本発明の最良の形態を図面を用いて説明� ��る。

<第1の実施の形態>
[システム構成]
 図1を参照して、本発明の実施の形態に係る 音源表示システムXの構成について説明する� �
 本発明の実施の形態に係る音源表示システ� ��Xは、音響センサー200-1~200-nが、インターネ� ��トやイントラネット等であるネットワーク5 を介して、実際に音源表示を実行するサーバ ー100(特定音源除去装置)に接続されている。

 音響センサー200-1~200-nは、音圧信号を測定� �るマイクロホンアレイ、粒子速度信号を測� �する音響粒子速度センサー等、音圧乃至は� �子速度を測定する任意の音響センサー装置� �用いることができる。各音響センサーの位� �は、任意の(x,y,z)の三次元で示す座標が設け� ��れて、取得した音がどの音響センサー200-1~2 00-n由来か識別される。好ましくは、音響セ� �サー200-1~200-nは、PCT/JP2003/010851及びPCT/JP2008/05 0632に記載したバッフル上に複数のマイクロ� �ンを有するマイクロホンアレイから構成さ� �る音源識別測定装置により構成される。す� �わち、マイクロホン、マイクロホン延長コ� �ド、マイクロホン増幅器、A/D変換器、各種� �ンターフェイスを備えたデータ通信部等に� �り構成される。また、データ通信部には、LA Nインターフェイス等のネットワーク5への接� ��手段を備えている。
 また、マイクロホンを用いる場合には、無� ��向性又は指向性であってもよく、さらなる� ��別精度を追及するためにマイクロホンの出� ��信号に周波数帯域毎のフィルタ及び目的音� ��に特化したフィルタを用いることも可能で� ��る。周波数帯域特性フィルタは、マイクロ� ��ン以降の受信系に配置する。目的音源に特� ��したフィルタとは、例えば自動車のエンジ� ��騒音においてはエンジン回転数に同期した� ��数トラッキングフィルタや対象騒音の周波� ��特性に応じた任意周波数特性を持つフィル� ��があげられる。マイクロホンで収集したア� ��ログ信号の電気信号である音圧信号は、A/D� ��換装置でデジタル信号へ変換される。
 また、音響センサー200-1~200-nは、マイクロ� �ンで測定した音圧信号等をサンプリングし� �ほぼリアルタイムでこの信号の経時変化(時� ��列)のデータをLANインターフェイス等を用い て送信することができる。ここでは実際の音 圧波形を、例えば、16ビット、サンプリング� ��波数44.1kHzのCD並の音質等でデジタルサンプ� ��ングし、場合によっては原波形を完全に復� ��することができるロスレスコーデックで圧� ��して送信することができる。そして、この� ��ータは、上述のネットワーク5の形態に合わ せて送信する。

 ネットワーク5は、LAN、電灯線LAN、cLink、� ��線LAN、携帯電話又はPHS網、有線電話回線、� ��用の回線等、音声データの転送レートに応� ��た回線速度を持つものであればいかなるネ� ��トワークでも用いることができる。また、� ��ットワークの形態としても、IPネットワー� �やその他のスター状やリング状のネットワ� �ク等を用いることができる。さらに、フレ� �シブルディスク、各種フラッシュメモリカ� �ド、HDD(ハード・ディスク・ドライブ)等の記 憶媒体を介してデータをやり取りすることも できる。

 サーバー100は、PC/AT互換機を用いたPCサー バーや汎用機等であり、音響センサー200-1~200 -nから音響信号データを解析して、望みの方� ��に存在する単一もしくは複数の音響信号を� ��出して作成した仮想リファレンス信号を用� ��て、音源識別測定結果の中から特定の音源� ��影響のみを消去する機能を有するためのプ� ��グラムを実行している。

[制御構成]
 次に、図2を参照して、本発明の実施の形態 に係るサーバー100の制御構成について、より 詳しく説明する。
 サーバー100は、音響信号データの解析と演� ��を行うことができる構成部位であり、各音� ��センサー200-1~200-nで取得した音響信号デー� �を入力する入力部110(入力手段)、入力された データや音響信号の抽出データ、指向性デジ タルフィルタ処理のアルゴリズム、特定音源 除去結果等を記憶する記憶部120(記憶手段)、� ��定の方向から到来もしくは場所における音� ��信号を抽出する音響信号抽出部130(音響信号 抽出手段)、指向性デジタルフィルタ処理を� �って抽出された仮想リファレンス信号を作� �するための仮想リファレンス信号作成部140(� ��想リファレンス信号作成手段)、CPU(セント� �ル・プロセッシング・ユニット、中央処理� �置)やMPU(マイクロ・プロセッシング・ユニッ ト)等である制御部150(特定音源除去手段)、LCD ディスプレイ等の表示装置やプリンタやプロ ッタや波形出力機等である出力部160(出力手� �)とを主に備えている。
 なお、これらの音響信号を抽出するデータ� ��び仮想リファレンス信号の作成は、サーバ� ��100が、音響センサー200-1~200-nにより検出さ� �たデータを取得しても、別のセンサ等や情� �サイト等の情報を直接ネットワーク5から取� ��するようにしても、記憶媒体を介して直接� ��得するようにしてもよい。

 さらに具体的に説明すると、入力部110は、L ANインターフェイス等であり、また、キーボ� ��ドやポインティングデバイスや光学・磁気� ��キャナ等の入力手段も含む。これにより、� ��力部110は、音響センサー200-1~200-nからのデ� �タや、予め測定員が測定したデータ等を入� �することができる。さらに、入力されたセ� �サー200-1~200-nのデータについて、測定員が音 響信号データの種類等を入力するためのユー ザインターフェイスも備えていてもよい。
 記憶部120は、RAMやROMやフラッシュメモリやH DD等である。記憶部120は、音響センサー200-1~2 00-nから入力された音響信号データや、予め� �定員が測定した音響信号データ、ビームフ� �ーミング法や近距離ホログラフィ等の指向� �デジタルフィルタ処理で用いるアルゴリズ� �、特定音源除去結果等のプログラムや必要� �データ等を記憶しておくことができる。
 また、音響信号抽出部130と仮想リファレン� ��信号作成部140は、専用の演算用DSP(デジタル ・シグナル・プロセッサ)や物理演算専用演� �装置やGPU(Graphics Processing Unit)等のリアルタ� ��ムに演算可能な演算器を用いるのが好適で� ��る。なお、音響信号抽出部130と仮想リファ� ��ンス信号作成部140の機能を、制御部150の演� ��機能を用いて実現してもよい。
 制御部150は、実際に以下の特定音源除去処� ��を行う際の制御と演算を行う構成部位であ� ��。このために、記憶部120のROMやHDD等に記憶� ��ているプログラムに従って、A/D変換器で変� ��されたデジタル信号である音響信号データ� ��対して各種の制御と演算の処理を実行する� ��

[特定音源除去の概念]
 図3の特定音源除去結果の概念図に示すよう に、本発明では、除去したい音であるマスカ ーを判別して除去することによって、浮き出 る音であるマスキーを抽出する。マスカーは マスクする音であり、典型的には強い音圧レ ベルを示す主要な音源であるが解析を行う上 では除去したい音である。マスキーはマスク される音で典型的には主要な音源の影響に埋 もれているが騒音対策のターゲットとしたい 音を指す。横軸は方位角及び縦軸は仰角を示 す。
 図3上段は、マスカーを除去する前のマスカ ー及びマスキーを示したものである。マスカ ーはホワイトノイズ(+20dB)であり、マスキー� �ホワイトノイズであり、どちらも中心周波� �1kHzの1/1オクターブバンドである。図3下段は 、図3上段で示したマスカーを取り除いた後� �音源表示結果を示したものである。マスカ� �を取り除くことによって、隠れていたマス� �ーが浮き出てくることが分かる。

 本発明の特定音源除去方法の概念を図4の 2入力システムを用いて説明する。Xrはマスカ ーの入力信号、Xm/rはマスキーの入力信号、Xm はマイクロホンの出力信号、Lrmはマスカーか らマイクロホン出力までの伝達関数、Srrはマ スカーのオートスペクトラム、Srmはマスカー とマイクロホン出力のクロススペクトラムと 定義する。マイクロホン出力すなわちマイク ロホンが収録する音の信号は、伝達関数Lrmで 表される経路を通るマスカーの信号とマスキ ーの信号の和である。したがって、マスキー を抽出するには、マイクロホンの出力信号か ら伝達関数Lrmを通るマスカーの信号を差し引 いて求める。図4下段にマスキーの信号を求� �る式を示す。

[特定音源除去処理]
 特定音源除去処理は、リファレンス信号を� ��るためのマイクロホンを必要とせずに時間� ��域での仮想リファレンス信号を作成でき、� ��意の音響信号の強調や分離を可能にするこ� ��で、対象となる騒音現象を簡単かつ正確に� ��測・評価して、騒音低減するような対策を� ��果的かつ簡単に実施するための有効な手段� ��ある。しかし、この特定音源除去処理では� ��マスカーの到来方向もしくは場所を人手に� ��り指定しなければならなかった。そこで、� ��下の処理で仮想リファレンス信号の抽出を� ��手による除去処理を必要とせずに行うこと� ��考案した。
本発明の特定音源除去処理は、図5に示すよ� �に大きく音響信号測定工程S10、音源信号抽� �工程S11、特定音源除去工程S12、特定音源の� �去は全て終了したかを判定する工程S13から� �成される。

[音響信号測定工程]
 PCT/JP2003/010851及びPCT/JP2008/050632に記載した音 源識別測定装置及び実装するソフトウェアを 用いて行った音響信号測定工程S10を説明する 。
 本実施形態の説明では、音響信号測定工程S 10で用いるマイクロホンアレイは、1セットの みであり、マイクロホンを31個使用する場合� ��示す。なお、マイクロホンの数は、多けれ� ��多いほど音源識別結果の精度と安定性が向� ��するが、マイクロホンの数は音源識別を行� ��べき次元に応じた必要最低限以上の数であ� ��ば音源識別は可能である。マイクロホンア� ��イは、利用範囲及び手法、解析で取りうる� ��標系によって適宜変更される。なお、マイ� ��ロホンアレイの形状は、平面形状、二次元� ��状、三次元形状及び任意の形状でもよい。� ��なみに、平面形状は、もっとも広く利用さ� ��ており、近距離音響ホログラフィ及びビー� ��フォーミングに以前より広く採用されてい� ��。また、三次元形状は、球面形状及び円筒� ��状等が思い浮かぶが、これらのマイクロホ� ��アレイは球面座標系及び円筒座標系で見れ� ��一種の二次元形状マイクロホンアレイであ� ��。任意形状は、オブジェクトの形状に沿っ� ��設置するため、自由度が高い反面、マイク� ��ホンの位置を厳密に知る必要がある。以下� ��具体的に、制御部150等で行う各マイクロホ� ��により取り込まれた音響信号の特定音源除� ��処理の流れを示す。いずれにしても、近距� ��音響ホログラフィ及びビームフォーミング� ��アルゴリズムは、マイクロホンアレイの形� ��により適宜変更する必要がある。

[音源信号抽出工程]
 PCT/JP2003/010851及びPCT/JP2008/050632に記載した音 源識別測定装置及び実装するソフトウェアを 用いて行った音源信号抽出工程S11を説明する 。ただし、特定の方向から到来もしくは場所 における音響信号は一般にビームフォーミン グ、近距離音響ホログラフィ等の演算で抽出 することができるが、任意のアルゴリズム、 装置及び実装するソフトウェアを用いること ができることは言うまでもない。ここではPCT /JP2003/010851及びPCT/JP2008/050632に記載したビー� �フォーミングに基づくアルゴリズムを例に� �て説明する。
 実装するソフトウェアは、デジタル信号に� ��換された音圧信号を指向性デジタルフィル� ��を用いて、音源分離を行う指向性デジタル� ��ィルタ処理を行う。この処理を一般的にビ� ��ムフォーミングと呼ぶ。この指向性デジタ� ��フィルタはあらゆる方向に同時に存在する� ��源を分離するためのフィルタであって、マ� ��クロホンアレイの形状、サイズやマイクロ� ��ンの位置、周波数、分離方向といったパラ� ��ータに応じて定められ、音圧信号、電気信� ��、そしてA/D変換装置で変換されたデジタル� ��号に対して数値計算によって行われる。こ� ��ビームフォーミング演算は、演算可能なあ� ��ゆる方向に渡って指向性を変化させ、同時� ��複数の方向に音源があっても各音源信号を� ��出して分離する。

 具体的には、図6に示すように、音源信号 抽出工程S11では、時間範囲の決定(ステップS1 10)、時間周波数分析(ステップS120)、音源探査 (ステップS130)を備えている。以下で各ステッ プを詳細に説明する。

(ステップS110)
 まず、音響信号抽出部130は、時間範囲の決� ��を行う。音響信号抽出部130は、音の到来方� ��と強度解析を行うための時間範囲を決定す� ��。ここでは、音の到来方向と強度解析とを� ��う解析区間として、取得した音響信号デー� ��の時間波形の中で、目的音源からの音が含� ��れている時間範囲を抽出する。

(ステップS120)
 次に、音響信号抽出部130は、時間周波数分� ��を行う。音響信号抽出部130は、任意の音響� ��ンサー200-1~200-nから取得した音響信号デー� �の交流波形の時間周波数の分析を行う。測� �されている騒音が時間変化に乏しく定常的� �ある場合、時間周波数分析の結果の各時刻� �データを平均化してもよい。騒音が非定常� �ある場合は、当該音が含まれる時刻を時間� �波数分析の結果から特定する。

(ステップS130)
 次に、音響信号抽出部130は、音源探査を行� ��。音響信号抽出部130は、解析区間において� ��源識別測定装置による音源探査を実施し、� ��位時間毎の音の到来方向(複数)とその強度(� ��時刻の音に対する寄与度)を求める。ここで も騒音が定常的である場合には、平均化され たスペクトラムから音源の強度が求まる。

 上記のように、複数の音響センサー200-1~200- nにより取り込まれたそれぞれの音響信号の� �幅特性と、位相特性とを演算処理で求めた� �、それらの信号情報とバッフル周辺の音場� �析情報とを統合し、特定方向からの到来音� �強調する演算処理を全方位に渡って行い、� �源からの音の到来方向を演算処理により特� �することで、全方位に渡る音源からの音の� �来方向の特定と、音源の音の強さの推定と� �一度に行う。このような制御部150による演� �処理により、音源からの音の到来方向の解� �と音源の音の強さの推定とが行われると、� �の演算処理結果が音の強さ分布として出力� �160の表示装置にカラーで表示してもよい。� �7は、音源識別測定装置の球バッフルマイク� ��ホンに配設されている複数のマイクロホン� ��複数の受光素子とから得られた音圧レベル� ��画像とを合成したものである。表示装置に� ��り表示される音の強さをカラーで表示した� ��例である。また、図7中に示すXrは、除去対� ��とするマスカー信号の一例であり、ソフト� ��ェアを用いてXrを抽出している操作の一例� �ある。
 音源信号抽出工程S11で抽出した信号を仮想� ��ファレンス信号として、以下の特定音源除� ��工程S12で用いる。

[特定音源除去工程]
 図8に示した31入力システムにおける特定音� ��除去工程S12を示す概念図を用いて説明をす� ��。マスカーとマスキーが混じっている音を3 1本の音源識別測定装置のマイクロホンで収� �する。マイクロホンでは時間波形を収録し� �それらの周波数応答X1~X31を求めるために周� �数分析を行う。周波数分析は典型的にはFFT� �理である。次に、取り除きたいマスカーの� �波数応答Xrを求めるために、音源識別測定装 置では予めある方向に対する信号の強調機能 を用いてマスカーの抽出を行い、これを仮想 リファレンス信号とする。つまり、マスカー の信号が仮想リファレンス信号と等価と見な すのである。これによって、マスカーと各マ イクの間の伝達関数Lr1~Lr31を計算し、各マイ� ��の出力X1~X31からそれぞれに対応するマスカ� ��(Lr1Xr~Lr31Xr)を差し引いて、各マイクにおけ� �マスキー(X1/r~X31/r)を抽出する。この後、求� �たマスキーを指向性デジタルフィルタ処理� �解析し、最終的に分析結果を可視化して出� �する。

 具体的には、図9に示すように、特定音源 除去工程S12では、仮想リファレンス信号の作 成(ステップS170)、特定の音源を除去して出力 表示(ステップS180)を備えている。以下で各ス テップを詳細に説明する。

(ステップS170)
 仮想リファレンス信号作成部140は、仮想リ� ��ァレンス信号の作成を行う。仮想リファレ� ��ス信号作成部140は、上記音源信号抽出工程� ��抽出した音響信号である音源探査結果に対� ��て、指向性デジタルフィルタ処理をして仮� ��リファレンス信号を作成する。本実施の形� ��では、指向性デジタルフィルタ処理として� ��いるアルゴリズムは、ビームフォーミング� ��(Beam-Forming:BF)であり、マイクロホンアレイ� �BF用の1セットのみ必要である。また、近距� �音響ホログラフィ(Nearfield Acoustic Holography:NA H)を使ってマイクロホンアレイ近傍の音圧も� ��くは粒子速度を予測し、それを仮想リファ� ��ンスとして用いることも可能である。
BFは、音波伝搬のモデルに一種の近似が用い� ��れているため、音源からマイクロホンアレ� ��が波長に比べて離れた遠方場の解析で利用� ��れることが多い。音源の分解性能は、マイ� ��ロホンアレイのサイズ及び周波数に依存し� ��マイクロホンアレイが大きく、周波数が高� ��ほど分解能が高くなる。一方、NAHは数学的� ��厳密性が高く近似が少ないため、音源の近� ��場での解析で利用できる。NAHは波動方程式� ��ら比較的近似が少ない定式化が用いられて� ��り、指向性応答を計算するBFに比べ、マイ� �ロホンアレイ近傍の音圧及び粒子速度を推� �できることが大きな違いである。音源の分� �性能は周波数に依存せず、周波数が低くて� �高い分解能で分析できるが、一般的にBFでは 指向性応答が計算できる高周波域での計算は 難しい。

 このように本発明では物理的なリファレ� ��スセンサーを利用する代わりに、仮想リフ� ��レンス信号としてBFで得られた指向性音圧� �NAHで推定された音圧乃至は粒子速度を利用� �る。つまりこの場合、リファレンス信号を� �るためのマイクロホンは不要となる。この� �想リファレンス信号を使い、BFやNAHの計算を 再帰的に繰り返すこともできる。これらの信 号の影響を取り除いた結果を得るのが特定音 除去演算である。 

(ステップS180)
 次に、出力部160は、特定の音源を除去して� ��力表示を行う。出力部160は、取得した仮想� ��ファレンス信号を利用して、各々のリファ� ��ンス信号に相関の高い結果であるパーシャ� ��フィールドを計算ステップに従って繰り返� ��表示する。ここでは画面上の2次元座標に対 応したメッシュ状に区切った区分毎に出力を 行い、出力部160の表示装置に白黒やカラー等 のコンターで表示する。また、音響センサー と同様に設置したCCDやCMOS等の受光素子で撮� �した画像と合成して音源を可視化して表示� �てもよい。

 本発明の実施の形態1では、リファレンス 信号として、追加マイクロホンや振動ピック アップ等の物理的な追加のセンサーを利用す る代わりに、ビームフォーミングで得られた 指向性信号や近距離音響ホログラフィで予測 された音圧乃至は粒子速度を、仮想的なリフ ァレンス信号として利用する。このようにし て、リファレンス信号を得るためのマイクロ ホンアレイは不要となる。完全にリファレン ス信号を計測用のマイクロホンアレイのみで 得ることができるため、本発明では、対象機 器に様々な騒音発生要因が考えられる際、マ イクロホンや加速度ピックアップなどのリフ ァレンスセンサーを対象や問題の候補となる 機器の近傍に設置できないといった問題も解 決できる。したがって、2セットのマイクロ� �ンアレイを用いる手法における物理的な煩� �さの問題を解決する。

 また、従来の手法では算出が難しかった� ��時間領域でのリファレンス信号」を作成す� ��ことができるため、そのリファレンス信号� ��ビームフォーミングでの利用ばかりではな� ��、近距離音響ホログラフィ等その他の音源� ��査手法にも適用可能である。更には音源信� ��をエンジニアが聴くことができることによ� ��、解析対象の音源を確認することが出来る� ��も大きな特徴となっている。

 そして、得られたリファレンス信号を利� ��して、周波数や音の到来方向もしくは場所� ��に応じて複数の仮想リファレンス信号を作� ��し、それに対応したパーシャルフィールド� ��計算できる。また、逆にそのリファレンス� ��号の影響を含まない、もしくはリファレン� ��信号の影響を取り除いた音源除去フィール� ��(Eliminated Field)も計算できる。このようにし て得られたリファレンス信号が、他の音源に 比べて物理的に非常に大きなエネルギーを持 っていた場合、その影響するパーシャルフィ ールドを取り除くことは、マスクされている 他の小さな騒音現象が容易に発見できる事を 意味する。すなわち、十分なS/N比がなく検出 又は対策したい音の物理的エネルギーが他の 音に比べて極端に小さい場合、他の音に埋も れて分離が難しく、対象となる騒音現象を簡 単に計測・評価できないという問題も解消さ れる。また、音源除去を何回も行うことで、 エネルギーの大きい音源からその影響を取り 除くことができるため、マスクされていた第 2,第3、、、の音源を見出すことができること も特徴である。また、様々な現象が同時に収 録されている音から特定の成分を取り除くこ とで、埋もれていた他の音を実際に聴くこと ができ、故障診断等の情報として生かすこと ができる。

 このような仮想リファレンス信号を数学� ��な観点から見れば、マイクロホンアレイそ� ��ぞれの素子からの信号をフィルタリングし� ��結果の和となり、線形な演算であるため、� ��ファレンス信号はすべてのマイクロホンに� ��して一部相関がある信号になる。しかし、� ��も重要なのは、仮想リファレンス信号が特� ��の方向や場所に強い相関を持つ信号となる� ��である。

[特定音源の除去は全て終了したかの判定]
 特定音源の除去は全て終了したかを判定す� ��工程S13は、特定音源の除去は全て終了した� ��否かを判定する。全て終了した場合(YES)に� �以降の演算は行わない。全て終了していな� �場合(NO)には、音源信号抽出工程S11及び音源� ��号除去工程S12を再度行う。

[リファレンス信号の有無による特定音源除� �処理の相違]
 なお、リファレンス信号の有無で特定音源� ��去処理は異なってくる。
 リファレンス信号がない場合には、音場に� ��るすべての音源の影響を計算した結果であ� ��トータルフィールド(Total Field)を計算して� �示する。
 リファレンス信号がある場合には、リファ� ��ンス信号に相関のある(コヒーレントな)成� �だけを抜き出して解析を行う。これによっ� �、各々のリファレンス信号に相関の高い結� �のみを解析した結果であるパーシャルフィ� �ルド(Partial Field)を計算して表示が可能にな� ��。また、リファレンス信号に関連のない(イ ンコヒーレントな)成分を抜き出して解析し� �結果である音源除去フィールド(Eliminated Fiel d)を計算して表示が可能となる。このように� ��ると、弱い音源信号の強調も可能となる。

 BFやNAHでのリファレンス信号の利用として� �、定常的な音を対象とする場合、非定常な� �を対象とする場合の双方が考えられる。
 定常的な音を対象とする場合には、マイク� ��ホンアレイでの計測の必要はない。1chリフ� ��レンスセンサー及び計測用センサーで入力� ��を構成し、計測用センサーを対象物体の周� ��に移動させてその座標及び音圧をリファレ� ��スセンサーと同時サンプリングで計測でき� ��ばよい。また、リファレンスセンサーは、� ��該信号を忠実にピックアップできるセンサ� ��種類(マイクロホン、振動ピックアップ等)� �び設置場所であればよい。複数の要因から� �寄与が大きくなる場所でのセンサーの設置� �分離が難しくなるため、一般的に避けられ� �いる。この場合に得られるのは、リファレ� �スセンサーの信号に相関があるパーシャル� �ィールドのみである。この場合はポスト処� �で仮想リファレンス信号を抽出することは� �きるものの、本発明の特徴である時間領域� �仮想リファレンス信号は抽出できず、周波� �領域での処理に限定される。
 また、非定常な音を対象とする場合には、� ��イクロホンアレイ及びリファレンスセンサ� ��が必要であり、同時サンプリングがされる� ��リファレンスセンサーの設置に関しては、� ��常的な音の場合と同様であるが、リファレ� ��スセンサーを適切な位置に設置するのが難� ��いのは前述したとおりである。
 リファレンス信号を高温の物体の近傍に設� ��したい場合等、取付け場所に制約があって� ��ファレンス設置が難しい場合は、本発明で� ��したように特定音源除去処理のプロセスに� ��い、仮想リファレンス信号を作成すること� ��できる。

<第2の実施の形態>
 次に、図10を参照して、本発明の第2の実施� ��形態に係る音源表示システムのサーバー101� ��ついて説明する。
 サーバー101を用いた音源表示システムの構� ��は、図1に示した第1の実施の形態に係る音� �表示システムXと同様であり、サーバー101の� ��御構成のみが異なっている。 このサーバ� �101においては、音響信号のクロススペクト� �ム行列計算部170(音響信号のクロススペクト� ��ム行列計算手段)が追加されている点がサー バー100と異なっている。なお、この他の同じ 符号の構成要素については、サーバー100と同 様である。
 音響信号のクロススペクトラム行列計算部1 70は、音響信号のクロススペクトラム行列の� ��算を行うためのDSPやCPU等の演算器である。� ��た、上述の音響信号抽出部130と仮想リファ� ��ンス信号作成部140と同様に、制御部150の演� ��機能を用いて実現してもよい。

 本発明の第2の実施の形態に係るサーバー101 においては、この音響信号のクロススペクト ラム行列計算部170を用いて、マイクロホンア レイで計測された音響信号のクロススペクト ラム行列を計算する。続いてクロススペクト ラム行列のランク(階数)を推定する。この演� ��は、典型的には特異値分解を使って行われ� ��。このランクに関する情報から特定音除去� ��算回数の上限を決めることができる。これ� ��より最も妥当と考えられる音源が影響の大� ��い順番に示され、かつそれらの音源の影響� ��取り除いた結果を自動的に得ることができ� ��。なお自動的とは、ユーザーが目視により� ��意に仮想リファレンスを設置することなく� ��且つ任意の音源を除去する上限回数が収録� ��れた音響信号の状態に応じて自動的に設定� ��れることを意味する。
 なお、これらの追加する音響信号のクロス� ��ペクトラム行列計算のデータは、サーバー1 01が、音響センサー200-1~200-nにより検出され� �データを取得しても、別のセンサ等や情報� �イト等の情報を直接ネットワーク5から取得� ��るようにしても、記憶媒体を介して直接取� ��するようにしてもよい。

[自動化した特定音源除去処理]
 特定の場所ないしは方向に対応した仮想リ� ��ァレンス信号を抽出する場合には、その設� ��場所もしくは方向が問題となる。この設置� ��所はユーザーが任意に設定することができ� ��特定の単独の音源の影響のみが卓越する場� ��に設置することが望ましい。しかし、実際� ��ユーザーが誤った場所に仮想リファレンス� ��設置することは十分考えられる。誤った場� ��に仮想リファレンスが設置された場合には� ��仮想リファレンスと特定の音源信号間のコ� ��ーレンスが低下するため、抽出されたパー� ��ャルフィールドは、特定の音源の影響を代� ��するものではなくなってしまう。このよう� ��仮想リファレンスの設置は、個人の技量に� ��存し特定音源除去の再現性が担保されてい� ��かった。そこで、以下の処理で仮想リファ� ��ンス信号の抽出を人手による除去処理を必� ��とせずに行うことを考案した。

 本発明の自動化した特定音源除去処理は、� ��11に示すように大きく音響信号測定工程S20� �音源信号抽出工程S21、特定音源除去工程S22� �特定音源の除去は全て終了したかを判定す� �工程S23から構成される。
 具体的には、音響信号測定工程S20は、第1の 実施の形態で示した音響信号測定工程S10と同 様の処理を行う。
 また、図12に示すように、音源信号抽出工� �S21は、時間範囲の決定(ステップS210)、時間� �波数分析(ステップS220)、音源探査(ステップS 230)、及び暗騒音の音圧レベルを推定(ステッ� ��S261)を備える。
 また、図13に示すように、特定音源除去工� �S22は、仮想リファレンス信号の作成(ステッ� ��S270)、音響信号のクロススペクトラム行列� �算(ステップS271)、及び特定の音源を除去し� �出力表示(ステップS280)を備える。
 また、特定音源の除去は全て終了したかを� ��定する工程S23は、第1の実施の形態で示した 特定音源の除去は全て終了したかを判定する 工程S13と同様の処理を行う。

 また、図14に示すように、音響信号のク� �ススペクトラム行列計算(ステップS271)は、� �定の音源の影響を取り除いた後の残差エネ� �ギーを計算(ステップS2711)、残差が示す音源� ��報のうち寄与が最も大きい場所に再度リフ� ��レンスを設置(ステップS2712)、仮想リファレ ンスの位置及び方向のテーブルを作成(ステ� �プS2713)、音源の並び替え(ステップS2714)、残� ��エネルギーが暗騒音レベルよりも小さいか� ��判定(ステップS2715)、及び結果の取得(ステ� �プS2716)を備える。以下で各ステップを詳細� �説明する。

 ステップS210はステップS110と、ステップS2 20はステップS120と、ステップS230はステップS1 30と第1の実施の形態で示したように同様の処 理を行う。

(ステップS261)
 音響信号抽出部130は、暗騒音の音圧レベル� ��推定を行う。音響信号抽出部130は、マイク� ��ホンアレイでの測定時に、暗騒音の音圧レ� ��ルを推定する。これは、暗雑音に比べて極� ��に小さいエネルギーの音源は発見すること� ��一般的に困難であるためで、暗騒音の音圧� ��ベルは、繰り返し行う特定音除去回数の上� ��を設定するために用いる。また、一般的に� ��騒音は実際の測定の前後で確認のために測� ��することが多く、これを利用できる。

 ステップS270はステップS170と第1の実施の� ��態で示したように同様の処理を行う。

(ステップS271)
 音響信号のクロススペクトラム行列計算部1 70は、音響信号のクロススペクトラム行列計� ��を行う。音響信号のクロススペクトラム行� ��計算部170は、音響信号測定後に音源探査計� ��の前にマイクロホンアレイで計測された音� ��信号のクロススペクトラム行列を計算する� ��そして、クロススペクトラム行列のランク( 階数)を典型的には特異値分解を用いて推定� �る。クロススペクトラム行列のランクrと音� ��内にある無相関な音源の数Nとはr≦Nの関係� ��ある(Kompella et al. Mechanical Systems and Signal  Processing (1994) 8(4), 363-380)。したがって、� �り返し行った場合の特定音除去演算の上限� �数はr回以内とすることができる。

 ステップS280はステップS180と第1の実施の� ��態で示したように同様の処理を行う。

 図14で示すように、具体的には、音響信� �のクロススペクトラム行列計算(ステップS271 )では、さらに以下の手順に従って特定音除� �演算を行う。

(ステップS2711)
 音響信号のクロススペクトラム行列計算部1 70は、残差エネルギーの計算を行う。音響信� ��のクロススペクトラム行列計算部170は、全� ��ィールドの結果のうち、寄与が最も大きい� ��所(全体のピーク位置)に仮想リファレンス� �設置し、特定音除去演算を行なう。

(ステップS2712)
 音響信号のクロススペクトラム行列計算部1 70は、特定音除去演算を行った後の残差が示� ��音源情報のうち寄与が最も大きい場所に再� ��リファレンスの設置を行う。音響信号のク� ��ススペクトラム行列計算部170は、残差エネ� ��ギーの平均がステップS2711で計算された暗� �音レベルより大きく、かつ演算回数がr回以� ��の場合に限り、残差が示す音源情報のうち� ��与が最も大きい場所に再度仮想リファレン� ��を設置し、残差を計算する。

 (ステップS2713)
 音響信号のクロススペクトラム行列計算部1 70は、仮想リファレンスの位置及び方向のテ� ��ブルを作成する。音響信号のクロススペク� ��ラム行列計算部170は、ステップS2711及びス� �ップS2712で繰り返し抽出した仮想リファレン スの位置及び方向のテーブルを作成する。以 下テーブルの例(球面音源識別測定装置で測� �して、BFで解析した場合)を示す。

(ステップS2714)
 音響信号のクロススペクトラム行列計算部1 70は、音源の並び替えを行う。音響信号のク� ��ススペクトラム行列計算部170は、ステップS 2711からステップS2713の順番で作成した特定音 源除去の順序は、ピークの音圧レベルを示す 箇所に仮想リファレンスを設置するため、寄 与の大きい音源から順番に抽出しているかと いう観点から言うと必ずしも正しくない可能 性がある。最も測定結果に影響を与える主要 な音源は、抽出後(減算後)の残差のエネルギ� ��が最も小さくなるものである。従って、そ� ��ぞれの音源のうち、以下の順序で音源を並� ��替える。
(1)全フィールドから仮想リファレンスの影響 をそれぞれ減算し、残差のエネルギーが最も 小さいものを第1の仮想リファレンス、すな� �ち最も影響が大きい音源とする。
(2)同様の手順で第2,第3、、、の音源も同様に 定める。

(ステップS2715)
 音響信号のクロススペクトラム行列計算部1 70は、残差のエネルギーが暗騒音レベルより� ��小さいかを判定する。音響信号のクロスス� ��クトラム行列計算部170は、ステップS2714で� �源を並び替えた後に、残差のエネルギーが� �騒音レベルよりも小さいかを判定し、小さ� �場合(YES)には以降の演算は行わない。大きい 場合(NO)には、ステップS2711に戻り、繰り返し 音源を求める計算を行う。

(ステップS2716)
 音響信号のクロススペクトラム行列計算部1 70は、計算結果を取得する。そして、上記の� ��順により最も妥当と考えられる音源が影響� ��大きい順番に自動的に示され、かつそれら� ��音源の影響を取り除いた結果を自動的に得� ��ことができる。
 これによって、仮想リファレンスが最適で� ��い位置に置かれる可能性が低くなり、再現� ��が担保され信頼性を高めることが可能とな� ��。また、音源除去回数の上限を設定するこ� ��によって、効率的に特定音源除去処理を行� ��ことが可能となった。