備することを特徴とする請求項１または２に記載のマスカ音生成装置。
4. コンピュータに、
   音信号を、第１の周波数帯域の成分を含む第１の帯域信号と、前記第１の周波数帯域と異なり、かつ当該第１の周波数帯域に連続した第２の周波数帯域の成分を含む第２の帯域信号とに分割する帯域分割手段と、
   前記帯域分割手段が分割した第１の帯域信号の配列順を変更した配列順変更信号を出力する配列順変更手段と、
   前記帯域分割手段が分割した第２の帯域信号と同じ周波数帯域の雑音成分を含む雑音信号を出力する雑音出力手段と、
   前記配列順変更手段が出力した配列順変更信号と前記雑音出力手段が出力した雑音信号とを加算したマスカ音信号を出力する加算手段と、
   前記マスカ音信号の表すマスカ音が放音される部屋内の暗騒音の音量を検出する検出手段と、
   前記検出手段により検出された音量に応じて前記第１の周波数帯域の帯域幅を変更する設定手段と、
   を実現させるプログラム。
   

Images