JP5579885B2 - 音識別条件選定装置および識別関数生成装置 - Google Patents

Description

本発明は、異音を含む音と異音を含まない音とを識別するための識別条件を選定する音識別条件選定装置、および異音を含む音と異音を含まない音とを識別する識別関数を生成する識別関数生成装置に関する。

例えば、鉄塔、送電線等から異音が発せられ、その異音が騒音となることがある。このような異音発生の事実を確認した場合、電力会社は、異音の発生原因を突き止め、異音の発生原因を除去する。異音の発生原因を突き止める際、または異音の発生原因の除去により異音が発生しなくなったことを確認する際、電力会社の作業者は、鉄塔や送電線の周囲の音を採取し、採取した音に異音が含まれるか否かを判定する作業を行う。

また、機械装置や機械設備から発生する異音により、機械装置や機械設備の故障を診断する方法が知られている。このような診断方法を用いて診断を行う作業者は、機械装置または機械設備から発せられる音を採取し、採取した音に異音が含まれるか否かを判定する作業を行う。

また、下記の特許文献１には、機械設備の近傍に設置して当該機械設備の異音を検知する異音検知装置が記載されている。この異音検知装置は、集音センサで集音された集音信号を複数の周波数帯に分離し、各周波数帯の信号を所定期間にわたって計測して各周波数帯の信号の定常レベルを計算し、これを基準として設定し、さらに、各周波数帯の基準値に基づいて各周波数帯の許容範囲を決定し、各周波数帯の信号をそれに対応する周波数帯の許容範囲と比較し、いずれかの周波数帯の信号が許容範囲を越えたとき異音発生と判定するものである。

また、下記の特許文献２には、コンベヤ等に使用されるローラ等の回転機械の異常音を診断する回転機械異常音診断処理手法が記載されている。この手法は、携帯型診断装置のマイクロホンで、コンベア等に沿って回転機械音を採取し、その採取した回転機械音の生波形を、所定時間毎に周波数と音圧レベルの時系列スペクトルに分解すると共に異音成分を抽出し、その異音成分から計測異音スペクトルパターンを作成し、他方、予め異音出現頻度と登録異音タイプをパターン化したグループ選別データを作成し、上記計測異音スペクトルパターンとグループ選別データとのパターンマッチングを行って異常音を診断するものである。

特開２００８−７６２４６号公報 特開２００２−１０７２２３号公報

ところで、鉄塔、送電線等に風が当たり、これが原因して異音が発生することがある。このような風による異音においては、その大きさおよび周波数が、風の強さ、風向き、地形等によってまちまちであり、一定の傾向がなく、予想が付かない。また、風の強さや風向きは頻繁に変化するため、異音の発生は不連続である。このため、風による異音は、機械装置等の故障時に発生する異音と比較して特定が難しい。

また、鉄塔や送電線等の付近では、工場から発せられる音や、自動車の音、人の話し声等、様々な大きさや周波数を有する不連続な音が発生している。風による異音は、時にはこのような様々な音と重なり合い、時にはこのような様々な音の狭間に発生する。すなわち、風による異音の背景の音は定常ではない。このため、風による異音は、機械装置等の故障時に発生する異音と比較して識別が難しい。この点を考慮すると、上記特許文献１に記載された異音検知装置は、各周波数帯の信号の定常レベルを計算し、これを基準として異音の発生を検知するため、風による異音を判定する手法として採用することは困難であると考えられる。

また、風による異音の発生やその時期は予想が付かない。多くの場合、鉄塔や送電線の周囲の住民からの風騒音に関する苦情は突然告げられる。そして、住民から風騒音に関する苦情を告げられたときには、電力会社は、風騒音の原因である異音を直ちに特定し、その異音の発生原因を迅速に突き止め、異音を除去する措置を素速く講じなければならない。このため、異音の特徴を特定し、パターン認識を行うための異音パターンを作成するといった、異音判定の準備作業に費やすことが許される期間は、機械装置等の故障診断のための異音判定の準備作業に費やすことが許される期間と比較して短い場合が多い。この点を考慮すると、上記特許文献２に記載された回転機械異常音診断処理手法は、異音出現頻度と登録異音タイプをパターン化したグループ選別データの作成に長時間を要する可能性があるため、風による異音を判定する手法として採用することは困難である。

このような事情もあって、現在、風による異音を判定する作業は、作業者が耳で異音を聞き取る方法や、異音を含む音と異音を含まない音の波形または周波数スペクトルをパーソナルコンピュータのモニタに表示させ、波形または周波数スペクトルを目で見て比較する方法等により行われている。

しかしながら、このような方法では、異音判定が不正確になるおそれがあり、また、異音判定が特定の作業者個人の経験やスキルに依存し、作業者の異動や退職により異音判定作業に支障が生じることがあり、さらに、異音判定作業に多大な労力を要するという問題がある。

本発明は例えば上述したような問題に鑑みなされたものであり、本発明の第１の課題は、異音判定に適用することができ、異音を含む音と異音を含まない音とを正確に識別することを可能にする識別条件を、個人の経験やスキルに依存せず、または少ない労力で選定することができる音識別条件選定装置を提供することにある。

また、本発明の第２の課題は、異音判定に用いることができ、異音を含む音と異音を含まない音とを正確に識別することができる識別関数を、個人の経験やスキルに依存せず、または少ない労力で生成することができる識別関数生成装置を提供することにある。

上記課題を解決するために、本発明の第1の音識別条件選定装置は、異音を含む音と異音を含まない音とを識別するための識別条件を選定する音識別条件選定装置であって、異音を含むサンプル音データの周波数スペクトルを示すサンプルスペクトルデータ、および異音を含まないサンプル音データの周波数スペクトルを示すサンプルスペクトルデータを受け取り、当該各サンプルスペクトルデータにおける所定の周波数範囲を任意のブロック数のブロックに分割し、当該各ブロックにおける振幅の平均値である振幅平均値を算定する第１のデータ加工手段と、前記第１のデータ加工手段により前記ブロック毎に前記振幅平均値が算定された各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きいときには、周波数の高いブロックの振幅平均値から周波数の低いブロックの振幅平均値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定する識別性判定値設定手段と、異音を含む複数のサンプル音データのサンプルスペクトルデータおよび異音を含まない複数のサンプル音データのサンプルスペクトルデータについて前記第１のデータ加工手段および前記識別性判定値設定手段による処理を行い、当該処理により得られた複数の前記識別性判定値の平均値を算出し、当該平均値が所定の基準値以上か否かを判定する識別性判定手段と、前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータのうちのいくつかのサンプルスペクトルデータ、および前記異音を含まない複数のサンプル音データのサンプルスペクトルデータのうちのいくつかのサンプルスペクトルデータを用い、前記異音を含むサンプル音データと前記異音を含まないサンプル音データとを識別する識別関数を生成する識別関数生成手段と、前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータのうちの他のいくつかのサンプルスペクトルデータ、および前記異音を含まない複数のサンプル音データのサンプルスペクトルデータのうちの他のいくつかのサンプルスペクトルデータを用い、前記識別関数生成手段により生成された識別関数が前記異音を含むサンプル音データと前記異音を含まないサンプル音データとを正しく識別する確率である識別正解率を算定する正解率算定手段とを備えていることを特徴とする。

また、本発明の第２の音識別条件選定装置は、上述した本発明の第1の音識別条件選定装置において、前記第１のデータ加工手段によりブロック毎に振幅平均値が算定された前記各サンプルスペクトルデータに対し、下限値が０であり、上限値が０より大きくかつ前記各サンプルスペクトルデータの最大振幅値以下である振幅範囲を設定し、当該振幅範囲の上限値をＲｍａｘとし、任意の実数をＳとし、前記各振幅平均値をａとし、前記各振幅平均値に対応する相対振幅値をｂとした場合に、
ａ≧Ｒｍａｘのときにはｂ＝Ｓ、
ａ＜Ｒｍａｘのときにはｂ＝（ａ／Ｒｍａｘ）・Ｓ
とする処理を行い、前記各振幅平均値に対応する相対振幅値を算定する第２のデータ加工手段とを備え、前記識別性判定値設定手段は、前記第１のデータ加工手段および前記第２のデータ加工手段により各振幅値が前記相対振幅値に置き換えられた前記各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きいときには、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定することを特徴とする。

また、本発明の第３の音識別条件選定装置は、上述した本発明の第２の音識別条件選定装置において、前記ブロック数を設定または変更し、かつ前記振幅範囲の上限値を設定または変更する加工パラメータ設定手段と、加工パラメータ設定手段により前記ブロック数または前記振幅値の上限値が設定または変更される度に、前記第１のデータ加工手段、前記第２のデータ加工手段、前記識別性判定値設定手段、前記識別性判定手段、前記識別関数生成手段および前記正解率算定手段による処理を実行し、それらの結果前記識別関数生成手段により生成された複数の前記識別関数のうち前記識別正解率が最も高い識別関数、および当該識別関数を算定する際に設定された前記ブロック数と前記振幅範囲の上限値との組合せを前記識別条件として選定する識別条件選定手段とを備えていることを特徴とする。

また、本発明の第４の音識別条件選定装置は、上述した本発明の第３の音識別条件選定装置において、前記振幅範囲の上限値は、前記各サンプルスペクトルデータの最大振幅値に任意の倍率ｍ（０＜ｍ≦１）を乗じた値であり、前記識別条件選定手段は、前記振幅範囲の上限値に代えて前記倍率ｍを前記識別条件の１つとして選定することを特徴とする。

上記課題を解決するために、本発明の第１の識別関数生成装置は、異音を含む音と異音を含まない音とを識別する識別関数を生成する識別関数生成装置であって、異音を含むサンプル音データの周波数スペクトルを示すサンプルスペクトルデータ、および異音を含まないサンプル音データの周波数スペクトルを示すサンプルスペクトルデータを受け取り、当該各サンプルスペクトルデータにおける所定の周波数範囲を任意のブロック数のブロックに分割し、当該各ブロックにおける振幅の平均値である振幅平均値を算定する第１のデータ加工手段と、前記第１のデータ加工手段により前記ブロック毎に前記振幅平均値が算定された各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きいときには、周波数の高いブロックの振幅平均値から周波数の低いブロックの振幅平均値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定する識別性判定値設定手段と、異音を含む複数のサンプル音データのサンプルスペクトルデータおよび異音を含まない複数のサンプル音データのサンプルスペクトルデータについて前記第１のデータ加工手段および前記識別性判定値設定手段による処理を行い、当該処理により得られた複数の前記識別性判定値の平均値を算出し、当該平均値が所定の基準値以上か否かを判定する識別性判定手段と、前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータおよび前記異音を含まない複数のサンプル音データのサンプルスペクトルデータを用い、前記異音を含む複数のサンプル音データと前記異音を含まない複数のサンプル音データとを識別する識別関数を生成する識別関数生成手段とを備えていることを特徴とする。

また、本発明の第２の識別関数生成装置は、上述した本発明の第１の識別関数生成装置において、前記第１のデータ加工手段によりブロック毎に振幅平均値が算定された前記各サンプルスペクトルデータに対し、下限値が０であり、上限値が０より大きくかつ前記各サンプルスペクトルデータの最大振幅値以下である振幅範囲を設定し、当該振幅範囲の上限値をＲｍａｘとし、任意の実数をＳとし、前記各振幅平均値をａとし、前記各振幅平均値に対応する相対振幅値をｂとした場合に、
ａ≧Ｒｍａｘのときにはｂ＝Ｓ、
ａ＜Ｒｍａｘのときにはｂ＝（ａ／Ｒｍａｘ）・Ｓ
とする処理を行い、前記各振幅平均値に対応する相対振幅値を算定する第２のデータ加工手段とを備え、前記識別性判定値設定手段は、前記第１のデータ加工手段および前記第２のデータ加工手段により各振幅値が前記相対振幅値に置き換えられた前記各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きいときには、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定することを特徴とする。

本発明の第３の識別関数生成装置は、上述した本発明の第２の識別関数生成装置において、前記振幅範囲の上限値は、前記各サンプルスペクトルデータの最大振幅値に任意の倍率ｍ（０＜ｍ≦１）を乗じた値であることを特徴とする。

本発明によれば、異音を含む音と異音を含まない音とを正確に識別することを可能にする識別条件の選定、または異音を含む音と異音を含まない音とを正確に識別することができる識別関数の生成を、個人の経験やスキルに依存せず、または少ない労力で行うことができる。したがって、作業者は、異音判定の熟練者でなくても、選定された識別条件または生成された識別関数を用い、高精度な異音判定を容易に行うことができる。

本発明の実施形態による異音判定装置を示すブロック図である。 本発明の実施形態による異音判定装置の音識別条件選定機能に関する動作を示すフローチャートである。 本発明の実施形態による異音判定装置におけるサンプルスペクトルデータを示す説明図である。 本発明の実施形態による異音判定装置において、サンプルスペクトルデータをブロックに分割し、ブロック毎に振幅平均値を算定した状態を示す説明図である。 本発明の実施形態による異音判定装置において、サンプルスペクトルデータに振幅範囲を設定し、各振幅平均値に対応する相対振幅値を算定した状態を示す説明図である。 本発明の実施形態による異音判定装置における識別性判定値設定処理を示すフローチャートである。 本発明の実施形態による異音判定装置における識別性判定値設定処理の具体例を示す説明図である。 本発明の実施形態による異音判定装置における識別性判定値テーブルを示す説明図である。 本発明の実施形態による異音判定装置における識別正解率テーブルを示す説明図である。 本発明の実施形態による異音判定装置の異音判定機能に関する動作を示すフローチャートである。

以下、本発明の実施の形態について図面を参照しながら説明する。

図１は本発明の実施形態による異音判定装置を示している。図１において、本発明の実施形態による異音判定装置１は、被判定音データ（判定対象となる音データ）中の異音の有無を判定する装置である。また、異音判定装置１において、後述する音識別条件選定部１２は、本発明の音識別条件選定装置の実施形態に相当する。また、音識別条件選定部１２において、後述する第１の加工データ部１４、第２の加工データ部１５、識別性判定部１６および識別関数生成部１７は、本発明の識別関数生成装置の実施形態に相当する。

（異音判定装置の機能）
異音判定装置１は、被判定音データ中の異音の有無を判定する機能である異音判定機能と、異音を含む音と異音を含まない音とを識別するための識別条件を選定する音識別条件選定機能とを有する。異音判定装置１では、まず、音識別条件選定機能により識別条件を選定した後、異音判定機能により被判定音データ中の異音の有無を判定する。異音判定機能が被判定音データ中の異音の有無を判定する際には、音識別条件選定機能により選定された識別条件が用いられる。この識別条件には、異音判定機能により異音判定を行う際に、被判定音データの加工に用いられる加工パラメータと、被判定音データ中に異音が含まれているか否かの識別に用いられる識別関数が含まれる。

異音判定装置１の音識別条件選定機能による識別条件の選定は概ね次のように行われる。まず、作業者は、被判定音データに含まれる異音と同様の異音を含む複数のサンプル音データと、被判定音データに含まれる異音を含まない複数のサンプル音データを用意する。本実施形態では、説明の便宜上、作業者が、上記異音を含むサンプル音データ、および上記異音を含まないサンプル音データをそれぞれ５０個、合計１００個のサンプル音データを用意したとする。異音を含む複数のサンプル音データは、それぞれ異なる時点に採取（録音）されたものであり、音データの開始から終了まで常時異音が鳴り続けている比較的短い時間の音データある。異音を含まない複数のサンプル音データは、それぞれ異なる時点に採取（録音）されたものであり、音データの開始から終了まで常時異音が鳴っていない比較的短い時間の音データある。なお、異音を含むサンプル音データであるか、異音を含まないサンプル音データであるかは、作業者の耳で判断する。

続いて、作業者は、用意した１００個のサンプル音データを異音判定装置１に入力し、識別条件の選定を行う旨の指示を異音判定装置１に入力する。これに応じ、異音判定装置１は、入力された各サンプル音データに含まれる任意の１周期分の音データをその周波数スペクトルを示すサンプルスペクトルデータに変換する。異音判定装置１は、変換した１００個のサンプルスペクトルデータを記憶部３に記憶する。

異音判定装置１には、サンプルスペクトルデータを加工するのに用いられる複数の加工パラメータが予め記憶されている。異音判定装置１は、複数の加工パラメータの中から任意の加工パラメータを選択し、選択した加工パラメータを用いて、記憶部３に記憶された１００個のサンプルスペクトルデータを加工する。このとき、異音判定装置１は、記憶部３に記憶された１００個のサンプルスペクトルデータをそれぞれコピーし、コピーした１００個のサンプルスペクトルデータを加工する。これにより、１００個のサンプルスペクトルデータが加工された後も、加工前の１００個のサンプルスペクトルデータが記憶部３に保持される。

続いて、異音判定装置１は、加工された１００個のサンプルスペクトルデータにつき、識別性判定を行う。識別性判定とは、加工された複数（例えば後述するように５０個）のサンプルスペクトルデータを用いて識別関数を生成した場合、異音成分（異音に対応する周波数成分）を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを正しく識別し得る識別関数が生成される可能性が高いか否かを、加工された１００個のサンプルスペクトルデータを用いて識別関数を実際に生成する前に判定する処理である。識別性判定を行うに当たり、異音判定装置１は、加工された１００個のサンプルスペクトルデータを用い、異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを正しく識別し得る識別関数が生成される可能性の程度を推測することができる識別性判定値を生成し、識別性判定値が所定の識別性基準値以上か否かを判断する。識別性判定値が識別性基準値以上であるとき、異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを正しく識別し得る識別関数が生成される可能性が高いと推測する。

識別性判定値が識別性基準値以上であるとき、続いて、異音判定装置１は、異音成分を含む加工された５０個のサンプルスペクトルデータのうちの例えば半数（２５個）のサンプルスペクトルデータ、および異音成分を含まない加工された５０個のサンプルスペクトルデータのうちの半数（２５個）のサンプルスペクトルデータを用い、異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを識別する識別関数を生成し、生成した識別関数を記憶部３に記憶する。

さらに、識別性判定値が識別性基準値以上であるとき、異音判定装置１は、異音成分を含む５０個の加工されたサンプルスペクトルデータのうちの残り半数（２５個）のサンプルスペクトルデータ、および異音成分を含まない５０個の加工されたサンプルスペクトルデータのうちの残り半数（２５個）のサンプルスペクトルデータを用い、上記識別関数が異音成分の有無を正しく判定する確率（識別正解率）を算定し、算定した識別正解率を記憶部３に記憶する。

一方、識別性判定値が識別性基準以上でないときには、異音判定装置１は、今回加工したサンプルスペクトルデータを用いた識別関数の生成も、識別正解率の算定も行わない。このように、異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを正しく識別し得る識別関数が生成される可能性が高くないと推測される場合には、識別関数の生成も識別正解率の算定も行わないことにより、識別条件の選定を効率よく、迅速に行うことができる。

続いて、異音判定装置１は、加工パラメータを変更し、加工パラメータを変更する度に、１００個のサンプルスペクトルデータの加工、および加工した１００個のサンプルスペクトルデータについての識別性判定を行い、識別性判定値が識別性基準値以上である場合には、加工した５０個のサンプルスペクトルデータを用いた識別関数の生成・記憶、および加工した残りの５０個のサンプルスペクトルデータを用いた識別関数の識別正解率の算定・記憶を行う。

加工パラメータは複数あるので、加工パラメータの設定および変更は複数回行われる。したがって、１００個のサンプルスペクトルデータの加工および識別性判定も複数回行われる。この間に、識別性判定値が識別性基準値以上であるとの判定される度に、識別関数の生成・記憶および識別正解率の算定・記憶が行われるので、この結果、複数の識別関数およびそれらに対応する複数の識別正解率が記憶部３に記憶される。

続いて、異音判定装置１は、複数の識別関数のうち、識別正解率が最も高い識別関数、および当該識別関数を算定する際に用いられた加工パラメータを識別条件として選定する。そして、異音判定装置１は、選定した識別条件を記憶部３に記憶する。

また、異音判定装置１の異音判定機能による異音判定は概ね次のように行われる。まず、作業者は、被判定音データを採取する。ここで、作業者は被判定音データを例えば次のように採取（録音）する。すなわち、鉄塔や送電線等に風が当たることにより発生する異音は、風の強さや風向きにより発生したり、発生しなかったりするため、発生が不連続であり、発生の頻度が少ない場合がある。このため、作業者は、鉄塔や送電線等の周囲に録音機を設置し、異音を録音できることが見込まれる時間（例えば９６時間程度の長い時間）を録音時間とし、この録音時間が経過するまで録音機による録音を続ける。通常、録音機が録音を行っている間、作業者は録音機を録音中のまま放置し、昼間は別の作業を行い、夜間は帰宅する。そして、録音時間が経過したとき、作業者は、録音機の録音を停止する。録音された音データは録音機に内蔵されたハードディスク装置またはフラッシュメモリ等に記憶される。

続いて、作業者は、採取した被判定音データを異音判定装置１に入力し、異音判定を行う旨の指示を異音判定装置１に入力する。これに応じ、異音判定装置１は、入力された被判定音データの先頭から１周期分の音データを抽出し、抽出した音データをその周波数スペクトルを示す被判定スペクトルデータに変換する。

続いて、異音判定装置１は、識別条件として記憶部３に記憶されている加工パラメータを読み出し、読み出した加工パラメータを用いて被判定スペクトルデータを加工する。

続いて、異音判定装置１は、識別条件として記憶部３に記憶されている識別関数を読み出し、読み出した識別関数に、加工した被判定スペクトルデータを入力し、被判定スペクトルデータに異音成分が含まれているか否かを判定し、その判定結果を記憶部３に記憶すると共に、異音が存在していた場合には、その旨を例えば液晶ディスプレイに表示する。

異音判定装置１は、被判定音データから１周期分の音データを抽出してそれを被判定スペクトルデータに変換する処理、当該被判定スペクトルデータを加工する処理、当該加工した被判定スペクトルデータに異音成分が含まれているか否かを判定する処理、および判定結果を記憶・表示する処理を、被判定音データにおいて１周期分の音データを抽出する時間軸上の抽出位置を移動させながら繰り返し行う。

（異音判定装置の構成）
図１に示すように、異音判定装置１は、ＣＰＵ（中央処理装置）２、記憶部３、データ入力部４およびユーザインタフェース５を備えている。異音判定装置１は例えばパーソナルコンピュータにより実現することができる。

データ入力部４は、作業者が音データを異音判定装置１に入力するための装置であり、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＬＡＮ（ローカルエリアネットワーク）またはインターネットを利用した通信を実現するための通信インターフェイス回路、およびディスクドライブ装置等を備えている。ユーザインタフェース５は、マウス等のポインティングデバイス、キーボード等の入力装置、および液晶ディスプレイ等の出力装置を備えている。記憶部３は、例えばハードディスク装置、またはフラッシュメモリ等である。ＣＰＵ２は、記憶部３に記憶されたコンピュータプログラムを読み出して実行することにより、データ変換部１１、音識別条件選定部１２、異音判定部２０として機能する。また、音識別条件選定部１２は、機能に応じ、加工パラメータ設定部１３、第１のデータ加工部１４、第２のデータ加工部１５、識別性判定部１６、識別関数生成部１７、正解率算定部１８および識別条件選定部１９に分けられる。

（音識別条件選定機能に関する動作）
図２は、音識別条件選定機能に関する異音判定装置１の動作を示している。図２において、作業者は、異音を含む音と異音を含まない音とを識別するための識別条件を異音判定装置１に選定させるために、被判定音データに含まれる異音と同様の異音を含む例えば５０個のサンプル音データと、被判定音データに含まれる異音が含まれていない例えば５０個のサンプル音データを異音判定装置１に入力する。具体的には、作業者は、これら１００個のサンプル音データが記録された記録ディスクを異音判定装置１のデータ入力部４としてのディスクドライブ装置に装着する。続いて、作業者は、ユーザインタフェース５としてのキーボード等を操作し、識別条件の選定を行う旨の指示を異音判定装置１に入力する。

これに応じ、異音判定装置１のデータ変換部１１が、ディスクドライブ装置に装着された記録ディスクから１００個のサンプル音データを読み出し、読み出した各サンプル音データから１周期分の音データを抽出し、抽出した音データをその周波数スペクトルを示すサンプルスペクトルデータにフーリエ変換し、変換した１００個のサンプルスペクトルデータを記憶部３に記憶する（ステップＳ１）。

ここで、図３は、異音成分を含むサンプルスペクトルデータの一例を示している。図３中の二点鎖線Ｄ１で示した部分が異音成分である。

続いて、音識別条件選定部１２の加工パラメータ設定部１３が、加工パラメータ、具体的には、ブロック数ｎおよび倍率ｍの組合せを設定する（ステップＳ２）。すなわち、記憶部３には、ブロック数ｎとして用いられる数値が例えば１０個予め記憶されている。ブロック数ｎとして用いられる数値は、例えば１０、２０、３０、４０、５０、６０、７０、８０、９０、１００である（図９参照）。また、記憶部３には、倍率ｍとして用いられる数値が例えば１０個予め記憶されている。倍率ｍとして用いられる数値は、０より大きくかつ１以下の実数であり、例えば０．１、０．２、０．３、０．４、０．５、０．６、０．７、０．８、０．９、１．０である（図９参照）。加工パラメータ設定部１３は、初回に設定するブロック数ｎと倍率ｍの組合せとして、例えば１０と０．１を選択する。

続いて、第１のデータ加工部１４が、記憶部３に記憶された１００個のサンプルスペクトルデータのうちのいずれか１つのサンプルスペクトルデータを選択し、選択したサンプルスペクトルデータをコピーする（ステップＳ３）。続いて、第１のデータ加工部１４は、コピーしたサンプルスペクトルデータにおける所定の周波数範囲を、ブロック数ｎが示す個数のブロックに分割し、各ブロックにおける振幅の平均値である振幅平均値を算定する（ステップＳ４）。上記所定の周波数範囲とは、識別関数の生成に必要な周波数範囲であり、例えば可聴周波数範囲である。また、ここで用いられるブロック数ｎは、ステップＳ２で設定されたブロック数ｎである。

ここで、図４は、ブロック数ｎとして５０が設定されたときに第１のデータ加工部１４によりサンプルスペクトルデータが加工される直前の状態（上段）と加工された直後の状態（下段）を示している。図４を見ればわかる通り、第１のデータ加工部１４による加工によって、サンプルスペクトルデータから細かい周波数成分が除去される。また、図示していないが、ブロック数ｎとして１０〜４０といった比較的小さい数値が設定された場合には、第１のデータ加工部１４による加工直後のサンプルスペクトルデータは、ブロック数ｎとして５０が設定された場合と比較して、細かい周波数成分がより一層除去された状態となる。一方、ブロック数ｎとして６０〜１００といった比較的大きい数値が設定された場合には、第１のデータ加工部１４による加工直後のサンプルスペクトルデータは、ブロック数ｎとして５０が設定された場合と比較して、細かい周波数成分が除去されずに残存した状態となる。初回にブロック数ｎとして設定される数値は上述した通り例えば１０であるので、第１のデータ加工部１４による初回の加工直後のサンプルスペクトルデータは、細かい周波数成分が最も多く除去された状態となる。

続いて、第２のデータ加工部１５が、第１のデータ加工部１４によりブロック毎に振幅平均値が算定されたサンプルスペクトルデータに対し、下限値が０であり、上限値がサンプルスペクトルデータの最大振幅値Ａｍａｘに倍率ｍを乗じた値である振幅範囲を設定する。ここで用いられる倍率ｍは、ステップＳ２で設定された倍率ｍである。続いて、第２のデータ加工部１５は、次に述べる相対振幅値算定処理を行い、サンプルスペクトルデータの各振幅平均値に対応する相対振幅値を算定する（ステップＳ５）。

すなわち、相対振幅値設定処理において、第２のデータ加工部１５は、設定した振幅範囲の上限値をＲｍａｘとし、任意の実数をＳとし、サンプルスペクトルデータの各振幅平均値をａとし、当該各振幅平均値に対応する相対振幅値をｂとした場合に、
ａ≧Ｒｍａｘのときにはｂ＝Ｓ、
ａ＜Ｒｍａｘのときにはｂ＝（ａ／Ｒｍａｘ）・Ｓ
とする処理を行う。上記Ｓは例えば１０であり、上記ａ／Ｒｍａｘの解は例えば小数点以下を切り捨てる。これにより、振幅平均値が、設定された振幅範囲の上限値以上である場合には、振幅平均値に対応する相対振幅値が１０となり、振幅平均値が、設定された振幅範囲の上限値より小さい場合には、振幅平均値に対応する相対振幅値が、振幅平均値をその大きさに応じて９段階にレベル付けされた値となる。続いて、第２のデータ加工部１５は、サンプルスペクトルデータの各振幅平均値をそれに対応する相対振幅値に置き換え、各振幅平均値を相対振幅値に置き換えたスペクトルサンプルデータを記憶部３に記憶する。

ここで、図５は、倍率ｍとして０．２が設定されたときに第２のデータ加工部１５によりサンプルスペクトルデータが加工される直前の状態（上段）と加工された直後の状態（下段）を示している。図５中の上段の破線Ｄ２で示した領域が、下限値が０であり、上限値がサンプルスペクトルデータの最大振幅値Ａｍａｘに０．２を乗じた値である振幅範囲である。図５を見ればわかる通り、第２のデータ加工部１５による加工によって、設定された振幅範囲に含まれる周波数成分が拡大され、その結果、サンプルスペクトルデータにおいて、振幅（パワー）が大きい周波数成分が飽和した状態となって、それらの特徴を容易に無視できるようになり、その一方で、振幅が小さい周波数成分の振幅が相対的に適度に大きくなり、その特徴を容易かつ高精度に抽出できるようになる。また、倍率ｍとして０．３〜０．５といった数値が設定された場合には、振幅範囲の上限値が縦軸の正方向に移動するため、振幅範囲が広くなり、その結果、サンプルスペクトルデータにおいて、中くらいの大きさの振幅を有する周波数成分の特徴を容易かつ高精度に抽出できるようになる。また、倍率ｍとして０．６〜１．０といった数値が設定された場合には、振幅範囲の上限値が縦軸の正方向にさらに移動するため、振幅範囲がさらに広くなり、その結果、サンプルスペクトルデータにおいて、大きい振幅を有する周波数成分の特徴を容易かつ高精度に抽出できるようになる。一方、初回に倍率ｍとして設定される数値は上述した通り例えば０．１であるので、振幅範囲が最も狭くなり、その結果、サンプルスペクトルデータにおいて、微少な振幅を有する周波数成分の特徴を容易かつ高精度に抽出できるようになる。

続いて、第２のデータ加工部１５は、ステップＳ４およびＳ５の加工を、ステップＳ１において記憶部３に記憶した１００個すべてのサンプルスペクトルデータに対して行ったか否かを判断する（ステップＳ６）。ステップＳ４およびＳ５の加工を、ステップＳ１において記憶部３に記憶した１００個すべてのサンプルスペクトルデータに対して行っていない場合には（ステップＳ６：ＮＯ）、第２のデータ加工部１５は、処理をステップＳ３に戻す。続いて、第１のデータ加工部１４が、記憶部３に記憶された１００個のサンプルスペクトルデータのうち、ステップＳ４およびＳ５の処理をまだ行っていない１つのサンプルスペクトルデータを選び、そのサンプルスペクトルデータをコピーし、コピーしたサンプルスペクトルデータに対し、ステップＳ４の処理を行い、続いて、第２のデータ加工部１５がステップＳ５の処理を行う。

一方、ステップＳ６において、ステップＳ４およびＳ５の加工を、ステップＳ１において記憶部３に記憶した１００個すべてのサンプルスペクトルデータに対して行った場合には（ステップＳ６：ＹＥＳ）、第２のデータ加工部１５は、処理をステップＳ７へ移行させる。

続いて、識別性判定部１６が、ステップＳ４およびＳ５の処理により各振幅値が相対振幅値に置き換えられて記憶部３に記憶された１００個のサンプルスペクトルデータをそれぞれコピーし、これらコピーした１００個のサンプルスペクトルデータについて識別性判定値設定処理を行う（ステップＳ７）。

ここで、図６は識別性判定値設定処理の流れを示すフローチャートであり、図７は識別性判定値設定処理を、具体的な数値をあげて説明した図である。図７では、ブロック数ｎとして５０が設定され、倍率ｍとして０．２が設定されたときに、第１のデータ加工部１４および第２のデータ加工部１５により加工された異音成分を含むサンプルスペクトルデータおよび異音成分を含まないサンプルスペクトルデータについて識別性判定値設定処理が行われた場合を例にあげている。

図６に示すように、識別性判定値設定処理において、まず、識別性判定部１６は、異音成分を含む任意の１つのサンプルスペクトルデータを選択する（ステップＳ２１）。

続いて、識別性判定部１６は、選択したサンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引き、これにより得られた値を振幅増加値として設定し、当該振幅増加値を記憶部３に記憶する。この処理を、当該サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行う（ステップＳ２２）。この結果、当該サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きい場合には、振幅増加値が正の値となり、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値と等しい場合には、振幅増加値が０となり、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも小さい場合には、振幅増加値が負の値となる。

続いて、識別性判定部１６は、当該サンプルスペクトルデータの振幅増加値のうち、負の値である振幅増加値を０に変更する（ステップＳ２３：第１の変更処理）。

続いて、識別性判定部１６は、異音成分を含む５０個すべてのサンプルスペクトルデータのそれぞれについて、振幅増加値を設定する処理および第１の変更処理が終了したか否かを判断する（ステップＳ２４）。異音成分を含む５０個のサンプルスペクトルデータのうちのいずれかについて、振幅増加値を設定する処理または第１の変更処理が終了していない場合には（ステップＳ２４：ＮＯ）、識別性判定部１６は処理をステップＳ２１に戻し、異音成分を含むサンプルスペクトルデータのうち、まだ選択していないサンプルスペクトルデータを選択し、当該選択したサンプルスペクトルデータについてステップＳ２２およびＳ２３の処理を行う。

ステップＳ２２〜Ｓ２４の処理について図７を用いて具体的に説明すると、図７中の表Ｃ１は、ブロック数ｎとして５０が設定され、倍率ｍとして０．２が設定されたときに、第１のデータ加工部１４および第２のデータ加工部１５により加工された異音成分を含むサンプルスペクトルデータにつき、ステップＳ２２〜Ｓ２４が行われた場合を示している。表Ｃ１において、説明の便宜上、５０個に分割されたサンプルスペクトルデータのブロックには、周波数の低い順に１〜５０の番号が付されている。例えば、表Ｃ１において、互いに隣り合う一対のブロックとして、ブロック番号４１、４２のブロックに着目すると、これらのブロックの相対振幅値はいずれも３である。これらのブロックのうち、ブロック番号４２のブロックが周波数の高いブロックに当たり、ブロック番号４１のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４２のブロックの相対振幅値からブロック番号４１のブロックの相対振幅値を引くと、３−３＝０なので、ブロック番号４２のブロックの振幅増加値は０となる。次に、表Ｃ１において、互いに隣り合う一対のブロックとして、ブロック番号４２、４３のブロックに着目すると、これらのブロックの相対振幅値はそれぞれ順に３、６である。これらのブロックのうち、ブロック番号４３のブロックが周波数の高いブロックに当たり、ブロック番号４２のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４３のブロックの相対振幅値からブロック番号４２のブロックの相対振幅値を引くと、６−３＝３なので、ブロック番号４３のブロックの振幅増加値は３となる。次に、表Ｃ１において、互いに隣り合う一対のブロックとして、ブロック番号４３、４４のブロックに着目すると、これらのブロックの相対振幅値はそれぞれ順に６、４である。これらのブロックのうち、ブロック番号４４のブロックが周波数の高いブロックに当たり、ブロック番号４３のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４４のブロックの相対振幅値からブロック番号４３のブロックの相対振幅値を引くと、４−６＝−２なので、ブロック番号４４のブロックの振幅増加値は−２となる。次に、表Ｃ１において、ブロック番号４４のブロックの振幅増加値、−２に着目すると、この振幅増加値は負の値なので上記第１の変更処理により０に変更される。

一般に、１／ｆゆらぎと言われるように、人間が不快に感じない音は、その周波数スペクトルの振幅が周波数に反比例する。したがって、周波数の増加に伴い振幅が増加している周波数成分は異音成分である可能性が高い。ステップＳ２２〜Ｓ２４の処理の結果、各サンプルスペクトルデータにおいて、周波数の増加に伴い振幅が増加しているブロックの振幅増加値、すなわち、異音成分を含む可能性が高いブロックの振幅増加値だけが０よりも大きい値として残り、他のすべてブロックの振幅増加値は０になる。

図６に戻り、異音成分を含む５０個すべてのサンプルスペクトルデータのそれぞれについて、振幅増加値を設定する処理（ステップＳ２２）、および第１の変更処理（ステップＳ２３）が終了した場合には（ステップＳ２４：ＹＥＳ）、異音成分を含む５０個のサンプルスペクトルデータの振幅増加値のブロック毎の平均値を算出する（ステップＳ２５）。図７中の表Ｃ２は、ステップＳ２５の具体例を示している。

続いて、識別性判定部１６は、異音成分を含まない任意の１つのサンプルスペクトルデータを選択する（ステップＳ２６）。

続いて、識別性判定部１６は、選択したサンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引き、これにより得られた値を振幅増加値として設定し、当該振幅増加値を記憶部３に記憶する。この処理を、当該サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行う（ステップＳ２７）。

続いて、識別性判定部１６は、当該サンプルスペクトルデータの振幅増加値のうち、負の値である振幅増加値を０に変更する（ステップＳ２８：第１の変更処理）。

続いて、識別性判定部１６は、当該異音成分を含まないサンプルスペクトルデータのブロックのうち、異音成分を含むサンプルスペクトルデータ（異音成分を含まないサンプルスペクトルデータと同一のブロック数ｎおよび倍率ｍで加工された、異音成分を含むサンプルスペクトルデータ）における振幅増加値の平均値が０であるブロックに対応するブロックについて、その振幅増加値を０に変更する（ステップＳ２９：第２の変更処理）。

ステップＳ２７〜Ｓ２９の処理について図７を用いて具体的に説明すると、図７中の表Ｃ３は、ブロック数ｎとして５０が設定され、倍率ｍとして０．２が設定されたときに、第１のデータ加工部１４および第２のデータ加工部１５により加工された異音成分を含まないサンプルスペクトルデータにつき、ステップＳ２７〜Ｓ２９が行われた場合を示している。表Ｃ３においても、５０個に分割されたサンプルスペクトルデータのブロックには、周波数の低い順に１〜５０の番号が付されている。例えば、表Ｃ３において、互いに隣り合う一対のブロックとして、ブロック番号４０、４１のブロックに着目すると、これらのブロックの相対振幅値はそれぞれ順に２、３である。これらのブロックのうち、ブロック番号４１のブロックが周波数の高いブロックに当たり、ブロック番号４０のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４１のブロックの相対振幅値からブロック番号４０のブロックの相対振幅値を引くと、３−２＝１なので、ブロック番号４１のブロックの振幅増加値は１となる。次に、表Ｃ３において、互いに隣り合う一対のブロックとして、ブロック番号４１、４２のブロックに着目すると、これらのブロックの相対振幅値はそれぞれ順に３、２である。これらのブロックのうち、ブロック番号４２のブロックが周波数の高いブロックに当たり、ブロック番号４１のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４２のブロックの相対振幅値からブロック番号４１のブロックの相対振幅値を引くと、２−３＝−１なので、ブロック番号４２のブロックの振幅増加値は−１となる。次に、表Ｃ３において、互いに隣り合う一対のブロックとして、ブロック番号４２、４３のブロックに着目すると、これらのブロックの相対振幅値はいずれも２である。これらのブロックのうち、ブロック番号４３のブロックが周波数の高いブロックに当たり、ブロック番号４２のブロックが周波数の低いブロックに当たる。したがって、ブロック番号４３のブロックの相対振幅値からブロック番号４２のブロックの相対振幅値を引くと、２−２＝０なので、ブロック番号４３のブロックの振幅増加値は０となる。次に、表Ｃ３において、ブロック番号４２のブロックの振幅増加値、−１に着目すると、この振幅増加値は負の値なので上記第１の変更処理（ステップＳ２８）により０に変更される。次に、表Ｃ３において、異音成分を含まないサンプルスペクトルデータのブロック番号４１のブロックの振幅増加値に着目すると、異音成分を含むサンプルスペクトルデータにおけるブロック番号４１のブロックの振幅増加値の平均値は表Ｃ２に示す通り０であるので、上記第２の変更処理（ステップＳ２９）により、当該異音成分を含まないサンプルスペクトルデータのブロック番号４１のブロックの振幅増加値は０に変更される。

上述したように、周波数の増加に伴い振幅が増加している周波数成分は異音成分である可能性が高い。しかしながら、異音成分を含まないサンプルスペクトルデータにおいて、ある周波数成分につき、周波数の増加に伴う振幅の増加が確認されても、異音成分を含むサンプルスペクトルデータにおいて、当該周波数成分と同一の周波数の周波数成分につき、周波数の増加に伴う振幅の増加が確認されていない場合には、異音成分を含まないサンプルスペクトルデータにおける当該周波数成分は、異音成分ではなく、異音成分以外のノイズ成分（背景の音）である可能性が高い。上記第２の変更処理では、異音成分を含まないサンプルスペクトルデータのブロックのうち、異音成分を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックにつき、振幅増加値を０に変更することで、異音成分を含まないサンプルスペクトルデータから、異音成分以外の周波数成分を、識別性判定に係る処理の対象から除外している。

続いて、識別性判定部１６は、異音成分を含まない５０個すべてのサンプルスペクトルデータのそれぞれについて、振幅増加値を設定する処理、第１の変更処理および第２の変更処理が終了したか否かを判断する（ステップＳ３０）。異音成分を含まない５０個のサンプルスペクトルデータのうちのいずれかについて、振幅増加値を設定する処理、第１の変更処理、または第２の変更処理が終了していない場合には（ステップＳ３０：ＮＯ）、識別性判定部１６は処理をステップＳ２６に戻し、異音成分を含まないサンプルスペクトルデータのうち、まだ選択していないサンプルスペクトルデータを選択し、当該選択したサンプルスペクトルデータについてステップＳ２７〜Ｓ２９の処理を行う。

異音成分を含まない５０個すべてのサンプルスペクトルデータのそれぞれについて、振幅増加値を設定する処理、第１の変更処理および第２の変更処理が終了した場合には（ステップＳ３０：ＹＥＳ）、識別性判定部１６は、異音成分を含まない５０個のサンプルスペクトルデータの振幅増加値のブロック毎の平均値を算出する（ステップＳ３１）。図７中の表Ｃ４は、ステップＳ２５の具体例を示している。

続いて、識別性判定部１６は、異音成分を含むサンプルスペクトルデータにおける各ブロックの振幅増加値の平均値から、当該ブロックに対応する、異音成分を含まないサンプルスペクトルデータにおけるブロックの振幅増加値の平均値を引く振幅増加値減算処理を行う（ステップＳ３２）。図７中の表Ｃ５は、ステップＳ２５の具体例を示している。

振幅増加値が正の値であるブロックが、異音成分を含むサンプルスペクトルデータと、異音成分を含まないサンプルスペクトルデータの双方に存在している場合には、上記振幅増加値減算処理により、異音成分を含むサンプルスペクトルデータにおいて、当該振幅増加値の値が０となるか、または減少する。これにより、異音成分以外の周波数成分を識別性判定に係る処理の対象から実質的に除外することができる。

続いて、識別性判定部１６は、振幅増加値減算処理が行われた、異音成分を含むサンプルスペクトルデータにおける振幅増加値の平均値のすべてをそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定する（ステップＳ３３）。図７中の表Ｃ６は、ステップＳ３３の具体例を示している。これにより識別性判定値設定処理が終わり、続いて、処理は図２中のステップＳ８へ移行する。

図２中のステップＳ８において、識別性判定部１６は、上記識別性判定値設定処理で設定した識別性判定値が識別性基準値以上であるか否かを判断する。そして、当該識別性判定値が識別性基準値以上である場合には（ステップＳ８：ＹＥＳ）、識別関数生成部１７が、ステップＳ４およびＳ５の処理により各振幅値が相対振幅値に置き換えられ、記憶部３に記憶された１００個のサンプルスペクトルデータのうち、異音成分を含む任意の例えば２５個のサンプルスペクトルデータおよび異音成分を含まない任意の例えば２５個のサンプルスペクトルデータを用い、異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを識別する識別関数を生成し、生成した識別関数を記憶部３に記憶する（ステップＳ９）。識別関数生成部１７は、例えばサポートベクタマシン等の学習モデルを用いてパターン認識を行い、上記識別関数を生成する。なお、サポートベクトルマシン及び識別関数については、例えば、特開２００５−３５２９９７号公報に記載されている。

続いて、正解率算定部１８が、ステップＳ４およびＳ５の処理により各振幅値が相対振幅値に置き換えられ、記憶部３に記憶された１００個のサンプルスペクトルデータのうち、異音成分を含む残りの２５個のサンプルスペクトルデータおよび異音成分を含まない残りの２５個のサンプルスペクトルデータを用い、識別関数生成部１７により生成された識別関数が異音成分を含むサンプルスペクトルデータと異音成分を含まないサンプルスペクトルデータとを正しく識別する確率である識別正解率を算定し、算定した識別正解率を記憶部３に記憶する（ステップＳ１０）。具体的には、識別関数の生成には用いられなかった、異音成分を含む２５個のサンプルスペクトルデータと異音成分を含まない２５個のサンプルスペクトルデータを識別関数に順次入力し、識別関数の出力を順次取得し、識別関数の識別正解率を算定する。

一方、ステップＳ７の識別性判定値設定処理において設定された識別性判定値が識別性基準値以上でない場合には（ステップＳ８：ＮＯ）、ステップＳ９およびＳ１０の処理がスキップされ、識別関数の生成・記憶も、識別正解率の算定・記憶も行われない。

続いて、記憶部３に記憶された、ブロック数ｎとして用いられる１０個の数値と、倍率ｍとして用いられる１０個の数値によって作ることができるブロック数ｎと倍率ｍとのすべての組合せにつき、ステップＳ３からステップＳ１１に至るまでの処理を行ったか否かを加工パラメータ設定部１３が判断する（ステップＳ１１）。そして、ブロック数ｎと倍率ｍとのすべての組合せにつきステップＳ３からステップＳ１１に至るまでの処理を行っていない場合には（ステップＳ１１：ＮＯ）、加工パラメータ設定部１３が、処理をステップＳ２に戻し、記憶部３に記憶された数値を用いてブロック数ｎまたは倍率ｍを変更する。続いて、第１のデータ加工部１４、第２のデータ加工部１５、識別性判定部１６、識別関数生成部１７および正解率算定部１８が上述したようにステップＳ３〜Ｓ１０の処理を行う（識別性判定値が識別性基準値以上でなかった場合には、第１のデータ加工部１４、第２のデータ加工部１５および識別性判定部１６がステップＳ３〜Ｓ８の処理を行う）。

例えば、ブロック数ｎを１０に固定し、倍率ｍを０．１、０．２、…、１．０の順序で逐一変更しながら、ステップＳ３からステップＳ１１に至るまでの処理を１０回行う。この間、１００個のサンプルスペクトルデータに対してステップＳ４の処理をそれぞれ初めて行った直後に、その処理後の各サンプルスペクトルデータを記憶部３に記憶しておけば、それ以降、ステップＳ４の処理を省略することができる。続いて、同様の要領で、ブロック数ｎを２０に固定し、倍率ｍを０．１、０．２、…、１．０の順序で逐一変更しながら、ステップＳ３からステップＳ１１に至るまでの処理を１０回行い、続いて、同様の要領で、ブロック数ｎを３０に固定し、倍率ｍを０．１、０．２、…、１．０の順序で逐一変更しながら、ステップＳ３からステップＳ１１に至るまでの処理を１０回行う。このような手順に従った処理を、ブロック数ｎと倍率ｍとのすべての組合せにつきステップＳ３からステップＳ１１に至るまでの処理が完了するまで繰り返し行う。

ブロック数ｎと倍率ｍとのすべての組合せにつきステップＳ３からステップＳ１１に至るまでの処理を行うと、ステップＳ３からステップＳ８に至るまでの処理は１００回行われる。しかしながら、ステップＳ９およびＳ１０の処理が行われる回数は、通常、１００回よりも少ない回数であると考えられる。この点につき、図８および図９を用いて具体的に説明する。図８中のテーブルＴ１は、ブロック数ｎと倍率ｍとの組合せを設定・変更しながら、１００個のサンプルスペクトルデータについてステップＳ３〜Ｓ７の処理を１００回行い、これにより得られた１００個の識別性判定値をブロック数ｎおよび倍率ｍとそれぞれ対応づけて表した識別性判定値テーブルである。ここで、識別性基準値を例えば７に設定した場合、識別性判定値テーブルＴ１によると、識別性判定値が識別性基準値以上のブロック数ｎと倍率ｍの組合せは、次の５通りである。
ブロック数ｎ＝２０、倍率ｍ＝０．３（識別性判定値＝７）
ブロック数ｎ＝２０、倍率ｍ＝０．８（識別性判定値＝１０）
ブロック数ｎ＝３０、倍率ｍ＝０．４（識別性判定値＝８）
ブロック数ｎ＝４０、倍率ｍ＝０．６（識別性判定値＝９）
ブロック数ｎ＝５０、倍率ｍ＝０．４（識別性判定値＝７）
この結果、ステップＳ３からステップＳ８に至るまでの処理が１００回行われたのに対し、ステップＳ９の識別関数の生成・記憶と、ステップＳ１０の識別正解率の算定・記憶の処理が行われたのはわずかに５回である。そして、この結果、記憶部３に記憶された識別関数および識別正解率はそれぞれ５個である。このように、識別性判定を行うことにより、識別関数の生成および識別正解率の算定が行われる回数が減る。識別関数の生成および識別正解率の算定は比較的大規模な処理であるため、これらの処理の回数が減れば、識別条件の選定処理時間が短くなり、また、異音判定装置１の処理負担が軽減される。

また、図９のテーブルＴ２は、識別性判定値が識別性基準値以上である、ブロック数ｎと倍率ｍとの５通りの組合せにそれぞれ対応する識別関数の識別正解率を、ブロック数ｎおよび倍率ｍとそれぞれ対応づけて表した識別正解率テーブルである。識別性判定値が識別性基準値以上である場合、識別正解率が比較的高い。識別性判定値が３程度であると、識別正解率が１００％から離れており、例えば５０％を下回ることがある（図示せず）。しかしながら、識別性判定値が７〜８程度である場合、識別正解率は１００％に接近し、例えば９０％前後であり、識別性判定値が９〜１０程度である場合には、識別正解率は１００％に一層接近し、例えば９５％〜９９％となる。なお、異音判定装置１において、識別正解率は、図９に示す識別正解率テーブルを形成するように記憶部３に記憶される。また、各識別正解率と識別関数との対応関係を示す情報が形成され、当該情報が記憶部３に記憶される。

ブロック数ｎと倍率ｍとのすべての組合せにつきステップＳ３からステップＳ１１に至るまでの処理を完了した場合には（ステップＳ１１：ＹＥＳ）、続いて、識別条件選定部１９が、識別関数生成部１７により生成された複数の識別関数のうち識別正解率が最も高い識別関数、当該識別関数を算定する際に設定されたブロック数ｎ、および当該識別関数を算定する際に設定された倍率ｍを識別条件として選定する。ここで、識別関数を算定する際に設定される振幅範囲の上限値は、上述したように、個々のサンプルスペクトルデータの最大振幅値Ａｍａｘに倍率ｍを乗じることにより決定されるので、倍率ｍは、振幅範囲の上限値に対応する値であり、いわば当該振幅範囲の上限値を相対的に表現する値である。

例えば、図９に示す識別正解率テーブルＴ２によれば、識別正解率が９９％の識別関数が識別正解率の最も高い識別関数であり、その識別関数を算定する際に設定されたブロック数ｎは２０であり、倍率ｍは０．８である。したがって、識別正解率が９９％の識別関数、２０および０．８が識別条件として選定される。続いて、識別条件選定部１９は、識別条件として選定した識別関数、ブロック数ｎおよび倍率ｍを、選定識別関数Ｆ、選定ブロック数Ｐｎおよび選定倍率Ｐｍとして記憶部３に記憶する（ステップＳ１２）。

以上説明した通り、本発明の実施形態による異音判定装置１の音識別条件選定機能によれば、高精度な異音判定を可能にする識別条件、すなわち識別関数および加工パラメータ（ブロック数ｎおよび倍率ｍ）を選定することができる。すなわち、図２中のステップＳ４の処理により、細かい周波数成分が除去された程度の異なる複数のグループのサンプルスペクトルデータを生成する。また、図２中のステップＳ５の処理により、比較的小さい振幅を有する周波数成分の特徴を容易かつ高精度に抽出可能なサンプルスペクトルデータのグループ、比較的中くらいの振幅を有する周波数成分の特徴を容易かつ高精度に抽出可能なサンプルスペクトルデータのグループ、および比較的大きい振幅を有する周波数成分の特徴を容易かつ高精度に抽出可能なサンプルスペクトルデータのグループを生成する。そして、このように様々な態様に加工されたサンプルスペクトルデータのグループを用いて、複数の識別関数を生成し、各識別関数の識別正解率を算定し、最も識別正解率の高い識別関数と、この識別関数の算定の際に設定された加工パラメータ（ブロック数ｎおよび倍率ｍ）を選定する。したがって、異音の特性に一定の傾向がなく、予想が付きにくい場合でも、あるいは異音の発生が不連続であり、または発生頻度が低い場合でも、さらには異音の背景の音が定常でない場合でも、異音成分の有無を高精度に判定することができる識別関数および加工パラメータを選定することができる。

また、サンプルスペクトルデータを様々な態様に加工する処理、識別関数の生成、および識別正解率の最も高い識別関数とその識別関数の算定の際に設定された加工パラメータの選定を自動的に行うことができるので、作業者個人の経験やスキルに依存せず、かつ少ない労力で、高精度な異音判定を可能にする識別関数および加工パラメータを選定することができる。

さらに、識別性判定（図２中のステップＳ７、または図６）を行うことで、様々な加工パラメータにより加工された複数のサンプルスペクトルデータのグループの中から、識別正解率の高い識別関数が生成される可能性が高いと推測されるサンプルスペクトルデータのグループを選別することができ、選別されたサンプルスペクトルデータのグループのみを用いて識別関数を生成するので、識別関数の生成処理回数を減らし、識別関数および加工パラメータの選定を効率よく、短時間で行うことができる。

（異音判定機能に関する動作）
図１０は、異音判定機能に関する異音判定装置１の動作を示している。図１０において、作業者は、被判定音データ中の異音の有無を判定するために、被判定音データを異音判定装置１に入力する。具体的には、作業者は、被判定音データが記憶された録音機を例えばＵＳＢケーブルを介して異音判定装置１に接続する。これにより、録音機が異音判定装置１のデータ入力部４としてのＵＳＢ通信インタフェース回路に接続される。これに応じ、異音判定装置１のＣＰＵ２は、録音機と自動的に通信を行う。これにより、被判定音データが録音機から異音判定装置１のデータ入力部４に入力され、異音判定装置１の記憶部３に記憶される。

続いて、作業者は、ユーザインタフェース５としてのキーボード等を操作し、被判定音データに対して異音判定を行うべき旨の指示を異音判定装置１に入力する。これに応じ、異音判定部２０が、被判定音データから１周期分の音データを抽出する位置である抽出位置を、被判定音データの先頭に設定する（ステップＳ４１）。続いて、データ変換部１１が、被判定音データの当該抽出位置から１周期分の音データを抽出する（ステップＳ４２）。続いて、データ変換部１１が、抽出した音データを被判定スペクトルデータに変換する（ステップＳ４３）。

続いて、異音判定部２０が、音識別条件選定機能により識別条件として選定されて記憶部３に記憶された加工パラメータ、具体的には、選定ブロック数Ｐｎおよび選定倍率Ｐｍを読み出す（ステップＳ４４）。

続いて、第１のデータ加工部１４が、ステップＳ４４で読み出された選定ブロック数Ｐｎを用いて被判定スペクトルデータを加工する。すなわち、第１のデータ加工部１４は、被判定スペクトルデータにおける所定の周波数範囲を、選定ブロック数Ｐｎが示す個数のブロックに分割し、各ブロックにおける振幅の平均値である振幅平均値を算定する（ステップＳ４５）。

続いて、第２のデータ加工部１５が、ステップＳ４４で読み出された倍率Ｐｍを用いて、被判定スペクトルデータをさらに加工する。すなわち、第２のデータ加工部１５は、第１のデータ加工部１４によりブロック毎に振幅平均値が算定された被判定スペクトルデータに対し、下限値が０であり、上限値がサンプルスペクトルデータの最大振幅値Ａｍａｘに選定倍率Ｐｍを乗じた値である振幅範囲を設定する。続いて、第２のデータ加工部１５は、上述した相対振幅値算定処理を行い、被判定スペクトルデータの各振幅平均値に対応する相対振幅値を算定する（ステップＳ４６）。そして、第２のデータ加工部１５は被判定スペクトルデータの各振幅平均値を相対振幅値に置き換える。

続いて、異音判定部２０が、音識別条件選定機能により識別条件として選定されて記憶部３に記憶された選定識別関数Ｆを読み出す（ステップＳ４７）。続いて、異音判定部２０は、第２のデータ加工部１５により各振幅平均値が相対振幅値に置き換えられた被判定スペクトルデータを、読み出した選定識別関数Ｆに入力し、被判定スペクトルデータに異音成分が含まれているか否かを判定する（ステップＳ４８）。続いて、異音判定部２０は、判定結果を、ステップＳ４１で被判定音データから１周期分の音データを抽出した抽出位置を示す情報（例えば被判定音データの先頭から当該抽出位置までの再生時間）と共に、記憶部３に記憶する。また、異音判定部２０は、異音の存在が判定されたとき、異音が存在することを示す情報を、抽出位置を示す情報と共に例えば液晶ディスプレイに表示する（ステップＳ４９）。

続いて、異音判定部２０は、１周期分の音データを被判定音データの最後まで抽出し終えたか否かを判断する（ステップＳ５０）。１周期分の音データを被判定音データの最後まで抽出し終えていない場合には（ステップＳ５０：ＮＯ）、異音判定部２０は、処理をステップＳ４１に戻し、被判定音データにおいて抽出位置を所定の時間間隔移動させ、データ変換部１１、第１のデータ加工部１４および第２のデータ加工部１５と協働し、ステップＳ４２〜Ｓ４９の処理を再び行う。一方、１周期分の音データを被判定音データの最後まで抽出し終えたとき（ステップＳ５０：ＹＥＳ）、異音判定機能に関する動作は終了する。

このような異音判定装置１の異音判定機能は、作業者に次のような利益をもたらす。すなわち、上述したように、鉄塔や送電線等に風が当たることにより発生する異音は、発生が不連続であり、発生の頻度が少ない場合があるため、作業者は、異音の有無を判定するために、鉄塔や送電線等の周囲の音を長時間録音する必要がある。そして、従来、作業者は、このように長時間録音された音データを耳で聞き、異音の有無を確認するといった作業を行っていた。この作業は、音を聞くという単純な行為を長時間連続的に強いられるため、忍耐力を有するきつい作業であった。

しかしながら、異音判定装置１の異音判定機能によれば、作業者は、鉄塔や送電線等の周囲の音を長時間録音した音データを被判定音データとして異音判定装置１に入力し、異音判定を行う旨の指示を異音判定装置１に入力すれば、異音判定装置１により異音の有無が自動的に判定され、その結果が液晶ディスプレイに表示される。異音判定装置１によれば、作業者は、録音した音データを聞き続ける場合と比較して、異音の有無を大幅に短時間で知ることができ、忍耐力は特に必要とされない。また、異音判定装置１による異音判定は自動的に行われるので、異音判定装置１が異音判定を行っている間、作業者は別の作業を行うことができる。

なお、上記実施形態において、識別性判定値設定処理により最終的に得られる識別性判定値が実質的に変わらなければ、図６に示す識別性判定値設定処理のステップの順番が異なってもよい。例えば、次のような順番でもよい。なお、図示は省略する。まず、１００個のサンプルスペクトルデータの中から、異音成分を含む任意の１のサンプルスペクトルデータと、異音成分を含まない任意の１つのサンプルスペクトルデータとを選択する（ステップＳ６１）。続いて、選択された異音成分を含む１つのサンプルスペクトルデータについて各振幅増加値を算定してから、負の値である振幅増加値を０に変更する（ステップＳ６２）。続いて、選択された異音成分を含まない１つのサンプルスペクトルデータについて各振幅増加値を算定してから、負の値である振幅増加値を０に変更し、さらに、選択された異音成分を含まない１つのサンプルスペクトルデータのブロックのうち、選択された異音成分を含む１つのサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックにつき振幅増加値を０に変更する（ステップＳ６３）。続いて、ステップＳ６２の処理が施された、選択された異音成分を含む１つのサンプルスペクトルデータの振幅増加値から、ステップＳ６３の処理が施された、選択された異音成分を含まない１つのサンプルスペクトルデータの振幅増加値をブロック毎に引く（ステップＳ６４）。続いて、ステップＳ６４の処理が施された、選択された異音成分を含む１つのサンプルスペクトルデータの振幅増加値をすべて足し合わせ、これにより得られた値を識別性判定値とする（ステップＳ６５）。ステップＳ６１〜Ｓ６５の処理を、残りの９８個（４９組）のサンプルスペクトルデータに対しても行い、これにより、５０個の識別性判定値を算出する（ステップＳ６６）。続いて、これら５０個の識別判定値の平均値を算出する（ステップＳ６７）。そして、図２中のステップＳ８では、ステップＳ６７で算出した識別判定値の平均値が所定の識別性基準値以上であるか否かを判断する。

また、上記実施形態では、ブロック毎に振幅平均値が算定されたスペクトルデータに対して振幅範囲を設定するに当たり、振幅範囲の上限値を、スペクトルデータの最大振幅値に倍率ｍ（または選定倍率Ｐｍ）を乗じた値にする場合を例にあげたが、本発明はこれに限らない。当該振幅範囲の上限値の値を、スペクトルデータの最大振幅値以下の値となるように、他の方法により決定してもよい。また、スペクトルデータの最大振幅値以下の値となるような絶対的な値を複数定めておき、それらの値を振幅範囲の上限値として選択的に用いてもよい。

また、上記実施形態では、識別関数生成部１７において識別関数を生成する学習モデルとしてサポートベクタマシンを用いる場合を例にあげたが、本発明はこれに限らない。例えばニューラルネットワーク等の他の学習モデルを用いてもよい。

また、上記実施形態では、音の周波数スペクトルを用いて異音判定を行い、例えば、ウェブレット変換による時間ー周波数平面上の信号のスペクトルを用いて異音判定を行ってもよい。

また、上記実施形態では、図２中のステップＳ９において生成された複数の識別関数の中から、識別正解率が最も高い識別関数を選択し、その識別関数と当該識別関数の生成の際に設定されたブロック数ｎおよび倍率ｍを識別条件として選定する場合を例にあげたが、本発明はこれに限らない。図２中のステップＳ７において設定された複数の識別性判定値の中から、最も大きい識別性判定値を選択し、当該選択された識別性判定値が得られたサンプルスペクトルデータを用いて生成された識別関数と当該識別関数の生成の際に設定されたブロック数ｎおよび倍率ｍを識別条件として選定してもよい。

また、上記各実施形態では、本発明の異音判定装置１をパーソナルコンピュータ等により実現する場合を例にあげたが、本発明はこれに限らず、図１に示す構成要素を搭載した専用の装置として実現してもよい。例えば、図１に示す構成要素を小型の筐体に収容し、さらに、周囲の音を録音することができるマイクや、マイクから入力された音をデジタル化するアナログーデジタル変換回路等を組み込み、屋外で異音判定を行うことができる装置としてもよい。

また、上記各実施形態では、音識別条件選定機能と異音判定機能とを有する異音判定装置１を例にあげたが、本発明はこれに限らない。本発明を、音識別条件選定機能のみを備えた音識別条件選定装置として具現化してもよい。また、本発明を、第１のデータ加工部１５、第２のデータ加工部１６、識別性判定部１７および識別関数生成部１７を備えた識別関数生成装置として具現化してもよい。

また、本発明の実施形態による異音判定装置１は、鉄塔や送電線等に風が当たることにより発生する異音の判定だけでなく、機械装置や機械設備の故障診断等にも用いることができる。特に、異音判定装置１は、発生が不連続な異音、発生頻度が低い異音、または周波数特性等が予測困難な異音の検出ないし判定に効果を発揮する。

また、本発明は、請求の範囲および明細書全体から読み取ることのできる発明の要旨または思想に反しない範囲で適宜変更可能であり、そのような変更を伴う音識別条件選定装置および識別関数生成装置もまた本発明の技術思想に含まれる。

１ 異音判定装置
２ ＣＰＵ
３ 記憶部
１２ 音識別条件選定部（音識別条件選定装置）
１３ 加工パラメータ設定部（加工パラメータ設定手段）
１４ 第１のデータ加工部（第１のデータ加工手段）
１５ 第２のデータ加工部（第２のデータ加工手段）
１６ 識別性判定部（識別性判定値設定手段、識別性判定手段）
１７ 識別関数生成部（識別関数生成手段）
１８ 正解率算定部（正解率算定手段）
１９ 識別条件選定部（識別条件選定手段）

Claims (7)

1. 異音を含む音と異音を含まない音とを識別するための識別条件を選定する音識別条件選定装置であって、
   異音を含むサンプル音データの周波数スペクトルを示すサンプルスペクトルデータ、および異音を含まないサンプル音データの周波数スペクトルを示すサンプルスペクトルデータを受け取り、当該各サンプルスペクトルデータにおける所定の周波数範囲を任意のブロック数のブロックに分割し、当該各ブロックにおける振幅の平均値である振幅平均値を算定する第１のデータ加工手段と、
   前記第１のデータ加工手段により前記ブロック毎に前記振幅平均値が算定された各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きいときには、周波数の高いブロックの振幅平均値から周波数の低いブロックの振幅平均値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定する識別性判定値設定手段と、
   異音を含む複数のサンプル音データのサンプルスペクトルデータおよび異音を含まない複数のサンプル音データのサンプルスペクトルデータについて前記第１のデータ加工手段および前記識別性判定値設定手段による処理を行い、当該処理により得られた複数の前記識別性判定値の平均値を算出し、当該平均値が所定の基準値以上か否かを判定する識別性判定手段と、
   前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータのうちのいくつかのサンプルスペクトルデータ、および前記異音を含まない複数のサンプル音データのサンプルスペクトルデータのうちのいくつかのサンプルスペクトルデータを用い、前記異音を含むサンプル音データと前記異音を含まないサンプル音データとを識別する識別関数を生成する識別関数生成手段と、
   前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータのうちの他のいくつかのサンプルスペクトルデータ、および前記異音を含まない複数のサンプル音データのサンプルスペクトルデータのうちの他のいくつかのサンプルスペクトルデータを用い、前記識別関数生成手段により生成された識別関数が前記異音を含むサンプル音データと前記異音を含まないサンプル音データとを正しく識別する確率である識別正解率を算定する正解率算定手段とを備えていることを特徴とする音識別条件選定装置。
2. 前記第１のデータ加工手段によりブロック毎に振幅平均値が算定された前記各サンプルスペクトルデータに対し、下限値が０であり、上限値が０より大きくかつ前記各サンプルスペクトルデータの最大振幅値以下である振幅範囲を設定し、当該振幅範囲の上限値をＲｍａｘとし、任意の実数をＳとし、前記各振幅平均値をａとし、前記各振幅平均値に対応する相対振幅値をｂとした場合に、
   ａ≧Ｒｍａｘのときにはｂ＝Ｓ、
   ａ＜Ｒｍａｘのときにはｂ＝（ａ／Ｒｍａｘ）・Ｓ
   とする処理を行い、前記各振幅平均値に対応する相対振幅値を算定する第２のデータ加工手段を備え、
   前記識別性判定値設定手段は、前記第１のデータ加工手段および前記第２のデータ加工手段により各振幅値が前記相対振幅値に置き換えられた前記各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きいときには、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定することを特徴とする請求項１に記載の音識別条件選定装置。
3. 前記ブロック数を設定または変更し、かつ前記振幅範囲の上限値を設定または変更する加工パラメータ設定手段と、
   加工パラメータ設定手段により前記ブロック数または前記振幅値の上限値が設定または変更される度に、前記第１のデータ加工手段、前記第２のデータ加工手段、前記識別性判定値設定手段、前記識別性判定手段、前記識別関数生成手段および前記正解率算定手段による処理を実行し、それらの結果前記識別関数生成手段により生成された複数の前記識別関数のうち前記識別正解率が最も高い識別関数、および当該識別関数を算定する際に設定された前記ブロック数と前記振幅範囲の上限値との組合せを前記識別条件として選定する識別条件選定手段とを備えていることを特徴とする請求項２に記載の音識別条件選定装置。
4. 前記振幅範囲の上限値は、前記各サンプルスペクトルデータの最大振幅値に任意の倍率ｍ（０＜ｍ≦１）を乗じた値であり、前記識別条件選定手段は、前記振幅範囲の上限値に代えて前記倍率ｍを前記識別条件の１つとして選定することを特徴とする請求項３に記載の音識別条件選定装置。
5. 異音を含む音と異音を含まない音とを識別する識別関数を生成する識別関数生成装置であって、
   異音を含むサンプル音データの周波数スペクトルを示すサンプルスペクトルデータ、および異音を含まないサンプル音データの周波数スペクトルを示すサンプルスペクトルデータを受け取り、当該各サンプルスペクトルデータにおける所定の周波数範囲を任意のブロック数のブロックに分割し、当該各ブロックにおける振幅の平均値である振幅平均値を算定する第１のデータ加工手段と、
   前記第１のデータ加工手段により前記ブロック毎に前記振幅平均値が算定された各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きいときには、周波数の高いブロックの振幅平均値から周波数の低いブロックの振幅平均値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの振幅平均値が周波数の低いブロックの振幅平均値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定する識別性判定値設定手段と、
   異音を含む複数のサンプル音データのサンプルスペクトルデータおよび異音を含まない複数のサンプル音データのサンプルスペクトルデータについて前記第１のデータ加工手段および前記識別性判定値設定手段による処理を行い、当該処理により得られた複数の前記識別性判定値の平均値を算出し、当該平均値が所定の基準値以上か否かを判定する識別性判定手段と、
   前記識別性判定手段による判定の結果、前記複数の識別性判定値の平均値が前記基準値以上である場合には、前記異音を含む複数のサンプル音データのサンプルスペクトルデータおよび前記異音を含まない複数のサンプル音データのサンプルスペクトルデータを用い、前記異音を含む複数のサンプル音データと前記異音を含まない複数のサンプル音データとを識別する識別関数を生成する識別関数生成手段とを備えていることを特徴とする識別関数生成装置。
6. 前記第１のデータ加工手段によりブロック毎に振幅平均値が算定された前記各サンプルスペクトルデータに対し、下限値が０であり、上限値が０より大きくかつ前記各サンプルスペクトルデータの最大振幅値以下である振幅範囲を設定し、当該振幅範囲の上限値をＲｍａｘとし、任意の実数をＳとし、前記各振幅平均値をａとし、前記各振幅平均値に対応する相対振幅値をｂとした場合に、
   ａ≧Ｒｍａｘのときにはｂ＝Ｓ、
   ａ＜Ｒｍａｘのときにはｂ＝（ａ／Ｒｍａｘ）・Ｓ
   とする処理を行い、前記各振幅平均値に対応する相対振幅値を算定する第２のデータ加工手段を備え、
   前記識別性判定値設定手段は、前記第１のデータ加工手段および前記第２のデータ加工手段により各振幅値が前記相対振幅値に置き換えられた前記各サンプルスペクトルデータにおいて、互いに隣り合う一対のブロックのうち、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きいときには、周波数の高いブロックの相対振幅値から周波数の低いブロックの相対振幅値を引いた値を算出し、当該値を振幅増加値として設定し、周波数の高いブロックの相対振幅値が周波数の低いブロックの相対振幅値よりも大きくないときには０を振幅増加値として設定する処理を、当該各サンプルスペクトルデータにおいて互いに隣り合う一対のブロックのそれぞれについて行い、さらに、前記異音を含まないサンプルスペクトルデータのブロックのうち、前記異音を含むサンプルスペクトルデータにおける振幅増加値が０であるブロックに対応するブロックについて、その振幅増加値を０に設定し、その後、前記異音を含むサンプルスペクトルデータの各ブロックの振幅増加値から当該ブロックに対応する前記異音を含まないサンプルスペクトルデータのブロックの振幅増加値を引く振幅増加値減算処理を行い、その後、前記振幅増加値減算処理が行われた、前記異音を含むサンプルスペクトルデータにおけるすべての振幅増加値をそれぞれ足し合わせ、その結果得られた値を識別性判定値として設定することを特徴とする請求項５に記載の識別関数生成装置。
7. 前記振幅範囲の上限値は、前記各サンプルスペクトルデータの最大振幅値に任意の倍率ｍ（０＜ｍ≦１）を乗じた値であることを特徴とする請求項６に記載の識別関数生成装置。

Images