JP6729577B2 - 信号検知装置、信号検知方法およびプログラム - Google Patents

Description

本発明は、信号検知装置、信号検知方法および記録媒体に関する。

上記技術分野において、特許文献１には、機器の異常動作を音響的に識別するために、音場の変化を検知する技術の一例として、マイクロホンアレイの入力信号に基づいて、音場に異常が生じたか否かを判定する技術が開示されている。具体的には、特許文献１では、音源方向を各時間で推定した後、音源方向のヒストグラムの時間変化を算出し、変化が大きい音源方向が検知された場合に、その音源方向に音場の異常があったと判定する。

特許第５４５２１５８号公報

しかしながら、上記文献に記載の技術では、小さな音はヒストグラムの変化が小さいため、精度よく検知することができなかった。

本発明の目的は、上述の課題を解決する技術を提供することにある。

上記目的を達成するため、本発明に係る信号検知装置は、
複数のセンサにより取得した信号を入力する信号入力手段と、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出手段と、
前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出手段と、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知手段と、
を備える。

上記目的を達成するため、本発明に係る信号検知方法は、
複数のセンサにより取得した信号を入力し、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出し、
前記相互相関関数に基づいて、背景雑音モデルを導出し、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する。

上記目的を達成するため、本発明に係るコンピュータが読み取り可能な記録媒体は、
複数のセンサにより取得した信号を入力する信号入力ステップと、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出ステップと、
前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出ステップと、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知ステップと、
をコンピュータに実行させる信号検知プログラムを格納する。

本発明によれば、ヒストグラムの変化が小さい、小さな音であっても精度よく検知することができる。

本発明の第１実施形態に係る信号検知装置の構成を示すブロック図である。 本発明の第２実施形態に係る信号検知装置の動作の概要を説明するための図である。 本発明の第２実施形態に係る信号検知装置の構成を示すブロック図である。 本発明の第２実施形態に係る信号検知装置の備えるフレームテーブルの構成を示す図である。 本発明の第２実施形態に係る信号検知装置の備えるセンサ性能テーブルの構成を示す図である。 本発明の第２実施形態に係る信号検知装置のハードウェア構成を示すブロック図である。 本発明の第２実施形態に係る信号検知装置の処理手順を説明するフローチャートである。 本発明の第３実施形態に係る信号検知装置の構成を示すブロック図である。 本発明の第３実施形態に係る信号検知装置の処理手順を説明するフローチャートである。 本発明の第４実施形態に係る信号検知装置の構成を示すブロック図である。 本発明の第４実施形態に係る信号検知装置の処理手順を説明するフローチャートである。 本発明の第２実施形態に係る信号検知装置においてマハラノビス距離を用いることの効果を説明する図である。

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。なお、以下の説明では、センサとしてマイクロホン（マイク）を用いて、音声信号を取得する場合について説明をするが、これらには限定されない。例えば、振動センサやアンテナを用いて、可聴域を超える帯域の信号を取得することも可能である。

［第１実施形態］
本発明の第１実施形態としての信号検知装置１００について、図１を用いて説明する。信号検知装置１００は、複数のセンサで取得した信号に基づいて、信号の変化を検知する装置である。図１に示すように、信号検知装置１００は、信号入力部１０１と、相互相関関数算出部１０２と、背景雑音モデル導出部１０３と、検知部１０４とを含む。

信号入力部１０１は、複数のセンサ１２０により取得した信号を入力する。相互相関関数算出部１０２は、信号入力部１０１により入力した信号に基づいて、所定サンプル数ごとに相互相関関数を算出する。背景雑音モデル導出部１０３は、算出した相互相関関数に基づいて、背景雑音モデルを導出する。検知部１０４は、相互相関関数による値と背景雑音モデルとの比較に基づいて、信号の変化を検知する。

本実施形態によれば、ヒストグラムの変化が小さい、小さな音であっても精度よく検知することができる。

［第２実施形態］
次に本発明の第２実施形態に係る信号検知装置２００について、図２〜図６を用いて説明する。

＜前提技術＞
まず、本実施形態の前提技術について説明する。マイクロホンアレイの入力信号から、音場に異常が生じたか否かを判定する方法として、例えば、特許文献１に記載の音響監視システムにおいては、音源方向を各時間で推定した後、音源方向の音量のヒストグラムの時間変化を算出する。そして、当該音響監視システムは、ヒストグラムの時間変化が大きい音源方向が検知された場合に、その音源方向に音場の異常があったと判定する。

しかしながら、当該音響監視システムにおいては、音源方向の音量のヒストグラムの時間変化に基づいて、音場の異常を検知しているので、小さい音のように音量のヒストグラムの時間変化の小さな音では、その変化を検知することが困難であった。

また、既存音源の音量が変化した場合、その音量の変化によって、ヒストグラムが変化するので、既存音源以外の音源や新たに発生した音源の異常として誤検知することがあった。

＜本実施形態の技術＞
図２は、本実施形態に係る信号検知装置２００の動作の概要を説明するための図である。信号検知装置２００は、音源の方向単位で音の変化を検知するのではなく、相互相関関数の全体的な変化に基づいて、音の変化を検知する。例えば、信号検知装置２００は、既存の音源から生じる相互相関関数の変動を背景雑音モデルとして表している。そして、この背景雑音モデルに一致しない相互相関関数の変化があれば、小さな変化であっても適切に検知することができる。例えば、室内２３０などの音が反響したり、残響が生じたりする環境においては、センサ２２０で取得した音などの信号について、直接音の到来方向の相関値と反射音の到来方向の相関値との間に相関がある。この相関に変化がなければ、つまり、相関が維持されていれば、背景雑音モデルの範囲内に収まるので、相互相関関数に変化は生じていないと判断できる。しかしながら、どちらか一方の相関値が高くなって、相関が崩れれば、個別的に見て変動の範囲内であったとしても、新たな音源が出現したものと判断できる。したがって、新たに発生した音源による小さな音場の変化を精度よく検知できる。

図３は、本実施形態に係る信号検知装置２００の機能構成を示すブロック図である。信号検知装置２００は、信号入力部３０１と、相互相関関数算出部３０２と、背景雑音モデル導出部３０３と、変化検知部３０４とを備える。信号入力部３０１は、例えば、室内２３０に設置した２つのマイクロホンを備えたマイクロホンアレイ３２０を用いて、定常時に測定された信号ｘ₁（ｔ）、ｘ₂（ｔ）を入力する。ここで、ｔはサンプル番号である。

相互相関関数算出部３０２は、信号入力部３０１で入力された２つのマイクロホンからの信号ｘ₁（ｔ）、ｘ₂（ｔ）から、一定のサンプル数Ｔ（以下、「フレーム」という）ごとに、逐次、相互相関関数を算出する。現在のフレーム番号をｋとすると、ｋ番目のフレームの相互相関関数は、ラグサンプル数τ_sの関数として、式（１）を用いて算出できる。

ここで、ｔ_kはｋ番目のフレームの始端のサンプル番号を表す。相互相関関数の算出では、事前に窓関数をかけて処理したり、ＦＦＴ（Fast Fourier Transform）を用いて周波数領域で等価的に処理したりしてもよい。あるいは、式（１）の相互相関関数の代わりに、例えば、以下に示した、ｃ（ｋ，τ_s）を複素数に変換した式（２）や、式（２）の絶対値を取った式（３）を算出してもよい。これらの数式を用いることで、音場の微小な変動に影響されにくい、より安定した相関検出を行うことができる。

ただし、ｊは虚数単位を表し、Ｈ（ｃ（ｋ，τ_s））は、ｃ（ｋ，τ_s）をヒルベルト変換したものを表す。

以後の処理では、現在のフレームｋから過去ｌフレーム分を評価対象区間［ｋ−ｌ＋１，ｋ］として利用する。また、評価対象区間のフレームよりも過去ｍフレーム分について、定常的な雑音（背景雑音）をモデル化する背景雑音モデル生成区間［ｋ−ｌ−ｍ＋１，ｋ−ｌ］として利用する。

フレーム数ｍは、背景雑音区間における突発雑音の影響を抑制するため、突発雑音の発生時間より十分長くなるように設定する。フレーム数ｌは、０としてもよいし、１以上としてもよいが、検出したい音場の変化（音響イベント）の発生時間に相当するフレーム数か、またはそれよりも短くするのが望ましい。

背景雑音モデル導出部３０３は、相互相関関数算出部３０２で算出された、過去ｍフレーム分の相互相関関数から、背景雑音モデルを導出する。背景雑音モデル生成区間の相互相関関数ｃ（ｊ，τ_s）（ｋ−ｌ−ｍ＋１≦ｊ≦ｋ−ｌ）から、式（４）の平均ベクトルμと、式（５）の分散共分散行列Σを算出する。

ここでｙ^Tは列ベクトルｙの転置を表し、τ_s,iは、ｉ番目のラグサンプル数を表す。ｎは、ｉの最大値（次元数）であり、音源方向が±９０度の範囲となるようなラグサンプル数τ_s,iの個数とすることができる。あるいは、±９０度より外側の範囲まで含めることで、より多くの反射音と直接音との間の相関を考慮することができる。

ｎは、最大でも１フレームあたりのフレーム数Ｔの２倍である。また、ν_pqは、次元ｐの相互相関関数ｃ（ｋ，τ_s,p）と、次元ｑの相互相関関数ｃ（ｋ，τ_s,q）との間の共分散である。

変化検知部３０４は、背景雑音モデル導出部３０３で導出された背景雑音モデルと、現在のフレームｋの相互相関関数ｃ（ｋ，τ_s）との間の距離Ｄ_kから、音場の変化を検知する。距離Ｄ_kとしては、マハラノビス距離ＭＤ_kが代表的であり、式（６）より算出する。

距離Ｄ_kが、評価対象区間［ｋ−ｌ＋１，ｋ］の全てのフレームで事前に設定した閾値ｒを超える場合、つまり、式（７）を満たす場合に、フレームｋ−ｌ＋１で音場の変化があったと判断する。また、閾値ｒを超えるフレームが一定時間以上継続した場合などに音場の変化があったと判断してもよい。

相互相関関数が次元ｎの正規分布をする場合、Ｄ²は、自由度ｎのχ²分布に従う。χ²分布の累積分布関数は、式（８）で表される。

ここで、γは、不完全ガンマ関数であり、Γは、ガンマ関数である。この性質を利用して、閾値ｒを音場の変化（音響イベント）の誤検知をどの程度許容できるかに応じて決めてもよい。例えば、閾値ｒ＝√ｚとすれば、（１−Ｆ（ｚ；ｎ））＊１００［％］の誤検知を許容することになる。

以上のように、本実施形態に係る信号検知装置２００は、背景雑音モデルからの距離（ズレ）が大きい場合に、その時間フレームにおいて、音場の変化（音響イベント）が発生したと判断して、これを検知する。また、距離としては、マハラノビス距離を利用することで、音源方向間の相関関係の変化を検知できるので、音量の小さな音響イベントであっても検知できる。

マハラノビス距離の効果を詳細に説明するため、図１１に音源方向ごとの相互相関関数を２次元空間にプロットした模式図を示す。×印は現フレームの相互相関関数（評価データ）であり、黒い点は背景雑音モデル生成区間の相互相関関数の値をプロットしたものである。例えばユークリッド距離の場合、実線の矢印で示した元の座標軸で距離を算出するため、点線の円で囲った範囲１１０１（薄いグレーの範囲）が背景雑音モデルとみなされる。そのため、評価データは背景雑音モデルの範囲内と判断して検知することができない。一方、マハラノビス距離は、主成分分析により点線の矢印で示す互いに無相関の座標に変換してから、各軸の分散で正規化した平方距離の和として算出される。つまり実線の楕円で囲った範囲１１０２（濃いグレーの範囲）が背景雑音モデルとみなされ、評価データを音響イベントとして検知することができる。

また、既存音源自体の音量変化は、相関関係が変化しないので、これを誤って検知することがない。さらに、室内の残響環境のように、音響イベントからの直接音の到来方向と、反射音の到来方向との間に相関がある環境においても、精度よく音場の変化を検知することができる。

図４Ａは、本実施形態に係る信号検知装置２００が備えるフレームテーブル４０１の構成の一例を示す図である。フレームテーブル４０１は、フレームＩＤ（Identifier）４１１に関連付けて、そのフレームに対応する相互相関関数と背景雑音モデルとを記憶する。信号検知装置２００は、その都度相互相関関数を算出し、背景雑音モデルを導出してもよいが、フレームテーブル４０１を用いて、相互相関関数を算出し、背景雑音モデルを導出してもよい。

図４Ｂは、本実施形態に係る信号検知装置２００の備えるセンサ性能テーブル４０２の構成の一例を示す図である。センサ性能テーブル４０２は、センサＩＤ４２１に関連付けて、周波数特性４２２や入力感度４２３、指向特性４２４などを記憶する。周波数特性４２２には、低域（ｋＨｚ）と高域（ｋＨｚ）とが含まれている。信号検知装置２００は、センサ性能テーブル４０２を用いて、例えば、マイクなどのセンサから入力される信号の特徴などを把握し、相互相関関数を算出したり、背景雑音モデルを導出したりする。

図５は、本実施形態に係る信号検知装置２００のハードウェア構成を示すブロック図である。信号検知装置２００は、ＣＰＵ(Central Processing Unit)５０１と、ＲＯＭ(Read Only Memory)５０２と、ＲＡＭ(Random Access Memory)５０３と、ストレージ５０４と、通信制御部５０５とを備える。

ＣＰＵ５０１は、演算処理用のプロセッサであり、プログラムを実行することにより信号検知装置２００の各機能構成部を実現する。なお、ＣＰＵ５０１は１個には限定されず、複数個あってもよく、また、画像処理用のＧＰＵ(Graphics Processing Unit)を含んでもよい。ＲＯＭ５０２は、リードオンリメモリであり、ファームウェアなどのプログラムを記憶する。

通信制御部５０５は、ネットワークを介して他の機器などと通信する。また、通信制御部５０５は、ＣＰＵ５０１とは独立したＣＰＵを備えて、ＲＡＭ５０３に送受信データを書き込みまたは読み出ししてもよい。

ＲＡＭ５０３は、ＣＰＵ５０１が一時記憶用のワークエリアとして使用するランダムアクセスメモリである。ＲＡＭ５０３には、本実施形態の実現に必要なデータを記憶する領域がある。このようなデータとして、信号検知装置２００は、信号５３１と、相互相関関数５３２と、背景雑音モデル５３３と、マハラノビス距離５３４とを一時的に保存する。また、ＲＡＭ５０３は、各種アプリケーションモジュールを実行するためのアプリケーション実行領域５３５を有する。

ストレージ５０４は、本実施形態の実現に必要なプログラムやデータベースなどを記憶する記憶デバイスである。ストレージ５０４は、フレームテーブル４０１と、センサ性能テーブル４０２と、信号検知プログラム５４１と、制御プログラム５４５と、を格納する。

信号検知プログラム５４１は、相互相関関数算出モジュール５４２と、背景雑音モデル導出モジュール５４３とを格納している。これらのモジュール５４２、５４３は、ＣＰＵ５０１によりアプリケーション実行領域５３５に読み出され、実行される。制御プログラム５４５は、信号検知装置２００の全体を制御するためのプログラムである。また、ＲＡＭ５０３とストレージ５０４との間でデータを転送するＤＭＡＣ(Direct Memory Access Controller)を設けるのが望ましい（図示なし）。

なお、図５に示したＲＡＭ５０３やストレージ５０４には、信号検知装置２００が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。また、ここで説明した信号検知装置２００のハードウェア構成は一例に過ぎないので、このハードウェア構成には限定されず、様々なハードウェア構成とすることができる。

図６は、本実施形態に係る信号検知装置２００の処理手順を説明するフローチャートである。このフローチャートは、図５のＣＰＵ５０１が、ＲＡＭ５０３を使用して実行し、図３の各機能構成部を実現する。

ステップＳ６０１において、信号検知装置２００は、センサにより取得した信号を入力する。ステップＳ６０３において、信号検知装置２００は、所定サンプル数ごとに相互相関関数を算出する。ステップＳ６０５において、信号検知装置２００は、算出した相互相関関数に基づいて、背景雑音モデルを導出する。ステップＳ６０７において、信号検知装置２００は、相互相関関数と背景雑音モデルとを比較する。ステップＳ６０９において、信号検知装置は、比較の結果が所定の条件を満たすか否かを判断する。比較結果が所定の条件を満たす場合は、ステップＳ６１１において、信号検知装置２００は、信号の変化を検知する。ステップＳ６０９において、比較結果が所定の条件を満たさない場合は、信号検知装置２００は、処理を終了する。

本実施形態によれば、音源方向単位に変化を検知するのではなく、相互相関関数の全体的変化を捉えるので、既存音源から生じる相互相関関数の変動は背景雑音モデルとして表され、モデルに一致しない相互相関関数の変化は、小さくても検知することができる。また、既存音源以外の新たに発生した音源による小さな音場の変化を精度よく検知できる。

［第３実施形態］
次に本発明の第３実施形態に係る信号検知装置７００について、図７および図８を用いて説明する。図７は、本実施形態に係る信号検知装置７００の機能構成を説明するためのブロック図である。本実施形態に係る信号検知装置７００は、上記第２実施形態と比べると、雑音減算部、重み算出部、重み付き相互相関関数算出部および方向推定部を有する点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。

信号検知装置７００は、雑音減算部７０１と、重み算出部７０２と、重み付き相互相関関数算出部７０３と、方向推定部７０４とをさらに備える。

雑音減算部７０１は、変化検知部３０４において、音場の変化（音響イベント）を検知した場合、背景雑音モデル導出部３０３で導出した背景雑音モデルを用いて、相互相関関数算出部３０２で算出したｌフレーム分の相互相関関数から背景雑音成分を減算する。例えば、式（９）によりフレーム番号ｉの雑音減算後の相互相関関数ｃ_f（ｉ，τ_s），（ｋ−ｌ＋１≦ｉ≦ｋ）を算出する。

ただし、ｓは、０以上の実数である。ｓが大きいほど背景雑音から大きく外れた相互相関関数の成分を残すことになる。相互相関関数により小さい音（目的音）の方向を推定したい場合は、ｓを小さくする必要がある。

重み算出部７０２は、重みｗ（ｉ），（ｋ−ｌ＋１≦ｉ≦ｋ）を算出する。重みｗ（ｉ）は、評価対象の信号の相互相関関数の信号対雑音比（ＳＮ比：Signal-to-Noise ratio）が高いフレームほど大きくなるように算出される。ここでいう信号とは直接音であり、雑音とは直接音以外の成分の音であり、例えば、反射音や突発的な雑音を含む。

例えば、単純な方法としては、ＳＮ比が不明として、全てのフレームでｗ（ｉ）＝１とする。あるいは、ＳＮ比があらかじめ定めた閾値以上の場合は、ｗ（ｉ）＝１とし、閾値未満の場合は、ｗ（ｉ）＝０とする。また、これとは異なり、ＳＮ比に比例する重みを式（１０）から算出してもよい。

ｈは、０以上の実数である。例えば、ｈは、式（１１）を満たすように決定してもよい。

ＳＮ（ｉ）は、ＳＮ比を表し、例えば、式（１２）から算出する。

重みは、式（１０）の累乗である式（１３）から求めることもできる。

重み付き相互相関関数算出部７０３は、雑音減算部７０１で算出した相互相関関数に、重み算出部７０２で算出した重みをかけた重み付き相互相関関数を、式（１４）に基づいて算出する。

方向推定部７０４は、重み付き相互相関関数ｃ_w（ｋ，τ_s）が、最大値または閾値以上の値をとるラグサンプル数τ_s＝Γ_sを用いて、式（１５）から音源方向θを推定する。

ｄは、２つのマイク間の距離であり、νは音速である。

図８は、本実施形態に係る信号検知装置７００の処理手順を説明するフローチャートである。このフローチャートは、図５のＣＰＵ５０１が、ＲＡＭ５０３を使用して実行し、図７の各機能構成部を実現する。なお、図６と同様のステップに同じステップ番号を付けて説明を省略する。

ステップＳ８０１において、信号検知装置７００は、相互相関関数から背景雑音を減算する。ステップＳ８０３において、信号検知装置７００は、ＳＮ比に基づいて、重みを算出し、算出した重みを相互相関関数に乗じて重み付き相互相関関数を算出する。ステップＳ８０５において、信号検知装置７００は、重み付き相互相関関数に基づいて、信号の方向を推定する。

本実施形態によれば、ＳＮ比が大きいフレーム、つまり、反射音に対して直接音が大きなフレームほど大きな重みをかけた重み付き相互相関関数を算出し、算出した重み付き相互相関関数に基づいて音源方向を推定する。したがって、反射音による誤検知の影響を抑制することができる。よって、室内などの残響環境においても、精度よく音源の方向や位置を推定することができる。

［第４実施形態］
次に本発明の第４実施形態に係る信号検知装置９００について、図９および図１０を用いて説明する。図９は、本実施形態に係る信号検知装置９００の機能構成を説明するためのブロック図である。本実施形態に係る信号検知装置９００は、上記第３実施形態と比べると、重み算出部７０２に代えて重み算出部９０２を備える点で異なる。その他の構成および動作は、第３実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。

信号検知装置９００は、重み算出部９０２を備える。重み算出部９０２は、変化検知部３０４で算出したマハラノビス距離ＭＤ_iを用いて、式（１６）により重みを算出する。

ｐは、実数であり、ｈは、０以上の実数である。

図１０は、本実施形態に係る信号検知装置９００の処理手順を説明するフローチャートである。このフローチャートは、図５のＣＰＵ５０１が、ＲＡＭ５０３を使用して実行し、図７の各機能構成部を実現する。なお、図６と同様のステップに同じステップ番号を付けて説明を省略する。

ステップＳ１００１において、信号検知装置９００は、変化検知部３０４で算出したマハラノビス距離に基づいて、重みを算出し、算出した重みを相互相関関数に乗じて、重み付き相互相関関数を算出する。

本実施形態によれば、マハラノビス距離が大きいフレームに対して大きな重みをかけた重み付き相互相関関数を用いるので、音源の方向を推定することができる。

［他の実施形態］
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、本発明の範疇に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体（non-transitory computer readable medium）は本発明の範疇に含まれる。

［実施形態の他の表現］
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
複数のセンサにより取得した信号を入力する信号入力手段と、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出手段と、
前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出手段と、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知手段と、
を備える信号検知装置。
（付記２）
前記検知手段で前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出する背景雑音減算手段と、
前記背景雑音減算相互相関関数から算出される信号対雑音比に基づいて、前記所定サンプル数ごとの重みを算出する重み算出手段と、
前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出する重み付き相互相関関数算出手段と、
前記重み付き相互相関関数に基づいて、前記信号の方向を推定する方向推定手段と、
をさらに備える付記１に記載の信号検知装置。
（付記３）
前記検知手段で前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出する背景雑音減算手段と、
前記背景雑音減算相互相関関数と前記背景雑音モデルとの距離に基づいて、前記所定サンプル数ごとの重みを算出する重み算出手段と、
前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出する重み付き相互相関関数算出手段と、
前記重み付き相互相関関数に基づいて、前記信号の方向を推定する方向推定手段と、
をさらに備える付記１に記載の信号検知装置。
（付記４）
前記距離は、前記背景雑音モデルと前記相互相関関数との間のマハラノビス距離である付記３に記載の信号検知装置。
（付記５）
前記検知手段は、前記マハラノビス距離が所定の閾値を超えるフレームが一定時間以上継続した場合に信号の変化を検知する付記４に記載の信号検知装置。
（付記６）
前記方向推定手段は、信号の変化が検知された場合、前記重み付き相互相関関数が最大になるラグサンプル数に基づいて、信号の方向を推定する付記２乃至５のいずれか１項に記載の信号検知装置。
（付記７）
前記方向推定手段は、信号の変化が検知された場合、前記相互相関関数が最大になるラグサンプル数に基づいて、信号の方向を推定する請求項２乃至５のいずれか１項に記載の信号検知装置。
（付記８）
前記重み算出手段は、前記背景雑音減算相互相関関数の最大値の二乗を信号パワーとし、前記背景雑音減算相互相関関数の二乗和を信号雑音パワーとした場合に、前記信号パワーを前記信号雑音パワーで除して得られる信号対雑音比基づいて、前記所定のサンプル数ごとの重みを算出する、付記２または６に記載の信号検知装置。
（付記９）
前記重み算出手段は、前記信号対雑音比が所定の閾値以上の場合に重みを１とし、所定の閾値未満の場合に重みを０とする、付記２または６に記載の信号検知装置。
（付記１０）
前記背景雑音モデル導出手段は、前記背景雑音モデルに基づいて、平均および分散共分散行列を算出する付記１乃至９のいずれか１項に記載の信号検知装置。
（付記１１）
複数のセンサにより取得した信号を入力する信号入力ステップと、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出ステップと、
前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出ステップと、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知ステップと、
を含む信号検知方法。
（付記１２）
複数のセンサにより取得した信号を入力する信号入力ステップと、
前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出ステップと、
前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出ステップと、
前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知ステップと、
をコンピュータに実行させる信号検知プログラム。

この出願は、２０１５年６月２６日に出願された日本出願特願２０１５−１２８４８１を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (10)

1. 複数のセンサにより取得した信号を入力する信号入力手段と、
   前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出手段と、
   前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出手段と、
   前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知手段と、
   を備える信号検知装置であって、
   前記検知手段で前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出する背景雑音減算手段と、
   前記背景雑音減算相互相関関数から算出される信号対雑音比に基づいて、前記所定サンプル数ごとの重みを算出する重み算出手段と、
   前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出する重み付き相互相関関数算出手段と、
   前記重み付き相互相関関数に基づいて、前記信号の方向を推定する方向推定手段と、
   をさらに備える信号検知装置。
2. 複数のセンサにより取得した信号を入力する信号入力手段と、
   前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出手段と、
   前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出手段と、
   前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知手段と、
   を備える信号検知装置であって、
   前記検知手段で前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出する背景雑音減算手段と、
   前記背景雑音減算相互相関関数と前記背景雑音モデルとの距離に基づいて、前記所定サンプル数ごとの重みを算出する重み算出手段と、
   前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出する重み付き相互相関関数算出手段と、
   前記重み付き相互相関関数に基づいて、前記信号の方向を推定する方向推定手段と、
   をさらに備える信号検知装置。
3. 前記距離は、前記背景雑音モデルと前記相互相関関数との間のマハラノビス距離である請求項２に記載の信号検知装置。
4. 前記検知手段は、前記マハラノビス距離が所定の閾値を超えるフレームが一定時間以上継続した場合に信号の変化を検知する請求項３に記載の信号検知装置。
5. 前記方向推定手段は、信号の変化が検知された場合、前記重み付き相互相関関数が最大になるラグサンプル数に基づいて、信号の方向を推定する請求項１乃至４のいずれか１項に記載の信号検知装置。
6. 前記重み算出手段は、前記背景雑音減算相互相関関数の最大値の二乗を信号パワーとし、前記背景雑音減算相互相関関数の二乗和を信号雑音パワーとした場合に、前記信号パワーを前記信号雑音パワーで除して得られる信号対雑音比に基づいて、前記所定サンプル数ごとの重みを算出する、請求項１に記載の信号検知装置。
7. 前記背景雑音モデル導出手段は、前記背景雑音モデルに基づいて、平均および分散共分散行列を算出する請求項１乃至６のいずれか１項に記載の信号検知装置。
8. 複数のセンサにより取得した信号を入力し、
   前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出し、
   前記相互相関関数に基づいて、背景雑音モデルを導出し、
   前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する、
   信号検知方法であって、
   さらに、
   前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出し、
   前記背景雑音減算相互相関関数から算出される信号対雑音比に基づいて、前記所定サンプル数ごとの重みを算出し、
   前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出し、
   前記重み付き相互相関関数に基づいて、前記信号の方向を推定する、
   信号検知方法。
9. 複数のセンサにより取得した信号を入力し、
   前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出し、
   前記相互相関関数に基づいて、背景雑音モデルを導出し、
   前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する、
   信号検知方法であって、
   さらに、
   前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出し、
   前記背景雑音減算相互相関関数と前記背景雑音モデルとの距離に基づいて、前記所定サンプル数ごとの重みを算出し、
   前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出し、
   前記重み付き相互相関関数に基づいて、前記信号の方向を推定する、
   信号検知方法。
10. 複数のセンサにより取得した信号を入力する信号入力ステップと、
    前記信号に基づいて、所定サンプル数ごとに相互相関関数を算出する相互相関関数算出ステップと、
    前記相互相関関数に基づいて、背景雑音モデルを導出する背景雑音モデル導出ステップと、
    前記相互相関関数による値と前記背景雑音モデルとの比較に基づいて、前記信号の変化を検知する検知ステップと、
    をコンピュータに実行させる信号検知プログラムであって、
    さらに、
    前記信号の変化を検出した場合に、前記背景雑音モデルに基づいて特定される背景雑音を前記相互相関関数から減算した、背景雑音減算相互相関関数を算出する背景雑音減算ステップと、
    前記背景雑音減算相互相関関数から算出される信号対雑音比に基づいて、前記所定サンプル数ごとの重みを算出する重み算出ステップと、
    前記背景雑音減算相互相関関数に前記重みを乗じて重み付き相互相関関数を算出する重み付き相互相関関数算出ステップと、
    前記重み付き相互相関関数に基づいて、前記信号の方向を推定する方向推定ステップと、
    を前記コンピュータに実行させる信号検知プログラム。

Images