ホーム > 特許ランキング > アルプスアルパイン株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2025041330
(43)【公開日】2025-03-26
(54)【発明の名称】能動騒音制御システム
(51)【国際特許分類】
G10K 11/178 20060101AFI20250318BHJP
【ＦＩ】
G10K11/178 100
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023148546
(22)【出願日】2023-09-13
(71)【出願人】
【識別番号】000010098
【氏名又は名称】アルプスアルパイン株式会社
(74)【代理人】
【識別番号】100103171
【弁理士】
【氏名又は名称】雨貝 正彦
(74)【代理人】
【識別番号】100105784
【弁理士】
【氏名又は名称】橘 和之
(74)【代理人】
【識別番号】100098497
【弁理士】
【氏名又は名称】片寄 恭三
(72)【発明者】
【氏名】伊勢 友彦
【テーマコード（参考）】
5D061
【Ｆターム（参考）】
5D061FF02
(57)【要約】
【課題】上流で騒音を検出しないブラインド型の構成において高周波数領域についても騒音を良好にキャンセルできる「能動騒音制御システム」を提供する。
【解決手段】更新制御部１６は、マイク１１が出力する音のレベルが大きくなったときにＩＣＡ処理部１５に独立成分分析処理を行わせる。ＩＣＡ処理部１５は、独立成分分析処理において、独立成分分析により、マイク１１が出力する観測音データから騒音成分を分離し、分離した騒音成分を表すデータを統計的騒音データ１４として格納する。マイク１１の出力をエラーとして適応動作を行う適応フィルタ１３は、格納された統計的騒音データ１４にフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ１２から騒音キャンセル音NCとして出力する。また、適応フィルタ１３は、マイク１１が出力する観測音データをエラーとしてフィルタ処理のフィルタ係数を適応させる。
【選択図】図１
【解決手段】更新制御部１６は、マイク１１が出力する音のレベルが大きくなったときにＩＣＡ処理部１５に独立成分分析処理を行わせる。ＩＣＡ処理部１５は、独立成分分析処理において、独立成分分析により、マイク１１が出力する観測音データから騒音成分を分離し、分離した騒音成分を表すデータを統計的騒音データ１４として格納する。マイク１１の出力をエラーとして適応動作を行う適応フィルタ１３は、格納された統計的騒音データ１４にフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ１２から騒音キャンセル音NCとして出力する。また、適応フィルタ１３は、マイク１１が出力する観測音データをエラーとしてフィルタ処理のフィルタ係数を適応させる。
【選択図】図１
【特許請求の範囲】
【請求項1】
能動騒音制御を行う能動騒音制御システムであって、
収音した音を観測信号として出力するマイクと、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
前記観測信号から騒音成分を分離し、分離した騒音成分を表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行って、前記疑似騒音信号から前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
収音した音を観測信号として出力するマイクと、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
前記観測信号から騒音成分を分離し、分離した騒音成分を表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行って、前記疑似騒音信号から前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
【請求項2】
能動騒音制御を行う能動騒音制御システムであって、
マイクと、
前記マイクの出力を周波数領域の信号に変換し観測信号として出力する周波数解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
時間領域変換手段と、
周波数領域において前記観測信号から騒音成分を分離し、分離した騒音成分を周波数領域において表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、周波数領域において、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
マイクと、
前記マイクの出力を周波数領域の信号に変換し観測信号として出力する周波数解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
時間領域変換手段と、
周波数領域において前記観測信号から騒音成分を分離し、分離した騒音成分を周波数領域において表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、周波数領域において、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
【請求項3】
請求項２記載の能動騒音制御システムであって、
前記周波数解析手段は、高速フーリエ変換によってマイクの出力を周波数領域の信号に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
前記周波数解析手段は、高速フーリエ変換によってマイクの出力を周波数領域の信号に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
【請求項4】
能動騒音制御を行う能動騒音制御システムであって、
マイクと、
前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
時間領域変換手段と、
前記観測信号から騒音成分を分離し疑似騒音信号として前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
マイクと、
前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
記憶手段と、
時間領域変換手段と、
前記観測信号から騒音成分を分離し疑似騒音信号として前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
【請求項5】
請求項４記載の能動騒音制御システムであって、
前記解析手段は、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
前記解析手段は、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
【請求項6】
請求項４記載の能動騒音制御システムであって、
前記解析手段は、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
前記解析手段は、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
【請求項7】
請求項１、２、３、４、５または６記載の能動騒音制御システムであって、
前記騒音分離手段は、前記マイクの出力が所定レベルより大きくなったことを、前記所定の契機として、前記騒音分離処理を行うことを特徴とする能動騒音制御システム。
前記騒音分離手段は、前記マイクの出力が所定レベルより大きくなったことを、前記所定の契機として、前記騒音分離処理を行うことを特徴とする能動騒音制御システム。
【請求項8】
請求項１、２、３、４、５または６記載の能動騒音制御システムであって、
前記騒音分離手段は、独立成分分析(ICA)によって、前記観測信号から騒音成分を分離することを特徴とする能動騒音制御システム。
前記騒音分離手段は、独立成分分析(ICA)によって、前記観測信号から騒音成分を分離することを特徴とする能動騒音制御システム。
【請求項9】
請求項１、２、３、４、５または６記載の能動騒音制御システムであって、
前記騒音分離手段は、予め前記観測信号から騒音成分を推論するように学習させたニューラルネットワークによって前記観測信号から騒音成分を推論して分離することを特徴とする能動騒音制御システム。
前記騒音分離手段は、予め前記観測信号から騒音成分を推論するように学習させたニューラルネットワークによって前記観測信号から騒音成分を推論して分離することを特徴とする能動騒音制御システム。
【請求項10】
請求項１、２、３、４、５または６記載の能動騒音制御システムであって、
前記騒音分離手段は、主成分分析によって、前記観測信号の所定の次数の主成分を算定し、算定した主成分を、前記騒音成分として分離することを特徴とする能動騒音制御システム。
前記騒音分離手段は、主成分分析によって、前記観測信号の所定の次数の主成分を算定し、算定した主成分を、前記騒音成分として分離することを特徴とする能動騒音制御システム。
【請求項11】
能動騒音制御を行う能動騒音制御システムであって、
マイクと、
前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
前記変換関数によって擬似的な騒音が生成される前記重み係数を、疑似騒音信号として予め記憶した記憶手段と、
時間領域変換手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
マイクと、
前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、
騒音キャンセル音を出力するスピーカと、
適応フィルタと、
前記変換関数によって擬似的な騒音が生成される前記重み係数を、疑似騒音信号として予め記憶した記憶手段と、
時間領域変換手段と、
前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを有し、
当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、
前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成することを特徴とする能動騒音制御システム。
【請求項12】
請求項１１記載の能動騒音制御システムであって、
前記解析手段は、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
前記解析手段は、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
【請求項13】
請求項１１記載の能動騒音制御システムであって、
前記解析手段は、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
前記解析手段は、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力し、
前記時間領域変換手段は、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換することを特徴とする能動騒音制御システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、騒音を打ち消す騒音キャンセル音により騒音を低減する能動騒音制御(ANC;Active Noise Control）の技術に関するものである。
【背景技術】
【0002】
能動騒音制御する技術としては、フィードフォワード型の能動騒音制御とフィードバック型の能動騒音制御が知られている（たとえば、特許文献１）。
能動騒音制御では、騒音キャンセル対象位置よりも騒音の上流となる位置で騒音源となる機構の振動や回転数や騒音源近くの音などの騒音と相関のある事象をセンサで検出して参照信号を生成する。そして、騒音キャンセル対象位置近くに配置したマイクで収音した音をエラー信号として適応させた適応フィルタで、参照信号から騒音を打ち消す騒音キャンセル音を生成しスピーカから出力する。
能動騒音制御では、騒音キャンセル対象位置よりも騒音の上流となる位置で騒音源となる機構の振動や回転数や騒音源近くの音などの騒音と相関のある事象をセンサで検出して参照信号を生成する。そして、騒音キャンセル対象位置近くに配置したマイクで収音した音をエラー信号として適応させた適応フィルタで、参照信号から騒音を打ち消す騒音キャンセル音を生成しスピーカから出力する。
【0003】
一方、フィードバック型の能動騒音制御においても、適応フィルタで騒音キャンセル音を生成しスピーカから出力する。ただし、フィードバック型の能動騒音制御では、騒音キャンセル対象位置近くに配置したマイクで収音した音をエラー信号とし、エラー信号に推定したスピーカからマイクに伝搬する騒音キャンセル音を加算した信号を騒音を表す騒音信号として、エラー信号で適応させた適応フィルタで騒音信号から騒音を打ち消す騒音キャンセル音を生成する。
【0004】
また、本出願に関連する技術としては、音声とノイズが混在する音を、独立成分分析(ICA)により音声とノイズに分離する技術（たとえば、特許文献２）や、ニューラルネットワークを用いて、複数のオーディオソースが混在するオーディオ信号から、個々のオーディオソースを分離する技術（たとえば、特許文献３）が知られている。
【0005】
また、本出願に関連する技術としては、音の周波数帯域毎の強さをデータ（変数）とする主成分分析により、音の第１主成分と第２主成分を求める技術が知られている（たとえば、特許文献４）。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】特開2017-090736号公報
【特許文献2】特表2006-510069号公報
【特許文献3】特表2009-511954号公報
【特許文献4】特開平11-117875号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
上述したフィードフォワード型の能動騒音制御は、騒音キャンセル対象位置近くに配置した適応フィルタを適応するためのエラーを収音するマイクの他に、参照信号の生成のために、騒音キャンセル対象位置よりも騒音の上流となる位置で騒音と相関のある事象を検出する特段のセンサが必要であり、諸事情により、このようなセンサを備えられない場合には、能動騒音制御を行うことができない。
【0008】
一方で、フィードバック型の能動騒音制御によれば、騒音キャンセル対象位置近くに配置したマイクの他に、騒音と相関のある事象を検出するセンサは必要ないが、フィードバックループの伝搬の遅延のために、高周波数領域の騒音をキャンセルすることが困難であるという問題がある。
また、フィードフォワード側の能動騒音制御においても、騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合には、必要となる騒音キャンセル音の高周波数領域の成分を生成するための演算処理時間が不足し、高周波数領域について騒音を良好にキャンセルすることが困難となる。
また、フィードフォワード側の能動騒音制御においても、騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合には、必要となる騒音キャンセル音の高周波数領域の成分を生成するための演算処理時間が不足し、高周波数領域について騒音を良好にキャンセルすることが困難となる。
【0009】
そこで、本発明は、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を実現することを課題とする。
【課題を解決するための手段】
【0010】
前記課題達成のために、本発明は、能動騒音制御を行う能動騒音制御システムに、収音した音を観測信号として出力するマイクと、騒音キャンセル音を出力するスピーカと、適応フィルタと、記憶手段と、前記観測信号から騒音成分を分離し、分離した騒音成分を表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを備えたものである。ここで、当該適応フィルタは、前記観測信号をエラーとして適応動作を行って、前記疑似騒音信号から前記スピーカから出力する騒音キャンセル音を生成する。
【0011】
また、前記課題達成のために、本発明は、能動騒音制御を行う能動騒音制御システムに、マイクと、前記マイクの出力を周波数領域の信号に変換し観測信号として出力する周波数解析手段と、騒音キャンセル音を出力するスピーカと、適応フィルタと、記憶手段と、時間領域変換手段と、周波数領域において前記観測信号から騒音成分を分離し、分離した騒音成分を周波数領域において表す疑似騒音信号を前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを備えたものである。ここで、当該適応フィルタは、周波数領域において、前記観測信号をエラーとして適応動作を行い、前記時間領域変換手段は、前記適応フィルタの出力を時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成する。
【0012】
ここで、この能動騒音制御システムは、前記周波数解析手段において、高速フーリエ変換によってマイクの出力を周波数領域の信号に変換し観測信号として出力し、前記時間領域変換手段において、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換するように構成してもよい。
【0013】
また、前記課題達成のために、本発明は、能動騒音制御を行う能動騒音制御システムに、マイクと、前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、騒音キャンセル音を出力するスピーカと、適応フィルタと、記憶手段と、時間領域変換手段と、前記観測信号から騒音成分を分離し疑似騒音信号として前記記憶手段に格納する騒音分離処理を所定の契機で行う騒音分離手段と、前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを備えたものである。ここで、当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成する。
【0014】
ここで、この能動騒音制御システムにおいて、前記解析手段を、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力するものとし、前記時間領域変換手段を、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換するものとしてよい。
【0015】
または、前記解析手段を、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力するものとし、前記時間領域変換手段を、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換するものとしてもよい。
また、以上の能動騒音制御システムは、前記騒音分離手段において、前記マイクの出力が所定レベルより大きくなったことを、前記所定の契機として、前記騒音分離処理を行うように構成してもよい。
また、以上の能動騒音制御システムは、前記騒音分離手段において、独立成分分析(ICA)によって、前記観測信号から騒音成分を分離するように構成してもよい。
または、以上の能動騒音制御システムは、前記騒音分離手段において、予め前記観測信号から騒音成分を推論するように学習させたニューラルネットワークによって前記観測信号から騒音成分を推論して分離するように構成してもよい。
または、以上の能動騒音制御システムは、前記騒音分離手段において、主成分分析によって、前記観測信号の所定の次数の主成分を算定し、算定した主成分を、前記騒音成分として分離するように構成してもよい。
以上のような能動騒音制御システムによれば、適応フィルタを適応するためのエラーを収音するマイクの出力中の騒音成分を分離して疑似騒音信号として記憶し、記憶した疑似騒音信号を適応フィルタの入力として能動騒音制御によって騒音キャンセル音を生成することができる。また、フィードバック型の能動騒音制御のように高周波数領域について騒音を良好にキャンセルできない原因となるフィードバックループの伝搬の遅延の問題は発生しない。また、予め記憶した疑似騒音データを適応フィルタの入力として用いるので、フィードフォワード側の能動騒音制御において、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合に演算処理時間が不足し高周波数領域について騒音を良好にキャンセルできなくなる問題も発生しない。
よって、本発明によれば、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
また、以上の能動騒音制御システムは、前記騒音分離手段において、前記マイクの出力が所定レベルより大きくなったことを、前記所定の契機として、前記騒音分離処理を行うように構成してもよい。
また、以上の能動騒音制御システムは、前記騒音分離手段において、独立成分分析(ICA)によって、前記観測信号から騒音成分を分離するように構成してもよい。
または、以上の能動騒音制御システムは、前記騒音分離手段において、予め前記観測信号から騒音成分を推論するように学習させたニューラルネットワークによって前記観測信号から騒音成分を推論して分離するように構成してもよい。
または、以上の能動騒音制御システムは、前記騒音分離手段において、主成分分析によって、前記観測信号の所定の次数の主成分を算定し、算定した主成分を、前記騒音成分として分離するように構成してもよい。
以上のような能動騒音制御システムによれば、適応フィルタを適応するためのエラーを収音するマイクの出力中の騒音成分を分離して疑似騒音信号として記憶し、記憶した疑似騒音信号を適応フィルタの入力として能動騒音制御によって騒音キャンセル音を生成することができる。また、フィードバック型の能動騒音制御のように高周波数領域について騒音を良好にキャンセルできない原因となるフィードバックループの伝搬の遅延の問題は発生しない。また、予め記憶した疑似騒音データを適応フィルタの入力として用いるので、フィードフォワード側の能動騒音制御において、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合に演算処理時間が不足し高周波数領域について騒音を良好にキャンセルできなくなる問題も発生しない。
よって、本発明によれば、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
【0016】
また、本発明は、前記課題達成のために、能動騒音制御を行う能動騒音制御システムに、マイクと、前記マイクの出力を、直交基底を重みづけすることにより時間領域の信号を生成する所定の変換関数の重み係数に変換し観測信号として出力する解析手段と、騒音キャンセル音を出力するスピーカと、適応フィルタと、前記変換関数によって擬似的な騒音が生成される前記重み係数を、疑似騒音信号として予め記憶した記憶手段と、時間領域変換手段と、前記記憶手段に格納された疑似騒音信号を入力とする適応フィルタとを備えたものである。当該適応フィルタは、前記観測信号をエラーとして適応動作を行い、前記時間領域変換手段は、前記適応フィルタの出力を前記変換関数により時間領域の信号に変換して、前記スピーカから出力する騒音キャンセル音を生成する。
【0017】
ここで、この能動騒音制御システムにおいて、前記解析手段を、高速フーリエ変換によってマイクの出力を前記重み係数に変換し観測信号として出力するものとし、前記時間領域変換手段を、逆高速フーリエ変換によって前記適応フィルタの出力を時間領域の信号に変換するものとしてよい。
【0018】
または、前記解析手段を、ウェーブレット変換によってマイクの出力を前記重み係数に変換し観測信号として出力するものとし、前記時間領域変換手段を、逆ウェーブレット変換によって前記適応フィルタの出力を時間領域の信号に変換するものとしてもよい。
このような能動騒音制御システムによっても、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
このような能動騒音制御システムによっても、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
【発明の効果】
【0019】
以上のように、本発明によれば、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を実現することができる。
【図面の簡単な説明】
【0020】
【図1】本発明の第１実施形態に係る騒音制御装置の構成を示すブロック図である。
【図2】本発明の第２実施形態に係る騒音制御装置の構成を示すブロック図である。
【図3】本発明の第３実施形態に係る騒音制御装置の構成を示すブロック図である。
【図4】本発明の第４実施形態に係る騒音制御装置の構成を示すブロック図である。
【図5】本発明の第５実施形態に係る騒音制御装置の構成を示すブロック図である。
【図6】本発明の第６実施形態に係る騒音制御装置の構成を示すブロック図である。
【図7】本発明の第７実施形態に係る騒音制御装置の構成を示すブロック図である。
【図8】本発明の第８実施形態に係る騒音制御装置の構成を示すブロック図である。
【図9】本発明の実施形態に係る騒音制御装置の他の構成例を例示するブロック図である。
【発明を実施するための形態】
【0021】
以下、本発明の実施形態を説明する。
まず、第１の実施形態について説明する。
図１に、本第１実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク１１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ１２、適応フィルタ１３、統計的騒音データ１４、独立成分分析(ICA)を行うＩＣＡ処理部１５、更新制御部１６を備えている。
まず、第１の実施形態について説明する。
図１に、本第１実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク１１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ１２、適応フィルタ１３、統計的騒音データ１４、独立成分分析(ICA)を行うＩＣＡ処理部１５、更新制御部１６を備えている。
【0022】
マイク１１は、収音した騒音Nと騒音キャンセル音NCの混合音を観測音データとして出力する。ここで、この混合音データは、騒音キャンセル音NCをスピーカ１２から出力しているときには、騒音Nの、騒音キャンセル音NCでキャンセルしきれなかった残成分を表す。
更新制御部１６は、騒音制御装置をセットアップするときや、マイク１１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ１３の動作を停止し、ＩＣＡ処理部１５に独立成分分析処理を行わせる。
ここで、適応フィルタ１３の動作が停止している期間中、適応フィルタ１３の適応動作や、騒音キャンセル音NCの出力は停止する。したがって、適応フィルタ１３の動作が停止している期間中、マイク１１が出力する観測音データは、騒音Nを表すものとなる。
さて、ＩＣＡ処理部１５は、独立成分分析処理において、独立成分分析により、統計的独立性に基づいて、マイク１１が出力する観測音データから騒音成分を分離し、分離した騒音成分を表すデータを統計的騒音データ１４として格納する。
そして、更新制御部１６は、統計的騒音データ１４が格納されたならば、適応フィルタ１３の動作を再開する。
格納された統計的騒音データ１４は疑似騒音データとして適応フィルタ１３に出力される。
適応フィルタ１３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ１２から騒音キャンセル音NCとして出力する。また、適応フィルタ１３は、マイク１１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
更新制御部１６は、騒音制御装置をセットアップするときや、マイク１１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ１３の動作を停止し、ＩＣＡ処理部１５に独立成分分析処理を行わせる。
ここで、適応フィルタ１３の動作が停止している期間中、適応フィルタ１３の適応動作や、騒音キャンセル音NCの出力は停止する。したがって、適応フィルタ１３の動作が停止している期間中、マイク１１が出力する観測音データは、騒音Nを表すものとなる。
さて、ＩＣＡ処理部１５は、独立成分分析処理において、独立成分分析により、統計的独立性に基づいて、マイク１１が出力する観測音データから騒音成分を分離し、分離した騒音成分を表すデータを統計的騒音データ１４として格納する。
そして、更新制御部１６は、統計的騒音データ１４が格納されたならば、適応フィルタ１３の動作を再開する。
格納された統計的騒音データ１４は疑似騒音データとして適応フィルタ１３に出力される。
適応フィルタ１３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ１２から騒音キャンセル音NCとして出力する。また、適応フィルタ１３は、マイク１１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0023】
以下、本発明の第２実施形態について説明する。
本第２実施形態は、第１実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図２に、本第２実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク２１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ２２、適応フィルタ２３、周波数領域統計的騒音データ２４、独立成分分析(ICA)を行うＩＣＡ処理部２５、更新制御部２６、周波数解析部２７、時間領域変換部２８を備えている。
本第２実施形態は、第１実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図２に、本第２実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク２１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ２２、適応フィルタ２３、周波数領域統計的騒音データ２４、独立成分分析(ICA)を行うＩＣＡ処理部２５、更新制御部２６、周波数解析部２７、時間領域変換部２８を備えている。
【0024】
周波数解析部２７は、マイク２１が出力する観測音データに対して周波数解析を行い、観測音データを、周波数帯域毎の音の強さを表す周波数領域観測音データに変換する。
この周波数解析部２７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部２６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク２１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ２３の動作を停止し、ＩＣＡ処理部２５に独立成分分析処理を行わせる。
この周波数解析部２７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部２６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク２１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ２３の動作を停止し、ＩＣＡ処理部２５に独立成分分析処理を行わせる。
【0025】
ＩＣＡ処理部２５は、独立成分分析処理において、周波数領域の独立成分分析を行い、統計的独立性に基づいて、周波数領域観測音データから、周波数領域で騒音成分を表すデータを分離し、分離したデータを周波数領域統計的騒音データ２４として格納する。
ここで、周波数解析部２７が行う周波数解析としてFFTを用いた場合、周波数領域統計的騒音データ２４も周波数スペクトルとなる。
更新制御部２６は、統計的騒音データ１４が格納されたならば、適応フィルタ２３の動作を再開する。
格納された周波数領域統計的騒音データ２４は周波数領域疑似騒音データとして適応フィルタ２３に出力される。
適応フィルタ２３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部２８に出力する。また、適応フィルタ２３は、周波数解析部２７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
ここで、周波数解析部２７が行う周波数解析としてFFTを用いた場合、周波数領域統計的騒音データ２４も周波数スペクトルとなる。
更新制御部２６は、統計的騒音データ１４が格納されたならば、適応フィルタ２３の動作を再開する。
格納された周波数領域統計的騒音データ２４は周波数領域疑似騒音データとして適応フィルタ２３に出力される。
適応フィルタ２３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部２８に出力する。また、適応フィルタ２３は、周波数解析部２７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0026】
時間領域変換部２８は、適応フィルタ２３が出力する周波数領域騒音キャンセル音データを時間領域の音に変換してスピーカ２２から騒音キャンセル音NCとして出力する。
ここで、周波数解析部２７が行う周波数解析としてFFTを用いた場合、時間領域変換部２８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第３実施形態について説明する。
本第３実施形態は、第１実施形態の騒音制御装置の観測音データからの騒音の分離を、独立成分分析(ICA)に代えて、ニューラルネットワークを用いて行うようにしたものである。
図３に、本第３実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク３１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ３２、適応フィルタ３３、推論騒音データ３４、学習済ニューラルネットワーク３５、更新制御部３６を備えている。
ここで、周波数解析部２７が行う周波数解析としてFFTを用いた場合、時間領域変換部２８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第３実施形態について説明する。
本第３実施形態は、第１実施形態の騒音制御装置の観測音データからの騒音の分離を、独立成分分析(ICA)に代えて、ニューラルネットワークを用いて行うようにしたものである。
図３に、本第３実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク３１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ３２、適応フィルタ３３、推論騒音データ３４、学習済ニューラルネットワーク３５、更新制御部３６を備えている。
【0027】
マイク３１は、収音した騒音Nと騒音キャンセル音NCの混合音を観測音データとして出力する。
更新制御部３６は、騒音制御装置をセットアップするときや、マイク３１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ３３の動作を停止し、学習済ニューラルネットワーク３５に騒音の推論処理を行わせる。
更新制御部３６は、騒音制御装置をセットアップするときや、マイク３１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ３３の動作を停止し、学習済ニューラルネットワーク３５に騒音の推論処理を行わせる。
【0028】
学習済ニューラルネットワーク３５は、予め、適当な教師データを用いて観測音データから騒音成分を分離する推論を行うよう学習させたニューラルネットワークであり、騒音の推論処理において、マイク３１が出力する観測音データから騒音を推論し、推論した騒音を表すデータを推論騒音データ３４として格納する。
【0029】
更新制御部３６は、推論騒音データ３４が格納されたならば、適応フィルタ３３の動作を再開する。
格納された推論騒音データ３４は疑似騒音データとして適応フィルタ３３に出力される。
適応フィルタ３３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカから騒音キャンセル音NCとして出力する。また、適応フィルタ３３は、マイク３１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
格納された推論騒音データ３４は疑似騒音データとして適応フィルタ３３に出力される。
適応フィルタ３３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカから騒音キャンセル音NCとして出力する。また、適応フィルタ３３は、マイク３１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0030】
以下、本発明の第４実施形態について説明する。
本第４実施形態は、第４実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図４に、本第４実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク４１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ４２、適応フィルタ４３、周波数領域推論騒音データ４４、学習済ニューラルネットワーク４５、更新制御部４６、周波数解析部４７、時間領域変換部４８を備えている。
本第４実施形態は、第４実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図４に、本第４実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク４１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ４２、適応フィルタ４３、周波数領域推論騒音データ４４、学習済ニューラルネットワーク４５、更新制御部４６、周波数解析部４７、時間領域変換部４８を備えている。
【0031】
周波数解析部４７は、マイク４１が出力する観測音データに対して周波数解析を行い、観測音データを、周波数帯域毎の音の強さを表す周波数領域観測音データに変換する。
この周波数解析部４７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部４６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク４１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ４３の動作を停止し、学習済ニューラルネットワーク４５にに騒音の推論処理を行わせる。
この周波数解析部４７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部４６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク４１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ４３の動作を停止し、学習済ニューラルネットワーク４５にに騒音の推論処理を行わせる。
【0032】
学習済ニューラルネットワーク４５は、予め、適当な教師データを用いて、周波数領域において周波数領域観測音データから騒音成分を分離する推論を行うよう学習させたニューラルネットワークであり、騒音の推論処理において、周波数領域において周波数領域観測音データから騒音成分を推論し、推論した周波数領域で騒音成分を表すデータを周波数領域推論騒音データ４４として格納する。
【0033】
ここで、周波数解析部４７が行う周波数解析としてFFTを用いた場合、周波数領域推論騒音データ４４も周波数スペクトルとなる。
更新制御部４６は、周波数領域推論騒音データ４４が格納されたならば、適応フィルタ４３の動作を再開する。
格納された周波数領域推論騒音データ４４は周波数領域疑似騒音データとして適応フィルタ４３に出力される。
適応フィルタ４３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部４８に出力する。また、適応フィルタ４３は、周波数解析部４７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
更新制御部４６は、周波数領域推論騒音データ４４が格納されたならば、適応フィルタ４３の動作を再開する。
格納された周波数領域推論騒音データ４４は周波数領域疑似騒音データとして適応フィルタ４３に出力される。
適応フィルタ４３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部４８に出力する。また、適応フィルタ４３は、周波数解析部４７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0034】
時間領域変換部４８は、適応フィルタ４３が出力する周波数領域騒音キャンセル音データを時間領域の音に変換してスピーカ４２から騒音キャンセル音NCとして出力する。
ここで、周波数解析部４７が行う周波数解析としてFFTを用いた場合、時間領域変換部４８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第５実施形態について説明する。
本第５実施形態は、第１実施形態の騒音制御装置の観測音データからの騒音の分離を、独立成分分析(ICA)に代えて、主成分分析を用いて行うようにしたものである。
図５に、本第５実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク５１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ５２、適応フィルタ５３、主成分データ５４、主成分分析部５５、更新制御部５６を備えている。
ここで、周波数解析部４７が行う周波数解析としてFFTを用いた場合、時間領域変換部４８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第５実施形態について説明する。
本第５実施形態は、第１実施形態の騒音制御装置の観測音データからの騒音の分離を、独立成分分析(ICA)に代えて、主成分分析を用いて行うようにしたものである。
図５に、本第５実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク５１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ５２、適応フィルタ５３、主成分データ５４、主成分分析部５５、更新制御部５６を備えている。
【0035】
マイク５１は、収音した騒音Nと騒音キャンセル音NCの混合音を観測音データとして出力する。
更新制御部５６は、騒音制御装置をセットアップするときや、マイク５１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ５３の動作を停止し、主成分分析部５５に主成分分析を行わせる。
主成分分析部５５は、主成分分析により観測音データの所定の次数の主成分（たとえば、第１主成分のみ、または、第２主成分のみ、または、第１主成分及び第２主成分）を分析し、分析した各主成分の累積寄与率が最大となる音を表すデータを主成分データ５４として格納する。
更新制御部５６は、騒音制御装置をセットアップするときや、マイク５１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったときに、適応フィルタ５３の動作を停止し、主成分分析部５５に主成分分析を行わせる。
主成分分析部５５は、主成分分析により観測音データの所定の次数の主成分（たとえば、第１主成分のみ、または、第２主成分のみ、または、第１主成分及び第２主成分）を分析し、分析した各主成分の累積寄与率が最大となる音を表すデータを主成分データ５４として格納する。
【0036】
更新制御部５６は、主成分データ５４が格納されたならば、適応フィルタ５３の動作を再開する。
格納された主成分データ５４は疑似騒音データとして適応フィルタ５３に出力される。
適応フィルタ５３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ５２から騒音キャンセル音NCとして出力する。また、適応フィルタ５３は、マイク５１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
格納された主成分データ５４は疑似騒音データとして適応フィルタ５３に出力される。
適応フィルタ５３は、入力した疑似騒音データにフィルタ処理を施した騒音キャンセル音データが表す音を、スピーカ５２から騒音キャンセル音NCとして出力する。また、適応フィルタ５３は、マイク５１が出力する観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0037】
次に、本発明の第６実施形態について説明する。
本第６実施形態は、第５実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図６に、本第６実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク６１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ６２、適応フィルタ６３、周波数領域主成分データ６４、主成分析部６５、更新制御部６６、周波数解析部６７、時間領域変換部６８を備えている。
本第６実施形態は、第５実施形態の騒音制御装置の動作と同等の信号処理を周波数領域で行うようにしたものである。
図６に、本第６実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク６１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ６２、適応フィルタ６３、周波数領域主成分データ６４、主成分析部６５、更新制御部６６、周波数解析部６７、時間領域変換部６８を備えている。
【0038】
周波数解析部６７は、マイク６１が出力する観測音データに対して周波数解析を行い、観測音を、周波数帯域毎の音の強さを表す周波数領域観測音データに変換する。
この周波数解析部６７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部６６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク６１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ６３の動作を停止し、主成分分析部６５に主成分分析を行わせる。
この周波数解析部６７が行う周波数解析としては、たとえば、FFT(高速フーリエ変換)を用いることができ、FFTを用いた場合、周波数領域観測音データは周波数スペクトルとなる。
更新制御部６６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク６１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ６３の動作を停止し、主成分分析部６５に主成分分析を行わせる。
【0039】
主成分分析部６５は、周波数領域の主成分分析により周波数領域観測音データの所定の次数の主成分（たとえば、第１主成分のみ、または、第２主成分のみ、または、第１主成分及び第２主成分）を分析し、分析した各主成分の累積寄与率が最大となる音を周波数領域において表すデータを周波数領域主成分データ６４として格納する。
ここで、周波数解析部６７が行う周波数解析としてFFTを用いた場合、周波数領域主成分データ６４も周波数スペクトルとなる。
ここで、周波数解析部６７が行う周波数解析としてFFTを用いた場合、周波数領域主成分データ６４も周波数スペクトルとなる。
【0040】
更新制御部６６は、周波数領域主成分データ６４が格納されたならば、適応フィルタ６３の動作を再開する。
格納された周波数領域主成分データ６４は周波数領域疑似騒音データとして適応フィルタ６３に出力される。
適応フィルタ６３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部６８に出力する。また、適応フィルタ６３は、周波数解析部６７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
格納された周波数領域主成分データ６４は周波数領域疑似騒音データとして適応フィルタ６３に出力される。
適応フィルタ６３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部６８に出力する。また、適応フィルタ６３は、周波数解析部６７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0041】
時間領域変換部６８は、適応フィルタ６３が出力する周波数領域騒音キャンセル音データを時間領域の音に変換してスピーカ６２から騒音キャンセル音NCとして出力する。
ここで、周波数解析部６７が行う周波数解析としてFFTを用いた場合、時間領域変換部６８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第７実施形態について説明する。
図７に、本第７実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク７０１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ７０２、適応フィルタ７０３、重み係数７０４、独立成分分析(ICA)を行うＩＣＡ処理部７０５、更新制御部７０６、周波数解析部７０７、時間領域変換部７０８、基底スペクトル算出部７０９、直交基底データ７１０を備えている。
ここで、周波数解析部６７が行う周波数解析としてFFTを用いた場合、時間領域変換部６８が行う変換はIFFT（逆高速フーリエ変換）となる。
以下、本発明の第７実施形態について説明する。
図７に、本第７実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク７０１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ７０２、適応フィルタ７０３、重み係数７０４、独立成分分析(ICA)を行うＩＣＡ処理部７０５、更新制御部７０６、周波数解析部７０７、時間領域変換部７０８、基底スペクトル算出部７０９、直交基底データ７１０を備えている。
【0042】
直交基底データ７１０は、所定の直交基底を重みで重みづけすることにより時間領域の信号を生成する変換関数において用いられる直交基底のデータである。このような変換関数としては、逆高速フーリエ変換等を用いることができ、逆高速フーリエ変換を用いる場合、直交基底データ７１０はフーリエ基底のデータとなる。
【0043】
さて、周波数解析部７０７は、マイク７０１が出力する観測音データに対して周波数解析を行い、観測音データを、上述した変換関数の直交基底の重み係数を表す周波数領域観測音データに変換する。
ここで、直交基底データ７１０をフーリエ基底のデータとした場合、周波数解析部７０７が行う周波数解析としては、FFT(高速フーリエ変換)を用い、周波数領域観測音データは周波数スペクトルとなる。
更新制御部７０６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク７０１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ７０３の動作を停止し、ＩＣＡ処理部７０５に独立成分分析処理を行わせる。
ここで、直交基底データ７１０をフーリエ基底のデータとした場合、周波数解析部７０７が行う周波数解析としては、FFT(高速フーリエ変換)を用い、周波数領域観測音データは周波数スペクトルとなる。
更新制御部７０６は、騒音制御装置をセットアップするときや、周波数領域観測音データからマイク７０１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ７０３の動作を停止し、ＩＣＡ処理部７０５に独立成分分析処理を行わせる。
【0044】
ＩＣＡ処理部７０５は、独立成分分析処理において、周波数領域の独立成分分析を行い、統計的独立性に基づいて、周波数領域観測音データから、周波数領域の騒音成分を表すデータを分離し、分離したデータを周波数領域統計的騒音データとして基底スペクトル算出部７０９に送る。
【0045】
基底スペクトル算出部７０９は、ＩＣＡ処理部７０５から送られた周波数領域統計的騒音データが周波数領域で示す騒音の、直交基底データ７１０に格納された直交基底の要素毎の複素スペクトルを算定し、算定した複素スペクトルから求まる直交基底の重み係数を重み係数７０４として設定する。
【0046】
基底スペクトル算出部７０９が算定する複素スペクトルはゲインと位相を表し、重み係数７０４に格納される重み係数は、複素形式で直交基底の各要素に適用されるゲインと位相を表すものとなる。
また、周波数解析部７０７が行う周波数解析としてFFTを用いた場合、重み係数７０４に格納される重み係数は周波数スペクトルとなる。
更新制御部７０６は、重み係数７０４が格納されたならば、適応フィルタ７０３の動作を再開する。
格納された重み係数７０４は、直交基底データ７１０に格納された直交基底の重み係数を表す周波数領域疑似騒音データとして適応フィルタ７０３に出力される。
適応フィルタ７０３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部７０８に出力する。また、適応フィルタ７０３は、周波数解析部７０７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
また、周波数解析部７０７が行う周波数解析としてFFTを用いた場合、重み係数７０４に格納される重み係数は周波数スペクトルとなる。
更新制御部７０６は、重み係数７０４が格納されたならば、適応フィルタ７０３の動作を再開する。
格納された重み係数７０４は、直交基底データ７１０に格納された直交基底の重み係数を表す周波数領域疑似騒音データとして適応フィルタ７０３に出力される。
適応フィルタ７０３は、周波数領域において、入力した周波数領域疑似騒音データにフィルタ処理を施して、周波数領域騒音キャンセル音データとして、時間領域変換部７０８に出力する。また、適応フィルタ７０３は、周波数解析部７０７が出力する周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0047】
時間領域変換部７０８は、適応フィルタ７０３が出力する周波数領域騒音キャンセル音データを時間領域の音に変換してスピーカ７０２から騒音キャンセル音NCとして出力する。
ここで、周波数解析部７０７が行う周波数解析としてFFTを用いた場合、時間領域変換部７０８が行う変換はIFFT（逆高速フーリエ変換）となる。
なお、以上の第７実施形態において、ＩＣＡ処理部１５に代えて、学習済みニューラルネットワークや主成分分析により、周波数領域観測音データから、周波数領域で騒音を表すデータを分離し、分離したデータを周波数領域統計的騒音データとする処理部を設けてもよい。
ここで、周波数解析部７０７が行う周波数解析としてFFTを用いた場合、時間領域変換部７０８が行う変換はIFFT（逆高速フーリエ変換）となる。
なお、以上の第７実施形態において、ＩＣＡ処理部１５に代えて、学習済みニューラルネットワークや主成分分析により、周波数領域観測音データから、周波数領域で騒音を表すデータを分離し、分離したデータを周波数領域統計的騒音データとする処理部を設けてもよい。
【0048】
以下、本発明の第８実施形態について説明する。
図８に、本第８実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク８０１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ８０２、適応フィルタ８０３、重み係数８０４、独立成分分析(ICA)を行うＩＣＡ処理部８０５、更新制御部８０６、時間-周波数解析部８０７、時間領域変換部８０８、基底スペクトル算出部８０９、直交基底データ８１０を備えている。
図８に、本第８実施形態に係る騒音制御装置の構成を示す。
図示するように、騒音制御装置は、騒音キャンセル対象位置近くに配置したマイク８０１、騒音キャンセル対象位置で騒音Nをキャンセルする騒音キャンセル音NCを出力するスピーカ８０２、適応フィルタ８０３、重み係数８０４、独立成分分析(ICA)を行うＩＣＡ処理部８０５、更新制御部８０６、時間-周波数解析部８０７、時間領域変換部８０８、基底スペクトル算出部８０９、直交基底データ８１０を備えている。
【0049】
直交基底データ８１０は、所定の直交基底を重みで重みづけすることにより周波数スペクトルが時間的に変化する時間領域の信号を生成する変換関数において用いられる直交基底のデータである。このような変換関数としては、逆ウェーブレット変換等を用いることができ、逆ウェーブレット変換を用いる場合、直交基底データ８１０はウェーブレット基底のデータとなる。ここで、ウェーブレット基底は、一般的には、マザーウェーブレットのスケールや時間シフトを様々に変化させたものである。
【0050】
さて、時間-周波数解析部８０７は、マイク８０１が出力する観測音データに対して時間-周波数解析を行い、観測音データを、上述した変換関数の直交基底の重み係数を表す時間-周波数領域観測音データに変換する。
ここで、直交基底データ８１０をウェーブレット基底のデータとした場合、周波数解析部が行う時間-周波数解析としては、ウェーブレット変換を用い、時間-周波数領域観測音データはウェーブレット係数となる。
更新制御部８０６は、騒音制御装置をセットアップするときや、時間-周波数領域観測音データからマイク８０１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ８０３の動作を停止し、ＩＣＡ処理部８０５に独立成分分析処理を行わせる。
ここで、直交基底データ８１０をウェーブレット基底のデータとした場合、周波数解析部が行う時間-周波数解析としては、ウェーブレット変換を用い、時間-周波数領域観測音データはウェーブレット係数となる。
更新制御部８０６は、騒音制御装置をセットアップするときや、時間-周波数領域観測音データからマイク８０１が出力する観測音データが表す音のレベルが所定レベル以上大きくなったことが検出されたときに、適応フィルタ８０３の動作を停止し、ＩＣＡ処理部８０５に独立成分分析処理を行わせる。
【0051】
ＩＣＡ処理部８０５は、独立成分分析処理において、時間-周波数領域の独立成分分析を行い、統計的独立性に基づいて、時間-周波数領域観測音データから、時間-周波数領域で騒音成分を表すデータを分離し、分離したデータを時間-周波数領域統計的騒音データとして基底スペクトル算出部８０９に送る。
【0052】
基底スペクトル算出部８０９は、ＩＣＡ処理部８０５から送られた時間-周波数領域統計的騒音データが時間-周波数領域で示す騒音の、直交基底データ８１０に格納された直交基底の要素毎のスペクトルを算定し、算定したスペクトルから求まる直交基底の重み係数を重み係数８０４として設定する。
【0053】
また、周波数解析部が行う周波数解析としてウェーブレット変換を用いた場合、重み係数８０４に格納される重み係数はウェーブレット係数となる。
更新制御部８０６は、重み係数８０４が格納されたならば、適応フィルタ８０３の動作を再開する。
格納された重み係数８０４は、直交基底データ８１０に格納された直交基底の重み係数を表す時間-周波数領域疑似騒音データとして適応フィルタ８０３に出力される。
適応フィルタ８０３は、周波数領域において、入力した時間-周波数領域疑似騒音データにフィルタ処理を施して、時間-周波数領域騒音キャンセル音データとして、時間領域変換部８０８に出力する。また、適応フィルタ８０３は、時間-周波数解析部８０７が出力する時間-周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって時間-周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
更新制御部８０６は、重み係数８０４が格納されたならば、適応フィルタ８０３の動作を再開する。
格納された重み係数８０４は、直交基底データ８１０に格納された直交基底の重み係数を表す時間-周波数領域疑似騒音データとして適応フィルタ８０３に出力される。
適応フィルタ８０３は、周波数領域において、入力した時間-周波数領域疑似騒音データにフィルタ処理を施して、時間-周波数領域騒音キャンセル音データとして、時間領域変換部８０８に出力する。また、適応フィルタ８０３は、時間-周波数解析部８０７が出力する時間-周波数領域観測音データをエラーとして、エラーのパワーが最小となるようにLMSやNLMS等の適応アルゴリズムによって時間-周波数領域疑似騒音データに施すフィルタ処理のフィルタ係数を適応させる。
【0054】
時間領域変換部８０８は、適応フィルタ８０３が出力する時間-周波数領域騒音キャンセル音データを時間領域の音に変換してスピーカ８０２から騒音キャンセル音NCとして出力する。
ここで、時間-周波数解析部８０７が行う周波数解析としてウェーブレット変換を用いた場合、時間領域変換部８０８が行う変換は逆ウェーブレット変換となる。
なお、以上の第８実施形態において、ＩＣＡ処理部１５に代えて、学習済みニューラルネットワークや主成分分析により、時間-周波数領域観測音データから、時間-周波数領域で騒音を表すデータを分離し、分離したデータを時間-周波数領域統計的騒音データとする処理部を設けてもよい。
ここで、時間-周波数解析部８０７が行う周波数解析としてウェーブレット変換を用いた場合、時間領域変換部８０８が行う変換は逆ウェーブレット変換となる。
なお、以上の第８実施形態において、ＩＣＡ処理部１５に代えて、学習済みニューラルネットワークや主成分分析により、時間-周波数領域観測音データから、時間-周波数領域で騒音を表すデータを分離し、分離したデータを時間-周波数領域統計的騒音データとする処理部を設けてもよい。
【0055】
以上、本発明の第８実施形態について説明した。
以上のような各実施形態によれば、適応フィルタを適応するためのエラーを収音するマイクで収音した音から、騒音成分を分析して記憶し、記憶した騒音成分を表す疑似騒音データを適応フィルタの入力として能動騒音制御によって騒音キャンセル音を生成することができる。また、また、フィードバック型の能動騒音制御のように高周波数領域について騒音を良好にキャンセルできない原因となるフィードバックループの伝搬の遅延の問題は発生しない。また、予め記憶した疑似騒音データを適応フィルタの入力として用いるので、フィードフォワード側の能動騒音制御において、騒音キャンセル対象位置よりも騒音の上流となる位置で騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合に、高周波数領域について騒音を良好にキャンセルできない原因となる演算処理時間の不足の問題も発生しない。
よって、各実施形態によれば、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
以上のような各実施形態によれば、適応フィルタを適応するためのエラーを収音するマイクで収音した音から、騒音成分を分析して記憶し、記憶した騒音成分を表す疑似騒音データを適応フィルタの入力として能動騒音制御によって騒音キャンセル音を生成することができる。また、また、フィードバック型の能動騒音制御のように高周波数領域について騒音を良好にキャンセルできない原因となるフィードバックループの伝搬の遅延の問題は発生しない。また、予め記憶した疑似騒音データを適応フィルタの入力として用いるので、フィードフォワード側の能動騒音制御において、騒音キャンセル対象位置よりも騒音の上流となる位置で騒音と相関のある事象を検出するセンサが騒音キャンセル対象位置に近い場合に、高周波数領域について騒音を良好にキャンセルできない原因となる演算処理時間の不足の問題も発生しない。
よって、各実施形態によれば、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる能動騒音制御を行うことができる。
【0056】
ここで、以上の示した第７実施形態における重み係数７０４としては、予め固定的に設定した重み係数を用いるようにしてよい。
すなわち、この場合には、図９ａに示すように、ＩＣＡ処理部７０５、更新制御部７０６、基底スペクトル算出部７０９を廃し、事前に行った解析などにより定めた直交基底の重み係数を、重み係数７０４として予め設定する。
同様に、第８実施形態における重み係数８０４として、予め固定的に設定した重み係数を用いるようにしてよい。
すなわち、この場合には、図９ｂに示すように、ＩＣＡ処理部８０５、更新制御部８０６、基底スペクトル算出部８０９を廃し、事前に行った解析などにより定めた直交基底の重み係数を、重み係数８０４として予め設定する。
これらの構成によっても、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる。
すなわち、この場合には、図９ａに示すように、ＩＣＡ処理部７０５、更新制御部７０６、基底スペクトル算出部７０９を廃し、事前に行った解析などにより定めた直交基底の重み係数を、重み係数７０４として予め設定する。
同様に、第８実施形態における重み係数８０４として、予め固定的に設定した重み係数を用いるようにしてよい。
すなわち、この場合には、図９ｂに示すように、ＩＣＡ処理部８０５、更新制御部８０６、基底スペクトル算出部８０９を廃し、事前に行った解析などにより定めた直交基底の重み係数を、重み係数８０４として予め設定する。
これらの構成によっても、騒音キャンセル対象位置よりも騒音の上流となる位置において騒音と相関のある事象を検出するセンサを設けないブラインド型の構成において、高周波数領域についても騒音を良好にキャンセルできる。
【符号の説明】
【0057】
１１…マイク、１２…スピーカ、１３…適応フィルタ、１４…統計的騒音データ、１５…ＩＣＡ処理部、１６…更新制御部、２１…マイク、２２…スピーカ、２３…適応フィルタ、２４…周波数領域統計的騒音データ、２５…ＩＣＡ処理部、２６…更新制御部、２７…周波数解析部、２８…時間領域変換部、３１…マイク、３３…適応フィルタ、３４…推論騒音データ、３５…学習済ニューラルネットワーク、３６…更新制御部、４１…マイク、４２…スピーカ、４３…適応フィルタ、４４…周波数領域推論騒音データ、４５…学習済ニューラルネットワーク、４６…更新制御部、４７…周波数解析部、４８…時間領域変換部、５１…マイク、５２…スピーカ、５３…適応フィルタ、５４…主成分データ、５５…主成分分析部、５６…更新制御部、６１…マイク、６２…スピーカ、６３…適応フィルタ、６４…周波数領域主成分データ、６５…主成分析部、６６…更新制御部、６７…周波数解析部、６８…時間領域変換部、７０１…マイク、７０２…スピーカ、７０３…適応フィルタ、７０４…重み係数、７０５…ＩＣＡ処理部、７０６…更新制御部、７０７…周波数解析部、７０８…時間領域変換部、７０９…基底スペクトル算出部、７１０…直交基底データ、８０１…マイク、８０２…スピーカ、８０３…適応フィルタ、８０４…重み係数、８０５…ＩＣＡ処理部、８０６…更新制御部、８０７…時間-周波数解析部、８０８…時間領域変換部、８０９…基底スペクトル算出部、８１０…直交基底データ。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
