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。
[0119]其中，彼此相关系数计算部112根据来自四个麦克风MO?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(夕Y A Or、y夕只(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+Ι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。
[0120]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= 1，...，Μ:例如M= 3)。
[0121]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。
[0122][分离声源合并部]
[0123]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(T)的变动对各轴线间的片段进行组合。
[0124]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(T)的时间变动，计算没有时间延迟(τ =O)时的标准化彼此相关系数R(O)。
[0125]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(O)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。
[0126]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。
[0127][噪声事件检测方法]
[0128]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)。
[0129]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tl上升到比背景噪声级高1dB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)。
[0130]在该情况下，观测单元100在噪声事件检测部102中从时刻tl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1dB的声级，则开始噪声事件的检测处理。
[0131]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。
[0132]此外，此时噪声事件检测部102将噪声级从最大值(Nmax)下降了 1dB的时刻t4判断为单次噪声的结束时刻。其结果，从时刻tl (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。
[0133]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 1dB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。
[0134]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)。
[0135][准稳态噪声的检测]
[0136]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tl2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1dB的声级(NPl)。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1dB的声级(NP2)，并再次成为背景噪声级(BGN)。
[0137]在该情况下，观测单元100在噪声事件检测部102中从时刻tl2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1dB的声级(NPl)，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。
[0138]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1dB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。
[0139]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。
[0140]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。
[0141][原理说明]
[0142]首先，说明本实施方式的识别方法的原理。
[0143]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。S卩，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SSl和声源SS2。
[0144]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。
[0145][声源分离处理]
[0146]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。
[0147]步骤SlO: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a = i+D。
[0148]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。
[0149]步骤S14:S卩，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= 1，2，3)。而后，以后的处理变成针对各峰值Peak( τ axis>i>J)执行。
[0150][高位峰值的排序]
[0151]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(t)，则在多个时间延迟τ 1、τ2、τ 3，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( τ I)、第二峰值R( τ 2)和第三峰值R( τ 3)。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τ?、τ2、τ 3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>JO
[0152]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Peakb
是否成为声源的初始值。例如，在紧靠某Taxis,u之前不存在被预想为相同声源的、特定的的情况下，片段化处理部116将所述Peakh视为声源的开始地点^xis,
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。
[0153]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Taxis, μ与一个规定时间前的特定的的声源是否相同，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Taxisa-u已经是片段的一部分时，将本次的τ axis,y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。
[0154]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 T axis, i，j乂J T virtual ^ 且包含τ axis, 」的之前的γ个(例:γ = 10) τ全部为、irtuM，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为止的τ设为一个片段(终端处理)。另外，关于“ Tvirtual”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，