噪声观测装置和噪声观测方法

摘要

本发明提供噪声观测装置和噪声观测方法，噪声观测装置包括：彼此相关系数计算部(112)，使用两个两个地配置在X轴、Y轴和Z轴的各轴线上的四个麦克风(M0～M3)，按照各轴线分别计算到达各麦克风(M0～M3)的噪声的彼此相关系数；峰值探索处理部(114)，按照彼此相关系数的从大到小的顺序抽出表示彼此相关系数的峰值倾向的多个时间延迟；片段化处理部(116)，在时域上收集多个时间延迟的变动，按照各轴线分别形成连续的时间延迟的集合；标准化彼此相关系数计算部(122)，针对按照各轴线分开的时间延迟的集合，计算不同的轴线间的标准化彼此相关；以及片段合并处理部(124)，根据标准化彼此相关系数，组合同一声源的时间延迟的集合们。

说明书

技术领域

本发明涉及适于在观测对象的地域中存在多个声源的环境下利用的 噪声观测装置和噪声观测方法。

背景技术

以往，公知的有，例如对在飞机等航线下观测的飞机的飞行噪声的 自动识别有效的现有技术(例如参照专利文献1：日本专利公开公报特开 平7-43203号)。所述现有技术根据到达在X轴、Y轴和Z轴各轴线上 分别隔开间隔配置的四个麦克风的声音的时间延迟的彼此相关系数，计 算移动声源的到来方向矢量(仰角、方位角)，并根据得到的矢量的集 合自动识别移动声源的移动轨迹。

按照现有技术的识别方法，即使在受到在机场起飞降落的飞机的噪 声影响的观测地点，也能分别区分并准确把握在机场起飞降落的飞机的 噪声的影响，能够以高精度识别飞机的移动路线。

伴随飞机等的运行产生的噪声的观测对象，迄今为止仅仅是来自上 空的噪声、在跑道上产生的起飞跑道噪声以及降落时的反推噪声(リバ ース騒音)等飞行噪声即可，可是，当前(今后)还需要在机场周边观 测伴随机场内的飞机的运用和机体的维保产生的飞机的地上噪声。地上 噪声例如包含停机中的飞机因辅助动力供给装置(APU)的运转产生的 噪声、在航站楼和跑道之间移动中(滑行)的飞机也因推进产生的噪声、 以及飞机在机场内的发动机试运转区域进行发动机的试运转时等产生的 噪声。

此外，在机场周边观测的噪声是复杂的，汽车和警报器等多种噪声 混合起来从周边到达观测点，因此难以仅将飞机产生的地上噪声从来自 地上的其他噪声区分开来并精确地检测出来。

此外，飞机噪声中包含伴随飞机的飞行而在机场观测到的单次发生 的短暂性的单次噪声、伴随飞机的维保等而在机场周边观测到的发动机 试运转、以及APU运转等噪声。在这些噪声中还包含虽然长时间持续、 且是稳态的但是伴随相当的声级变动的准稳态噪声等，使噪声的识别更 加困难。

在所述的现有技术(专利文献1)所述的、使用了三轴彼此相关法 的声源的识别方法中，当从多个声源同时产生噪声时，在各轴线上使彼 此相关系数成为最大的时间延迟未必一定表示来自同一声源的声音的到 来方向。此外，当多个噪声重叠产生时，由于仅采用使彼此相关成为最 大的声音，因此难以自动识别其他的噪声。

基于这样的背景，需要下述的技术：在机场内这种存在多个声源的 噪声环境下，即使同时产生多个噪声时，也能使用彼此相关法识别噪声。

专利文献1：日本专利公开公报特开平7-43203号。

发明内容

在此公开的发明采用以下的解决手段。

即，本解决手段采用下述手法：每隔规定时间(定時毎に)按照各 轴线分别计算时间延迟的彼此相关系数，针对表示彼此相关系数的峰值 (极大)倾向的时间延迟，从彼此相关系数最大的时间延迟起依次在时 域(時間領域)上抽出多个时间延迟的变动，由此按照各轴线分别形成 连续的时间延迟的集合。此时，按照各轴线分别形成的时间延迟的集合 成为在存在多个声源的情况下按声源分离的集合。此外，针对按照各轴 线分别形成的时间延迟的集合，这次如果观察不同的轴线间的彼此相关， 则可以由此组合同一声源的时间延迟的集合们。由此，可以自动分离并 识别同时产生的多个噪声。

本解决手段着眼于例如在机场内同时产生多个噪声(降落和滑行等) 的情况下，针对按照各轴线分开的彼此相关系数的最大峰值，声压级最 高的噪声显示支配性倾向，当从最高位起依次观察多个峰值时，其中任 意一个峰值都显现出最大的噪声以外的噪声(其他声源)的影响。

即，在某个声源在观测空间内移动时，即使该声源在某个时间带中 由彼此相关系数成为最大峰值的时间延迟表示，可是有时该声源在另一 时间带中不是由彼此相关系数成为最大峰值的时间延迟表示，而是由其 他低位峰值的时间延迟表示。在该情况下，由于在同一时间带中彼此相 关系数成为最大峰值的时间延迟表示其他声源，因此在时域上总是单纯 地仅追踪最大峰值，是不能识别声源的。

因此，本解决手段在时域上抽出成为每隔规定时间计算出的彼此相 关系数的峰值的高位(例如第一位～第三位)的多个时间延迟的变动， 按照各轴线分别形成连续的时间延迟的集合。由于连续的时间延迟的集 合表示在时域上被预想为同一声源的时间延迟的变动(表示到来方向的 噪声数据)，所以当观测空间内存在多个声源时，形成在各轴线上按声 源分离的时间延迟的集合。由此，能够将多个声源的噪声数据在各轴线 上按声源分离。

另外，在不同的轴线间组合在各轴线上分离的集合。即，本发明着 眼于，当针对某集合不是考虑各个时间延迟而是考虑彼此相关系数时， 被认为是同一声源的集合们的彼此相关系数的变动是非常近似的。这是 因为，从实际的声源发出的声音，例如受到输出变动和气象变化的影响， 因此这些变化会与输入麦克风的声音共同显现出来。因此，在某个时域 中，如果在不同的轴线间同时存在集合的组，则对于各集合的彼此相关 系数的时间变动，可以根据使时间延迟成为0时的标准化彼此相关系数 来组合集合们。在轴线间组合的集合们表示同一声源的到来方向，因此 可以自动识别观测空间内存在的多个声源。

本解决手段的噪声观测装置包括计算部、集合化部和合并化部。本 解决手段的噪声观测方法可以采用所述构成进行执行。

即，计算部执行下述步骤：使用在存在有多个声源的观测空间内在 规定的多个轴线上分别隔开间隔配置的两个麦克风，每隔规定时间按照 各轴线分别计算表示声音的到达时间差的时间延迟的彼此相关系数。此 外，集合化部执行下述步骤：针对表示由计算部每隔规定时间计算出的 彼此相关系数的峰值倾向的多个时间延迟，按照彼此相关系数从大到小 的顺序在时域上抽出多个时间延迟的变动，按照各轴线分别形成连续的 时间延迟的集合。此外，合并化部执行下述步骤：针对由集合化部形成 的按照各轴线分开的时间延迟的集合，根据不同的轴线间的彼此相关， 组合同一声源的时间延迟的集合们。

由此，即使在观测空间内存在多个声源、且同时产生多个噪声的情 况下，也能够利用彼此相关法自动识别声源。

在本解决手段的噪声观测装置和噪声观测方法中，当形成连续的时 间延迟的集合时，可以设置以下的各种方式。

集合化部可以执行下述步骤：在形成连续的时间延迟的集合之前， 每隔规定时间确认表示峰值倾向的多个时间延迟是否成为按照声源分开 的初始值。

按照所述的方式，在根据彼此相关系数的高位峰值确认了噪声产生 时的初始值的基础上，可以在以后的时域持续地恰当地形成连续的时间 延迟的集合。

此外，集合化部进行的步骤可以包含以下的步骤。

(1)每隔规定时间判断表示峰值倾向的多个时间延迟中，是否存在 使与一个规定时间前表示峰值倾向的确定的时间延迟的差小于规定的阈 值的时间延迟的唯一值。

(2)当在所述(1)中判断存在唯一值时，将唯一值加入与确定的 时间延迟相同的集合。

(3)当在所述(1)判断不存在唯一值时，至少使用确定的时间延 迟(最近的数个)，通过最小二乗法计算虚拟时间延迟。

按照所述的方式，针对每隔规定时间计算出的高位峰值的时间延迟， 在确认了是否是与上次的时间延迟为同一声源造成的时间延迟的基础 上，仅将预想为是同一声源的时间延迟(成为唯一值的噪声数据)加入 连续的集合。由此，能提高识别结果的精度，并能提高噪声观测结果的 可靠性。此外，如果不存在能被预想为与本次的高位峰值的时间延迟为 同一声源的时间延迟，则可以使用包含上次值的最近数个时间延迟，通 过最小二乗法取得虚拟时间延迟，并灵活运用到以下的步骤中。

即，集合化部还执行以下的步骤。

(4)判断是由于使与确定的时间延迟的差小于规定的阈值的时间延 迟存在多个而造成不存在唯一值，还是由于在多个时间延迟中使与确定 的时间延迟的差小于规定的阈值的时间延迟一个也不存在而造成不存在 唯一值。

(5)当在所述(4)中判断是由于使与确定的时间延迟的差小于规 定的阈值的时间延迟存在多个而造成不存在唯一值时，判断其中是否存 在使与虚拟时间延迟的差小于确定的阈值的确定值。

(6)当在所述(5)中判断存在确定值时，将所述确定值加入与确 定的时间延迟相同的集合。

(7)当在所述(5)中判断为不存在确定值、或者在所述(4)中判 断为是由于在多个时间延迟中使与确定的时间延迟的差小于规定的阈值 的时间延迟一个也不存在而造成不存在唯一值时，将虚拟时间延迟加入 与确定的时间延迟相同的集合。

在该情况下，在之前的(3)中计算出的虚拟时间延迟，表示了在时 域内的最近的时间延迟的变动。因此，在存在多个时间延迟而不能锁定 唯一值的情况下，可以将接近虚拟时间延迟的时间延迟预测为同一声源 并加入集合(6)。另一方面，如果不存在接近虚拟时间延迟的时间延迟 且唯一值也不存在，则可以通过将虚拟时间延迟加入集合，继续进行集 合化(7)。

此外，集合化部可以还执行以下的步骤。

(8)当每隔规定时间持续规定次数连续地将虚拟时间延迟加入了集 合时，删除规定次数的虚拟时间延迟并结束集合的形成。

在该情况下，当集合内最后的时间延迟是虚拟时间延迟并且在前面 的规定个数的时间延迟全部为虚拟时间延迟时，可以删除连续的规定个 数的虚拟时间延迟，并针对该集合结束进一步的集合化。由此，可以配 合噪声事件等的结束时期，结束连续的时间延迟的集合化(终端处理)。

此外，集合化部在所述(8)的结束判断步骤中，删除规定次数的虚 拟时间延迟并结束集合的形成的结果，当该集合所包含的时间延迟的个 数在规定数量以下时，可以使该集合无效化。

按照所述的方式，通过使作为集合的绝对数量不足的集合无效化， 可以避免在以后的识别中混入噪声。由此，可以提高识别精度，可以进 一步提高噪声观测结果的可靠性。

按照以上公开的噪声观测装置和噪声观测方法，可以自动分离并识 别在观测空间内同时产生的多个声源。

此外，不是将计算结果大量存储后进行处理，而是通过定期地处理 减轻计算负荷，因此能够容易实现使用了计算机的实时处理。

附图说明

图1是表示在机场内设置噪声观测装置时的一个实施方式的示意 图。

图2是噪声观测装置的结构和利用彼此相关法的噪声识别方法的示 意图。

图3是对于针对单次噪声的噪声事件检测方法，与航线下的噪声级 (騒音レベル)的经时性变化一起进行解说的图。

图4是对于针对准稳态噪声的噪声事件检测方法，与机场内(或附 近)的噪声级的经时性变化一起进行解说的图。

图5是用于说明识别方法的原理的简化模型图。

图6是表示由声源分离处理部执行的声源分离处理的步骤例子的流 程图。

图7是表示基于彼此相关系数的高位峰值(高位ピーク)的、时间 延迟的排序(ランク付け)的示意图。

图8是表示按照各轴线分别进行同一声源片段化处理的步骤例子的 流程图。

图9是表示简化模型下的、X轴上的时间延迟的变动的图。

图10是表示将图9所示的X轴上的时间延迟的变动分离为按照声 源分开的片段进行表示的例子的图。

图11是表示将简化模型应用于移动声源时的例子的图。

图12是表示X轴、Y轴上的时间延迟的变动的图。

图13是表示X轴上的片段的分离例子的图。

图14是针对实测数据，表示X轴、Y轴上的时间延迟的变动结果的 图。

图15是针对实测数据，表示将X轴、Y轴上的时间延迟的变动分离 为片段后的结果的图。

图16是表示各片段的彼此相关系数的变动模式的图。

图17是表示在时域重叠的、片段间的标准化彼此相关系数的计算例 子的图。

附图标记说明

10    麦克风单元

100   观测单元

102   噪声事件检测部

106   到来方向矢量计算部

110   声源分离处理部

112   彼此相关系数计算部

114   峰值探索处理部

116   片段化处理部

120   分离声源合并部

122   标准化彼此相关系数计算部

124   片段合并处理部

130   识别结果输出部

具体实施方式

以下，参照附图说明实施方式。

图1是表示在机场内设置了噪声观测装置时的一个实施方式的示意 图。在机场(或其周边)这种对象地域中，形成有以下的噪声环境。在 该噪声环境下，除了伴随飞机的航行从上空到来的噪声、在跑道上产生 的起飞、降落及行走噪声以及降落时的反推噪声(以下称为“飞行噪声”) 以外，还混杂有伴随机场内的飞机的运行和机体的维保的噪声，例如混 杂有伴随滑行、发动机试运转、以及APU的运转等的噪声(以下称为“地 上噪声”)。

如图1所示，噪声观测装置可以在机场内的观测点设置麦克风单元 10的状态下使用。此外，未图示的观测单元与麦克风单元10连接。

在成为对象地域的机场内，在各处例如存在有停机坪20、滑行路30、 在跑道25上滑行或者飞行的降落飞机40和起飞飞机50、以及发动机试 运转区域60等成为噪声产生源的区域。在机场内，从所述各处产生各种 噪声，这些噪声从各个方向到达观测点。本实施方式的噪声观测装置通 过使用麦克风单元10，适合用于自动识别到达观测点的多个噪声的用途。 以下，按照成为噪声产生源的区域分别进行说明。

[APU]

从停机坪20产生伴随辅助动力装置(APU：Auxiliary Power Unit) 的运转的噪声。另外，辅助动力装置是作为向在停机坪停止中的飞机AP 内提供压缩空气、液压及电力等的动力源使用的小型发动机。

[滑行]

滑行路30是飞机AP在所述的停机坪与跑道25之间移动的道路。 发动机为获得地上滑行所必要的推进力而动作，由此从滑行中的飞机AP 产生噪声。

[降落音]

降落飞机40伴随运行产生噪声，所述运行是飞机AP到达时进入跑 道25并下降落地，进而多数情况下为了减速在跑道25上进行发动机的 逆向喷射(反推)，直到最终从跑道25脱离为止的运行。

[起飞音]

起飞飞机50伴随运行产生噪声，所述运行是飞机AP出发时在跑道 25的始端位置开始滑行，在跑道25中途浮起并上升，直到飞走为止的期 间的运行。

[发动机试运转]

此外在发动机试运转区域60，伴随用于确认飞机AP用的发动机(主 发动机)的动作进行的试运转而产生噪声。

另外，图1虽然未进行图示，但是除此以外，在机场内还产生以下 的噪声。

[触地复飞(タッチアンドゴー)]

飞机AP为了进行起飞降落训练等，例如在进入跑道25、落地并减 速后，再次提高发动机输出并起飞的飞行方式。此时，伴随这一系列动 作产生噪声。

[悬停]

当直升机采取飞起后几乎静止的飞行方式时，伴随与此产生噪声。

[市区]

此外，在机场的周边例如有市区70时，伴随在市区70的各种社会 活动(交通工具的运行、道路交通、市民生活等)产生其他的来自地上 的噪声。

图2是表示噪声观测装置的结构和利用彼此相关法的噪声识别方法 的示意图。噪声观测装置具有使用所述的麦克风单元10进行计算处理并 通过彼此相关法识别噪声的功能。

[麦克风单元]

麦克风单元10例如具备四个麦克风M0、M1、M2、M3，各个麦克 风M0～M3分别配置在观测空间内假定的X轴线上、Y轴线上、Z轴线 上以及三轴坐标系的原点。具体地说，麦克风M0配置在原点，在从原 点向垂直方向延伸的Z轴线上配置有另一麦克风M1。此外，在从原点沿 水平方向延伸且与X轴线呈90°的Y轴线上设置有另一麦克风M2，在从 原点沿水平方向延伸的X轴线上设置有另一麦克风M3。麦克风单元10 的各个麦克风M0～M3被机械性固定，并且在所述设置状态下保持麦克 风M0～M3的相对的位置关系。如上所述，在观测空间内的X轴线上、 Y轴线上和Z轴线的各轴线上，分别各配置有两个麦克风。

除此以外，麦克风单元10具备所述的四个麦克风M0～M3之外的 独立麦克风MB。四个麦克风M0～M3是利用彼此相关法的噪声识别用 的麦克风。麦克风MB是周围噪声的测量用的麦克风。即，麦克风MB 例如用于单独测量观测点的噪声级。

[观测单元]

噪声观测装置具备观测单元100，麦克风单元10与所述观测单元100 连接。观测单元100例如由计算机设备构成，所述计算机设备具备未图 示的中央计算处理装置(CPU)、半导体存储器(ROM，RAM)、硬盘 (HDD)、输入输出接口及液晶显示器等。

[利用彼此相关法的噪声识别方法]

接着说明利用使用了四个麦克风M0～M3的彼此相关法的噪声识别 方法。另外，利用彼此相关法的噪声识别方法已被公众所知。因此，在 此进行简要说明。

例如，考虑上空声音的识别。当在观测空间内在垂直线(Z轴线) 上垂直设置两个麦克风M1、M0时，设它们之间的间隔为d(m)。此外， 当飞行的飞机AP的声音以仰角θ进入时，设音速为c[m/s]，该声音到达 两个麦克风M1、M0的时间差τ(s)由下述计算式(1)表示。时间差τ 为到达麦克风M1和麦克风M0的声音的彼此相关成为最大值时的时间延 迟。

τ＝d/c·sin(θ)···    (1)

此外，通过上面的计算式(1)可以得到从观测点看到的声源的仰角 θ。

当认为声音的到来方向充分地位于上空侧(θ＞0)时，可以将所述 仰角θ的信息用于飞行噪声的识别(参照作为现有技术举出的专利文献 1)。即，例如当用麦克风MB检测到的噪声级超过某阈值时(噪声事件 产生时)，只要将每时每刻的仰角变化θ(t)作为声音到来方向数据同 时记录，就可以将大于预先指定的仰角的声音到来方向数据的噪声判断 为是飞机AP的飞行噪声。

[到来方向矢量的计算]

此外，如果不仅在垂直方向上，而且将噪声的到来方向在X－Y轴、 Y－Z轴和Z－X轴这三轴上展开，则通过计算不仅可以求出仰角θ而且 可以求出方位角δ。此外，通过求出仰角θ和方位角δ，可以计算出以观 测点为基准的三轴观测空间(矢量空间)内的噪声的到来方向矢量(单 位矢量)。此外，利用计算出的到来方向矢量的外积，可以更可靠地得 知以观测点作为基准的声源(飞机AP)的移动方向(从哪个方位朝向哪 个方位)。

[飞行声音识别方法对地上噪声判别的应用]

如上所述，如果能够计算声音的三轴到来方向矢量，则当仰角θ指 向地上时，可以从其方位角δ判别来自地上的噪声的到来方向。但是， 在观测空间内存在多个声源并由此同时产生多个噪声的情况下，按照所 述判别方法，按照各轴线分开的彼此相关系数成为最大时的时间延迟τ 未必一定表示相同的声源。因此，当同时产生多个噪声时，存在不能准 确计算噪声的到来方向的情况。

另外，对于多个声源的识别，迄今已经报告了各种研究。可是，这 些研究都存在下述问题：当声源的移动复杂时不能分离声源；由于在积 蓄庞大的数据后进行处理，所以不能进行实时处理；等等。

因此，在本实施方式中，考虑在噪声观测装置内部进行实时处理， 尽量采用单纯化的算法。以下，更详细地说明在本实施方式中使用的噪 声观测方法。

[作为噪声观测装置的结构]

作为观测单元100的功能要素，观测单元100除了具备噪声事件检 测部102、到来方向矢量计算部106以外，还具备包含多个功能要素的声 源分离处理部110和分离声源合并部120。

其中，噪声事件检测部102例如根据来自麦克风MB、M0～M3等 的噪声检测信号，检测在对象地域内产生的地上的噪声级。具体地说， 对把噪声检测信号进行数字转换后的结果进行取样，计算观测点的噪声 级值(dB)。

[单次噪声/准稳态噪声]

飞机的噪声大体分为单次噪声和准稳态噪声。其中，单次噪声是单 次产生的短暂性的噪声，例如伴随飞机AP的运行在机场周边观测到的 噪声等就属于单次噪声。此外，在地上噪声的情况下，大多将滑行的噪 声作为单次噪声观测。

所谓准稳态噪声是长时间持续且处于稳态但伴随相当的声级变动的 噪声，在从飞机AP产生的情况下，准稳态噪声为飞机的地上噪声。具 体地说，例如伴随飞机AP的维保等而在机场的周边观测到的发动机试 运转、APU的运转噪声、及在跑道一端在起飞前等待时的噪声等就属于 准稳态噪声。此外，直升机的怠速和悬停的噪声也大多稳态持续，也会 作为准稳态噪声观测。

尽管没有特别进行图示，噪声事件检测部102中登录有用于在观测 单元100内根据噪声级值检测单次噪声或准稳态噪声的噪声事件的条件 (阈值声级)。噪声事件检测部102将计算出的噪声级值(dB)应用于 登录完毕的条件，可以检测单次噪声的飞行噪声和地上噪声的事件，或 检测准稳态噪声的地上噪声事件。另外，噪声事件的检测例子将在后面 进行叙述。

到来方向矢量计算部106根据来自四个麦克风M0～M3的检测信 号，通过所述的三轴彼此相关法计算声音的到来方向矢量(仰角θ、方位 角δ)。此外，到来方向矢量计算部106把用时间函数表示的仰角θ(t) 和方位角δ(t)作为声音到来方向数据进行记录。

[声源分离处理部]

声源分离处理部110包括彼此相关系数计算部112、峰值探索处理 部114和片段化处理部116。声源分离处理部110具有将按照各轴线得到 的时间延迟在各轴线上分离为声源的功能。

其中，彼此相关系数计算部112根据来自四个麦克风M0～M3的检 测信号，每隔规定时间按照各轴线分别计算表示彼此相关峰值的高位多 个声音的到来时间差的时间延迟。此外，通过按各轴线分别计算，在此 得到彼此相关系数R(axis，i，τ)(i为每隔规定时间的时间索引(タ イムインデックス(所谓的时间索引是指：对应于时间的经过，在时间 轴上按一定的顺序排列))：以i＝i+1的方式定期更新，axis＝X、Y、 Z)。此外，在此的计算结果，也向所述的到来方向矢量计算部106提供。

峰值探索处理部114针对由彼此相关系数计算部112计算出的按照 各轴线分开的彼此相关系数，探索表示峰值倾向的多个时间延迟，从最 大峰值起对高位的数个(例如第一位～第三位)时间延迟进行排序。由 于按照各轴线分别对彼此相关系数的峰值进行排序，所以在此得到多个 排序后的时间延迟τ_axis，i，j(j＝1，···，M：例如M＝3)。

片段化处理部116进行下述处理：在时域上收集由峰值探索处理部 114抽出的、峰值高位的多个时间延迟的变动，将预想为同一声源的时间 延迟集中到同一集合，形成连续的时间延迟集合。以下，将这种处理称 为“片段化”。形成的集合称“片段”。另外，对于声源分离处理部110 的处理将在后面使用另外的流程图进行叙述。

[分离声源合并部]

接着，分离声源合并部120包括标准化彼此相关系数计算部122和 片段合并处理部124。分离声源合并部120具有将由所述的片段化处理部 116形成的按照各轴线分开的片段按同一声源组合的功能。由片段化处理 部116形成的片段，如上所述在各轴线上按声源分离，因此为了在观测 空间内识别声源，需要在各轴线间组合集合们。因此，在此使用相关系 数R(τ)的变动对各轴线间的片段进行组合。

因此，标准化彼此相关系数计算部122针对在各轴线上形成的片段， 在此不是针对各个时间延迟τ，而是针对彼此相关系数R(τ)的时间变 动，计算没有时间延迟(τ＝0)时的标准化彼此相关系数R(0)。

此外，片段合并处理部124将计算出的标准化彼此相关系数R(0) 足够大的片段们作为同一声源的片段进行合并。另外，对于分离声源合 并部120进行的处理的详细内容将在后面进行叙述。

除此以外，观测单元100具备识别结果输出部130。由片段化处理 部116合并了的片段们被提供到识别结果输出部130。识别结果输出部 130根据合并为同一声源的片段们的信息和由到来方向矢量计算部106 计算出的到来方向矢量，识别多个声源的种类并输出其结果。输出的结 果例如可以在未图示的显示装置上显示，或者作为数据发送到观测单元 100的外部计算机等。

[噪声事件检测方法]

图3是针对单次噪声的噪声事件检测方法，与航线下的噪声级的经 时性变化一起解说的图。所述的观测单元100例如通过在噪声事件检测 部102连续地检测噪声级，计算观测点的背景噪声级(BGN)。

如上所述，单次噪声因飞机AP通过上空等，作为短暂性的噪声产 生。因此，单次噪声级的经时性变化，随时间的经过，噪声级上升，在 时刻t1上升到比背景噪声级高10dB的声级。此后，噪声级达到最大值 (Nmax)，接着噪声级再次成为背景噪声级(BGN)。

在该情况下，观测单元100在噪声事件检测部102中从时刻t1起开 始噪声事件的检测。即，如果麦克风MB的噪声级上升到比背景噪声级 (BGN)高10dB的声级，则开始噪声事件的检测处理。

另外，噪声事件检测部102中预先设定有用于判断产生了单次噪声 的阈值声级(Na)。因此，噪声事件检测部102仅在观测值超过了阈值 声级(Na)时将观测值识别为单次噪声。在该例子中，由于观测值实际 上超过了阈值声级(Na)，因此噪声事件检测部102把噪声级达到最大 值(Nmax)的时刻t3判断为单次噪声的产生时刻。

此外，此时噪声事件检测部102将噪声级从最大值(Nmax)下降了 10dB的时刻t4判断为单次噪声的结束时刻。其结果，从时刻t1(开始时) 到时刻t4(结束时)为止的期间成为噪声事件检测中(检测处理)的期 间。

而后，噪声事件检测部102切分出噪声级处于比从最大值(Nmax) 仅下降了10dB的值高的声级的期间，并将该期间判断为噪声事件区间。 噪声事件区间被视为单次噪声在观测点持续的时间。

接着，图4是对于针对准稳态噪声的噪声事件检测方法，与在机场 内(或附近)的噪声级的经时性变化一起进行解说的图。在此，观测单 元100通过在噪声事件检测部102中连续检测噪声级，计算在观测点的 背景噪声级(BGN)。

[准稳态噪声的检测]

设想在机场内产生了飞机AP造成的准稳态噪声的情况。在某时刻 t12以前，例如由于在滑行路30上的移动等，在观测点的观测值上升到 比背景噪声级(BGN)高10dB的声级(NP1)。此后噪声级进一步上升， 噪声级在某种程度的长时间内原状维持准稳态的高声级的状态下变化， 随后降低到比背景噪声级(BGN)高10dB的声级(NP2)，并再次成为 背景噪声级(BGN)。

在该情况下，观测单元100在噪声事件检测部102中从时刻t12起 开始噪声事件的检测。即，在此，如果噪声级上升到比背景噪声级(BGN) 高10dB的声级(NP1)，则成为开始噪声事件的检测处理。但是，准稳 态噪声的情况不设定阈值声级。

而后，噪声事件检测部102切分出观测值处于比背景噪声级(BGN) 高10dB的期间，并把该期间判断为噪声事件区间。该情况下的噪声事件 区间在观测点以某程度的长时间持续时，被视为准稳态噪声持续的时间。

在此，起飞、降落和通过上空等单次产生的噪声事件的检测，在实 际的飞机噪声的平时监视等中，成为用于识别其是否为飞机噪声的有用 的方法。另一方面，如上所述，机场内的飞机AP进行的发动机测试和 APU等造成的准稳态噪声，有时持续时间(准稳态噪声区间)比较长。 此外，由于准稳态噪声在其噪声区间内包含多个声源，所以在准稳态噪 声区间的检测后自动识别其是哪种噪声现象是困难的。

在本实施方式中，通过所述的声源分离处理部110和分离声源合并 部120，实现了使用同时产生的多个声源的彼此相关系数的极大值(数个 高位峰值)来识别各个声音的到来方向的方法。此外，该方法能与噪声 现象的产生同时进行识别处理，即能进行所谓的“实时处理”。以下， 详细说明本实施方式的识别方法。

[原理说明]

首先，说明本实施方式的识别方法的原理。

图5是用于说明本实施方式的识别方法的原理的简化模型图。简化 模型在消声室AR内将三个麦克风M0、M2、M3配置在两个轴线(X－ Y轴线)上。即，由于在此着眼于机场内的地上噪声，因此省略了Z轴 线上的麦克风M1，并将观测空间简化为二维。此外，在X－Y的两个轴 线上规定虚拟的观测水平面PL，在水平面PL上配置两个固定的声源SS1 和声源SS2。

在以上的条件下，以在时间上有前后的方式从两个声源SS1、SS2 分别输出声音，由所述的声源分离处理部110进行按照声源分开的片段 化。

[声源分离处理]

图6是表示由声源分离处理部110执行的声源分离处理的步骤例子 的流程图。声源分离处理部110例如可以通过定时中断，每隔规定时间 (例如每200ms)执行声源分离处理。以下，按照步骤例子进行说明。

步骤S10：首先声源分离处理部110定义本次的时间索引i。如上所 述，时间索引i每隔规定时间以一增量进行更新(i＝i+1)。

步骤S12：接着，声源分离处理部110通过所述的彼此相关系数计 算部112，按照各轴线分别进行彼此相关系数计算处理。在该处理中，彼 此相关系数计算部112按照各轴线(在此为X轴线和Y轴线，以下相同) 分别计算彼此相关系数R(axis，i，τ)。另外，在实际的构成中，axis ＝X、Y、Z，但是在简化模型中省略了Z轴。此外，以后的处理针对各 轴线分别执行。

步骤S14：即，声源分离处理部110通过所述的峰值探索处理部114， 按照各轴线分别执行峰值探索处理。在该处理中，峰值探索处理部114 按照各轴线分别探索彼此相关系数R(axis，i，τ)的高位峰值，并按值 从大到小的顺序进行排序。如果将顺序设为j，则在此如上所述地得到被 排序为从第一峰值到第三峰值的多个时间延迟τ_axis，i，j(j＝1，2，3)。 而后，以后的处理变成针对各峰值Peak(τ_axis，i，j)执行。

[高位峰值的排序]

图7是表示利用彼此相关系数的高位峰值的、时间延迟的排序的示 意图。例如，在观测空间内存在多个声源的情况下(也可以是单一声源)， 如果在各轴线上计算彼此相关系数R(τ)，则在多个时间延迟τ1、τ2、 τ3，彼此相关系数显示峰值(极大)倾向，在高位观测到第一峰值R(τ1)、 第二峰值R(τ2)和第三峰值R(τ3)。由此，可以按照彼此相关系数的 峰值从大到小的顺序在高位对多个时间延迟τ1、τ2、τ3进行排序。另外， 由峰值探索处理部114按照各轴线分别进行排序的结果为所述的τ_axis，i，j。

步骤S16：声源分离处理部110通过所述的片段化处理部116，按照 各轴线和各峰值分别执行声源初始值判断处理。在该处理中，片段化处 理部116确认各Peak(τ_axis，i，j)是否成为声源的初始值。例如，在紧靠 某τ_axis，i，j之前不存在被预想为相同声源的、特定的τ_{axis，i－1，j}的情况下， 片段化处理部116将所述Peak(τ_axis，i，j)视为声源的开始地点τ_axis，s，k(s为i的任意一个，k为顺序j的任意一个)。以后，对所述初始值进 行片段化的判断。

步骤S18：接着，声源分离处理部110通过片段化处理部116，按照 各轴线分别执行同一声源片段化处理。在该处理中，片段化处理部116 判断本次的τ_axis，i，j与一个规定时间前的特定的τ_{axis，i－1，j}的声源是否相同， 在声源相同的情况下将它们设为一个片段。在一个规定时间前的τ_{axis，i－1，j}已经是片段的一部分时，将本次的τ_axis，i，j追加到相同的片段，在时域上 使片段成长。另外，对于处理的具体内容将使用另一流程图在后面进行 叙述。

步骤S20：而后声源分离处理部110通过片段化处理部116按照各 片段分别执行结束判断处理。所述处理针对形成中的全部片段分别进行。 例如，在片段化处理部116确认了本次的τ_axis，i，j为τ_virtual、且包含τ_axis，i，j的之前的γ个(例：γ＝10)τ全部为τ_virtual时，将连续10个τ_virtual全部 删除，将从作为初始值的τ_axis，s，k到τ_{axis，i－γ，j}为止的τ设为一个片段(终 端处理)。另外，关于“τ_virtual”将在后面进行叙述。此外，在此时构成 片段的τ的个数少到某种程度(例如小于50个)的情况下，将所述片段 无效化。

[按照各轴线分别进行的同一声源片段化处理]

图8是表示按照各轴线分别进行的同一声源片段化处理的步骤例子 的流程图。以下，按照步骤例子说明处理的内容。

步骤S100：片段化处理部116判断本次的时间延迟是否存在一个(唯 一值)，所述本次的时间延迟是与任意一个初始值τ_axis，s，k或已被片段化 的特定的τ_{axis，i－1，j}被视为同一声源的时间延迟。具体地说，计算以下的 计算式(2)。

[数学式1]

∣τ_axis,i-1,j-τ_axis,i,j∣<α    (2)

其中，

α是依存于声源的移动速度的常数(规定的阈值)

步骤S102：其结果，当满足计算式(2)的j’仅存在一个(唯一) 时(在步骤S100中为“是”)，片段化处理部116使用该时间延迟τ_axis，i，j进行片段化。具体地说，将所述时间延迟τ_{axis，i，j’}追加到与τ_{axis，i－1，j}相同的片段的成员中。

步骤S104：与此相对，在满足计算式(2)的j’存在两个以上或者 一个都不存在的情况下(在步骤S100中为“否”)，片段化处理部116 用前面的τ从最小二乗法计算τ_virtual。此时，无需使用前面的τ的全部， 只要使用数个数据即可。即，这是因为在此将最近的τ的变动作为τ_virtual取得就足够了。此外，最小二乗法的次数在经验上两次是有效的。

步骤S106：片段化处理部116确认是否存在两个以上的被视为同一 声源的本次的时间延迟。

步骤S108：其结果，当满足计算式(2)的j’存在两个以上时(在 步骤S106中为“是”)，片段化处理部116判断其中是否存在能片段化 的时间延迟。具体计算以下的计算式(3)。

∣τ_virtual-τ_axis,i,j∣<β     (3)

其中，

β是预先设定的常数(特定的阈值)，其值可以通过试验或按照经 验设定。

步骤S110：当存在以最小满足所述计算式(3)的最佳的τ_{axis，i，j’}时 (在步骤S108中为“是”)，片段化处理部116使用所述最佳的τ_{axis，i，j’}进行片段化。具体地说，将最佳的τ_{axis，i，j’}追加到与τ_{axis，i－1，j}相同的片 段的成员中。

步骤S112：另一方面，当满足计算式(3)的j’一个也不存在时(在 步骤S108中为“否”)、或者满足计算式(2)的j’一个也不存在时(在 步骤S106为“否”)，片段化处理部116使用在前面的步骤S104中计 算出的τ_virtual进行片段化。具体地说，把τ_virtual追加到与τ_{axis，i－1，j}相同的 片段的成员中。

[时间延迟的变动]

图9是表示简化模型下的X轴上的时间延迟的变动的图。图9的横 轴表示时间索引数，纵轴表示X轴上的时间延迟。此外，图9中所示的 白色圆形标记表示被排序为彼此相关系数的第一峰值的时间延迟，标有 斜线的圆形标记表示被排序为彼此相关系数的第二峰值的时间延迟。

[执行条件1]

在本例子中，在所述的简化模型(图5)中，先从第一个声源SS1 输出声音，之后从第二个声源SS2输出声音并从多个声源SS1和声源SS2 在一段时期内同时输出声音，然后先停止第一个声源SS1的输出。此时， 由于两个声源SS1和声源SS2被固定在观测水平面PL内，因此认为从X 轴上的两个麦克风M0、M3得到的检测信号的时间延迟，基于麦克风 M0、M3与各声源SS1、SS2的相对的位置关系，表示基本稳定的值。

[时间索引数0～Ti1]

因此，如果从时域的初始(时间索引数＝0)开始第一个声源SS1 的输出，则X轴上的时间延迟仅由被排序为彼此相关系数的第一峰值的 时间延迟表示。此外，在直到从第二个声源SS2输出声音为止(时间索 引数0～Ti1)的时域中，可以只用被排序为彼此相关系数的第一峰值的 时间延迟形成片段。

[时间索引数Ti1～Ti2]

如果从第二个声源SS1开始输出，则成为在观测水平面PL内存在 多个声源的状态。在该情况下，X轴上的时间延迟作为被排序为彼此相 关系数的第一峰值和第二峰值的多个时间延迟进行表示。在该情况下， 被排序为第一峰值的时间延迟(＞0)与第一个声源SS1对应，被排序为 第二峰值的时间延迟(＜0)与第二个声源SS2对应。因此，在所述时域 中，被排序为彼此相关系数的第一峰值的时间延迟连续被追加到同一声 源SS1的片段中。

另一方面，时间索引数Ti1时的、被排序为彼此相关系数的第二峰 值的时间延迟，被视为针对第二个声源SS2的初始值。此外，在以后的 时域中，被排序为彼此相关系数的第二峰值的时间延迟被追加到声源SS2 的片段中。

[时间索引数Ti2以后]

如果第一个声源SS2的输出停止，则以后声源成为一个声源SS2。 在该情况下，X轴上的时间延迟仅由被排序为彼此相关系数的第一峰值 的时间延迟表示。不过，在以后的时域中，由于被排序为第一峰值的时 间延迟与第二个声源SS2对应，因此从该处起将被排序为彼此相关系数 的第一峰值的时间延迟追加到声源SS2的片段中。

[各声源分离]

图10表示了将图9所示的X轴上的时间延迟的变动分离为按照声 源分开的片段进行表示的例子。其中，图10的(A)表示了第一个声源 SS1的片段，图10的(B)表示了第二个声源SS2的片段。

这样，在本实施方式中，可以将各轴线上的时间延迟的变动分离为 按照声源分开的片段。另外，在此针对X轴进行了表示，对于Y轴也同 样地可以分离为按照声源分开的片段。

[向移动声源应用的应用例]

图11是表示将简化模型应用到移动声源时的例子的图。在该应用例 中，在观测水平面PL内配置有两个移动的声源SS1和声源SS2。此外， 麦克风单元10的角度(X轴和Y轴)与之前的简化模型不同。

[执行条件2]

例如，在配置在消声室AR内的两个声源SS1和声源SS2中，使第 一个声源SS1从一方的墙壁附近向另一方的墙壁移动后，再次使其移动 到一方的墙壁附近。反过来，对于第一个声源SS2，在使第二个声源SS2 从另一方的墙壁附近向一方的墙壁移动后，再使第二个声源SS2移动到 另一方的墙壁附近。此外，这两个声源SS1和声源SS2的移动同时并行 进行。

[时间延迟的变动结果]

图12表示了X轴和Y轴上的时间延迟的变动。其中，图12的(A) 表示X轴上的时间延迟的变动，图12的(B)表示Y轴上的时间延迟的 变动。另外，图中的横轴表示时间索引数，纵轴表示被排序了的时间延 迟τ。此外，在此表示了被排序为从高位的第一峰值到第三峰值的时间延 迟。在此也是同样地，在图12的(A)和图12的(B)中，白色圆形标 记表示被排序为彼此相关系数的第一峰值的时间延迟，标有斜线的圆形 标记表示被排序为彼此相关系数的第二峰值的时间延迟。此外，黑色圆 形标记表示被排序为第三峰值的时间延迟。

当多个声源SS1和声源SS2移动时，即使在消声室AR这种理想环 境中，如果在时域上抽出时间延迟的变动，则也在各处观测到彼此相关 系数被排序为第一峰值～第三峰值的多个时间延迟。在该情况下，也可 以通过应用本实施方式的声源分离处理，将各轴线上的时间延迟的变动 分离为按照声源分开的片段。

[片段的分离例]

图13是表示X轴上的片段的分离例子的图。其中，图13的(A) 表示与声源SS1对应的片段，图13的(B)表示与声源SS2对应的片段。 在此也是同样地，图中的横轴表示时间索引数，纵轴表示被排序了的时 间延迟。另外，图13的(A)和图13的(B)所示的黑色菱形标记，表 示在片段化处理中使用的τ_virtual(虚拟时间延迟)(以下相同)。

由此明确了，只要应用本实施方式的声源分离处理，即使当各轴线 上的时间延迟的变动错综复杂(图12)时，也可以将各轴线上的时间延 迟的变动分离为按照声源分开的片段。

[对机场应用的应用例]

以上，是向采用了消声室AR的简化模型应用的应用例，以下对将 实际的机场作为观测空间时的应用例进行说明。在此，在实际的机场内 将跑道25的侧方(图1)作为观测点，对用麦克风单元10实际观测到的 噪声数据应用本实施方式的方法。另外，跑道25与滑行路30的位置关 系，也可以与图1所示的方式不同。

[时间延迟的变动结果]

图14是针对实测数据表示X轴和Y轴上的时间延迟的变动结果的 图。另外，图14的(A)表示X轴上的时间延迟的变动，图14的(B) 表示Y轴上的时间延迟的变动。此外，在此表示了与滑行音重叠从中途 观测到降落音的状况的变动结果。另外，图14中的白色圆形标记表示被 排序为彼此相关系数的第一峰值的时间延迟，标有斜线的圆形标记表示 被排序为彼此相关系数的第二峰值的时间延迟，黑色圆形标记表示被排 序为彼此相关系数的第三峰值的时间延迟。

如图14所示，针对机场内的实测数据，如果在时域上抽出各轴线上 的时间延迟的变动，则在多个部位观测到彼此相关系数被排序为第一峰 值～第三峰值的多个时间延迟。此外明确了，即使作为后处理，俯瞰时 间延迟的变动结果的整体，完全识别从哪里到哪里的变动是同一声源造 成的也是非常困难的。

此外，在本实施方式中，通过如上所述地通过实时处理进行片段化， 可以将各轴线上的时间延迟的变动分离为按照声源分开的片段。

[片段的分离例]

图15是表示针对实测数据将X轴和Y轴上的时间延迟的变动分离 为片段的结果的图。其中，图15的(A)和图15的(B)表示了X轴上 的时间延迟的片段分离例，图15的(C)和图15的(D)表示了Y轴上 的时间延迟的片段分离例。在此也是同样地，图15中的白色圆形标记表 示被排序为彼此相关系数的第一峰值的时间延迟，标有斜线的圆形标记 表示被排序为彼此相关系数的第二峰值的时间延迟。此外，黑色菱形标 记表示在片段化处理中使用的τ_virtual(虚拟时间延迟)。

通过针对实测数据也执行所述的片段化处理，时间延迟的变动例如 在X轴上被分离为四个片段X1、X2、X3、X4，在Y轴上被分离为三个 片段Y1、Y2、Y3。

在此，由于片段在基本上按声源进行分离，因此在基本上，分离后 的片段数表示声源的数量。可是，如果鉴于在滑行音的产生期间产生了 降落音的状况，则中途的声压级大的噪声(降落音)成为支配性的，从 以前开始的时间延迟的连续性被分断，因此如图15的分离例所示，也可 以考虑到片段数与声源的数量不一致的情况。

对于在本实施方式中在各轴线上分离了的片段，进一步在不同的轴 线间将同一声源的片段们合并化。

[片段合并化处理]

即，通过所述的分离声源合并部120执行片段合并化处理。在该处 理中，将如上所述方式在各轴线上分离的片段在不同的轴线间进行组合。 在本实施方式中，使用彼此相关系数R(τ)的变动，对不同的轴线间的 片段们进行合并化。

图16表示了各片段的彼此相关系数R(τ)的变动模式。其中，图 16的(A)、(B)、(C)表示了X轴片段的彼此相关系数R(τ)的 变动模式，图16的(D)、(E)、(F)表示了Y轴片段的彼此相关系 数R(τ)的变动模式。此外，图中的白色圆形标记表示彼此相关系数R (τ)的第一峰值，标有斜线的圆形标记表示第二峰值，黑色圆形标记表 示第三峰值。

在本发明中得到了下述认识：如果对于某个片段，不是考虑时间延 迟τ而是考虑彼此相关系数R(τ)，则被认为是相同的声源的片段的R (τ)的变动模式非常近似。认为这是由于下述原因造成的，即：从实际 的声源产生的声音，例如存在发动机输出的变化这种变动、或在到达观 测点为止受到气象的影响，因此在麦克风的输入信号中也会显现这些变 化。

因此，在某个时域中，在不同的轴线间存在片段的组时，如果计算 τ＝0时的标准化彼此相关系数R(0)，则同一声源的片段们的标准化彼 此相关系数R(0)在某种程度上变大。因此，在本实施方式中，将使R (0)＞0.9的片段的组合作为同一声源的片段们的组合进行合并化。另 外，在存在使R(0)＞0.9的多个组合的情况下，将使R(0)成为最大 值的组合合并化。

[标准化彼此相关系数]

图17表示了在时域上重叠的片段间的、标准化彼此相关系数的计算 例子。图16中，在纵向上排列X轴上的片段，在横向上排列Y轴上的 片段，将片段间的标准化彼此相关系数用4×3的矩阵表示。

[片段合并例]

图17中明确了，如果选择标准化彼此相关系数大于0.9的组合，则 可以得到X1－Y1、X2－Y2、X3－Y3和X4－Y3的四个组合。反映了该 结果，在图16中用虚线的箭头表示了轴间的片段合并例子。

[验证结果]

与实测时的噪声现象进行对比验证的结果，确认了实际上X1－Y1、 X3－Y3和X4－Y3的组合为滑行音，X2－Y2为降落音。

另一方面，在图16的(A)和图16的(B)中，在时间索引Tia～ Tib之间未检测到滑行音的峰值，是因为实际的降落音的噪声级充分大于 滑行音的噪声级。

如上所述，按照本实施方式的识别方法，在各轴线上利用彼此相关 系数的峰值，在时域上抽出时间延迟的变动，由此将时间延迟分割为按 照声源分开的片段，而后使用各片段的彼此相关系数的变动合并轴线间 的片段们。由此，对于在观测空间内同时产生的多个噪声源，可以对各 声源的声音的到来方向进行分离。

此外，通过本实施方式的识别方法，可以自动识别只靠声压级的变 动或以往的仅使用彼此相关系数的第一峰值的方法所不能识别的、发出 同时存在的有意义的噪声级的飞机的架数。由此，例如在单次噪声的噪 声级评价中，可以得到用于推测背景噪声的影响的信息。此外，按照本 实施方式的识别方法，能同时得到各个声音的到来方向，因此只要使用 了跑道、滑行路、周边道路等机场的结构信息，就可以可靠地识别出各 个噪声是哪个声源的。

另外，所述的一个实施方式通过省略Z轴上的观测进行了简化，但 是在实际实施本发明时当然可以采用X轴、Y轴和Z轴的三轴相关。特 别是对于Z轴上的时间延迟，主要是地面反射造成的彼此相关系数的峰 值倾向是显著的，灵活运用这种倾向在可以使飞机的地上噪声识别进一 步高精度化方面是非常有用的。

本发明不限于所述的实施方式，可以实施各种变形的实施方式。在 所述一个实施方式中，以机场作为对象地域，但是本发明的噪声观测装 置和噪声观测方法，也可以应用到机场以外的观测空间(对象区域)。

此外，在所述一个实施方式中例举过的、片段的形成以及与片段们 的合并有关的条件(α，β，0.9)等只是一个例子，条件的设定可以根据 观测对象地域和噪声产生源的特性适当变更。

在所述一个实施方式中，按照每个定时中断计算彼此相关系数，可 是，“每隔规定时间”的间隔也可以不是固定的。例如，在某个规定时 间，隔开200ms的间隔进行计算，但是下次的规定时间可以是比200ms 短的100ms之后，或者反过来是比200ms长的300ms之后。

在所述一个实施方式中，作为多个噪声，例示了滑行音和降落音， 但是多个噪声也可以是所述以外的组合。此外，即使同时产生三个以上 的噪声的情况也可以应用本发明。