特開 2024-125727 クラスタリング装置、及びクラスタリング方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024125727

(43)【公開日】2024-09-19

(54)【発明の名称】クラスタリング装置、及びクラスタリング方法

(51)【国際特許分類】

   H04S 7/00 20060101AFI20240911BHJP

【ＦＩ】

H04S7/00 300

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023033741

(22)【出願日】2023-03-06

(71)【出願人】

【識別番号】308036402

【氏名又は名称】株式会社ＪＶＣケンウッド

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(72)【発明者】

【氏名】井手上 涼

(72)【発明者】

【氏名】小西 正也

(72)【発明者】

【氏名】村田 寿子

(72)【発明者】

【氏名】下条 敬洋

(72)【発明者】

【氏名】叶 和樹

(72)【発明者】

【氏名】藤井 優美

【テーマコード（参考）】

5D162

【Ｆターム（参考）】

5D162CD26

5D162DA22

5D162EG02

(57)【要約】

【課題】適切にクラスタリングできるクラスタリング装置、及びクラスタリング方法を提供する。
【解決手段】クラスタリング装置は、周波数特性を平滑化して、平滑化特性を算出する平滑化処理部２１４と、平滑化特性のピークとノッチを特定する特定部２１６、ピークとノッチに応じた第１特徴量ベクトルを取得する第１特徴量算出部２１７と、平滑化特性を近似した近似関数を示す形状特性を算出する形状特性算出部２１８と、形状特性に応じた第２特徴量ベクトルを取得する第２特徴量算出部２１９と、第１特徴量ベクトルに基づいて、クラスタリングを行う第１クラスタリング部２２１と、第２特徴量ベクトルに応じて、クラスタリングを行う第２クラスタリング部２２２と、を備えている。
【選択図】図３

【特許請求の範囲】

【請求項1】

複数の被測定者に対する測定で収音された収音信号の周波数特性を取得する周波数特性取得部と、
前記周波数特性を平滑化して、平滑化特性を算出する平滑化処理部と、
前記平滑化特性のピークとノッチを特定する特定部と、
前記ピークとノッチに応じた第１特徴量ベクトルを算出する第１特徴量算出部と、
前記平滑化特性を近似した近似関数を示す形状特性を算出する形状特性算出部と、
前記形状特性に応じた第２特徴量ベクトルを算出する第２特徴量算出部と、
複数の前記第１特徴量ベクトルに基づいて、クラスタリングを行う第１クラスタリング部と、
複数の前記第２特徴量ベクトルに基づいて、クラスタリングを行う第２クラスタリング部と、を備えたクラスタリング装置。

【請求項2】

前記形状特性算出部が、
前記ピーク又は前記ノッチに応じて、前記平滑化特性を複数の帯域に分割し、
前記帯域毎に前記近似関数を求めて、帯域毎に前記形状特性を算出する請求項１に記載のクラスタリング装置。

【請求項3】

前記第１クラスタリング部及び第２クラスタリング部でクラスタリングされた各クラスタの代表特性を算出する代表特性算出部をさらに備えた請求項１、又は２に記載のクラスタリング装置。

【請求項4】

前記被測定者に対する測定データと、クラスタリング結果のデータとを格納するデータ格納部と、
頭外定位受聴を行うユーザに対するユーザ測定で得られたユーザデータと、前記測定データとを比較して、前記ユーザと最も類似する被測定者を特定する比較部と、
前記比較部で特定された被測定者の属するクラスタの代表特性に基づいて、フィルタを決定するフィルタ決定部と、を備えた請求項３に記載のクラスタリング装置。

【請求項5】

複数の被測定者に対する測定で収音された収音信号の周波数特性を取得するステップと、
前記周波数特性を平滑化して、平滑化特性を算出するステップと、
前記平滑化特性のピークとノッチを特定するステップと、
前記ピークとノッチに応じた第１特徴量ベクトルを算出するステップと、
前記平滑化特性を近似した近似関数を示す形状特性を算出するステップと、
前記形状特性に応じた第２特徴量ベクトルを算出するステップと、
複数の前記第１特徴量ベクトルに基づいて、クラスタリングを行うステップと、
複数の前記第２特徴量ベクトルに基づいて、クラスタリングを行うステップと、を備えたクラスタリング方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、クラスタリング生成装置、及びクラスタリング方法に関する。

【背景技術】

【0002】

音像定位技術として、ヘッドホンを用いて受聴者の頭部の外側に音像を定位させる頭外定位技術がある。頭外定位技術では、ヘッドホンから耳までの特性をキャンセルし、ステレオスピーカから耳までの４本の特性を与えることにより、音像を頭外に定位させている。

【0003】

頭外定位再生においては、２チャンネル（以下、ｃｈと記載）のスピーカから発した測定信号（インパルス音等）を聴取者本人（ユーザ）の耳に設置したマイクロフォン（以下、マイクとする）で録音する。そして、インパルス応答で得られた収音信号に基づいて、処理装置がフィルタを作成する。これにより、スピーカから外耳道のマイク位置までの空間音響伝達特性に応じたフィルタが作成される。作成したフィルタを２ｃｈのオーディオ信号に畳み込むことにより、頭外定位再生を実現することができる。

【0004】

さらに、ヘッドホンから耳までの特性をキャンセルするためのフィルタを生成するために、ヘッドホンから耳元乃至鼓膜までの特性（外耳道伝達関数ＥＣＴＦ、外耳道伝達特性とも言う）を聴取者本人の耳に設置したマイクで測定する。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０２１－５２３１５号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

特許文献１には、頭外定位フィルタを決定するシステムが開示されている。このシステムは、空間音響伝達特性に関する第１のプリセットデータと外耳道伝達特性に関する第２のプリセットデータとをデータベースに格納している。具体的には、予め、複数の被測定者の外耳道伝達特性と空間音響伝達特性とが測定されている。被測定者毎に、第１のプリセットデートと第２のプリセットデータとが対応付けられている。そして、頭外定位受聴を行うユーザについては、外耳道伝達特性のみが測定される。

【0007】

このシステムは、ユーザの外耳道伝達特性の周波数特性を平滑化している。システムは、平滑化した周波数特性のピークとノッチとをユーザ特徴量として抽出している。システムは、複数の第２のプリセットデータの中からユーザ特徴量が類似する特徴量を有するデータを抽出している。システムは、ユーザ特徴量と類似する特徴量に基づいて、空間音響フィルタを決定している。さらに、周波数特性のピーク数とノッチ数に基づいて、第２のプリセットデータをクラスタリングしている。

【0008】

このような収音信号を用いる場合、より適切にクラスタリングすることが望まれる。

【0009】

本開示は上記の点に鑑みなされたものであり、適切にクラスタリングすることができるクラスタリング装置、及びクラスタリング方法を提供することを目的とする。

【課題を解決するための手段】

【0010】

本実施の形態にかかるクラスタリング装置は、複数の被測定者に対する測定で収音された収音信号の周波数特性を取得する周波数特性取得部と、前記周波数特性を平滑化して、平滑化特性を算出する平滑化処理部と、前記平滑化特性のピークとノッチを特定する特定部と、前記ピークとノッチに応じた第１特徴量ベクトルを算出する第１特徴量算出部と、前記平滑化特性を近似した近似関数を示す形状特性を算出する形状特性算出部と、前記形状特性に応じた第２特徴量ベクトルを算出する第２特徴量算出部と、複数の前記第１特徴量ベクトルに基づいて、クラスタリングを行う第１クラスタリング部と、複数の前記第２特徴量ベクトルに基づいて、クラスタリングを行う第２クラスタリング部と、を備えている。

【0011】

本実施の形態にかかるクラスタリング方法は、複数の被測定者に対する測定で収音された収音信号の周波数特性を取得するステップと、前記周波数特性を平滑化して、平滑化特性を算出するステップと、前記平滑化特性のピークとノッチを特定するステップと、前記ピークとノッチに応じた第１特徴量ベクトルを算出するステップと、前記平滑化特性を近似した近似関数を示す形状特性を算出するステップと、前記形状特性に応じた第２特徴量ベクトルを算出するステップと、複数の前記第１特徴量ベクトルに基づいて、クラスタリングを行うステップと、複数の前記第２特徴量ベクトルに基づいて、クラスタリングを行うステップと、を備えている。

【発明の効果】

【0012】

本開示によれば、適切にクラスタリングすることができるクラスタリング装置、及びクラスタリング方法を提供することができる。

【図面の簡単な説明】

【0013】

【図1】本実施の形態に係る頭外定位処理装置を示すブロック図である。

【図2】空間音響伝達特性を測定する測定装置の構成を示す図である。

【図3】処理装置の構成を示すブロック図である。

【図4】平滑化特性のピークとノッチとを示すグラフである。

【図5】ラウドネスカーブを示すグラフである。

【図6】クラスタリングの処理を示すフローチャートである。

【図7】特徴量の抽出処理を示すフローチャートである。

【図8】ピークとノッチの特定処理を示すフローチャートである。

【図9】頭外定位フィルタ決定装置の構成を示すブロック図である。

【図10】データ格納部に格納されたデータを説明するための図である。

【発明を実施するための形態】

【0014】

本実施の形態にかかる音像定位処理の概要について説明する。本実施の形態にかかる頭外定位処理は、空間音響伝達特性と外耳道伝達特性を用いて頭外定位処理を行うものである。空間音響伝達特性は、スピーカなどの音源から外耳道までの伝達特性である。外耳道伝達特性は、ヘッドホン又はイヤホンのスピーカユニットから鼓膜までの伝達特性である。本実施の形態では、ヘッドホン又はイヤホンを装着した状態での外耳道伝達特性を測定している。また、空間音孔伝達特性については，ユーザ以外の被測定者から得られたデータを用いている。それらのデータを用いて頭外定位処理を実現している。

【0015】

本実施の形態にかかる頭外定位処理は、パーソナルコンピュータ、スマートホン、タブレットＰＣなどのユーザ端末で実行される。ユーザ端末は、プロセッサ等の処理手段、メモリやハードディスクなどの記憶手段、液晶モニタ等の表示手段、タッチパネル、ボタン、キーボード、マウスなどの入力手段を有する情報処理装置である。ユーザ端末は、データを送受信する通信機能を有していてもよい。さらに、ユーザ端末には、ヘッドホン又はイヤホンを有する出力手段（出力ユニット）が接続される。ユーザ端末と出力手段との接続は、有線接続でも無線接続でもよい。

【0016】

高い定位効果を得るには、ユーザ本人の特性を測定して頭外定位フィルタを生成することが好ましい。ユーザ個人の空間音響伝達特性は、スピーカ等の音響機材や室内の音響特性が整えられたリスニングルームで行われることが一般的である。すなわち、ユーザがリスニングルームに行くか、ユーザの自宅などにリスニングルームを準備する必要がある。このため、ユーザ個人の空間音響伝達特性を適切に測定することができない場合がある。

【0017】

また、ユーザの自宅などにスピーカを設置してリスニングルームを準備した場合でも、左右非対称にスピーカが設置されている場合や、部屋の音響環境が音楽聴取に最適でない場合がある。このような場合、自宅で適切な空間音響伝達特性を測定することは大変困難である。

【0018】

一方、ユーザ個人の外耳道伝達特性の測定は、マイクユニット、及びヘッドホンを装着した状態で行われる。すなわち、ユーザがマイクユニット、及びヘッドホンを装着していれば、外耳道伝達特性を測定することができる。ユーザがリスニングルームに行く必要や、ユーザの家に大がかりなリスニングルームを準備する必要がない。また、外耳道伝達特性を測定するための測定信号の発生や、収音信号の記録などはスマートホンやＰＣなどのユーザ端末を用いて、行うことができる。

【0019】

このように、ユーザ個人に対して、空間音響伝達特性の測定を実施することが困難である場合がある。そこで、外耳道伝達特性の測定結果から、空間音響伝達特性に応じた空間音響フィルタを求めることが望まれる。そこで、本実施の形態では、事前に複数の空間音響伝達特性に応じて、複数の被測定者をクラスタリングしている。複数の被測定者を２以上のクラスタに分類する。このようにすることで、空間音響伝達特性の測定を実施しなくても、ユーザに適切なフィルタを決定することができる。

【0020】

（頭外定位処理装置）
本実施の形態にかかる音場再生装置の一例である、頭外定位処理装置１００のブロック図を図１に示す。頭外定位処理装置１００は、ヘッドホン４３を装着するユーザＵに対して音場を再生する。そのため、頭外定位処理装置１００は、ＬｃｈとＲｃｈのステレオ入力信号ＸＬ、ＸＲについて、音像定位処理を行う。ＬｃｈとＲｃｈのステレオ入力信号ＸＬ、ＸＲは、ＣＤ（Compact Disc）プレイヤーなどから出力されるアナログのオーディオ再生信号、又は、mp3(MPEG Audio Layer-3)等のデジタルオーディオデータである。なお、オーディオ再生信号、又はデジタルオーディオデータをまとめて再生信号と称する。すなわち、ＬｃｈとＲｃｈのステレオ入力信号ＸＬ、ＸＲが再生信号となっている。

【0021】

本実施の形態では、頭外定位処理装置１００が、フィルタを適切に生成するための演算処理を行っている。頭外定位処理装置１００の演算処理部は、パーソナルコンピュータ（ＰＣ）、タブレット端末、スマートホン等であり、メモリ、及びプロセッサを備えている。メモリは、処理プログラムや各種パラメータや測定データなどを記憶している。プロセッサは、メモリに格納された処理プログラムを実行する。プロセッサが処理プログラムを実行することで、各処理が実行される。プロセッサは、例えば、ＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＤＳＰ（Digital Signal Processor），ＡＳＩＣ（Application Specific Integrated Circuit）、又は、GPU(Graphics Processing Unit)等であってもよい。

【0022】

なお、頭外定位処理装置１００は、物理的に単一な装置に限られるものではなく、一部の処理が異なる装置で行われてもよい。例えば、一部の処理がスマートホンなどにより行われ、残りの処理がヘッドホン４３に内蔵されたＤＳＰ(Digital Signal Processor)などにより行われてもよい。

【0023】

頭外定位処理装置１００は、頭外定位処理部１０、逆フィルタＬｉｎｖを格納する逆フィルタ部４１、逆フィルタＲｉｎｖを格納する逆フィルタ部４２、及びヘッドホン４３を備えている。頭外定位処理部１０、逆フィルタ部４１、及び逆フィルタ部４２は、具体的にはプロセッサ等により実現可能である。

【0024】

頭外定位処理部１０は、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓを格納する畳み込み演算部１１～１２、２１～２２、及び加算器２４、２５を備えている。畳み込み演算部１１～１２、２１～２２は、空間音響伝達特性を用いた畳み込み処理を行う。頭外定位処理部１０には、ＣＤプレイヤーなどからのステレオ入力信号ＸＬ、ＸＲが入力される。頭外定位処理部１０には、空間音響伝達特性が設定されている。頭外定位処理部１０は、各ｃｈのステレオ入力信号ＸＬ、ＸＲに対し、空間音響伝達特性のフィルタ（以下、空間音響フィルタとも称する）を畳み込む。空間音響伝達特性は被測定者の頭部や耳介で測定した頭部伝達関数ＨＲＴＦでもよいし、ダミーヘッドまたは第三者の頭部伝達関数であってもよい。

【0025】

４つの空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓを１セットとしたものを空間音響伝達関数とする。畳み込み演算部１１、１２、２１、２２で畳み込みに用いられるデータが空間音響フィルタとなる。空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓを所定のフィルタ長で切り出すことで、空間音響フィルタが生成される。

【0026】

空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓのそれぞれは、インパルス応答測定などにより、事前に取得されている。例えば、被測定者が左右の耳にマイクをそれぞれ装着する。被測定者の前方に配置された左右のスピーカが、インパルス応答測定を行うための、インパルス音をそれぞれ出力する。そして、スピーカから出力されたインパルス音等の測定信号をマイクで収音する。マイクでの収音信号に基づいて、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓが取得される。左スピーカと左マイクとの間の空間音響伝達特性Ｈｌｓ、左スピーカと右マイクとの間の空間音響伝達特性Ｈｌｏ、右スピーカと左マイクとの間の空間音響伝達特性Ｈｒｏ、右スピーカと右マイクとの間の空間音響伝達特性Ｈｒｓが測定される。

【0027】

そして、畳み込み演算部１１は、Ｌｃｈのステレオ入力信号ＸＬに対して空間音響伝達特性Ｈｌｓに応じた空間音響フィルタを畳み込む。畳み込み演算部１１は、畳み込み演算データを加算器２４に出力する。畳み込み演算部２１は、Ｒｃｈのステレオ入力信号ＸＲに対して空間音響伝達特性Ｈｒｏに応じた空間音響フィルタを畳み込む。畳み込み演算部２１は、畳み込み演算データを加算器２４に出力する。加算器２４は２つの畳み込み演算データを加算して、逆フィルタ部４１に出力する。

【0028】

畳み込み演算部１２は、Ｌｃｈのステレオ入力信号ＸＬに対して空間音響伝達特性Ｈｌｏに応じた空間音響フィルタを畳み込む。畳み込み演算部１２は、畳み込み演算データを、加算器２５に出力する。畳み込み演算部２２は、Ｒｃｈのステレオ入力信号ＸＲに対して空間音響伝達特性Ｈｒｓに応じた空間音響フィルタを畳み込む。畳み込み演算部２２は、畳み込み演算データを、加算器２５に出力する。加算器２５は２つの畳み込み演算データを加算して、逆フィルタ部４２に出力する。

【0029】

逆フィルタ部４１、４２にはヘッドホン特性（ヘッドホンの再生ユニットとマイク間の特性）をキャンセルする逆フィルタＬｉｎｖ、Ｒｉｎｖが設定されている。そして、頭外定位処理部１０での処理が施された再生信号（畳み込み演算信号）に逆フィルタＬｉｎｖ、Ｒｉｎｖを畳み込む。逆フィルタ部４１で加算器２４からのＬｃｈ信号に対して、Ｌｃｈ側のヘッドホン特性の逆フィルタＬｉｎｖを畳み込む。同様に、逆フィルタ部４２は加算器２５からのＲｃｈ信号に対して、Ｒｃｈ側のヘッドホン特性の逆フィルタＲｉｎｖを畳み込む。逆フィルタＬｉｎｖ、Ｒｉｎｖは、ヘッドホン４３を装着した場合に、ヘッドホンユニットからマイクまでの特性をキャンセルする。マイクは、外耳道入口から鼓膜までの間ならばどこに配置してもよい。

【0030】

逆フィルタ部４１は、処理されたＬｃｈ信号ＹＬをヘッドホン４３の左ユニット４３Ｌに出力する。逆フィルタ部４２は、処理されたＲｃｈ信号ＹＲをヘッドホン４３の右ユニット４３Ｒに出力する。ユーザＵは、ヘッドホン４３を装着している。ヘッドホン４３は、Ｌｃｈ信号ＹＬとＲｃｈ信号ＹＲ（以下、Ｌｃｈ信号ＹＬとＲｃｈ信号ＹＲをまとめてステレオ信号とも称する）をユーザＵに向けて出力する。これにより、ユーザＵの頭外に定位された音像を再生することができる。

【0031】

このように、頭外定位処理装置１００は、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに応じた空間音響フィルタと、ヘッドホン特性の逆フィルタＬｉｎｖ，Ｒｉｎｖを用いて、頭外定位処理を行っている。以下の説明において、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに応じた空間音響フィルタと、ヘッドホン特性の逆フィルタＬｉｎｖ，Ｒｉｎｖとをまとめて頭外定位処理フィルタとする。２ｃｈのステレオ再生信号の場合、頭外定位フィルタは、４つの空間音響フィルタと、２つの逆フィルタとから構成されている。そして、頭外定位処理装置１００は、ステレオ再生信号に対して合計６個の頭外定位フィルタを用いて畳み込み演算処理を行うことで、頭外定位処理を実行する。頭外定位フィルタは、ユーザＵ個人の測定に基づくものであることが好ましい。例えば，ユーザＵの耳に装着されたマイクが収音した収音信号に基づいて、頭外定位フィルタが設定されている。

【0032】

このように空間音響フィルタと、ヘッドホン特性の逆フィルタＬｉｎｖ，Ｒｉｎｖはオーディオ信号用のフィルタである。これらのフィルタが再生信号（ステレオ入力信号ＸＬ、ＸＲ）に畳み込まれることで、頭外定位処理装置１００が、頭外定位処理を実行する。

【0033】

（空間音響伝達特性の測定装置）
図２を用いて、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓを測定する測定装置２００について説明する。図２は、被測定者１に対して測定を行うための測定構成を模式的に示す図である。なお、ここでは、被測定者１は、図１のユーザＵと異なる人物となっている。後述するクラスタリング処理に先立って、複数の被測定者１に対して同様の測定が行われている。

【0034】

図２に示すように、測定装置２００は、ステレオスピーカ５とマイクユニット２を有している。ステレオスピーカ５が測定環境に設置されている。測定環境は、ユーザＵの自宅の部屋やオーディオシステムの販売店舗やショールーム等でもよい。測定環境は、スピーカや音響の整ったリスニングルームであることが好ましい。

【0035】

本実施の形態では、測定装置２００の処理装置２０１が、空間音響フィルタを適切に生成するための演算処理を行っている。処理装置２０１は、音楽プレイヤーなどを有している。処理装置２０１は、パーソナルコンピュータ（ＰＣ）、タブレット端末、スマートホン等であってもよい。

【0036】

ステレオスピーカ５は、左スピーカ５Ｌと右スピーカ５Ｒを備えている。例えば、被測定者１の前方に左スピーカ５Ｌと右スピーカ５Ｒが設置されている。左スピーカ５Ｌと右スピーカ５Ｒは、インパルス応答測定を行うためのインパルス音等を出力する。以下、本実施の形態では、音源となるスピーカの数を２（ステレオスピーカ）として説明するが、測定に用いる音源の数は２に限らず、１以上であればよい。すなわち、1chのモノラル、または、5.1ch、7.1ch等の、いわゆるマルチチャンネル環境においても同様に、本実施の形態を適用することができる。

【0037】

マイクユニット２は、左のマイク２Ｌと右のマイク２Ｒを有するステレオマイクである。左のマイク２Ｌは、被測定者１の左耳９Ｌに設置され、右のマイク２Ｒは、被測定者１の右耳９Ｒに設置されている。具体的には、左耳９Ｌ、右耳９Ｒの外耳道入口から鼓膜までの位置にマイク２Ｌ、２Ｒを設置することが好ましい。マイク２Ｌ、２Ｒは、ステレオスピーカ５から出力された測定信号を収音して、収音信号を取得する。マイク２Ｌ、２Ｒは収音信号を処理装置２０１に出力する。被測定者１は、人でもよく、ダミーヘッドでもよい。すなわち、本実施形態において、被測定者１は人だけでなく、ダミーヘッドを含む概念である。

【0038】

上記のように、左スピーカ５Ｌ、右スピーカ５Ｒで出力されたインパルス音をマイク２Ｌ、２Ｒで測定することでインパルス応答が測定される。処理装置２０１は、インパルス応答測定により取得した収音信号をメモリなどに記憶する。これにより、左スピーカ５Ｌと左マイク２Ｌとの間の空間音響伝達特性Ｈｌｓ、左スピーカ５Ｌと右マイク２Ｒとの間の空間音響伝達特性Ｈｌｏ、右スピーカ５Ｒと左マイク２Ｌとの間の空間音響伝達特性Ｈｒｏ、右スピーカ５Ｒと右マイク２Ｒとの間の空間音響伝達特性Ｈｒｓが測定される。すなわち、左スピーカ５Ｌから出力された測定信号を左マイク２Ｌが収音することで、空間音響伝達特性Ｈｌｓが取得される。左スピーカ５Ｌから出力された測定信号を右マイク２Ｒが収音することで、空間音響伝達特性Ｈｌｏが取得される。右スピーカ５Ｒから出力された測定信号を左マイク２Ｌが収音することで、空間音響伝達特性Ｈｒｏが取得される。右スピーカ５Ｒから出力された測定信号を右マイク２Ｒが収音することで、空間音響伝達特性Ｈｒｓが取得される。

【0039】

また、測定装置２００は、収音信号に基づいて、左右のスピーカ５Ｌ、５Ｒから左右のマイク２Ｌ、２Ｒまでの空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに応じた空間音響フィルタを生成してもよい。例えば、処理装置２０１は、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓを所定のフィルタ長で切り出す。

【0040】

このようにすることで、処理装置２０１は、頭外定位処理装置１００の畳み込み演算に用いられる空間音響フィルタを生成する。図１で示したように、頭外定位処理装置１００が、左右のスピーカ５Ｌ、５Ｒと左右のマイク２Ｌ、２Ｒとの間の空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに応じた空間音響フィルタを用いて頭外定位処理を行う。すなわち、空間音響フィルタをオーディオ再生信号に畳み込むことにより、頭外定位処理を行う。

【0041】

処理装置２０１は、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓのそれぞれに対応する収音信号に対して同様の処理を実施している。すなわち、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに対応する４つの収音信号に対して、それぞれ同様の処理が実施される。これにより、空間音響伝達特性Ｈｌｓ、Ｈｌｏ、Ｈｒｏ、Ｈｒｓに対応する空間音響フィルタをそれぞれ生成することができる。

【0042】

次に、処理装置２０１が空間音響伝達特性をクラスタリングする処理について、図３を用いて説明する。図３は、処理装置２０１の構成を示すブロック図である。なお、以下、処理装置２０１は、測定装置２００に用いられている装置となっているが、以下に示す少なくとも一部の機能は、測定装置２００の処理装置２０１とは異なる装置に搭載されていてもよい。

【0043】

処理装置２０１は、測定信号生成部２１１と、収音信号取得部２１２と、周波数特性取得部２１３と、平滑化処理部２１４と、極値抽出部２１５と、特定部２１６と、第１特徴量算出部２１７と、形状特性算出部２１８と、第２特徴量算出部２１９と、クラスタリング部２２０と、を備えている。クラスタリング部２２０は第１クラスタリング部２２１と、第２クラスタリング部２２２とを備えている。処理装置２０１は、データ格納部２２５と、代表特性算出部２２６とを備えている。

【0044】

処理装置２０１は、パーソナルコンピュータ（ＰＣ）、タブレット端末、スマートホン等であり、メモリ、及びプロセッサを備えている。メモリは、処理プログラムや各種パラメータや測定データなどを記憶している。プロセッサは、メモリに格納された処理プログラムを実行する。

【0045】

測定信号生成部２１１は、Ｄ／Ａ変換器やアンプなどを備えており、外耳道伝達特性を測定するための測定信号を生成する。測定信号は、例えば、インパルス信号やＴＳＰ（Ｔｉｍｅ Ｓｔｒｅｔｃｈｅｄ Ｐｕｌｓｅ）信号等である。ここでは、測定信号としてインパルス音を用いて、測定装置２００がインパルス応答測定を実施している。

【0046】

マイクユニット２の左マイク２Ｌ、右マイク２Ｒがそれぞれ測定信号を収音し、収音信号を処理装置２０１に出力する。収音信号取得部２１２は、左マイク２Ｌ、右マイク２Ｒで収音された収音信号を取得する。なお、収音信号取得部２１２は、マイク２Ｌ、２Ｒからの収音信号をＡ／Ｄ変換するＡ／Ｄ変換器を備えていてもよい。収音信号取得部２１２は、複数回の測定により得られた信号を同期加算してもよい。時間領域の収音信号をＥＣＴＦと称する。

【0047】

周波数特性取得部２１３は、収音信号の周波数特性を取得する。周波数特性取得部２１３は、離散フーリエ変換や離散コサイン変換により収音信号の周波数特性を算出する。周波数特性取得部２１３は、例えば、時間領域の収音信号をＦＦＴ（高速フーリエ変換）することで、周波数特性を算出する。周波数特性は、振幅スペクトルと、位相スペクトルとを含んでいる。なお、周波数特性取得部２１３は振幅スペクトルの代わりにパワースペクトルを生成してもよい。このようにすることで、周波数特性取得部２１３が、収音信号の周波数特性を取得する。

【0048】

平滑化処理部２１４は、周波数特性に対して平滑化処理を行うことで、平滑化特性（平滑化スペクトルともいう）を算出する。平滑化処理部２１４は、移動平均やSavitzky-Golayフィルタ、平滑化スプライン、ケプストラム変換、ケプストラム包絡線等の手法を用いて、周波数振幅特性のスペクトルデータを平滑化する。これにより、平滑化処理部２１４は平滑化特性を算出することができる。

【0049】

極値抽出部２１５は、平滑化特性の極値を抽出する。極値抽出部２１５は、平滑化特性の極大値と極小値を抽出する。つまり、平滑化特性の傾きが正から負に変わる点を極大値とし、負から正に変わる点を極小値とする。極値抽出部２１５は、複数の極大値と、複数の極小値とを算出する。

【0050】

特定部２１６は、平滑化特性からピークとノッチとを特定する。ここで、複数のノッチを区別するため、低周波数側から順にＮ１、Ｎ２、Ｎ３等として特定する。同様に、複数のピークを区別するため、低周波数側から順にＰ１、Ｐ２、Ｐ３等として特定する。特定部２１６は複数の極大値の中から，３つのピークＰ１、Ｐ２、Ｐ３を選択する。特定部２１６は複数の極小値の中から、３つのノッチＮ１、Ｎ２、Ｎ３を選択する。

【0051】

図４は、平滑化特性と、平滑化特性から得られたノッチＮ１～Ｎ３と、ピークＰ１～Ｐ３と、を模式的に示すグラフである。低周波数側から順に、ピークＰ１、ノッチＮ１、ピークＰ２、ノッチＮ２、ピークＰ３、ノッチＮ３が特定されている。特定部２１６は、いずれの収音信号を平滑化した平滑化特性に対して、３つのピークＰ１～Ｐ３と３つのノッチＮ１～Ｎ３を特定する。

【0052】

ここで、特定部２１６は、所定の選定帯域ＳＢ１の中から、ピークＰ１を選定する。また、特定部２１６は、所定の選定帯域ＳＢ２から、ノッチＮ２を選択する。選定帯域ＳＢ１は、２ｋＨｚ～６ｋＨｚとすることができる。選定帯域ＳＢ２は、６ｋＨｚ～９ｋＨｚとすることができる。

【0053】

選定帯域ＳＢ１、ＳＢ２は、聴覚特性を元に設定されている。例えば、図５はラウドネスカーブを示すグラフである。選定帯域ＳＢ１、ＳＢ２のラウドネスカーブの最小可聴曲線に基づいて設定される。２ｋＨｚ～６ｋＨｚは最も敏感な帯域で、小さい音が大きく聴こえる。大きい音はより大きく聴こえる。空間音響伝達特性の最大値(ピーク)もこの帯域に含まれる。よって、特定部２１６は、選定帯域ＳＢ１である２．５ｋＨｚ～５ｋＨｚからピークＰ１を選定する。選定帯域ＳＢ１の中で最もレベルの高い極大値をピークＰ１とする。

【0054】

また、５ｋＨｚ～９ｋＨｚでは、周波数が高くなるにつれて、小さく聴こえる。また小さい音はより小さく聴こえる。よって、空間音響伝達特性の最小値（ノッチＮ２）、選定帯域ＳＢ２である６ｋＨｚ～９ｋＨｚの中から選定する。

【0055】

例えば、特定部２１６は、選定帯域ＳＢ２における極小値からノッチＮ２を選択する。特定部２１６は、選定帯域ＳＢ２における極小値を抽出し、その極小値で最も低いレベルの極小値をノッチＮ２とする。

【0056】

特定部２１６は、選定帯域ＳＢ１における極大値からピークＰ１を選択する。特定部２１６は、選定帯域ＳＢ１における極大値を抽出し、その中で最もレベルの高い極大値をピークＰ１とする。

【0057】

特定部２１６はピークＰ１とノッチＮ２との間の帯域から、ノッチＮ１とピークＰ２を特定する。特定部２１６は、ピークＰ１とノッチＮ２との間の帯域にある極小値からノッチＮ１を選定する。さらに、特定部２１６はノッチＮ１とノッチＮ２との間に帯域にある極大値からピークＰ２を特定する。

【0058】

さらに、特定部２１６は、ノッチＮ２よりも高周波数側にある極大値からピークＰ３を特定する。特定部２１６は、ピークＰ３よりも高周波数側にある極小値からノッチＮ３を特定する。特定部２１６は、選定帯域ＳＢ３からピークＰ３とノッチＮ３を特定することができる。選定帯域ＳＢ３は、個人特性が最も表れる範囲である１２ｋＨｚ以下の帯域である。つまり、選定帯域ＳＢ３は、ノッチＮ２よりも高く、１２ｋＨＺ以下の帯域である。選定帯域ＳＢ３の上限周波数を１２ｋＨｚとすることで、個人特性を示すピークＰ３とノッチＮ３を特定することができる。

【0059】

第１特徴量算出部２１７は、ピークとノッチに応じた第１特徴量ベクトルを算出する。第１特徴量算出部２１７は、ピークＰ１～Ｐ３とノッチＮ１～Ｎ３のデータから第１特徴量を算出する。第１特徴量は、ピークＰ１～Ｐ３、ノッチＮ１～Ｎ３の周波数とゲインとを要素として含む特徴量ベクトルとなる。例えば、第１特徴量ベクトルは、１２次元の特徴量ベクトルとなっている。ピークとノッチを示す特徴量をピークノッチ特徴量ともいう。

【0060】

形状特性算出部２１８は、平滑化特性を近似した近似関数を示す形状特性を算出する。そのため、形状特性算出部２１８は平滑化特性を近似した近似関数を算出する。例えば、形状特性算出部２１８は、最小二乗法等を用いたフィッティングにより多項式近似を行う。ここで、形状特性算出部２１８は、以下の式（１）に示すような４次の多項式で平滑化特性を近似する。
Ｇ＝ａＸ４＋ｂＸ３＋ｃＸ２＋ｄＸ＋ｅ ・・・（１）

【0061】

ここで、Ｇは近似関数であり、Ｘは周波数を示す値である。ａ、ｂ、ｃ、ｄ、ｅは多項式近似の解として求められる係数であり、定数となっている。平滑化特性の形状特性を示す値として係数ａ、ｂ、ｃ、ｄ、ｅを算出する。

【0062】

第２特徴量算出部２１９は、形状特性に応じた第２特徴量ベクトルを算出する。具体的には、第２特徴量ベクトルは、係数ａ、ｂ、ｃ、ｄ、ｅを要素として含む特徴量ベクトルとなっている。

【0063】

さらに、本実施の形態では、形状特性算出部２１８が、平滑化特性を複数の帯域に分割している。形状特性算出部２１８は、帯域毎に近似関数を求めて、帯域毎に形状特性を算出している。例えば、平滑化特性は、図４に示すように、分割帯域Ｂ１、Ｂ２、Ｂ３の３つに分割されている。

【0064】

分割帯域Ｂ１は、最低周波数（１Ｈｚ）以上、ノッチＮ１以下の帯域である。分割帯域Ｂ２は、ノッチＮ１以上、ノッチＮ２以下の帯域である。分割帯域Ｂ３は、ノッチＮ２以上、１２ｋＨｚ以下の帯域である。このように、特定部２１６で特定されたノッチに応じて、平滑化特性が複数の分割帯域に分割されている。つまり、それぞれのノッチの周波数を境界周波数として、平滑化特性が分割される。

【0065】

形状特性算出部２１８は、分割帯域毎に、近似関数を算出する。図４において、分割帯域Ｂ１の近似関数を近似関数Ｇ１として示す。同様に、分割帯域Ｂ２の近似関数を近似関数Ｇ２とし、分割帯域Ｂ３の近似関数を近似関数Ｇ３として示す。近似関数Ｇ１はピークＰ１とノッチＮ１を結ぶ曲線（多項式）となる。近似関数Ｇ２はノッチＮ１とピークＰ２とノッチＮ２を結ぶ曲線（多項式）となる。近似関数Ｇ３はノッチＮ２とピークＰ３とノッチＮ３を結ぶ曲線（多項式）となる。

【0066】

第２特徴量算出部２１９は近似関数Ｇ１～Ｇ３の係数を特徴量として算出する。ここでは、近似関数を４次の多項式としている。近似関数Ｇ１～Ｇ３において、係数ａ～ｅはそれぞれ異なる。近似関数Ｇ１の係数ａ、ｂ、ｃ、ｄ、ｅをそれぞれ係数ａ１、ｂ１、ｃ１、ｄ１、ｅ１とする。同様に、近似関数Ｇ２の係数ａ、ｂ、ｃ、ｄ、ｅをそれぞれ係数ａ２、ｂ２、ｃ２、ｄ２、ｅ２とし、近似関数Ｇ３の係数ａ、ｂ、ｃ、ｄ、ｅをそれぞれ係数ａ３、ｂ３、ｃ３、ｄ３、ｅ３とする。

【0067】

第２特徴量ベクトルは、ａ１～ａ３、ｂ１～ｂ３、ｃ１～ｃ３、ｄ１～ｄ３，ｅ１～ｅ３を要素として含むベクトルとなる。例えば、第２特徴量ベクトルは１５次元の特徴量ベクトルとなる。近似関数を示すこれらの係数を形状特徴量ともいう。

【0068】

第１特徴量算出部２１７、第２特徴量算出部２１９が周波数特性（平滑化特性）の特徴量を算出する。そして、クラスタリング部２２０は、これらの特徴量に基づいて、クラスタリングを行う。これにより、複数の被測定者がクラスタリングされる。

【0069】

具体的には、クラスタリング部２２０は、第１クラスタリング部２２１と第２クラスタリング部２２２とを備えている。第１クラスタリング部２２１は第１特徴量ベクトルを用いて、平滑化特性をクラスタリングする。第１クラスタリング部２２１によるクラスタリングの処理を第１クラスタリング処理という。例えば、第１クラスタリング部２２１は、予め設定されたｋ（ｋは２以上の整数）個のクラスタに分類するｋ平均法（k-means）で平滑化特性をクラスタリングする。これにより、第１特徴量ベクトルに応じて、ｋ個のクラスタが生成される。つまり、複数の被測定者の周波数特性が、２以上のクラスタに分類される。

【0070】

さらに、第２クラスタリング部２２２は、第２特徴量ベクトルを用いて、平滑化特性をクラスタリングする。第２クラスタリング部２２２によるクラスタリングの処理を第２クラスタリング処理という。例えば、第２クラスタリング部２２２は、予め設定されたｋ（ｋは２以上の整数）個のクラスタに分類するｋ平均法（k-means）で平滑化特性をクラスタリングする。これにより、第２特徴量ベクトルに応じて、複数のクラスタが生成される。つまり、複数の被測定者の周波数特性が、２以上のクラスタに分類される。

【0071】

例えば、第１クラスタリング処理で生成された各クラスタについて、さらに、ｋ平均法などでクラスタリングを行う。つまり、第１クラスタリング処理の各クラスタがさらに細いクラスタに分類される。このようにすることで、少ない工数で適切なクラスタリングを行うことができる。

【0072】

クラスタリング部２２０は、周波数特性（平滑化特性）から得られた特徴量に基づいて、被測定者を複数のクラスタに分類している。もちろん、第１のクラスタリング処理と第２のクラスタリング処理とで分類される数は同じであってもよく、異なっていてもよい。このように、クラスタリング部２２０は、２段階のクラスタリング処理を行うことで、より適切なクラスタを生成することができる。

【0073】

ユーザ本人と形状の相関値が低い他の被測定者の空間音響伝達特性を示すフィルタを用いた場合でも、適切に頭外定位する事ができる場合がある。形状特性に基づく第２特徴量よりも、ピークとノッチに基づく第１特徴量が頭外定位に有意性があるとみなして、最初に第１クラスタリング部２２１が、第１特徴量で第１クラスタリングを行う。次に形状特性を示す第２特徴量で第２クラスタリング部２２２が、第２クラスタリング処理を行う。このようにすることで、より聴感特性に特化した方法で分類することができる。

【0074】

データ格納部２２５はクラスタリングした結果を示すデータを格納する。例えば、各クラスタに属する被測定者やその各種データを格納する。データ格納部２２５は、特徴量などのデータをデータベースとして格納してもよい。データ格納部２２５は、各クラスタの代表特性や各被測定者の空間音響伝達特性などを格納していてもよい

【0075】

代表特性算出部２２６は、各クラスタの代表特性を算出する。ここでは、ｍ個のクラスタに分類されているとする。代表特性算出部２２６は、ｍ個のクラスタのそれぞれについて、代表特性を算出する。例えば、代表特性算出部２２６は各クラスタの重心位置と特徴量ベクトルとの間の距離を算出する。代表特性算出部２２６は、重心位置に最も近い特徴量ベクトルの被測定者のデータを代表特性として算出する。この代表特性は、頭外定位受聴を行うユーザが空間音響フィルタを決定するためのデータとして用いられる。例えば、各クラスタを代表する被測定者の空間音響伝達特性が代表特性となる。

【0076】

次に、図６を用いて、本実施の形態に係るクラスタリング方法について説明する。図６はクラスタリング方法を示すフローチャートである。まず、処理装置２０１が収音信号の特徴量を抽出する（Ｓ１０１）。そして、クラスタリング部２２０が特徴量に基づいて、被測定者をクラスタリングする（Ｓ１０２）。ここでは、第１クラスタリング部２２１が第１特徴量ベクトルを用いた第１クラスタリング処理を行った後、第２クラスタリング部２２２が第２特徴量ベクトルを用いた第２クラスタリング処理を行う。つまり、クラスタリング部２２０が、２段階のクラスタリング処理を実行する。これにより、クラスタリングが終了する。つまり、多数の被測定者の音響伝達特性が複数のクラスタに分類される。

【0077】

図７は、特徴量を抽出するステップＳ１０１の詳細を示すフローチャートである。まず、周波数特性取得部２１３が収音信号の周波数特性を取得する（Ｓ２０１）。具体的には，周波数特性取得部２１３が収音信号をＦＦＴ処理することで、周波数振幅特性を算出する。平滑化処理部２１４が、周波数振幅特性を平滑化処理する（Ｓ２０２）。これにより、周波数振幅特性を平滑化した平滑化特性が算出される。

【0078】

極値抽出部２１５が平滑化特性の極値を抽出する（Ｓ２０３）。これにより、平滑化特性のスペクトルデータの中から、複数の極大値、及び複数の極小値が求められる。極大値は両隣のゲイン（振幅レベル）よりもゲイン（振幅レベル）が高いデータとなる。極小値は両隣のゲイン（振幅レベル）よりもゲイン（振幅レベル）が低いデータとなる。

【0079】

次に、特定部２１６がピークポイントＨＰ／ノッチポイントＨＮを選定する（Ｓ２０４）。ここでは、特定部２１６は、極大値と、その両隣の極小値とのレベル差が閾値以上となる極大値をピークポイントＨＰとする。特定部２１６は、極小値と、その両隣の極大値とのレベル差が閾値以上となる極小値をノッチポイントＨＮとする。ピークポイントＨＰはピークＰ１～Ｐ３の候補となる極大値となる。ノッチポイントＨＮはノッチＮ１～Ｎ３の候補となる極小値となる。

【0080】

特定部２１６がピークＰ１～Ｐ３とノッチＮ１～Ｎ３を特定する（Ｓ２０５）。つまり、特定部２１６がピークポイントＨＰからピークＰ１～Ｐ３を選択する。同様に、特定部２１６がノッチポイントＨＮからノッチＮ１～Ｎ３を選択する。この処理については後述する。

【0081】

第１特徴量算出部２１７がピークＰ１～Ｐ３、ノッチＮ１～Ｎ３の特徴量を算出する（Ｓ２０６）。第１特徴量算出部２１７は、ピークＰ１～Ｐ３、ノッチＮ１～Ｎ３の周波数とゲイン（振幅レベル）を第１特徴量として算出する。これにより、ピークとノッチを示す第１特徴量ベクトルが算出される。

【0082】

次に、形状特性算出部２１８が、形状特性を算出する（Ｓ２０７）。形状特性算出部２１８は平滑化特性を近似する近似関数を求めることで、形状特性を算出する。ここでは、分割帯域Ｂ１～Ｂ３のそれぞれにおいて、平滑化特性の近似関数Ｇ１～Ｇ３を算出する。そして、第２特徴量算出部２１９が近似関数を示す形状特徴量を算出する（Ｓ２０８）。これにより、平滑化特性の形状の特徴を示す第２特徴量ベクトルが算出される。

【0083】

図８はピークＰ１～Ｐ３とノッチＮ１～Ｎ３を特定するステップＳ２０５の詳細を示すフローチャートである。まず、特定部２１６が選定帯域ＳＢ２にあるノッチポイントＨＮからノッチＮ２を選定する（Ｓ３０１）。例えば、選定帯域ＳＢ２に含まれる複数のノッチポイントＨＮの中で、ゲインが最小のノッチポイントＨＮがノッチＮ２となる。

【0084】

特定部２１６が選定帯域ＳＢ１にあるピークポイントＨＰからピークＰ１を選定する（Ｓ３０２）。選定帯域ＳＢ１に含まれる複数のピークポイントＨＰの中で、ゲインが最大のピークポイントＨＰがピークＰ１となる。

【0085】

特定部２１６が、ピークＰ１とノッチＮ２との間の帯域におけるノッチポイントＨＮからノッチＮ１を選定する（Ｓ３０３）。ピークＰ１とノッチＮ２との間の帯域に含まれる複数のノッチポイントＨＮのうち、両隣のピークポイントＨＰとのレベル差が最大のノッチポイントＨＮがノッチＮ１となる。ただし、ノッチＮ１は、ノッチＮ２との周波数差が聴感の検出閾値を超えるデータとする。

【0086】

特定部２１６が、ノッチＮ１とノッチＮ２との間の帯域におけるピークポイントＨＰからピークＰ２を選定する（Ｓ３０４）。ノッチＮ１とノッチＮ２との間の帯域に含まれる複数のピークポイントＨＰのうち、両隣のノッチポイントＨＮとのレベル差が最大のピークポイントＨＰがピークＰ２となる。ただし、ピークＰ２は、ピークＰ１との周波数差が聴感の検出閾値を超えるデータとする。

【0087】

特定部２１６が、選定帯域ＳＢ３のピークポイントＨＰからピークＰ３を選定する（Ｓ３０５）。選定帯域ＳＢ３に含まれる複数のピークポイントＨＰのうち、ゲインが最大のピークポイントＨＰがピークＰ３となる。ただし、ピークＰ３は、ピークＰ２との周波数差が聴感の検出閾値を超えるデータとする。

【0088】

特定部２１６が、選定帯域ＳＢ３のノッチポイントＨＮからノッチＮ３を選定する（Ｓ３０６）。選定帯域ＳＢ３に含まれる複数のノッチポイントＨＮのうち、ゲインが最小のノッチポイントＨＮがノッチＮ３となる。また、特定部２１６は、ピークＰ３よりも高周波数側のノッチポイントＨＮからノッチＮ３を選定する。ただし、ノッチＮ３は、ノッチＮ２との周波数差が聴感の検出閾値を超えるデータとする。ノッチＮ３、及びピークＰ３は、ノッチＮ２よりも高周波数側、かつ、１２ｋＨｚ以下の帯域にある。

【0089】

このようにすることで、様々な被測定者の周波数振幅特性においても、特定部２１６が適切なピークとノッチを特定することができる。すなわち、取得された全ての周波数振幅特性について、特定部２１６が同数のピークを抽出することができる。取得された全ての周波数振幅特性について、特定部２１６が同数のノッチを抽出することができる。よって、第１特徴量算出部２１７が適切な第１特徴量を算出することができる。

【0090】

次に、クラスタリング結果を用いた頭外定位フィルタ決定装置３００について図９を用いて説明する。図９は、頭外定位フィルタ決定装置３００の構成を示すブロック図である。頭外定位フィルタ決定装置３００は、受信部３０１と、比較部３０２と、データ格納部３０３と、抽出部３０４と、フィルタ決定部３０５と、送信部３０６と、を備えている。

【0091】

頭外定位フィルタ決定装置３００はプロセッサやメモリなどを備えたコンピュータであり、プログラムにしたがって以下の処理を行う。また、頭外定位フィルタ決定装置３００は単一な装置に限らず、２つ以上の装置の組み合わせにより実現してもよく、クラウドサーバ等の仮想サーバでもよい。データを格納するデータ格納部３０３と、データ処理を行う比較部３０２、フィルタ決定部３０５等は物理的に異なる装置であってもよい。頭外定位フィルタ決定装置３００は処理装置２０１と同一の装置であってもよい。

【0092】

データ格納部３０３は、クラスタリング結果のデータを格納している。データ格納部３０３は複数の被測定者に対する事前測定の測定結果に基づくデータを格納している。図１０は、データ格納部３０３に格納されたデータの一例を示す図である。データ格納部３０３は、それぞれのクラスタに関する代表特性を格納している。データ格納部３０３は，図３で示したデータ格納部２２５と同一の装置であってもよく、異なる装置であってもよい。

【0093】

さらに、データ格納部３０３は、各クラスタに属する被測定者のＩＤとその外耳道伝達特性を格納している。外耳道伝達特性をプリセットデータともいう。外耳道伝達特性は被測定者の左右の耳毎に測定されている。よって、被測定者ＩＤと外耳道伝達特性には耳の左右を示す情報が付されている。例えば、被測定者ＩＤがＩＤ＿Ａの被測定者について、左耳の外耳道伝達特性ＥＣＴＦＬ＿Ａと右耳の外耳道伝達特性ＥＣＴＦＲ＿Ａが格納されている。データ格納部３０３は、被測定者のＩＤと、外耳道伝達特性と、耳の左右が対応付けられて、記憶されている。データ格納部３０３では、１人の被測定者に対して、左耳の外耳道伝達特性と、右耳の外耳道伝達特性を記録されている。

【0094】

なお、外耳道伝達特性はヘッドホンとマイクとを用いた測定により予め測定されている。例えば、被測定者がヘッドホンとマイクとを装着した状態でのインパルス応答測定等により、外耳道伝達特性が測定される。つまり、ヘッドホンからのインパルス音をユーザが左右の耳に装着したマイクにより収音することで、外耳道伝達特性が測定される。また、外耳道伝達特性は、周波数特性であってもよく、時間特性であってもよい、さらに、外耳道伝達特性は、周波数特性などから抽出された特徴量であってもよい。換言すると、外耳道伝達特性は、後述する比較部３０２でのマッチング処理に利用されるプリセットデータであればよい。

【0095】

さらに、それぞれの被測定者について、図２に示した測定装置２００が、空間音響伝達特性を測定している。空間音響伝達特性に対して、処理装置２０１がクラスタリング処理を行っている。よって、データ格納部３０３が、各クラスタの代表特性を格納している。データ格納部３０３は、一方の耳に関する空間音響伝達特性のペアを代表特性として記録している。例えば、左のスピーカ５Ｌから左マイク２Ｌまでの空間音響伝達特性と、右のスピーカ５Ｒから左マイク２Ｌまでの空間音響伝達特性のペアが代表特性となっている。

【0096】

例えば、１番目のクラスタの代表特性は、被測定者ＩＤ＿Ａの空間音響伝達特性Ｈｌｓ＿Ａ、Ｈｒｏ＿Ａとなっている。空間音響伝達特性Ｈｌｓ＿Ａ、Ｈｒｏ＿Ａは被測定者ＩＤ＿Ａの左耳に関するデータである。図２に示したように、空間音響伝達特性Ｈｌｓ＿Ａは左スピーカ５Ｌから被測定者ＩＤ＿Ａの左耳９Ｌのマイク２Ｌまでの空間音響伝達特性である。空間音響伝達特性Ｈｒｏ＿Ａは右スピーカ５Ｒから被測定者ＩＤ＿Ａの左耳９Ｌのマイク２Ｌまでの空間音響伝達特性である。例えば、被測定者ＩＤ＿Ａの左耳に関する空間音響伝達特性から得られた特徴量が、クラスタの重心に最も近いデータとなっている。データ格納部３０３は、他のクラスタについても同様に代表特性を格納している。

【0097】

受信部３０１は、頭外定位受聴を行うユーザＵのユーザ端末などから送信されたユーザデータを受信する。ユーザデータは、例えば、ユーザＵの外耳道伝達特性の測定データである。また、ユーザデータは、外耳道伝達特性の周波数特性などであってもよく、外耳道伝達特性から抽出された特徴量であってもよい。ユーザ端末は、図１に示す頭外定位処理装置１００であってもよく、ユーザ端末は外耳道伝達特性の測定装置であってもよい。

【0098】

比較部３０２は、ユーザＵの外耳道伝達特性と被測定者の外耳道伝達特性とを比較する。比較部３０２は、公知のマッチング処理で、複数の被測定者のデータの中から特徴量ベクトルが最も類似するデータを探索する。比較部３０２は、ユーザの外耳道伝達特性と最も類似する被測定者を特定し、その被測定者が属するクラスタを求める。抽出部３０４は、その被測定者が属するクラスタの代表特性を抽出する。

【0099】

フィルタ決定部３０５は抽出されたクラスタの代表特性に基づいて、空間音響フィルタを決定する。フィルタ決定部３０５は、代表特性に基づいて、空間音響フィルタを生成してもよい。あるいは、代表特性が空間音響フィルタであってもよい。送信部３０６は、空間音響フィルタをユーザ端末に送信する。これにより、ユーザ端末が代表特性に応じた空間音響フィルタのデータを取得することができる。

【0100】

例えば、ユーザＵの左耳の外耳道伝達特性と最も類似するデータが、被測定者ＩＤ＿Ｂの左耳の外耳道伝達特性ＥＣＴＦＬ＿Ｄである場合、抽出部３０４は、クラスタ２の代表特性Ｈｌｓ＿Ｃ、Ｈｒｏ＿Ｃを抽出する。よって、図１の畳み込み演算部１１、２１には、代表特性Ｈｌｓ＿Ｃ、Ｈｒｏ＿Ｃに応じた空間音響フィルタが設定される。

【0101】

ユーザＵの右耳の外耳道伝達特性と最も類似するデータが、被測定者ＩＤ＿Ｂの左耳の外耳道伝達特性ＥＣＴＦＬ＿Ｂである場合、抽出部３０４は、クラスタ１の代表特性Ｈｌｓ＿Ａ、Ｈｒｏ＿Ａを抽出する。図１の畳み込み演算部１２、２１には、代表特性Ｈｌｓ＿Ａ、Ｈｒｏ＿Ａに応じた空間音響フィルタが設定される。

【0102】

このようにすることで、ユーザＵに対して空間音響伝達特性の測定を行うことなく、適切な空間音響フィルタを設定することができる。例えば、クラスタ毎に適切な代表特性が設定されている。よって，ユーザの外耳道伝達特性から類似する被測定者を特定することで、適切な空間音響フィルタを頭外定位処理装置１００に設定することができる。よって、適切な頭外定位処理を行うことができ、頭外定位効果を高くすることができる。

【0103】

ユーザＵに適した空間音響伝達特性を示す空間音響フィルタを決定することができる。よって、頭外定位処理装置１００は、適切なフィルタを生成することができるため、効果的な頭外定位処理を行うことができる。

【0104】

なお、頭外定位処理装置１００、処理装置２０１、頭外定位フィルタ決定装置３００の処理の少なくも一部は、他の装置で行ってもよい。つまり、上記の処理は複数の装置によって分散処理してもよい。頭外定位フィルタ決定装置３００と、処理装置２０１は、物理的に異なる装置となっていてもよく、同じ装置であってもよい。別の装置の場合、頭外定位フィルタ決定装置３００が決定した空間音響フィルタを頭外定位処理装置１００に送信すればよい。処理装置２０１とクラスタリングを行う装置は、物理的に別の装置であってもよい。つまり、クラスタリングを行う装置は処理装置２０１と同一の装置であってもよく、処理装置２０１からデータを収集するサーバ装置であってもよい。

【0105】

上記処理のうちの一部又は全部は、コンピュータプログラムによって実行されてもよい。上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（ｔａｎｇｉｂｌｅ ｓｔｏｒａｇｅ ｍｅｄｉｕｍ）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ)、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＰＲＯＭ)、フラッシュＲＯＭ、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

【0106】

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は上記実施の形態に限られたものではなく、その要旨を逸脱しない範囲で種々変更可能であることは言うまでもない。

【符号の説明】

【0107】

Ｕ ユーザ
１ 被測定者
２Ｌ 左マイク
２Ｒ 右マイク
５Ｌ 左スピーカ
５Ｒ 右スピーカ
９Ｌ 左耳
９Ｒ 右耳
１０ 頭外定位処理部
１１ 畳み込み演算部
１２ 畳み込み演算部
２１ 畳み込み演算部
２２ 畳み込み演算部
２４ 加算器
２５ 加算器
４１ 逆フィルタ部
４２ 逆フィルタ部
４３ ヘッドホン
１００ 頭外定位処理装置
２００ 測定装置
２０１ 処理装置
２１１ 測定信号生成部
２１２ 収音信号取得部
２１３ 周波数特性取得部
２１４ 平滑化処理部
２１５ 極値抽出部
２１６ 特定部
２１７ 第１特徴量算出部
２１８ 形状特性算出部
２１９ 第２特徴量算出部
２２０ クラスタリング部
２２１ 第１クラスタリング部
２２２ 第２クラスタリング部
２２５ データ格納部
２２６ 代表特性算出部
３００ 頭外定位フィルタ決定装置
３０１ 受信部
３０２ 比較部
３０３ データ格納部
３０４ 抽出部
３０６ 送信部
ＳＢ１ 選定帯域
ＳＢ２ 選定帯域
ＳＢ３ 選定帯域
Ｂ１～Ｂ３ 分割帯域

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】