JP4899416B2 - ネットワーク接続装置 - Google Patents

Description

本発明は、放送番組やＣＤ・ＤＶＤパッケージの音声信号からＵＲＬなどの情報を抽出し、携帯電話を用いて所定のコンテンツに関連するｗｅｂサイトにアクセスして詳細情報を抽出したり、アンケートに回答したりする非接触なインターネットへの接続技術に関する。

従来より、ＰＣや携帯電話にＵＲＬを入力し、ｗｅｂサイトにアクセスすることが行われている。近年では、ＵＲＬの入力を直接行わずに、印刷物上のＱＲコードや画像電子透かしでＵＲＬを埋め込んだり、ＴＶ動画像のフレームにＱＲコードを静止画として埋め込み、携帯電話のカメラでＵＲＬを抽出し、指定のｗｅｂサイトに誘導する技術が実現されている（例えば、特許文献１〜３参照）。
特開２０００−２６７９６６号公報 特開２００４−９４３９８号公報 特開２００５−１７６２８７号公報

しかしながら、上記従来の手法では、携帯電話で画像上のＱＲコードや電子透かしを抽出する場合、カメラのファインダーをコードが埋め込まれている領域に手作業で合わせる必要があり、操作に手間がかかるという問題がある。また、荘がメディアの場合、読み取り準備で手間取ると、コードが表示されている画面が切り替わってしまい、読み取りチャンスを逃してしまい易いという問題がある。また、ＱＲコードの場合、レイアウト上目立ち易く、特に動画メディアの場合、画面サイズの割合に比べコードが占める面積が大きく、レイアウト上邪魔になるという問題がある。

そこで、本発明は、ＵＲＬ等のアドレス情報をコンテンツ本体の邪魔にならないように設けることが可能であると共に、携帯電話機等の端末装置でのアドレス情報の取得を簡易に行うことが可能なネットワーク接続装置を提供することを課題とする。

上記課題を解決するため、本発明では、スピーカから発せられた音声を音響信号として取得し、当該音響信号から予め聴取不能な状態で埋め込まれた情報を抽出し、当該抽出した情報を用いてネットワーク上の所定のサイトにアクセスする装置であって、前記音響信号の所定の区間をデジタル化して、所定数のサンプルで構成される音響フレームを獲得する音響フレーム獲得手段と、前記音響フレームに対して、周波数変換を行って各音響フレームについてのスペクトルを得る周波数変換手段と、前記生成されたスペクトルを利用して、少なくとも２セットのスペクトル集合を抽出し、各スペクトル集合ごとにスペクトル強度の総和値を算出し、その総和値のスペクトル集合間の割合に基づいて、所定の符号を出力する符号化手段と、前記出力された符号に対応する情報配列を、所定の規則により変換してアドレス情報を抽出するアドレス情報抽出手段と、当該アドレス情報を用いてネットワーク上の所定のサイトにアクセスするネットワークアクセス手段と、前記アクセスしたサイトから、音響信号を含むコンテンツを取得するコンテンツ取得手段と、を有し、前記アドレス情報抽出手段が、前記取得したコンテンツに含まれる音響信号から第２のアドレス情報を抽出し、前記ネットワークアクセス手段が、前記第２のアドレス情報を用いてネットワーク上の第２のサイトにアクセスすることを特徴とする音響信号を用いたネットワーク接続装置を提供する。

本発明によれば、音響信号に埋め込まれたアドレス情報を抽出し、抽出したアドレス情報を利用して、ネットワーク上のサイトにアクセスするようにしたので、ＵＲＬをコンテンツ本体の邪魔にならないように設けることが可能であると共に、携帯電話機等の端末装置でのアドレス情報の取得を簡易に行うことが可能となるという効果を奏する。

以下、本発明の実施形態について図面を参照して詳細に説明する。
（１．第１の実施形態）
まず、本発明第１の実施形態について説明する。図１は、本発明第１の実施形態に係るネットワーク接続装置の構成図である。図１において、３００はネットワーク接続装置、３１０はマイクロフォン、３２０はアドレス情報抽出部、３２１は埋込情報抽出部、３２２はアドレス情報変換部、３３０はネットワークアクセス部、４００は音響信号再生装置、５００はネットワーク、６０１はサイトである。

本発明に係るネットワーク接続装置３００は、マイクロフォン３１０、アドレス情報抽出部３２０、ネットワークアクセス部３３０を有しており、音響信号再生装置４００により再生され、発せられた音を音響信号として取得し、この音響信号から抽出したアドレス情報を用いて、ネットワーク５００上のサイト６０１にアクセスする機能を有している。ネットワーク接続装置３００は、ネットワーク接続機能を有する携帯電話機に、本発明に特有の処理を実行するソフトウェアを搭載することにより実現される。

マイクロフォン３１０は、低周波成分が検出可能なマイクロフォンである。低周波成分が検出可能なものであれば、モノラル無指向性のものであっても、ステレオ指向性のものであっても良い。ステレオ指向性のものであっても一方のチャンネルだけ利用すれば良い。特に、後述する埋込装置で情報の埋め込みを行った音響信号を利用する場合には、特別精度の高いものでなく、一般的な精度のマイクロフォンを用いても情報の抽出が可能となる。

アドレス情報抽出部３２０は、埋込情報抽出部３２１とアドレス情報変換部３２２を有しており、マイクロフォン３１０が取得した音響信号からアドレス情報を抽出する機能を有している。埋込情報抽出部３２１は、音響信号に埋め込まれている情報を抽出する機能を有している。アドレス情報変換部３２２は、自身が保有しているアドレステーブルを参照することにより、抽出された情報をアドレス情報に変換する機能を有している。

ネットワークアクセス部３３０は、アドレス情報抽出部３２０が抽出したアドレス情報を用いて、そのアドレス情報に対応するサイト６０１に、ネットワーク５００を介してアクセスする機能を有している。ネットワークアクセス部３３０は、アドレス情報を取得してネットワーク上のサイトにアクセスするＷｅｂブラウザにより実現される。

音響信号再生装置４００は、情報が不可聴な状態で埋め込まれた音響信号を再生して、スピーカから音として発する機能を有しており、いわゆる汎用のテレビ受像機、ラジオ受信機、オーディオプレーヤ等で実現できる。ネットワーク５００は、所定のプロトコルに従ってデータ通信を行うインターネット等のコンピュータネットワークである。サイト６０１は、ネットワーク５００を介してＰＣ、携帯電話機等からアクセス可能なコンピュータ上のＷｅｂサイトである。

続いて、図１に示した装置の処理動作について説明する。図２は、本発明第１の実施形態に係るネットワーク接続装置の処理動作を示すフローチャートである。まず、利用者が流れている音楽内に、アドレス情報が埋め込まれていることを知った場合、ネットワーク接続装置に対して起動の指示を行う。これは、例えば、ネットワーク接続装置を携帯電話機等の携帯端末で実現している場合は、所定のボタンを操作することにより実行できる。ネットワーク接続装置は、指示が入力されると、マイクロフォン３１０から流れている音楽を取り込み、アドレス情報抽出部３２０が録音してデジタル音響信号として入力する（Ｓ８０１）。具体的には、無指向性マイクロフォン（または指向性マイクロフォンの一方のチャンネル）であるマイクロフォン３１０から入力される音声を、Ａ／Ｄ変換器によりデジタル化する処理を行うことになる。

続いて、埋込情報抽出部３２１が、取得した音響信号から、埋め込まれている付加情報を抽出する（Ｓ８０２）。この埋込情報抽出部３２１における抽出処理の詳細については、後述する。

次に、アドレス情報変換部３２２が、抽出された付加情報をアドレス情報に変換する（Ｓ８０３）。アドレス情報変換部３２２は、付加情報とアドレス情報を対応付けた変換テーブルを備えており、抽出した付加情報で変換テーブルを参照し、アドレス情報に変換する処理を行う。

続いて、ネットワークアクセス部３３０が、変換により得られたアドレス情報を利用して、対応するサイトへアクセスする（Ｓ８０４）。例えば、得られたアドレス情報がサイト６０１を示すものである場合、サイト６０１にアクセスし、サイト６０１が保有している情報を取得できることになる。

（２．第２の実施形態）
次に、本発明第２の実施形態について説明する。図３は、本発明第２の実施形態に係るネットワーク接続装置の構成図である。図３中、第１の実施形態と同一機能を有するものについては、同一符号を付して説明を省略する。図３において、３４０はコンテンツ取得部、６０２は第２のサイトである。

コンテンツ取得部３４０は、アクセス先のサイトが、ダウンロード可能なコンテンツを保有する場合に、コンテンツを取得する機能を有している。そして、コンテンツ取得部３４０は、取得したコンテンツに音響信号が含まれている場合は、その音響信号を埋込情報抽出部３２１に渡す機能を有している。

続いて、図３に示した装置の処理動作について説明する。図４は、本発明第２の実施形態に係るネットワーク接続装置の処理動作を示すフローチャートである。図４においても、第１の実施形態と同一処理については、同一符号を付して説明を省略する。したがって、Ｓ８０１〜Ｓ８０４までは、第１の実施形態と同様の処理を行うことになる。第２の実施形態においては、サイト６０１にアクセスした後、サイト６０１にダウンロード可能なコンテンツが存在すれば、コンテンツ取得部３４０が、そのコンテンツを取得する（Ｓ８０５）。

コンテンツ取得部３４０は、取得したコンテンツに音響信号が含まれるかどうかを判断する（Ｓ８０６）。取得したコンテンツに音響信号が含まれる場合は、コンテンツ取得部３４０は、その音響信号を埋込情報抽出部３２１に渡す。埋込情報抽出部３２１は、コンテンツ取得部３４０から音響信号を受け取ると、マイクロフォン３１０を通して取得した音響信号と同様にして、埋め込まれている付加情報を抽出する（Ｓ８０２）。そして、アドレス情報変換部３２２が、アドレス情報に変換した後（Ｓ８０３）、ネットワークアクセス部３３０が、そのアドレス情報を利用して、対応するサイトへアクセスする（Ｓ８０４）。例えば、得られたアドレス情報が第２のサイト６０２を示すものである場合、第２のサイト６０２にアクセスし、第２のサイト６０２が保有している情報を取得できることになる。

このようにして、ダウンロードしたコンテンツに音響信号が含まれ、音響信号からアクセス情報が抽出される限り、Ｓ８０２〜Ｓ８０６の処理が繰り返され、次々に異なるサイトにアクセスすることになる。Ｓ８０６において、ダウンロードしたコンテンツに音響信号が含まれない場合は、新たな処理を行わず、ネットワーク接続装置の画面には、接続先のサイトの情報が表示されたままの状態となる。

（３．第３の実施形態）
次に、本発明第３の実施形態に係るネットワーク接続システムについて説明する。図５は、本発明第３の実施形態に係るネットワーク接続システムの構成図である。図５中、上記第１、第２の実施形態に係るネットワーク接続装置と同一機能を有するものについては、同一符号を付して説明を省略する。図５において、３０１は端末装置、３２０ａはアドレス情報抽出サーバ、３５０は音響信号取得部である。

図５に示すネットワーク接続システムは、基本的には、図３に示した第１の実施形態に係るネットワーク接続装置３００の機能を、端末装置３０１とアドレス情報抽出サーバ３２０ａに分散して備えたものとなっている。したがって、アドレス情報抽出サーバ３２０ａは、図３に示したアドレス情報抽出部３２０と同様、埋込情報抽出部３２１とアドレス情報変換部３２２を有しており、ネットワーク５００を介して、端末装置３０１から受信した音響信号からアドレス情報を抽出する機能を有している。ただし、アドレス情報抽出サーバ３２０ａは、端末装置３０１と通信を行うため、ネットワークアクセス機能を有している。

音響信号取得部３５０は、マイクロフォン３１０が取得した音響信号をデジタル化する機能を有している。図３に示した第１の実施形態においては、アドレス情報抽出部３２０が行う機能である。

続いて、図５に示したシステムの処理動作について説明する。図６は、本発明第３の実施形態に係るネットワーク接続システムの処理動作を示すフローチャートである。図６においても、第１の実施形態と同一処理については、同一符号を付して説明を省略する。したがって、Ｓ８０１、Ｓ８０２、Ｓ８０３、〜Ｓ８０４の各処理は、第１の実施形態と同様の処理を行うことになる。第３の実施形態においては、端末装置３５０が音響信号を取得した後（Ｓ８０１）、ネットワークアクセス部が、アドレス情報抽出サーバ３２０ａに音響信号を送信する（Ｓ８０７）。アドレス情報抽出サーバ３２０ａが音響信号を受信すると、埋込情報抽出部３２１が、取得した音響信号から、埋め込まれている付加情報を抽出する（Ｓ８０２）。次に、アドレス情報変換部３２２が、抽出された付加情報をアドレス情報に変換する（Ｓ８０３）。

続いて、アドレス情報抽出サーバ３２０ａが、変換により得られたアドレス情報を、送信元の端末装置３０１へ送信する（Ｓ８０８）。端末装置３０１がアドレス情報を受信すると、ネットワークアクセス部３３０は、受信したアドレス情報を利用して、対応するサイトへアクセスする（Ｓ８０４）。

なお、上記第１〜第３の実施形態においては、アドレス情報抽出部３２０が、埋込情報抽出部３２１とアドレス情報変換部３２２を有する構成とし、音響信号に埋め込まれた付加情報を抽出した後、付加情報をアドレス情報に変換する構成としたが、音響信号にアドレス情報を埋め込んでおき、アドレス情報抽出部３２０が、埋込情報抽出部３２１と同等の機能を有し、直接アドレス情報を抽出するようにしても良い。ただし、ＵＲＬ等のアドレス情報は、比較的文字数が多いため、録音時間をより短くするために、より短い情報を付加情報として埋め込んでおき、アドレス情報変換部３２２がアドレス情報に変換する方が好ましい。例えば、ＵＲＬだと数十バイトを要するが、付加情報として４〜５バイトの文字を埋め込んでおけば、わずかな時間で付加情報が埋め込まれた部分の音響信号の録音が可能となる。

（４．音響信号への付加情報の埋め込み）
次に、音響信号への付加情報の埋め込みについて説明する。この付加情報が埋め込まれた音響信号は、音響信号再生装置４００により再生される。図７は、音響信号に対する情報の埋込装置の構成を示す機能ブロック図である。図７において、１０は音響フレーム読込手段、２０は周波数変換手段、３０は低周波成分変更手段、４０は周波数逆変換手段、５０は改変音響フレーム出力手段、６０は記憶手段、６１は音響信号記憶部、６２は付加情報記憶部、６３は改変音響信号記憶部、７０は付加情報読込手段である。なお、図７に示す装置は、ステレオ音響信号、モノラル音響信号の両方に対応可能であるが、ここでは、ステレオ音響信号に対して処理を行う場合について説明していく。

音響フレーム読込手段１０は、付加情報の埋め込み対象とする元のステレオ音響信号の各チャンネルから所定数のサンプルを１フレームとして読み込む機能を有している。周波数変換手段２０は、音響フレーム読込手段１０が読み込んだ音響信号のフレームをフーリエ変換等により周波数変換してフレームスペクトルを生成する機能を有している。低周波成分変更手段３０は、Ａタイプの音響フレームについては、生成されたフレームスペクトルから３つの所定周波数範囲に相当するスペクトル集合を３セット抽出し、付加情報記憶部６２から抽出した付加情報に基づいて、低周波強度データのスペクトル集合間の割合（比率）を変更し、Ｂタイプの音響フレームについては、生成されたフレームスペクトルの所定周波数範囲の低周波強度データを“０”にする機能を有している。周波数逆変換手段４０は、変更された低周波強度データを含む複数のフレームスペクトルに対して周波数逆変換を行うことにより、改変音響フレームを生成する機能を有している。改変音響フレーム出力手段５０は、生成された改変音響フレームを順次出力する機能を有している。記憶手段６０は、付加情報を埋め込む対象とするステレオ音響信号を記憶した音響信号記憶部６１と、ビット配列として構成され、ステレオ音響信号に埋め込まれる付加情報を記憶した付加情報記憶部６２と、付加情報埋め込み後の改変音響信号を記憶する改変音響信号記憶部６３を有しており、その他処理に必要な各種情報を記憶するものである。付加情報読込手段７０は、付加情報記憶部６２から付加情報を抽出する機能を有している。なお、付加情報とは、音響信号に付加するものとして埋め込む音響信号そのもの以外の情報であり、その内容は、ＩＰアドレスやＵＲＬ等の、ネットワーク上のコンピュータにアクセスするためのアドレス情報であるか、またはアドレス情報に変換するためのＩＤである。本実施形態では、ＩＤを用いた場合について説明する。図７に示した各構成手段は、現実にはコンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。

次に、図７に示した音響信号に対する情報の埋込装置の処理動作について図８のフローチャートに従って説明する。ここでは、音響信号として、Ｌ（左）、Ｒ（右）の２チャンネルを有するステレオ音響信号に対して処理を行う場合について説明していく。図８は、付加情報１ワード分の処理に対応したものとなっている。１ワードとしては、任意のビット数に設定することができるが、通常１バイトに設定する。まず、付加情報読込手段７０は、付加情報記憶部６２から付加情報を１ワード単位で読み込む（Ｓ１０１）。具体的には、音響信号に対する情報の埋め込み装置として用いられるコンピュータ内のレジスタに１ワード読み込むことになる。続いて、モードを区切りモードに設定する（Ｓ１０２）。モードは区切りモードと、ビットモード、継続識別モードの３種類が存在する。区切りモードは１ワード単位の区切りにおける処理を行うモードを示し、ビットモードは１ワードの各ビットの値に基づいた処理を行うモードを示している。付加情報記憶部６２から１ワード読み込んだ場合には、その直後に必ず区切りモードに設定されることになる。継続識別モードは、低周波成分の信号レベルが小さい音響フレームが出現した場合に、区切り情報が埋め込まれた場合、次のビットが先頭から始まる新規なものか、中断されたために継続されたものであるかを識別するための情報を記録するモードを示している。

続いて、音響フレーム読込手段１０が、音響信号記憶部６１に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルを１音響フレームとして読み込む（Ｓ１０４）。音響フレーム読込手段１０が読み込む１音響フレームのサンプル数は、適宜設定することができるが、サンプリング周波数が４４．１ｋＨｚの場合、４０９６サンプル程度とすることが望ましい。したがって、音響フレーム読込手段１０は、左チャンネル、右チャンネルについてそれぞれ４０９６サンプルずつ、順次音響フレームとして読み込んでいくことになる。本発明においては、音響フレームとしてＡタイプとＢタイプが存在する。Ａタイプの音響フレーム、Ｂタイプの音響フレームは、それぞれ同タイプの先行する音響フレームの最後のサンプルの次のサンプルを先頭サンプルとして設定される。そして、ＡタイプとＢタイプの音響フレームは互いに所定数（本実施形態では２０４８）のサンプルを重複して設定される。例えば、Ａタイプの音響フレームを先頭からＡ１、Ａ２、Ａ３…とし、Ｂタイプの音響フレームを先頭からＢ１、Ｂ２、Ｂ３…とすると、Ａ１はサンプル１〜４０９６、Ａ２はサンプル４０９７〜８１９２、Ａ３はサンプル８１９３〜１２２８８、Ｂ１はサンプル２０４９〜６１４４、Ｂ２はサンプル６１４５〜１０２４０、Ｂ３はサンプル１０２４１〜１４３３６となる。なお、ＡタイプとＢタイプは相対的なものであるので、どちらが先であっても良い。すなわち、上記とは逆にＡ１がサンプル２０４９〜６１４４、Ａ２がサンプル６１４５〜１０２４０、Ａ３がサンプル１０２４１〜１４３３６、Ｂ１がサンプル１〜４０９６、Ｂ２がサンプル４０９７〜８１９２、Ｂ３がサンプル８１９３〜１２２８８であっても良い。図８の例では、Ｂタイプ音響フレームを先に設定した場合を示している。

続いて、周波数変換手段２０は、読み込んだＢタイプの音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る（Ｓ１０５）。具体的には、Ｓ１０４で読み込んだＢタイプの音響フレームについて、窓関数を利用して周波数変換を行う。周波数変換としては、フーリエ変換、ウェーブレット変換その他公知の種々の手法を用いることができる。本実施形態では、フーリエ変換を用いた場合を例にとって説明する。なお、後述するＳ１０９においては、同様にして、Ｓ１０８で読み込んだＡタイプの音響フレームについて、窓関数を利用して周波数変換を行う。

ここで、本実施形態においてフーリエ変換に利用する窓関数について説明しておく。一般に、所定の信号に対してフーリエ変換を行う場合、信号を所定の長さに区切って行う必要があるが、この場合、所定長さの信号に対してそのままフーリエ変換を行うと、区切り部分が不連続になる。そこで、一般にフーリエ変換を行う場合には、ハニング窓と呼ばれる窓関数を用いて、信号の値を変化させた後、変化後の値に対してフーリエ変換を実行する。本実施形態においては、Ａタイプの音響フレームに対しては、ハニング窓関数に代えて図９（ｂ）〜（ｄ）に示したような窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用いてフーリエ変換を行う。これにより、埋め込まれた情報が抽出側でより認識し易くなる。窓関数Ｗ（１，ｉ）は、音響フレームの前部を抽出するためのものであり、図９（ｂ）に示すように前部の所定のサンプル番号ｉの位置において、最大値１をとり、後部においては、最小値０をとるように設定されている。どのサンプル番号の場合に最大値をとるかについては、窓関数Ｗ（１，ｉ）の設計によって異なってくるが、本実施形態では、後述する〔数式１〕で定義される。窓関数Ｗ（１，ｉ）を乗じることにより、図９（ａ）に示すような音響フレームの信号波形は、図９（ｆ）に示すように、前部に信号成分が残り、後部の信号成分が削除されたものとなり、これがフーリエ変換対象となる。

また、窓関数Ｗ（２，ｉ）は、音響フレームの中央部を抽出するためのものであり、図９（ｃ）に示すように、中央部の所定のサンプル番号ｉの位置において、最大値１をとり、前部、後部においては、最小値０をとるように設定されている。どのサンプル番号の場合に最大値をとるかについては、窓関数Ｗ（２，ｉ）の設計によって異なってくるが、本実施形態では、後述する〔数式２〕で定義される。窓関数Ｗ（２，ｉ）を乗じることにより、図９（ａ）に示すような音響フレームの信号波形は、図９（ｇ）に示すように、中央部に信号成分が残り、前部と後部の信号成分が除去されたものとなり、これがフーリエ変換対象となる。

また、窓関数Ｗ（３，ｉ）は、音響フレームの後部を抽出するためのものであり、図９（ｄ）に示すように、前部においては最小値０をとり、後部の所定のサンプル番号ｉの位置において、最大値１をとるように設定されている。どのサンプル番号の場合に最大値をとるかについては、窓関数Ｗ（３，ｉ）の設計によって異なってくるが、本実施形態では、後述する〔数式３〕で定義される。窓関数Ｗ（３，ｉ）を乗じることにより、図９（ａ）に示すような音響フレームの信号波形は、図９（ｈ）に示すように、前部の信号成分が除去され、後部に信号成分が残ったものとなり、これがフーリエ変換対象となる。このように前部、中央部、後部を抽出した後、フーリエ変換を実行するため、前部、中央部、後部に対応したスペクトルが得られることになる。１つの音響フレームにビット値を埋め込むためには、本来、前部と後部の２つに分けられれば良いのであるが、抽出側においては、必ずしも、信号を同期して読み込むことができるとは限らず、したがって、前部と後部をはっきりと区別するため、本実施形態では、埋め込み時に中央部の信号成分を常に削除し、前部と後部を時間的に分離することとしている（ただし、抽出時は前部と後部だけを解析すればよく、中央部は無視してよい）。本実施形態において用いる窓関数の最大の特徴は、窓関数Ｗ（１，ｉ）と窓関数Ｗ（３，ｉ）が左右非対称である点である。このため、特に、ビット反転が起こりにくくなる。

また、本実施形態では、音響フレームを重複させて読み込み、奇数フレーム（または偶数フレーム）については、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用い、偶数フレーム（または奇数フレーム）については、図９（ｅ）に示したような窓関数Ｗ（４，ｉ）を用いるようにした。

なお、本実施形態においては、音響フレームは重複して読み込まれる。すなわち、奇数番目の音響フレームと偶数番目の音響フレームは、所定数のサンプルを重複して読み込む。上記のように、奇数フレームと偶数フレームでは、用いられる窓関数が異なるが、奇数フレームと偶数フレームは単に奇数か偶数かの違いだけであるため、どちらに対して処理をどちらの処理を行っても良い。したがって、本明細書では、奇数フレーム、偶数フレームの一方をＡタイプフレーム、他方をＢタイプフレームと呼ぶことにする。図８の例に従うと、奇数フレームをＢタイプフレーム、偶数フレームをＡタイプフレームとなるが、逆に偶数フレームをＢタイプフレーム、奇数フレームをＡタイプフレームとしても良い。

本実施形態では、窓関数Ｗ（１，ｉ）〜Ｗ（４，ｉ）は、以下の〔数式１〕〜〔数式４〕で定義される。なお、図９において、横軸は時間軸（ｉ）である。ｉは、後述するように、各音響フレーム内のＮ個のサンプルに付した通し番号であるため時刻ｔに比例している。また、図９（ａ）（ｆ）（ｇ）（ｈ）（ｉ）において縦軸は信号の振幅値（レベル）を示す。図９（ｂ）〜（ｅ）において縦軸は窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）の値を示しており、Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）の最大値はいずれも１である。

〔数式１〕
ｉ≦３Ｎ／８のとき、Ｗ（１，ｉ）＝０．５−０．５ｃｏｓ（８πｉ／（３Ｎ））
３Ｎ／８＜ｉ≦Ｎ／２のとき、Ｗ（１，ｉ）＝０．５−０．５ｃｏｓ（８π（ｉ−Ｎ／４）／Ｎ）
ｉ＞Ｎ／２のとき、Ｗ（１，ｉ）＝０．０

〔数式２〕
ｉ≦３Ｎ／８のとき、Ｗ（２，ｉ）＝０．０
３Ｎ／８＜ｉ≦Ｎ／２のとき、Ｗ（２，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／４）／Ｎ）
ｉ＞３Ｎ／４のとき、Ｗ（２，ｉ）＝０．０

〔数式３〕
ｉ≦Ｎ／２のとき、Ｗ（３，ｉ）＝０．０
ｉ＞Ｎ／２のとき、Ｗ（３，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／２）／Ｎ）

〔数式４〕
ｉ≦Ｎ／４のとき、Ｗ（４，ｉ）＝０．０
Ｎ／４＜ｉ≦Ｎ／２のとき、Ｗ（４，ｉ）＝０．５−０．５ｃｏｓ（４π（ｉ−Ｎ／４）／Ｎ）
Ｎ／２＜ｉ≦７Ｎ／８のとき、Ｗ（４，ｉ）＝０．５−０．５ｃｏｓ（８π（ｉ−Ｎ／８）／（３Ｎ））
ｉ＞７Ｎ／８のとき、Ｗ（４，ｉ）＝０．０

なお、図１４および上記〔数式１〕〜〔数式４〕から明らかなように、窓関数Ｗ（１，ｉ）とＷ（３，ｉ）は、互いに非対称な形状である。これは、後述する抽出側において、両者の識別を容易にするためである。また、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）は、ｉが所定の値のときに最大値１をとり、ｉがその他の値をとる場合には、ｉの値に応じて単調増加、または単調減少する窓関数を分割したものであるため、窓関数Ｗ（１，ｉ）とＷ（３，ｉ）が定まると、窓関数Ｗ（２，ｉ）も必然的に定まる。このため、窓関数Ｗ（２，ｉ）は左右非対称の形状となっている。

本実施形態においては、奇数フレームと偶数フレームを、所定サンプルずつ重複して読み込むため、情報の埋め込みを行った後、音響信号に復元する際に、窓関数を乗じた奇数フレームと、窓関数を乗じた偶数フレームの重複サンプルを加算した場合に、ほぼ元の値に戻るようにしなければならない。このため、窓関数Ｗ（４，ｉ）の形状は、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）の値に応じて必然的に定まる。すなわち、奇数フレームと偶数フレームの重複部分において、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）を加算すると、全区間固定値１になるように定義されている。以上が、本実施形態で用いる窓関数の概要である。

Ｓ１０５に戻って説明する。Ｓ１０５おいてフーリエ変換を行う場合、具体的には、左チャンネル信号Ｘｌ（ｉ）、右チャンネル信号Ｘｒ（ｉ）（ｉ＝０，…，Ｎ−１）に対して、窓関数Ｗ（４，ｉ）を用いて、以下の〔数式５〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（４，ｊ）、虚部Ｂｌ（４，ｊ）、右チャンネルに対応する変換データの実部Ａｒ（４，ｊ）、虚部Ｂｒ（４，ｊ）を得る。

〔数式５〕
Ａｌ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（４，ｊ）＝Σ_i=0,…,N-1Ｗ（４，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）

〔数式５〕において、ｉは、各音響フレーム内のＮ個のサンプルに付した通し番号であり、ｉ＝０，１，２，…Ｎ−１の整数値をとる。また、ｊは周波数の値について、値の小さなものから順に付した通し番号であり、ｉと同様にｊ＝０，１，２，…Ｎ−１の整数値をとる。サンプリング周波数が４４．１ｋＨｚ、Ｎ＝４０９６の場合、ｊの値が１つ異なると、周波数が１０．８Ｈｚ異なることになる。次に、低周波成分変更手段３０は、窓４成分（第４窓関数による低周波スペクトルの各成分）の除去を行う（Ｓ１０６）。具体的には、窓４成分に対して、以下の〔数式６〕に従った処理を実行することになる。

上記〔数式５〕に従った処理を実行することにより、各音響フレームの信号成分を周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、低周波成分変更手段３０が、生成されたフレームスペクトルから３つの所定周波数範囲のスペクトル集合を抽出する。人間の聴覚は、２００〜３００Ｈｚ程度までの低周波成分については、方向性を感知しにくくなっていることが知られている（コロナ社１９９０年１０月３０日発行「音響工学講座１．基礎音響工学、日本音響学会編」ｐ２４７図９・２６参照）。したがって、本実施形態では、低周波成分を２００Ｈｚ程度以下としている。周波数２００Ｈｚ付近は、上記ｊが２０に相当するので、上記〔数式５〕により算出された実部Ａｌ（４，ｊ）、虚部Ｂｌ（４，ｊ）、実部Ａｒ（４，ｊ）、虚部Ｂｒ（４，ｊ）、のうち、ｊ≦２０（＝Ｍ）のものを抽出することになる。

〔数式６〕
ｊ＝１〜Ｍの各成分に対して
Ａｌ´（４，ｊ）＝０
Ｂｌ´（４，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（４，ｊ）＝｛Ａｌ（４，ｊ）²＋Ｂｌ（４，ｊ）²＋Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2
Ａｒ´（４，ｊ）＝Ａｒ（４，ｊ）・Ｅ（４，ｊ）／｛Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2
Ｂｒ´（４，ｊ）＝Ｂｒ（４，ｊ）・Ｅ（４，ｊ）／｛Ａｒ（４，ｊ）²＋Ｂｒ（４，ｊ）²｝^1/2

次に、周波数逆変換手段４０が、上記Ｓ１０６の処理により窓４成分が除去されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う（Ｓ１０７）。この周波数逆変換は、当然のことながら、周波数変換手段２０がＳ１０５において実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段２０において、フーリエ変換を施しているため、周波数逆変換手段４０は、フーリエ逆変換を実行することになる。具体的には、上記〔数式６〕のいずれかにより得られたスペクトルの左チャンネルの実部Ａｌ´（４，ｊ）、虚部Ｂｌ´（４，ｊ）、右チャンネルの実部Ａｒ´（４，ｊ）、虚部Ｂｒ´（４，ｊ）を用いて、以下の〔数式７〕に従った処理を行い、Ｘｌ´（ｉ）、Ｘｒ´（ｉ）を算出する。なお、上記〔数式６〕において改変されていない周波数成分については、以下の〔数式７〕においてはＡｌ´（４，ｊ）、Ｂｌ´（４，ｊ）、Ａｒ´（４，ｊ）、Ｂｒ´（４，ｊ）として、元の値であるＡｌ（４，ｊ）、Ｂｌ（４，ｊ）、Ａｒ（４，ｊ）、Ｂｒ（４，ｊ）を用いる。

〔数式７〕
Ｘｌ´（ｉ）＝１／Ｎ・｛Σ_jＡｌ´（４，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（４，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｌｐ（ｉ＋Ｎ／２）
Ｘｒ´（ｉ）＝１／Ｎ・｛Σ_jＡｒ´（４，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（４，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｒｐ（ｉ＋Ｎ／２）

上記〔数式７〕によりＡタイプの改変音響フレームの左チャンネルの各サンプルＸｌ´（ｉ）、右チャンネルの各サンプルＸｒ´（ｉ）、が得られることになる。改変音響フレーム出力手段５０は、得られた改変音響フレームを順次出力ファイルに出力する。続いて、音響フレーム読込手段１０が、音響信号記憶部６１に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルをＡタイプの音響フレームとして読み込む（Ｓ１０８）。上述のように、Ｂタイプの音響フレームとＡタイプの音響フレームは、２０４８サンプル重複したものとなっている。したがって、音響フレーム読込手段１０は、Ｓ１０８においては、Ｓ１０４でＢタイプ音響フレームを読み込んだ位置から２０４８サンプル分移動させて、音響フレームを読み込むことになる。

続いて、周波数変換手段２０は、読み込んだＡタイプの音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る（Ｓ１０９）。具体的には、各音響フレームについて、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）の３つの窓関数を用いて行う。周波数変換としては、フーリエ変換、ウェーブレット変換その他公知の種々の手法を用いることができるが、上記Ｓ１０５の場合と同様、本実施形態では、フーリエ変換を用いる。

Ｓ１０９においてフーリエ変換を行う場合、具体的には、左チャンネル信号Ｘｌ（ｉ）、右チャンネル信号Ｘｒ（ｉ）（ｉ＝０，…，Ｎ−１）に対して、３つの窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）を用いて、以下の〔数式８〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（１，ｊ）、Ａｌ（２，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（２，ｊ）、Ｂｌ（３，ｊ）、右チャンネルに対応する変換データの実部Ａｒ（１，ｊ）、Ａｒ（２，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（２，ｊ）、Ｂｒ（３，ｊ）を得る。なお、窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）は、それぞれ音響フレームの前部（先頭）付近、中央付近、後部付近において値が大きくなる関数となっている。

〔数式８〕
Ａｌ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｌ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｌ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｌ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｌ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｌ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（１，ｊ）＝Σ_i=0,…,N-1Ｗ（１，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（２，ｊ）＝Σ_i=0,…,N-1Ｗ（２，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）
Ａｒ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｒ（ｉ）・ｃｏｓ（２πｉｊ／Ｎ）
Ｂｒ（３，ｊ）＝Σ_i=0,…,N-1Ｗ（３，ｉ）・Ｘｒ（ｉ）・ｓｉｎ（２πｉｊ／Ｎ）

上記〔数式５〕と同様に、〔数式８〕において、ｉは、各音響フレーム内のＮ個のサンプルに付した通し番号であり、ｉ＝０，１，２，…Ｎ−１の整数値をとる。また、ｊは周波数の値について、値の小さなものから順に付した通し番号であり、ｉと同様にｊ＝０，１，２，…Ｎ−１の整数値をとる。サンプリング周波数が４４．１ｋＨｚ、Ｎ＝４０９６の場合、ｊの値が１つ異なると、周波数が１０．８Ｈｚ異なることになる。

上記〔数式８〕に従った処理を実行することにより、各音響フレームの信号成分を周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、低周波成分変更手段３０が、生成されたフレームスペクトルから３つの所定周波数範囲のスペクトル集合を抽出する。上述のように、人間の聴覚は、２００〜３００Ｈｚ程度までの低周波成分については、方向性を感知しにくくなっているため、ここでも、低周波成分を２００Ｈｚ程度以下としている。周波数２００Ｈｚ付近は、上記ｊが２０に相当するので、上記〔数式８〕により算出された実部Ａｌ（１，ｊ）、Ａｌ（２，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（２，ｊ）、Ｂｌ（３，ｊ）、実部Ａｒ（１，ｊ）、Ａｒ（２，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（２，ｊ）、Ｂｒ（３，ｊ）のうち、ｊ≦２０（＝Ｍ）のものを抽出することになる。

続いて、低周波成分変更手段３０は、抽出した左チャンネルの実部Ａｌ（１，ｊ）、Ａｌ（３，ｊ）、虚部Ｂｌ（１，ｊ）、Ｂｌ（３，ｊ）、右チャンネルの実部Ａｒ（１，ｊ）、Ａｒ（３，ｊ）、虚部Ｂｒ（１，ｊ）、Ｂｒ（３，ｊ）を利用して、以下の〔数式９〕により、合算値Ｅ₁、合算値Ｅ₂を算出する。

〔数式９〕
Ｅ₁＝Σ_j=1,…,M-3｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝
Ｅ₂＝Σ_j=1,…,M-3｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝

上記〔数式９〕により算出されたＥ₁は音響フレーム前部付近のスペクトル集合の成分強度の合算値、Ｅ₂は音響フレーム後部付近のスペクトル集合の成分強度の合算値を示すことになる。続いて、この合算値Ｅ₁、Ｅ₂がレベル下限値Ｌｅｖ以上であるかどうかの判定を行う。レベル下限値Ｌｅｖは、音響信号Ｘｌ（ｉ）、Ｘｒ（ｉ）の振幅最大値が１に正規化されており、Ｍ＝２０に設定されている場合、０．５に設定する。このＬｅｖ＝０．５という値は、経験的にアナログ変換への耐性が維持できるレベルであり、低周波成分が少ない場合は適宜下げることになるが、その場合は、アナログ変換により検出精度も低下することになる。

合算値Ｅ₁、Ｅ₂がレベル下限値Ｌｅｖ以上であるかどうかを判断するのは、信号の強度が小さいと、信号を変化させても、その変化を抽出側で検出することができないためである。また、本実施形態では、第１の値（例えば“１”）と第２の値（例えば“０”）をとり得るビット値が“１”の場合、窓３成分（第３窓関数による低周波スペクトルの各成分）に、ビット値が“０”の場合、窓１成分（第１窓関数による低周波スペクトルの各成分）に、埋め込むこととしている。したがって、埋め込むビット値が“１”の場合は、合算値Ｅ₁が下限値Ｌｅｖ未満であるとき、埋め込むビット値が“０”の場合は、合算値Ｅ₂がレベル下限値Ｌｅｖ未満であるとき、アクセス情報のビット値に応じた記録をせず、先頭ビットから再度処理するため、読み込み位置を先頭ビットに戻し、モードを区切りモードに設定する（Ｓ１１０）。一方、埋め込むビット値が“１”で合算値Ｅ₁がレベル下限値Ｌｅｖ以上であるか、埋め込むビット値が“０”で合算値Ｅ₂がレベル下限値Ｌｅｖ以上であるときには、モードを判断することになる。

低周波成分変更手段３０は、モードが区切りモードである場合、左（Ｌ）チャンネル信号において、窓１成分と窓３成分の低周波成分を均等（全て０となる場合も含む）とする処理を行う（Ｓ１１２）。具体的には、以下の〔数式１０〕に従って、Ｌ側の双方を０に設定する処理を実行することになる。この場合、右（Ｒ）チャンネル信号の窓１成分と窓３成分は必ずしも均等ではない。

〔数式１０〕
ｊ＝１〜Ｍに対して、
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2

上記〔数式１０〕に従った処理を実行することにより、左チャンネルのフレームスペクトルの低周波数成分は、窓１成分と窓３成分共に“０” で同一となる。この窓１成分と窓３成分が均等のパターンは、付加情報の先頭位置（区切り）を示す情報となる。なお、上記〔数式１０〕においては、窓１成分と窓３成分ともにＡｌ´（ｊ）＝Ｂｌ´（ｊ）＝０としているが、抽出側で区切りであることが認識可能とすることを目的としているため、十分小さな値であれば、必ずしも０とする必要はない。また、必ずしも窓１成分と窓３成分において同一である必要はなく、差が小さければ良い。この意味で、ここでは「均等」という言葉を用いている。

一方、低周波成分変更手段３０は、モードがビットモード又は継続識別モードである場合、付加情報記憶部６２から抽出した付加情報のビット配列のビット値に応じて、左チャンネル信号の窓１成分と窓３成分のスペクトル強度の割合を窓１成分が優位か、窓３成分が優位かのいずれかの状態に変更する処理を行う（Ｓ１１１）。ここで、「優位」とは、一方の窓成分のスペクトル集合におけるスペクトル強度が、他方の窓成分のスペクトル集合におけるスペクトル強度よりも大きいことを示す。そこで、Ｓ１１１においては、第１の値と第２の値をとり得るビット値に応じて以下の〔数式１１〕、〔数式１２〕のいずれかに従った処理を実行することにより、窓１成分のスペクトル強度と、窓３成分のスペクトル強度の大小関係を変更し、窓１成分が優位か、窓３成分が優位かのいずれかに変更する処理を行う。例えば、第１の値を１、第２の値を０とした場合、ビット値が１のとき、窓１成分に対して、以下の〔数式１１〕に従った処理を実行する。

〔数式１１〕
ｊ＝１〜Ｍに対して
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2

なお、この場合、窓３成分に対しては、以下の〔数式１２〕に従った処理を実行する。

〔数式１２〕
ｊ＝Ｍ−２、Ｍ−１、Ｍの３成分に対して
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
更にステレオの場合、残存成分を強調させるため、次のように右チャンネル成分を左チャンネル成分に移動させる処理を行う。ｊ＝１〜Ｍ−３に対して
Ａｒ´（３，ｊ）＝０
Ｂｒ´（３，ｊ）＝０
Ａｌ´（３，ｊ）＝Ａｌ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝^1/2
Ｂｌ´（３，ｊ）＝Ｂｌ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝^1/2

上記〔数式１１〕〔数式１２〕による処理を行った結果、窓３成分のｊ＝Ｍ−２、Ｍ−１、Ｍにおいては、値が“０”となるが、他は所定値以上の信号成分が存在することになる。したがって、この場合、窓３成分が優位な状態にスペクトル強度の割合が変更されたことになる。続いて、ビット値が０のとき、窓３成分に対して、以下の〔数式１３〕に従った処理を実行する。

〔数式１３〕
ｊ＝１〜Ｍの各成分に対して
Ａｌ´（３，ｊ）＝０
Ｂｌ´（３，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（３，ｊ）＝｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²＋Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ａｒ´（３，ｊ）＝Ａｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｒ´（３，ｊ）＝Ｂｒ（３，ｊ）・Ｅ（３，ｊ）／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2

なお、この場合、窓１成分に対しては、以下の〔数式１４〕に従った処理を実行する。

〔数式１４〕
ｊ＝Ｍ−２、Ｍ−１、Ｍの３成分に対して
Ａｌ´（１，ｊ）＝０
Ｂｌ´（１，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（１，ｊ）＝｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²＋Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ａｒ´（１，ｊ）＝Ａｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｒ´（１，ｊ）＝Ｂｒ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
更にステレオの場合、残存成分を強調させるため、次のように右チャンネル成分を左チャンネル成分に移動させる処理を行う。ｊ＝１〜Ｍ−３に対して
Ａｒ´（１，ｊ）＝０
Ｂｒ´（１，ｊ）＝０
Ａｌ´（１，ｊ）＝Ａｌ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝^1/2
Ｂｌ´（１，ｊ）＝Ｂｌ（１，ｊ）・Ｅ（１，ｊ）／｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝^1/2

上記〔数式１３〕〔数式１４〕による処理を行った結果、窓１成分のｊ＝Ｍ−２、Ｍ−１、Ｍにおいては、値が“０”となるが、他は所定値以上の信号成分が存在することになる。したがって、この場合、窓１成分が優位な状態にスペクトル強度の割合が変更されたことになる。

上記〔数式１１〕および〔数式１２〕、又は〔数式１３〕および〔数式１４〕のいずれかに従った処理を実行することにより、付加情報のビット配列の各ビット値に応じて、左チャンネル信号の窓１成分が優位か、窓３成分が優位かのどちらかのパターンに変更されることになる。なお、Ｓ１１１においては、継続識別モードの場合は、新規であるときは〔数式１１〕に従って低周波成分の窓１成分、窓３成分間の分布を窓３成分が優位な状態に変更し、継続であるときは〔数式１２〕に従って低周波成分の窓１成分、窓３成分間の分布を窓１成分が優位な状態に変更することになる。

この場合、高周波帯と低周波数帯の間には、必ず信号成分が“０”の部分が存在し、これにより、高周波帯と低周波数帯の信号成分が混在することを防いでいる。結局、低周波成分変更手段３０は、区切りモードの場合に〔数式１０〕に基づく処理をＳ１１２において行い、ビットモード又は継続識別モードの場合に〔数式１１〕〔数式１２〕又は〔数式１３〕〔数式１４〕に基づく処理をＳ１１１において行うことになる。

上記Ｓ１１１、Ｓ１１２いずれの場合であっても、次に、低周波成分変更手段３０は、窓２成分（第２窓関数による低周波スペクトルの各成分）の削除を行う（Ｓ１１３）。具体的には、窓２成分に対して、以下の〔数式１５〕に従った処理を実行することになる。

〔数式１５〕
ｊ＝１〜Ｍの各成分に対して
Ａｌ´（２，ｊ）＝０
Ｂｌ´（２，ｊ）＝０
ステレオの場合、右信号に対応した以下も算出
Ｅ（２，ｊ）＝｛Ａｌ（２，ｊ）²＋Ｂｌ（２，ｊ）²＋Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ａｒ´（２，ｊ）＝Ａｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2
Ｂｒ´（２，ｊ）＝Ｂｒ（２，ｊ）・Ｅ（２，ｊ）／｛Ａｒ（２，ｊ）²＋Ｂｒ（２，ｊ）²｝^1/2

次に、周波数逆変換手段４０が、上記Ｓ１１１〜Ｓ１１３の処理により各窓成分のスペクトル集合間の割合が変更されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う（Ｓ１１４）。この周波数逆変換は、当然のことながら、周波数変換手段２０がＳ１０５において実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段２０において、フーリエ逆変換を施しているため、周波数逆変換手段４０は、フーリエ逆変換を実行することになる。具体的には、上記〔数式１０〕〜〔数式１５〕のいずれかにより得られたスペクトルの左チャンネルの実部Ａｌ´（１，ｊ）等、虚部Ｂｌ´（１，ｊ）等、右チャンネルの実部Ａｒ´（１，ｊ）等、虚部Ｂｒ´（１，ｊ）等を用いて、以下の〔数式１６〕に従った処理を行い、Ｘｌ´（ｉ）、Ｘｒ´（ｉ）を算出する。なお、上記〔数式１０〕〜〔数式１５〕において改変されていない周波数成分については、Ａｌ´（１，ｊ）等として、元の周波数成分であるＡｌ（１，ｊ）等を用いる。

〔数式１６〕
Ｘｌ´（ｉ）＝１／Ｎ・｛Σ_jＡｌ´（１，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（１，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｌ´（２，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（２，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｌ´（３，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｌ´（３，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｌｐ（ｉ＋Ｎ／２）
Ｘｒ´（ｉ）＝１／Ｎ・｛Σ_jＡｒ´（１，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（１，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｒ´（２，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（２，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋１／Ｎ・｛Σ_jＡｒ´（３，ｊ）・ｃｏｓ（２πｉｊ／Ｎ）−Σ_jＢｒ´（３，ｊ）・ｓｉｎ（２πｉｊ／Ｎ）｝＋Ｘｒｐ（ｉ＋Ｎ／２）

上記〔数式１６〕においては、式が繁雑になるのを防ぐため、Σ_j=0,…_,N-1をΣ_jとして示している。上記〔数式１６〕における第１式の“＋Ｘｌｐ（ｉ＋Ｎ／２）”、第２式の“＋Ｘｒｐ（ｉ＋Ｎ／２）”の項は、直前に改変された改変音響フレームのデータＸｌｐ（ｉ）、Ｘｒｐ（ｉ）が存在する場合に、時間軸上Ｎ／２サンプル分重複することを考慮して加算するためのものである。上記〔数式１６〕によりＡタイプの改変音響フレームの左チャンネルの各サンプルＸｌ´（ｉ）、右チャンネルの各サンプルＸｒ´（ｉ）、が得られることになる。改変音響フレーム出力手段５０は、得られた改変音響フレームを順次出力ファイルに出力する。こうして１つの音響フレームに対する処理を終えたら、モードの判定を行い（Ｓ１１６）、モードが区切りモードである場合は、モードを継続識別モードに設定した後（Ｓ１１７）、音響フレーム読込手段１０が、Ｂタイプ音響フレームを読み込む（Ｓ１０４）。一方、モードがビットモード又は継続識別モードである場合は、モードをビットモードに設定した後（Ｓ１１８）、低周波成分変更手段３０がアクセス情報のビット配列中の次のビットを読み込む（Ｓ１０３）。以上のような処理を音響信号の両チャンネルの全サンプルに渡って実行していく。すなわち、所定数のサンプルを音響フレームとして読み込み、音響信号から読み込むべき音響フレームがなくなったら（Ｓ１０４）、処理を終了する。なお、Ｓ１０１において読み込んだ１ワードのデータの各ビットに対応する処理を終えた場合、Ｓ１０３からＳ１０１に戻り、アクセス情報の次のワードを読み込み処理をすることになる。アクセス情報の全ワードに対して処理が終了した場合は、アクセス情報の先頭ワードに戻って処理を行う。この結果、全ての音響フレームに対して処理を行った全ての改変音響フレームが出力ファイルに記録されて、改変音響信号として得られる。得られた改変音響信号は、記憶手段６０内の改変音響信号記憶部６３に出力され、記憶される。

以上の処理による左チャンネル信号の変化の様子を図１０を用いて説明する。図１０において、図面左右方向は、時間軸であり、サンプル数に比例する。また、図中多数存在する矩形は、改変音響フレームの窓１成分、窓３成分を示している。窓成分を示す矩形の横幅はサンプル数、縦幅は強度を示しているが、図１０においては、横幅、縦幅とも正確に示したものではなく、窓１成分に対応する先頭部分に強い信号成分があるか、窓３成分に対応する後部部分に強い信号成分があるかということを示すものである。図１０（ａ）は、上記〔数式９〕により算出された合算値Ｅ₁、Ｅ₂がレベル下限値Ｌｅｖ未満となる音響フレームが存在しない場合、すなわち、付加情報を埋め込むには、良好な信号である場合を示している。図１０（ｂ）は、上記〔数式９〕により算出された合算値Ｅ₁、Ｅ₂がレベル下限値Ｌｅｖ未満となる音響フレームが存在する場合、すなわち、付加情報を埋め込むには、良好でない信号である場合を示している。

例えば、付加情報として、１ワード目が「１１０１１１００」、２ワード目が「１１０００００１」の２ワードのビット配列を埋め込むとする。まず、各ワードの先頭には、区切りを示す情報として、窓１成分、窓３成分が均等な状態に設定されることになる。これは、Ｓ１０２により区切りモードに設定され、Ｓ１１２において、上記〔数式１０〕に従った処理を実行した結果得られる。続いて、付加情報の各ビットに対応した処理を行う前に、新規であるか継続であるかを示す情報を記録することになる。

本実施形態では、レベル下限値Ｌｅｖ未満となる音響フレームが存在した場合であっても、その時点で処理したビットは有効とし、そこから継続して行うため、そのビットが新規であるか継続であるかの情報を記録しておく必要がある。そこで、区切りを示す情報を記録した後には、新規であるか継続であるかを示す情報を記録する。具体的には、区切りモードの状態で、モード判断を行うことにより（Ｓ１１６）、継続識別モードに設定され（Ｓ１１７）、付加情報のビットを読み込むことなく、Ｂタイプ音響フレームの抽出に戻る（Ｓ１０４）。そして、周波数変換後（Ｓ１０９）、新規である場合には、〔数式１１〕に従った処理により、低周波成分である窓１成分、窓３成分間の分布を窓３成分が優位な状態に変更する（Ｓ１１１）。

このようにして、新規か継続かを示す情報を記録した後は、継続識別モードの状態でモード判断を行うため（Ｓ１１６）、ビットモードに設定され（Ｓ１１８）、レジスタから先頭のビットを読み込み（Ｓ１０３）、Ｂタイプ音響フレームの抽出を行う（Ｓ１０４）。図１０（ａ）の例では、レベル下限値Ｌｅｖ未満となる音響フレームが存在しないため、１ワードが連続してＳ１１１により処理されることになる。これは、Ｓ１０３からＳ１１８を経由するループが８回（１ワード＝１バイトの場合）連続して繰り返され、その間レベル下限値Ｌｅｖ未満であるとしてＳ１１０およびＳ１１２、Ｓ１１７を経由することがなかったことを示している。図１０に示すように、付加情報のビット値が１の場合は、窓３成分に低周波成分が存在し、付加情報のビット値が０の場合は、窓１成分に低周波成分が存在する。上記〔数式１１〕〜〔数式１４〕からもわかるように、この場合は他方の窓成分の低周波成分は０となる。

図１０（ｂ）の例では、上記〔数式９〕に従った処理の結果、レベル下限値Ｌｅｖ未満となる音響フレームが存在するので、この場合Ｓ１１０およびＳ１１２を経由して、上記〔数式１０〕に従った処理を実行した結果、窓１成分と窓３成分が均等な状態に設定される。この場合、Ｓ１１０において、区切りモードに設定されるため、Ｓ１１７を経由して、新規か継続かを示す情報を記録することになる。図１０（ｂ）の例では、１ワード目の「１１０１１１００」を埋め込む場合に、最初は第１ビット目の「１」の１ビット処理した時点でレベル下限値Ｌｅｖ未満の音響フレームが出現しているため、区切りを示す情報を記録した後、継続を示す情報を記録し、継続して第２ビット目の「１」から処理をしている。そして、第２ビット目から第５ビット目の「１０１１」を処理した時点でレベル下限値Ｌｅｖ未満の音響フレームが出現しているため、区切りを示す情報を記録した後、継続を示す情報を記録し、継続して第６ビット目の「１」から処理をしている。

なお、図１０の例では、付加情報の１ワードを１バイトとした場合について説明したが、新規か継続かを示す情報を記録するため、付加情報の１ワードを任意のビット数単位で記録することが可能である。

上記のようにして得られた改変音響信号の左チャンネルのうち、付加情報が埋め込まれている部分については、低周波成分は、窓１成分と窓３成分が均等となっているか、あるいは窓１成分が優位か、窓３成分が優位かの３通りの分布しかないことになる。しかし、高周波成分については、元の音響信号のままであるので、制作者の設定に基づいた種々な分布になる。また、上記の例で示したように、ステレオ音響信号を利用した場合には、左チャンネルにおいて変化させられた低周波成分は、上記〔数式１０〕〜〔数式１５〕の処理からも明らかなように、必ず右チャンネルの低周波成分に付加されている。したがって、右チャンネルが左チャンネルにおいて削除された成分を補っているため、両チャンネル全体として見ると、信号の劣化がない。人間の聴覚は、高周波成分については、方向性を感知し易いが、低周波成分については、方向性を感知しにくくなっている。したがって、低周波成分が一方に偏っていても、聴いている人にとっては、通常の音響信号と変わりなく聴こえることになる。

したがって、上記のようにして付加情報が埋め込まれた音響信号を音響信号再生装置４００において再生して、スピーカから音として発した音は、通常の音響信号と変わりなく聴こえるが、その音を取得したネットワーク接続装置３００においては、付加情報の抽出が可能となる。

（５．埋込情報抽出部３２１の詳細）
次に、ネットワーク接続装置３００、アドレス情報抽出サーバ３２０ａが有する埋込情報抽出部３２１の詳細について説明する。図１１は、埋込情報抽出部３２１の詳細を示す図である。図１１において、１１０は基準フレーム獲得手段、１２０は位相変更フレーム設定手段、１３０は周波数変換手段、１４０は符号判定パラメータ算出手段、１５０は符号出力手段、１６０は付加情報抽出手段、１７０は音響フレーム保持手段である。

基準フレーム獲得手段１１０は、入力されたデジタルのモノラル音響信号（あるいはステレオ音響信号の１チャンネル）から所定数のサンプルで構成される音響フレームを基準フレームとして読み込む機能を有している。位相変更フレーム設定手段１２０は、基準フレームと所定サンプルずつ移動させることにより位相を変更した音響フレームを位相変更フレームとして設定する機能を有している。周波数変換手段１３０は、図７に示した周波数変換手段２０と同様の機能を有している。符号判定パラメータ算出手段１４０は、生成されたフレームスペクトルから所定の周波数以下に相当する各低周波強度データを抽出し、窓１成分、窓３成分ごとに各低周波強度データの合算値Ｅ_C1、Ｅ_C2を以下の〔数式１７〕に基づいて算出し、この合算値Ｅ_C1、Ｅ_C2を符号判定パラメータとし、この符号判定パラメータＥ_C1、Ｅ_C2の比率に基づいて、所定の状態であると判断する機能を有している。以下の〔数式１７〕は上記〔数式９〕において右チャンネル成分を削除したもので、抽出時には右チャンネル成分を参照しないためである。

〔数式１７〕
Ｅ_C1＝Σ_j=1,…,M-3｛Ａｌ（１，ｊ）²＋Ｂｌ（１，ｊ）²｝
Ｅ_C2＝Σ_j=1,…,M-3｛Ａｌ（３，ｊ）²＋Ｂｌ（３，ｊ）²｝

符号出力手段１５０は、１つの基準フレームに対応する音響フレーム（基準フレームおよび位相変更フレーム）の中から最適な位相であると判断されるものを判断し、その音響フレームの状態に対応する符号を出力する機能を有している。付加情報抽出手段１６０は、符号出力手段１５０により出力された符号の集合である３値配列を、所定の規則により変換して意味のある付加情報として抽出する機能を有している。音響フレーム保持手段１７０は、連続する２個の基準フレームを保持可能なバッファメモリである。

次に、図１１に示した埋込情報抽出部３２１の処理動作について図１２のフローチャートに従って説明する。まず、本装置では、平均符号レベルＨＬ１、ＨＬ２、位相判定テーブルが初期化される。これらについて説明する。平均符号レベルＨＬ１、ＨＬ２は、ビット値に対応する２値が埋め込まれていたと判断される音響フレーム（以下、有効フレームと呼ぶことにする）についての、上記〔数式１７〕で算出される低周波成分の合算値Ｅ_C1、Ｅ_C2の平均値、すなわち、過去の有効フレームにおける合算値Ｅ_C1、Ｅ_C2の平均値で与えられるものであり、初期値は、上記埋め込み装置においても用いられるレベル下限値Ｌｅｖに設定されている。位相判定テーブルＳ（ｐ）は、位相を判定するためのテーブルであり、ｐは０〜５の整数値をとる。初期値はＳ（ｐ）＝０に設定されている。

このように、初期値が設定されている状態で、基準フレーム獲得手段１１０が、アドレス情報抽出部３２０がデジタル化した音響信号から、所定数のサンプルで構成される音響フレームを基準フレームとして抽出する（Ｓ２０１）。具体的には、基準フレームを抽出して音響フレーム保持手段１７０に読み込むことになる。基準フレーム獲得手段１１０が基準フレームとして読み込む１音響フレームのサンプル数は、図７に示した音響フレーム読込手段１０で設定されたものと同一にする必要がある。したがって、本実施形態の場合、基準フレーム獲得手段１１０は、４０９６サンプルずつ、順次基準フレームとして読み込んでいくことになる。音響フレーム保持手段１７０には、上述のように２個の基準フレームが格納可能となっており、新しい基準フレームが読み込まれると、古い基準フレームを破棄するようになっている。したがって、音響フレーム保持手段１７０には、常に基準フレーム２個分（連続する８１９２サンプル）が格納されていることになる。

埋込情報抽出部３２１で処理する音響フレームは、先頭から途切れることなく隣接して設定される基準フレームと、この基準フレームと位相を変更した位相変更フレームとに分けることができる。基準フレームについては、最初の基準フレームをサンプル番号１からサンプル番号４０９６までを設定したら、次の基準フレームは、サンプル番号４０９７からサンプル番号８１９２、さらに次の基準フレームは、サンプル番号８１９３からサンプル番号１２２８８、というように途切れることなく設定される。そして、各基準フレームについて、１／６フレーム（約６８３サンプル）ずつ移動した５個の位相変更フレームを設定する。例えば、最初の基準フレームについては、サンプル番号６８３、１３６６、２０４９、２７３２、３４１３から始まる４０９６のサンプルで構成される５個の位相変更フレームが設定されることになる。

続いて、周波数変換手段１３０、符号判定パラメータ算出手段１４０が、読み込んだ各音響フレームから、埋め込まれている情報を判定し、対応する符号を出力する（Ｓ２０２）。出力される情報の形式は、埋め込み側のビット値に対応する２値、および区切りとして入力された値の３値の形式となる。

ここで、ステップＳ２０２の符号判定処理の詳細を図１３のフローチャートに従って説明する。まず、周波数変換手段１３０が、読み込んだ各音響フレームに対して、周波数変換を行ってフレームスペクトルを得る（Ｓ４０１）。この処理は、図７に示した周波数変換手段２０における処理と同様である。ただし、抽出に用いるのは、左チャンネルだけであるので、上記〔数式８〕に従った処理を行い、左チャンネルに対応する変換データの実部Ａｌ（１，ｊ）等、虚部Ｂｌ（１，ｊ）等を得る。

上記周波数変換手段１３０における処理により、周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、符号判定パラメータ算出手段１４０は、平均符号レベルＨＬ１、ＨＬ２の算出を行う（Ｓ４０２）。具体的には、過去窓１成分が優位な状態と判断された音響フレームについての合算値Ｅ_C1の積算値であるｖ１を、過去窓１成分が優位な状態と判断された音響フレームの数であるｎ１で除算することによりＨＬ１を算出し、過去窓３成分が優位な状態と判断された音響フレームについての合算値Ｅ_C2の積算値であるｖ２を、過去窓３成分が優位な状態と判断された音響フレームの数であるｎ２で除算することによりＨＬ２を算出する。したがって、平均符号レベルＨＬ１、ＨＬ２は、過去対応する窓成分が優位な状態と判断された音響フレームの低周波強度データの合算値の平均値となる。

さらに、符号判定パラメータ算出手段１４０は、生成されたフレームスペクトルから所定の周波数範囲の各低周波強度データを抽出する。抽出すべき周波数範囲は、埋め込み装置と対応させる必要がある。したがって、ここでは、周波数が２００Ｈｚ程度以下の低周波強度データを抽出することになり、埋め込み装置の場合と同様、上記〔数式８〕により算出された左チャンネルの実部Ａｌ（ｊ）、虚部Ｂｌ（ｊ）のうち、ｊ≦２０のものを抽出する。そして、符号判定パラメータ算出手段１４０は、上記〔数式１７〕に従った処理を実行することにより、窓１成分の合算値Ｅ_C1、窓３成分の合算値Ｅ_C2を算出する。埋込情報抽出部３２１においては、これを符号判定パラメータとして用いる。

続いて、符号判定パラメータ算出手段１４０は、候補符号テーブルの初期化を行う（Ｓ４０３）。候補符号テーブルは、１つの基準フレームおよび５個の位相変更フレームを特定する０〜５の位相番号および、この６個の音響フレームの状態から得られる３値の符号を記録するものである。

続いて、符号判定パラメータ算出手段１４０は、窓１成分の合算値Ｅ_C1、窓３成分の合算値Ｅ_C2がそれぞれ所定値以下であるかどうかの判定を行う（Ｓ４０４）。具体的には、所定値としてそれぞれ平均符号レベルＨＬ１、ＨＬ２の２０分の１を設定する。合算値Ｅ_C1が平均符号レベルＨＬ１の２０分の１以下であり、かつ、合算値Ｅ_C2が平均符号レベルＨＬ２の２０分の１以下である場合、符号判定パラメータ算出手段１４０は、区切り情報であると判定する（Ｓ４０８）。

一方、符号判定パラメータ算出手段１４０は、上記算出された符号判定パラメータＥ_C1、Ｅ_C2の所定値との比較判定および相互の比較判定を以下の〔数式１８〕に従って行い（Ｓ４０５）、比較結果に対応する符号を出力する。

〔数式１８〕
Ｅ_C2＞（所定値）かつＥ_C2／Ｅ_C1＞２の場合、窓３成分が優位な状態
Ｅ_C1＞（所定値）かつＥ_C1／Ｅ_C2＞２の場合、窓１成分が優位な状態
上記以外の場合、両窓成分が均等

符号判定パラメータ算出手段１４０は、各音響フレーム単位で、上記判定結果に応じて３値の符号を出力する。すなわち、窓３成分が優位な状態と判定した場合には、第１のビット値（例えば“１”）を出力し（Ｓ４０６）、窓１成分が優位な状態と判定した場合には、第２のビット値（例えば“０”）を出力し（Ｓ４０７）、両窓成分が均等と判定した場合には、区切り情報を示す符号を出力する（Ｓ４０８）。なお、Ｓ４０５において、窓３成分が優位な状態と判定した場合は、Ｅ_C1がＨＬ１以上であるか、また、窓１成分が優位な状態と判定した場合は、Ｅ_C2がＨＬ２以上であるかを判定し、これらの条件を満たしていない場合は、区切り情報を示す符号を出力する（Ｓ４０８）。

窓３成分が優位な状態と判定して、第１のビット値を出力した場合（Ｓ４０６）、又は窓１成分が優位な状態と判定して、第２のビット値を出力した場合（Ｓ４０７）は、さらに、以下の〔数式１９〕に従って位相判定テーブルＳ（ｐ）の更新を行う（Ｓ４０９）。

〔数式１９〕
窓３成分が優位な状態の場合、Ｓ（ｐ）←Ｓ（ｐ）＋Ｅ_C1／Ｅ_C2
窓１成分が優位な状態の場合、Ｓ（ｐ）←Ｓ（ｐ）＋Ｅ_C2／Ｅ_C1

続いて、符号判定パラメータ算出手段１４０は、候補符号テーブルに、最適位相となる候補を保存する（Ｓ４１０）。具体的には、位相判定テーブルに記録されているＳ（ｐ）の値が最大となる位相番号ｐの値、前記Ｓ４０６〜Ｓ４０８により判定された３値のいずれかの符号、その音響フレームについての上記〔数式９〕に従った処理を実行することにより算出した、低周波数成分に対応する各Ｅ_C1、Ｅ_C2の値を最適位相の候補として候補符号テーブルに保存する。

続いて、全ての位相番号ｐに対応する処理を終えたかどうかを判定する（Ｓ４１１）。これは、ある基準フレームに対して全ての位相変更フレームの処理を行ったかどうかを判定している。本実施形態では、ｐが０〜５までの値をとるので、６回分処理していない場合は、処理していた音響フレームから所定サンプル数ずらして、位相の異なる音響フレームを設定し、Ｓ４０４に戻って処理を繰り返す。なお、ｐ＝０の場合が基準フレームであり、ｐ＝１〜５の場合が位相変更フレームである。全ての位相番号ｐに対応する処理を終えた場合は、候補保存テーブルに記録されている位相番号ｐに対応する位相が最適位相であると判定し、候補保存テーブルに記録されている符号を出力する（Ｓ４１２）。

再び図１２のフローチャートに戻って説明する。Ｓ２０２による処理の結果、ビット値に相当する符号が出力された場合には、平均符号レベルのパラメータの更新を行う（Ｓ２０３）。具体的には、平均符号レベルＨＬ１、ＨＬ２算出の際の分子となる積算値ｖ１、ｖ２にそれぞれ合算値Ｅ_C1、Ｅ_C2を加算して積算値ｖ１、ｖ２を更新し、分母となるフレーム数ｎ１、ｎ２にそれぞれ１を加算してフレーム数ｎ１、ｎ２を更新する。続いて、モードの判定を行う（Ｓ２０４）。モードは、区切りモードとビット出力モードの２つが用意されている。ビット出力モードである場合は、そのビット値をバッファに保存する（Ｓ２０９）。続いて、ビットカウンタをカウントアップする（Ｓ２１０）。一方、Ｓ２０４による判定の結果、区切りモードである場合には、さらに抽出された符号が、新規を意味するものか継続を意味するものかを判定する（Ｓ２０５）。この結果、新規である場合には、その直前で１ワードが終了していることを意味するので、バッファに記録された１ワード分のデータを、付加情報抽出手段１６０が出力する（Ｓ２０６）。そして、ビットカウンタを０に初期化する（Ｓ２０７）。さらに、モードをビット出力モードに設定する（Ｓ２０８）。Ｓ２０５において、継続と判定された場合には、バッファ内のビットに値を出力すべきであるので、ビット出力モードに設定する処理のみを行う。また、Ｓ２０２において、区切り情報に相当する符号が抽出された場合には、次の音響フレームから新規か継続かの情報を抽出するため、モードを区切りモードに設定する（Ｓ２１１）。図１２に示す処理を各基準フレームに対して実行することにより、付加情報が抽出されることになる。Ｓ２０１において全ての基準フレームが抽出されたと判断された場合には、処理を終了する。

上記Ｓ２０６の処理において、付加情報抽出手段１６０は、まず、符号判定パラメータ算出手段１４０により出力された３値の符号のうち、窓３成分と窓１成分が均等であることを示す符号を区切り位置として、その次の符号を先頭とし、窓３成分が優位な状態、窓１成分が優位な状態であることを示す符号をビット値に対応させて、ビット配列を作成する。続いて、このビット配列を、所定の規則により変換して意味のある付加情報として抽出する。所定の規則としては、情報を埋め込む者が意図した情報が受け取った者に認識可能な状態とできるものであれば、さまざまな規則が適用できるが、本実施形態では、文字情報として認識するための規則としている。すなわち、アクセス情報抽出手段１６０は、符号判定パラメータ算出手段１４０が判定し、符号出力手段１５０から出力される符号を１バイト（８ビット）単位で認識し、これを設定されたコード体系に従って文字情報であるアクセス情報を認識する。本実施形態ではＵＲＬを認識することになる。

従って、埋め込み装置により音響信号に、その楽曲の曲名やアーチスト等に関連するｗｅｂサイトのＵＲＬを文字情報として埋め込んでおけば、利用者は、その音楽が流れているのを聞いて、その曲名やアーチストに関連する詳細な情報を知りたいと思ったときに、抽出装置として機能する自身の携帯端末に所定の操作を行えば、自身の携帯端末で、その楽曲やアーチストに関連するｗｅｂサイトのＵＲＬが取得できることになる。

ここで本実施形態に示すような窓関数窓関数Ｗ（１，ｉ）、Ｗ（２，ｉ）、Ｗ（３，ｉ）、Ｗ（４，ｉ）を用いることの利点について説明する。図１４は、本実施形態の特徴を有しない窓関数を利用した場合の埋め込み直前と埋め込み後の低周波成分の状態を示す図であり、図１５は、本発明による埋め込み直前と埋め込み後の低周波成分の状態を示す図である。埋め込み後の低周波成分の状態である図１４（ｂ）と図１５（ｂ）を比較すると、本実施形態では、そうでない場合と比べてＡタイプ音響フレームにおいて広い範囲で値を有していることがわかる。そのため、Ｓ４０２において〔数式１７〕を用いて算出される合算値Ｅ_C1、Ｅ_C2の値が大きくなり、Ｓ４０６、Ｓ４０７においてビット値が抽出される確率が高まる。

以上の処理においては、埋込情報抽出部３２１において正確に付加情報を抽出するために、位相を補正する処理、窓３成分と窓１成分の強度のバランスを補正する処理、無効フレームであることを判断するための下限閾値を補正する処理を行っている。次に、これら３つの補正処理について補足説明を行う。

（５．２．位相補正処理について）
上記のように、抽出時には、埋め込み時に埋め込んだ音響フレームに対応して、音響信号を読み込むことができるとは限らない。そこで、音響フレームの位相をずらして複数通り（本実施形態では６通り）で読み込み、その中で最適な位相を決定し、その位相で特定される音響フレームに対応する符号を出力することにしている。例えば、６通りで読み込む場合、先頭の音響フレームは、本来サンプル番号１〜４０９６のサンプルであるが、サンプル番号１、６８３、１３６６、２０４９、２７３２、３４１３から始まる４０９６のサンプルで構成される６個の各音響フレームに対して処理を行い、最適な音響フレームに対応する符号を出力することになる。この位相補正処理は、Ｓ４０３、Ｓ４０９、Ｓ４１０、Ｓ４１１、Ｓ４１２における処理を中心として行われることになる。

（５．３．下限閾値補正処理について）
信号レベルが小さい場合には、窓成分の強度の大小が判定できず、抽出側で誤判断することが多くなる。そこで、合算値Ｅ_C1およびＥ_C2が所定の閾値以下のフレームについては、無効なフレームであると判断するようにしているが、この際の閾値を過去の有効フレームについての低周波強度の積算値を利用して補正する処理を行っている。このように閾値を変動させることにより、信号レベルが変動しても無効なフレームであるか、有効なフレームであるかを正確に判断することが可能となる。この下限閾値補正処理は、Ｓ４０２、Ｓ２０３における処理を中心として行われることになる。

（６．モノラル音響信号の場合）
上記実施形態においては、埋め込み装置、埋込情報抽出部３２１のいずれにおいても、左右のチャンネルを有するステレオ音響信号の左チャンネル信号に付加情報を埋め込む場合を例にとって説明したが、逆に右チャンネル信号に付加情報を埋め込むようにしても良い。本発明は、左右の特性には無関係だからである。また、１つのチャンネルしかないモノラル音響信号に対して処理を行う場合は、上記実施形態において、左チャンネル信号に対して行った処理を行うことになる。本発明は、１つのチャンネル信号に対して付加情報を埋め込み、また抽出を行うので、モノラル音響信号であってもステレオ音響信号であっても同様に行うことができる。

図１６にステレオ音響信号とモノラル音響信号に対して、本発明により付加情報を埋め込む場合の概念図を示す。図１６（ａ）はステレオ音響信号の場合、図１６（ｂ）はモノラル音響信号の場合である。なお、図１６の例では、音響フレーム１つ分の低周波成分を波形で表現しており、ビット値“０”を埋め込む場合を例に示している。

ステレオ音響信号の場合、埋め込みは左チャンネル（Ｌ−ｃｈ）信号に対して行われる。図１６（ａ）に示すように、周波数変換後、信号分離し、さらに、ビット埋め込み処理を行う。具体的には、〔数式１０〕〜〔数式１５〕の処理の結果、ビット埋め込みがなされることになる。ここで、上述のように、“０”を埋め込む場合は〔数式１３〕および〔数式１４〕を用いる。したがって、ビット埋め込み処理後は、音響フレームの中央付近（窓２に相当）と後部付近（窓３に相当）は、低周波数帯の信号成分は０（図中、波形がないことで表現）となる。この際、〔数式１３〕および〔数式１４〕の内容から明らかなように、左チャンネル信号の削除された信号成分は、右チャンネル（Ｒ−ｃｈ）信号に加算される。したがって、図１６（ａ）の下段に示すように、右チャンネル信号の低周波成分は大きくなる。ビット埋め込み処理後は、高周波成分を含めて信号合成された後、周波数逆変換され、改変音響信号が得られることになる。一方、上記〔数式１１〕の最後の３つの式から明らかなように、左チャンネル信号の残っている信号成分に対応する右チャンネル（Ｒ−ｃｈ）信号の成分は、左チャンネル信号に加算される。したがって、図１６（ａ）の上段に示すように、左チャンネル信号の窓１に相当する低周波成分は大きくなる。

モノラル音響信号の場合、図１６（ｂ）に示すように処理が行われるが、図１６（ａ）の上段と比較するとわかるように、ステレオ音響信号の左チャンネルと同様の処理が行われることになる。

（７．信号成分が小さくても情報の埋め込みを可能とする手法）
ここまで、説明してきた処理においては、窓１成分、窓３成分に所定の大きさ以上の信号成分が存在していることが必要となり、窓１成分、窓３成分が共に所定の大きさ以下の場合には、情報の埋め込みを行うことができない。そこで、以下、窓１成分、窓３成分が共に所定の大きさ以下であっても、信号の埋め込みを可能とする手法について説明する。

この場合、図７に示した埋め込み装置における情報の埋め込み処理は、図１７のフローチャートに従って行われる。図１７のフローチャートにおいて、図８のフローチャートと異なる点は、Ｓ７０９における周波数変換処理において低周波成分変更手段３０がレベルの判定を行わず、さらに、Ｓ１１０に相当する区切りモードへの設定処理が存在しない点である。これは、図１７に従った処理では、信号レベルが小さくても強制的に情報を埋め込むこととしているため、情報の埋め込みが不可能な信号レベルが小さい部分が存在するかどうかを判断し、区切りモードに設定する必要がないからである。

したがって、Ｓ７１０における窓１成分、窓３成分のいずれかを優位な状態に設定する処理としては、まず、以下の〔数式２０〕に従って算出される固定値Ｖを、低周波成分の強度として、上記合算値Ｅ₁、Ｅ₂に代えて設定する。

〔数式２０〕
Ｖ＝｛０．５・Ｌｅｖ／（Ｍ−３）｝^1/2

そして、第１の値を１、第２の値を０とした場合、ビット値が１のとき、上記〔数式１１〕および〔数式１２〕に従った処理を実行した後、以下の〔数式２１〕に従った処理を実行する。

〔数式２１〕
窓３成分に対して
Ａｌ´（３，ｊ）＝Ａｌ（３，ｊ）・Ｖ／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2
Ｂｌ´（３，ｊ）＝Ｂｌ（３，ｊ）・Ｖ／｛Ａｒ（３，ｊ）²＋Ｂｒ（３，ｊ）²｝^1/2

ビット値が０の場合、上記〔数式１３〕および〔数式１４〕に従った処理を実行した後、以下の〔数式２２〕に従った処理を実行する。

〔数式２２〕
窓１成分に対して
Ａｌ´（１，ｊ）＝Ａｌ（１，ｊ）・Ｖ／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2
Ｂｌ´（１，ｊ）＝Ｂｌ（１，ｊ）・Ｖ／｛Ａｒ（１，ｊ）²＋Ｂｒ（１，ｊ）²｝^1/2

Ｓ７１０における上記処理を行った後、窓２成分削除処理（Ｓ７１２）以降の処理は、図８に示したＳ１１３以降の処理と同様にして行われる。

上記のように、周波数成分が小さい場合に情報を埋め込んだ場合であっても、抽出側の、音響信号からの情報の抽出装置の構成は図１１と同一であり、処理動作は図１２のフローチャートに従ったものと同一である。

図１８にステレオ音響信号とモノラル音響信号に対して、信号成分が小さい場合に、付加情報を埋め込む場合の概念図を示す。図１８（ａ）はステレオ音響信号の場合、図１８（ｂ）はモノラル音響信号の場合である。なお、図１８の例では、図１６の場合と同様に、音響フレーム１つ分の低周波成分を波形で表現しており、ビット値“０”を埋め込む場合を例に示している。

図１８において、図１６の場合と異なるのは、元の信号成分が小さい点である。図１８（ａ）に示す例のように、信号分離後の段階では、窓１成分、窓３成分の値が小さい場合であっても、上記〔数式２０〕〜〔数式２２〕の処理に従ってビット埋め込みを行うことにより、図１６と同様な信号成分を有することとなる。

モノラル音響信号の場合、図１８（ｂ）に示すように処理が行われるが、図１８（ａ）の上段と比較するとわかるように、ステレオ音響信号の左チャンネルと同様の処理が行われることになる。

本発明第１の実施形態に係るネットワーク接続装置の構成図である。 本発明第１の実施形態に係るネットワーク接続装置の処理動作を示すフローチャートである。 本発明第２の実施形態に係るネットワーク接続装置の構成図である。 本発明第２の実施形態に係るネットワーク接続装置の処理動作を示すフローチャートである。 本発明第３の実施形態に係るに係るネットワーク接続システムの構成図である。 本発明第３の実施形態に係るネットワーク接続システムの処理動作を示すフローチャートである。 音響信号に対する情報の埋込装置の機能ブロック図である。 図７に示した装置の処理概要を示すフローチャートである。 本発明で用いる窓関数を示す図である。 図８に従った処理による低周波成分の変化の様子を示すである。 埋込情報抽出部３２１の詳細を示す機能ブロック図である。 図４に示した装置の処理概要を示すフローチャートである。 図１２のＳ２０２の符号判定処理の詳細を示すフローチャートである。 本実施形態の窓関数を用いない場合の、埋め込み前後の、音響信号の低周波部分を示す概念図である。 本実施形態による埋め込み前後の、音響信号の低周波部分を示す概念図である。 本発明による付加情報の埋め込み処理の概念図である。 図７に示した装置において、元の信号成分が小さくても情報の埋め込みを可能とする場合の処理概要を示すフローチャートである。 元の信号成分が小さい場合の、付加情報の埋め込み処理の概念図である。

符号の説明

１０・・・音響フレーム読込手段
２０・・・周波数変換手段
３０・・・低周波成分変更手段
４０・・・周波数逆変換手段
５０・・・改変音響フレーム出力手段
６０・・・記憶手段
６１・・・音響信号記憶部
６２・・・付加情報記憶部
６３・・・改変音響信号記憶部
７０・・・付加情報読込手段
１１０・・・基準フレーム獲得手段
１２０・・・位相変更フレーム設定手段
１３０・・・周波数変換手段
１４０・・・符号判定パラメータ算出手段
１５０・・・符号出力手段
１６０・・・付加情報抽出手段
１７０・・・音響フレーム保持手段
３００・・・ネットワーク接続装置
３１０・・・マイクロフォン
３２０・・・アドレス情報抽出部
３２０ａ・・・アドレス情報サーバ
３２１・・・埋込情報抽出部
３２２・・・アドレス情報変換部
３３０・・・ネットワークアクセス部
３４０・・・コンテンツ取得部
３５０・・・音響信号取得部
４００・・・音響信号再生装置
５００・・・ネットワーク
６０１・・・サイト
６０２・・・第２のサイト

Claims (4)

1. スピーカから発せられた音声を音響信号として取得し、当該音響信号から予め聴取不能な状態で埋め込まれた情報を抽出し、当該抽出した情報を用いてネットワーク上の所定のサイトにアクセスする装置であって、
   前記音響信号の所定の区間をデジタル化して、所定数のサンプルで構成される音響フレームを獲得する音響フレーム獲得手段と、
   前記音響フレームに対して、周波数変換を行って各音響フレームについてのスペクトルを得る周波数変換手段と、
   前記生成されたスペクトルを利用して、少なくとも２セットのスペクトル集合を抽出し、各スペクトル集合ごとにスペクトル強度の総和値を算出し、その総和値のスペクトル集合間の割合に基づいて、所定の符号を出力する符号化手段と、
   前記出力された符号に対応する情報配列を、所定の規則により変換してアドレス情報を抽出するアドレス情報抽出手段と、
   当該アドレス情報を用いてネットワーク上の所定のサイトにアクセスするネットワークアクセス手段と、
   前記アクセスしたサイトから、音響信号を含むコンテンツを取得するコンテンツ取得手段と、を有し、
   前記アドレス情報抽出手段が、前記取得したコンテンツに含まれる音響信号から第２のアドレス情報を抽出し、
   前記ネットワークアクセス手段が、前記第２のアドレス情報を用いてネットワーク上の第２のサイトにアクセスすることを特徴とする音響信号を用いたネットワーク接続装置。
2. 請求項１において、前記アドレス情報抽出手段は、出力された符号に対応する情報配列を付加情報として抽出した後、変換テーブルを利用してアドレス情報に変換することにより、アドレス情報を得るものであることを特徴とするネットワーク接続装置。
3. 請求項１または請求項２において、
   前記周波数変換手段は、前記音響フレームに対して第１窓関数、第３窓関数を用いてそれぞれ周波数変換を行い、前記第１窓関数に対応するスペクトルである第１窓スペクトル、前記第３窓関数に対応するスペクトルである第３窓スペクトルを生成するものであり、
   前記符号化手段は、生成された各窓スペクトルから、所定の低周波数帯に対応するスペクトル集合をそれぞれ抽出し、各スペクトル集合ごとにスペクトル強度の総和値を算出し、その総和値のスペクトル集合間の割合に基づいて、所定の符号を出力するものであることを特徴とする音響信号を用いたネットワーク接続装置。
4. 請求項１から請求項３のいずれか一項において、
   前記音響フレーム獲得手段、前記周波数変換手段、前記符号化手段、前記アドレス情報抽出手段、前記ネットワークアクセス手段は、単一の携帯電話機の内部に備えられていることを特徴とするネットワーク接続装置。

Images