CN104380378A - 声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法 - Google Patents

声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法 Download PDF

Info

Publication number
CN104380378A
CN104380378A CN201280073568.5A CN201280073568A CN104380378A CN 104380378 A CN104380378 A CN 104380378A CN 201280073568 A CN201280073568 A CN 201280073568A CN 104380378 A CN104380378 A CN 104380378A
Authority
CN
China
Prior art keywords
noise model
sound source
noise
sound
acoustic information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201280073568.5A
Other languages
English (en)
Inventor
佐藤润
船山龙士
高谷智哉
金道敏树
深町映夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN104380378A publication Critical patent/CN104380378A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R29/00—Monitoring arrangements; Testing arrangements
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/002—Devices for damping, suppressing, obstructing or conducting sound in acoustic devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02166—Microphone arrays; Beamforming
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Otolaryngology (AREA)
  • General Health & Medical Sciences (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明的课题在于，提供一种通过高精度地判定由集音器收集到的声音信息中是否包含检测对象的声源来生成适于各环境的合适的噪声模型噪声模型生成装置。本发明是一种噪声模型生成装置，用于生成与由集音器收集到的声音信息所包含的检测对象的声源以外的噪声信息相关的噪声模型，其中，从收集到的声音信息取得功率谱，通过对该功率谱的概率密度分布(直方图)进行评价来判定收集到的声音信息中是否包含检测对象的声源，在判定为收集到的声音信息中不包含检测对象的声源的情况下，根据收集到的声音信息生成噪声模型。

Description

声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法
技术领域
本发明涉及从由集音器收集到的声音信息检测检测对象的声源的声源检测装置、生成与由集音器收集到的声音信息所包含的检测对象的声源以外的噪声信息相关的噪声模型的噪声模型生成装置、使用该噪声模型的噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法。
背景技术
已开发出如下的声源方位推定装置(例如，接近车辆检测装置)，该声源方位推定装置利用多个集音器分别收集周围的声音，基于声音到达各集音器的到达时间差等来推定声源(例如，接近的车辆的行驶声音)的方位等。在专利文献1所记载的装置中，利用带通滤波器从以预定间隔配设的多个麦克风(集音器)所输出的电信号分别除去低频段和高频段的频率成分而变换为修正电信号，根据该修正电信号算出呈现车辆的行驶声音的特征的预定频段的功率，在该功率等级比预定值大的情况下判定为存在接近车辆，并且，利用该修正电信号除去不需要的杂音成分而变换为杂音抑制信号，运算多个麦克风的杂音抑制信号间的互相关，根据相关成为最大的到达时间差来运算接近车辆的接近方向。
现有技术文献
专利文献1：日本实开平5-92767号公报
专利文献2：日本特开2008-76975号公报
专利文献3：日本特开2011-186384号公报
发明内容
发明要解决的问题
为了高精度地推定声源，需要从由集音器收集到的声音信息抑制检测对象的声源以外的噪声(降噪)，使用抑制了噪声后的声音信息进行推定。以往，存在使用预先准备的噪声模型和/或以规定的定时强制性生成的噪声模型的降噪技术。但是，在将声源方位推定装置应用于接近车辆检测装置等在屋外使用的装置的情况下，由集音器收集的周边的环境会变化，因此噪声源也变化。因此，若在这样的多样的环境下使用预先准备的噪声模型和/或以预先决定的定时生成的噪声模型，则有时不会成为适于各环境的噪声模型。因此，有时会无法充分地抑制噪声成分，或者连所需要的声音成分也进行抑制。其结果，声源的推定精度降低。
因此，本发明的课题在于，提供一种通过高精度地判定由集音器收集到的声音信息中是否包含检测对象的声源来高精度地对检测对象的声源进行检测的声源检测装置和生成适于各环境的噪声模型的噪声模型生成装置、使用适于各环境的噪声模型的噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法。
用于解决问题的手段
本发明的声源检测装置，从由集音器收集到的声音信息检测检测对象的声源，其特征在于，具备：功率谱取得部，其从由集音器收集到的声音信息取得功率谱；和判定部，其对由功率谱取得部取得的功率谱的概率密度分布进行评价，从而判定由集音器收集到的声音信息中是否包含检测对象的声源。
在该声源检测装置中，具备集音器，通过集音器来收集周边的声音，获得声音信息。然后，在声源检测装置中，通过功率谱取得部从该声音信息取得功率谱(声音的每个频率的功率(能量))。进而，在声源检测装置中，通过判定部对功率谱的概率密度分布进行评价，从而判定声音信息中是否包含检测对象的声源，从声音信息检测声源。在不存在检测对象的声源的环境(声音信息中仅包含噪声成分的情况)和存在检测对象的声源的环境(声音信息中除了噪声成分之外还包含检测对象的声源成分的情况)下，功率谱的概率密度分布的形状明显不同。因此，根据从声音信息得到的功率谱的概率密度分布，能够高精度地判别声音信息中是仅包含噪声成分(例如，白噪声、粉红噪声)、还是除了噪声成分之外还包含检测对象的声源成分。这样，在声源检测装置中，通过对由集音器收集到的声音信息的功率谱的概率密度分布进行评价，能够高精度地判定声音信息中是否包含检测对象的声源，能够高精度地检测检测对象的声源。
此外，在对功率谱的概率密度分布进行评价的情况下，既可以是在求出概率密度分布后使用概率密度分布进行评价的方法，也可以是不求出概率密度分布而使用功率谱进行评价的方法。
在本发明的上述声源检测装置中，优选，判定部对基于检测对象的声源而设定的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，从而判定由集音器收集到的声音信息中是否包含检测对象的声源。
在不存在检测对象的声源的环境下(由白噪声和/或粉红噪声等实现的噪声环境下)，在全频段中功率分布具有连续性。另一方面，在存在检测对象的声源的环境下，在包含该声源的频段中，功率分布发生变化，因此，在包含声源的频段和其以外的频段之间连续性消失。因此，通过对这2个频段的功率谱的概率密度分布进行比较，能够高精度地判别是不存在检测对象的声源的环境、还是存在检测对象的声源的环境。因此，在声源检测装置中，通过判定部对包含检测对象的声源的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行比较评价，从而判定声音信息中是否包含检测对象的声源，从声音信息检测声源。这样，在声源检测装置中，通过对包含检测对象的声源的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，能够高精度地判定声音信息中是否包含检测对象的声源，能够更加高精度地检测检测对象的声源。
在本发明的上述声源检测装置中，也可以构成为具备尺度参数算出部，该尺度参数算出部利用基于功率谱的伽玛分布拟合来算出伽玛分布的尺度参数，判定部使用由尺度参数算出部算出的尺度参数来对功率谱的概率密度分布进行评价。这样，在声源检测装置中，通过使用利用伽玛分布拟合得到的尺度参数，能够高精度地对功率谱的概率密度分布进行评价。
本发明的噪声模型生成装置，用于生成与由集音器收集到的声音信息所包含的检测对象的声源以外的噪声信息相关的噪声模型，其特征在于，具备：功率谱取得部，其从由集音器收集到的声音信息取得功率谱；判定部，其对由功率谱取得部取得的功率谱的概率密度分布进行评价，从而判定由集音器收集到的声音信息中是否包含检测对象的声源；以及噪声模型生成部，其在由判定部判定为声音信息中不包含检测对象的声源的情况下，根据由集音器收集到的声音信息来生成噪声模型。
在该噪声模型生成装置中，具备集音器，通过集音器来收集周边的声音，获得声音信息。然后，在噪声模型生成装置中，通过功率谱取得部从该声音信息取得功率谱。进而，在噪声模型生成装置中，通过判定部对功率谱的概率密度分布进行评价，从而判定声音信息中是否包含检测对象的声源，判断用于生成噪声模型的合适的定时。如上所述，在不存在检测对象的声源的环境和存在检测对象的声源的环境下，功率谱的概率密度分布的形状明显不同，因此，根据从声音信息得到的功率谱的概率密度分布的形状，能够高精度地判别是不存在检测对象的声源的环境、还是存在检测对象的声源的环境。另外，为了使用基于噪声模型抑制了噪声后的声音信息来高精度地检测检测对象的声源，需要根据在不存在检测对象的声源的环境下收集到的声音信息来生成噪声模型。在根据在存在检测对象的声源的环境下收集到的声音信息生成了噪声模型的情况下，在使用该噪声模型时会从声音信息中连所需要的声音成分也进行抑制。当判断出用于生成噪声模型的合适的定时(不存在检测对象的声源的环境)时，在噪声模型生成装置中，通过噪声模型生成部，根据在该定时收集到的声音信息来生成噪声模型。这样，在噪声模型生成装置中，通过对由集音器收集到的声音信息的功率谱的概率密度分布进行评价，能够高精度地判定声音信息中是否包含检测对象的声源，因此，能够判断用于生成噪声模型的合适的定时，能够生成适于各环境的噪声模型。
在本发明的上述噪声模型生成装置中，优选，判定部对基于检测对象的声源而设定的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，从而判定由集音器收集到的声音信息中是否包含检测对象的声源。
如上所述，在不存在检测对象的声源的环境下，在全频段中功率分布具有连续性，而在存在检测对象的声源的环境下，在包含检测对象的声源的频段和其以外的频段之间连续性消失。因此，通过对这2个频段的功率谱的概率密度分布进行比较，能够高精度地判定是不存在检测对象的声源的环境(适于生成噪声模型的环境)、还是存在检测对象的声源的环境(不适于生成噪声模型的环境)。因此，在噪声模型生成装置中，通过判定部，对包含检测对象的声源的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行比较评价，从而判定声音信息中是否包含检测对象的声源。然后，在噪声模型生成装置中，通过噪声模型生成部，在由判定部判定为不包含检测对象的声源的情况下(判断为是用于生成噪声模型的合适的定时的情况下)，根据在该定时收集到的声音信息来生成噪声模型。这样，在噪声模型生成装置中，通过对包含检测对象的声源的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，能够更加高精度地判定声音信息中是否包含检测对象的声源，能够判断用于生成噪声模型的合适的定时。
在本发明的上述噪声模型生成装置中，也可以构成为具备尺度参数算出部，该尺度参数算出部利用基于功率谱的伽玛分布拟合来算出伽玛分布的尺度参数，判定部使用由尺度参数算出部算出的尺度参数来对功率谱的概率密度分布进行评价。这样，在噪声模型生成装置中，通过使用利用伽玛分布拟合得到的尺度参数，能够高精度地对功率谱的概率密度分布进行评价。
在本发明的上述噪声模型生成装置中，也可以构成为具备点声源检测部，该点声源检测部从由集音器收集到的声音信息检测点声源，噪声模型生成部即使在由判定部判定为声音信息中不包含检测对象的声源的情况下，在由点声源检测部检测到点声源时，也不生成噪声模型。
在该噪声模型生成装置中，通过点声源检测部，从由集音器收集到的声音信息检测点声源。点声源是非白噪声、粉红噪声等环境噪声的特定的声源，有可能是检测对象的声源。因此，在噪声模型生成装置的噪声模型生成部中，即使在由判定部判定为声音信息中不包含检测对象的声源的情况下(判定为可以生成噪声模型的情况下)，在由点声源检测部检测到点声源时(有可能存在检测对象的声源时)，也不生成噪声模型。这样，在噪声模型生成装置中，即使在通过功率谱的概率密度分布的评价而判定为可以生成噪声模型的情况下，也考虑点声源的有无来判断噪声模型生成，由此，能够更加高精度地判断用于生成噪声模型的合适的定时。
在本发明的上述噪声模型生成装置中，也可以构成为具备特征音检测部，该特征音检测部从由集音器收集到的声音信息检测检测对象的声源以外的特征音，噪声模型生成部在由特征音检测部检测到检测对象的声源以外的特征音的情况下，生成噪声模型。
在该噪声模型生成装置中，通过特征音检测部，从由集音器收集到的声音信息检测检测对象的声源以外的特征音。特征音是非白噪声、粉红噪声等环境噪声的特定的声源(点声源)中的、检测对象的声源以外的声源。因此，在噪声模型生成装置的噪声模型生成部中，在由特征音检测部检测到特征音的情况下下，生成噪声模型。这样，在噪声模型生成装置中，通过考虑检测对象的声源以外的特征音的有无来判断是否生成噪声模型，能够更加高精度地判定用于生成噪声模型的合适的定时。
在本发明的上述噪声模型生成装置中，也可以构成为具备噪声模型更新部，该噪声模型更新部在已经由噪声模型生成部生成了噪声模型的情况下，考虑由集音器收集到的声音信息来更新该噪声模型。这样，在噪声模型生成装置中，在已经生成了噪声模型的情况下，考虑在当前环境下收集到的声音信息来更新噪声模型，由此，能够以少的处理负荷来生成与环境的变化对应的合适的噪声模型。
本发明的噪声抑制装置，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，具备上述任一项的噪声模型生成装置，使用由噪声模型生成装置生成的噪声模型，从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。根据该噪声抑制装置，通过使用由上述各噪声模型生成装置生成的适于各环境的噪声模型，能够高精度地从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。
本发明的声源方位推定装置，对由集音器收集到的声音信息所包含的检测对象的声源的方位进行推定，其特征在于，具备上述噪声抑制装置，根据由噪声抑制装置抑制了噪声后的声音信息来推定检测对象的声源的方位。根据该声源方位推定装置，通过使用由上述噪声抑制器高精度地抑制了噪声的声音信息，能够高精度地推定由集音器收集到的声音信息所包含的检测对象的声源的方位。
本发明的接近车辆检测装置，基于由搭载于车辆的集音器收集到的声音信息来检测接近的车辆，其特征在于，具备上述声源方位推定装置，利用声源方位推定装置来推定从接近车辆产生的声源的方位。根据该接近车辆检测装置，通过利用上述声源方位推定装置来推定从接近车辆产生的声源(例如，行驶声音)的方位等，能够高精度地检测接近车辆的方位等。
另外，本发明的噪声抑制装置，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，具备：判定部，其判定由集音器收集到的声音信息中是否包含检测对象的声源；噪声模型生成部，其在由判定部判定为声音信息中不包含检测对象的声源的情况下，根据由集音器收集到的声音信息来生成噪声模型；以及噪声抑制部，其使用由噪声模型生成部生成的噪声模型，从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。
在该噪声抑制装置中，具备集音器，通过集音器来收集周边的声音，获得声音信息。然后，在噪声抑制装置中，通过判定部来判定声音信息中是否包含检测对象的声源，判断用于生成噪声模型的合适的定时。为了使用基于噪声模型抑制了噪声后的声音信息高精度地检测检测对象的声源，需要根据在不存在检测对象的声源的环境下收集到的声音信息来生成噪声模型。在根据在存在检测对象的声源的环境下收集到的声音信息生成了噪声模型的情况下，在使用该噪声模型时会从声音信息中连所需要的声音成分也进行抑制。当判断出用于生成噪声模型的合适的定时(不存在检测对象的声源的环境)时，在噪声抑制装置中，通过噪声模型生成部，根据在该定时收集到的声音信息来生成噪声模型。进而，在噪声抑制装置中，通过噪声抑制部，使用该生成的噪声模型从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。这样，在噪声抑制装置中，在用于生成由集音器收集到的声音信息中不包含检测对象的声源的噪声模型的合适的定时生成噪声模型，使用适于各环境的噪声模型，由此，能够高精度地从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。
在本发明的上述噪声抑制装置中，噪声抑制部在存在由噪声模型生成部生成的噪声模型的情况下，使用由噪声模型生成部生成的噪声模型，从由集音器收集到的声音信息抑制检测对象的声源以外的噪声，在不存在由噪声模型生成部生成的噪声模型的情况下，使用预先准备的噪声模型，从由集音器收集到的声音信息抑制检测对象的声源以外的噪声，或者不抑制噪声。
在噪声模型生成部中，虽然在用于生成噪声模型的合适的定时生成噪声模型，但也存在还未生成噪声模型的情况。因此，在噪声抑制装置中，在由噪声模型生成部生成了噪声模型的情况下，通过噪声抑制部，使用该生成的噪声模型从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。另外，在噪声抑制装置中，在还未由噪声模型生成部生成噪声模型的情况下，通过噪声抑制部，使用预先准备的噪声模型从由集音器收集到的声音信息抑制检测对象的声源以外的噪声，或者不抑制噪声。
本发明的噪声抑制方法，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，包括：判定步骤，判定由集音器收集到的声音信息中是否包含检测对象的声源；噪声模型生成步骤，在判定步骤中判定为声音信息中不包含检测对象的声源的情况下，根据由集音器收集到的声音信息来生成噪声模型；以及噪声抑制步骤，使用在噪声模型生成步骤中生成的噪声模型，从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。根据该噪声抑制方法，与上述噪声抑制装置同样地发挥作用，具有同样的效果。
发明的效果
根据本发明，通过对由集音器收集到的声音信息的功率谱的概率密度分布进行评价，能够高精度地判定声音信息中是否包含检测对象的声源，能够高精度地检测检测对象的声源。另外，根据本发明，通过对由集音器收集到的声音信息的功率谱的概率密度分布进行评价，能够高精度地判定声音信息中是否包含检测对象的声源，因此，能够判断用于生成噪声模型的合适的定时，能够生成适于各环境的噪声模型。另外，根据本发明，通过在用于生成由集音器收集到的声音信息中不包含检测对象的声源的噪声模型的合适的定时生成噪声模型，使用适于各环境的噪声模型，能够高精度地从由集音器收集到的声音信息抑制检测对象的声源以外的噪声。
附图说明
图1是第1实施方式的接近车辆检测装置的结构图。
图2是观测到行驶声音的时间段的数据的一例，(a)是功率谱，(b)是功率谱的直方图。
图3是没有观测到行驶声音的时间段的数据的一例，(a)是功率谱，(b)是功率谱的直方图。
图4是尺度参数的时间变化的一例。
图5是表示本实施方式的接近车辆检测装置中的整体的动作的流程的流程图。
图6是表示与第1实施方式的噪声模型生成相关的动作的流程的流程图。
图7是第2实施方式的接近车辆检测装置的结构图。
图8是可观测到行驶声音的频段中的尺度参数和观测不到行驶声音的频段中的尺度参数的时间变化的一例。
图9是表示与第2实施方式的噪声模型生成相关的动作的流程的流程图。
图10是第3实施方式的接近车辆检测装置的结构图。
图11是表示与第3实施方式的噪声模型生成相关的动作的流程的流程图。
图12是第4实施方式的接近车辆检测装置的结构图。
图13是表示与第4实施方式的噪声模型生成相关的动作的流程的流程图。
图14是第5实施方式的接近车辆检测装置的结构图。
图15是表示与第5实施方式的噪声模型生成相关的动作的流程的流程图。
具体实施方式
以下，参照附图，对本发明的实施方式进行说明。此外，在各图中，对相同或相当的要素标注相同的标号，省略重复的说明。
在本实施方式中，将本发明应用于搭载于车辆的接近车辆检测装置(声源方位推定装置)。本实施方式的接近车辆检测装置，基于由多个麦克风(集音器)收集到的各声音信号来检测接近自身车辆的车辆(即，推定自身车辆周边的其他车辆的行驶声音(检测对象的声源)的方位等)，向驾驶辅助装置提供接近车辆的信息。特别是，在本实施方式中，为了高精度地检测接近车辆，生成与环境对应的合适的噪声模型，使用利用该噪声模型从由集音器收集到的声音信号抑制了噪声后的声音信号。本实施方式具有噪声模型生成的结构不同的5个实施方式，第1实施方式是基本的方式，向各实施方式依次追加功能。
此外，车辆的行驶声音主要是路面噪声(轮胎表面与路面的摩擦声)和图案噪声(轮胎槽中的空气的漩涡(压缩/开放))。该车辆的行驶声音的频段通过实车实验等预先测定。
参照图1～图4，对第1实施方式的接近车辆检测装置1A进行说明。图1是第1实施方式的接近车辆检测装置的结构图。图2是观测到行驶声音的时间段的数据的一例，(a)是功率谱，(b)是功率谱的直方图。图3是没有观测到行驶声音的时间段的数据的一例，(a)是功率谱，(b)是功率谱的直方图。图4是尺度参数的时间变化的一例。
为了判断适于生成噪声模型的定时，接近车辆检测装置1A判别由麦克风(microphone，传声器)收集到的声音信号中是否包含检测对象的声源(车辆的行驶声音)，判断能够生成噪声模型的定时(区间)。为此，接近车辆检测装置1A算出声音信号的功率谱，利用伽玛分布拟合来对功率谱的直方图(概率密度分布)进行评价。
在对接近车辆检测装置1A的结构进行具体说明之前，参照图2、图3，对声音信号中包含行驶声音的情况和不包含行驶声音的情况下的功率谱和功率谱的直方图进行说明。图2(a)表示声音信号中包含行驶声音的情况下的声音信号的功率谱(相对于各频率的功率(能量))，图3(a)表示声音信号中不包含行驶声音的情况下的声音信号的功率谱。在该各图(a)中，标号R所示的区间是行驶声音的声音成分支配性地出现的频段。另外，图2(b)表示声音信号中包含行驶声音的情况下的频段R中的功率谱的直方图(各功率的频度)，图3(a)表示声音信号中不包含行驶声音的情况下的频段R中的功率谱的直方图。
对图2(a)所示的频段R中的功率分布和图3(a)所示的频段R中的功率分布进行比较可知，在声音信号中仅包含噪声成分(例如，白噪声、粉红噪声等环境噪声)的情况和声音信息中除了噪声成分之外还包含车辆的行驶声音成分的情况下，功率分布不同。该差异可以通过对图2(b)所示的频段R中的功率谱的直方图和图3(b)所示的频段R中的功率谱的直方图进行比较而从直方图的形状的差异容易得知。这样，根据检测对象的行驶声音的频段R中的功率谱的直方图的形状的变化，能够判别声音信号是仅包含噪声成分、还是除了噪声成分之外还包含检测对象的行驶声音成分。
另外，为了使用基于噪声模型抑制了噪声成分后的声音信号来高精度地检测行驶声音，需要根据在不存在行驶声音的环境下收集到的声音信号来生成噪声模型。在根据在存在行驶声音的环境下收集到的声音信号生成了噪声模型的情况下，由于噪声模型中也包含行驶声音成分，所以在使用该噪声模型时，会从声音信号中连所需要的声音成分也进行抑制。
因此，通过对功率谱的直方图的形状进行评价，判定是不存在行驶声音的环境还是存在行驶声音的环境，检测处于不存在行驶声音的环境的定时(区间)。通过使用在该定时收集到的声音信号生成噪声模型，能够根据仅包含噪声成分的声音信号来生成噪声模型。
为了对直方图的形状进行评价，将在车辆行驶期间的各种各样的环境下收集到的声音信号的数据(包含行驶声音的数据和不包含行驶声音的数据)应用到了各种方法，结果，将利用伽玛分布拟合得到的尺度参数作为特征量的情况是最有效的。在图4中，用实线L1表示根据在车辆行驶期间收集到的声音信号的功率谱求出的尺度参数的时间变化的一例。从实线L1的变化可知，在观测不到行驶声音的时间段中，尺度参数成为0附近，而在可观测到行驶声音的时间段T1、T2、T3、T4中，尺度参数显著增大。这样，根据尺度参数的大小，能够对存在行驶声音的环境和不存在行驶声音的环境进行判别。
因此，在第1实施方式中，为了对功率谱的直方图进行评价，使用伽玛分布拟合求出伽玛分布的形状参数，根据该形状系数求出尺度参数，将尺度参数设为评价的特征量。伽玛分布是连续概率分布的一种，其性质以形状分布和尺度分布这2个参数为特征。此外，在使用伽玛分布拟合的情况下，能够根据功率谱直接求出形状参数、尺度参数，因此，既可以在算出功率谱的直方图后进行伽玛分布拟合，也可以不算出直方图而进行伽玛分布拟合。
接着，对接近车辆检测装置1A的结构进行说明。接近车辆检测装置1A具备麦克风阵列10、数字信号变换器20以及ECU[Electronic ControlUnit：电子控制单元]30A(噪声模型生成部31A、噪声抑制器32、声源方位推定器33)。
麦克风阵列10具有左侧麦克风单元11和右侧麦克风单元12。左侧麦克风单元11和右侧麦克风单元12在车辆的前端部的同一高度位置处配置在车宽方向(左右方向)的左侧和右侧。左侧麦克风单元11具有第1麦克风11a和第2麦克风11b。例如，第1麦克风11a配置在车宽方向的左侧的外侧，第2麦克风11b从第1麦克风11b隔开预定的间隔而配置在车辆中心侧。右侧麦克风单元12具有第3麦克风12a和第4麦克风12b。例如，第4麦克风12b配置在车宽方向的右侧的外侧，第3麦克风12a从第4麦克风12b隔开预定的间隔而配置在车辆中心侧。各麦克风11a、11b、12a、12b是声电变换器，将车外的周围的声音变换为模拟的电信号，并向数字信号变换器20输出该电信号(声音信号)。此外，在本实施方式中，麦克风11a、11b、12a、12b相当于权利要求书所记载的集音器。
在数字信号变换器20中，在按每个麦克风11a、11b、12a、12b输入了模拟的声音信号(电信号)时，将该各声音信号分别变换为数字的声音信号(电信号)。然后，在数字信号变换器20中，分别向ECU30A输出每个麦克风的数字的声音信号(电信号)。
ECU30A是包括CPU[Central Processing Unit：中央处理器]、ROM[Read Only Memory：只读存储器]、RAM[Random Access Memory：随机存取存储器]等的电子控制单元，对接近车辆检测装置1A进行统括控制。在ECU30A中，构成噪声模型生成部31A(功率谱算出器31a、直方图算出器31b、尺度参数算出器31c、噪声模型可否生成判定器31d、噪声模型生成器31e)、噪声抑制器32、声源方位推定器33。在ECU30A中，分别从数字信号变换器20输入每个麦克风的声音信号(数字的电信号)。
此外，在第1实施方式中，功率谱算出器31a相当于权利要求书所记载的功率谱取得部，尺度参数算出器31c相当于权利要求书所记载的尺度参数算出部，噪声模型可否生成判定器31d相当于权利要求书所记载的判定部，噪声模型生成器31e相当于权利要求书中记载的噪声模型生成部，噪声抑制器32相当于权利要求书中记载的噪声抑制部。
在功率谱算出器31a中，使用来自数字信号变换器20的数字的声音信号，对声音信号进行FFT[Fast Fourier Transform](高速傅里叶变换)，算出声音信号的功率谱(每个频率的功率(能量))。在此，既可以使用4个麦克风11a、11b、12a、12b的声音信号中的任意1个麦克风的声音信号，也可以使用将4个麦克风11a、11b、12a、12b的声音信号中的多个麦克风(例如，在左侧和右侧对应的2个麦克风、全部4个麦克风)的声音信号平均化后的声音信号。
在直方图算出器31b中，根据由功率谱算出器31a算出的功率谱，算出支配性地包含行驶声音的频段中的功率谱的直方图。
在尺度参数算出器31c中，使用支配性地包含行驶声音的频段中的功率谱的数据，进行伽玛分布拟合，算出尺度参数。具体而言，根据式(1)算出形状参数α的推定值。式(1)中的γ可以使用行驶声音支配的频段中的各频率的功率的数据列{x：x1、x2、…、xN}而根据式(2)算出。进而，使用形状参数α的推定值和数据列{x：x1、x2、…、xN}，根据式(3)算出尺度参数θ的推定值。
α ^ = 3 - γ + ( γ - 3 ) 2 + 24 γ 12 γ . . . ( 1 )
γ＝log(E[x])-E(logx)…(2)
θ ^ = E [ x ] α ^ . . . ( 3 )
在噪声模型可否生成判定器31d中，对由尺度参数算出器31c算出的尺度参数和阈值进行比较，在尺度参数为阈值以上的情况下(在尺度参数大从而能够判断为声音信号中包含行驶声音的情况下)，判定为不可生成噪声模型，在尺度参数低于阈值的情况下(在尺度参数小从而能够判定为声音信号中不包含行驶声音的情况下)，判定为可以生成噪声模型。该阈值是用于基于尺度参数的大小来判定声音信号中是否包含行驶声音的阈值，通过实验等预先设定。
在噪声模型生成器31e中，在由噪声模型可否生成判定器31d判定为可以生成噪声模型的情况下，使用来自数字信号变换器20的数字的声音信号生成噪声模型。作为该生成方法，应用以往的方法，例如，将4个麦克风11a、11b、12a、12b的声音信号中的任意1个麦克风的声音信号直接作为噪声模型，或者将4个麦克风11a、11b、12a、12b的声音信号中的多个麦克风的声音信号平均化后的声音信号作为噪声模型。
在噪声抑制器32中，使用噪声模型，从来自数字信号变换器20的每个麦克风的数字的声音信号分别抑制噪声成分。作为该抑制方法，应用以往的方法，例如，在声音信号中抽出具有比噪声模型大的值的区间，在声源方位推定器33中仅使用该区间的声音信号。在此，在已经由噪声模型生成器31e生成了噪声模型的情况下，使用该噪声模型，在未由噪声模型生成器31e生成噪声模型的情况下，使用预先准备的噪声模型。预先准备的噪声模型通过实验等预先生成。
在声源方位推定器33中，使用由噪声抑制器32抑制了噪声成分后的各麦克风11a、11b、12a、12b的声音信号，判定是否存在检测对象的声源(行驶声音(进而，接近自身车辆的车辆))，在存在声源的情况下，推定该声源的方向、距离等。作为该推定方法，应用以往的方法，例如有CSP[Cross power Spectrum Phase analysis：互功率谱相位分析]法。CSP法中，对由左右的麦克风对收集到的各声音信号进行频率区域下的匹配，求出互相关值(CSP系数)，在互相关值为阈值以上的情况下判断为存在声源，在存在声源的情况下，根据互相关值成为最大的到达时间差来求出车辆的方向、距离等。
在ECU30A中，基于声源方位推定器33的检测对象的声源的检测结果生成接近车辆信息，并向驾驶辅助装置2输出接近车辆信息。作为接近车辆信息，例如是接近车辆的有无，在存在接近车辆的情况下是方向、距离的信息。
驾驶辅助装置2是对驾驶员进行各种驾驶辅助的装置。特别是，在驾驶辅助装置2中，在每隔一定时间从接近车辆检测装置1A输入了接近车辆信息时，实施与接近车辆相关的驾驶辅助。例如，在存在向自身车辆接近的车辆的情况下，判定接近车辆与自身车辆碰撞的可能性，在判定为有可能碰撞时，对驾驶员输出警报和/或提供接近车辆的信息，进而，在碰撞的可能性升高了的情况下，进行自动制动、自动操舵等车辆控制。
参照图1～图4，对接近车辆检测装置1A的动作进行说明。在此，顺着图5的流程图对接近车辆检测装置1A的整体的动作进行说明，之后，顺着图6的流程图对接近车辆检测装置1A的与噪声模型生成相关的动作进行说明。图5是表示本实施方式的接近车辆检测装置中的整体的动作的流程的流程图。图6是表示与第1实施方式的噪声模型生成相关的动作的流程的流程图。
首先，对接近车辆检测装置1A的整体的动作进行说明。基于车辆状态和/或交通环境，判断接近车辆检测装置1A的***工作逻辑(S1)，判定是否使接近车辆检测装置1A工作(S2)。该***工作逻辑是判断是否需要使接近车辆检测装置1A工作的条件，例如，作为车辆状态有车速为预定车速以上或者以下的条件，作为交通环境有在自身车辆的前方存在交叉路口的条件。此外，存在对接近车辆检测装置1A进行统括管理的上位的装置，在该上位的装置(特别是ECU)中进行S1、S2的各处理，在判定为使接近车辆检测装置1A工作的情况下，使接近车辆检测装置1A工作。
在S2中判定为使接近车辆检测装置1A工作的情况下，使接近车辆检测装置1A工作。接近车辆检测装置1A在工作期间反复执行以下动作。在接近车辆检测装置1A中，由麦克风阵列10的各麦克风11a、11b、12a、12b分别收集车外的周围的声音，由数字信号变换器20将该各麦克风11a、11b、12a、12b的声音信号分别变换为数字信号。在接近车辆检测装置1A的ECU30A(噪声模型生成部31A)中，使用由数字信号变换器20变换后的声音信号，推定该声音信号中是否存在作为检测对象的行驶声音(S3)，通过该推定来判定是否能够生成噪声模型(S4)。在接近车辆检测装置1A的ECU30A中，在S4中判定为能够生成噪声模型的情况下，使用声音信号生成噪声模型(S5)。在S4中判定为不可生成噪声模型的情况下，不生成噪声模型。关于该S3～S5的动作，在后文中进行详细说明。
另外，在接近车辆检测装置1A的ECU30A(噪声抑制器32)中，在存在在S5中生成的噪声模型的情况下，使用该噪声模型，从由数字信号变换器20变换后的各麦克风的声音信号分别抑制噪声成分(S6)。另一方面，在不存在在S5中生成的噪声模型的情况下，使用预先准备的噪声模型，从由数字信号变换器20变换后的各麦克风的声音信号分别抑制噪声成分(S6)。更详细而言，所谓不存在噪声模型的情况，除了噪声模型的生成一次也没执行过的情况之外，还相当于从设定的预定时间前到当前时刻的期间没有执行过噪声模型的生成的情况等。然后，在ECU30A(声源方位推定器33)中，使用在S6中抑制了噪声成分后的各麦克风的声音信号，判定是否存在检测对象的声源(接近自身车辆的车辆的行驶声音)，在存在检测对象的声源的情况下，推定该检测对象的声源的方向、距离等(S7)。然后，在ECU30A中，基于该声源的检测结果生成接近车辆信息，并向驾驶辅助装置2输出接近车辆信息。此外，在S6中，虽然在还未生成噪声模型的情况下使用预先准备的噪声模型进行噪声抑制，但也可以构成为：在还未生成噪声模型的情况下，在不抑制噪声的状态下判定是否存在检测对象的声源。
接着，对接近车辆检测装置1A的与噪声模型生成相关的动作进行说明。在麦克风阵列10的各麦克风11a、11b、12a、12b中，分别收集车外的周围的声音，取得模拟的声音信号(S10)。在数字信号变换器20中，将各麦克风11a、11b、12a、12b的模拟的声音信号分别变换为数字的声音信号(S11)。
在ECU30A(功率谱算出器31a)中，对在S11中被变换为数字信号的声音信号进行FFT，算出声音信号的功率谱(S12)。然后，在ECU30A(直方图算出器31b)中，根据该功率谱，算出行驶声音支配的频段中的功率谱的直方图(S13)。进而，在ECU30A(尺度参数算出器31c)中，使用行驶声音支配的频段中的功率谱的数据，进行伽玛分布拟合，算出尺度参数(S14)。
然后，在ECU30A(噪声模型可否生成判定器31d)中，对该尺度参数和阈值进行比较，判定是否能够生成噪声模型(S15)。在S15中，在尺度参数为阈值以上的情况下，判定为不可生成噪声模型，不生成噪声模型。另一方面，在S15中，在尺度参数低于阈值的情况下，判定为可以生成噪声模型，在ECU30A(噪声模型生成器31e)中，使用在S11中被变换为数字信号的声音信号生成噪声模型(S16)。
根据该接近车辆检测装置1A，能够通过对声音信号的功率谱的直方图进行评价来高精度地判定声音信号中是否包含行驶声音(检测对象的声源)，因此，能够判断用于生成噪声模型的合适的定时，能够生成适应于各环境的噪声模型。通过使用该生成的噪声模型，从声音信号抑制噪声成分的效果提高。通过使用该抑制了噪声成分后的声音信号，能够高精度地检测接近车辆。进而，根据接近车辆检测装置1A，通过使用利用伽玛分布拟合得到的尺度参数，能够高精度地对功率谱的直方图进行评价。
参照图7、图8，对第2实施方式的接近车辆检测装置1B进行说明。图7是第2实施方式的接近车辆检测装置的结构图。图8是可观测到行驶声音的频段中的尺度参数和观测不到行驶声音的频段中的尺度参数的时间变化的一例。
与第1实施方式的接近车辆检测装置1A相比，接近车辆检测装置1B具有如下功能：根据收集到的声音信号的2个频段的特性，判别由麦克风收集到的声音信号中是否包含行驶声音。为此，接近车辆检测装置1B算出声音信号的功率谱，通过伽玛分布拟合来对包含行驶声音(检测对象的声源)的第1频段的功率谱的直方图和不包含行驶声音的第2频段的功率谱的直方图进行评价。
在对接近车辆检测装置1B的结构进行具体说明之前，参照图8，对包含行驶声音(检测对象的声源)的第1频段的尺度参数和不包含行驶声音的第2频段的尺度参数的关系进行说明。在不存在行驶声音的环境下，成为白噪声、粉红噪声等噪声环境，因此，在全频段中功率分布具有连续性。另一方面，在存在行驶声音的环境下，在包含行驶声音的频段中，功率分布发生变化，因此，在包含行驶声音的频段和其以外的频段之间，连续性消失。因此，通过对这2个频段的功率谱的直方图进行比较，能够高精度地判别是不存在行驶声音的环境(适于生成噪声模型的环境)还是存在行驶声音的环境(不适于生成噪声模型的环境)。
因此，通过对包含行驶声音的频段的功率谱的直方图和不包含行驶声音的频段的功率谱的直方图进行比较评价，判定是不存在行驶声音的环境还是存在行驶声音的环境，检测出处于不存在行驶声音的环境的定时(区间)。在该评价中，如第1实施方式中说明那样，使用利用伽玛分布拟合得到的尺度参数作为特征量。
在图8中，用实线L2表示根据在车辆行驶期间收集到的声音信号中的包含行驶声音的频段的功率谱求出的尺度参数的时间变化的一例，用实线L3表示根据同一声音信号中的不包含行驶声音的频段的功率谱求出的尺度参数的时间变化的一例。从实线L2可知，在包含行驶声音的频段的情况下，在观测不到行驶声音的时间段中，尺度参数处于0附近，在可观测到行驶声音的时间段中，尺度参数显著增大。另一方面，从实线L3可知，在不包含行驶声音的频段的情况下，不仅是观测不到行驶声音的时间段，在可观测到行驶声音的时间段中，尺度参数也处于0附近。这样，通过对包含行驶声音的频段中的尺度参数和不包含行驶声音的频段中的尺度参数进行比较，能够对存在行驶声音的环境和不存在行驶声音的环境进行判别。
因此，在第2实施方式中，为了对包含行驶声音的第1频段的功率谱的直方图和不包含行驶声音的第2频段的功率谱的直方图进行比较评价，使用伽玛分布拟合求出第1频段的伽玛分布的形状参数和第2频段的伽玛分布的形状参数，根据该各形状系数求出第1频段的伽玛分布的尺度参数和第2频段的伽玛分布的尺度参数，将2个尺度参数(特别是2个尺度参数之差或2个尺度参数之比)作为评价的特征量。
此外，作为第1频段(行驶声音支配的频段)，设定包含通过实车实验等预先测定出的车辆的行驶声音的频段的频段。对于第2频段(行驶声音非支配的频段)，设定麦克风能够检测的频段内的第1频段以外的频段，例如，设定从第1频段的最大频率到比麦克风能够检测的上限频率小预定量的频率的带域。
接着，对接近车辆检测装置1B的结构进行说明。接近车辆检测装置1B具备麦克风阵列10、数字信号变换器20以及ECU30B(噪声模型生成部31B、噪声抑制器32、声源方位推定器33)。以下，对ECU30B(特别是噪声模型生成部31B)进行详细说明。
ECU30B是包括CPU、ROM、RAM等的电子控制单元，对接近车辆检测装置1B进行统括控制。在ECU30B中，构成噪声模型生成部31B(功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、噪声模型生成器31e)、噪声抑制器32、声源方位推定器33。在ECU30B中，分别从数字信号变换器20输入每个麦克风的声音信号(数字的电信号)。在此，关于功率谱算出器31a、噪声模型生成器31e、噪声抑制器32、声源方位推定器33，由于已经进行了说明，所以省略说明。
此外，在第2实施方式中，功率谱算出器31a相当于权利要求书所记载的功率谱取得部，第1尺度参数算出器31i和第2尺度参数算出器31j相当于权利要求书所记载的尺度参数算出部，尺度参数比较器31k和噪声模型可否生成判定器31l相当于权利要求书所记载的判定部，噪声模型生成器31e相当于权利要求书所记载的噪声模型生成部，噪声抑制器32相当于权利要求书所记载的噪声抑制部。
在第1直方图算出器31g中，根据由功率谱算出器31a算出的功率谱，算出行驶声音支配的第1频段中的功率谱的直方图。另外，在第2直方图算出器31h中，根据由功率谱算出器31a算出的功率谱，算出行驶声音非支配的第2频段中的功率谱的直方图。
在第1尺度参数算出器31i中，使用行驶声音支配的第1频段中的功率谱的数据，进行伽玛分布拟合，算出行驶声音支配的第1频段的尺度参数。另外，在第2尺度参数算出器31j中，使用行驶声音非支配的第2频段的功率谱的数据，进行伽玛分布拟合，算出行驶声音非支配的第2频段的尺度参数。
在尺度参数比较器31k中，从由第1尺度参数算出器31i算出的第1频段的尺度参数减去由第2尺度参数算出器31j算出的第2频段的尺度参数，算出2个尺度参数之差。
在噪声模型可否生成判定器31l中，对由尺度参数比较器31k算出的尺度参数之差和阈值进行比较，在尺度参数之差为阈值以上的情况下(在第1频段的尺度参数变大而2个频段的尺度参数产生明显的差、从而能够判断为声音信号中包含行驶声音的情况下)，判定为不可生成噪声模型，在尺度参数低于阈值的情况下(在2个频段的尺度参数不存在明显的差、从而能够判断为声音信号中不包含行驶声音的情况下)，判定为可以生成噪声模型。该阈值是用于基于2个频段的尺度参数之差或尺度参数之比来判定声音信号中是否包含行驶声音的阈值，通过实验等预先设定。
参照图7、图8，对接近车辆检测装置1B的动作进行说明。在此，顺着图9的流程图，对接近车辆检测装置1B的与噪声模型生成相关的动作进行说明。图9是表示与第2实施方式的噪声模型生成相关的动作的流程的流程图。此外，接近车辆检测装置1B的与噪声模型生成相关的动作以外的动作是与第1实施方式的接近车辆检测装置1A同样的动作，因此省略说明。
接近车辆检测装置1B的S20、S21、S22的动作是与第1实施方式的接近车辆检测装置1A的S10、S11、S12同样的动作，因此省略说明。
在算出了声音信号的功率谱时，在ECU30B(第1直方图算出器31g)中，根据该功率谱，算出行驶声音支配的第1频段中的功率谱的直方图(S23)。进而，在ECU30B(第1尺度参数算出器31i)中，使用行驶声音支配的第1频段中的功率谱的数据，进行伽玛分布拟合，算出第1频段的尺度参数(S24)。另外，在ECU30B(第2直方图算出器31h)中，根据该功率谱，算出行驶声音非支配的第2频段中的功率谱的直方图(S25)。进而，在ECU30B(第2尺度参数算出器31j)中，使用行驶声音非支配的第2频段的功率谱的数据，进行伽玛分布拟合，算出第2频段的尺度参数(S26)。
然后，在ECU30B(尺度参数比较器31k)中，算出在S24中算出的第1频段的尺度参数和在S26算出的第2频段的尺度参数之差(S27)。然后，在ECU30B(噪声模型可否生成判定器31l)中，对该尺度参数之差和阈值进行比较，判定是否能够生成噪声模型(S28)。在S28中，在尺度参数之差为阈值以上的情况下，判定为不可生成噪声模型，不生成噪声模型。另一方面，在S28中，在尺度参数之差低于阈值的情况下，判定为可以生成噪声模型，在ECU30B(噪声模型生成器31e)中，使用在S21中被变换为数字信号的声音信号生成噪声模型(S29)。
该接近车辆检测装置1B在具有与第1实施方式的接近车辆检测装置1A同样的效果的基础上，还具有以下效果。根据接近车辆检测装置1B，通过对包含行驶声音的第1频段中的功率谱的直方图和不包含行驶声音的第2频段中的功率谱的直方图进行比较评价，能够更加高精度地判定声音信息中是否包含行驶声音，能够判定用于生成噪声模型的合适的定时，即使环境变动也能够跟随变动而生成噪声模型。
参照图10，对第3实施方式的接近车辆检测装置1C进行说明。图10是第3实施方式的接近车辆检测装置的结构图。
与第2实施方式的接近车辆检测装置1B相比，接近车辆检测装置1C具有如下功能：即使在第1频段和第2频段的尺度参数之差小的情况下(即使在判定为可以生成噪声模型的情况下)，在存在点声源时，也不生成噪声模型。
在对接近车辆检测装置1C的结构进行具体说明之前，对点声源进行说明。点声源是非白噪声、粉红噪声等环境噪声的特定的声源。在声源方位推定器33中，检测对象的声源是车辆的行驶声音(点声源之一)，由声源方位推定器33检测的声源很可能是车辆的行驶声音。
有时，虽然由声源方位推定器33检测到检测对象的声源，但第1频段和第2频段的尺度参数之差还小(检测对象的声源存在于自身车辆的远方)。在这样的情况下，根据阈值的设定，虽然有时通过尺度参数之差的判定会判定为可以生成噪声模型，但声音信号中有可能包含行驶声音成分。
因此，在第3实施方式中，利用声源方位推定器33的检测对象的声源的检测结果，判定声音信号中是否存在点声源，在存在点声源的情况下不进行噪声模型生成。
接着，对接近车辆检测装置1C的结构进行说明。接近车辆检测装置1C具备麦克风阵列10、数字信号变换器20以及ECU30C(噪声模型生成部31C、噪声抑制器32、声源方位推定器33)。以下，对ECU30C(特别是噪声模型生成部31C)进行详细说明。
ECU30C是包括CPU、ROM、RAM等的电子控制单元，对接近车辆检测装置1C进行统括控制。在ECU30C中，构成噪声模型生成部31C(功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、点声源判定器31n、噪声模型生成器31e)、噪声抑制器32、声源方位推定器33。在ECU30C中，从数字信号变换器20分别输入每个麦克风的声音信号(数字的电信号)。在此，关于功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、噪声模型生成器31e、噪声抑制器32、声源方位推定器33，由于已经进行了说明，所以省略说明。
此外，在第3实施方式中，功率谱算出器31a相当于权利要求书所记载的功率谱取得部，第1尺度参数算出器31i和第2尺度参数算出器31j相当于权利要求书所记载的尺度参数算出部，尺度参数比较器31k和噪声模型可否生成判定器31l相当于权利要求书所记载的判定部，声源方位推定器33和点声源判定器31n相当于权利要求书所记载的点声源检测部，噪声模型生成器31e相当于权利要求书所记载的噪声模型生成部，噪声抑制器32相当于权利要求书所记载的噪声抑制部。
在点声源判定器31n中，在由噪声模型可否生成判定器31l判定为可以生成噪声模型的情况下，基于声源方位推定器33的检测对象声源的检测结果，判定是否存在检测对象声源(即点声源)。
此外，在噪声模型生成器31e中，即使在由噪声模型可否生成判定器31l判定为可以生成噪声模型的情况下，在由点声源判定器31n判定为存在点声源时，也不生成噪声模型。
参照图10，对接近车辆检测装置1C的动作进行说明。在此，顺着图11的流程图，对接近车辆检测装置1C的与噪声模型生成相关的动作进行说明。图11是表示与第3实施方式的噪声模型生成相关的动作的流程的流程图。此外，接近车辆检测装置1C的与噪声模型生成相关的动作以外的动作是与第1实施方式的接近车辆检测装置1A同样的动作，因此省略说明。
接近车辆检测装置1C的S40～S48的动作是与第2实施方式的接近车辆检测装置1B的S20～S28同样的动作，因此省略说明。
在接近车辆检测装置1C的ECU30C(噪声抑制器32)中，使用在S50中生成的噪声模型(在没有生产噪声模型的情况下使用预先准备的噪声模型)，从在S41中被变换为数字信号的各麦克风的声音信号分别抑制噪声成分(S6)。然后，在ECU30C(声源方位推定器33)中，使用在S6中抑制了噪声成分后的各麦克风的声音信号，判定是否存在检测对象的声源(接近自身车辆的车辆的行驶声音)，在存在检测对象的声源的情况下，推定该检测对象的声源的方向、距离等(S7)。
在S48中判定为可以生成噪声模型的情况下，在ECU30C(点声源判定器31n)中，基于S7中的检测对象的声源的检测结果，判定是否检测到点声源(S49)。在S49判定为检测到点声源的情况下，不生成噪声模型。另一方面，在S49中判定为没有检测点声源的情况下，在ECU30C(噪声模型生成器31e)中，使用在S41中被变换为数字信号的声音信号生成噪声模型(S50)。
该接近车辆检测装置1C在具有与第2实施方式的接近车辆检测装置1B同样的效果的基础上，还具有以下效果。根据接近车辆检测装置1C，即使在第1频段和第2频段的尺度参数之差小而判定为可以生成噪声模型的情况下，也考虑点声源的有无来判断生成噪声模型，由此，能够更加高精度地判断用于生成噪声模型的合适的定时。
参照图12，对第4实施方式的接近车辆检测装置1D进行说明。图12是第4实施方式的接近车辆检测装置的结构图。
与第3实施方式的接近车辆检测装置1C相比，接近车辆检测装置1D具有如下功能：在存在检测对象的声源以外的干扰音(特征音)的情况下，能够生成噪声模型。
在对接近车辆检测装置1D的结构进行具体说明之前，对干扰音进行说明。干扰音是非白噪声、粉红噪声等环境噪声的特定的声源(点声源)中的、检测对象的声源以外的特征性的声源。在虽然由声源方位推定器33中检测到检测对象的声源(行驶声音)、但在某环境下存在具有与行驶声音重复的频段的特征性的声源的情况下，由声源方位推定器33检测到的声源也可能是行驶声音以外的声源。这样的行驶声音以外的声源相当于噪声成分。
因此，在第4实施方式中，进行检测对象的声源以外的干扰音的检测，判定声音信号中是否存在干扰音，在存在干扰音的情况下，进行噪声模型生成。
接着，对接近车辆检测装置1D的结构进行说明。接近车辆检测装置1D具备麦克风阵列10、数字信号变换器20以及ECU30D(噪声模型生成部31D、噪声抑制器32、声源方位推定器33)。以下，对ECU30D(特别是噪声模型生成部31D)进行详细说明。
ECU30D是包括CPU、ROM、RAM等的电子控制单元，对接近车辆检测装置1D进行统括控制。在ECU30D中，构成噪声模型生成部31D(功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、点声源判定器31n、干扰音检测器31p、音色特性数据库31q、干扰音判定器31r、噪声模型生成器31e)、噪声抑制器32、声源方位推定器33。在ECU30D中，从数字信号变换器20分别输入每个麦克风的声音信号(数字的电信号)。在此，关于功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、点声源判定器31n、噪声模型生成器31e、噪声抑制器32、声源方位推定器33，由于已经进行了说明，所以省略说明。
此外，在第4实施方式中，功率谱算出器31a相当于权利要求书所记载的功率谱取得部，第1尺度参数算出器31i和第2尺度参数算出器31j相当于权利要求书所记载的尺度参数算出部，尺度参数比较器31k和噪声模型可否生成判定器31l相当于权利要求书所记载的判定部，声源方位推定器33和点声源判定器31n相当于权利要求书所记载的点声源检测部，干扰音检测器31p、音色特性数据库31q以及干扰音判定器31r相当于权利要求书所记载的特征音检测部，噪声模型生成器31e相当于权利要求书所记载的噪声模型生成部，噪声抑制器32相当于权利要求书所记载的噪声抑制部。
在干扰音检测器31p中，使用来自数字信号变换器20的数字的声音信号，检测检测对象的声源以外的特征的声源(干扰音)。作为该检测方法，例如，在具备音色特性数据库31q的情况下，通过储存于音色特性数据库31q的检测对象的声源以外的各声源和声音信号来进行频谱图案识别等，判断声音信号中是否存在检测对象的声源以外的声源(干扰音)。在音色特性数据库31q中储存有存在于车辆行驶的环境的检测对象的声源(行驶声音)以外的各声源(例如，在各店铺产生的声音、在自动贩卖机产生的声音、车辆的发动机声音、在道口产生的道口警报音、由机场、车站周边的飞机、电车产生的噪音)的频谱图案。另外，在没有音色特性数据库31q的情况下，通过LPC[Linear Predictive Coding：线性预测编码]等判定声音信号是否为谐波构造(频率具有周期性的构造)，将具有谐波构造的声音作为检测对象的声源以外的声源(干扰音)进行检测。车辆的行驶声音中，功率分布在频段整体，不具有谐波构造。
在干扰音判定器31r中，在由点声源判定器31n判定为存在点声源的情况下，或者在由噪声模型可否生成判定器31l判定为不可生成噪声模型的情况下，基于干扰音检测器31p的检测结果来判定是否存在干扰音。
此外，在噪声模型生成器31e中，即使在由噪声模型可否生成判定器31l判定为可以生成噪声模型且由点声源判定器31n判定为存在点声源的情况下，或者在由噪声模型可否生成判定器31l判定为不可生成噪声模型的情况下，在由干扰音判定器31r判定为存在干扰音(检测对象声源以外的声源)时，也生成噪声模型。
参照图12，对接近车辆检测装置1D的动作进行说明。在此，顺着图13的流程图，对接近车辆检测装置1D的与噪声模型生成相关的动作进行说明。图13是表示与第4实施方式的噪声模型生成相关的动作的流程的流程图。此外，接近车辆检测装置1D的与噪声模型生成相关的动作以外的动作是与第1实施方式的接近车辆检测装置1A同样的动作，因此省略说明。
接近车辆检测装置1D的S60～S69和S6、S7的动作是与第3实施方式的接近车辆检测装置1C的S40～S49和S6、S7同样的动作，因此省略说明。
在接近车辆检测装置1D的ECU30D(干扰音检测器31p)中，使用在S61中被变换为数字信号的声音信号，在声音信号中进行检测对象的声源以外的干扰音的检测(S70)。此时，在存在音色特性数据库31q的情况下，利用储存于该数据库31q的各声源的频谱图案进行频谱图案识别等，在不存在音色特性数据库31q的情况下，进行具有谐波构造的声音的检测等。
在S68中判定为可以生成噪声模型且在S69中判定为检测到点声源的情况下，或者在S68中判定为不可生成噪声模型的情况下，在ECU30D(干扰音判定器31r)中，基于S70中的干扰音的检测结果，判定是否检测到干扰音(S71)。在S71中判定为没有检测到干扰音的情况下，不生成噪声模型。另一方面，在S71中判定为检测到干扰音的情况下，在ECU30C(噪声模型生成器31e)中，使用在S61中被变换为数字信号的声音信号生成噪声模型(S72)。
该接近车辆检测装置1D在具有与第3实施方式的接近车辆检测装置1C同样的效果的基础上，还具有以下效果。根据接近车辆检测装置1D，即使在判定为存在点声源的情况下、在第1频段和第2频段的尺度参数之差大而判定为不可生成噪声模型的情况下，也考虑干扰音的有无来判断噪声模型生成，由此，能够更加高精度地判断用于生成噪声模型的合适的定时。
参照图14，对第5实施方式的接近车辆检测装置1E进行说明。图14是第5实施方式的接近车辆检测装置的结构图。
与第4实施方式的接近车辆检测装置1D相比，接近车辆检测装置1E具有如下功能：在已经生成了噪声模型的情况下，能够根据环境的变化来更新噪声模型。
在对接近车辆检测装置1E的结构进行具体说明之前，对噪声模型的更新的必要性进行说明。在生成了噪声模型之后也存在如下情况：在车辆行驶中周边的环境发生变化时，噪声成分也根据环境而变化。若为了应对这样的环境的变化而每次都根据在各环境下取得的声音信号再生成噪声模型，则处理负荷变大。另外，在从头改写噪声模型的情况下，例如，若在某环境下瞬间产生特征性的声音时生成噪声模型，则会成为不连续的噪声模型，若使用该噪声模型在下一处理中进行噪声抑制，则抑制效果降低。
因此，在第5实施方式中，在上次处理之前(包含上次)已经生成了噪声模型的情况下，对已经生成的噪声模型和在当前环境下取得的声音信号(功率谱)进行比较，在发生了变化的情况下，考虑当前环境下的声音信号(功率谱)来更新噪声模型。
接着，对接近车辆检测装置1E的结构进行说明。接近车辆检测装置1E具备麦克风阵列10、数字信号变换器20以及ECU30E(噪声模型生成部31E、噪声抑制器32、声源方位推定器33)。以下，对ECU30E(特别是噪声模型生成部31E)进行详细说明。
ECU30E是包括CPU、ROM、RAM等的电子控制单元，对接近车辆检测装置1E进行统括控制。在ECU30E中，构成噪声模型生成部31E(功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、点声源判定器31n、干扰音检测器31p、音色特性数据库31q、干扰音判定器31r、噪声模型生成器31e、噪声比较器31t、噪声模型更新器31u)、噪声抑制器32、声源方位推定器33。在ECU30E中，从数字信号变换器20分别输入每个麦克风的声音信号(数字的电信号)。在此，关于功率谱算出器31a、第1直方图算出器31g、第2直方图算出器31h、第1尺度参数算出器31i、第2尺度参数算出器31j、尺度参数比较器31k、噪声模型可否生成判定器31l、点声源判定器31n、干扰音检测器31p、音色特性数据库31q、干扰音判定器31r、噪声模型生成器31e、噪声抑制器32、声源方位推定器33，由于已经进行了说明，所以省略说明。
此外，在第5实施方式中，功率谱算出器31a相当于权利要求书所记载的功率谱取得部，第1尺度参数算出器31i和第2尺度参数算出器31j相当于权利要求书所记载的尺度参数算出部，尺度参数比较器31k和噪声模型可否生成判定器31l相当于权利要求书所记载的判定部，声源方位推定器33和点声源判定器31n相当于权利要求书所记载的点声源检测部，干扰音检测器31p、音色特性数据库31q以及干扰音判定器31r相当于权利要求书所记载的特征音检测部，噪声模型生成器31e相当于权利要求书所记载的噪声模型生成部，噪声模型更新器31u相当于权利要求书所记载的噪声模型更新部，噪声抑制器32相当于权利要求书所记载的噪声抑制部。
在噪声比较器31t中，在直到上次为止的处理中已经生成了噪声模型的情况下，对噪声模型和在当前环境下取得的声音信号(功率谱)进行比较，判定是否从噪声模型发生了变化。
在噪声模型更新器31u中，使用1次IIR[Infinite Impulse Response：无限冲激响应]滤波器，在由噪声比较器31t判定为发生了变化的情况下，对噪声模型考虑在当前环境下取得的声音信号(功率谱)来更新噪声模型。具体而言，使用当前环境下的声音信号的功率谱A(ω)和更新前的噪声模型N(ω)n，通过式(4)算出更新后的噪声模型N(ω)n+1。式(4)中的η是遗忘系数，表示考虑当前环境下的声音信号的功率谱的程度。遗忘系数是0～1之间的值，既可以是固定值，也可以是考虑了从噪声模型变化的程度等的可变值。此外，也可以通过使用1次IIR滤波器的方法以外的方法来更新噪声模型。
N(ω)n+1＝(1-η)N(ω)n+ηA(ω)…(4)
此外，在根据噪声模型生成可否判定器31l、点声源判定器31n、干扰音判定器31r的各判定结果而成为了不可生成噪声模型的条件的情况下(在存在检测对象的声源的情况下)，在更新噪声模型时会对噪声模型考虑检测对象的声源成分，因此优选不进行噪声模型更新。
参照图14，对接近车辆检测装置1E的动作进行说明。在此，顺着图15的流程图，对接近车辆检测装置1E的与噪声模型生成相关的动作进行说明。图15是表示与第5实施方式的噪声模型生成相关的动作的流程的流程图。此外，接近车辆检测装置1E的与噪声模型生成相关的动作以外的动作是与第1实施方式的接近车辆检测装置1A同样的动作，因此省略说明。
接近车辆检测装置1E的S80～S82、S84～S93以及S6、S7的动作是与第4实施方式的接近车辆检测装置1D的S60～S62、S63～S72以及S6、S7同样的动作，因此省略说明。
在S82中算出了功率谱时，在ECU30E中，判定是否存在上次之前生成的噪声模型(S83)。在S83中判定为不存在上次之前生成的噪声模型的情况下，进行S84以后的处理。
在S83中判定为存在上次之前生成的噪声模型的情况下，在ECU30E(噪声比较器31t)中，对当前的声音信号的功率谱和噪声模型进行比较，判定是否从噪声模型发生了变化(S94)。在从噪声模型发生了变化的情况下，在ECU30E(噪声模型更新器31u)中，通过1次IIR滤波器，对噪声模型考虑当前的声音信号的功率谱来更新噪声模型(S95)。
该接近车辆检测装置1E在具有与第4实施方式的接近车辆检测装置1D同样的效果的基础上，还具有以下效果。根据接近车辆检测装置1E，在已经生成了噪声模型的情况下，考虑在当前环境下收集到的声音信号来更新噪声模型，由此，能够以少的处理负荷来生成与环境的变化对应的合适的噪声模型。
以上，虽然对本发明的实施方式进行了说明，但本发明不限于上述实施方式，可以以各种各样的方式实施。
例如，在本实施方式中，虽然声源方位推定装置搭载于车辆，应用于对接近车辆(作为声源而对车辆的行驶声音)进行检测的接近车辆检测装置，但也可以是对车辆以外的声源进行检测的装置，还可以是搭载于车辆以外的移动体的声源方位推定装置。另外，在本实施方式中，虽然应用于向驾驶辅助装置提供所检测到的接近车辆信息的装置，但也可以是其他结构。例如，既可以作为接近车辆检测功能而编入到驾驶辅助装置中，也可以在接近车辆检测装置中具有警报功能等。另外，也可以应用于根据由麦克风收集到的声音信息进行噪声模型生成的噪声模型生成装置。另外，也可以应用于进行噪声模型生成并使用该噪声模型从由麦克风收集到的声音信息抑制噪声的噪声抑制装置。
另外，在本实施方式中，虽然构成为算出声音的功率谱的直方图，通过伽玛分布拟合算出尺度参数，基于尺度参数判断可否生成噪声模型，在可以生成噪声模型的情况下生成噪声模型，但也可以应用于基于该尺度参数来对检测对象的声源(例如，接近车辆的行驶声音)进行检测的声源检测装置(例如，接近车辆检测装置)。此外，本实施方式中说明的不可生成噪声模型的定时(区间)成为检测到行驶声音(存在接近车辆)的定时(区间)。
另外，在本实施方式中，虽然以具备4个麦克风、包括左右的麦克风单元的麦克风阵列为例进行了说明，但关于麦克风(集音器)的个数、配置等，可以应用其他各种各样的变形。另外，麦克风也可以是1个。
另外，在本实施方式中，虽然构成为算出功率谱的直方图，通过伽玛分布拟合算出尺度参数，但由于使用了伽玛分布拟合，所以也可以构成为不算出直方图(没有直方图算出器的结构)而直接使用功率谱并通过伽玛分布拟合算出尺度参数。
另外，在本实施方式中，虽然构成为为了对功率谱的直方图进行评价而使用伽玛分布，但也可以利用其他评价方法来对功率谱的直方图进行评价。例如，使用正态分布、拉普拉斯分布、二项分布。另外，在本实施方式中，虽然构成为为了判断可否生成噪声模型而使用伽玛分布的尺度参数，但也可以使用其他特征量来判断可否生成噪声模型。
另外，在本实施方式中，虽然构成为示出5个实施方式，各实施方式的编号每增加1则追加1个功能，但也可以对追加的功能的组合进行适当变更。例如，可以构成为向第1实施方式追加第5实施方式的噪声模型更新功能，向第2实施方式追加第5实施方式的噪声模型更新功能。
产业上的可利用性
本发明能够在从由集音器收集到的声音信息检测检测对象的声源的声源检测装置、生成与由集音器收集到的声音信息中所包含的检测对象的声源以外的噪声信息相关的噪声模型的噪声模型生成装置、使用该噪声模型的噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法中加以利用。
标号说明
1A、1B、1C、1D、1E…接近车辆检测装置，2…驾驶辅助装置，10…麦克风阵列，11…左侧麦克风单元，11a…第1麦克风，11b…第2麦克风，12…右侧麦克风单元，12a…第3麦克风，12b…第4麦克风，20…数字信号变换器，30A、30B、30C、30D、30E…ECU，31A、31B、31C、31D、31E…噪声模型生成部，31a…功率谱算出器，31b…直方图算出器，31c…尺度参数算出器，31d、31l…噪声模型可否生成判定器，31e…噪声模型生成器，31g…第1直方图算出器，31h…第2直方图算出器，31i…第1尺度参数算出器，31j…第2尺度参数算出器，31k…尺度参数比较器，31n…点声源判定器，31p…干扰音检测器，31q…音色特性数据库，31r…干扰音判定器，31t…噪声比较器，31u…噪声模型更新器，32…噪声抑制器，33…声源方位推定器。

Claims (15)

1.一种声源检测装置，从由集音器收集到的声音信息检测检测对象的声源，其特征在于，具备：
功率谱取得部，其从由所述集音器收集到的声音信息取得功率谱；和
判定部，其对由所述功率谱取得部取得的功率谱的概率密度分布进行评价，从而判定由所述集音器收集到的声音信息中是否包含检测对象的声源。
2.根据权利要求1所述的声源检测装置，其特征在于，
所述判定部，对基于检测对象的声源而设定的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，从而判定由所述集音器收集到的声音信息中是否包含检测对象的声源。
3.根据权利要求1或2所述的声源检测装置，其特征在于，
具备尺度参数算出部，该尺度参数算出部利用基于功率谱的伽玛分布拟合来算出伽玛分布的尺度参数，
所述判定部使用由所述尺度参数算出部算出的尺度参数来对功率谱的概率密度分布进行评价。
4.一种噪声模型生成装置，用于生成与由集音器收集到的声音信息所包含的检测对象的声源以外的噪声信息相关的噪声模型，其特征在于，具备：
功率谱取得部，其从由所述集音器收集到的声音信息取得功率谱；
判定部，其对由所述功率谱取得部取得的功率谱的概率密度分布进行评价，从而判定由所述集音器收集到的声音信息中是否包含检测对象的声源；以及
噪声模型生成部，其在由所述判定部判定为声音信息中不包含检测对象的声源的情况下，根据由所述集音器收集到的声音信息来生成噪声模型。
5.根据权利要求4所述的噪声模型生成装置，其特征在于，
所述判定部，对基于检测对象的声源而设定的第1频段中的功率谱的概率密度分布和第1频段以外的第2频段中的功率谱的概率密度分布进行评价，从而判定由所述集音器收集到的声音信息中是否包含检测对象的声源。
6.根据权利要求4或5所述的噪声模型生成装置，其特征在于，
具备尺度参数算出部，该尺度参数算出部利用基于功率谱的伽玛分布拟合来算出伽玛分布的尺度参数，
所述判定部使用由所述尺度参数算出部算出的尺度参数来对功率谱的概率密度分布进行评价。
7.根据权利要求4～6中任一项所述的噪声模型生成装置，其特征在于，
具备点声源检测部，该点声源检测部从由所述集音器收集到的声音信息检测点声源，
所述噪声模型生成部，即使在由所述判定部判定为声音信息中不包含检测对象的声源的情况下，在由所述点声源检测部检测到点声源时，也不生成噪声模型。
8.根据权利要求4～7中任一项所述的噪声模型生成装置，其特征在于，
具备特征音检测部，该特征音检测部从由所述集音器收集到的声音信息检测检测对象的声源以外的特征音，
所述噪声模型生成部，在由所述特征音检测部检测到检测对象的声源以外的特征音的情况下，生成噪声模型。
9.根据权利要求4～8中任一项所述的噪声模型生成装置，其特征在于，
具备噪声模型更新部，该噪声模型更新部在已经由所述噪声模型生成部生成了噪声模型的情况下，考虑由所述集音器收集到的声音信息来更新该噪声模型。
10.一种噪声抑制装置，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，
具备权利要求4～9中任一项所述的噪声模型生成装置，
使用由所述噪声模型生成装置生成的噪声模型，从由所述集音器收集到的声音信息抑制检测对象的声源以外的噪声。
11.一种声源方位推定装置，对由集音器收集到的声音信息所包含的检测对象的声源的方位进行推定，其特征在于，
具备权利要求10所述的噪声抑制装置，
根据由所述噪声抑制装置抑制了噪声后的声音信息来推定检测对象的声源的方位。
12.一种接近车辆检测装置，基于由搭载于车辆的集音器收集到的声音信息来检测接近的车辆，其特征在于，
具备权利要求11所述的声源方位推定装置，
利用所述声源方位推定装置来推定从接近车辆产生的声源的方位。
13.一种噪声抑制装置，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，具备：
判定部，其判定由所述集音器收集到的声音信息中是否包含检测对象的声源；
噪声模型生成部，其在由所述判定部判定为声音信息中不包含检测对象的声源的情况下，根据由所述集音器收集到的声音信息来生成噪声模型；以及
噪声抑制部，其使用由所述噪声模型生成部生成的噪声模型，从由所述集音器收集到的声音信息抑制检测对象的声源以外的噪声。
14.根据权利要求13所述的噪声抑制装置，其特征在于，
所述噪声抑制部，在存在由所述噪声模型生成部生成的噪声模型的情况下，使用由所述噪声模型生成部生成的噪声模型，从由所述集音器收集到的声音信息抑制检测对象的声源以外的噪声，在不存在由所述噪声模型生成部生成的噪声模型的情况下，使用预先准备的噪声模型，从由所述集音器收集到的声音信息抑制检测对象的声源以外的噪声，或者不抑制噪声。
15.一种噪声抑制方法，用于对由集音器收集到的声音信息所包含的检测对象的声源以外的噪声进行抑制，其特征在于，包括：
判定步骤，判定由所述集音器收集到的声音信息中是否包含检测对象的声源；
噪声模型生成步骤，在所述判定步骤中判定为声音信息中不包含检测对象的声源的情况下，根据由所述集音器收集到的声音信息来生成噪声模型；以及
噪声抑制步骤，使用在所述噪声模型生成步骤中生成的噪声模型，从由所述集音器收集到的声音信息抑制检测对象的声源以外的噪声。
CN201280073568.5A 2012-05-31 2012-05-31 声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法 Pending CN104380378A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/064196 WO2013179464A1 (ja) 2012-05-31 2012-05-31 音源検出装置、ノイズモデル生成装置、ノイズ抑圧装置、音源方位推定装置、接近車両検出装置及びノイズ抑圧方法

Publications (1)

Publication Number Publication Date
CN104380378A true CN104380378A (zh) 2015-02-25

Family

ID=49672716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280073568.5A Pending CN104380378A (zh) 2012-05-31 2012-05-31 声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法

Country Status (5)

Country Link
US (1) US20150117652A1 (zh)
EP (1) EP2858068A4 (zh)
JP (1) JPWO2013179464A1 (zh)
CN (1) CN104380378A (zh)
WO (1) WO2013179464A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022596A (zh) * 2017-11-28 2018-05-11 湖南海翼电子商务股份有限公司 语音信号处理方法及车载电子设备
CN109639904A (zh) * 2019-01-25 2019-04-16 努比亚技术有限公司 一种手机模式调整方法、***及计算机存储介质
CN111508474A (zh) * 2019-08-08 2020-08-07 马上消费金融股份有限公司 一种语音打断方法、电子设备及存储装置

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014102938A1 (ja) * 2012-12-26 2014-07-03 トヨタ自動車株式会社 音検知装置及び音検知方法
US9837068B2 (en) * 2014-10-22 2017-12-05 Qualcomm Incorporated Sound sample verification for generating sound detection model
JP6592940B2 (ja) * 2015-04-07 2019-10-23 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
JP2017102085A (ja) * 2015-12-04 2017-06-08 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
CN106707239B (zh) * 2016-12-26 2019-06-04 上海大学 一种基于概率分布的麦克风阵列角度估计后置滤波器设计方法
JP6755843B2 (ja) 2017-09-14 2020-09-16 株式会社東芝 音響処理装置、音声認識装置、音響処理方法、音声認識方法、音響処理プログラム及び音声認識プログラム
JP7013789B2 (ja) * 2017-10-23 2022-02-01 富士通株式会社 音声処理用コンピュータプログラム、音声処理装置及び音声処理方法
JP7155991B2 (ja) * 2018-12-17 2022-10-19 トヨタ自動車株式会社 報知装置
US10638248B1 (en) * 2019-01-29 2020-04-28 Facebook Technologies, Llc Generating a modified audio experience for an audio system
JP7218811B2 (ja) * 2019-08-08 2023-02-07 日本電気株式会社 雑音推定装置、雑音推定方法及びプログラム
US11361749B2 (en) 2020-03-11 2022-06-14 Nuance Communications, Inc. Ambient cooperative intelligence system and method
EP4158899A4 (en) * 2020-05-29 2024-05-22 Nokia Technologies Oy NOISE CONTROL
US11606659B2 (en) * 2021-03-29 2023-03-14 Zoox, Inc. Adaptive cross-correlation
US11768283B2 (en) * 2021-05-03 2023-09-26 Waymo Llc Sound source distance estimation
CN113720441B (zh) * 2021-08-26 2023-09-12 国网上海市电力公司 一种变电站周界噪音分布重现方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070078649A1 (en) * 2003-02-21 2007-04-05 Hetherington Phillip A Signature noise removal
US20090002490A1 (en) * 2007-06-27 2009-01-01 Fujitsu Limited Acoustic recognition apparatus, acoustic recognition method, and acoustic recognition program
CN101512374A (zh) * 2006-11-09 2009-08-19 松下电器产业株式会社 声源位置检测装置
US20090254341A1 (en) * 2008-04-03 2009-10-08 Kabushiki Kaisha Toshiba Apparatus, method, and computer program product for judging speech/non-speech
US20100215191A1 (en) * 2008-09-30 2010-08-26 Shinichi Yoshizawa Sound determination device, sound detection device, and sound determination method
US20100296665A1 (en) * 2009-05-19 2010-11-25 Nara Institute of Science and Technology National University Corporation Noise suppression apparatus and program
CN102016878A (zh) * 2008-05-08 2011-04-13 皇家飞利浦电子股份有限公司 定位声音信号源的位置
US20120004916A1 (en) * 2009-03-18 2012-01-05 Nec Corporation Speech signal processing device
CN102375537A (zh) * 2010-08-09 2012-03-14 索尼公司 信息处理装置、信息处理方法和程序
EP2458587A1 (en) * 2010-11-26 2012-05-30 Yamaha Corporation Audio processing apparatus

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0592767U (ja) 1992-05-18 1993-12-17 株式会社豊田中央研究所 接近車両認識装置
JP2002196783A (ja) * 2000-12-27 2002-07-12 Sumitomo Metal Ind Ltd 時系列信号の識別方法及び装置
US8477955B2 (en) * 2004-09-23 2013-07-02 Thomson Licensing Method and apparatus for controlling a headphone
EP2014132A4 (en) * 2006-05-04 2013-01-02 Sony Computer Entertainment Inc CANCELLATION OF ECHO AND NOISE
JP4753821B2 (ja) 2006-09-25 2011-08-24 富士通株式会社 音信号補正方法、音信号補正装置及びコンピュータプログラム
WO2008083315A2 (en) * 2006-12-31 2008-07-10 Personics Holdings Inc. Method and device configured for sound signature detection
KR100866580B1 (ko) * 2007-02-21 2008-11-03 인하대학교 산학협력단 균등최강력 테스트에 기초한 음성 검출 방법 및 음성 검출시스템
JP5387459B2 (ja) 2010-03-11 2014-01-15 富士通株式会社 雑音推定装置、雑音低減システム、雑音推定方法、及びプログラム
JP2011232293A (ja) * 2010-04-30 2011-11-17 Toyota Motor Corp 車外音検出装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070078649A1 (en) * 2003-02-21 2007-04-05 Hetherington Phillip A Signature noise removal
CN101512374A (zh) * 2006-11-09 2009-08-19 松下电器产业株式会社 声源位置检测装置
US20090002490A1 (en) * 2007-06-27 2009-01-01 Fujitsu Limited Acoustic recognition apparatus, acoustic recognition method, and acoustic recognition program
US20090254341A1 (en) * 2008-04-03 2009-10-08 Kabushiki Kaisha Toshiba Apparatus, method, and computer program product for judging speech/non-speech
CN102016878A (zh) * 2008-05-08 2011-04-13 皇家飞利浦电子股份有限公司 定位声音信号源的位置
US20100215191A1 (en) * 2008-09-30 2010-08-26 Shinichi Yoshizawa Sound determination device, sound detection device, and sound determination method
US20120004916A1 (en) * 2009-03-18 2012-01-05 Nec Corporation Speech signal processing device
US20100296665A1 (en) * 2009-05-19 2010-11-25 Nara Institute of Science and Technology National University Corporation Noise suppression apparatus and program
CN102375537A (zh) * 2010-08-09 2012-03-14 索尼公司 信息处理装置、信息处理方法和程序
EP2458587A1 (en) * 2010-11-26 2012-05-30 Yamaha Corporation Audio processing apparatus

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022596A (zh) * 2017-11-28 2018-05-11 湖南海翼电子商务股份有限公司 语音信号处理方法及车载电子设备
CN109639904A (zh) * 2019-01-25 2019-04-16 努比亚技术有限公司 一种手机模式调整方法、***及计算机存储介质
CN111508474A (zh) * 2019-08-08 2020-08-07 马上消费金融股份有限公司 一种语音打断方法、电子设备及存储装置
CN111508474B (zh) * 2019-08-08 2021-04-06 马上消费金融股份有限公司 一种语音打断方法、电子设备及存储装置

Also Published As

Publication number Publication date
US20150117652A1 (en) 2015-04-30
WO2013179464A1 (ja) 2013-12-05
EP2858068A1 (en) 2015-04-08
JPWO2013179464A1 (ja) 2016-01-14
EP2858068A4 (en) 2016-02-24

Similar Documents

Publication Publication Date Title
CN104380378A (zh) 声源检测装置、噪声模型生成装置、噪声抑制装置、声源方位推定装置、接近车辆检测装置以及噪声抑制方法
Karimi et al. Signal reconstruction, modeling and simulation of a vehicle full-scale crash test based on Morlet wavelets
CN109632086A (zh) 车内噪音检测方法、装置、可读存储介质及计算机设备
Zheng et al. A fused method of machine learning and dynamic time warping for road anomalies detection
JP6089948B2 (ja) 車両の異音判定装置および異音判定方法
CN103988090A (zh) 声源检测装置
CN106066907B (zh) 基于多零件多模型判断的定损分等级方法
CN105358382B (zh) 物体检测装置以及物体检测方法
Ramos-Romero et al. Identification and mapping of asphalt surface deterioration by tyre-pavement interaction noise measurement
Socoró et al. Analysis and automatic detection of anomalous noise events in real recordings of road traffic noise for the LIFE DYNAMAP project
CN108228994A (zh) 在越野道路随机激励下车辆及工作装置的应力计算方法
CN109086508B (zh) 一种汽车紧急呼救***门槛阈值动态匹配方法
CN112484839A (zh) 一种基于二轴车辆响应的桥梁移动检测方法和***
Peng et al. Research on the virtual reality of vibration characteristics in vehicle cabin based on neural networks.
Beilfuss et al. Real-Time Classification of Road Type and Condition in Passenger Vehicles
KR101816441B1 (ko) 차량의 주행 감성 평가 장치 및 방법
CN112230208B (zh) 一种基于智能手机音频感知的汽车行驶速度检测方法
Masino Road Condition Estimation with Data Mining Methods using Vehicle Based Sensors
US11503393B2 (en) Storage medium, road surface condition estimation method, and information processing apparatus
WO2021001889A1 (en) Traffic prediction apparatus, system, method, and non-transitory computer readable medium
WO2021181595A1 (en) Event detection apparatus, method and program
CN107085074B (zh) 一种分类监测机动车尾气的方法
CN112781720B (zh) 道路状况评估***及其评估方法
US20230322237A1 (en) Computer-Implemented Method for Training an Articial Intelligence Module to Determine a Tire Type of a Motor Vehicle
WO2021181594A1 (en) Vehicle detection apparatus, method and program

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150225