JP4702043B2 - 電子透かしエンコード装置、電子透かしデコード装置、電子透かしエンコード方法、電子透かしデコード方法及びプログラム - Google Patents

Description

この発明は、電子透かしエンコード装置、電子透かしデコード装置、電子透かしエンコード方法、電子透かしデコード方法及びプログラムに関する。

音声を合成する手法として、録音編集方式と呼ばれる手法がある。録音編集方式は、駅の音声案内システムや、車載用のナビゲーション装置などに用いられている。
録音編集方式は、単語と、この単語を読み上げる音声を表す音声データとを対応付けておき、音声合成する対象の文章を単語に区切ってから、これらの単語に対応付けられた音声データを取得してつなぎ合わせる、という手法である（例えば、特許文献１参照）。
特開平１０−４９１９３号公報

録音編集方式により得られる合成音声の話者の変更を可能としたり、あるいはその他、得られる合成音声を多様にするための手法としては、音声データをリムーバブルメディア（可搬な記録媒体）に記録して用いるものとして、互いに異なる音声データを記録した複数のリムーバブルメディアを必要に応じて差し替える、というものが考えられる。しかし、リムーバブルメディアに記録された音声データは、不正な複製や改竄、あるいはその他の不正利用をされやすいという問題がある。

この発明は、上記実状に鑑みてなされたものであり、音声を表すデータの自由な供給を図りながら、音声データの有効な保護を図るための電子透かしエンコード装置、電子透かしデコード装置、電子透かしエンコード方法、電子透かしデコード方法及びプログラムを提供することを目的とする。

上記目的を達成するため、この発明の第１の観点に係る電子透かしエンコード装置は、
音声を表す音声信号を取得する音声信号取得手段と、
取得された前記音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工手段と、を備える、
ことを特徴とする。

前記音声信号加工手段は、例えば、
取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
取得された前記音声信号より、当該音声信号が表す音声のピッチ成分以外の成分を表す非ピッチ成分信号を抽出する非ピッチ成分抽出手段と、
前記ピッチ成分信号を取得し、当該ピッチ成分信号の周波数を、電子透かしとして埋め込む対象のデータの値を表すようなパターンを時間軸上において有するようにシフトするピッチ成分周波数シフト手段と、
前記周波数のシフトを施されたピッチ成分信号、及び前記非ピッチ成分信号を取得して互いに加算することにより、電子透かしを施された音声信号を生成する加算手段と、を備えるものであればよい。

前記ピッチ成分抽出手段は、例えば、
前記音声信号が表す音声のピッチ成分の周波数を特定するピッチ周波数特定手段と、
前記音声信号のうち、特定された前記周波数近傍の成分を前記ピッチ成分として抽出するバンドパスフィルタと、を備えるものであればよく、
前記非ピッチ成分抽出手段は、例えば、前記音声信号から、特定された前記周波数近傍の成分を除去することによって、残余の成分を前記非ピッチ成分として抽出するバンドリジェクションフィルタにより構成されるものであればよい。

また、この発明の第２の観点に係る電子透かしデコード装置は、
音声を表す、電子透かしを施された音声信号を取得する音声信号取得手段と、
取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
抽出された前記ピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する手段と、を備える、
ことを特徴とする。

また、この発明の第３の観点に係る電子透かしエンコード方法は、音声信号取得部と音声信号加工部を有する装置において実行される電子透かしエンコード方法であって、
前記音声信号取得部が、音声を表す音声信号を取得する音声信号取得ステップと、
前記音声信号加工部が、前記取得された音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工ステップと、
を備えることを特徴とする。

また、この発明の第４の観点に係る電子透かしデコード方法は、音声信号取得部とピッチ成分抽出部と特定部とを有する装置において実行される電子透かしデコード方法であって、
前記音声信号取得部が、音声を表す、電子透かしを施された音声信号を取得する音声信号取得ステップと、
前記ピッチ成分抽出部が、前記取得された音声信号から、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出ステップと、
前記特定部が、前記抽出されたピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、当該特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する特定ステップと、
を備えることを特徴とする。

また、この発明の第５の観点に係るプログラムは、
コンピュータを、
音声を表す音声信号を取得する音声信号取得手段と、
取得された前記音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工手段と、
して機能させるためのものであることを特徴とする。

また、この発明の第６の観点に係るプログラムは、
コンピュータを、
音声を表す、電子透かしを施された音声信号を取得する音声信号取得手段と、
取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
抽出された前記ピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する手段と、
して機能させるためのものであることを特徴とする。

この発明によれば、音声を表すデータの自由な供給を図りながら、音声データの有効な保護を図るための電子透かしエンコード装置、電子透かしデコード装置、電子透かしエンコード方法、電子透かしデコード方法及びプログラムが実現される。

以下、この発明の実施の形態を、電子透かしエンコード装置及び電子透かしデコード装置を例とし、図面を参照して説明する。

（電子透かしエンコード装置）
図１は、この発明の実施の形態に係る電子透かしエンコード装置Ｅの構成を示す図である。図示するように、電子透かしエンコード装置Ｅは、音声データ入力部Ｅ１と、ピッチ特定部Ｅ２と、ＢＲＦ（バンドリジェクションフィルタ）Ｅ３と、ＢＰＦ（バンドパスフィルタ）Ｅ４と、ピッチシフト部Ｅ５と、加算部Ｅ６とにより構成されている。

音声データ入力部Ｅ１、ピッチ特定部Ｅ２、ＢＲＦＥ３、ＢＰＦＥ４、ピッチシフト部Ｅ５及び加算部Ｅ６は、例えば、ＣＰＵ（中央処理ユニット）等のプロセッサや、このプロセッサが実行するためのプログラムを記憶するメモリなどより構成されている。
なお、音声データ入力部Ｅ１、ピッチ特定部Ｅ２、ＢＲＦＥ３、ＢＰＦＥ４、ピッチシフト部Ｅ５及び加算部Ｅ６の一部又は全部の機能を単一のプロセッサが行うようにしてもよい。

音声データ入力部Ｅ１は、外部より、音声の波形を表すディジタル形式（例えば、ＰＣＭ（パルス符号変調）形式）の入力音声データを取得して、ピッチ特定部Ｅ２、ＢＲＦＥ３及びＢＰＦＥ４に供給する。

なお、音声データ入力部Ｅ１が入力音声データを取得する手法は任意であり、例えば、図示しないインターフェース回路を介して外部の装置（例えば、ハードディスク装置など）やネットワークから取得してもよいし、図示しない記録媒体ドライブ装置にセットされた記録媒体（例えば、フレキシブルディスクやＣＤ−ＲＯＭなど）から、この記録媒体ドライブ装置を介して読み取ってもよい。

ピッチ特定部Ｅ２は、音声データ入力部Ｅ１より供給された入力音声データが表す音声のピッチ成分の周波数の時間変化を特定し、特定した当該時間変化を表すデータ（以下、ピッチ周波数データと呼ぶ）を、ＢＲＦＥ３及びＢＰＦＥ４へと、同時に、連続的に供給する。

ピッチ特定部Ｅ２は、具体的には、例えばこの入力音声データにケプストラム解析を施すことにより、ピッチ成分の周波数の時間変化を特定すればよい。すなわち、例えば入力音声データが表す波形を時間軸上で多数の小部分へと区切り、得られたそれぞれの小部分の強度を、元の値の対数（対数の底は任意）に実質的に等しい値へと変換し、値が変換されたこの小部分のスペクトル（すなわち、ケプストラム）を、高速フーリエ変換の手法（あるいは、離散的変数をフーリエ変換した結果を表すデータを生成する他の任意の手法）により求める。そして、このケプストラムの極大値を与える周波数のうちの最小値を、この小部分におけるピッチ成分の周波数として特定する。

なお、ピッチ成分の周波数の時間変化は、例えば、特開２００３−１０８１７２号公報に開示された手法に従って入力音声データをピッチ波形データへと変換してから、このピッチ波形データに基づいて特定するようにすると良好な結果が期待できる。具体的には、入力音声データをフィルタリングしてピッチ信号を抽出し、抽出されたピッチ信号に基づいて、入力音声データが表す波形を単位ピッチ長の区間へと区切り、各区間について、ピッチ信号との相関関係に基づいて位相のずれを特定して各区間の位相を揃えることにより、入力音声データをピッチ波形信号へと変換すればよい。そして、得られたピッチ波形信号を入力音声データとして扱い、ケプストラム解析を行う等することにより、ピッチ成分の周波数の時間変化を特定すればよい。

ＢＲＦＥ３は、自己に入力された信号のうち、自己の中心周波数及びその近傍の周波数の成分を実質的に遮断し、その他の成分を通過させるようなフィルタリングを行う。
具体的には、自己の中心周波数を、ピッチ特定部Ｅ２より供給されるピッチ周波数データが示す値（つまり、入力音声データのピッチ成分の周波数の現在の値）に実質的に等しくなるよう設定する。そして、音声データ入力部Ｅ１より供給される入力音声データをフィルタリングして、フィルタリングされた入力音声データ（以下、非ピッチ成分と呼ぶ）を、加算部Ｅ６へと供給する。

ＢＰＦＥ４は、自己に入力された信号のうち、自己の中心周波数及びその近傍の周波数の成分を通過させ、その他の成分を実質的に遮断するようなフィルタリングを行う。
具体的には、自己の中心周波数を、ピッチ特定部Ｅ２より供給されるピッチ周波数データが示す値に実質的に等しくなるよう設定する。そして、音声データ入力部Ｅ１より供給される入力音声データをフィルタリングして、フィルタリングされた入力音声データ（以下、ピッチ成分と呼ぶ）を、ピッチシフト部Ｅ５へと供給する。

なお、非ピッチ成分及びピッチ成分は、両者を互いに加算すると入力音声データと実質的に同一の音声データが得られる、という関係になるように、ＢＲＦＥ３及びＢＰＦＥ４はそれぞれフィルタリングを行うものとする。
また、非ピッチ成分及びピッチ成分は、いずれも同一の形式のデータからなるものとし、例えば、ＢＲＦＥ３及びＢＰＦＥ４に供給された入力音声データのサンプリング間隔と実質的に同一のサンプリング間隔を有するディジタル形式のデータからなるものとする。

ピッチシフト部Ｅ５は、ＢＰＦＥ４よりピッチ成分を取得する一方、外部より、電子透かしの形で埋め込む対象の２値のビット列（例えば、入力音声データの作成者名を２値のビット列として表すデータなど）を取得する。そして、取得したピッチ成分の周波数を、このビット列内の各ビット値に従ってシフトさせることにより、このビット列が表す情報を含むようピッチ成分をエンコードする。エンコードしたピッチ成分は、加算部Ｅ６へと供給する。

具体的には、ピッチシフト部Ｅ５は、例えば図２に示すように、当該ビット列の先頭から順に各々のビットの値を判別し、当該ビットの値が“１”であれば一定時間（図２において“ΔＴ”として示す時間）だけピッチ成分の周波数を一定幅（図２において“Δｆ”として示す周波数）だけシフトし、値が“０”であれば当該時間ΔＴの間はピッチ成分の周波数のシフトを行わない、という動作を、当該ビット列の末尾のビットに至るまで続ければよい。

なお、ピッチ成分の周波数のシフトは、例えば、上述の値Δｆに等しい周波数を有する局部発振信号を生成して、この局部発振信号とピッチ成分とを混合し、得られた信号をフィルタリングして、局部発振信号の周波数とピッチ信号の周波数との和又は差に当たる周波数を有する成分を抽出することにより行えばよい。

また、上述の値Δｆは、ピッチシフト部Ｅ５によるピッチ成分の周波数のシフトの結果、ピッチ成分のうち周波数のシフトが行われた区間と行われていない区間との境界に、必ず一定量（後述する図４において“ΔＦ”として示す量）以上の周波数の差を生じさせるような十分大きな値であるものとする。この条件を満たす周波数Δｆは、例えば実験などに基づいて経験的に定められればよい。

また、ピッチシフト部Ｅ５がビット列を取得する手法は任意であり、例えば、音声データ入力部Ｅ１が入力音声データを取得する手法と実質的に同一の手法によりビット列を取得すればよい。また、ピッチシフト部Ｅ５の機能を実現する処理を行うプロセッサが、自己の実行する他の処理により生成されたビット列を、電子透かしの形で埋め込むビット列として、ピッチシフト部Ｅ５の機能を実現する処理へと引き渡すようにしてもよい。

加算部Ｅ６は、ＢＲＦＥ３より供給される非ピッチ成分を取得し、また、ＢＰＦＥ４よりピッチ成分が供給されている間は、このピッチ成分も取得する。そして、同時に取得した非ピッチ成分及びピッチ成分の各値の和（ただし、ピッチ成分が供給されていない間は、ピッチ成分の値は０であるものとする）に相当する値を有する出力音声データを生成し、出力する。この出力音声データは、音声データ入力部Ｅ１が取得した入力音声データと同一の形式のデータからなるものとする。

出力音声データは、音声データ入力部Ｅ１が取得した入力音声データに電子透かしが施されたものに相当するものであって、ピッチシフト部Ｅ５が取得したビット列が表す情報が埋め込まれているものであるといえる。

なお、加算部Ｅ６が出力音声データを出力する手法は任意であり、例えば、図示しないインターフェース回路を介して外部の装置（例えば、ハードディスク装置など）の記憶領域に格納してもよいし、ネットワークへと送出してもよい。また、図示しない記録媒体ドライブ装置にセットされた記録媒体へ、この記録媒体ドライブ装置を介して書き込んでもよい。

（電子透かしデコード装置）
図３は、この発明の実施の形態に係る電子透かしデコード装置Ｄの構成を示す図である。図示するように、電子透かしデコード装置Ｄは、音声データ入力部Ｄ１と、ピッチ特定部Ｄ２と、ＢＰＦＤ３と、ビット列抽出部Ｄ４とにより構成されている。

音声データ入力部Ｄ１、ピッチ特定部Ｄ２、ＢＰＦＤ３及びビット列抽出部Ｄ４は、例えばＣＰＵ等のプロセッサや、このプロセッサが実行するためのプログラムを記憶するメモリなどより構成されている。なお、音声データ入力部Ｄ１、ピッチ特定部Ｄ２、ＢＰＦＤ３及びビット列抽出部Ｄ４の一部又は全部の機能を単一のプロセッサが行うようにしてもよい。

音声データ入力部Ｄ１は、外部より、上述の出力音声データに相当する、電子透かしが施されたディジタル形式の音声データ（以下、デコード対象音声データと呼ぶ）を取得して、ピッチ特定部Ｄ２及びＢＰＦＤ３に供給する。音声データ入力部Ｄ１がデコード対象音声データを取得する手法は任意であり、例えば、上述の電子透かしエンコード装置Ｅの音声データ入力部Ｅ１が入力音声データを取得する手法と実質的に同一の手法により取得すればよい。

ピッチ特定部Ｄ２は、音声データ入力部Ｄ１より供給されたデコード対象音声データが表す音声のピッチ成分の周波数の時間変化を、例えば電子透かしエンコード装置Ｅのピッチ特定部Ｅ２が行う手法と実質的に同一の手法により特定する。そして、特定した当該時間変化を表すピッチ周波数データを、ＢＰＦＤ３へと連続的に供給する。

なお、ピッチ特定部Ｄ２は、ピッチ周波数データのうち、ピッチ成分が含まれていないデコード対象音声データの区間に相当する部分については、例えばラグランジェ補間あるいは直線補間などの手法により補間を行うものとすればよい。

ＢＰＦＤ３は、例えば電子透かしエンコード装置ＥのＢＰＦＥ４と実質的に同一の機能を行うものであり、自己に入力された信号のうち、自己の中心周波数及びその近傍の周波数の成分を通過させ、その他の成分を実質的に遮断するようなフィルタリングを行う。
そして、フィルタリングされたデコード対象音声データ（以下、デコード用ピッチ成分と呼ぶ）をビット列抽出部Ｄ４へと供給する。

ビット列抽出部Ｄ４は、ＢＰＦＤ３から供給されるデコード用ピッチ成分を取得し、このデコード用ピッチ成分の周波数のシフトのパターンに基づいて、デコード対象音声データに埋め込まれているビット列を抽出する。そして、抽出されたビット列を外部に出力する。

具体的には、例えばデコード対象音声データが、ピッチ成分について図２を参照して上述した態様による電子透かしを施されたものである場合、ビット列抽出部Ｄ４は、例えば図４に示すように、デコード用ピッチ成分の先頭から時間ΔＴおきに到来する時点を経過するたびに、当該時点直後のピッチ成分の周波数が、当該時点又はその直前のピッチ成分の周波数よりΔＦ以上高いか、ΔＦ以上低いかを判別すればよい（なお、図４に示す例は、ΔＦが正の値である場合を表している）。そして、ΔＦ以上高いと判別したときは、当該時点以降の時間ΔＴ分の区間が値“１”のビットを表しているものと判断して、値が“１”のビットを生成し、また、ΔＦ以上低いと判別したときは、当該時点以降の時間ΔＴ分の区間が値“０”のビットを表しているものと判断して、値が“０”のビットを生成する、という処理を順次行うことにより、ビット列の抽出を行えばよい。

なお、ビット列抽出部Ｄ４がビット列を出力する手法は任意であり、例えば、図示しないインターフェース回路を介して外部の装置の記憶領域に格納してもよいし、ネットワークへと送出してもよい。また、図示しない記録媒体ドライブ装置にセットされた記録媒体へ、この記録媒体ドライブ装置を介して書き込んでもよい。

以上説明した電子透かしエンコード装置Ｅは、音声データを、ピッチ成分と非ピッチ成分とに分離し、埋め込むべきビット列の値に従ってピッチ成分の周波数をシフトした上、当該ピッチ成分と非ピッチ成分とを加算することにより、当該ビット列が表す情報を当該音声データに埋め込む（すなわち、当該音声データに電子透かしを施す）。そして電子透かしデコード装置Ｄは、電子透かしエンコード装置Ｅによって音声データに埋め込まれたビット列を、当該音声データから抽出する。

一般的に、人間が発する音声のピッチ成分の周波数は２００［Ｈｚ］前後であり、一方、人間の可聴域はほぼ２０〜２００００［Ｈｚ］の範囲にあるものの、２００［Ｈｚ］前後の周波数の成分については感度が低く、このような成分に変化を生じさせてもこの変化を聞き分けることは困難である。従って、電子透かしエンコード装置Ｅによって電子透かしを施された音声データを用いて再生された音声と、電子透かしを施される前の当該音声データを用いて再生された音声との差異は、人間には識別が困難である。すなわち、電子透かしエンコード装置Ｅによる電子透かしが音声に与える影響は無視できる程度に抑えられる。

また、電子透かしエンコード装置Ｅは音声データのピッチ成分の周波数を一部シフトすることにより電子透かしを施すものである。従って、このシフトの幅を知らない者は、電子透かしエンコード装置Ｅにより電子透かしを施された音声データから、電子透かしを施される前の音声データを完全に復元することができない。
また、電子透かしエンコード装置Ｅによって電子透かしを施された音声データをアナログコピーして得られたデータからも、埋め込まれたビット列の抽出が可能である。

なお、電子透かしエンコード装置Ｅ及び電子透かしデコード装置Ｄの構成は上述のものに限られない。
例えば、音声データ入力部Ｅ１は、マイクロフォン、増幅器、サンプリング回路、Ａ／Ｄ（Analog-to-Digital）コンバータ及びＰＣＭエンコーダなどを備えていてもよい。この場合、音声データ入力部Ｅ１は、自己のマイクロフォンが集音した音声を表す音声信号を増幅し、サンプリングしてＡ／Ｄ変換した後、サンプリングされた音声信号にＰＣＭ変調を施すことにより、音声データを作成してもよい。

また、ピッチシフト部Ｅ５がピッチ成分の周波数をシフトする規則も図２に示すものに限られない。従って、例えば図５に示すように、埋め込む対象のビット列の先頭から順に各々のビットの値を判別し、当該ビットの値が“１”であれば一定時間ΔＴだけピッチ成分の周波数を一定幅だけ前回シフトした方向と逆方向にシフトし（すなわち、例えば前回Δｆだけシフトしたのであれば（−Δｆ）だけシフトし、前回（−Δｆ）だけシフトしたのであればΔｆだけシフトし）、値が“０”であれば当該時間ΔＴの間は前回シフトした方向と同方向で上述の一定幅のシフトを継続する、という動作を、当該ビット列の末尾のビットに至るまで続けるようにしてもよい。
この場合、ビット列抽出部Ｄ４は、例えば図６に示すように、デコード用ピッチ成分の先頭から時間ΔＴおきに到来する時点を経過するたびに、当該時点前後のピッチ成分の周波数に±ΔＦ以上の差があるか否かを判別すればよい。そして、±ΔＦ以上の差があると判別したときは、当該時点におけるピッチ成分の周波数の変化が値“１”のビットを表しているものと判断して、値が“１”のビットを生成し、また、±ΔＦ以上の差がないと判別したときは、当該時点におけるピッチ成分の周波数の変化が値“０”のビットを表しているものと判断して、値が“０”のビットを生成する、という処理を順次行うことにより、ビット列の抽出を行えばよい。

以上、この発明の実施の形態を説明したが、この発明にかかる電子透かしエンコード装置及び電子透かしデコード装置は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。

例えば、パーソナルコンピュータに上述の音声データ入力部Ｅ１、ピッチ特定部Ｅ２、ＢＲＦＥ３、ＢＰＦＥ４、ピッチシフト部Ｅ５及び加算部Ｅ６の動作を実行させるためのプログラムを格納した記録媒体（ＣＤ−ＲＯＭ、フレキシブルディスク等）から該プログラムをインストールすることにより、上述の処理を実行する電子透かしエンコード装置Ｅを構成することができる。

また、パーソナルコンピュータに上述の音声データ入力部Ｄ１、ピッチ特定部Ｄ２、ＢＰＦＤ３及びビット列抽出部Ｄ４の動作を実行させるためのプログラムを格納した記録媒体（ＣＤ−ＲＯＭ、フレキシブルディスク等）から該プログラムをインストールすることにより、上述の処理を実行する電子透かしデコード装置Ｄを構成することができる。

なお、パーソナルコンピュータに電子透かしエンコード装置Ｅ又は電子透かしデコード装置Ｄの機能を行わせるプログラムは、例えば、通信回線の掲示板（ＢＢＳ）にアップロードし、これを通信回線を介して配信してもよく、また、これらのプログラムを表す信号により搬送波を変調し、得られた変調波を伝送し、この変調波を受信した装置が変調波を復調してこれらのプログラムを復元するようにしてもよい。
そして、これらのプログラムを起動し、ＯＳの制御下に、他のアプリケーションプログラムと同様に実行することにより、上述の処理を実行することができる。

なお、ＯＳが処理の一部を分担する場合、あるいは、ＯＳが本願発明の１つの構成要素の一部を構成するような場合には、記録媒体には、その部分を除いたプログラムを格納してもよい。この場合も、この発明では、その記録媒体には、コンピュータが実行する各機能又はステップを実行するためのプログラムが格納されているものとする。

この発明の実施の形態に係る電子透かしエンコード装置の構成を示すブロック図である。 ピッチ成分が加工される態様を示すグラフである。 この発明の実施の形態に係る電子透かしデコード装置の構成を示すブロック図である。 ビット列が抽出される態様を説明するグラフである。 ピッチ成分が加工される他の態様を示すグラフである。 ビット列が抽出される他の態様を説明するグラフである。

符号の説明

Ｅ 電子透かしエンコード装置
Ｅ１ 音声データ入力部
Ｅ２ ピッチ特定部
Ｅ３ ＢＲＦ
Ｅ４ ＢＰＦ
Ｅ５ ピッチシフト部
Ｅ６ 加算部
Ｄ 電子透かしデコード装置
Ｄ１ 音声データ入力部
Ｄ２ ピッチ特定部
Ｄ３ ＢＰＦ
Ｄ４ ビット列抽出部

Claims (8)

1. 音声を表す音声信号を取得する音声信号取得手段と、
   取得された前記音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工手段と、を備える、
   ことを特徴とする電子透かしエンコード装置。
2. 前記音声信号加工手段は、
   取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
   取得された前記音声信号より、当該音声信号が表す音声のピッチ成分以外の成分を表す非ピッチ成分信号を抽出する非ピッチ成分抽出手段と、
   前記ピッチ成分信号を取得し、当該ピッチ成分信号の周波数を、電子透かしとして埋め込む対象のデータの値を表すようなパターンを時間軸上において有するようにシフトするピッチ成分周波数シフト手段と、
   前記周波数のシフトを施されたピッチ成分信号、及び前記非ピッチ成分信号を取得して互いに加算することにより、電子透かしを施された音声信号を生成する加算手段と、を備える、
   ことを特徴とする請求項１に記載の電子透かしエンコード装置。
3. 前記ピッチ成分抽出手段は、
   前記音声信号が表す音声のピッチ成分の周波数を特定するピッチ周波数特定手段と、
   前記音声信号のうち、特定された前記周波数近傍の成分を前記ピッチ成分として抽出するバンドパスフィルタと、を備え、
   前記非ピッチ成分抽出手段は、前記音声信号から、特定された前記周波数近傍の成分を除去することによって、残余の成分を前記非ピッチ成分として抽出するバンドリジェクションフィルタにより構成される、
   ことを特徴とする請求項２に記載の電子透かしエンコード装置。
4. 音声を表す、電子透かしを施された音声信号を取得する音声信号取得手段と、
   取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
   抽出された前記ピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する手段と、を備える、
   ことを特徴とする電子透かしデコード装置。
5. 音声信号取得部と音声信号加工部を有する装置において実行される電子透かしエンコード方法であって、
   前記音声信号取得部が、音声を表す音声信号を取得する音声信号取得ステップと、
   前記音声信号加工部が、前記取得された音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工ステップと、
   を備えることを特徴とする電子透かしエンコード方法。
6. 音声信号取得部とピッチ成分抽出部と特定部とを有する装置において実行される電子透かしデコード方法であって、
   前記音声信号取得部が、音声を表す、電子透かしを施された音声信号を取得する音声信号取得ステップと、
   前記ピッチ成分抽出部が、前記取得された音声信号から、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出ステップと、
   前記特定部が、前記抽出されたピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、当該特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する特定ステップと、
   を備えることを特徴とする電子透かしデコード方法。
7. コンピュータを、
   音声を表す音声信号を取得する音声信号取得手段と、
   取得された前記音声信号を、当該音声信号が表す音声のピッチ成分の周波数のシフトの時間軸上におけるパターンが、電子透かしとして埋め込む対象のデータの値を表すものとなるように加工する音声信号加工手段と、
   して機能させるためのプログラム。
8. コンピュータを、
   音声を表す、電子透かしを施された音声信号を取得する音声信号取得手段と、
   取得された前記音声信号より、当該音声信号が表す音声のピッチ成分を表すピッチ成分信号を抽出するピッチ成分抽出手段と、
   抽出された前記ピッチ成分信号が有する、時間軸上における周波数のシフトのパターンを特定し、特定されたパターンに基づいて、前記音声信号に電子透かしとして埋め込まれたデータを特定する手段と、
   して機能させるためのプログラム。

Images