WO2018034158A1 - 音響信号処理装置、音響信号処理方法、および、プログラム - Google Patents

音響信号処理装置、音響信号処理方法、および、プログラム Download PDF

Info

Publication number
WO2018034158A1
WO2018034158A1 PCT/JP2017/028105 JP2017028105W WO2018034158A1 WO 2018034158 A1 WO2018034158 A1 WO 2018034158A1 JP 2017028105 W JP2017028105 W JP 2017028105W WO 2018034158 A1 WO2018034158 A1 WO 2018034158A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
band
acoustic
binaural
acoustic signal
Prior art date
Application number
PCT/JP2017/028105
Other languages
English (en)
French (fr)
Inventor
健司 中野
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to US16/323,893 priority Critical patent/US10681487B2/en
Priority to EP17841385.2A priority patent/EP3503593B1/en
Priority to JP2018534335A priority patent/JP6922916B2/ja
Priority to CN201780049072.7A priority patent/CN109644316B/zh
Publication of WO2018034158A1 publication Critical patent/WO2018034158A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S3/00—Systems employing more than two channels, e.g. quadraphonic
    • H04S3/002—Non-adaptive circuits, e.g. manually adjustable or static, for enhancing the sound image or the spatial distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/302—Electronic adaptation of stereophonic sound system to listener position or orientation
    • H04S7/303—Tracking of listener position or orientation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/12—Circuits for transducers, loudspeakers or microphones for distributing signals to two or more loudspeakers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R5/00—Stereophonic arrangements
    • H04R5/04—Circuit arrangements, e.g. for selective connection of amplifier inputs/outputs to loudspeakers, for loudspeaker detection, or for adaptation of settings to personal preferences or hearing impairments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/01—Multi-channel, i.e. more than two input channels, sound reproduction with two speakers wherein the multi-channel information is substantially preserved
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2420/00—Techniques used stereophonic systems covered by H04S but not provided for in its groups
    • H04S2420/01—Enhancing the perception of the sound image or of the spatial distribution using head related transfer functions [HRTF's] or equivalents thereof, e.g. interaural time difference [ITD] or interaural level difference [ILD]

Definitions

  • the present technology relates to an acoustic signal processing device, an acoustic signal processing method, and a program, and in particular, an acoustic signal processing device and an acoustic signal processing method in which variations of a configuration of a virtual surround system that stabilizes a sense of orientation of a virtual speaker are expanded. And related to the program.
  • the present technology makes it possible to expand the variation of the configuration of the virtual surround system that stabilizes the orientation of the virtual speaker.
  • the acoustic signal processing device is configured to detect the first input signal that is an acoustic signal for the first virtual sound source that is deviated left or right from the median plane at the predetermined listening position at the listening position.
  • a first binaural signal is generated using a first cephalometric transfer function between the ear of the listener farther from the first virtual sound source and the first virtual sound source, and the first input signal is generated.
  • a second binaural signal is generated using a second head acoustic transfer function between the ear of the listener closer to the first virtual sound source and the first virtual sound source,
  • the first acoustic signal and the second acoustic signal are generated, and the first input signal or the second input signal is generated.
  • No ba In the normal signal the lowest first band at a predetermined first frequency or higher and 2 at which a notch that is a negative peak having an amplitude of a predetermined depth or higher in the first head acoustic transfer function appears.
  • a first transoral that attenuates the first and second band components of the first and second acoustic signals by attenuating the second lowest band component A processing unit; a component of a predetermined third band of the first input signal in which the components of the first band and the second band are attenuated; or the first band and the second band Generating a third acoustic signal by adding a first auxiliary signal composed of the component of the third band of the second binaural signal to which the component is attenuated to the first acoustic signal.
  • Auxiliary signal synthesis Including the door.
  • An attenuation unit for generating an attenuation signal in which the components of the first band and the second band of the first input signal are attenuated in the first transoral processing unit; and the first head acoustics Processing for generating the first binaural signal in which a transfer function is superimposed on the attenuation signal, the second binaural signal in which the second head acoustic transfer function is superimposed on the attenuation signal, and the first A signal processing unit that performs the crosstalk correction processing for the binaural signal and the second binaural signal in an integrated manner, and the first auxiliary signal is composed of the component of the third band of the attenuation signal.
  • the first head acoustics Processing for generating the first binaural signal in which a transfer function is superimposed on the attenuation signal, the second binaural signal in which the second head acoustic transfer function is superimposed on the attenuation signal, and the first A signal processing unit that performs the crosstalk correction processing for the binaural signal and
  • a first binaural processing unit that generates the first binaural signal by superimposing the first head-related sound transfer function on the first input signal in the first transoral processing unit; Generating the second binaural signal in which the head acoustic transfer function is superimposed on the first input signal, and the first input signal before superimposing the second head acoustic transfer function or the first
  • a second binaural processing unit for attenuating the components of the first band and the second band of the second binaural signal after superposition of two head acoustic transfer functions; and the first binaural signal
  • a crosstalk correction processing unit that performs the crosstalk correction processing on the second binaural signal may be provided.
  • the first binauralization processing unit includes the first input signal before superimposing the first head acoustic transfer function or the first input signal after superimposing the first head acoustic transfer function.
  • the components of the first band and the second band of the binaural signal can be attenuated.
  • the notch in the third head acoustic transfer function between one speaker of two speakers arranged on the left and right with respect to the listening position and one ear of the listener Of the bands that appear, the lowest band and the second lowest band above a predetermined second frequency, the fourth head acoustic transmission between the other speaker of the two speakers and the other ear of the listener.
  • the lowest band and the second lowest band above a predetermined fourth frequency the sixth band between the other speaker and the one ear. It can be included at least the lower band to the lowest band and the second at least a predetermined fifth frequency of the notch appears band in head-related transfer functions.
  • a first delay unit that delays the first acoustic signal for a predetermined time before adding the first auxiliary signal; and a second delay unit that delays the second acoustic signal for the predetermined time. Further, it can be provided.
  • the first auxiliary signal synthesis unit can adjust the level of the first auxiliary signal before adding it to the first acoustic signal.
  • the second input signal which is an acoustic signal for the second virtual sound source that is shifted to the left or right from the median plane, the listener's ear far from the second virtual sound source and the second virtual signal
  • a third binaural signal is generated using a seventh head acoustic transfer function with the sound source, and an ear closer to the second virtual sound source of the listener with respect to the second input signal
  • a fourth binaural signal is generated using an eighth head acoustic transfer function with the second virtual sound source, and the crosstalk correction is performed on the third binaural signal and the fourth binaural signal.
  • a fourth acoustic signal and a fifth acoustic signal are generated, and in the second input signal or the fourth binaural signal, the notch is generated in the seventh head acoustic transfer function.
  • Appearing belt The fourth band of the fifth acoustic signal and the fifth band of the fifth acoustic signal are attenuated by attenuating the components of the fourth band that is the lowest and the fifth band that is the second lowest at a predetermined sixth frequency or higher.
  • a second auxiliary signal synthesizer that generates six acoustic signals, and when the first virtual sound source and the second virtual sound source are divided into left and right with respect to the median plane, the third acoustic signal and the second 5 acoustic signals are added, and the second When the acoustic signal and the sixth acoustic signal are added and the first virtual sound source and the second virtual sound source are on the same side with respect to the median plane, the third acoustic signal and the sixth acoustic signal And an adder for adding the second acoustic signal and the fifth acoustic signal.
  • the first frequency may be a frequency at which a positive peak appears in the vicinity of 4 kHz of the first head acoustic transfer function.
  • the crosstalk correction processing is performed with respect to the first binaural signal and the second binaural signal with respect to the median surface of the two speakers arranged on the left and right with respect to the listening position.
  • Acoustic transmission characteristics between the speaker on the opposite side of the virtual sound source and the ear far from the first virtual sound source of the listener, and on the virtual sound source side with respect to the median plane of the two speakers Sound transfer characteristics between a certain speaker and the ear of the listener closer to the first virtual sound source, the speaker closer to the first virtual sound source of the listener from the speaker on the opposite side of the first virtual sound source
  • processing for canceling crosstalk from the speaker on the virtual sound source side to the ear far from the first virtual sound source of the listener is possible.
  • An acoustic signal processing method is obtained from the virtual sound source of the listener at the listening position with respect to an input signal that is an acoustic signal for a virtual sound source that is shifted to the left or right from the median plane at a predetermined listening position.
  • a first binaural signal is generated using a first head acoustic transfer function between a far ear and the virtual sound source, and the ear closer to the listener from the virtual sound source with respect to the input signal
  • a second binaural signal is generated using a second head acoustic transfer function between the first sound source and the virtual sound source, and a crosstalk correction process is performed on the first binaural signal and the second binaural signal.
  • the first acoustic signal and the second acoustic signal are generated, and the first head acoustic transmission function is generated in the input signal or the second binaural signal.
  • the notch which is a negative peak whose amplitude is greater than or equal to a predetermined depth, appears
  • the components of the lowest first band and the second lowest band above the predetermined frequency are attenuated, thereby
  • a transoral processing step of attenuating the first and second band components of the first and second acoustic signals; and attenuating the first and second band components A component of a predetermined third band of the input signal, or a component of the third band of the second binaural signal in which the components of the first band and the second band are attenuated
  • An auxiliary signal synthesis step of generating a third acoustic signal by adding the auxiliary signal to the first acoustic signal.
  • the program according to the one aspect of the present technology is configured such that an input signal that is an acoustic signal for a virtual sound source deviated to the left or right from the median plane at a predetermined listening position is a signal farther from the virtual sound source of the listener at the listening position.
  • a first binaural signal is generated by using a first head acoustic transfer function between an ear and the virtual sound source, and the ear closer to the virtual sound source of the listener and the virtual with respect to the input signal
  • a second binaural signal using a second head acoustic transfer function with a sound source and performing a crosstalk correction process on the first binaural signal and the second binaural signal
  • a first acoustic signal and a second acoustic signal are generated, and the first head acoustic transfer function is generated in the input signal or the second binaural signal.
  • a transoral processing step of attenuating the first and second band components of the first and second acoustic signals; and attenuating the first and second band components A component of a predetermined third band of the input signal, or a component of the third band of the second binaural signal in which the components of the first band and the second band are attenuated A computer is caused to execute a process including an auxiliary signal synthesis step of generating a third acoustic signal by adding the auxiliary signal to the first acoustic signal.
  • an ear far from the virtual sound source of the listener at the listening position with respect to an input signal that is an acoustic signal for a virtual sound source deviated left or right from the median plane at a predetermined listening position A first binaural signal is generated using a first head acoustic transfer function between the virtual sound source and the virtual sound source, and the ear closer to the virtual sound source of the listener and the virtual sound source with respect to the input signal
  • a second binaural signal is generated using a second head acoustic transfer function between the first binaural signal and the second binaural signal, and a crosstalk correction process is performed on the first binaural signal and the second binaural signal, A first acoustic signal and a second acoustic signal are generated, and in the input signal or the second binaural signal, the first head acoustic transmission function is generated.
  • the lowest first band component and the second lowest second band component at a predetermined frequency or higher are attenuated.
  • the input in which the components of the first band and the second band of the first acoustic signal and the second acoustic signal are attenuated, and the components of the first band and the second band are attenuated An auxiliary signal comprising a component of a predetermined third band of the signal or a component of the third band of the second binaural signal in which the components of the first band and the second band are attenuated;
  • a third acoustic signal is generated by adding to the first acoustic signal.
  • the virtual surround system it is possible to localize a sound image at a position that is off to the left or right from the median plane of the listener. Further, according to one aspect of the present technology, variations in the configuration of the virtual surround system that stabilizes the orientation of the virtual speaker can be expanded.
  • Non-Patent Document 1 peaks and dips that appear on the high frequency side in the amplitude-frequency characteristics of HRTF (Head-Related Transfer Function) are important clues to the sense of localization in the vertical and longitudinal directions of the sound image.
  • HRTF Head-Related Transfer Function
  • the non-patent document 1 includes a positive peak P1 that appears in the vicinity of 4 kHz and two notches N1 and N2 that appear first in a band equal to or higher than the frequency at which the peak P1 appears. It is pointed out that the contribution ratio to the sense of orientation before and after the top and bottom is high.
  • a dip refers to a portion that is recessed as compared with the surroundings in a waveform diagram such as an amplitude-frequency characteristic of HRTF.
  • the notch refers to a dip having a particularly narrow width (for example, a band in the amplitude-frequency characteristic of HRTF) and a predetermined depth or more, that is, a steep negative peak appearing in a waveform diagram.
  • the notch N1 and the notch N2 in FIG. 1 are also referred to as a first notch and a second notch, respectively.
  • the peak P1 has no dependency on the direction of the sound source, and appears in almost the same band regardless of the direction of the sound source.
  • the peak P1 is a reference signal for the human auditory system to search for the first notch and the second notch, and the physical parameter that substantially contributes to the sense of localization before and after 1 notch and 2nd notch are considered.
  • Patent Document 1 when the position of the sound source deviates to the left or right from the midline of the listener, the first and second notches appearing on the sound source reverse side HRTF have a sense of localization before and after the sound image. It has been shown to be important. Moreover, if the first notch and the second notch of the sound source reverse side HRTF can be reproduced at the ear of the listener's sound source reverse side, the amplitude of the sound in the band where the notch appears at the ear of the sound source side has a sense of localization before and after the sound image. It has been shown not to have a significant effect.
  • the sound source side is the one closer to the sound source in the left-right direction with respect to the listening position, and the sound source opposite side is the one far from the sound source.
  • the sound source side is the same side as the sound source when the left and right spaces are divided with reference to the listener's midline at the listening position, and the sound source reverse side is the opposite side.
  • the sound source side HRTF is the HRTF corresponding to the listener's sound source side ear
  • the sound source reverse side HRTF is the HRTF corresponding to the listener's sound source reverse side ear.
  • the ear on the opposite side of the sound source of the listener is also referred to as an ear on the shadow side.
  • the first notch and the second notch appearing in the sound source reverse side HRTF of the virtual speaker are formed in the sound signal on the sound source side, and then the transformer Perform oral processing. Thereby, the first notch and the second notch are stably reproduced at the ear on the opposite side of the sound source, and the positions of the virtual speaker before and after are stabilized.
  • a two-channel signal recorded by binaural recording is called a binaural signal and includes acoustic information regarding the position of the sound source in the vertical direction and the front-rear direction as well as the left and right for humans.
  • a technique for reproducing this binaural signal by using left and right two-channel speakers instead of headphones is called a trans-oral reproduction system.
  • the sound based on the binaural signal is output from the speaker as it is, for example, a crosstalk that causes the right ear sound to be heard in the listener's left ear will occur.
  • the sound transfer characteristic from the speaker to the right ear is superimposed and the waveform is deformed until the right ear sound reaches the listener's right ear.
  • pre-processing for canceling crosstalk and extra sound transfer characteristics is performed on the binaural signal.
  • this pre-processing is referred to as crosstalk correction processing.
  • the binaural signal can be generated without recording with the microphone at the ear.
  • the binaural signal is obtained by superimposing the HRTF from the position of the sound source to both ears on the acoustic signal. Therefore, if the HRTF is known, a binaural signal can be generated by performing signal processing for superimposing the HRTF on the acoustic signal.
  • this process is referred to as a binaural process.
  • the above binaural processing and crosstalk correction processing are performed.
  • the front surround system is a virtual surround system that artificially creates a surround sound field using only front speakers.
  • a process combining the binaural process and the crosstalk correction process is a trans-oral process.
  • FIG. 2 shows an example in which the sound image output from the speakers 12L and 12R is localized at the position of the virtual speaker 13 for the listener P at a predetermined listening position using the sound image localization filters 11L and 11R. ing.
  • the position of the virtual speaker 13 is set to the upper left of the listening position (listener P).
  • the sound source side HRTF between the virtual speaker 13 and the left ear EL of the listener P is referred to as a head acoustic transfer function HL
  • the sound source reverse side HRTF between the virtual speaker 13 and the right ear ER of the listener P is referred to as a head sound transfer function HL.
  • HR the HRTF between the speaker 12L and the left ear EL of the listener P and the HRTF between the speaker 12R and the right ear ER of the listener P are the same
  • HRTF is referred to as the head acoustic transfer function G1.
  • the HRTF between the speaker 12L and the right ear ER of the listener P and the HRTF between the speaker 12R and the left ear EL of the listener P are the same, and the HRTF is the head acoustic transfer function G2. Called.
  • the head acoustic transfer function G1 is superimposed before the sound from the speaker 12L reaches the left ear EL of the listener P, and the sound from the speaker 12R reaches the left ear EL of the listener P.
  • the head acoustic transfer function G2 is superimposed up to this point.
  • the sound image localization filters 11L and 11R act ideally, the sound waveform obtained by synthesizing the sounds from both speakers in the left ear EL cancels the influence of the head acoustic transfer functions G1 and G2, and the sound.
  • the waveform is obtained by superimposing the head acoustic transfer function HL on the signal Sin.
  • the head acoustic transfer function G1 is superimposed before the sound from the speaker 12R reaches the right ear ER of the listener P, and the head acoustics until the sound from the speaker 12L reaches the right ear ER of the listener P.
  • the transfer function G2 is superimposed.
  • the sound image localization filters 11L and 11R act ideally, the sound waveform obtained by synthesizing the sounds from both speakers at the right ear ER cancels the influence of the head acoustic transfer functions G1 and G2, and the sound.
  • the waveform is obtained by superimposing the head acoustic transfer function HR on the signal Sin.
  • the sound signal Sin input to the sound source localization filter 11L on the sound source side is the same as the first notch and the second notch of the head acoustic transfer function HR on the sound source reverse side.
  • the notch of the band is formed, in the left ear EL of the listener P, the first notch and the second notch of the head acoustic transfer function HL and the substantially same band as the first notch and the second notch of the head acoustic transfer function HR The notch appears.
  • the first notch and the second notch of the head acoustic transfer function HR appear in the right ear ER of the listener P.
  • the first notch and the second notch of the head acoustic transfer function HR are stably reproduced, and the vertical position of the virtual speaker 13 is stabilized.
  • the bands of the first notch and the second notch of the head acoustic transfer function G1 and the bands of the first notch and the second notch of the head acoustic transfer function G2 generally do not match. Therefore, when the volume of the speaker 12L and the volume of the speaker 12R are significant, the first notch and the second notch of the head acoustic transfer function G1 are the sound from the speaker 12R in the left ear EL of the listener P. The first notch and the second notch of the head acoustic transfer function G2 are canceled by the sound from the speaker 12L.
  • the first notch and the second notch of the head acoustic transfer function G1 are canceled out by the sound from the speaker 12L, and the first notch and the second notch of the head acoustic transfer function G2 are cancelled. Is canceled by the sound from the speaker 12R.
  • the notches of the head acoustic transfer functions G1 and G2 do not appear in both ears of the listener P and do not affect the sense of orientation of the virtual speaker 13, so that the vertical position of the virtual speaker 13 is stabilized.
  • the volume of the speaker 12R is significantly smaller than the volume of the speaker 12L
  • the sound from the speaker 12R hardly reaches both ears of the listener P.
  • the first notch and the second notch of the head acoustic transfer function G1 remain without being erased.
  • the first notch and the second notch of the head acoustic transfer function G2 remain without being erased.
  • the head acoustic transfer function G1 in addition to the first notch and the second notch of the head acoustic transfer function HR, the head acoustic transfer function G1 The first notch and the second notch appear. That is, two sets of notches are generated at the same time.
  • the first notch and the second notch of the head acoustic transfer function G2 appear in addition to the first notch and the second notch of the head acoustic transfer function G2 appear. That is, two sets of notches are generated at the same time.
  • notches other than the head acoustic transfer functions HL and HR appear in both ears of the listener P, so that the first notch and the first notches of the head acoustic transfer function HR are included in the acoustic signal Sin input to the sound image localization filter 11L.
  • the effect of forming a notch in the same band as the two notches is reduced. And it becomes difficult for the listener P to identify the position of the virtual speaker 13, and the positions before and after the virtual speaker 13 become unstable.
  • the gain of the sound image localization filter 11R is significantly smaller than the gain of the sound image localization filter 11L.
  • the axis passing through both ears of the listener P is referred to as the interaural axis.
  • a circle that is centered on an arbitrary point on the interaural axis and is perpendicular to the interaural axis is referred to as a circle around the interaural axis.
  • the listener P cannot identify the position of the sound source on the circumference of the same circle around the interaural axis due to a phenomenon called cone-shaped confusion in the field of spatial acoustics (for example, Non-Patent Document 1). Page 16).
  • equation (1 ') is a modification of equation (1).
  • the sound image localization filter 11L is approximately the difference between the head acoustic transfer function HL and the head acoustic transfer function G1.
  • the output of the sound image localization filter 11R is almost zero. Therefore, the volume of the speaker 12R is significantly smaller than the volume of the speaker 12L.
  • the gain (coefficient CR) of the sound image localization filter 11R is the sound image localization filter. It is significantly smaller than a gain of 11L (coefficient CL).
  • the volume of the speaker 12R becomes significantly smaller than the volume of the speaker 12L, and the vertical position of the virtual speaker 13 becomes unstable.
  • the present technology makes it possible to stabilize the orientation of the virtual speaker even when the volume of one speaker is significantly lower than the volume of the other speaker.
  • FIG. 3 is a diagram illustrating a configuration example of functions of the acoustic signal processing system 101L according to the first embodiment of the present technology.
  • the acoustic signal processing system 101L is configured to include an acoustic signal processing unit 111L and speakers 112L and 112R.
  • the speakers 112L and 112R are, for example, arranged symmetrically in front of an ideal predetermined listening position in the acoustic signal processing system 101L.
  • the acoustic signal processing system 101L uses the speakers 112L and 112R to realize a virtual speaker 113 that is a virtual sound source. That is, the acoustic signal processing system 101L causes the listener P located at a predetermined listening position to localize the sound image output from the speakers 112L and 112R at the position of the virtual speaker 113 that is off to the left from the median plane. Is possible.
  • the position of the virtual speaker 113 is set to the upper left of the listening position (listener P).
  • the right ear ER of the listener P is the shadow side.
  • the speaker 112L and the virtual speaker 113 are arranged on the circumference of the same circle around the interaural axis or in the vicinity thereof.
  • the sound source side HRTF between the virtual speaker 113 and the left ear EL of the listener P is referred to as a head acoustic transfer function HL
  • the right ear ER of the virtual speaker 113 and the listener P The HRTF on the opposite side of the sound source is called the head acoustic transfer function HR.
  • HRTF is referred to as the head acoustic transfer function G1.
  • HRTF is referred to as a head acoustic transfer function G2.
  • the acoustic signal processing unit 111L is configured to include a trans-oral processing unit 121L and an auxiliary signal synthesis unit 122L.
  • the trans-oral processing unit 121L is configured to include a binauralization processing unit 131L and a crosstalk correction processing unit 132.
  • the binauralization processing unit 131L is configured to include notch formation equalizers 141L and 141R and binaural signal generation units 142L and 142R.
  • the crosstalk correction processing unit 132 is configured to include signal processing units 151L and 151R, signal processing units 152L and 152R, and addition units 153L and 153R.
  • the auxiliary signal synthesis unit 122L is configured to include an auxiliary signal generation unit 161L and an addition unit 162R.
  • the notch formation equalizer 141L attenuates a component of the band in which the first notch and the second notch appear in the sound source reverse side HRTF (head acoustic transfer function HR) among the components of the acoustic signal Sin input from the outside (hereinafter, referred to as “notch forming equalizer 141L”). , Referred to as notch formation processing).
  • the notch formation equalizer 141L supplies the acoustic signal Sin ′ obtained as a result of the notch formation processing to the binaural signal generation unit 142L and the auxiliary signal generation unit 161L.
  • the notch formation equalizer 141R is an equalizer similar to the notch formation equalizer 141L. Therefore, the notch formation equalizer 141R performs notch formation processing for attenuating the component of the band in which the first notch and the second notch appear in the sound source reverse side HRTF (head acoustic transfer function HR) among the components of the acoustic signal Sin.
  • the notch formation equalizer 141R supplies the acoustic signal Sin ′ obtained as a result of the notch formation process to the binaural signal generation unit 142R.
  • the binaural signal generation unit 142L generates the binaural signal BL by superimposing the head acoustic transfer function HL on the acoustic signal Sin ′.
  • the binaural signal generation unit 142L supplies the generated binaural signal BL to the signal processing unit 151L and the signal processing unit 152L.
  • the binaural signal generation unit 142R generates the binaural signal BR by superimposing the head acoustic transfer function HR on the acoustic signal Sin ′.
  • the binaural signal generation unit 142R supplies the generated binaural signal BR to the signal processing unit 151R and the signal processing unit 152R.
  • the signal processing unit 151L generates the acoustic signal SL1 by superimposing a predetermined function f1 (G1, G2) having the head acoustic transfer functions G1, G2 as variables on the binaural signal BL.
  • the signal processing unit 151L supplies the generated acoustic signal SL1 to the addition unit 153L.
  • the signal processing unit 151R generates the acoustic signal SR1 by superimposing the function f1 (G1, G2) on the binaural signal BR.
  • the signal processing unit 151R supplies the generated acoustic signal SR1 to the addition unit 153R.
  • the signal processing unit 152L generates the acoustic signal SL2 by superimposing a predetermined function f2 (G1, G2) having the head acoustic transfer functions G1, G2 as variables on the binaural signal BL.
  • the signal processing unit 152L supplies the generated acoustic signal SL2 to the adding unit 153R.
  • the signal processing unit 152R generates the acoustic signal SR2 by superimposing the function f2 (G1, G2) on the binaural signal BR.
  • the signal processing unit 152R supplies the generated acoustic signal SR2 to the adding unit 153L.
  • the addition unit 153L generates the acoustic signal SLout1 by adding the acoustic signal SL1 and the acoustic signal SR2.
  • the adder 153L supplies the acoustic signal SLout1 to the speaker 112L.
  • the adding unit 153R generates the acoustic signal SRout1 by adding the acoustic signal SR1 and the acoustic signal SL2.
  • the adder 153R supplies the acoustic signal SRout1 to the adder 162R.
  • the auxiliary signal generation unit 161L includes, for example, a filter that extracts or attenuates a signal in a predetermined band (for example, a high-pass filter, a band-pass filter, etc.) and an attenuator that adjusts the signal level.
  • the auxiliary signal generation unit 161L generates an auxiliary signal SLsub by extracting or attenuating a signal in a predetermined band of the acoustic signal Sin ′ supplied from the notch formation equalizer 141L, and sets the signal level of the auxiliary signal SLsub as necessary. adjust.
  • the auxiliary signal generation unit 161L supplies the generated auxiliary signal SLsub to the addition unit 162R.
  • the adding unit 162R generates the acoustic signal SRout2 by adding the acoustic signal SRout1 and the auxiliary signal SLsub.
  • the adder 162R supplies the acoustic signal SRout2 to the speaker 112R.
  • the speaker 112L outputs sound based on the acoustic signal SLout1
  • the speaker 112R outputs sound based on the acoustic signal SRout2 (that is, a signal obtained by synthesizing the acoustic signal SRout1 and the auxiliary signal SLsub).
  • step S1 the notch forming equalizers 141L and 141R form notches in the same band as the notch of the sound source reverse side HRTF in the sound signal Sin on the sound source side and the sound source reverse side. That is, the notch formation equalizer 141L attenuates a component in the same band as the first notch and the second notch of the head acoustic transfer function HR that is the sound source reverse side HRTF of the virtual speaker 113 among the components of the acoustic signal Sin.
  • the lowest band and the second lowest band of the band where the notch of the head acoustic transfer function HR appears is equal to or higher than a predetermined frequency (a frequency where a positive peak near 4 kHz appears).
  • a predetermined frequency a frequency where a positive peak near 4 kHz appears.
  • the notch formation equalizer 141R attenuates components in the same band as the first notch and the second notch of the head acoustic transfer function HR among the components of the acoustic signal Sin. Then, the notch formation equalizer 141R supplies the acoustic signal Sin ′ obtained as a result thereof to the binaural signal generation unit 142R.
  • step S2 the binaural signal generators 142L and 142R perform binaural processing. Specifically, the binaural signal generation unit 142L generates the binaural signal BL by superimposing the head acoustic transfer function HL on the acoustic signal Sin ′. The binaural signal generation unit 142L supplies the generated binaural signal BL to the signal processing unit 151L and the signal processing unit 152L.
  • This binaural signal BL is an HRTF in which a notch in the same band as the first notch and the second notch of the sound source reverse side HRTF (head acoustic transfer function HR) is formed in the sound source side HRTF (head acoustic transfer function HL).
  • the signal is superimposed on Sin.
  • the binaural signal BL is a signal obtained by attenuating a component of a band in which the first notch and the second notch appear in the sound source reverse side HRTF among the components of the signal in which the sound source side HRTF is superimposed on the acoustic signal Sin. .
  • the binaural signal generator 142R generates the binaural signal BR by superimposing the head acoustic transfer function HR on the acoustic signal Sin ′.
  • the binaural signal generation unit 142R supplies the generated binaural signal BR to the signal processing unit 151R and the signal processing unit 152R.
  • the binaural signal BR is a signal obtained by superimposing the HRTF with the first notch and the second notch of the sound source reverse side HRTF (head acoustic transfer function HR) further deeper on the acoustic signal Sin. Therefore, this binaural signal BR has a smaller band component in which the first notch and the second notch appear in the sound source reverse side HRTF.
  • step S3 the crosstalk correction processing unit 132 performs a crosstalk correction process. Specifically, the signal processing unit 151L generates the acoustic signal SL1 by superimposing the above-described function f1 (G1, G2) on the binaural signal BL. The signal processing unit 151L supplies the generated acoustic signal SL1 to the addition unit 153L.
  • the signal processing unit 151L generates the acoustic signal SL1 by superimposing the above-described function f1 (G1, G2) on the binaural signal BL.
  • the signal processing unit 151L supplies the generated acoustic signal SL1 to the addition unit 153L.
  • the signal processing unit 151R generates the acoustic signal SR1 by superimposing the function f1 (G1, G2) on the binaural signal BR.
  • the signal processing unit 151R supplies the generated acoustic signal SR1 to the addition unit 153R.
  • the signal processing unit 152L generates the acoustic signal SL2 by superimposing the above-described function f2 (G1, G2) on the binaural signal BL.
  • the signal processing unit 152L supplies the generated acoustic signal SL2 to the adding unit 153R.
  • the signal processing unit 152R generates the acoustic signal SR2 by superimposing the function f2 (G1, G2) on the binaural signal BR.
  • the signal processing unit 152R supplies the generated acoustic signal SL2 to the adding unit 153L.
  • the adder 153L generates the acoustic signal SLout1 by adding the acoustic signal SL1 and the acoustic signal SR2.
  • the notch formation equalizer 141L attenuates the band components in which the first notch and the second notch appear in the sound source reverse side HRTF of the acoustic signal Sin ′. Therefore, the components in the same band of the acoustic signal SLout1 are also attenuated. It becomes a state.
  • the adder 153L supplies the generated acoustic signal SLout1 to the speaker 112L.
  • the adding unit 153R generates the acoustic signal SRout1 by adding the acoustic signal SR1 and the acoustic signal SL2.
  • the acoustic signal SRout1 the component of the band in which the first notch and the second notch of the sound source reverse side HRTF appear is small.
  • the notch formation equalizer 141R attenuates the band component in which the first notch and the second notch appear in the sound source reverse side HRTF of the acoustic signal Sin ′, the component in the same band of the acoustic signal SLout1 is further reduced.
  • the adder 153R supplies the generated acoustic signal SRout1 to the adder 162R.
  • the magnitude of the acoustic signal SRout1 is the acoustic signal SLout1. It becomes small compared.
  • step S4 the auxiliary signal synthesis unit 122L performs an auxiliary signal synthesis process. Specifically, the auxiliary signal generation unit 161L generates the auxiliary signal SLsub by extracting or attenuating a signal in a predetermined band of the acoustic signal Sin ′.
  • the auxiliary signal generation unit 161L generates an auxiliary signal SLsub including a component of a band of 4 kHz or more of the acoustic signal SLout1 by attenuating the band of the acoustic signal Sin ′ of less than 4 kHz.
  • the auxiliary signal generation unit 161L generates the auxiliary signal SLsub by extracting a component of a predetermined band from the band of 4 kHz or more from the acoustic signal Sin ′.
  • the bands extracted here include at least a first notch and a second notch of the head acoustic transfer function G1 and a band in which the first notch and the second notch of the head acoustic transfer function G2 appear.
  • the HRTF between the speaker 112L and the left ear EL is different from the HRTF between the speaker 112R and the right ear ER
  • the HRTF between the speaker 112L and the right ear ER is different from the speaker 112R and the left ear EL.
  • the band in which the first notch and the second notch of each HRTF appear may be included at least in the band of the auxiliary signal SLsub.
  • the auxiliary signal generation unit 161L adjusts the signal level of the auxiliary signal SLsub as necessary. Then, the auxiliary signal generation unit 161L supplies the generated auxiliary signal SLsub to the addition unit 162R.
  • the adding unit 162R generates the acoustic signal SRout2 by adding the auxiliary signal SLsub to the acoustic signal SRout1.
  • the adder 162R supplies the generated acoustic signal SRout2 to the speaker 112R.
  • the level of the acoustic signal SRout1 is smaller than that of the acoustic signal SLout1, at least the first notch and the second notch of the head acoustic transfer function G1 and the first of the head acoustic transfer function G2 In the band in which the notch and the second notch appear, the level of the acoustic signal SRout2 becomes significant with respect to the acoustic signal SLout1. On the other hand, in the band where the first notch and the second notch of the head acoustic transfer function HR appear, the level of the acoustic signal SRout2 becomes very small.
  • step S5 sound based on the acoustic signal SLout1 or SRout2 is output from the speaker 112L and the speaker 112R, respectively.
  • the signal level of the reproduced sound of the speakers 112L and 112R becomes small, and the listener P has both ears.
  • the level of the band decreases stably. Therefore, even if crosstalk occurs, the first notch and the second notch of the sound source reverse side HRTF are stably reproduced at the ear of the listener P on the shadow side.
  • the first notch and the second notch of the head acoustic transfer function G1 and the first notch and the second notch of the head acoustic transfer function G2 appear, the sound output from the speaker 112L and the output from the speaker 112R The level of the sound to be played becomes a significant level. Therefore, in both ears of the listener P, the first notch and the second notch of the head acoustic transfer function G1 and the first notch and the second notch of the head acoustic transfer function G2 cancel each other and do not appear.
  • the speaker 112L and the virtual speaker 113 are arranged on or near the circumference of the same circle around the interaural axis and the level of the acoustic signal SRout1 is significantly lower than the acoustic signal SLout1, The positions before and after the speaker 113 can be stabilized.
  • the auxiliary signal SLsub is generated using the acoustic signal SLout1 output from the crosstalk correction processing unit 132, whereas in the acoustic signal processing system 101L, the auxiliary signal SLsub is output from the notch formation equalizer 141L.
  • the auxiliary signal SLsub is generated using the acoustic signal Sin ′.
  • the auxiliary signal SLsub due to the influence of the auxiliary signal SLsub, it is also assumed that the size of the sound image slightly expands in the band of the auxiliary signal SLsub. However, if the auxiliary signal SLsub is at an appropriate level, the sound body is basically formed in the low-frequency to mid-frequency range, so the influence is slight. However, it is desirable to adjust the level of the auxiliary signal SLsub as small as possible within a range in which the effect of stabilizing the orientation of the virtual speaker 113 can be obtained.
  • the band components in which the first notch and the second notch appear in the sound source reverse side HRTF are reduced. Therefore, the component of the same band of the acoustic signal SRout2 that is finally supplied to the speaker 112R is also reduced, and the level of the same band of the sound output from the speaker 112R is also reduced.
  • the level of the first notch and the second notch of the HRTF on the opposite side of the sound source is originally small, so even if it is further reduced, the sound quality is not adversely affected.
  • the notch formation equalizer 141L can be disposed between the binaural signal generation unit 142L and the branch point before the signal processing unit 151L and the signal processing unit 152L. Further, for example, the notch formation equalizer 141L can be arranged at two places between the signal processing unit 151L and the addition unit 153L and between the signal processing unit 152L and the addition unit 153R.
  • the notch formation equalizer 141R can be disposed between the binaural signal generation unit 142R and the branch point before the signal processing unit 151R and the signal processing unit 152R. Further, for example, the notch forming equalizer 141R can be disposed at two positions between the signal processing unit 151R and the addition unit 153R and between the signal processing unit 152R and the addition unit 153L.
  • the notch formation equalizer 141L and the notch formation equalizer 141R can be combined into one.
  • the auxiliary signal generation unit 161L can generate the auxiliary signal SLsub by using a signal other than the acoustic signal Sin ′ output from the notch formation equalizer 141L in the same manner as when the acoustic signal Sin ′ is used. It is.
  • signals between the binaural signal generation unit 142L and the addition unit 153L or the addition unit 153R can be used.
  • the binaural signal BL, the acoustic signal SL1, and the acoustic signal SL2 can be used.
  • the signal after the notch formation processing is performed by the notch formation equalizer 141L is used.
  • the acoustic signal Sin ′ output from the notch formation equalizer 141R can be used.
  • signals between the binaural signal generation unit 142R and the addition unit 153L or the addition unit 153R can be used.
  • the binaural signal BR, the acoustic signal SR1, and the acoustic signal SR2 can be used.
  • the notch formation equalizer 141R is deleted or the position of the notch formation equalizer 141R is changed.
  • FIG. 5 is a diagram illustrating a functional configuration example of the acoustic signal processing system 101R which is a modification of the first embodiment of the present technology.
  • portions corresponding to those in FIG. 3 are denoted by the same reference numerals, and description of portions having the same processing will be omitted as appropriate since description thereof will be repeated.
  • the acoustic signal processing system 101R is a system that localizes the virtual speaker 113 at a position deviated to the right from the median plane of the listener P at a predetermined listening position.
  • the left ear EL of the listener P is the shadow side.
  • the acoustic signal processing system 101R is different from the acoustic signal processing system 101L in that an acoustic signal processing unit 111R is provided instead of the acoustic signal processing unit 111L.
  • the acoustic signal processing unit 111R includes a transoral processing unit 121R and an auxiliary signal synthesis unit 122R instead of the transoral processing unit 121L and the auxiliary signal synthesis unit 122L.
  • the trans-oral processing unit 121R is different from the trans-oral processing unit 121L in that a binaural processing unit 131R is provided instead of the binaural processing unit 131L.
  • the binauralization processing unit 131R is different from the binauralization processing unit 131L in that notch formation equalizers 181L and 181R are provided instead of the notch formation equalizers 141L and 141R.
  • the notch formation equalizer 181L performs a process (notch formation process) for attenuating a band component in which the first notch and the second notch appear in the sound source reverse side HRTF (head acoustic transfer function HL) among the components of the acoustic signal Sin. .
  • the notch formation equalizer 181L supplies the acoustic signal Sin ′ obtained as a result of the notch formation processing to the binaural signal generation unit 142L.
  • the notch formation equalizer 181R has the same function as the notch formation equalizer 181L, and the first notch and the second notch appear in the sound source reverse side HRTF (head acoustic transfer function HL) among the components of the acoustic signal Sin. A notch forming process for attenuating the band components is performed.
  • the notch forming equalizer 181R supplies the acoustic signal Sin ′ obtained as a result to the binaural signal generation unit 142R and the auxiliary signal generation unit 161R.
  • the auxiliary signal synthesis unit 122R is different from the auxiliary signal synthesis unit 122L in that an auxiliary signal generation unit 161R and an addition unit 162L are provided instead of the auxiliary signal generation unit 161L and the addition unit 162R.
  • the auxiliary signal generation unit 161R has the same function as the auxiliary signal generation unit 161L, and extracts or attenuates a signal in a predetermined band of the acoustic signal Sin ′ supplied from the notch formation equalizer 141R, thereby assisting in the auxiliary signal SRsub. And the signal level of the auxiliary signal SRsub is adjusted as necessary.
  • the auxiliary signal generation unit 161R supplies the generated auxiliary signal SRsub to the addition unit 162L.
  • the adding unit 162L generates the acoustic signal SLout2 by adding the acoustic signal SLout1 and the auxiliary signal SRsub.
  • the adder 162L supplies the acoustic signal SLout2 to the speaker 112L.
  • the speaker 112L outputs a sound based on the acoustic signal SLout2, and the speaker 112R outputs a sound based on the acoustic signal SRout1.
  • the acoustic signal processing system 101R can stably localize the virtual speaker 113 at a position deviated to the right from the median plane of the listener P at the predetermined listening position by the same method as the acoustic signal processing system 101L. it can.
  • the positions of the notch formation equalizer 181R and the notch formation equalizer 181R can be changed as in the transoral processing unit 121L of FIG.
  • the notch formation equalizer 181L can be deleted.
  • the notch formation equalizer 181L and the notch formation equalizer 181R can be combined into one.
  • auxiliary signal generation unit 161R can change the signal used to generate the auxiliary signal SRsub, similarly to the auxiliary signal generation unit 161L of FIG.
  • FIG. 6 is a diagram illustrating a functional configuration example of the acoustic signal processing system 301L according to the second embodiment of the present technology.
  • portions corresponding to those in FIG. 3 are denoted by the same reference numerals, and description of portions having the same processing will be omitted as appropriate because the description will be repeated.
  • the acoustic signal processing system 301L is a system that can localize the virtual speaker 113 at a position off the left from the median plane of the listener P at a predetermined listening position. .
  • the acoustic signal processing system 301L is different from the acoustic signal processing system 101L in that an acoustic signal processing unit 311L is provided instead of the acoustic signal processing unit 111L.
  • the acoustic signal processing unit 311L is different from the acoustic signal processing unit 111L in that a trans-oral processing unit 321L is provided instead of the trans-oral processing unit 121L.
  • the trans-oral processing unit 321L is configured to include a notch forming equalizer 141 and a trans-oral integration processing unit 331.
  • the trans-oral integration processing unit 331 is configured to include signal processing units 351L and 351R.
  • the notch formation equalizer 141 is an equalizer similar to the notch formation equalizers 141L and 141R in FIG. Accordingly, the notch formation equalizer 141 outputs the same acoustic signal Sin ′ as that of the notch formation equalizers 141L and 141R, and is supplied to the signal processing units 351L and 351R and the auxiliary signal generation unit 161L.
  • the transoral integration processing unit 331 performs integration processing of binaural processing and crosstalk correction processing on the acoustic signal Sin ′.
  • the signal processing unit 351L performs the process represented by the following equation (6) on the acoustic signal Sin ′ to generate the acoustic signal SLout1.
  • the acoustic signal SLout1 is the same signal as the acoustic signal SLout1 in the acoustic signal processing system 101L.
  • the signal processing unit 351R performs the process represented by the following equation (7) on the acoustic signal Sin ′ to generate the acoustic signal SRout1.
  • SRout1 ⁇ HR * f1 (G1, G2) + HL * f2 (G1, G2) ⁇ ⁇ Sin '(7)
  • the acoustic signal SRout1 is the same signal as the acoustic signal SRout1 in the acoustic signal processing system 101L.
  • the notch formation equalizer 141 is mounted outside the signal processing units 351L and 351R, there is no path for performing the notch forming process only on the sound signal Sin on the sound source side. Therefore, in the acoustic signal processing unit 311L, the notch formation equalizer 141 is provided in the preceding stage of the signal processing unit 351L and the signal processing unit 351R, and the notch formation processing is performed on the acoustic signal Sin on both the sound source side and the sound source opposite side, The data is supplied to the processing units 351L and 351R. That is, similar to the acoustic signal processing system 101L, the HRTF having the first notch and the second notch of the sound source reverse side HRTF substantially deepened is superimposed on the sound signal Sin on the reverse side of the sound source.
  • the notch forming equalizer 141 forms notches in the same band as the notch of the sound source reverse side HRTF in the sound signal Sin on the sound source side and the sound source reverse side. That is, the notch formation equalizer 141 attenuates components in the same band as the first notch and the second notch of the sound source reverse side HRTF (head acoustic transfer function HR) among the components of the acoustic signal Sin.
  • the notch formation equalizer 141 supplies the acoustic signal Sin 'obtained as a result to the signal processing units 351L and 351R and the auxiliary signal generation unit 161L.
  • the transoral integration processing unit 331 performs a transoral integration process.
  • the signal processing unit 351L performs an integrated process of the binauralization process and the crosstalk correction process expressed by the above-described equation (6) on the acoustic signal Sin ′ to generate the acoustic signal SLout1.
  • the notch formation equalizer 141 attenuates the band component in which the first notch and the second notch appear in the sound source reverse side HRTF of the acoustic signal Sin ′, and thus the component in the same band of the acoustic signal SLout1 is also attenuated. It becomes a state.
  • the signal processing unit 351L supplies the acoustic signal SLout1 to the speaker 112L.
  • the signal processing unit 351R performs an integrated process of the binauralization process and the crosstalk correction process represented by the above-described equation (7) on the acoustic signal Sin ′ to generate the acoustic signal SRout1.
  • the component of the band in which the first notch and the second notch of the sound source reverse side HRTF appear is small.
  • the notch formation equalizer 141 attenuates the component of the band in which the first notch and the second notch appear in the sound source reverse side HRTF of the acoustic signal Sin ′, so that the component in the same band of the acoustic signal SLout1 is further reduced.
  • the signal processing unit 351R supplies the acoustic signal SRout1 to the adding unit 162R.
  • steps S43 and S44 processing similar to that in steps S4 and S5 in FIG. 4 is performed, and the acoustic signal processing ends.
  • the auxiliary signal SLsub is generated using the acoustic signal SLout1 output from the transoral integration processing unit 331, whereas in the acoustic signal processing system 301L, the output from the notch formation equalizer 141 is performed.
  • the auxiliary signal SLsub is generated using the acoustic signal Sin ′.
  • the position of the notch forming equalizer 141 can be changed.
  • the notch formation equalizer 141 can be arranged at two places, the rear stage of the signal processing unit 351L and the rear stage of the signal processing unit 351R.
  • the auxiliary signal generation unit 161L generates the auxiliary signal SLsub by using the signal output from the notch formation equalizer 141 at the subsequent stage of the signal processing unit 351L by the same method as that when the acoustic signal Sin ′ is used. Can do.
  • FIG. 8 is a diagram illustrating a functional configuration example of an acoustic signal processing system 301 ⁇ / b> R that is a modification example of the second embodiment of the present technology.
  • portions corresponding to those in FIGS. 5 and 6 are denoted by the same reference numerals, and description of portions having the same processing will be omitted as appropriate because the description will be repeated.
  • the acoustic signal processing system 301R is different from the acoustic signal processing system 301L in FIG. 6 in place of the auxiliary signal synthesis unit 122L and the trans-oral processing unit 321L, and the auxiliary signal synthesis unit 122R and the trans-oral in FIG.
  • the difference is that a processing unit 321R is provided.
  • the trans-oral processing unit 321R is different from the trans-oral processing unit 321L in that a notch formation equalizer 181 is provided instead of the notch formation equalizer 141.
  • the notch formation equalizer 181 is an equalizer similar to the notch formation equalizers 181L and 181R in FIG. Accordingly, the notch formation equalizer 181 outputs the same acoustic signal Sin ′ as the notch formation equalizers 181L and 181R, and supplies it to the signal processing units 351L and 351R and the auxiliary signal generation unit 161R.
  • the acoustic signal processing system 301R can stably localize the virtual speaker 113 at a position deviated to the right from the median plane of the listener P by the same method as the acoustic signal processing system 301L.
  • the position of the notch forming equalizer 181 can be changed as in the transoral processing unit 321L of FIG.
  • An acoustic signal processing unit may be provided in parallel for each virtual speaker.
  • the sound source side HRTF and the sound source reverse side HRTF corresponding to the corresponding virtual speaker are applied to each acoustic signal processing unit.
  • the sound signal for the left speaker is added and supplied to the left speaker
  • the sound signal for the right speaker is added and supplied to the right speaker.
  • FIG. 9 shows an example of the functional configuration of the audio system 401 that can virtually output sound from two virtual speakers at the upper left and upper right corners of the predetermined listening position using the left and right front speakers. It is a block diagram which shows typically.
  • the audio system 401 is configured to include a playback device 411, an AV (Audio / Visual) amplifier 412, front speakers 413L and 413R, a center speaker 414, and rear speakers 415L and 415R.
  • AV Audio / Visual
  • the playback device 411 is a playback device that can play back sound signals of at least six channels of front left, front right, front center, rear left, rear right, front left upper, and front right upper.
  • the playback device 411 includes a front left acoustic signal FL, a front right acoustic signal FR, a front center acoustic signal C, which are obtained by reproducing six-channel acoustic signals recorded on the recording medium 402.
  • the rear left acoustic signal RL, the rear right acoustic signal RR, the front left diagonal upper acoustic signal FHL, and the front right diagonal upper acoustic signal FHR are output.
  • the AV amplifier 412 is configured to include acoustic signal processing units 421L and 421R, an adding unit 422, and an amplifying unit 423.
  • Adder 422 is configured to include adders 422L and 422R.
  • the acoustic signal processing unit 421L is configured by the acoustic signal processing unit 111L in FIG. 3 or the acoustic signal processing unit 311L in FIG.
  • the acoustic signal processing unit 421L corresponds to the front left diagonal upper virtual speaker, and the sound source side HRTF and the sound source reverse side HRTF corresponding to the virtual speaker are applied.
  • the acoustic signal processing unit 421L performs the acoustic signal processing described above with reference to FIG. 4 or FIG. 7 on the acoustic signal FHL, and generates the acoustic signals FHLL and FHLR obtained as a result.
  • the acoustic signal FHLL corresponds to the acoustic signal SLout1 in FIGS. 3 and 6, and the acoustic signal FHLR corresponds to the acoustic signal SRout2 in FIGS.
  • the acoustic signal processing unit 421L supplies the acoustic signal FHLL to the adding unit 422L and supplies the acoustic signal FHLR to the adding unit 422R.
  • the acoustic signal processing unit 421R includes the acoustic signal processing unit 111R in FIG. 5 or the acoustic signal processing unit 311R in FIG.
  • the acoustic signal processing unit 421R corresponds to a virtual speaker for obliquely upper right front, and a sound source side HRTF and a sound source reverse side HRTF corresponding to the virtual speaker are applied.
  • the acoustic signal processing unit 421R performs the acoustic signal processing described above with reference to FIG. 4 or FIG. 7 on the acoustic signal FHR, and generates the acoustic signals FHRL and FHRR obtained as a result.
  • the acoustic signal FHRL corresponds to the acoustic signal SLout2 in FIGS. 5 and 8, and the acoustic signal FHRR corresponds to the acoustic signal SRout1 in FIGS.
  • the acoustic signal processing unit 421L supplies the acoustic signal FHRL to the adding unit 422L, and supplies the acoustic signal FHRR to the adding unit 422R.
  • the addition unit 422L generates the acoustic signal FLM by adding the acoustic signal FL, the acoustic signal FHLL, and the acoustic signal FHRL, and supplies the acoustic signal FLM to the amplification unit 423.
  • the adding unit 422R generates the acoustic signal FRM by adding the acoustic signal FR, the acoustic signal FHLR, and the acoustic signal FHRR, and supplies the acoustic signal FRM to the amplifying unit 423.
  • the amplifying unit 423 amplifies the acoustic signal FLM through the acoustic signal RR and supplies them to the front speaker 413L through the rear speaker 415R, respectively.
  • the front speaker 413L and the front speaker 413R are arranged symmetrically in front of a predetermined listening position, for example.
  • the front speaker 413L outputs a sound based on the acoustic signal FLM
  • the front speaker 413R outputs a sound based on the acoustic signal FRM.
  • the listener who is at the listening position outputs sound not only from the front speakers 413L and 413R but also from virtual speakers virtually arranged at two locations on the front left diagonally upper and front right diagonally. feel.
  • the center speaker 414 is disposed, for example, at the center in front of the listening position.
  • the center speaker 414 outputs a sound based on the acoustic signal C.
  • the rear speaker 415L and the rear speaker 415R are, for example, arranged symmetrically behind the listening position.
  • the rear speaker 415L outputs a sound based on the acoustic signal RL
  • the rear speaker 415R outputs a sound based on the acoustic signal RR.
  • the acoustic signal processing unit 111L or the acoustic signal processing unit 311L may be provided in parallel for each virtual speaker.
  • the acoustic signal SLout1 output from each acoustic signal processing unit is added and supplied to the left speaker
  • the acoustic signal SRout2 output from each acoustic signal processing unit is added and supplied to the right speaker.
  • the auxiliary signal synthesis unit 122L can be shared.
  • the acoustic signal processing unit 111R or the acoustic signal processing unit 311R may be provided in parallel for each virtual speaker.
  • the acoustic signal SLout2 output from each acoustic signal processing unit is added and supplied to the left speaker
  • the acoustic signal SRout1 output from each acoustic signal processing unit is added and supplied to the right speaker.
  • the auxiliary signal synthesis unit 122R can be shared.
  • the crosstalk correction processing unit 132 can be shared.
  • ⁇ Modification 1 Modification of the configuration of the acoustic signal processor ⁇
  • the auxiliary signal combining unit 501L in FIG. 10 may be used instead of the auxiliary signal combining unit 122L in FIGS.
  • portions corresponding to those in FIG. 3 are denoted by the same reference numerals, and description of portions having the same processing will be omitted as appropriate because the description will be repeated.
  • the auxiliary signal synthesis unit 501L is different from the auxiliary signal synthesis unit 122L in FIG. 3 in that delay units 511L and 511R are added.
  • the delay unit 511L delays the acoustic signal SLout1 supplied from the crosstalk correction processing unit 132 in FIG. 3 or the trans-oral integration processing unit 331 in FIG. 6 by a predetermined time, and then supplies it to the speaker 112L.
  • the delay unit 511R is the same as the delay unit 511L before adding the auxiliary signal SLsub to the acoustic signal SRout1 supplied from the crosstalk correction processing unit 132 in FIG. 3 or the transoral integration processing unit 331 in FIG. After being delayed by time, the data is supplied to the adder 162R.
  • a sound based on the acoustic signal SLout1 (hereinafter referred to as the left main sound), a sound based on the acoustic signal SRout1 (hereinafter referred to as the right main sound), and a sound based on the auxiliary signal SLsub (Hereinafter referred to as auxiliary sound) is output from the speakers 112L and 112R almost simultaneously.
  • the left main sound first reaches the left ear EL of the listener P, and then the right main sound and the auxiliary sound arrive almost simultaneously.
  • the right main voice and the auxiliary voice first reach the listener P's right ear ER almost simultaneously, and then the left main voice arrives.
  • the delay units 511L and 511R adjust so that the auxiliary sound reaches the left ear EL of the listener P ahead of the left main sound by a predetermined time (for example, several milliseconds).
  • a predetermined time for example, several milliseconds.
  • a delay unit can be provided for the auxiliary signal synthesis unit 122R of FIG. 5 or FIG. 8 like the auxiliary signal synthesis unit 501L of FIG. That is, it is possible to provide a delay unit in front of the adder 162L and provide a delay unit between the adder 153R and the speaker 112R.
  • ⁇ Modification 2 Modification of the position of the virtual speaker ⁇
  • the present technology is effective in all cases where a virtual speaker is arranged at a position deviated left and right from the median plane of the listening position.
  • the present technology is also effective when the virtual speaker is arranged on the upper left side or the upper right side behind the listening position.
  • the present technology is also effective when the virtual speaker is arranged diagonally down left or right in front of the listening position, or diagonally down left or right in the back of the listening position.
  • the present technology is also effective when arranged on the left or right.
  • ⁇ Variation 3 Variation of speaker arrangement used for generating virtual speakers ⁇
  • a virtual speaker is generated using speakers arranged symmetrically in front of the listening position.
  • the speakers asymmetrically in front of the listening position.
  • the speaker does not necessarily have to be arranged in front of the listening position, and the speaker can be arranged in a place other than the front of the listening position (for example, behind the listening position).
  • the function used for the crosstalk correction process needs to be appropriately changed depending on the location where the speaker is arranged.
  • the present technology can be applied to various devices and systems for realizing the virtual surround system, such as the AV amplifier described above.
  • the series of processes described above can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose personal computer capable of executing various functions by installing various programs by installing a computer incorporated in dedicated hardware.
  • FIG. 11 is a block diagram showing an example of the hardware configuration of a computer that executes the above-described series of processing by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • an input / output interface 805 is connected to the bus 804.
  • An input unit 806, an output unit 807, a storage unit 808, a communication unit 809, and a drive 810 are connected to the input / output interface 805.
  • the input unit 806 includes a keyboard, a mouse, a microphone, and the like.
  • the output unit 807 includes a display, a speaker, and the like.
  • the storage unit 808 includes a hard disk, a nonvolatile memory, and the like.
  • the communication unit 809 includes a network interface or the like.
  • the drive 810 drives a removable medium 811 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 801 loads the program stored in the storage unit 808 to the RAM 803 via the input / output interface 805 and the bus 804 and executes the program, for example. Is performed.
  • the program executed by the computer (CPU 801) can be provided by being recorded on a removable medium 811 as a package medium, for example.
  • the program can be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be installed in the storage unit 808 via the input / output interface 805 by attaching the removable medium 811 to the drive 810.
  • the program can be received by the communication unit 809 via a wired or wireless transmission medium and installed in the storage unit 808.
  • the program can be installed in the ROM 802 or the storage unit 808 in advance.
  • the program executed by the computer may be a program that is processed in time series in the order described in this specification, or in parallel or at a necessary timing such as when a call is made. It may be a program for processing.
  • the system means a set of a plurality of components (devices, modules (parts), etc.), and it does not matter whether all the components are in the same housing. Accordingly, a plurality of devices housed in separate housings and connected via a network and a single device housing a plurality of modules in one housing are all systems. .
  • the present technology can take a cloud computing configuration in which one function is shared by a plurality of devices via a network and is jointly processed.
  • each step described in the above flowchart can be executed by one device or can be shared by a plurality of devices.
  • the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • the present technology can take the following configurations.
  • a first binaural signal is generated using a first head acoustic transfer function between an ear and the first virtual sound source, and the first virtual signal of the listener is generated with respect to the first input signal.
  • a second binaural signal is generated using a second head acoustic transfer function between the ear closer to the sound source and the first virtual sound source, and the first binaural signal and the second binaural signal are generated.
  • the first acoustic signal and the second acoustic signal are generated by performing crosstalk correction processing on the first head and the first head signal in the first input signal or the second binaural signal.
  • a first transoral processing unit for attenuating the components of the first band and the second band of the first acoustic signal and the second acoustic signal by attenuating; A component of a predetermined third band of the first input signal in which components of the first band and the second band are attenuated, or components of the first band and the second band are attenuated.
  • a first auxiliary signal synthesizer for generating a third acoustic signal by adding a first auxiliary signal composed of the third band component of the second binaural signal to the first acoustic signal And an acoustic signal processing device.
  • the first transoral processing unit includes: An attenuation unit that generates an attenuation signal in which components of the first band and the second band of the first input signal are attenuated; The first binaural signal in which the first head acoustic transfer function is superimposed on the attenuation signal, and the second binaural signal in which the second head acoustic transfer function is superimposed on the attenuation signal are generated. Processing, and a signal processing unit that integrally performs the crosstalk correction processing on the first binaural signal and the second binaural signal, The acoustic signal processing device according to (1), wherein the first auxiliary signal includes a component of the third band of the attenuation signal.
  • the first transoral processing unit includes: A first binaural processing unit that generates the first binaural signal by superimposing the first head acoustic transfer function on the first input signal; The first input signal before superimposing the second head acoustic transfer function while generating the second binaural signal by superimposing the second head acoustic transfer function on the first input signal Or a second binaural processing unit for attenuating the components of the first band and the second band of the second binaural signal after the second head acoustic transfer function is superimposed;
  • the acoustic signal processing device further including: a crosstalk correction processing unit that performs the crosstalk correction processing on the first binaural signal and the second binaural signal.
  • the first binaural processing unit includes the first binaural after superimposing the first input signal or the first head acoustic transfer function before superimposing the first head acoustic transfer function.
  • the acoustic signal processing device according to (3), wherein the components of the first band and the second band of the signal are attenuated.
  • the fourth head acoustic transmission between the other speaker of the two speakers and the other ear of the listener The lowest band and the second lowest band above a predetermined third frequency among the bands where the notch appears in the function, the fifth head acoustic transfer function between the one speaker and the other ear Of the bands where notches appear, the lowest band and the second lowest band above a predetermined fourth frequency, and a sixth band between the other speaker and the one ear
  • the acoustic signal processing device according to any one of (1) to (4), including at least a lowest band and a second lowest band at a predetermined fifth frequency or higher among bands in which the notch appears in a partial acoustic transfer function .
  • the acoustic signal processing device according to any one of (1) to (5), further including: a second delay unit that delays the second acoustic signal for the predetermined time.
  • the acoustic signal processing apparatus according to any one of (1) to (6), wherein the first auxiliary signal synthesis unit adjusts a level of the first auxiliary signal before adding the first auxiliary signal to the first acoustic signal.
  • the listener's ear far from the second virtual sound source and the second virtual signal A third binaural signal is generated using a seventh head acoustic transfer function with the sound source, and an ear closer to the second virtual sound source of the listener with respect to the second input signal;
  • a fourth binaural signal is generated using an eighth head acoustic transfer function with the second virtual sound source, and the crosstalk correction is performed on the third binaural signal and the fourth binaural signal.
  • a fourth acoustic signal and a fifth acoustic signal are generated, and in the second input signal or the fourth binaural signal, the notch is generated in the seventh head acoustic transfer function.
  • Appearing bandwidth The fourth band and the fifth band of the fifth acoustic signal are attenuated by attenuating components of the fourth band that is the lowest and the fifth band that is the second lowest at a predetermined sixth frequency or higher.
  • a second transoral processing unit that attenuates the component of The components of the third band of the second input signal in which the components of the fourth band and the fifth band are attenuated, or the components of the fourth band and the fifth band are attenuated.
  • the third acoustic signal and the fifth acoustic signal are added, and the second acoustic signal and the second acoustic signal
  • the third sound signal and the sixth sound signal are The acoustic signal processing device according to any one of (1) to (7), further including an adding unit that adds and adds the second acoustic signal and the fifth acoustic signal.
  • the first frequency is a frequency at which a positive peak appears in the vicinity of 4 kHz of the first head acoustic transfer function.
  • the first binaural signal and the second binaural signal may be the first speaker based on the median plane of two speakers arranged on the left and right with respect to the listening position.
  • a first binaural signal is generated using a first head acoustic transfer function, and a second head between the virtual sound source and an ear closer to the virtual sound source of the listener with respect to the input signal
  • a second binaural signal is generated using a partial acoustic transfer function, and a crosstalk correction process is performed on the first binaural signal and the second binaural signal to thereby generate the first acoustic signal and the second binaural signal.
  • the first acoustic signal and the second acoustic signal are attenuated by attenuating the components of the lowest first band and the second lowest second band in a band in which a notch that is a peak appears in a predetermined frequency or higher.
  • a first binaural signal is generated using a first head acoustic transfer function, and a second head between the virtual sound source and an ear closer to the virtual sound source of the listener with respect to the input signal
  • a second binaural signal is generated using a partial acoustic transfer function, and a crosstalk correction process is performed on the first binaural signal and the second binaural signal to thereby generate the first acoustic signal and the second binaural signal.
  • the first acoustic signal and the second acoustic signal are attenuated by attenuating the components of the lowest first band and the second lowest second band in a band in which a notch that is a peak appears in a predetermined frequency or higher.
  • 101L, 101R acoustic signal processing system 111L, 111R acoustic signal processing unit, 112L, 112R speaker, 113 virtual speaker, 121L, 121R transoral processing unit, 122L, 122R auxiliary signal synthesis unit, 131L, 131R binauralization processing unit, 132 Crosstalk correction processing unit, 141, 141L, 141R notch formation equalizer, 142L, 142R binaural signal generation unit, 151L to 152R signal processing unit, 153L, 153R addition unit, 161L, 161R auxiliary signal generation unit, 162L, 162R addition unit, 181, 181L, 181R notch forming equalizer, 301L, 301R acoustic signal processing system, 311L, 311R acoustic signal processing unit, 321L, 321R trans-oral processing unit, 331 trans-oral integration processing unit, 351L, 351R signal processing unit, 401 audio system, 412

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Otolaryngology (AREA)
  • Stereophonic System (AREA)

Abstract

本技術は、仮想スピーカの定位感を安定させる仮想サラウンド方式の構成のバリエーションを広げることができるようにする音響信号処理装置、音響信号処理方法、および、プログラムに関する。 音源逆側HRTFに基づく第1のバイノーラル信号、音源側HRTFに基づく第2のバイノーラル信号に対してクロストーク補正処理が行われ、第1の音響信号、第2の音響信号が生成され、入力信号または第2のバイノーラル信号において、音源逆側HRTFの第1ノッチが現れる第1の帯域、第2ノッチが現れる第2の帯域の成分が減衰されることにより、第1の音響信号、第2の音響信号の第1の帯域、第2の帯域の成分が減衰される。第1の帯域、第2の帯域の成分が減衰された入力信号または第2のバイノーラル信号の第3の帯域の成分からなる補助信号が第1の音響信号に加算され、第3の音響信号が生成される。本技術は、例えば、ＡＶアンプが適用できる。

Description

音響信号処理装置、音響信号処理方法、および、プログラム
　本技術は、音響信号処理装置、音響信号処理方法、および、プログラムに関し、特に、仮想スピーカの定位感を安定させる仮想サラウンド方式の構成のバリエーションを広げるようにした音響信号処理装置、音響信号処理方法、および、プログラムに関する。
　従来、リスナーの正中面から左または右に外れた位置の音像の定位感を向上させる仮想サラウンド方式が提案されている（例えば、特許文献１参照）。
　また、従来、リスナーの正中面から左または右に外れた位置の音像の定位感を向上させる仮想サラウンド方式において、一方のスピーカの音量が他方のスピーカの音量と比較して有意に小さくなる場合でも、仮想スピーカの定位感を安定させる技術が提案されている（例えば、特許文献２参照）。
特開２０１３－１１０６８２号公報 特開２０１５－２１１４１８号公報
　ところで、特許文献２に記載の技術において、回路設計等を容易にするために、構成のバリエーションを広げることが望まれている。
　そこで、本技術は、仮想スピーカの定位感を安定させる仮想サラウンド方式の構成のバリエーションを広げることができるようにするものである。
　本技術の一側面の音響信号処理装置は、所定のリスニング位置における正中面から左または右に外れた第１の仮想音源用の音響信号である第１の入力信号に対して、前記リスニング位置におけるリスナーの前記第１の仮想音源から遠い方の耳と前記第１の仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記第１の入力信号に対して、前記リスナーの前記第１の仮想音源から近い方の耳と前記第１の仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記第１の入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の第１の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第１のトランスオーラル処理部と、前記第１の帯域および前記第２の帯域の成分が減衰された前記第１の入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる第１の補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する第１の補助信号合成部とを含む。
　前記第１のトランスオーラル処理部に、前記第１の入力信号の前記第１の帯域および前記第２の帯域の成分を減衰させた減衰信号を生成する減衰部と、前記第１の頭部音響伝達関数を前記減衰信号に重畳した前記第１のバイノーラル信号、および、前記第２の頭部音響伝達関数を前記減衰信号に重畳した前記第２のバイノーラル信号を生成する処理、並びに、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対する前記クロストーク補正処理を一体化して行う信号処理部とを設け、前記第１の補助信号を、前記減衰信号の前記第３の帯域の成分からなるようにすることができる。
　前記第１のトランスオーラル処理部に、前記第１の頭部音響伝達関数を前記第１の入力信号に重畳した前記第１のバイノーラル信号を生成する第１のバイノーラル化処理部と、前記第２の頭部音響伝達関数を前記第１の入力信号に重畳した前記第２のバイノーラル信号を生成するとともに、前記第２の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第２の頭部音響伝達関数を重畳した後の前記第２のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第２のバイノーラル化処理部と、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して前記クロストーク補正処理を行うクロストーク補正処理部とを設けることができる。
　前記第１のバイノーラル化処理部には、前記第１の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第１の頭部音響伝達関数を重畳した後の前記第１のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させることができる。
　前記第３の帯域に、前記リスニング位置に対して左右に配置された２つのスピーカのうちの一方のスピーカと前記リスナーの一方の耳との間の第３の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第２の周波数以上において最も低い帯域および２番目に低い帯域、前記２つのスピーカのうちの他方のスピーカと前記リスナーの他方の耳との間の第４の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第３の周波数以上において最も低い帯域および２番目に低い帯域、前記一方のスピーカと前記他方の耳との間の第５の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第４の周波数以上において最も低い帯域および２番目に低い帯域、並びに、前記他方のスピーカと前記一方の耳との間の第６の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第５の周波数以上において最も低い帯域および２番目に低い帯域を少なくとも含ませることができる。
　前記第１の補助信号を加算する前に前記第１の音響信号を所定の時間遅延させる第１の遅延部と、前記第２の音響信号を前記所定の時間遅延させる第２の遅延部とをさらに設けることができる。
　前記第１の補助信号合成部には、前記第１の音響信号に加算する前に前記第１の補助信号のレベルを調整させることができる。
　前記正中面から左または右に外れた第２の仮想音源用の音響信号である第２の入力信号に対して、前記リスナーの前記第２の仮想音源から遠い方の耳と前記第２の仮想音源との間の第７の頭部音響伝達関数を用いて第３のバイノーラル信号を生成し、前記第２の入力信号に対して、前記リスナーの前記第２の仮想音源から近い方の耳と前記第２の仮想音源との間の第８の頭部音響伝達関数を用いて第４のバイノーラル信号を生成し、前記第３のバイノーラル信号および前記第４のバイノーラル信号に対して前記クロストーク補正処理を行うことにより、第４の音響信号および第５の音響信号を生成するとともに、前記第２の入力信号または前記第４のバイノーラル信号において、前記第７の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第６の周波数以上において最も低い第４の帯域および２番目に低い第５の帯域の成分を減衰させることにより、前記第５の音響信号の前記第４の帯域および前記第５の帯域の成分を減衰させる第２のトランスオーラル処理部と、前記第４の帯域および前記第５の帯域の成分が減衰された前記第２の入力信号の前記第３の帯域の成分、または、前記第４の帯域および前記第５の帯域の成分が減衰された前記第４のバイノーラル信号の前記第３の帯域の成分からなる第２の補助信号を前記第４の音響信号に加算することにより第６の音響信号を生成する第２の補助信号合成部と、前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして左右に分かれる場合、前記３の音響信号と前記第５の音響信号を加算し、前記第２の音響信号と前記第６の音響信号を加算し、前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして同じ側にある場合、前記第３の音響信号と前記第６の音響信号を加算し、前記第２の音響信号と前記第５の音響信号を加算する加算部とをさらに設けることができる。
　前記第１の周波数を、前記第１の頭部音響伝達関数の４ｋＨｚ近傍において正のピークが現れる周波数とすることができる。
　前記クロストーク補正処理を、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して、前記リスニング位置に対して左右に配置された２つのスピーカのうち前記正中面を基準にして前記第１の仮想音源と逆側にあるスピーカと前記リスナーの前記第１の仮想音源から遠い方の耳との間の音響伝達特性、前記２つのスピーカのうち前記正中面を基準にして前記仮想音源側にあるスピーカと前記リスナーの前記第１の仮想音源から近い方の耳との間の音響伝達特性、前記第１の仮想音源と逆側にあるスピーカから前記リスナーの前記第１の仮想音源から近い方の耳へのクロストーク、および、前記仮想音源側にあるスピーカから前記リスナーの前記第１の仮想音源から遠い方の耳へのクロストークをキャンセルする処理とすることができる。
　本技術の一側面の音響信号処理方法は、所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップとを含む。
　本技術の一側面のプログラムは、所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップとを含む処理をコンピュータに実行させる。
　本技術の一側面においては、所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号が生成され、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号が生成され、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理が行われることにより、第１の音響信号および第２の音響信号が生成されるとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分が減衰されることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分が減衰され、前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号が前記第１の音響信号に加算されることにより第３の音響信号が生成される。
　本技術の一側面によれば、仮想サラウンド方式において、リスナーの正中面から左または右に外れた位置に音像を定位させることができる。また、本技術の一側面によれば、仮想スピーカの定位感を安定させる仮想サラウンド方式の構成のバリエーションを広げることができる。
　なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。
HRTFの一例を示すグラフである。 本技術の基礎となる技術を説明するための図である。 本技術を適用した音響信号処理システムの第１の実施の形態を示す図である。 第１の実施の形態の音響信号処理システムにより実行される音響信号処理を説明するためのフローチャートである。 本技術を適用した音響信号処理システムの第１の実施の形態の変形例を示す図である。 本技術を適用した音響信号処理システムの第２の実施の形態を示す図である。 第２の実施の形態の音響信号処理システムにより実行される音響信号処理を説明するためのフローチャートである。 本技術を適用した音響信号処理システムの第２の実施の形態の変形例を示す図である。 本技術を適用したオーディオシステムの機能の構成例を模式的に示す図である。 補助信号合成部の変形例を示す図である。 コンピュータの構成例を示すブロック図である。
　以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
１．本技術の基礎となる技術の説明
２．第１の実施の形態（バイノーラル化処理とクロストーク補正処理を個別に行う例）
３．第２の実施の形態（トランスオーラル処理を一体化して行う例）
４．第３の実施の形態（仮想スピーカを複数生成する例）
５．変形例
＜１．本技術の基礎となる技術の説明＞
　まず、図１および図２を参照して、本技術の基礎となる技術について説明する。
　従来、HRTF（Head-Related Transfer Function、頭部音響伝達関数）の振幅－周波数特性において高域側に現れるピークやディップが、音像の上下および前後方向の定位感に対する重要な手がかりになることが知られている（例えば、”飯田他、「空間音響学」、日本、コロナ社、2010年7月”（以下、非特許文献１と称する）の１９乃至２１ページ参照）。これらのピークやディップは、主に耳の形状による反射、回折、共鳴により形成されると考えられている。
　また、非特許文献１には、図１に示されるように、４ｋＨｚ近傍に現れる正のピークＰ１と、ピークＰ１が現れる周波数以上の帯域において最初に現れる２つのノッチＮ１，Ｎ２が、特に音像の上下前後の定位感に対する寄与率が高いことが指摘されている。
　ここで、本明細書において、ディップとは、HRTFの振幅－周波数特性などの波形図において、周囲と比較して凹んでいる状態の部分を指す。また、ノッチとは、ディップのうち、特に幅（例えば、HRTFの振幅－周波数特性では帯域）が狭く、所定の深さ以上のもの、すなわち、波形図に現れる急峻な負のピークを指す。さらに、以下、図１のノッチＮ１、ノッチＮ２を、それぞれ第１ノッチ、第２ノッチとも称する。
　ピークＰ１は、音源の方向に対する依存性が認められず、音源の方向に関わらずほぼ同じ帯域に現れる。そして、非特許文献１では、ピークＰ１は、人間の聴覚システムが第１ノッチ、第２ノッチを探索するためのリファレンス信号であり、実質的に上下前後の定位感に寄与する物理パラメータは、第１ノッチ、第２ノッチであると考えられている。
　また、上述した特許文献１には、音源の位置がリスナーの正中面から左または右に外れた場合、音源逆側HRTFに現れる第１ノッチおよび第２ノッチが、音像の上下前後の定位感に対して重要になることが示されている。また、音源逆側HRTFの第１ノッチおよび第２ノッチをリスナーの音源逆側の耳元で再現できれば、音源側の耳元における当該ノッチが現れる帯域の音の振幅は、音像の上下前後の定位感に有意な影響を与えないことが示されている。
　ここで、音源側とは、リスニング位置を基準とする左右方向のうち音源に近い方であり、音源逆側とは、音源から遠い方である。換言すれば、音源側とは、リスニング位置におけるリスナーの正中面を基準にして左右に空間を分けた場合の音源と同じ側であり、音源逆側とは、その逆側である。また、音源側HRTFとは、リスナーの音源側の耳に対応するHRTFのことであり、音源逆側HRTFとは、リスナーの音源逆側の耳に対応するHRTFのことである。なお、以下、リスナーの音源逆側の耳を影側の耳とも称する。
　特許文献１に記載の技術では、以上の理論を利用して、音源側の音響信号に仮想スピーカの音源逆側HRTFに現れる第１ノッチおよび第２ノッチと同帯域のノッチを形成した後、トランスオーラル処理を行う。これにより、音源逆側の耳元において第１ノッチおよび第２ノッチが安定して再現され、仮想スピーカの上下前後の位置が安定する。
　ここで、トランスオーラル処理について簡単に説明する。
　両耳元に配置したマイクロフォンで録音した音をヘッドフォンにより両耳元で再生する手法は、バイノーラル録音／再生方式として知られている。バイノーラル録音により録音された２チャンネルの信号はバイノーラル信号と呼ばれ、人間にとって左右だけでなく上下方向や前後方向の音源の位置に関する音響情報が含まれる。
　また、このバイノーラル信号を、ヘッドフォンではなく左右の２チャンネルのスピーカを用いて再生する手法は、トランスオーラル再生方式と呼ばれている。ただし、バイノーラル信号に基づく音をそのままスピーカから出力しただけでは、例えば、右耳用の音がリスナーの左耳にも聴こえてしまうようなクロストークが発生してしまう。さらに、例えば、右耳用の音がリスナーの右耳に到達するまでの間に、スピーカから右耳までの音響伝達特性が重畳され、波形が変形してしまう。
　そのため、トランスオーラル再生方式では、クロストークや余計な音響伝達特性をキャンセルするための事前処理が、バイノーラル信号に対して行われる。以下、この事前処理を、クロストーク補正処理と称する。
　ところで、バイノーラル信号は、耳元のマイクで録音しなくても生成することができる。具体的には、バイノーラル信号は、音響信号に対し、その音源の位置から両耳元までのHRTFを重畳したものである。従って、HRTFが分かっていれば、音響信号に対してHRTFを重畳する信号処理を施すことによりバイノーラル信号を生成することができる。以下、この処理をバイノーラル化処理と称する。
　HRTFをベースにしたフロントサラウンド方式では、以上のバイノーラル化処理およびクロストーク補正処理が行われる。ここで、フロントサラウンド方式とは、フロントスピーカだけでサラウンド音場を擬似的に作り出す仮想サラウンド方式である。そして、このバイノーラル化処理およびクロストーク補正処理を組み合わせた処理が、トランスオーラル処理である。
　しかしながら、特許文献１に記載の技術では、一方のスピーカの音量が他方のスピーカの音量と比較して有意に小さくなる場合、音像の定位感が低下する。ここで、図２を参照して、この理由について説明する。
　図２は、音像定位フィルタ１１Ｌ，１１Ｒを用いて、所定のリスニング位置にいるリスナーＰに対して、スピーカ１２Ｌ，１２Ｒから出力される音の像を、仮想スピーカ１３の位置に定位させる例を示している。なお、以下、仮想スピーカ１３の位置が、リスニング位置（リスナーＰ）の前方左斜め上に設定されている場合について説明する。
　なお、以下、仮想スピーカ１３とリスナーＰの左耳ＥＬとの間の音源側HRTFを頭部音響伝達関数ＨＬと称し、仮想スピーカ１３とリスナーＰの右耳ＥＲとの間の音源逆側HRTFを頭部音響伝達関数ＨＲと称する。また、以下、説明を簡単にするために、スピーカ１２ＬとリスナーＰの左耳ＥＬとの間のHRTFと、スピーカ１２ＲとリスナーＰの右耳ＥＲとの間のHRTFが同じであるものとし、当該HRTFを頭部音響伝達関数Ｇ１と称する。同様に、スピーカ１２ＬとリスナーＰの右耳ＥＲとの間のHRTFと、スピーカ１２ＲとリスナーＰの左耳ＥＬとの間のHRTFが同じであるものとし、当該HRTFを頭部音響伝達関数Ｇ２と称する。
　図２に示されるように、スピーカ１２Ｌからの音がリスナーＰの左耳ＥＬに到達するまでに頭部音響伝達関数Ｇ１が重畳され、スピーカ１２Ｒからの音がリスナーＰの左耳ＥＬに到達するまでに頭部音響伝達関数Ｇ２が重畳される。ここで、音像定位フィルタ１１Ｌ，１１Ｒが理想的に作用すれば、両方のスピーカからの音を左耳ＥＬにおいて合成した音の波形は、頭部音響伝達関数Ｇ１およびＧ２の影響がキャンセルされ、音響信号Ｓｉｎに頭部音響伝達関数ＨＬを重畳した波形となる。
　同様に、スピーカ１２Ｒからの音がリスナーＰの右耳ＥＲに到達するまでに頭部音響伝達関数Ｇ１が重畳され、スピーカ１２Ｌからの音がリスナーＰの右耳ＥＲに到達するまでに頭部音響伝達関数Ｇ２が重畳される。ここで、音像定位フィルタ１１Ｌ，１１Ｒが理想的に作用すれば、両方のスピーカからの音を右耳ＥＲにおいて合成した音の波形は、頭部音響伝達関数Ｇ１およびＧ２の影響がキャンセルされ、音響信号Ｓｉｎに頭部音響伝達関数ＨＲを重畳した波形となる。
　ここで、特許文献１に記載の技術を適用し、音源側の音像定位フィルタ１１Ｌに入力される音響信号Ｓｉｎに、音源逆側の頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチと同帯域のノッチを形成すると、リスナーＰの左耳ＥＬにおいて、頭部音響伝達関数ＨＬの第１ノッチおよび第２ノッチ、並びに、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチとほぼ同帯域のノッチが現れる。また、リスナーＰの右耳ＥＲにおいて、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチが現れる。これにより、リスナーＰの影側の右耳ＥＲにおいて、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチが安定して再現され、仮想スピーカ１３の上下前後の位置が安定する。
　しかしながら、これは理想的にクロストーク補正処理がなされた場合であり、実際には、音像定位フィルタ１１Ｌ，１１Ｒによりクロストークや余分な音響伝達特性を完全にキャンセルすることは困難である。これは通常、音像定位フィルタ１１Ｌ、１１Ｒを構成する場合、実用的規模にする必要性から生じるフィルタ特性誤差によるものや、通常的な試聴位置が理想的位置でないことによる空間的音響信号合成において生じる誤差によるものなどが原因である。特にこの場合、片耳にのみ再現すべき左耳ＥＬでの頭部音響伝達関数ＨＬの第１ノッチ、第２ノッチは再現が困難なものとなる。しかしながら、頭部音響伝達関数ＨＲの第１ノッチ、第２ノッチは信号全体に掛けられたものなので再現性は良いものとなる。
　では、そのような状況において、頭部音響伝達関数Ｇ１やＧ２に現れる第１ノッチ、第２ノッチの影響について以下考えてみる。
　頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチの帯域と、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチの帯域とは、一般的には一致しない。従って、スピーカ１２Ｌの音量とスピーカ１２Ｒの音量が互いに有意な大きさである場合、リスナーＰの左耳ＥＬにおいて、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチは、スピーカ１２Ｒからの音により打ち消され、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチは、スピーカ１２Ｌからの音により打ち消される。同様に、リスナーＰの右耳ＥＲにおいて、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチは、スピーカ１２Ｌからの音により打ち消され、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチは、スピーカ１２Ｒからの音により打ち消される。
　従って、リスナーＰの両耳において、頭部音響伝達関数Ｇ１およびＧ２のノッチが現れなくなり、仮想スピーカ１３の定位感に影響を及ぼすことがないため、仮想スピーカ１３の上下前後の位置が安定する。
　一方、例えば、スピーカ１２Ｒの音量がスピーカ１２Ｌの音量に対して有意に小さくなる場合、スピーカ１２Ｒからの音がリスナーＰの両耳にほとんど届かなくなる。これにより、リスナーＰの左耳ＥＬにおいて、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチが消されずにそのまま残る。また、リスナーＰの右耳ＥＲにおいて、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが消されずにそのまま残る。
　従って、現実のクロストーク補正処理おいては、リスナーＰの左耳ＥＬにおいて、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチとほぼ同帯域のノッチに加えて、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチが現れる。すなわち、２組のノッチが同時に発生した状態となる。また、リスナーＰの右耳ＥＲにおいて、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチに加えて、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが現れる。すなわち、２組のノッチが同時に発生した状態となる。
　このように、リスナーＰの両耳において、頭部音響伝達関数ＨＬおよびＨＲ以外のノッチが現れることにより、音像定位フィルタ１１Ｌに入力する音響信号Ｓｉｎに頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチと同帯域のノッチを形成した効果が薄れる。そして、リスナーＰは、仮想スピーカ１３の位置の識別が困難になり、仮想スピーカ１３の上下前後の位置が不安定になる。
　ここで、スピーカ１２Ｒの音量がスピーカ１２Ｌの音量に対して有意に小さくなる場合の具体例について説明する。
　例えば、スピーカ１２Ｌと仮想スピーカ１３が、リスナーＰの両耳を通る軸上の任意の点を中心とし、当該軸に対して垂直な同じ円の円周上またはその近傍に配置されている場合、以下に述べるように、音像定位フィルタ１１Ｒのゲインが、音像定位フィルタ１１Ｌのゲインと比較して有意に小さくなる。
　なお、以下、リスナーＰの両耳を通る軸を両耳間軸と称する。また、以下、両耳間軸上の任意の点を中心とし、両耳間軸に対して垂直な円を、両耳間軸周りの円と称する。なお、リスナーＰは、空間音響の分野でコーン状の混同と呼ばれる現象により、両耳間軸周りの同じ円の円周上にある音源の位置を識別することができない（例えば、非特許文献１の１６ページ参照）。
　この場合、スピーカ１２Ｌからの音のリスナーＰの両耳間のレベル差および時間差は、仮想スピーカ１３からの音のリスナーＰの両耳間のレベル差および時間差とほぼ等しくなる。従って、次の式（１）および式（１’）が成り立つ。
　G2／G1≒HR／HL　・・・（１）
　HR≒（G2＊HL）／G1　・・・（１’）
　なお、式（１’）は式（１）を変形したものである。
　一方、一般的な音像定位フィルタ１１Ｌ，１１Ｒの係数ＣＬ，ＣＲは、次の式（２－１）および式（２－２）により表される。
　CL＝（G1＊HL－G2＊HR）／（G1＊G1－G2＊G2）　・・・（２－１）
　CR＝（G1＊HR－G2＊HL）／（G1＊G1－G2＊G2）　・・・（２－２）
　従って、式（１’）並びに式（２－１）および式（２－２）により、次の式（３－１）および式（３－２）が成り立つ。
　CL≒HL／G1　・・・（３－１）
　CR≒0　・・・（３－２）
　すなわち、音像定位フィルタ１１Ｌは、ほぼ頭部音響伝達関数ＨＬと頭部音響伝達関数Ｇ１の差分となる。一方、音像定位フィルタ１１Ｒの出力は、ほぼ０となる。従って、スピーカ１２Ｒの音量がスピーカ１２Ｌの音量に対して有意に小さくなる。
　以上をまとめると、スピーカ１２Ｌと仮想スピーカ１３が、両耳間軸周りの同じ円の円周上またはその近傍に配置されている場合、音像定位フィルタ１１Ｒのゲイン（係数CR）が、音像定位フィルタ１１Ｌのゲイン（係数CL）と比較して有意に小さくなる。その結果、スピーカ１２Ｒの音量がスピーカ１２Ｌの音量に対して有意に小さくなり、仮想スピーカ１３の上下前後の位置が不安定になる。
　なお、これは、スピーカ１２Ｒと仮想スピーカ１３が、両耳間軸周りの同じ円の円周上またはその近傍に配置されている場合も同様である。
　これに対して、本技術は、一方のスピーカの音量が他方のスピーカの音量と比較して有意に小さくなる場合でも、仮想スピーカの定位感を安定させることができるようにするものである。
＜２．第１の実施の形態＞
　次に、図３乃至図５を参照して、本技術を適用した音響信号処理システムの第１の実施の形態について説明する。
｛音響信号処理システム１０１Ｌの構成例｝
　図３は、本技術の第１の実施の形態である音響信号処理システム１０１Ｌの機能の構成例を示す図である。
　音響信号処理システム１０１Ｌは、音響信号処理部１１１Ｌ、および、スピーカ１１２Ｌ，１１２Ｒを含むように構成される。スピーカ１１２Ｌ,１１２Ｒは、例えば、音響信号処理システム１０１Ｌにおいて理想的な所定のリスニング位置の前方に左右対称に配置される。
　音響信号処理システム１０１Ｌは、スピーカ１１２Ｌ，１１２Ｒを用いて、仮想の音源である仮想スピーカ１１３を実現する。すなわち、音響信号処理システム１０１Ｌは、所定のリスニング位置にいるリスナーＰに対して、スピーカ１１２Ｌ，１１２Ｒから出力される音の像を、正中面から左に外れた仮想スピーカ１１３の位置に定位させることが可能である。
　なお、以下、仮想スピーカ１１３の位置が、リスニング位置（リスナーＰ）の前方左斜め上に設定されている場合について説明する。この場合、リスナーＰの右耳ＥＲが影側となる。また、以下、スピーカ１１２Ｌと仮想スピーカ１１３が、両耳間軸周りの同じ円の円周上またはその近傍に配置されている場合について説明する。
　また、以下、図２の例と同様に、仮想スピーカ１１３とリスナーＰの左耳ＥＬとの間の音源側HRTFを頭部音響伝達関数ＨＬと称し、仮想スピーカ１１３とリスナーＰの右耳ＥＲとの間の音源逆側HRTFを頭部音響伝達関数ＨＲと称する。さらに、以下、図２の例と同様に、スピーカ１１２ＬとリスナーＰの左耳ＥＬとの間のHRTFと、スピーカ１１２ＲとリスナーＰの右耳ＥＲとの間のHRTFが同じであるものとし、当該HRTFを頭部音響伝達関数Ｇ１と称する。また、以下、図２の例と同様に、スピーカ１１２ＬとリスナーＰの右耳ＥＲとの間のHRTFと、スピーカ１１２ＲとリスナーＰの左耳ＥＬとの間のHRTFが同じであるものとし、当該HRTFを頭部音響伝達関数Ｇ２と称する。
　音響信号処理部１１１Ｌは、トランスオーラル処理部１２１Ｌおよび補助信号合成部１２２Ｌを含むように構成される。トランスオーラル処理部１２１Ｌは、バイノーラル化処理部１３１Ｌおよびクロストーク補正処理部１３２を含むように構成される。バイノーラル化処理部１３１Ｌは、ノッチ形成イコライザ１４１Ｌ，１４１Ｒ、および、バイノーラル信号生成部１４２Ｌ，１４２Ｒを含むように構成される。クロストーク補正処理部１３２は、信号処理部１５１Ｌ，１５１Ｒ、信号処理部１５２Ｌ，１５２Ｒ、および、加算部１５３Ｌ，１５３Ｒを含むように構成される。補助信号合成部１２２Ｌは、補助信号生成部１６１Ｌおよび加算部１６２Ｒを含むように構成される。
　ノッチ形成イコライザ１４１Ｌは、外部から入力される音響信号Ｓｉｎの成分のうち、音源逆側HRTF（頭部音響伝達関数ＨＲ）において第１ノッチおよび第２ノッチが現れる帯域の成分を減衰させる処理（以下、ノッチ形成処理と称する）を行う。ノッチ形成イコライザ１４１Ｌは、ノッチ形成処理の結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｌおよび補助信号生成部１６１Ｌに供給する。
　ノッチ形成イコライザ１４１Ｒは、ノッチ形成イコライザ１４１Ｌと同様のイコライザである。従って、ノッチ形成イコライザ１４１Ｒは、音響信号Ｓｉｎの成分のうち、音源逆側HRTF（頭部音響伝達関数ＨＲ）において第１ノッチおよび第２ノッチが現れる帯域の成分を減衰させるノッチ形成処理を行う。ノッチ形成イコライザ１４１Ｒは、ノッチ形成処理の結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｒに供給する。
　バイノーラル信号生成部１４２Ｌは、音響信号Ｓｉｎ’に対して頭部音響伝達関数ＨＬを重畳することにより、バイノーラル信号ＢＬを生成する。バイノーラル信号生成部１４２Ｌは、生成したバイノーラル信号ＢＬを信号処理部１５１Ｌおよび信号処理部１５２Ｌに供給する。
　バイノーラル信号生成部１４２Ｒは、音響信号Ｓｉｎ’に対して頭部音響伝達関数ＨＲを重畳することにより、バイノーラル信号ＢＲを生成する。バイノーラル信号生成部１４２Ｒは、生成したバイノーラル信号ＢＲを信号処理部１５１Ｒおよび信号処理部１５２Ｒに供給する。
　信号処理部１５１Ｌは、頭部音響伝達関数Ｇ１，Ｇ２を変数とする所定の関数ｆ１（Ｇ１，Ｇ２）をバイノーラル信号ＢＬに重畳することにより、音響信号ＳＬ１を生成する。信号処理部１５１Ｌは、生成した音響信号ＳＬ１を加算部１５３Ｌに供給する。
　同様に、信号処理部１５１Ｒは、関数ｆ１（Ｇ１，Ｇ２）をバイノーラル信号ＢＲに重畳することにより、音響信号ＳＲ１を生成する。信号処理部１５１Ｒは、生成した音響信号ＳＲ１を加算部１５３Ｒに供給する。
　なお、関数ｆ１（Ｇ１，Ｇ２）は、例えば、次式（４）により表される。
　f1(G1,G2)＝1／(G1＋G2)＋1／(G1－G2)　・・・（４）
　信号処理部１５２Ｌは、頭部音響伝達関数Ｇ１，Ｇ２を変数とする所定の関数ｆ２（Ｇ１，Ｇ２）をバイノーラル信号ＢＬに重畳することにより、音響信号ＳＬ２を生成する。信号処理部１５２Ｌは、生成した音響信号ＳＬ２を加算部１５３Ｒに供給する。
　同様に、信号処理部１５２Ｒは、関数ｆ２（Ｇ１，Ｇ２）をバイノーラル信号ＢＲに重畳することにより、音響信号ＳＲ２を生成する。信号処理部１５２Ｒは、生成した音響信号ＳＲ２を加算部１５３Ｌに供給する。
　なお、関数ｆ２（Ｇ１，Ｇ２）は、例えば、次式（５）により表される。
　f2(G1,G2)＝1／(G1＋G2)－1／(G1－G2)　・・・（５）
　加算部１５３Ｌは、音響信号ＳＬ１と音響信号ＳＲ２を加算することにより、音響信号ＳＬｏｕｔ１を生成する。加算部１５３Ｌは、音響信号ＳＬｏｕｔ１をスピーカ１１２Ｌに供給する。
　加算部１５３Ｒは、音響信号ＳＲ１と音響信号ＳＬ２を加算することにより、音響信号ＳＲｏｕｔ１を生成する。加算部１５３Ｒは、音響信号ＳＲｏｕｔ１を加算部１６２Ｒに供給する。
　補助信号生成部１６１Ｌは、例えば、所定の帯域の信号を抽出または減衰するフィルタ（例えば、ハイパスフィルタ、バンドパスフィルタ等）、並びに、信号レベルを調整するアッテネータにより構成される。補助信号生成部１６１Ｌは、ノッチ形成イコライザ１４１Ｌから供給される音響信号Ｓｉｎ’の所定の帯域の信号を抽出または減衰することにより補助信号ＳＬｓｕｂを生成し、必要に応じて補助信号ＳＬｓｕｂの信号レベルを調整する。補助信号生成部１６１Ｌは、生成した補助信号ＳＬｓｕｂを加算部１６２Ｒに供給する。
　加算部１６２Ｒは、音響信号ＳＲｏｕｔ１と補助信号ＳＬｓｕｂを加算することにより、音響信号ＳＲｏｕｔ２を生成する。加算部１６２Ｒは、音響信号ＳＲｏｕｔ２をスピーカ１１２Ｒに供給する。
　スピーカ１１２Ｌは、音響信号ＳＬｏｕｔ１に基づく音を出力し、スピーカ１１２Ｒは、音響信号ＳＲｏｕｔ２（すなわち、音響信号ＳＲｏｕｔ１と補助信号ＳＬｓｕｂを合成した信号）に基づく音を出力する。
｛音響信号処理システム１０１Ｌによる音響信号処理｝
　次に、図４のフローチャートを参照して、図３の音響信号処理システム１０１Ｌにより実行される音響信号処理について説明する。
　ステップＳ１において、ノッチ形成イコライザ１４１Ｌ，１４１Ｒは、音源側および音源逆側の音響信号Ｓｉｎに音源逆側HRTFのノッチと同帯域のノッチを形成する。すなわち、ノッチ形成イコライザ１４１Ｌは、音響信号Ｓｉｎの成分のうち、仮想スピーカ１１３の音源逆側HRTFである頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチと同じ帯域の成分を減衰させる。これにより、音響信号Ｓｉｎの成分のうち、頭部音響伝達関数ＨＲのノッチが現れる帯域のうち所定の周波数（４ｋＨｚ近傍の正のピークが現れる周波数）以上において最も低い帯域および２番目に低い帯域の成分が減衰される。そして、ノッチ形成イコライザ１４１Ｌは、その結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｌおよび補助信号生成部１６１Ｌに供給する。
　同様に、ノッチ形成イコライザ１４１Ｒは、音響信号Ｓｉｎの成分のうち、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチと同じ帯域の成分を減衰させる。そして、ノッチ形成イコライザ１４１Ｒは、その結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｒに供給する。
　ステップＳ２において、バイノーラル信号生成部１４２Ｌ，１４２Ｒは、バイノーラル化処理を行う。具体的には、バイノーラル信号生成部１４２Ｌは、音響信号Ｓｉｎ’に頭部音響伝達関数ＨＬを重畳することにより、バイノーラル信号ＢＬを生成する。バイノーラル信号生成部１４２Ｌは、生成したバイノーラル信号ＢＬを信号処理部１５１Ｌおよび信号処理部１５２Ｌに供給する。
　このバイノーラル信号ＢＬは、音源逆側HRTF（頭部音響伝達関数ＨＲ）の第１ノッチおよび第２ノッチと同帯域のノッチを音源側HRTF（頭部音響伝達関数ＨＬ）に形成したHRTFを音響信号Ｓｉｎに重畳した信号となる。換言すれば、このバイノーラル信号ＢＬは、音響信号Ｓｉｎに音源側HRTFを重畳した信号の成分のうち、音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分を減衰させた信号となる。
　同様に、バイノーラル信号生成部１４２Ｒは、音響信号Ｓｉｎ’に頭部音響伝達関数ＨＲを重畳することにより、バイノーラル信号ＢＲを生成する。バイノーラル信号生成部１４２Ｒは、生成したバイノーラル信号ＢＲを信号処理部１５１Ｒおよび信号処理部１５２Ｒに供給する。
　このバイノーラル信号ＢＲは、実質的に音源逆側HRTF（頭部音響伝達関数ＨＲ）の第１ノッチおよび第２ノッチをさらに深くしたHRTFを音響信号Ｓｉｎに重畳した信号となる。従って、このバイノーラル信号ＢＲは、音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分がさらに小さくなる。
　ステップＳ３において、クロストーク補正処理部１３２は、クロストーク補正処理を行う。具体的には、信号処理部１５１Ｌは、上述した関数ｆ１（Ｇ１，Ｇ２）をバイノーラル信号ＢＬに重畳することにより、音響信号ＳＬ１を生成する。信号処理部１５１Ｌは、生成した音響信号ＳＬ１を加算部１５３Ｌに供給する。
　同様に、信号処理部１５１Ｒは、関数ｆ１（Ｇ１，Ｇ２）をバイノーラル信号ＢＲに重畳することにより、音響信号ＳＲ１を生成する。信号処理部１５１Ｒは、生成した音響信号ＳＲ１を加算部１５３Ｒに供給する。
　また、信号処理部１５２Ｌは、上述した関数ｆ２（Ｇ１，Ｇ２）をバイノーラル信号ＢＬに重畳することにより、音響信号ＳＬ２を生成する。信号処理部１５２Ｌは、生成した音響信号ＳＬ２を加算部１５３Ｒに供給する。
　同様に、信号処理部１５２Ｒは、関数ｆ２（Ｇ１，Ｇ２）をバイノーラル信号ＢＲに重畳することにより、音響信号ＳＲ２を生成する。信号処理部１５２Ｒは、生成した音響信号ＳＬ２を加算部１５３Ｌに供給する。
　加算部１５３Ｌは、音響信号ＳＬ１と音響信号ＳＲ２を加算することにより音響信号ＳＬｏｕｔ１を生成する。ここで、ノッチ形成イコライザ１４１Ｌにより、音響信号Ｓｉｎ’の音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分が減衰されているため、音響信号ＳＬｏｕｔ１の同帯域の成分も減衰された状態となる。加算部１５３Ｌは、生成した音響信号ＳＬｏｕｔ１をスピーカ１１２Ｌに供給する。
　同様に、加算部１５３Ｒは、音響信号ＳＲ１と音響信号ＳＬ２を加算することにより音響信号ＳＲｏｕｔ１を生成する。ここで、音響信号ＳＲｏｕｔ１において、音源逆側HRTFの第１ノッチおよび第２ノッチが現れる帯域の成分が小さくなる。さらに、ノッチ形成イコライザ１４１Ｒにより、音響信号Ｓｉｎ’の音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分が減衰されているため、音響信号ＳＬｏｕｔ１の同帯域の成分がさらに小さくなる。加算部１５３Ｒは、生成した音響信号ＳＲｏｕｔ１を加算部１６２Ｒに供給する。
　ここで、上述したように、スピーカ１１２Ｌと仮想スピーカ１１３が、両耳間軸周りの同じ円の円周上またはその近傍に配置されているため、音響信号ＳＲｏｕｔ１の大きさは、音響信号ＳＬｏｕｔ１と比較して小さなものとなる。
　ステップＳ４において、補助信号合成部１２２Ｌは、補助信号合成処理を行う。具体的には、補助信号生成部１６１Ｌは、音響信号Ｓｉｎ’の所定の帯域の信号を抽出または減衰することにより、補助信号ＳＬｓｕｂを生成する。
　例えば、補助信号生成部１６１Ｌは、音響信号Ｓｉｎ’の４ｋＨｚ未満の帯域を減衰させることにより、音響信号ＳＬｏｕｔ１の４ｋＨｚ以上の帯域の成分からなる補助信号ＳＬｓｕｂを生成する。
　或いは、例えば、補助信号生成部１６１Ｌは、４ｋＨｚ以上の帯域の中から所定の帯域の成分を音響信号Ｓｉｎ’から抽出することにより補助信号ＳＬｓｕｂを生成する。ここで抽出される帯域には、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチ、並びに、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが現れる帯域が少なくとも含まれる。
　なお、スピーカ１１２Ｌと左耳ＥＬとの間のHRTFと、スピーカ１１２Ｒと右耳ＥＲとの間のHRTFが異なり、スピーカ１１２Ｌと右耳ＥＲとの間のHRTFと、スピーカ１１２Ｒと左耳ＥＬとの間のHRTFが異なる場合、各HRTFの第１ノッチおよび第２ノッチが現れる帯域が、補助信号ＳＬｓｕｂの帯域に少なくとも含まれるようにすればよい。
　また、補助信号生成部１６１Ｌは、必要に応じて、補助信号ＳＬｓｕｂの信号レベルを調整する。そして、補助信号生成部１６１Ｌは、生成した補助信号ＳＬｓｕｂを加算部１６２Ｒに供給する。
　加算部１６２Ｒは、音響信号ＳＲｏｕｔ１に補助信号ＳＬｓｕｂを加算することにより、音響信号ＳＲｏｕｔ２を生成する。加算部１６２Ｒは、生成した音響信号ＳＲｏｕｔ２をスピーカ１１２Ｒに供給する。
　これにより、音響信号ＳＲｏｕｔ１のレベルが音響信号ＳＬｏｕｔ１と比較して小さなものであっても、少なくとも頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチ、並びに、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが現れる帯域において、音響信号ＳＲｏｕｔ２のレベルは音響信号ＳＬｏｕｔ１に対して有意な大きさになる。一方、頭部音響伝達関数ＨＲの第１ノッチおよび第２ノッチが現れる帯域において、音響信号ＳＲｏｕｔ２のレベルは非常に小さくなる。
　ステップＳ５において、スピーカ１１２Ｌおよびスピーカ１１２Ｒから、それぞれ音響信号ＳＬｏｕｔ１または音響信号ＳＲｏｕｔ２に基づく音が出力される。
　これにより、音源逆側HRTF（頭部音響伝達関数ＨＲ）の第１ノッチおよび第２ノッチの帯域だけに注目すると、スピーカ１１２Ｌ，１１２Ｒの再生音の信号レベルが小さくなり、リスナーＰの両耳に到達する音において、当該帯域のレベルは安定して小さくなる。従って、仮にクロストークが発生したとしても、リスナーＰの影側の耳元において、音源逆側HRTFの第１ノッチおよび第２ノッチが安定して再現される。
　また、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチ、並びに、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが現れる帯域において、スピーカ１１２Ｌから出力される音およびスピーカ１１２Ｒから出力される音のレベルが互いに有意な大きさになる。従って、リスナーＰの両耳において、頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチ、並びに、頭部音響伝達関数Ｇ２の第１ノッチおよび第２ノッチが互いに打ち消され、現れなくなる。
　従って、スピーカ１１２Ｌと仮想スピーカ１１３が、両耳間軸周りの同じ円の円周上またはその近傍に配置され、音響信号ＳＲｏｕｔ１のレベルが音響信号ＳＬｏｕｔ１と比較して有意に小さくなっても、仮想スピーカ１１３の上下前後の位置を安定させることができる。
　また、上述した特許文献２では、クロストーク補正処理部１３２から出力される音響信号ＳＬｏｕｔ１を用いて補助信号ＳＬｓｕｂが生成されるのに対し、音響信号処理システム１０１Ｌでは、ノッチ形成イコライザ１４１Ｌから出力される音響信号Ｓｉｎ’を用いて補助信号ＳＬｓｕｂが生成される。これにより、音響信号処理システム１０１の構成のバリエーションが広がり、回路設計等が容易になる。
　なお、補助信号ＳＬｓｕｂの影響により、補助信号ＳＬｓｕｂの帯域において音像の大きさが若干ふくらむことも想定される。しかし、補助信号ＳＬｓｕｂが適切なレベルであれば、基本的に音のボディは低域～中域で形成されるため、その影響は軽微である。ただし、補助信号ＳＬｓｕｂのレベルは、仮想スピーカ１１３の定位感を安定させる効果が得られる範囲で、できる限り小さく調整するようにすることが望ましい。
　また、上述したように、バイノーラル信号ＢＲにおいて、音源逆側HRTF（頭部音響伝達関数ＨＲ）において第１ノッチおよび第２ノッチが現れる帯域の成分が小さくなる。従って、最終的にスピーカ１１２Ｒに供給される音響信号ＳＲｏｕｔ２の同帯域の成分も小さくなり、スピーカ１１２Ｒから出力される音の同帯域のレベルも小さくなる。
　しかし、これは、リスナーＰの影側の耳元において、音源逆側HRTFの第１ノッチおよび第２ノッチの帯域のレベルを安定して再現するという点で、悪影響を及ぼすものではない。従って、音響信号処理システム１０１Ｌにおいて、上下前後の定位感を安定させる効果を得ることができる。
　また、リスナーＰの両耳に到達する音において、音源逆側HRTFの第１ノッチおよび第２ノッチの帯域のレベルは元々小さいため、それをさらに小さくしても音質に悪影響を及ぼすものではない。
｛第１の実施の形態の変形例｝
　以下、第１の実施の形態の変形例について説明する。
（ノッチ形成イコライザ１４１に関する変形例）
　例えば、ノッチ形成イコライザ１４１Ｌの位置を変更することが可能である。例えば、ノッチ形成イコライザ１４１Ｌを、バイノーラル信号生成部１４２Ｌと、信号処理部１５１Ｌおよび信号処理部１５２Ｌの前の分岐点との間に配置することができる。また、例えば、ノッチ形成イコライザ１４１Ｌを、信号処理部１５１Ｌと加算部１５３Ｌの間、および、信号処理部１５２Ｌと加算部１５３Ｒの間の２カ所に配置することができる。
　また、ノッチ形成イコライザ１４１Ｒの位置を変更することが可能である。例えば、ノッチ形成イコライザ１４１Ｒを、バイノーラル信号生成部１４２Ｒと、信号処理部１５１Ｒおよび信号処理部１５２Ｒの前の分岐点との間に配置することができる。また、例えば、ノッチ形成イコライザ１４１Ｒを、信号処理部１５１Ｒと加算部１５３Ｒの間、および、信号処理部１５２Ｒと加算部１５３Ｌの間の２カ所に配置することができる。
　さらに、ノッチ形成イコライザ１４１Ｒを削除することも可能である。
　また、例えば、ノッチ形成イコライザ１４１Ｌとノッチ形成イコライザ１４１Ｒを１つにまとめることも可能である。
（補助信号ＳＬｓｕｂに関する変形例）
　例えば、補助信号生成部１６１Ｌは、ノッチ形成イコライザ１４１Ｌから出力される音響信号Ｓｉｎ’以外の信号を用いて、音響信号Ｓｉｎ’を用いた場合と同様の方法により補助信号ＳＬｓｕｂの生成することが可能である。
　例えば、バイノーラル信号生成部１４２Ｌと、加算部１５３Ｌまたは加算部１５３Ｒとの間における信号（例えば、バイノーラル信号ＢＬ、音響信号ＳＬ１、音響信号ＳＬ２）を用いることが可能である。ただし、上述したように、ノッチ形成イコライザ１４１Ｌの位置が変更された場合、ノッチ形成イコライザ１４１Ｌによりノッチ形成処理を行った後の信号が用いられる。
　また、例えば、ノッチ形成イコライザ１４１Ｒから出力される音響信号Ｓｉｎ’を用いることが可能である。
　さらに、例えば、バイノーラル信号生成部１４２Ｒと、加算部１５３Ｌまたは加算部１５３Ｒとの間における信号（例えば、バイノーラル信号ＢＲ、音響信号ＳＲ１、音響信号ＳＲ２）を用いることが可能である。なお、これは、ノッチ形成イコライザ１４１Ｒを削除した場合、または、ノッチ形成イコライザ１４１Ｒの位置を変更した場合も同様である。
　以上のように、ノッチ形成イコライザ１４１Ｌ，１４１Ｒの位置等を変更したり、補助信号ＳＬｓｕｂの生成に用いる信号を変更したりすることにより、音響信号処理システム１０１Ｌの構成のバリエーションが広がり、回路設計等が容易になる。
（リスナーの正中面から右に外れた位置に仮想スピーカを定位させる場合の変形例）
　図５は、本技術の第１の実施の形態の変形例である音響信号処理システム１０１Ｒの機能の構成例を示す図である。なお、図中、図３と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
　音響信号処理システム１０１Ｒは、図３の音響信号処理システム１０１Ｌとは逆に、所定のリスニング位置にいるリスナーＰの正中面から右に外れた位置に仮想スピーカ１１３を定位させるシステムである。この場合、リスナーＰの左耳ＥＬが影側となる。
　音響信号処理システム１０１Ｒは、音響信号処理システム１０１Ｌと比較して、音響信号処理部１１１Ｌの代わりに音響信号処理部１１１Ｒが設けられている点が異なる。音響信号処理部１１１Ｒは、音響信号処理部１１１Ｌと比較して、トランスオーラル処理部１２１Ｌおよび補助信号合成部１２２Ｌの代わりに、トランスオーラル処理部１２１Ｒおよび補助信号合成部１２２Ｒが設けられている点が異なる。トランスオーラル処理部１２１Ｒは、トランスオーラル処理部１２１Ｌと比較して、バイノーラル化処理部１３１Ｌの代わりに、バイノーラル化処理部１３１Ｒが設けられている点が異なる。
　バイノーラル化処理部１３１Ｒは、バイノーラル化処理部１３１Ｌと比較して、ノッチ形成イコライザ１４１Ｌ，１４１Ｒの代わりに、ノッチ形成イコライザ１８１Ｌ，１８１Ｒが設けられている点が異なる。
　ノッチ形成イコライザ１８１Ｌは、音響信号Ｓｉｎの成分のうち、音源逆側HRTF（頭部音響伝達関数ＨＬ）において第１ノッチおよび第２ノッチが現れる帯域の成分を減衰させる処理（ノッチ形成処理）を行う。ノッチ形成イコライザ１８１Ｌは、ノッチ形成処理の結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｌに供給する。
　ノッチ形成イコライザ１８１Ｒは、ノッチ形成イコライザ１８１Ｌと同様の機能を有しており、音響信号Ｓｉｎの成分のうち、音源逆側HRTF（頭部音響伝達関数ＨＬ）において第１ノッチおよび第２ノッチが現れる帯域の成分を減衰させるノッチ形成処理を行う。ノッチ形成イコライザ１８１Ｒは、その結果得られた音響信号Ｓｉｎ’をバイノーラル信号生成部１４２Ｒおよび補助信号生成部１６１Ｒに供給する。
　補助信号合成部１２２Ｒは、補助信号合成部１２２Ｌと比較して、補助信号生成部１６１Ｌおよび加算部１６２Ｒの代わりに、補助信号生成部１６１Ｒおよび加算部１６２Ｌが設けられている点が異なる。
　補助信号生成部１６１Ｒは、補助信号生成部１６１Ｌと同様の機能を有しており、ノッチ形成イコライザ１４１Ｒから供給される音響信号Ｓｉｎ’の所定の帯域の信号を抽出または減衰することにより補助信号ＳＲｓｕｂを生成し、必要に応じて補助信号ＳＲｓｕｂの信号レベルを調整する。補助信号生成部１６１Ｒは、生成した補助信号ＳＲｓｕｂを加算部１６２Ｌに供給する。
　加算部１６２Ｌは、音響信号ＳＬｏｕｔ１と補助信号ＳＲｓｕｂを加算することにより、音響信号ＳＬｏｕｔ２を生成する。加算部１６２Ｌは、音響信号ＳＬｏｕｔ２をスピーカ１１２Ｌに供給する。
　そして、スピーカ１１２Ｌは、音響信号ＳＬｏｕｔ２に基づく音を出力し、スピーカ１１２Ｒは、音響信号ＳＲｏｕｔ１に基づく音を出力する。
　これにより、音響信号処理システム１０１Ｒは、音響信号処理システム１０１Ｌと同様の方法により、所定のリスニング位置にいるリスナーＰの正中面から右に外れた位置に仮想スピーカ１１３を安定して定位させることができる。
　なお、トランスオーラル処理部１２１Ｒにおいても、図３のトランスオーラル処理部１２１Ｌと同様に、ノッチ形成イコライザ１８１Ｒおよびノッチ形成イコライザ１８１Ｒの位置を変更することが可能である。
　また、例えば、ノッチ形成イコライザ１８１Ｌを削除することも可能である。
　さらに、例えば、ノッチ形成イコライザ１８１Ｌとノッチ形成イコライザ１８１Ｒを１つにまとめることも可能である。
　また、補助信号生成部１６１Ｒも、図３の補助信号生成部１６１Ｌと同様に、補助信号ＳＲｓｕｂの生成に用いる信号を変更することが可能である。
＜３．第２の実施の形態＞
　次に、図６乃至図８を参照して、本技術を適用した音響信号処理システムの第２の実施の形態について説明する。
｛音響信号処理システム３０１Ｌの構成例｝
　図６は、本技術の第２の実施の形態である音響信号処理システム３０１Ｌの機能の構成例を示す図である。なお、図中、図３と対応する部分には、同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
　音響信号処理システム３０１Ｌは、図３の音響信号処理システム１０１Ｌと同様に、所定のリスニング位置にいるリスナーＰの正中面から左に外れた位置に仮想スピーカ１１３を定位させることが可能なシステムである。
　音響信号処理システム３０１Ｌは、音響信号処理システム１０１Ｌと比較して、音響信号処理部１１１Ｌの代わりに音響信号処理部３１１Ｌが設けられている点が異なる。音響信号処理部３１１Ｌは、音響信号処理部１１１Ｌと比較して、トランスオーラル処理部１２１Ｌの代わりにトランスオーラル処理部３２１Ｌが設けられている点が異なる。トランスオーラル処理部３２１Ｌは、ノッチ形成イコライザ１４１およびトランスオーラル一体化処理部３３１を含むように構成される。トランスオーラル一体化処理部３３１は、信号処理部３５１Ｌ，３５１Ｒを含むように構成される。
　ノッチ形成イコライザ１４１は、図３のノッチ形成イコライザ１４１Ｌ，１４１Ｒと同様のイコライザである。従って、ノッチ形成イコライザ１４１からは、ノッチ形成イコライザ１４１Ｌ，１４１Ｒと同様の音響信号Ｓｉｎ’が出力され、信号処理部３５１Ｌ，３５１Ｒ、および、補助信号生成部１６１Ｌに供給される。
　トランスオーラル一体化処理部３３１は、音響信号Ｓｉｎ’に対して、バイノーラル化処理およびクロストーク補正処理の一体化処理を行う。例えば、信号処理部３５１Ｌは、音響信号Ｓｉｎ’に対して次式（６）に示される処理を施し、音響信号ＳＬｏｕｔ１を生成する。
　SLout1＝{HL＊f1(G1,G2)＋HR＊f2(G1,G2)}×Sin'　・・・（６）
　この音響信号ＳＬｏｕｔ１は、音響信号処理システム１０１Ｌにおける音響信号ＳＬｏｕｔ１と同じ信号となる。
　同様に、例えば、信号処理部３５１Ｒは、音響信号Ｓｉｎ’に対して次式（７）に示される処理を施し、音響信号ＳＲｏｕｔ１を生成する。
　SRout1＝{HR＊f1(G1,G2)＋HL＊f2(G1,G2)}×Sin'　・・・（７）
　この音響信号ＳＲｏｕｔ１は、音響信号処理システム１０１Ｌにおける音響信号ＳＲｏｕｔ１と同じ信号となる。
　なお、信号処理部３５１Ｌ，３５１Ｒの外側にノッチ形成イコライザ１４１を実装する場合、音源側の音響信号Ｓｉｎだけにノッチ形成処理を行う経路は存在しない。従って、音響信号処理部３１１Ｌでは、信号処理部３５１Ｌおよび信号処理部３５１Ｒの前段にノッチ形成イコライザ１４１を設け、音源側および音源逆側の両方の音響信号Ｓｉｎに対してノッチ形成処理を行い、信号処理部３５１Ｌ，３５１Ｒに供給する。すなわち、音響信号処理システム１０１Ｌと同様に、音源逆側の音響信号Ｓｉｎに対して、実質的に音源逆側HRTFの第１ノッチおよび第２ノッチをさらに深くしたHRTFを重畳することになる。
　しかしながら、上述したように、音源逆側HRTFの第１ノッチおよび第２ノッチをさらに深くしても、上下前後の定位感および音質に悪影響は与えない。
｛音響信号処理システム３０１Ｌによる音響信号処理｝
　次に、図７のフローチャートを参照して、図６の音響信号処理システム３０１Ｌにより実行される音響信号処理について説明する。
　ステップＳ４１において、ノッチ形成イコライザ１４１は、音源側および音源逆側の音響信号Ｓｉｎに音源逆側HRTFのノッチと同帯域のノッチを形成する。すなわち、ノッチ形成イコライザ１４１は、音響信号Ｓｉｎの成分のうち、音源逆側HRTF（頭部音響伝達関数ＨＲ）の第１ノッチおよび第２ノッチと同じ帯域の成分を減衰させる。ノッチ形成イコライザ１４１は、その結果得られた音響信号Ｓｉｎ’を信号処理部３５１Ｌ，３５１Ｒ、および、補助信号生成部１６１Ｌに供給する。
　ステップＳ４２において、トランスオーラル一体化処理部３３１は、トランスオーラル一体化処理を行う。具体的には、信号処理部３５１Ｌは、音響信号Ｓｉｎ’に対して、上述した式（６）で示されるバイノーラル化処理とクロストーク補正処理の一体化処理を行い、音響信号ＳＬｏｕｔ１を生成する。ここで、ノッチ形成イコライザ１４１により、音響信号Ｓｉｎ’の音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分が減衰されているため、音響信号ＳＬｏｕｔ１の同帯域の成分も減衰された状態となる。そして、信号処理部３５１Ｌは、音響信号ＳＬｏｕｔ１をスピーカ１１２Ｌに供給する。
　同様に、信号処理部３５１Ｒは、音響信号Ｓｉｎ’に対して、上述した式（７）で示されるバイノーラル化処理とクロストーク補正処理の一体処理を行い、音響信号ＳＲｏｕｔ１を生成する。ここで、音響信号ＳＲｏｕｔ１において、音源逆側HRTFの第１ノッチおよび第２ノッチが現れる帯域の成分が小さくなる。さらに、ノッチ形成イコライザ１４１により、音響信号Ｓｉｎ’の音源逆側HRTFにおいて第１ノッチおよび第２ノッチが現れる帯域の成分が減衰されているため、音響信号ＳＬｏｕｔ１の同帯域の成分がさらに小さくなる。そして、信号処理部３５１Ｒは、音響信号ＳＲｏｕｔ１を加算部１６２Ｒに供給する。
　ステップＳ４３およびＳ４４において、図４のステップＳ４およびＳ５と同様の処理が行われ、音響信号処理は終了する。
　これにより、音響信号処理システム３０１Ｌでも、音響信号処理システム１０１Ｌと同様の理由により、仮想スピーカ１１３の上下前後の定位感を安定させることができる。また、音響信号処理システム１０１Ｌと比較して、一般的に信号処理の負荷を軽減することが期待できる。
　また、上述した特許文献２では、トランスオーラル一体化処理部３３１から出力される音響信号ＳＬｏｕｔ１を用いて補助信号ＳＬｓｕｂが生成されるのに対し、音響信号処理システム３０１Ｌでは、ノッチ形成イコライザ１４１から出力される音響信号Ｓｉｎ’を用いて補助信号ＳＬｓｕｂが生成される。これにより、音響信号処理システム３０１Ｌの構成のバリエーションが広がり、回路設計等が容易になる。
＜第２の実施の形態の変形例＞
　以下、第２の実施の形態の変形例について説明する。
（ノッチ形成イコライザに関する変形例）
　例えば、ノッチ形成イコライザ１４１の位置を変更することが可能である。例えば、ノッチ形成イコライザ１４１を、信号処理部３５１Ｌの後段、および、信号処理部３５１Ｒの後段の２カ所に配置することができる。この場合、補助信号生成部１６１Ｌは、信号処理部３５１Ｌの後段のノッチ形成イコライザ１４１から出力される信号を用いて、音響信号Ｓｉｎ’を用いた場合と同様の方法により補助信号ＳＬｓｕｂを生成することができる。
　このように、ノッチ形成イコライザ１４１の位置を変更したり、補助信号ＳＬｓｕｂの生成に用いる信号を変更したりすることにより、音響信号処理システム３０１Ｌの構成のバリエーションが広がり、回路設計等が容易になる。
（リスナーの正中面から右に外れた位置に仮想スピーカを定位させる場合の変形例）
　図８は、本技術の第２の実施の形態の変形例である音響信号処理システム３０１Ｒの機能の構成例を示す図である。なお、図中、図５および図６と対応する部分には同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
　音響信号処理システム３０１Ｒは、図６の音響信号処理システム３０１Ｌと比較して、補助信号合成部１２２Ｌ、および、トランスオーラル処理部３２１Ｌの代わりに、図５の補助信号合成部１２２Ｒ、および、トランスオーラル処理部３２１Ｒが設けられている点が異なる。トランスオーラル処理部３２１Ｒは、トランスオーラル処理部３２１Ｌと比較して、ノッチ形成イコライザ１４１の代わりに、ノッチ形成イコライザ１８１が設けられている点が異なる。
　ノッチ形成イコライザ１８１は、図５のノッチ形成イコライザ１８１Ｌ，１８１Ｒと同様のイコライザである。従って、ノッチ形成イコライザ１８１からは、ノッチ形成イコライザ１８１Ｌ，１８１Ｒと同様の音響信号Ｓｉｎ’が出力され、信号処理部３５１Ｌ，３５１Ｒ、および、補助信号生成部１６１Ｒに供給される。
　これにより、音響信号処理システム３０１Ｒは、音響信号処理システム３０１Ｌと同様の方法により、リスナーＰの正中面から右に外れた位置に仮想スピーカ１１３を安定して定位させることができる。
　なお、トランスオーラル処理部３２１Ｒにおいても、図６のトランスオーラル処理部３２１Ｌと同様に、ノッチ形成イコライザ１８１の位置を変更することが可能である。
＜４．第３の実施の形態＞
　以上の説明では、仮想スピーカ（仮想音源）を１ヶ所のみ生成する例を示したが、２ヶ所以上生成することも可能である。
　例えば、リスナーの正中面を基準にして左右に分かれた位置に１カ所ずつ仮想スピーカを生成することが可能である。この場合、例えば、図３の音響信号処理部１１１Ｌと図５の音響信号処理部１１１Ｒ、または、図６の音響信号処理部３１１Ｌと図８の音響信号処理部３１１Ｒのいずれかの組み合わせで、各音響信号処理部を仮想スピーカ毎に並列に設けるようにすればよい。
　なお、複数の音響信号処理部を並列に設ける場合、各音響信号処理部に対して、それぞれ対応する仮想スピーカに応じた音源側HRTFおよび音源逆側HRTFが適用される。また、各音響信号処理部から出力される音響信号のうち左スピーカ用の音響信号が加算されて左スピーカに供給され、右スピーカ用の音響信号が加算されて右スピーカに供給される。
　図９は、左右のフロントスピーカを使用して所定のリスニング位置の前方左斜め上および右斜め上の２ヶ所の仮想スピーカから仮想的に音を出力できるようにしたオーディオシステム４０１の機能の構成例を模式的に示すブロック図である。
　オーディオシステム４０１は、再生装置４１１、ＡＶ（Audio/Visual）アンプリファイア４１２、フロントスピーカ４１３Ｌ，４１３Ｒ、センタスピーカ４１４、および、リアスピーカ４１５Ｌ，４１５Ｒを含むように構成される。
　再生装置４１１は、前方左、前方右、前方中央、後方左、後方右、前方左上、前方右上の少なくとも６チャンネルの音響信号を再生可能な再生装置である。例えば、再生装置４１１は、記録媒体４０２に記録されている６チャンネルの音響信号を再生することにより得られる前方左用の音響信号ＦＬ、前方右用の音響信号ＦＲ、前方中央用の音響信号Ｃ、後方左用の音響信号ＲＬ、後方右用の音響信号ＲＲ、前方左斜め上用の音響信号ＦＨＬ、および、前方右斜め上用の音響信号ＦＨＲを出力する。
　ＡＶアンプリファイア４１２は、音響信号処理部４２１Ｌ，４２１Ｒ、加算部４２２、および、増幅部４２３を含むように構成される。また、加算部４２２は、加算部４２２Ｌおよび４２２Ｒを含むように構成される。
　音響信号処理部４２１Ｌは、図３の音響信号処理部１１１Ｌ、または、図６の音響信号処理部３１１Ｌにより構成される。音響信号処理部４２１Ｌは、前方左斜め上用の仮想スピーカに対応し、当該仮想スピーカに応じた音源側HRTFおよび音源逆側HRTFが適用される。
　そして、音響信号処理部４２１Ｌは、音響信号ＦＨＬに対して、図４または図７を参照して上述した音響信号処理を行い、その結果得られた音響信号ＦＨＬＬ，ＦＨＬＲを生成する。なお、音響信号ＦＨＬＬは、図３および図６の音響信号ＳＬｏｕｔ１に対応し、音響信号ＦＨＬＲは、図３および図６の音響信号ＳＲｏｕｔ２に対応する。音響信号処理部４２１Ｌは、音響信号ＦＨＬＬを加算部４２２Ｌに供給し、音響信号ＦＨＬＲを加算部４２２Ｒに供給する。
　音響信号処理部４２１Ｒは、図５の音響信号処理部１１１Ｒ、または、図８の音響信号処理部３１１Ｒにより構成される。音響信号処理部４２１Ｒは、前方右斜め上用の仮想スピーカに対応し、当該仮想スピーカに応じた音源側HRTFおよび音源逆側HRTFが適用される。
　そして、音響信号処理部４２１Ｒは、音響信号ＦＨＲに対して、図４または図７を参照して上述した音響信号処理を行い、その結果得られた音響信号ＦＨＲＬ，ＦＨＲＲを生成する。なお、音響信号ＦＨＲＬは、図５および図８の音響信号ＳＬｏｕｔ２に対応し、音響信号ＦＨＲＲは、図５および図８の音響信号ＳＲｏｕｔ１に対応する。音響信号処理部４２１Ｌは、音響信号ＦＨＲＬを加算部４２２Ｌに供給し、音響信号ＦＨＲＲを加算部４２２Ｒに供給する。
　加算部４２２Ｌは、音響信号ＦＬ、音響信号ＦＨＬＬ、および、音響信号ＦＨＲＬを加算することにより音響信号ＦＬＭを生成し、増幅部４２３に供給する。
　加算部４２２Ｒは、音響信号ＦＲ、音響信号ＦＨＬＲ、および、音響信号ＦＨＲＲを加算することにより音響信号ＦＲＭを生成し、増幅部４２３に供給する。
　増幅部４２３は、音響信号ＦＬＭ乃至音響信号ＲＲを増幅し、フロントスピーカ４１３Ｌ乃至リアスピーカ４１５Ｒにそれぞれ供給する。
　フロントスピーカ４１３Ｌとフロントスピーカ４１３Ｒは、例えば、所定のリスニング位置の前方に左右対称に配置される。そして、フロントスピーカ４１３Ｌは、音響信号ＦＬＭに基づく音を出力し、フロントスピーカ４１３Ｒは、音響信号ＦＲＭに基づく音を出力する。これにより、リスニング位置にいるリスナーは、フロントスピーカ４１３Ｌ，４１３Ｒだけでなく、前方左斜め上および前方右斜め上の２ヶ所に仮想的に配置された仮想スピーカからも音が出力されているように感じる。
　センタスピーカ４１４は、例えば、リスニング位置の前方の中央に配置される。そして、センタスピーカ４１４は、音響信号Ｃに基づく音を出力する。
　リアスピーカ４１５Ｌとリアスピーカ４１５Ｒは、例えば、リスニング位置の後方に左右対称に配置される。そして、リアスピーカ４１５Ｌは、音響信号ＲＬに基づく音を出力し、リアスピーカ４１５Ｒは、音響信号ＲＲに基づく音を出力する。
　なお、リスナーの正中面を基準にして同じ側（左側または右側）に、仮想スピーカを２カ所以上生成することも可能である。例えば、リスナーの正中面を基準にして左側に仮想スピーカを２カ所以上生成する場合、音響信号処理部１１１Ｌまたは音響信号処理部３１１Ｌを、仮想スピーカ毎に並列に設けるようにすればよい。この場合、各音響信号処理部から出力される音響信号ＳＬｏｕｔ１が加算されて左スピーカに供給され、各音響信号処理部から出力される音響信号ＳＲｏｕｔ２が加算されて右スピーカに供給される。また、この場合、補助信号合成部１２２Ｌを共有化することが可能である。
　同様に、例えば、リスナーの正中面を基準にして右側に仮想スピーカを２カ所以上生成する場合、音響信号処理部１１１Ｒまたは音響信号処理部３１１Ｒを、仮想スピーカ毎に並列に設けるようにすればよい。この場合、各音響信号処理部から出力される音響信号ＳＬｏｕｔ２が加算されて左スピーカに供給され、各音響信号処理部から出力される音響信号ＳＲｏｕｔ１が加算されて右スピーカに供給される。また、この場合、補助信号合成部１２２Ｒを共有化することが可能である。
　また、音響信号処理部１１１Ｌまたは音響信号処理部１１１Ｒを並列に設ける場合、クロストーク補正処理部１３２を共有化することが可能である。
＜５．変形例＞
　以下、上述した本技術の実施の形態の変形例について説明する。
｛変形例１：音響信号処理部の構成の変形例｝
　例えば、図３および図６の補助信号合成部１２２Ｌの代わりに、図１０の補助信号合成部５０１Ｌを用いるようにしてもよい。なお、図中、図３と対応する部分には、同じ符号を付してあり、処理が同じ部分については、その説明は繰り返しになるので適宜省略する。
　補助信号合成部５０１Ｌは、図３の補助信号合成部１２２Ｌと比較して、遅延部５１１Ｌ，５１１Ｒが追加されている点が異なる。
　遅延部５１１Ｌは、図３のクロストーク補正処理部１３２、または、図６のトランスオーラル一体化処理部３３１から供給される音響信号ＳＬｏｕｔ１を、所定の時間だけ遅延させてからスピーカ１１２Ｌに供給する。
　遅延部５１１Ｒは、図３のクロストーク補正処理部１３２、または、図６のトランスオーラル一体化処理部３３１から供給される音響信号ＳＲｏｕｔ１を、補助信号ＳＬｓｕｂを加算する前に、遅延部５１１Ｌと同じ時間だけ遅延させてから加算部１６２Ｒに供給する。
　遅延部５１１Ｌ，５１１Ｒを設けない場合、音響信号ＳＬｏｕｔ１に基づく音（以下、左主音声と称する）、音響信号ＳＲｏｕｔ１に基づく音（以下、右主音声と称する）、および、補助信号ＳＬｓｕｂに基づく音（以下、補助音声と称する）が、ほぼ同時にスピーカ１１２Ｌ，１１２Ｒから出力される。そして、リスナーＰの左耳ＥＬには、まず左主音声が到達し、その後右主音声および補助音声がほぼ同時に到達する。また、リスナーＰの右耳ＥＲには、まず右主音声および補助音声がほぼ同時に到達し、その後左主音声が到達する。
　これに対して、遅延部５１１Ｌ，５１１Ｒは、補助音声が左主音声より所定の時間（例えば、数ミリ秒）だけ先行してリスナーＰの左耳ＥＬに到達するように調整する。これにより、仮想スピーカ１１３の定位感が向上することが実験で確認されている。これは、いわゆる経時マスキングのうちの順向マスキングにより、リスナーＰの左耳ＥＬにおいて、左主音声に現れる頭部音響伝達関数Ｇ１の第１ノッチおよび第２ノッチが、より確実に補助音声によりマスキングされるためであると考えられる。
　なお、図示は省略するが、図５または図８の補助信号合成部１２２Ｒに対して、図１０の補助信号合成部５０１Ｌと同様に、遅延部を設けることが可能である。すなわち、加算部１６２Ｌの前段に遅延部を設け、加算部１５３Ｒとスピーカ１１２Ｒとの間に遅延部を設けることが可能である。
｛変形例２：仮想スピーカの位置の変形例｝
　本技術は、リスニング位置の正中面から左右に外れた位置に仮想スピーカを配置する全ての場合に有効である。例えば、本技術は、仮想スピーカをリスニング位置の後方の左斜め上または右斜め上に配置する場合にも有効である。また、例えば、本技術は、仮想スピーカをリスニング位置の前方の左斜め下または右斜め下や、リスニング位置の後方の左斜め下または右斜め下に配置する場合にも有効である。さらに、例えば、本技術は、左または右に配置する場合も有効である。
｛変形例３：仮想スピーカの生成に用いるスピーカの配置の変形例｝
　また、以上の説明では、説明を簡単にするために、リスニング位置の前方に左右対称に配置されたスピーカを用いて仮想スピーカを生成する場合について説明した。しかし、本技術では、必ずしもスピーカをリスニング位置の前方に左右対称に配置する必要はなく、例えば、リスニング位置の前方に左右非対称にスピーカを配置することも可能である。また、本技術では、必ずしもスピーカをリスニング位置の前方に配置する必要はなく、リスニング位置の前方以外の場所（例えば、リスニング位置の後方）にスピーカを配置することも可能である。なお、スピーカを配置する場所によって、適宜クロストーク補正処理に用いる関数を変更する必要がある。
　なお、本技術は、例えば、上述したＡＶアンプリファイアなど、仮想サラウンド方式を実現するための各種の機器やシステムに適用することができる。
｛コンピュータの構成例｝
　上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
　図１１は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
　コンピュータにおいて、CPU（Central Processing Unit）８０１，ROM（Read Only Memory）８０２，RAM（Random Access Memory）８０３は、バス８０４により相互に接続されている。
　バス８０４には、さらに、入出力インタフェース８０５が接続されている。入出力インタフェース８０５には、入力部８０６、出力部８０７、記憶部８０８、通信部８０９、及びドライブ８１０が接続されている。
　入力部８０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部８０７は、ディスプレイ、スピーカなどよりなる。記憶部８０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部８０９は、ネットワークインタフェースなどよりなる。ドライブ８１０は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリなどのリムーバブルメディア８１１を駆動する。
　以上のように構成されるコンピュータでは、CPU８０１が、例えば、記憶部８０８に記憶されているプログラムを、入出力インタフェース８０５及びバス８０４を介して、RAM８０３にロードして実行することにより、上述した一連の処理が行われる。
　コンピュータ（CPU８０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア８１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
　コンピュータでは、プログラムは、リムーバブルメディア８１１をドライブ８１０に装着することにより、入出力インタフェース８０５を介して、記憶部８０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部８０９で受信し、記憶部８０８にインストールすることができる。その他、プログラムは、ROM８０２や記憶部８０８に、あらかじめインストールしておくことができる。
　なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
　また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
　さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
　さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　また、本明細書に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。
　さらに、例えば、本技術は以下のような構成も取ることができる。
（１）
　所定のリスニング位置における正中面から左または右に外れた第１の仮想音源用の音響信号である第１の入力信号に対して、前記リスニング位置におけるリスナーの前記第１の仮想音源から遠い方の耳と前記第１の仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記第１の入力信号に対して、前記リスナーの前記第１の仮想音源から近い方の耳と前記第１の仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記第１の入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の第１の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第１のトランスオーラル処理部と、
　前記第１の帯域および前記第２の帯域の成分が減衰された前記第１の入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる第１の補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する第１の補助信号合成部と
　を含む音響信号処理装置。
（２）
　前記第１のトランスオーラル処理部は、
　　前記第１の入力信号の前記第１の帯域および前記第２の帯域の成分を減衰させた減衰信号を生成する減衰部と、
　　前記第１の頭部音響伝達関数を前記減衰信号に重畳した前記第１のバイノーラル信号、および、前記第２の頭部音響伝達関数を前記減衰信号に重畳した前記第２のバイノーラル信号を生成する処理、並びに、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対する前記クロストーク補正処理を一体化して行う信号処理部と
　を含み、
　前記第１の補助信号は、前記減衰信号の前記第３の帯域の成分からなる
　前記（１）に記載の音響信号処理装置。
（３）
　前記第１のトランスオーラル処理部は、
　　前記第１の頭部音響伝達関数を前記第１の入力信号に重畳した前記第１のバイノーラル信号を生成する第１のバイノーラル化処理部と、
　　前記第２の頭部音響伝達関数を前記第１の入力信号に重畳した前記第２のバイノーラル信号を生成するとともに、前記第２の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第２の頭部音響伝達関数を重畳した後の前記第２のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第２のバイノーラル化処理部と、
　　前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して前記クロストーク補正処理を行うクロストーク補正処理部と
　を含む前記（１）に記載の音響信号処理装置。
（４）
　前記第１のバイノーラル化処理部は、前記第１の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第１の頭部音響伝達関数を重畳した後の前記第１のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させる
　前記（３）に記載の音響信号処理装置。
（５）
　前記第３の帯域は、前記リスニング位置に対して左右に配置された２つのスピーカのうちの一方のスピーカと前記リスナーの一方の耳との間の第３の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第２の周波数以上において最も低い帯域および２番目に低い帯域、前記２つのスピーカのうちの他方のスピーカと前記リスナーの他方の耳との間の第４の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第３の周波数以上において最も低い帯域および２番目に低い帯域、前記一方のスピーカと前記他方の耳との間の第５の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第４の周波数以上において最も低い帯域および２番目に低い帯域、並びに、前記他方のスピーカと前記一方の耳との間の第６の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第５の周波数以上において最も低い帯域および２番目に低い帯域を少なくとも含む
　前記（１）乃至（４）のいずれかに記載の音響信号処理装置。
（６）
　前記第１の補助信号を加算する前に前記第１の音響信号を所定の時間遅延させる第１の遅延部と、
　前記第２の音響信号を前記所定の時間遅延させる第２の遅延部と
　をさらに含む前記（１）乃至（５）のいずれかに記載の音響信号処理装置。
（７）
　前記第１の補助信号合成部は、前記第１の音響信号に加算する前に前記第１の補助信号のレベルを調整する
　前記（１）乃至（６）のいずれかに記載の音響信号処理装置。
（８）
　前記正中面から左または右に外れた第２の仮想音源用の音響信号である第２の入力信号に対して、前記リスナーの前記第２の仮想音源から遠い方の耳と前記第２の仮想音源との間の第７の頭部音響伝達関数を用いて第３のバイノーラル信号を生成し、前記第２の入力信号に対して、前記リスナーの前記第２の仮想音源から近い方の耳と前記第２の仮想音源との間の第８の頭部音響伝達関数を用いて第４のバイノーラル信号を生成し、前記第３のバイノーラル信号および前記第４のバイノーラル信号に対して前記クロストーク補正処理を行うことにより、第４の音響信号および第５の音響信号を生成するとともに、前記第２の入力信号または前記第４のバイノーラル信号において、前記第７の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第６の周波数以上において最も低い第４の帯域および２番目に低い第５の帯域の成分を減衰させることにより、前記第５の音響信号の前記第４の帯域および前記第５の帯域の成分を減衰させる第２のトランスオーラル処理部と、
　前記第４の帯域および前記第５の帯域の成分が減衰された前記第２の入力信号の前記第３の帯域の成分、または、前記第４の帯域および前記第５の帯域の成分が減衰された前記第４のバイノーラル信号の前記第３の帯域の成分からなる第２の補助信号を前記第４の音響信号に加算することにより第６の音響信号を生成する第２の補助信号合成部と、
　前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして左右に分かれる場合、前記３の音響信号と前記第５の音響信号を加算し、前記第２の音響信号と前記第６の音響信号を加算し、前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして同じ側にある場合、前記第３の音響信号と前記第６の音響信号を加算し、前記第２の音響信号と前記第５の音響信号を加算する加算部と
　をさらに含む前記（１）乃至（７）のいずれかに記載の音響信号処理装置。
（９）
　前記第１の周波数は、前記第１の頭部音響伝達関数の４ｋＨｚ近傍において正のピークが現れる周波数である
　前記（１）乃至（８）のいずれかに記載の音響信号処理装置。
（１０）
　前記クロストーク補正処理は、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して、前記リスニング位置に対して左右に配置された２つのスピーカのうち前記正中面を基準にして前記第１の仮想音源と逆側にあるスピーカと前記リスナーの前記第１の仮想音源から遠い方の耳との間の音響伝達特性、前記２つのスピーカのうち前記正中面を基準にして前記仮想音源側にあるスピーカと前記リスナーの前記第１の仮想音源から近い方の耳との間の音響伝達特性、前記第１の仮想音源と逆側にあるスピーカから前記リスナーの前記第１の仮想音源から近い方の耳へのクロストーク、および、前記仮想音源側にあるスピーカから前記リスナーの前記第１の仮想音源から遠い方の耳へのクロストークをキャンセルする処理である
　前記（１）乃至（９）のいずれかに記載の音響信号処理装置。
（１１）
　所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、
　前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップと
　を含む音響信号処理方法。
（１２）
　所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、
　前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップと
　を含む処理をコンピュータに実行させるためのプログラム。
　１０１Ｌ，１０１Ｒ　音響信号処理システム，　１１１Ｌ，１１１Ｒ　音響信号処理部，　１１２Ｌ，１１２Ｒ　スピーカ，　１１３　仮想スピーカ，　１２１Ｌ，１２１Ｒ　トランスオーラル処理部，　１２２Ｌ，１２２Ｒ　補助信号合成部，　１３１Ｌ，１３１Ｒ　バイノーラル化処理部，　１３２　クロストーク補正処理部，　１４１，１４１Ｌ，１４１Ｒ　ノッチ形成イコライザ，　１４２Ｌ，１４２Ｒ　バイノーラル信号生成部，　１５１Ｌ乃至１５２Ｒ　信号処理部，　１５３Ｌ，１５３Ｒ　加算部，　１６１Ｌ，１６１Ｒ　補助信号生成部，　１６２Ｌ，１６２Ｒ　加算部，　１８１，１８１Ｌ，１８１Ｒ　ノッチ形成イコライザ，　３０１Ｌ，３０１Ｒ　音響信号処理システム，　３１１Ｌ，３１１Ｒ　音響信号処理部，　３２１Ｌ，３２１Ｒ　トランスオーラル処理部，　３３１　トランスオーラル一体化処理部，　３５１Ｌ，３５１Ｒ　信号処理部，　４０１　オーディオシステム，　４１２　ＡＶアンプリファイア，　４２１Ｌ，４２１Ｒ　音響信号処理部，　４２２Ｌ，４２２Ｒ　加算部，　５０１Ｌ　補助信号合成部，　５１１Ｌ，５１１Ｒ　遅延部，　ＥＬ　左耳，　ＥＲ　右耳，　Ｇ１，Ｇ２，ＨＬ，ＨＲ　頭部音響伝達関数，　Ｐ　リスナー

Claims (12)

  1. 　所定のリスニング位置における正中面から左または右に外れた第１の仮想音源用の音響信号である第１の入力信号に対して、前記リスニング位置におけるリスナーの前記第１の仮想音源から遠い方の耳と前記第１の仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記第１の入力信号に対して、前記リスナーの前記第１の仮想音源から近い方の耳と前記第１の仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記第１の入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の第１の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第１のトランスオーラル処理部と、
    　前記第１の帯域および前記第２の帯域の成分が減衰された前記第１の入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる第１の補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する第１の補助信号合成部と
    　を含む音響信号処理装置。
  2. 　前記第１のトランスオーラル処理部は、
    　　前記第１の入力信号の前記第１の帯域および前記第２の帯域の成分を減衰させた減衰信号を生成する減衰部と、
    　　前記第１の頭部音響伝達関数を前記減衰信号に重畳した前記第１のバイノーラル信号、および、前記第２の頭部音響伝達関数を前記減衰信号に重畳した前記第２のバイノーラル信号を生成する処理、並びに、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対する前記クロストーク補正処理を一体化して行う信号処理部と
    　を含み、
    　前記第１の補助信号は、前記減衰信号の前記第３の帯域の成分からなる
    　請求項１に記載の音響信号処理装置。
  3. 　前記第１のトランスオーラル処理部は、
    　　前記第１の頭部音響伝達関数を前記第１の入力信号に重畳した前記第１のバイノーラル信号を生成する第１のバイノーラル化処理部と、
    　　前記第２の頭部音響伝達関数を前記第１の入力信号に重畳した前記第２のバイノーラル信号を生成するとともに、前記第２の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第２の頭部音響伝達関数を重畳した後の前記第２のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させる第２のバイノーラル化処理部と、
    　　前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して前記クロストーク補正処理を行うクロストーク補正処理部と
    　を含む請求項１に記載の音響信号処理装置。
  4. 　前記第１のバイノーラル化処理部は、前記第１の頭部音響伝達関数を重畳する前の前記第１の入力信号または前記第１の頭部音響伝達関数を重畳した後の前記第１のバイノーラル信号の前記第１の帯域および前記第２の帯域の成分を減衰させる
    　請求項３に記載の音響信号処理装置。
  5. 　前記第３の帯域は、前記リスニング位置に対して左右に配置された２つのスピーカのうちの一方のスピーカと前記リスナーの一方の耳との間の第３の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第２の周波数以上において最も低い帯域および２番目に低い帯域、前記２つのスピーカのうちの他方のスピーカと前記リスナーの他方の耳との間の第４の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第３の周波数以上において最も低い帯域および２番目に低い帯域、前記一方のスピーカと前記他方の耳との間の第５の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第４の周波数以上において最も低い帯域および２番目に低い帯域、並びに、前記他方のスピーカと前記一方の耳との間の第６の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第５の周波数以上において最も低い帯域および２番目に低い帯域を少なくとも含む
    　請求項１に記載の音響信号処理装置。
  6. 　前記第１の補助信号を加算する前に前記第１の音響信号を所定の時間遅延させる第１の遅延部と、
    　前記第２の音響信号を前記所定の時間遅延させる第２の遅延部と
    　をさらに含む請求項１に記載の音響信号処理装置。
  7. 　前記第１の補助信号合成部は、前記第１の音響信号に加算する前に前記第１の補助信号のレベルを調整する
    　請求項１に記載の音響信号処理装置。
  8. 　前記正中面から左または右に外れた第２の仮想音源用の音響信号である第２の入力信号に対して、前記リスナーの前記第２の仮想音源から遠い方の耳と前記第２の仮想音源との間の第７の頭部音響伝達関数を用いて第３のバイノーラル信号を生成し、前記第２の入力信号に対して、前記リスナーの前記第２の仮想音源から近い方の耳と前記第２の仮想音源との間の第８の頭部音響伝達関数を用いて第４のバイノーラル信号を生成し、前記第３のバイノーラル信号および前記第４のバイノーラル信号に対して前記クロストーク補正処理を行うことにより、第４の音響信号および第５の音響信号を生成するとともに、前記第２の入力信号または前記第４のバイノーラル信号において、前記第７の頭部音響伝達関数において前記ノッチが現れる帯域のうち所定の第６の周波数以上において最も低い第４の帯域および２番目に低い第５の帯域の成分を減衰させることにより、前記第５の音響信号の前記第４の帯域および前記第５の帯域の成分を減衰させる第２のトランスオーラル処理部と、
    　前記第４の帯域および前記第５の帯域の成分が減衰された前記第２の入力信号の前記第３の帯域の成分、または、前記第４の帯域および前記第５の帯域の成分が減衰された前記第４のバイノーラル信号の前記第３の帯域の成分からなる第２の補助信号を前記第４の音響信号に加算することにより第６の音響信号を生成する第２の補助信号合成部と、
    　前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして左右に分かれる場合、前記３の音響信号と前記第５の音響信号を加算し、前記第２の音響信号と前記第６の音響信号を加算し、前記第１の仮想音源と前記第２の仮想音源が前記正中面を基準にして同じ側にある場合、前記第３の音響信号と前記第６の音響信号を加算し、前記第２の音響信号と前記第５の音響信号を加算する加算部と
    　をさらに含む請求項１に記載の音響信号処理装置。
  9. 　前記第１の周波数は、前記第１の頭部音響伝達関数の４ｋＨｚ近傍において正のピークが現れる周波数である
    　請求項１に記載の音響信号処理装置。
  10. 　前記クロストーク補正処理は、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対して、前記リスニング位置に対して左右に配置された２つのスピーカのうち前記正中面を基準にして前記第１の仮想音源と逆側にあるスピーカと前記リスナーの前記第１の仮想音源から遠い方の耳との間の音響伝達特性、前記２つのスピーカのうち前記正中面を基準にして前記仮想音源側にあるスピーカと前記リスナーの前記第１の仮想音源から近い方の耳との間の音響伝達特性、前記第１の仮想音源と逆側にあるスピーカから前記リスナーの前記第１の仮想音源から近い方の耳へのクロストーク、および、前記仮想音源側にあるスピーカから前記リスナーの前記第１の仮想音源から遠い方の耳へのクロストークをキャンセルする処理である
    　請求項１に記載の音響信号処理装置。
  11. 　所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、
    　前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップと
    　を含む音響信号処理方法。
  12. 　所定のリスニング位置における正中面から左または右に外れた仮想音源用の音響信号である入力信号に対して、前記リスニング位置におけるリスナーの前記仮想音源から遠い方の耳と前記仮想音源との間の第１の頭部音響伝達関数を用いて第１のバイノーラル信号を生成し、前記入力信号に対して、前記リスナーの前記仮想音源から近い方の耳と前記仮想音源との間の第２の頭部音響伝達関数を用いて第２のバイノーラル信号を生成し、前記第１のバイノーラル信号および前記第２のバイノーラル信号に対してクロストーク補正処理を行うことにより、第１の音響信号および第２の音響信号を生成するとともに、前記入力信号または前記第２のバイノーラル信号において、前記第１の頭部音響伝達関数において振幅が所定の深さ以上となる負のピークであるノッチが現れる帯域のうち所定の周波数以上において最も低い第１の帯域および２番目に低い第２の帯域の成分を減衰させることにより、前記第１の音響信号および前記第２の音響信号の前記第１の帯域および前記第２の帯域の成分を減衰させるトランスオーラル処理ステップと、
    　前記第１の帯域および前記第２の帯域の成分が減衰された前記入力信号の所定の第３の帯域の成分、または、前記第１の帯域および前記第２の帯域の成分が減衰された前記第２のバイノーラル信号の前記第３の帯域の成分からなる補助信号を前記第１の音響信号に加算することにより第３の音響信号を生成する補助信号合成ステップと
    　を含む処理をコンピュータに実行させるためのプログラム。
PCT/JP2017/028105 2016-08-16 2017-08-02 音響信号処理装置、音響信号処理方法、および、プログラム WO2018034158A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US16/323,893 US10681487B2 (en) 2016-08-16 2017-08-02 Acoustic signal processing apparatus, acoustic signal processing method and program
EP17841385.2A EP3503593B1 (en) 2016-08-16 2017-08-02 Acoustic signal processing device, acoustic signal processing method, and program
JP2018534335A JP6922916B2 (ja) 2016-08-16 2017-08-02 音響信号処理装置、音響信号処理方法、および、プログラム
CN201780049072.7A CN109644316B (zh) 2016-08-16 2017-08-02 声信号处理装置、声信号处理方法及程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016159545 2016-08-16
JP2016-159545 2016-08-16

Publications (1)

Publication Number Publication Date
WO2018034158A1 true WO2018034158A1 (ja) 2018-02-22

Family

ID=61196545

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/028105 WO2018034158A1 (ja) 2016-08-16 2017-08-02 音響信号処理装置、音響信号処理方法、および、プログラム

Country Status (5)

Country Link
US (1) US10681487B2 (ja)
EP (1) EP3503593B1 (ja)
JP (1) JP6922916B2 (ja)
CN (1) CN109644316B (ja)
WO (1) WO2018034158A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021024752A1 (ja) * 2019-08-02 2021-02-11 ソニー株式会社 信号処理装置および方法、並びにプログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115866505A (zh) 2018-08-20 2023-03-28 华为技术有限公司 音频处理方法和装置
JP7362320B2 (ja) * 2019-07-04 2023-10-17 フォルシアクラリオン・エレクトロニクス株式会社 オーディオ信号処理装置、オーディオ信号処理方法及びオーディオ信号処理プログラム
CN111641899B (zh) * 2020-06-09 2022-11-04 京东方科技集团股份有限公司 虚拟环绕声发声电路、平面音源装置及平面显示设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10136497A (ja) * 1996-10-24 1998-05-22 Roland Corp 音像定位装置
JPH10174200A (ja) * 1996-12-12 1998-06-26 Yamaha Corp 音像定位方法及び装置
JP2013110682A (ja) 2011-11-24 2013-06-06 Sony Corp 音響信号処理装置、音響信号処理方法、プログラム、および、記録媒体
JP2015211418A (ja) 2014-04-30 2015-11-24 ソニー株式会社 音響信号処理装置、音響信号処理方法、および、プログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4975954A (en) * 1987-10-15 1990-12-04 Cooper Duane H Head diffraction compensated stereo system with optimal equalization
GB9324240D0 (en) * 1993-11-25 1994-01-12 Central Research Lab Ltd Method and apparatus for processing a bonaural pair of signals
TW379512B (en) * 1997-06-30 2000-01-11 Matsushita Electric Ind Co Ltd Apparatus for localization of a sound image
GB2342830B (en) * 1998-10-15 2002-10-30 Central Research Lab Ltd A method of synthesising a three dimensional sound-field
US6442277B1 (en) * 1998-12-22 2002-08-27 Texas Instruments Incorporated Method and apparatus for loudspeaker presentation for positional 3D sound
AU2000242253A1 (en) * 2000-04-10 2001-10-23 Harman International Industries Incorporated Creating virtual surround using dipole and monopole pressure fields
KR20050060789A (ko) * 2003-12-17 2005-06-22 삼성전자주식회사 가상 음향 재생 방법 및 그 장치
CN100555411C (zh) * 2004-11-08 2009-10-28 松下电器产业株式会社 主动降噪装置
US7835535B1 (en) * 2005-02-28 2010-11-16 Texas Instruments Incorporated Virtualizer with cross-talk cancellation and reverb
DK1862033T3 (da) * 2005-03-22 2013-05-06 Bloomline Acoustics B V Transducerarrangement der forbedrer naturligheden af lyde
JP4297077B2 (ja) * 2005-04-22 2009-07-15 ソニー株式会社 仮想音像定位処理装置、仮想音像定位処理方法およびプログラム並びに音響信号再生方式
KR100619082B1 (ko) * 2005-07-20 2006-09-05 삼성전자주식회사 와이드 모노 사운드 재생 방법 및 시스템
US8619998B2 (en) * 2006-08-07 2013-12-31 Creative Technology Ltd Spatial audio enhancement processing method and apparatus
EP1858296A1 (en) * 2006-05-17 2007-11-21 SonicEmotion AG Method and system for producing a binaural impression using loudspeakers
US20080187143A1 (en) * 2007-02-01 2008-08-07 Research In Motion Limited System and method for providing simulated spatial sound in group voice communication sessions on a wireless communication device
GB0712998D0 (en) * 2007-07-05 2007-08-15 Adaptive Audio Ltd Sound reproducing systems
JP5499513B2 (ja) * 2009-04-21 2014-05-21 ソニー株式会社 音響処理装置、音像定位処理方法および音像定位処理プログラム
US9107021B2 (en) * 2010-04-30 2015-08-11 Microsoft Technology Licensing, Llc Audio spatialization using reflective room model
EP2389016B1 (en) * 2010-05-18 2013-07-10 Harman Becker Automotive Systems GmbH Individualization of sound signals
JP5533248B2 (ja) * 2010-05-20 2014-06-25 ソニー株式会社 音声信号処理装置および音声信号処理方法
JP6066652B2 (ja) * 2012-09-28 2017-01-25 フォスター電機株式会社 音響再生装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10136497A (ja) * 1996-10-24 1998-05-22 Roland Corp 音像定位装置
JPH10174200A (ja) * 1996-12-12 1998-06-26 Yamaha Corp 音像定位方法及び装置
JP2013110682A (ja) 2011-11-24 2013-06-06 Sony Corp 音響信号処理装置、音響信号処理方法、プログラム、および、記録媒体
JP2015211418A (ja) 2014-04-30 2015-11-24 ソニー株式会社 音響信号処理装置、音響信号処理方法、および、プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
IIDA ET AL.: "Spatial Acoustics", July 2010, CORONA PUBLISHING, pages: 19 - 21

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021024752A1 (ja) * 2019-08-02 2021-02-11 ソニー株式会社 信号処理装置および方法、並びにプログラム

Also Published As

Publication number Publication date
US20190174248A1 (en) 2019-06-06
CN109644316A (zh) 2019-04-16
EP3503593A4 (en) 2019-08-28
JPWO2018034158A1 (ja) 2019-06-13
CN109644316B (zh) 2021-03-30
EP3503593A1 (en) 2019-06-26
EP3503593B1 (en) 2020-07-08
US10681487B2 (en) 2020-06-09
JP6922916B2 (ja) 2021-08-18

Similar Documents

Publication Publication Date Title
KR100644617B1 (ko) 7.1 채널 오디오 재생 방법 및 장치
US9253573B2 (en) Acoustic signal processing apparatus, acoustic signal processing method, program, and recording medium
US8320592B2 (en) Apparatus and method of reproducing virtual sound of two channels based on listener's position
KR100677119B1 (ko) 와이드 스테레오 재생 방법 및 그 장치
JP4655098B2 (ja) 音声信号出力装置、音声信号出力方法およびプログラム
KR100636252B1 (ko) 공간 스테레오 사운드 생성 방법 및 장치
JP5540581B2 (ja) 音声信号処理装置および音声信号処理方法
US20070076892A1 (en) Apparatus and method to cancel crosstalk and stereo sound generation system using the same
WO2018034158A1 (ja) 音響信号処理装置、音響信号処理方法、および、プログラム
JP2007028624A (ja) ワイドモノサウンドの再生方法及びシステム
US10462597B2 (en) Acoustic signal processing device and acoustic signal processing method
JP2006303799A (ja) 音響信号再生装置
US8320590B2 (en) Device, method, program, and system for canceling crosstalk when reproducing sound through plurality of speakers arranged around listener
EP1752017A1 (en) Apparatus and method of reproducing wide stereo sound
JP5787128B2 (ja) 音響システム、音響信号処理装置および方法、並びに、プログラム
JP4951985B2 (ja) 音声信号処理装置、音声信号処理システム、プログラム
WO2016121519A1 (ja) 音響信号処理装置、音響信号処理方法、及び、プログラム
JP2985704B2 (ja) サラウンド信号処理装置
JP6287202B2 (ja) スピーカ装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17841385

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018534335

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017841385

Country of ref document: EP

Effective date: 20190318