JP5931661B2 - 音源方向推定装置、音源方向推定方法、及び音源方向推定プログラム - Google Patents

Description

本発明は、音源方向推定装置、音源方向推定方法、及び音源方向推定プログラムに関する。

音源から発せられた音響信号に対して、発せられた音声に対して音声認識することが提案されている。このような音声認識では、音響信号から雑音信号を分離し、または雑音信号を抑圧して、認識させたい目的の音響信号を抽出する。そして、抽出された音響信号に対して、例えば音声認識を行う。このようなシステムでは、認識する音声を抽出するため、音響信号が発せられた方向が既知であるか、音響信号が発せられた方向を推定する。

例えば、特許文献１では、入力された音響信号の音響特徴量に基づいて音響信号の音源の種類を同定し、同定した種類の音源の音響信号について音源方向を推定する。また、特許文献１では、このような音源方向の情報を推定（以下、音源定位という）に、ＧＥＶＤ（一般化固有値分解）−ＭＵＳＩＣ法、またはＧＳＶＤ（一般化特異値分解）−ＭＵＳＩＣ法を用いている。このように、ＧＥＶＤ−ＭＵＳＩＣ法、またはＧＳＶＤ−ＭＵＳＩＣ法を用いた場合、音源推定装置では、音源定位の演算効率が上がる。

特開２０１２−４２４６５号公報

しかしながら、このような音源推定装置では、音源方向を探索する範囲において、予め各音源方向に対応付けられた伝達関数を計測または計算により求めて、装置内に記憶させておく。そして、このような音源推定装置では、記憶部に記憶されている伝達関数を用いて、空間スペクトルを算出し、算出した空間スペクトルに基づいて音源方向を求める。このため、音源方向の推定精度を上げるためには、多数の各音源方向に対応付けられた伝達関数が必要である。従って、従来の音源推定装置では、音源方向の推定精度を上げるためには、演算量が多く、演算効率が悪いという課題があった。

本発明は上記の点に鑑みてなされたものであり、音源方向の推定にかかる処理効率を向上することができる音源方向推定装置、音源方向推定方法、及び音源方向推定プログラムを提供することを目的としている。

（１）上記目的を達成するため、本発明の一態様に係る音源方向推定装置は、音源からの伝達関数を前記音源の方向毎に記憶する伝達関数記憶部と、前記音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と階層ごとの探索間隔を算出する算出部と、前記探索範囲を探索間隔毎に前記伝達関数を用いて探索し、探索した結果に基づいて前記音源の方向を推定し、推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出部が算出した階層数になるまで更新し、前記音源の方向を推定する音源定位部と、を備えることを特徴としている。

（２）また、本発明の一態様に係る音源方向推定装置であって、前記音源定位部は、第ｎ（ｎは１以上の整数）の階層を予め定められた前記探索範囲において、前記算出された探索間隔で探索し、探索した結果に基づき、前記探索範囲の中から少なくとも１つの前記探索間隔を第（ｎ＋１）の階層の探索範囲として更新し、前記更新した第（ｎ＋１）の階層の探索範囲と、前記所望の空間解像度に基づいて、探索を行う前記第（ｎ＋１）の階層の探索間隔を更新し、前記更新した第（ｎ＋１）の階層の探索範囲と、前記更新した前記第（ｎ＋１）の階層の探索間隔と、前記方向に対応した伝達関数とを用いて、前記音源の方向を階層数（ｎ＋１）が前記算出部により算出された階層数になるまで更新して推定するようにしてもよい。

（３）また、本発明の一態様に係る音源方向推定装置であって、前記算出部は、全ての前記階層における階層毎の探索数が等しくなるように、前記階層数と前記探索間隔とを算出するようにしてもよい。

（４）また、本発明の一態様に係る音源方向推定装置であって、前記算出部は、全ての階層における総探索数が最小になるように、前記階層数と前記探索間隔とを算出するようにしてもよい。

（５）また、本発明の一態様に係る音源方向推定装置であって、前記音源定位部は、前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されているか否かを判別し、前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されていると判別した場合、前記探索間隔の方位に対応する前記伝達関数を前記伝達関数記憶部から読み出し、前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されていないと判別した場合、前記探索間隔の方位に対応する前記伝達関数を補間により補間伝達関数を算出し、前記読み出した伝達関数、または算出した補間伝達関数を用いて、前記音源の方向を推定するようにしてもよい。

（６）また、本発明の一態様に係る音源方向推定装置であって、前記算出部は、前記探索範囲における探索数にかかる探索コストと、前記補間にかかる補間コストとの合計値である計算コストが最小になるように前記階層数と前記探索間隔とを算出するようにしてもよい。

（７）上記目的を達成するため、本発明の一態様に係る音源方向推定方法は、音源方向推定装置における音源方向推定方法であって、算出部が、音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と前記階層ごとの探索間隔を算出する算出手順と、音源定位部が、前記音源の方向毎に伝達関数記憶部に記憶されている前記音源からの伝達関数を用いて、前記探索範囲を探索間隔毎に探索し、探索した結果に基づいて前記音源の方向を推定する手順と、前記音源定位部が、推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出手順により算出された階層数になるまで更新し、前記音源の方向を推定する手順と、と含むことを特徴としている。

（８）上記目的を達成するため、本発明の一態様に係る音源方向推定プログラムは、音源方向推定装置のコンピュータに、音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と前記階層ごとの探索間隔を算出する算出手順と、前記音源の方向毎に伝達関数記憶部に記憶されている前記音源からの伝達関数を用いて、前記探索範囲を探索間隔毎に探索し、探索した結果に基づいて前記音源の方向を推定する手順と、推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出手順により算出された階層数になるまで更新し、前記音源の方向を推定する手順と、を実行させることを特徴としている。

本発明の態様（１）、（２）、（７）及び（８）によれば、算出部が、音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と階層ごとの探索間隔を算出するので、音源の方向にかかる処理時間を短縮することができる。
本発明の態様（３）及び（４）によれば、算出部が、少ない演算量で探索を行う階層数と階層ごとの探索間隔を算出できるため、音源の方向にかかる処理時間を短縮することができる。
本発明の態様（５）によれば、音源定位部が、探索する方位に対応する伝達関数が伝達関数記憶部に記憶されていない場合、伝達関数を補完した補間伝達関数を用い、探索する方位に対応する伝達関数が伝達関数記憶部に記憶されている場合、読み出した伝達関数を用いて音源の方向を推定するようにしたので、音源の方向を精度良く推定することができる。
本発明の態様（６）によれば、音源定位部が、探索数にかかる探索コストと、補間にかかる補間コストとの合計値である計算コストが最小になるように階層数と探索間隔とを算出するようにしたので、音源の方向にかかる処理時間を短縮することができる。

音源の方向推定における環境を説明する図である。 第１実施形態に係る音響処理装置の処理の概略を示す図である。 第１実施形態に係る音源定位部のブロック図である。 第１実施形態に係る音源分離部のブロック図である。 第１実施形態に係る階層化探索処理の手順を示すフローチャートである。 第１実施形態に係る階層化探索処理の手順を説明する図である。 第１実施形態に係る階層値の算出手順について説明する図である。 第２実施形態に係る階層数及び間隔の算出手順について説明する図である。 第２実施形態に係る第ｓ階層目の探索コストと補間コストを説明する図である。 評価条件を説明する図である。 評価における探索点を説明する図である。 方位ψ_２を変化させたときのＰＥＥ、ＳＤ、ＳＤＲを用いたときの伝達関数の誤差と補間係数の線形性を評価した結果の一例を示す図である。 補間の有無による音源の到来方向推定の平均誤差の一例を示す図である。 計算コストの評価を行った結果の一例を示す図である。 音源毎に分離した音響信号に対して音声認識した結果の一例を示す図である。

以下、本発明の実施形態について詳細に説明する。なお、本発明は係る実施形態に限定されず、その技術思想の範囲内で種々の変更が可能である。

［第１実施形態］
まず、本実施形態の概要を説明する。
図１は、音源の方向推定（以下、音源方向推定という）における環境を説明する図である。図１において、紙面の左右方向をＹ方向とし、Ｙ方向に対し垂直な方向をＸ方向とする。符号２ａ及び２ｂは音源を示す。本実施形態の音源方向推定装置（音源方向推定部）１１は、このような複数の音源を認識するために、音源定位と音源分離を行う。図１に示した例では、音源２ａは、Ｘ軸に対して左回りに角度ａ_１の方向にあり、音源２ｂは、Ｘ軸に対して右回りに角度ａ_２の方向にある。

図２は、本実施形態に係る音響処理装置１の処理の概略を示す図である。図２に示すように、音響処理装置１は、音源方向推定部１１、音響特徴量抽出部（Ａｃｏｕｓｔｉｃ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ）１４、発話認識部（Ａｕｔｏｍａｔｉｃ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔｉｏｎ）１５、及び認識結果出力部１６を含んで構成される。音源方向推定部１１は、音源定位部（Ｓｏｕｎｄ Ｓｏｕｒｃｅ Ｌｏｃａｌｉｚａｔｉｏｎ）１２、音源分離部（Ｓｏｕｎｄ Ｓｏｕｒｃｅ Ｓｅｐａｒａｔｉｏｎ）１３を備えている。

音源定位部１２は、音響信号入力部を有し、例えば、複数のマイクロホンで集音された音響信号を、フーリエ変換する。音源定位部１２は、フーリエ変換した複数の音響信号に対して、音源方向を推定する（以下、音源定位という）。音源定位部１２は、音源定位させた結果を示す情報を音源分離部１３に出力する。
音源分離部１３は、音源定位部１２から入力された音源定位させた結果を示す情報に対して、目的音と雑音との音源分離を行う。音源分離部１３は、音源分離した各音源に対応する信号を音響特徴量抽出部１４に出力する。なお、目的音とは、例えば、複数の発話者から発せられた音声である。雑音（ノイズ）とは、目的音以外の、例えば、風切り音、集音された部屋に置かれている他の装置が発する音などである。

音響特徴量抽出部１４は、音源分離部１３から入力された各音源に対応する信号の音響特徴量を抽出し、抽出した各音響特徴量を示す情報を発話認識部１５に出力する。
発話認識部１５は、音源に人間が発話した音声が含まれている場合、音響特徴量抽出部１４から入力された音響特徴量に基づいて音声認識し、認識した認識結果を認識結果出力部１６に出力する。
認識結果出力部１６は、例えば表示装置、音響信号出力装置等である。認識結果出力部１６は、発話認識部１５から入力された認識結果に基づく情報を、例えば表示部に表示する。
このような音響処理装置１、または音源方向推定部１１は、例えば、ロボット、車、航空機（含むヘリコプター）、携帯端末等に組み込まれているようにしてもよい。携帯端末とは、例えば、携帯電話端末、携帯情報端末、携帯ゲーム端末等である。

本実施形態では、音源方向の推定精度の向上のために、音源の空間分解能を向上しつつ、計算コストを軽減するために、階層的に音源方向を推定していく。なお、階層的に音源方向を推定するとは、音源方向推定部１１（図２）が、まず、予め定められた探索範囲全体を粗い探索間隔に分け、その粗い探索間隔で探索して音源方向を推定する。次に、音源方向推定部１１は、推定された方向に対応する探索間隔を１つ選択し、選択された探索間隔を新たな探索範囲とする。そして、音源方向推定部１１は、この新たな探索範囲内をより細かい探索間隔に分け、その細かい探索間隔において探索を行うことで音源方向を推定する。このように、本実施形態では、例えば、現在の探索間隔より次の探索間隔を狭めて探索を行う。この結果、本実施形態では、音源方向の推定にかかる処理時間を短縮することができる。

図３は、本実施形態に係る音源定位部１２のブロック図である。
図３のように、音源定位部１２は、音声入力部１０１、短時間フーリエ変換部１０２、第１相関行列算出部１０３、ノイズデータベース１０４、第２相関行列算出部１０５、行列算出部１０６、階層数算出部１０７、第１空間スペクトル算出部１０８、第２空間スペクトル算出部１０９、ピークサーチ部１１０、ＳＴＦ（Ｓｐａｔｉａｌ Ｔｒａｎｓｆｅｒ Ｆｕｎｃｔｉｏｎ；空間伝達関数）処理部１１１、伝達関数記憶部１１２、及び出力部１１３を含んで構成されている。

音声入力部１０１は、収音手段（例えば、マイクロホン）をＭ個備え（Ｍは２以上の整数）、各収音手段は異なる位置に配置されている。音声入力部１０１は、例えば、Ｍ個のマイクロホンを備えるマイクロホンアレーである。音声入力部１０１は、各収音手段が受信した音波を各１チャネルの音響信号として短時間フーリエ変換部１０２に出力する。なお、音声入力部１０１は、音響信号をアナログ信号からデジタル信号に変換して、デジタル信号に変換した音響信号を短時間フーリエ変換部１０２に出力するようにしてもよい。

短時間フーリエ変換部１０２は、音声入力部１０１から入力された各チャネルの音響信号に対して時間領域において、フレーム毎に短時間フーリエ変換（ｓｈｏｒｔ−ｔｉｍｅ Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ；ＳＴＦＴ）を行って周波数領域の入力信号を生成する。短時間フーリエ変換とは、窓関数をシフトしながら関数に乗じてフーリエ変換を行う変換である。フレームとは、予め定められた長さ（フレーム長）の時間間隔、またはその時間間隔に含まれる信号である。フレーム長は、例えば、１０［ｍｓｅｃ］である。
短時間フーリエ変換部１０２は、フレーム毎に短時間フーリエ変換した入力信号を用いて、周波数ω、フレーム時刻ｆ毎に行列Ｘ（ω、ｆ）を生成し、生成したＭ列の入力ベクトルＸ（ω、ｆ）を第１相関行列算出部１０３に出力する。

第１相関行列算出部１０３は、短時間フーリエ変換部１０２から入力された入力ベクトルＸ（ω、ｆ）を用いて、周波数ω、フレーム時刻ｆ毎に次式（１）により空間相関行列Ｒ（ω、ｆ）を算出する。第１相関行列算出部１０３は、算出した空間相関行列Ｒ（ω、ｆ）を、行列算出部１０６に出力する。なお、空間相関行列Ｒ（ω、ｆ）は、Ｍ行Ｍ列の正方行列である。

（１）式において、ｆは現在のフレーム時刻を表し、Ｔ_Ｒは、空間相関行列Ｒ（ω、ｆ）を算出する際に用いる区間の長さ（フレーム数）である。この区間の長さを窓長と呼ぶ。τは、フレーム時刻（現在のフレーム時刻には限らない）を示す変数であり、０からＴ_Ｒ−１の範囲の値である。また＊は、ベクトルまたは行列の複素共役転置演算子を表す。（１）式において、空間相関行列Ｒ（ω、ｆ）は、雑音に対するロバスト性の向上のため、Ｔ_Ｒフレームで平滑化している。すなわち、式（１）は、チャネルｎ（ｎは１以上の整数）と、チャネルｍ（ｍはｎとは異なる１以上の整数）との間のチャネル間の相関として、チャネルｎとチャネルｋの入力信号ベクトルの複素共役との積を、現在のフレーム時刻０から窓長Ｔ_Ｒ−１の区間にわたって平均した値である。

ノイズデータベース１０４には、周波数ω、及びフレーム時刻ｆ毎のノイズ音源の行列（以下、雑音行列という）Ｎ（ω、ｆ）が、予め格納されている。なお、ノイズ（雑音）とは、目的音以外の、例えば、風切り音、集音された部屋に置かれている他の装置が発する音などである。

第２相関行列算出部１０５は、ノイズデータベース１０４に記憶されている雑音行列Ｎ（ω、ｆ）を読み出し、読み出したＮ（ω、ｆ）を用いて、周波数ω、フレーム時刻ｆ毎に次式（２）により雑音の相関行列（以下、雑音相関行列という）Ｋ（ω、ｆ）を算出する。雑音相関行列Ｋ（ω、ｆ）は定位時の抑圧（白色化）対象の信号から算出される雑音相関行列であるが、本実施形態では、簡略化のため単位行列とする。第２相関行列算出部１０５は、算出した雑音相関行列Ｋ（ω、ｆ）を行列算出部１０６に出力する。

式（２）において、Ｔ_ｋは、雑音相関行列Ｋ（ω、ｆ）を算出する際に用いる区間の長さ（フレーム数）である。τ_ｋはフレーム時刻（現在のフレーム時刻には限らない）を示す変数であり、０からＴ_ｋ−１の範囲の値である。Ｎ^＊は、行列Ｎの複素共役転置演算子を表す。式（２）のように、雑音相関行列Ｋ（ω、ｆ）は、チャネルｎの雑音信号と、チャネルｍの雑音信号との間のチャネル間の相関を、チャネルｎとチャネルｋの雑音行列Ｎの複素共役との積を、現在のフレーム時刻０からの窓長Ｔ_ｋ−１の区間にわたって平均した値である。

行列算出部１０６は、第２相関行列算出部１０５から入力された雑音相関行列Ｋ（ω、ｆ）を用いて、第１相関行列算出部１０３から入力された空間相関行列Ｒ（ω、ｆ）が張る空間を、周波数ω、フレーム時刻ｆ毎に固有ベクトルを算出する。行列算出部１０６は、算出した固有ベクトルを階層数算出部１０７に出力する。
行列算出部１０６は、空間相関行列Ｒ（ω、ｆ）に雑音相関行列Ｋ（ω、ｆ）の逆行列Ｋ^−１（ω、ｆ）を左側から乗算したＫ^−１（ω、ｆ）Ｒ（ω、ｆ）に対して、次式（３）で表されるＧＳＶＤ（ｇｅｎｅｒａｌｉｚｅｄ ｓｉｎｇｕｌａｒ−ｖａｌｕｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ：一般化特異値展開）−ＭＵＳＩＣ法により演算を行う。行列算出部１０６は、ＧＳＶＤ−ＭＵＳＩＣ法により、式（３）の関係を満たすベクトルＥ_ｌ（ω、ｆ）と固有値行列Λ（ω、ｆ）を算出する。行列算出部１０６は、この処理により、目的音の部分空間と雑音の部分空間とに分解する。本実施形態では、（３）式により、雑音を白色化できる。

式（３）において、ベクトルＥ_ｌ（ω、ｆ）は、左特異ベクトル（ｌｅｆｔ−ｓｉｎｇｕｌａｒ ｖｅｃｔｏｒｓ）であり、ベクトルＥ_ｒ ^＊（ω、ｆ）は、右特異ベクトル（ｒｉｇｈｔ−ｓｉｎｇｕｌａｒ ｖｅｃｔｏｒｓ）の複素共役である。またベクトルＥ（ω、ｆ）は、固有ベクトルｅ_１（ω、ｆ），・・・，ｅ_Ｍ（ω、ｆ）を要素値に有するベクトルである。また、固有ベクトルｅ_１（ω、ｆ），・・・，ｅ_Ｍ（ω、ｆ）は、固有値λ_１（ω、ｆ），・・・，λ_Ｍ（ω、ｆ）に各々対応する固有ベクトルである。なお、Ｍはマイクロホンの本数である。
また、固有値行列Λ（ω、ｆ）は、次式（４）である。なお、式（４）において、ｄｉａｇは対角行列を表している。

階層数算出部１０７は、後述するように、第１空間スペクトル算出部１０８〜ＳＴＦ処理部１１１が推定を行う階層数と探索する探索間隔を算出し、算出した階層数と探索間隔、及び行列算出部１０６から入力された固有ベクトルを第１空間スペクトル算出部１０８に出力する。この探索間隔は、空間分解能に相当する。

第１空間スペクトル算出部１０８は、階層数算出部１０７から入力された階層数と探索間隔、及び固有ベクトル、ＳＴＦ処理部１１１から入力された伝達関数Ａまたは補間伝達関数Ａ＾を用いて、各フレームｆについて、周波数ω、音源方向ψ毎に、次式（５）により、周波数ωが統合される前の空間スペクトルＰ（ω、ψ、ｆ）を算出する。なお、第１空間スペクトル算出部１０８は、ＳＴＦ処理部１１１から補間伝達関数Ａ＾が入力された場合は、式（５）の伝達関数Ａの代わりに補間伝達関数Ａ＾を用いて演算を行う。
第１空間スペクトル算出部１０８は、算出した空間スペクトルＰ（ω、ψ、ｆ）、及び階層数算出部１０７から入力された階層数を第２空間スペクトル算出部１０９に出力する。

式（５）において、｜…｜は、絶対値を示す。式（５）は、空間スペクトルが、伝達関数全体のうち、雑音による成分との比を表している。式（５）において、ｅ_ｍ（ω、ｆ）は、式（３）の左特異ベクトルＥ_ｌ（ω、ｆ）（＝ｅ_１（ω、ｆ），…，ｅ_Ｍ（ω、ｆ））である。また、Ａ^＊は、伝達関数Ａの複素共役である。Ｌ_Ｓは、音源の個数であり、０以上の整数である。また、Ａ（ω、ψ）は、伝達関数記憶部１１２に予め記憶されている計測された既知の伝達関数であり、次式（６）である。

なお、ψ_ｉは予め計測されている音源方位、すなわち伝達関数Ａの方向である。ｉは１以上の整数である。Ｍは、マイクロホンの本数である。Ｔは、転置行列を示している。

第２空間スペクトル算出部１０９は、第１空間スペクトル算出部１０８から入力された空間スペクトルＰ（ω、ψ、ｆ）をω方向に次式（７）を用いて平均化した平均化空間スペクトルＰ（ψ、ｆ）を算出する。第２空間スペクトル算出部１０９は、算出した平均化空間スペクトルＰ（ψ、ｆ）、及び第１空間スペクトル算出部１０８から入力された階層数及び探索間隔をピークサーチ部１１０に出力する。

式（７）において、ω［ｋ］は、ｋ番目の周波数ビンに対応した周波数を表す。なお、周波数ビンとは、離散化された周波数である。また、ｋ_ｈ、およびｋ_ｌは、周波数領域における最大周波数（上限周波数）及び最小周波数（下限周波数）に対応する周波数ビンのインデックスである。式（７）において、ｋ_ｈ−ｋ_ｌ＋１は、加算（Σ）の対称となる空間スペクトルＰ（ω、ψ、ｆ）の個数である。このように１が加算される理由は、各周波数ωが離散化されているので、その周波数帯域の両端である上限周波数に係る空間スペクトルＰ（ω_［ｋ］、ψ、ｆ）と、下限周波数の係る空間スペクトルＰ（ω_［ｋ］、ψ、ｆ）が共に加算対象であるためである。

ピークサーチ部１１０には、第２空間スペクトル算出部１０９から平均化空間スペクトルＰ（ψ、ｆ）、階層数、及び探索間隔が入力される。ピークサーチ部１１０は、入力された平均化空間スペクトルＰ（ψ、ｆ）のピーク値である方位ψ^［ｌ］（ｌは、１以上、Ｌ_ｓ以下の範囲の値）を検出する。
ピークサーチ部１１０は、第２空間スペクトル算出部１０９から入力された階層数分、第１空間スペクトル算出部１０８〜ＳＴＦ処理１１１の推定処理が終了したか否かを判別する。ピークサーチ部１１０は、階層数分、推定処理が終了したと判別した場合、検出したピーク値ψ^［ｌ］を、推定方位ψとして出力部１１３に出力する。ピークサーチ部１１０は、階層数分、推定処理が終了していないと判別した場合、検出したピーク値ψ^［ｌ］、階層数、及び探索間隔を、ＳＴＦ選択部１１１に出力する。

ＳＴＦ処理部１１１は、ピークサーチ部１１０から入力されたピーク値ψ^［ｌ］、階層数、及び探索間隔を用いて、伝達関数Ａを伝達関数記憶部１１２から読み出し、または補間伝達関数Ａ＾を算出する。具体的には、探索すべき方位に対応する伝達関数Ａが、伝達関数記憶部１１２に記憶されているか否かを判別する。ＳＴＦ処理部１１１は、探索すべき方位に対応する伝達関数Ａが、伝達関数記憶部１１２に記憶されていると判別した場合、対応する伝達関数Ａを伝達関数記憶部１１２から読み出す。ＳＴＦ処理部１１１は、探索すべき方位に対応する伝達関数Ａが、伝達関数記憶部１１２に記憶されていないと判別した場合、対応する補間伝達関数Ａ＾を算出する。ＳＴＦ処理部１１１は、読み出した伝達関数Ａ、または算出した補間伝達関数Ａ＾を第１空間スペクトル算出部１０８に出力する。
ＳＴＦ処理部１１１は、予め定められている探索範囲（１つの階層ともいう）に対して探索が終了した場合、ピーク値が検出された方位に基づいて、新たな探索範囲と、探索間隔を後述するように算出する。ＳＴＦ処理部１１１は、算出した新たな探索範囲と、探索間隔を第１空間スペクトル算出部１０８に出力する。

出力部１１３は、ピークサーチ部１１０から入力された推定方位ψを、例えば音源分離部１３（図２参照）に出力する。また、例えば、音源方向推定部１１のみが、ロボットに取り付けられている場合、出力部１１３は、不図示の表示装置であってもよい。この場合、出力部１１３は、推定方位ψを文字情報、または図示して表示部に表示するようにしてもよい。

以上のように、本実施形態の音源方向推定装置は、音源からの伝達関数を前記音源の方向毎に記憶する伝達関数記憶部（１１２）と、音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と階層ごとの探索間隔を算出する算出部（階層数算出部１０７）と、探索範囲を探索間隔毎に伝達関数を用いて探索し、探索した結果に基づいて音源の方向を推定し、推定した音源の方向に基づいて探索範囲と探索間隔とを算出部が算出した階層数になるまで更新し、音源の方向を推定する音源定位部（ピークサーチ部１１０、ＳＴＦ処理部１１１）と、を備える。
このような構成により、本実施形態によれば、階層数算出部１０７が探索を行う階層数と探索間隔とを算出する。次に、音源定位部１２（図３）が、予め定められた探索範囲全体を粗い探索間隔に分け、その粗い探索間隔で探索して音源方向を推定する。次に、音源定位部１２は、推定された方向に対応する探索間隔を１つ選択し、選択された探索間隔を新たな探索範囲として探索範囲を更新する。そして、音源定位部１２は、この新たな探索範囲内をより細かい探索間隔に分けて探索範囲を更新し、その細かい探索間隔において探索を行うことで音源方向を推定する。この結果、本実施形態では、音源方向の推定にかかる処理時間を短縮することができる。

図４は、本実施形態に係る音源分離部１３のブロック図である。図４に示すように、音源分離部１３は、第１コスト演算部１２１、第２コスト演算部１２２、及び音源分離処理部１２３を含んで構成される。
第１コスト演算部１２１は、拘束条件に基づく音源分離（ＧＳＳ（幾何制約付き音源分離））の手法を用いて、コスト関数Ｊ_ＧＣ（Ｗ）を算出し、算出したコスト関数Ｊ_ＧＣ（Ｗ）を音源分離処理部１２３に出力する。
第１コスト演算部１２１は、次式（８）に表されるコスト関数Ｊ_ＧＣ（Ｗ）のＤに伝達関数を指定することで、幾何拘束を実現する。は、コスト関数Ｊ_ＧＣは、幾何制約度であり、分離行列Ｗを算出するために用いられる。

ただし、式（８）において、Ｅ_ＧＣは、次式（９）である。

式（９）において、Ｗは、分離行列であり、Ｄは伝達関数行列である。本実施形態では、伝達関数行列ＤにＳＴＦ処理部１１１が補間した補間伝達関数Ａ＾または読み出した伝達関数Ａを用いることで、正しい音源方向に幾何拘束をかけることができる。

第２コスト演算部１２２は、独立成分分析の拡張である高次元無相関化に基づく音源分離（ＨＤＳＳ）の手法を用いて、コスト関数Ｊ_ＨＤＳＳ（Ｗ）を算出し、算出したコスト関数Ｊ_ＨＤＳＳ（Ｗ）を音源分離処理部１２３に出力する。

音源分離処理部１２３は、第１コスト演算部１２１から入力されたコスト関数Ｊ_ＧＣ（Ｗ）と、第２コスト演算部１２２から入力されたコスト関数Ｊ_ＨＤＳＳ（Ｗ）を用いて、次式（１０）のようにコスト関数Ｊ_{ＧＨＤＳＳ}（Ｗ）を算出する。すなわち、本実施形態では、ＧＣの手法とＨＤＳＳの手法を統合した手法を用いている。このように統合した手法を、本発明ではＧＨＤＳＳ（Ｇｅｏｍｅｔｒｉｃ Ｈｉｇｈ−ｏｒｄｅｒ Ｄｉｃｏｒｒｅｌａｔｉｏｎ−ｂａｓｅｄ Ｓｏｕｒｃｅ Ｓｅｐａｒａｔｉｏｎ）手法と呼ぶ。

式（１０）において、αは、スカラーであり、０以上、１以下の整数である。また、式（１０）において、コスト関数Ｊ_ＨＤＳＳ（Ｗ）は、次式（１１）のように表される。

式（１１）において、Ｅ［・］は、期待値を示し、太文字ＥはベクトルＥを示している。また、Ｅ_φは、ＤＳＳ（Ｄｉｃｏｒｒｅｌａｔｉｏｎ−ｂａｓｅｄ Ｓｏｕｒｃｅ Ｓｅｐａｒａｔｉｏｎ）における相関行列Ｅの代わりとして用いるコスト関数である。
また、式（１１）において、Ｅ_ＨＤＳＳは、式（１２）である。

式（１２）において、太字ｙはベクトルを表している。なお、ベクトルＥ＝ｙｙ^Ｈ−Ｉと定義する。ベクトルＩは、単位行列である。また、符号Ｈは、複素共役を示している。またφ（ｙ）は、非線形関数であり、次式（１３）である。

式（１３）において、ｐ（ｙ_ｉ）は、ｙの同時確率密度関数（Ｊｏｉｎｔ Ｐｒｏｂａｂｉｌｉｔｙ Ｄｅｎｓｉｔｙ Ｆｕｎｃｔｉｏｎ；ｐｄｆ）である。
なお、φ（ｙ_ｉ）は、多様な定義ができるが、φ（ｙ_ｉ）の一例として、次式（１４）のように双曲線正接（ｈｙｐｅｒｂｏｌｉｃ−ｔａｎｇｅｎｔ−ｂａｓｅｄ）関数を用いてもよい。

なお、式（１４）において、ηは、スケーリング・パラメータである。

音源分離処理部１２３は、次式（１５）により、分離行列Ｗをコスト関数Ｊ_ＧＣ及びＪ_ＨＤＳＳが最小になるように適応的に算出する。音源分離処理部１２３は、このようにして推定した分離行列Ｗに基づいて、音声入力部１０１（図３参照）に入力された多チャネルの音響信号から音源毎の成分に分離する。音源分離処理部１２３は、分離した各音源の成分を、例えば、音響特徴量抽出部１４に出力する。

式（１５）において、ｔは、であり、μ_ＨＤＳＳは、誤差行列を更新するときに用いるステップサイズであり、μ_ＧＣは、幾何誤差行列を更新するときに用いるステップサイズである。また、Ｊ’_ＨＤＳＳ（Ｗ_ｔ）は、ＨＤＳＳ誤差行列であり、行列Ｊ_ＨＤＳＳを入力の要素毎に微分した数列である。Ｊ’_ＧＣ（Ｗ_ｔ）は、幾何誤差行列であり、行列Ｊ_ＧＣを入力の要素毎に微分した数列である。
ステップサイズμ_ＧＣは、Ｅ_ＧＣと幾何誤差行列Ｊ’_ＧＣ（Ｗ_ｔ）を用いた次式（１６）である。ステップサイズμ_ＨＤＳＳは、Ｅ_ＨＤＳＳと幾何誤差行列Ｊ’_{ＧＨＤＳＳ}を用いた次式（１７）である。

以上のように、本実施形態の音源分離部１３は、ＧＤＨＳＳ法を用いて分離行列Ｗを逐次に算出することで、音源分離を行う。
なお、本実施形態では、音源分離部１３が、ＧＤＨＳＳ法を用いて音源分離する例を説明したが、公知のＢＳＳ（ブラインド信号源分離）法等を用いて音源分離してもよい。

次に、階層数算出部１０７〜ＳＴＦ処理部１１１が行う階層化探索処理について説明する。図５は、本実施形態に係る階層化探索処理の手順を示すフローチャートである。図６は、本実施形態に係る階層化探索処理の手順を説明する図である。
図６に示すように、探索範囲は、０からｄ_０である。具体的な探索範囲は、例えば、０度から１８０度である。第１階層目の探索間隔はｄ_１であり、第２階層目の探索間隔はｄ_２である。音源方向推定装置１１の使用者による所望の空間解像度は、第Ｓ階層目の探索間隔ｄ_Ｓである。なお、図６では、説明を簡略化するために、各階層の探索間隔が４の場合を示したが、探索間隔の個数はこれに限られない。また、符号ｐ１〜ｐ５は、予め伝達関数が計測されている計測点を表している。具体的な例として、計測点ｐ１は０度、計測点ｐ２は３０度であり、計測点ｐ３は９０度であり、計測点ｐ４は１３０度、計測点ｐ５は１８０度である。また、符号ｑ１１〜ｑ１５は、第１階層目の探索点を表している。具体的な例として、探索点ｑ１１は０度、探索点ｑ１２は４５度であり、探索点ｑ１３は９０度であり、探索点ｑ１４は１３５度、探索点ｑ１５は１８０度である。
なお、各方位ｐ１、ｐ２、ｐ３、ｐ４に対応した伝達関数Ａ（ω，ψ_ｐ１）〜Ａ（ω，ψ_ｐ４）が、伝達関数記憶部１１２に予め記憶されているとする。

（ステップＳ１）音源方向推定装置１１の使用者は、所望の空間解像度を選択する。階層数算出部１０７は、装置の使用者により選択された所望の空間解像度と探索範囲とに基づいて、階層数Ｓと探索する探索間隔δ_ｉを次式（１８）と次式（１９）を用いて算出し、算出した階層数Ｓと探索間隔δ_ｉ、及び行列算出部１０６から入力された固有ベクトルを第１空間スペクトル算出部１０８に出力する。階層数Ｓと探索間隔δ_ｉを算出については、後述する。ステップＳ１終了後、ステップＳ２に進む。

式（１９）において、ｄ_ｓは、第ｓ階層目の探索間隔である。ただし、ｓは、１以上、Ｓ以下の整数である。

（ステップＳ２）ＳＴＦ処理部１１１は、第１探索点（図６のｑ１１）に対応する伝達関数Ａ（ω，ψ）が、伝達関数記憶部１１２に記憶されているか否か判別する。ＳＴＦ処理部１１１は、第１探索点に対応する伝達関数Ａ（ω，ψ）が伝達関数記憶部１１２に記憶されていると判別した場合（ステップＳ２；Ｙｅｓ）、ステップＳ３に進み、第１探索点に対応する伝達関数Ａ（ω，ψ）が伝達関数記憶部１１２に記憶されていないと判別した場合（ステップＳ２；Ｎｏ）、ステップＳ４に進む。

（ステップＳ３）第１探索点に対応する伝達関数Ａ（ω，ψ）が伝達関数記憶部１１２に記憶されていると判別した場合、ＳＴＦ処理部１１１は、伝達関数記憶部１１２に記憶されている第１探索点（図６のｑ１１）に対応する伝達関数Ａ（ω，ψ）を読み出し、読み出した伝達関数Ａ（ω，ψ）を第１空間スペクトル算出部１０８に出力する。ステップＳ３終了後、ステップＳ５に進む。

（ステップＳ４）第１探索点に対応する伝達関数Ａ（ω，ψ）が伝達関数記憶部１１２に記憶されていないと判別した場合、ＳＴＦ処理部１１１は、第１探索点に隣接する２つの計測点に対応する伝達関数を用いて、第１探索点の補間伝達関数Ａ＾を補間により求める。一例として、探索点ｑ１２の場合、この点に隣接する２つの計測点ｐ２とｐ３の伝達関数Ａを用いて、探索点ｑ１２の補間伝達関数Ａ＾を算出する。なお、ＳＴＦ処理部１１１は、補間に、例えばＦＤＬＩ法、ＴＤＬＩ法、ＦＴＤＬＩ法等を用いてもよい。各補間法については、後述する。

（ステップＳ５）第１空間スペクトル算出部１０８は、ＳＴＦ処理部１１１から入力された伝達関数Ａ、または補間伝達関数Ａ＾を用いて、上述した式（５）により空間スペクトルＰ（ω、ψ、ｆ）を算出する。次に、第２空間スペクトル算出部１０９は、第１空間スペクトル算出部１０８が算出した空間スペクトルＰ（ω、ψ、ｆ）を用いて、上述した式（７）により平均化空間スペクトルＰ（ψ、ｆ）を算出し、算出した平均化空間スペクトルＰ（ψ、ｆ）と探索点の番号を示す情報をピークサーチ部１１０に出力する。なお、探索点の番号とは、探索点ｑ１１〜ｑ１５に対応して割り振られた番号である。ステップＳ５終了後、ステップＳ６に進む。

（ステップＳ６）ピークサーチ部１１０は、探索範囲における全ての探索点の探索が終了したか否かを判別する。ピークサーチ部１１０は、探索範囲における全ての探索点の探索が終了したと判別した場合（ステップＳ６；Ｙｅｓ）、ステップＳ８に進み、探索範囲における全ての探索点の探索が終了していないと判別した場合（ステップＳ６；Ｎｏ）、ステップＳ７に進む。

（ステップＳ７）探索範囲における全ての探索点の探索が終了していないと判別した場合、ピークサーチ部１１０は、次の探索点の探索を行う指示を示す情報をＳＴＦ処理部１１１に出力する。次の探索点とは、例えば、ステップＳ５で探索点ｑ１１の処理が終了している場合、探索点ｑ１２が次の探索点である。なお、探索は、０からｄ_０に向けて行ってもよく、ｄ_０から０に向けて行ってもよい。

（ステップＳ８）探索範囲における全ての探索点の探索が終了していると判別した場合、ピークサーチ部１１０は、探索範囲で算出された全ての平均化空間スペクトルＰ（ψ、ｆ）の中から最大値となる方位ψ^［ｉ］を抽出する。ステップＳ８終了後、ステップＳ９に進む。

（ステップＳ９）ピークサーチ部１１０は、ステップＳ１で算出された全ての階層において探索が終了したか否かを判別する。ピークサーチ部１１０は、全ての階層において探索が終了したと判別した場合（ステップＳ９；Ｙｅｓ）、ステップＳ１０に進み、全ての階層において探索が終了していないと判別した場合（ステップＳ９；Ｎｏ）、ステップＳ１１に進む。

（ステップＳ１０）ピークサーチ部１１０は、抽出した方位ψ^［ｉ］を推定方位ψ＾として、出力部１１３に出力する。次に、出力部１１３は、ピークサーチ部１１０から入力された推定方位ψ＾を、例えば、音響特徴量抽出部１４（図２参照）に出力して、音源方向推定の処理を終了する。

（ステップＳ１１）ＳＴＦ処理部１１１は、ステップＳ１で算出された全ての階層において探索が終了していないと判別した場合、ピーク値を有する方位ψ^［ｉ］に隣接する２つの探索点（ψ^［ｉ］−δ_ｉ）と探索点（ψ^［ｉ］＋δ_ｉ）とを、次に探索を行う区間として選択する。なお、以下、ψ^［ｉ］−δ_ｉをψ^［ｉ−］と表記し、ψ^［ｉ］＋δ_ｉをψ^［ｉ＋］と表記する。
一例として、図６において、ピーク値が検出された探索点がｑ１３であった場合、ＳＴＦ処理部１１１は、隣接する２つの探索点として探索点ｑ１２と探索点ｑ１４とを選択する。この場合、第２階層目の探索範囲は、探索点ｑ１２からｑ１４までであり、探索範囲の幅が２ｄ_１である。ステップＳ１０終了後、ステップＳ１１に進む。

（ステップＳ１２）ＳＴＦ処理部１１１は、第２階層の探索で使用する探索間隔ｄを算出する。なお、各階層における探索間隔ｄの算出については、後述する。ステップＳ１２終了後、ステップＳ２に戻る。
第１空間スペクトル算出部１０８〜ＳＴＦ処理部１１１は、第２階層において、ステップＳ２〜Ｓ９を繰り返し、各間隔の伝達関数（または補間伝達関数）を用いて、平均化空間スペクトルＰ（ψ、ｆ）を算出し、ピーク値を有する方位ψを推定する。第２階層の探索が終了後、ＳＴＦ処理部１１１は、ピーク値を有する探索点に隣接する２つの探索点を選択し、次の階層で使用する探索間隔ｄを算出する。以後、ステップＳ１で算出された全ての階層について、ステップＳ２〜Ｓ１２を繰り返して、第１空間スペクトル算出部１０８〜ＳＴＦ処理部１１１は、音源方位推定を行う。

次に、ＳＴＦ処理部１１１が行う補間について説明する。ＳＴＦ処理部１１１は、例えば、以下で説明する（１）ＦＤＬＩ法、（２）ＴＤＬＩ法、（３）ＦＴＤＬＩ法のいずれか１つを用いて、伝達関数Ａを補間して補間伝達関数Ａ＾を生成する。
なお、計測された２つの計測点における各伝達関数Ａは、次式（２０）、次式（２１）のように表される。これらの伝達関数Ａは、伝達関数記憶部１１２に予め記憶されている。伝達関数Ａ（ω、ψ_１）は、方向ψ_１における伝達関数であり、伝達関数Ａ（ω、ψ_２）は、方向ψ_２における伝達関数である。

（１）ＦＤＬＩ（Ｆｒｅｑｕｅｎｃｙ Ｄｏｍａｉｎ Ｌｉｎｅａｒ ｏｒ ｂｉ−ｌｉｎｅａｒ Ｉｎｔｅｒｐｏｌａｔｉｏｎ）法
ＦＤＬＩ（周波数領域での線形補間）法では、ＳＴＦ処理部１１１が、次式（２２）を用いて、２つの計測点間において、線形補間をおこなって補間伝達関数Ａ＾を算出する。

式（２２）において、Ｄ^Ａは、補間係数であり、０以上、１以下の値である。ＦＤＬＩ法は、位相を線形補間できる特徴がある。

（２）ＴＤＬＩ（Ｔｉｍｅ Ｄｏｍａｉｎ Ｌｉｎｅａｒ Ｉｎｔｅｒｐｏｌａｔｉｏｎ）法
ＴＤＬＩ（時間領域での線形補間）法では、次式（２３）のように表される。

ただし、式（２３）において、ｄ_ψ＾は、次式（２４）である。

式（２３）及び式（２４）において、ｋ_ψ１とｋ_ψ２は、幾何学的に求まる係数であり、ｄ_ψ１とｄ_ψ２は、幾何学的に求まる時間遅れであり、ａ_ｍ（ｔ，ψ）は、Ａ_ｍ（ω，ψ）の時間領域における表現である。
式（２３）を振幅補間とみなし、式（２４）を位相補間とみなすと、周波数領域におけるＴＤＬＩ法は、次式（２５）のように表される。

以上のように、ＴＤＬＩ法では、ＳＴＦ処理部１１１は、次式（２５）を用いて、２つの計測点間において、線形補間をおこなって補間伝達関数Ａ＾を算出する。ＴＤＬＩ法は、振幅を線形補間できる特徴がある。

（３）ＦＴＤＬＩ（Ｆｒｅｑｕｅｎｃｙ Ｔｉｍｅ Ｄｏｍａｉｎ Ｌｉｎｅａｒ ｏｒ ｂｉ−ｌｉｎｅａｒ Ｉｎｔｅｒｐｏｌａｔｉｏｎ）法
ＦＴＤＬＩ法は、上述したＦＤＬＩ法とＴＤＬＩ法とを統合した線形補間法である。ＦＴＤＬＩ法は、周波数領域での線形補間から位相を求め、時間領域の線形補間から振幅を求める。ＦＴＤＬＩ法では、ＳＴＦ処理部１１１が、次式（２６）を用いて、２つの計測点間において、線形補間をおこなって補間伝達関数Ａ＾を算出する。

次に、ＦＴＤＬＩ法における補間伝達関数Ａ＾の算出手順を説明する。
（Ｉ）まず、式（２２）と式（２５）を用いて、補間伝達関数を算出する。以下の説明では、求めた各補間伝達関数を、次式（２７）と次式（２８）のように表記する。

（ＩＩ）次に、式（２７）及び式（２８）を、各々、次式（２９）、次式（３０）のように、位相と振幅とに分解する。

この式（２９）と式（３０）により、補間伝達関数Ａ＾（ω，ψ＾）は、上述した式（２６）のように表される。ＦＴＤＬＩ法は、位相及び振幅を線形補間できる特徴がある。

次に、上述したステップＳ１において、階層数算出部１０７が行う最適な階層値と探索間隔の算出手順について説明する。
図７は、本実施形態に係る階層値の算出手順について説明する図である。なお、以下の説明では、各層において探索範囲の左を便宜的に０とする。また、各階層において、便宜的に、探索点と探索点との間、例えば第１階層において、いずれかの探索間隔ｄ_１にピーク値があるとして説明する。

以下の説明において、既知の値は、第１階層目の探索範囲であるｄ_０と、第Ｓ階層目の探索間隔ｄ_Ｓである。また、求める値は、探索数が最小になる階層数Ｓと、各階層における探索間隔ｄ_ｓである。
まず、２つの伝達関数の方向ψ_１と方向ψ_１の間隔をｄ_０とする。すなわち、２つの伝達関数の方向ψ_１と方向ψ_１との間隔０から間隔ｄ_０の範囲を、間隔ｄ_Ｓで探索する場合、探索数はｄ_０／ｄ_Ｓである。探索数を最小化して計算コストを削減するため、本実施形態では、以下のように探索を階層的に行う。
図７に示すように、階層数をＳとし、第ｓ階層目の間隔をｄ_ｓとする。ただし、ｓは１以上Ｓ以下である。すなわち、第１階層目の間隔がｄ_１であり、第２階層目の間隔がｄ_２（ただしｄ_２は、ｄ_１より小さい）である。階層化とは、まず、第ｓ階層目の探索を行い、探索によりピーク値を含む１つの間隔ｄ_ｓを選択する。次に、選択した間隔ｄ_ｓを第ｓ＋１階層目とする。この第ｓ＋１階層目において、間隔をｄ_ｓ＋１として探索を行う。第ｓ＋１階層目の探索により、ピーク値を含む１つの間隔ｄ_ｓ＋１を選択し、選択した間隔ｄ_ｓ＋１を、第ｓ＋２階層目として扱う。このような処理を階層化という。また、階層化では、上の階層の間隔が粗く、下の階層の間隔が細かくなっていく。そして、第Ｓ階層目では、間隔がｄ_Ｓであり、間隔数がｄ_Ｓ−１であるので、探索数は（ｄ_Ｓ−１）／ｄ_Ｓである。なお、間隔ｄ_ｓを、以下では粒度ともいう。

（階層数が２の場合）
図７に示すように、第２階層目（Ｓ＝２）まで探索した場合の総探索数Ｆ（ｄ_１）は、次式（３１）のように表される。

式（３１）において、変数はｄ_１のみである。このため、式（３１）の最小値を求めるために、式（３１）を変数ｄ_１で偏微分すると、次式（３２）のようになる。

従って、式（３２）が０になる間隔ｄ_１は、√（ｄ_０ｄ_Ｓ）である。
この間隔ｄ_１の値の場合、第１階層の探索数は次式（３３）であり、第２階層の探索数は次式（３４）である。

式（３３）と式（３４）により、各階層の探索数を等しくすることで、総探索数を最小にできる。

（階層数がｓの場合）
次に、階層数がｓの場合、総探索数を最小にする条件を説明する。階層数ｓの場合であっても、各階層の探索数を等しくすれば、総探索数を最小にできる。
以下に、背理法を用いて、この理由を説明する。
階層数ｓのとき、総探索数は、ｄ_０／ｄ_１＋ｄ_１／ｄ_２＋・・・＋ｄ_{（ｓ−１）}／ｄ_ｓである。この総探索数が最小となり、かつｄ_{（ｉ−１）}／ｄ_ｉ≠ｄ_ｉ／ｄ_{（ｉ＋１）}となる階層があると仮定する。ただし、ｉは、１以上Ｓ以下の整数である。
ｉ−１からｉ＋１までの２つの階層において、各階層の探索数ｄ_{（ｉ−１）}／ｄ_ｉ＝ｄ_ｉ／ｄ_{（ｉ＋１）}のときに、２階層の例で説明したように（ｄ_{（ｉ−１）}／ｄ_ｉ）＋（ｄ_ｉ／ｄ_{（ｉ＋１）}）が最小になるため、この仮定は矛盾する。すなわち、ｄ_{（ｉ−１）}／ｄ_ｉ≠ｄ_ｉ／ｄ_{（ｉ＋１）}となる階層は存在しないことになる。
この結果、階層数にかかわらず、各階層の探索数を等しい場合、総探索数を最小にできる。従って、階層数がｓの場合、総探索数を最小にする条件は、ｄ_０／ｄ_１＝ｄ_１／ｄ_２＝・・・＝ｄ_{（ｓ−１）}／ｄ_ｓである。
この条件式を変形すると、次式（３５）のように表される。

式（３５）より、総探索数が最小になる粒度ｄ_Ｓ−１は、次式（３６）である。

（階層数がＳの場合）
次に、階層数をＳとした場合、総探索数Ｇ（Ｓ）は、ｄ_０／ｄ_１＝ｄ_１／ｄ_２＝・・・＝ｄ_{（Ｓ−１）}／ｄ_Ｓより、次式（３７）になる。

次に、式（３７）を最小にするＳを求めるため、式（３７）をＳで偏微分すると次式（３８）のようになる。

総探索数が最小となるのは、式（３８）が０の場合である。このため、総探索数が最小となるのは、Ｓ＝ｌｏｇ（ｄ_０／ｄ_Ｓ）である。式（３５）、式（３６）と同様に条件式を変形し、変形した条形式にＳ＝ｌｏｇ（ｄ_０／ｄ_Ｓ）を代入すると、各階層の粒度ｄ_ｓは、次式（３９）に算出できる。

階層数算出部１０７（図３参照）は、上述したように、Ｓ＝ｌｏｇ（ｄ_０／ｄ_Ｓ）を用いて、総探索数が最小になる階層数Ｓを算出し、式（３９）を用いて総探索数が最小になる間隔（粒度）ｄ_Ｓを算出する。

以上のように、本実施形態では、音源探索をまず粗い分解能で広範囲の探索を行い、探索結果に基づいて、さらに細かい間隔で狭範囲の探索を行う。このような探索を階層的に行うことで、本実施形態によれば、探索の回数を削減できので、音源定位の推定性能を維持しつつ、計算コストの削減ができる。

［第２実施形態］
第１実施形態では、階層数算出部１０７は、総探索数が最小となる階層数Ｓと、粒度ｄ_ｓを算出する例を説明した。
本実施形態では、伝達関数の方向ψ_１と方向ψ_２との間に補間が行われ、補間された方向も考慮して探索する例を説明する。

図８は、本実施形態に係る本実施形態に係る階層数及び間隔の算出手順について説明する図である。図７との違いは、探索コストを用いる点である。なお、探索コストとは、探索にかかるコストである。また、１つの探索点の探索にかかる計算コストをｃ_ｔとする。また、探索点の中には補間が必要な探索点があり、その一点の補間にかかる計算コストをＣ_Ｉとする。なお、探索点とは、図８において、第１階層における間隔ｄ_１毎の点である。階層化による計算コストは、探索コストに加え、補間に係るコスト（以下、補間コストという）の合計である。探索コストは、探索数に１つの探索点の探索にかかる計算コストｃ_ｔを乗じた値とする。

以下の説明において、既知の値は、第１階層目の探索範囲であるｄ_０と、第Ｓ階層目の探索間隔ｄ_Ｓである。また、求める値は、計算コストが最小になる階層数Ｓと、各階層における探索間隔ｄ_ｓである。
図８に示すように、第１階層目の探索コストは、（ｄ_０／ｄ_１）ｃ_ｔであり、第２階層目の探索コストは、（ｄ_１／ｄ_２）ｃ_ｔであり、第Ｓ階層目の探索コストは、（ｄ_Ｓ−１／ｄ_Ｓ）ｃ_ｔである。
本実施形態では、階層数算出部１０７は、階層化による計算コストを最小にする階層数Ｓと、粒度ｄ_ｓを算出する。

図９は、本実施形態に係る第ｓ階層目の探索コストと補間コストを説明する図である。
まず、第ｓ階層目の探索数はｄ_ｓ−１／ｄ_ｓであり、探索コストは（ｄ_ｓ−１／ｄ_ｓ）ｃ_ｔである。この探索コスト（ｄ_ｓ−１／ｄ_ｓ）ｃ_ｔは、固定値である。

次に、第ｓ階層目の補間コストを説明する。第ｓ階層目では、間隔（粒度）がｄ_ｓであり、探索点はｄ_ｓ−１である。この探索点の中でＩ_Ｓ個の点で補間が必要であるとする。図８において、黒丸で示した探索点は補間が必要ない点を示し、白丸で示した探索点は補間の必要がある点を示している。この場合の補間コストは、Ｉ_Ｓｃ_Ｉである。
次に、全ての探索点が補間の必要がない場合、補間コストは、０である。
次に、全ての探索点が補間の必要がある場合、補間コストは、（ｄ_ｓ−１／ｄ_ｓ）ｃ_Ｉである。
従って、第ｓ階層目の補間コストの範囲Ｉ_ｓｃ_Ｉの範囲は、０以上、（ｄ_ｓ−１／ｄ_ｓ）ｃ_Ｉ以下である。ここで、ｃ_ｓは０以上、ｃ_Ｉ以下とし、補間コストを（ｄ_ｓ−１／ｄ_ｓ）ｃ_ｓの固定値であるとする。

従って、第ｓ階層目の計算コストは、探索コストと補間コストとの合計であるため、次式（４０）のようになる。

このため、全ての階層における計算コストＧ^〜（Ｓ）は、次式（４１）のようになる。

式（４１）において、ｉは、１以上、Ｓ以下である。また、式（４１）において、探索コストのみの場合は、ｃ_ｉ＝０に相当する。
さらに、第１実施形態で説明した式（３７）の総探索数Ｇ（Ｓ）と、ｃ_ｉ＝０の場合のＧ^〜（Ｓ）が等しくなるように、ｃ_ｔを１にして、コストを正規化する。ｃ_ｔの正規化により、式（４１）右辺のうちｃ_ｔ＋ｃ_ｉは、１＋ｃ_ｉと表される。この（１＋ｃ_ｉ）を新たに変数Ｃ_ｉとする。ただし、変数Ｃ_ｉは、１以上である。ｃ_ｔ＋ｃ_ｉを変数Ｃ_ｉに置き換えることで、式（４１）は、次式（４２）になる。

（階層数が２の場合）
まず、階層数が、２階層の場合について説明する。
この場合の総探索数Ｆ（ｄ_１）は、（ｄ_０／ｄ_１）Ｃ_１＋（ｄ_１／ｄ_Ｓ）Ｃ_Ｓである。総探索数Ｆ（ｄ_１）において、ｄ_１のみが変数である。総探索数Ｆ（ｄ_１）の最小値を算出するため、総探索数Ｆ（ｄ_１）をｄ_１で偏微分すると、次式（４３）になる。

式（４３）が０となるｄ_１は、√（Ｃ_１ｄ_０ｄ_Ｓ／Ｃ_Ｓ）である。
このときの第１階層目の探索数は次式（４４）であり、第２階層目の探索数は次式（４５）である。

式（４４）と式（４５）より、Ｃ_１とＣ_Ｓとによって重み付けされた間隔（粒度）を等しくすれば、ｄ_０からｄ_Ｓまでの計算コストを最小にすることができる。
同様に、階層数がｓの場合に、計算コストが最小になる条件は、Ｃ_ｉによって重み付けされた各階層の計算コスト（ｄ_ｉ−１／ｄ_ｉ）Ｃ_ｉが等しいことである。ただし、ｉは、１以上、ｓ以下である。

（階層数がＳの場合）
次に、階層数をＳとした場合、式（４２）の計算コストＧ^〜（Ｓ）を、（ｄ_０／ｄ_１）Ｃ_１＝（ｄ_１／ｄ_２）Ｃ_２＝・・・＝（ｄ_{（Ｓ−１）}／ｄ_Ｓ）Ｃ_Ｓの条件で求める。この条件式を変形すると、次式（４６）のように表される。

式（４６）より、計算コストが最小になる粒度ｄ_Ｓ−１は、次式（４７）である。

式（４７）より、計算コストＧ^〜（Ｓ）は、次式（４８）になる。

次に、式（４８）を最小にするＳを求めるため、式（４８）をＳで偏微分すると、次式（４９）になる。

式（４９）が０になるＳは、次式（５０）である。

従って、階層数がＳの場合、計算コストが最小となる間隔（粒度）ｄ_ｓは、次式（５１）である。

階層数算出部１０７（図３参照）は、上述したように、式（５０）を用いて計算コストが最小となる階層数Ｓを算出し、式（５１）を用いて計算コストが最小となる間隔（粒度）ｄ_ｓを算出する。

［実験結果］
次に、第１実施形態または第２実施形態の音源方向推定装置１１を、オープンソースであるロボット聴覚ソフトウェアＨＡＲＫ（ＨＲＩ−ＪＰ Ａｕｄｉｔｉｏｎ ｆｏｒ Ｒｏｂｏｔｓ ｗｉｔｈ Ｋｙｏｔｏ Ｕｎｉｖｅｒｓｉｔｙ）上に実装して評価した結果を説明する。また、以下の評価では、第１実施形態の音源方向推定装置１１を、人型ロボットに取り付けて評価を行った。
図１０は、評価条件を説明する図である。図１０に示すように、評価条件は、標本化周波数が１６［ｋＨｚ］であり、ＦＦＴ点数が５１２点であり、シフト長が１６０であり、マイクロホン数が８個であり、マイクロホンを円形アレイ状態に設置である。また、評価条件は、話者数が４人であり、話者までの距離が１．５［ｍ］であり、評価を行った部屋の大きさが７×４［ｍ］であり、評価を行った部屋の残響時間が０．２［ｓｅｃ］である。

図１１は、評価における探索点を説明する図である。図１１において、紙面の左右方向がＹ方向であり、Ｙ方向に対して垂直な方向がＸ方向である。符号３０１は、音源方向推定装置１１が取り付けられているロボットであり、符号３１１〜３１４は、話者、すなわち音源である。音源３１１は、Ｘ軸に対して右回りの−６０［ｄｅｇ］の位置にあり、音源３１２は、Ｘ軸に対して右回りの−２０［ｄｅｇ］の位置にあり、音源３１３は、Ｘ軸に対して左回りの３０［ｄｅｇ］の位置にあり、音源３１４は、Ｘ軸に対して左回りの６０［ｄｅｇ］の位置にある。

なお、探索点は、方位ψ_１を０度に固定し、方位ψ_２を３０度、６０度、９０度、及び１２０度を用いて評価した。また、方位間の補間点は１度毎とし、計測して得られた１度毎の伝達関数との誤差ｅ⁻ _{［ψ１，ψ２］}を、加算平均により次式（５２）を用いて算出した。

式（５２）において、ｆ（ω_［ｋ］，ψ＾_［ｉ］）は、補間点ψ＾_［ｉ］における周波数ω_［ｋ］に相当する周波数ビンの補間誤差である。なお、評価において、式（５２）のｋ_ｌ、ｋ_ｈを、音源定位で使用される周波数低域である周波数ωが５００［Ｈｚ］以上、２８００［Ｈｚ］以下の範囲になるように選択した。なお、式（５２）において、ｉ_ψは、ψがψ_１より大きく、ψ_２より小さい範囲となる１度毎の補間点個数である。
また、以下の評価において、ｆ（ω_［ｋ］，ψ＾_［ｉ］）の誤差指標として、位相推定誤差（ＰＥＥ）、スペクトル歪み（ＳＤ）、信号対歪み比（ＳＤＲ）を用いた。
ＰＥＥは、次式（５３）で表され、位相誤差指標である。

ＳＤは、次式（５４）で表され、誤差振幅を示している。

ＳＤＲは、次式（５５）で表され、伝達関数自体の誤差を示している。

以下、ｅ_１ ⁻、ｅ_２ ⁻、及びｅ_３ ⁻をそれぞれ、ＰＥＥ、ＳＤ、及びＳＤＲを用いたときのｅ⁻ _{［ψ１，ψ２］}とする。
また、補間係数Ｄ_Ａの線形性について、次式（５６）を用いて評価した。

式（５６）において、補間係数Ｄ_Ａ［ｉ］は、Ｄ_Ａの中で補間誤差が最小となった値である。式（５６）において、補間係数Ｄ_Ａが補間点に対して線形に近いことは、（ψ＾−ψ_２）／（ψ_１−ψ_２）によって、補間係数Ｄ_Ａを決定できるため実用的なことを意味している。
以下、ｄ_１ ⁻、ｄ_２ ⁻、及びｄ_３ ⁻をそれぞれ、ＰＥＥ、ＳＤ、及びＳＤＲを用いたときのｄ⁻ _{［ψ１，ψ２］}とする。

図１２は、方位ψ_２を変化させたときのＰＥＥ、ＳＤ、ＳＤＲを用いたときの伝達関数の誤差と補間係数の線形性を評価した結果の一例を示す図である。図１２は、ＦＤＬＩ法、ＴＤＬＩ法、ＦＴＤＬＩ法の３つについて各指標を用いて評価した結果の一例である。
図１２（ａ）〜図１２（ｆ）において、横軸は相対的な角度であり、縦軸はエラーの平均値である。図１２（ａ）は、ｅ_１ ⁻の評価値の一例であり、図１２（ｂ）は、ｅ_２ ⁻の評価値の一例であり、図１２（ｃ）は、ｅ_３ ⁻の評価値の一例である。図１２（ｄ）は、ｄ_１ ⁻の評価値の一例であり、図１２（ｅ）は、ｄ_２ ⁻の評価値の一例であり、図１２（ｆ）は、ｄ_３ ⁻の評価値の一例である。

図１２（ａ）〜図１２（ｃ）に示すように、本発明のＦＴＤＬＩ法を用いた場合では、ｅ_１ ^−、ｅ_２ ⁻及びｅ_３ ⁻の全てにおいて、ＦＤＬＩ法及びＴＤＬＩ法を用いた場合と比較して、誤差が少ない。
また、図１２（ｄ）〜図１２（ｆ）に示すように、Ｄ_Ａの線形性においても、ＦＴＤＬＩ法を用いた場合では、ｄ_１ ^−、ｄ_２ ⁻及びｄ_３ ⁻の全てにおいて、ＦＤＬＩ法及びＴＤＬＩ法を用いた場合と比較して、誤差が少ない。このことは、Ｄ_Ａの線形性においても、ＦＴＤＬＩ法を用いた場合が、最も線形に近いことを表している。

図１３は、補間の有無による音源の到来方向推定の平均誤差の一例を示す図である。図１３は、補間無し（ＮＯＮＥ）、ＦＤＬＩ法、ＴＤＬＩ法、ＦＴＤＬＩ法を用いて、到来方向推定の平均誤差を評価した結果の一例である。図１３において、横軸は伝達関数の計測間隔（相対的な角度）であり、縦軸は到来方向推定の平均誤差である。
なお、評価は、白色雑音を１度毎（ただし、方位ψは、−９０度以上、９０度以下の範囲）に再生し、再生された音源の再生方向と推定方向との誤差を算出して評価した。評価では、伝達関数の計測間隔を方位ψが１度、５度、１０度、３０度、６０度、９０度、及び１２０度になるように変化させ、さらに補間により１度間隔の伝達関数を生成した。

図１３に示すように、どの相対的な角度においても、いずれかの補間を行った場合の法が補間を行わなかった場合より平均誤差が少ない。さらに、ＦＴＤＬＩ法を用いた場合が、補間無し、ＦＤＬＩ法またはＴＤＬＩ法を用いてかつ補間有りの場合より平均誤差が少ない。このように、本発明によれば、３０度間隔で予め生成して記憶されている伝達関数を用いて、その間隔の間の伝達関数を補間により生成することで、１度間隔の伝達関数を用いて音源方向推定を行うのと同程度の精度が得られた。

次に、階層的に探索したことによる計算コストの評価を行った結果の一例を説明する。
評価は、音源の個数を変化させ、１０００フレーム分の処理を行ったとき、音源定位の計算（式（３）〜式（７））にかかる平均処理時間を算出した。なお、音源探索の階層は２階層とし、第１階層において１０度間隔の探索を行った後、第２階層において１度間隔の探索を行った。また、音源は、１個、２個、３個、及び４個の場合について評価した。
図１４は、計算コストの評価を行った結果の一例を示す図である。図１４において、２段目は階層化せずに探索を行った場合（階層化なし）の演算時間であり、３段目は、本発明による階層化して探索を行った場合（階層化あり）の演算時間である。

図１４に示すように、音源が１個の場合、階層化なしの場合の演算時間は２４．１［ｍｓｅｃ］であり、階層化ありの場合の演算時間は６．８［ｍｓｅｃ］である。音源が２個の場合、階層化なしの場合の演算時間は２２［ｍｓｅｃ］であり、階層化ありの場合の演算時間は７．７［ｍｓｅｃ］である。音源が３個の場合、階層化なしの場合の演算時間は１９．６［ｍｓｅｃ］であり、階層化ありの場合の演算時間は８．３［ｍｓｅｃ］である。音源が４個の場合、階層化なしの場合の演算時間は１７．５［ｍｓｅｃ］であり、階層化ありの場合の演算時間は８．７［ｍｓｅｃ］である。
このように、音源が４個同時に存在し発話されている状態であっても、フレーム周期１０［ｍｓｅｃ］以下で処理が終了する。また、図１４に示すように、本実施形態のように階層化して探索した場合は、音源数によらずに平均処理時間を、階層化しないで探索した場合と比較して５０％以下に軽減できている。このように、本発明によれば、音源方向の推定にかかる処理効率を向上することができる。

図１５は、音源毎に分離した音響信号に対して音声認識した結果の一例を示す図である。図１５において、横軸は相対的角度であり、縦軸は単語正解率（ＷＣＲ）である。
評価に用いた音声は、ＡＴＲ音声データベースの１０人×２１６単語の発話データを用い、４話者が同時に発話した音声の認識を行った。また、評価に用いた伝達関数は、図１２と同じ間隔である。この伝達関数に補間を行い、１度間隔の伝達関数を推定した。評価は、この推定した伝達関数の間隔を変えたときのＷＣＲの評価を行った。評価は、図１３と同様に、補間無し（ＮＯＮＥ）、ＦＤＬＩ法、ＴＤＬＩ法、ＦＴＤＬＩ法について評価した。

図１５に示すように、補間を用いない場合、伝達関数が３０度間隔を超えると認識性能が劣化する。また、補間法としてＦＴＤＬＩ法を用いた場合、他の補間法と比較して認識性能を維持できている。例えば、伝達関数が、９０度間隔の場合、ＦＤＬＩ法と比べて認識率が約７％向上している。

以上のように、第１実施形態または第２実施形態の音源方向推定装置１１を音響処理装置１に適用した場合、単語正解率を１度毎の細かい空間分解能にした場合の伝達関数を用いた場合と同等の性能を維持しつつ、探索に係る計算量を削減することができる。この結果、フレーム毎の実時間内に、精度良く音源方向推定を行うことができる。

なお、第１実施形態、及び第２実施形態では、行列算出部１０６が、ＧＳＶＤ行列を算出して、算出したＧＳＶＤ行列に基づいて音源の方位を推定する例を説明したが、これに限れない。行列算出部１０６は、ＧＥＶＤ（一般化固有値展開）行列を算出して、算出したＧＳＶＤ行列に基づいて音源方位を推定するようにしてもよい。この場合においても、音源方向推定装置１１では、第１実施形態、または第２実施形態で説明したように、総探索数が最小になる階層数と探索間隔（粒度）を算出し、または計算コストが最小になる階層数と粒度を算出する。そして、音源方向推定装置１１は、算出された階層数と探索間隔（粒度）に基づいて、まずは粗い探索間隔で探索を行い、探索範囲の中から次の探索範囲を選択する。音源方向推定装置１１は、選択された探索範囲において探索間隔を狭めていく。音源方向推定装置１１では、音源方位を精度良く推定しつつ、計算コストを下げることができる。

なお、第１実施形態、及び第２実施形態では、階層数算出部１０７が探索に用いる階層数と探索間隔の両方を算出する例を説明したが、これに限られない。階層数を予め装置の使用者が選択しておき、探索間隔のみ算出するようにしてもよい。

なお、第１実施形態、及び第２実施形態では、伝達関数を補間する技術として、ＦＤＬＩ法、ＴＤＬＩ法、ＦＴＤＬＩ法を用いる例を説明したが、これに限られない。他の技術を用いて、伝達関数を補間するようにしてもよい。

なお、本発明における音源方向推定装置１１の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより音源方向の推定を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１・・・音響処理装置、１１・・・音源方向推定部、１２・・・音源定位部、１３・・・音源分離部、１４・・・音響特徴量抽出部、１５・・・発話認識部、１６・・・認識結果出力部、１０１・・・音声入力部、１０２・・・短時間フーリエ変換部、１０３・・・第１相関行列算出部、１０４・・・ノイズデータベース、１０５・・・第２相関行列算出部、１０６・・・行列算出部、１０７・・・階層数算出部、１０８・・・第１空間スペクトル算出部、１０９・・・第２空間スペクトル算出部、１１０・・・ピークサーチ部、１１１・・・ＳＴＦ処理部、１１２・・・伝達関数記憶部、１１３・・・出力部
Ｓ・・・階層数、ｄ_Ｓ・・・探索間隔（粒度）、Ａ・・・伝達関数

Claims (8)

1. 音源からの伝達関数を前記音源の方向毎に記憶する伝達関数記憶部と、
   前記音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と階層ごとの探索間隔を算出する算出部と、
   前記探索範囲を探索間隔毎に前記伝達関数を用いて探索し、探索した結果に基づいて前記音源の方向を推定し、推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出部が算出した階層数になるまで更新し、前記音源の方向を推定する音源定位部と、
   を備えることを特徴とする音源方向推定装置。
2. 前記音源定位部は、
   第ｎ（ｎは１以上の整数）の階層を予め定められた前記探索範囲において、前記算出された探索間隔で探索し、探索した結果に基づき、前記探索範囲の中から少なくとも１つの前記探索間隔を第（ｎ＋１）の階層の探索範囲として更新し、
   前記更新した第（ｎ＋１）の階層の探索範囲と、前記所望の空間解像度に基づいて、探索を行う前記第（ｎ＋１）の階層の探索間隔を更新し、
   前記更新した第（ｎ＋１）の階層の探索範囲と、前記更新した前記第（ｎ＋１）の階層の探索間隔と、前記方向に対応した伝達関数とを用いて、前記音源の方向を階層数（ｎ＋１）が前記算出部により算出された階層数になるまで更新して推定する
   ことを特徴とする請求項１に記載の音源方向推定装置。
3. 前記算出部は、
   全ての前記階層における階層毎の探索数が等しくなるように、前記階層数と前記探索間隔とを算出する
   ことを特徴とする請求項１または請求項２に記載の音源方向推定装置。
4. 前記算出部は、
   全ての階層における総探索数が最小になるように、前記階層数と前記探索間隔とを算出する
   ことを特徴とする請求項１から請求項３のいずれか１項に記載の音源方向推定装置。
5. 前記音源定位部は、
   前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されているか否かを判別し、前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されていると判別した場合、前記探索間隔の方位に対応する前記伝達関数を前記伝達関数記憶部から読み出し、前記探索間隔の方位に対応する前記伝達関数が前記伝達関数記憶部に記憶されていないと判別した場合、前記探索間隔の方位に対応する前記伝達関数を補間により補間伝達関数を算出し、前記読み出した伝達関数、または算出した補間伝達関数を用いて、前記音源の方向を推定する
   ことを特徴とする請求項１から請求項４のいずれか１項に記載の音源方向推定装置。
6. 前記算出部は、
   前記探索範囲における探索数にかかる探索コストと、前記補間にかかる補間コストとの合計値である計算コストが最小になるように前記階層数と前記探索間隔とを算出する
   ことを特徴とする請求項５に記載の音源方向推定装置。
7. 音源方向推定装置における音源方向推定方法であって、
   算出部が、音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と前記階層ごとの探索間隔を算出する算出手順と、
   音源定位部が、前記音源の方向毎に伝達関数記憶部に記憶されている前記音源からの伝達関数を用いて、前記探索範囲を探索間隔毎に探索し、探索した結果に基づいて前記音源の方向を推定する手順と、
   前記音源定位部が、推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出手順により算出された階層数になるまで更新し、前記音源の方向を推定する手順と、
   と含むことを特徴とする音源方向推定方法。
8. 音源方向推定装置のコンピュータに、
   音源の方向を探索するための所望の探索範囲と所望の空間解像度に基づいて、探索を行う階層数と前記階層ごとの探索間隔を算出する算出手順と、
   前記音源の方向毎に伝達関数記憶部に記憶されている前記音源からの伝達関数を用いて、前記探索範囲を探索間隔毎に探索し、探索した結果に基づいて前記音源の方向を推定する手順と、
   推定した前記音源の方向に基づいて前記探索範囲と前記探索間隔とを前記算出手順により算出された階層数になるまで更新し、前記音源の方向を推定する手順と、
   を実行させるための音源方向推定プログラム。

Images