WO2013179464A1

WO2013179464A1 - 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

Info

Publication number: WO2013179464A1
Application number: PCT/JP2012/064196
Authority: WO
Inventors: 佐藤　潤; 船山　竜士; 智哉高谷; 金道　敏樹; 深町　映夫
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2012-05-31
Filing date: 2012-05-31
Publication date: 2013-12-05
Anticipated expiration: 2014-11-30
Also published as: JPWO2013179464A1; EP2858068A1; EP2858068A4; CN104380378A; US20150117652A1

Abstract

　本発明は、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを高精度に判定することにより、各環境に対して適切なノイズモデルを生成するノイズモデル生成装置を提供することを課題とする。本発明は、集音器で集音された音情報に含まれる検出対象の音源以外のノイズ情報に関するノイズモデルを生成するためのノイズモデル生成装置であって、集音された音情報からパワースペクトルを取得し、このパワースペクトルの確率密度分布（ヒストグラム）を評価することにより集音された音情報の中に検出対象の音源が含まれているか否かを判定し、集音された音情報の中に検出対象の音源が含まれていないと判定している場合に集音された音情報からノイズモデルを生成する。

Description

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

　本発明は、集音器で集音された音情報から検出対象の音源を検出する音源検出装置、集音器で集音された音情報に含まれる検出対象の音源以外のノイズ情報に関するノイズモデルを生成するノイズモデル生成装置、そのノイズモデルを用いるノイズ抑圧装置、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に関する。

　複数の集音器で周囲の音をそれぞれ集音し、各集音器への音の到達時間差等に基づいて音源（例えば、接近する車両の走行音）の方位等を推定する音源方位推定装置（例えば、接近車両検出装置）が開発されている。特許文献１に記載の装置では、所定の間隔で配設された複数のマイクロホン（集音器）が出力する電気信号から帯域通過フィルタで低周波帯域と高周波帯域の周波数成分をそれぞれ除去して補正電気信号に変換し、その補正電気信号から車両の走行音の特徴の現れる所定の周波数帯域のパワーを算出し、そのパワーレベルが所定値より大きい場合に接近車両有りと判定するとともに、その補正電気信号により不要な雑音成分を除去して雑音抑制信号に変換し、複数のマイクロホンの雑音抑制信号間の相互相関を演算し、相関が最大となる到達時間差から接近車両の接近方向を演算する。

実開平５－９２７６７号公報特開２００８－７６９７５号公報特開２０１１－１８６３８４号公報

　音源を高精度に推定するためには、集音器で集音された音情報から検出対象の音源以外のノイズを抑圧し（ノイズリダクション）、ノイズを抑圧した音情報を用いて推定を行う必要がある。従来、予め用意したノイズモデルや規定のタイミングで強制的に生成したノイズモデルを使用したノイズリダクション技術がある。しかし、音源方位推定装置を接近車両検出装置等の屋外で使用する装置に適用した場合、集音器で集音する周辺の環境が変化するので、ノイズ源も変わる。そのため、このような多様な環境で予め用意したノイズモデルや予め決められたタイミングで生成したノイズモデルを使用すると、各環境に対して適切なノイズモデルとなっていない場合がある。そのため、ノイズ成分を十分に抑圧できなかったりあるいは必要な音成分まで抑圧してしまう場合がある。その結果、音源の推定精度が低下する。

　そこで、本発明は、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを高精度に判定することにより、検出対象の音源を高精度に検出する音源検出装置及び各環境に対して適切なノイズモデルを生成するノイズモデル生成装置、各環境に対して適切なノイズモデルを用いるノイズ抑圧装置、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を提供することを課題とする。

　本発明に係る音源検出装置は、集音器で集音された音情報から検出対象の音源を検出する音源検出装置であって、集音器で集音された音情報からパワースペクトルを取得するパワースペクトル取得部と、パワースペクトル取得部で取得したパワースペクトルの確率密度分布を評価することにより、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部とを備えることを特徴とする。

　この音源検出装置では、集音器を備えており、集音器によって周辺の音を集音し、音情報を得る。そして、音源検出装置では、パワースペクトル取得部によってその音情報からパワースペクトル（音の周波数毎のパワー（エネルギ））を取得する。さらに、音源検出装置では、判定部によってパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを判定し、音情報から音源を検出する。検出対象の音源が存在しない環境（音情報の中にノイズ成分だけが含まれている場合）と検出対象の音源が存在する環境（音情報の中にノイズ成分に加えて検出対象の音源成分が含まれている場合）とでは、パワースペクトルの確率密度分布の形状が明らかに異なる。したがって、音情報から得られるパワースペクトルの確率密度分布から音情報の中にノイズ成分（例えば、ホワイトノイズ、ピンクノイズ）だけが含まれているかあるいはノイズ成分の他に検出対象の音源成分も含まれているかを高精度に判別できる。このように、音源検出装置では、集音器で集音された音情報のパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを高精度に判定でき、検出対象の音源を高精度に検出できる。

　なお、パワースペクトルの確率密度分布を評価する場合、確率密度分布を求めて、確率密度分布を用いて評価を行う手法でもよいし、あるいは、確率密度分布を求めることなく、パワースペクトルを用いて評価を行う手法でもよい。

　本発明の上記音源検出装置では、判定部は、検出対象の音源に基づいて設定される第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定すると好適である。

　検出対象の音源が存在しない環境（ホワイトノイズやピンクノイズ等によるノイズ環境下）では、全周波数帯域においてパワー分布に連続性がある。一方、検出対象の音源が存在する環境では、その音源を含む周波数帯域ではパワー分布が変化するので、音源を含む周波数帯域とそれ以外の周波数帯域との間で連続性がなくなる。したがって、この２つの周波数帯域のパワースペクトルの確率密度分布を比較することにより、検出対象の音源が存在しない環境かあるいは検出対象の音源が存在する環境かを高精度に判別できる。そこで、音源検出装置では、判定部によって検出対象の音源が含まれる第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを比較して評価することにより音情報の中に検出対象の音源が含まれているか否かを判定し、音情報から音源を検出する。このように、音源検出装置では、検出対象の音源が含まれる第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより、音情報の中に検出対象の音源が含まれているか否かをより高精度に判定することができ、検出対象の音源をより高精度に検出できる。

　本発明の上記音源検出装置では、パワースペクトルに基づくガンマ分布フィッティングによりガンマ分布の尺度母数を算出する尺度母数算出部を備え、判定部は、尺度母数算出部で算出した尺度母数を用いてパワースペクトルの確率密度分布を評価する構成としてもよい。このように、音源検出装置では、ガンマ分布フィッティングによる尺度母数を用いることにより、パワースペクトルの確率密度分布を高精度に評価することができる。

　本発明に係るノイズモデル生成装置は、集音器で集音された音情報に含まれる検出対象の音源以外のノイズ情報に関するノイズモデルを生成するためのノイズモデル生成装置であって、集音器で集音された音情報からパワースペクトルを取得するパワースペクトル取得部と、パワースペクトル取得部で取得したパワースペクトルの確率密度分布を評価することにより、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部と、判定部で音情報の中に検出対象の音源が含まれていないと判定している場合に集音器で集音された音情報からノイズモデルを生成するノイズモデル生成部とを備えることを特徴とする。

　このノイズモデル生成装置では、集音器を備えており、集音器によって周辺の音を集音し、音情報を得る。そして、ノイズモデル生成装置では、パワースペクトル取得部によってその音情報からパワースペクトルを取得する。さらに、ノイズモデル生成装置では、判定部によってパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを判定し、ノイズモデルを生成するための適切なタイミングを判断する。上記したうように、検出対象の音源が存在しない環境と検出対象の音源が存在する環境とではパワースペクトルの確率密度分布の形状が明らかに異なるので、音情報から得られるパワースペクトルの確率密度分布の形状から検出対象の音源が存在しない環境か存在する環境かを高精度に判別できる。また、ノイズモデルに基づいてノイズが抑圧された音情報を用いて検出対象の音源を高精度に検出するためには、検出対象の音源が存在しない環境で集音された音情報からノイズモデルを生成する必要がある。ちなみに、検出対象の音源が存在する環境で集音された音情報からノイズモデルを生成した場合、そのノイズモデルを用いると音情報の中から必要な音成分まで抑圧してしまう。ノイズモデルを生成するための適切なタイミング（検出対象の音源が存在しない環境）を判断すると、ノイズモデル生成装置では、ノイズモデル生成部によって、そのタイミングで集音されている音情報からノイズモデルを生成する。このように、ノイズモデル生成装置では、集音器で集音された音情報のパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを高精度に判定できるので、ノイズモデルを生成するための適切なタイミングを判断でき、各環境に対して適切なノイズモデルを生成することができる。

　本発明の上記ノイズモデル生成装置では、判定部は、検出対象の音源に基づいて設定される第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定すると好適である。

　上記したうように、検出対象の音源が存在しない環境では全周波数帯域においてパワー分布に連続性があるが、検出対象の音源が存在する環境では検出対象の音源を含む周波数帯域とそれ以外の周波数帯域との間で連続性がなくなる。したがって、この２つの周波数帯域のパワースペクトルの確率密度分布を比較することにより、検出対象の音源が存在しない環境（ノイズモデルを生成するのに適した環境）かあるいは検出対象の音源が存在する環境（ノイズモデルを生成するのに適しない環境）かを高精度に判別できる。そこで、ノイズモデル生成装置では、判定部によって、検出対象の音源が含まれる第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを比較して評価することにより音情報の中に検出対象の音源が含まれているか否かを判定する。そして、ノイズモデル生成装置では、ノイズモデル生成部によって、判定部で検出対象の音源が含まれていないと判定されている場合（ノイズモデルを生成するための適切なタイミングと判断されている場合）にそのタイミングで集音されている音情報からノイズモデルを生成する。このように、ノイズモデル生成装置では、検出対象の音源が含まれる第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより音情報の中に検出対象の音源が含まれているか否かをより高精度に判定することができ、ノイズモデルを生成するための適切なタイミングを判断できる。

　本発明の上記ノイズモデル生成装置では、パワースペクトルに基づくガンマ分布フィッティングによりガンマ分布の尺度母数を算出する尺度母数算出部を備え、判定部は、尺度母数算出部で算出した尺度母数を用いてパワースペクトルの確率密度分布を評価する構成としてもよい。このように、ノイズモデル生成装置では、ガンマ分布フィッティングによる尺度母数を用いることにより、パワースペクトルの確率密度分布を高精度に評価することができる。

　本発明の上記ノイズモデル生成装置では、集音器で集音された音情報から点音源を検出する点音源検出部を備え、ノイズモデル生成部は、判定部で音情報の中に検出対象の音源が含まれていないと判定している場合でも、点音源検出部で点音源を検出している場合にはノイズモデルを生成しない構成としてもよい。

　このノイズモデル生成装置では、点音源検出部によって、集音器で集音された音情報から点音源を検出する。点音源は、ホワイトノイズ、ピンクノイズ等の環境ノイズではない特定の音源であり、検出対象の音源の可能性がある。そこで、ノイズモデル生成装置のノイズモデル生成部では、判定部で音情報の中に検出対象の音源が含まれていないと判定されている場合（ノイズモデル生成可と判定されている場合）でも、点音源検出部で点音源を検出されている場合（検出対象の音源が存在する可能性がある場合）にはノイズモデルを生成しない。このように、ノイズモデル生成装置では、パワースペクトルの確率密度分布の評価によってノイズモデルを生成可と判定している場合でも点音源の有無を考慮してノイズモデル生成を判断することにより、ノイズモデルを生成するための適切なタイミングをより高精度に判断できる。

　本発明の上記ノイズモデル生成装置では、集音器で集音された音情報から検出対象の音源以外の特徴音を検出する特徴音検出部を備え、ノイズモデル生成部は、特徴音検出部で検出対象の音源以外の特徴音を検出している場合にはノイズモデルを生成する構成としてもよい。

　このノイズモデル生成装置では、特徴音検出部によって、集音器で集音された音情報から検出対象の音源以外の特徴音を検出する。特徴音は、ホワイトノイズ、ピンクノイズ等の環境ノイズではない特定の音源（点音源）の中で検出対象の音源以外の音源である。そこで、ノイズモデル生成装置のノイズモデル生成部では、特徴音検出部で特徴音が検出されている場合にはノイズモデルを生成する。このように、ノイズモデル生成装置では、検出対象の音源以外の特徴音の有無を考慮してノイズモデルを生成するか否かを判断することにより、ノイズモデルを生成するための適切なタイミングをより高精度に判断できる。

　本発明の上記ノイズモデル生成装置では、ノイズモデル生成部でノイズモデルを既に生成している場合、当該ノイズモデルを集音器で集音された音情報を加味して更新するノイズモデル更新部を備える構成としてもよい。このように、ノイズモデル生成装置では、既にノイズモデルが生成されている場合には現在の環境で集音されている音情報を加味してノイズモデルを更新することにより、少ない処理負荷で、環境の変化に対応した適切なノイズモデルを生成することができる。

　本発明に係るノイズ抑圧装置は、集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧装置であって、上記のいずれかのノイズモデル生成装置を備え、ノイズモデル生成装置で生成したノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧することを特徴とする。このノイズ抑圧装置によれば、上記の各ノイズモデル生成装置で生成された各環境に対して適切なノイズモデルを用いることにより、集音器で集音された音情報から検出対象の音源以外のノイズを高精度に抑圧することができる。

　本発明に係る音源方位推定装置は、集音器で集音された音情報に含まれる検出対象の音源の方位を推定する音源方位推定装置であって、上記のノイズ抑圧装置を備え、ノイズ抑圧装置でノイズが抑圧された音情報から検出対象の音源の方位を推定することを特徴とする。この音源方位推定装置によれば、上記のノイズ抑圧器で高精度にノイズが抑圧された音情報を用いることにより、集音器で集音された音情報に含まれる検出対象の音源の方位を高精度に推定することができる。

　本発明に係る接近車両検出装置は、車両に搭載される集音器で集音された音情報に基づいて接近する車両を検出する接近車両検出装置であって、上記の音源方位推定装置を備え、音源方位推定装置で接近車両から発生する音源の方位を推定することを特徴とする。この接近車両検出装置によれば、上記の音源方位推定装置で接近車両から発生する音源（例えば、走行音）の方位等を推定することにより、接近車両の方位等を高精度に検出することができる。

　また、本発明に係るノイズ抑圧装置は、集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧装置であって、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部と、判定部で音情報の中に検出対象の音源が含まれていないと判定している場合に集音器で集音された音情報からノイズモデルを生成するノイズモデル生成部と、ノイズモデル生成部で生成したノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧するノイズ抑圧部とを備えることを特徴とする。

　このノイズ抑圧装置では、集音器を備えており、集音器によって周辺の音を集音し、音情報を得る。そして、ノイズ抑圧装置では、判定部によって、音情報の中に検出対象の音源が含まれているか否かを判定し、ノイズモデルを生成するための適切なタイミングを判断する。ノイズモデルに基づいてノイズが抑圧された音情報を用いて検出対象の音源を高精度に検出するためには、検出対象の音源が存在しない環境で集音された音情報からノイズモデルを生成する必要がある。ちなみに、検出対象の音源が存在する環境で集音された音情報からノイズモデルを生成した場合、そのノイズモデルを用いると音情報の中から必要な音成分まで抑圧してしまう。ノイズモデルを生成するための適切なタイミング（検出対象の音源が存在しない環境）を判断すると、ノイズ抑圧装置では、ノイズモデル生成部によって、そのタイミングで集音されている音情報からノイズモデルを生成する。さらに、ノイズ抑圧装置では、ノイズ抑圧部によって、その生成されたノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧する。このように、ノイズ抑圧装置では、集音器で集音された音情報の中に検出対象の音源が含まれないノイズモデルを生成するための適切なタイミングでノイズモデルを生成して、各環境に対して適切なノイズモデルを用いることにより、集音器で集音された音情報から検出対象の音源以外のノイズを高精度に抑圧することができる。

　本発明の上記ノイズ抑圧装置では、ノイズ抑圧部は、ノイズモデル生成部で生成したノイズモデルがある場合にはノイズモデル生成部で生成したノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧し、ノイズモデル生成部で生成したノイズモデルがない場合には予め用意されたノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧する又はノイズ抑圧をしない。

　ノイズモデル生成部では、ノイズモデルを生成するための適切なタイミングでノイズモデルを生成するが、ノイズモデルがまだ生成されていない場合もある。そこで、ノイズ抑圧装置では、ノイズモデル生成部でノイズモデルが生成されている場合、ノイズ抑圧部によって、その生成されたノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧する。また、ノイズ抑圧装置では、ノイズモデル生成部でノイズモデルがまだ生成されていない場合、ノイズ抑圧部によって、予め用意されたノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧するかあるいはノイズ抑圧を行わない。

　本発明に係るノイズ抑圧方法は、集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧方法であって、集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定ステップと、判定ステップで音情報の中に検出対象の音源が含まれていないと判定している場合に集音器で集音された音情報からノイズモデルを生成するノイズモデル生成ステップと、ノイズモデル生成ステップで生成したノイズモデルを用いて集音器で集音された音情報から検出対象の音源以外のノイズを抑圧するノイズ抑圧ステップとを含むことを特徴とする。このノイズ抑圧方法によれば、上記のノイズ抑圧装置と同様に作用し、同様の効果を有する。

　本発明によれば、集音器で集音された音情報のパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを高精度に判定でき、検出対象の音源を高精度に検出できる。また、本発明によれば、集音器で集音された音情報のパワースペクトルの確率密度分布を評価することにより音情報の中に検出対象の音源が含まれているか否かを高精度に判定できるので、ノイズモデルを生成するための適切なタイミングを判断でき、各環境に対して適切なノイズモデルを生成することができる。また、本発明によれば、集音器で集音された音情報の中に検出対象の音源が含まれないノイズモデルを生成するための適切なタイミングでノイズモデルを生成して、各環境に対して適切なノイズモデルを用いることにより、集音器で集音された音情報から検出対象の音源以外のノイズを高精度に抑圧することができる。

第１の実施の形態に係る接近車両検出装置の構成図である。走行音が観測されている時間帯のデータの一例であり、（ａ）がパワースペクトルであり、（ｂ）がパワースペクトルのヒストグラムである。走行音が観測されていない時間帯のデータの一例であり、（ａ）がパワースペクトルであり、（ｂ）がパワースペクトルのヒストグラムである。尺度母数の時間変化の一例である。本実施の形態に係る接近車両検出装置における全体の動作の流れを示すフローチャートである。第１の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。第２の実施の形態に係る接近車両検出装置の構成図である。走行音が観測される周波数帯域での尺度母数と走行音が観測されない周波数帯域での尺度母数の時間変化の一例である。第２の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。第３の実施の形態に係る接近車両検出装置の構成図である。第３の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。第４の実施の形態に係る接近車両検出装置の構成図である。第４の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。第５の実施の形態に係る接近車両検出装置の構成図である。第５の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。

　以下、図面を参照して、本発明の実施の形態を説明する。なお、各図において同一又は相当する要素については同一の符号を付し、重複する説明を省略する。

　本実施の形態では、本発明を、車両に搭載される接近車両検出装置（音源方位推定装置）に適用する。本実施の形態に係る接近車両検出装置は、複数のマイクロホン（集音器）で集音された各音信号に基づいて自車両に接近する車両を検出し（つまり、自車両周辺の他車両の走行音（検出対象の音源）の方位等を推定し）、接近車両の情報を運転支援装置に提供する。特に、本実施の形態では、接近車両を高精度に検出するために、環境に対応した適切なノイズモデルを生成し、そのノイズモデルを用いて集音器で集音された音信号からノイズを抑圧した音信号を用いる。本実施の形態には、ノイズモデル生成の構成が異なる５つの実施の形態があり、第１の実施の形態が基本となる形態であり、各実施の形態に機能を順次追加していく。

　なお、車両の走行音は、主として、ロードノイズ（タイヤ表面と路面との摩擦音）とパターンノイズ（タイヤ溝における空気の渦（圧縮／開放））である。この車両の走行音の周波数帯域は、実車実験等によって予め測定しておく。

　図１～図４を参照して、第１の実施の形態に係る接近車両検出装置１Ａについて説明する。図１は、第１の実施の形態に係る接近車両検出装置の構成図である。図２は、走行音が観測されている時間帯のデータの一例であり、（ａ）がパワースペクトルであり、（ｂ）がパワースペクトルのヒストグラムである。図３は、走行音が観測されていない時間帯のデータの一例であり、（ａ）がパワースペクトルであり、（ｂ）がパワースペクトルのヒストグラムである。図４は、尺度母数の時間変化の一例である。

　接近車両検出装置１Ａは、ノイズモデル生成に適したタイミングを判断するために、マイクロホンで集音した音信号に検出対象の音源（車両の走行音）が含まれているか否かを判別し、ノイズモデルを生成可能なタイミング（区間）を判断する。そのために、接近車両検出装置１Ａは、音信号のパワースペクトルを算出し、パワースペクトルのヒストグラム（確率密度分布）をガンマ分布フィッティングによって評価する。

　接近車両検出装置１Ａの構成を具体的に説明する前、図２、図３を参照して、音信号に走行音が含まれる場合と走行音が含まれない場合のパワースペクトル及びパワースペクトルのヒストグラムについて説明しておく。図２（ａ）には音信号に走行音が含まれている場合の音信号のパワースペクトル（各周波数に対するパワー（エネルギ））を示しており、図３（ａ）には音信号に走行音が含まれていない場合の音信号のパワースペクトルを示している。この各図（ａ）において、符号Ｒで示す区間が走行音の音成分が支配的に現れる周波数帯域である。また、図２（ｂ）には音信号に走行音が含まれている場合の周波数帯域Ｒにおけるパワースペクトルのヒストグラム（各パワーの頻度）を示しており、図３（ａ）には音信号に走行音が含まれていない場合の周波数帯域Ｒにおけるパワースペクトルのヒストグラムを示している。

　図２（ａ）に示す周波数帯域Ｒにおけるパワー分布と図３（ａ）に示す周波数帯域Ｒにおけるパワー分布とを比較すると、音信号の中にノイズ成分（例えば、ホワイトノイズやピンクノイズ等の環境ノイズ）だけが含まれている場合と音情報の中にノイズ成分に加えて車両の走行音成分が含まれている場合とでパワー分布が異なっていることが判る。この違いは、図２（ｂ）に示す周波数帯域Ｒにおけるパワースペクトルのヒストグラムと図３（ｂ）に示す周波数帯域Ｒにおけるパワースペクトルのヒストグラムとを比較することにより、ヒストグラムの形状の違いから良く判る。このように、検出対象の走行音の周波数帯域Ｒにおけるパワースペクトルのヒストグラムの形状の変化から、音信号にノイズ成分だけが含まれているかあるいは音信号にノイズ成分に加えて検出対象の走行音成分が含まれているかを判別できる。

　また、ノイズモデルに基づいてノイズ成分が抑圧された音信号を用いて走行音を高精度に検出するためには、走行音が存在しない環境で集音された音信号からノイズモデルを生成する必要がある。ちなみに、走行音が存在する環境で集音された音信号からノイズモデルを生成した場合、ノイズモデルの中に走行音成分も含まれるので、そのノイズモデルを用いると音信号の中から必要な音成分まで抑圧してしまう。

　そこで、パワースペクトルのヒストグラムの形状を評価することによって、走行音が存在しない環境かあるいは走行音が存在する環境かを判定し、走行音が存在しない環境であるタイミング（区間）を検出する。このタイミングで集音されている音信号を用いてノイズモデルを生成することにより、ノイズ成分だけが含まれている音信号からノイズモデルを生成できる。

　ヒストグラムの形状を評価するために、車両走行中の様々な環境で集音した音信号のデータ（走行音を含むデータと走行音を含まないデータ）を各種手法に適用した結果、ガンマ分布フィッティングによる尺度母数を特徴量とした場合が最も有効であった。図４には、実線Ｌ１で車両走行中に集音した音信号のパワースペクトルから求められた尺度母数の時間変化の一例を示している。実線Ｌ１の変化から判るように、走行音が観測されない時間帯では尺度母数は０近傍になるが、走行音が観測される時間帯Ｔ１，Ｔ２，Ｔ３，Ｔ４では尺度母数が顕著に大きくなる。このように、尺度母数の大きさから、走行音が存在する環境と走行音が存在しない環境とを判別できる。

　そこで、第１の実施の形態では、パワースペクトルのヒストグラムを評価するために、ガンマ分布フィッティングを用いて、ガンマ分布の形状母数を求め、その形状係数から尺度母数を求め、尺度母数を評価の特徴量とする。ガンマ分布は、連続確率分布の一種であり、その性質が形状分布と尺度分布の２つのパラメータで特徴付けられる。なお、ガンマ分布フィッティングを用いる場合、パワースペクトルから形状母数や尺度母数を直接求めることができるので、パワースペクトルのヒストグラムを算出してガンマ分布フィッティングを行ってもよいしあるいはヒストグラムを算出することなくガンマ分布フィッティングを行ってもよい。

　それでは、接近車両検出装置１Ａの構成を説明する。接近車両検出装置１Ａは、マイクロホンアレイ１０、デジタル信号変換器２０及びＥＣＵ[Electronic Control Unit]３０Ａ（ノイズモデル生成部３１Ａ、ノイズ抑圧器３２、音源方位推定器３３）を備えている。

　マイクロホンアレイ１０は、左側マイクロホンユニット１１と右側マイクロホンユニット１２を有している。左側マイクロホンユニット１１と右側マイクロホンユニット１２とは、車両の前端部における同じ高さ位置に車幅方向（左右方向）の左側と右側に配置される。左側マイクロホンユニット１１は、第１マイクロホン１１ａと第２マイクロホン１１ｂを有している。例えば、第１マイクロホン１１ａは車幅方向の左側の外側に配置され、第２マイクロホン１１ｂは第１マイクロホン１１ｂから所定の間隔をあけて車両中心側に配置される。右側マイクロホンユニット１２は、第３マイクロホン１２ａと第４マイクロホン１２ｂを有している。例えば、第４マイクロホン１２ｂは車幅方向の右側の外側に配置され、第３マイクロホン１２ａは第４マイクロホン１２ｂから所定の間隔をあけて車両中心側に配置される。各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂは、音響電気変換器であり、車外の周囲の音をアナログの電気信号に変換し、その電気信号（音信号）をデジタル信号変換器２０に出力する。なお、本実施の形態では、マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂが請求の範囲に記載する集音器に相当する。

　デジタル信号変換器２０では、マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂ毎にアナログの音信号（電気信号）を入力すると、その各音信号をデジタルの音信号（電気信号）にそれぞれ変換する。そして、デジタル信号変換器２０では、マイクロホン毎のデジタルの音信号（電気信号）をＥＣＵ３０Ａにそれぞれ出力する。

　ＥＣＵ３０Ａは、ＣＰＵ[Central Processing Unit]、ＲＯＭ[Read Only Memory]、ＲＡＭ[Random Access Memory]等からなる電子制御ユニットであり、接近車両検出装置１Ａを統括制御する。ＥＣＵ３０Ａには、ノイズモデル生成部３１Ａ（パワースペクトル算出器３１ａ、ヒストグラム算出器３１ｂ、尺度母数算出器３１ｃ、ノイズモデル生成可否判定器３１ｄ、ノイズモデル生成器３１ｅ）、ノイズ抑圧器３２、音源方位推定器３３が構成される。ＥＣＵ３０Ａでは、デジタル信号変換器２０からマイクロホン毎の音信号（デジタルの電気信号）をそれぞれ入力する。

　なお、第１の実施の形態では、パワースペクトル算出器３１ａが請求の範囲に記載するパワースペクトル取得部に相当し、尺度母数算出器３１ｃが請求の範囲に記載する尺度母数算出部に相当し、ノイズモデル生成可否判定器３１ｄが請求の範囲に記載する判定部に相当し、ノイズモデル生成器３１ｅが請求の範囲に記載するノイズモデル生成部に相当し、ノイズ抑圧器３２が請求の範囲に記載するノイズ抑圧部に相当する。

　パワースペクトル算出器３１ａでは、デジタル信号変換器２０からのデジタルの音信号を用いて、音信号に対してＦＦＴ[Fast Fourier Transform]（高速フーリエ変換）を行い、音信号のパワースペクトル（周波数毎のパワー（エネルギ））を算出する。ここでは、４個のマイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号のうちの任意の１個のマイクロホンの音信号を用いてもよいし、あるいは、４個のマイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号のうちの複数のマイクロホン（例えば、左側と右側で対応する２個のマイクロホン、４個全てのマイクロホン）の音信号を平均化した音信号でもよい。

　ヒストグラム算出器３１ｂでは、パワースペクトル算出器３１ａで算出したパワースペクトルから、走行音が支配的に含まれる周波数帯域におけるパワースペクトルのヒストグラムを算出する。

　尺度母数算出器３１ｃでは、走行音が支配的に含まれる周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、尺度母数を算出する。具体的には、式（１）により、形状母数αの推定値を算出する。式（１）におけるγは、走行音が支配的な周波数帯域における各周波数のパワーのデータ列｛ｘ：ｘ１，ｘ２，・・・，ｘＮ｝を用いて、式（２）により算出できる。さらに、形状母数αの推定値とデータ列｛ｘ：ｘ１，ｘ２，・・・，ｘＮ｝を用いて、式（３）により、尺度母数θの推定値を算出する。

　ノイズモデル生成可否判定器３１ｄでは、尺度母数算出器３１ｃで算出した尺度母数と閾値とを比較し、尺度母数が閾値以上の場合（尺度母数が大きく、音信号に走行音が含まれていると判断できる場合）にはノイズモデル生成不可と判定し、尺度母数が閾値未満の場合（尺度母数が小さく、音信号に走行音が含まれていないと判断できる場合）にはノイズモデル生成可と判定する。この閾値は、音信号の中に走行音が含まれているか否かを尺度母数の大きさに基づいて判定するための閾値であり、実験等によって予め設定される。

　ノイズモデル生成器３１ｅでは、ノイズモデル生成可否判定器３１ｄでノイズモデル生成可と判定した場合、デジタル信号変換器２０からのデジタルの音信号を用いてノイズモデルを生成する。この生成方法としては、従来の方法を適用し、例えば、４個のマイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号のうちの任意の１個のマイクロホンの音信号をそのままノイズモデルとしたり、４個のマイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号のうちの複数のマイクロホンの音信号を平均化した音信号をノイズモデルとする。

　ノイズ抑圧器３２では、ノイズモデルを用いて、デジタル信号変換器２０からのマイクロホン毎のデジタルの音信号からノイズ成分をそれぞれ抑圧する。この抑圧方法としては、従来の方法を適用し、例えば、音信号においてノイズモデルよりも大きな値を持つ区間を抽出し、その区間の音信号だけを音源方位推定器３３で用いるようにする。ここでは、ノイズモデル生成器３１ｅで既にノイズモデルを生成している場合にはそのノイズモデルを用い、ノイズモデル生成器３１ｅでノイズモデルを生成していない場合には予め用意されているノイズモデルを用いる。予め用意されているノイズモデルは、実験等によって予め生成されたものである。

　音源方位推定器３３では、ノイズ抑圧器３２でノイズ成分を抑圧した各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号を用いて、検出対象の音源（走行音（ひいては、自車両に接近する車両））が存在するかを判定し、音源が存在する場合にはその音源の方向や距離等を推定する。この推定方法としては、従来の方法を適用し、例えば、ＣＳＰ[Cross power Spectrum Phase analysis]法がある。ＣＳＰ法は、左右のマイクロホン対で集音された各音信号に対して周波数領域でのマッチングを行い、相互相関値（ＣＳＰ係数）を求め、相互相関値が閾値以上の場合には音源が存在すると判断し、音源が存在する場合には相互相関値が最大となる到達時間差から車両の方向や距離等を求める。

　ＥＣＵ３０Ａでは、音源方位推定器３３の検出対象の音源の検出結果に基づいて接近車両情報を生成し、接近車両情報を運転支援装置２に出力する。接近車両情報としては、例えば、接近車両の有無、接近車両が存在する場合には方向、距離の情報である。

　運転支援装置２は、運転者に対して各種運転支援する装置である。特に、運転支援装置２では、一定時間毎に、接近車両検出装置１Ａから接近車両情報を入力すると、接近車両に関する運転支援を実施する。例えば、自車両に対して接近する車両が存在する場合、自車両に対する接近車両の衝突の可能性を判定し、衝突の可能性があると判定したときには運転者に対して警報を出力したり、接近車両の情報を提供し、更に、衝突の可能性が高まった場合には自動ブレーキや自動操舵等の車両制御を行う。

　図１～図４を参照して、接近車両検出装置１Ａの動作について説明する。ここでは、図５のフローチャートに沿って接近車両検出装置１Ａにおける全体の動作を説明し、その後に、図６のフローチャートに沿って接近車両検出装置１Ａにおけるノイズモデル生成に関する動作を説明する。図５は、本実施の形態に係る接近車両検出装置における全体の動作の流れを示すフローチャートである。図６は、第１の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。

　まず、接近車両検出装置１Ａにおける全体の動作を説明する。車両状態や交通環境に基づいて、接近車両検出装置１Ａのシステム作動論理を判断し（Ｓ１）、接近車両検出装置１Ａを作動させるか否かを判定する（Ｓ２）。このシステム作動論理は、接近車両検出装置１Ａを作動させる必要があるか否かを判断する条件であり、例えば、車両状態として車速が所定車速以上、あるいは以下であるという条件、交通環境としては自車両の前方に交差点が存在するという条件がある。なお、接近車両検出装置１Ａを統括管理する上位の装置が存在し、この上位の装置（特に、ＥＣＵ）で、Ｓ１、Ｓ２の各処理を行い、接近車両検出装置１Ａを作動させると判定した場合には接近車両検出装置１Ａを作動させる。

　Ｓ２にて接近車両検出装置１Ａを作動させると判定した場合、接近車両検出装置１Ａが作動される。接近車両検出装置１Ａが作動中、以下の動作を繰り返し行う。接近車両検出装置１Ａでは、マイクロホンアレイ１０の各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂで車外の周囲の音をそれぞれ集音し、その各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂの音信号をデジタル信号変換器２０でデジタル信号にそれぞれ変換する。接近車両検出装置１ＡのＥＣＵ３０Ａ（ノイズモデル生成部３１Ａ）では、デジタル信号変換器２０で変換された音信号を用いて、その音信号の中に検出対象である走行音が存在するか否かを推定し（Ｓ３）、その推定よりノイズモデル生成が可能か否かを判定する（Ｓ４）。接近車両検出装置１ＡのＥＣＵ３０Ａでは、Ｓ４にてノイズモデルを生成可能と判定した場合には音信号を用いてノイズモデルを生成し（Ｓ５）。Ｓ４にてノイズモデルを生成不可と判定した場合にはノイズモデルを生成しない。このＳ３～Ｓ５の動作については、後で詳細に説明する。

　また、接近車両検出装置１ＡのＥＣＵ３０Ａ（ノイズ抑圧器３２）では、Ｓ５で生成されたノイズモデルがある場合には、そのノイズモデルを用いて、デジタル信号変換器２０で変換された各マイクロホンの音信号からノイズ成分をそれぞれ抑圧する（Ｓ６）。一方、Ｓ５で生成されたノイズモデルがない場合、予め用意されているノイズモデルを用いて、デジタル信号変換器２０で変換された各マイクロホンの音信号からノイズ成分をそれぞれ抑圧する（Ｓ６）。より詳細には、ノイズモデルがない場合とは、ノイズモデルの生成が一度も実行されていない場合の他にも、設定された所定時間前から現時点までの間にノイズモデルの生成が実行されていない場合などが相当する。そして、ＥＣＵ３０Ａ（音源方位推定器３３）では、Ｓ６でノイズ成分が抑圧された各マイクロホンの音信号を用いて、検出対象の音源（自車両に接近する車両の走行音）が存在するかを判定し、検出対象の音源が存在する場合にはその検出対象の音源の方向や距離等を推定する（Ｓ７）。そして、ＥＣＵ３０Ａでは、その音源の検出結果に基づいて接近車両情報を生成し、接近車両情報を運転支援装置２に出力する。なお、Ｓ６ではノイズモデルがまだ生成されていない場合には予め用意されているノイズモデルを用いてノイズ抑圧を行ったが、ノイズモデルがまだ生成されていない場合には、ノイズ抑圧はしないまま、検出対象の音源が存在するかを判定する構成としてもよい。

　次に、接近車両検出装置１Ａにおけるノイズモデル生成に関する動作について説明する。マイクロホンアレイ１０の各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂでは、車外の周囲の音をそれぞれ集音し、アナログの音信号を取得する（Ｓ１０）。デジタル信号変換器２０では、各マイクロホン１１ａ，１１ｂ，１２ａ，１２ｂのアナログの音信号をデジタルの音信号にそれぞれ変換する（Ｓ１１）。

　ＥＣＵ３０Ａ（パワースペクトル算出器３１ａ）では、Ｓ１１でデジタル信号に変換された音信号に対してＦＦＴを行い、音信号のパワースペクトルを算出する（Ｓ１２）。そして、ＥＣＵ３０Ａ（ヒストグラム算出器３１ｂ）では、そのパワースペクトルから、走行音が支配的な周波数帯域におけるパワースペクトルのヒストグラムを算出する（Ｓ１３）。さらに、ＥＣＵ３０Ａ（尺度母数算出器３１ｃ）では、走行音が支配的な周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、尺度母数を算出する（Ｓ１４）。

　そして、ＥＣＵ３０Ａ（ノイズモデル生成可否判定器３１ｄ）では、その尺度母数と閾値とを比較し、ノイズモデル生成が可能か否かを判定する（Ｓ１５）。Ｓ１５にて尺度母数が閾値以上の場合にはノイズモデル生成不可と判定し、ノイズモデルを生成しない。一方、Ｓ１５にて尺度母数が閾値未満の場合にはノイズモデル生成可と判定し、ＥＣＵ３０Ａ（ノイズモデル生成器３１ｅ）では、Ｓ１１でデジタル信号に変換された音信号を用いてノイズモデルを生成する（Ｓ１６）。

　この接近車両検出装置１Ａによれば、音信号のパワースペクトルのヒストグラムを評価することにより音信号の中に走行音（検出対象の音源）が含まれているか否かを高精度に判定できるので、ノイズモデルを生成するための適切なタイミングを判断でき、各環境に対して適応的にノイズモデルを生成することができる。この生成されたノイズモデルを用いることにより、音信号からのノイズ成分の抑圧効果が向上する。このノイズ成分が抑圧された音信号を用いることにより、接近車両を高精度に検出することができる。さらに、接近車両検出装置１Ａによれば、ガンマ分布フィッティングによる尺度母数を用いることにより、パワースペクトルのヒストグラムを高精度に評価することができる。

　図７、図８を参照して、第２の実施の形態に係る接近車両検出装置１Ｂについて説明する。図７は、第２の実施の形態に係る接近車両検出装置の構成図である。図８は、走行音が観測される周波数帯域での尺度母数と走行音が観測されない周波数帯域での尺度母数の時間変化の一例である。

　接近車両検出装置１Ｂは、第１の実施の形態に係る接近車両検出装置１Ａと比較すると、集音される音信号における２つの周波数帯域の特性からマイクロホンで集音した音信号に走行音が含まれているか否かを判別する機能を有している。そのために、接近車両検出装置１Ｂは、音信号のパワースペクトルを算出し、走行音（検出対象の音源）が含まれる第１周波数帯域のパワースペクトルのヒストグラムと走行音が含まれない第２周波数帯域のパワースペクトルのヒストグラムとをガンマ分布フィッティングによって評価する。

　接近車両検出装置１Ｂの構成を具体的に説明する前に、図８を参照して、走行音（検出対象の音源）が含まれる第１周波数帯域の尺度母数と走行音が含まれない第２周波数帯域の尺度母数との関係について説明しておく。走行音が存在しない環境では、ホワイトノイズやピンクノイズ等のノイズ環境となるので、全周波数帯域においてパワー分布に連続性がある。一方、走行音が存在する環境では、走行音を含む周波数帯域ではパワー分布が変化するので、走行音を含む周波数帯域とそれ以外の周波数帯域との間で連続性がなくなる。したがって、この２つの周波数帯域のパワースペクトルのヒストグラムを比較することにより、走行音が存在しない環境（ノイズモデルを生成するのに適した環境）かあるいは走行音が存在する環境（ノイズモデルを生成するのに適しない環境）かを高精度に判別できる。

　そこで、走行音を含む周波数帯域のパワースペクトルのヒストグラムと走行音を含まない周波数帯域のパワースペクトルのヒストグラムとを比較評価することによって、走行音が存在しない環境かあるいは走行音が存在する環境かを判定し、走行音が存在しない環境であるタイミング（区間）を検出する。この評価には、第１の実施の形態でも説明したように、ガンマ分布フィッティングによる尺度母数を特徴量として用いる。

　図８には、実線Ｌ２で車両走行中に集音した音信号における走行音を含む周波数帯域のパワースペクトルから求められた尺度母数の時間変化の一例と、実線Ｌ３で同じ音信号における走行音を含まない周波数帯域のパワースペクトルから求められた尺度母数の時間変化の一例を示している。実線Ｌ２から判るように、走行音を含む周波数帯域の場合、走行音が観測されない時間帯では尺度母数は０近傍であり、走行音が観測される時間帯では尺度母数が顕著に大きくなる。一方、実線Ｌ３から判るように、走行音を含まない周波数帯域の場合、走行音が観測されない時間帯だけでなく、走行音が観測される時間帯でも、尺度母数は０近傍である。このように、走行音を含む周波数帯域における尺度母数と走行音を含まない周波数帯域における尺度母数とを比較することにより、走行音が存在する環境と走行音が存在しない環境とを判別できる。

　そこで、第２の実施の形態では、走行音を含む第１周波数帯域のパワースペクトルのヒストグラムと走行音を含まない第２周波数帯域のパワースペクトルのヒストグラムとを比較して評価するために、ガンマ分布フィッティングを用いて、第１周波数帯域のガンマ分布の形状母数と第２周波数帯域のガンマ分布の形状母数を求め、その各形状係数から第１周波数帯域のガンマ分布の尺度母数と第２周波数帯域のガンマ分布の尺度母数を求め、２つの尺度母数（特に、２つの尺度母数の差、もしくは比）を評価の特徴量とする。

　なお、第１周波数帯域（走行音が支配的な周波数帯域）としては、実車実験等によって予め測定された車両の走行音の周波数帯域を含む帯域が設定される。第２周波数帯域（走行音が支配的でない周波数帯域）は、マイクロホンで検出可能な周波数帯域内で第１周波数帯域以外の帯域が設定され、例えば、第１周波数帯域の最大周波数からマイクロホンで検出可能な上限周波数より所定量小さい周波数までの帯域が設定される。

　それでは、接近車両検出装置１Ｂの構成を説明する。接近車両検出装置１Ｂは、マイクロホンアレイ１０、デジタル信号変換器２０及びＥＣＵ３０Ｂ（ノイズモデル生成部３１Ｂ、ノイズ抑圧器３２、音源方位推定器３３）を備えている。以下では、ＥＣＵ３０Ｂ（特に、ノイズモデル生成部３１Ｂ）について詳細に説明する。

　ＥＣＵ３０Ｂは、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなる電子制御ユニットであり、接近車両検出装置１Ｂを統括制御する。ＥＣＵ３０Ｂには、ノイズモデル生成部３１Ｂ（パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、ノイズモデル生成器３１ｅ）、ノイズ抑圧器３２、音源方位推定器３３が構成される。ＥＣＵ３０Ｂでは、デジタル信号変換器２０からマイクロホン毎の音信号（デジタルの電気信号）をそれぞれ入力する。ここでは、パワースペクトル算出器３１ａ、ノイズモデル生成器３１ｅ、ノイズ抑圧器３２、音源方位推定器３３については、既に説明しているので、説明を省略する。

　なお、第２の実施の形態では、パワースペクトル算出器３１ａが請求の範囲に記載するパワースペクトル取得部に相当し、第１尺度母数算出器３１ｉ及び第２尺度母数算出器３１ｊが請求の範囲に記載する尺度母数算出部に相当し、尺度母数比較器３１ｋ及びノイズモデル生成可否判定器３１ｌが請求の範囲に記載する判定部に相当し、ノイズモデル生成器３１ｅが請求の範囲に記載するノイズモデル生成部に相当し、ノイズ抑圧器３２が請求の範囲に記載するノイズ抑圧部に相当する。

　第１ヒストグラム算出器３１ｇでは、パワースペクトル算出器３１ａで算出したパワースペクトルから、走行音が支配的な第１周波数帯域におけるパワースペクトルのヒストグラムを算出する。また、第２ヒストグラム算出器３１ｈでは、パワースペクトル算出器３１ａで算出したパワースペクトルから、走行音が支配的でない第２周波数帯域におけるパワースペクトルのヒストグラムを算出する。

　第１尺度母数算出器３１ｉでは、走行音が支配的な第１周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、走行音が支配的な第１周波数帯域の尺度母数を算出する。また、第２尺度母数算出器３１ｊでは、走行音が支配的でない第２周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、走行音が支配的でない第２周波数帯域の尺度母数を算出する。

　尺度母数比較器３１ｋでは、第１尺度母数算出器３１ｉで算出した第１周波数帯域の尺度母数から第２尺度母数算出器３１ｊで算出した第２周波数帯域の尺度母数を減算し、２つの尺度母数の差を算出する。

　ノイズモデル生成可否判定器３１ｌでは、尺度母数比較器３１ｋで算出した尺度母数の差と閾値とを比較し、尺度母数の差が閾値以上の場合（第１周波数帯域の尺度母数が大きくなって２つの周波数帯域の尺度母数に明らかな差が発生し、音信号に走行音が含まれていると判断できる場合）にはノイズモデル生成不可と判定し、尺度母数が閾値未満の場合（２つの周波数帯域の尺度母数に明らかな差がなく、音信号に走行音が含まれていないと判断できる場合）にはノイズモデル生成可と判定する。この閾値は、音信号の中に走行音が含まれているか否かを２つの周波数帯域の尺度母数の差、もしくは比に基づいて判定するための閾値であり、実験等によって予め設定される。

　図７、図８を参照して、接近車両検出装置１Ｂの動作について説明する。ここでは、図９のフローチャートに沿って接近車両検出装置１Ｂにおけるノイズモデル生成に関する動作を説明する。図９は、第２の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。なお、接近車両検出装置１Ｂにおけるノイズモデル生成に関する動作以外の動作は、第１の実施の形態に係る接近車両検出装置１Ａと同様の動作なので、説明を省略する。

　接近車両検出装置１ＢにおけるＳ２０、Ｓ２１、Ｓ２２の動作は、第１の実施の形態に係る接近車両検出装置１ＡにおけるＳ１０、Ｓ１１、Ｓ１２と同様の動作なので、説明を省略する。

　音信号のパワースペクトルを算出すると、ＥＣＵ３０Ｂ（第１ヒストグラム算出器３１ｇ）では、そのパワースペクトルから、走行音が支配的な第１周波数帯域におけるパワースペクトルのヒストグラムを算出する（Ｓ２３）。さらに、ＥＣＵ３０Ｂ（第１尺度母数算出器３１ｉ）では、走行音が支配的な第１周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、第１周波数帯域の尺度母数を算出する（Ｓ２４）。また、ＥＣＵ３０Ｂ（第２ヒストグラム算出器３１ｈ）では、そのパワースペクトルから、走行音が支配的でない第２周波数帯域におけるパワースペクトルのヒストグラムを算出する（Ｓ２５）。さらに、ＥＣＵ３０Ｂ（第２尺度母数算出器３１ｊ）では、走行音が支配的でない第２周波数帯域におけるパワースペクトルのデータを用いて、ガンマ分布フィッティングを行い、第２周波数帯域の尺度母数を算出する（Ｓ２６）。

　そして、ＥＣＵ３０Ｂ（尺度母数比較器３１ｋ）では、Ｓ２４で算出した第１周波数帯域の尺度母数とＳ２６で算出した第２周波数帯域の尺度母数との差を算出する（Ｓ２７）。そして、ＥＣＵ３０Ｂ（ノイズモデル生成可否判定器３１ｌ）では、その尺度母数の差と閾値とを比較し、ノイズモデル生成が可能か否かを判定する（Ｓ２８）。Ｓ２８にて尺度母数の差が閾値以上の場合にはノイズモデル生成不可と判定し、ノイズモデルを生成しない。一方、Ｓ２８にて尺度母数の差が閾値未満の場合にはノイズモデル生成可と判定し、ＥＣＵ３０Ｂ（ノイズモデル生成器３１ｅ）では、Ｓ２１でデジタル信号に変換された音信号を用いてノイズモデルを生成する（Ｓ２９）。

　この接近車両検出装置１Ｂは、第１の実施の形態に係る接近車両検出装置１Ａと同様の効果を有する上に、以下の効果も有している。接近車両検出装置１Ｂによれば、走行音が含む第１周波数帯域でのパワースペクトルのヒストグラムと走行音を含まない第２周波数帯域でのパワースペクトルのヒストグラムとを比較評価することにより音情報の中に走行音が含まれているか否かをより高精度に判定することができ、ノイズモデルを生成するための適切なタイミングを判断でき、環境が変動しても追従してノイズモデルを生成することができる。

　図１０を参照して、第３の実施の形態に係る接近車両検出装置１Ｃについて説明する。図１０は、第３の実施の形態に係る接近車両検出装置の構成図である。

　接近車両検出装置１Ｃは、第２の実施の形態に係る接近車両検出装置１Ｂと比較すると、第１周波数帯域と第２周波数帯域との尺度母数の差が小さい場合（ノイズモデル生成可と判定している場合）でも点音源が存在する場合にはノイズモデルを生成しない機能を有している。

　接近車両検出装置１Ｃの構成を具体的に説明する前に、点音源について説明しておく。点音源は、ホワイトノイズ、ピンクノイズ等の環境ノイズではない特定の音源である。音源方位推定器３３では検出対象の音源が車両の走行音（点音源の一つ）であり、音源方位推定器３３で検出される音源は車両の走行音である可能性が高い。

　ちなみに、音源方位推定器３３で検出対象の音源を検出しているが、第１周波数帯域と第２周波数帯域との尺度母数の差がまだ小さい場合（検出対象の音源が自車両から遠方に存在する場合等）がある。このような場合、閾値の設定によっては、尺度母数の差の判定でノイズモデル生成可と判定される場合があるが、音信号には走行音成分が含まれている可能性がある。

　そこで、第３の実施の形態では、音源方位推定器３３の検出対象の音源の検出結果を利用して、音信号の中に点音源が存在するか否かを判定し、点音源が存在する場合にはノイズモデル生成を行わない。

　それでは、接近車両検出装置１Ｃの構成を説明する。接近車両検出装置１Ｃは、マイクロホンアレイ１０、デジタル信号変換器２０及びＥＣＵ３０Ｃ（ノイズモデル生成部３１Ｃ、ノイズ抑圧器３２、音源方位推定器３３）を備えている。以下では、ＥＣＵ３０Ｃ（特に、ノイズモデル生成部３１Ｃ）について詳細に説明する。

　ＥＣＵ３０Ｃは、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなる電子制御ユニットであり、接近車両検出装置１Ｃを統括制御する。ＥＣＵ３０Ｃには、ノイズモデル生成部３１Ｃ（パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、ノイズモデル生成器３１ｅ）、ノイズ抑圧器３２、音源方位推定器３３が構成される。ＥＣＵ３０Ｃでは、デジタル信号変換器２０からマイクロホン毎の音信号（デジタルの電気信号）をそれぞれ入力する。ここでは、パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、ノイズモデル生成器３１ｅ、ノイズ抑圧器３２、音源方位推定器３３については、既に説明しているので、説明を省略する。

　なお、第３の実施の形態では、パワースペクトル算出器３１ａが請求の範囲に記載するパワースペクトル取得部に相当し、第１尺度母数算出器３１ｉ及び第２尺度母数算出器３１ｊが請求の範囲に記載する尺度母数算出部に相当し、尺度母数比較器３１ｋ及びノイズモデル生成可否判定器３１ｌが請求の範囲に記載する判定部に相当し、音源方位推定器３３及び点音源判定器３１ｎが請求の範囲に記載する点音源検出部に相当し、ノイズモデル生成器３１ｅが請求の範囲に記載するノイズモデル生成部に相当し、ノイズ抑圧器３２が請求の範囲に記載するノイズ抑圧部に相当する。

　点音源判定器３１ｎでは、ノイズモデル生成可否判定器３１ｌでノイズモデル生成可と判定している場合、音源方位推定器３３での検出対象音源の検出結果に基づいて、検出対象音源（すなわち、点音源）が存在するか否かを判定する。

　なお、ノイズモデル生成器３１ｅでは、ノイズモデル生成可否判定器３１ｌでノイズモデル生成可と判定している場合でも点音源判定器３１ｎで点音源が存在すると判定しているときには、ノイズモデルを生成しない。

　図１０を参照して、接近車両検出装置１Ｃの動作について説明する。ここでは、図１１のフローチャートに沿って接近車両検出装置１Ｃにおけるノイズモデル生成に関する動作を説明する。図１１は、第３の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。なお、接近車両検出装置１Ｃにおけるノイズモデル生成に関する動作以外の動作は、第１の実施の形態に係る接近車両検出装置１Ａと同様の動作なので、説明を省略する。

　接近車両検出装置１ＣにおけるＳ４０～Ｓ４８の動作は、第２の実施の形態に係る接近車両検出装置１ＢにおけるＳ２０～Ｓ２８と同様の動作なので、説明を省略する。

　接近車両検出装置１ＣのＥＣＵ３０Ｃ（ノイズ抑圧器３２）では、Ｓ５０で生成されているノイズモデルを用いて（ノイズモデルが生成されていない場合には予め用意されているノイズモデルを用いて）、Ｓ４１でデジタル信号に変換された各マイクロホンの音信号からノイズ成分をそれぞれ抑圧する（Ｓ６）。そして、ＥＣＵ３０Ｃ（音源方位推定器３３）では、Ｓ６でノイズ成分が抑圧された各マイクロホンの音信号を用いて、検出対象の音源（自車両に接近する車両の走行音）が存在するかを判定し、検出対象の音源が存在する場合にはその検出対象の音源の方向や距離等を推定する（Ｓ７）。

　Ｓ４８でノイズモデル生成可と判定した場合、ＥＣＵ３０Ｃ（点音源判定器３１ｎ）では、Ｓ７での検出対象の音源の検出結果に基づいて、点音源が検出されているか否かを判定する（Ｓ４９）。Ｓ４９にて点音源が検出されていると判定した場合、ノイズモデルを生成しない。一方、Ｓ４９にて点音源が検出されていないと判定した場合、ＥＣＵ３０Ｃ（ノイズモデル生成器３１ｅ）では、Ｓ４１でデジタル信号に変換された音信号を用いてノイズモデルを生成する（Ｓ５０）。

　この接近車両検出装置１Ｃは、第２の実施の形態に係る接近車両検出装置１Ｂと同様の効果を有する上に、以下の効果も有している。接近車両検出装置１Ｃによれば、第１周波数帯域と第２周波数帯域と尺度母数の差が小さくノイズモデル生成可と判定されている場合でも点音源の有無を考慮してノイズモデル生成を判断することにより、ノイズモデルを生成するための適切なタイミングをより高精度に判断できる。

　図１２を参照して、第４の実施の形態に係る接近車両検出装置１Ｄについて説明する。図１２は、第４の実施の形態に係る接近車両検出装置の構成図である。

　接近車両検出装置１Ｄは、第３の実施の形態に係る接近車両検出装置１Ｃと比較すると、検出対象の音源以外の妨害音（特徴音）が存在する場合にはノイズモデルを生成できる機能を有している。

　接近車両検出装置１Ｄの構成を具体的に説明する前に、妨害音について説明しておく。妨害音は、ホワイトノイズ、ピンクノイズ等の環境ノイズではない特定の音源（点音源）の中で検出対象の音源以外の特徴的な音源である。音源方位推定器３３では検出対象の音源（走行音）を検出しているが、ある環境において走行音と重複する周波数帯域を持つ特徴的な音源が存在する場合、音源方位推定器３３で検出された音源が走行音以外の音源の可能性もある。このような走行音以外の音源は、ノイズ成分に相当する。

　そこで、第４の実施の形態では、検出対象の音源以外の妨害音の検出を行い、音信号の中に妨害音が存在するか否かを判定し、妨害音が存在する場合にはノイズモデル生成を行う。

　それでは、接近車両検出装置１Ｄの構成を説明する。接近車両検出装置１Ｄは、マイクロホンアレイ１０、デジタル信号変換器２０及びＥＣＵ３０Ｄ（ノイズモデル生成部３１Ｄ、ノイズ抑圧器３２、音源方位推定器３３）を備えている。以下では、ＥＣＵ３０Ｄ（特に、ノイズモデル生成部３１Ｄ）について詳細に説明する。

　ＥＣＵ３０Ｄは、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなる電子制御ユニットであり、接近車両検出装置１Ｄを統括制御する。ＥＣＵ３０Ｄには、ノイズモデル生成部３１Ｄ（パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、妨害音検出器３１ｐ、音色特性データベース３１ｑ、妨害音判定器３１ｒ、ノイズモデル生成器３１ｅ）、ノイズ抑圧器３２、音源方位推定器３３が構成される。ＥＣＵ３０Ｄでは、デジタル信号変換器２０からマイクロホン毎の音信号（デジタルの電気信号）をそれぞれ入力する。ここでは、パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、ノイズモデル生成器３１ｅ、ノイズ抑圧器３２、音源方位推定器３３については、既に説明しているので、説明を省略する。

　なお、第４の実施の形態では、パワースペクトル算出器３１ａが請求の範囲に記載するパワースペクトル取得部に相当し、第１尺度母数算出器３１ｉ及び第２尺度母数算出器３１ｊが請求の範囲に記載する尺度母数算出部に相当し、尺度母数比較器３１ｋ及びノイズモデル生成可否判定器３１ｌが請求の範囲に記載する判定部に相当し、音源方位推定器３３及び点音源判定器３１ｎが請求の範囲に記載する点音源検出部に相当し、妨害音検出器３１ｐ、音色特性データベース３１ｑ及び妨害音判定器３１ｒが請求の範囲に記載する特徴音検出部に相当し、ノイズモデル生成器３１ｅが請求の範囲に記載するノイズモデル生成部に相当し、ノイズ抑圧器３２が請求の範囲に記載するノイズ抑圧部に相当する。

　妨害音検出器３１ｐでは、デジタル信号変換器２０からのデジタルの音信号を用いて、検出対象の音源以外の特徴的な音源（妨害音）を検出する。この検出方法としては、例えば、音色特性データベース３１ｑが備えられる場合、音色特性データベース３１ｑに格納されている検出対象の音源以外の各音源と音信号とでスペクトルパターン認識等を行い、音信号の中に検出対象の音源以外の音源（妨害音）が存在するか否かを判断する。音色特性データベース３１ｑには、車両が走行する環境に存在する検出対象の音源（走行音）以外の各音源（例えば、各店舗で発生する音、自動販売機で発生する音、車両のエンジン音、踏み切りで発生する踏切警報音、空港や駅周辺での飛行機や電車による騒音）のスペクトルパターンが格納されている。また、音色特性データベース３１ｑが無い場合、ＬＰＣ[Linear Predictive Coding]等によって音信号が調波構造（周波数に周期性を持つ構造）か否かを判定し、調波構造を持つ音を検出対象の音源以外の音源（妨害音）として検出する。車両の走行音は、周波数帯域全体にパワーが分布し、調波構造を持たない。

　妨害音判定器３１ｒでは、点音源判定器３１ｎで点音源が存在すると判定している場合又はノイズモデル生成可否判定器３１ｌでノイズモデル生成不可と判定している場合、妨害音検出器３１ｐでの検出結果に基づいて妨害音が存在するか否かを判定する。

　なお、ノイズモデル生成器３１ｅでは、ノイズモデル生成可否判定器３１ｌでノイズモデル生成可と判定しかつ点音源判定器３１ｎで点音源が存在すると判定している場合又はノイズモデル生成可否判定器３１ｌでノイズモデル生成不可と判定している場合でも、妨害音判定器３１ｒで妨害音（検出対象音源以外の音源）が存在すると判定しているときには、ノイズモデルを生成する。

　図１２を参照して、接近車両検出装置１Ｄの動作について説明する。ここでは、図１３のフローチャートに沿って接近車両検出装置１Ｄにおけるノイズモデル生成に関する動作を説明する。図１３は、第４の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。なお、接近車両検出装置１Ｄにおけるノイズモデル生成に関する動作以外の動作は、第１の実施の形態に係る接近車両検出装置１Ａと同様の動作なので、説明を省略する。

　接近車両検出装置１ＤにおけるＳ６０～Ｓ６９及びＳ６，Ｓ７の動作は、第３の実施の形態に係る接近車両検出装置１ＣにおけるＳ４０～Ｓ４９及びＳ６，Ｓ７と同様の動作なので、説明を省略する。

　接近車両検出装置１ＤのＥＣＵ３０Ｄ（妨害音検出器３１ｐ）では、Ｓ６１でデジタル信号に変換された音信号を用いて、音信号の中に検出対象の音源以外の妨害音の検出を行う（Ｓ７０）。この際、音色特性データベース３１ｑが有る場合にはこのデータベース３１ｑに格納される各音源のスペクトルパターンを利用してスペクトルパターン認識等を行い、音色特性データベース３１ｑが無い場合には調波構造を持つ音の検出等を行う。

　Ｓ６８でノイズモデル生成可と判定かつＳ６９で点音源が検出されていると判定した場合あるいはＳ６８でノイズモデル生成不可と判定した場合、ＥＣＵ３０Ｄ（妨害音判定器３１ｒ）では、Ｓ７０での妨害音の検出結果に基づいて、妨害音が検出されているか否かを判定する（Ｓ７１）。Ｓ７１にて妨害音が検出されていないと判定した場合、ノイズモデルを生成しない。一方、Ｓ７１にて妨害音が検出されていると判定した場合、ＥＣＵ３０Ｃ（ノイズモデル生成器３１ｅ）では、Ｓ６１でデジタル信号に変換された音信号を用いてノイズモデルを生成する（Ｓ７２）。

　この接近車両検出装置１Ｄは、第３の実施の形態に係る接近車両検出装置１Ｃと同様の効果を有する上に、以下の効果も有している。接近車両検出装置１Ｄによれば、点音源が存在すると判定されている場合や第１周波数帯域と第２周波数帯域と尺度母数の差が大きくノイズモデル生成不可と判定されている場合でも妨害音の有無を考慮してノイズモデル生成を判断することにより、ノイズモデルを生成するための適切なタイミングをより高精度に判断できる。

　図１４を参照して、第５の実施の形態に係る接近車両検出装置１Ｅについて説明する。図１４は、第５の実施の形態に係る接近車両検出装置の構成図である。

　接近車両検出装置１Ｅは、第４の実施の形態に係る接近車両検出装置１Ｄと比較すると、ノイズモデルが既に生成されている場合に環境の変化に応じてノイズモデルを更新できる機能を有している。

　接近車両検出装置１Ｅの構成を具体的に説明する前に、ノイズモデルの更新の必要性について説明しておく。ノイズモデルを生成した後も、車両走行中に周辺の環境が変化すると、環境に応じてノイズ成分も変わる場合がある。このような環境の変化に対応するために、その都度、各環境で取得される音信号からノイズモデルを再生成すると、処理負荷が大きくなる。また、ノイズモデルを一から作り変える場合、例えば、ある環境で瞬間的に特徴的な音が発生しているときにノイズモデルを生成すると、不連続なノイズモデルとなり、そのノイズモデルを用いて次の処理でノイズ抑圧を行うと、抑圧効果が低減する。

　そこで、第５の実施の形態では、前回の処理までにノイズモデルが既に生成されている場合、生成されているノイズモデルと現在の環境で取得されている音信号（パワースペクトル）とを比較し、変化している場合には現在の環境での音信号（パワースペクトル）を加味してノイズモデルを更新する。

　それでは、接近車両検出装置１Ｅの構成を説明する。接近車両検出装置１Ｅは、マイクロホンアレイ１０、デジタル信号変換器２０及びＥＣＵ３０Ｅ（ノイズモデル生成部３１Ｅ、ノイズ抑圧器３２、音源方位推定器３３）を備えている。以下では、ＥＣＵ３０Ｅ（特に、ノイズモデル生成部３１Ｅ）について詳細に説明する。

　ＥＣＵ３０Ｅは、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなる電子制御ユニットであり、接近車両検出装置１Ｅを統括制御する。ＥＣＵ３０Ｅには、ノイズモデル生成部３１Ｅ（パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、妨害音検出器３１ｐ、音色特性データベース３１ｑ、妨害音判定器３１ｒ、ノイズモデル生成器３１ｅ、ノイズ比較器３１ｔ、ノイズモデル更新器３１ｕ）、ノイズ抑圧器３２、音源方位推定器３３が構成される。ＥＣＵ３０Ｅでは、デジタル信号変換器２０からマイクロホン毎の音信号（デジタルの電気信号）をそれぞれ入力する。ここでは、パワースペクトル算出器３１ａ、第１ヒストグラム算出器３１ｇ、第２ヒストグラム算出器３１ｈ、第１尺度母数算出器３１ｉ、第２尺度母数算出器３１ｊ、尺度母数比較器３１ｋ、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、妨害音検出器３１ｐ、音色特性データベース３１ｑ、妨害音判定器３１ｒ、ノイズモデル生成器３１ｅ、ノイズ抑圧器３２、音源方位推定器３３については、既に説明しているので、説明を省略する。

　なお、第５の実施の形態では、パワースペクトル算出器３１ａが請求の範囲に記載するパワースペクトル取得部に相当し、第１尺度母数算出器３１ｉ及び第２尺度母数算出器３１ｊが請求の範囲に記載する尺度母数算出部に相当し、尺度母数比較器３１ｋ及びノイズモデル生成可否判定器３１ｌが請求の範囲に記載する判定部に相当し、音源方位推定器３３及び点音源判定器３１ｎが請求の範囲に記載する点音源検出部に相当し、妨害音検出器３１ｐ、音色特性データベース３１ｑ及び妨害音判定器３１ｒが請求の範囲に記載する特徴音検出部に相当し、ノイズモデル生成器３１ｅが請求の範囲に記載するノイズモデル生成部に相当し、ノイズモデル更新器３１ｕが請求の範囲に記載するノイズモデル更新部に相当し、ノイズ抑圧器３２が請求の範囲に記載するノイズ抑圧部に相当する。

　ノイズ比較器３１ｔでは、前回までの処理でノイズモデルが既に生成されている場合、ノイズモデルと現在の環境で取得されている音信号（パワースペクトル）とを比較し、ノイズモデルから変化しているか否かを判定する。

　ノイズモデル更新器３１ｕでは、１次ＩＩＲ[Infinite Impulse Response]フィルタを用いて、ノイズ比較器３１ｔで変化していると判定した場合、ノイズモデルに現在の環境で取得されている音信号（パワースペクトル）を加味してノイズモデルを更新する。具体的には、現在の環境での音信号のパワースペクトルＡ（ω）と更新前のノイズモデルＮ（ω）_ｎを用いて、式（４）により、更新後のノイズモデルＮ（ω）_ｎ＋１を算出する。式（４）におけるηは、忘却係数であり、現在の環境での音信号のパワースペクトルを加味する度合いを示す。忘却係数は、０～１の間の値であり、固定値でもよいし、ノイズモデルから変化している度合い等を考慮した可変値でもよい。なお、１次ＩＩＲフィルタを用いた方法以外の方法で、ノイズモデルを更新してもよい。

　なお、ノイズモデル生成可否判定器３１ｌ、点音源判定器３１ｎ、妨害音判定器３１ｒの各判定結果からノイズモデル生成不可の条件になっている場合（検出対象の音源が存在する場合）、ノイズモデルを更新するとノイズモデルに検出対象の音源成分が加味されることになるので、ノイズモデル更新を行わないようにするとよい。

　図１４を参照して、接近車両検出装置１Ｅの動作について説明する。ここでは、図１５のフローチャートに沿って接近車両検出装置１Ｅにおけるノイズモデル生成に関する動作を説明する。図１５は、第５の実施の形態に係るノイズモデル生成に関する動作の流れを示すフローチャートである。なお、接近車両検出装置１Ｅにおけるノイズモデル生成に関する動作以外の動作は、第１の実施の形態に係る接近車両検出装置１Ａと同様の動作なので、説明を省略する。

　接近車両検出装置１ＥにおけるＳ８０～Ｓ８２、Ｓ８４～Ｓ９３及びＳ６，Ｓ７の動作は、第４の実施の形態に係る接近車両検出装置１ＤにおけるＳ６０～Ｓ６２、Ｓ６３～Ｓ７２及びＳ６，Ｓ７と同様の動作なので、説明を省略する。

　Ｓ８２でパワースペクトルを算出すると、ＥＣＵ３０Ｅでは、前回までに生成されたノイズモデルが無いか否かを判定する（Ｓ８３）。Ｓ８３にて前回までに生成されたノイズモデルが無いと判定した場合にはＳ８４以降の処理を行う。

　Ｓ８３にて前回までに生成されたノイズモデルが有ると判定した場合、ＥＣＵ３０Ｅ（ノイズ比較器３１ｔ）では、現在の音信号のパワースペクトルとノイズモデルとを比較し、ノイズモデルから変化があるか否かを判定する（Ｓ９４）。ノイズモデルから変化がある場合、ＥＣＵ３０Ｅ（ノイズモデル更新器３１ｕ）では、１次ＩＩＲフィルタにより、ノイズモデルに現在の音信号のパワースペクトルを加味してノイズモデルを更新する（Ｓ９５）。

　この接近車両検出装置１Ｅは、第４の実施の形態に係る接近車両検出装置１Ｄと同様の効果を有する上に、以下の効果も有している。接近車両検出装置１Ｅによれば、既にノイズモデルが生成されている場合には現在の環境で集音されている音信号を加味してノイズモデルを更新することにより、少ない処理負荷で、環境の変化に対応した適切なノイズモデルを生成することができる。

　以上、本発明に係る実施の形態について説明したが、本発明は上記実施の形態に限定されることなく様々な形態で実施される。

　例えば、本実施の形態では音源方位推定装置が車両に搭載され、接近車両（音源として車両の走行音）を検出する接近車両検出装置に適用したが、車両以外の音源を検出する装置でもよいし、車両以外の移動体に搭載される音源方位推定装置でもよい。また、本実施の形態では検出した接近車両情報を運転支援装置に提供する装置に適用したが、他の構成でもよい。例えば、運転支援装置の中に接近車両検出機能として組み込まれるものでもよいし、接近車両検出装置の中に警報機能等を有するものでもよい。また、マイクロホンで集音した音情報からノイズモデル生成を行うノイズモデル生成装置に適用してもよい。また、ノイズモデル生成を行い、このノイズモデルを用いてマイクロホンで集音した音情報からノイズ抑圧を行うノイズ抑圧装置に適用してもよい。

　また、本実施の形態では音のパワースペクトルのヒストグラムを算出し、ガンマ分布フィッティングにより尺度母数を算出し、尺度母数に基づいてノイズモデル生成可か否かを判断し、ノイズモデル生成可の場合にノイズモデルを生成する構成としたが、その尺度母数を基づいて検出対象の音源（例えば、接近車両の走行音）を検出する音源検出装置（例えば、接近車両検出装置）に適用してもよい。なお、本実施の形態で説明したノイズモデル生成不可のタイミング（区間）が走行音（接近車両が存在すること）を検出できているタイミング（区間）になる。

　また、本実施の形態では４個のマイクロホンを備え、左右のマイクロホンユニットからなるマイクロホンアレイを例に挙げて説明したが、マイクロホン（集音器）の個数や配置等について他の様々なバリエーションが適用可能である。ちなみに、マイクロホンは１個でもよい。

　また、本実施の形態ではパワースペクトルのヒストグラムを算出し、ガンマ分布フィッティングにより尺度母数を算出する構成としたが、ガンマ分布フィッティングを用いているので、ヒストグラムを算出せずに（ヒストグラム算出器が無い構成）、パワースペクトルを直接用いてガンマ分布フィッティングにより尺度母数を算出する構成としてもよい。

　また、本実施の形態ではパワースペクトルのヒストグラムを評価するためにガンマ分布を用いる構成としたが、他の評価方法でパワースペクトルのヒストグラムを評価してもよい。例えば、正規分布、ラプラス分布、二項分布を用いる。また、本実施の形態ではノイズモデルの生成可否を判断するためにガンマ分布の尺度母数を用いる構成としたが、他の特徴量を用いてノイズモデルの生成可否を判断してもよい。

　また、本実施の形態では５つの実施の形態を示し、各実施の形態の番号が増える毎に１つずつ機能を追加してゆく構成としたが、追加する機能の組み合わせについては適宜変更してもよい。例えば、第１の実施の形態に第５の実施の形態のノイズモデル更新機能を追加した構成、第２の実施の形態に第５の実施の形態のノイズモデル更新機能を追加した構成がある。

　本発明は、集音器で集音された音情報から検出対象の音源を検出する音源検出装置、集音器で集音された音情報に含まれる検出対象の音源以外のノイズ情報に関するノイズモデルを生成するノイズモデル生成装置、そのノイズモデルを用いるノイズ抑圧装置、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に利用可能である。

　１Ａ，１Ｂ，１Ｃ，１Ｄ，１Ｅ…接近車両検出装置、２…運転支援装置、１０…マイクロホンアレイ、１１…左側マイクロホンユニット、１１ａ…第１マイクロホン、１１ｂ…第２マイクロホン、１２…右側マイクロホンユニット、１２ａ…第３マイクロホン、１２ｂ…第４マイクロホン、２０…デジタル信号変換器、３０Ａ，３０Ｂ，３０Ｃ，３０Ｄ，３０Ｅ…ＥＣＵ、３１Ａ，３１Ｂ，３１Ｃ，３１Ｄ，３１Ｅ…ノイズモデル生成部、３１ａ…パワースペクトル算出器、３１ｂ…ヒストグラム算出器、３１ｃ…尺度母数算出器、３１ｄ，３１ｌ…ノイズモデル生成可否判定器、３１ｅ…ノイズモデル生成器、３１ｇ…第１ヒストグラム算出器、３１ｈ…第２ヒストグラム算出器、３１ｉ…第１尺度母数算出器、３１ｊ…第２尺度母数算出器、３１ｋ…尺度母数比較器、３１ｎ…点音源判定器、３１ｐ…妨害音検出器、３１ｑ…音色特性データベース、３１ｒ…妨害音判定器、３１ｔ…ノイズ比較器、３１ｕ…ノイズモデル更新器、３２…ノイズ抑圧器、３３…音源方位推定器。

Claims

　集音器で集音された音情報から検出対象の音源を検出する音源検出装置であって、
　前記集音器で集音された音情報からパワースペクトルを取得するパワースペクトル取得部と、
　前記パワースペクトル取得部で取得したパワースペクトルの確率密度分布を評価することにより、前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部と、
　を備えることを特徴とする音源検出装置。
　前記判定部は、検出対象の音源に基づいて設定される第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより、前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定することを特徴とする請求項１に記載の音源検出装置。
　パワースペクトルに基づくガンマ分布フィッティングによりガンマ分布の尺度母数を算出する尺度母数算出部を備え、
　前記判定部は、前記尺度母数算出部で算出した尺度母数を用いてパワースペクトルの確率密度分布を評価することを特徴とする請求項１又は請求項２に記載の音源検出装置。
　集音器で集音された音情報に含まれる検出対象の音源以外のノイズ情報に関するノイズモデルを生成するためのノイズモデル生成装置であって、
　前記集音器で集音された音情報からパワースペクトルを取得するパワースペクトル取得部と、
　前記パワースペクトル取得部で取得したパワースペクトルの確率密度分布を評価することにより、前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部と、
　前記判定部で音情報の中に検出対象の音源が含まれていないと判定している場合に前記集音器で集音された音情報からノイズモデルを生成するノイズモデル生成部と、
　を備えることを特徴とするノイズモデル生成装置。
　前記判定部は、検出対象の音源に基づいて設定される第１周波数帯域でのパワースペクトルの確率密度分布と第１周波数帯域以外の第２周波数帯域でのパワースペクトルの確率密度分布とを評価することにより、前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定することを特徴とする請求項４に記載のノイズモデル生成装置。
　パワースペクトルに基づくガンマ分布フィッティングによりガンマ分布の尺度母数を算出する尺度母数算出部を備え、
　前記判定部は、前記尺度母数算出部で算出した尺度母数を用いてパワースペクトルの確率密度分布を評価することを特徴とする請求項４又は請求項５に記載のノイズモデル生成装置。
　前記集音器で集音された音情報から点音源を検出する点音源検出部を備え、
　前記ノイズモデル生成部は、前記判定部で音情報の中に検出対象の音源が含まれていないと判定している場合でも、前記点音源検出部で点音源を検出している場合にはノイズモデルを生成しないことを特徴とする請求項４～請求項６のいずれか１項に記載のノイズモデル生成装置。
　前記集音器で集音された音情報から検出対象の音源以外の特徴音を検出する特徴音検出部を備え、
　前記ノイズモデル生成部は、前記特徴音検出部で検出対象の音源以外の特徴音を検出している場合にはノイズモデルを生成することを特徴とする請求項４～請求項７のいずれか１項に記載のノイズモデル生成装置。
　前記ノイズモデル生成部でノイズモデルを既に生成している場合、当該ノイズモデルを前記集音器で集音された音情報を加味して更新するノイズモデル更新部を備えることを特徴とする請求項４～請求項８のいずれか１項に記載のノイズモデル生成装置。
　集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧装置であって、
　請求項４～請求項９のいずれか１項に記載のノイズモデル生成装置を備え、
　前記ノイズモデル生成装置で生成したノイズモデルを用いて前記集音器で集音された音情報から検出対象の音源以外のノイズを抑圧することを特徴とするノイズ抑圧装置。
　集音器で集音された音情報に含まれる検出対象の音源の方位を推定する音源方位推定装置であって、
　請求項１０に記載のノイズ抑圧装置を備え、
　前記ノイズ抑圧装置でノイズが抑圧された音情報から検出対象の音源の方位を推定することを特徴とする音源方位推定装置。
　車両に搭載される集音器で集音された音情報に基づいて接近する車両を検出する接近車両検出装置であって、
　請求項１１に記載の音源方位推定装置を備え、
　前記音源方位推定装置で接近車両から発生する音源の方位を推定することを特徴とする接近車両検出装置。
　集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧装置であって、
　前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定部と、
　前記判定部で音情報の中に検出対象の音源が含まれていないと判定している場合に前記集音器で集音された音情報からノイズモデルを生成するノイズモデル生成部と、
　前記ノイズモデル生成部で生成したノイズモデルを用いて前記集音器で集音された音情報から検出対象の音源以外のノイズを抑圧するノイズ抑圧部と、
　を備えることを特徴とするノイズ抑圧装置。
　前記ノイズ抑圧部は、前記ノイズモデル生成部で生成したノイズモデルがある場合には前記ノイズモデル生成部で生成したノイズモデルを用いて前記集音器で集音された音情報から検出対象の音源以外のノイズを抑圧し、前記ノイズモデル生成部で生成したノイズモデルがない場合には予め用意されたノイズモデルを用いて前記集音器で集音された音情報から検出対象の音源以外のノイズを抑圧する又はノイズ抑圧をしないことを特徴とする請求項１３に記載のノイズ抑圧装置。
　集音器で集音された音情報に含まれる検出対象の音源以外のノイズを抑圧するためのノイズ抑圧方法であって、
　前記集音器で集音された音情報の中に検出対象の音源が含まれているか否かを判定する判定ステップと、
　前記判定ステップで音情報の中に検出対象の音源が含まれていないと判定している場合に前記集音器で集音された音情報からノイズモデルを生成するノイズモデル生成ステップと、
　前記ノイズモデル生成ステップで生成したノイズモデルを用いて前記集音器で集音された音情報から検出対象の音源以外のノイズを抑圧するノイズ抑圧ステップと、
　を含むことを特徴とするノイズ抑圧方法。