JP7507999B2 - ノイズ除去装置及び方法 - Google Patents

Description

本発明は、音響センサから得られる入力信号から目的信号以外の成分をノイズとして除去し、目的信号を抽出するノイズ除去装置及び方法に関するものである。

マイクロホン（マイク）などの音響センサを用いて機器の動作音を観測し、観測した音響信号（入力信号）に異常音が含まれているか否かを判定することで、機器の異常動作を自動的に検出する診断技術が提案されている。

上記のような診断技術が必要となる現場の環境は、機械室や製造ラインなど周囲に多数の機械設備が配置されている場合が多く、これらの機械設備などから生じる騒音・電気ノイズ等のノイズ対策を確立することができなければ、上述した環境において機器の動作音から正確に異常動作を検出することは困難である。

このようなノイズを除去する技術は多数提案されている。例えば、スペクトルサブトラクションは、最も基本的なノイズ除去技術の一つである。スペクトルサブトラクションは、事前に何らかの方法でノイズのパワースペクトルを取得した上で、入力信号のパワースペクトルからノイズのパワースペクトルを減算するものである。この方法は単純な構成ながら、ノイズのパワースペクトルが定常的である場合には、ノイズを効果的に除去することができる。しかし、音色が時間的に変化する非定常なノイズの場合、ノイズのパワースペクトルをうまく推定できず、ノイズ除去性能は著しく低下する。

上記の課題に対応するため、ノイズのパワースペクトルを推定する代わりに、複数の音響センサから得られる入力信号の位相成分に着目してノイズ除去を行う方法が知られている。例えば、２つの音響センサに生じる位相差の時間変動の大小を周波数ごとに算出し、時間変動が大きな周波数成分をノイズと見なして除去する技術が開示されている（特許文献１）。

特開２０１１－３３７１７号公報

しかしながら、従来のノイズ除去装置には以下のような問題がある。特許文献１に記載された従来のノイズ除去装置は、所定の間隔を空けて設置された２つの音響センサから位相差を得ている。そのため、少なくとも２つの音響センサを異なる位置に設置する必要がある。

この発明は上記のような問題を解決するためになされたもので、一箇所に設置された音響センサで、音色が時間的に変化する非定常なノイズに対応可能なノイズ除去装置及び方法を提供することを目的とする。

本開示に係るノイズ除去装置は、
目的信号以外の成分を含む入力信号を一定の時間に区切られたフレームに分割して周波数スペクトルに変換し、遅延量を用いて一定の時間差を有する周波数スペクトルの対を複数生成するフーリエ変換部と、
複数の一定の時間差を有する周波数スペクトルの対から、クロススペクトル又はコヒーレンスを複数生成するクロススペクトル部と、
複数のクロススペクトル又は複数のコヒーレンスを平均化し、目的信号のパワースペクトルを抽出するノイズ除去部とを備える。

本開示に係るノイズ除去方法は、
フーリエ変換部が、目的信号以外の成分を含む入力信号を一定の時間に区切られたフレームに分割して周波数スペクトルに変換し、遅延量を用いて一定の時間差を有する周波数スペクトルの対を複数生成し、
クロススペクトル部が、複数の一定の時間差を有する周波数スペクトルの対から、クロススペクトル又はコヒーレンスを複数生成し、
ノイズ除去部が、複数のクロススペクトル又は複数のコヒーレンスを平均化し、目的信号のパワースペクトルを抽出する。

本開示によれば、一箇所に設置された音響センサで、音色が時間的に変化する非定常なノイズに対応可能なノイズ除去装置を得る効果を有する。

実施の形態１におけるノイズ除去装置のブロック構成図である。 目的信号の周波数スペクトルに対する、クロススペクトルの時間変化を模式的に表したものである。 目的信号の周波数スペクトルに対する、クロススペクトルの時間変化の別の事例である。 ノイズの周波数スペクトルに対する、クロススペクトルの時間変化を模式的に表したものである。 目的信号である周期信号の周波数特性のグラフである。 非定常ノイズの周波数特性のグラフである。 目的信号に非定常ノイズを重畳した試験信号（入力信号）の周波数特性のグラフである。 実施の形態１におけるノイズ除去装置のノイズ除去効果を示す一例として、ノイズ除去された入力信号の周波数特性のグラフである。 実施の形態１におけるノイズ除去処理の順序を示すフローチャートである。 実施の形態１におけるノイズ除去装置が有するハードウェアの構成図である。 実施の形態２におけるノイズ除去装置のブロック構成図である。 実施の形態２におけるノイズ除去処理の順序を示すフローチャートである。 実施の形態３におけるノイズ除去装置のブロック構成図である。 実施の形態３におけるノイズ除去処理の順序を示すフローチャートである。 実施の形態４におけるノイズ除去装置のブロック構成図である。

実施の形態の説明及び図面において、同じ要素及び対応する要素には同じ符号を付している。同じ符号が付された要素の説明は、適宜に省略又は簡略化する。以下の実施の形態では、「部」を「回路」、「工程」、「手順」又は「処理」に適宜読み替えてもよい。

実施の形態１．
実施の形態１におけるノイズ除去装置について図１～図１０を用いて説明する。

本実施の形態において、機器の動作音（すなわち、目的信号）は、回転部（例えば、モータ、発電機、タービン、圧縮機、送風機、フライホイール、変速機、歯車、車輪、車軸及び軸受け、など）の動作に伴う周期的な動作音を発生させる機器のものであるとする。ただし、対象となる機器は必ずしも回転部を持つ必要はない。機器が周期的な動作音を発生させるものであれば、どのような機器であっても本発明を適用することが可能である。また、除去対象となるノイズは、例えば、空調機の送風騒音、電気的な白色雑音、車両走行時の走行騒音、工場内の騒音などである。

なお、以降では音響センサの具体例としてマイクを用いるが、本発明における音響センサはマイクに限定されるものではない。例えば、音響トランスデューサ（例えば、振動センサ、超音波センサ、など）、加速度センサ（例えば、加速度ピックアップ、レーザードップラー加速度計、など）も用いることが可能である。

＜装置＞
図１は、実施の形態１におけるノイズ除去装置のブロック構成図である。図１において、本実施の形態におけるノイズ除去装置１００は、フーリエ変換部３と、クロススペクトル部４と、ノイズ除去部５とから構成されている。フーリエ変換部３は、ＳＴＦＴ部３１と、遅延部３２とから構成されている。なお、遅延部３２に与える遅延量ＤＬＹは、例えば、目的信号あるいはノイズの状態に応じた所定の値が、複数の遅延量の候補から事前に設定されてもよい。

マイク１は、目的信号である機器の動作音にノイズが重畳された音響波形を観測（取得）し、観測した音響波形をアナログ信号Ｄ１として出力する。

ＡＤ変換部２は、所定の分解能（例えば、１６ｂｉｔ）、所定のサンプリング周波数（例えば、１６０００Ｈｚ）により、アナログ信号Ｄ１をアナログ信号からデジタル信号に変換（サンプリング）する。ＡＤ変換部２は、サンプリングされた時間領域の信号（デジタル信号）を、入力信号Ｄ２として出力する。以降、入力信号Ｄ２をｘ（ｔ）とする。ただし、ｔは離散時間である。

フーリエ変換部３は、入力信号Ｄ２のフーリエ変換を行い、遅延量ＤＬＹを用いて一定の時間差を有する周波数スペクトルの対（ペア）を複数生成する。一定の時間差を有する周波数スペクトルのペアは、具体的には、後述する、周波数スペクトルの第１配列Ｄ３の要素と、周波数スペクトルの第１配列Ｄ３よりも時間方向に遅延した周波数スペクトルの第２配列Ｄ４の要素とからなる周波数スペクトルのペアである。以下、フーリエ変換部３の内部処理について説明する。

ＳＴＦＴ部３１は、まず、入力信号Ｄ２（ｘ（ｔ））を、所定の時間間隔（例えば、３２ｍｓｅｃ）のフレームに分割する。次に、ＳＴＦＴ部３１は、現フレームの入力信号と、次フレームの入力信号とを合わせて、所定の区間長（６４ｍｓｅｃ）の入力信号を生成する。所定の区間長の入力信号に対し、窓掛け処理（例えば、ハニング窓）を行い、窓掛けされた入力信号 ｘ＾（ｔ）を算出する。

続いて、ＳＴＦＴ部３１は、短時間フーリエ変換（Ｓｈｏｒｔ－Ｔｉｍｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ、以下、ＳＴＦＴと略する）により、窓かけされた入力信号ｘ＾（ｔ）を、現フレームの入力信号の周波数スペクトルＸ（ω，ｋ）に変換する。ただし、ωは離散周波数、ｋは現フレームの番号である。現フレームの入力信号の周波数スペクトルＸ（ω，ｋ）は、過去フレームの入力信号の周波数スペクトルと併せ、周波数スペクトルの第１配列Ｄ３として出力される。

周波数スペクトルの第１配列Ｄ３は、現フレームの番号ｋを起点（０）とし、Ｋ－１フレーム遡った時点までの過去フレームの入力信号の周波数スペクトルの配列である。具体的には、周波数スペクトルの第１配列Ｄ３は、Ｘ（ω，０）、Ｘ（ω，－１）、・・・、Ｘ（ω，－（Ｋ－１））である。ここで、Ｋは、周波数スペクトルの第１配列Ｄ３のサイズである。

なお、過去フレームの入力信号の周波数スペクトルは、ノイズ除去装置１００内の図示しないメモリＭＥＭに保持されている。メモリＭＥＭには、Ｋ－１＋ＤＬＹフレーム遡った時点までの過去フレームの入力信号の周波数スペクトルが保持される。ここで、ＤＬＹは所定の遅延量である。メモリＭＥＭの内容（すなわち、過去フレームの入力信号の周波数スペクトル）は、周波数スペクトルの第１配列Ｄ３及び周波数スペクトルの第２配列 ４を出力した後、現フレームの入力信号の周波数スペクトルＸ（ω，ｋ）を用いて更新される。

遅延部３２は、図示しないメモリＭＥＭから過去フレームの入力信号の周波数スペクトルを読み出し、所定の遅延量ＤＬＹにより、周波数スペクトルの第１配列Ｄ３よりも遅延した周波数スペクトルの第２配列Ｄ４を生成する。具体的には、周波数スペクトルの第２配列Ｄ４をＸ_Ｄ（ω，ｋ）で表すと、Ｘ_Ｄ（ω，ｋ）＝Ｘ（ω，ｋ―ＤＬＹ）（ただし、ｋ＝０、－１、・・・、―（Ｋ－１））の関係となる配列Ｘ_Ｄ（ω，ｋ）を生成する。

周波数スペクトルの第２配列Ｄ４は、ＤＬＹフレーム遡った時点のフレームが起点となり、Ｋ－１＋ＤＬＹフレーム遡った時点までの過去フレームの入力信号の周波数スペクトルの配列である。具体的には、周波数スペクトルの第２配列Ｄ４は、Ｘ_Ｄ（ω，０）＝Ｘ（ω，－ＤＬＹ），Ｘ_Ｄ（ω，－１）＝Ｘ（ω，－１－ＤＬＹ）、・・・、Ｘ_Ｄ（ω，－（Ｋ－１））＝Ｘ（ω，－（Ｋ－１）－ＤＬＹ）である。つまり、周波数スペクトルの第２配列Ｄ４のｋ番目のフレームの成分と、周波数スペクトルの第１配列Ｄ３のｋ番目のフレームの成分は、それぞれ、一定の時間差（ＤＬＹ）を有する周波数スペクトルのペアである。

クロススペクトル部４は、周波数スペクトルの第１配列Ｄ３と、周波数スペクトルの第２配列Ｄ４とを用いて、一定の時間差（ＤＬＹ）のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成された各フレームのクロススペクトルは、現フレーム（ｋ＝０）のクロススペクトルと、過去フレーム（ｋ＝－１、・・・、－（Ｋ－１））のクロススペクトルとを合わせて、クロススペクトルの配列Ｄ５として出力される。
ここで、クロススペクトルとは、２つのスペクトルのうち一方を複素共役としたときの複素数の積である。現フレームの番号ｋのクロススペクトルをＳ（ω，ｋ）とすると、クロススペクトルの配列Ｄ５は、周波数スペクトルの第１配列Ｄ３と、周波数スペクトルの第２配列Ｄ４とを用いて、例えば、式（１）で計算することができる。

ただし、τはフレームの個数で表した遅延量（すなわち、ＤＬＹ）、Ｗは周波数スペクトルのビン数、Ｋはフレームの個数、式（１）中の上線は複素共役を表す。クロススペクトルの配列Ｄ５は、現フレームの番号ｋを起点（０）とし、Ｋ－１フレーム遡った時点までの過去フレームのクロススペクトルから成るクロススペクトルの配列である。具体的には、クロススペクトルの配列Ｄ５は、Ｓ（ω，０）、Ｓ（ω，－１）、・・・、Ｓ（ω、－（Ｋ－１））である。

クロススペクトルの配列Ｄ５は、周波数スペクトルの第１配列Ｄ３の場合と同様に、例えば、ノイズ除去対象とする区間であるＫフレーム（Ｋは正の整数）分のデータが、ノイズ除去装置１００内のメモリ（図示せず）内に保持される。このＫの数値ならびにメモリの容量は、例えば、後述する式（２）が計算可能な範囲の値でよい。

ノイズ除去部５は、クロススペクトルの配列Ｄ５を時間方向に平均化することで、入力信号中のノイズを除去し、目的信号のパワースペクトルを抽出する。具体的には、クロススペクトルの配列Ｄ５を所定のフレーム区間で平均化し、その平均パワーを周波数毎に算出することで、目的信号のパワースペクトルＤ６を抽出する。目的信号のパワースペクトルＤ６をＰ（ω）とすると、クロススペクトルの配列Ｄ５を用いて、例えば、式（２）で計算することができる。

ただし、ｋ_{ｓｔａｒｔ}はノイズ除去の対象とする区間の始端フレームの番号、ｋ_ｅｎｄは終端フレームの番号である。また、Ｋ_Ｃは、ノイズ除去の対象とする区間長であり、その区間に含まれているフレームの個数（すなわち、Ｋ_Ｃ＝ｋ_ｅｎｄ－ｋ_{ｓｔａｒｔ}＋１）である。この式（２）は、クロススペクトルの配列Ｄ５を複素平面上で平均化し、その絶対値をパワースペクトルとして出力しているものと解釈できる。故に、得られたパワースペクトル成分は、ノイズの影響が除去され、目的信号である機器の動作音の周期的成分だけを抽出したものとなる。なお、Ｋ_Ｃは、ノイズ種類、ノイズの状態、あるいは目的信号の状態に応じて適宜変更されてもよい。また、式（２）において、フレームの番号ｋの順番通り（例えば、ｋ＝ｋ_{ｓｔａｒｔ}から始まり、ｋ＝ｋ_ｅｎｄで終了）に計算する必要は無い。

ここで、上述した一連の処理により、入力信号から、目的信号である機器の動作音の周期的成分だけが抽出される原理を、図２～図４を用いて説明する。

図２は、目的信号の周波数スペクトルに対する、クロススペクトルの時間変化を模式的に表したものである。図２では、左から右に進むにつれて時間が経過している。図２中に示す単位円は、複素平面を表している。図２（Ａ）は、目的信号の時間波形であり、１ｋＨｚの正弦波である。図２（Ｂ）（一段目の単位円）は、それぞれ、一定の時間間隔Ｔにおける、各時刻の１ｋＨｚの周波数スペクトル（複素数）を矢印で表している。
目的信号は周期的であるため、周波数スペクトルの位相（複素数の偏角）は、時間の経過と共に一定の速度で時計回りに回転する。なお、一定の時間間隔Ｔは、正弦波の１周期を８等分した値としているが、これは原理を理解し易くするためである。一定の時間間隔Ｔは、目的信号の周期に同期させる必要は無く、任意の値に設定されてもよい。

次に、クロススペクトル部４による、クロススペクトル処理の作用について考える。なお、クロススペクトルの絶対値は、２つの周波数スペクトルの振幅の積であるが、ここではクロススペクトルの偏角に注目する。図２（Ｃ）（二段目の単位円）は、各時刻における周波数スペクトルと、一定の時間間隔Ｔだけずれた周波数スペクトルとの、２つの周波数スペクトルから得られるクロススペクトルを矢印で表している。クロススペクトルの偏角は、２つの周波数スペクトルの偏角の差（すなわち、位相差）となる。そのため、一定の速度で回転している周波数スペクトルに対するクロススペクトルの偏角は、図２（ ）に示す二段目の単位円のように一定の値となる。

続いて、ノイズ除去部５による、クロススペクトルの時間方向の平均化の作用について考える。図２（Ｄ）（三段目の単位円）は、所定の区間内の複数のクロススペクトルを、複素平面上で平均化したパワースペクトルを矢印で表している。図２（Ｄ）に示すように、所定の区間内の複数のクロススペクトルの複素平面における時間平均は、クロススペクトルの偏角が一定の値を持つため、目的信号の周波数スペクトルのパワーと同じ振幅となる。この振幅が最終的な計算結果として残る。

図３は、目的信号の周波数スペクトルに対する、クロススペクトルの時間変化の別の事例である。図３は、図２と同一の目的信号（１ｋＨｚの正弦波）を用いるが、各時刻の周波数スペクトルの取得時刻をずらしている。更に、クロススペクトルを算出するための２つの周波数スペクトルの時間差を２Ｔとしている。この場合も、クロススペクトルの偏角は、図３（Ｃ）に示す二段目の単位円のように、図２の場合と同様、一定の値となる。そして、図３（Ｄ）に示すように、所定の区間内の複数のクロススペクトルの複素平面における時間平均は、図２の場合と同様に、目的信号のパワーと同じ振幅となる。

フーリエ変換部３において、周波数スペクトルの第２配列Ｄ４は、周波数スペクトルの第１配列Ｄ３に対し、一定のフレームの区間遅延τを与えることで生成される。これは、例えば、図２（Ｃ）（あるいは、図３（Ｃ））に示したように、一定の時間間隔Ｔで取得した周波数スペクトルを、所定の時間間隔だけずらすのと同様の処理である。こうして生成された周波数スペクトルの第２配列と、周波数スペクトルの第１配列とから算出されるクロススペクトルＤ５は、入力信号が周期的、すなわち、機器の回転数と音圧レベルが安定的であれば、位相差を常に一定にすることができる。また、各フレームの周波数スペクトルの取得時刻、及びクロススペクトルを算出するための遅延量を変更しても、位相差を常に一定にすることができる。

よって、任意の時点におけるクロススペクトルの配列Ｄ５は、複素平面上において、目的信号のパワースペクトルＤ６と同じ絶対値を持ち、かつ、図２（Ｃ）の二段目の単位円のように、時間方向に偏角が変化しない一定の値となる。よって、目的信号は、ノイズ除去部５における、クロススペクトルの時間方向の平均化処理（すなわち、ノイズ除去）の影響を受けない。言い換えれば、目的信号はノイズ除去の対象とならない。

一方、図４は、ノイズの周波数スペクトルに対する、クロススペクトルの時間変化を模式的に表したものである。図４では、左から右に進むにつれて時間が経過している。図４中に示す単位円は、複素平面を表している。図４（Ａ）は、ノイズ（非定常ノイズ）の時間波形である。図４（Ｂ）（一段目の単位円）は、それぞれ、一定の時間間隔Ｔにおける、各時刻の１ｋＨｚの周波数スペクトル（複素数）を矢印で表している。ノイズは位相に一貫性がないため、各時刻における周波数スペクトルの位相（複素数の偏角）は、ランダムとなる。

図４（Ｃ）（二段目の単位円）は、各時刻における周波数スペクトルと、一定の時間間隔Ｔだけずれた周波数スペクトルとの、２つの周波数スペクトルから得られるクロススペクトルを矢印で表している。位相がランダムである２つ周波数スペクトルからクロススペクトルを得ると、これもまたランダムとなる。

図４（Ｄ）（三段目の単位円）は、所定の区間内の複数のクロススペクトルを、複素平面上で平均化したパワースペクトルを矢印で表している。図４（Ｄ）に示すように、所定の区間内の複数のクロススペクトルの複素平面における時間平均は、クロススペクトルの偏角がランダムであるため、その値は０に近づく。つまり、ノイズは最終的な計算結果から除去される。

よって、入力信号がノイズの場合、周波数スペクトルの第１配列と、周波数スペクトルの第２配列とから算出されるクロススペクトルＤ５は、その偏角はランダムとなる。このようなクロススペクトルの時間方向の平均化処理を行うと、その値は０に近づく。したがって、ノイズの影響は最終的に除外される。

以上のことから、本実施の形態に示すフーリエ変換部３、クロススペクトル部４、及びノイズ除去部５の各処理を行うことで、入力信号からノイズが除去され、目的信号のパワースペクトルだけが出力されることとなる。

上述した一連の処理において特筆すべきは、目的信号の正確な周期を知る必要がないことである。一般的に、入力信号から目的信号の正確な周期を分析することは難しい。本実施の形態によるノイズ除去装置は、一定の遅延量を周波数スペクトルの配列に与えるが、その遅延量は、目的信号の周期に同期させる必要は無い。よって、周期の不明な目的信号であっても、安定したノイズ除去性能を発揮する。

更に、ノイズが除去されるために必要な条件は、周波数スペクトルの位相差のランダム性だけであり、ノイズが持つ音色（すなわち、ノイズの振幅と周波数）の時間変化に制約は無い。そのため、音色が時間変化するような非定常なノイズに対しても、本実施の形態のノイズ除去装置によるノイズ除去効果は顕著に奏功する。

以上説明したノイズ除去処理の有効性を、機器の動作音と非定常ノイズとを模擬した試験信号の一例を用いて示す。目的信号（機器の動作音を模擬した周期信号）として、５００Ｈｚから７５００Ｈｚまで５００Ｈｚの整数倍の正弦波を重畳した信号を用いた。非定常ノイズとして、工場内騒音を用いた。なお、目的信号及び非定常ノイズの時間長は１０秒である。この目的信号に非定常ノイズを重畳したものを試験信号（すなわち、入力信号）とした。試験信号のサンプリング周波数は１６０００Ｈｚとした。

図５～図７に、上記した各信号をそれぞれ図示する。図５は、目的信号である周期信号の周波数特性のグラフである。図６は、非定常ノイズの周波数特性のグラフである。図７は、目的信号に非定常ノイズを重畳した試験信号（入力信号）の周波数特性のグラフである。図５～図７は、より具体的には、上記の各信号に対して、分析区間長を１０２４サンプル（６４ｍｓｅｃ）、分析区間周期を５１２サンプル（３２ｍｓｅｃ）としたＳＴＦＴにより周波数分析し、パワースペクトル成分の時間平均（フレーム平均）値を求めたものである。各図において、グラフの縦軸はパワー（振幅の二乗）、横軸は周波数（Ｈｚ）である。図７に示す試験信号を見ると、周期信号のスペクトル成分に加えて、周波数全体に非定常ノイズによるスペクトル成分が分布している。

本実施の形態によるノイズ除去装置により、試験信号（入力信号）からノイズ除去を行った結果を図示する。図８は、ノイズ除去された入力信号の周波数特性のグラフである。図８は、図５～図７にて実施したのと同じ周波数分析を行っている。図８のグラフの縦軸はパワー（振幅の二乗）、横軸は周波数（Ｈｚ）である。なお、遅延量ＤＬＹ（τ）は２フレーム（６４ｍｓｅｃ）とした。図８を見ると、非定常ノイズの成分が大幅に低減され、目的信号の成分が抽出されていることが分かる。以上の結果から、本実施の形態１によるノイズ除去装置を試験信号に適用することで、試験信号から時間変化する非定常ノイズが除去され、目的信号である周期信号が抽出可能となる。よって、単一のマイクの構成で、なおかつ時間変化する非定常ノイズを除去することが可能となる。

＜フローチャート＞
図９は、実施の形態１におけるノイズ除去処理の順序を示すフローチャートである。

ステップＳＴ１０１では、ＳＴＦＴ部３１が、入力信号Ｄ２に対して、所定の分析区間長（例えば、６４ｍｓｅｃ）のＳＴＦＴによるスペクトル変換処理を行い、周波数スペクトルの第１配列Ｄ３を出力する（ステップＳＴ１０１）。

ステップＳＴ１０２では、遅延部３２が、ステップＳＴ１０１にて生成された周波数スペクトルの第１配列Ｄ３に対し、遅延量ＤＬＹに応じた時間遅延を生じさせ、周波数スペクトルの第２配列Ｄ４を出力する（ステップＳＴ１０２）。

ステップＳＴ１０３では、クロススペクトル部４が、ステップＳＴ１０２にて生成された周波数スペクトルの第２配列Ｄ４と、ステップＳＴ１０１にて生成された周波数スペクトルの第１配列Ｄ３とを用いて、一定の時間差（ＤＬＹ）のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成された各フレームのクロススペクトルは、現フレームのクロススペクトルと過去フレームのクロススペクトルとを合わせて、クロススペクトルの配列Ｄ５として出力する（ステップＳＴ１０３）。

ステップＳＴ１０４では、ノイズ除去部５が、クロススペクトルの配列Ｄ５を時間方向に平均化することで、入力信号のノイズを除去し、目的信号のパワースペクトルＤ６を抽出する（ステップＳＴ１０４）。

ステップＳＴ１０５では、フーリエ変換部３が、入力信号Ｄ２の入力が終了したと判定した場合（ステップＳＴ１０５のＹＥＳ）、ノイズ除去処理を終了する（ＥＮＤ）。引き続き入力信号Ｄ２の入力があると判定した場合（ステップＳＴ１０５のＮＯ）、ステップＳＴ１０１の最初に戻り、次のフレームの入力信号Ｄ２に対し、ステップＳＴ１０１からステップＳＴ１０５の各処理を順次継続する。

なお、上述したノイズ除去装置の動作説明では、ＡＤ変換部２から入力された入力信号Ｄ２に対してノイズ除去処理を行い、目的信号のパワースペクトルＤ５を得ているが、この処理に限らない。例えば、目的信号のパワースペクトルに対し、短時間逆フーリエ変換を行って、周波数領域のスペクトル成分から時間領域の信号に戻してもよい。

また、上述したノイズ除去装置の動作説明では、マイク１から入力されたアナログ信号Ｄ１を、ＡＤ変換部２で入力信号Ｄ２へ変換し、その入力信号Ｄ２に対してノイズ除去処理を行っているが、この構成に限らない。例えば、予め収録された観測波形のデジタル信号データを、本発明のノイズ除去装置の入力信号Ｄ２として入力することで、マイク１及びＡＤ変換部２は省略することができる。

また、ＳＴＦＴ部３１では、時間領域の信号から周波数領域のスペクトルに変換するために、短時間フーリエ変換を用いているが、これに限らない。例えば、ＳＴＦＴ部３１は、高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｍｓｆｏｒｍ）などの公知の手法を用い、時間領域の信号から周波数領域のスペクトルに変換してもよい。

更に、上述した以外の変形例として、クロススペクトルの代わりに、クロススペクトルから得られるコヒーレンスを用いてもよい。例えば、コヒーレンスを用いて周波数毎の信号対雑音比（ＳＮ比）を求め、そのＳＮ比を用いてＳＴＦＴ領域におけるノイズ除去を行ってもよい。具体的には、周波数スペクトルの第１配列Ｄ３と、周波数スペクトルの第２配列とから得られるコヒーレンスの配列を平均化する。コヒーレンスは、クロススペクトルをその絶対値で除算（正規化）したものである。よって、コヒーレンスを平均化したものは、入力信号のＳＮ比と見做すことができる。そのＳＮ比に基づいて、例えば、ウィナーフィルタにより目的信号を得ることができる。この方法では、短時間逆フーリエ変換を用いずとも、ノイズを除去した周波数領域のスペクトルを、時間領域の信号に直接復元することが可能となる。

＜ハードウェア構成＞
図１に示されるノイズ除去装置１００の各構成は、例えば、プロセッサを内蔵する情報処理装置であるコンピュータで実現可能である。図１０は、実施の形態１におけるノイズ除去装置が有するハードウェアの構成図である。図１０において、ノイズ除去装置１００は、プロセッサ２００、揮発性記憶装置２０１、不揮発性記憶装置２０２、入出力装置２０３、及び信号路２０４とで構成される。

プロセッサ２００を内蔵するコンピュータは、例えば、パーソナルコンピュータ、サーバ型コンピュータなどの据え置き型コンピュータ、スマートフォン、タブレット型コンピュータなどの可搬型コンピュータ、あるいは、機器診断システムなどの機器組み込み用途のマイクロコンピュータ、及びＳｏＣ（Ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）などである。

プロセッサ２００は、ノイズ除去装置１００の全体を制御すると共に、ノイズ除去装置１００の各構成を実行する。例えば、プロセッサ２００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）などである。プロセッサ２００は、単一のプロセッサでもマルチプロセッサでもよい。また、ノイズ除去装置１００は、コンピュータ以外にＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などの処理回路を有してもよい。処理回路は、単一回路又は複合回路でもよい。

揮発性記憶装置２０１は、ノイズ除去装置１００の主記憶装置である。例えば、揮発性記憶装置２０１は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。

不揮発性記憶装置２０２は、ノイズ除去装置１００の補助記憶装置である。例えば、不揮発性記憶装置２０２は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）である。

入出力装置２０３は、ノイズ除去装置１００の入出力インタフェースである。例えば、入出力装置２０３は、ＡＤ変換部２の出力である入力信号Ｄ２を取得するために用いられる。また、ノイズ除去装置１００で得られたノイズ除去された入力信号（すなわち、目的信号のパワースペクトルＤ６）を、外部の計測機器（図示せず）へ出力するために用いられる。

プロセッサ２００は、作業用メモリとして揮発性記憶装置２０１（例えば、ＲＡＭ）を使用し、不揮発性記憶装置２０２（例えば、ＲＯＭ）から、信号路２０４を通じて読み出されたコンピュータ・プログラム（すなわち、ノイズ除去プログラム）に従って動作する。なお、ノイズ除去プログラムは、入出力装置２０３を通じ、ノイズ除去装置１００の外部から供給されてもよい。また、ノイズ除去プログラムは、コンピュータで読み取り可能な不揮発性記憶媒体（例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）、フラッシュメモリ、など）により配布されてもよい。

ノイズ除去された入力信号は、入出力装置２０３を介して接続されている計測機器へ送出されるが、この計測機器として、例えば、機器診断装置、異常音検出装置、データ記録装置などの各種計測装置、あるいは、各種計測装置の計測・分析プログラムが動作するコンピュータなどが相当する。

更に、ノイズ除去された入力信号は、入出力装置２０３に接続された有線又は無線ネットワークを通じて、遠隔地にある計測機器へ送出されてもよい。また、マイク１ならびにＡＤ変換部２がノイズ除去装置１００と異なる位置に配置され、マイク１及びＡＤ変換部２により取得された入力信号Ｄ２が、有線又は無線ネットワークを通じてノイズ除去装置１００へ入力されてもよい。有線又は無線ネットワークは、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット、などである。また、ノイズ除去が行われた信号を時間領域の信号に復元し、入出力装置２０３に接続された増幅装置（図示せず）により増幅し、スピーカ（図示せず）などを用いて音響波形として直接出力してもよい。ノイズ除去された時間領域の信号をスピーカで出力しユーザに提示することで、ノイズ除去装置が正しく動作しているどうかをユーザが判断することができる。

上述したノイズ除去装置１００は、独立して構成された装置として説明したが、これに限らない。例えば、ノイズ除去装置１００は、計測機器（例えば、機器診断装置など）のハードウェアの一部として構成されてもよい。すなわち、ノイズ除去装置１００は、上述の他の計測機器が有するハードウェアに内包されてもよい。また、ノイズ除去プログラムは、例えば、上述の他の計測機器の機能を構成するソフトウエアプログラムの一部モジュールとして実行されてもよい。更に、ノイズ除去プログラムは、ネットワークで結合された複数のコンピュータに分散して実行されてもよい。

以上、実施の形態１にて詳述したノイズ除去装置は、１つのマイクから得られた周波数スペクトルの第１配列と、周波数スペクトルの第１配列に対し、所定のフレーム単位の遅延を生じさせることで得られる周波数スペクトルの第２配列とのクロススペクトルを生成し、更に、クロススペクトルの配列に対して時間方向の平均化を行うことで、入力信号のノイズを除去し、目的信号のパワースペクトルを抽出するように構成した。
よって、一箇所に設置された音響センサで、音色が時間的に変化する非定常なノイズに対応可能なノイズ除去を行うことができる。

実施の形態２．
上述した実施の形態１では、遅延部３２が、周波数スペクトルの第１配列Ｄ３に対し、所定の遅延量ＤＬＹに応じた遅延を生じさせ、遅延した信号である周波数スペクトルの第２配列Ｄ４を生成したが、これに限らない。例えば、遅延部３２をＡＤ変換器２の直後に配置し、離散時間単位による遅延処理を行った後、遅延処理を行った信号と、遅延処理を行っていない信号に対して、それぞれＳＴＦＴを行うという構成を為すことも可能である。この構成を実施の形態１の変形例である、実施の形態２として説明する。

図１１は、実施の形態２におけるノイズ除去装置のブロック構成図である。図１と比較して新たな構成は、離散時間単位遅延部３２ａと、第１ＳＴＦＴ部３１ａと、第２ＳＴＦＴ部３１ｂとである。その他の構成と動作については図１と同様であるので省略する。

離散時間単位遅延部３２ａは、ＡＤ変換部２が出力した入力信号Ｄ２に対し、遅延量ｄｌｙに応じた時間方向の遅延を生じさせ、遅延した入力信号Ｄ２ａ（ｘ（ｔ－ｄｌｙ））を出力する。ここで、実施の形態１における遅延部３２と異なる動作として、離散時間単位遅延部３２ａは、フレームの時間区間よりも細かい単位である、離散時間単位（サンプリング時間、すなわちｔ）での時間方向の遅延処理を行う。遅延処理の方法として、例えば、単純にサンプル成分をｄｌｙだけ順次シフトする方法の他、デジタルフィルタによる位相制御を用いることができる。離散時間単位の時間方向の遅延を生じさせることで、目的信号に応じたきめ細やかな時間遅延を設定することができ、ノイズ除去の精度が向上する効果がある。

なお、離散時間単位遅延部３２ａは、離散時間単位での時間方向の遅延処理を行うが、本質的動作である時間方向の遅延を生じさせるという点において、図１の遅延部３２と何ら変わりは無い。その観点で言えば、例えば、遅延量ｄｌｙで設定する遅延時間が、所定のフレームと同じ遅延時間であれば、離散時間単位遅延部３２ａは遅延部３２に置き換えてもよい。

また、離散時間単位遅延部３２ａは、例えば、非整数遅延（ｆｒａｃｔｉｏｎａｌ ｄｅｌａｙ）フィルタを用いて、入力信号Ｄ２に対し、サンプリング時間よりも更に細かな単位（例えば、０．２５サンプルなど）の遅延を生じさせてもよい。

第１ＳＴＦＴ部３１ａは、図１に示したＳＴＦＴ部３１と同様に、入力信号Ｄ２に対し、所定の時間間隔（例えば、３２ｍｓｅｃ）のフレームに分割し、更に窓掛け処理（例えば、ハニング窓）を行い、窓掛けされた入力信号 ｘ＾（ｔ）を算出する。
続いて、第１ＳＴＦＴ部３１ａは、窓かけされた入力信号ｘ＾（ｔ）に対し、所定の分析区間長（例えば、６４ｍｓｅｃ）のＳＴＦＴを行うことで周波数スペクトルに変換し、周波数スペクトルの第１配列Ｄ３を出力する。

第２ＳＴＦＴ部３１ｂは、離散時間単位遅延部３２ａが生成した、遅延した入力信号Ｄ２ａに対し、第１ＳＴＦＴ部３１ａと同じ所定の時間間隔（３２ｍｓｅｃ）でフレーム分割し、更に窓掛け処理（例えば、ハニング窓）を行って窓掛けされた入力信号 ｘ＾（ｔ－ｄｌｙ）を算出する。
続いて、第２ＳＴＦＴ部３１ｂは、窓かけされた入力信号ｘ＾（ｔ－ｄｌｙ）に対し、第１ＳＴＦＴ部３１ａと同じ分析区間長（６４ｍｓｅｃ）のＳＴＦＴを行うことで周波数スペクトルに変換し、周波数スペクトルの第２配列Ｄ４ａを出力する。

クロススペクトル部４は、周波数スペクトルの第２配列Ｄ４ａ（離散時間単位で遅延を生じさせた信号）と、周波数スペクトルの第１配列Ｄ３（遅延しない信号）とを用いて、一定の時間差（ｄｌｙ）のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成された各フレームのクロススペクトルは、現フレームのクロススペクトルと過去フレームのクロススペクトルとを合わせて、クロススペクトルの配列Ｄ５を出力する。

なお、第２ＳＴＦＴ部３１ｂは、第１ＳＴＦＴ部３１ａと同じ窓かけ処理、同じ分析区間長が望ましいが、これに限らない。窓かけ処理、あるいは分析区間長の変更による処理遅延が変わらない限り、他の方法を用いてもよい。例えば、窓かけ処理はブラックマン窓を用いることができる。更に、ＳＴＦＴの周波数スペクトル点数も変更してもよい。この場合、クロススペクトル部４におけるクロススペクトル算出時において、第１ＳＴＦＴ部３１ａが出力する周波数スペクトルの点数と一致するように、周波数スペクトルの補間処理あるいは周波数スペクトルの間引き処理を行えばよい。

以降の処理は実施の形態１にて述べた内容と同じであり、説明を省略する。

＜フローチャート＞
図１２は、実施の形態２におけるノイズ除去処理の順序を示すフローチャートである。

ステップＳＴ２０１では、離散時間単位遅延部３２ａが、入力信号Ｄ２に対し、遅延量ｄｌｙに応じた時間遅延を生じさせ、遅延した入力信号Ｄ２ａを出力する（ステップＳＴ２０１）。

ステップＳＴ２０２Ａでは、第１ＳＴＦＴ部３１ａが、入力信号Ｄ２に対して、所定の窓関数（ハニング窓）による窓かけ処理を行う。更に、第１ＳＴＦＴ部３１ａが、所定の分析区間長（６４ｍｓｅｃ）のＳＴＦＴによるスペクトル変換処理を行い、周波数スペクトルの第１配列Ｄ３を出力する（ステップＳＴ２０２Ａ）。

ステップＳＴ２０２Ｂでは、第２ＳＴＦＴ部３１ｂが、遅延した信号である入力信号Ｄ２ａに対して、第１ＳＴＦＴ部３１ａと同じ窓関数（ハニング窓）により窓かけ処理を行う。更に、第２ＳＴＦＴ部３１ｂが、第１ＳＴＦＴ部３１ａと同じ分析区間長（６４ｍｓｅｃ）のＳＴＦＴによるスペクトル変換処理を行い、周波数スペクトルの第２配列Ｄ４ａを出力する（ステップＳＴ２０２Ｂ）。

ステップＳＴ２０３では、クロススペクトル部４が、ステップＳＴ２０２Ｂにて生成された周波数スペクトルの第２配列Ｄ４ａ（離散時間単位で遅延を生じさせた信号）と、ステップＳＴ２０２Ａにて生成された周波数スペクトルの第１配列Ｄ３（遅延しない信号）とを用いて、一定の時間差（ｄｌｙ）のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成されたクロススペクトルは、現フレームのクロススペクトルと過去フレームのクロススペクトルとを合わせて、クロススペクトルの配列Ｄ５として出力する（ステップＳＴ２０３）。

ステップＳＴ２０４では、ノイズ除去部５が、クロススペクトルの配列Ｄ５を時間方向に平均化することで、入力信号のノイズを除去し、目的信号のパワースペクトルＤ６を抽出する（ステップＳＴ２０４）。

ステップＳＴ２０５では、フーリエ変換部３が、入力信号Ｄ２の入力が終了したと判定した場合（ステップＳＴ２０５のＹＥＳ）、ノイズ除去処理を終了する（ＥＮＤ）。引き続き入力信号Ｄ２の入力があると判定した場合（ステップＳＴ２０５のＮＯ）、ステップＳＴ２０１の最初に戻り、次のフレームの入力信号Ｄ２に対し、ステップＳＴ２０１からステップＳＴ２０４の各処理を順次継続する。

上述したノイズ除去処理の順序について、ステップＳＴ２０２Ａの処理後、ステップＳＴ２０２Ｂの処理を行っているが、ステップＳＴ２０２Ｂの処理を先に実施してもよいし、ステップＳＴ２０２ＡとステップＳＴ２０２Ｂの各処理を同時並行に実施してもよい。

以上、実施の形態２にて詳述したノイズ除去装置は、時間領域の入力信号に対しフレームよりも細かな時間単位での遅延処理を行った後、遅延処理を行った信号と、遅延処理を行っていない信号に対して、それぞれＳＴＦＴを行う構成とした。
よって、一箇所に設置された音響センサで、音色が時間的に変化する非定常なノイズに対応可能なノイズ除去を行うことができる効果に加え、フレーム単位よりも細かな時間単位で精密に遅延量を設定することができるので、更にノイズ除去の精度が向上する相乗効果がある。

実施の形態３．
上述した実施の形態１及び実施の形態２において、遅延量ＤＬＹ（あるいは、ｄｌｙ）を所定の固定値としていたが、これに限ることは無い。例えば、所定の評価基準に従って良好なノイズ除去性能を得られるように、遅延量の複数の候補から適応的に遅延量を選択することも可能である。この構成を実施の形態３として説明する。

図１３は、実施の形態３におけるノイズ除去装置のブロック構成図である。図１３において、図１と異なる構成は遅延量選択部６である。また、遅延量選択部６は、遅延量生成部６１と、評価部６２とから構成される。その他の構成については図１と同じであるので説明を省略する。

遅延量選択部６は、周波数スペクトルの第１配列Ｄ３と、目的信号のパワースペクトル ６とを用いて、所定の評価基準（例えば、ノイズ除去性能に関する評価値が最も高くなる場合、ノイズ除去性能に関する評価値が閾値を超える場合、など）に従ってノイズ除去性能を評価し、遅延量の複数の候補の中から所定の評価基準を満たす遅延量を選択する。そして、選択された遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）を遅延部３２へ出力する。以降、ノイズ除去性能に関する評価値を「評価値」と略する。

続いて、遅延量選択部６の内部処理である、遅延量の選択に係る一連の処理について説明する。

遅延量生成部６１は、遅延量の複数の候補の中から１つの遅延量の候補ＤＬＹ_ｃａｎｄ（ｎ）を生成し、遅延部３２へ出力する。ここで、ｎは遅延量の候補の番号を表す。また、遅延量生成部６１は、遅延量の候補の番号ｎを評価部６２へ通知する。

評価部６２は、遅延量の候補ＤＬＹ_ｃａｎｄ（ｎ）を用いて生成された、目的信号のパワースペクトルＤ６と、周波数スペクトルの第１配列Ｄ３とを用い、所定の評価基準、例えば、後述する評価値が最も高くなる遅延量ＤＬＹ_ｃａｎｄ（ｎ）を選択する。その時の遅延量の番号ｎを、選択された遅延量の番号ｎ_Ｄとして遅延量生成部６１へ通知する。

なお、評価部６２におけるノイズ除去性能の評価は、評価値が最も高くなる遅延量が得られるまで、遅延量の複数の候補全てについて行われてもよいが、これに限らない。例えば、評価作業中に、所定の閾値以上の評価値を満たす遅延量の候補が得られた場合、評価作業を途中で終了し、その時の遅延量の候補の番号ｎを、遅延量生成部６１へ通知してもよい。また、ノイズ除去性能評価の結果、予め設定された所定の遅延量よりも評価値が低い場合、所定の遅延量を示す番号ｎを、遅延量生成部６１へ通知してもよい。

評価部６２における評価値として、例えば、式（３）及び式（４）に示すノイズ減衰量ＮＲ_LVを用いることができる。ノイズ減衰量ＮＲ_LVは、周波数スペクトルの第１配列Ｄ３（すなわち、入力信号）中の、現フレームのパワースペクトル（Ｘ^２（ω，ｋ））から、目的信号のパワースペクトルＤ６（Ｐ（ω））を減算した信号ｎｒ_１（ω）のパワー（ｄＢ）を表す。

ただし、ｋは現フレームの番号である。

式（３）において、目的信号の周期が変化しない限り、本発明のノイズ除去処理の前後で目的信号は変化しないため、式（３）によるパワースペクトルの引き去りにより目的信号の影響は相殺されることとなる。つまり、式（３）により得られる信号ｎｒ_１（ω）には目的信号は含まれない。よって、ノイズ減衰量ＮＲ_LVは、入力信号中のノイズ成分とノイズ除去後の残留ノイズ成分との差、すなわち、ノイズ除去前後のノイズのみのパワーの差を表すこととなる。このことから、ノイズ減衰量ＮＲ_LVの値が大きい程、目的信号のパワースペクトル中の残留ノイズが小さい、すなわち、ノイズ除去性能が高いことを表している。

目的信号の周期が変化する場合は、例えば、式（５）及び式（６）を用いて、ノイズ減衰量ＮＲ_LVを得ることもできる。

ただし、Ｎ（ω）は、入力信号に含まれるノイズの平均的なパワースペクトル、Ｐ_Ｎ（ω）は、目的信号のパワースペクトルＤ６中に含まれる残留ノイズのパワースペクトルである。

なお、Ｎ（ω）は、周波数スペクトルの第１配列Ｄ３から得ることができる。Ｎ（ω）は、例えば、自己相関法、ケプストラム法などの公知の音声区間検出方法を用いて、周波数スペクトルの第１配列Ｄ３の中で、目的信号が含まれていない区間（すなわち、ノイズのみの区間）を推測し、ノイズのみの区間の周波数スペクトル成分から求めればよい。

また、目的信号のパワースペクトルＤ６から、残留ノイズのパワースペクトルＰ_Ｎ（ω）を取り出す方法として、例えば、周波数スペクトル成分の最小値トラッキング法を用いることができる。具体的には、パワースペクトルＰ（ω）の周波数スペクトル成分の最小値あるいは極小値を、周波数方向に順次トラッキングすることで、残留ノイズ成分を推定することが可能である。

上記では、評価値の一例としてノイズ減衰量を用いた場合を説明したが、これに限らない。例えば、式（７）に示すような、目的信号のパワースペクトルＤ６のＳＮ比ＳＮ_ＮＲにより評価することもできる。この評価値ＳＮ_ＮＲは、目的信号の周期が変化しても対応可能である。

ただし、Ｐ_Ｓ（ω）は、残留ノイズを含まない目的信号のパワースペクトル、Ｐ_Ｎ（ω）は残留ノイズのパワースペクトルである。このＳＮ_ＮＲが高いほど、目的信号成分と残留ノイズ成分との差が大きく、ノイズ除去性能が高いことを示す。なお、残留ノイズを含まない目的信号のパワースペクトルＰ_Ｓ（ω）は、例えば、周波数スペクトルのピークピッキング法により、目的信号の周波数スペクトル成分のみを推定することで算出することができる。

遅延量生成部６１は、遅延量の複数の候補から、選択された遅延量の番号ｎ_Ｄに対応する遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）を生成し、再び遅延部３２へ出力する。

遅延量生成部６１において、遅延量の複数の候補は、例えば、目的信号の周期信号の相関が低下しない範囲で予め設定することができる。具体的には、例えば、１０ｍｓｅｃから２００ｍｓｅｃまでの範囲で、１０ｍｓｅｃ毎に設定することができる。なお、これらは一例にすぎず、例えば、目的信号の状態、ノイズの状態など、入力信号の状態に応じて適宜設定することができる。

評価部６２は、選択された遅延量と評価値とを、例えば、ディスプレイなどの表示装置（図示せず）を用いてユーザに提示してもよい。あるいは、選択された遅延量と評価値に関するデータを、ノイズ除去装置１００に接続された計測機器に出力してもよい。
選択された遅延量と評価値とをユーザに提示することで、ノイズ除去装置が正しく動作しているかどうかをユーザが判断できる。また、計測機器は、ノイズ除去装置が測定したデータを元にパラメータの調整ができるので、測定精度を高めることができる。

なお、上述した構成は、図１１に示した実施の形態２の構成にも適用可能である。この場合、遅延量選択部６は、周波数スペクトルの第１配列Ｄ３と、目的信号のパワースペクトル ６とを用いて、所定の評価基準（例えば、評価値が最も高くなる場合、など）に従ってノイズ除去性能を評価し、遅延量の複数の候補の中から所定の評価基準を満たす遅延量を選択する。そして、選択された遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）を離散時間単位遅延部３２ａへ出力すればよい。

以上説明したような評価値を用い、評価値が高くなるように遅延量を選択することで、ノイズ除去性能が高くなるように適応的に遅延量が選択できるので、更にノイズ除去性能を高めることができる。

＜フローチャート＞
図１４は、実施の形態３におけるノイズ除去処理の順序を示すフローチャートである。

ステップＳＴ３０１は、ＳＴＦＴ部３１が、入力信号Ｄ２に対して、所定の窓かけ処理（ハニング窓）を行う。更に、ＳＴＦＴ部３１が、所定の分析区間長（６４ｍｓｅｃ）のＳＴＦＴによるスペクトル変換処理を行い、周波数スペクトルの第１配列Ｄ３を出力する（ステップＳＴ３０１）。

ステップＳＴ３０２では、遅延量生成部６１が、遅延量の複数の候補の中から１つの遅延量の候補ＤＬＹ_ｃａｎｄ（ｎ）を生成し、遅延部３２へ出力すると共に、遅延量の候補の番号ｎを評価部６２へ通知する（ステップＳＴ３０２）。

ステップＳＴ３０３では、遅延部３２が、ステップＳＴ３０１にて生成された周波数スペクトルの第１配列Ｄ３に対し、遅延量ＤＬＹ_ｃａｎｄ（ｎ）に応じた時間遅延を生じさせ、周波数スペクトルの第２配列Ｄ４を出力する（ステップＳＴ３０３）。

ステップＳＴ３０４では、クロススペクトル部４が、ステップＳＴ３０３にて生成された周波数スペクトルの第２配列Ｄ４と、ステップＳＴ３０１にて生成された周波数スペクトルの第１配列Ｄ３とを用いて、遅延量ＤＬＹ_ｃａｎｄ（ｎ）に応じた時間差のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成された各フレームのクロススペクトルは、現フレームのクロススペクトルと過去フレームのクロススペクトルとを合わせ、クロススペクトルの配列Ｄ５として出力する（ステップＳＴ３０４）。

ステップＳＴ３０５では、ノイズ除去部５が、ステップＳＴ３０４にて生成されたクロススペクトルの配列Ｄ５を時間方向に平均化することで、入力信号のノイズを除去し、目的信号のパワースペクトルＤ６を抽出する（ステップＳＴ３０５）。

ステップＳＴ３０６では、評価部６２が、ステップＳＴ３０５にて算出された目的信号のパワースペクトルＤ６と、ステップＳＴ３０１にて生成された周波数スペクトルの第１配列Ｄ３とを用いて評価値を算出し、所定の評価基準に従ってノイズ除去性能を評価する（ステップＳＴ３０６）。

ステップＳＴ３０７では、評価部６２が、評価終了条件を満たすか否かを判定する。ここで評価終了条件は、例えば、遅延量の候補の全てを評価し、最も評価値が高い遅延量の候補を選択した、あるいは、所定の閾値以上の評価値を得た遅延量の候補を選択した、などである。評価終了条件を満たさない場合（ステップＳＴ３０７のＮＯ）、別の遅延量の候補を評価するためステップＳＴ３０２に戻る。評価終了条件を満たす場合（ステップＳＴ３０７のＹＥＳ）、ノイズ除去性能が良好であると評価された遅延量の番号ｎ_Ｄを遅延量生成部６１へ通知し、ステップＳＴ３０８へ移行する。

ステップＳＴ３０８では、遅延量生成部６１が、選択された遅延量の番号ｎ_Ｄに対応する遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）を生成し、遅延部３２へ出力する（ステップＳＴ３０８）。

ステップＳＴ３０９では、遅延部３２が、ステップＳＴ３０１にて算出された周波数スペクトルの第１配列Ｄ３に対し、選択された遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）に応じた時間遅延を生じさせ、周波数スペクトルの第２配列Ｄ４を生成し出力する（ステップＳＴ３０９）。

ステップＳＴ３１０では、クロススペクトル部４が、ステップＳＴ３０９にて生成された周波数スペクトルの第２配列Ｄ４と、ステップＳＴ３０１にて生成された周波数スペクトルの第１配列Ｄ３とを用いて、遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）に応じた時間差のフレーム同士の周波数スペクトルのペアからクロススペクトルを複数生成する。生成された各フレームのクロススペクトルは、現フレームのクロススペクトルと過去フレームのクロススペクトルとを合わせ、クロススペクトルの配列Ｄ５として出力する（ステップＳＴ３１０）。

ステップＳＴ３１１では、ノイズ除去部５が、ステップＳＴ３１０で算出されたクロススペクトルの配列Ｄ５を時間方向に平均化することで、入力信号のノイズを除去し、目的信号のパワースペクトルＤ６を抽出する（ステップＳＴ３１１）。

ステップＳＴ３１２では、フーリエ変換部３が、入力信号Ｄ２の入力が終了したと判定した場合（ステップＳＴ３１２のＹＥＳ）、ノイズ除去処理を終了する（ＥＮＤ）。引き続き入力信号Ｄ２の入力があると判定した場合（ステップＳＴ３１２のＮＯ）、ステップＳＴ３０１の最初に戻り、次のフレームの入力信号Ｄ２に対し、ステップＳＴ３０１からステップＳＴ３１１の各処理を順次継続する。

以上説明した、遅延量選択部６における遅延量の選択に係る一連の処理は、必ずしも実際のノイズ除去処理中に行わなくてもよい。例えば、予備評価により遅延量をあらかじめ選択してもよい。予備評価で遅延量を選定することで、実際のノイズ除去時における遅延量の選定処理が不要となり、処理量ならびにメモリ量を削減することができる。

また、遅延量の選択において時間的余裕がある場合（例えば、入力信号の入力開始からの遅延量選定のための収束時間に余裕がある、目的信号の周期変化が比較的緩やかである、など）、遅延量の候補すべてについて１つのフレーム内で評価を完了しなくてもよい。例えば、遅延量の候補をフレーム毎の短ブロックに分けて順次評価してもよい。具体的には、遅延量の候補数ｎが２０個の場合、偶数番目のフレームではｎが１～１０の番号の範囲の遅延量の候補を評価し、奇数番目のフレームはｎが１１～２０の範囲の遅延量の候補を評価する。そして、偶奇２フレーム分の評価でノイズ除去性能が良好な方の遅延量を選択することができる。また、フレーム毎に遅延量の候補を１つずつ順次評価してもよい。
遅延量の選択処理を複数のフレームに分散することで、遅延量の選択に係る処理量のピーク値を低減することができる。

なお、上述した構成は、図１１に示した実施の形態２の構成にも適用可能である。この場合、遅延量の候補ＤＬＹ_ｃａｎｄ（ｎ）と、選択された遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）とを、離散時間単位遅延部３２ａへ出力すればよい。

以上、実施の形態３にて詳述したノイズ除去装置は、ノイズ除去性能が高い場合に値が高くなる評価値を用い、その評価値が高くなるように遅延量の複数の候補から遅延量を適応的に選択する構成とした。
よって、一箇所に設置された音響センサで、音色が時間的に変化する非定常なノイズの時間変化に対応可能なノイズ除去を行うことができる効果に加え、ノイズ除去性能が良好となる遅延量が自動的に選択されるので、更にノイズ除去精度が向上する。

また、実施の形態３にて詳述したノイズ除去装置は、フレーム毎にノイズ除去性能が高くなるように、遅延量が自動的に選択されるので、目的信号の周期が変化してもその変化に追従するように遅延量が選択され、更にノイズ除去精度が向上する。

更に、上述の構成により遅延量が自動的に調整されるため、試行錯誤によるパラメータ調整の必要がなくなり、作業コストを削減する副次効果も得ることができる。

実施の形態４．
上述した実施の形態１あるいは実施の形態２では遅延量を所定の固定値としていたが、例えば、機器から生じる動作音の周期がノイズ除去装置の外部から得られる場合、その周期情報を利用して遅延量が算出されてもよい。

図１５は、実施の形態４におけるノイズ除去装置のブロック構成図である。図１と比較して異なる構成は、遅延量算出部７である。その他の構成については図１と同様であるので省略する。

遅延量算出部７は、機器から生じる動作音の周期Ｔ_Ｐ（すなわち、目的信号の周期情報）を用いて、周期Ｔ_Ｐの時間変動に対応した遅延量を算出する。周期Ｔ_Ｐを取得する方法として、例えば、測定対象となる機器が回転部を持ち、機器の制御情報からその回転数が得られる場合、その回転数を周期として取得してもよい。あるいは、入力信号を音響分析することで周期Ｔ_Ｐを推定してもよい。音響分析の方法として、例えば、自己相関法、ケプストラム法などの公知の方法を用いることができる。

目的信号から遅延量を算出する方法として、例えば、以下の方針が考えられる。ノイズを除去するという観点においては、遅延量が大きいほどノイズの相関が低下するためノイズ除去性能は向上する。一方、目的信号を強調するという観点においては、目的信号が除去されないように、遅延量は目的信号の相関が低下しない程度の大きさに留めるべきである。

そこで、周期Ｔ_Ｐが非常に安定的（例えば、回転数が時間変化しない場合、など）であれば、遅延量が大きくても目的信号の相関は下がらないため、より強力にノイズを除去できるように遅延量を大きくする。一方、周期Ｔ_Ｐが不安定な場合は、目的信号が除去されてしまわないように遅延量を小さくする。

遅延量算出部７は、目的信号の周期情報（周期Ｔ_Ｐ）の時間変動が小さい場合、すなわち、安定的であれば大きな遅延量を算出し、その逆であれば小さな遅延量を算出し、遅延量ＤＬＹ_Ｔとして出力する。ここで、周期Ｔ_Ｐの時間変動を測る指標として、例えば、周期Ｔ_Ｐの時系列データの分散、変動係数など公知の統計的手法を用いることができる。なお、正確な周期Ｔ_Ｐを測定する必要は無く、周期Ｔ_Ｐは概算の値であってもよい。

遅延量ＤＬＹ_Ｔの算出方法として、例えば、周期Ｔ_Ｐの時間変動の大きさ（バラつきの度合い）に応じて、遅延量の複数の候補から選択することができる。具体的には。周期Ｔ_Ｐの時間変動が大きい場合には、値が小さな遅延量ＤＬＹ_Ｔを選択することができる。また、周期Ｔ_Ｐの時間変動が小さい場合には、値が大きな遅延量ＤＬＹ_Ｔを選択することができる。なお、遅延量の候補の個数は、目的信号の時間変動の大きさに応じて、適宜設定されればよい。
更に、遅延量ＤＬＹ_Ｔは連続量であってもよい。例えば、遅延量ＤＬＹ_Ｔは、周期Ｔ_Ｐの時間変動に逆比例させた連続量を用いることができる。この場合、周期Ｔ_Ｐの時間変動が大きくなるにつれて遅延量ＤＬＹ_Ｔの値は小さくなり、周期Ｔ_Ｐの時間変動が小さくなるにつれて遅延量ＤＬＹ_Ｔの値は大きくなる。

なお、遅延量ＤＬＹ_Ｔの値は、フレーム毎に変更されてもよいし、例えば、複数のフレームの平均値で変更されてもよい。

遅延部３２は、周波数スペクトルの第１配列Ｄ３に対し、遅延量ＤＬＹ_Ｔに応じた時間遅延を生じさせ、周波数スペクトルの第２配列Ｄ４を生成し出力する。

以降の処理は実施の形態１にて述べた内容と同じであり、説明を省略する。

なお、上述した構成は、図１１に示した実施の形態２の構成にも適用可能である。この場合、算出された遅延量ＤＬＹ_Ｔを離散時間単位遅延部３２ａへ出力すればよい。

以上、実施の形態４で詳述したノイズ除去装置は、目的信号に関する周期情報を用いて、周期情報に対応した遅延量を算出する構成とした。
よって、機器の動作状態に応じて適切な遅延量が自動的に算出できるので、機器の動作状態が時間変化するような場合でも高いノイズ除去精度が得られる効果がある。

また、実施の形態４で詳述したノイズ除去装置は、目的信号の周期情報を用いて、目的信号の周期情報の時間変動が小さい場合には大きな遅延量を算出し、目的信号の周期情報の時間変動が大きな場合には小さい遅延量を算出する構成とした。
よって、機器の動作状態に応じて適切な遅延量が自動的に算出できるので、機器の動作状態が時間変化するような場合でも高いノイズ除去精度が得られる効果がある。

実施の形態５．
上記した実施の形態のそれぞれにおいて、遅延量を全周波数帯域で１つの値に設定しているが、例えば、遅延量は周波数毎に異なる値を設定するようにしても良い。

例えば、図１に示す遅延部３２は、周波数スペクトルの第１配列Ｄ３に対し、例えば、０≦ω＜Ｗ／２（ただし、Ｗは周波数スペクトルの要素数）の範囲の周波数ではＤＬＹ_Ｌの遅延量を設定し、Ｗ／２≦ω＜Ｗの範囲の周波数ではＤＬＹ_Ｈの遅延量を設定する。ここで、ＤＬＹ_ＬとＤＬＹ_Ｈは異なる所定の数値であり、入力信号の状態（例えば、目的信号の周波数特性、ノイズの周波数特性など）に応じて適宜設定すればよい。また、遅延量はＤＬＹ_ＬとＤＬＹ_Ｈの二値に限らない。例えば、遅延量は周波数スペクトルの周波数ビン（すなわち、ω）毎に設定してもよい。

また、図１１に示した、実施の形態２における離散時間単位遅延部３２ａは、時間領域の信号に対して遅延を与えているが、ここでも遅延量は周波数毎に異なる値を設定することができる。例えば、異なる周波数帯域の複数の帯域通過フィルタを用いて時間領域の信号を帯域別に分離し、帯域毎に異なる遅延を生じさせた後、時間領域の信号を再合成する。上記の処理を行うことで、時間領域の信号に対して周波数別に異なる遅延を生じさせることができる。

また、遅延量を周波数毎に異なる値を設定することは、実施の形態３における選択された遅延量ＤＬＹ_ｃａｎｄ（ｎ_Ｄ）、ならびに、実施の形態４における遅延量ＤＬＹ_Ｔにも適用可能であることは言うまでもない。

遅延量を周波数別に異なる値に設定することで、周波数特性が異なる複数のノイズ源が存在しているような場合でも高精度なノイズ除去が可能となる。

上記した本実施の形態のそれぞれにおいて、入力信号Ｄ２のサンプリング周波数を１６０００Ｈｚとしているが、これに限らない。例えば、サンプリング周波数を２２０００Ｈｚなどに変更しても、上述した方法と同等の効果を奏する。

本開示に係るノイズ除去装置は、例えば、機器の異常音診断装置に用いられるのに適している。例えば、本発明のノイズ除去装置を、機器動作音に基づく異常検出処理の前段に適用することで、一箇所に設置された音響センサでノイズの時間変化に頑健な異常検出精度を実現することができる。よって、この構成を為すことで、高い異常検出性能を達成する異常音診断装置として利用することができる。

本開示に係るノイズ除去装置は、複数の音響センサが不要なため安価である。更に、本開示に係るノイズ除去装置は、音響センサの配置などの物理的な制約から解放される。従来のノイズ除去装置では、目的音の種類によっては位相差を変更する必要があるが、その場合、２つの音響センサの間隔を変更しなければならない。一方、本開示に係るノイズ除去装置は、単一の音響センサで位相差を任意に変更可能であり、音響センサの配置に依存しない。

上記以外にも、本開示はその開示の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態の任意の構成要素の省略が可能である。

１ マイク、２ ＡＤ変換部、３ フーリエ変換部、４ クロススペクトル部、５ ノイズ除去部、６ 遅延量選択部、７ 遅延量算出部、
３１ ＳＴＦＴ部、３１ａ 第１ＳＴＦＴ部、３１ｂ 第２ＳＴＦＴ部、３２ 遅延部、３２ａ 離散時間単位遅延部、６１ 遅延量生成部、６２ 評価部、
１００ ノイズ除去装置、
２００ プロセッサ、２０１ 揮発性記憶装置、２０２ 不揮発性記憶装置、２０３ 入出力装置、２０４ 信号路。

Claims (14)

1. 目的信号以外の成分を含む１つの入力信号を一定の時間に区切られたフレームに分割して周波数スペクトルに変換し、遅延量を用いて一定の時間差を有する周波数スペクトルの対を複数生成するフーリエ変換部と、
   複数の前記一定の時間差を有する周波数スペクトルの対から、クロススペクトル又はコヒーレンスを複数生成するクロススペクトル部と、
   複数の前記クロススペクトル又は複数の前記コヒーレンスを平均化し、前記目的信号のパワースペクトルを抽出するノイズ除去部とを備えるノイズ除去装置。
   
2. 前記フーリエ変換部が、前記入力信号をフレーム毎の周波数スペクトルに変換し、複数の当該周波数スペクトルを合わせて前記周波数スペクトルの第１配列を生成し、
   前記フーリエ変換部が遅延部を更に備え、
   前記遅延部が、前記遅延量を用いて前記周波数スペクトルの第１配列を遅延させて前記周波数スペクトルの第２配列を生成し、
   前記一定の時間差を有する周波数スペクトルの対は、前記周波数スペクトルの第１配列の要素と、前記周波数スペクトルの第２配列の要素とからなる対であることを特徴とする請求項１に記載のノイズ除去装置。
   
3. 前記フーリエ変換部が遅延部を更に備え、
   前記遅延部が、前記遅延量を用いて前記入力信号を遅延させた信号を生成し、
   前記フーリエ変換部が、前記入力信号をフレーム毎の周波数スペクトルに変換し、複数の当該周波数スペクトルを合わせて前記周波数スペクトルの第１配列を生成すると共に、
   前記遅延させた信号をフレーム毎の周波数スペクトルに変換することにより、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成し、
   前記一定の時間差を有する周波数スペクトルの対は、前記周波数スペクトルの第１配列の要素と、前記周波数スペクトルの第２配列の要素とからなる対であることを特徴とする請求項１に記載のノイズ除去装置。
   
4. 前記周波数スペクトルの第１配列と、前記目的信号のパワースペクトルとを用いて、遅延量の複数の候補の中から、ノイズ除去性能に関する評価値が高くなるように前記遅延量を選択する遅延量選択部を備え、
   前記フーリエ変換部が、選択された前記遅延量を用いて、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成することを特徴とする請求項２又は請求項３に記載のノイズ除去装置。
   
5. 前記目的信号に関する周期情報を用いて、当該周期情報の時間変動に対応した前記遅延量を算出する遅延量算出部と、
   前記フーリエ変換部が、算出された前記遅延量を用いて、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成することを特徴とする請求項２又は請求項３に記載のノイズ除去装置。
   
6. 前記遅延量算出部が、前記周期情報の時間変動が小さい場合には前記遅延量の大きな値を算出し、前記周期情報の時間変動が大きい場合には前記遅延量の小さな値を算出することを特徴とする請求項５に記載のノイズ除去装置。
   
7. 前記遅延量が、周波数毎に異なる値であることを特徴とする請求項１から請求項６までのいずれかの１項に記載のノイズ除去装置。
   
8. フーリエ変換部が、目的信号以外の成分を含む１つの入力信号を一定の時間に区切られたフレームに分割して周波数スペクトルに変換し、遅延量を用いて一定の時間差を有する周波数スペクトルの対を複数生成し、
   クロススペクトル部が、複数の前記一定の時間差を有する周波数スペクトルの対から、クロススペクトル又はコヒーレンスを複数生成し、
   ノイズ除去部が、複数の前記クロススペクトル又は複数の前記コヒーレンスを平均化し、前記目的信号のパワースペクトルを抽出することを特徴とするノイズ除去方法。
   
9. 前記フーリエ変換部が、前記入力信号をフレーム毎の周波数スペクトルに変換し、複数の当該周波数スペクトルを合わせて前記周波数スペクトルの第１配列を生成し、
   前記フーリエ変換部が遅延部を更に備え、
   前記遅延部が、前記遅延量を用いて前記周波数スペクトルの第１配列を遅延させて前記周波数スペクトルの第２配列を生成し、
   前記一定の時間差を有する周波数スペクトルの対は、前記周波数スペクトルの第１配列の要素と、前記周波数スペクトルの第２配列の要素とからなる対であることを特徴とする請求項８に記載のノイズ除去方法。
   
10. 前記フーリエ変換部が遅延部を更に備え、
    前記遅延部が、前記遅延量を用いて、前記入力信号を遅延させた信号を生成し、
    前記フーリエ変換部が、前記入力信号をフレーム毎の周波数スペクトルに変換し、複数の当該周波数スペクトルを合わせて前記周波数スペクトルの第１配列を生成すると共に、
    前記遅延させた信号をフレーム毎の周波数スペクトルに変換することにより、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成し、
    前記一定の時間差を有する周波数スペクトルの対は、前記周波数スペクトルの第１配列の要素と、前記周波数スペクトルの第２配列の要素とからなる対であるすることを特徴とする請求項８に記載のノイズ除去方法。
    
11. 遅延量選択部が、前記周波数スペクトルの第１配列と、前記目的信号のパワースペクトルとを用いて、遅延量の複数の候補の中から、ノイズ除去性能に関する評価値が高くなるように前記遅延量を選択し、
    前記フーリエ変換部が、選択された前記遅延量を用いて、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成することを特徴とする請求項９又は請求項１０に記載のノイズ除去方法。
    
12. 遅延量算出部が、前記目的信号に関する周期情報を用いて、当該周期情報の時間変動に対応した前記遅延量を算出し、
    前記フーリエ変換部が、算出された前記遅延量を用いて、前記周波数スペクトルの第１配列よりも遅延した前記周波数スペクトルの第２配列を生成することを特徴とする請求項９又は請求項１０に記載のノイズ除去方法。
    
13. 前記遅延量算出部が、前記周期情報の時間変動が小さい場合には前記遅延量の大きな値を算出し、前記周期情報の時間変動が大きい場合には前記遅延量の小さな値を算出することを特徴とする請求項１２に記載のノイズ除去方法。
    
14. 前記遅延量が、周波数毎に異なる値であることを特徴とする請求項８から請求項１３までのいずれかの１項に記載のノイズ除去方法。

Images