JP2005066045A - 音データ処理装置及びプログラム - Google Patents

Abstract

【課題】呼吸音に含まれる副雑音等、検出音に含まれる多様な異常音を十分正確に検出できるようにすること。
【解決手段】音データ処理装置１００は、音信号取得手段１０によって呼吸音信号を取得し、この呼吸音信号をデジタル化して呼吸音データを作成し、呼吸音に含まれる各種異常音（断続性ラ音や連続性ラ音等の副雑音。）の検出に好適な複数の異なる長さの全時間区分に基づいて当該呼吸音データをＦＦＴ処理してスペクトル情報を算出し、このスペクトル情報をデータ解析して各種異常音の検出を行う。
【選択図】 図１

Description

本発明は、呼吸音等の音データを解析処理するための音データ処理装置、音データ処理方法及びプログラムに関する。

最近の医療分野では、デジタルデータ化された医用画像等の診断情報を各種診断に活用するための診断支援装置が種々開発されている。

特に、近年、聴診器等により取得される呼吸音等をデジタルデータに変換してデータ解析し、当該解析結果を診断（音診断）に活用するための診断支援装置の開発が進められつつある（例えば、特許文献１、２を参照。）。

ここで、「呼吸音（respiratory sounds）」は、呼吸運動に伴って生じ、胸部において聴診され得る音の総称であり、気道・肺胞に生じる気流の音としての「呼吸音（breath sounds）」と、異常音である「副雑音（adventitious sounds）」とに大別される。以下、「呼吸音」を上記「respiratory sounds」の意に用いる。

また、最近では、音による構造物等の非破壊検査等に多くの関心が寄せられている。この場合も、マイク等によって取得される音は、デジタルデータ化されてデータ解析される。
特開平５−７３０９３号公報 特表２００２−５１１２９５号公報

しかしながら、上記呼吸音等の音データを解析するための従来の技術には以下のような問題点がある。
一般に、呼吸音には多様な副雑音（断続性ラ音や連続性ラ音等。）が異常音として含まれる。このため、上記従来の音診断に対する診断支援装置では、呼吸音を表す音データを解析して、これら多様な副雑音を十分正確に検出するのが困難である。
更に、非破壊検査のような場合でも、構造物等からは極めて多様な音が発生するため、当該多様な音の中から異常音を正確に検出するのは困難である。

本発明の課題は、呼吸音に含まれる副雑音等の多様な異常音を十分正確に検出できるようにすることである。

上記課題を解決するため、請求項１に記載の発明は、
検出された音データを解析処理するための音データ処理装置において、
前記音データに対し、予め設定された複数の異なる長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含む複数のスペクトル情報を算出するスペクトル情報取得手段と、
前記算出された複数のスペクトル情報を解析処理するスペクトル情報解析手段と、
前記複数の解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する異常音検出手段と、
を備えたことを特徴とする。

更に、請求項２に記載の発明のように、請求項１に記載の発明において、
前記音データが呼吸音を表すデータの場合、当該音データを、一呼吸を構成する呼気に対応する音データと、吸気に対応する音データとに分別する呼気吸気分別手段を更に備え、
前記スペクトル情報取得手段は、
前記ＦＦＴ処理の際に用いる前記時間区分の長さを、前記一呼吸分の呼吸時間に基づいて設定するのが好ましい。

更に、請求項３に記載の発明のように、請求項２に記載の発明において、
前記スペクトル情報取得手段は、
前記呼気、吸気の各々に対応する音データ毎にスペクトル情報を算出し、
前記スペクトル情報解析手段は、
前記呼気、吸気の各々に対応するスペクトル情報毎に解析処理を行い、
前記異常音検出手段は、
前記呼気、吸気毎に行われる解析結果に基づいて呼気、吸気毎に異常音を検出するのが好ましい。

また、上記課題を解決するため、請求項４に記載の発明は、
検出された音データを解析処理するための音データ処理装置において、
前記音データに対し、予め設定された長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含むスペクトル情報を算出するスペクトル情報取得手段と、
前記算出されたスペクトル情報を解析処理するスペクトル情報解析手段と、
前記解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する異常音検出手段と、
を備えたことを特徴とする。

更に、請求項５に記載の発明のように、請求項１〜４のうち何れか一項に記載の発明において、
前記スペクトル情報解析手段は、
前記スペクトル情報に対しケプストラム法を用いてスペクトル包絡を算出し、
前記異常音検出手段は、
前記算出されたスペクトル包絡と当該スペクトル情報とからフォルマントを検出し、当該検出したフォルマントに基づいて前記異常音を検出するのが好ましい。

また、上記課題を解決するため、請求項６に記載の発明は、
検出された音データを解析処理するためのコンピュータに、
前記音データに対し、予め設定された複数の異なる長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含む複数のスペクトル情報を算出する機能と、
前記算出された複数のスペクトル情報を解析処理する機能と、
前記複数の解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する機能と、
を実現させる。

更に、請求項７に記載の発明のように、請求項６に記載の発明において、
前記コンピュータに、
前記音データが呼吸音を表すデータの場合、当該音データを、一呼吸を構成する呼気に対応する音データと、吸気に対応する音データとに分別する機能と、
前記ＦＦＴ処理の際に用いる前記時間区分の長さを、前記一呼吸分の呼吸時間に基づいて設定する機能と、
を更に実現させるのが好ましい。

更に、請求項８に記載の発明のように、請求項７に記載の発明において、
前記コンピュータに、
前記呼気、吸気の各々に対応する音データ毎にスペクトル情報を算出する機能と、
前記呼気、吸気の各々に対応するスペクトル情報毎に解析処理を行う機能と、
前記呼気、吸気毎に行われる解析結果に基づいて呼気、吸気毎に異常音を検出する機能と、
を更に実現させるのが好ましい。

また、上記課題を解決するため、請求項９に記載の発明は、
検出された音データを解析処理するためのコンピュータに、
前記音データに対し、予め設定された長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含むスペクトル情報を算出する機能と、
前記算出されたスペクトル情報を解析処理する機能と、
前記解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する機能と、
を実現させる。

更に、請求項１０に記載の発明のように、請求項６〜９のうち何れか一項に記載の発明において、
前記コンピュータに、
前記スペクトル情報に対しケプストラム法を用いてスペクトル包絡を算出する機能と、
前記算出されたスペクトル包絡と当該スペクトル情報とからフォルマントを検出し、当該検出したフォルマントに基づいて前記異常音を検出する機能と、
を更に実現させるのが好ましい。

更に、請求項１１に記載の発明のように、請求項１〜５のうち何れか一項に記載の発明において、
入力されたアナログ形式の音信号を、予め設定されたサンプリング間隔に基づいてデジタル化して前記音データに変換するＡ／Ｄ変換手段を更に備えるのが好ましい。

更に、請求項１２に記載の発明のように、請求項１１に記載の発明において、
前記Ａ／Ｄ変換手段は、
異常音の種類に応じて予め上記メモリに格納された複数のサンプリング間隔に基づいてデジタル化を行うのが好ましい。

更に、請求項１３に記載の発明のように、請求項１〜５、１１、１２のうち何れか一項に記載の発明において、
前記スペクトル情報取得手段は、
異常音の種類に応じて予めメモリに格納された複数の時間区分に基づいてＦＦＴ処理するのが好ましい。

更に、請求項１４に記載の発明のように、請求項６〜１０のうち何れか一項に記載の発明において、
前記コンピュータに、
入力されたアナログ形式の音信号を、予め設定されたサンプリング間隔に基づいてデジタル化して前記音データに変換する機能を更に実現させるのが好ましい。

更に、請求項１５に記載の発明のように、請求項１４に記載の発明において、
前記コンピュータに、
異常音の種類に応じて上記メモリに予め格納された複数のサンプリング間隔に基づいてデジタル化する機能を更に実現させるのが好ましい。

更に、請求項１６に記載の発明のように、請求項６〜１０、１４、１５のうち何れか一項に記載の発明において、
前記コンピュータに、
異常音の種類に応じてメモリに予め格納された複数の時間区分に基づいてＦＦＴ処理する機能を更に実現させるのが好ましい。

従って、各種副雑音の検出に好適なスペクトル情報が算出でき、異常に応じた正確なデータ解析が行えるので、副雑音を十分正確に検出することが可能となる。
更に、非破壊検査のような場合でも、構造物等から発生する多様な音の中から異常音を十分正確に検出できる。

図面を参照して本発明を適用した音データ処理装置１００について詳細に説明する。なお、本実施の形態では、一例として、呼吸音に含まれる副雑音等の異常音を検出する場合について説明するが、呼吸音以外の他の検出音に対しても適用可能である。

図１に示すように、音データ処理装置１００は、音信号取得手段１０、Ａ／Ｄ変換手段２０、データ処理手段３０、出力手段４０等を備えて構成される。

音信号取得手段１０はマイク（図示せず。）を備え、当該マイクにより集音される呼吸音をアナログ形式の音信号（以下、呼吸音信号という。）に変換してＡ／Ｄ変換手段２０に出力する。

Ａ／Ｄ変換手段２０は、音信号検出手段１０から入力される呼吸音信号を、操作者により予め設定されたサンプリング間隔に基づいてデジタル化して音データ（以下、呼吸音データという。）を作成する。サンプリング間隔は、呼吸音信号をデジタル化する最小の時間単位であり、検出対象の異常音に種類に応じて操作者により設定される。すなわち、高周波な異常音を対象とする場合には、サンプリング間隔が短くなるように設定され、低周波な異常音を対象とする場合には、サンプリング間隔が長くなるように設定されるのが好ましい。
なお、上記サンプリング間隔は、異常音の種類に応じてデータ処理手段３０の図示しない内蔵メモリ（或いは、他のメモリや記録媒体。）に予め格納されていてもよい。

データ処理手段３０は、スペクトル情報取得手段３１、スペクトル情報解析手段３２、異常音検出手段３３を備える。

データ処理手段３０は、スペクトル情報取得手段３１〜異常音検出手段３３を用いて図２のフローチャートに示すデータ処理を実行し、音信号取得手段１０により取得された呼吸音信号を解析処理するとともに、当該解析処理に必要な各種画像情報や音情報、或いは、処理結果を表す各種画像情報や音情報等を出力手段４０に出力する。

なお、スペクトル情報取得手段３１〜異常音検出手段３３は、ハードウェアであってもよいし、或いは、データ処理手段３０により実行されるプログラムが有する各機能を表すものであってもよい。ここで、当該プログラムは、図２のフローチャートに示すデータ処理を行うためのプログラムであり、データ処理手段３０の内蔵メモリ（図示せず。）に予め格納されているものとする。

スペクトル情報取得手段３１〜異常音検出手段３３の動作の詳細については、図２のフローチャートに基づいて後に詳述する。

出力手段４０は、ＬＣＤ（Liquid Crystal Display）等の表示装置やスピーカ（何れも、図示せず。）等を備え、データ処理手段３０から入力される各種画像情報や音情報を上記表示装置に表示したり、上記スピーカから放音する。

次に、図２を参照して、データ処理手段３０によって行われるデータ処理について説明する。

Ａ／Ｄ変換手段２０から入力された呼吸音データは、スペクトル情報取得手段３１により、予め設定された複数の異なる長さの全時間区分に基づいてＦＦＴ処理されたパワースペクトル（周波数毎の強度）や、当該時間区分毎に時間的に順序立てられた複数のパワースペクトルによって成るサウンドスペクトログラム（時間及び周波数毎の強度が色の濃淡等により表される）等のスペクトル情報が算出される（ステップＳ１）。

なお、スペクトル情報取得手段３１は、複数の異なる長さの時間区分のうち、操作者により設定された一つの時間区分のみに基づいてＦＦＴ処理するようにしてもよい。また、時間区分は、異常音の種類に応じてデータ処理手段３０の上記内蔵メモリ（或いは、他のメモリや記録媒体。）に予め格納されていてもよい。

ここで、短い時間区分でＦＦＴ処理する場合、異常音の発生時間を特定する精度は高くなるが周波数分解能は低下する。逆に長い時間区分でＦＦＴ処理する場合、異常音の発生時間を特定する精度は低くなるが周波数分解能は向上する。

また、高周波な信号に対してはサンプリング間隔を細かくして当該信号の再現性を高めたり、或いは、時間区分を短くしてどの時間に信号が発生したかをできるだけ正確に取得できるようにするのが好ましい。更に、取得する呼吸音データのデータ量は、メモリの節約、処理速度の高速化等の理由から、少ないほうが好ましい。時間区分を短くしたり、サンプリング周波数を細かくすれば、それだけデータ量が増えるが、以上の点を考慮して、検出する信号の周波数、持続時間に応じた好適な時間区分、サンプリング周波数が指定される。

以下では、上記複数の異なる全時間区分の各々に基づいてＦＦＴ処理される場合について説明する。これにより、各異常音に好適なスペクトル情報が一度に算出可能となる。例えば、短い時間区分（例えば、２５ｍｓ〜１００ｍｓ。）、かつ、短いサンプリング間隔（１ｍｓ以下が好ましい。）に基づいてＦＦＴ処理されて作成されるスペクトル情報は、短時間で発生する比較的高周波な異常音に好適であり、短い時間区分（例えば、１０ｍｓ〜５０ｍｓ。）、かつ、比較的短いサンプリング間隔（２ｍｓ以下が好ましい。）に基づいてＦＦＴ処理されて作成されるスペクトル情報は、水泡音等の比較的短時間に発生する比較的低周波な異常音に好適であり、長い時間区分（２５０ｍｓ〜１０００ｍｓ。）、かつ、短いサンプリング間隔（１ｍｓ以下が好ましい。）に基づいてＦＦＴ処理されて作成されるスペクトル情報は、連続性ラ音等の比較的長時間に発生する高周波な異常音に好適であり、長い時間区分（２５０ｍｓ〜１０００ｍｓ。）、かつ、長いサンプリング間隔（１００ｍｓ以下が好ましい。）に基づいてＦＦＴ処理されて作成されるスペクトル情報は、いびき音等の比較的長時間に発生する低周波な異常音に好適である。

なお、スペクトル情報取得手段３１により算出された各サウンドスペクトログラムは、出力手段４０の表示装置に表示されるようにしてもよい。

ステップＳ１の後、スペクトル情報解析手段３２は、上記算出されたスペクトル情報のうち、サウンドスペクトログラムに対してケプストラム法を適用して当該サウンドスペクトログラムに係るスペクトル包絡を算出する（ステップＳ２）。

なお、スペクトル情報解析手段３２による各解析結果は、必要に応じて出力手段４０の表示装置に表示されるようにしてもよい。

そして、異常音検出手段３３は、上記各スペクトル包絡とサウンドスペクトログラムとに基づき、各種異常音を特徴付ける優勢な周波数成分（フォルマントと称する。）が、所定時間継続して発生しているか否かを判定し、当該処理結果に基づいて異常音を検出する（すなわち、異常音の有無の判定や異常音の特定が行われる。）（ステップＳ３）。

その後、データ処理手段３０は、ステップＳ３の検出結果を、必要に応じて出力手段４０の表示装置に表示する（ステップＳ４）。

以上説明したように、音データ処理装置１００は、音信号取得手段１０によって呼吸音信号を取得し、この呼吸音信号をデジタル化して呼吸音データを作成し、呼吸音に含まれる各種異常音（断続性ラ音や連続性ラ音等の副雑音。）の検出に好適な複数の異なる長さの全時間区分に基づいて当該呼吸音データをＦＦＴ処理してスペクトル情報を算出し、このスペクトル情報をデータ解析して各種異常音の検出を行う。

従って、各種副雑音の検出に好適なスペクトル情報が算出でき、異常に応じた正確なデータ解析が行えるので、副雑音を十分正確に検出することが可能となる。
更に、非破壊検査のような場合でも、構造物等から発生する多様な音の中から異常音を十分正確に検出できる。

なお、本実施の形態における記述は、本発明に係る音データ処理装置及びプログラムの一例を示すものであり、これに限定されるものではない。本実施の形態における音データ処理装置１００の細部構成および詳細動作に関しては、本発明の趣旨を逸脱しない範囲で適宜変更可能である。

例えば、音データ処理装置１００は、入力された呼吸音信号に対し、複数の異なる長さの時間区分全てに基づいてまとめてＦＦＴ処理してスペクトル情報を算出するとしたが、これに限らず、操作者により設定された一つの時間区分のみに基づいてＦＦＴ処理するようにしてもよい。この場合には、スペクトル情報取得手段３１における処理時間が大幅に短縮化可能となる。

また、データ処理手段３０は、呼吸音データから呼気・吸気を識別し、当該呼吸音データを、更に、呼気に対応するデータと吸気に対応するデータとに分別する呼気吸気分別手段（図示せず。）を有するとしてもよい。ここで、呼気・吸気の識別は、例えば、呼吸音の集音時に操作者により入力された呼気・吸気を示す情報に基づいて行われるようにしてもよいし、また、呼気・吸気に固有の波形データと比較（例えば、統計処理による比較。）することにより自動的に行われるようにしてもよい。

この場合、ＦＦＴ処理に係る時間区分の長さは、上記呼気吸気分別手段（若しくはスペクトル情報取得手段３１。）により算出される一呼吸に要する呼吸時間を基準にして算出される。例えば、一呼吸時間の１／５以下の長さの時間区分に基づいてＦＦＴ処理されたり、好ましくは１／１０以下の長さの時間区分に基づいてＦＦＴ処理される。

更に、この場合、異常音検出手段３３による異常音の検出は、呼気、吸気それぞれに対応する呼吸音データに基づいて行われる。例えば、呼気に対応する呼吸音データのうち、高周波成分（５００〜１０００Ｈｚ）が一定以上の強度で、２５ｍｓｅｃ以内持続する音成分がある場合、当該音成分は断続性ラ音によるものと判定され、また、周波数４００Ｈｚ以上が一定以上の強度で２５０ｍｓｅｃ以上持続している音成分がある場合、当該音成分は連続性ラ音によるものと判定される。

また、上記データ処理を行うためのプログラム、呼吸音データや、上記時間区分、サンプリング間隔を表すデータ等は、ＣＤ（Compact Disk）などの各種記録媒体に予め格納されているものであってもよいし、ネットワークを介して外部機器から取得できるようにしてもよい。この場合、音データ処理装置１００は、当該記録媒体との間でデータの読み込み／書き込みを自在に行うための専用ドライバや、ネットワークに接続してデータの送受信を行うための通信装置を備える（何れも図示せず。）。

本発明を適用した音データ処理装置の構成を示すブロック図である。 本発明を適用した音データ処理装置によるデータ処理を説明するフローチャートである。

符号の説明

１０ 音信号取得手段
２０ Ａ／Ｄ変換手段
３０ データ処理手段
３１ スペクトル情報取得手段
３２ スペクトル情報解析手段
３３ 異常音検出手段
４０ 出力手段
１００ 音データ処理装置

Claims (16)

1. 検出された音データを解析処理するための音データ処理装置において、
   前記音データに対し、予め設定された複数の異なる長さの時間区分に基づいてＦＦＴ（Fast Fourier Transform）処理して当該音データに係るパワースペクトルを含む複数のスペクトル情報を算出するスペクトル情報取得手段と、
   前記算出された複数のスペクトル情報を解析処理するスペクトル情報解析手段と、
   前記複数の解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する異常音検出手段と、
   を備えたことを特徴とする音データ処理装置。
2. 前記音データが呼吸音を表すデータ場合、当該音データを、一呼吸を構成する呼気に対応する音データと、吸気に対応する音データとに分別する呼気吸気分別手段を更に備え、
   前記スペクトル情報取得手段は、
   前記ＦＦＴ処理の際に用いる前記時間区分の長さを、前記一呼吸分の呼吸時間に基づいて設定することを特徴とする請求項１に記載の音データ処理装置。
3. 前記スペクトル情報取得手段は、
   前記呼気、吸気の各々に対応する音データ毎にスペクトル情報を算出し、
   前記スペクトル情報解析手段は、
   前記呼気、吸気の各々に対応するスペクトル情報毎に解析処理を行い、
   前記異常音検出手段は、
   前記呼気、吸気毎に行われる解析結果に基づいて呼気、吸気毎に異常音を検出することを特徴とする請求項２に記載の音データ処理装置。
4. 検出された音データを解析処理するための音データ処理装置において、
   前記音データに対し、予め設定された長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含むスペクトル情報を算出するスペクトル情報取得手段と、
   前記算出されたスペクトル情報を解析処理するスペクトル情報解析手段と、
   前記解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する異常音検出手段と、
   を備えたことを特徴とする音データ処理装置。
5. 前記スペクトル情報解析手段は、
   前記スペクトル情報に対しケプストラム（cepstrum）法を用いてスペクトル包絡（spectral envelop）を算出し、
   前記異常音検出手段は、
   前記算出されたスペクトル包絡と当該スペクトル情報とからフォルマント（formant）を検出し、当該検出したフォルマントに基づいて前記異常音を検出することを特徴とする請求項１〜４のうち何れか一項に記載の音データ処理装置。
6. 検出された音データを解析処理するためのコンピュータに、
   前記音データに対し、予め設定された複数の異なる長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含む複数のスペクトル情報を算出する機能と、
   前記算出された複数のスペクトル情報を解析処理する機能と、
   前記複数の解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する機能と、
   を実現させるためのプログラム。
7. 前記コンピュータに、
   前記音データが呼吸音を表すデータの場合、当該音データを、一呼吸を構成する呼気に対応する音データと、吸気に対応する音データとに分別する機能と、
   前記ＦＦＴ処理の際に用いる前記時間区分の長さを、前記一呼吸分の呼吸時間に基づいて設定する機能と、
   を更に実現させるための請求項６に記載のプログラム。
8. 前記コンピュータに、
   前記呼気、吸気の各々に対応する音データ毎にスペクトル情報を算出する機能と、
   前記呼気、吸気の各々に対応するスペクトル情報毎に解析処理を行う機能と、
   前記呼気、吸気毎に行われる解析結果に基づいて呼気、吸気毎に異常音を検出する機能と、
   を更に実現させるための請求項７に記載のプログラム。
9. 検出された音データを解析処理するためのコンピュータに、
   前記音データに対し、予め設定された長さの時間区分に基づいてＦＦＴ処理して当該音データに係るパワースペクトルを含むスペクトル情報を算出する機能と、
   前記算出されたスペクトル情報を解析処理する機能と、
   前記解析結果に基づいて、前記音データが表す音に含まれる異常音を検出する機能と、
   を実現させるためのプログラム。
10. 前記コンピュータに、
    前記スペクトル情報に対しケプストラム法を用いてスペクトル包絡を算出する機能と、
    前記算出されたスペクトル包絡と当該スペクトル情報とからフォルマントを検出し、当該検出したフォルマントに基づいて前記異常音を検出する機能と、
    を更に実現させるための請求項６〜９のうち何れか一項に記載のプログラム。
11. 入力されたアナログ形式の音信号を、予め設定されたサンプリング間隔に基づいてデジタル化して前記音データに変換するＡ／Ｄ変換手段を更に備えたことを特徴とする請求項１〜５のうち何れか一項に記載の音データ処理装置。
12. 前記Ａ／Ｄ変換手段は、
    異常音の種類に応じて予め上記メモリに格納された複数のサンプリング間隔に基づいてデジタル化を行うことを特徴とする請求項１１に記載の音データ処理装置。
13. 前記スペクトル情報取得手段は、
    異常音の種類に応じて予めメモリに格納された複数の時間区分に基づいてＦＦＴ処理することを特徴とする請求項１〜５、１１、１２のうち何れか一項に記載の音データ処理装置。
14. 前記コンピュータに、
    入力されたアナログ形式の音信号を、予め設定されたサンプリング間隔に基づいてデジタル化して前記音データに変換する機能を更に実現させるための請求項６〜１０のうち何れか一項に記載のプログラム。
15. 前記コンピュータに、
    異常音の種類に応じて上記メモリに予め格納された複数のサンプリング間隔に基づいてデジタル化する機能を更に実現させるための請求項１４に記載のプログラム
16. 前記コンピュータに、
    異常音の種類に応じてメモリに予め格納された複数の時間区分に基づいてＦＦＴ処理する機能を更に実現させるための請求項６〜１０、１４、１５のうち何れか一項に記載のプログラム。

Images