JP6790659B2 - 音響処理装置および音響処理方法 - Google Patents

Description

本発明は、音響信号を処理する技術に関し、特に、音響信号に含まれる残響成分を抑圧する技術に関する。

音響信号に含まれる残響成分を抑圧するための各種の技術が従来から提案されている。例えば非特許文献１には、複数のマイクロホンでそれぞれ収音された複数の音響信号を解析することで逆フィルタを推定し、この逆フィルタを音響信号に作用させることで残響成分を抑圧する技術（ＭＩＮＴ法）が開示されている。

M. Miyoshi and Y. Kaneda, "Inverse filtering of room acoustics," IEEE Transactions on Acoustics, Speech, and Signal Processing, vol.36, no.2, pp.145-152, Feb. 1988.

しかし、非特許文献１の技術では、残響抑圧用の逆フィルタの推定に複数のマイクロホンが原理的に必要であるから、装置規模が大きいという問題がある。以上の事情を考慮して、本発明は、残響抑圧のための装置規模を抑制することを目的とする。

以上の課題を解決するために、本発明の好適な態様に係る音響処理装置は、第１音響信号の白色化により位相信号を生成する信号処理部と、前記位相信号について時間的な相関を強調した相関信号を生成する相関強調部と、前記相関信号に対する線形予測分析により予測係数を算定する線形予測部と、前記線形予測部が算定した予測係数が示す線形予測信号と前記位相信号または前記相関信号との差分である無相関信号を生成する残差生成部と、前記無相関信号を利用した信号処理により、前記第１音響信号の初期反射成分を強調または抑圧した第２音響信号を生成する残響処理部とを具備する。以上の態様によれば、複数のマイクロホンを原理的には必要とせずに、第１音響信号の残響成分を強調または抑圧した第２音響信号が生成される。すなわち、残響抑圧のための装置規模を抑制することが可能である。

また、本発明の好適な態様に係る音響処理方法は、コンピュータシステムが、第１音響信号の白色化により位相信号を生成し、前記位相信号について時間的な相関を強調した相関信号を生成し、前記相関信号に対する線形予測分析により予測係数を算定し、前記算定した予測係数が示す線形予測信号と前記位相信号または前記相関信号との差分である無相関信号を生成し、前記無相関信号を利用した信号処理により、前記第１音響信号の初期反射成分を強調または抑圧した第２音響信号を生成する。以上の態様によれば、複数のマイクロホンを原理的には必要とせずに、第１音響信号の残響成分を強調または抑圧した第２音響信号が生成される。すなわち、残響抑圧のための装置規模を抑制することが可能である。

本発明の第１実施形態に係る音響処理装置の構成図である。 最小位相スペクトルおよび無相関スペクトルの説明図である。 位相信号の時間波形および自己相関である。 位相信号の自乗の時間波形および自己相関である。 音響処理装置のフローチャートである。 実施形態の効果を説明するためのシミュレーション結果である。 実施形態の効果を説明するためのシミュレーション結果である。 第２実施形態における音響処理装置の構成図である。 第３実施形態における音響処理装置の構成図である。 第４実施形態における音響処理装置の構成図である。 第５実施形態における音響処理装置の構成図である。 第６実施形態における信号処理部の構成図である。 第７実施形態における残響処理部の構成図である。

＜第１実施形態＞
図１は、本発明の第１実施形態に係る音響処理装置１００の構成図である。図１に例示される通り、第１実施形態の音響処理装置１００は、制御装置１２と記憶装置１４と放音装置１６とを具備するコンピュータシステムで実現される。例えば携帯電話機、スマートフォンまたはパーソナルコンピュータ等の各種の情報処理装置が音響処理装置１００として利用され得る。

制御装置１２は、例えばＣＰＵ（Central Processing Unit）等の汎用の処理回路で構成され、音響処理装置１００の各要素を統括的に制御する。記憶装置１４は、制御装置１２が実行するプログラムと制御装置１２が使用する各種のデータとを記憶する。例えば磁気記録媒体および半導体記録媒体等の公知の記録媒体が記憶装置１４として利用され得る。相互に別体で構成された同種または異種の複数の記録媒体の組合せを記憶装置１４として利用することも可能である。

第１実施形態の記憶装置１４は、音響信号ｘ(n)（第１音響信号の例示）を記憶する。変数ｎは時間軸上の任意の１点を意味する（ｎ＝１,２,……）。音響信号ｘ(n)は、発音源から放射された音（以下「原音成分」という）に残響成分を付加した音の時間波形を表す信号である。残響成分は、原音成分（直接音）の発音後の短時間内に受聴点に到達する初期反射成分と、初期反射成分から遅延して受聴点に到達する後期残響成分とを含む。例えば収録音や合成音等の既存の音に対して事後的に残響成分を付加した音の音響信号ｘ(n)、または、残響効果がある音響空間（例えば音響ホール等）内で実際に収録された音の音響信号ｘ(n)が記憶装置１４に格納される。なお、例えば通信装置（図示略）が他装置から通信網を介して受信した音響信号ｘ(n)、または、収音装置による収音で生成された音響信号ｘ(n)を、実時間的に処理することも可能である。

音響処理装置１００は、音響信号ｘ(n)の残響成分（特に初期反射成分）を抑圧した時間領域の音響信号ｙ(n)（第２音響信号の例示）を生成する残響抑圧装置である。放音装置１６（例えばスピーカまたはヘッドホン）は、音響信号ｙ(n)に応じた音波を再生する。なお、音響信号ｙ(n)をデジタルからアナログに変換するＤ/Ａ変換器、および、音響信号ｙ(n)を増幅する増幅器の図示は便宜的に省略した。

制御装置１２は、記憶装置１４に記憶されたプログラムを実行することで、音響信号ｘ(n)から音響信号ｙ(n)を生成するための複数の機能（信号処理部２０，相関強調部３０，線形予測部４０，残差生成部５０，残響処理部６０）を実現する。なお、制御装置１２の機能を複数の装置に分散した構成、または、制御装置１２の機能の少なくとも一部を専用の電子回路が実現する構成も採用され得る。

信号処理部２０は、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成する。音響信号ｘ(n)の白色化は、音響信号ｘ(n)の振幅スペクトルを周波数軸上の広範囲（理想的には全範囲）にわたり平坦に近付ける処理を意味する。すなわち、位相信号ｐ(n)の振幅スペクトルは音響信号ｘ(n)の振幅スペクトルと比較して平坦である。

図１に例示される通り、第１実施形態の信号処理部２０は、線形予測部２１と周波数解析部２２と信号分解部２３と波形生成部２４とを含んで構成される。線形予測部２１は、音響信号ｘ(n)に対する線形予測分析により複数の予測係数ａ_ｊ（ｊ＝１,２,……）と誤差信号ｅ(n)とを生成する。複数の予測係数ａ_ｊの各々は、音響信号ｘ(n)の過去の信号値の線形結合により現在の信号値を予測したときの過去の各信号値の係数（加重値）である。他方、誤差信号ｅ(n)は、複数の予測係数ａ_ｊを使用した線形結合で表される線形予測信号と音響信号ｘ(n)との間の残差（すなわち予測誤差）を表す時間領域の信号である。なお、線形予測部２１による線形予測分析には、例えば、レビンソン−ダービン（Levinson-Durbin）法に代表される再帰法が好適に利用される。ただし、線形予測部２１による線形予測分析の具体的な方法は以上の例示に限定されない。例えば、バーグ（Burg）法等の共分散法を利用することも可能である。

複数の予測係数ａ_ｊで規定される伝達関数Ａ(k)は、原音成分に対する残響成分の付加をモデル化する全極モデルである。誤差信号ｅ(n)は、音響信号ｘ(n)から時間的な相関（自己相関）を低減した信号であり、音響信号ｘ(n)に含まれる励振源成分の推定結果に相当する。例えば音声を表す音響信号ｘ(n)から生成される誤差信号ｅ(n)は、その音声の励振源である声帯の振動成分を推定した結果に相当する。楽器の楽音を表す音響信号ｘ(n)から生成される誤差信号ｅ(n)は、その楽音を発生させる弦やリード等の励振源の振動成分を推定した結果に相当する。誤差信号ｅ(n)は、音響信号ｘ(n)を白色化した信号（あるいは時間的に無相関化した信号）とも換言され得る。無相関化は、相異なる時点に存在する複数の信号成分の間の相関を低減する処理（独立性を向上する処理）に相当する。伝達関数Ａ(k)は一般的に短時間相関でモデル化され、無相関化の結果として誤差信号ｅ(n)は励振源成分を強調したものとなる。残響成分は、励振源成分にも高度に相関する音響成分であるが、線形予測分析による無相関化では誤差信号ｅ(n)に残響成分が残存する場合がある。

図１の周波数解析部２２は、信号処理部２０が生成した時間領域の誤差信号ｅ(n)を、時間軸上の単位区間（フレーム）毎に周波数スペクトルＥ(k)に変換する。変数ｋは周波数軸上の任意の１個の周波数または周波数帯域を意味する。周波数スペクトルＥ(k)の生成には、例えば高速離散フーリエ変換等の公知の周波数解析が任意に利用され得る。

信号分解部２３は、周波数解析部２２が単位区間毎に生成した周波数スペクトルＥ(k)を最小位相スペクトルＥ_ｍｐ(k)（mp：minimum phase）と無相関スペクトルＥ_ａｐ(k)（ap：all-pass）とに分解する。図２に例示される通り、最小位相スペクトルＥ_ｍｐ(k)は、位相スペクトルarg(Ｅ_ｍｐ(k))の各位相値を最小値に設定した複素スペクトルである。最小位相スペクトルＥ_ｍｐ(k)の振幅スペクトル|Ｅ_ｍｐ(k)|は、誤差信号ｅ(n)の調波特性（複数の調波成分の系列）に相当する。他方、無相関スペクトルＥ_ａｐ(k)は、振幅スペクトル|Ｅ_ａｐ(k)|の各振幅値を周波数の全範囲にわたり１に設定（すなわち無相関化）した複素スペクトルである。すなわち、無相関スペクトルＥ_ａｐ(k)は、振幅値を維持したまま各位相値を変化させるオールパス特性に相当する。

図１の波形生成部２４は、信号分解部２３が生成した無相関スペクトルＥ_ａｐ(k)から時間領域の位相信号ｐ(n)を生成する。位相信号ｐ(n)の生成には例えば高速離散逆フーリエ変換が好適に利用される。以上の説明から理解される通り、第１実施形態の信号処理部２０は、音響信号ｘ(n)に対する線形予測分析により誤差信号ｅ(n)を生成し（線形予測部２１）、誤差信号ｅ(n)を最小位相スペクトルＥ_ｍｐ(k)と無相関スペクトルＥ_ａｐ(k)とに分解し（周波数解析部２２，信号分解部２３）、無相関スペクトルＥ_ａｐ(k)に応じた時間領域の位相信号ｐ(n)を生成する（波形生成部２４）。

以上の説明の通り、位相信号ｐ(n)は、音響信号ｘ(n)の白色化により生成される。したがって、位相信号ｐ(n)は、音響信号ｘ(n)のうち時間的な相関を低減した成分に相当する。ただし、前述の通り、信号処理部２０による処理のみで残響成分を抑圧することは実際には困難である。特に、残響成分のうち初期反射成分は位相信号ｐ(n)に残存し得る。したがって、初期反射成分を高精度に抑圧して原音成分を強調するためには、位相信号ｐ(n)を更に無相関化（独立性を向上させる）する必要がある。しかし、信号処理部２０が生成した位相信号ｐ(n)はそもそも無相関（振幅スペクトル|Ｅ_ａｐ(k)|が平坦なオールパス特性）であるから、位相信号ｐ(n)自体を線形予測分析により無相関化することはできない。以上の事情を考慮して、第１実施形態では、位相信号ｐ(n)の時間的な相関を強調した相関信号ｓ(n)に対して無相関化を実行する。

図１の相関強調部３０は、信号処理部２０が生成した位相信号ｐ(n)の時間的な相関を強調した相関信号ｓ(n)を生成する。図３は、位相信号ｐ(n)をインパルス応答と仮定した場合の時間波形および自己相関であり、図４は、位相信号ｐ(n)の自乗ｐ^２(n)（すなわちパワーエンベロープ）の時間波形および自己相関である。図３および図４から理解される通り、位相信号ｐ(n)が無相関（２次無相関）でも、位相信号ｐ(n)の自乗ｐ^２(n)については有意な自己相関（高次相関）が観測される。以上の知見を背景として、第１実施形態の相関強調部３０は、位相信号ｐ(n)を自乗することで、時間的な相関が強調された相関信号ｓ(n)を生成する（ｓ(n)＝ｐ^２(n)）。以上のように相関を強調した相関信号ｓ(n)については線形予測分析による無相関化が可能となる。

図１の線形予測部４０は、相関強調部３０が生成した相関信号ｓ(n)に対する線形予測分析により複数の予測係数ｂ_ｊを生成する。複数の予測係数ｂ_ｊの各々は、相関信号ｓ(n)の過去の信号値の線形結合により現在の信号値を予測したときの過去の各信号値の係数（加重値）である。初期反射成分には時間的な相関が存在するから、複数の予測係数ｂ_ｊを使用した線形結合で表される線形予測信号ｈ(n)は、初期反射成分の推定結果に相当する。なお、線形予測部４０による線形予測分析には、例えば、レビンソン−ダービン法に代表される再帰法が好適に利用される。ただし、線形予測部４０による線形予測分析の具体的な方法は以上の例示に限定されない。例えば、バーグ法等の共分散法を利用することも可能である。

図１の残差生成部５０は、線形予測部４０が生成した複数の予測係数ｂ_ｊが表す線形予測信号ｈ(n)と相関強調部３０が生成した位相信号ｐ(n)との差分である無相関信号ｒ(n)を生成する。具体的には、残差生成部５０は、以下の数式(1)の演算により無相関信号ｒ(n)を生成する。

前述の通り、位相信号ｐ(n)は原音成分と初期反射成分とを含む一方、線形予測信号ｈ(n)は初期反射成分の推定結果である。したがって、残差生成部５０が数式(1)の演算で生成する無相関信号ｒ(n)は、位相信号ｐ(n)のうち初期反射成分を抑圧するとともに励振源成分を強調した信号である。以上の説明から理解される通り、信号処理部２０による白色化と残差生成部５０による数式(1)の演算との２段階で時間的に無相関化された無相関信号ｒ(n)が生成される。

残響処理部６０は、残差生成部５０が生成した無相関信号ｒ(n)から音響信号ｙ(n)を生成する。第１実施形態の残響処理部６０は、周波数解析部６１と演算処理部６２と波形生成部６３とを具備する。周波数解析部６１は、残差生成部５０が生成した時間領域の無相関信号ｒ(n)を単位区間毎に周波数スペクトルＲ(k)に変換する。周波数スペクトルＲ(k)の生成には例えば高速離散フーリエ変換等の公知の周波数解析が任意に利用され得る。

演算処理部６２は、無相関信号ｒ(n)の周波数スペクトルＲ(k)から音響信号ｙ(n)の周波数スペクトルＹ(k)を単位区間毎に生成する。具体的には、演算処理部６２は、線形予測部２１が生成した伝達関数Ａ(k)と、信号分解部２３が生成した最小位相スペクトルＥ_ｍｐ(k)と、無相関信号ｒ(n)の周波数スペクトルＲ(k)とを利用した以下の数式(2)の演算により、単位区間毎に周波数スペクトルＹ(k)を生成する。

最小位相スペクトルＥ_ｍｐ(k)は、励振源成分の振幅スペクトルからなる誤差信号ｅ(k)の調波特性に相当し、無相関信号ｒ(n)は、音響信号ｘ(n)の励振源成分における原音成分を強調した信号である。したがって、数式(2)で算定される周波数スペクトルＹ(k)は、音響信号ｘ(n)に含まれる原音成分を強調（理想的には抽出）した音の周波数特性に相当する。

波形生成部６３は、演算処理部６２が生成した周波数スペクトルＹ(k)から時間領域の音響信号ｙ(n)を生成する。音響信号ｙ(n)の生成には例えば高速離散逆フーリエ変換が好適に利用される。以上の説明から理解される通り、音響信号ｘ(n)の残響成分を抑圧して原音成分を強調した音響信号ｙ(n)が生成される。

図５は、第１実施形態の制御装置１２が音響信号ｘ(n)から音響信号ｙ(n)を生成する処理（以下「残響抑圧処理」という）Ｄのフローチャートである。例えば利用者からの指示を契機として残響抑圧処理Ｄが開始される。

残響抑圧処理Ｄを開始すると、制御装置１２（信号処理部２０）は、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成する（Ｄ1）。制御装置１２（相関強調部３０）は、位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成する（Ｄ2）。また、制御装置１２（線形予測部４０）は、相関信号ｓ(n)に対する線形予測分析により複数の予測係数ｂ_ｊを算定する（Ｄ3）。

制御装置１２（残差生成部５０）は、複数の予測係数ｂ_ｊが示す線形予測信号ｈ(n)と位相信号ｐ(n)との差分である無相関信号ｒ(n)を生成する（Ｄ4）。そして、制御装置１２（残響処理部６０）は、無相関信号ｒ(n)を利用した数式(2)の信号処理により音響信号ｙ(n)を生成する（Ｄ5）。

以上に説明した通り、第１実施形態では、音響信号ｘ(n)の白色化で生成された位相信号ｐ(n)の時間的な相関を強調することで相関信号ｓ(n)が生成され、相関信号ｓ(n)に対する線形予測分析により線形予測信号ｈ(n)（すなわち、励振源成分における初期反射成分の推定結果）が特定される。そして、位相信号ｐ(n)と線形予測信号ｈ(n)との差分である無相関信号ｒ(n)が生成され、無相関信号ｒ(n)を利用した信号処理により音響信号ｙ(n)が生成される。したがって、複数のマイクロホンを原理的には必要とせずに、音響信号ｘ(n)の残響成分（特に初期反射成分）を抑圧した音響信号ｙ(n)が生成される。すなわち、第１実施形態によれば、非特許文献１の技術と比較して、残響成分の抑圧のための装置規模を抑制することが可能である。

また、音響信号ｘ(n)の白色化により生成された位相信号ｐ(n)には、音響信号ｘ(n)の原音成分のほか初期反射成分の一部が残存し得る。他方、位相信号ｐ(n)は時間的に無相関であるから、線形予測分析を利用した初期反射成分の抑圧は困難である。第１実施形態では、位相信号ｐ(n)の時間的な相関を強調した相関信号ｓ(n)に対する線形予測分析により、音響信号ｘ(n)の残響成分を抑圧した無相関信号ｒ(n)が生成される。したがって、音響信号ｘ(n)の初期反射成分を高精度に抑圧または強調した音響信号ｙ(n)を生成することが可能である。

図６および図７を参照して、第１実施形態の効果を説明する。図６は、後期残響成分の抑圧量の指標であるNormalized SRMR（Speech-to-Reverberation Modulation energy Ratio）のシミュレーション結果であり、図７は、音質の指標であるFW SegSNR（Frequency Weighted Segmental Signal to Noise Ratio）のシミュレーション結果である。Normalized SRMRが大きいほど後期残響成分が抑圧されていると評価でき、FW SegSNRが大きいほど残響抑圧処理Ｄにより音質が向上した（原音成分に近付いた）と評価できる。

図６および図７では、残響時間が相違する試験用インパルス応答を所定の原音成分に畳込んだ複数の場合（横軸）について結果が併記されている。実際には、試験用インパルス応答のうち先頭の５０msecの畳込を想定した。結果１は、残響成分を抑圧しない場合である。結果２は、位相信号の無相関化をオールパスフィルタで実現して残響成分を抑圧した場合（対比例）であり、結果３は、第１実施形態の方法で残響成分を抑圧した場合である。なお、無相関化をオールパスフィルタで実現する方法については、例えばK. Sri Rama Murty et al., "Allpass Modeling of LP Residual for Speaker Recognition," 2012 International Conference on Signal Processing and Communications (SPCOM)、および、Karthika Vijayan et al., "Allpass modelling of Fourier phase for speaker verification," The Speaker and Language Recognition Workshop, 2014に記載されている。

後期残響成分の抑圧量は、第１実施形態と対比例とで殆ど変わらないことが図６から確認できる。他方、第１実施形態によれば、対比例と比較して、残響抑圧処理Ｄにより音質が向上したことが図７から確認できる。後期残響成分の抑圧量が同等であるにも関わらず音質が向上しているから、第１実施形態によれば、対比例と比較して初期反射成分が有効に抑圧されていると評価できる。以上の説明の通り、第１実施形態によれば、装置規模を抑制しながら初期反射成分を有効に抑制することが可能である。

＜第２実施形態＞
本発明の第２実施形態を説明する。なお、以下に例示する各形態において作用または機能が第１実施形態と同様である要素については、第１実施形態の説明で使用した符号を流用して各々の詳細な説明を適宜に省略する。

図８は、第２実施形態における音響処理装置１００の構成図である。図８に例示される通り、第２実施形態の音響処理装置１００は、第１実施形態と同様の要素（信号処理部２０，相関強調部３０，線形予測部４０，残差生成部５０，残響処理部６０）を具備する。第２実施形態の信号処理部２０は、第１実施形態と同様に音響信号ｘ(n)から位相信号ｐ(n)を生成するが、第１実施形態とは構成が相違する。図８に例示される通り、第２実施形態の信号処理部２０は、周波数解析部２５と波形生成部２６とを含んで構成される。

周波数解析部２５は、音響信号ｘ(n)の振幅スペクトル|Ｘ(k)|と位相スペクトルarg(Ｘ(k))とを単位区間毎に生成する。振幅スペクトル|Ｘ(k)|および位相スペクトルarg(Ｘ(k))の生成には、例えば高速離散フーリエ変換等の公知の周波数解析が任意に利用され得る。

波形生成部２６は、周波数解析部２５が生成した位相スペクトルarg(Ｘ(k))から時間領域の位相信号ｐ(n)を生成する。具体的には、波形生成部２６は、振幅値が所定値（例えば１）に設定された振幅スペクトルと音響信号ｘ(n)の位相スペクトルarg(Ｘ(k))とで規定される周波数スペクトルを時間領域の位相信号ｐ(n)に変換する。位相信号ｐ(n)の生成には例えば高速離散逆フーリエ変換が好適に利用される。

以上の説明から理解される通り、音響信号ｘ(n)の位相スペクトルarg(Ｘ(k))を維持したまま振幅スペクトルを平坦な特性に近付けること（すなわち白色化）で位相信号ｐ(n)が生成される。すなわち、第２実施形態の信号処理部２０は、第１実施形態と同様に、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成する。相関強調部３０は、第１実施形態と同様に、位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成する。線形予測部による複数の予測係数ｂ_ｊの算定と残差生成部５０による無相関信号ｒ(n)の生成とは第１実施形態と同様である。

第２実施形態における残響処理部６０は、残差生成部５０が生成した無相関信号ｒ(n)を利用した信号処理により音響信号ｙ(n)を生成する。具体的には、残響処理部６０の周波数解析部６１は、無相関信号ｒ(n)の位相スペクトルarg(Ｒ(k))を単位区間毎に生成する。演算処理部６２は、周波数解析部２５が音響信号ｘ(n)から生成した振幅スペクトル|Ｘ(k)|と、無相関信号ｒ(n)の位相スペクトルarg(Ｒ(k))とを組合せた複素スペクトルを、音響信号ｙ(n)の周波数スペクトルＹ(k)として単位区間毎に生成する。波形生成部６３は、第１実施形態と同様に、演算処理部６２が生成した周波数スペクトルＹ(k)から時間領域の音響信号ｙ(n)を生成する。

残差生成部５０が生成する無相関信号ｒ(n)は、音響信号ｘ(n)の初期反射成分を抑圧した信号である。したがって、無相関信号ｒ(n)の位相スペクトルarg(Ｒ(k))を利用することで、第１実施形態と同様に、音響信号ｘ(n)の残響成分を抑圧して原音成分を強調した音響信号ｙ(n)が生成される。以上の説明から理解される通り、第２実施形態においても第１実施形態と同様の効果が実現される。

＜第３実施形態＞
図９は、第３実施形態における音響処理装置１００の構成図である。図９に例示される通り、第３実施形態の音響処理装置１００は、第１実施形態と同様の要素（信号処理部２０，相関強調部３０，線形予測部４０，残差生成部５０，残響処理部６０）を具備する。第３実施形態の信号処理部２０は、第１実施形態と同様に音響信号ｘ(n)から位相信号ｐ(n)を生成するが、第１実施形態とは構成が相違する。図９に例示される通り、第３実施形態の信号処理部２０は、線形予測部２１を含んで構成される。

線形予測部２１は、音響信号ｘ(n)に対する線形予測分析により複数の予測係数ａ_ｊと位相信号ｐ(n)とを生成する。第３実施形態の位相信号ｐ(n)は、複数の予測係数ａ_ｊを使用した線形結合で表される線形予測信号と音響信号ｘ(n)との間の残差を表す信号であり、第１実施形態の誤差信号ｅ(n)に相当する。したがって、第３実施形態の位相信号ｐ(n)は、第１実施形態と同様に、音響信号ｘ(n)から時間に関する相関を低減した信号（すなわち音響信号ｘ(n)を白色化した信号）である。

相関強調部３０は、第１実施形態と同様に、信号処理部２０が生成した位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成する。線形予測部による複数の予測係数ｂ_ｊの算定と残差生成部５０による無相関信号ｒ(n)の生成とは第１実施形態と同様である。

第２実施形態における残響処理部６０は、残差生成部５０が生成した無相関信号ｒ(n)を利用した信号処理により音響信号ｙ(n)を生成する。具体的には、残響処理部６０の周波数解析部６１は、無相関信号ｒ(n)の周波数スペクトルＲ(k)を単位区間毎に生成する。演算処理部６２は、線形予測部２１が生成した伝達関数Ａ(k)と、無相関信号ｒ(n)の周波数スペクトルＲ(k)とを利用した以下の数式(3)の演算により、単位区間毎に周波数スペクトルＹ(k)を生成する。波形生成部６３は、第１実施形態と同様に、演算処理部６２が生成した周波数スペクトルＹ(k)から時間領域の音響信号ｙ(n)を生成する。

残差生成部５０が生成する無相関信号ｒ(n)は、音響信号ｘ(n)の初期反射成分を抑圧した信号である。したがって、無相関信号ｒ(n)の周波数スペクトルＲ(k)を利用することで、第１実施形態と同様に、音響信号ｘ(n)の残響成分を抑圧して原音成分を強調した音響信号ｙ(n)が生成される。以上の説明から理解される通り、第３実施形態においても第１実施形態と同様の効果が実現される。

＜第４実施形態＞
図１０は、第４実施形態における音響処理装置１００の構成図である。図１０に例示される通り、第４実施形態の音響処理装置１００は、信号処理部２０と相関強調部３０と線形予測部４０と残差生成部５０と残響処理部６０と後期残響推定部７０とを具備する。信号処理部２０と相関強調部３０と線形予測部４０との構成および動作は第１実施形態と同様である。第４実施形態の残差生成部５０は、第１実施形態と同様に無相関信号ｒ(n)を生成するほか、線形予測部４０が算定した複数の予測係数ｂ_ｊで規定される線形予測信号ｈ(n)を生成する。第１実施形態において前述した通り、線形予測信号ｈ(n)は、音響信号ｘ(n)に含まれる初期反射成分の推定結果に相当する。

図１０の後期残響推定部７０は、音響信号ｘ(n)に含まれる後期残響成分を調整するための残響フィルタｗ(k)を線形予測信号ｈ(n)から生成する。具体的には、後期残響推定部７０は、周波数解析部７１と演算処理部７２と遅延処理部７３とフィルタ生成部７４とを含んで構成される。

周波数解析部７１は、残差生成部５０が生成した時間領域の線形予測信号ｈ(n)から周波数スペクトルＨ(k)を単位区間毎に算定する。周波数スペクトルＨ(k)の生成には例えば高速離散フーリエ変換等の公知の周波数解析が任意に採用され得る。

演算処理部７２は、周波数解析部７１が生成した周波数スペクトルＨ(k)から初期反射成分の周波数スペクトルＸ_ＥＲ(k)を単位区間毎に生成する。具体的には、演算処理部７２は、線形予測部２１が生成した伝達関数Ａ(k)と、信号分解部２３が生成した最小位相スペクトルＥ_ｍｐ(k)と、初期反射成分の周波数スペクトルＨ(k)とを利用した以下の数式(4)の演算により、単位区間毎に周波数スペクトルＸ_ＥＲ(k)を生成する。

遅延処理部７３は、演算処理部７２が生成した周波数スペクトルＸ_ＥＲ(k)を単位区間の所定個の時間長だけ遅延させる。フィルタ生成部７４は、遅延処理部７３による遅延後の周波数スペクトルＸ_ＥＲ(k)を利用して、音響信号ｘ(n)の後期残響成分を強調するための残響フィルタｗ(k)を生成する。具体的には、残響フィルタｗ(k)は、例えば以下の数式(5)で表現されるウィーナフィルタ（Multi-step Wiener Filter）である。数式(5)の添字(j)は、ｊ個だけ過去のフレームの成分であることを意味し、記号＊は複素共役を意味する。また、定数Ｍ1および定数Ｍ2は相異なる所定値に設定される。

数式(5)の分子は、現在の単位区間における初期反射成分の周波数スペクトルＸ_ＥＲ(k)と、遅延処理部７３による遅延後の周波数スペクトルＸ_ＥＲ ^（ｊ）(k)との相互相関に相当する。後期残響成分は、初期反射成分を相異なる時間だけ遅延させて相互に加算した音響成分である。数式(5)で表現される通り、現在の単位区間における周波数スペクトルＸ_ＥＲ(k)のパワー|Ｘ_ＥＲ(k)|^２により相互相関を正規化したうえで相互に加算することで、音響信号ｘ(n)の後期残響成分を強調するための残響フィルタｗ(k)が生成される。具体的には、周波数軸上の複数の周波数のうち後期残響成分が優勢に存在する各周波数の成分値が大きい数値に設定された係数列が残響フィルタｗ(k)として生成される。

他方、第４実施形態の残響処理部６０は、周波数解析部６１と演算処理部６２と後期残響抑圧部６４と波形生成部６３とを具備する。周波数解析部６１は、第１実施形態と同様に、無相関信号ｒ(n)の周波数スペクトルＲ(k)を単位区間毎に生成する。演算処理部６２は、第１実施形態と同様に、無相関信号ｒ(n)の周波数スペクトルＲ(k)から周波数スペクトルＹ(k)を単位区間毎に生成する。例えば、伝達関数Ａ(k)と最小位相スペクトルＥ_ｍｐ(k)と周波数スペクトルＲ(k)とを利用した前掲の数式(2)の演算で周波数スペクトルＹ(k)が算定される。したがって、第５実施形態においても第１実施形態と同様の効果が実現される。

第１実施形態において前述した通り、周波数スペクトルＹ(k)は、音響信号ｘ(n)の残響成分を抑圧して原音成分を強調した周波数特性である。ただし、第１実施形態で例示した残響抑圧処理Ｄは、図６および図７を参照して説明した通り、初期反射成分に特に有効である一方、後期残響成分は充分に抑圧されない可能性がある。以上の事情を考慮して、図１０の後期残響抑圧部６４は、後期残響推定部７０が推定した残響フィルタｗ(k)を利用して、周波数スペクトルＹ(k)から後期残響成分を抑圧する。

具体的には、後期残響抑圧部６４は、周波数スペクトルＹ(k)と残響フィルタｗ(k)とを利用した以下の数式(6)の演算により周波数スペクトルＹ'(k)を算定する。図１０の波形生成部６３は、後期残響抑圧部６４が生成した周波数スペクトルＹ'(k)から時間領域の音響信号ｙ(n)を生成する。

前述の通り、残響フィルタｗ(k)は、音響信号ｘ(n)の後期残響成分を強調するためのフィルタであるから、数式(6)の係数(１−|ｗ(k)|)は、音響信号ｘ(n)の後期残響成分を抑圧するためのフィルタ（相補ウィナーフィルタ）に相当する。したがって、波形生成部６３が生成する音響信号ｙ(n)は、音響信号ｘ(n)から初期反射成分および後期残響成分の双方を有効に抑圧した音を表す信号である。以上の説明から理解される通り、第４実施形態の残響処理部６０は、無相関信号ｒ(n)と残響フィルタｗ(k)とを利用した信号処理により、音響信号ｘ(n)の初期反射成分および後期残響成分を抑圧した音響信号ｙ(n)を生成する。なお、後期残響成分を抑圧するための残響フィルタ(１−|ｗ(k)|)を後期残響推定部７０が生成することも可能である。

第４実施形態においても第１実施形態と同様の効果が実現される。また、第４実施形態では、前述の通り、無相関信号ｒ(n)と残響フィルタｗ(k)とを利用した信号処理により、音響信号ｘ(n)の初期反射成分および後期残響成分の双方を有効に抑圧できるという利点がある。

＜第５実施形態＞
図１１は、第５実施形態における音響処理装置１００の構成図である。第５実施形態の音響処理装置１００は、第４実施形態と同様の後期残響推定部７０を第２実施形態に追加した構成である。具体的には、図１１に例示される通り、第５実施形態の音響処理装置１００は、信号処理部２０と相関強調部３０と線形予測部と残差生成部５０と残響処理部６０と後期残響推定部７０とを具備する。信号処理部２０と相関強調部３０と線形予測部４０とは第２実施形態と同様である。第５実施形態の残差生成部５０は、第４実施形態と同様に、無相関信号ｒ(n)と線形予測信号ｈ(n)とを生成する。

第５実施形態の後期残響推定部７０は、音響信号ｘ(n)の後期残響成分を強調するための残響フィルタｗ(k)を線形予測信号ｈ(n)から生成する。具体的には、後期残響推定部７０は、第４実施形態と同様に、周波数解析部７１と演算処理部７２と遅延処理部７３とフィルタ生成部７４とを含んで構成される。周波数解析部７１は、線形予測信号ｈ(n)から周波数スペクトルＨ(k)を単位区間毎に生成する。

演算処理部７２は、周波数解析部７１が生成した周波数スペクトルＨ(k)から初期反射成分の周波数スペクトルＸ_ＥＲ(k)を単位区間毎に生成する。具体的には、演算処理部７２は、周波数解析部２５が音響信号ｘ(n)から生成した振幅スペクトル|Ｘ(k)|と、周波数スペクトルＨ(k)とを組合せた複素スペクトルを、初期反射成分の周波数スペクトルＸ_ＥＲ(k)として単位区間毎に生成する。遅延処理部７３による周波数スペクトルＸ_ＥＲ(k)の遅延と、フィルタ生成部７４による残響フィルタｗ(k)の生成とは、第４実施形態と同様である。

第５実施形態の残響処理部６０は、第４実施形態と同様に、周波数解析部６１と演算処理部６２と後期残響抑圧部６４と波形生成部６３とを具備する。周波数解析部６１は無相関信号ｒ(n)の周波数スペクトルＲ(k)を単位区間毎に生成する。演算処理部６２は、第２実施形態と同様に、音響信号ｘ(n)の振幅スペクトル|Ｘ(k)|と無相関信号ｒ(n)の周波数スペクトルＲ(k)との組合せにより周波数スペクトルＹ(k)を単位区間毎に生成する。

後期残響抑圧部６４は、第４実施形態と同様に、演算処理部６２が生成した周波数スペクトルＹ(k)と後期残響推定部７０が生成した残響フィルタｗ(k)とを利用した前掲の数式(6)の演算により周波数スペクトルＹ'(k)を算定する。波形生成部６３は、周波数スペクトルＹ'(k)から時間領域の音響信号ｙ(n)を生成する。以上の説明から理解される通り、第５実施形態においても第４実施形態と同様の効果が実現される。

＜第６実施形態＞
図１２は、第６実施形態の音響処理装置１００における信号処理部２０の構成図である。第１実施形態から第５実施形態では１チャネルの音響信号ｘ(n)を処理対象としたが、第６実施形態では複数のチャネルの音響信号ｘ(n)（ｘ_１(n)，ｘ_２(n)）を処理対象とする。具体的には、図１２に例示される通り、音響信号ｘ_１(n)と音響信号ｘ_２(n)とが信号処理部２０に供給される。音響信号ｘ_１(n)および音響信号ｘ_２(n)は、相異なる位置に設置された複数の収音機器による収音（ステレオ収録）で並列に生成される。

図１２に例示される通り、第６実施形態の信号処理部２０は、第１実施形態と同様の要素に周波数解析部２７と周波数解析部２８と混合処理部２９とを追加した構成である。周波数解析部２７は、音響信号ｘ_１(n)の周波数スペクトルＸ_１(k)を単位区間毎に生成する。周波数解析部２８は、音響信号ｘ_２(n)の周波数スペクトルＸ_２(k)を単位区間に生成する。混合処理部２９は、音響信号ｘ_１(n)と音響信号ｘ_２(n)とを周波数領域で混合する。具体的には、第６実施形態の混合処理部２９は、周波数スペクトルＸ_１(k)と周波数スペクトルＸ_２(k)とを利用した以下の数式(7)の演算により周波数スペクトルＸ(k)を算定する。

係数Ｂ(k)の分子は、音響信号ｘ_１(n)と音響信号ｘ_２(n)との相互相関であり、分母は振幅による正規化項である。音響信号ｘ_２(n)の周波数スペクトルＸ_２(k)に対する係数Ｂ(k)の乗算は、音響信号ｘ_２(n)の位相を音響信号ｘ_１(n)に近付ける操作を意味する。他方、係数Ｇ(k)は、音響信号ｘ_１(n)および音響信号ｘ_２(n)に含まれる残響成分を抑圧するためのゲインである。複数の収音機器の正面から原音成分が到来する場合を想定すると、原音成分は同位相で収音される。係数Ｇ(k)は、音響信号ｘ_１(n)と音響信号ｘ_２(n)との相互相関が大きい周波数（すなわち原音成分を優勢に含む周波数）ほど大きい数値となる。したがって、数式(7)の演算により、音響信号ｘ_１(n)および音響信号ｘ_２(n)に含まれる残響成分を抑圧した周波数スペクトルＸ(k)が生成される。ただし、数式(7)の演算のみで残響成分を完全に抑圧することは困難であるから、周波数スペクトルＸ(k)を対象として第１実施形態と同様の処理を実行することで残響成分が抑圧される。

第６実施形態においても第１実施形態と同様の効果が実現される。また、第６実施形態では、線形予測分析を利用した残響成分の抑圧前に、複数のチャネルの音響信号ｘ(n)を利用して残響成分が抑圧されるから、音響信号ｘ(n)の残響成分を高精度に抑圧した音響信号ｙ(n)を生成できるという利点がある。第６実施形態の例示から理解される通り、複数のチャネルの音響信号ｘ(n)を処理対象とする構成にも本発明は適用され得る。すなわち、複数のマイクロホンが原理的に必須である非特許文献１の技術と比較して、本発明の好適な態様によれば残響抑圧のための装置規模を抑制できる、とはいっても、複数の音響信号ｘ(n)を利用する構成が本発明の範囲から除外されるわけではない。

なお、図１２では、第１実施形態の信号処理部２０を基礎とした構成を例示したが、音響信号ｘ_１(n)と音響信号ｘ_２(n)とを利用して残響成分を抑圧する構成は、第２実施形態から第５実施形態にも同様に適用され得る。また、複数のチャネルの音響信号ｘ(n)を利用する構成としては、図１２の構成のほか、例えば音響信号ｘ_１(n)と音響信号ｘ_２(n)との平均を処理対象とする構成も採用され得る。

＜第７実施形態＞
図１３は、第７実施形態における残響処理部６０の構成図である。図１３に例示される通り、第７実施形態の残響処理部６０は、周波数解析部６１と演算処理部６２と波形生成部６３とを具備する。周波数解析部６１は、第１実施形態と同様に、時間領域の無相関信号ｒ(n)から単位区間毎に周波数スペクトルＲ(k)を生成する。

図１３に例示される通り、第７実施形態の演算処理部６２は、第１処理部６２１と後期残響抑圧部６２２と第２処理部６２３とを含んで構成される。第１処理部６２１は、周波数解析部６１が生成した周波数スペクトルＲ(k)と信号処理部２０（信号分解部２３）が生成した最小位相スペクトルＥ_ｍｐ(k)とから周波数スペクトルＺ_１(k)を単位区間毎に生成する。具体的には、第１処理部６２１は、周波数スペクトルＲ(k)と最小位相スペクトルＥ_ｍｐ(k)とを利用した以下の数式(8)の演算により周波数スペクトルＺ_１(k)を算定する。

前述の通り、最小位相スペクトルＥ_ｍｐ(k)は、励振源成分の振幅スペクトルからなる誤差信号ｅ(k)の調波特性に相当し、無相関信号ｒ(n)は、音響信号ｘ(n)の初期反射成分を抑圧した信号である。したがって、周波数スペクトルＺ_１(k)は、音響信号ｘ(n)に含まれる初期反射成分を抑圧した音の周波数特性である。

線形予測分析を利用した残響抑圧処理Ｄは、図６および図７を参照して説明した通り、初期反射成分に特に有効である一方、後期残響成分が充分に抑圧されない可能性がある。すなわち、数式(8)で生成された周波数スペクトルＺ_１(k)には、後期残響成分が含まれる可能性がある。図１３の後期残響抑圧部６２２は、周波数スペクトルＺ_１(k)に含まれる後期残響成分を抑圧することで周波数スペクトルＺ_２(k)を単位区間毎に生成する。後期残響抑圧部６２２による後期残響成分の抑圧には公知の技術が任意に採用され得る。具体的には、ＷＰＥ（Weighted Prediction Error）法、マルチステップ線形予測（ＭＳＬＰ：Multi-step Linear Prediction）、ＮＬＭＳ（Multi-channel Least Mean Square）アルゴリズム等の各種の技術を後期残響成分の抑圧に採用することが可能である。後期残響抑圧部６２２が生成する周波数スペクトルＺ_２(k)では、初期反射成分および後期残響成分の双方が抑圧されている。

図１３の第２処理部６２３は、後期残響抑圧部６２２が生成した周波数スペクトルＺ_２(k)から音響信号ｙ(n)の周波数スペクトルＹ(k)を単位区間毎に生成する。具体的には、第２処理部６２３は、線形予測部２１が生成した伝達関数Ａ(k)と、後期残響抑圧部６２２が生成した周波数スペクトルＺ_２(k)とを利用した以下の数式(9)の演算により、単位区間毎に周波数スペクトルＹ(k)を生成する。

数式(9)の演算で算定された周波数スペクトルＹ(k)を波形生成部６３が時間領域の音響信号ｙ(n)に変換する。第７実施形態においても第１実施形態と同様の効果が実現される。なお、図１３に例示した残響処理部６０は、第１実施形態から第６実施形態の何れにも採用され得る。

＜変形例＞
以上に例示した各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は適宜に併合され得る。

（１）前述の各形態では、位相信号ｐ(n)の自乗により相関信号ｓ(n)を生成したが、相関強調部３０が位相信号ｐ(n)の時間的な相関を強調する方法（位相信号ｐ(n)から相関信号ｓ(n)を生成する方法）は以上の例示に限定されない。例えば、位相信号ｐ(n)の絶対値を相関信号ｓ(n)（ｓ(n)＝|ｐ(n)|）として算定する構成でも、位相信号ｐ(n)における時間的な相関を強調した相関信号ｓ(n)を生成することが可能である。以上の例示から理解される通り、好適な態様に係る相関強調部３０は、位相信号ｐ(n)を例えば絶対値または自乗により非負化することで相関信号ｓ(n)を生成する要素とも表現され得る。

また、例えば位相信号ｐ(n)の１.５乗により相関信号ｓ(n)（ｓ(n)＝ｐ^１．５(n)）を生成する構成でも、位相信号ｐ(n)における時間的な相関を強調した相関信号ｓ(n)を生成できる。以上の例示から理解される通り、好適な態様に係る相関強調部３０は、位相信号ｐ(n)の絶対値または冪乗（例えば自乗または１.５乗）を含む演算で相関信号ｓ(n)を生成する要素とも換言され得る。

（２）前述の各形態では、前掲の数式(1)の通り、線形予測信号ｈ(n)と位相信号ｐ(n)との差分を無相関信号ｒ(n)として生成したが、線形予測信号ｈ(n)を利用して無相関信号ｒ(n)を生成する方法は以上の例示に限定されない。例えば、位相信号ｐ(n)の時間的な相関を強調した相関信号ｓ(n)と線形予測信号ｈ(n)との差分を無相関信号ｒ(n)として算定することも可能である。以上の説明から理解される通り、残差生成部５０は、線形予測信号ｈ(n)と位相信号ｐ(n)または相関信号ｓ(n)との差分である無相関信号ｒ(n)を生成する要素として表現される。

（３）前述の各形態で例示した音響処理装置１００は種々の用途に利用され得る。例えば、音響信号ｘ(n)を音源毎の成分に分離する音源分離の実行前に、前述の各形態により音響信号ｘ(n)の残響成分を抑圧することで、高精度な音源分離が実現される。また、音響信号ｘ(n)の音響的な特徴量（例えばピッチ）を抽出する特徴抽出の実行前に、前述の各形態により音響信号ｘ(n)の残響成分を抑圧することで、特徴量を高精度に抽出することが可能となる。また、音響信号ｘ(n)に対する音声認識の実行前に音響信号ｘ(n)の残響成分を抑圧すれば、高精度な音声認識が実現される。残響成分の抑圧によりハウリングを抑制できるという利点もある。

また、音響信号ｘ(n)を原音成分と残響成分とに分離する場合にも前述の各形態が好適に利用され得る。例えば、原音成分を抽出した音響信号ｙ(n)が前述の各形態により生成されるほか、音響信号ｙ(n)を音響信号ｘ(n)から減算することで、初期反射成分および後期残響成分を含む残響成分を抽出することも可能である。また、複数の予測係数ｂ_ｊで規定される線形予測信号ｈ(n)を初期反射成分として利用することも可能である。原音成分と残響成分とについて個別に音響効果を付与してから加算することで、多様な特性の音が生成される。また、複数のスピーカで構成されるサラウンドシステムにおいて、原音成分を前方のスピーカから放音するとともに残響成分を後方のスピーカから放音することで、サラウンド効果を向上させることも可能である。

（４）音響処理装置１００の各要素が周波数領域および時間領域の何れにおいて信号処理を実行するかは任意に変更され得る。例えば、残響処理部６０の演算処理部６２が時間領域で信号処理を実行することも可能である。

（５）通信網を介して携帯電話機等の端末装置と通信するサーバ装置（典型的にはウェブサーバ）により音響処理装置１００を実現することも可能である。例えば、音響処理装置１００は、端末装置から通信網を介して受信した音響信号ｘ(n)に対する処理で音響信号ｙ(n)を生成して端末装置に送信する。

（６）前述の各形態に例示した構成は、以下のように表現され得る。
［態様１］
本発明の好適な態様（態様１）に係る音響処理装置１００は、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成する信号処理部２０と、位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成する相関強調部３０と、相関信号ｓ(n)に対する線形予測分析により予測係数ｂ_ｊを算定する線形予測部と、線形予測部が算定した予測係数ｂ_ｊが示す線形予測信号ｈ(n)と位相信号ｐ(n)または相関信号ｓ(n)との差分である無相関信号ｒ(n)を生成する残差生成部５０と、無相関信号ｒ(n)を利用した信号処理により、音響信号ｘ(n)の初期反射成分を強調または抑圧した音響信号ｙ(n)を生成する残響処理部６０とを具備する。

以上の構成では、音響信号ｘ(n)の白色化により生成された位相信号ｐ(n)の時間的な相関を強調することで相関信号ｓ(n)が生成され、相関信号ｓ(n)の線形予測信号ｈ(n)と位相信号ｐ(n)または相関信号ｓ(n)との差分である無相関信号ｒ(n)が生成される。そして、無相関信号ｒ(n)を利用した信号処理により音響信号ｙ(n)が生成される。したがって、複数のマイクロホンを原理的には必要とせずに、音響信号ｘ(n)の残響成分を強調または抑圧した音響信号ｙ(n)が生成される。すなわち、残響抑圧のための装置規模を抑制することが可能である。また、音響信号ｘ(n)の白色化により生成された位相信号ｐ(n)には、音響信号ｘ(n)の原音成分のほか初期反射成分の一部が残存し得る。他方、位相信号ｐ(n)は時間的に無相関であるから、線形予測分析を利用した初期反射成分の抑圧は困難である。本発明の前述の態様では、位相信号ｐ(n)の時間的な相関を強調した相関信号ｓ(n)に対する線形予測分析により、音響信号ｘ(n)の残響成分を抑圧した無相関信号ｒ(n)が生成される。したがって、音響信号ｘ(n)の初期反射成分を高精度に抑圧または強調した音響信号ｙ(n)を生成することが可能である。

［態様２］
態様１の好適例（態様２）において、信号処理部２０は、線形予測信号ｈ(n)と位相信号ｐ(n)との差分を無相関信号ｒ(n)として生成する。態様２では、線形予測信号ｈ(n)と位相信号ｐ(n)との差分が無相関信号ｒ(n)として生成されるから、残響成分を適切に抑圧した音響信号ｙ(n)を生成できるという利点がある。

［態様３］
態様１の好適例（態様３）において、信号処理部２０は、音響信号ｘ(n)に対する線形予測分析により予測誤差に応じた位相信号ｐ(n)を生成する。態様３では、線形予測部による相関信号ｓ(n)の線形予測分析に加えて音響信号ｘ(n)に対する線形予測分析も実行されるから、音響信号ｘ(n)の残響成分を高精度に抑圧することが可能である。なお、第１実施形態または第３実施形態は、態様３の具体例に相当する。

［態様４］
態様３の好適例（態様４）において、信号処理部２０は、音響信号ｘ(n)に対する線形予測分析により予測誤差に応じた誤差信号ｅ(n)を生成し、誤差信号ｅ(n)を最小位相の周波数スペクトルＥ_ｍｐ(k)と無相関の周波数スペクトルＥ_ａｐ(k)とに分解し、無相関の周波数スペクトルＥ_ａｐ(k)から位相信号ｐ(n)を生成する。態様４では、誤差信号ｅ(n)を分解した無相関の周波数スペクトルＥ_ａｐ(k)から位相信号ｐ(n)が生成されるため、音響信号ｘ(n)の残響成分を高精度に抑圧することが可能である。なお、第１実施形態は態様４の具体例に相当する。

［態様５］
態様４の好適例（態様５）において、残響処理部６０は、最小位相の周波数スペクトルＥ_ｍｐ(k)と無相関信号ｒ(n)とを利用した信号処理により音響信号ｙ(n)を生成する。態様５では、最小位相の周波数スペクトルＥ_ｍｐ(k)と無相関信号ｒ(n)とを利用した信号処理により音響信号ｙ(n)が生成されるから、最小位相の周波数スペクトルＥ_ｍｐ(k)を利用しない構成と比較して、音響信号ｘ(n)の原音成分を忠実に再現することが可能である。

［態様６］
態様１または態様２の好適例（態様６）において、信号処理部２０は、音響信号ｘ(n)の位相スペクトルarg(Ｘ(k))を生成し、位相スペクトルarg(Ｘ(k))に応じた位相信号ｐ(n)を生成する。態様６では、音響信号ｘ(n)の位相スペクトルarg(Ｘ(k))に応じて位相信号ｐ(n)が生成されるから、音響信号ｘ(n)に対する線形予測分析を実行する構成と比較して位相信号ｐ(n)の生成処理が簡素化されるという利点がある。なお、第２実施形態は態様６の具体例に相当する。

［態様７］
態様１から態様６の何れかの好適例（態様７）に係る音響処理装置１００は、音響信号ｘ(n)に含まれる後期残響成分を調整（例えば強調または抑圧）するための残響フィルタｗ(k)を生成する後期残響推定部７０を具備し、残響処理部６０は、無相関信号ｒ(n)と残響フィルタｗ(k)とを利用した信号処理により、音響信号ｘ(n)の初期反射成分および後期残響成分を抑圧した音響信号ｙ(n)を生成する。態様７では、音響信号ｘ(n)に含まれる後期残響成分を調整するための残響フィルタｗ(k)が生成され、無相関信号ｒ(n)と残響フィルタｗ(k)とを利用した信号処理により音響信号ｙ(n)が生成される。したがって、初期反射成分に加えて後期残響成分も高精度に抑圧した音響信号ｙ(n)を生成することが可能である。

［態様８］
本発明の好適な態様（態様８）に係る音響処理方法は、コンピュータシステムが、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成し、位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成し、相関信号ｓ(n)に対する線形予測分析により予測係数ｂ_ｊを算定し、算定した予測係数ｂ_ｊが示す線形予測信号ｈ(n)と位相信号ｐ(n)または相関信号ｓ(n)との差分である無相関信号ｒ(n)を生成し、無相関信号ｒ(n)を利用した信号処理により、音響信号ｘ(n)の初期反射成分を強調または抑圧した音響信号ｙ(n)を生成する。態様８によれば、態様１の音響処理装置１００と同様の効果が実現される。

（７）前述の各形態で例示した音響処理装置１００は、前述の各形態の例示の通り、制御装置１２とプログラムとの協働で実現される。本発明の好適な態様に係るプログラムは、音響信号ｘ(n)の白色化により位相信号ｐ(n)を生成する信号処理部２０、位相信号ｐ(n)について時間的な相関を強調した相関信号ｓ(n)を生成する相関強調部３０、相関信号ｓ(n)に対する線形予測分析により予測係数ｂ_ｊを算定する線形予測部、線形予測部が算定した予測係数ｂ_ｊが示す線形予測信号ｈ(n)と位相信号ｐ(n)または相関信号ｓ(n)との差分である無相関信号ｒ(n)を生成する残差生成部５０、および、無相関信号ｒ(n)を利用した信号処理により、音響信号ｘ(n)の初期反射成分を強調または抑圧した音響信号ｙ(n)を生成する残響処理部６０、としてコンピュータを機能させる。

以上に例示したプログラムは、コンピュータが読取可能な記録媒体に格納された形態で提供されてコンピュータにインストールされ得る。記録媒体は、例えば非一過性（non-transitory）の記録媒体であり、ＣＤ-ＲＯＭ等の光学式記録媒体（光ディスク）が好例であるが、半導体記録媒体や磁気記録媒体等の公知の任意の形式の記録媒体を包含し得る。また、通信網を介した配信の形態でプログラムをコンピュータに配信することも可能である。

１００…音響処理装置、１２…制御装置、１４…記憶装置、１６…放音装置、２０…信号処理部、２１，４０…線形予測部、２２，２５，２７，２８，６１，７１…周波数解析部、２３…信号分解部、２４，２６，６３…波形生成部、２９…混合処理部、３０…相関強調部、５０…残差生成部、６０…残響処理部、６２，７２…演算処理部、６２１…第１処理部、６２２，６４…後期残響抑圧部、６２３…第２処理部、７０…後期残響推定部、７３…遅延処理部、７４…フィルタ生成部。

Claims (8)

1. 第１音響信号の白色化により位相信号を生成する信号処理部と、
   前記位相信号について時間的な相関を強調した相関信号を生成する相関強調部と、
   前記相関信号に対する線形予測分析により予測係数を算定する線形予測部と、
   前記線形予測部が算定した予測係数が示す線形予測信号と前記位相信号または前記相関信号との差分である無相関信号を生成する残差生成部と、
   前記無相関信号を利用した信号処理により、前記第１音響信号の初期反射成分を強調または抑圧した第２音響信号を生成する残響処理部と
   を具備する音響処理装置。
2. 前記残差生成部は、前記線形予測信号と前記位相信号との差分を前記無相関信号として生成する
   請求項１の音響処理装置。
   
3. 前記信号処理部は、前記第１音響信号に対する線形予測分析により予測誤差に応じた前記位相信号を生成する
   請求項１の音響処理装置。
4. 前記信号処理部は、前記第１音響信号に対する線形予測分析により予測誤差に応じた誤差信号を生成し、前記誤差信号を最小位相の周波数スペクトルと無相関の周波数スペクトルとに分解し、前記無相関の周波数スペクトルから前記位相信号を生成する
   請求項３の音響処理装置。
5. 前記残響処理部は、前記最小位相の周波数スペクトルと前記無相関信号とを利用した信号処理により前記第２音響信号を生成する
   請求項４の音響処理装置。
6. 前記信号処理部は、前記第１音響信号の位相スペクトルを生成し、前記位相スペクトルに応じた前記位相信号を生成する
   請求項１または請求項２の音響処理装置。
7. 前記第１音響信号に含まれる後期残響成分を調整するための残響フィルタを生成する後期残響推定部を具備し、
   前記残響処理部は、前記無相関信号と前記残響フィルタとを利用した信号処理により、前記第１音響信号の初期反射成分および後期残響成分を抑圧した前記第２音響信号を生成する
   請求項１から請求項６の何れかの音響処理装置。
8. コンピュータシステムが、
   第１音響信号の白色化により位相信号を生成し、
   前記位相信号について時間的な相関を強調した相関信号を生成し、
   前記相関信号に対する線形予測分析により予測係数を算定し、
   前記算定した予測係数が示す線形予測信号と前記位相信号または前記相関信号との差分である無相関信号を生成し、
   前記無相関信号を利用した信号処理により、前記第１音響信号の初期反射成分を強調または抑圧した第２音響信号を生成する
   音響処理方法。
   

Images