音響処理装置
【課題】音響成分の定常性の有無に関わらず特定の音響成分を高精度に抑圧または強調する。
【解決手段】変化度算定部４２は、音響信号ｘ(t)の複数の帯域成分Ｘ[k,m]の各々について、音響信号ｘ(t)の強度分布の非正規性と音響信号ｘ(t)から当該帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違を示す非正規性変化度Ｖ[k,m]を算定する。要素値設定部４４は、複数の帯域成分Ｘ[k,m]の各々について当該帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定する。信号処理部３６は、音響信号ｘ(t)の各帯域成分Ｘ[k,m]に当該帯域成分Ｘ[k,m]の要素値ｇ[k,m]を作用させる。
【解決手段】変化度算定部４２は、音響信号ｘ(t)の複数の帯域成分Ｘ[k,m]の各々について、音響信号ｘ(t)の強度分布の非正規性と音響信号ｘ(t)から当該帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違を示す非正規性変化度Ｖ[k,m]を算定する。要素値設定部４４は、複数の帯域成分Ｘ[k,m]の各々について当該帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定する。信号処理部３６は、音響信号ｘ(t)の各帯域成分Ｘ[k,m]に当該帯域成分Ｘ[k,m]の要素値ｇ[k,m]を作用させる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音響信号のうち特定の音響成分を強調または抑圧する技術に関する。
【背景技術】
【０００２】
複数の音響成分の混合音を収音した音響信号のうち特定の音響成分を選択的に強調または抑圧する技術が従来から提案されている。例えば非特許文献１には、周波数領域で音響信号から雑音成分を減算（スペクトル減算）することで目標の音響成分を強調する技術が開示されている。また、非特許文献２には、音響信号と雑音成分とから算定されるＳＮ比（事前ＳＮ比，事後ＳＮ比）を利用して振幅推定誤差が最小となるように目標の音響成分を抽出する技術（MMSE-STSA：Minimum Mean Square Error Short Time Spectral Amplitude）が開示されている。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】S.F.Boll, "Suppression of acoustic noise in using spectral subtraction", IEEE Trans., Acoust. Speech Signal Process., vol. ASSP-27, no.2, p.113-120, Apr., 1979
【非特許文献２】Ephraim U., Malah D.,"Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator", IEEE Trans., Acoust. Speech Signal Process., vol. ASSP-32, no.6, p.1109-1121, Dec., 1984
【発明の概要】
【発明が解決しようとする課題】
【０００４】
非特許文献１および非特許文献２では、音響信号のうち目標の音響成分が存在しない区間内で音響信号の周波数スペクトルを累算することで雑音成分が推定される。したがって、抑圧対象となる雑音成分は、時間的な変動が少ない定常的な音響成分である必要がある。以上の事情を考慮して、本発明は、音響成分の定常性の有無に関わらず特定の音響成分を高精度に抑圧または強調することを目的とする。
【課題を解決するための手段】
【０００５】
以上の課題を解決するために本発明が採用する手段を説明する。なお、本発明の理解を容易にするために、以下の説明では、本発明の要素と後述の実施形態の要素との対応を括弧書で付記するが、本発明の範囲を実施形態の例示に限定する趣旨ではない。
【０００６】
本発明の音響処理装置は、音響信号（例えば音響信号ｘ(t)）の強度分布の非正規性と音響信号から特定の帯域成分（例えば帯域成分Ｘ[k,m]）を除去した場合の強度分布の非正規性との相違を示す非正規性変化度（例えば非正規性変化度Ｖ[k,m]）を算定する変化度算定手段（例えば変化度算定部４２）と、非正規性変化度に応じて要素値（例えば要素値ｇ[k,m]）を設定する要素値設定手段（例えば要素値設定部４４）と、帯域成分に要素値を作用させる信号処理手段（例えば信号処理部３６）とを具備する。以上の構成では、音響信号から帯域成分を除去した場合の強度分布の非正規性の変化の度合（すなわち音源分離に寄与する度合）を示す非正規性変化度に応じて要素値が可変に設定される。したがって、音響信号の各音響成分の定常性の有無に関わらず、音響信号の特定の音響成分を高精度に強調または抑圧することが可能である。
【０００７】
本発明の好適な態様において、要素値設定手段は、非正規性変化度が示す非正規性の相違が大きい場合に帯域成分の要素値を第１値（例えば数値γ0および数値γ1の一方）に設定し、非正規性変化度が示す非正規性の相違が小さい場合に帯域成分の要素値を第１値とは相違する第２値（例えば数値γ0および数値γ1の他方）に設定する。以上の態様では、要素値が第１値および第２値の何れかに設定されるから、要素値の設定を簡素化しながら各音響成分を明確に区別することが可能である。
【０００８】
本発明の好適な態様において、変化度算定手段は、音響信号の複数の帯域（例えばＫ個の帯域Ｗ[1]〜Ｗ[K]）の各々について非正規性変化度を算定し、要素値設定手段は、複数の帯域の各々について当該帯域の非正規性変化度に応じた要素値を算定し、信号処理手段は、複数の帯域成分の各々に当該帯域の要素値を作用させる。以上の態様では、非正規性変化度の算定と要素値の設定と要素値を適用した処理とを音響信号の複数の帯域の各々について個別に実行することが可能である。
【０００９】
本発明の好適な態様において、変化度算定手段は、第１音響信号（例えば音響信号ｘL(t)）と第２音響信号（例えば音響信号ｘR(t)）とを含むステレオ形式の音響信号の帯域毎に非正規性変化度を算定し、要素値設定手段は、各帯域の非正規性変化度に応じた要素値を設定し、信号処理手段は、第１音響信号および第２音響信号の各々の各帯域成分に要素値を作用させる。以上の態様では、特定の音響成分を強調または抑圧したステレオ形式の音響信号を生成することが可能である。なお、以上の態様の具体例は例えば第２実施形態として後述される。
【００１０】
音響信号がステレオ信号である構成の第１態様の音響処理装置は、第１音響信号と第２音響信号との間で各帯域成分の類否を示す類否指標（例えば類否指標λ[k,m]）を算定する類否指標算定手段（例えば類否指標算定部４６）を具備し、要素値設定手段は、各帯域の非正規性変化度と当該帯域の類否指標とに応じた要素値を算定する。以上の態様では、音響信号の各帯域の非正規性変化度と当該帯域成分の類否指標とに応じて要素値が設定されるから、音響成分の定位方向（類否指標）と各音響成分の音源分離に対する寄与度（非正規性変化度）との双方を加味して第１音響信号および第２音響信号を処理することが可能である。なお、以上の態様の具体例は例えば第３実施形態として後述される。
【００１１】
音響信号がステレオ信号である構成の第２態様の音響処理装置は、第１音響信号と第２音響信号との間で各帯域成分の類否を示す類否指標（例えば類否指標λ[k,m]）を算定する類否指標算定手段（例えば類否指標算定部４６）と、類否指標に応じて帯域を選択する帯域選択手段（例えば帯域選択部４８）とを具備し、変化度算定手段は、複数の帯域のうち帯域選択手段が選択した帯域について非正規性変化度を算定する。以上の態様では、類否指標に応じて選択された帯域（すなわち特定の方向に定位する音響成分を含む帯域）について選択的に非正規性変化度が算定されるから、全部の帯域について非正規性変化度を算定する構成と比較して変化度算定手段による処理負荷が軽減されるという利点がある。なお、以上の態様の具体例は例えば第４実施形態として後述される。
【００１２】
本発明の好適な態様に係る音響処理装置は、音響信号の複数の処理帯域（例えば処理帯域Ｂ[f]）の各々について閾値（例えば閾値Ｖth[f]）を設定する閾値設定手段（例えば閾値設定部５２）を具備し、変化度算定手段は、複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該処理帯域内の強度分布の非正規性と当該処理帯域から当該帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定し、要素値設定手段は、複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該帯域成分の非正規性変化度と当該処理帯域について閾値設定手段が設定した閾値との比較の結果に応じて要素値を算定する。以上の態様では、音響信号を区分した処理帯域毎の閾値を利用して各帯域成分の要素値が設定されるから、所望の音響成分を高精度に強調または抑圧することが可能である。複数の処理帯域の各々は、相異なる帯域幅に設定され得る。なお、以上の態様の具体例は例えば第５実施形態として後述される。
【００１３】
以上の各態様に係る音響処理装置は、音響信号の処理に専用されるＤＳＰ（Digital Signal Processor）などのハードウェア（電子回路）によって実現されるほか、ＣＰＵ（Central Processing Unit）などの汎用の演算処理装置とプログラムとの協働によっても実現される。本発明に係るプログラムは、音響信号の強度分布の非正規性と音響信号から特定の帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定する変化度算定処理と、非正規性変化度に応じて要素値を設定する要素値設定処理と、帯域成分に要素値を作用させる信号処理とをコンピュータに実行させる。以上のプログラムによれば、本発明の音響処理装置と同様の作用および効果が奏される。本発明のプログラムは、コンピュータが読取可能な記録媒体に格納された形態で利用者に提供されてコンピュータにインストールされるほか、通信網を介した配信の形態でサーバ装置から提供されてコンピュータにインストールされる。
【図面の簡単な説明】
【００１４】
【図１】本発明の第１実施形態に係る音響処理装置のブロック図である。
【図２】音響成分の混合／分離と強度分布の非正規性との関係を示す模式図である。
【図３】数値列生成部の動作のフローチャートである。
【図４】第２実施形態の音響処理装置のブロック図である。
【図５】第３実施形態における数値列生成部のブロック図である。
【図６】第４実施形態における数値列生成部のブロック図である。
【図７】第５実施形態における数値列生成部のブロック図である。
【発明を実施するための形態】
【００１５】
＜Ａ：第１実施形態＞
図１は、本発明の第１実施形態に係る音響処理装置１００のブロック図である。図１に示すように、音響処理装置１００には信号供給装置１２と放音装置１４とが接続される。信号供給装置１２は、音響信号ｘ(t)を音響処理装置１００に供給する。音響信号ｘ(t)は、以下の数式(1)で表現されるように、相異なる発音源から発音された音響成分ｘA(t)と音響成分ｘB(t)との混合音の波形を示す時間領域信号（ｔ：時間）である。例えば、音響成分ｘA(t)は歌唱音や発話音等の音声であり、音響成分ｘB(t)は楽器の演奏音等の複数種の楽音の混合音である。
【数１】
例えば周囲の音響を収音して音響信号ｘ(t)を生成する収音機器や、可搬型または内蔵型の記録媒体から音響信号ｘ(t)を取得して音響処理装置１００に供給する再生装置や、通信網から音響信号ｘ(t)を受信して音響処理装置１００に供給する通信装置が信号供給装置１２として採用され得る。
【００１６】
音響処理装置１００は、音響信号ｘ(t)に対する信号処理で音響信号ｙ(t)を生成する信号処理装置である。具体的には、音響処理装置１００は、音響信号ｘ(t)のうちの音響成分ｘB(t)を抑圧する（音響成分ｘA(t)と音響成分ｘB(t)とを分離する）ことで音響信号ｙ(t)を生成する。音響処理装置１００による処理後の音響信号ｙ(t)は放音装置１４に供給される。放音装置１４（例えばスピーカやヘッドホン）は、音響信号ｙ(t)に応じた音響を再生する。
【００１７】
図１に示すように、音響処理装置１００は、演算処理装置２２と記憶装置２４とを具備するコンピュータシステムで実現される。記憶装置２４は、演算処理装置２２が実行するプログラムや演算処理装置２２が使用する各種の情報を記憶する。半導体記録媒体や磁気記録媒体等の公知の記録媒体または複数種の記録媒体の組合せが記憶装置２４として任意に利用される。音響信号ｘ(t)を記憶装置２４に格納した構成（したがって信号供給装置１２は省略され得る）も好適である。演算処理装置２２は、記憶装置２４に格納されたプログラムを実行することで複数の機能（周波数解析部３２，数値列生成部３４，信号処理部３６，波形合成部３８）を実現する。なお、演算処理装置２２の各機能を複数の集積回路に分散した構成や、専用の電子回路（DSP）が各機能を実現する構成も採用され得る。
【００１８】
周波数解析部３２は、音響信号ｘ(t)を周波数軸上の帯域Ｗ[k]（ｋ＝１,２,……,Ｋ）毎に区分したＫ個の帯域成分Ｘ[k,m]（Ｘ[1,m]〜Ｘ[K,m]）を単位期間毎に順次に生成する。記号ｍは時間軸上の時点（例えば単位期間の番号）を指定する変数である。例えば周波数解析部３２は、短時間フーリエ変換等の公知の周波数分析により音響信号ｘ(t)の周波数スペクトルを単位期間毎に算定することでＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]を単位期間毎に生成する。なお、通過帯域が相違する複数の帯域通過フィルタ（フィルタバンク）も周波数解析部３２として採用され得る。
【００１９】
数値列生成部３４は、音響信号ｘ(t)の音響成分ｘB(t)を抑圧するための処理係数列Ｇ[m]を単位期間毎に順次に生成する。処理係数列Ｇ[m]は、相異なる帯域Ｗ[k]（帯域成分Ｘ[k,m]）に対応するＫ個の要素値ｇ[k,m]（ｇ[1,m]〜ｇ[K,m]）の系列である。要素値ｇ[k,m]は、音響信号ｘ(t)の帯域成分Ｘ[k,m]に対する利得（スペクトルゲイン）を意味する。
【００２０】
信号処理部３６は、数値列生成部３４が生成した処理係数列Ｇ[m]を音響信号ｘ(t)の各帯域成分Ｘ[k,m]（Ｘ[1,m]〜Ｘ[K,m]）に作用させることで音響信号ｙ(t)の帯域成分Ｙ[k,m]（Ｙ[1,m]〜Ｙ[K,m]）を単位期間毎に順次に生成する。具体的には、以下の数式(2)で表現されるように、帯域Ｗ[k]と時刻（単位期間）とが相互に共通する帯域成分Ｘ[k,m]と要素値ｇ[k,m]との乗算で音響信号ｙ(t)の帯域成分Ｙ[k,m]が算定される。
【数２】
【００２１】
処理係数列Ｇ[m]の各要素値ｇ[k,m]は、音響信号ｘ(t)の特性に応じて数値γ0または数値γ1に設定される。数値γ0は、信号処理部３６による処理で帯域成分Ｘ[k,m]を抑圧する数値であり、数値γ1は、信号処理部３６による処理で帯域成分Ｘ[k,m]を維持する数値（帯域成分Ｘ[k,m]を通過させる数値）である。例えば数値γ0は０に設定され、数値γ1は１に設定される。数値列生成部３４は、音響信号ｘ(t)のうち音響成分ｘA(t)が優勢な帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ1に設定し、音響信号ｘ(t)のうち音響成分ｘB(t)が優勢な帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ0に設定する。したがって、音響成分ｘA(t)を強調するとともに音響成分ｘB(t)を抑圧したＫ個の帯域成分Ｙ[k,m]（Ｙ[1,m]〜Ｙ[K,m]）が信号処理部３６による処理で単位期間毎に生成される。
【００２２】
波形合成部３８は、信号処理部３６が単位期間毎に生成した各帯域成分Ｙ[k,m]から時間領域の音響信号ｙ(t)を生成する。具体的には、波形合成部３８は、単位期間毎のＫ個の帯域成分Ｙ[k,m]の系列を逆フーリエ変換で時間領域に変換するとともに前後の単位期間について相互に連結することで音響信号ｙ(t)を生成する。波形合成部３８が生成した音響信号ｙ(t)が放音装置１４から再生される。
【００２３】
数値列生成部３４による各要素値ｇ[k,m]の設定について以下に詳述する。以下の説明では、図２に示すように音響の強度分布（度数分布）の非正規性に着目する。強度分布の非正規性とは、正規分布との相違の度合を意味する。すなわち、強度分布の形状が正規分布から乖離するほど非正規性は上昇する。
【００２４】
前述のように音響信号ｘ(t)は音響成分ｘA(t)と音響成分ｘB(t)との混合音である。音響成分ｘA(t)と音響成分ｘB(t)との混合の結果、音響信号ｘ(t)の強度分布は、図２に示すように、混合前の音響成分ｘA(t)および音響成分ｘB(t)の各々の強度分布と比較して正規分布に近付く（中心極限定理）。すなわち、音響成分ｘA(t)と音響成分ｘB(t)との混合は、強度分布の非正規性を低下させる処理に相当する。他方、音響信号ｘ(t)を音響成分ｘA(t)と音響成分ｘB(t)とに分離する処理（音源分離）は、強度分布の非正規性を上昇させる処理に相当する。
【００２５】
以上の説明から理解されるように、Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]のうち音響信号ｘ(t)から除去した場合に強度分布の非正規性が大きく上昇する帯域成分Ｘ[k,m]は音源分離に寄与し、音響信号ｘ(t)から除去しても強度分布の非正規性がそれほど上昇しない帯域成分Ｘ[k,m]は音源分離に寄与しないと評価できる。そこで、第１実施形態では、帯域成分Ｘ[k,m]を除去した場合に強度分布の非正規性が変化（上昇）する度合に応じて音響成分ｘA(t)と音響成分ｘBとを区別する。
【００２６】
前述のように音響成分ｘA(t)は歌唱音や発話音等の音声であり、音響成分ｘB(t)は複数種の楽音の混合音である。音響成分の混合で強度分布の非正規性は低下するから（中心極限定理）、音響成分ｘA(t)の強度分布の非正規性は音響成分ｘB(t)の強度分布の非正規性を上回る。非正規性が高い音響成分ｘA(t)が帯域成分Ｘ[k,m]にて優勢である場合、帯域成分Ｘ[k,m]を音響信号ｘ(t)から除去することで強度分布の非正規性は大きく上昇する（すなわち音源分離に大きく寄与する）。他方、非正規性が低い音響成分ｘB(t)が帯域成分Ｘ[k,m]にて優性である場合、帯域成分Ｘ[k,m]を音響信号ｘ(t)から除去しても強度分布の非正規性はそれほど上昇しない（すなわち音源分離にそれほど寄与しない）。
【００２７】
以上の傾向を考慮して、第１実施形態の数値列生成部３４は、音響信号ｘ(t)から除去した場合に強度分布の非正規性が大きく上昇する帯域成分Ｘ[k,m]を音響成分ｘA(t)と推定して要素値ｇ[k,m]を数値γ1（帯域成分Ｘ[k,m]を通過させる数値）に設定し、音響信号ｘ(t)から除去した場合に非正規性がそれほど上昇しない帯域成分Ｘ[k,m]を音響成分ｘB(t)と推定して要素値ｇ[k,m]を数値γ0（帯域成分Ｘ[k,m]を抑圧させる数値）に設定する。
【００２８】
図１に示すように、数値列生成部３４は、変化度算定部４２と要素値設定部４４とを含んで構成される。変化度算定部４２は、相異なる帯域成分Ｘ[k,m]に対応するＫ個の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に順次に生成する。非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合に強度分布の非正規性が上昇する度合（帯域成分Ｘ[k,m]が音源分離に寄与する度合）の尺度である。すなわち、非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)のＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]にわたる強度分布の非正規性と、音響信号ｘ(t)から１個の帯域成分Ｘ[k,m]を除去した場合の強度分布（(K-1)個の帯域成分Ｘの強度分布）の非正規性との相違に相当する。
【００２９】
第１実施形態では、強度分布の非正規性の尺度として尖度（カートシス）を利用する。音響信号ｘ(t)のＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]の強度分布の尖度κは、強度分布の２次モーメントμ2および４次モーメントμ4を含む以下の数式(3)で表現される。
【数３】
【００３０】
Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]の強度分布のｎ次モーメントμnは以下の数式(4)で定義される。
【数４】
数式(4)の記号ｚ[i]（ｉ＝１〜Ｋ）は帯域成分Ｘ[i,m]の強度（信号値）を意味する。第１実施形態では帯域成分Ｘ[i,m]のパワー|Ｘ[i,m]|2を強度ｚ[i]として例示するが、例えば帯域成分Ｘ[k,m]の振幅|Ｘ[k,m]|や振幅|Ｘ[k,m]|の任意乗を強度ｚ[k]とすることも可能である。また、数式(4)の記号μは強度ｚ[1]〜ｚ[K]の平均を意味する。
【００３１】
４次モーメントμ4に関する数式(5A)と２次モーメントμ2に関する数式(5B)とが数式(4)から導出される。
【数５】
【００３２】
他方、音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合の強度分布（(K-1)個の帯域成分Ｘの強度分布）のｎ次モーメントμn[k]は以下の数式(6)で表現される。
【数６】
【００３３】
数式(6)に数式(5A)を適用することで、帯域成分Ｘ[k,m]の除去後の４次モーメントμ4[k]を表現する数式(7A)が導出される。同様に、数式(6)に数式(5B)を適用することで、帯域成分Ｘ[k,m]の除去後の２次モーメントμ2[k]を表現する数式(7B)が導出される。
【数７】
【００３４】
したがって、帯域成分Ｘ[k,m]の除去後の尖度κ[k]は以下の数式(8)で表現される。
【数８】
【００３５】
数式(3)および数式(8)から、帯域成分Ｘ[k,m]の除去前の尖度κに対する除去後の尖度κ[k]の比（以下「尖度比」という）Ｒ[k]は以下の数式(9)で表現される。
【数９】
【００３６】
第１実施形態の変化度算定部４２は、数式(9)の尖度比Ｒ[k]を非正規性変化度Ｖ[k,m]として算定する。数式(9)から理解されるように、帯域成分Ｘ[k,m]の除去で強度分布の非正規性が上昇する（帯域成分Ｘ[k,m]の除去前の尖度κに対して除去後の尖度κ[k]が大きい）ほど非正規性変化度Ｖ[k,m]は大きい数値となる。すなわち、非正規性が高い音響成分ｘA(t)が帯域成分Ｘ[k,m]にて優勢であるほど非正規性変化度Ｖ[k,m]は大きい数値となる。図１の要素値設定部４４は、変化度算定部４２が算定した非正規性変化度Ｖ[k,m]に応じて処理係数列Ｇ[m]の各要素値ｇ[k,m]（ｇ[1,m]〜ｇ[K,m]）を単位期間毎に生成する。
【００３７】
図３は、数値列生成部３４の動作のフローチャートである。図３の処理は単位期間毎に実行される。数値列生成部３４は、Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]から１個の帯域成分（以下「選択帯域成分」という）Ｘ[k,m]を選択する（ＳA11）。変化度算定部４２は、現在の単位期間に対応する各帯域成分Ｘ[k,m]の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行することで選択帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]（尖度比Ｒ[k]）を算定する（ＳA12）。
【００３８】
要素値設定部４４は、処理ＳA12で算定された非正規性変化度Ｖ[k,m]が所定の閾値Ｖthを上回るか否かを判定する（ＳA13）。閾値Ｖthは、音響成分ｘA(t)が優勢な帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]を下回り、かつ、音響成分ｘB(t)が優勢な帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]を上回るように、音響成分ｘA(t)および音響成分ｘB(t)に想定される音響特性（強度分布の非正規性）の傾向に応じて実験的または統計的に選定される。
【００３９】
非正規性が高い音響成分ｘA(t)が選択帯域成分Ｘ[k,m]にて優勢である場合には、処理ＳA13での判定の結果が肯定となる。処理ＳA13の結果が肯定である場合、要素値設定部４４は、処理係数列Ｇ[m]のうち現在の選択帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ1（γ1＝１）に設定する（ＳA14）。他方、非正規性が低い音響成分ｘB(t)が選択帯域成分Ｘ[k,m]にて優勢である場合には、処理ＳA13での判定の結果が否定となる。処理ＳA13の結果が否定である場合、要素値設定部４４は、処理係数列Ｇ[m]のうち現在の選択帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ0（γ0＝０）に設定する（ＳA15）。
【００４０】
数値列生成部３４は、音響信号ｘ(t)のＫ個の帯域成分Ｘ[k,m]について要素値ｇ[k,m]を設定したか否かを判定する（ＳA16）。要素値ｇ[k,m]の未設定の帯域成分Ｘ[k,m]が残存する場合（ＳA16：NO）、数値列生成部３４は、現在の選択帯域成分Ｘ[k,m]とは異なる帯域成分Ｘ[k,m]を新たな選択帯域成分Ｘ[k,m]として選択（ＳA11）したうえで処理ＳA12から処理ＳA16を実行する。他方、Ｋ個の帯域成分Ｘ[k,m]について要素値ｇ[k,m]の設定が完了した場合（ＳA16：YES）、数値列生成部３４は図３の処理を終了する。
【００４１】
以上に説明した第１実施形態では、帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性の変化の度合（すなわち音源分離に寄与する度合）を示す非正規性変化度Ｖ[k,m]に応じて要素値ｇ[k,m]が可変に設定される。したがって、音響成分ｘA(t)および音響成分ｘB(t)の定常性の有無に関わらず、音響成分ｘA(t)を音響成分ｘB(t)に対して高精度に強調することが可能である。
【００４２】
ところで、例えば特開２００２−７８１００号公報（以下「特許文献１」という）には、ステレオ信号の左右チャネル間の振幅や位相の類似度が高い帯域成分（すなわち正面方向の定位成分）を選択的に強調または抑圧する技術が開示されている。しかし、特許文献１の技術のもとではステレオ信号が必要であるという制約がある。第１実施形態では、以上の例示の通り、音響信号ｘ(t)がモノラル信号でも音響成分ｘA(t)と音響成分ｘB(t)とを適切に分離できるという利点がある。
【００４３】
＜Ｂ：第２実施形態＞
本発明の第２実施形態を以下に説明する。なお、以下に例示する各態様において作用や機能が第１実施形態と同等である要素については、以上の説明で参照した符号を流用して各々の詳細な説明を適宜に省略する。
【００４４】
図４は、第２実施形態の音響処理装置１００のブロック図である。図４に示すように、信号供給装置１２から音響処理装置１００に供給される音響信号ｘ(t)は、再生音の音像が所定の方向（以下の例示では正面方向）に定位するように収音または加工されたステレオ信号であり、左チャネルの音響信号ｘL(t)と右チャネルの音響信号ｘR(t)とで構成される。音響処理装置１００は、音響信号ｙL(t)および音響信号ｙR(t)で構成されるステレオ形式の音響信号ｙ(t)を音響信号ｘ(t)から生成する。
【００４５】
周波数解析部３２は、音響信号ｘL(t)のＫ個の帯域成分ＸL[k,m]と音響信号ｘR(t)のＫ個の帯域成分ＸR[k,m]とを単位期間毎に生成する。数値列生成部３４は、音響信号ｘL(t)と音響信号ｘR(t)とに応じた処理係数列Ｇ[m]（要素値ｇ[k,m]の系列）を単位期間毎に生成する。具体的には、変化度算定部４２は、各帯域成分ＸL[k,m]のＫ個の強度ｚ[1]〜ｚ[K]と各帯域成分ＸR[k,m]のＫ個の強度ｚ[1]〜ｚ[K]とを含む２Ｋ個の強度ｚについて数式(9)（ただしＫは２Ｋに置換される）の演算を実行することで、各帯域Ｗ[k]の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に順次に生成する。要素値設定部４４が各非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を生成する方法は第１実施形態と同様である。
【００４６】
信号処理部３６は、帯域成分ＸL[k,m]に要素値ｇ[k,m]を作用させて帯域成分ＹL[k,m]を生成し（ＹL[k,m]＝ｇ[k,m]×ＸL[k,m]）、帯域成分ＸR[k,m]に要素値ｇ[k,m]を作用させて帯域成分ＹR[k,m]を生成する（ＹR[k,m]＝ｇ[k,m]×ＸR[k,m]）。波形合成部３８は、各帯域成分ＹL[k,m]から音響信号ｙL(t)を生成し、各帯域成分ＹR[k,m]から音響信号ｙR(t)を生成する。
【００４７】
第２実施形態でも第１実施形態と同様の効果が実現される。なお、例えばHE-AAC(High-Efficiency Advanced Audio Coding)等の符号化技術で生成されたステレオ信号では、左右チャネル間の差異が符号化の過程で低減される（音響成分の多くがモノラル化する）という傾向がある。したがって、左右チャネル間の類似度を利用する前掲の特許文献１の技術では、例えば、本来的には左右方向に定位すべき音響成分（左右チャネル間で相違する成分）が左右チャネル間で類似すると判断され、結果的に正面方向以外から到来する音響成分まで強調または抑圧される可能性がある。他方、第２実施形態では左右チャネル間の類似度を前提としないから、例えば前述の符号化に起因して左右チャネル間の差異が低減された場合でも、音響成分ｘA(t)と音響成分ｘB(t)とを高精度に分離できる（例えば音響成分ｘA(t)を選択的に強調できる）という利点がある。
【００４８】
＜Ｃ：第３実施形態＞
本発明の第３実施形態を説明する。第３実施形態では、第２実施形態の数値列生成部３４が図５の数値列生成部３４Aに置換される。図５に示すように、数値列生成部３４Aは、変化度算定部４２と要素値設定部４４と類否指標算定部４６とを含んで構成される。変化度算定部４２は、第２実施形態と同様に、音響信号ｘL(t)と音響信号ｘR(t)とに応じた各帯域Ｗ[k]の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に生成する。
【００４９】
類否指標算定部４６は、音響信号ｘL(t)と音響信号ｘR(t)との間（左右チャネル間）で帯域Ｗ[k]が相互に共通する帯域成分ＸL[k,m]と帯域成分ＸR[k,m]との類否を示す類否指標λ[k,m]（λ[1,m]〜λ[K,m]）を単位期間毎に算定する。類否指標λ[k,m]は、例えば帯域成分ＸL[k,m]と帯域成分ＸR[k,m]とで振幅や位相が類似（または相違）する度合の指標値である。具体的には、類否指標λ[k,m]は、帯域成分ＸL[k,m]と帯域成分ＸR[k,m]とが類似するほど大きい数値となるように０以上かつ１以下の範囲内で可変に設定される。
【００５０】
第３実施形態の要素値設定部４４は、類否指標算定部４６が算定した類否指標λ[k,m]と変化度算定部４２が算定した非正規性変化度Ｖ[k,m]とに応じて要素値ｇ[k,m]を設定する。要素値設定部４４の具体的な動作を以下に詳述する。
【００５１】
要素値設定部４４は、非正規性変化度Ｖ[k,m]に応じた基礎値ａ[k,m]を設定する。基礎値ａ[k,m]は、第１実施形態の要素値ｇ[k,m]と同様に、非正規性変化度Ｖ[k,m]に応じて数値γ1または数値γ0に設定される。要素値設定部４４は、類否指標λ[k,m]と基礎値ａ[k,m]との加算値または平均値を要素値ｇ[k,m]として算定する（例えばｇ[k,m]＝{λ[k,m]＋ａ[k,m]}/２）。したがって、類否指標λ[k,m]および基礎値ａ[k,m]（非正規性変化度Ｖ[k,m]）の少なくとも一方が大きい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]は信号処理部３６による処理を通過し、類否指標λ[k,m]および基礎値ａ[k,m]の双方が小さい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]は抑圧される。
【００５２】
第３実施形態でも第１実施形態や第２実施形態と同様の効果が実現される。また、第３実施形態では、非正規性変化度Ｖ[k,m]に加えて左右チャネル間の類否指標λ[k,m]が要素値ｇ[k,m]の設定に適用されるから、音響信号ｘ(t)における所望の音響成分を適切に分離できるという利点がある。
【００５３】
例えば、非正規性変化度Ｖ[k,m]のみに応じて要素値ｇ[k,m]を算定する第１実施形態の構成では、音響成分ｘA(t)を含む帯域成分Ｘ[k,m]でも、非正規性変化度Ｖ[k,m]が何らかの原因（例えば帯域成分Ｘ[k,m]に音響成分ｘA(t)および音響成分ｘB(t)の双方を含むこと）で低い場合には信号処理部３６による抑圧の対象となる可能性がある。他方、類否指標λ[k,m]と基礎値ａ[k,m]との加算値または平均値を要素値ｇ[k,m]とする第３実施形態では、帯域Ｗ[k]の非正規性変化度Ｖ[k,m]が小さい場合でも、左右チャネル間の類否指標λ[k,m]が大きい帯域Ｗ[k]（すなわち正面方向の定位成分を含む帯域Ｗ[k]）については要素値ｇ[k,m]が数値γ1に近い数値に設定される。したがって、音響成分ｘA(t)が正面方向に定位する場合には、非正規性変化度Ｖ[k,m]が低い場合でも、音響成分ｘA(t)を維持することが可能である。
【００５４】
なお、非正規性変化度Ｖ[k,m]と類否指標λ[k,m]とに応じて要素値ｇ[k,m]を設定する方法は適宜に変更される。例えば、非正規性変化度Ｖ[k,m]に応じた基礎値ａ[k,m]と類否指標λ[k,m]との乗算値を要素値ｇ[k,m]として算定する構成では（ｇ[k,m]＝ａ[k,m]×λ[k,m]）、類否指標λ[k,m]および非正規性変化度Ｖ[k,m]の双方が大きい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]（すなわち、正面方向の定位成分のうち特に音源分離に寄与する成分）を選択的に強調することが可能である。以上の例示から理解されるように、非正規性変化度Ｖ[k,m]と類否指標λ[k,m]とに応じて要素値ｇ[k,m]を設定する方法は、音響処理装置１００に要求される音源分離の精度等に応じて適宜に選定される。
【００５５】
＜Ｄ：第４実施形態＞
本発明の第４実施形態を説明する。第４実施形態では、第２実施形態の数値列生成部３４が図６の数値列生成部３４Bに置換される。図６に示すように、数値列生成部３４Bは、変化度算定部４２と要素値設定部４４と類否指標算定部４６と帯域選択部４８とを含んで構成される。
【００５６】
類否指標算定部４６は、第３実施形態と同様に、各帯域成分ＸL[k,m]と各帯域成分ＸR[k,m]との類否を示す類否指標λ[k,m]（λ[1,m]〜λ[K,m]）を単位期間毎に算定する。帯域選択部４８は、類否指標算定部４６が算定した各類否指標λ[k,m]に応じて帯域Ｗ[k]を選択する。例えば、帯域選択部４８は、Ｋ個の帯域Ｗ[1]〜Ｗ[K]のうち類否指標λ[k,m]が所定値を上回る１個以上の帯域Ｗ[k]（正面方向の定位成分を含む帯域Ｗ[k]）を単位期間毎に選択する。
【００５７】
変化度算定部４２は、帯域選択部４８が選択した帯域Ｗ[k]について非正規性変化度Ｖ[k,m]を算定し、非選択の帯域Ｗ[k]については非正規性変化度Ｖ[k,m]の算定を省略する。要素値設定部４４は、帯域選択部４８が選択した帯域Ｗ[k]について非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定し、非選択の帯域Ｗ[k]の要素値ｇ[k,m]を所定値（例えば数値γ1および数値γ0の何れか）に設定する。
【００５８】
第４実施形態では、類否指標λ[k,m]に応じて選択された帯域Ｗ[k]（すなわち所定方向の定位成分を含む帯域Ｗ[k]）について選択的に非正規性変化度Ｖ[k,m]の算定と非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]の設定とが実行される。したがって、所定方向の定位成分のうち特に音源分離に寄与する音響成分ｘA(t)を適切に強調できるという利点に加え、Ｋ個の帯域Ｗ[1]〜Ｗ[K]の全部について非正規性変化度Ｖ[k,m]を算定する構成と比較して数値列生成部３４Bの処理負荷が軽減されるという利点がある。
【００５９】
＜Ｅ：第５実施形態＞
本発明の第５実施形態を説明する。第５実施形態では、第１実施形態の数値列生成部３４が図７の数値列生成部３４Cに置換される。図７に示すように、数値列生成部３４Cは、変化度算定部４２と要素値設定部４４と閾値設定部５２とを含んで構成される。
【００６０】
閾値設定部５２は、周波数軸上の複数（Ｆ個）の処理帯域Ｂ[1]〜Ｂ[F]の各々について閾値Ｖth[f]（ｆ＝１〜Ｆ）を設定する。各処理帯域Ｂ[f]の帯域幅は、１個以上の帯域Ｗ[k]を含むように処理帯域Ｂ[f]毎に個別に設定される。したがって、各処理帯域Ｂ[f]に包含される帯域成分Ｘ[k,m]の個数Ｋ[f]は処理帯域Ｂ[f]毎に相違し得る（Ｋ[1]＋Ｋ[2]＋……＋Ｋ[F]＝Ｋ）。具体的には、利用者からの指示（例えば入力装置に対する操作）に応じて処理帯域Ｂ[f]毎の帯域幅が可変に設定される。閾値設定部５２が処理帯域Ｂ[f]毎に閾値Ｖth[f]を設定する方法は任意であるが、例えば、記憶装置２４に事前に格納された各閾値Ｖth[f]を閾値設定部５２が読出す構成や、利用者からの指示（例えば入力装置に対する操作）に応じて閾値設定部５２が各閾値Ｖth[f]を可変に設定する構成が採用され得る。
【００６１】
変化度算定部４２は、Ｆ個の処理帯域Ｂ[1]〜Ｂ[F]の各々について帯域成分Ｘ[k,m]毎に非正規性変化度Ｖ[k,m]を算定する。すなわち、１個の処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)のうち処理帯域Ｂ[f]内の音響成分（Ｋ[f]個の帯域成分Ｘ[k,m]）の強度分布の非正規性と、処理帯域Ｂ[f]から帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違に相当する。
【００６２】
要素値設定部４４は、閾値設定部５２が各処理帯域Ｂ[f]について設定した閾値Ｖth[k]と変化度算定部４２が算定した非正規性変化度Ｖ[k,m]との比較の結果に応じて、その処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の要素値ｇ[k,m]を設定する（ＳA13〜ＳA15）。具体的には、処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の要素値ｇ[k,m]は、非正規性変化度Ｖ[k,m]がその処理帯域Ｂ[f]の閾値Ｖth[f]を上回る場合に数値γ1に設定され（ＳA14）、非正規性変化度Ｖ[k,m]が閾値Ｖth[f]を下回る場合には数値γ0に設定される（ＳA15）。
【００６３】
第５実施形態では、音響信号ｘ(t)（Ｋ個の帯域成分Ｘ[k,m]）がＦ個の処理帯域Ｂ[f]に区分され、処理帯域Ｂ[f]毎の閾値Ｖth[f]を利用して各帯域成分Ｘ[k,m]の要素値ｇ[k,m]が設定される。したがって、例えば目標の音響成分ｘA(t)が存在する可能性が高い処理帯域Ｂ[f]ほど狭い帯域幅に設定したり閾値Ｖth[f]を処理帯域Ｂ[f]毎に適切な数値に設定したりすることで、音響成分ｘA(t)を高精度に抽出できるという利点がある。なお、以上の説明では、第１実施形態に閾値設定部５２を追加した構成を例示したが、音響信号ｘ(t)がステレオ信号である第２実施形態から第４実施形態にも同様の閾値設定部５２が追加され得る。
【００６４】
＜Ｆ：変形例＞
以上に例示した各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は、相互に矛盾しない範囲で適宜に併合され得る。
【００６５】
（１）変形例１
前述の各形態では、１個の単位期間毎に非正規性変化度Ｖ[k,m]を算定したが、複数（Ｍ個）の単位期間にわたる(Ｍ×Ｋ)個の帯域成分Ｘ[k,m]から非正規性変化度Ｖ[k,m]を算定することも可能である。すなわち、非正規性変化度Ｖ[k,m]は、（Ｍ×Ｋ）個の帯域成分Ｘ[k,m]の強度分布の非正規性と、(Ｍ×Ｋ)個から特定の帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違を示す指標として各帯域Ｗ[k]について単位期間毎に算定される。
【００６６】
また、前述の各形態では、単位期間毎に処理係数列Ｇ[m]を生成したが、処理係数列Ｇ[m]の生成の周期は適宜に変更される。例えば、相前後する所定個の単位期間の時間程度では音響信号ｘ(t)の特性が変化しない場合、単位期間の複数個を周期として処理係数列Ｇ[m]を算定する構成（１周期内の各単位期間の帯域成分Ｘ[k,m]には共通の処理係数列Ｇ[m]を適用する構成）が採用され得る。
【００６７】
（２）変形例２
前述の各形態では、非正規性が高い音響成分ｘA(t)を強調するとともに非正規性が低い音響成分ｘB(t)を抑圧したが、音響成分ｘA(t)を抑圧するとともに音響成分ｘB(t)を強調する構成も実現される。具体的には、図３の処理ＳA13の判定において、選択帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]が閾値Ｖthを上回る場合（選択帯域成分Ｘ[k,m]にて音響成分ｘA(t)が優勢である場合）に要素値ｇ[k,m]を数値γ0に設定し、非正規性変化度Ｖ[k,m]が閾値Ｖthを下回る場合（選択帯域成分Ｘ[k,m]にて音響成分ｘB(t)が優勢である場合）に要素値ｇ[k,m]を数値γ1に設定すれば、音響成分ｘA(t)の抑圧と音響成分ｘB(t)の強調とが実現される。
【００６８】
また、前述の各形態では、音響成分ｘA(t)を音声として音響成分ｘB(t)を楽音としたが、音響成分ｘA(t)および音響成分ｘB(t)の種類は任意である。例えば、強度分布の非正規性が高い音声や楽音を音響成分ｘA(t)とし、強度分布の非正規性が低い定常的な雑音（例えば空調設備の動作音や人混み内での雑踏音）を音響成分ｘB(t)とした構成も採用され得る。以上の例示から理解されるように、音響成分ｘA(t)および音響成分ｘB(t)は、強度分布の非正規性が相違する成分（すなわち、帯域成分Ｘ[k]を除去した場合に強度分布の非正規性を変化させる度合が相違する成分）として包括される。
【００６９】
（３）変形例３
音響信号ｘ(t)の強度分布の非正規性の指標となる統計量は尖度κに限定されない。例えば、以下の数式(10)で定義されるネゲントロピーＪを強度分布の非正規性の指標として利用することが可能である。
【数１０】
数式(10)の記号Ｓ(ｐ(z[k]))は、音響信号ｘ(t)のエントロピーを意味し、記号Ｓ(ψ(z[k]))は、音響信号ｘ(t)の強度分布ｐ(z[k])と分散および平均が共通する正規分布のエントロピーを意味する。数式(10)から理解されるように、強度分布の非正規性が高いほどネゲントロピーＪは大きい数値となる。なお、ネゲントロピーＪを近似的に算定する方法は、例えばR. Prasad, H. Saruwatari, and K. Shikano, "Approximating negentropy of time-frequency series of speech for fixed poont ICA by negentropy maximization", International Workshop on Acoustic Echo and Noise Control, p.225-228, 2005に開示されている。
【００７０】
また、以下の数式(11)で定義されるキュムラントｃｕｍn(z[k])を利用することも可能である。数式(11)から理解されるように、キュムラントｃｕｍn(z[k])は、キュムラント母関数Ｋz[k](θ)をｎ回微分して補助変数θを０とした統計量である。
【数１１】
【００７１】
なお、数式(11)のキュムラント母関数Ｋz[k](θ)はモーメント母関数の対数であることを考慮すると、キュムラントｃｕｍn(z[k])を利用して尖度κを定義することも可能である。例えば中心化モーメントを使用して定義される尖度κは以下の数式(12)で表現され、中心化モーメントを使用せずに定義される尖度κは以下の数式(13)で表現される。なお、数式(12)および数式(13)では強度ｚ[k]を記号ｚで簡略化した。
【数１２】
【００７２】
帯域成分Ｘ[k,m]の振幅|Ｘ[k,m]|を強度ｚ[k]とした場合、実際には、数式(11)のキュムラントｃｕｍn(z[k])と正規分布のキュムラントとの差分が強度分布の非正規性の指標として利用される。なお、時間領域にて正規分布の３次以降のキュムラントは０であるから、３次以降のキュムラントｃｕｍn(z[k])を強度分布の非正規性の指標とすることも可能である。また、帯域成分Ｘ[k,m]のパワー|Ｘ[k,m]|2を強度ｚ[k]とした場合、数式(11)のキュムラントｃｕｍn(z[k])と正規分布に対応するカイ２乗分布のキュムラントとの差分が強度分布の非正規性の指標として利用される。なお、高次のキュムラントｃｕｍn(z[k])まで演算するのは現実的ではなく、音源分離の通常の精度を実現するには４次程度のキュムラントｃｕｍn(z[k])で充分である。したがって、実際には尖度κを演算することと殆ど等価となる。
【００７３】
以上に例示した尖度κ，ネゲントロピーＪおよびキュムラントｃｕｍn(z[k])以外にも、ＫＬ（Kullback-Leibler）情報量や相互情報量等の公知の統計量を、音響信号ｘ(t)の強度分布の非正規性の指標として利用することが可能である。
【００７４】
また、以上の各形態では、帯域成分Ｘ[k,m]の除去の前後にわたる尖度比Ｒ[k]を非正規性変化度Ｖ[k,m]として例示したが、非正規性変化度Ｖ[k,m]の形式は任意である。例えば、帯域成分Ｘ[k,m]の除去の前後にわたる強度分布の非正規性の指標の差分（例えば尖度κ[k]と尖度κとの差分）を非正規性変化度Ｖ[k,m]として算定することも可能である。以上の例示から理解されるように、非正規性変化度Ｖ[k,m]は、強度分布の非正規性の指標として例示した各種の統計量が帯域成分Ｘ[k,m]の除去の前後で変化する程度を示す数値として包括される。
【００７５】
（４）変形例４
以上の各形態では、帯域成分Ｘ[k,m]の実際の強度分布（強度ｚ[k]の数値分布）から非正規性変化度Ｖ[k,m]を算定したが、実際の強度ｚ[k]のみを使用した構成では、強度ｚ[k]の数値が過度に変動して音源分離の精度が低下するという問題や、尖度κ等の高次統計量を算定する場合に外れ値に脆弱であるという問題がある。そこで、帯域成分Ｘ[k,m]の強度分布を各種の確率分布で近似して非正規性変化度Ｖ[k,m]を算定する構成が好適である。
【００７６】
具体的には、帯域成分Ｘ[k,m]の強度分布（ｚ[k]＝|Ｘ[k,m]|2）は、例えば以下の数式(14)の確率密度関数Ｐ(x;α,θ)で定義されるガンマ分布として近似される。
【数１３】
数式(14)の記号Γ()はガンマ関数である。記号αは形状母数を意味し、記号θは尺度母数を意味する。数式(14)のガンマ分布の尖度κは以下の数式(15)で表現される。数式(15)の形状母数αは数式(15A)で表現され、数式(15A)の変数γは数式(15B)で表現される。
【数１４】
【００７７】
音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合の変数γは以下の数式(15C)で表現される。
【数１５】
数式(15B)の変数γで算定される形状母数αを数式(15)に適用した尖度κと、数式(15C)の変数γで算定される形状母数αを数式(15)に適用した尖度κ[k]との相違に応じて非正規性変化度Ｖ[k,m]が算定される。以上の例示のように帯域成分Ｘ[k,m]の強度分布を所定の確率分布で近似する構成によれば、例えば強度ｚ[k]が過度に変動する場合や外れ値を含む場合でも、尖度κや非正規性変化度Ｖ[k,m]を安定的に算定できるという利点がある。
【００７８】
（５）変形例５
要素値ｇ[k,m]の数値は任意である。例えば、数値γ0を０を上回る数値に設定し、数値γ1を１未満の数値や１以上の数値に設定した構成も採用され得る。また、要素値ｇ[k,m]を２値的に設定する構成は本発明において必須ではない。例えば、要素値ｇ[k,m]を０以上かつ１以下の範囲内で非正規性変化度Ｖ[k,m]に応じて多値的（３値以上）に設定することも可能である。すなわち、以上の各形態の要素値設定部４４は、非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定する要素として包括され、要素値ｇ[k,m]の設定方法（非正規性変化度Ｖ[k,m]との関係）や要素値ｇ[k,m]の数値範囲は任意に選定される。
【００７９】
（６）変形例６
第２実施形態から第４実施形態では、音響信号ｘL(t)のＫ個の強度ｚ[1]〜ｚ[K]と音響信号ｘR(t)のＫ個の強度ｚ[1]〜ｚ[K]とを含む２Ｋ個の強度について数式(9)の演算を実行することでＫ個の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を算定したが、ステレオ形式の音響信号ｘ(t)に応じた非正規性変化度Ｖ[k,m]を算定する方法は適宜に変更される。例えば、音響信号ｘL(t)と音響信号ｘR(t)とを加算した信号のＫ個の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行してＫ個の非正規性変化度Ｖ[k,m]を算定する構成や、音響信号ｘL(t)および音響信号ｘR(t)の一方の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行してＫ個の非正規性変化度Ｖ[k,m]を算定する構成も採用され得る。
【００８０】
また、第２実施形態から第４実施形態では、左右チャネルで共通の要素値ｇ[k,m]を算定したが、左右チャネルで個別に要素値ｇ[k,m]（ｇL[k,m]，ｇR[k,m]）を算定する構成も採用され得る。すなわち、周波数解析部３２と数値列生成部３４と信号処理部３６と波形合成部３８とによる処理が音響信号ｘL(t)および音響信号ｘR(t)について並列に実行される。例えば、変化度算定部４２は、音響信号ｘL(t)の各非正規性変化度ＶL[k,m]と音響信号ｘR(t)の各非正規性変化度ＶR[k,m]とを単位期間毎に個別に算定し、要素値設定部４４は、各非正規性変化度ＶL[k,m]に応じた要素値ｇL[k,m]と各非正規性変化度ＶR[k,m]に応じた要素値ｇR[k,m]とを生成する。信号処理部３６は、帯域成分ＸL[k,m]に要素値ｇL[k,m]を作用させて帯域成分ＹL[k,m]を生成し、帯域成分ＸR[k,m]に要素値ｇR[k,m]を作用させて帯域成分ＹR[k,m]を生成する。ただし、以上の構成では、左チャネルの要素値ｇL[k,m]と右チャネルの要素値ｇR[k,m]とが相異なる数値に設定されるから、左右チャネル間の音量のバランス（定位感）が音響処理装置１００による処理の前後で変化し得る。したがって、左右チャネル間の音量のバランスを維持する観点からは、前述の各形態での例示のように左右チャネルで共通の要素値ｇ[k,m]を算定する構成が好適である。
【００８１】
（７）変形例７
第２実施形態から第４実施形態では左右２チャネルの音響信号ｘ(t)を例示したが、音響信号ｘ(t)が３チャネル以上である場合にも第２実施形態から第４実施形態は適用される。例えば第３実施形態や第４実施形態の音響信号ｘ(t)をＮtチャネル（Ｎt≧３）で構成した場合（5.1チャネルであればＮt＝６）、Ｎtチャネルの全部を対象として類否指標λ[k,m]を算定する構成や、Ｎtチャネルから選択されたＮチャネル（Ｎ＜Ｎt）の間で類否指標λ[k,m]を算定する構成が採用され得る。
【符号の説明】
【００８２】
１００……音響処理装置、１２……信号供給装置、１４……放音装置、２２……演算処理装置、２４……記憶装置、３２……周波数解析部、３４，３４A，３４B，３４C……数値列生成部、３６……信号処理部、３８……波形合成部、４２……変化度算定部、４４……要素値設定部。
【技術分野】
【０００１】
本発明は、音響信号のうち特定の音響成分を強調または抑圧する技術に関する。
【背景技術】
【０００２】
複数の音響成分の混合音を収音した音響信号のうち特定の音響成分を選択的に強調または抑圧する技術が従来から提案されている。例えば非特許文献１には、周波数領域で音響信号から雑音成分を減算（スペクトル減算）することで目標の音響成分を強調する技術が開示されている。また、非特許文献２には、音響信号と雑音成分とから算定されるＳＮ比（事前ＳＮ比，事後ＳＮ比）を利用して振幅推定誤差が最小となるように目標の音響成分を抽出する技術（MMSE-STSA：Minimum Mean Square Error Short Time Spectral Amplitude）が開示されている。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】S.F.Boll, "Suppression of acoustic noise in using spectral subtraction", IEEE Trans., Acoust. Speech Signal Process., vol. ASSP-27, no.2, p.113-120, Apr., 1979
【非特許文献２】Ephraim U., Malah D.,"Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator", IEEE Trans., Acoust. Speech Signal Process., vol. ASSP-32, no.6, p.1109-1121, Dec., 1984
【発明の概要】
【発明が解決しようとする課題】
【０００４】
非特許文献１および非特許文献２では、音響信号のうち目標の音響成分が存在しない区間内で音響信号の周波数スペクトルを累算することで雑音成分が推定される。したがって、抑圧対象となる雑音成分は、時間的な変動が少ない定常的な音響成分である必要がある。以上の事情を考慮して、本発明は、音響成分の定常性の有無に関わらず特定の音響成分を高精度に抑圧または強調することを目的とする。
【課題を解決するための手段】
【０００５】
以上の課題を解決するために本発明が採用する手段を説明する。なお、本発明の理解を容易にするために、以下の説明では、本発明の要素と後述の実施形態の要素との対応を括弧書で付記するが、本発明の範囲を実施形態の例示に限定する趣旨ではない。
【０００６】
本発明の音響処理装置は、音響信号（例えば音響信号ｘ(t)）の強度分布の非正規性と音響信号から特定の帯域成分（例えば帯域成分Ｘ[k,m]）を除去した場合の強度分布の非正規性との相違を示す非正規性変化度（例えば非正規性変化度Ｖ[k,m]）を算定する変化度算定手段（例えば変化度算定部４２）と、非正規性変化度に応じて要素値（例えば要素値ｇ[k,m]）を設定する要素値設定手段（例えば要素値設定部４４）と、帯域成分に要素値を作用させる信号処理手段（例えば信号処理部３６）とを具備する。以上の構成では、音響信号から帯域成分を除去した場合の強度分布の非正規性の変化の度合（すなわち音源分離に寄与する度合）を示す非正規性変化度に応じて要素値が可変に設定される。したがって、音響信号の各音響成分の定常性の有無に関わらず、音響信号の特定の音響成分を高精度に強調または抑圧することが可能である。
【０００７】
本発明の好適な態様において、要素値設定手段は、非正規性変化度が示す非正規性の相違が大きい場合に帯域成分の要素値を第１値（例えば数値γ0および数値γ1の一方）に設定し、非正規性変化度が示す非正規性の相違が小さい場合に帯域成分の要素値を第１値とは相違する第２値（例えば数値γ0および数値γ1の他方）に設定する。以上の態様では、要素値が第１値および第２値の何れかに設定されるから、要素値の設定を簡素化しながら各音響成分を明確に区別することが可能である。
【０００８】
本発明の好適な態様において、変化度算定手段は、音響信号の複数の帯域（例えばＫ個の帯域Ｗ[1]〜Ｗ[K]）の各々について非正規性変化度を算定し、要素値設定手段は、複数の帯域の各々について当該帯域の非正規性変化度に応じた要素値を算定し、信号処理手段は、複数の帯域成分の各々に当該帯域の要素値を作用させる。以上の態様では、非正規性変化度の算定と要素値の設定と要素値を適用した処理とを音響信号の複数の帯域の各々について個別に実行することが可能である。
【０００９】
本発明の好適な態様において、変化度算定手段は、第１音響信号（例えば音響信号ｘL(t)）と第２音響信号（例えば音響信号ｘR(t)）とを含むステレオ形式の音響信号の帯域毎に非正規性変化度を算定し、要素値設定手段は、各帯域の非正規性変化度に応じた要素値を設定し、信号処理手段は、第１音響信号および第２音響信号の各々の各帯域成分に要素値を作用させる。以上の態様では、特定の音響成分を強調または抑圧したステレオ形式の音響信号を生成することが可能である。なお、以上の態様の具体例は例えば第２実施形態として後述される。
【００１０】
音響信号がステレオ信号である構成の第１態様の音響処理装置は、第１音響信号と第２音響信号との間で各帯域成分の類否を示す類否指標（例えば類否指標λ[k,m]）を算定する類否指標算定手段（例えば類否指標算定部４６）を具備し、要素値設定手段は、各帯域の非正規性変化度と当該帯域の類否指標とに応じた要素値を算定する。以上の態様では、音響信号の各帯域の非正規性変化度と当該帯域成分の類否指標とに応じて要素値が設定されるから、音響成分の定位方向（類否指標）と各音響成分の音源分離に対する寄与度（非正規性変化度）との双方を加味して第１音響信号および第２音響信号を処理することが可能である。なお、以上の態様の具体例は例えば第３実施形態として後述される。
【００１１】
音響信号がステレオ信号である構成の第２態様の音響処理装置は、第１音響信号と第２音響信号との間で各帯域成分の類否を示す類否指標（例えば類否指標λ[k,m]）を算定する類否指標算定手段（例えば類否指標算定部４６）と、類否指標に応じて帯域を選択する帯域選択手段（例えば帯域選択部４８）とを具備し、変化度算定手段は、複数の帯域のうち帯域選択手段が選択した帯域について非正規性変化度を算定する。以上の態様では、類否指標に応じて選択された帯域（すなわち特定の方向に定位する音響成分を含む帯域）について選択的に非正規性変化度が算定されるから、全部の帯域について非正規性変化度を算定する構成と比較して変化度算定手段による処理負荷が軽減されるという利点がある。なお、以上の態様の具体例は例えば第４実施形態として後述される。
【００１２】
本発明の好適な態様に係る音響処理装置は、音響信号の複数の処理帯域（例えば処理帯域Ｂ[f]）の各々について閾値（例えば閾値Ｖth[f]）を設定する閾値設定手段（例えば閾値設定部５２）を具備し、変化度算定手段は、複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該処理帯域内の強度分布の非正規性と当該処理帯域から当該帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定し、要素値設定手段は、複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該帯域成分の非正規性変化度と当該処理帯域について閾値設定手段が設定した閾値との比較の結果に応じて要素値を算定する。以上の態様では、音響信号を区分した処理帯域毎の閾値を利用して各帯域成分の要素値が設定されるから、所望の音響成分を高精度に強調または抑圧することが可能である。複数の処理帯域の各々は、相異なる帯域幅に設定され得る。なお、以上の態様の具体例は例えば第５実施形態として後述される。
【００１３】
以上の各態様に係る音響処理装置は、音響信号の処理に専用されるＤＳＰ（Digital Signal Processor）などのハードウェア（電子回路）によって実現されるほか、ＣＰＵ（Central Processing Unit）などの汎用の演算処理装置とプログラムとの協働によっても実現される。本発明に係るプログラムは、音響信号の強度分布の非正規性と音響信号から特定の帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定する変化度算定処理と、非正規性変化度に応じて要素値を設定する要素値設定処理と、帯域成分に要素値を作用させる信号処理とをコンピュータに実行させる。以上のプログラムによれば、本発明の音響処理装置と同様の作用および効果が奏される。本発明のプログラムは、コンピュータが読取可能な記録媒体に格納された形態で利用者に提供されてコンピュータにインストールされるほか、通信網を介した配信の形態でサーバ装置から提供されてコンピュータにインストールされる。
【図面の簡単な説明】
【００１４】
【図１】本発明の第１実施形態に係る音響処理装置のブロック図である。
【図２】音響成分の混合／分離と強度分布の非正規性との関係を示す模式図である。
【図３】数値列生成部の動作のフローチャートである。
【図４】第２実施形態の音響処理装置のブロック図である。
【図５】第３実施形態における数値列生成部のブロック図である。
【図６】第４実施形態における数値列生成部のブロック図である。
【図７】第５実施形態における数値列生成部のブロック図である。
【発明を実施するための形態】
【００１５】
＜Ａ：第１実施形態＞
図１は、本発明の第１実施形態に係る音響処理装置１００のブロック図である。図１に示すように、音響処理装置１００には信号供給装置１２と放音装置１４とが接続される。信号供給装置１２は、音響信号ｘ(t)を音響処理装置１００に供給する。音響信号ｘ(t)は、以下の数式(1)で表現されるように、相異なる発音源から発音された音響成分ｘA(t)と音響成分ｘB(t)との混合音の波形を示す時間領域信号（ｔ：時間）である。例えば、音響成分ｘA(t)は歌唱音や発話音等の音声であり、音響成分ｘB(t)は楽器の演奏音等の複数種の楽音の混合音である。
【数１】
例えば周囲の音響を収音して音響信号ｘ(t)を生成する収音機器や、可搬型または内蔵型の記録媒体から音響信号ｘ(t)を取得して音響処理装置１００に供給する再生装置や、通信網から音響信号ｘ(t)を受信して音響処理装置１００に供給する通信装置が信号供給装置１２として採用され得る。
【００１６】
音響処理装置１００は、音響信号ｘ(t)に対する信号処理で音響信号ｙ(t)を生成する信号処理装置である。具体的には、音響処理装置１００は、音響信号ｘ(t)のうちの音響成分ｘB(t)を抑圧する（音響成分ｘA(t)と音響成分ｘB(t)とを分離する）ことで音響信号ｙ(t)を生成する。音響処理装置１００による処理後の音響信号ｙ(t)は放音装置１４に供給される。放音装置１４（例えばスピーカやヘッドホン）は、音響信号ｙ(t)に応じた音響を再生する。
【００１７】
図１に示すように、音響処理装置１００は、演算処理装置２２と記憶装置２４とを具備するコンピュータシステムで実現される。記憶装置２４は、演算処理装置２２が実行するプログラムや演算処理装置２２が使用する各種の情報を記憶する。半導体記録媒体や磁気記録媒体等の公知の記録媒体または複数種の記録媒体の組合せが記憶装置２４として任意に利用される。音響信号ｘ(t)を記憶装置２４に格納した構成（したがって信号供給装置１２は省略され得る）も好適である。演算処理装置２２は、記憶装置２４に格納されたプログラムを実行することで複数の機能（周波数解析部３２，数値列生成部３４，信号処理部３６，波形合成部３８）を実現する。なお、演算処理装置２２の各機能を複数の集積回路に分散した構成や、専用の電子回路（DSP）が各機能を実現する構成も採用され得る。
【００１８】
周波数解析部３２は、音響信号ｘ(t)を周波数軸上の帯域Ｗ[k]（ｋ＝１,２,……,Ｋ）毎に区分したＫ個の帯域成分Ｘ[k,m]（Ｘ[1,m]〜Ｘ[K,m]）を単位期間毎に順次に生成する。記号ｍは時間軸上の時点（例えば単位期間の番号）を指定する変数である。例えば周波数解析部３２は、短時間フーリエ変換等の公知の周波数分析により音響信号ｘ(t)の周波数スペクトルを単位期間毎に算定することでＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]を単位期間毎に生成する。なお、通過帯域が相違する複数の帯域通過フィルタ（フィルタバンク）も周波数解析部３２として採用され得る。
【００１９】
数値列生成部３４は、音響信号ｘ(t)の音響成分ｘB(t)を抑圧するための処理係数列Ｇ[m]を単位期間毎に順次に生成する。処理係数列Ｇ[m]は、相異なる帯域Ｗ[k]（帯域成分Ｘ[k,m]）に対応するＫ個の要素値ｇ[k,m]（ｇ[1,m]〜ｇ[K,m]）の系列である。要素値ｇ[k,m]は、音響信号ｘ(t)の帯域成分Ｘ[k,m]に対する利得（スペクトルゲイン）を意味する。
【００２０】
信号処理部３６は、数値列生成部３４が生成した処理係数列Ｇ[m]を音響信号ｘ(t)の各帯域成分Ｘ[k,m]（Ｘ[1,m]〜Ｘ[K,m]）に作用させることで音響信号ｙ(t)の帯域成分Ｙ[k,m]（Ｙ[1,m]〜Ｙ[K,m]）を単位期間毎に順次に生成する。具体的には、以下の数式(2)で表現されるように、帯域Ｗ[k]と時刻（単位期間）とが相互に共通する帯域成分Ｘ[k,m]と要素値ｇ[k,m]との乗算で音響信号ｙ(t)の帯域成分Ｙ[k,m]が算定される。
【数２】
【００２１】
処理係数列Ｇ[m]の各要素値ｇ[k,m]は、音響信号ｘ(t)の特性に応じて数値γ0または数値γ1に設定される。数値γ0は、信号処理部３６による処理で帯域成分Ｘ[k,m]を抑圧する数値であり、数値γ1は、信号処理部３６による処理で帯域成分Ｘ[k,m]を維持する数値（帯域成分Ｘ[k,m]を通過させる数値）である。例えば数値γ0は０に設定され、数値γ1は１に設定される。数値列生成部３４は、音響信号ｘ(t)のうち音響成分ｘA(t)が優勢な帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ1に設定し、音響信号ｘ(t)のうち音響成分ｘB(t)が優勢な帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ0に設定する。したがって、音響成分ｘA(t)を強調するとともに音響成分ｘB(t)を抑圧したＫ個の帯域成分Ｙ[k,m]（Ｙ[1,m]〜Ｙ[K,m]）が信号処理部３６による処理で単位期間毎に生成される。
【００２２】
波形合成部３８は、信号処理部３６が単位期間毎に生成した各帯域成分Ｙ[k,m]から時間領域の音響信号ｙ(t)を生成する。具体的には、波形合成部３８は、単位期間毎のＫ個の帯域成分Ｙ[k,m]の系列を逆フーリエ変換で時間領域に変換するとともに前後の単位期間について相互に連結することで音響信号ｙ(t)を生成する。波形合成部３８が生成した音響信号ｙ(t)が放音装置１４から再生される。
【００２３】
数値列生成部３４による各要素値ｇ[k,m]の設定について以下に詳述する。以下の説明では、図２に示すように音響の強度分布（度数分布）の非正規性に着目する。強度分布の非正規性とは、正規分布との相違の度合を意味する。すなわち、強度分布の形状が正規分布から乖離するほど非正規性は上昇する。
【００２４】
前述のように音響信号ｘ(t)は音響成分ｘA(t)と音響成分ｘB(t)との混合音である。音響成分ｘA(t)と音響成分ｘB(t)との混合の結果、音響信号ｘ(t)の強度分布は、図２に示すように、混合前の音響成分ｘA(t)および音響成分ｘB(t)の各々の強度分布と比較して正規分布に近付く（中心極限定理）。すなわち、音響成分ｘA(t)と音響成分ｘB(t)との混合は、強度分布の非正規性を低下させる処理に相当する。他方、音響信号ｘ(t)を音響成分ｘA(t)と音響成分ｘB(t)とに分離する処理（音源分離）は、強度分布の非正規性を上昇させる処理に相当する。
【００２５】
以上の説明から理解されるように、Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]のうち音響信号ｘ(t)から除去した場合に強度分布の非正規性が大きく上昇する帯域成分Ｘ[k,m]は音源分離に寄与し、音響信号ｘ(t)から除去しても強度分布の非正規性がそれほど上昇しない帯域成分Ｘ[k,m]は音源分離に寄与しないと評価できる。そこで、第１実施形態では、帯域成分Ｘ[k,m]を除去した場合に強度分布の非正規性が変化（上昇）する度合に応じて音響成分ｘA(t)と音響成分ｘBとを区別する。
【００２６】
前述のように音響成分ｘA(t)は歌唱音や発話音等の音声であり、音響成分ｘB(t)は複数種の楽音の混合音である。音響成分の混合で強度分布の非正規性は低下するから（中心極限定理）、音響成分ｘA(t)の強度分布の非正規性は音響成分ｘB(t)の強度分布の非正規性を上回る。非正規性が高い音響成分ｘA(t)が帯域成分Ｘ[k,m]にて優勢である場合、帯域成分Ｘ[k,m]を音響信号ｘ(t)から除去することで強度分布の非正規性は大きく上昇する（すなわち音源分離に大きく寄与する）。他方、非正規性が低い音響成分ｘB(t)が帯域成分Ｘ[k,m]にて優性である場合、帯域成分Ｘ[k,m]を音響信号ｘ(t)から除去しても強度分布の非正規性はそれほど上昇しない（すなわち音源分離にそれほど寄与しない）。
【００２７】
以上の傾向を考慮して、第１実施形態の数値列生成部３４は、音響信号ｘ(t)から除去した場合に強度分布の非正規性が大きく上昇する帯域成分Ｘ[k,m]を音響成分ｘA(t)と推定して要素値ｇ[k,m]を数値γ1（帯域成分Ｘ[k,m]を通過させる数値）に設定し、音響信号ｘ(t)から除去した場合に非正規性がそれほど上昇しない帯域成分Ｘ[k,m]を音響成分ｘB(t)と推定して要素値ｇ[k,m]を数値γ0（帯域成分Ｘ[k,m]を抑圧させる数値）に設定する。
【００２８】
図１に示すように、数値列生成部３４は、変化度算定部４２と要素値設定部４４とを含んで構成される。変化度算定部４２は、相異なる帯域成分Ｘ[k,m]に対応するＫ個の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に順次に生成する。非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合に強度分布の非正規性が上昇する度合（帯域成分Ｘ[k,m]が音源分離に寄与する度合）の尺度である。すなわち、非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)のＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]にわたる強度分布の非正規性と、音響信号ｘ(t)から１個の帯域成分Ｘ[k,m]を除去した場合の強度分布（(K-1)個の帯域成分Ｘの強度分布）の非正規性との相違に相当する。
【００２９】
第１実施形態では、強度分布の非正規性の尺度として尖度（カートシス）を利用する。音響信号ｘ(t)のＫ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]の強度分布の尖度κは、強度分布の２次モーメントμ2および４次モーメントμ4を含む以下の数式(3)で表現される。
【数３】
【００３０】
Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]の強度分布のｎ次モーメントμnは以下の数式(4)で定義される。
【数４】
数式(4)の記号ｚ[i]（ｉ＝１〜Ｋ）は帯域成分Ｘ[i,m]の強度（信号値）を意味する。第１実施形態では帯域成分Ｘ[i,m]のパワー|Ｘ[i,m]|2を強度ｚ[i]として例示するが、例えば帯域成分Ｘ[k,m]の振幅|Ｘ[k,m]|や振幅|Ｘ[k,m]|の任意乗を強度ｚ[k]とすることも可能である。また、数式(4)の記号μは強度ｚ[1]〜ｚ[K]の平均を意味する。
【００３１】
４次モーメントμ4に関する数式(5A)と２次モーメントμ2に関する数式(5B)とが数式(4)から導出される。
【数５】
【００３２】
他方、音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合の強度分布（(K-1)個の帯域成分Ｘの強度分布）のｎ次モーメントμn[k]は以下の数式(6)で表現される。
【数６】
【００３３】
数式(6)に数式(5A)を適用することで、帯域成分Ｘ[k,m]の除去後の４次モーメントμ4[k]を表現する数式(7A)が導出される。同様に、数式(6)に数式(5B)を適用することで、帯域成分Ｘ[k,m]の除去後の２次モーメントμ2[k]を表現する数式(7B)が導出される。
【数７】
【００３４】
したがって、帯域成分Ｘ[k,m]の除去後の尖度κ[k]は以下の数式(8)で表現される。
【数８】
【００３５】
数式(3)および数式(8)から、帯域成分Ｘ[k,m]の除去前の尖度κに対する除去後の尖度κ[k]の比（以下「尖度比」という）Ｒ[k]は以下の数式(9)で表現される。
【数９】
【００３６】
第１実施形態の変化度算定部４２は、数式(9)の尖度比Ｒ[k]を非正規性変化度Ｖ[k,m]として算定する。数式(9)から理解されるように、帯域成分Ｘ[k,m]の除去で強度分布の非正規性が上昇する（帯域成分Ｘ[k,m]の除去前の尖度κに対して除去後の尖度κ[k]が大きい）ほど非正規性変化度Ｖ[k,m]は大きい数値となる。すなわち、非正規性が高い音響成分ｘA(t)が帯域成分Ｘ[k,m]にて優勢であるほど非正規性変化度Ｖ[k,m]は大きい数値となる。図１の要素値設定部４４は、変化度算定部４２が算定した非正規性変化度Ｖ[k,m]に応じて処理係数列Ｇ[m]の各要素値ｇ[k,m]（ｇ[1,m]〜ｇ[K,m]）を単位期間毎に生成する。
【００３７】
図３は、数値列生成部３４の動作のフローチャートである。図３の処理は単位期間毎に実行される。数値列生成部３４は、Ｋ個の帯域成分Ｘ[1,m]〜Ｘ[K,m]から１個の帯域成分（以下「選択帯域成分」という）Ｘ[k,m]を選択する（ＳA11）。変化度算定部４２は、現在の単位期間に対応する各帯域成分Ｘ[k,m]の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行することで選択帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]（尖度比Ｒ[k]）を算定する（ＳA12）。
【００３８】
要素値設定部４４は、処理ＳA12で算定された非正規性変化度Ｖ[k,m]が所定の閾値Ｖthを上回るか否かを判定する（ＳA13）。閾値Ｖthは、音響成分ｘA(t)が優勢な帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]を下回り、かつ、音響成分ｘB(t)が優勢な帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]を上回るように、音響成分ｘA(t)および音響成分ｘB(t)に想定される音響特性（強度分布の非正規性）の傾向に応じて実験的または統計的に選定される。
【００３９】
非正規性が高い音響成分ｘA(t)が選択帯域成分Ｘ[k,m]にて優勢である場合には、処理ＳA13での判定の結果が肯定となる。処理ＳA13の結果が肯定である場合、要素値設定部４４は、処理係数列Ｇ[m]のうち現在の選択帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ1（γ1＝１）に設定する（ＳA14）。他方、非正規性が低い音響成分ｘB(t)が選択帯域成分Ｘ[k,m]にて優勢である場合には、処理ＳA13での判定の結果が否定となる。処理ＳA13の結果が否定である場合、要素値設定部４４は、処理係数列Ｇ[m]のうち現在の選択帯域成分Ｘ[k,m]に対応する要素値ｇ[k,m]を数値γ0（γ0＝０）に設定する（ＳA15）。
【００４０】
数値列生成部３４は、音響信号ｘ(t)のＫ個の帯域成分Ｘ[k,m]について要素値ｇ[k,m]を設定したか否かを判定する（ＳA16）。要素値ｇ[k,m]の未設定の帯域成分Ｘ[k,m]が残存する場合（ＳA16：NO）、数値列生成部３４は、現在の選択帯域成分Ｘ[k,m]とは異なる帯域成分Ｘ[k,m]を新たな選択帯域成分Ｘ[k,m]として選択（ＳA11）したうえで処理ＳA12から処理ＳA16を実行する。他方、Ｋ個の帯域成分Ｘ[k,m]について要素値ｇ[k,m]の設定が完了した場合（ＳA16：YES）、数値列生成部３４は図３の処理を終了する。
【００４１】
以上に説明した第１実施形態では、帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性の変化の度合（すなわち音源分離に寄与する度合）を示す非正規性変化度Ｖ[k,m]に応じて要素値ｇ[k,m]が可変に設定される。したがって、音響成分ｘA(t)および音響成分ｘB(t)の定常性の有無に関わらず、音響成分ｘA(t)を音響成分ｘB(t)に対して高精度に強調することが可能である。
【００４２】
ところで、例えば特開２００２−７８１００号公報（以下「特許文献１」という）には、ステレオ信号の左右チャネル間の振幅や位相の類似度が高い帯域成分（すなわち正面方向の定位成分）を選択的に強調または抑圧する技術が開示されている。しかし、特許文献１の技術のもとではステレオ信号が必要であるという制約がある。第１実施形態では、以上の例示の通り、音響信号ｘ(t)がモノラル信号でも音響成分ｘA(t)と音響成分ｘB(t)とを適切に分離できるという利点がある。
【００４３】
＜Ｂ：第２実施形態＞
本発明の第２実施形態を以下に説明する。なお、以下に例示する各態様において作用や機能が第１実施形態と同等である要素については、以上の説明で参照した符号を流用して各々の詳細な説明を適宜に省略する。
【００４４】
図４は、第２実施形態の音響処理装置１００のブロック図である。図４に示すように、信号供給装置１２から音響処理装置１００に供給される音響信号ｘ(t)は、再生音の音像が所定の方向（以下の例示では正面方向）に定位するように収音または加工されたステレオ信号であり、左チャネルの音響信号ｘL(t)と右チャネルの音響信号ｘR(t)とで構成される。音響処理装置１００は、音響信号ｙL(t)および音響信号ｙR(t)で構成されるステレオ形式の音響信号ｙ(t)を音響信号ｘ(t)から生成する。
【００４５】
周波数解析部３２は、音響信号ｘL(t)のＫ個の帯域成分ＸL[k,m]と音響信号ｘR(t)のＫ個の帯域成分ＸR[k,m]とを単位期間毎に生成する。数値列生成部３４は、音響信号ｘL(t)と音響信号ｘR(t)とに応じた処理係数列Ｇ[m]（要素値ｇ[k,m]の系列）を単位期間毎に生成する。具体的には、変化度算定部４２は、各帯域成分ＸL[k,m]のＫ個の強度ｚ[1]〜ｚ[K]と各帯域成分ＸR[k,m]のＫ個の強度ｚ[1]〜ｚ[K]とを含む２Ｋ個の強度ｚについて数式(9)（ただしＫは２Ｋに置換される）の演算を実行することで、各帯域Ｗ[k]の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に順次に生成する。要素値設定部４４が各非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を生成する方法は第１実施形態と同様である。
【００４６】
信号処理部３６は、帯域成分ＸL[k,m]に要素値ｇ[k,m]を作用させて帯域成分ＹL[k,m]を生成し（ＹL[k,m]＝ｇ[k,m]×ＸL[k,m]）、帯域成分ＸR[k,m]に要素値ｇ[k,m]を作用させて帯域成分ＹR[k,m]を生成する（ＹR[k,m]＝ｇ[k,m]×ＸR[k,m]）。波形合成部３８は、各帯域成分ＹL[k,m]から音響信号ｙL(t)を生成し、各帯域成分ＹR[k,m]から音響信号ｙR(t)を生成する。
【００４７】
第２実施形態でも第１実施形態と同様の効果が実現される。なお、例えばHE-AAC(High-Efficiency Advanced Audio Coding)等の符号化技術で生成されたステレオ信号では、左右チャネル間の差異が符号化の過程で低減される（音響成分の多くがモノラル化する）という傾向がある。したがって、左右チャネル間の類似度を利用する前掲の特許文献１の技術では、例えば、本来的には左右方向に定位すべき音響成分（左右チャネル間で相違する成分）が左右チャネル間で類似すると判断され、結果的に正面方向以外から到来する音響成分まで強調または抑圧される可能性がある。他方、第２実施形態では左右チャネル間の類似度を前提としないから、例えば前述の符号化に起因して左右チャネル間の差異が低減された場合でも、音響成分ｘA(t)と音響成分ｘB(t)とを高精度に分離できる（例えば音響成分ｘA(t)を選択的に強調できる）という利点がある。
【００４８】
＜Ｃ：第３実施形態＞
本発明の第３実施形態を説明する。第３実施形態では、第２実施形態の数値列生成部３４が図５の数値列生成部３４Aに置換される。図５に示すように、数値列生成部３４Aは、変化度算定部４２と要素値設定部４４と類否指標算定部４６とを含んで構成される。変化度算定部４２は、第２実施形態と同様に、音響信号ｘL(t)と音響信号ｘR(t)とに応じた各帯域Ｗ[k]の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を単位期間毎に生成する。
【００４９】
類否指標算定部４６は、音響信号ｘL(t)と音響信号ｘR(t)との間（左右チャネル間）で帯域Ｗ[k]が相互に共通する帯域成分ＸL[k,m]と帯域成分ＸR[k,m]との類否を示す類否指標λ[k,m]（λ[1,m]〜λ[K,m]）を単位期間毎に算定する。類否指標λ[k,m]は、例えば帯域成分ＸL[k,m]と帯域成分ＸR[k,m]とで振幅や位相が類似（または相違）する度合の指標値である。具体的には、類否指標λ[k,m]は、帯域成分ＸL[k,m]と帯域成分ＸR[k,m]とが類似するほど大きい数値となるように０以上かつ１以下の範囲内で可変に設定される。
【００５０】
第３実施形態の要素値設定部４４は、類否指標算定部４６が算定した類否指標λ[k,m]と変化度算定部４２が算定した非正規性変化度Ｖ[k,m]とに応じて要素値ｇ[k,m]を設定する。要素値設定部４４の具体的な動作を以下に詳述する。
【００５１】
要素値設定部４４は、非正規性変化度Ｖ[k,m]に応じた基礎値ａ[k,m]を設定する。基礎値ａ[k,m]は、第１実施形態の要素値ｇ[k,m]と同様に、非正規性変化度Ｖ[k,m]に応じて数値γ1または数値γ0に設定される。要素値設定部４４は、類否指標λ[k,m]と基礎値ａ[k,m]との加算値または平均値を要素値ｇ[k,m]として算定する（例えばｇ[k,m]＝{λ[k,m]＋ａ[k,m]}/２）。したがって、類否指標λ[k,m]および基礎値ａ[k,m]（非正規性変化度Ｖ[k,m]）の少なくとも一方が大きい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]は信号処理部３６による処理を通過し、類否指標λ[k,m]および基礎値ａ[k,m]の双方が小さい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]は抑圧される。
【００５２】
第３実施形態でも第１実施形態や第２実施形態と同様の効果が実現される。また、第３実施形態では、非正規性変化度Ｖ[k,m]に加えて左右チャネル間の類否指標λ[k,m]が要素値ｇ[k,m]の設定に適用されるから、音響信号ｘ(t)における所望の音響成分を適切に分離できるという利点がある。
【００５３】
例えば、非正規性変化度Ｖ[k,m]のみに応じて要素値ｇ[k,m]を算定する第１実施形態の構成では、音響成分ｘA(t)を含む帯域成分Ｘ[k,m]でも、非正規性変化度Ｖ[k,m]が何らかの原因（例えば帯域成分Ｘ[k,m]に音響成分ｘA(t)および音響成分ｘB(t)の双方を含むこと）で低い場合には信号処理部３６による抑圧の対象となる可能性がある。他方、類否指標λ[k,m]と基礎値ａ[k,m]との加算値または平均値を要素値ｇ[k,m]とする第３実施形態では、帯域Ｗ[k]の非正規性変化度Ｖ[k,m]が小さい場合でも、左右チャネル間の類否指標λ[k,m]が大きい帯域Ｗ[k]（すなわち正面方向の定位成分を含む帯域Ｗ[k]）については要素値ｇ[k,m]が数値γ1に近い数値に設定される。したがって、音響成分ｘA(t)が正面方向に定位する場合には、非正規性変化度Ｖ[k,m]が低い場合でも、音響成分ｘA(t)を維持することが可能である。
【００５４】
なお、非正規性変化度Ｖ[k,m]と類否指標λ[k,m]とに応じて要素値ｇ[k,m]を設定する方法は適宜に変更される。例えば、非正規性変化度Ｖ[k,m]に応じた基礎値ａ[k,m]と類否指標λ[k,m]との乗算値を要素値ｇ[k,m]として算定する構成では（ｇ[k,m]＝ａ[k,m]×λ[k,m]）、類否指標λ[k,m]および非正規性変化度Ｖ[k,m]の双方が大きい帯域Ｗ[k]の帯域成分ＸL[k,m]および帯域成分ＸR[k,m]（すなわち、正面方向の定位成分のうち特に音源分離に寄与する成分）を選択的に強調することが可能である。以上の例示から理解されるように、非正規性変化度Ｖ[k,m]と類否指標λ[k,m]とに応じて要素値ｇ[k,m]を設定する方法は、音響処理装置１００に要求される音源分離の精度等に応じて適宜に選定される。
【００５５】
＜Ｄ：第４実施形態＞
本発明の第４実施形態を説明する。第４実施形態では、第２実施形態の数値列生成部３４が図６の数値列生成部３４Bに置換される。図６に示すように、数値列生成部３４Bは、変化度算定部４２と要素値設定部４４と類否指標算定部４６と帯域選択部４８とを含んで構成される。
【００５６】
類否指標算定部４６は、第３実施形態と同様に、各帯域成分ＸL[k,m]と各帯域成分ＸR[k,m]との類否を示す類否指標λ[k,m]（λ[1,m]〜λ[K,m]）を単位期間毎に算定する。帯域選択部４８は、類否指標算定部４６が算定した各類否指標λ[k,m]に応じて帯域Ｗ[k]を選択する。例えば、帯域選択部４８は、Ｋ個の帯域Ｗ[1]〜Ｗ[K]のうち類否指標λ[k,m]が所定値を上回る１個以上の帯域Ｗ[k]（正面方向の定位成分を含む帯域Ｗ[k]）を単位期間毎に選択する。
【００５７】
変化度算定部４２は、帯域選択部４８が選択した帯域Ｗ[k]について非正規性変化度Ｖ[k,m]を算定し、非選択の帯域Ｗ[k]については非正規性変化度Ｖ[k,m]の算定を省略する。要素値設定部４４は、帯域選択部４８が選択した帯域Ｗ[k]について非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定し、非選択の帯域Ｗ[k]の要素値ｇ[k,m]を所定値（例えば数値γ1および数値γ0の何れか）に設定する。
【００５８】
第４実施形態では、類否指標λ[k,m]に応じて選択された帯域Ｗ[k]（すなわち所定方向の定位成分を含む帯域Ｗ[k]）について選択的に非正規性変化度Ｖ[k,m]の算定と非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]の設定とが実行される。したがって、所定方向の定位成分のうち特に音源分離に寄与する音響成分ｘA(t)を適切に強調できるという利点に加え、Ｋ個の帯域Ｗ[1]〜Ｗ[K]の全部について非正規性変化度Ｖ[k,m]を算定する構成と比較して数値列生成部３４Bの処理負荷が軽減されるという利点がある。
【００５９】
＜Ｅ：第５実施形態＞
本発明の第５実施形態を説明する。第５実施形態では、第１実施形態の数値列生成部３４が図７の数値列生成部３４Cに置換される。図７に示すように、数値列生成部３４Cは、変化度算定部４２と要素値設定部４４と閾値設定部５２とを含んで構成される。
【００６０】
閾値設定部５２は、周波数軸上の複数（Ｆ個）の処理帯域Ｂ[1]〜Ｂ[F]の各々について閾値Ｖth[f]（ｆ＝１〜Ｆ）を設定する。各処理帯域Ｂ[f]の帯域幅は、１個以上の帯域Ｗ[k]を含むように処理帯域Ｂ[f]毎に個別に設定される。したがって、各処理帯域Ｂ[f]に包含される帯域成分Ｘ[k,m]の個数Ｋ[f]は処理帯域Ｂ[f]毎に相違し得る（Ｋ[1]＋Ｋ[2]＋……＋Ｋ[F]＝Ｋ）。具体的には、利用者からの指示（例えば入力装置に対する操作）に応じて処理帯域Ｂ[f]毎の帯域幅が可変に設定される。閾値設定部５２が処理帯域Ｂ[f]毎に閾値Ｖth[f]を設定する方法は任意であるが、例えば、記憶装置２４に事前に格納された各閾値Ｖth[f]を閾値設定部５２が読出す構成や、利用者からの指示（例えば入力装置に対する操作）に応じて閾値設定部５２が各閾値Ｖth[f]を可変に設定する構成が採用され得る。
【００６１】
変化度算定部４２は、Ｆ個の処理帯域Ｂ[1]〜Ｂ[F]の各々について帯域成分Ｘ[k,m]毎に非正規性変化度Ｖ[k,m]を算定する。すなわち、１個の処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]は、音響信号ｘ(t)のうち処理帯域Ｂ[f]内の音響成分（Ｋ[f]個の帯域成分Ｘ[k,m]）の強度分布の非正規性と、処理帯域Ｂ[f]から帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違に相当する。
【００６２】
要素値設定部４４は、閾値設定部５２が各処理帯域Ｂ[f]について設定した閾値Ｖth[k]と変化度算定部４２が算定した非正規性変化度Ｖ[k,m]との比較の結果に応じて、その処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の要素値ｇ[k,m]を設定する（ＳA13〜ＳA15）。具体的には、処理帯域Ｂ[f]内の帯域成分Ｘ[k,m]の要素値ｇ[k,m]は、非正規性変化度Ｖ[k,m]がその処理帯域Ｂ[f]の閾値Ｖth[f]を上回る場合に数値γ1に設定され（ＳA14）、非正規性変化度Ｖ[k,m]が閾値Ｖth[f]を下回る場合には数値γ0に設定される（ＳA15）。
【００６３】
第５実施形態では、音響信号ｘ(t)（Ｋ個の帯域成分Ｘ[k,m]）がＦ個の処理帯域Ｂ[f]に区分され、処理帯域Ｂ[f]毎の閾値Ｖth[f]を利用して各帯域成分Ｘ[k,m]の要素値ｇ[k,m]が設定される。したがって、例えば目標の音響成分ｘA(t)が存在する可能性が高い処理帯域Ｂ[f]ほど狭い帯域幅に設定したり閾値Ｖth[f]を処理帯域Ｂ[f]毎に適切な数値に設定したりすることで、音響成分ｘA(t)を高精度に抽出できるという利点がある。なお、以上の説明では、第１実施形態に閾値設定部５２を追加した構成を例示したが、音響信号ｘ(t)がステレオ信号である第２実施形態から第４実施形態にも同様の閾値設定部５２が追加され得る。
【００６４】
＜Ｆ：変形例＞
以上に例示した各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された２以上の態様は、相互に矛盾しない範囲で適宜に併合され得る。
【００６５】
（１）変形例１
前述の各形態では、１個の単位期間毎に非正規性変化度Ｖ[k,m]を算定したが、複数（Ｍ個）の単位期間にわたる(Ｍ×Ｋ)個の帯域成分Ｘ[k,m]から非正規性変化度Ｖ[k,m]を算定することも可能である。すなわち、非正規性変化度Ｖ[k,m]は、（Ｍ×Ｋ）個の帯域成分Ｘ[k,m]の強度分布の非正規性と、(Ｍ×Ｋ)個から特定の帯域成分Ｘ[k,m]を除去した場合の強度分布の非正規性との相違を示す指標として各帯域Ｗ[k]について単位期間毎に算定される。
【００６６】
また、前述の各形態では、単位期間毎に処理係数列Ｇ[m]を生成したが、処理係数列Ｇ[m]の生成の周期は適宜に変更される。例えば、相前後する所定個の単位期間の時間程度では音響信号ｘ(t)の特性が変化しない場合、単位期間の複数個を周期として処理係数列Ｇ[m]を算定する構成（１周期内の各単位期間の帯域成分Ｘ[k,m]には共通の処理係数列Ｇ[m]を適用する構成）が採用され得る。
【００６７】
（２）変形例２
前述の各形態では、非正規性が高い音響成分ｘA(t)を強調するとともに非正規性が低い音響成分ｘB(t)を抑圧したが、音響成分ｘA(t)を抑圧するとともに音響成分ｘB(t)を強調する構成も実現される。具体的には、図３の処理ＳA13の判定において、選択帯域成分Ｘ[k,m]の非正規性変化度Ｖ[k,m]が閾値Ｖthを上回る場合（選択帯域成分Ｘ[k,m]にて音響成分ｘA(t)が優勢である場合）に要素値ｇ[k,m]を数値γ0に設定し、非正規性変化度Ｖ[k,m]が閾値Ｖthを下回る場合（選択帯域成分Ｘ[k,m]にて音響成分ｘB(t)が優勢である場合）に要素値ｇ[k,m]を数値γ1に設定すれば、音響成分ｘA(t)の抑圧と音響成分ｘB(t)の強調とが実現される。
【００６８】
また、前述の各形態では、音響成分ｘA(t)を音声として音響成分ｘB(t)を楽音としたが、音響成分ｘA(t)および音響成分ｘB(t)の種類は任意である。例えば、強度分布の非正規性が高い音声や楽音を音響成分ｘA(t)とし、強度分布の非正規性が低い定常的な雑音（例えば空調設備の動作音や人混み内での雑踏音）を音響成分ｘB(t)とした構成も採用され得る。以上の例示から理解されるように、音響成分ｘA(t)および音響成分ｘB(t)は、強度分布の非正規性が相違する成分（すなわち、帯域成分Ｘ[k]を除去した場合に強度分布の非正規性を変化させる度合が相違する成分）として包括される。
【００６９】
（３）変形例３
音響信号ｘ(t)の強度分布の非正規性の指標となる統計量は尖度κに限定されない。例えば、以下の数式(10)で定義されるネゲントロピーＪを強度分布の非正規性の指標として利用することが可能である。
【数１０】
数式(10)の記号Ｓ(ｐ(z[k]))は、音響信号ｘ(t)のエントロピーを意味し、記号Ｓ(ψ(z[k]))は、音響信号ｘ(t)の強度分布ｐ(z[k])と分散および平均が共通する正規分布のエントロピーを意味する。数式(10)から理解されるように、強度分布の非正規性が高いほどネゲントロピーＪは大きい数値となる。なお、ネゲントロピーＪを近似的に算定する方法は、例えばR. Prasad, H. Saruwatari, and K. Shikano, "Approximating negentropy of time-frequency series of speech for fixed poont ICA by negentropy maximization", International Workshop on Acoustic Echo and Noise Control, p.225-228, 2005に開示されている。
【００７０】
また、以下の数式(11)で定義されるキュムラントｃｕｍn(z[k])を利用することも可能である。数式(11)から理解されるように、キュムラントｃｕｍn(z[k])は、キュムラント母関数Ｋz[k](θ)をｎ回微分して補助変数θを０とした統計量である。
【数１１】
【００７１】
なお、数式(11)のキュムラント母関数Ｋz[k](θ)はモーメント母関数の対数であることを考慮すると、キュムラントｃｕｍn(z[k])を利用して尖度κを定義することも可能である。例えば中心化モーメントを使用して定義される尖度κは以下の数式(12)で表現され、中心化モーメントを使用せずに定義される尖度κは以下の数式(13)で表現される。なお、数式(12)および数式(13)では強度ｚ[k]を記号ｚで簡略化した。
【数１２】
【００７２】
帯域成分Ｘ[k,m]の振幅|Ｘ[k,m]|を強度ｚ[k]とした場合、実際には、数式(11)のキュムラントｃｕｍn(z[k])と正規分布のキュムラントとの差分が強度分布の非正規性の指標として利用される。なお、時間領域にて正規分布の３次以降のキュムラントは０であるから、３次以降のキュムラントｃｕｍn(z[k])を強度分布の非正規性の指標とすることも可能である。また、帯域成分Ｘ[k,m]のパワー|Ｘ[k,m]|2を強度ｚ[k]とした場合、数式(11)のキュムラントｃｕｍn(z[k])と正規分布に対応するカイ２乗分布のキュムラントとの差分が強度分布の非正規性の指標として利用される。なお、高次のキュムラントｃｕｍn(z[k])まで演算するのは現実的ではなく、音源分離の通常の精度を実現するには４次程度のキュムラントｃｕｍn(z[k])で充分である。したがって、実際には尖度κを演算することと殆ど等価となる。
【００７３】
以上に例示した尖度κ，ネゲントロピーＪおよびキュムラントｃｕｍn(z[k])以外にも、ＫＬ（Kullback-Leibler）情報量や相互情報量等の公知の統計量を、音響信号ｘ(t)の強度分布の非正規性の指標として利用することが可能である。
【００７４】
また、以上の各形態では、帯域成分Ｘ[k,m]の除去の前後にわたる尖度比Ｒ[k]を非正規性変化度Ｖ[k,m]として例示したが、非正規性変化度Ｖ[k,m]の形式は任意である。例えば、帯域成分Ｘ[k,m]の除去の前後にわたる強度分布の非正規性の指標の差分（例えば尖度κ[k]と尖度κとの差分）を非正規性変化度Ｖ[k,m]として算定することも可能である。以上の例示から理解されるように、非正規性変化度Ｖ[k,m]は、強度分布の非正規性の指標として例示した各種の統計量が帯域成分Ｘ[k,m]の除去の前後で変化する程度を示す数値として包括される。
【００７５】
（４）変形例４
以上の各形態では、帯域成分Ｘ[k,m]の実際の強度分布（強度ｚ[k]の数値分布）から非正規性変化度Ｖ[k,m]を算定したが、実際の強度ｚ[k]のみを使用した構成では、強度ｚ[k]の数値が過度に変動して音源分離の精度が低下するという問題や、尖度κ等の高次統計量を算定する場合に外れ値に脆弱であるという問題がある。そこで、帯域成分Ｘ[k,m]の強度分布を各種の確率分布で近似して非正規性変化度Ｖ[k,m]を算定する構成が好適である。
【００７６】
具体的には、帯域成分Ｘ[k,m]の強度分布（ｚ[k]＝|Ｘ[k,m]|2）は、例えば以下の数式(14)の確率密度関数Ｐ(x;α,θ)で定義されるガンマ分布として近似される。
【数１３】
数式(14)の記号Γ()はガンマ関数である。記号αは形状母数を意味し、記号θは尺度母数を意味する。数式(14)のガンマ分布の尖度κは以下の数式(15)で表現される。数式(15)の形状母数αは数式(15A)で表現され、数式(15A)の変数γは数式(15B)で表現される。
【数１４】
【００７７】
音響信号ｘ(t)から帯域成分Ｘ[k,m]を除去した場合の変数γは以下の数式(15C)で表現される。
【数１５】
数式(15B)の変数γで算定される形状母数αを数式(15)に適用した尖度κと、数式(15C)の変数γで算定される形状母数αを数式(15)に適用した尖度κ[k]との相違に応じて非正規性変化度Ｖ[k,m]が算定される。以上の例示のように帯域成分Ｘ[k,m]の強度分布を所定の確率分布で近似する構成によれば、例えば強度ｚ[k]が過度に変動する場合や外れ値を含む場合でも、尖度κや非正規性変化度Ｖ[k,m]を安定的に算定できるという利点がある。
【００７８】
（５）変形例５
要素値ｇ[k,m]の数値は任意である。例えば、数値γ0を０を上回る数値に設定し、数値γ1を１未満の数値や１以上の数値に設定した構成も採用され得る。また、要素値ｇ[k,m]を２値的に設定する構成は本発明において必須ではない。例えば、要素値ｇ[k,m]を０以上かつ１以下の範囲内で非正規性変化度Ｖ[k,m]に応じて多値的（３値以上）に設定することも可能である。すなわち、以上の各形態の要素値設定部４４は、非正規性変化度Ｖ[k,m]に応じた要素値ｇ[k,m]を設定する要素として包括され、要素値ｇ[k,m]の設定方法（非正規性変化度Ｖ[k,m]との関係）や要素値ｇ[k,m]の数値範囲は任意に選定される。
【００７９】
（６）変形例６
第２実施形態から第４実施形態では、音響信号ｘL(t)のＫ個の強度ｚ[1]〜ｚ[K]と音響信号ｘR(t)のＫ個の強度ｚ[1]〜ｚ[K]とを含む２Ｋ個の強度について数式(9)の演算を実行することでＫ個の非正規性変化度Ｖ[k,m]（Ｖ[1,m]〜Ｖ[K,m]）を算定したが、ステレオ形式の音響信号ｘ(t)に応じた非正規性変化度Ｖ[k,m]を算定する方法は適宜に変更される。例えば、音響信号ｘL(t)と音響信号ｘR(t)とを加算した信号のＫ個の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行してＫ個の非正規性変化度Ｖ[k,m]を算定する構成や、音響信号ｘL(t)および音響信号ｘR(t)の一方の強度ｚ[1]〜ｚ[K]について数式(9)の演算を実行してＫ個の非正規性変化度Ｖ[k,m]を算定する構成も採用され得る。
【００８０】
また、第２実施形態から第４実施形態では、左右チャネルで共通の要素値ｇ[k,m]を算定したが、左右チャネルで個別に要素値ｇ[k,m]（ｇL[k,m]，ｇR[k,m]）を算定する構成も採用され得る。すなわち、周波数解析部３２と数値列生成部３４と信号処理部３６と波形合成部３８とによる処理が音響信号ｘL(t)および音響信号ｘR(t)について並列に実行される。例えば、変化度算定部４２は、音響信号ｘL(t)の各非正規性変化度ＶL[k,m]と音響信号ｘR(t)の各非正規性変化度ＶR[k,m]とを単位期間毎に個別に算定し、要素値設定部４４は、各非正規性変化度ＶL[k,m]に応じた要素値ｇL[k,m]と各非正規性変化度ＶR[k,m]に応じた要素値ｇR[k,m]とを生成する。信号処理部３６は、帯域成分ＸL[k,m]に要素値ｇL[k,m]を作用させて帯域成分ＹL[k,m]を生成し、帯域成分ＸR[k,m]に要素値ｇR[k,m]を作用させて帯域成分ＹR[k,m]を生成する。ただし、以上の構成では、左チャネルの要素値ｇL[k,m]と右チャネルの要素値ｇR[k,m]とが相異なる数値に設定されるから、左右チャネル間の音量のバランス（定位感）が音響処理装置１００による処理の前後で変化し得る。したがって、左右チャネル間の音量のバランスを維持する観点からは、前述の各形態での例示のように左右チャネルで共通の要素値ｇ[k,m]を算定する構成が好適である。
【００８１】
（７）変形例７
第２実施形態から第４実施形態では左右２チャネルの音響信号ｘ(t)を例示したが、音響信号ｘ(t)が３チャネル以上である場合にも第２実施形態から第４実施形態は適用される。例えば第３実施形態や第４実施形態の音響信号ｘ(t)をＮtチャネル（Ｎt≧３）で構成した場合（5.1チャネルであればＮt＝６）、Ｎtチャネルの全部を対象として類否指標λ[k,m]を算定する構成や、Ｎtチャネルから選択されたＮチャネル（Ｎ＜Ｎt）の間で類否指標λ[k,m]を算定する構成が採用され得る。
【符号の説明】
【００８２】
１００……音響処理装置、１２……信号供給装置、１４……放音装置、２２……演算処理装置、２４……記憶装置、３２……周波数解析部、３４，３４A，３４B，３４C……数値列生成部、３６……信号処理部、３８……波形合成部、４２……変化度算定部、４４……要素値設定部。
【特許請求の範囲】
【請求項１】
音響信号の強度分布の非正規性と前記音響信号から特定の帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定する変化度算定手段と、
前記非正規性変化度に応じて要素値を設定する要素値設定手段と、
前記帯域成分に前記要素値を作用させる信号処理手段と
を具備する音響処理装置。
【請求項２】
前記変化度算定手段は、前記音響信号の複数の帯域の各々について非正規性変化度を算定し、
前記要素値設定手段は、前記複数の帯域の各々について当該帯域の非正規性変化度に応じて要素値を設定し、
前記信号処理手段は、前記複数の帯域成分の各々に当該帯域の要素値を作用させる
請求項１の音響処理装置。
【請求項３】
前記音響信号を構成するステレオ形式の第１音響信号と第２音響信号との間で前記各帯域成分の類否を示す類否指標を算定する類否指標算定手段を具備し、
前記変化度算定手段は、前記音響信号の帯域毎に非正規性変化度を算定し、
前記要素値設定手段は、各帯域の非正規性変化度と当該帯域の類否指標とに応じた要素値を設定し、
前記信号処理手段は、前記第１音響信号および前記第２音響信号の各々の各帯域成分に前記当該帯域の要素値を作用させる
請求項２の音響処理装置。
【請求項４】
前記音響信号を構成するステレオ形式の第１音響信号と第２音響信号との間で前記各帯域成分の類否を示す類否指標を算定する類否指標算定手段と、
前記類否指標に応じて帯域を選択する帯域選択手段とを具備し、
前記変化度算定手段は、前記複数の帯域のうち前記帯域選択手段が選択した帯域について非正規性変化度を算定する
請求項２の音響処理装置。
【請求項５】
前記音響信号の複数の処理帯域の各々について閾値を設定する閾値設定手段を具備し、
前記変化度算定手段は、前記複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該処理帯域内の強度分布の非正規性と当該処理帯域から当該帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定し、
前記要素値設定手段は、前記複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該帯域成分の前記非正規性変化度と当該処理帯域について前記閾値設定手段が設定した閾値との比較の結果に応じて要素値を算定する
請求項２の音響処理装置。
【請求項１】
音響信号の強度分布の非正規性と前記音響信号から特定の帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定する変化度算定手段と、
前記非正規性変化度に応じて要素値を設定する要素値設定手段と、
前記帯域成分に前記要素値を作用させる信号処理手段と
を具備する音響処理装置。
【請求項２】
前記変化度算定手段は、前記音響信号の複数の帯域の各々について非正規性変化度を算定し、
前記要素値設定手段は、前記複数の帯域の各々について当該帯域の非正規性変化度に応じて要素値を設定し、
前記信号処理手段は、前記複数の帯域成分の各々に当該帯域の要素値を作用させる
請求項１の音響処理装置。
【請求項３】
前記音響信号を構成するステレオ形式の第１音響信号と第２音響信号との間で前記各帯域成分の類否を示す類否指標を算定する類否指標算定手段を具備し、
前記変化度算定手段は、前記音響信号の帯域毎に非正規性変化度を算定し、
前記要素値設定手段は、各帯域の非正規性変化度と当該帯域の類否指標とに応じた要素値を設定し、
前記信号処理手段は、前記第１音響信号および前記第２音響信号の各々の各帯域成分に前記当該帯域の要素値を作用させる
請求項２の音響処理装置。
【請求項４】
前記音響信号を構成するステレオ形式の第１音響信号と第２音響信号との間で前記各帯域成分の類否を示す類否指標を算定する類否指標算定手段と、
前記類否指標に応じて帯域を選択する帯域選択手段とを具備し、
前記変化度算定手段は、前記複数の帯域のうち前記帯域選択手段が選択した帯域について非正規性変化度を算定する
請求項２の音響処理装置。
【請求項５】
前記音響信号の複数の処理帯域の各々について閾値を設定する閾値設定手段を具備し、
前記変化度算定手段は、前記複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該処理帯域内の強度分布の非正規性と当該処理帯域から当該帯域成分を除去した場合の強度分布の非正規性との相違を示す非正規性変化度を算定し、
前記要素値設定手段は、前記複数の処理帯域の各々について、当該処理帯域内の帯域成分毎に、当該帯域成分の前記非正規性変化度と当該処理帯域について前記閾値設定手段が設定した閾値との比較の結果に応じて要素値を算定する
請求項２の音響処理装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２０１２−１６３６７６（Ｐ２０１２−１６３６７６Ａ）
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願番号】特願２０１１−２２６３３（Ｐ２０１１−２２６３３）
【出願日】平成２３年２月４日（２０１１．２．４）
【出願人】（０００００４０７５）ヤマハ株式会社 (5,930)
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願日】平成２３年２月４日（２０１１．２．４）
【出願人】（０００００４０７５）ヤマハ株式会社 (5,930)
[ Back to top ]